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: 39 из 42

Тест по теме 4. Нелинейные модели регрессии и их линеаризация

1. 
   Процесс приведения нелинейной модели к линейной называют:
   

1. 
   спецификацией
   
2. 
   линеаризацией
   
3. 
   потенцированием
   
4. 
   дифференцированием
   

2. 
   Взаимосвязь между исследуемыми показателями в нелинейной модели парной регрессии описывает:
   

1. 
   индекс корреляции
   
2. 
   средняя ошибка аппроксимации
   
3. 
   коэффициент эластичности
   
4. 
   коэффициент детерминации
   

2. 
   Для вычисления значения коэффициента эластичности используют формулу:
   

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

2. 
   Фактическое значение критерия Фишера можно вычислить по формуле
   

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

5. 
   Для вычисления значений параметров нелинейной модели, полученной путем линеаризации, используют:
   

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

5. 
   Оценка существенности индекса корреляции проводится:
   

1. 
   по F-критерию Фишера
   
2. 
   по t-критерию Стьюдента
   
3. 
   по Z-преобразованию
   
4. 
   по средней ошибке аппроксимации
   

5. 
   Для обоснования возможности применения линейной функции:
   

1. 
   индекс детерминации R² можно сравнивать с коэффициентом детерминации r²
   
2. 
   индекс детерминации R нельзя сравнивать с коэффициентом детерминации r²
   

5. 
   Различия между показателями корреляции существенны и замена нелинейной регрессии линейной нецелесообразна если:
   

1. 
   _{ }
   
2. 
   _{ }
   

5. 
   Величину, показывающую среднее отклонение расчетных значений от фактических, называют:
   

1. 
   индексом корреляции
   
2. 
   коэффициентом эластичности
   
3. 
   коэффициентом детерминации средней ошибкой аппроксимации
   

5. 
   Чем меньше фактические значения результативного признака отличаются от теоретических тем:
   

1. 
   лучше качество модели
   
2. 
   хуже качество модели
   
3. 
   от этого не зависит качество модели
   

5. 
   Эластичность функции показывает:
   

1. 
   на сколько процентов изменяется функция у при изменении независимой переменной на 1 %
   
2. 
   на сколько единиц в среднем изменяется переменная у при увеличении независимой переменной х на единицу
   
3. 
   прогнозируемое значение зависимой переменной при х=0
   
4. 
   значимость коэффициентов регрессии
   

Тест по теме 5. Модель множественной регрессии

1. 
   Уравнение связи между несколькими переменными, описываемое равенством y=f(x_1,x₂,…,x_p ) называется:
   

1. 
   нелинейной парной регрессией
   
2. 
   множественной регрессией
   
3. 
   линейной парной регрессией
   
4. 
   ответы 1) и 3) верные
   

2. 
   Уравнение множественной регрессии в стандартизованном масштабе задается формулой:
   

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

2. 
   Для вычисления частных коэффициентов эластичности используют
   

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

2. 
   Самым распространенным методом получения оценок параметров уравнения множественной регрессии является:
   

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

2. 
   Для получения надежных оценок параметров уравнения
   

_{ } обьём выборки должен:

1. 
   незначительно превышать количество определяемых по нему параметров
   
2. 
   значительно превышать количество определяемых по нему параметров
   
3. 
   быть равен количеству определяемых по нему параметров
   

2. 
   Факторы, входящие в модель, основанную на множественной регрессии, должны быть:
   

1. 
   количественно измеримы и неинтеркоррелированы
   
2. 
   мультиколлинеарными
   
3. 
   явно коллинеарными
   
4. 
   среди перечисленных верных ответов нет
   

7. 
   При оценке параметров линейного уравнения множественной регрессии применяется:
   

1. 
   матричный метод
   
2. 
   скалярный метод
   
3. 
   расчет регрессионной модели в стандартизованном виде
   
4. 
   все три метода
   

7. 
   Частные уравнения регрессии:
   

1. 
   характеризуют тесноту связи рассматриваемого набора факторов
   
2. 
   связывают результативный признак с соответствующими факторами х при закреплении других учитываемых во множественной регрессии факторов на среднем уровне
   
3. 
   характеризуют изолированное влияние фактора на результат, ибо другие факторы закреплены на неизменном уровне
   
4. 
   показывают, на сколько значений сигм (с.к.о.) изменится в среднем результат, если соответствующий фактор х_j изменится на одну с.к.о. при неизменном среднем уровне других факторов
   

9. 
   Уравнение связи между несколькими переменными, описываемое равенством ŷ_x = ƒ(x₁, x_2,…, x_р), называется:
   

1. 
   нелинейной парной регрессией
   
2. 
   линейной парной регрессией
   
3. 
   множественной регрессией
   
4. 
   ответы 1) и 3) верные
   

9. 
   Средние показатели эластичности:
   

1. 
   можно сравнивать друг с другом и соответственно ранжировать факторы по силе их воздействия на результат
   
2. 
   нельзя сравнивать друг с другом и соответственно ранжировать факторы по силе их воздействия на результат
   

Тест по теме 6. Показатели качества эмпирического уравнения

множественной линейной регрессии

1. 
   Коэффициент b_j статистически незначим если:
   

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

1. 
   Если коэффициент b_j статистически незначим то:
   

1. 
   переменную x_j не рекомендуется исключить из уравнения регрессии
   
2. 
   переменную x_j рекомендуется исключить из уравнения регрессии
   

1. 
   Индекс множественной корреляции для уравнения, заданного в стандартизованном виде, определяется равенством:
   

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

1. 
   Для проверки общего качества уравнения регрессии используется:
   

1. 
   коэффициент детерминации
   
2. 
   линейный коэффициент множественной корреляции
   
3. 
   коэффициент эластичности
   
4. 
   индекс корреляции
   

1. 
   Коэффициент детерминации показывает:
   

1. 
   долю общей дисперсии у, необъясненную уравнением регрессии
   
2. 
   долю общей дисперсии у, объясненную уравнением регрессии
   
3. 
   тесноту связи рассматриваемого набора факторов
   
4. 
   тесноту связи между результатом и соответствующим фактором при условии влияния других факторов, включенных в уравнение регрессии
   

1. 
   Теснота совместного влияния признаков-факторов на результативный признак оценивается с помощью:
   

1. 
   индекса линейной корреляции
   
2. 
   коэффициента детерминации
   
3. 
   индекса множественной корреляции
   
4. 
   средней ошибки аппроксимации
   

1. 
   Коэффициент множественной детерминации вычисляется как:
   

1. 
   квадрат частных индексов корреляции
   
2. 
   квадрат средних коэффициентов эластичности
   
3. 
   квадрат частных коэффициентов эластичности
   
4. 
   квадрат индекса множественной корреляции
   

1. 
   Для проверки нуль - гипотезы Н₀: R² = 0 используют:
   

1. 
   t - распределение Стьюдента
   
2. 
   F - распределение Фишера
   
3. 
   метод наименьших квадратов
   
4. 
   равномерное распределение
   

1. 
   Если увеличение доли объясненной дисперсии при добавлении новой переменной незначительно то:
   

1. 
   добавление нового фактора нецелесообразно
   
2. 
   добавление нового фактора целесообразно
   

1. 
   Чем ближе значение показателя множественной корреляции к единице тем:
   

1. 
   теснее связь результативного признака со всем набором исследуемых факторов
   
2. 
   слабее связь результативного признака со всем набором исследуемых факторов
   

1. 
   Величина множественного коэффициента корреляции зависит:
   

1. 
   от корреляции результата с каждым из факторов
   
2. 
   от межфакторной корреляции
   
3. 
   верны а) и b)
   
4. 
   не зависит ни от одного из этих факторов
   

Тест по теме 7. Нелинейные модели регрессии и их линеаризация

1. 
   Все модели множественной регрессии подразделяются на:
   

1. 
   линейные и экспоненциальные
   
2. 
   линейные и степенные
   
3. 
   линейные и нелинейные
   
4. 
   линейные и показательные
   

1. 
   Для оценки параметров нелинейных моделей используются:
   

1. 
   метод линеаризации модели
   
2. 
   методы нелинейной оптимизации на основе исходных переменных линейной парной регрессией
   
3. 
   ответы а) и b) верные
   

1. 
   Процесс приведения нелинейной модели регрессии к линейной называют:
   

1. 
   спецификацией
   
2. 
   потенцированием
   
3. 
   линеаризацией
   
4. 
   дифференцированием
   

1. 
   Для линеаризации модели с помощью подходящих преобразований исходных переменных могут использоваться:
   

1. 
   модели не линейные по переменным
   
2. 
   модели не линейные по параметрам
   
3. 
   ответы а) и b) верные