wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Економетрія

Total questions: 97

Worksheet time: 1hrs 13mins

Name
Class
Date
1.

До якого класу економіко-математичних моделей відносять класичні кореляційно-регресійні моделі?

a)

оптимізаційних;

b)

функціональних;

c)

структурних;

d)

цілочисельних.

2.

В економетрії незалежні ознаки називають:

a)

стохастичними змінними;

b)

екзогенними змінними;

c)

ендогенними змінними;

d)

невідомими параметрами.

3.

Залежність між двома змінними, при якій зміна однієї з них викликає зміну середнього значення другої, називають:

a)

кореляційною залежністю;

b)

ймовірнісною залежністю;

c)

функціональною залежністю;

d)

регресійною залежністю.

4.

Залежність між двома змінними, при якій кожному значенню однієї з них відповідає єдине значення іншої, називають:

a)

кореляційною залежністю;

b)

ймовірнісною залежністю;

c)

функціональною залежністю;

d)

регресійною залежністю.

5.

Залежність між двома змінними, при якій зміна однієї з них викликає зміну розподілу другої, називають:

a)

кореляційною залежністю;

b)

ймовірнісною залежністю;

c)

функціональною залежністю;

d)

стохастичною залежністю.

6.

Кореляційна залежність між двома змінними величинами - це залежність, при якій:

a)

зміна значення однієї з них викликає зміну умовного середнього значення іншої;

b)

кожному значенню однієї з них відповідає єдине значення іншої;

c)

зміна значення однієї з них викликає зміну розподілу іншої;

d)

зміна значення однієї з них викликає обов'язкове зростання значення іншої.

7.

Функціональна залежніст

4 lines
8.

Функціональна залежність - це залежність, при якій:

a)

зміна значення однієї з них викликає зміну умовного середнього значення іншої

b)

кожному значенню однієї з них відповідає єдине значення іншої

c)

зміна значення однієї з них викликає зміну розподілу іншої

d)

зміна значення однієї з них викликає обов'язкове зростання значення іншої

9.

Стохастична залежність - це залежність, при якій:

a)

зміна значення однієї з них викликає обов'язкове зменшення значення іншої

b)

кожному значенню однієї з них відповідає єдине значення іншої

c)

зміна значення однієї з них викликає зміну розподілу іншої

d)

зміна значення однієї з них викликає обов'язкове зростання значення іншої

10.

Кореляційна залежність між двома змінними - це залежність, при якій зміна однієї з них викликає зміну … другої.

a)

дисперсії

b)

середнього значення

c)

моди

d)

медіани

11.

Кореляційно-регресійний аналіз не розв'язує наступну задачу:

a)

побудова кореляційно-регресійної моделі

b)

оцінка тісноти зв'язку

c)

оцінка параметрів моделі

d)

якісна характеристика економічних систем

12.

Що таке емпірична лінія регресії?

a)

графік аналітичного групування

b)

графік функції регресії

c)

графік функції розподілу залежної змінної

d)

пряма лінія регресії

13.

Обсяг вибірки n вважають великим, якщо:

4 lines
14.

Обсяг вибірки n вважають великим, якщо:

a)

n ≥ 15

b)

n ≥ 30

c)

n ≥ 20

d)

n ≥ 25

15.

Ймовірнісний коефіцієнт для побудови довірчих інтервалів знаходять за таблицями нормального розподілу, якщо:

a)

n ≥ 15

b)

n ≥ 20

c)

n ≥ 30

d)

n ≥ 25

16.

Ймовірнісний коефіцієнт для побудови довірчих інтервалів знаходять за таблицями розподілу Стьюдента, якщо:

a)

n > 100

b)

n ≤ 40

c)

n ≥ 50

d)

n < 30

17.

Обсяг вибірки n вважають малим, якщо:

a)

n > 100

b)

n ≤ 40

c)

n < 30

d)

n ≥ 50

18.

Область існування кореляційно-регресійної моделі обмежується:

a)

найбільшим і найменшим значенням результуючої змінної

b)

найбільшим і найменшим значенням факторної ознаки

c)

відхиленнями фактичних значень результуючої змінної від відповідних теоретичних

d)

всією числовою віссю

19.

Областю існування кореляційно-регресійної моделі називають:

a)

інтервал [хmin; ymax]

b)

інтервал [ymin; xmax]

c)

інтервал [хmin; xmax]

d)

інтервал [ymin; y max]

20.

Що є числовою характеристикою випадкової змінної?

a)

функція розподілу

b)

функція густини розподілу

c)

математичне сподівання

d)

кумулята

21.

Що є числовою характеристикою випадкової змінної?

a)

дисперсія

b)

функція густини розподілу

c)

функція розподілу

d)

кумулята

22.

Що є числовою характеристикою випадкової змінної?

a)

дисперсія

b)

функція густини розподілу

c)

функція розподілу

d)

кумулята

23.

Що є числовою характеристикою випадкової змінної?

a)

функція розподілу

b)

функція густини розподілу

c)

середнє квадратичне відхилення

d)

кумулята

24.

Яка числова характеристика випадкової змінної характеризує її розсіювання?

a)

математичне сподівання

b)

дисперсія

c)

мода

d)

медіана

25.

Чому дорівнює математичне сподівання суми відхилень елементів вибірки від її середнього?

a)

медіані

b)

моді

c)

дисперсії

d)

нулю

26.

Що є функціональною характеристикою випадкової змінної?

a)

функція розподілу

b)

математичне сподівання

c)

середнє квадратичне відхилення

d)

кореляція

27.

Що є функціональною характеристикою випадкової змінної?

a)

кореляція

b)

математичне сподівання

c)

середнє квадратичне відхилення

d)

функція густини розподілу

28.

Оцінити ступінь узгодженості зміни деякої згрупованої ознаки із груповою середньої іншої ознаки дозволяє:

a)

вільний член рівняння регресії

b)

коефіцієнт Дарбіна-Уотсона

c)

довірчі інтервали параметрів моделі

d)

аналітичне групування

29.

Аналітичне групування - це:

4 lines
30.

Статистичну таблицю, в якій вказані інтервали значень факторної ознаки, згідно з якими згруповані одиниці сукупності, а також наведено групові середні значення результуючої змінної, називають:

a)

статистичним доведенням

b)

парною лінійною кореляційно-регресійною моделлю

c)

аналітичним групуванням

d)

рівнянням регресії

31.

Розмахом вибіркової сукупності називають величину:

a)

R=ymin - ymax

b)

R=хmin - xmax

c)

R=ymax - ymin

d)

R=хmax - xmin

32.

Довжину кожного інтервалу h при побудові аналітичного групування обчислюють за формулою:

a)

h=(ymax - ymin)/k

b)

h=(хmin - xmax)/k

c)

h=(хmax - xmin)/k

d)

h=(ymin - ymax)/k

33.

Рівнянням регресії у на x називають:

a)

yx = f (x)

b)

yx = f (y)

c)

y = f (xi )

d)

yx = f (x)

34.

Рівнянням регресії у на x називають:

a)

yx = f (x);

b)

yx = f (y);

c)

y = f (xi );

d)

yx = f (x) (correct answer).

35.

Для побудови кореляційно-регресійної моделі використовують:

a)

метод декомпозиції;

b)

метод штрафних функцій;

c)

метод найменших квадратів(correct answer);

d)

метод половинного поділу.

36.

Для чого в економетрії використовують метод найменших квадратів?

a)

для перевірки адекватності економетричної моделі;

b)

для оцінки невідомих параметрів моделей(correct answer);

c)

для оцінки тісноти зв'язку між змінними;

d)

для перевірки моделі на наявність автокореляції.

37.

Які значення може приймати випадкове відхилення парної лінійної кореляційно-регресійної моделі?

a)

невід'ємні;

b)

з проміжку [-1;1];

c)

будь-які(correct answer);

d)

з проміжку [0;4].

38.

Які значення може приймати коефіцієнт регресії?

a)

невід'ємні;

b)

з проміжку [-1;1];

c)

будь-які(correct answer);

d)

з проміжку [0;1].

39.

Які значення може приймати вільний член кореляційно-регресійної моделі?

a)

будь-які(correct answer);

b)

з проміжку [-1;1];

c)

невід'ємні;

d)

з проміжку [0;1].

40.

Приріст результуючої змінної при збільшенні факторної ознаки на одиницю характеризує:

a)

середнє значення факторної ознаки;

b)

коефіцієнт кореляції;

c)

відношення детермінації ;

d)

коефіцієнт регресії(correct answer).

41.

Коефіцієнт регресії b1 кореляційно-регресійної моделі показує:

a)

приріст результуючої змінної при збільшенні факторної ознаки на одиницю(correct answer);

b)

приріст факторної ознаки при збільшенні

42.

Коефіцієнт регресії b1 кореляційно-регресійної моделі показує:

a)

приріст результуючої змінної при збільшенні факторної ознаки на одиницю

b)

приріст факторної ознаки при збільшенні результуючої змінної на одиницю

c)

середнє значення факторної ознаки при нульовому значенні результуючої змінної

d)

середнє значення результуючої змінної при нульовому значенні факторної ознаки

43.

Якщо параметр b1 відмінний від нуля, то:

a)

між факторною ознакою та результуючою змінною не існує кореляційної залежності

b)

між факторною ознакою та результуючою змінною існує функціональна залежність

c)

між факторною ознакою та результуючою змінною існує кореляційна залежність

d)

факторна ознака та результуюча змінна є незалежними

44.

Якщо параметр b1 дорівнює нулю, то:

a)

між факторною ознакою та результуючою змінною існує кореляційна залежність

b)

між факторною ознакою та результуючою змінною існує функціональна залежність

c)

між факторною ознакою та результуючою змінною існує стохастична залежність

d)

факторна ознака та результуюча змінна є незалежними

45.

Якщо між факторною ознакою та результуючою змінною існує кореляційна залежність, то:

a)

коефіцієнт регресії не дорівнює нулю

b)

коефіцієнт регресії дорівнює нулю

c)

коефіцієнт кореляції дорівнює нулю

d)

усі випадкові відхилення додатні

46.

Якщо факторна ознака та результуюча змінна є незалежними, то:

a)

коефіцієнт регресії не дорівнює нулю

b)

коефіцієнт регресії дорівнює нулю

47.

Якщо факторна ознака та результуюча змінна є незалежними, то:

a)

коефіцієнт регресії не дорівнює нулю;

b)

коефіцієнт регресії дорівнює нулю(correct answer);

c)

коефіцієнт кореляції не дорівнює нулю;

d)

усі випадкові відхилення додатні.

48.

Абсолютне значення коефіцієнта регресії показує:

a)

середнє значення факторної ознаки при нульовому значенні результуючої змінної;

b)

приріст факторної ознаки при збільшенні результуючої змінної на одиницю;

c)

приріст результуючої змінної при збільшенні факторної ознаки на одиницю(correct answer);

d)

середнє значення результуючої змінної при нульовому значенні факторної ознаки.

49.

Приріст результуючої змінної на одиницю приросту факторної ознаки показує:

a)

абсолютне значення коефіцієнта регресії(correct answer);

b)

абсолютне значення вільного члена моделі;

c)

абсолютне значення коефіцієнта кореляції;

d)

стандартна помилка моделі.

50.

Якщо параметр b1 додатний, то:

a)

при збільшенні результуючої змінної середнє значення факторної ознаки зменшується;

b)

при збільшенні факторної ознаки середнє значення результуючої змінної зменшується;

c)

при збільшенні факторної ознаки середнє значення результуючої змінної збільшується(correct answer);

d)

при збільшенні результуючої змінної середнє значення факторної ознаки збільшується.

51.

Якщо параметр b1 від'ємний, то:

a)

при збільшенні факторної ознаки середнє значення результуючої змінної збільшується;

b)

при збільшенні факторної ознаки середнє значення результуючої змінної зменшується(correct answer);

c)

при збільшенні результуючої змінної середнє

52.

Що характеризує вільний член парної лінійної кореляційно-регресійної моделі?

a)

середнє значення результуючої змінної при нульовому значенні факторної ознаки

b)

наявність зв'язку між змінними

c)

розсіювання результуючої змінної

d)

середнє значення факторної ознаки

53.

Середнє значення результуючої змінної при нульовому значенні факторної ознаки характеризує:

a)

коефіцієнт регресії

b)

вільний член моделі

c)

коефіцієнт кореляції

d)

стандартна похибка моделі

54.

Вільний член b0 кореляційно-регресійної моделі показує:

a)

приріст результуючої змінної при збільшенні факторної ознаки на одиницю

b)

приріст факторної ознаки при збільшенні результуючої змінної на одиницю

c)

середнє значення факторної ознаки при нульовому значенні результуючої змінної

d)

середнє значення результуючої змінної при нульовому значенні факторної ознаки

55.

У випадку дослідження зв'язку між заробітною платою і досвідом роботи за допомогою парної кореляційно-регресійного аналізу

a)

незалежною змінною має бути зарплата

b)

незалежною змінною має бути досвід роботи

c)

залежною змінною має бути досвід роботи

d)

обидва показники можуть бути незалежними

56.

незалежною змінною має бути зарплата;

a)

незалежною змінною має бути зарплата;

b)

незалежною змінною має бути досвід роботи

c)

залежною змінною має бути досвід роботи;

d)

обидва показники можуть бути незалежними змінними.

57.

У випадку дослідження виробничої діяльності підприємства за допомогою парної кореляційнорегресійної моделі

a)

незалежною змінною має бути кількість працівників, а результуючою змінною

b)

незалежною змінною має бути дохід підприємства, а результуючою змінною - кількість працівників;

c)

дохід підприємства і кількість працівників одночасно можуть бути незалежними змінними;

d)

дохід підприємства і кількість працівників одночасно можуть бути результуючими змінними;

58.

Випадкові відхилення характеризують:

a)

приріст результуючої змінної при збільшенні факторної ознаки на одиницю;

b)

ефективність використання результуючої змінної;

c)

ефективність використання факторної ознаки

d)

середнє значення результуючої змінної при нульовому значенні факторної ознаки.

59.

Ефективність використання факторної ознаки характеризує:

a)

коефіцієнт кореляції;

b)

коефіцієнт регресії;

c)

вільний член моделі;

d)

випадкові відхилення

60.

Коефіцієнт регресії:

a)

безвимірний;

b)

має одиниці виміру факторної ознаки;

c)

має одиниці виміру результуючої змінної, поділені на одиниці виміру факторної ознаки

d)

має одиниці виміру результуючої змінної.

61.

Вільний член моделі:

a)

безвимірний;

b)

має одиниці виміру факторної ознаки;

c)

має одиниці виміру результуючої змінної, поділ

62.

Вільний член моделі:

a)

безвимірний

b)

має одиниці виміру факторної ознаки

c)

має одиниці виміру результуючої змінної, поділені на одиниці виміру факторної ознаки

d)

має одиниці виміру результуючої змінної

63.

Ідея методу найменших квадратів полягає в:

a)

мінімізації Q(b0,b1)=ån (yi - ~yi )2

b)

максимізації Q(b0,b1)=å(yi - ~yi )2

c)

мінімізації Q(b0,b1)=å(yi -yi )2

d)

мінімізації Q(b0,b1)=å(yi -yi )2

64.

Коефіцієнт кореляції обчислюють за формулою:

a)

covxy

b)

r = y-b1x

c)

syx2

d)

r = Sy2 ; cov

e)

r = xy . SxSy

65.

Коефіцієнт регресії обчислюють за формулою:

a)

b1 = y-b1x

b)

b1 = yx2 ; Sy

c)

b1 = covxy

d)

b1 = . SxSy

66.

Вільний член ПЛКРМ обчислюють за формулою:

a)

b0 = Sy2 ;

b)

b0 = y-b1x

c)

b0 = covxy

d)

b0 = . SxSy

67.

Випадкові відхилення обчислюють за формулою:

a)

ei = yi / ~yi , i =1,n;

b)

ei = ~yi - yi , i =1,n;

c)

ei = yi - ~yi, i =1,n;

d)

ei = y - ~yi , i =1,n.

68.

Коефіцієнт регресії обчислюють за формулою:

a)

b1 = y-b1x;

b)

b1 = n æi=1 2 i=1 n i=1 æ n ö2 ;

c)

b1 = i=1ån2 -æçi=å1n xii=ö÷12; n x

d)

b1 = i=1 åin=1 2 -æçi=å1n xii=ö÷12.

69.

Основні припущення класичного кореляційно-регресійного аналізу вимагають, щоб значення математичного сподівання випадкової величини було:

a)

нульовим

b)

стале

c)

змінне

d)

з проміжку [-1;1]

70.

Основні припущення класичного кореляційно-регресійного аналізу вимагають, щоб значення коваріації між факторною ознакою та випадковою величиною було:

a)

змінне

b)

стале

c)

нульовим

d)

з проміжку [-1;1]

71.

Основні припущення класичного кореляційно-регресійного аналізу вимагають, щоб значення дисперсії випадкової величини було:

a)

нульовим

b)

стале

c)

змінне

d)

з проміжку [-1;1]

72.

Основні припущення класичного кореляційно-регресійного аналізу вимагають, щоб розподіл випадкової величини був:

a)

рівномірним

b)

розподілом Пуассона

c)

будь-яким

d)

нормальним

73.

Одним з припущень класичного кореляційно-регресійного аналізу є:

a)

наявність гетероскедастичності

b)

математичне сподівання випадкової величини дорівнює нулю

c)

математичне сподівання випадкової величини не дорівнює нулю

d)

наявність мультиколінеарності

74.

Одним з припущень класичного кореляційно-регресійного аналізу є:

a)

наявність гомоскедастичності

b)

математичне сподівання результуючої змінної дорівнює нулю

c)

математичне сподівання випадкової величини не дорівнює нулю

75.

кореляційно-регресійного аналізу є:

a)

наявність гомоскедастичності

b)

математичне сподівання результуючої змінної дорівнює нулю

c)

математичне сподівання випадкової величини не дорівнює нулю

d)

наявність мультиколінеарності

76.

Одним з припущень класичного кореляційно-регресійного аналізу є:

a)

математичне сподівання випадкової величини не дорівнює нулю

b)

математичне сподівання результуючої змінної дорівнює нулю

c)

відсутність гетероскедастичності

d)

наявність мультиколінеарності

77.

Одним з припущень класичного кореляційно-регресійного аналізу є:

a)

наявність гетероскедастичності

b)

математичне сподівання результуючої змінної дорівнює нулю

c)

математичне сподівання випадкової величини не дорівнює нулю

d)

відсутність мультиколінеарності

78.

Одним з припущень класичного кореляційно-регресійного аналізу є:

a)

наявність гетероскедастичності

b)

відсутність автокореляції

c)

математичне сподівання випадкової величини не дорівнює нулю

d)

математичне сподівання результуючої змінної дорівнює нулю

79.

Серед основних припущень кореляційно-регресійного аналізу зайвим є:

a)

математичне сподівання випадкової величини дорівнює нулю

b)

відсутність автокореляції між випадковими величинами

c)

гомоскедастичність випадкових величин

d)

існує залежність між значеннями випадкової величини і незалежної змінної

80.

Серед основних припущень кореляційно-регресійного аналізу зайвим є:

a)

математичне сподівання випадкової величини дорівнює нулю

b)

існує автокореляція між випадковими величинами

c)

гомоскедастичність випадкових величин

d)

відсутність мультиколінеарності

81.

Серед основних припущень кореляційно-регресійного аналізу зайвим є:

a)

математичне сподівання випадкової величини дорівнює нулю

b)

відсутність мультиколінеарності

c)

незалежність випадкової величини і факторної ознаки

d)

існує гетероскедастичність випадкових величин

82.

Припущення кореляційно-регресійного аналізу про відсутність автокореляції між випадковими величинами можна записати так:

a)

cov(ei ,ej ) = 0

b)

E(ei /xi) = 0

c)

cov(ei , xi ) = 0, i =1,n

d)

D(ei / xi ) =s2, i =1,n

83.

Припущення кореляційно-регресійного аналізу про незалежність між значеннями випадкової величини і факторної ознаки можна записати так:

a)

cov(ei ,ej ) = 0

b)

E(ei /xi) = 0

c)

cov(ei , xi ) = 0, i =1,n

d)

D(ei / xi ) =s2, i =1,n

84.

Припущення кореляційно-регресійного аналізу про постійність дисперсії випадкової величини можна записати так:

a)

D(yi / xi ) =si2, i =1,n

b)

E(ei /xi) = 0

c)

cov(ei , xi ) = 0, i =1,n

d)

D(ei / xi ) =s2, i =1,n

85.

Що розуміють під специфікацією моделі?

a)

вибір форми залежності між результуючою змінною і факторною ознакою та врахування всіх значущих факторних ознак

b)

існування лінійної зал

86.

Що розуміють під специфікацією моделі?

a)

вибір форми залежності між результуючою змінною і факторною ознакою та врахування всіх значущих факторних ознак

b)

існування лінійної залежності між факторною ознакою та результуючою змінною

c)

визначення тісноти зв'язку між змінними

d)

визначення стандартної похибки моделі

87.

Якщо параметри парної лінійної кореляційно-регресійної моделі оцінені методом найменших квадратів при виконанні усіх припущень, то вони мають розподіл:

a)

рівномірний або близький до нього

b)

нормальний

c)

будь-який

d)

Пуассона

88.

Оцінку а називають незміщеною оцінкою параметра α, якщо:

a)

Е(а) = α

b)

D(a)= inf D(a)

c)

a:E(a)=a

d)

limP(an -a 0; n®¥ n å(ai -a)2 величина i=1 =E((a-a)2) є найменшою.

89.

Незміщену оцінку а параметра α називають ефективною, якщо:

a)

1) Е(а) = α;

b)

2) D(a)= inf D(a );

c)

a:E(a)=a

d)

limP(an -a 0; n®¥ n å(ai -a)2 величина i=1 =E((a-a)2) є найменшою.

90.

Оцінку а параметра α називають ефективною, якщо:

a)

функція f(х1, х2, …, хn) використовує всю вибіркову інформацію;

b)

limP(an -a 0;

c)

n®¥ n å(ai -a)2 величина i=1 =E((a-a)2) є найменшою;

d)

Е(а) = α та D(a)= inf D(a). a:E(a)=a

91.

Оцінку аn параметра α називають спроможною (консистентною), якщо:

a)

Е(а) = α;

b)

D(a)= inf D(a);

c)

a:E(a)=a

d)

limP(an -a 0; n®¥ n å(ai -a)2 величина i=1 =E((a-a)2) є найменшою.

92.

α називають спроможною (консистентною), якщо: Е(а) = α; D(a)= inf D(a); a:E(a)=a 3) limP(an -a 0; n®¥ n å(ai -a)2 величина i=1 =E((a-a)2) є найменшою.

4 lines
93.

Оцінку а параметра α називають оцінкою із найменшою середньою квадратичною помилкою (MSEоцінкою), якщо: Е(а) = α; D(a)= inf D(a); a:E(a)=a limP(an -a 0; n®¥ ån (ai -a)2 величина i=1=E((a-a)2) є найменшою.

4 lines
94.

Оцінку а параметра α називають достатньою, якщо: limP(an -a 0; n®¥ n å(ai -a)2 величина i=1 =E((a-a)2) є найменшою; функція f(х1, х2, …, хn) використовує всю вибіркову інформацію; оцінка ефективна, а функція f(х1, х2, …, хn) є лінійною функцією.

4 lines
95.

Оцінку а параметра α називають найкращою лінійною оцінкою (BLUE-оцінкою), якщо: Е(а) = α; D(a)= inf D(a); a:E(a)=a функція f(х1, х2, …, хn) використовує всю вибіркову інформацію; оцінка ефективна, а f(х1, х2, …, хn) є лінійною функцією.

4 lines
96.

Якщо Е(а) = α, то оцінку а параметра α називають: незміщеною; достатньою; зміщеною; ефективною.

a)

незміщеною

b)

достатньою

c)

зміщеною

d)

ефективною

97.

Якщо Е(а) = α та D(a)= inf D(a), то оцінку а параметра α називають: a:E(a)=a незміщеною; достатньою ; зміщеною; 4) ефективною.

a)

незміщеною

b)

достатньою

c)

зміщеною

d)

ефективною