Выдержка из текста работы
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
2.Дайте определение Р. Фишера о статистических методах.
- Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.
3.С какими методами прежде всего связана эконометрика, чтобы дать количественное описание взаимосвязей между экономическими переменными?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
4.С чего начинается любое эконометрическое исследование?
- Любое эконометрическое исследование не начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается, но не со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, но не из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи только между зависимыми переменными (У).
5.Какие факторы, влияющие на результативный признак (У), необходимо выделить прежде всего?
- Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
6.Что характеризует уравнение простой регрессии?
- Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
7.В каком виде представляется в уравнении регрессии корреляционная по сути связь признаков?
- В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.
8.Что включает случайная величина ε?
- Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, не случайных ошибок и особенностей измерения.
9.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, выборочным характером исходных данных.
- Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.
- Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
10.Относится ли недоучет в уравнении регрессии какого-либо существенного фактора к ошибкам спецификации?
- К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной.
11.Когда уравнение регрессии не имеет практического смысла и что делают, чтобы получить практический смысл от уравнения регрессии?
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.
12.Какую опасность в практическом использовании методов регрессии представляют ошибки измерения?
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой не выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наименьшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют не ошибки измерения.
13.Как влияют ошибки спецификации, ошибки выборки, ошибки измерения на качество регрессионной модели?
- Если ошибки выборки можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки спецификации – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, уменьшая объем исходных данных (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки измерения можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки спецификации практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения вообще не влияют на количественную оценку связей между признаками.
14.Когда основное внимание в экономических исследованиях уделяется ошибкам спецификации модели?
- Не предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, не основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях не уделяется ошибкам спецификации модели.
15.С чем связана спецификация модели в парной и множественной модели?
- В парной регрессии спецификация модели не связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – не с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
16.Найдите правильный ответ из предложенных утверждений.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) не может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и аналитическим, т.е. исходя из теории изучаемой взаимосвязи.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: аналитическим, т.е. исходя из теории изучаемой взаимосвязи и экспериментальным.
17.Найдите правильный ответ из предложенных утверждений.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии не достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он не базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле регрессии.
- Когда не изучается зависимость между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
18.Найдите правильный ответ из предложенных утверждений.
- Основные типы дифференциальных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, не используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые только при качественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы интегральных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
19.Найдите правильный ответ из предложенных утверждений.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
20.Найдите правильный ответ из предложенных утверждений.
- При обработке информации на простом калькуляторе выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида дифференциального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида иртегрального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно не проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
21.Найдите правильный ответ из предложенных утверждений.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем больше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина неостаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в большей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
22.Найдите правильный ответ из предложенных утверждений.
- При обработке статистических данных на простом калькуляторе перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются только четыре математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в ручном режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наибольшей.
23.Найдите правильный ответ из предложенных утверждений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в меньшей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
24.Найдите правильный ответ из предложенных утверждений.
- Если вид функции упрощается, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то не требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по одному наблюдению. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений не должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
25.Найдите правильный ответ из предложенных утверждений.
- Если мы выбираем параболу пятой степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то не требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 140 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с большим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
26.Найдите правильный ответ из предложенных утверждений.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Криволинейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия не сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида не позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него теоретических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
Эконометрика база — Стр 2
27.Найдите правильный ответ из предложенных утверждений.
- Параметр b называется коэффициентом прогрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина не показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на 12 единиц своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии не показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
28.Найдите правильный ответ из предложенных утверждений.
- Величина нелинейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции не оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее нелинейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины нелинейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
29.Найдите правильный ответ из предложенных утверждений.
- В эконометрике небольшой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес не имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он не дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, не фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
30.Найдите правильный ответ из предложенных утверждений.
- Чем дальше коэффициент детерминации от единицы, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к нулю, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в меньшей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии не пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
31.Найдите правильный ответ из предложенных утверждений.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка незначимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом не дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом не выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 1, и, следовательно, фактор Х не оказывает влияния на результат У.
32.Найдите правильный ответ из предложенных утверждений.
- Непосредственно расчету F – критерия не предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем не занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей разности квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «необъясненную» и «остаточную» («объясненную») части.
33.Найдите правильный ответ из предложенных утверждений.
- Поскольку все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии прогрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то не всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (объясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
34.Найдите правильный ответ из предложенных утверждений.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к нулю.
- Если сумма квадратов отклонений, обусловленная регрессией, будет меньше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически не значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X не оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
35.Найдите правильный ответ из предложенных утверждений.
- При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании, но не на основе уравнения регрессии, следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения прогрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения регрессии не следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения регрессии не следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
36.Найдите правильный ответ из предложенных утверждений.
- Если между экономическими явлениями не существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют линейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они не выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих линейных функций, например, равносторонней гиперболы и параболы второй степени.
37.Найдите правильный ответ из предложенных утверждений.
- Различают два класса линейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, линейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но нелинейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, линейные по оцениваемым параметрам.
38.Найдите правильный ответ из предложенных утверждений.
- Примером линейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной прогрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной регрессии по не включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером линейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: разносторонняя гипербола, полиномы разных степеней.
39.Найдите правильный ответ из предложенных утверждений.
- К линейным регрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным прогрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам не относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам относятся функции: линейная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
40. Где правильное определение дисциплины «Эконометрика»?
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
41.Найдите правильное определение дисциплины «Эконометрика».
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
42.Найдите правильное определение Р. Фишера о статистических методах.
- Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.
43.С какими методами прежде всего связана эконометрика?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
44.С чего начинается любое эконометрическое исследование?
- Любое эконометрическое исследование не начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается, но не со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, но не из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи только между зависимыми переменными (У).
45.Какие факторы, влияющие на результативный признак (У), необходимо выделить прежде всего?
- Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
46.Что характеризует уравнение простой регрессии?
- Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
47.В каком виде представляется в уравнении регрессии корреляционная по сути связь признаков?
- В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.
48.Что включает случайная величина в уравнении регрессии?
- Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, не случайных ошибок и особенностей измерения.
49.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, выборочным характером исходных данных.
- Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.
- Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
50.Относится ли недоучет в уравнении регрессии какого-либо существенного фактора к ошибкам спецификации?
- К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной
- К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной.
Эконометрика база — Стр 3
51.Что делают, чтобы получить практический смысл от уравнения регрессии?
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных однородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.
52.Какую опасность в практическом использовании методов регрессии представляют ошибки измерения?
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой не выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наименьшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют не ошибки измерения.
53.Как влияют ошибки спецификации, ошибки выборки, ошибки измерения на качество регрессионной модели?
- Если ошибки выборки можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки спецификации – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, уменьшая объем исходных данных (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки измерения можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки спецификации практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения вообще не влияют на количественную оценку связей между признаками.
54.Когда основное внимание в экономических исследованиях уделяется ошибкам спецификации модели?
- Не предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях не уделяется ошибкам спецификации модели.
55.С чем связана спецификация модели в парной и множественной модели?
- В парной регрессии спецификация модели не связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – не с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
56.Найдите правильный ответ.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) не может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и аналитическим, т.е. исходя из теории изучаемой взаимосвязи.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: аналитическим, т.е. исходя из теории изучаемой взаимосвязи и экспериментальным.
57.Найдите правильный ответ.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии не достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он не базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле регрессии.
- Когда не изучается зависимость между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
58.Найдите правильный ответ.
- Основные типы дифференциальных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, не используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые только при качественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы интегральных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
59.Найдите правильный ответ.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
60. Найдите правильный ответ.
- При обработке информации на простом калькуляторе выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида дифференциального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида иртегрального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно не проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
61.Найдите правильный ответ.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем больше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина неостаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в большей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
62.Найдите правильный ответ.
- При обработке статистических данных на простом калькуляторе перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются только четыре математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в ручном режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наибольшей.
63.Найдите правильный ответ.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в меньшей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
64.Найдите правильный ответ.
- Если вид функции упрощается, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то не требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по одному наблюдению. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений не должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
65.Найдите правильный ответ.
- Если мы выбираем параболу пятой степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то не требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 140 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с большим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
66.Найдите правильный ответ.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Криволинейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия не сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида не позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него теоретических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
67.Найдите правильный ответ.
- Параметр b называется коэффициентом прогрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина не показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на 12 единиц своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии не показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
68.Найдите правильный ответ.
- Величина нелинейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции не оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее нелинейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины нелинейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
69.Найдите правильный ответ.
- В эконометрике небольшой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес не имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он не дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, не фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
70.Найдите правильный ответ.
- Чем дальше коэффициент детерминации от единицы, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к нулю, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в меньшей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии не пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
71.Найдите правильный ответ.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка незначимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом не дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом не выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 1, и, следовательно, фактор Х не оказывает влияния на результат У.
72.Найдите правильный ответ.
- Непосредственно расчету F – критерия не предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем не занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей разности квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «необъясненную» и «остаточную» («объясненную») части.
73.Найдите правильный ответ.
- Поскольку все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии прогрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то не всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (объясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
Эконометрика база — Стр 4
74.Найдите правильный ответ.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к нулю.
- Если сумма квадратов отклонений, обусловленная регрессией, будет меньше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически не значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X не оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
75.Найдите правильный ответ.
- При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании, но не на основе уравнения регрессии, следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения прогрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения регрессии не следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина не может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
76.Найдите правильный ответ.
- Если между экономическими явлениями не существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют линейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они не выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих линейных функций, например, равносторонней гиперболы и параболы второй степени.
77.Найдите правильный ответ.
- Различают два класса линейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, линейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но нелинейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, линейные по оцениваемым параметрам.
78.Найдите правильный ответ.
- Примером линейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной прогрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной регрессии по не включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером линейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: разносторонняя гипербола, полиномы разных степеней.
79.Найдите правильный ответ.
- К линейным регрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным прогрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам не относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам относятся функции: линейная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
80. Найдите правильный ответ.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
81.Определите правильный ответ.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
82.Найдите правильное определение Р. Фишера о статистических методах.
- Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.
83.С какими методами прежде всего связана эконометрика?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
84.С чего начинается любое эконометрическое исследование?
- Любое эконометрическое исследование не начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается, но не со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, но не из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи только между зависимыми переменными (У).
85.Какие факторы, влияющие на результативный признак (У), необходимо выделить прежде всего?
- Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
86.Что характеризует уравнение простой регрессии?
- Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
87.В каком виде представляется в уравнении регрессии корреляционная связь признаков?
- В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией
- В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.
88.Что включает случайная величина в уравнении регрессии?
- Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, не случайных ошибок и особенностей измерения.
89.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, выборочным характером исходных данных.
- Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.
- Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
90.Относится ли недоучет в уравнении регрессии какого-либо существенного фактора к ошибкам спецификации?
- К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной
91.Что делается для получения практического смысла от уравнения регрессии?
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных однородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.
92.Какую опасность в практическом использовании методов регрессии представляют ошибки измерения?
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой не выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наименьшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют не ошибки измерения.
93.Как влияют ошибки спецификации, ошибки выборки, ошибки измерения на качество регрессионной модели?
- Если ошибки выборки можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки спецификации – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, уменьшая объем исходных данных (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки измерения можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки спецификации практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения вообще не влияют на количественную оценку связей между признаками.
94.Когда основное внимание в экономических исследованиях уделяется ошибкам спецификации модели?
- Не предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- . Предполагая, что ошибки измерения сведены к минимуму, не основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях не уделяется ошибкам спецификации модели.
95.С чем связана спецификация модели в парной и множественной модели?
- В парной регрессии спецификация модели не связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – не с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
96.Дайте правильный ответ.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) не может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и аналитическим, т.е. исходя из теории изучаемой взаимосвязи.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: аналитическим, т.е. исходя из теории изучаемой взаимосвязи и экспериментальным.
97.Дайте правильный ответ.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии не достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он не базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле регрессии.
- Когда не изучается зависимость между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
98.Дайте правильный ответ.
- Основные типы дифференциальных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, не используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые только при качественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы интегральных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
99.Дайте правильный ответ.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
100. Дайте правильный ответ.
- При обработке информации на простом калькуляторе выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида дифференциального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида иртегрального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно не проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
Эконометрика база — Стр 5
101.Определите правильный ответ.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем больше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина неостаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в большей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
102.Определите правильный ответ.
- При обработке статистических данных на простом калькуляторе перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются только четыре математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в ручном режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наибольшей.
103.Определите правильный ответ.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в меньшей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
104.Определите правильный ответ.
- Если вид функции упрощается, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то не требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по одному наблюдению. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений не должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
105.Определите правильный ответ.
- Если мы выбираем параболу пятой степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то не требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 140 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с большим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
106.Определите правильный ответ.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Криволинейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия не сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида не позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него теоретических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
107.Определите правильный ответ.
- Параметр b называется коэффициентом прогрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина не показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на 12 единиц своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии не показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
108.Определите правильный ответ.
- Величина нелинейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции не оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее нелинейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины нелинейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
109.Определите правильный ответ.
- В эконометрике небольшой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес не имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он не дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, не фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
110.Определите правильный ответ.
- Чем дальше коэффициент детерминации от единицы, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к нулю, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в меньшей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии не пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
111.Дайте правильный ответ.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка незначимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом не дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом p85;е выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 0, и, следовательно, фактор Х не оказывает влияния на результат У.
- Оценка значимости уравнения регрессии в целом дается с помощью F – критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, т.е. b = 1, и, следовательно, фактор Х не оказывает влияния на результат У.
112.Дайте правильный ответ.
- Непосредственно расчету F – критерия не предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем не занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей разности квадратов отклонений переменной У от среднего значения на «объясненную» и «остаточную» («необъясненную») части.
- Непосредственно расчету F – критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы квадратов отклонений переменной У от среднего значения на «необъясненную» и «остаточную» («объясненную») части.
113.Дайте правильный ответ.
- Поскольку все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии прогрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то не всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (необъясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
- Поскольку не все точки поля корреляции лежат на линии регрессии, то всегда имеет место их разброс, как обусловленный влиянием фактора X, т.е. регрессией y по X, так и вызванный действием прочих причин (объясненная вариация). Пригодность линии регрессии для прогноза зависит от того, какая часть общей вариации признака y приходится на объясненную вариацию.
114.Дайте правильный ответ.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к нулю.
- Если сумма квадратов отклонений, обусловленная регрессией, будет меньше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически не значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X не оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
- Если сумма квадратов отклонений, обусловленная регрессией, будет больше остаточной суммы квадратов, то уравнение регрессии статистически значимо и фактор X оказывает существенное влияние на результат y. Это равносильно тому, что коэффициент детерминации будет приближаться к единице.
115.Дайте правильный ответ.
- При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании, но не на основе уравнения регрессии, следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения прогрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения регрессии не следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
- При прогнозировании на основе уравнения регрессии следует помнить, что величина прогноза зависит не только от стандартной ошибки индивидуального значения фактора X. Его величина не может задаваться на основе анализа других моделей исходя из конкретной ситуации, а также анализа динамики данного фактора.
116.Дайте правильный ответ.
- Если между экономическими явлениями не существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют линейные соотношения, то они выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они не выражаются с помощью соответствующих нелинейных функций, например, равносторонней гиперболы и параболы второй степени.
- Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих линейных функций, например, равносторонней гиперболы и параболы второй степени.
117.Дайте правильный ответ.
- Различают два класса линейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, линейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но нелинейные по оцениваемым параметрам; регрессии, нелинейные по оцениваемым параметрам.
- Различают два класса нелинейных регрессий: регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам; регрессии, линейные по оцениваемым параметрам.
118.Дайте правильный ответ.
- Примером линейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной прогрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной регрессии по не включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером нелинейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: равносторонняя гипербола, полиномы разных степеней.
- Примером линейной регрессии по включенным в нее объясняющим переменным могут служить следующие функции: разносторонняя гипербола, полиномы разных степеней.
119.Дайте правильный ответ.
- К линейным регрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным прогрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам не относятся функции: степенная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам относятся функции: линейная, показательная, экспоненциальная.
- К нелинейным регрессиям по оцениваемым параметрам относятся функции: степенная, показательная, экспоненциальная.
120. Дайте правильный ответ.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
121.Какой правильный ответ ?
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
122. Какой правильный ответ?
- Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.
Эконометрика база — Стр 6
123.Какой правильный ответ?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
124.Назовите правильный ответ.
- Любое эконометрическое исследование не начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается, но не со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, но не из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи только между зависимыми переменными (У).
125.Назовите правильный ответ.
- Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
126.Назовите правильный ответ
- Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
127.Назовите правильный ответ.
- В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.
128.Назовите правильный ответ.
- Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, не случайных ошибок и особенностей измерения.
129.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, выборочным характером исходных данных.
- Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.
- Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
130.Дайте правильный ответ.
- К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной.
131. Что делается для получения практического смысла от уравнения регрессии
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных однородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.
132.Найти правильный ответ.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой не выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наименьшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют не ошибки измерения.
133.Как влияют ошибки спецификации, ошибки выборки, ошибки измерения на качество регрессионной модели?
- Если ошибки выборки можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки спецификации – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, уменьшая объем исходных данных (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки измерения можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки спецификации практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения вообще не влияют на количественную оценку связей между признаками.
134.Когда основное внимание в экономических исследованиях уделяется ошибкам спецификации модели?
- Не предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, не основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях не уделяется ошибкам спецификации модели.
135.С чем связана спецификация модели в парной и множественной модели?
- В парной регрессии спецификация модели не связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – не с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
136.Определите правильный ответ.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) не может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и аналитическим, т.е. исходя из теории изучаемой взаимосвязи.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: аналитическим, т.е. исходя из теории изучаемой взаимосвязи и экспериментальным.
137.Определите правильный ответ.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии не достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он не базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле регрессии.
- Когда не изучается зависимость между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
138.Определите правильный ответ.
- Основные типы дифференциальных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, не используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые только при качественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы интегральных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
139.Определите правильный ответ.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
140. Определите правильный ответ.
- При обработке информации на простом калькуляторе выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида дифференциального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида иртегрального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно не проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
141.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
142.Найдите правильный ответ из предложенных утверждений.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка не сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии, но не с ее методами оценивания параметров и проверки гипотез.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и без проверки гипотез.
143.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии очень редко используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
144.Найдите правильный ответ из предложенных утверждений.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней не связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
145.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
146.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, не использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
147.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
Эконометрика база — Стр 7
148.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции не используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
149.Найдите правильный ответ из предложенных утверждений.
- В специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом корреляции. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
150.Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
151.Найдите правильный ответ из предложенных утверждений
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению прогрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем дальше теоретические значения от эмпирических данных, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
152.Найдите правильный ответ из предложенных утверждений.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения не принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято не определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах, но не по модулю.
153.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, не рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
154.Найдите правильный ответ из предложенных утверждений.
- Парная регрессия не может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать плохой результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, нельзя пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь
- Парная прогрегрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
155.Найдите правильный ответ из предложенных утверждений.
- Для того чтобы не иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь неправильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, нет обходимости изучать их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи не предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
156.Найдите правильный ответ из предложенных утверждений.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае не следует пытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться не выявлять влияние других факторов, вводя их в модель, т.е. строить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние только одного фактора, введя его в модель, т.е. построить уравнение множественной регрессии.
157.Найдите правильный ответ из предложенных утверждений.
- Парная прогрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия редко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем дорожно-транспортных происшествий.
- Множественная регрессия широко используется только в решении проблем спроса, но не доходности акций, и не при изучении функции издержек производства, и не в макроэкономических расчетах.
158.Найдите правильный ответ из предложенных утверждений.
- Не основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с малым числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, но не совокупное воздействие их на моделируемый показатель.
159.Найдите правильный ответ из предложенных утверждений.
- Построение уравнения множественной регрессии не начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации не включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: отбор факторов.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос:выбор вида уравнения регрессии.
160. Найдите правильный ответ из предложенных утверждений.
- Не включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Не включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
161.Найдите правильный ответ из предложенных утверждений.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, не включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, не должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, не быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
162.Найдите правильный ответ из предложенных утверждений.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются интерпретируемыми.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами не существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно можно определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно нельзя определить их неизолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
163.Найдите правильный ответ из предложенных утверждений.
- Не включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы не должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее не рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
164.Найдите правильный ответ из предложенных утверждений.
- Насыщение модели лишними факторами не только снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической значимости параметров регрессии по t-критерию Стьюдента.
165.Найдите правильный ответ из предложенных утверждений.
- Несмотря на то, что теоретически регрессионная модель не позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть не любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом есть необходимость. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов не проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
166.Найдите правильный ответ из предложенных утверждений.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень редко не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень часто позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос только о качественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто очень редко не позволяет однозначно ответить на вопрос о качественной (т.е. линейной) взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
167.Найдите правильный ответ из предложенных утверждений.
- Отбор факторов обычно не проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой не отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы не исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – не на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
168.Найдите правильный ответ из предложенных утверждений.
- Коэффициенты интеркорреляции (корреляции, но не между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) не позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют включать модель только дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними меньше 0,7.
Эконометрика база — Стр 8
169.Найдите правильный ответ из предложенных утверждений.
- Поскольку одним из условий не построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии не является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является явная зависимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов не нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
170.Найдите правильный ответ из предложенных утверждений.
- Предпочтение не отдается фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, менее тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при недостаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом не имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
171.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
172.Найдите правильный ответ из предложенных утверждений.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка не сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии, но не с ее методами оценивания параметров и проверки гипотез.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и без проверки гипотез.
173.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии очень редко используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
174.Найдите правильный ответ из предложенных утверждений.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней не связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
175.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
176.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, не использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
177.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
178.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции не используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
179.Найдите правильный ответ из предложенных утверждений.
- В специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом корреляции. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
180. Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
181.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению прогрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем дальше теоретические значения от эмпирических данных, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
182.Найдите правильный ответ из предложенных утверждений.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения не принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято не определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах, но не по модулю.
183.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, не рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
184.Найдите правильный ответ из предложенных утверждений.
- Парная регрессия не может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать плохой результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, нельзя пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная прогрегрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
185.Найдите правильный ответ из предложенных утверждений.
- Для того чтобы не иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь неправильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, нет обходимости изучать их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи не предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
186.Найдите правильный ответ из предложенных утверждений.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае не следует пытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться не выявлять влияние других факторов, вводя их в модель, т.е. строить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние только одного фактора, введя его в модель, т.е. построить уравнение множественной регрессии.
187.Найдите правильный ответ из предложенных утверждений.
- Парная прогрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия редко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем дорожно-транспортных происшествий.
- Множественная регрессия широко используется только в решении проблем спроса, но не доходности акций, и не при изучении функции издержек производства, и не в макроэкономических расчетах.
188.Найдите правильный ответ из предложенных утверждений.
- Не основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с малым числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, но не совокупное воздействие их на моделируемый показатель.
Эконометрика база — Стр 9
189.Найдите правильный ответ из предложенных утверждений.
- Построение уравнения множественной регрессии не начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации не включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: отбор факторов.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос:выбор вида уравнения регрессии.
190.Найдите правильный ответ из предложенных утверждений.
- Не включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Не включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
191.Найдите правильный ответ из предложенных утверждений.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, не включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, не должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, не быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
192.Найдите правильный ответ из предложенных утверждений.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются интерпретируемыми.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами не существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно можно определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно нельзя определить их неизолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
193.Найдите правильный ответ из предложенных утверждений.
- Не включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы не должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее не рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
194.Найдите правильный ответ из предложенных утверждений.
- Насыщение модели лишними факторами не только снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической значимости параметров регрессии по t-критерию Стьюдента.
195.Найдите правильный ответ из предложенных утверждений.
- Несмотря на то, что теоретически регрессионная модель не позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть не любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом есть необходимость. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов не проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
196.Найдите правильный ответ из предложенных утверждений.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень редко не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень часто позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос только о качественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто очень редко не позволяет однозначно ответить на вопрос о качественной (т.е. линейной) взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
197.Найдите правильный ответ из предложенных утверждений.
- Отбор факторов обычно не проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой не отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы не исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – не на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
198.Найдите правильный ответ из предложенных утверждений.
- Коэффициенты интеркорреляции (корреляции, но не между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) не позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют включать модель только дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними меньше 0,7.
199.Найдите правильный ответ из предложенных утверждений.
- Поскольку одним из условий не построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии не является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является явная зависимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов не нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
200. Найдите правильный ответ из предложенных утверждений.
- Предпочтение не отдается фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, менее тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при недостаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом не имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
201.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
202.Найдите правильный ответ из предложенных утверждений.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка не сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии, но не с ее методами оценивания параметров и проверки гипотез.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и без проверки гипотез.
203.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии очень редко используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
204.Найдите правильный ответ из предложенных утверждений.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней не связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
205.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
206.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, не использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
207.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
Эконометрика база — Стр 10
208.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции не используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
209.Найдите правильный ответ из предложенных утверждений.
- специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
210.Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
211.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению прогрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем дальше теоретические значения от эмпирических данных, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
212.Найдите правильный ответ из предложенных утверждений.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения не принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято не определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах, но не по модулю.
213.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, не рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
214.Найдите правильный ответ из предложенных утверждений.
- Парная регрессия не может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать плохой результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, нельзя пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная прогрегрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
215.Найдите правильный ответ из предложенных утверждений.
- Для того чтобы не иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь неправильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, нет обходимости изучать их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи не предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
216.Найдите правильный ответ из предложенных утверждений.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае не следует пытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться не выявлять влияние других факторов, вводя их в модель, т.е. строить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние только одного фактора, введя его в модель, т.е. построить уравнение множественной регрессии.
217.Найдите правильный ответ из предложенных утверждений.
- Парная прогрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия редко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем дорожно-транспортных происшествий.
- Множественная регрессия широко используется только в решении проблем спроса, но не доходности акций, и не при изучении функции издержек производства, и не в макроэкономических расчетах.
218.Найдите правильный ответ из предложенных утверждений.
- Не основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с малым числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, но не совокупное воздействие их на моделируемый показатель.
219.Найдите правильный ответ из предложенных утверждений.
- Построение уравнения множественной регрессии не начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации не включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: отбор факторов.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: выбор вида уравнения регрессии.
220. Найдите правильный ответ из предложенных утверждений.
- Не включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Не включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
221.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
222.Найдите правильный ответ из предложенных утверждений.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка не сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии, но не с ее методами оценивания параметров и проверки гипотез.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и без проверки гипотез.
223.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии очень редко используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
224.Найдите правильный ответ из предложенных утверждений
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней не связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
225.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
226.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, не использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
227.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
228.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции не используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
Эконометрика база — Стр 11
229.Найдите правильный ответ из предложенных утверждений.
- В специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом корреляции. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
230.Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
231.Найдите правильный ответ из предложенных утверждений
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению прогрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем дальше теоретические значения от эмпирических данных, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
232.Найдите правильный ответ из предложенных утверждений.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения не принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято не определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах, но не по модулю.
233.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, не рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
234.Найдите правильный ответ из предложенных утверждений
- Парная регрессия не может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать плохой результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, нельзя пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная прогрегрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
235.Найдите правильный ответ из предложенных утверждений.
- Для того чтобы не иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь неправильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, нет обходимости изучать их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи не предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
236.Найдите правильный ответ из предложенных утверждений.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться не выявлять влияние других факторов, вводя их в модель, т.е. строить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние только одного фактора, введя его в модель, т.е. построить уравнение множественной регрессии.
237.Найдите правильный ответ из предложенных утверждений.
- Парная прогрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия редко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем дорожно-транспортных происшествий.
- Множественная регрессия широко используется только в решении проблем спроса, но не доходности акций, и не при изучении функции издержек производства, и не в макроэкономических расчетах.
238.Найдите правильный ответ из предложенных утверждений.
- Не основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с малым числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, но не совокупное воздействие их на моделируемый показатель.
239.Найдите правильный ответ из предложенных утверждений.
- Построение уравнения множественной регрессии не начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации не включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: отбор факторов.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос:выбор вида уравнения регрессии.
240. Найдите правильный ответ из предложенных утверждений.
- Не включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Не включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
241.Найдите правильный ответ из предложенных утверждений.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, не включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, не должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, не быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
242.Найдите правильный ответ из предложенных утверждений.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются интерпретируемыми.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами не существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно можно определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно нельзя определить их неизолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
243.Найдите правильный ответ из предложенных утверждений.
- Не включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы не должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее не рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
244.Найдите правильный ответ из предложенных утверждений.
- Насыщение модели лишними факторами только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической значимости параметров регрессии по t-критерию Стьюдента.
245.Найдите правильный ответ из предложенных утверждений.
- Несмотря на то, что теоретически регрессионная модель не позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть не любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом есть необходимость. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов не проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
246.Найдите правильный ответ из предложенных утверждений.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень редко не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень часто позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос только о качественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто очень редко не позволяет однозначно ответить на вопрос о качественной (т.е. линейной) взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
247.Найдите правильный ответ из предложенных утверждений.
- Отбор факторов обычно не проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой не отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы не исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы не исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
248.Найдите правильный ответ из предложенных утверждений.
- Коэффициенты интеркорреляции (корреляции, но не между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) не позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют включать модель только дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними меньше 0,7.
Эконометрика база — Стр 12
249.Найдите правильный ответ из предложенных утверждений.
- Поскольку одним из условий не построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии не является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является явная зависимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов не нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
250.Найдите правильный ответ из предложенных утверждений.
- Предпочтение не отдается фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, менее тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, менее тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом не имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
251.Найдите правильный ответ из предложенных утверждений.
- По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине непарных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции не обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции обнаруживается лишь не явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наименьшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
252.Найдите правильный ответ из предложенных утверждений.
- Наличие мультиколлинеарности факторов не означает, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что все факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что все факторы никогда не будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и можно оценить воздействие каждого фактора в отдельности.
253.Найдите правильный ответ из предложенных утверждений.
- Чем слабее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем более надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
254.Найдите правильный ответ из предложенных утверждений.
- Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов желательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: улучшается интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы не коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
255.Найдите правильный ответ из предложенных утверждений.
- Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов желательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и не меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
256.Найдите правильный ответ из предложенных утверждений.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов не используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы непарных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними не была бы единичной.
257.Найдите правильный ответ из предложенных утверждений.
- Чем дальше от нуля определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем слабее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и надежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем дальше от единицы определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
258.Найдите правильный ответ из предложенных утверждений
- Через коэффициенты множественной детерминации не находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, не ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве независимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной не рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
259.Найдите правильный ответ из предложенных утверждений.
- Имеется ряд подходов преодоления очень слабой межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый сложныйй из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели всех факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их нелинейным комбинациям, не коррелированным друг с другом (метод главных компонент).
260. Найдите правильный ответ из предложенных утверждений.
- Отбор факторов, не включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, не является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей только регрессии могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее редко используются метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
261.Дайте определение дисциплине «Эконометрика».
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
262.Дайте определение Р. Фишера о статистических методах.
- Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.
263.С какими методами прежде всего связана эконометрика, чтобы дать количественное описание взаимосвязей между экономическими переменными?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
264.С чего начинается любое эконометрическое исследование?
- Любое эконометрическое исследование не начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается, но не со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, но не из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.
- Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи только между зависимыми переменными (У).
265.Какие факторы, влияющие на результативный признак (У), необходимо выделить прежде всего?
- Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
266.Что характеризует уравнение простой регрессии?
- Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
267.В каком виде представляется в уравнении регрессии корреляционная по сути связь признаков?
- В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.
268.Что включает случайная величина ε?
- Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, не случайных ошибок и особенностей измерения.
269.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
Эконометрика база — Стр 13
- Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
- Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.
- Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
270.Относится ли недоучет в уравнении регрессии какого-либо существенного фактора к ошибкам спецификации?
- К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной.
271.Когда уравнение регрессии не имеет практического смысла и что делают, чтобы получить практический смысл от уравнения регрессии?
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных однородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.
272.Какую опасность в практическом использовании методов регрессии представляют ошибки измерения?
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой не выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наименьшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют не ошибки измерения.
273.Как влияют ошибки спецификации, ошибки выборки, ошибки измерения на качество регрессионной модели?
- Если ошибки выборки можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки спецификации – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, уменьшая объем исходных данных (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки измерения можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки спецификации практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения вообще не влияют на количественную оценку связей между признаками.
274.Когда основное внимание в экономических исследованиях уделяется ошибкам спецификации модели?
- Не предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, не основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях не уделяется ошибкам спецификации модели.
275.С чем связана спецификация модели в парной и множественной модели?
- В парной регрессии спецификация модели не связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
276.Найдите правильный ответ из предложенных утверждений.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) не может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и аналитическим, т.е. исходя из теории изучаемой взаимосвязи.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: аналитическим, т.е. исходя из теории изучаемой взаимосвязи и экспериментальным.
277.Найдите правильный ответ из предложенных утверждений.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии не достаточно нагляден. Он базируется на поле корреляции
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он не базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле регрессии.
- Когда не изучается зависимость между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
278.Найдите правильный ответ из предложенных утверждений.
- Основные типы дифференциальных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, не используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые при количественной оценке связей между двумя переменными: логарифмический,линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые только при качественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы интегральных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
279.Найдите правильный ответ из предложенных утверждений.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
280. Найдите правильный ответ из предложенных утверждений.
- При обработке информации на простом калькуляторе выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида дифференциального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида иртегрального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно не проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
- При обработке информации на компьютере выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.
281.Найдите правильный ответ из предложенных утверждений.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем больше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина неостаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в большей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
- Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.
282.Найдите правильный ответ из предложенных утверждений.
- При обработке статистических данных на простом калькуляторе перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на простом калькуляторе перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются только четыре математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в ручном режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.
- При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наибольшей.
283.Найдите правильный ответ из предложенных утверждений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в меньшей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
- Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.
284.Найдите правильный ответ из предложенных утверждений.
- Если вид функции упрощается, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то не требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по одному наблюдению. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
- Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений не должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.
285.Найдите правильный ответ из предложенных утверждений.
- Если мы выбираем параболу пятой степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то не требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 140 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с большим числом параметров при χ.
- Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.
286.Найдите правильный ответ из предложенных утверждений.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Криволинейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия не сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида не позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
- Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него теоретических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.
287.Найдите правильный ответ из предложенных утверждений.
- Параметр b называется коэффициентом прогрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина не показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на 12 единиц своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
- Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии не показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.
288.Найдите правильный ответ из предложенных утверждений
- Величина нелинейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции не оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее нелинейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
- Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины нелинейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.
289.Найдите правильный ответ из предложенных утверждений.
- В эконометрике небольшой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес не имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он не дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
- В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, не фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.
290.Найдите правильный ответ из предложенных утверждений.
- Чем дальше коэффициент детерминации от единицы, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к нулю, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в меньшей степени уравнение регрессии пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии не пригодно для прогнозирования на следующий год.
- Чем ближе коэффициент детерминации к единице, тем в большей степени уравнение регрессии пригодно для прогнозирования на следующий год.
291.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
Эконометрика база — Стр 14
292.Найдите правильный ответ из предложенных утверждений.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка не сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии, но не с ее методами оценивания параметров и проверки гипотез.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и без проверки гипотез.
293.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии очень редко используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
294.Найдите правильный ответ из предложенных утверждений.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
295.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
296.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, не использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
297.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
298.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции не используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
299.Найдите правильный ответ из предложенных утверждений.
- В специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом корреляции. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
300. Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
301.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
302.Найдите правильный ответ из предложенных утверждений
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
303.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
304.Найдите правильный ответ из предложенных утверждений.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней не связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
305.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
306.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
307.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
308.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
309.Найдите правильный ответ из предложенных утверждений.
- В специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом корреляции. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
310.Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
Эконометрика база — Стр 15
311.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем дальше теоретические значения от эмпирических данных, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
312.Найдите правильный ответ из предложенных утверждений.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения не принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято не определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах, но не по модулю.
313.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, не рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
314.Найдите правильный ответ из предложенных утверждений.
- Парная регрессия не может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать плохой результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, нельзя пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная прогрегрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
315.Найдите правильный ответ из предложенных утверждений.
- Для того чтобы не иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь неправильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, нет обходимости изучать их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи не предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
316.Найдите правильный ответ из предложенных утверждений.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае не следует пытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться не выявлять влияние других факторов, вводя их в модель, т.е. строить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние только одного фактора, введя его в модель, т.е. построить уравнение множественной регрессии.
317.Найдите правильный ответ из предложенных утверждений.
- Парная прогрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия редко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем дорожно-транспортных происшествий.
- Множественная регрессия широко используется только в решении проблем спроса, но не доходности акций, и не при изучении функции издержек производства, и не в макроэкономических расчетах.
318.Найдите правильный ответ из предложенных утверждений.
- Не основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с малым числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, но не совокупное воздействие их на моделируемый показатель.
319.Найдите правильный ответ из предложенных утверждений.
- Построение уравнения множественной регрессии не начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации не включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: отбор факторов.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос:выбор вида уравнения регрессии.
320. Найдите правильный ответ из предложенных утверждений.
- Не включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Не включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
321.Найдите правильный ответ из предложенных утверждений.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, не включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, не должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, не быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
322.Найдите правильный ответ из предложенных утверждений.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются интерпретируемыми.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами не существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно можно определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно нельзя определить их неизолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
323.Найдите правильный ответ из предложенных утверждений.
- Не включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы не должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее не рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
324.Найдите правильный ответ из предложенных утверждений.
- Насыщение модели лишними факторами не только снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической значимости параметров регрессии по t-критерию Стьюдента.
325.Найдите правильный ответ из предложенных утверждений.
- Несмотря на то, что теоретически регрессионная модель не позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть не любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом есть необходимость. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов не проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
326.Найдите правильный ответ из предложенных утверждений.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень редко не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень часто позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос только о качественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто очень редко не позволяет однозначно ответить на вопрос о качественной (т.е. линейной) взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
327.Найдите правильный ответ из предложенных утверждений.
- Отбор факторов обычно не проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой не отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы не исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – не на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
328.Найдите правильный ответ из предложенных утверждений
- Коэффициенты интеркорреляции (корреляции, но не между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) не позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют включать модель только дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними меньше 0,7.
329.Найдите правильный ответ из предложенных утверждений.
- Поскольку одним из условий не построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии не является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является явная зависимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов не нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
330.Найдите правильный ответ из предложенных утверждений.
- Предпочтение не отдается фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, менее тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при недостаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом не имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
Эконометрика база — Стр 16
331.Найдите правильный ответ из предложенных утверждений.
- По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине непарных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции не обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции обнаруживается лишь не явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наименьшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
332.Найдите правильный ответ из предложенных утверждений.
- Наличие мультиколлинеарности факторов не означает, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что все факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что все факторы никогда не будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и можно оценить воздействие каждого фактора в отдельности.
333.Найдите правильный ответ из предложенных утверждений.
- Чем слабее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем более надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
334.Найдите правильный ответ из предложенных утверждений
- Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов желательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: улучшается интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы не коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
335.Найдите правильный ответ из предложенных утверждений.
- Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов желательно по следующей причине: оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и не меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
336.Найдите правильный ответ из предложенных утверждений.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов не используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы непарных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними не была бы единичной.
337.Найдите правильный ответ из предложенных утверждений.
- Чем дальше от нуля определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем слабее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и надежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем дальше от единицы определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
338.Найдите правильный ответ из предложенных утверждений.
- Через коэффициенты множественной детерминации не находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, не ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве независимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной не рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
339.Найдите правильный ответ из предложенных утверждений.
- Имеется ряд подходов преодоления очень слабой межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый сложный из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели всех факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их нелинейным комбинациям, не коррелированным друг с другом (метод главных компонент).
340. Найдите правильный ответ из предложенных утверждений.
- Отбор факторов, не включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, не является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей только регрессии могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее редко используются метод исключения, метод включения, шаговый регрессионный анализ.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.
341.Дайте определение дисциплине «Эконометрика».
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – не отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.
- Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.
342.Дайте определение Р. Фишера о статистических методах.
- Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.
- Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.
343.С какими методами прежде всего связана эконометрика, чтобы дать количественное описание взаимосвязей между экономическими переменными?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
344.С какими методами прежде всего связана эконометрика, чтобы дать количественное описание взаимосвязей между экономическими переменными?
- Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.
- Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.
345.Какие факторы, влияющие на результативный признак (У), необходимо выделить прежде всего?
- Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.
- Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.
346.Что характеризует уравнение простой регрессии?
- Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
- Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.
347.В каком виде представляется в уравнении регрессии корреляционная по сути связь признаков?
- В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией.
- В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.
348.Что включает случайная величина ε?
- Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
- Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.
349.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, выборочным характером исходных данных.
- Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.
- Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
- Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.
350.Относится ли недоучет в уравнении регрессии какого-либо существенного фактора к ошибкам спецификации?
- К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.
- К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной.
351.Когда уравнение регрессии не имеет практического смысла и что делают, чтобы получить практический смысл от уравнения регрессии?
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных однородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.
- Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.
Эконометрика база — Стр 17
352.Какую опасность в практическом использовании методов регрессии представляют ошибки измерения?
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой не выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии также представляют собой выборочные характеристики. Наименьшую опасность в практическом использовании методов регрессии представляют ошибки измерения.
- Результаты регрессии не представляют собой выборочные характеристики. Наибольшую опасность в практическом использовании методов регрессии представляют не ошибки измерения.
353.Как влияют ошибки спецификации, ошибки выборки, ошибки измерения на качество регрессионной модели?
- Если ошибки выборки можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки спецификации – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, уменьшая объем исходных данных (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки измерения можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки спецификации практически сводят на нет все усилия по количественной оценке связи между признаками.
- Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки – увеличивая объем исходных данных, то ошибки измерения вообще не влияют на количественную оценку связей между признаками.
354.Когда основное внимание в экономических исследованиях уделяется ошибкам спецификации модели?
- Не предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения не сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, не основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях уделяется ошибкам спецификации модели.
- Предполагая, что ошибки измерения сведены к минимуму, основное внимание в экономических исследованиях не уделяется ошибкам спецификации модели.
355.С чем связана спецификация модели в парной и множественной модели?
- В парной регрессии спецификация модели не связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана, но не с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – не с отбором факторов, включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, не включаемых в модель.
- В парной регрессии спецификация модели связана с выбором вида математической функции, а в множественной – также с отбором факторов, включаемых в модель.
356.Найдите правильный ответ из предложенных утверждений.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) не может быть осуществлен тремя методами: графическим; аналитическим, т.е. исходя из теории изучаемой взаимосвязи; экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и аналитическим, т.е. исходя из теории изучаемой взаимосвязи.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: графическим и экспериментальным.
- В парной регрессии выбор вида математической функции ŷ=f(χ) может быть осуществлен только двумя методами: аналитическим, т.е. исходя из теории изучаемой взаимосвязи и экспериментальным.
357.Найдите правильный ответ из предложенных утверждений.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии не достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он не базируется на поле корреляции.
- При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле регрессии.
- Когда не изучается зависимость между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Он базируется на поле корреляции.
358.Найдите правильный ответ из предложенных утверждений.
- Основные типы дифференциальных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, не используемые при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые при количественной оценке связей между двумя переменными: логарифмический,линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы трендов, используемые только при качественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
- Основные типы интегральных уравнений, используемых при количественной оценке связей между двумя переменными: логарифмический, линейный, степенной, полиномиальный, экспоненциальный.
359.Найдите правильный ответ из предложенных утверждений.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
360. Найдите правильный ответ из предложенных утверждений.
- Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.
- Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.
- Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.
361.Найдите правильный ответ из предложенных утверждений.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Линейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по не включенным переменным не имеет никаких сложностей для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным имеет сложности для оценки ее параметров. Они определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
- Нелинейная регрессия по включенным переменным не имеет никаких сложностей для оценки ее параметров. Они не определяются, как и в линейной регрессии, методом наименьших квадратов (МНК), т.к. эти функции линейны по параметрам.
362.Найдите правильный ответ из предложенных утверждений.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка не сводится к линейной регрессии с ее методами оценивания параметров и проверки гипотез.
- Полином любого порядка сводится к линейной регрессии, но не с ее методами оценивания параметров и проверки гипотез.
- Полином не любого порядка сводится к линейной регрессии с ее методами оценивания параметров и без проверки гипотез.
363.Найдите правильный ответ из предложенных утверждений.
- Среди линейной полиномиальной регрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной прогрессии чаще всего используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии очень редко используется парабола второй степени; в отдельных случаях – полином третьего порядка.
- Среди нелинейной полиномиальной регрессии чаще всего используется парабола пятой степени; в отдельных случаях – полином третьего порядка.
364.Найдите правильный ответ из предложенных утверждений.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов менее высоких степеней связаны с требованием однородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием неоднородности исследуемой совокупности: чем выше порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
- Ограничения в применении полиномов более высоких степеней связаны с требованием однородности исследуемой совокупности: чем ниже порядок полинома, тем больше изгибов имеет кривая и соответственной меньше однородность совокупности по результативному признаку.
365.Найдите правильный ответ из предложенных утверждений.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована
- Практическое применение экспоненты возможно, если результативный признак имеет отрицательные значения. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты невозможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция может быть использована.
- Практическое применение экспоненты возможно, если результативный признак не имеет отрицательных значений. Поэтому если исследуется, например, финансовый результат деятельности предприятий, среди которых наряду с прибыльными есть и убыточные, то данная функция не может быть использована.
366.Найдите правильный ответ из предложенных утверждений.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, но не среди функций, использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валового национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, не использующих, в эконометрике преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валового национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике не преобладают степенные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
- При исследовании взаимосвязей, среди функций, использующих, в эконометрике преобладают линейные зависимости – это и кривые спроса и предложения, и кривые освоения для характеристики связи между трудоемкостью продукции и масштабами производства в период освоения выпуска нового вида изделий, и зависимость валовóго национального дохода от уровня занятости.
367.Найдите правильный ответ из предложенных утверждений.
- Парабола первой степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более низкого порядка, при линеаризации принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации не принимает вид уравнения множественной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
- Парабола второй степени, как и полином более высокого порядка, при линеаризации принимает вид уравнения парной регрессии. Если же нелинейное относительно объясняемой переменной уравнение регрессии при линеаризации принимает форму линейного уравнения парной регрессии, то для оценки тесноты связи может быть использован линейный коэффициент корреляции, величина которого в этом случае совпадает с индексом корреляции.
368.Найдите правильный ответ из предложенных утверждений.
- Поскольку в расчете индекса ковариации используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции не используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей разности квадратов отклонений, то R2 имеет тот же смысл, что и коэффициент детерминации.
- Поскольку в расчете индекса корреляции используется соотношение факторной и общей суммы квадратов отклонений, то R2 не имеет того же смысла, что и коэффициент детерминации.
369.Найдите правильный ответ из предложенных утверждений.
- В специальных исследованиях величину R2 для линейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей не называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом корреляции. Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
- В специальных исследованиях величину R2 для нелинейных связей называют индексом детерминации. Оценка статистической незначимости индекса корреляции проводится так же, как и оценка значимости коэффициента корреляции.
370.Найдите правильный ответ из предложенных утверждений.
- Индекс детерминации нельзя сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминаци. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом корреляции для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминации. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации, но не для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминации. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения криволинейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминации. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
- Индекс детерминации можно сравнивать с коэффициентом детерминации для обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии, тем величина коэффициента детерминации меньше индекса детерминации. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию.
371.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению прогрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем дальше теоретические значения от эмпирических данных, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
372.Найдите правильный ответ из предложенных утверждений.
- Ошибки аппроксимации не для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения не принято определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято не определять в процентах по модулю.
- Ошибки аппроксимации для каждого наблюдения принято определять в процентах, но не по модулю.
373.Найдите правильный ответ из предложенных утверждений.
- Фактические значения результативного признака не отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, не рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем больше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
- Фактические значения результативного признака отличаются от теоретических, рассчитанных по уравнению регрессии. Чем меньше эти отличия, тем ближе теоретические значения к эмпирическим данным, тем лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации.
Эконометрика база — Стр 18
374.Найдите правильный ответ из предложенных утверждений.
- Парная регрессия не может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать плохой результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, нельзя пренебречь.
- Парная регрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
- Парная прогрегрессия может дать хороший результат при моделировании, если влиянием других факторов, воздействующих на объект исследования, можно пренебречь.
375.Найдите правильный ответ из предложенных утверждений
- Для того чтобы не иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь неправильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, нет обходимости изучать их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи не предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
- Для того чтобы иметь правильное представление о влиянии дохода на потребление, необходимо изучить их корреляцию при неизменном уровне других факторов. Решение такой задачи предполагает отбор единиц совокупности с одинаковыми значениями всех других факторов, кроме дохода.
376.Найдите правильный ответ из предложенных утверждений.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника не лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае не следует пытаться выявить влияние других факторов, введя их в модель, т.е. построить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться не выявлять влияние других факторов, вводя их в модель, т.е. строить уравнение множественной регрессии.
- Экономист в отличие от экспериментатора-естественника лишен возможности регулировать другие факторы. В этом случае следует попытаться выявить влияние только одного фактора, введя его в модель, т.е. построить уравнение множественной регрессии.
377.Найдите правильный ответ из предложенных утверждений.
- Парная прогрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия редко используется в решении проблем спроса, доходности акций, при изучении функции издержек производства, в макроэкономических расчетах.
- Множественная регрессия широко используется в решении проблем дорожно-транспортных происшествий.
- Множественная регрессия широко используется только в решении проблем спроса, но не доходности акций, и не при изучении функции издержек производства, и не в макроэкономических расчетах.
378.Найдите правильный ответ из предложенных утверждений.
- Не основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель парной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с малым числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное воздействие их на моделируемый показатель.
- Основная цель множественной регрессии – построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, но не совокупное воздействие их на моделируемый показатель.
379.Найдите правильный ответ из предложенных утверждений.
- Построение уравнения множественной регрессии не начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации не включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: отбор факторов.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя два вопроса: отбор факторов и выбор вида уравнения регрессии.
- Построение уравнения множественной регрессии начинается с выбора спецификации модели. Суть проблемы спецификации включает в себя только один вопрос: выбор вида уравнения регрессии.
380. Найдите правильный ответ из предложенных утверждений.
- Не включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Не включение в уравнение парной регрессии того или иного набора факторов не связано с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
- Включение в уравнение множественной регрессии того или иного набора факторов связано прежде всего с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями.
381.Найдите правильный ответ из предложенных утверждений.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, не включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, не должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, не быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, не должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
- Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям, во-первых, быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то нужно придать ему количественную определенность; во-вторых, должны быть коррелированны между собой и, тем более, находиться в точной функциональной связи.
382.Найдите правильный ответ из предложенных утверждений.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются интерпретируемыми.
- Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами не существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно можно определить их изолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
- Если между факторами существует высокая корреляция, то обязательно нельзя определить их неизолированное влияние на результативный показатель, и параметры уравнения регрессии оказываются неинтерпретируемыми.
383.Найдите правильный ответ из предложенных утверждений.
- Не включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы не должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором Р факторов, то для нее рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
- Включаемые во множественную регрессию факторы должны объяснить вариацию зависимой переменной. Если строится модель с набором Р факторов, то для нее не рассчитывается показатель детерминации , который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии Р факторов. Влияние других не учтенных в модели факторов оценивается соответствующей остаточной дисперсией.
384.Найдите правильный ответ из предложенных утверждений.
- Насыщение модели лишними факторами не только снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по t-критерию Стьюдента.
- Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической значимости параметров регрессии по t-критерию Стьюдента.
385.Найдите правильный ответ из предложенных утверждений.
- Несмотря на то, что теоретически регрессионная модель не позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть не любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом есть необходимость. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов не проводится на основе качественного теоретико-экономического анализа.
- Несмотря на то, что теоретически регрессионная модель позволяет учесть любое число факторов, практически в этом нет необходимости. Отбор факторов проводится на основе качественного теоретико-экономического анализа.
386.Найдите правильный ответ из предложенных утверждений.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень редко не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ очень часто позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто не позволяет однозначно ответить на вопрос только о качественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
- Теоретический анализ часто очень редко не позволяет однозначно ответить на вопрос о качественной (т.е. линейной) взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель.
387.Найдите правильный ответ из предложенных утверждений.
- Отбор факторов обычно не проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой не отбираются факторы исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы не исходя из сути проблемы; на второй – на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
- Отбор факторов обычно проводится в две стадии: на первой отбираются факторы исходя из сути проблемы; на второй – не на основе матрицы показателей корреляции и определения t-статистики для параметров регрессии.
388.Найдите правильный ответ из предложенных утверждений.
- Коэффициенты интеркорреляции (корреляции, но не между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) не позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют включать модель только дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними больше или равен 0,7.
- Коэффициенты интеркорреляции (корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменных явно коллинеарны, если показатель между ними меньше 0,7.
389.Найдите правильный ответ из предложенных утверждений.
- Поскольку одним из условий не построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии не является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является явная зависимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
- Поскольку одним из условий построения уравнения множественной регрессии является независимость действия факторов, то коллинеарность факторов не нарушает это условие. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии.
390.Найдите правильный ответ из предложенных утверждений.
- Предпочтение не отдается фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, менее тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при недостаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом не имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
- Предпочтение отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
391.Найдите правильный ответ из предложенных утверждений.
- По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине непарных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции не обнаруживается лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции обнаруживается лишь не явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
- По величине парных коэффициентов корреляции обнаруживается лишь явная коллинеарность факторов. Наименьшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора связаны между собой линейной зависимостью, т. е. имеет место совокупное воздействие факторов друг на друга.
392.Найдите правильный ответ из предложенных утверждений.
- Наличие мультиколлинеарности факторов не означает, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что все факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что все факторы никогда не будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и нельзя оценить воздействие каждого фактора в отдельности.
- Наличие мультиколлинеарности факторов может означать, что некоторые факторы всегда будут действовать в унисон. В результате вариация в исходных данных перестает быть полностью независимой и можно оценить воздействие каждого фактора в отдельности.
393.Найдите правильный ответ из предложенных утверждений.
- Чем слабее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов
- Чем сильнее мультиколлинеарность факторов, тем более надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
- Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.
Эконометрика база — Стр 19
394.Найдите правильный ответ из предложенных утверждений.
- Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов желательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: улучшается интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы не коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.
395.Найдите правильный ответ из предложенных утверждений.
- Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов желательно по следующей причине: оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и не меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
- Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.
396.Найдите правильный ответ из предложенных утверждений.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов не используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы непарных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.
- Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними не была бы единичной.
397.Найдите правильный ответ из предложенных утверждений.
- Чем дальше от нуля определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем слабее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и надежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
- Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем дальше от единицы определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
398.Найдите правильный ответ из предложенных утверждений.
- Через коэффициенты множественной детерминации не находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, не ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве независимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
- Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной не рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.
399.Найдите правильный ответ из предложенных утверждений.
- Имеется ряд подходов преодоления очень слабой межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый сложныйй из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели всех факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).
- Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их нелинейным комбинациям, не коррелированным друг с другом (метод главных компонент).
4010. Найдите правильный ответ из предложенных утверждений.
- Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.