Тема: Нарушение условий Гаусса-Маркова: гетероскедастичность, автокорреляция, мультиколлинеарность
Вопрос: Фиктивные переменные используются для
А) учета количественных факторов;
*Б) для учета качественных признаков, имеющих несколько градаций;
В) учета факторов, измерение которых связано с большими затратами времени и ресурсов;
Вопрос: Обычно в качестве фиктивных переменных используют
А) переменные, принимающие столько значений, сколько градаций имеет соответствующий качественный признак;
Б) бинарные переменные, принимающие значения +1 и -1;
*В) бинарные переменные, принимающие значения 0 и 1;
Вопрос: Если соответствующий качественный признак имеет k градаций, то необходимое количество фиктивных переменных для учета этого признака равно
А) k;
*Б) k-1;
В) k+1.
Вопрос: Критерий Чоу используется для
А) теста на гетероскедастичность;
Б) теста на мультиколлинеарность;
*В) теста на однородность двух выборок.
Вопрос: В критерии Чоу используется
*А) F-статистика;
Б) t-статистика.
Вопрос: Выберите метод, используемый при гетероскедастичности остатков:
*А) метод взвешенных наименьших квадратов;
Б) классический метод наименьших квадратов;
В) нелинейный метод наименьших квадратов;
Вопрос: Для выявления мультиколлинеарности используются
*А) частные коэффициенты корреляции
Б) парные коэффициенты корреляции
В) множественный коэффициент детерминации
Г) коэффициент регрессии
Вопрос: На рисунках изображены облака рассеяния и линии регрессии. Выберите те рисунки, на которых имеет место явление гетероскедастичности.
А) а)
Б) а), б)
*В) б), в), г).
Вопрос: Выберите тест, используемый для проверки остатков на гетероскедастичность:
А) тест Дарбина-Уотсона;
*Б) тест Голдфелда-Квандта;
В) тест Чоу ;
Вопрос: Выберите основные последствия гетероскедастичности:
А) метод наименьших квадратов даёт смещенные оценки;
*Б) метод наименьших квадратов дает неэффективные оценки;
*В) завышается t- статистика для оценок коэффициентов регрессии;
Г) завышается множественный коэффициент корреляции;
*Д) занижаются стандартные ошибки коэффициентов регрессии;
З) занижается множественный коэффициент корреляции.
Вопрос: Тест Голдфелда-Квандта используется для
А) обширных выборок;
*Б) маленьких по размеру выборок.
Вопрос: Какой из тестов на гетероскедастичность позволяет устранить это явление?
А) тест Бартлетта;
*Б) тест Голдфелда-Квандта;
В) тест Уайта.
Вопрос: Выберите условия, относящиеся к условиям Гаусса-Маркова:
*А) математическое ожидание регрессионных остатков в каждом наблюдении равно нулю;
Б) коэффициенты регрессии статистически значимы;
В )множественный коэффициент корреляции близок к 1;
*Г) остатки регрессии гомоскедастичны и неавтокоррелированы;
*Д) объясняющие переменные – неслучайные величины;
*Е) объясняющие переменные – линейно независимы;
Ж) уравнение регрессии в целом статистически значимо.
Вопрос: При пошаговом методе отбора факторов в эконометрическую модель добиваются
А) наименьшего значения скорректированного коэффициента детерминации;
*Б) наибольшего значения скорректированного коэффициента детерминации;
В) наибольшего значения множественного коэффициента корреляции;
Г) наименьшего значения множественного коэффициента корреляции.
Вопрос: Если количество факторов в линейной регрессионной модели приближается к количеству наблюдений, то коэффициент детерминации приближается к
А) -1;
Б) 0;
В) ∞;
*Г) 1.
Вопрос: Мультиколлинеарность возникает из-за
*А) сильных линейных статистических связей между объясняющими переменными;
Б) сильной линейной статистической связи между объясняемой и объясняющими переменными;
В) слабой линейной статистической связи между объясняемой и объясняющими переменными;
Г) отсутствия линейной статистической связи между объясняемой и объясняющими переменными.
Вопрос: Выберите из предложенного списка признаки мультиколлинеарности объясняющих переменных линейной регрессионной модели:
*А) среди парных коэффициентов корреляции между объясняющими переменными имеются значения 0,75-0,80 и выше;
*Б) некоторые из оценок параметров регрессии имеют неправильные с точки зрения экономической теории знаки или неоправданно большие по абсолютной величине значения;
В) множественный коэффициент корреляции статистически незначим;
*Г) небольшое изменение исходной выборки (добавление или изъятие малой порции данных) приводит к существенному изменению оценок коэффициентов модели вплоть до изменения их знаков;
Д) большинство оценок коэффициентов регрессии оказываются близкими к нулю;
Е) уравнение регрессии оказывается в целом статистически незначимым при проверке с помощью F-критерия;
*Ж) большинство оценок коэффициентов регрессии оказываются статистически незначимо отличающимися от нуля, в то время как в действительности многие из них имеют отличные от нуля значения, а модель в целом является значимой при проверке с помощью F-критерия.
Вопрос: Выберите из предложенного списка методы устранения мультиколлинеарности:
*А) удаление из модели одного или нескольких факторов;
добавление в модель неучтенных ранее факторов;
Б) увеличение количество наблюдений;
*В) преобразование факторов (замена переменных), при котором уменьшается корреляция между ними;
Г) использование обобщенного метода наименьших квадратов;
*Д) отбор наиболее существенных объясняющих переменных на основе методов исключения, включения, шаговой регрессии.
Вопрос: Какое из следующих утверждений верно в случае гетероскедастичности остатков?
А) Выводы по t и F- статистикам являются ненадежными;
Б) Гетероскедастичность проявляется через низкое значение статистики Дарбина-Уотсона;
В) При гетероскедастичности оценки остаются эффективными;
*Г) Оценки параметров уравнения регрессии являются смещенными.
Вопрос: Как называется нарушение допущения о постоянстве дисперсии остатков?
А) Мультиколлинеарность;
Б) Автокорреляция;
*В) Гетероскедастичность;
Г) Гомоскедастичность.
Вопрос: Фиктивные переменные вводятся в:
а) только в линейные модели;
б) только во множественную нелинейную регрессию;
в) только в нелинейные модели;
*г) как в линейные, так и в нелинейные модели, приводимые к линейному виду.
Вопрос: Если в матрице парных коэффициентов корреляции встречаются , то это свидетельствует:
*А) О наличии мультиколлинеарности;
Б) Об отсутствии мультиколлинеарности;
В) О наличии автокорреляции;
Г) Об отсутствии гетероскедастичности.
Вопрос: С помощью какой меры невозможно избавиться от мультиколлинеарности?
А) Увеличение объема выборки;
Б) Исключения переменных высококоррелированных с остальными;
В) Изменение спецификации модели;
*Г) Преобразование случайной составляющей.
Вопрос: Какие методы можно применить для обнаружения гетероскедастичности?
*А) Тест Голфелда-Квандта;
Б) Тест ранговой корреляции Спирмена;
В) Тест Дарбина- Уотсона.
Вопрос: На чем основан тест Голфельда -Квандта
А) На использовании t – статистики;
*Б) На использовании F – статистики;
В) На использовании ;
Г) На графическом анализе остатков.
Вопрос: Возможно ли с помощью преобразования переменных избавиться от мультиколлинеарности?
*А) иногда;
Б) Нет;
В) Да.