1. Коэффициент корреляции двух переменных X и Y равен -1. Это значит, что

2. Коэффициент корреляции двух переменных X и Y равен 0,8. Чему будет равен коэффициент корреляции, если все значения обеих переменных умножить на -10?

3. Как изменится ковариация двух переменных X и Y, если все значения обеих переменных вырастут в n раз?

4. Как изменится коэффициент детерминации в случае парной линейной регрессии, если у всех значений зависимой переменной поменять знаки?

5. Значения переменных X и Y равны соответственно:

Тогда без вычислений можно утверждать, что коэффициент корреляции этих переменных равен

6. Как изменятся стандартные ошибки коэффициентов линейной регрессии, если значения случайного члена во всех наблюдениях вырастут в n раз (при постоянстве остальных величин)?

7. Как изменится коэффициент b₁ в уравнении парной линейной регрессии , если все значения объясняющей переменной вырастут в n раз при неизменных значениях зависимой переменной?

8. Количество коэффициентов регрессии, число наблюдений, количество объясняющих переменных в линейной модели, если матрица

равно

9. Чему равны коэффициент корреляции, коэффициент детерминации R² и F-статистика в случае строгой функциональной линейной зависимости y от x?

10. Статистика Дарбина-Уотсона DW = 2, тогда

11. За шесть лет имеются поквартальные данные некоторого показателя, который подвержен сезонным колебаниям (соответствующим кварталам), и линейно растет с ростом объясняющей переменной. Сколько «фиктивных» переменных необходимо ввести в модель для изучения сезонных колебаний?

12. В распределении Койка делается предположение, что коэффициенты при лаговых значениях объясняющей переменной с возрастанием номера лага:

13. Если объясняющие переменные сильно коррелируют между собой, то имеется

14. Построена эмпирическая модель . Коэффициент корреляции  переменных X₁ и X₂ равен точно 1. Тогда определитель матрицы X^TX равен:

15. При расчете коэффициентов уравнения регрессии  была допущена ошибка при определении коэффициента b₀ (коэффициент b₁ вычислен правильно). В результате получили b₀ = 4. Сумма остатков оказалась равной . Правильное значение коэффициента b₀ равно:

16. Лагированные значения эндогенных переменных называются:

17. Имеются два качественных признака: тип потребительского поведения и сезон года (номер квартала). Согласно первому признаку все домашние хозяйства делятся на три социально-экономические страты: «низкодоходные», «среднедоходные», «высокодоходные». Согласно второму признаку имеются четыре квартала (сезона). Сколько фиктивных переменных следует ввести в модель?

18. Долю дисперсии, объясняемую уравнением регрессии, в общей дисперсии зависимой переменной характеризует:

19. Коэффициент корреляции двух переменных близок к -1. Это означает, что изменение одной из переменных является причиной изменения другой переменной.

20. Величина, показывающая, на сколько процентов изменится зависимая переменная, если объясняющая переменная вырастет на один процент, называется коэффициентом

21. Коэффициент корреляции между зависимой и объясняющей переменной в случае парной линейной регрессии равен 0,9. Какой процент вариации зависимой переменной в случае парной линейной регрессии объясняется вариацией объясняющей переменной?

22. Для анализа значимости оценок коэффициентов линейной регрессии применяется:

23. Если дисперсия оценки имеет наименьшее значение по сравнению с дисперсией любой другой альтернативной оценки, то оценка называется:

24. Какое уравнение в случае парной линейной регрессии лучше соответствует имеющимся выборочным данным: теоретическое  или эмпирическое ?

25. Суть метода наименьших квадратов состоит в минимизации

26. Рассматриваются две нелинейных модели

                                                                                      (1)

                                                                                           (2)

Можно привести к линейному виду

27. При гетероскедастичности остатков применение обычного метода наименьших квадратов приведет к тому, что:

28. Какая из ниже перечисленных моделей является авторегрессионной?

29. Исходя из структурной формы системы одновременных уравнений, получают приведенную форму данной системы, коэффициенты которой оценивают обычным методом наименьших квадратов. Такой порядок действий называется

30. Уравнения, в которых отражена схема определения эндогенных переменных, называются

31. Построены две эмпирических модели (1) , R² = 0,92; (2) , R² = 0,96, где R² – коэффициент детерминации. Тогда:

32. График уравнения парной линейной регрессии всегда проходит через точку с координатами:

33. Определите, какие из следующих факторов отражаются в моделях через фиктивные переменные:

34. Между переменными X и Y имеется строгая линейная зависимость, коэффициент корреляции равен:

35. Как статистика Дарбина-Уотсона DW связана с коэффициентом корреляции  между соседними отклонениями?

36. Включение в уравнение объясняющей переменной, незначительно влияющей на зависимую переменную (т.е. незначимой)

37. Стандартные ошибки  коэффициентов модели линейной регрессии, если , равны:

38. Коэффициент корреляции двух переменных X и Y равен 0,9. Коэффициент детерминации для уравнения парной линейной регрессии равен:

39. Чему равна F-статистика в случае строгой функциональной зависимости y от x?

40. Имеющиеся данные (n = 30) были упорядочены по возрастанию объясняющей переменной x и разбиты на три группы (11, 8, 11). Для первой и третьей групп были найдены линейные уравнения регрессии. Сумма квадратов остатков для первой группы , для второй группы . Известно, что Y… Тогда с вероятностью 95%:

41. При гетероскедастичности остатков применение обычного метода наименьших квадратов приведет к тому, что:

42. Какая из перечисленных моделей является временным трендом?

43. Имеются следующие данные об остатках e_t парной линейной регрессии (t – номер момента наблюдения):

,

тогда:

44. Мультиколлинеарность не является существенной проблемой при достаточно большом коэффициенте детерминации, если основная задача регрессионной модели

45. Если в парной линейной регрессии дисперсия случайных отклонений пропорциональна квадрату объясняющей переменной X, то для получения эффективных оценок необходимо:

46. С увеличением величины лага влияние объясняющей переменной на зависимую переменную падает:

47. Если коэффициент детерминации статистически значим, то о статистической значимости коэффициентов множественной линейной регрессии справедлив вывод:

48. Статистика Дарбина-Уотсона DW = 0, тогда:

49. Если с увеличением объема выборки дисперсия оценки стремится к нулю, то оценка называется:

50. Количество лагов в модели Койка равно:

51. Чему равен коэффициент детерминации R² в случае строгой функциональной зависимости y от x?

52. Имеются следующие данные об остатках e_t парной линейной регрессии (t – номер момента наблюдения): , тогда:

53. Предопределенными переменными называются:

Далее