Wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

346-end

Total questions: 75

Worksheet time: 38mins

Name
Class
Date
1.

Довірчий інтервал для фактичного значення результуючої змінної геометрично інтерпретують:

a)

двома прямими, які перетинаються

b)

парою паралельних прямих

c)

двома гіперболами

d)

спряженими рівняннями регресії

2.

Довірчий інтервал для умовного середнього значення результуючої змінної геометрично інтерпретують:

a)

двома прямими, які перетинаються

b)

парою паралельних прямих

c)

двома гіперболами

d)

спряженими рівняннями регресії

3.

Довірчий інтервал для конкретного значення результуючої змінної геометрично інтерпретують:

a)

двома прямими, які перетинаються

b)

парою паралельних прямих

c)

двома гіперболами

d)

спряженими рівняннями регресії

4.

Стандартна похибка кореляційно-регресійної моделі - це:

a)

пояснена дисперсія

b)

непояснена дисперсія

c)

корінь квадратний з поясненої дисперсії

d)

корінь квадратний з непоясненої дисперсії

5.

Стандартна похибка кореляційно-регресійної моделі:

a)

має одиниці виміру факторної ознаки

b)

має одиниці виміру результуючої змінної

c)

безвимірна

d)

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

6.

Вибіркова похибка кореляційно-регресійної моделі:

a)

має одиниці виміру факторної ознаки

b)

безвимірна

c)

має одиниці виміру результуючої змінної

7.

Вибіркова похибка кореляційно-регресійної моделі:

a)

має одиниці виміру факторної ознаки;

b)

безвимірна;

c)

має одиниці виміру результуючої змінної

d)

має одиниці виміру результуючої змінної, поділену на одиниці виміру факторної ознаки.

8.

Похибка індивідуального прогнозу:

a)

має одиниці виміру факторної ознаки;

b)

має одиниці виміру результуючої змінної

c)

безвимірна;

d)

має одиниці виміру результуючої змінної, поділену на одиниці виміру факторної ознаки.

9.

Стандартна похибка індивідуального прогнозу:

a)

менша за стандартну похибку моделі;

b)

більша за стандартну похибку моделі

c)

завжди співпадає із стандартною похибкою моделі;

d)

завжди співпадає із стандартною вибірковою похибкою моделі.

10.

Стандартна вибіркова похибка моделі:

a)

може бути менша за стандартну похибку моделі;

b)

може бути більшою за стандартну похибку моделі;

c)

завжди дорівнює стандартній похибці моделі;

d)

завжди дорівнює стандартній вибірковій похибці.

11.

Для чого в економетрії використовують критерій Фішера?

a)

для перевірки адекватності економетричної моделі

b)

для оцінювання невідомих параметрів моделей

c)

для оцінювання тісноти зв'язку між змінними

d)

для перевірки моделей на наявність автокореляції

12.

Статистичні гіпотези в економетрії використовують для:

a)

оцінки невідомих параметрів моделей

b)

перевірки адекватності моделей

c)

перевірки статистичної значущості параметрів зв'язку

d)

оцінки похибок моделей

13.

Перевірку нульових гіпотез в економетрії використовують:

a)

для перевірки моделі на наявність автокореляції

b)

для визначення індивідуальних похибок

c)

для визначення статистичної значущості зв'язку

d)

для побудови довірчих інтервалів для параметрів моделі

14.

Перевірку нульової гіпотези стосовно статистичної значущості коефіцієнта кореляції здійснюють за допомогою:

a)

t-критерію Ст'юдента

b)

F-критерію Фішера

c)

X2-критерію

d)

методу Феррара-Глобера

15.

Який з наведених методів є найбільш поширеним для оцінки параметрів регресійної моделі?

a)

Метод найменших квадратів

b)

Метод максимального правдоподібності

c)

Метод моментів

d)

Метод Гауса-Ньютона

16.

Рівень значущості - це:

a)

довірча ймовірність

b)

ймовірність прийняти істинну гіпотезу

c)

ймовірність відхилення істинної гіпотези

d)

ймовірність відкинути хибну гіпотезу

17.

Похибка першого типу - це:

a)

відхилення хибної гіпотези

b)

прийняття хибної гіпотези

c)

прийняття істинної гіпотези

d)

відхилення істинної гіпотези

18.

Похибка другого типу - це:

a)

відхилення істинної гіпотези

b)

прийняття хибної гіпотези

c)

прийняття істинної гіпотези

d)

відхилення хибної гіпотези

19.

Обґрунтування або спростування гіпотези про генеральну сукупність на підставі даних вибірки називають:

a)

статистичним доведенням

b)

аналітичним групуванням

c)

ймовірнісним обґрунтуванням

d)

статистичним вимірюванням

20.

Нульова гіпотеза стосовно статистичної значущості коефіцієнта регресії формулюється таким чином:

a)

коефіцієнт кореляції генеральної сукупності не дорівнює нулю

b)

коефіцієнт регресії генеральної сукупності не дорівнює нулю

c)

коефіцієнт кореляції генеральної сукупності дорівнює нулю

d)

коефіцієнт регресії генеральної сукупності дорівнює нулю

21.

Нульова гіпотеза стосовно статистичної значущості коефіцієнта кореляції формулюється таким чином:

a)

коефіцієнт регресії генеральної сукупності дорівнює нулю;

b)

коефіцієнт регресії генеральної сукупності не дорівнює нулю;

c)

коефіцієнт кореляції генеральної сукупності дорівнює нулю;

d)

коефіцієнт кореляції генеральної сукупності не дорівнює нулю.

22.

Нульова гіпотеза у випадку експрес-діагностики парної лінійної кореляційно-регресійної моделі формулюється таким чином:

a)

коефіцієнт регресії генеральної сукупності дорівнює нулю;

b)

коефіцієнт регресії генеральної сукупності не дорівнює нулю;

c)

коефіцієнт кореляції генеральної сукупності дорівнює нулю;

d)

коефіцієнт кореляції генеральної сукупності не дорівнює нулю.

23.

F-критерій Фішера для експрес-діагностики парної лінійної кореляційно-регресійної моделі має вигляд:

a)

F = å(yi -y)² / (n-2) å(yi - ~yi)²;

b)

F = å(~yi -yi)² / (n-2);

c)

F = ån (yi - ~yi)² / (n-2) å(~yi -y)²;

d)

F = å(yi - ~yi)².

24.

При статистичному доведенні t-статистика Стьюдента для парної лінійної кореляційно-регресійної моделі має:

a)

n-2 ступені вільності;

b)

n

25.

При статистичному доведенні t-статистика Стьюдента для парної лінійної кореляційно-регресійної моделі має:

a)

n-2 ступені вільності

b)

n ступенів вільності

c)

n-1 ступені вільності

d)

k ступенів вільності

26.

При статистичному доведенні F-статистика Фішера для парної лінійної кореляційно-регресійної моделі має:

a)

k та n ступенів вільності

b)

1 та n ступенів вільності

c)

k та n-1 ступені вільності

d)

1 та n-2 ступені вільності

27.

Нульова гіпотеза у випадку експрес-діагностики парної лінійної кореляційно-регресійної моделі формулюється так:

a)

коефіцієнт регресії генеральної сукупності дорівнює нулю

b)

коефіцієнт регресії генеральної сукупності не дорівнює нулю

c)

коефіцієнт кореляції генеральної сукупності дорівнює нулю

d)

коефіцієнт кореляції генеральної сукупності не дорівнює нулю

28.

Коефіцієнт множинної кореляції може приймати значення з проміжку:

a)

[-1; 0]

b)

[-1; 1]

c)

[0; 1]

d)

[-100; 100]

29.

Сума коефіцієнтів часткової детермінації:

a)

більша за коефіцієнт множинної детермінації

b)

дорівнює коефіцієнту множинної детермінації

c)

менша за коефіцієнт множинної детермінації

d)

дорівнює коефіцієнту множинної кореляції

30.

Коефіцієнт множинної детермінації:

a)

дорівнює сумі коефіцієнтів часткової детермінації

b)

менший за суму коефіцієнтів часткової детермінації

c)

більший за суму коефіцієнтів часткової детермінації

d)

дорівнює сумі квадратів коефіцієнтів часткової кореляції

31.

Для експрес-діагностики МЛКРМ на адекватність формулюють таку нульову гіпотезу:

a)

всі коефіцієнти множинної регресії дорівнюють нулю

b)

принаймні один із коефіцієнтів множинної регресії дорівнює нулю

c)

принаймні один із коефіцієнтів множинної регресії відмінний від нуля

d)

множинна лінійна кореляційно-регресійна модель адекватна

32.

Якщо коефіцієнт часткової кореляції дорівнює нулю, то:

a)

включення в модель факторної ознаки хj додатково не пояснює дисперсію результуючої змінної y

b)

включення в модель факторної ознаки хj вичерпує всю непояснену дисперсію результуючої змінної y

c)

додатковий вплив факторної ознаки хj у пояснення дисперсії результуючої змінної є ненульовим

d)

між результуючою змінною та відповід

33.

Якщо коефіцієнт часткової кореляції не дорівнює нулю, то:

a)

додатковий вплив факторної ознаки хj у пояснення дисперсії результуючої змінної є нульовим;

b)

включення в модель факторної ознаки хj вичерпує всю непояснену дисперсію результуючої змінної y;

c)

включення в модель факторної ознаки хj додатково пояснює дисперсію результуючої змінної y;

d)

між результуючою змінною та відповідною факторною ознакою немає залежності.

34.

Коефіцієнт часткової кореляції характеризує:

a)

кількісний вклад відповідної факторної ознаки в пояснення варіації результуючої змінної;

b)

тісноту зв'язку між факторною ознакою хj та результуючою змінною y;

c)

частину впливу відповідного фактору на результуючу змінну y;

d)

додатковий вплив факторної ознаки хj у пояснення дисперсії результуючої змінної після попереднього врахування впливу інших факторів.

35.

Квадрат коефіцієнта часткової кореляції:

a)

не дорівнює коефіцієнту часткової детермінації;

b)

дорівнює коефіцієнту часткової детермінації;

c)

дорівнює сумі коефіцієнтів часткової детермінації;

d)

завжди дорівнює коефіцієнту множинної кореляції.

36.

Коефіцієнт часткової детермінації характеризує:

a)

додатковий вплив факторної ознаки хj у пояснення дисперсії результуючої змінної після попереднього врахування впливу інших факторів

b)

тісноту зв'язку між факторною ознакою хj та результуючою змінною y

c)

частину впливу відповідного фактору на результуючу змінну y

d)

кількісний вклад відповідної факторної ознаки в пояснення варіації результуючої змінної

37.

Під вибором множинної лінійної кореляційно-регресійної моделі розуміють:

a)

вибір форми залежності між результуючою змінною та факторною ознакою

b)

врахування всіх вагомих факторних ознак, які входять в множинну лінійну кореляційнорегресійну модель

c)

визначення тісноти зв'язку між змінними

d)

визначення стандартної похибки моделі

38.

Метод, за якого факторні ознаки по черзі включають в модель доти, поки вона не стане задовільною, називають:

a)

методом виключень

b)

методом усіх можливих регресій

c)

покроковим регресійним методом

d)

методом головних компонент

39.

Побудову усіх кореляційно-регресійних моделей, які включають всі можливі комбінації факторних ознак з множини х1, х2, …, хk, і вибір кращої з них називають:

a)

методом виключень

b)

методом усіх можливих регресій

40.

яційно-регресійних моделей, які включають всі можливі комбінації факторних ознак з множини х1, х2, …, хk, і вибір кращої з них називають:

a)

методом виключень

b)

методом усіх можливих регресій

c)

покроковим регресійним методом

d)

методом головних компонент

41.

Метод, за якого будують множинну кореляційно-регресійну модель, яка включає всі факторні ознаки, а потім поступово виключають всі незначущі фактори, називають:

a)

методом виключень

b)

методом усіх можливих регресій

c)

покроковим регресійним методом

d)

методом головних компонент

42.

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

43.

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

44.

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

45.

математичне сподівання випадкової величини дорівнює нулю; відсутність мультиколінеарності; незалежність випадкової величини і факторної ознаки; існує гетероскедастичність випадкових величин

a)

математичне сподівання випадкової величини дорівнює нулю

b)

відсутність мультиколінеарності

c)

незалежність випадкової величини і факторної ознаки

d)

існує гетероскедастичність випадкових величин

46.

Одним з припущень класичного кореляційно-регресійного аналізу є:

a)

наявність гомоскедастичності

b)

модель не правильно специфікована

c)

математичне сподівання випадкової величини не дорівнює нулю

d)

наявна мультиколінеарність

47.

Дослідження кореляційного зв'язку між змінними за допомогою кількох парних моделей, коли кожна факторна ознака кореляційно пов'язана з іншими факторами, називається:

a)

частковою регресією

b)

множинною регресією

c)

подвійним рахунком

d)

хибною кореляцією

48.

Коефіцієнт множинної регресії bj відображає чистий вплив відповідного фактора хj на результуючу змінну, якщо:

a)

цей фактор не враховано в кореляційно-регресійній моделі

b)

всі фактори, які впливають на результуючу змінну, враховані в кореляційно-регресійній моделі

c)

вплив деяких факторів не враховано в кореляційно-регресійній моделі

d)

деякі фактори мультиколінеарні

49.

Коефіцієнт множинної регресії bj відображає умовно чистий вплив факторної ознаки хj на результуючу змінну, якщо:

a)

цей фактор не враховано в кореляційно-регресійній моделі

b)

всі фактори, які впливають на результуючу змінну, враховані в кореляційно-регресійній моделі

50.

ї ознаки хj на результуючу змінну, якщо: 1) цей фактор не враховано в кореляційно-регресійній моделі; 2) всі фактори, які впливають на результуючу змінну, враховані в кореляційно-регресійній моделі; 3) вплив деяких факторів не враховано в кореляційно-регресійній моделі; 4) деякі фактори мультиколінеарні.

a)

цей фактор не враховано в кореляційно-регресійній моделі

b)

всі фактори, які впливають на результуючу змінну, враховані в кореляційно-регресійній моделі

c)

вплив деяких факторів не враховано в кореляційно-регресійній моделі

d)

деякі фактори мультиколінеарні

51.

У множинній лінійній кореляційно-регресійній моделі кожен коефіцієнт множинної регресії показує: 1) загальний вплив всіх незалежних змінних на залежну; 2) вплив незалежної змінної на залежну за умови, що всі інші незалежні змінні залишаються незмінними; 3) точка перетину площини регресії з віссю; 4) як частковий так і загальний вплив незалежних змінних.

a)

загальний вплив всіх незалежних змінних на залежну

b)

вплив незалежної змінної на залежну за умови, що всі інші незалежні змінні залишаються незмінними

c)

точка перетину площини регресії з віссю

d)

як частковий так і загальний вплив незалежних змінних

52.

Якщо вплив деяких факторів не враховано в множинній кореляційно-регресійній моделі, то коефіцієнт множинної регресії bj відображає: 1) умовно чистий вплив факторної ознаки хj на результуючу змінну; 2) чистий вплив факторної ознаки хj на результуючу змінну; 3) умовний вплив факторної ознаки хj на результуючу змінну; 4) немає зв'язку між змінними.

a)

умовно чистий вплив факторної ознаки хj на результуючу змінну

b)

чистий вплив факторної ознаки хj на результуючу змінну

c)

умовний вплив факторної ознаки хj на результуючу змінну

d)

немає зв'язку між змінними

53.

Якщо всі фактори, які впливають на результуючу змінну, враховані в множинній кореляційно-регресійній моделі, то коефіцієнт множинної регресії bj відображає: 1) умовно чистий вплив факторної ознаки хj на результуючу змінну; 2) чистий вплив факторної ознаки хj на результуючу змінну; 3) умовний вплив факторної ознаки хj на результуючу змінну; 4) не.

a)

умовно чистий вплив факторної ознаки хj на результуючу змінну

b)

чистий вплив факторної ознаки хj на результуючу змінну

c)

умовний вплив факторної ознаки хj на результуючу змінну

d)

не

54.

о чистий вплив факторної ознаки хj на результуючу змінну;

a)

чистий вплив факторної ознаки хjна результуючу змінну

b)

умовний вплив факторної ознаки хj на результуючу змінну;

c)

немає зв'язку між змінними.

55.

Модель, яка описує зв'язок між результуючою змінною і деякою конкретною факторною ознакою xj за умови, що решта факторів є постійними, називають:

a)

частковою регресією

b)

множинною регресією

c)

подвійним рахунком

d)

хибною кореляцією.

56.

При специфікації кореляційно-регресійної моделі не потрібно відповідати на таке запитання:

a)

які змінні потрібно включати в модель;

b)

якою повинна бути функціональна форма моделі;

c)

які можливі припущення щодо змінних можна зробити в моделі;

d)

які кількісні оцінки параметрів моделі буде отримано.

57.

При побудові множинної кореляційно-регресійної моделі використовують:

a)

метод штрафних функцій;

b)

метод віток і границь;

c)

метод кореляційної матриці;

d)

метод найшвидшого спуску.

58.

Якщо ми збільшуємо кількість незалежних змінних у регресії, то за інших рівних умов коефіцієнт детермінації:

a)

збільшується

b)

зменшується

c)

не змінюється

d)

дорівнює нулю.

59.

Наявність кореляційного зв'язку між випадковими величинами називають:

a)

мультиколінеарністю;

b)

гомоскедистичністю;

c)

автокореляцією;

d)

помилковою (хибною) кореляцією.

60.

Наявність кореляційного зв'язку між випадковими величинами називають:

a)

мультиколінеарністю

b)

гомоскедистичністю

c)

автокореляцією

d)

помилковою (хибною) кореляцією

61.

Мультиколінеарність виникає тоді, коли:

a)

випадкові відхилення корелюють між собою

b)

факторні ознаки корелюють між собою

c)

випадкові відхилення залежить від незалежної змінної

d)

дисперсія випадкових відхилень не є постійною

62.

Якщо припущення про незалежність випадкових величин порушується, то у вибірці наявна:

a)

автокореляція

b)

гомоскедастичність

c)

мультиколінеарність

d)

гетероскедастичність

63.

Якщо порушується припущення про сталу дисперсію випадкових величин, зумовлену значенням фактора х, то наявна:

a)

автокореляція

b)

гомоскедастичністю

c)

мультиколінеарність

d)

гетероскедастичність

64.

Якщо виконується припущення про сталу дисперсію випадкових величин, зумовлену значенням фактора х, то наявна:

a)

автокореляція

b)

гомоскедастичність

c)

мультиколінеарність

d)

гетероскедастичність

65.

Наявність лінійного взаємозв'язку між двома або більшою кількістю факторних ознак називають:

a)

автокореляцією

b)

гомоскедастичністю

c)

мультиколінеарністю

d)

гетероскедастичністю

66.

Наявність строгої функціональної залежності між двома або більшою кількістю факторних ознак називають:

a)

недосконалою мультиколінеарністю

b)

гомоскедастичністю

c)

досконалою мультиколінеарністю

d)

гетероскедастичністю

67.

Наявність сильної кореляційної залежності між двома або більшою кількістю факторних ознак називають:

a)

недосконалою мультиколінеарністю

b)

гомоскедастичністю

c)

досконалою мультиколінеарністю

d)

гетероскедастичністю

68.

Систему нормальних рівнянь для визначення параметрів МЛКРМ можна записати:

a)

способом північно-західного кута

b)

способом коваріацій

c)

способом дисперсій

d)

способом середніх значень

69.

Систему нормальних рівнянь для визначення параметрів МЛКРМ можна записати:

a)

способом північно-західного кута

b)

способом кореляційної матриці

c)

способом дисперсій

d)

способом середніх значень

70.

Систему нормальних рівнянь для визначення параметрів МЛКРМ можна записати:

a)

способом північно-західного кута

b)

способом відхилення

c)

способом дисперсій

d)

способом середніх значень

71.

Стандартизовані коефіцієнти множинної регресії:

a)

безвимірні

b)

мають одиниці виміру факторної ознаки

c)

мають одиниці виміру результуючої змінної, поділену на одиниці виміру факторної ознаки

d)

мають одиниці виміру результуючої змінної

72.

Коефіцієнти множинної регресії:

a)

безвимірні

b)

мають одиниці виміру факторної ознаки

c)

мають одиниці виміру результуючої змінної, поділену на одиниці виміру факторної ознаки

d)

мають одиниці виміру результуючої змінної

73.

Стандартизовані коефіцієнти множинної регресії визначають за формулою:

a)

b*j =b j j , S y j =1,k ;

b)

bj = b*j y , S j

c)

b*j =b j y , j =1,k ;

d)

bj =b*j j , j =1,k .

74.

Коефіцієнти множинної регресії можна отримати із стандартизованих таким чином:

a)

b j

b)

bj = b*j y , S j

c)

b*j =b j y , j =1,k ;

d)

bj =bj S y

75.

Якщо МЛКРМ записано у матричному вигляді, то оператор оцінювання невідомих параметрів буде мати вигляд:

a)

B=(XTX)-1XTY

b)

B=(YTY)-1YTX

c)

B=(XTX)-1YXT

d)

B=(XXT)-1XTY