Главная /
Эконометрика: идентификация, оценивание и анализ статистических моделей
Эконометрика: идентификация, оценивание и анализ статистических моделей - ответы на тесты Интуит
Данный курс позволяет изучить методы построения и использования разнообразных моделей для проверки различного рода гипотез о связях между измеряемыми показателями, прогнозирования, проектирования управляющих воздействий и решения других задач, связанных с принятием управленческих решений в бизнесе и исследованиями поведения всевозможных экономических агентов, товарных рынков и региональных экономик.
Список вопросов:
- # Эконометрика включает в себя элементы дисциплин:
- # Эконометрика включает в себя элементы дисциплин:
- # Эконометрика включает в себя элементы дисциплин:
- # Первым шагом в эконометрических исследованиях является:
- # Формирование начальных теоретических предположений является:
- # Построение эконометрической модели осуществляется на основе:
- # Если модель будет признана адекватной данным, то:
- # Если модель будет признана неадекватной данным, следует:
- # Следует пересмотреть начальные теоретические предположения, если:
- # Если данные обладают какими-либо дефектами, следует:
- # Корректировку теоретических предположений и проверка их адекватности данным следует:
- # Корректировку теоретических предположений и проверка их адекватности данным следует:
- # Следуя Кейнсу, следует ожидать, что предельная склонность к потреблению:
- # В соответствии с предположениями Кейнса средняя склонность к потреблению:
- # Согласно утверждению Кейнса:
- # При построении эконометрической модели следует:
- # Некоторые свойства изучаемых объектов меняются с течением времени, поэтому:
- # Высокая сложность построенной модели является:
- # Для измерения степени изменчивости данных можно использовать величину пропорциональную:
- # Выборочный межквартильный размах можно использовать для оценки:
- # Степень изменчивости данных обычно оценивают с помощью:
- # Объясненная часть изменчивости это:
- # Ошибки измерения:
- # Стохастическая компонента:
- # Одним из достаточных условий слабой состоятельности МНК оценок параметров линейной регрессии является то, что:
- # Тот факт, что значения независимых переменных и случайной составляющей являются реализациями последовательности независимых случайных величин, является одним из достаточных условий того, то:
- # Для того, чтобы МНК оценки параметров линейной регрессии являлись слабо состоятельными, помимо прочего следует потребовать, чтобы:
- # Практический смысл первого из условий Гренандера состоит в том, что:
- # Практический смысл второго из условий Гренандера состоит в том, что с увеличением объема выборки:
- # Практический смысл третьего из условий Гренандера состоит в том, что с увеличением объема выборки:
- # Для асимптотической нормальности МНК оценок параметров линейной регрессии помимо выполнения условий Гренандера следует потребовать, чтобы:
- # Условия Гренандера являются частью достаточных условий для:
- # Для сильной состоятельности оценки дисперсии случайной составляющей в модели линейной регрессии s-квадрат достаточно чтобы:
- # Если в модели линейной регрессии пропущена значимая независимая переменная, то может нарушиться:
- # Если в модели линейной регрессии независимая переменная измерена с ошибкой, то:
- # При нарушении гипотезы об экзогенности:
- # Инструментальные переменные, это переменные, которые:
- # Если переменная имеют не нулевую корреляцию с независимыми переменными, и не коррелируют со случайной переменной, то она называется:
- # Чтобы переменная являлась инструментальной, она должна имеет нулевую корреляцию со случайной составляющей и:
- # Критерий Хаусмана основан на сравнении:
- # Наличие состоятельной и несостоятельной при нарушении предположения об экзогенности оценок параметров линейной регрессии позволяет определить:
- # На первом шаге двухшагового метода наименьших квадратов:
- # Выброс это измерение, которое:
- # Препятствуют обнаружению выбросов:
- # Дисперсия остаточной разности:
- # Расстояние Кука позволяет учесть:
- # Степень анормальности наблюдения и чувствительность оценки к выбросу учитываются в статистике:
- # Стьюдентизированная удаленная остаточная разность позволяет оценить:
- # Регрессионный анализ это
- # Регрессионный анализ позволяет ответить на вопрос:
- # Выбор зависимой переменной:
- # Регрессией называется:
- # Независимые переменные в модели линейной регрессии:
- # Числовые характеристики внешних факторов учтенных в модели линейной регрессии содержатся:
- # Фиктивная переменная:
- # При необходимости учесть влияние качественного признака, принимающего два значения, используют:
- # Использование фиктивной переменной в модели линейной регрессии позволяет:
- # Гипотеза о линейности предполагает:
- # Модель линейной регрессии допускает:
- # Использование полиномиальной зависимости в модели линейной регрессии:
- # Гипотеза о полноте ранга предполагает:
- # При нарушении гипотезы о полноте ранга:
- # Мультиколлинеарностью называют:
- # Гипотеза об экзогенности предполагает, что:
- # Необходимым условием экзогенности независимых переменных является:
- # Если выполняется требование экзогенности, то ковариации между случайной составляющей и независимыми переменными:
- # В модели линейной регрессии гомоскедастичность случайной составляющей означает, что:
- # При отсутствии автокорреляции у случайной составляющей:
- # Большой разброс средних значений зависимой переменной свидетельствует о:
- # Гипотеза о нормальности предполагает, что:
- # Если выполняется гипотеза о нормальности, то:
- # Нестрогим обоснованием гипотезы о нормальности является:
- # Измерение это:
- # При измерении необходимо обеспечить:
- # Правила измерения:
- # Для номинальной шкалы символы:
- # Для элементов номинальных шкал:
- # Частоту встречаемости значения номинальной характеристики объекта:
- # Элементы порядковой шкалы характеризуют:
- # Для порядковых переменных допустимы:
- # Для порядковой шкалы:
- # Для элементов интервальной шкалы
- # Равные интервалы между элементами интервальной шкалы:
- # Школьная отметка по пятибалльной системе является элементом:
- # Интервальная шкала отличается от относительной:
- # Для элементов интервальной шкалы недопустима операция:
- # Шкала для измерения температуры является:
- # При необходимости использовать в модели линейной регрессии номинальную или порядковую переменную следует:
- # Если ввести в модель линейной регрессии порядковую переменную с числовыми значениями, то
- # Если ввести в модель линейной регрессии номинальную переменную с числовыми значениями, то:
- # Целью предварительного анализа данных является:
- # Нелинейные преобразования независимых переменных в модели линейной регрессии:
- # Диаграмма рассеивания это график:
- # Для анализа влияния номинальных и порядковых переменных на зависимую переменную следует использовать:
- # Корреляционная матрица позволяет проанализировать влияние на зависимую переменную:
- # Следует включить в предварительный вариант модели линейной регрессии независимые переменные, которые:
- # Метод наименьших квадратов (МНК) состоит в:
- # Подогнанным значением зависимой переменной называют:
- # Апостериорной остаточной разностью называют:
- # Достаточным условием существования и единственности МНК оценки параметров линейной регрессии должна выполняться гипотеза:
- # Для того, чтобы нормальное уравнение МНК имело единственное решение, достаточно выполнения гипотезы:
- # Критерий МНК имеет единственный минимум, если выполняется гипотеза:
- # Вектор подогнанных значений зависимой переменной является проекцией вектора значений зависимой переменной на:
- # Вектор значений апостериорной остаточной разности является проекцией вектора значений зависимой переменной на:
- # Сумма значений апостериорных остаточных разностей:
- # При изменении масштаба измерения зависимой переменной коэффициент детерминации:
- # Коэффициент детерминации характеризует:
- # С ростом числа независимых переменных коэффициент детерминации:
- # Ложная корреляция между двумя переменными объясняется:
- # Для обнаружения ложной корреляции используют:
- # Ложная корреляция между зависимой и независимой переменной приводит:
- # Несмещеность МНК оценок параметров линейной регрессии является следствием:
- # Совпадение математического ожидания оценки параметра закона распределения вероятностей с истинным значением этого параметра называется:
- # Поскольку МНК оценка значения вектора параметров линейной регрессии является несмещенной, то
- # Из теоремы Гаусса - Маркова следует, что:
- # Дисперсия МНК оценки параметров линейной регрессии:
- # Дисперсия МНК оценки параметров линейной регрессии минимальна:
- # Наличие мультиколинеарности ведет к:
- # Нарушение гипотезы о полноте ранга ведет к:
- # Гребневая оценка вектора значений параметров линейной регрессии является:
- # В критерии Уайта об отсутствии гетероскедастичности говорит:
- # Наличие гетероскедастичности ведет к:
- # Причиной гетероскедастичности может являться:
- # При проверке гипотез о значениях параметров линейной регрессии мы не можем использовать формулу для подсчета ковариационной матрицы МНК оценок значений параметров линейной регрессии, т.к.:
- # Если выполняется нормальная гипотеза, при условии справедливости основной гипотезы, статика критерия имеет:
- # Если альтернативная гипотеза состоит в том, что истинное значение параметра линейной регрессии не превышает некоторого значения, то критическая область критерия имеет вид:
- # Коэффициент линейной регрессии определяет:
- # С фиксированной вероятностью ошибки независимая переменная значима для модели линейной регрессии, если:
- # Если не отвергается гипотеза о равенстве нулю параметра линейной регрессии, то:
- # С ростом значения статистики критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии коэффициент частной корреляции между соответствующей независимой и зависимой переменными при фиксированном значении остальных переменных:
- # С ростом значения коэффициента частной корреляции между независимой и зависимой переменными при фиксированном значении остальных переменных статистика критерия проверки гипотезы о равенстве нулю соответствующего коэффициента линейной регрессии:
- # При добавлении в модель линейной регрессии новой независимой переменной увеличение доли объясненной изменчивости зависимой переменной будет зависеть от:
- # Если статистика критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии меньше единицы, то при удалении соответствующей переменной из модели линейной регрессии значение модифицированного коэффициента детерминации:
- # Если статистика критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии больше единицы, то при удалении соответствующей переменной из модели линейной регрессии значение модифицированного коэффициента детерминации:
- # Значение модифицированного коэффициента детерминации увеличивается при удалении из модели линейной регрессии независимой переменной, для которой значение статистики критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии:
- # Можно с фиксированной вероятностью ошибки отвергнуть гипотезу о равенстве нулю коэффициента линейной регрессии, если доверительный интервал для его истинного значения:
- # Повышение точности интервальной оценки ведет к:
- # При фиксированной вероятности накрытия увеличение стандартной ошибки оценки параметра линейной регрессии ведет к:
- # Точность интервальной оценки истинного значения линейной регрессии при удалении от средних значений регрессоров на периферию:
- # Для фиксированного значения вектора независимых переменных точность оценки истинного значения регрессии:
- # Дисперсия оценки нового значения зависимой переменной:
- # Модель в эконометрике отвечает на вопросы о том:
- # Проверка экономических гипотез в эконометрике осуществляться за счет:
- # Экономическая теория имеет проверяемые следствия, если:
- # Общая линейная гипотеза является предположением о справедливости:
- # Если справедлива общая линейная гипотеза, то:
- # Качество подгонки данных моделью линейной регрессии оцененной с учетом ограничений общей линейной гипотезы и без их учета будет различаться несущественно, если: