Является оценкой адекватности регрессионной модели.

45. Коэффициент множественной корреляции характеризуется тем, что

1) является критерием значимости уравнения регрессии;

2) оценивает тесноту связи между результативным признаком и всеми факторами;

3) показывает, какая часть вариации результативного признака обусловлена влиянием факторов, включенных в модель;

4) является оценкой адекватности регрессионной модели;

5) является оценкой сравнительной силы влияния факторов.

 

46. Критерий Фишера-Снедекора характеризуется тем, что

1) является критерием значимости уравнения регрессии;

2) является критерием оценки значимости коэффициентов уравнения регрессии;

3) оценивает тесноту связи между результативным признаком и всеми факторами;

4) показывает, какая часть вариации результативного признака обусловлена влиянием факторов, включенных в модель;

5) является оценкой адекватности регрессионной модели.

 

47. Критерий Стьюдента характеризуется тем, что

1) является критерием значимости уравнения регрессии;

2) является критерием оценки значимости коэффициентов уравнения регрессии;

3) оценивает тесноту связи между результативным признаком и всеми факторами;

4) показывает, какая часть вариации результативного признака обусловлена влиянием факторов, включенных в модель;

5) является оценкой адекватности регрессионной модели.

 

48. Явление, которое выражается в том, что со­вокупное воздействие нескольких факторов на результативную переменную, может значи­тельно отличаться от суммы воздействий каждого из них именно в силу наличия внутренних взаимосвязей между независимыми переменными, называется

1) автокорреляцией;

2) ложной корреляцией;

3) мультиколлинеарностью;

4) эффектом «эмерджентности»;

5) «белым шумом».

 

49. Взаимосвязь между результативным признаком и факторами, включенными в эконометрическую модель, на практике признается существенной, если значение парного коэффициента корреляции составляет:

1) ;

2) ;

3) ;

4) ;

5) .

 

50. Квадрату совокупного коэффициента множественной корреляции равен

1) коэффициент вариации;

2) коэффициент парной корреляции;

3) коэффициент детерминации;

4) коэффициент эластичности;

5) коэффициент автокорреляции.

 

Раздел 3. Эконометрические модели парной линейной регрессии и методы оценки их параметров

 

51. Процесс определения аналитического выражения функции связи, в котором изменение результативной (зависимой) переменной происходит под влиянием факторной (независимой) переменной, называется

1) содержательным анализом;

2) статистическим анализом;

3) теоретическим анализом;

4) дисперсионным анализом;

Регрессионным анализом.

 

52. Общий вид модели парной линейной регрессии представляется выражением:

1) ;

2) ;

3) ;

4) ;

5) .

 

53. Модель парной линейной регрессии, полученная на основе обработки данных выборочного наблюдения, представляется выражением:

1) ;

2) ;

3) ;

4) ;

5) .

 

54. Случайная ошибка модели парной линейной регрессии возникает на основе объективных условий:

1) репрезентативности выборки;

2) нерепрезентативности выборки;

3) безошибочного измерения переменных, включенных в эконометрическую модель;

4) ошибочного измерения переменных, включенных в эконометрическую модель;

5) включения в модель параметра .

 

55. Для оценки неизвестных параметров и модели парной линейной регрессии используют

1) метод скользящей средней;

2) метод наименьших квадратов;

3) метод наименьших модулей;

4) условия Гаусса-Маркова;

5) остаточную дисперсию.

 

56. Проверка гипотезы о значимости коэффициентов модели парной линейной регрессии осуществляется на основе

1) парного линейного коэффициента корреляции;

2) критерия Фишера-Снедекора;

3) критерия Стьюдента;

4) коэффициента детерминации;

5) остаточной дисперсии.

 

57. Проверка гипотезы о значимости уравнения парной линейной регрессии осуществляется на основе

1) парного линейного коэффициента корреляции;

2) критерия Фишера-Снедекора;

3) критерия Стьюдента;

4) коэффициента детерминации;

5) остаточной дисперсии.

 

58. Мерой отклонения зависимой переменной от значений, предсказываемых уравнением регрессии, является

1) парный линейный коэффициент корреляции;

2) критерий Фишера-Снедекора;

3) критерий Стьюдента;

4) коэффициент детерминации;

Остаточная дисперсия.

 

59. Параметр в модели парной линейной регрессии - это

1) среднее значение независимой переменной , при условии, что зависимая переменная равна нулю;

2) среднее значение зависимой переменной , при условии, что независимая переменная равна нулю;

3) коэффициент в модели парной линейной регрессии;

4) парный линейный коэффициент корреляции;

5) остаточная дисперсия.

 

60. Параметр в модели парной линейной регрессии - это

1) среднее значение независимой переменной , при условии, что зависимая переменная равна нулю;

2) среднее значение зависимой переменной , при условии, что независимая переменная равна нулю;

3) коэффициент в модели парной линейной регрессии;

4) парный линейный коэффициент корреляции;

5) остаточная дисперсия.

 

61. Достоинством метода наименьших квадратов является

1) чувствительность оценок к резким выбросам, встречающимся в исходных данных;

2) нечувствительность оценок к резким выбросам;

3) сведение всех вычислительных процедур к простому вычислению неизвестных коэффициентов;

4) возможность соответствия различным значениям оцениваемых коэффициентов , одинаковых сумм модулей отклонений