S: Эконометрика – это …

+: наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов
-: раздел экономической теории, связанный с анализом статистической информации
-: специальный раздел математики, посвященный анализу экономической информации
-: наука, которая осуществляет качественный анализ взаимосвязей экономических явлений и процессов

I:
S: Термин эконометрика был введен:

+: Фришем
-: Марковым
-: Тинбергеном
-: Фишером

I:
S: Значения экономических параметров, характеризующих различные экономические объекты в данный или один и тот же момент времени принято называть:

+: пространственными данными
-: временными данными или рядами

I:
S: Значения экономических параметров, характеризующих один и тот же экономический объект в различные моменты времени принято называть:

-: пространственными данными
+: временными данными или рядами

I:
S: Внешние по отношению к рассматриваемой экономической модели переменные называются:

-: эндогенные
+: экзогенные
-: лаговые
-: интерактивные

I:
S: Переменные, значения которых формируются внутри самой модели и являются объясняемыми, называются:

+: эндогенными
-: экзогенными
-: лаговыми
-: предопределенными

I:
S: Переменные, значения которых датированы предыдущими моментами времени, называются:

-: эндогенными
-: экзогенными
+: лаговыми
-: предопределенными

I:
S: Переменные, значения которых известны к моменту моделирования, называются:

-: эндогенными
-: экзогенными
-: лаговыми
+: предопределенными

I:
S: К классу предопределенных переменных не относят:

-: лаговые эндогенные
-: лаговые экзогенные
+: текущие эндогенные
-: текущие экзогенные

I:
S: Выберите правильную последовательность.
Этапы построения эконометрической модели:
1) оценка параметров модели (параметризация)
2) спецификация модели (выбор формы модели)
3) проверка адекватности модели
4) сбор статистической информации об объекте исследования

+: 2,4,1,3
-: 1,2,3,4
-: 2,4,3,1
-: 3,2,4,1

I:
S: Под верификацией модели понимается:

-: спецификация модели (выбор формы модели)
-: оценка параметров модели (параметризация)
-: сбор статистической информации об объекте исследования
+: проверка адекватности модели

I:
S: Под параметризацией (настройкой) модели понимается:

-: спецификация модели
+: оценка параметров модели
-: сбор статистической информации об объекте исследования
-: проверка адекватности модели

I:
S: Выбор списка переменных модели и типа взаимосвязи между ними выполняется на этапе:

+: спецификации
-: оценки параметров
-: сбора статистической информации об объекте исследования
-: проверка адекватности

I:
S: Статистический анализ модели (статистическое оценивание её параметров) относится к этапу:

-: априорному
-: информационному
+: идентификации
-: верификации

I:
S: Метод наименьших квадратов может применяться в случае

-: только парной регрессии
-: только множественной регрессии
+: нелинейной и линейной множественной регрессии
-: коллинеарной регрессии

I:
S: Метод наименьших квадратов используется для оценивания

+: параметров линейной регрессии
-: величины коэффициента корреляции
-: величины коэффициента детерминации
-: средней ошибки аппроксимации

I:
S: Параметры модели линейной парной регрессии y=a+bx могут быть найдены

-: методом скользящей средней
+: методом наименьших квадратов
-: методом аналитического выравнивания

I:
S: Модель линейной парной регрессии имеет вид y=-5.79+36.84x, коэффициент регрессии в такой модели равен:

-: -5.79
+: 36.84
-: 0.6

I:
S: Модель линейной парной регрессии имеет вид y=1.9+0.65x, коэффициент регрессии в такой модели равен:

-: 1.9
+: 0.65
-: 0.55

I:
S: Модель линейной парной регрессии имеет вид y=3.4+2.986x, коэффициент регрессии в такой модели равен:

-: 3.4
+: 2.986
-: 0.986

I:
S: Величина коэффициента регрессии показывает …

+: среднее изменение результата при изменении фактора на одну единицу
-: характер связи между фактором и результатом
-: тесноту связи между фактором и результатом
-: тесноту связи между исследуемыми факторами

I:
S: В зависимости от типа взаимосвязи между эндогенной переменной и экзогенной регрессионные модели подразделяются на:

+: линейные и нелинейные
-: парные и множественные

I:
S: В зависимости от количества экзогенных переменных в модели их подразделяются на:

-: линейные и нелинейные
+: парные и множественные
-: статические и динамические
-: стационарные и нестационарные

I:
S: Выбрать правильный ответ.
Независимые переменные в регрессионных моделях называются:
-: откликами
-: возмущениями
+: регрессорами
-: остатком

I:
S: Оценка случайного возмущения называется:
+: остатком
-: откликом
-: регрессором

I:
S: Выбрать правильный ответ.
Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, может иметь вид:

+: Y=a+bX
-: Y=a+bX2
-: Y=a+b1X1+b2X2

I:
S: Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, не может иметь вид:

-:Y=a+bX
+: Y=a+bX2
-: Y= bX

I:
S: Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, может иметь вид:

-: Y=a+bX2
+: Y=a+bX
-: Y=a+b1X1+b2X2
-: Y=a+ b/X

I:
S: Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, не может иметь вид:
+: Y=a+bX2
-: Y=a+bX
-: Y= bX

I:
S: Какое из уравнений соответствует уравнению модели линейной парной регрессии?

+: y=a+bx
-: y=a+b1x1+b2x2+
-: y=a+b/x+
-: y=a+b1x+b2x2+

I:
S: Примером линейной зависимости экономических показателей является

-: классическая гиперболическая зависимость спроса от цены
+: зависимость зарплаты рабочего от его выработки при сдельной оплате труда
-: зависимость объема продаж от недели реализации

I:
S: Примером линейной зависимости экономических показателей является

+: зависимость стоимости квартиры от ее площади
-: зависимость зарплаты рабочего от номера месяца в течение года
-:зависимость объема продаж от недели реализации

V2: Модель линейной множественной регрессии

I:
S: Уравнение линейной множественной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, может иметь вид:

-: Y=a+bX
-: Y=a+bX2
+: Y=a+b1X1+b2X2
-: Y= bX

I:
S: Уравнение линейной множественной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, не может иметь вид:
+: Y=a+b1X12+b2X23
-: Y=a+b1X1+b2X2
-: Y=a+b1X1+b2X2+b3X3

I:
S: Какое из уравнений соответствует модели линейной множественной регрессии?

-: y=a+bx
+: y=a+b1x1+b2x2+
-: y=a+b1x+b2x2+

I:
S: Какие из уравнений не соответствуют модели линейной множественной регрессии?

-: y= a+b1x1+b2x2+b3x3+
-: y=a+b1x1+b2x2+
+: y=a+b1x+b2x2+

I:
S: Нелинейным является уравнение регрессии нелинейное относительно входящих в него

+: переменных(факторов)
-: результатов
-: параметров
-: случайных величин

I:
S: Примером нелинейной зависимости экономических показателей является

+: классическая гиперболическая зависимость спроса от цены
-: линейная зависимость выручки от величины оборотных средств
-: зависимость объема продаж от недели реализации
-: линейная зависимость затрат на производство от объема выпуска продукции

I:
S: Линеаризация нелинейной модели регрессии может быть достигнута:

-: отбрасыванием нелинейных переменных
-: перекрестной суперпозицией переменных
+: преобразованием анализируемых переменных
-: сглаживанием переменных

I:
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+bx3:
-: путем дифференцирования
-: путем логарифмирования
+: путем замены переменных
-: путем потенцирования

I:
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+blnx:

-: путем дифференцирования
-: путем логарифмирования
+: путем замены переменных
-: путем потенцирования

I:
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+b/x:

-: путем дифференцирования
-: путем логарифмирования
+: путем замены переменных
-: путем потенцирования

I:
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аbx
-: путем дифференцирования
+: путем логарифмирования
-: путем замены переменных
-: путем потенцирования

I:
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y= аxb:

-: путем дифференцирования
+: путем логарифмирования
-: путем замены переменных
-: путем потенцирования

I:
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аebx:

-: путем дифференцирования
+: путем логарифмирования
-: путем замены переменных
-: путем потенцирования

I:
S: К линейному уравнению нельзя привести следующий вид модели

+: y=a+bxC
-: y=a+b1x1+b2x2+
-: y=a+b/x+
-: y=a+b1x+b2x2+

I:
S: Теснота статистической связи между переменной у и объясняющими переменными Х измеряется:
-: t-критерием Стьюдента
-: коэффициентом детерминации
+: коэффициентом корреляции
-: F-критерием Фишера

I:
S: Коэффициент парной линейной корреляции характеризует:

+: тесноту линейной связи между двумя переменными
-: тесноту нелинейной связи между двумя переменными
-: тесноту линейной связи между несколькими переменными
-: тесноту нелинейной связи между несколькими переменными

I:
S: Корреляция подразумевает наличие связи между

+: переменными
-: параметрами
-: случайными факторами
-: результатом и случайными факторами

I:
S: Коэффициент корреляции для модели линейной парной регрессии может быть рассчитан по формуле:
-:

-: R=(rxy)2
+:

I:
S: Линейный коэффициент корреляции rxy может принимать значения в диапазоне:

-: (-1; 1)
-: [0; 1]
+: [-1; 1]
-: [-1.1; 1]

I:
S: Линейный коэффициент корреляции rxy не может принимать значения в диапазоне:

+: (-2; 1)
-: [0; 1]
-:[-1; 1]
-: [-0.1; 1]

I:
S: Линейный коэффициент корреляяции rxy может принимать значения в диапазоне:

-: (-1; 1.1)
-: [0; 1.5]
-: [0; 2]
+: [-1; 1]

I:
S: Линейный коэффициент корреляции rxy может принимать значения в диапазоне:

-: [0; 1.5]
-: [0; 1.1]
+: [-1; 1]
-: [-0.5; 1.5]

I:
S: Линейный коэффициент корреляции rxy может принимать значения только в диапазоне:

-: [-1; 1.5]
-: [-1.1; 1]
-: [-1.1; 1]
+: [-1; 1]

I:
S: Линейный коэффициент корреляции rxy не может принимать значение равное:

-: 0.5
-: 0.99
-: -0.5
+: 1.2

I:
S: Линейный коэффициент корреляции rxy не может принимать значение равное:

-: 0.5
-: 0.99
+: 1.05
-: 1

I:
S: Линейный коэффициент корреляции rxy не может принимать значение равное:

-: 0.6
-: 0.01
+: -1.05
-: 1

I:
S: Линейный коэффициент корреляции rxy может принимать значение равное:

-: -1.1
+: 0.99
-: 1.05
-: 1.2

I:
S: Линейный коэффициент корреляции rxy может принимать значение равное:

-: -1.35
+: -0.99
-: 1.05
-: 1.001