Тестовые задания
Парная регрессия и корреляция
1. Наиболее наглядным видом выбора уравнения парной регрессии является:
б) графический;
2. Рассчитывать параметры парной линейной регрессии можно, если у нас есть:
б) не менее 7 наблюдений;
3. Суть метода наименьших квадратов состоит в:
б) минимизации дисперсии результативного признака;
4. Коэффициент линейного парного уравнения регрессии:
а) показывает среднее изменение результата с изменением фактора на одну единицу;
5. На основании наблюдений за 50 семьями построено уравнение регрессии 
, где 
– потребление, 
– доход. Соответствуют ли знаки и значения коэффициентов регрессии теоретическим представлениям?
а) да;
6. Суть коэффициента детерминации 
состоит в следующем:
б) характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака;
7. Качество модели из относительных отклонений по каждому наблюдению оценивает:
а) коэффициент детерминации ;
8. Значимость уравнения регрессии в целом оценивает:
а) 
-критерий Фишера;
9. Классический метод к оцениванию параметров регрессии основан на:
в) шаговом регрессионном анализе.
10. Остаточная сумма квадратов равна нулю:
в) никогда.
11. Объясненная (факторная) сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:
б) 
;
12. Остаточная сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:
в) 
.
13. Общая сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:
а) 
;
14. Для оценки значимости коэффициентов регрессии рассчитывают:
в) коэффициент детерминации .
15. Какое уравнение регрессии нельзя свести к линейному виду:
в) 
.
16. Какое из уравнений является степенным:
б) 
:
17. Параметр 
в степенной модели является:
б) коэффициентом эластичности;
18. Коэффициент корреляции 
может принимать значения:
а) от –1 до 1;
19. Для функции 
средний коэффициент эластичности имеет вид:
б) 
;
20. Какое из следующих уравнений нелинейно по оцениваемым параметрам:
в) 
.
Множественная регрессия и корреляция
1. Добавление в уравнение множественной регрессии новой объясняющей переменной:
б) увеличивает значение коэффициента детерминации;
2. Скорректированный коэффициент детерминации:
в) меньше или равен обычному коэффициенту детерминации;
3. С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:
б) уменьшается;
4. Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:
б) 
;
5. Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:
а) ;
6. Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:
в) 
.
7. Множественный коэффициент корреляции 
. Определите, какой процент дисперсии зависимой переменной объясняется влиянием факторов 
и 
:
а) 90%;
8. Для построения модели линейной множественной регрессии вида 
необходимое количество наблюдений должно быть не менее:
а) 2;
9. Стандартизованные коэффициенты регрессии 
:
а) позволяют ранжировать факторы по силе их влияния на результат;
10. Частные коэффициенты корреляции:
в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.
11. Частный -критерий:
б) служит мерой для оценки включения фактора в модель;
12. Несмещенность оценки параметра регрессии, полученной по МНК, означает:
б) что математическое ожидание остатков равно нулю;
13. Эффективность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией;
14. Состоятельность оценки параметра регрессии, полученной по МНК, означает:
в) увеличение ее точности с увеличением объема выборки.
15. Укажите истинное утверждение:
в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.
16. При наличии гетероскедастичности следует применять:
а) обычный МНК;
17. Фиктивные переменные – это:
а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;
18. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:
в) 2.