загрузка...
загрузка...
На головну

Парна регресія і кореляція

  1. B.1. Парна регресія і кореляція
  2. B.2. Множинна регресія і кореляція
  3. D.1. Парна регресія і кореляція
  4. D.2. Множинна регресія і кореляція
  5. Автокорреляция в залишках, її вимір і інтерпретація. Критерій Дарбіна-Уотсона в оцінці якості трендового рівняння регресії.
  6. Автокорреляция в залишках. Критерій Дарбіна-Уотсона
  7. Автокорреляция рівнів часового ряду

1. Найбільш наочним видом вибору рівняння парної регресії є:

а) аналітичний;

б) графічний;

в) експериментальний (табличний).

2. Розраховувати параметри парної лінійної регресії можна, якщо у нас є:

а) не менше 5 спостережень;

б) не менше 7 спостережень;

в) не менше 10 спостережень.

3. Суть методу найменших квадратів полягає в:

а) мінімізації суми залишкових величин;

б) мінімізації дисперсії результативної ознаки;

в) мінімізації суми квадратів залишкових величин.

4. Коефіцієнт лінійного парного рівняння регресії:

а) показує середня зміна результату зі зміною фактора на одну одиницю;

б) оцінює статистичну значущість рівняння регресії;

в) показує, на скільки відсотків зміниться в середньому результат, якщо фактор зміниться на 1%.

5. На підставі спостережень за 50 родинами побудовано рівняння регресії  , де  - Споживання,  - дохід. Чи відповідають знаки і значення коефіцієнтів регресії теоретичними уявленнями?

а) так;

б) немає;

в) нічого певного сказати не можна.

6. Суть коефіцієнта детермінації  полягає в наступному:

а) оцінює якість моделі з відносних відхилень по кожному спостереженню;

б) характеризує частку дисперсії результативної ознаки  , Пояснюється регресією, в загальній дисперсії результативної ознаки;

в) характеризує частку дисперсії  , Викликану впливом неврахованих в моделі факторів.

7. Якість моделі з відносних відхилень по кожному спостереженню оцінює:

а) коефіцієнт детермінації ;

б)  -критерій Фішера;

в) середня помилка апроксимації .

8. Значимість рівняння регресії в цілому оцінює:

а)  -критерій Фішера;

б)  -критерій Стьюдента;

в) коефіцієнт детермінації .

9. Класичний метод до оцінювання параметрів регресії заснований на:

а) метод найменших квадратів:

б) метод максимальної правдоподібності:

в) шаговом регресійного аналізу.

10. Залишкова сума квадратів дорівнює нулю:

а) коли правильно підібрана регресійна модель;

б) коли між ознаками існує точна функціональна зв'язок;

в) ніколи.

11. Пояснення (факторна) сума квадратів відхилень у лінійної парної моделі має число ступенів свободи, рівну:

а) ;

б) ;

в) .

12. Залишкова сума квадратів відхилень у лінійної парної моделі має число ступенів свободи, рівну:

а) ;

б) ;

в) .

13. Загальна сума квадратів відхилень у лінійної парної моделі має число ступенів свободи, рівну:

а) ;

б) ;

в) .

14. Для оцінки значущості коефіцієнтів регресії розраховують:

а)  -критерій Фішера;

б)  -критерій Стьюдента;

в) коефіцієнт детермінації .

15. Яке рівняння регресії не можна звести до лінійного вигляду:

а) ;

б) :

в) .

16. Яке з рівнянь є статечним:

а) ;

б) :

в) .

17. Параметр  в статечної моделі є:

а) коефіцієнтом детермінації;

б) коефіцієнтом еластичності;

в) коефіцієнтом кореляції.

18. Коефіцієнт кореляції  може приймати значення:

а) від -1 до 1;

б) від 0 до 1;

в) будь-які.

19. Для функції  середній коефіцієнт еластичності має вигляд:

а) ;

б) ;

в) .

20. Яке з наступних рівнянь нелінійно по оцінюваним параметрами:

а) ;

б) ;

в) .

Множинна регресія і кореляція

1. Додавання в рівняння множинної регресії нової пояснює змінної:

а) зменшує значення коефіцієнта детермінації;

б) збільшує значення коефіцієнта детермінації;

в) не робить ніякого впливу на коефіцієнт детермінації.

2. Скоригований коефіцієнт детермінації:

а) менше звичайного коефіцієнта детермінації;

б) більше звичайного коефіцієнта детермінації;

в) менше або дорівнює звичайному коефіцієнту детермінації;

3. Зі збільшенням числа пояснюють змінних скоригований коефіцієнт детермінації:

а) збільшується;

б) зменшується;

в) не змінюється.

4. Число ступенів свободи для залишкової суми квадратів в лінійної моделі множинної регресії одно:

а) ;

б) ;

в) .

5. Число ступенів свободи для загальної суми квадратів в лінійної моделі множинної регресії одно:

а) ;

б) ;

в) .

6. Число ступенів свободи для факторної суми квадратів в лінійної моделі множинної регресії одно:

а) ;

б) ;

в) .

7. Множинний коефіцієнт кореляції  . Визначте, який відсоток дисперсії залежної змінної  пояснюється впливом факторів и :

а) 90%;

б) 81%;

в) 19%.

8. Для побудови моделі лінійної регресії виду  необхідну кількість спостережень має бути не менше:

а) 2;

б) 7;

в) 14.

9. Стандартизовані коефіцієнти регресії :

а) дозволяють ранжувати чинники по силі їх впливу на результат;

б) оцінюють статистичну значущість чинників;

в) є коефіцієнтами еластичності.

10. Окремі коефіцієнти кореляції:

а) характеризують тісноту зв'язку розглянутого набору факторів з досліджуваним ознакою;

б) містять поправку на число ступенів свободи і не допускають перебільшення тісноти зв'язку;

в) характеризують тісноту зв'язку між результатом і відповідним фактором при елімінування інших факторів, включених в рівняння регресії.

11. Приватний  -критерій:

а) оцінює значимість рівняння регресії в цілому;

б) служить мірою для оцінки включення фактора в модель;

в) ранжує фактори за силою їх впливу на результат.

12. Незміщеність оцінки параметра регресії, отриманої по МНК, означає:

а) що вона характеризується найменшою дисперсією;

б) що математичне очікування залишків дорівнює нулю;

в) збільшення її точності зі збільшенням обсягу вибірки.

13. Ефективність оцінки параметра регресії, отриманої по МНК, означає:

а) що вона характеризується найменшою дисперсією;

б) що математичне очікування залишків дорівнює нулю;

в) збільшення її точності зі збільшенням обсягу вибірки.

14. Спроможність оцінки параметра регресії, отриманої по МНК, означає:

а) що вона характеризується найменшою дисперсією;

б) що математичне очікування залишків дорівнює нулю;

в) збільшення її точності зі збільшенням обсягу вибірки.

15. Вкажіть істинне твердження:

а) скоригований і звичайний коефіцієнти множинної детермінації збігаються тільки в тих випадках, коли середній показник множинної детермінації дорівнює нулю;

б) стандартні помилки коефіцієнтів регресії визначаються значеннями всіх параметрів регресії;

в) при наявності гетероскедастичності оцінки параметрів регресії стають зміщеними.

16. При наявності гетероскедастичності слід застосовувати:

а) звичайний МНК;

б) узагальнений МНК;

в) метод максимальної правдоподібності.

17. Фіктивні змінні - це:

а) атрибутивні ознаки (наприклад, як професія, стать, освіта), яким надали цифрові мітки;

б) економічні змінні, які беруть кількісні значення в деякому інтервалі;

в) значення залежної змінної за попередній період часу.

18. Якщо якісний фактор має три градації, то необхідне число фіктивних змінних:

а) 4;

б) 3;

в 2.

Системи економетричних рівнянь

1. Найбільшого поширення в економетричних дослідженнях отримали:

а) системи незалежних рівнянь;

б) системи рекурсивних рівнянь;

в) системи взаємозалежних рівнянь.

2. Ендогенні змінні - це:

а) зумовлені змінні, що впливають на залежні змінні, але не залежать від них, позначаються через  .;

б) залежні змінні, число яких дорівнює числу рівнянь в системі і які позначаються через ;

в) значення залежних змінних за попередній період часу.

3. Екзогенні змінні - це:

а) зумовлені змінні, що впливають на залежні змінні, але не залежать від них, позначаються через ;

б) залежні змінні, число яких дорівнює числу рівнянь в системі і які позначаються через ;

в) значення залежних змінних за попередній період часу.

4. лаговой змінні - це:

а) зумовлені змінні, що впливають на залежні змінні, але не залежать від них, позначаються через  .;

б) залежні змінні, число яких дорівнює числу рівнянь в системі і які позначаються через ;

в) значення залежних змінних за попередній період часу.

5. Для визначення параметрів структурну форму моделі необхідно перетворити в:

а) наведену форму моделі;

б) рекурсивную форму моделі;

в) незалежну форму моделі.

6. Модель ідентифікується, якщо:

а) число наведених коефіцієнтів менше числа структурних коефіцієнтів;

б) якщо число наведених коефіцієнтів більше числа структурних коефіцієнтів;

в) якщо число параметрів структурної моделі дорівнює числу параметрів наведеної форми моделі.

7. Модель неідентифіковані, якщо:

а) число наведених коефіцієнтів менше числа структурних коефіцієнтів;

б) якщо число наведених коефіцієнтів більше числа структурних коефіцієнтів;

в) якщо число параметрів структурної моделі дорівнює числу параметрів наведеної форми моделі.

8. Модель сверхідентіфіціруема, якщо:

а) число наведених коефіцієнтів менше числа структурних коефіцієнтів;

б) якщо число наведених коефіцієнтів більше числа структурних коефіцієнтів;

в) якщо число параметрів структурної моделі дорівнює числу параметрів наведеної форми моделі.

9. Рівняння ідентифікованих, якщо:

а) ;

б) ;

в) .

10. Рівняння неідентифіковані, якщо:

а) ;

б) ;

в) .

11. Рівняння сверхідентіфіціруемо, якщо:

а) ;

б) ;

в) .

12. Для визначення параметрів точно ідентифікованої моделі:

а) застосовується двокрокового МНК;

б) застосовується непрямий МНК;

б) жоден з існуючих методів застосувати не можна.

13. Для визначення параметрів сверхідентіфіціруемой моделі:

а) застосовується двокрокового МНК;

б) застосовується непрямий МНК;

б) жоден з існуючих методів застосувати не можна.

14. Для визначення параметрів неідентифіковані моделі:

а) застосовується двокрокового МНК;

б) застосовується непрямий МНК;

б) жоден з існуючих методів застосувати не можна.

тимчасові ряди

1. Аддитивна модель тимчасового ряду має вигляд:

а) ;

б) ;

в) .

2. Мультипликативная модель тимчасового ряду має вигляд:

а) ;

б) ;

в) .

3. Коефіцієнт автокореляції:

а) характеризує тісноту лінійного зв'язку поточного і попереднього рівнів ряду;

б) характеризує тісноту нелінійної зв'язку поточного і попереднього рівнів ряду;

в) характеризує наявність або відсутність тенденції.

4. Аддитивна модель тимчасового ряду будується, якщо:

а) значення сезонної компоненти передбачаються постійними для різних циклів;

б) амплітуда сезонних коливань зростає або зменшується;

в) відсутня тенденція.

5. Мультипликативная модель тимчасового ряду будується, якщо:

а) значення сезонної компоненти передбачаються постійними для різних циклів;

б) амплітуда сезонних коливань зростає або зменшується;

в) відсутня тенденція.

6. На основі поквартальних даних побудована аддитивная модель тимчасового ряду. Скориговані значення сезонної компоненти за перші три квартали рівні: 7 - I квартал, 9 - II квартал і -11 - III квартал. Значення сезонної компоненти за IV квартал є:

а) 5;

б) -4;

в 5.

7. На основі поквартальних даних побудована мультиплікативна модель тимчасового ряду. Скориговані значення сезонної компоненти за перші три квартали рівні: 0,8 - I квартал, 1,2 - II квартал і 1,3 - III квартал. Значення сезонної компоненти за IV квартал є:

а) 0,7;

б) 1,7;

в) 0,9.

8. Критерій Дарбіна-Уотсона застосовується для:

а) визначення автокореляції в залишках;

б) визначення наявності сезонних коливань;

в) для оцінки суттєвості побудованої моделі.


додаток C

Питання до іспиту

1. Визначення економетрики. Економетричний метод і етапи економетричного дослідження.

2. Парна регресія. Способи завдання рівняння парної регресії.

3. Лінійна модель парної регресії. Сенс і оцінка параметрів.

4. Оцінка суттєвості рівняння в цілому і окремих його параметрів (  -критерій Фішера і  -критерій Стьюдента).

5. Прогноз за лінійним рівнянням регресії. Середня помилка апроксимації.

6. Нелінійна регресія. Класи нелінійних регресій.

7. Регресії нелінійні щодо включених в аналіз пояснюють змінних.

8. Регресії нелінійні по оцінюваним параметрам.

9. Коефіцієнти еластичності для різних видів регресійних моделей.

10. Кореляція і  -критерій Фішера для нелінійної регресії.

11. Відбір факторів при побудові рівняння множинної регресії.

12. Оцінка параметрів рівняння множинної регресії.

13. Множинна кореляція.

14. Окремі коефіцієнти кореляції.

15.  -критерій Фішера і приватний  -критерій Фішера для рівняння множинної регресії.

16.  -критерій Стьюдента для рівняння множинної регресії.

17. Фіктивні змінні у множинноїрегресії.

18. Передумови МНК: гомоскедастичність і гетероскедастичності.

19. Передумови МНК: автокорреляция залишків.

20. Узагальнений МНК.

21. Загальні поняття про системи економетричних рівнянь.

22. Структурна і приведена форми моделі.

23. Проблема ідентифікації. Необхідна умова ідентифікації документів.

24. Проблема ідентифікації. Достатня умова ідентифікованих.

25. Методи оцінки параметрів структурної форми моделі.

26. Основні елементи тимчасового ряду.

27. Автокорреляция рівнів часового ряду і виявлення його структури.

28. Моделювання сезонних коливань: адитивна модель часового ряду.

29. Моделювання сезонних коливань: мультипликативная модель тимчасового ряду.

30. Критерій Дарбіна-Уотсона.


додаток D

Варіанти індивідуальних завдань



Попередня   27   28   29   30   31   32   33   34   35   36   37   38   39   40   41   42   Наступна

Правила розрахунку математичного очікування | Теоретична дисперсія випадкової змінної | Імовірність в безперервному випадку | Постійна і випадкова складові випадкової змінної | Способи оцінювання і оцінки | Оцінки як випадкові величини | Незміщеність | ефективність | Протиріччя між незміщеної і мінімальною дисперсією | Вплив збільшення розміру вибірки на точність оцінок |

загрузка...
© um.co.ua - учбові матеріали та реферати