1. Спектральный метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.

2. Аналитический метод выбора типа уравнения регрессии не основан на изучении материальной природы связи исследуемых признаков.

3. Аналитический метод выбора типа уравнения регрессии основан на изучении нематериальной природы связи исследуемых признаков.

4. Аналитический метод выбора типа уравнения регрессии основан на изучении материальной природы связи исследуемых признаков.

5. Спектральный метод выбора типа интегрального уравнения основан на изучении материальной природы связи исследуемых признаков.

100. Дайте правильный ответ.

1. При обработке информации на простом калькуляторе выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.

2. При обработке информации на компьютере выбор вида дифференциального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.

3. При обработке информации на компьютере выбор вида иртегрального уравнения обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.

4. При обработке информации на компьютере выбор вида уравнения регрессии обычно не проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.

5. При обработке информации на компьютере выбор вида уравнения регрессии обычно проводится экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях.

101.Определите правильный ответ.

1. Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.

2. Чем больше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.

3. Чем меньше величина неостаточной дисперсии, тем в меньшей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.

4. Чем меньше величина остаточной дисперсии, тем в большей мере наблюдается влияние прочих не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.

5. Чем меньше величина остаточной дисперсии, тем в меньшей мере наблюдается влияние прочих учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.

102.Определите правильный ответ.

1. При обработке статистических данных на простом калькуляторе перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.

2. При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.

3. При обработке статистических данных на компьютере перебираются только четыре математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.

4. При обработке статистических данных на компьютере перебираются разные математические функции в ручном режиме и из них выбирается та, для которой остаточная дисперсия является наименьшей.

5. При обработке статистических данных на компьютере перебираются разные математические функции в автоматическом режиме и из них выбирается та, для которой остаточная дисперсия является наибольшей.

103.Определите правильный ответ.

1. Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.

2. Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в меньшей степени поддаются интерпретации и требуют меньшего объема наблюдений.

3. Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют меньшего объема наблюдений.

4. Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более простым видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.

5. Если остаточная дисперсия оказывается примерно одинаковой для нескольких функций, то на практике предпочтение отдается более сложным видам функций, так как они в большей степени поддаются интерпретации и требуют большего объема наблюдений.

104.Определите правильный ответ.

1. Если вид функции упрощается, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.

2. Если вид функции усложняется, то не требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.

3. Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по одному наблюдению. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.

4. Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.

5. Если вид функции усложняется, то требуется увеличение объема наблюдений, так как каждый параметр при χ должен рассчитываться хотя бы по 7 наблюдениям. Результаты многих исследований подтверждают, что число наблюдений не должно в 6 – 7 раз превышать число рассчитываемых параметров при переменной χ.

105.Определите правильный ответ.

1. Если мы выбираем параболу пятой степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.

2. Если мы выбираем параболу второй степени, то не требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.

3. Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 140 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.

4. Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с большим числом параметров при χ.

5. Если мы выбираем параболу второй степени, то требуется объем информации уже не менее 14 наблюдений. Учитывая, что эконометрические модели часто строятся по данным рядов динамики, ограниченным по протяженности (10, 20, 30 лет), при выборе спецификации модели предпочтительна модель с меньшим числом параметров при χ.

106.Определите правильный ответ.

1. Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.

2. Криволинейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.

3. Линейная регрессия не сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.

4. Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида не позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него фактических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.

5. Линейная регрессия сводится к нахождению уравнения вида ŷ = a + b•x.Уравнение этого вида позволяет по заданным значениям фактора x иметь теоретические значения результативного признака ŷ подстановкой в него теоретических значений фактора x. Построение линейной регрессии сводится к оценке параметров a и b.

107.Определите правильный ответ.

1. Параметр b называется коэффициентом прогрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.

2. Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.

3. Параметр b называется коэффициентом регрессии. Его величина не показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.

4. Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на 12 единиц своей размерности. Знак при коэффициенте регрессии показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.

5. Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата ŷ с изменением фактора x на одну единицу своей размерности. Знак при коэффициенте регрессии не показывает направление связи между зависимой и независимой переменными. Параметр a не имеет экономического содержания.

108.Определите правильный ответ.

1. Величина нелинейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.

2. Величина линейного коэффициента корреляции не оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.

3. Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.

4. Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее нелинейной форме. Поэтому близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.

5. Величина линейного коэффициента корреляции оценивает тесноту связи рассматриваемых признаков в ее линейной форме. Поэтому близость абсолютной величины нелинейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При иной спецификации модели связь между признаками может оказаться достаточно тесной.

109.Определите правильный ответ.

1. В эконометрике небольшой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.

2. В эконометрике большой практический интерес не имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.

3. В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он не дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.

4. В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.

5. В эконометрике большой практический интерес имеет коэффициент детерминации, т. к. он дает относительную меру влияния фактора x на результат, не фиксируя одновременно и роль ошибок, т. е. случайных составляющих в формировании моделируемой переменной ŷ.

110.Определите правильный ответ.