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: 40 из 42

Если модель нелинейна по переменным, то введением новых переменных ее можно свести к линейной модели, для оценки параметров которой можно использовать:

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

1. 
   Формула скорректированного индекса множественной детерминации имеет вид:
   

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

1. 
   Низкое значение коэффициента (индекса) множественной корреляции означает:
   

1. 
   что в регрессионную модель не включены существенные факторы
   
2. 
   рассматриваемая форма связи не отражает реальные соотношения между переменными, включенными в модель
   
3. 
   ответы а) и b) верные
   

1. 
   Индекс детерминации для нелинейных по оцениваемым параметрам функций в некоторых работах по эконометрике принято называть:
   

1. 
   совокупным коэффициентом корреляции
   
2. 
   антилогарифм
   
3. 
   квази-R²
   

1. 
   Функция Кобба-Дугласа с учетом технического прогресса имеет вид:
   

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

1. 
   В ряде случаев преобразований нелинейной модели удается свести к линейной форме путем:
   

1. 
   потенцирования обеих частей уравнения
   
2. 
   дифференцирования обеих частей уравнения
   
3. 
   логарифмирования обеих частей уравнения
   

Тест по теме 8. Спецификация модели множественной регрессии

1. 
   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
   

1. 
   Величина, измеряющая влияние на результативный признак у признаков-факторов х_j при неизменном уровне других факторов, называется:
   

1. 
   частным коэффициентом (индексом) корреляции
   
2. 
   индекс корреляции
   
3. 
   индекс детерминации
   
4. 
   коэффициент эластичности
   

1. 
   Под полной мультиколлинеарностью понимается:
   

1. 
   существование между некоторыми из факторов линейной функциональной связи
   
2. 
   отсутствие между некоторыми из факторов линейной функциональной связи
   
3. 
   наличие между некоторыми из факторов линейной статистической связи
   
4. 
   отсутствие между некоторыми из факторов линейной статистической связи
   

1. 
   Считается, что две переменные явно коллинеарны, если:
   

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

1. 
   Факторы линейной функциональной связи менее коллинеарны:
   

1. 
   чем ближе к нулю определитель матрицы межфакторной корреляции
   
2. 
   чем ближе к единице определитель матрицы межфакторной корреляции
   

1. 
   Если факторы не коррелированны между собой:
   

1. 
   то в определителе матрицы межфакторной корреляции все внедиагональные элементы равны нулю, а на диагонали стоят единицы
   
2. 
   определитель матрицы межфакторной корреляции равен единице
   
3. 
   определитель матрицы межфакторной корреляции равен нулю
   
4. 
   ответы а) и b) верные
   

1. 
   Для устранения мультиколлинеарности используют:
   

1. 
   исключение из модели одной или нескольких коррелированных переменных
   
2. 
   увеличение объема выборки
   
3. 
   ответы а) и b) верные.
   

1. 
   С помощью частных коэффициентов корреляции:
   

1. 
   проводят ранжирование факторов по степени их влияния на результат
   
2. 
   характеризуют тесноту связи между результатом и соответствующим фактором при устранении влияния других факторов, включенных в уравнение регрессии
   
3. 
   проводят отбор факторов
   
4. 
   ответы а), b) и с) верные
   

1. 
   Основными методами построения уравнения множественной регрессии являются:
   

1. 
   метод исключения и включения
   
2. 
   метод исключения, метод включения и шаговый регрессионный метод
   
3. 
   метод исключения и шаговый регрессионный метод
   
4. 
   метод включения и шаговый регрессионный метод
   

1. 
   Частный F- критерий широко используется:
   

1. 
   при построении модели методом включения переменных
   
2. 
   при построении модели методом исключения переменных
   
3. 
   для оценки значимости фактора, дополнительно вводимого в модель
   
4. 
   ответы а) и с) верные
   

Тест по теме 9. Предпосылки метода наименьших квадратов

1. 
   Несмещенность оценки характеристики силы связи означает:
   

1. 
   что математическое ожидание остаточных величин равно нулю
   
2. 
   что математическое ожидание остаточных величин не равно нулю
   
3. 
   минимальность дисперсии
   
4. 
   ответы а) и с) верные
   

1. 
   Оценки считаются эффективными:
   

1. 
   если они характеризуются наименьшей дисперсией
   
2. 
   если они характеризуются наибольшей дисперсией
   

1. 
   Степень реалистичности доверительных интервалов параметров регрессии обеспечивается, если оценки будут:
   

1. 
   несмещенными
   
2. 
   эффективными
   
3. 
   состоятельными
   
4. 
   ответы а), b) и с) верные
   

1. 
   Состоятельность оценок характеризует:
   

1. 
   увеличение их точности с увеличением объема выборки
   
2. 
   увеличение их точности с уменьшением объема выборки
   
3. 
   уменьшения их точности с уменьшением объема выборки
   
4. 
   уменьшения их точности с увеличением объема выборки
   

1. 
   Предпосылками метода наименьших квадратов являются условия необходимые для получения:
   

1. 
   несмещенных и эффективных оценок
   
2. 
   несмещенных и состоятельных оценок
   
3. 
   несмещенных, состоятельных и эффективных оценок
   
4. 
   состоятельных и эффективных оценок
   

1. 
   Если для каждого значения фактора х_j остатки _i имеют одинаковую дисперсию то:
   

1. 
   имеет место гетероскедастичность
   
2. 
   имеет место гомоскедастичность
   
3. 
   имеет место равномерное распределение
   
4. 
   имеет место нормальное распределение
   

1. 
   Для определения гетероскедастичности используют:
   

1. 
   тест ранговой корреляции Спирмена
   
2. 
   тест Гольдфельда - Квандта
   
3. 
   критерий Стъюдента
   
4. 
   ответы а), b) и с) верные
   

1. 
   Отсутствие автокорреляции остаточных величин обеспечивает
   

1. 
   состоятельность и эффективность оценок коэффициентов регрессии
   
2. 
   несмещенных и эффективных оценок коэффициентов регрессии
   
3. 
   несмещенных и состоятельных оценок коэффициентов регрессии
   
4. 
   несмещенных, состоятельных и эффективных оценок
   

1. 
   Исследования остатков _i предполагают проверку наличия
   

1. 
   четырех предпосылок МНК
   
2. 
   трех предпосылок МНК
   
3. 
   пяти предпосылок МНК
   
4. 
   шести предпосылок МНК
   

1. 
   Оценки, полученные по МНК и по методу максимального прав­доподобия, совпадают между собой в тех случаях, когда:
   

1. 
   все пять предпосылок выполняются
   
2. 
   все четыре предпосылки выполняются
   
3. 
   не все пять предпосылок выполняются
   
4. 
   не все четыре предпосылки выполняются
   

Тест по теме 10. Обобщенный метод наименьших квадратов

1. 
   Традиционный метод наименьших квадратов рекомендуется заменять обобщенным методом наименьших квадратов при наличии:
   

1. 
   гетероскедастичности в остатках
   
2. 
   автокорреляции ошибок
   
3. 
   мультиколлинеарности
   
4. 
   ответы а) и с) верны
   

1. 
   Обобщенный метод наименьших квадратов применяется к преобразованиям данных и позволяет получать оценки, которые:
   

1. 
   несмещенные
   
2. 
   имеют меньшие выборочные дисперсии
   
3. 
   эффективные
   
4. 
   состоятельные
   

1. 
   В общем виде применение МНК возможно если:
   

1. 
   число наблюдений n равно числу оцениваемых параметров m
   
2. 
   число наблюдений n меньше числа оцениваемых параметров m
   
3. 
   число наблюдений nпревышает число оцениваемых параметров m
   
4. 
   верны все три ответа
   

1. 
   При наличии гетероскедастичности в остатках и наличия автокорреляции ошибок рекомендуется традиционный метод наименьших квадратов заменять:
   

1. 
   косвенным методом наименьших квадратов
   
2. 
   двухшаговым методом наименьших квадратов
   
3. 
   трехшаговым методом наименьших квадратов
   
4. 
   обобщенным методом наименьших квадратов
   

1. 
   Для корректировки гетероскедастичности оценка параметров нового уравнения регрессии после преобразования переменных приводит:
   

1. 
   к взвешенному методу наименьших квадратов
   
2. 
   к обобщенному методу наименьших квадратов
   
3. 
   к методу наименьших квадратов
   
4. 
   к косвенному методу наименьших квадратов
   

1. 
   Наблюдения с меньшими дисперсиями отклонений будут:
   

1. 
   менее значимыми при оценке параметров регрессии, чем наблюдения с большими дисперсиями
   
2. 
   более значимыми при оценке параметров регрессии, чем наблюдения с большими дисперсиями
   
3. 
   менее значимыми при оценке параметров регрессии, чем наблюдения с меньшими дисперсиями
   
4. 
   более значимыми при оценке параметров регрессии, чем наблюдения с меньшими дисперсиями
   

1. 
   Оценка гетероскедастичной модели МНК-методом является:
   

1. 
   несостоятельной, но эффективной
   
2. 
   состоятельной, но неэффективной
   
3. 
   несостоятельной и неэффективной
   

1. 
   Гетероскедастичность - это:
   

1. 
   нарушение условия нормальности случайного члена
   
2. 
   нарушение одинаковой распределенности случайного члена
   

1. 
   Если дисперсии отклонений известны для каждого наблюдения, то:
   

1. 
   гетероскедастичность может быть устранена, если разделить каждое наблюдаемое значение на соответствующее ему значение дисперсии
   
2. 
   гетероскедастичность не может быть устранена, если разделить каждое наблюдаемое значение на соответствующее ему значение дисперсии
   

1. 
   Чтобы убедиться в необходимости использования обобщенного МНК:
   

1. 
   обычно ограничиваются визуальной проверкой гетероскедастичности
   
2. 
   проводят эмпирическое подтверждение гетероскедастичности
   

Тест по теме 11. Фиктивные переменные во множественной регрессии

1. 
   В качестве факторов в эконометрической модели могут рассматриваться экономические переменные принимающие:
   

1. 
   количественные значения в некотором интервале
   
2. 
   два качественных уровня
   
3. 
   более двух качественных уровней
   
4. 
   ответы а), b) и с) верные
   

1. 
   Для ввода фиктивных переменных в регрессионную модель, им должны быть присвоены те или иные цифровые метки, т.е.:
   

1. 
   количественные переменными преобразованы в качественные
   
2. 
   качественные переменными преобразованы в количественные
   

1. 
   ANOVA это регрессионные модели содержащие:
   

1. 
   лишь качественные объясняющие переменные
   
2. 
   как количественные, так и качественные переменные
   
3. 
   лишь количественные переменные
   

1. 
   ANCOVA это регрессионные модели содержащие:
   

1. 
   лишь качественные объясняющие переменные
   
2. 
   как количественные, так и качественные переменные
   
3. 
   лишь количественные переменные
   

1. 
   Для того чтобы избежать ситуации называемой ловушкой фиктивной переменной необходимо использовать правило:
   

1. 
   если качественная переменная имеет (k-1) альтернативных значений, то при моделировании используется только k фиктивных переменных.
   
2. 
   если количественная переменная имеет (k-1) альтернативных значений, то при моделировании используется только k фиктивных переменных
   
3. 
   если качественная переменная имеет k альтернативных значений, то при моделировании используется только (k-1) фиктивных переменных
   
4. 
   если количественная переменная имеет k альтернативных значений, то при моделировании используется только (k-1) фиктивных переменных