Множественная регрессия и корреляция
108. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем:
1) сильнее мультиколлинеарность факторов;
2) слабее мультиколлинеарность факторов;
3) ненадежнее результаты множественной регрессии;
4) надежнее результаты множественной регрессии.
109. Если в уравнение множественной регрессии включено три фактора, то число наблюдений должно быть:
1) 6-10; 2) не менее 18-30; 3) не более 18-30.
110. При исследовании спроса на мясо получено следующее уравнение регрессии: , где у – спрос на мясо; х1 – цена; х2 – доход. Выберите правильный ответ:
1) рост цен на 1% при том же доходе вызывает снижение спроса в среднем на 2,6%;
2) рост цен на 1 ден.ед. при том же доходе вызывает увеличение спроса в среднем на 1,2%;
3) увеличение дохода на 1% обуславливает рост спроса на 1,2% при неизменных ценах;
4) увеличение дохода на 1 ден.ед. обуславливает снижение спроса на 0,8% при неизменных ценах.
111. В линейной множественной регрессии параметры при х называются:
1) коэффициентами корреляции;
2) стандартизованными коэффициентами регрессии;
3) коэффициентами условно чистой регрессии.
112. Коэффициенты называются:
1) коэффициентами корреляции;
2) стандартизованными коэффициентами регрессии;
3) коэффициентами условно чистой регрессии.
113. Стандартизованные коэффициенты регрессии показывают:
1) на сколько процентов изменится в среднем результат, если соответствующий фактор изменится на один процент при неизменном среднем уровне других факторов;
|
|
2) на сколько единиц изменится в среднем результат, если соответствующий фактор изменится на одну единицу при неизменном среднем уровне других факторов;
3) на сколько сигм изменится в среднем результат, если соответствующий фактор изменится на одну сигму при неизменном среднем уровне других факторов;
4) на сколько сигм изменится в среднем фактор, если результативный признак изменится на одну сигму.
114. Коэффициент определяется по формуле:
1) ; 2) ; 3) ; 4) .
115. Уравнение множественной регрессии в стандартизованной форме имеет вид:
1) ; 2) ;
3) .
116. Уравнение регрессии в стандартизованном масштабе имеет вид: . Наибольшее влияние на результат оказывает фактор:
1) ; 2) ; 3) коэффициенты сравнивать нельзя.
117. При линейной зависимости признаков формула индекса корреляции имеет вид:
1) ; 2) ; 3) .
118. Тесноту связи совместного влияния факторов на результат в модели множественной регрессии оценивает:
1) частный коэффициент корреляции;
2) индекс множественной корреляции;
3) множественный коэффициент детерминации.
|
|
119. На стадии формирования модели, в частности в процедуре отсева факторов, используют:
1) частные коэффициенты корреляции;
2) коэффициенты условно чистой регрессии;
3) стандартизованные коэффициенты регрессии.
120. Частный F-критерий Фишера оценивает:
1) статистическую значимость присутствия соответствующего фактора в уравнении множественной регрессии;
2) целесообразность включения в уравнение одного фактора после другого фактора;
3) значимость коэффициентов чистой регрессии;
4) значимость уравнения регрессии в целом.
121. Фиктивные переменные во множественной регрессии – это:
1) преобразованные в количественные качественные переменные;
2) все независимые переменные в модели;
3) лаговые переменные.
122. «Структурными переменными» называются:
1) лаговые переменные; 2) фиктивные переменные; 3) стандартизованные коэффициенты.
123. Оценки параметров регрессии должны быть:
1) фиктивными; 2) эффективными; 3) коллинеарными;
4) несмещенными; 5) состоятельными.
124. Несмещенность оценки означает, что:
1) дисперсия наименьшая;
2) увеличение точности оценок с увеличением объема выборки;
3) математическое ожидание остатков равно нулю;
|
|
4) математическое ожидание остатков стремиться к бесконечности.
125. Оценки считаются эффективными, если:
1) они характеризуются наименьшей дисперсией;
2) они характеризуются наибольшей дисперсией;
3) математическое ожидание остатков равно нулю;
4) математическое ожидание остатков стремиться к бесконечности.
126. Одной из пяти предпосылок метода наименьших квадратов является:
1) гетероскедастичность; 2) коллинеарность; 3) мультиколлинеарность;
4) гомоскедастичность; 5) автокорреляция.
127. Отличия скорректированного коэффициента детерминации от обычного:
1) содержит поправку на число степеней свободы;
2) меньше обычного коэффициента детерминации;
3) больше обычного коэффициент детерминации;
4) характеризует вариацию результативного признака.
128. В чем сущность гомоскедастичности?
1) дисперсии случайных отклонений изменяются;
2)для каждого значения фактора остатки имеют одинаковую дисперсию;
3) случайные отклонения взаимно коррелированны;
4)автокорреляция в остатках отсутствует.
129. Для оценки гетероскедастичности используется:
1) метод наименьших квадратов; 2) F-критерий Фишера;
|
|
3) t-критерий Стьюдента; 4) метод Гольдфельда – Квандта.
130. При нарушении гомоскедастичности и наличии автокорреляции используется:
1) традиционный метод наименьших квадратов;
2) обобщенный метод наименьших квадратов;
3) частный метод наименьших квадратов;
4) метод максимального правдоподобия.
131. Дана матрица парных коэффициентов корреляции:
у | х1 | х2 | х3 | |
у | 1,0 | - | - | - |
х1 | 0,6 | 1,0 | - | - |
х2 | -0,5 | 0,6 | 1,0 | - |
х3 | 0,4 | -0,3 | -0,9 | 1,0 |
Какие факторы являются коллинеарными?
1) и ; 2) и ; 3) и .
132. Дана матрица парных коэффициентов корреляции:
у | х1 | х2 | х3 | |
у | 1,0 | - | - | - |
х1 | 0,6 | 1,0 | - | - |
х2 | -0,5 | 0,8 | 1,0 | - |
х3 | 0,4 | -0,3 | -0,5 | 1,0 |
Какие факторы являются коллинеарными?
1) и ; 2) и ; 3) и .
133. Дана матрица парных коэффициентов корреляции:
у | х1 | х2 | х3 | |
у | 1,0 | - | - | - |
х1 | 0,7 | 1,0 | - | - |
х2 | -0,5 | 0,4 | 1,0 | - |
х3 | 0,4 | 0,8 | -0,1 | 1,0 |
Какие факторы являются коллинеарными?
1) и ; 2) и ; 3) и .
134. При расчете модели множественной регрессии и корреляции в Excel для вывода матрицы парных коэффициентов корреляции используется:
1) инструмент анализа данных Корреляция;
2) инструмент анализа данных Регрессия;
3) инструмент анализа данных Описательная статистика.
135. Для расчета множественного коэффициента корреляции в Excel используется:
1) инструмент анализа данных Корреляция;
2) инструмент анализа данных Регрессия;
3) инструмент анализа данных Описательная статистика.
136. Для проведения дисперсионного анализа в Excel используется:
1) инструмент анализа данных Корреляция;
2) инструмент анализа данных Регрессия;
3) инструмент анализа данных Описательная статистика.
137. Для расчета множественного коэффициента детерминации в Excel используется:
1) инструмент анализа данных Корреляция;
2) инструмент анализа данных Регрессия;
3) инструмент анализа данных Описательная статистика.
138. Для расчета коэффициентов регрессии в Excel используется:
1) инструмент анализа данных Корреляция;
2) инструмент анализа данных Регрессия;
3) инструмент анализа данных Описательная статистика.
139. Для определения F-критерия в Excel используется:
1) инструмент анализа данных Корреляция;
2) инструмент анализа данных Регрессия;
3) инструмент анализа данных Описательная статистика.
Анализ временных рядов
Дата добавления: 2018-08-06; просмотров: 235; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!