1. Чем слабее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.

2. Чем сильнее мультиколлинеарность факторов, тем более надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.

3. Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.

4. Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.

5. Чем сильнее мультиколлинеарность факторов, тем менее надежна оценка распределения разности объясненной вариации по отдельным факторам с помощью метода наименьших квадратов.

254.Найдите правильный ответ из предложенных утверждений.

1. Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.

2. Включение в модель мультиколлинеарных факторов желательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.

3. Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: улучшается интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.

4. Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.

5. Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, т. к. факторы не коррелированы. В результате этого параметры линейной регрессии теряют экономический смысл.

255.Найдите правильный ответ из предложенных утверждений.

1. Не включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

2. Включение в модель мультиколлинеарных факторов желательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

3. Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

4. Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и не меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

5. Включение в модель мультиколлинеарных факторов нежелательно по следующей причине: оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования.

256.Найдите правильный ответ из предложенных утверждений.

1. Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.

2. Для оценки мультиколлинеарности факторов не используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.

3. Для оценки мультиколлинеарности факторов используется определитель матрицы непарных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.

4. Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы коррелировали между собой, то матрица парных коэффициентов корреляции между ними была бы единичной.

5. Для оценки мультиколлинеарности факторов используется определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между ними не была бы единичной.

257.Найдите правильный ответ из предложенных утверждений.

1. Чем дальше от нуля определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.

2. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.

3. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем слабее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.

4. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и надежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.

5. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем дальше от единицы определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.

258.Найдите правильный ответ из предложенных утверждений

1. Через коэффициенты множественной детерминации не находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.

2. Через коэффициенты множественной детерминации находят переменные, не ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.

3. Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.

4. Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве независимой переменной рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.

5. Через коэффициенты множественной детерминации находят переменные, ответственные за мультиколлинеарность факторов. Для этого в качестве зависимой переменной не рассматривается каждый из факторов. Чем ближе значение коэффициента множественной детерминации к единице, тем сильнее проявляется мультиколлинеарность факторов.

259.Найдите правильный ответ из предложенных утверждений.

1. Имеется ряд подходов преодоления очень слабой межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).

2. Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый сложныйй из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).

3. Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели всех факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).

4. Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их линейным комбинациям, не коррелированным друг с другом (метод главных компонент).

5. Имеется ряд подходов преодоления сильной межфакторной корреляции. Самый простой из них состоит в исключении из модели одного или нескольких факторов. Другой путь связан с использованием такого метода, суть которого состоит в переходе от исходных переменных к их нелинейным комбинациям, не коррелированным друг с другом (метод главных компонент).

260. Найдите правильный ответ из предложенных утверждений.

1. Отбор факторов, не включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.

2. Отбор факторов, включаемых в регрессию, не является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.

3. Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей только регрессии могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.

4. Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее редко используются метод исключения, метод включения, шаговый регрессионный анализ.

5. Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разные. Они приводят построение уравнения множественной регрессии соответственно к разным методикам. Наиболее часто используют метод исключения, метод включения, шаговый регрессионный анализ.

261.Дайте определение дисциплине «Эконометрика».

1. Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать количественные меры экономическим отношениям.

2. Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.

3. Эконометрика – отрасль науки, цель которой не состоит в том, чтобы придать количественные меры экономическим отношениям.

4. Эконометрика – отрасль науки, цель которой состоит в том, чтобы не придать количественные меры экономическим отношениям.

5. Эконометрика – отрасль науки, цель которой состоит в том, чтобы придать качественные меры экономическим отношениям.

262.Дайте определение Р. Фишера о статистических методах.

1. Статистические методы не являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.

2. Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.

3. Статистические методы являются не существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.

4. Статистические методы являются существенным элементом в социальных науках, но не в основном именно с помощью этих методов социальные учения могут подняться до уровня наук.

5. Статистические методы являются существенным элементом в социальных науках, и в основном именно с помощью этих методов социальные учения не могут подняться до уровня наук.

263.С какими методами прежде всего связана эконометрика, чтобы дать количественное описание взаимосвязей между экономическими переменными?

1. Ставя цель не давать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.

2. Ставя цель дать качественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.

3. Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.

4. Ставя цель дать количественное описание взаимосвязей, но не между экономическими переменными, эконометрика прежде всего связана с методами регрессии и корреляции.

5. Ставя цель дать количественное описание взаимосвязей между экономическими переменными, эконометрика прежде всего связана с макроэкономическими методами.

264.С чего начинается любое эконометрическое исследование?

1. Любое эконометрическое исследование не начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.

2. Любое эконометрическое исследование начинается, но не со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.

3. Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели, но не из соответствующей теории связи между переменными.

4. Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи между переменными.

5. Любое эконометрическое исследование начинается со спецификации модели, т.е. с формулировки вида модели исходя из соответствующей теории связи только между зависимыми переменными (У).

265.Какие факторы, влияющие на результативный признак (У), необходимо выделить прежде всего?

1. Не из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.

2. Из всего круга факторов, не влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.

3. Из всего круга факторов, влияющих, но не на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.

4. Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наименее существенно влияющие факторы.

5. Из всего круга факторов, влияющих на результативный признак (У), прежде всего необходимо выделить наиболее существенно влияющие факторы.

266.Что характеризует уравнение простой регрессии?

1. Уравнение простой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.

2. Уравнение непростой регрессии характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.

3. Уравнение простой регрессии не характеризует связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.

4. Уравнение простой регрессии характеризует связь между пятью переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.

5. Уравнение простой регрессии характеризует связь между двумя переменными, которая не проявляется как некоторая закономерность лишь в среднем по совокупности наблюдений.

267.В каком виде представляется в уравнении регрессии корреляционная по сути связь признаков?

1. В уравнении прогрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.

2. В уравнении регрессии корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.

3. В уравнении регрессии не корреляционная по сути связь признаков представляется в виде функциональной связи, выраженной соответствующей математической функцией.

4. В уравнении регрессии корреляционная по сути связь признаков не представляется в виде функциональной связи, выраженной соответствующей математической функцией.

5. В уравнении регрессии корреляционная по сути связь признаков представляется не в виде функциональной связи, выраженной соответствующей математической функцией.

268.Что включает случайная величина ε?

1. Не случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.

2. Случайная величина ε, или возмущение, не включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.

3. Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения.

4. Случайная величина ε, или возмущение, включает влияние учтенных в модели факторов, случайных ошибок и особенностей измерения.

5. Случайная величина ε, или возмущение, включает влияние не учтенных в модели факторов, не случайных ошибок и особенностей измерения.

269.Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?

1. Какими источниками обусловлено присутствие в модели регрессионного уравнения случайной величины ε?

2. Ее присутствие в модели обусловлено двумя источниками: выборочным характером исходных данных, особенностями измерения переменных.

3. Ее присутствие в модели обусловлено двумя источниками: спецификацией модели, особенностями измерения переменных.

4. Ее присутствие в модели обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.

5. Ее присутствие в модели не обусловлено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.

270.Относится ли недоучет в уравнении регрессии какого-либо существенного фактора к ошибкам спецификации?

1. К ошибкам спецификации не будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.

2. К ошибкам спецификации будет относиться только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.

3. К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и обязательный учет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.

4. К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например использование парной регрессии вместо множественной.

5. К ошибкам спецификации будет относиться не только неправильный выбор той или иной математической функции, но и недоучет в уравнении регрессии какого-либо существенного фактора, например неиспользование парной регрессии вместо множественной.

271.Когда уравнение регрессии не имеет практического смысла и что делают, чтобы получить практический смысл от уравнения регрессии?

1. Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.

2. Если совокупность данных однородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.

3. Если совокупность данных неоднородна, то уравнение регрессии имеет практический смысл. Для получения хорошего результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.

4. Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения плохого результата обычно исключают из совокупности данные с аномальными значениями исследуемых признаков.

5. Если совокупность данных неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно не исключают из совокупности данные с аномальными значениями исследуемых признаков.

272.Какую опасность в практическом использовании методов регрессии представляют ошибки измерения?