Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Без привязки к предмету

Без привязки к предмету — вариант 65

Просмотрите все вопросы и варианты бесплатно. Правильные ответы скрыты и открываются только после получения доступа.

11 вопросов Вариант 65 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

Основная цель метода наименьших квадратов (МНК) при оценивании параметров регрессионной модели обозначается английской аббревиатурой — …

  1. SSR
Вопрос 2

Согласно теореме Гаусса — Маркова, при выполнении всех предпосылок классической линейной модели, МНК-оценки являются наилучшими линейными … оценками (BLUE)

  1. несмещенными
  2. несмещенные
Вопрос 3

В уравнении … регрессии Y = β<sub>0</sub> + β<sub>1</sub>X<sub>1</sub> + β<sub>2</sub>X<sub>2</sub> + ε, коэффициент β<sub>1</sub> показывает насколько изменится Y в среднем при изменении X₁ на единицу

  1. множественной
  2. множественная
Вопрос 4

Если при проверке гипотезы для коэффициента регрессии p-value составило 0.03, то на уровне значимости α = 0.05 …

  1. принимается
  2. отвергается
  3. отвергается
  4. будет недостаточно данных для вывода
Вопрос 5

Проблема, возникающая при сильной корреляции между независимыми переменными в модели множественной регрессии, которая приводит к росту стандартных ошибок коэффициентов и неустойчивости их оценок, называется …

  1. гетероскедастичностью
  2. автокорреляцией
  3. мультиколлинеарностью
  4. спецификационной ошибкой
Вопрос 6

… показывает, на сколько процентов в среднем изменится зависимая переменная Y при изменении независимой переменной X на 1 %

  1. Коэффициент эластичности
Вопрос 7

Расположите статистические тесты в порядке их использования при проверке регрессионной модели (сверху — первый этап, вниз — последний):

  1. F-тест (проверка значимости модели в целом)
  2. t-тест (проверка значимости отдельных коэффициентов)
  3. тест Уайта (проверка гетероскедастичности)
  4. тест Дики-Фуллера (проверка стационарности временных рядов)
Вопрос 8

Сопоставьте нелинейные модели регрессии с их свойствами:

  1. Степенная модель
  2. Показательная модель
  3. Гиперболическая модель
  4. Полиномиальная модель
  5. преобразуется к линейному виду lnY = lnβ<sub>0</sub> + β<sub>1</sub>lnX + lnε, имеет постоянную эластичность
  6. преобразуется к линейному виду lnY = lnβ<sub>0</sub> + X·lnβ<sub>1</sub> + lnε
  7. имеет вид Y = a + b/X, описывает асимптотическое приближение к пределу
  8. имеет вид Y = a + bX + cX<sup>2</sup>, описывает U-образные зависимости
Вопрос 9

Сопоставьте проблемы регрессионного анализа с их последствиями:

  1. Пропуск важной переменной, коррелированной с включенной
  2. Включение нерелевантной переменной
  3. Гетероскедастичность
  4. Неверный функциональный form модели
  5. смещение МНК-оценок коэффициентов
  6. завышение стандартных ошибок коэффициентов без смещения оценок
  7. несмещенные, но неэффективные оценки параметров
  8. систематическое смещение всех оценок модели
Вопрос 10

Расположите нелинейные модели регрессии в порядке их использования для описания экономических процессов (сверху — первый процесс, вниз — последний):

  1. полиномиальная регрессия — описание U-образной зависимости издержек от объема выпуска
  2. гиперболическая регрессия — описание кривых Энгеля с асимптотическим приближением
  3. полулогарифмическая модель — моделирование заработной платы с постоянными темпами прироста
Вопрос 11

Экономист-аналитик компании «АгроПрогресс» построил модель прогнозирования урожайности пшеницы: Ŷ = 15 + 0.8 * X<sub>1</sub> + 0.05 * X<sub>2</sub>, где X<sub>1</sub> — количество удобрений, X₂ — сумма осадков. Коэффициент корреляции между X<sub>1</sub> и X<sub>2</sub> составил 0,85.<br/><i>Какая проблема присутствует в модели и как она влияет на надежность прогноза?</i>

  1. Проблема гетероскедастичности, она снижает точность коэффициентов.
  2. Проблема мультиколлинеарности, она делает прогнозы ненадежными при изменении факторов.
  3. Проблема автокорреляции, она искажает статистическую значимость модели.