эконометрика экзамен заочники_
.doc
F1: Эконометрика
F2: авторский состав
F3: Комментарий
F4: Задания для заочников; Подраздел; Тема;
V1: {{1}} 01. Введение в эконометрику. Основные понятия эконометрики.
V2: {{1}} 01.01. Основные понятия эконометрики.
I:{{1}} ТЗ-1 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
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:{{2}} ТЗ-2 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: Термин эконометрика был введен:
+: Фришем
-: Марковым
-: Тинбергеном
-: Фишером
I:{{3}} ТЗ-3 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
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:{{4}} ТЗ-4 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: Значения экономических параметров, характеризующих один и тот же экономический объект в различные моменты времени принято называть:
-: пространственными данными
+: временными данными или рядами
I:{{5}} ТЗ-5 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: Внешние по отношению к рассматриваемой экономической модели переменные называются:
-: эндогенные
+: экзогенные
-: лаговые
-: интерактивные
I:{{6}} ТЗ-6 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: Переменные, значения которых формируются внутри самой модели и являются объясняемыми, называются:
+: эндогенными
-: экзогенными
-: лаговыми
-: предопределенными
I:{{7}} ТЗ-7 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: Переменные, значения которых датированы предыдущими моментами времени, называются:
-: эндогенными
-: экзогенными
+: лаговыми
-: предопределенными
I:{{8}} ТЗ-8 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: Переменные, значения которых известны к моменту моделирования, называются:
-: эндогенными
-: экзогенными
-: лаговыми
+: предопределенными
I:{{9}} ТЗ-9 (ДЕ-1-1-0); t=0; k=; ek=0; m=0; c=0;
S: К классу предопределенных переменных не относят:
-: лаговые эндогенные
-: лаговые экзогенные
+: текущие эндогенные
-: текущие экзогенные
V2: {{2}} 01.02. Эконометрическое моделирование.
I:{{10}} ТЗ-10 (ДЕ-1-2-0); t=0; k=; ek=0; m=0; c=0;
S: Выберите правильную последовательность.
Этапы построения эконометрической модели:
оценка параметров модели (параметризация)
спецификация модели (выбор формы модели)
проверка адекватности модели
сбор статистической информации об объекте исследования
+: 2,4,1,3
-: 1,2,3,4
-: 2,4,3,1
-: 3,2,4,1
I:{{11}} ТЗ-11 (ДЕ-1-2-0); t=0; k=; ek=0; m=0; c=0;
S: Под верификацией модели понимается:
-: спецификация модели (выбор формы модели)
-: оценка параметров модели (параметризация)
-: сбор статистической информации об объекте исследования
+: проверка адекватности модели
I:{{12}} ТЗ-12 (ДЕ-1-2-0); t=0; k=; ek=0; m=0; c=0;
S: Под параметризацией (настройкой) модели понимается:
-: спецификация модели
+: оценка параметров модели
-: сбор статистической информации об объекте исследования
-: проверка адекватности модели
I:{{13}} ТЗ-13 (ДЕ-1-2-0); t=0; k=; ek=0; m=0; c=0;
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:{{14}} ТЗ-14 (ДЕ-1-2-0); t=0; k=; ek=0; m=0; c=0;
S: Статистический анализ модели (статистическое оценивание её параметров) относится к этапу:
-: априорному
-: информационному
+: идентификации
-: верификации
V1: {{2}} 02. Метод наименьших квадратов
V2: {{3}} 02.03. Элемент 2-ого уровня структуры
I:{{15}} ТЗ-15 (ДЕ-2-3-0); t=0; k=; ek=0; m=0; c=0;
S: Метод наименьших квадратов может применяться в случае
-: только парной регрессии
-: только множественной регрессии
+: нелинейной и линейной множественной регрессии
-: коллинеарной регрессии
I:{{16}} ТЗ-16 (ДЕ-2-3-0); t=0; k=; ek=0; m=0; c=0;
S: Метод наименьших квадратов используется для оценивания
+: параметров линейной регрессии
-: величины коэффициента корреляции
-: величины коэффициента детерминации
-: средней ошибки аппроксимации
I:{{17}} ТЗ-17 (ДЕ-2-3-0); t=0; k=; ek=0; m=0; c=0;
S: Параметры модели линейной парной регрессии y=a+b(x могут быть найдены
-: методом скользящей средней
+: методом наименьших квадратов
-: методом аналитического выравнивания
V2: {{4}} 02.04. Элемент 2-ого уровня структуры
I:{{18}} ТЗ-18 (ДЕ-2-4-0); t=0; k=; ek=0; m=0; c=0;
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:{{19}} ТЗ-19 (ДЕ-2-4-0); t=0; k=; ek=0; m=0; c=0;
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:{{20}} ТЗ-20 (ДЕ-2-4-0); t=0; k=; ek=0; m=0; c=0;
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
V1: {{3}} 03. Регрессионные модели
V2: {{5}} 03.05. Общие понятия
I:{{21}} ТЗ-21 (ДЕ-3-5-0); t=0; k=; ek=0; m=0; c=0;
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:{{22}} ТЗ-22 (ДЕ-3-5-0); t=0; k=; ek=0; m=0; c=0;
S: В зависимости от типа взаимосвязи между эндогенной переменной и экзогенной регрессионные модели подразделяются на:
+: линейные и нелинейные
-: парные и множественные
I:{{23}} ТЗ-23 (ДЕ-3-5-0); t=0; k=; ek=0; m=0; c=0;
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:{{24}} ТЗ-24 (ДЕ-3-5-0); t=0; k=; ek=0; m=0; c=0;
S: Выбрать правильный ответ.
Независимые переменные в регрессионных моделях называются:
-: откликами
-: возмущениями
+: регрессорами
-: остатком
I:{{25}} ТЗ-25 (ДЕ-3-5-0); t=0; k=; ek=0; m=0; c=0;
S: Оценка случайного возмущения называется:
+: остатком
-: откликом
-: регрессором
V2: {{6}} 03.06. Линейная парная регрессия
I:{{26}} ТЗ-26 (ДЕ-3-6-0); t=0; k=; ek=0; m=0; c=0;
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:{{27}} ТЗ-27 (ДЕ-3-6-0); t=0; k=; ek=0; m=0; c=0;
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:{{28}} ТЗ-28 (ДЕ-3-6-0); t=0; k=; ek=0; m=0; c=0;
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:{{29}} ТЗ-29 (ДЕ-3-6-0); t=0; k=; ek=0; m=0; c=0;
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:{{30}} ТЗ-30 (ДЕ-3-6-0); t=0; k=; ek=0; m=0; c=0;
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+
V2: {{7}} 03.07. Примеры линейной параной регресии
I:{{31}} ТЗ-31 (ДЕ-3-7-0); t=0; k=; ek=0; m=0; c=0;
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:{{32}} ТЗ-32 (ДЕ-3-7-0); t=0; k=; ek=0; m=0; c=0;
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: {{8}} 03.08. Модель линейной множественной регрессии
I:{{33}} ТЗ-33 (ДЕ-3-8-0); t=0; k=; ek=0; m=0; c=0;
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:{{34}} ТЗ-34 (ДЕ-3-8-0); t=0; k=; ek=0; m=0; c=0;
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:{{35}} ТЗ-35 (ДЕ-3-8-0); t=0; k=; ek=0; m=0; c=0;
S: Какое из уравнений соответствует модели линейной множественной регрессии?
-: y=a+bx
+: y=a+b1x1+b2x2+
-: y=a+b1x+b2x2+
I:{{36}} ТЗ-36 (ДЕ-3-8-0); t=0; k=; ek=0; m=0; c=0;
S: Какие из уравнений не соответствуют модели линейной множественной регрессии?
-: y= a+b1x1+b2x2+b3x3+
-: y=a+b1x1+b2x2+
+: y=a+b1x+b2x2+
V1: {{4}} 04. Элемент 1-ого уровня структуры
V2: {{9}} 04.09. Нелинейные регрессионные модели
I:{{37}} ТЗ-37 (ДЕ-4-9-0); t=0; k=; ek=0; m=0; c=0;
S: Нелинейным является уравнение регрессии нелинейное относительно входящих в него
+: переменных(факторов)
-: результатов
-: параметров
-: случайных величин
I:{{38}} ТЗ-38 (ДЕ-4-9-0); t=0; k=; ek=0; m=0; c=0;
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:{{39}} ТЗ-39 (ДЕ-4-9-0); t=0; k=; ek=0; m=0; c=0;
S: Линеаризация нелинейной модели регрессии может быть достигнута:
-: отбрасыванием нелинейных переменных
-: перекрестной суперпозицией переменных
+: преобразованием анализируемых переменных
-: сглаживанием переменных
V2: {{10}} 04.10. Элемент 2-ого уровня структуры
I:{{40}} ТЗ-40 (ДЕ-4-10-0); t=0; k=; ek=0; m=0; c=0;
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+bx3:
-: путем дифференцирования
-: путем логарифмирования
+: путем замены переменных
-: путем потенцирования
I:{{41}} ТЗ-41 (ДЕ-4-10-0); t=0; k=; ek=0; m=0; c=0;
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+b(lnx:
-: путем дифференцирования
-: путем логарифмирования
+: путем замены переменных
-: путем потенцирования
I:{{42}} ТЗ-42 (ДЕ-4-10-0); t=0; k=; ek=0; m=0; c=0;
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+b/x:
-: путем дифференцирования
-: путем логарифмирования
+: путем замены переменных
-: путем потенцирования
I:{{43}} ТЗ-43 (ДЕ-4-10-0); t=0; k=; ek=0; m=0; c=0;
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аbx
-: путем дифференцирования
+: путем логарифмирования
-: путем замены переменных
-: путем потенцирования
I:{{44}} ТЗ-44 (ДЕ-4-10-0); t=0; k=; ek=0; m=0; c=0;
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y= аxb:
-: путем дифференцирования
+: путем логарифмирования
-: путем замены переменных
-: путем потенцирования
I:{{45}} ТЗ-45 (ДЕ-4-10-0); t=0; k=; ek=0; m=0; c=0;
S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аebx:
-: путем дифференцирования
+: путем логарифмирования
-: путем замены переменных
-: путем потенцирования
V2: {{11}} 04.11. Элемент 2-ого уровня структуры
I:{{46}} ТЗ-46 (ДЕ-4-11-0); t=0; k=; ek=0; m=0; c=0;
S: К линейному уравнению нельзя привести следующий вид модели
+: y=a+bxC
-: y=a+b1x1+b2x2+
-: y=a+b/x+(
-: y=a+b1x+b2x2+
V1: {{5}} 05. Оценка качества регрессионной модели
V2: {{12}} 05.12. Элемент 2-ого уровня структуры
I:{{47}} ТЗ-47 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Теснота статистической связи между переменной у и объясняющими переменными Х измеряется:
-: t-критерием Стьюдента
-: коэффициентом детерминации
+: коэффициентом корреляции
-: F-критерием Фишера
I:{{48}} ТЗ-48 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
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:{{49}} ТЗ-49 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Корреляция подразумевает наличие связи между
+: переменными
-: параметрами
-: случайными факторами
-: результатом и случайными факторами
I:{{50}} ТЗ-50 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Коэффициент корреляции для модели линейной парной регрессии может быть рассчитан по формуле:
-:
-: R=(rxy)2
+:
I:{{51}} ТЗ-51 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy может принимать значения в диапазоне:
-: (-1; 1)
-: [0; 1]
+: [-1; 1]
-: [-1.1; 1]
I:{{52}} ТЗ-52 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy не может принимать значения в диапазоне:
+: (-2; 1)
-: [0; 1]
-: [-1; 1]
-: [-0.1; 1]
I:{{53}} ТЗ-53 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляяции rxy может принимать значения в диапазоне:
-: (-1; 1.1)
-: [0; 1.5]
-: [0; 2]
+: [-1; 1]
I:{{54}} ТЗ-54 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy может принимать значения в диапазоне:
-: [0; 1.5]
-: [0; 1.1]
+: [-1; 1]
-: [-0.5; 1.5]
I:{{55}} ТЗ-55 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy может принимать значения только в диапазоне:
-: [-1; 1.5]
-: [-1.1; 1]
-: [-1.1; 1]
+: [-1; 1]
I:{{56}} ТЗ-56 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy не может принимать значение равное:
-: 0.5
-: 0.99
-: -0.5
+: 1.2
I:{{57}} ТЗ-57 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy не может принимать значение равное:
-: 0.5
-: 0.99
+: 1.05
-: 1
I:{{58}} ТЗ-58 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy не может принимать значение равное:
-: 0.6
-: 0.01
+: -1.05
-: 1
I:{{59}} ТЗ-59 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy может принимать значение равное:
-: -1.1
+: 0.99
-: 1.05
-: 1.2
I:{{60}} ТЗ-60 (ДЕ-5-12-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент корреляции rxy может принимать значение равное:
-: -1.35
+: -0.99
-: 1.05
-: 1.001
V2: {{13}} 05.13. Элемент 2-ого уровня структуры
I:{{61}} ТЗ-61 (ДЕ-5-13-0); t=0; k=; ek=0; m=0; c=0;
S: Корреляционная связь между переменными X и Y считается тесной, если коэффициент корреляции принимает следующие значения:
-: rxy=0;
-: 0<rxy0.3
-: 0.3<rxy0.7
+: 0.7<rxy<1
-: rxy=1
I:{{62}} ТЗ-62 (ДЕ-5-13-0); t=0; k=; ek=0; m=0; c=0;
S: Корреляционная связь между переменными X и Y считается умеренной, если коэффициент корреляции принимает следующие значения:
-: rxy=0;
-: 0<rxy0.3
+: 0.3<rxy0.7
-: 0.7<rxy<1
-: rxy=1
I:{{63}} ТЗ-63 (ДЕ-5-13-0); t=0; k=; ek=0; m=0; c=0;
S: Корреляционная связь между переменными X и Y считается слабой, если коэффициент корреляции принимает следующие значения:
-: rxy=0;
+: 0<rxy0.3
-: 0.3<rxy0.7
-: 0.7<rxy<1
-: rxy=1
I:{{64}} ТЗ-64 (ДЕ-5-13-0); t=0; k=; ek=0; m=0; c=0;
S: Корреляционная связь между переменными X и Y считается линейной функциональной, если коэффициент корреляции принимает следующие значения:
-: rxy=0;
-: 0<rxy0.3
-: 0.3<rxy0.7
-: 0.7<rxy<1
+: rxy=1
I:{{65}} ТЗ-65 (ДЕ-5-13-0); t=0; k=; ek=0; m=0; c=0;
S: Корреляционная связь между переменными X и Y отсутствует, если коэффициент корреляции принимает следующие значения:
-: rxy=0;
-: 0<rxy0.3
-: 0.3<rxy0.7
+: 0.7<rxy<1
-: rxy=1
V2: {{14}} 05.14. Элемент 2-ого уровня структуры
I:{{66}} ТЗ-66 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Коэффициент детерминации R является показателем
-: тесноты связи между переменными X и Y
+: качества построенной модели
-: адекватности модели исходным фактическим данным
-: статистической значимости модели
I:{{67}} ТЗ-67 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Коэффициент детерминации рассчитывается для оценки качества
+: подбора уравнения регрессии
-: параметров уравнения регрессии
-: мультиколлинеарных факторов
-: факторов, не включенных в уравнение регрессии
I:{{68}} ТЗ-68 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Качество построенной модели парной регрессии может быть измерено:
-: t-критерием Стьюдента
+: коэффициентом детерминации
-: коэффициентом корреляции
-: F-критерием Фишера
I:{{69}} ТЗ-69 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Коэффициент детерминации для модели линейной парной регрессии может быть рассчитан по формуле:
-:
+: R=(rxy)2
-:
I:{{70}} ТЗ-70 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R может принимать значения в диапазоне:
-: (-1; 1)
+: [0; 1]
-: [-1; 1]
-: [-1.1; 1]
I:{{71}} ТЗ-71 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R не может принимать значения в диапазоне:
+: (1; 1.5)
-: [0; 1]
-: [0; 0.99]
-: [0.1; 1]
I:{{72}} ТЗ-72 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R может принимать значения в диапазоне:
-: (-1; 1)
-: [0; 1.5]
+: [0; 1]
-: [-1.1; 1]
I:{{73}} ТЗ-73 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R может принимать значения в диапазоне:
+: [0; 1]
-: [0; 1.1]
-: [-1; 1]
-: [-0.5; 1]
I:{{74}} ТЗ-74 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R может принимать значения только в диапазоне:
-: [-1; 1]
-: [-1.1; 1]
-: [-1; 1]
+: [0; 1]
I:{{75}} ТЗ-75 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R не может принимать значение равное:
-: 0.5
-: 0.99
+: -0.5
-: 1
I:{{76}} ТЗ-76 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R не может принимать значение равное:
-: 0.5
-: 0.99
+: 1.05
-: 1
I:{{77}} ТЗ-77 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R не может принимать значение равное:
-: 0.6
-: 0.01
+: -1.05
-: 1
I:{{78}} ТЗ-78 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R может принимать только значение равное:
-: -0.5
+: 0.99
-: 1.05
-: 1.2
I:{{79}} ТЗ-79 (ДЕ-5-14-0); t=0; k=; ek=0; m=0; c=0;
S: Линейный коэффициент детерминации R может принимать только значение равное:
+: 0.35
-: -0.99
-: 1.05
-: 1.001
V2: {{15}} 05.15. Элемент 2-ого уровня структуры
I:{{80}} ТЗ-80 (ДЕ-5-15-0); t=0; k=; ek=0; m=0; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.5
-: 0.5
+: 0.25
-: (0.5
-: (0.25
I:{{81}} ТЗ-81 (ДЕ-5-15-0); t=0; k=; ek=0; m=0; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.3
-: 0.3
+: 0.09
-: (0.3
-: (0.09
I:{{82}} ТЗ-82 (ДЕ-5-15-0); t=0; k=; ek=0; m=0; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.4
-: 0.4
+: 0.16
-: (0.4
-: (0.16
I:{{83}} ТЗ-83 (ДЕ-5-15-0); t=0; k=; ek=0; m=0; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.25
+: 0.0625
-: (0.625
-: 0.5
-: (0.25
I:{{84}} ТЗ-84 (ДЕ-5-15-0); t=0; k=; ek=0; m=0; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.6
+: 0.36
-: (0.36
-: 0.6
-: (0.24
I:{{85}} ТЗ-85 (ДЕ-5-15-0); t=0; k=; ek=0; m=0; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.7
-: 0.07
-: (0.49
+: 0.49
-: (0.7
I:{{86}} ТЗ-86 (ДЕ-5-15-0); t=0; k=; ek=60; m=100; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.7
-: 0.07
+: 0.49
-: -0.49
-: -0.7
I:{{87}} ТЗ-87 (ДЕ-5-15-0); t=0; k=; ek=60; m=100; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.8
+: 0.64
-: 0.8
-: -0.64
-: -0.8
I:{{88}} ТЗ-88 (ДЕ-5-15-0); t=0; k=; ek=60; m=100; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.9
+: 0.81
-: 0.9
-: -0.81
-: -0.9
I:{{89}} ТЗ-89 (ДЕ-5-15-0); t=0; k=; ek=60; m=100; c=0;
S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.65
-: 0.65
+: 0.4225
-: -0.65
-: -0.125
V1: {{6}} 06. Временные ряды
V2: {{16}} 06.16. Элемент 2-ого уровня структуры
I:{{90}} ТЗ-90 (ДЕ-6-16-0); t=0; k=; ek=0; m=0; c=0;
S: Тенденция (Тренд) временного ряда характеризует совокупность факторов,
+: оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя
-: оказывающих сезонное воздействие
-: оказывающих единовременное влияние
-: не оказывающих влияние на уровень ряда
I:{{91}} ТЗ-91 (ДЕ-6-16-0); t=0; k=; ek=0; m=0; c=0;
S: Плавно меняющаяся компонента временного ряда, отражающая влияние на экономические показатели долговременных факторов, называется:
+: трендом
-: сезонной компонентой
-: циклической компонентой
-: случайной компонентой
I:{{92}} ТЗ-92 (ДЕ-6-16-0); t=0; k=; ek=0; m=0; c=0;
S: Компонента временного ряда, которая отражает колебания экономических показателей с периодом равным одному году, называется:
-: трендом
+: сезонной компонентой
-: циклической компонентой
-: случайной компонентой
I:{{93}} ТЗ-93 (ДЕ-6-16-0); t=0; k=; ek=0; m=0; c=0;
S: Компонента временного ряда, которая отражает колебания экономических показателей с периодами длиной в несколько лет, называется:
-: трендом
-: сезонной компонентой
+: циклической компонентой
-: случайной компонентой
I:{{94}} ТЗ-94 (ДЕ-6-16-0); t=0; k=; ek=0; m=0; c=0;
S: Компонента временного ряда, которая отражает влияние не поддающихся учету и регистрации случайных факторов, называется:
-: трендом
-: сезонной компонентой
-: циклической компонентой
+: случайной компонентой
V2: {{17}} 06.17. Элемент 2-ого уровня структуры
I:{{95}} ТЗ-95 (ДЕ-6-17-0); t=0; k=; ek=0; m=0; c=0;
S: Временной ряд называется стационарным, если
+: среднее значение членов ряда постоянно
-: члены ряда образуют арифметическую прогрессию
-: члены ряда образуют геометрическую прогрессию
-: среднее значение членов ряда постоянно растет
I:{{96}} ТЗ-96 (ДЕ-6-17-0); t=0; k=; ek=0; m=0; c=0;
S: Временной ряд является нестационарным, если:
-: среднее значение его членов постоянно
-: его случайная составляющая зависит от времени
-: его члены не зависят от времени
+: его неслучайная составляющая зависит от времени
I:{{97}} ТЗ-97 (ДЕ-6-17-0); t=0; k=; ek=0; m=0; c=0;
S: В стационарном временном ряде трендовая компонента
+: отсутствует+
-: присутствует
-: имеет линейную зависимость от времени
-: имеет нелинейную зависимость от времени
V2: {{18}} 06.18. Элемент 2-ого уровня структуры
I:{{98}} ТЗ-98 (ДЕ-6-18-0); t=0; k=; ek=0; m=0; c=0;
S: В аддитивной модели временного ряда его основные компоненты
-: перемножаются
-: логарифмируются
+: складываются
-: закономерные компоненты перемножаются, а случайная - складывается
I:{{99}} ТЗ-99 (ДЕ-6-18-0); t=0; k=; ek=0; m=0; c=0;
S: В мультипликативной модели временного ряда его основные компоненты
-: логарифмируются
+: перемножаются
-: складываются
-: закономерные компоненты перемножаются, а случайная - складывается
I:{{100}} ТЗ-100 (ДЕ-6-18-0); t=0; k=; ek=0; m=0; c=0;
S: В мультипликативно-аддитивной модели временного ряда его основные компоненты
-: логарифмируются
-: перемножаются
-: складываются
+: закономерные компоненты перемножаются, а случайная - складывается;
I:{{101}} ТЗ-101 (ДЕ-6-18-0); t=0; k=; ek=0; m=0; c=0;
S: Временной ряд записан в следующем виде: Y=T+S+C+E, выберите вид соответствующей модели:
-: регрессионная модель
-: мультипликативная модель
-: мультипликативно-аддитивная модель
+: аддитивная модель
I:{{102}} ТЗ-102 (ДЕ-6-18-0); t=0; k=; ek=0; m=0; c=0;
S: Временной ряд записан в следующем виде: Y=T(S(C(E, выберите вид соответствующей модели:
-: регрессионная модель
+: мультипликативная модель
-: мультипликативно-аддитивная модель
-: аддитивная модель
I:{{103}} ТЗ-103 (ДЕ-6-18-0); t=0; k=; ek=0; m=0; c=0;
S: Временной ряд записан в следующем виде: Y=T(S(C+E, выберите вид соответствующей модели:
-: регрессионная модель
-: мультипликативная модель
+: мультипликативно-аддитивная модель
-: аддитивная модель
V2: {{19}} 06.19. Элемент 2-ого уровня структуры
I:{{104}} ТЗ-104 (ДЕ-6-19-0); t=0; k=; ek=60; m=100; c=0;
S: Какой из методов используется при вычислении сезонной компоненты временного ряда:
-: метод укрупнения интервалов
+: метод скользящей средней
-: метод экспоненциального сглаживания
I:{{105}} ТЗ-105 (ДЕ-6-19-0); t=0; k=; ek=0; m=0; c=0;
S: Какие методы используются при моделировании тренда временного ряда?
+: метод укрупнения интервалов
+: метод скользящей средней
+: метод аналитического выравнивания
-: графический метод
I:{{106}} ТЗ-106 (ДЕ-6-19-0); t=0; k=; ek=0; m=0; c=0;
S: Какой метод не используется при моделировании тренда временного ряда?
-: метод укрупнения интервалов
-: метод скользящей средней
-: метод аналитического выравнивания
+: графический метод
V1: {{7}} 07. Системы одновременных уравнений
V2: {{20}} 07.20. Элемент 2-ого уровня структуры
I:{{107}} ТЗ-107 (ДЕ-7-20-0); t=0; k=; ek=60; m=100; c=0;
S: Система одновременных уравнений может быть записана в виде:
+: структурной формы
-: функциональной формы
+: приведенной формы
-: обобщенной формы
I:{{108}} ТЗ-108 (ДЕ-7-20-0); t=0; k=; ek=0; m=0; c=0;
S: Набор взаимосвязанных регрессионных моделей, в которых одни и те же переменные могут одновременно быть эндогенными в одних уравнениях и экзогенными в других уравнениях называется:
-: системой рекурсивных уравнений
-: системой независимых уравнений
+: системой одновременных уравнений
-: системой уравнений с фиксированным набором факторов
I:{{109}} ТЗ-109 (ДЕ-7-20-0); t=0; k=; ek=60; m=100; c=0;
S: Система уравнений, в которой каждая зависимая переменная (уj) рассматривается как функция одного и того же набора факторов (хi), при этом каждое уравнение системы может рассматриваться самостоятельно, называется: