а) между переменными отсутствует всякая зависимость;
б) между переменными имеется нелинейная зависимость;
в) между переменными имеется прямая линейная зависимость;
г) между переменными имеется обратная линейная зависимость.
Коэффициент корреляции двух переменных X и Y равен 0,8. Чему будет равен коэффициент корреляции, если все значения обеих переменных умножить на -10.
а) -0,8;
б) 0,8;
в) -8;
г) 8.
Как изменится ковариация двух переменных X и Y, если все значения обеих переменных вырастут в n раз?
а) не изменится;
б) вырастет в n раз;
в) вырастет в n2 раз;
г) предсказать изменение ковариации невозможно.
Как изменится коэффициент детерминации в случае парной линейной регрессии, если у всех значений зависимой переменной поменять знаки
а) будет равен 0;
б) изменит знак на противоположный;
в) не изменится;
г) предсказать изменение невозможно.
Как изменятся стандартные ошибки коэффициентов линейной регрессии, если значения случайного члена во всех наблюдениях вырастут в n раз (при постоянстве остальных величин)?
|
|
а) не изменятся;
б) вырастут в n раз;
в) вырастут в n2 раз;
г) уменьшатся в n раз.
80. Статистика Дарбина-Уотсона DW =2, тогда
а) автокорреляция остатков отсутствует;
б) имеется положительная автокорреляция остатков;
в) имеется отрицательная автокорреляция остатков;
г) определенного вывода о корреляции остатков сделать нельзя.
Если объясняющие переменные сильно коррелируют между собой, то имеется
а) гетероскедастичность;
б) гомоскедастичность;
в) мультиколлинеарность;
г) автокорреляция.
82. Лаговые значения эндогенных переменных называются:
а) предопределенными переменными;
б) фиктивными переменными;
в) инструментальными переменными;
б) замещающими переменными.
83. Долю дисперсии, объясняемую уравнением регрессии, в общей дисперсии зависимой переменной характеризует:
а) коэффициент детерминации;
б) коэффициент корреляции;
в) коэффициент эластичности;
г) коэффициент корреляции рангов.
Коэффициент корреляции двух переменных близок к -1. Это означает, что изменение одной из переменных является причиной изменения другой переменной.
а) да;
б) нет;
в) определенного вывода сделать нельзя.
85. Величина, показывающая на сколько процентов изменится зависимая переменная, если объясняющая переменная вырастет на один процент называется коэффициентом:
а) регрессии;
б) детерминации;
в) корреляции;
г) эластичности.
Коэффициент корреляции между зависимой и объясняющей переменной в случае парной линейной регрессии равен 0,9. Какой процент вариации зависимой переменной в случае парной линейной регрессии объясняется вариацией объясняющей переменно?
|
|
а) 0,9%;
б) 9%;
в) 81%;
г) 90%.
87. Для анализа значимости оценок коэффициентов линейной регрессии применяется:
а) F -статистика;
б) t -статистика;
в) DW -статистика;
г) h -статистика.
88. Если дисперсия оценки имеет наименьшее значение по сравнению с дисперсией любой другой альтернативной оценки, то оценка называется:
а) эффективной;
б) несмещенной;
в) асимптотически эффективной;
г) состоятельной.
89. Какое уравнение в случае парной линейной регрессии лучше соответствует имеющимся выборочным данным теоретическое y = b0 +b1 x+e или эмпирическое y = b0 +b1 x+e?
а) теоретическое;
б) эмпирическое;
в) оба уравнения одинаково хороши;
г) определенного вывода сделать нельзя.