Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология
Образование Политология Производство Психология Стандартизация Технологии


V6: Нелинейные модели регрессии



 

I:

S: Гиперболической модельюне является регрессионная модель …

 

-:

-:

-:

+:

 

I:

S: Для линеаризации нелинейной регрессионной модели используется замена …

 

-:

-:

+:

-:

 

I:

S: При расчете уравнения нелинейной регрессии , где y – спрос на продукцию, ед.; x – цена продукции, руб., выяснилось, что доля остаточной дисперсии в общей меньше 20%. Коэффициент детерминации для данной модели попадает в отрезок минимальной длины

 

-: [0, 2; 1]

-: [0; 0, 8]

+: [0, 8; 1]

-: [0; 0, 2]

 

I:

S: Для регрессионной модели математическое ожидание остатков равно 0, следовательно, оценки параметров обладают свойством …

 

-: эффективности

+: несмещенности

-: оптимальности

-: состоятельности

I:

S: Для оценки параметров эконометрической модели линейного уравнения регрессии вида используется метод наименьших квадратов (МНК). В системе нормальных уравнений (МНК) неизвестными величинами являются …

 

+:

-:

-:

-:

I:

S: Для регрессионной модели зависимости потребления материала на единицу продукции от объема выпуска продукции построено нелинейное уравнение (см. рис.).

Значение индекса детерминации для данного уравнения составляет R2 =0, 904.
Следовательно,

 

-: объемом выпуска продукции объяснено 9, 6% дисперсии потребления материалов на единицу продукции

+: объемом выпуска продукции объяснено 90, 4% дисперсии потребления материалов на единицу продукции

-: потреблением материалов на единицу продукции объяснено 9, 6% дисперсии объема выпуска продукции

-: потреблением материалов на единицу продукции объяснено 90, 4% дисперсии объема выпуска продукции

 

I:

S: Если с увеличением масштабов производства удельный расход сырья сокращается, то моделирование целесообразно проводить на основе

 

+: равносторонней гиперболы

-: параболы второй степени

-: степенной функции

-: экспоненциальной функции

 

I:

S:

 

-: 8-10

-: 6-7

+: 12-14

-: 18-21

 

I:

S:

 

-: квартира с балконом стоит на 1, 05 долл. дороже аналогичной квартиры без балкона

-: один квадратный метр жилья стоит 450 долл.

-: один квадратный метр квартиры с балконом стоит 450 долл.

+: наличие балкона не влияет на цену квартиры

 

I:

S:

 

-:

+:

-:

-:

 

I:

S:

 

-: эластичности

+: корреляции

-: детерминации

-: регрессии

 

I:

S:

 

+: среднее значение зависимой переменной при нулевых значениях независимых (объясняющих) переменных

-: влияние случайных факторов на зависимую переменную модели у

-: среднее изменение зависимой переменной модели у при изменении независимых переменных на единицу

-: среднее значение независимой переменной при нулевых значениях зависимых переменных

 

I:

S: Переменные, принимающие значения 0 и 1, которые вводят в модель множественной регрессии для количественного задания некоторого качественного признака, называются __________ переменньми.

 

-: коллинеарными

-: зависимыми

-: независимыми

+: фиктивными

 

I:

S: Выбор вида эконометрической модели на основании соответствующей теории связи между переменными называется ______ модели.

 

-: классификацией

+: спецификацией

-: систематизацией

-: построением

 

I:

S:

 

-:

-:

-:

+: 1

 

I:

S: Оценки являются _____________, если при увеличении количества

наблюдений, точность оценок тоже увеличивается.

 

-: смещенными

-: не смещенными

-: эффективными

+: состоятельными

 

I:

S: Для оценки параметров линейной регрессионной модели с

_________ остатками применяется обобщенный метод

наименьших квадратов.

 

-: не гетероскедастичными

-: некоррелированными

-: гомоскедастичными

+: автокоррелированными

 

I:

S:

 

-: неопределенной ситуации относительно автокорреляции остатков

-: отрицательной автокорреляции в остатках

+: отсутствия автокорреляции в остатках

-: положительной автокорреляции в остатках

 

I:

S:

 

-: рекурсивных

-: одновременных

-: независимых

+: нормальных

 

I:

S:

 

+: минимума суммы квадратов отклонений

-: равенства нулю суммы модулей отклонений

-: минимума суммы модулей отклонений

-: равенства нулю суммы квадратов отклонений

 

I:

S: Оценки параметров, найденных при ______ метода

наименьших квадратов, обладают свойствами несмещенности, эффективности и состоятельности.

 

-: использовании обобщенного

-: использовании взвешенного

-: нарушении предпосылок

+: соблюдении предпосылок

 

I:

S: В случае регрессионной модели с автокоррелированными и / или

гетероскедастичными остатками рассматривают _________ модель

регрессии.

 

-: стандартизированную

+: обобщенную

-: нормальную

-: классическую (обычную)

 

I:

S: Известно, что теснота связи между х и у средняя, при увеличении независимой переменной х значение зависимой переменной у увеличивается. Тогда значение коэффициента корреляции для такой модели парной линейной регрессии находится в интервале...

 

+: [0, 6; 0, 8]

-: [-1; 1]

-: [0, 6; 1]

-: [0; 1]

 

I:

S: Долю объясненной с помощью регрессии дисперсии в общей дисперсии зависимой переменной характеризует...

 

-: коэффициент корреляции

-: F- статистика

+: коэффициент детерминации

-: коэффициент регрессии

 

I:

S:

 

-: других параметров не подтвердилась

-: этого параметра не подтвердилась

+: этого параметра подтвердилась

-: других параметров подтвердилась

 

I:

S:

 

-: суммой квадратов отклонении, не объясненных регрессией

-: общей суммой квадратов отклонений

+: суммой квадратов отклонений, объясненных регрессией

-: остаточной суммой квадратов отклонений

 

I:

S:

 

-: суммой квадратов отклонений, объясненных регрессией

-: остаточной суммой квадратов отклонений

-: суммой квадратов отклонений, необъясненных регрессией

+: общей суммой квадратов отклонений

 

I:

S: Параметры регрессии, выраженной внутренне линейной функцией, нелинейной относительно параметров, после линеаризации можно оценить при помощи _________ метода наименьших квадратов.

 

-: трехшагового

-: косвенного

-: двухшагового

+: обычного

 

I:

S: Самым простым методом линеаризации нелинейной функции, гашенной относительно параметров, является...

 

+: замена переменных

-: применение элементарных преобразования с использованием замены переменных

-: элементарные преобразования

-: разложение функции в ряд Тейлора

 

I:

S:

 

+: разложение в ряд Тейлора

-: логарифмирование

-: замена переменных

-: потенцирование

 

I:

S: Априорно известно, что зависимость между объясняющей и объясняемой переменными не является линейной, в таком случае зависимость может быть выражена ________ функцией.

 

-: степенной

-: показательной

+: нелинейной

-: линейной

 

I:

S: Методом линеаризации внутренне линейной функции, нелинейной относительно параметров, является...

 

+: применение элементарных преобразования с использованием замены переменных

-: замена переменных

-: элементарные преобразования

-: разложение функции в ряд Тейлора

 

I:

S: Убывающая или возрастающая компонента временного ряда, характеризующая совокупное долговременное воздействие множества факторов, называется ___________ компонентой.

 

-: случайной

-: циклической

-: сезонной

+: трендовой

 

I:

S: Коэффициент автокорреляции характеризует тесноту ________ связи.

 

-: эконометрической

-: обратной

+: линейной

-: нелинейной

 

I:

S: Сумма скорректированных сезонных компонент для мультипликационной модели равна...

 

-: единице

+: лагу

-: половине лага

-: нулю

 

I:

S:

 

-: неизменностью функции регрессии во времени

-: гомоскедастичностью его остатков

+: наличием в его структуре тренда

-: постоянством дисперсии его уровней

 

I:

S: Сумма скорректированных сезонных компонент для аддитивной модели равна...

 

-: единице

+: нулю

-: лагу

-: половине лага

 

I:

S: Автокорреляционная функция является отображением зависимости между значениями соответствующего коэффициента автокорреляции

и...

 

+: его порядком

-: уровнями ряда

-: периодами (моментами) времени

-: коррелограммой

 

I:

S:

 

+: аддитивной моделью

-: мультипликативной моделью

-: моделью, включающей фактор времени

-: моделью с распределенным лагом

 

I:

S: Предпосылками метода наименьших квадратов (МНК) являются следующие …

 

-: отсутствие автокорреляции в остатках

-: присутствие в эконометрической модели более чем двух факторов

-: функциональная связь между зависимой и независимой переменными

+: гомоскедастичность остатков

 

I:

S: Несмещенность оценки характеризуется …

-: зависимостью от объема выборки значения математического ожидания остатков

+: равенством нулю математического ожидания остатков

-: максимальной дисперсией остатков

-: отсутствием накопления остатков при большом числе выборочных оцениваний

 

I:

S: Метод наименьших квадратов применим к уравнениям регрессии, …

-: которые отражают нелинейную зависимость между двумя экономическими показателями и не могут быть приведены к линейному виду

-: которые отражают нелинейную зависимость между двумя экономическими показателями, но могут быть приведены к линейному виду

-: нелинейного вида

+: которые отражают линейную зависимость между двумя экономическими показателями

 

I:

S: Обобщенный метод наименьших квадратов подразумевает …

-: переход от множественной регрессии к парной

-: преобразование переменных

+: введение в выражение для дисперсии остатков коэффициента пропорциональности

-: двухэтапное применение метода наименьших квадратов

 

I:

S: К видам эконометрических моделей по типам зависимости относятся модели …

 

+: систем эконометрических уравнений

-: временных рядов

-: нелинейной регрессии

-: линейной регрессии

 

I:

S: Отбор факторов в эконометрическую модель множественной регрессии может быть осуществлен на основе …

 

+: матрицы парных коэффициентов корреляции

-: сравнения коэффициентов «чистой» регрессии

-: значений коэффициентов автокорреляции уровней ряда различных порядков

-: сравнения остаточной дисперсии до и после включения фактора в модель

 

I:

S: В линейном уравнении парной регрессии переменными не являются

-: y

+: a

-: x

 

I:

S: Фиктивная переменная может принимать значения:

+: 1

-: –1

-: в интервале от –1 до 1

 

I:

S: Пусть t – рассчитанная для коэффициента регрессии статистика Стьюдента, а tкрит – критическое значение этой статистики. Коэффициент регрессии считается статистически значимым, если выполняются следующие неравенства:

 

-:

+:

-:

-:

 

I:

S: Для зависимости спроса на некоторый товар от цены за единицу товара и дохода потребителя получено уравнение регрессии вида . Парными коэффициентами корреляции могут быть…

-:

+:

-:

 

I:

S: Основные характеристики строго стационарного временного ряда – его средняя величина и дисперсия …

+: не зависят от t

-: меняются при изменении начала отсчета времени t

-: зависят от t

-: зависят от величины , где – «сдвиг по времени»

 

I:

S: Построение модели временного ряда может быть осуществлено с использованием …

-: критерия Дарбина–Уотсона

-: аддитивной модели

+: метода последовательных разностей

-: мультипликативной модели

 

I:

S: Система эконометрических уравнений включает в себя следующие переменные:

-: экономические

+: зависимые

-: комплексные

 

I:

S: Эндогенные переменные …

-: не зависят от экзогенных переменных

+: могут быть объектом регулирования

-: влияют на экзогенные переменные

-: могут коррелировать с ошибками регрессии

 

I:

S: Дано уравнение регрессии . Определите спецификацию модели.

 

-: полиномиальное уравнение множественной регрессии

+: линейное уравнение множественной регрессии

-: полиномиальное уравнение парной регрессии

-: линейное уравнение простой регрессии

 

I:

S: Математическая форма записи уравнения зависимости переменной у от одного или нескольких факторов х называется ______ эконометрической модели.

-: аппробацией

+: спецификацией

-: адаптацией

-: измерением

 

I:

S: Отбрасывание значимой переменной в уравнении множественной регрессии является ошибкой...

+: идентификации

-: верификации

-: спецификации

-: параметризации

 

I:

S: Отправной точкой эконометрического исследования является…

+: определение спецификации модели

-: совершенствование модели

-: проверка качества модели

-: оценка погрешности модели

 

I:

S: При выборе спецификации модели парная регрессия используется в случае, если среди множества факторов, влияющих на результат …

+: можно выделить доминирующий фактор

-: нельзя выделить доминирующий фактор

-: можно выделить несколько факторов

-: можно выделить лишь случайные факторы

 

I:

S: Примером модели множественной регрессии является:

+: Y=b0+b1X1+ b2X2

-: Y=b0+b1X

-: Y=b0+b1Ln(X)

-: Y=b0+b1X+ b2X2

 

I:

S: Относительно количества факторов, включенных в уравнение регрессии, различают регрессии …

+: простую и множественную

-: парную и линейную

-: нелинейную и множественную

-: множественную и многофакторную

 

I:

S: При отборе факторов множественного линейного уравнения регрессии число факторов в...

+: 6-7 раз меньше объема выборки по которой строится регрессия

-: 6-7 раз больше объема выборки по которой строится регрессия

-: 6-7 раз больше количества параметров уравнения

-: 6-7 раз меньше количества параметров уравнения

I:

S: Значения матрицы парных коэффициентов корреляции не характеризуют …

-: значение коэффициента множественной корреляции

-: тесноту линейной связи между двумя переменными

+: статистическую значимость построенного уравнения

-: наличие коллинеарных факторов в модели

 

I:

S: Из пары коллинеарных факторов в эконометрическую модель включается тот фактор, который при _______ связи с результатом имеет меньшую связь с другими факторами.

+: достаточно тесной

-: отсутствии

-: нелинейной

-: слабой

 


Поделиться:



Популярное:

Последнее изменение этой страницы: 2016-03-25; Просмотров: 4003; Нарушение авторского права страницы


lektsia.com 2007 - 2024 год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! (0.127 с.)
Главная | Случайная страница | Обратная связь