Приложение 1_Эконометрика. Оценочные материалы текущего контроля успеваемости. Методические материалы по проведению процедур оценивания

• Название: Оценочные материалы текущего контроля успеваемости. Методические материалы по проведению процедур оценивания
• Дата: 29.03.2023
• Размер: 4.57 Mb.
• Имя файла: Приложение 1_Эконометрика.doc
• Тип: Документы; #1024553
• страница: 38 из 42

2. Комплект тестовых заданий для промежуточного контроля

Тест по теме 1. Введение в эконометрику

1. 
   Эконометрика представляет собой объединение трех компонентов:
   

1. 
   экономической теории, статистических и прогнозных методов
   
2. 
   статистических математических и информационных методов
   
3. 
   экономических, математических и статистических методов
   
4. 
   экономической теории, математических и статистических методов
   

2. 
   На методах, какой науки основываются эконометрические модели?
   

1. 
   математики
   
2. 
   бухгалтерского учета
   
3. 
   экономики
   
4. 
   статистики
   

3. 
   Эконометрика – это наука, которая дает:
   

1. 
   качественное выражение взаимосвязей экономических явлений и процессов
   
2. 
   количественные закономерности и взаимозависимости в экономике методами математической статистики
   
3. 
   количественное выражение взаимосвязей экономических явлений и процессов
   
4. 
   качественные закономерности и взаимозависимости в экономике методами математической статистики
   

4. 
   Основными целями эконометрики являются:
   

1. 
   прогноз экономических и социально-экономических показателей
   
2. 
   прогноз экономических и социально-экономических показателей и анализ различных возможных сценариев социально-экономического развития
   
3. 
   имитация различных возможных сценариев социально-экономического развития
   
4. 
   прогноз экономических и социально-экономических показателей и имитация различных возможных сценариев социально-экономического развития
   

5. 
   При моделировании экономических процессов оперируют следующими типами данных:
   

1. 
   пространственными
   
2. 
   временными
   
3. 
   пространственными и временными
   

6. 
   Существуют следующие основные классы эконометрических моделей:
   

1. 
   модели тренда, регрессионные модели с одним уравнением и системы одновременных уравнений
   
2. 
   модели сезонности, модели временных рядов и системы одновременных уравнений
   
3. 
   модели временных рядов, линейные регрессионные модели с одним уравнением и системы одновременных уравнений
   
4. 
   модели временных рядов, регрессионные модели с одним уравнением и системы одновременных уравнений
   

7. 
   В регрессионных моделях с одним уравнением:
   

1. 
   объясняющая переменная представляется в виде функции от объясняемых переменных
   
2. 
   объясняемая переменная представляется в виде функции от объясняющих переменных
   
3. 
   объясняемая функция представляется в виде переменных от объясняющих функций
   
4. 
   объясняющая функция представляется в виде переменной от объясняемой функции
   

8. 
   Для проверки совместимость модели с реальными экономическими данными существуют следующие уровни анализа:
   

1. 
   теоретический и экономический
   
2. 
   теоретический и статистический
   
3. 
   теоретический и эмпирический
   
4. 
   практический и эмпирический
   

9. 
   Цель оценивания эконометрической модели:
   

1. 
   получение более точных значений неизвестных параметров выборочной совокупности
   
2. 
   получение более точных значений неизвестных параметров выборочной и генеральной совокупностей
   
3. 
   получить как можно более точно значения неизвестных случайных параметров
   
4. 
   получение более точного значения неизвестных параметров генеральной совокупности
   

10. 
    Статистической гипотезой Н называется:
    

1. 
   предположение относительно параметров или вида распределения случайной величины
   
2. 
   предположение относительно параметров или вида распределения неслучайной величины
   
3. 
   предположение относительно параметров или вида распределения переменной величины
   
4. 
   предположение относительно параметров или вида распределения функциональной величины
   

11. 
    Уровнем значимости называется:
    

1. 
   вероятность α того, что будет отвергнута правильная основная гипотеза
   
2. 
   вероятность α того, что будет отвергнута правильная альтернативная гипотеза
   
3. 
   случайная величина, которая служит для проверки нулевой гипотезы
   
4. 
   значение критерия, вычисленное по данным выборки
   

12. 
    Областью принятия гипотезы называется:
    

1. 
   совокупность значений критерия, при которых альтернативная гипотеза принимается
   
2. 
   совокупность значений критерия, при которых нулевая гипотеза принимается
   
3. 
   совокупность значений критерия, при которых нулевая гипотеза отвергается
   
4. 
   совокупность значений критерия, при которых альтернативная гипотеза отвергается
   

Тест по теме 2. Модель парной регрессии как инструментальное средство для обработки экономических данных в соответствии с поставленной задачей

1. 
   Регрессия представляет собой:
   

1. 
   функциональную зависимость значения какой - либо величины от некоторой другой величины или от нескольких величин
   
2. 
   зависимость значения какой - либо величины от некоторой другой величины , или от нескольких величин
   
3. 
   зависимость среднего значения какой - либо величины от некоторой другой величины или от нескольких величин
   
4. 
   зависимость среднего значения какой - либо величины от некоторой другой величины
   

2. 
   Парной регрессией называется зависимость, описываемая равенством:
   

1. 
   _{ }
   
2. 
   _{ }
   
3. 
   _{ }
   
4. 
   _{ }
   

3. 
   В модели парной регрессии величина у называется:
   

1. 
   объясняющей переменной
   
2. 
   объясняемой переменной
   
3. 
   независимой переменной
   
4. 
   неслучайной величиной
   

4. 
   Все модели парной регрессии подразделяются на:
   

1. 
   нелинейные и тангенциальные
   
2. 
   линейные и нелинейные
   
3. 
   линейные и синусоидальные
   
4. 
   синусоидальные и тангенциальные
   

5. 
   Любое эконометрическое исследование начинается:
   

1. 
   с формулировки нулевой гипотезы
   
2. 
   с формулировки модели парной регрессии
   
3. 
   с формулировки модели множественной регрессии
   
4. 
   с формулировки вида модели, исходя из соответствующей теории связи между переменными
   

5. 
   Основной моделью парной регрессии является:
   

1. 
   линейная
   
2. 
   экспоненциальная
   
3. 
   степенная
   
4. 
   показательная
   

7. 
   Ошибки спецификации модели:
   

1. 
   тем больше, чем в большей мере теоретические значения признака подходят к фактическим данным у
   
2. 
   тем меньше, чем в большей мере теоретические значения признака подходят к фактическим данным у
   
3. 
   тем меньше, чем в меньшей мере теоретические значения признака подходят к фактическим данным у
   
4. 
   тем больше, чем в меньшей мере теоретические значения признака подходят к фактическим данным у
   

7. 
   Наибольшую опасность в практическом использовании методов регрессии представляют:
   

1. 
   ошибки выборки
   
2. 
   ошибки измерения
   
3. 
   ошибки спецификации
   

7. 
   Выбор типа математической функции при построении уравнения регрессии осуществляется следующими методами:
   

1. 
   графическим, теоретическим и экспериментальным
   
2. 
   графическим, аналитическим и экспериментальным
   
3. 
   графическим, аналитическим и табличным
   
4. 
   графическим, аналитическим и эмпирическим
   

7. 
   Одним из этапов построения линейной модели парной регрессии является:
   

1. 
   построение графика
   
2. 
   анализ параметров
   
3. 
   , вычисление параметров спецификация модели
   
4. 
   спецификация модели
   

7. 
   МНК позволяет:
   

1. 
   получить такие оценки параметров а и b, при которых сумма квадратов отклонений фактических значений y от теоретических ŷ_x максимальна
   
2. 
   получить такие оценки параметров а и b, при которых сумма квадратов отклонений фактических значений y от теоретических ŷ_x минимальна
   
3. 
   получить такие оценки параметрова и b, при которых сумма квадратов отклонений теоретических значений y от фактическихŷ_x максимальна
   
4. 
   получить такие оценки параметрова и b, при которых сумма квадратов отклонений теоретических значений y от фактических ŷ_x минимальна
   

7. 
   Величину, определяемую _{ } , равенством называют:
   

1. 
   коэффициентом детерминации
   
2. 
   линейным коэффициентом парной корреляции
   
3. 
   ошибкой аппроксимации
   
4. 
   коэффициентом эластичности
   

7. 
   Для вычисления значений параметров линейной модели, основанной на парной регрессии, используют:
   

1. 
   метод наименьших квадратов
   
2. 
   косвенный метод наименьших квадратов
   
3. 
   двухшаговый метод наименьших квадратов
   
4. 
   одновременно метод наименьших квадратов и косвенный метод наименьших квадратов
   

Тест по теме 3. Свойства коэффициентов регрессии и проверка гипотез

1. 
   Связь между у и х в парной регрессии является:
   

1. 
   функциональной
   
2. 
   корреляционной
   
3. 
   неслучайной
   
4. 
   зависимой
   

2. 
   Оценки параметров а и b в парной регрессии являются:
   

1. 
   неслучайными величинами
   
2. 
   случайными величинами
   
3. 
   функционально-зависимыми величинами
   
4. 
   линейными
   

3. 
   Для получения по МНК наилучших результатов параметров а и b необходимо выполнение:
   

1. 
   условия постоянства дисперсии случайных отклонений
   
2. 
   условий теоремы Гаусса-Маркова
   
3. 
   условия отсутствия автокорреляции
   
4. 
   условия независимости случайного отклонения от объясняющих переменных
   

4. 
   Оценка значимости уравнения регрессии в целом дается с помощью:
   

1. 
   F- критерия Фишера
   
2. 
   t-критерия Стьюдента
   
3. 
   анализа дисперсии
   
4. 
   коэффициента детерминации
   

4. 
   Значение коэффициента детерминации можно вычислить по формуле:
   

1. 
   _{ }
   
2. 
   _{ }
   
3. 
   _{ }
   
4. 
   _{ }
   

4. 
   Величина, определяемая равенством _{ } , подчиняется
   

1. 
   F - распределению Фишера
   
2. 
   нормальному распределению
   
3. 
   равномерному распределению
   
4. 
   t-распределению Стьюдента
   

7. 
   При нахождении табличного значения F- критерия необходимо:
   

1. 
   задать уровень значимости и число наблюдений
   
2. 
   задать уровень значимости и одну степень свободы
   
3. 
   задать уровень значимости и две степени свободы - числителя и знаменателя
   

7. 
   Величина стандартной ошибки совместно с t - распределением Стьюдента при п-2 степенях свободы применяется:
   

1. 
   для вывода о значимости уравнения регрессии
   
2. 
   для проверки существенности коэффициента регрессии
   
3. 
   для проверки существенности коэффициента регрессии и для расчета его доверительных интервалов
   
4. 
   для расчета доверительных интервалов коэффициента регрессии
   

7. 
   Пригодность линии регрессии для прогноза
   

1. 
   не зависит от того, какая часть общей вариации у приходится на необъясненную вариацию
   
2. 
   зависит от того, какая часть общей вариации у приходится на необъясненную вариацию
   
3. 
   зависит от того, какая часть общей вариации у приходится на объясненную вариацию
   
4. 
   не зависит от того, какая часть общей вариации у приходится на объясненную вариацию
   

7. 
   Оценка наличия статистической связи между у и х дается с помощью:
   

1. 
   F- критерия Фишера
   
2. 
   коэффициента корреляции
   
3. 
   t- критерия Стьюдента
   
4. 
   коэффициента детерминации
   

7. 
   Взаимозависимыми критериями являются:
   

1. 
   проверка значимости коэффициента b в парной линейной регрессии и коэффициента детерминации
   
2. 
   проверка значимости коэффициента b в парной линейной регрессии и коэффициента корреляции
   
3. 
   проверка значимости коэффициентаb в парной линейной регрессии, коэффициента корреляции и коэффициента детерминации
   
4. 
   проверка значимости коэффициента а в парной линейной регрессии, коэффициента корреляции и коэффициента детерминации
   

12. Под прогнозированием в эконометрике понимается:

1. 
   построение оценки зависимой переменной для некоторого набора независимых переменных, которых нет в исходных наблюдениях
   
2. 
   построение оценки независимой переменной для некоторого набора зависимых переменных, которых нет в исходных наблюдениях
   
3. 
   точечное и интервальное предсказание