Ответы на тесты по предмету Эконометрика (5041 вопросов)
Построена линейная регрессионная модель 
, причём 
и 
. Для получения качественной регрессионной модели необходимо исключить из модели переменную …
, причём и . Для получения качественной регрессионной модели необходимо исключить из модели переменную … 
Отбор факторов в модель множественной регрессии с использованием метода включения может быть основан на сравнении …
стандартных ошибок коэффициентов регрессии
значений коэффициентов "чистой" регрессии
величины остаточной дисперсии до и после включения фактора в модель
величины объясненной дисперсии до и после включения фактора в модель
Из двух коллинеарных факторов в модель множественной регрессии выбирается тот, который …
характеризуется наибольшей теснотой связи с другими факторами
имеет большее по абсолютной величине значение коэффициента "чистой" регрессии
имеет достаточно тесную связь с зависимой переменной
характеризуется наименьшей теснотой связи с другими факторами
При отборе факторов в модель множественной регрессии необходимо …
включать в модель факторы, имеющие достаточно тесную связь с другими объясняющими переменными
избегать включения в модель факторов, имеющих достаточно тесную связь с зависимой переменной
избегать одновременного включения в модель коллинеарных факторов
включать в модель факторы, имеющие достаточно тесную связь с зависимой переменной
В модель множественной регрессии необходимо включать факторы, которые …
увеличивают величину остаточной дисперсии
уменьшают величину объясненной дисперсии
увеличивают величину объясненной дисперсии
уменьшают величину остаточной дисперсии
Пусть 
– средний ежемесячный доход одного человека в год, а 
– фиктивная переменная, равная 1, если человек имеет высшее образование, и 0 – если нет, 
- стаж работы на данном предприятии. Оценили регрессию вида 
. Оценка
. Тогда можно утверждать, что…
– средний ежемесячный доход одного человека в год, а – фиктивная переменная, равная 1, если человек имеет высшее образование, и 0 – если нет, - стаж работы на данном предприятии. Оценили регрессию вида . Оценка. Тогда можно утверждать, что…
лица без высшего образования в среднем зарабатывают больше, чем лица с высшим образованием
заработная плата не зависит от наличия или отсутствия высшего образования
лица с высшим образованием в среднем зарабатывают меньше, чем остальные
лица с высшим образованием в среднем зарабатывают больше, чем остальные
Пусть 
– зависимая переменная, 
и 
- независимые количественные переменные, 
– фиктивная переменная. Оценили регрессию вида 
. Оценка 
, гипотеза 
отвергается при необходимом уровне значимости. Тогда можно утверждать, что…
– зависимая переменная, и - независимые количественные переменные, – фиктивная переменная. Оценили регрессию вида . Оценка , гипотеза отвергается при необходимом уровне значимости. Тогда можно утверждать, что…
фиктивная переменная оказывает влияние на оценку коэффициента при переменной 
введение фиктивной переменной не оказывает значимого влияния на зависимую переменную
фиктивная переменная оказывает влияние на оценку коэффициента при переменной 
фиктивная переменная оказывает влияние на оценку константы 
Пусть в некоторой модели необходимо учесть влияние сезонности (зима-лето, всего 2 состояния фиктивной переменной) на объемы продажи мороженого. Тогда максимальное количество фиктивных переменных, необходимых для проведения анализа и построения оценок равно…
2
3
4
1
Обоснованность введения фиктивной переменной 
в модель вида 
, для неоднородной совокупности данных, где 
– зависимая количественная переменная, 
, 
– независимые количественные переменные можно проверить с помощью…
в модель вида , для неоднородной совокупности данных, где – зависимая количественная переменная, , – независимые количественные переменные можно проверить с помощью…
теста Гольдфельдта-Квандта на гомоскедастичность
теста Уайта на наличие гетероскедастичности
критерия Дарбина-Уотсона на наличие автокорреляции
теста Чоу на устойчивость
Пусть исследуется линейная зависимость вида 
. Величина, показывающая, на сколько процентов изменится 
при изменении 
на 1%, называется
. Величина, показывающая, на сколько процентов изменится при изменении на 1%, называется
коэффициентом регрессии
коэффициентом корреляции
коэффициентом детерминации
коэффициентом эластичности
Предположим, что переменная 
связана с 
независимыми переменными 
линейной зависимостью: 
. Оценка этого уравнения для заданного множества наблюдений 
методом наименьших квадратов (МНК) имеет вид: 
. Тогда смысл коэффициентов 
состоит в том, что __________ при прочих равных условиях.
связана с независимыми переменными линейной зависимостью: . Оценка этого уравнения для заданного множества наблюдений методом наименьших квадратов (МНК) имеет вид: . Тогда смысл коэффициентов состоит в том, что __________ при прочих равных условиях.
если 
изменится на одну единицу, то 
изменится на 
%
изменится на одну единицу, то изменится на %
если 
изменится на одну единицу, то 
изменится на 
единиц
изменится на одну единицу, то изменится на единиц
если 
изменится на одну единицу, то 
изменится в 
раз
изменится на одну единицу, то изменится в раз
если 
изменится на одну единицу, то 
изменится на 
единиц
изменится на одну единицу, то изменится на единиц
Пусть исследуется линейная регрессионная модель множественной регрессии 
, тогда величина 
называется …
, тогда величина называется …
зависимой переменной уравнения
случайной компонентой уравнения
независимой переменной уравнения
параметром уравнения
Пусть исследуется линейная регрессионная модель множественной регрессии 
, тогда величина 
называется …
, тогда величина называется …
зависимой переменной уравнения
независимой переменной уравнения
параметром уравнения
случайной компонентой уравнения
В линейной регрессионной модели 
ненаблюдаемой величиной является
ненаблюдаемой величиной является 
Пусть 
– фактические значения, 
– расчетные значения для i-го наблюдения, тогда суть метода наименьших квадратов (МНК) состоит …
– фактические значения, – расчетные значения для i-го наблюдения, тогда суть метода наименьших квадратов (МНК) состоит …
в минимизации функции 
в минимизации функции 
в минимизации функции 
в минимизации функции 
Пусть 
– фактические значения, 
– расчетные значения, 
, тогда система нормальных уравнений получается из условия ...
– фактические значения, – расчетные значения, , тогда система нормальных уравнений получается из условия ...
максимизации функции 
равенства значения функции 
нулю
нулю
равенства значения функции 
единице
единице
минимизации функции 
Пусть оценивается регрессия 
. Известна оценка 
параметра 
, тогда оценка 
параметра 
может быть вычислена по формуле:
. Известна оценка параметра , тогда оценка параметра может быть вычислена по формуле: 
Для линейной регрессионной зависимости система нормальных уравнений …
нелинейная относительно параметров регрессии
линейная относительно переменных уравнения регрессии
линейная относительно остатка уравнения регрессии
линейная относительно параметров регрессии
Для линейного уравнения регрессии 
метод наименьших квадратов используется при оценивании параметров…
метод наименьших квадратов используется при оценивании параметров…
y
x
a
b
При применении метода наименьших квадратов к линейному уравнению регрессии 
минимизируется сумма квадратов …
минимизируется сумма квадратов …
величин a
величин 
величин 
отклонений фактических (наблюдаемых) y от их модельных значений 
, рассчитанных по уравнению 
, рассчитанных по уравнению
Метод наименьших квадратов применим к …
уравнениям регрессии, которые отражают нелинейную зависимость между двумя экономическими показателями и не могут быть приведены к линейному виду
только к нелинейным уравнениям регрессии
уравнениям регрессии, которые отражают линейную зависимость между двумя экономическими показателями
уравнениям регрессии, которые отражают нелинейную зависимость между двумя экономическими показателями, но могут быть приведены к линейному виду
При оценке параметров линейного уравнения регрессии 
с помощью метода наименьших квадратов определяют минимальное значение величины
с помощью метода наименьших квадратов определяют минимальное значение величины 
, где 
При применении метода наименьших квадратов к оценке параметров уравнений регрессии, величина зависимой переменной y может определяться на основании _______ уравнения регрессии
нелинейного
дифференцированного
линейного
линеаризованного
При построении модели 
с помощью МНК, эмпирические оценки 
и 
параметров 
и 
будут находиться из условия…
с помощью МНК, эмпирические оценки и параметров и будут находиться из условия…
минимизации величины 
максимизации величины 
максимизации величины 
минимизации величины 
Выберите среди приведенных утверждение, являющееся одной из предпосылок МНК
математическое ожидание случайного отклонения 
равно -1
равно -1
математическое ожидание квадрата случайного отклонения 
равно 0
равно 0
математическое ожидание квадрата случайного отклонения 
равно 1
равно 1
математическое ожидание случайного отклонения 
равно 0
равно 0
Выберите среди приведенных утверждение, являющееся одной из предпосылок МНК
дисперсия остатков не является величиной постоянной 
дисперсия остатков является величиной пропорциональной математическому ожиданию зависимой переменной 
дисперсия остатков является величиной зависящей от объясняющих переменных 
дисперсия остатков является величиной постоянной 
Значения статистики Дарбина-Уотсона, рассчитываемые по формуле 
, где 
- коэффициент автокорреляции остатков, находится в промежутке …
, где - коэффициент автокорреляции остатков, находится в промежутке … 
На рисунке отражены результаты теста Дарбина-Уотсона. 
Где 
, 
– соответственно нижняя и верхняя границы для критического значения, а 
– наблюдаемое значения критерия Дарбина-Уотсона (
, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
Где , – соответственно нижняя и верхняя границы для критического значения, а – наблюдаемое значения критерия Дарбина-Уотсона (, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределенности).
в остатках регрессионной модели присутствует отрицательная автокорреляция.
в остатках регрессионной модели присутствует положительная автокорреляция.
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
На рисунке отражены результаты теста Дарбина-Уотсона. 
Где 
, 
– соответственно нижняя и верхняя границы для критического значения, а 
– наблюдаемое значения критерия Дарбина-Уотсона (
, где 
- коэффициент автокорреляции остатков). Можно сделать вывод что…
Где , – соответственно нижняя и верхняя границы для критического значения, а – наблюдаемое значения критерия Дарбина-Уотсона (, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
в остатках регрессионной модели присутствует отрицательная автокорреляция.
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
в остатках регрессионной модели присутствует положительная автокорреляция.
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределенности).
На рисунке отражены результаты теста Дарбина-Уотсона. 
Где 
, 
– соответственно нижняя и верхняя границы для критического значения, а 
– наблюдаемое значения критерия Дарбина-Уотсона (
, где 
- коэффициент автокорреляции остатков). Можно сделать вывод что…
Где , – соответственно нижняя и верхняя границы для критического значения, а – наблюдаемое значения критерия Дарбина-Уотсона (, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
в остатках регрессионной модели присутствует отрицательная автокорреляция.
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределенности).
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
в остатках регрессионной модели присутствует положительная автокорреляция.
На рисунке отражены результаты теста Дарбина-Уотсона. 
Где 
, 
– соответственно нижняя и верхняя границы для критического значения, а 
– наблюдаемое значения критерия Дарбина-Уотсона (
, где 
- коэффициент автокорреляции остатков). Можно сделать вывод что…
Где , – соответственно нижняя и верхняя границы для критического значения, а – наблюдаемое значения критерия Дарбина-Уотсона (, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределенности).
в остатках регрессионной модели присутствует положительная автокорреляция.
в остатках регрессионной модели присутствует отрицательная автокорреляция.
На рисунке отражены результаты теста Дарбина-Уотсона. 
Где 
, 
– соответственно нижняя и верхняя границы для критического значения, а 
– наблюдаемое значения критерия Дарбина-Уотсона (
, где 
- коэффициент автокорреляции остатков). Можно сделать вывод что…
Где , – соответственно нижняя и верхняя границы для критического значения, а – наблюдаемое значения критерия Дарбина-Уотсона (, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
в остатках регрессионной модели присутствует положительная автокорреляция.
в остатках регрессионной модели присутствует отрицательная автокорреляция.
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределенности)
На рисунке отражены результаты теста Дарбина-Уотсона. 
Где 
, 
– соответственно нижняя и верхняя границы для критического значения, а 
– наблюдаемое значения критерия Дарбина-Уотсона (
, где 
- коэффициент автокорреляции остатков). Можно сделать вывод что…
Где , – соответственно нижняя и верхняя границы для критического значения, а – наблюдаемое значения критерия Дарбина-Уотсона (, где - коэффициент автокорреляции остатков). Можно сделать вывод что…
в остатках регрессионной модели присутствует положительная автокорреляция.
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределенности).
в остатках регрессионной модели присутствует отрицательная автокорреляция.
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
Наличие гетероскедастичности остатков можно проверить с помощью…
теста Фишера
критерия Стьюдента
теста Дарбина-Уотсона
теста Гольдфельда–Квандта
С помощью критерия Дарбина-Уотсона проверяется…
значимость коэффициента детерминации модели
наличие гетеросткедастичности в остатках модели
наличие мультиколлинеарности в модели
наличие автокорреляции первого порядка в остатках модели
Тест Спирмена, используемый для обнаружения гетероскедастичности остатков, основан на …
сравнении рангов значений зависимой переменной 
и остатков модели 
и остатков модели
предположении пропорциональности между дисперсией остатков и независимой переменной с коэффициентом 
минимизации остатков 
сравнении рангов значений независимой переменной 
и остатков модели 
и остатков модели
Тест Голдфелда–Квандта, используемый для обнаружения гетероскедастичности остатков основан на …
сравнении рангов значений зависимой переменной 
и остатков модели 
и остатков модели
минимизации остатков 
сравнении рангов значений независимой переменной 
и остатков модели 
и остатков модели
предположении пропорциональности между дисперсией остатков и независимой переменной с коэффициентом 
Нарушением предпосылки МНК является случай _____ остатков.
гомоскедастичности
нормального распределения
случайного характера
наличия автокорреляции
Нарушением предпосылки МНК является случай _____ остатков.
случайного характера
нормального распределения
отсутствия автокорреляции
гетероскедастичности
Теорема Гаусса-Маркова, раскрывающая суть МНК, характеризует свойства оценок параметров для ...
строгой функциональной зависимости
нелинейной регрессионной модели
для модели регрессии общего вида
линейной регрессионной модели
В случае нормального распределения остатков линейной регрессионной модели 
значения результирующей величины …
значения результирующей величины …
являются постоянными
имеют распределение Фишера
имеют распределение Стьюдента
имеют нормальное распределение
В случае нормального распределения остатков линейной регрессионной модели 
оценки параметров регрессии, полученные методом наименьших квадратов, …
оценки параметров регрессии, полученные методом наименьших квадратов, …
распределены по закону Стьюдента
равны нулю
равны между собой
имеют нормальное распределение
В случае нормального распределения остатков линейной регрессионной модели 
проверка статистической значимости каждого параметра возможна с помощью …
проверка статистической значимости каждого параметра возможна с помощью …
Энгеля–Грангера
Дарбина–Уотсона
критерия Фишера
критерия Стьюдента
Дисперсия остатков модели 
постоянна и не зависит от предсказанной величины 
. Сформулированное утверждение является …
постоянна и не зависит от предсказанной величины . Сформулированное утверждение является …
нулевой гипотезой при проверке статистической значимости уравнения
нулевой гипотезой при проверке существенности связи между 
и 
и
нулевой гипотезой при проверке значимости коэффициента регрессии
одной из предпосылок метода наименьших квадратов
Значения остатков модели 
представляют собой независимые друг от друга значения нормально распределённой случайной величины. Сформулированное утверждение является …
представляют собой независимые друг от друга значения нормально распределённой случайной величины. Сформулированное утверждение является …
нулевой гипотезой при проверке значимости коэффициента регрессии
нулевой гипотезой при проверке существенности связи между 
и 
и
нулевой гипотезой при проверке статистической значимости уравнения
одной из предпосылок метода наименьших квадратов
Предположение о распределении остатков регрессионной модели по нормальному закону необходимо для …
выявления коллинеарных факторов
проверки значимости связи между 
и 
и
линеаризации уравнения регрессии
определения оценок параметров регрессии с помощью МНК
По приведённому фрагменту таблицы укажите вид статистики и название распределения, критические точки которого даны
-статистика распределение Стьюдента 
-статистика распределение Фишера 
-статистика распределение Пирсона 
-статистика распределение Дарбина-Уотсона
Выполнение предпосылок метода наименьших квадратов …
не является обязательным условием построения эконометрической модели уравнений регрессии
подлежат обязательной проверке до применения метода наименьших квадратов
проверяется одновременно с применением метода наименьших квадратов
невозможно проверить до получения оценок параметров регрессии
Проверку выполнения предпосылки МНК (метода наименьших квадратов) о гомоскедастичности (гетероскедастичености) остатков можно проверить …
методом линеаризации уравнения
дифференцированием переменных
визуально по графику
на основании параметрических тестов
Если предпосылки метода наименьших квадратов (МНК) не выполняются, то остатки характеризуются…
нулевой средней величиной
случайным характером
высокой степенью автокорреляции
гетероскедастичностью
Если предпосылки метода наименьших квадратов (МНК) не выполняются, то остатки могут …
характеризоваться отсутствием автокорреляции
иметь нулевую среднюю величину
не подчиняться закону нормального распределения
быть гетероскедастичными
Несмещенность оценки характеризует равенство нулю математического ожидания _______ уравнения регрессии
функции
независимых переменных
параметров
остатков
Если оценка параметра эффективна, то это означает наименьшую дисперсию _____ уравнения регрессии
независимой переменной
зависимой переменной
обратной функции
остатков
Состоятельность оценки характеризуется увеличением ее точности при ...
переходе к обратной форме зависимости
добавлении в уравнение дополнительной независимой переменной
уменьшении объема выборки
увеличении объема выборки
При исследовании свойства несмещенности оценки параметра уравнения регрессии, проводят расчет общей величины ________ для большого числа выборочных наблюдений
зависимых переменных
независимых переменных
параметров
остатков
Оценка 
параметра 
называется несмещенной, если
параметра называется несмещенной, если
оценка стремится по вероятности к оцениваемому параметру
математическое ожидание отклонения оценки от среднего значения параметра равно нулю
оценка имеет наименьшую дисперсию среди всех возможных оценок при заданном объеме выборки
математическое ожидание оценки равно оцениваемому параметру
Несмещенная оценка 
параметра 
называется эффективной, если
параметра называется эффективной, если
математическое ожидание оценки равно оцениваемому параметру
оценка стремится по вероятности к оцениваемому параметру
математическое ожидание отклонения оценки от среднего значения параметра равно нулю
имеет наименьшую дисперсию среди всех возможных несмещенных оценок при заданном объеме выборки
Если оценка 
при 
стремится по вероятности к оцениваемому параметру 
, то она называется
при стремится по вероятности к оцениваемому параметру , то она называется
несмещенной
эффективной
смещенной
состоятельной
Пусть оценивается регрессия 
. Чем больше фактор случайности, тем оценки 
и 
параметров 
и 
…
. Чем больше фактор случайности, тем оценки и параметров и …
будут лучше (в смысле состоятельности) при прочих равных условиях
будут лучше (в смысле эффективности) при прочих равных условиях
будут ближе к нулю при прочих равных условиях
будут хуже (в смысле эффективности) при прочих равных условиях
Пусть оценивается регрессия 
и выполнены все предпосылки МНК. Тогда полученные оценки 
и 
параметров 
и 
будут …
и выполнены все предпосылки МНК. Тогда полученные оценки и параметров и будут …
нелинейными несмещенными неэффективными
линейными несмещенными неэффективными
линейными смещенными эффективными
линейными несмещенными эффективными
Если оценки параметров уравнения регрессии обладают свойствами состоятельности, эффективности и несмещенности, то …
предпосылки метода наименьших квадратов не выполняются
точность модели снижается с увеличением объема выборки
что при большом числе выборочных оцениваний остатки не будут накапливаться
возможен переход от точечного оценивания к интервальному
При нарушении условий Гаусса-Маркова о независимости остатков для вычисления устойчивых эффективных оценок применяется…
двухшаговый МНК
обычный МНК
трехшаговый МНК
обобщенный (взвешенный) МНК
Пусть в модели линейной регрессии 
нарушено одно из условий Гаусса-Маркова: математическое ожидание ошибок равно 0 
, а дисперсия остатков 
пропорциональна величине 
, 
– неизвестная постоянная, характеризующая дисперсию ошибки при соблюдении предпосылки о гетероскедастичности. Для перехода к уравнению с гомоскедастичными остатками все переменные уравнения необходимо поделить на величину…
нарушено одно из условий Гаусса-Маркова: математическое ожидание ошибок равно 0 , а дисперсия остатков пропорциональна величине , – неизвестная постоянная, характеризующая дисперсию ошибки при соблюдении предпосылки о гетероскедастичности. Для перехода к уравнению с гомоскедастичными остатками все переменные уравнения необходимо поделить на величину… 
Укажите последовательность этапов проведения теста Голдфелда-Квандта для парной линейной регрессии
упорядочение наблюдений по возрастанию значений объясняющей переменной
оценка регрессий для k-первых и k-последних наблюдений
оценка сумм квадратов отклонений для регрессий по k-первым и k-последним наблюдений
вычисление статистики Фишера
Пусть в модели yi=b0+b1xi+ei случайные отклонения ei гетероскедастичны. При этом обнаружено, что дисперсия отклонений ei пропорциональна значениям 
. Укажите последовательность этапов одного из методов устранения гетероскедастичности
. Укажите последовательность этапов одного из методов устранения гетероскедастичности
выдвигается гипотеза, что дисперсии отклонений пропорциональны значениям 
. Вводится коэффициент пропорциональности 
. Вводится коэффициент пропорциональности
строится регрессия новой зависимой переменной 
на новую независимую переменную 
на новую независимую переменную
оцениваются коэффициенты новой регрессии и их статистическая значимость
оценивается общее качество преобразованной модели
Укажите последовательность этапов обобщенного метода наименьших квадратов
устанавливается наличие гетероскедастичности или автокорреляции остатков
изменяется спецификация модели (путем преобразования уравнения с учетом коэффициента пропорциональности дисперсий остатков)
оцениваются параметры новой модели и их статистическая значимость
оценивается общее качество преобразованной модели
Коэффициент корреляции признаков y и x, рассчитанный по уравнению связи 
имеет ту же размерность, что и 
имеет ту же размерность, что и 
имеет ту же размерность, что и 
является безразмерным
Тесноту линейной связи между двумя признаками, один из которых – фактор, а другой – результат характеризует коэффициент …
автокорреляции
частной корреляции
множественной корреляции
парной корреляции
Стохастическая связь между признаками выраженная в том, что средняя величина одного признака уменьшается с возрастанием другого, называется …
положительной корреляцией
автокорреляцией
функциональной зависимостью
отрицательной корреляцией
Стохастическая связь между признаками выраженная в том, что средняя величина одного признака увеличивается с возрастанием другого, называется …
отрицательной корреляцией
автокорреляцией
функциональной зависимостью
положительной корреляцией
Коэффициент корреляции представляет собой …
матрицу размерности 
вектор
функцию
число
В регрессионной зависимости 
коэффициент регрессии равен нулю. Тогда коэффициент линейной корреляции между признаками 
и 
…
коэффициент регрессии равен нулю. Тогда коэффициент линейной корреляции между признаками и …
не определён
стремиться к бесконечности
равен 1
равен 0
Эконометрическая модель представляет собой парную линейную регрессию, коэффициент корреляции факторного и результативного признака равен
0,9. Тогда коэффициент детерминации рассматриваемой модели равен …
0,9. Тогда коэффициент детерминации рассматриваемой модели равен …
0,1
0,99
-0,9
0,81
Рассматриваются четыре парных линейных регрессионных модели. Известны коэффициенты корреляции, характеризующие для каждой модели связь результата с фактором: для первой 
, для второй 
, для третьей 
, для четвёртой 
. Укажите модель наиболее адекватно описывающую соответствующие выборочные данные …
, для второй , для третьей , для четвёртой . Укажите модель наиболее адекватно описывающую соответствующие выборочные данные …
четвёртая
первая
вторая
третья
Построена парная модель линейной регрессии 
и рассчитан коэффициент парной линейной корреляции 
. Такие результаты невозможны, так как …
и рассчитан коэффициент парной линейной корреляции . Такие результаты невозможны, так как …
свободный член регрессии больше коэффициента корреляции
свободный член регрессии и коэффициент корреляции имеют одинаковые знаки
коэффициент регрессии по модулю меньше коэффициента корреляции
коэффициент регрессии и коэффициент корреляции имеют разные знаки
Построена парная модель линейной регрессии 
и рассчитан коэффициент парной линейной корреляции
. Такие результаты невозможны, так как …
и рассчитан коэффициент парной линейной корреляции
. Такие результаты невозможны, так как …
коэффициент регрессии по модулю меньше коэффициента корреляции
свободный член регрессии больше коэффициента корреляции
свободный член регрессии и коэффициент корреляции имеют одинаковые знаки
коэффициент регрессии и коэффициент корреляции имеют разные знаки
Индекс корреляции …
определяет характер и тип зависимости
выявляет причинно-следственные взаимосвязи между характеристиками экономического объекта
оценивает близость нелинейной зависимости к линейной
указывает на наличие или отсутствие предполагаемой связи между признаками
Коэффициент множественной корреляции R и любой из коэффициентов парной корреляции r находятся в следующих отношениях …
R
r >> R
R=r
R>r
Предпосылка применения корреляционного анализа …
совокупность значений факторных признаков распределена по нормальному закону, а результативного – по произвольному
совокупность значений результативного признака распределена по нормальному закону, а закон распределения совокупности факторных признаков – произвольный
совокупность значений факторных и результативных признаков имеет распределение Стьюдента
совокупность значений факторных и результативных признаков распределена по нормальному закону
Пусть рассматриваются две случайных величины 
и 
. Для них вычислены коэффициент парной линейной регрессии 
и корреляционное отношение по уравнению связи 
. Известно, что 
. Это означает, что …
и . Для них вычислены коэффициент парной линейной регрессии и корреляционное отношение по уравнению связи . Известно, что . Это означает, что …
не существует функциональной зависимости между 
и 
и
имеется слабая нелинейная зависимость между 
и 
и
зависимость между 
и 
строго линейная
и строго линейная
имеется функциональная нелинейная зависимость между 
и 
и
Пусть рассматриваются две случайных величины 
и 
. Для них вычислены коэффициент парной линейной регрессии 
и корреляционное отношение по уравнению связи 
. Известно, что 
. Это означает, что между величинами …
и . Для них вычислены коэффициент парной линейной регрессии и корреляционное отношение по уравнению связи . Известно, что . Это означает, что между величинами …
показательная зависимость
существует строгая линейная зависимость
нелинейная зависимость
не существует определённой функциональной зависимости
Выберите значение коэффициента корреляции, которое характеризует функциональную связь между переменными у и х.
Какое значение не может принимать множественный коэффициент корреляции?
R=0,2
R=0,7
R=100 %
R=1,2
Если значение коэффициента корреляции, рассчитанное для линейного уравнения регрессии 
равно единице, то …
равно единице, то …
связь между параметрами a и b функциональная
величина 
оказывает существенное влияние на переменную у
оказывает существенное влияние на переменную у
связь между переменными у и х функциональная
величина 
не оказывает влияния на переменную у
не оказывает влияния на переменную у
Значение коэффициента корреляции может находится в отрезке …
[-2; 0]
[0; 2]
[0; 1]
[-1; 0]
Значение коэффициента детерминации, рассчитанное для линейного уравнения парной регрессии 
составило 
. Следовательно, значение линейного коэффициента парной корреляции 
может быть равно …
составило . Следовательно, значение линейного коэффициента парной корреляции может быть равно …
0,09; если b > 0
–0,09; если b > 0
0,9; если b > 0
- 0,9; если b < 0
Значение линейного коэффициента корреляции может характеризовать тесноту связи для уравнения …
Значение линейного коэффициента корреляции не может характеризовать тесноту связи для уравнения …
В качестве показателя тесноты связи для построенного уравнения регрессии может использоваться …
коэффициент детерминации
t-критерий Стьюдента
коэффициент парной корреляции, если исследуется связь между зависимой переменной и одной независимой переменной
коэффициент множественной корреляции, если исследуется связь между зависимой переменной и несколькими независимыми переменными
Пусть исследуется линейная зависимость вида 
и оценена регрессия 
, 
– фактические значения, а 
– расчетные значения зависимой переменной, 
. Тогда общую дисперсию можно оценить по формуле …
и оценена регрессия , – фактические значения, а – расчетные значения зависимой переменной, . Тогда общую дисперсию можно оценить по формуле … 
Пусть исследуется линейная зависимость вида 
и оценена регрессия 
, 
– фактические значения, а 
– расчетные значения зависимой переменной, 
. Тогда объясненную дисперсию можно оценить по формуле …
и оценена регрессия , – фактические значения, а – расчетные значения зависимой переменной, . Тогда объясненную дисперсию можно оценить по формуле … 
Пусть исследуется линейная зависимость вида 
и оценена регрессия 
, 
– фактические значения, а 
– расчетные значения зависимой переменной, 
. Тогда остаточную дисперсию можно оценить по формуле …
и оценена регрессия , – фактические значения, а – расчетные значения зависимой переменной, . Тогда остаточную дисперсию можно оценить по формуле … 
Пусть исследуется линейная зависимость вида 
и оценена регрессия 
, 
– фактические значения, а 
– расчетные значения зависимой переменной, 
. Тогда коэффициент детерминации 
рассчитывается по формуле …
и оценена регрессия , – фактические значения, а – расчетные значения зависимой переменной, . Тогда коэффициент детерминации рассчитывается по формуле … 
В рамках классической линейной регрессии с константой для коэффициента детерминации 
справедливо соотношение:
справедливо соотношение: 
Чем теснее линейная связь между переменными 
и 
, тем ближе значение коэффициента детерминации к …
и , тем ближе значение коэффициента детерминации к …
-1
0
к единице
Чем слабее линейная связь между переменными 
и 
, тем ближе значение коэффициента детерминации к …
и , тем ближе значение коэффициента детерминации к …
1
-1
0
При увеличении числа объясняющих переменных значение коэффициента детерминации 
будет …
будет …
увеличиваться или уменьшаться в зависимости от значимости коэффициентов при объясняющих переменных
постоянным
уменьшаться
не уменьшаться
Значение скорректированного коэффициента детерминации …
больше или равно 2
равно 0
больше или равно 1
меньше или равно 1
Коэффициент детерминации …
имеет ту же размерность, что и результирующий признак
имеет ту же размерность, что и остатки регрессионной модели
имеет ту же размерность, что и больший из факторных признаков
является безразмерной величиной
Выражение 
характеризует несмещенную оценку…
(
- теоретическое значение результативной переменной, 
- среднее значение результативной переменной, 
- число факторных переменных, включенных в линейное уравнение регрессии)
характеризует несмещенную оценку…(
- теоретическое значение результативной переменной, - среднее значение результативной переменной, - число факторных переменных, включенных в линейное уравнение регрессии)
дисперсии признака 
, необъясненной регрессией
, необъясненной регрессией
общей дисперсии признака 
остаточной дисперсии признака 
дисперсии признака 
, объясненной регрессией
, объясненной регрессией