Вы находитесь на странице: 1из 697

Вопрос 1 (Вес 3.

33%) Блок  "Теория  вероятностей  и  матстатистика"

Для  коэффициента  корреляции  верно,  что


( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 2 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Если  корреляция  между  двумя  переменными  равна  нулю,  то  и  ковариация  между  
ними  равна  нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 3 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Одним  из  главных  преимуществ  использования эконометрики  по  сравнению  с  
типичными  результатами  экономической  теории  является  то,  что:
( )все  ответы  верны
(x)она  может  дать  количественные  оценки  эффектов,  тогда  как  экономическая  теория  
говорит  только  о  направлении  влияния
( )умение  обращать  матрицу размером  4  на  4
( )она  учит  Вас  использовать  статистические  пакеты

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 4 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Коэффициент  корреляции  двух  переменных X и Y равен  -1.  Это  значит,  что
( )между  переменными  отсутствует  всякая  зависимость
( )между  переменными  имеется  нелинейная  зависимость
(x)между  переменными  имеется  обратная  линейная  зависимость
( )между  переменными  имеется  прямая  линейная  зависимость

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 5 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Если  ковариация  между  двумя  переменными  равна  нулю,  то  и  корреляция  между  
ними  равна  нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 6 (Вес 3.33%) Блок  "Основы  эконометрики.  Понятия.  Типы  данных."


На  графике,  представленном  ниже,  по  вертикальной  оси  отложен  средний  темп  
роста  ВВП  65  стран за  период  1960-1995  гг.,  а  по  горизонтальной  оси  - доля  
страны  (%)  в  международной  торговле.

Это  пример:
(x)пространственных  (cross-sectional)  данных
( )экспериментальных  данных
( )временного  ряда
( )лонгитьюдных  данныхлонгитьюдные данные=панельные данные
( )панельных  данных

Объяснение:
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 7 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Анализ  влияния  минимальной  заработной  платы  на  занятость  молодежи  по  
данным  48  штатов  в  период  с  1980  по  2010  гг.  - это  пример  использования:
( )временных  рядов
( )экспериментальной  и  контрольной  групп,  так  как  только  молодеж  получает  
минимальную  зарплату
(x)панельных  данных
( )кросс-секционных  данных

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 8 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Переменная  X  меняется  непрерывно  от  -3  до  3.  Y=X2.  Каков  коэффициент  
корреляции  Пирсона  между  переменными  X  и  Y?
Ответ: 0

Объяснение: Достаточно  нарисовать  график,  чтобы  увидеть,  что  между  


переменными  нет  линейной  связи  (на  рассматриваемом  участке),  которую  
измеряет  коэффициент  корреляции.  Можно  убедиться  в  этом,  посчитав  в  Excel  
или  воспользовавшись  формулой  корреляции  или  ковариации  (удобно  
воспользоваться  формулами  с  матожиданиями).
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 9 (Вес 6.67%) Блок  "Теория  вероятностей  и  матстатистика"


Коэффициент  корреляции  между  X  и  Y  равен  1.  Известно,  что  когда  X=2,  то  Y=6;;  
когда  X=4,  то  Y=10.  Чему  равен  Y,  когда  X=10?
Ответ: 22

Объяснение: Равенство  коэффициента  корреляции  1  или  -1  означает  наличие  


прямой  или  обратной  линейной  связи  между  переменными.
Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 10 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"

На  данном  рисунке  представлены  данные  следующего  типа:


( )экспериментальные
( )лонгитьюдные  (панельные)
(x)временной  ряд
( )кросс-секционные

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 11 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Переменная  X  меняется  от  -3  до  3.  Y=X6.  Каков  коэффициент  корреляции  Пирсона  
между  переменными  X  и  Y?
Ответ: 0

Объяснение: Достаточно  нарисовать  график,  чтобы  увидеть,  что  между  


переменными  нет  линейной  связи  (на  рассматриваемом  участке),  которую  
измеряет  коэффициент  корреляции.  Можно  убедиться  в  этом,  посчитав  в  Excel
или  воспользовавшись  формулой  корреляции  или  ковариации  (удобно  
воспользоваться  формулами  с  матожиданиями).
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 12 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Корреляция  между  переменными X  и  Y:
( )это  квадрат  ковариации
(x)может  быть  рассчитана  путем  деления  ковариации  между  X  и  Y  на  произведение  их  
стандартных  отклонений
( )может  быть  рассчитана  путем  деления  ковариации  между  X  и  Y  на  произведение  их  
дисперсий
( )не  может  быть  отрицательной,  так  как  дисперсия  всегда  положительна

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 13 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


В  случае  строгой  отрицательной  функциональной  линейной  
зависимости y от xкоэффициент корреляции  Пирсона  равен:
( )-1<r<+1
( )+1
( )+1  или  -1
(x)-1
( )0

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 14 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Изучение  инфляции  в  США  с  1970  по  2010  гг  - это  пример  использования:

( )рандомизированного  контролируемого  эксперимента


(x)временного  ряда
( )панельных  данных
( )кросс-секционных  данных

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 15 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"

Для  коэффициента  корреляции  верно,  что


(x)False
( )True

Объяснение: Коэффициент  корреляции  может  принимать  также  значение  -1  и  +1.


Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 16 (Вес 10%) Блок  "Теория  вероятностей"


Рассматриваются  все  пары,  в  которых и  мужчина,  и  женщина  зарабатывают  
деньги.  Мужчины  в  среднем  зарабатывают  40000  рублей  в  месяц  со  стандартным  
отклонением  12000.  Женщины  - 45000  со  стандартным  отклонением  18000.  
Корреляция  заработков  мужчин  и  женщин  равна  0.8.

Чему  равен  средний  ежемесячный  заработок  пары  (заработок  


мужчины+заработок  женщины)? 85000 рублей
Чему  равна  ковариация  их  заработков? 172800000
Чему  равна  корреляция  их  заработков,  если  их  выразить  в  долларах  по  курсу  1  
долл.  =  30  рублей? 0.8

Балл: 100% Балл за тест: 100% × 10 = 10%

Вопрос 17 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


В  случае  строгой  функциональной  линейной  зависимости y от x коэффициент  
корреляции  Пирсона  равен:
( )0
( )+1
( )-1<r<+1
(x)+1  или  -1
( )-1

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 18 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Коэффициент  корреляции  двух  переменных  близок  к  -1.  Это  означает,  что  
изменение  одной  из  переменных  является  причиной  изменения  другой  
переменной.
(x)False
( )True

Объяснение: Корреляция  не  означает  причинность.  Пример:  продажи  мороженого  


коррелируют  с  числом  утонувших  в  водоемах  не  потому,  что  одно  является  
причиной  другого,  а  потому  что  обе  переменные  связаны  с  температурой  воздуха.
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 19 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Коэффициент  корреляции  двух  переменных X и Y равен  0,8.  Чему  будет  равен  
коэффициент  корреляции,  если  все  значения  обеих  переменных  умножить  на  -10?
( )8
(x)0.8
( )-8
( )-0.8

Объяснение:
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 20 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Из  низкого  коэффициента  корреляции  между  переменными  Y  и  X  следует,  что:
( )линия  регрессии  Y(X),  проведенная  на  диаграмме  рассеяния,  имеет  малый  угол  
наклона
(x)на  диаграмме  рассеяния  разброс  точек  вокруг  линии  регрессии  достаточно  большой
( )переменные  тесно  взаимосвязаны
( )переменные  не  взаимосвязаны
( )используются  неверные  единицы  измерения  этих  переменных

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 21 (Вес 3.33%) Блок  "Основы  эконометрики.  Понятия.  Типы  данных."


В  рандомизированном  контролируемом  эксперименте:

( )Вы  контролируете  тот  факт,  что  ответы  могут  быть  даны  случайным  образом
( )контрольная  группа  сформирована  случайным  образом,  а  экспериментальная  - не  
случайным
( )вы  контролируете  тот  факт,  что  случайные  числа  в  реальности  сгенерированы  не  
случайным  образом
(x)есть  контрольная  группа  и  экспериментальная  группа
( )контрольная  группа  получает  воздействие  только  по  четным  дням

Объяснение: Пример  эксперимента:  случайно  отобранная  контрольная  группа  


получает  плацебо  (пустышку),  а  случайно  отобранная  экспериментальная  группа  -
лекарство.  Обе  группы  были  получены  случайным  образом  и  различия  в  их  
самочувствии  - это  именно  эффект  от  лекарства.  Таким  образом,  исследователям  
удасться  оценить,  как  лекарство  влияет  на  самочувствие  больных,  их  
медицинские  показатели.
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 22 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Эконометрику  можно  определить  как  все  из  перечисленного  ниже,  кроме:
(x)измерение  роста  экономистов
( )наука  о  тестировании  экономических  теорий
( )набор  инструментов  для  предсказания  будущих  значений  экономических  переменных
( )оценка  математических  моделей  на  реальных  данных

Объяснение:
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 23 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Анализ  уровня  безработицы  в  различных  штатах  США  по  состоянию  на  конец  
марта  2010  года  - это  пример  использования:
(x)кросс-секционных  данных
( )экспериментальных  данных
( )панельных  данных
( )временных  рядов

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 24 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Модуль  коэффициента  корреляции  равен  1.  В  этом  случае  корреляционная  
зависимость  становится…
( )стохастической
(x)функциональной
( )автокорреляционной
( )регрессионной

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 25 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Примером  экспериментальных  данных  для  выявления  эффекта  от  использования  
ремня  безопасности  будет  выборка  участников  ДТП,  произошедших  в  2011  году,  с  
указанием  был  ли  участник  пристегнут  ремнем  и  погиб  ли  в  результате  ДТП.
( )False
(x)True

Объяснение: Это  пример  наблюдаемых  данных.  Мы  не  управляли тем,  был  
пристегнут  человек  или  нет.
Балл: 0% Балл за тест: 0% × 3.33 = 0%

Вопрос 26 (Вес 3.33%) Блок  "Вопросы  экономики  и  данные"


Причиной  того,  что  эксперименты  мало  используются  в  экономике,  НЕ  является:
( )сложность  их  проведения  над  людьми
(x)эксперименты  имеют  недостатки  по  сравнению  с  анализом  наблюдаемых  данных
( )во  многих  случаях  неэтичность
( )принципиальная  невозможность  их  проведения

Балл: 0% Балл за тест: 0% × 3.33 = 0%

Вопрос 27 (Вес 3.33%) Блок  "Теория  вероятностей  и  матстатистика"


Возможна  ситуация,  когда  парный  коэффициент  корреляции  равен  0,  но  при  этом  
2  переменные  являются  зависимыми.
( )False
(x)True

Объяснение: Это  возможно,  если  между  переменными  есть  нелинейная  


взамосвязь.  Коэффициент  корреляция  Пирсона  улавливает  тольколинейную  
связь.
Балл: 100% Балл за тест: 100% × 3.33 = 3.333%
Вопрос 1 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"

Корреляция  между  переменными  X  и  Y:


( )может  быть  рассчитана  путем  деления  ковариации  между  X  и  Y  на  произведение  их  
дисперсий
( )не  может  быть  отрицательной,  так  как  дисперсия  всегда  положительна
( )это  квадрат  ковариации
(x)может  быть  рассчитана  путем  деления  ковариации  между  X  и  Y  на  произведение  их  
стандартных  отклонений

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 2 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


По выборке  из  100  наблюдений  был  получен  коэффициент  корреляции  между  
двумя  переменными,  равный  0,25.  Значимо  ли  отличен  этот  коэффициент  от  нуля  
на  5%  уровне  значимости?
( )нет
(x)да
( )недостаточно  информации  для  ответа

Объяснение: - если  эта  статистика  больше  t  табличного  с  n-2


степенями  свободы,  то  коэффициент  корреляции  r  значим,  иначе  - незначим.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 3 (Вес 1.61%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"


Согласно  Закону  Больших  Чисел:
( )по  мере  роста  выборки,  дисперсия  выборочного  среднего  также  растет
( )дисперсия  выборочного  среднего  постоянна  и  не  зависит  от  объема  выборки
( )То,  уменьшается  или  увеличивается  дисперсия  выборочного  среднего  зависит  от  
распределения  генеральной  совокупности
(x)по  мере  роста  выборки,  дисперсия  выборочного  среднего  уменьшается

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 4 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


В  кинотеатре  проводится  исследование,  какой  вид  попкорна  предпочитают  
зрители.  Результаты  показали,  что  вид  A  предпочитает  65%  плюс-минус  3%.  Что  
означает  “плюс-минус  3%”?
( )Три  процента  результатов  в  выборке  неаккуратны  и  должны  быть  отброшены
( )Три  процента  зрителей  изменили  свои  предпочтения  в  пользу  попкорна  вида  A.
( )Было  исследовано  3%  всех  зрителей
( )Истинная  доля  любителей  попкорна  вида  A  могла  бы  быть  определена,  если  
исследовать  на  3%  больше  зрителей
(x)Истинная  доля  любителей  попкорна  вида  A  с  фиксированной  доверительной  
вероятностью  находится  в  пределах  от  62  до  68  процентов

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%


Вопрос 5 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"
Опираясь  на  таблицу,  в  которой  представлены  две  характеристики  для  всех  
объектов  генеральной  совокупности,  выберите  единственное  верное
высказывание:

Y 10 8 20 42 120 44 36 42 10 12 16 30 44 58 72
X 15 12 30 63 180 66 54 63 15 18 24 45 66 87 108
(x)Коэффициент  корреляции  между  X  и  Y=1
( )Коэффициент  корреляции  между  X  и  Y=2/3
( )Y  зависит  от  X  линейномы не можем говорить о причинно-следственной связи без
дополнительной информации
( )Между  X  и  Y  наблюдается  статистическая,  а  не  функциональная  взаимосвязь

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 6 (Вес 1.61%) Блок  "Выборка"


Для  случайной  выборки  верно  то,  что  все  наблюдения  из  генеральной  
совокупности  имеют  равную  вероятность  попадания  в  нее.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 7 (Вес 3.23%) Блок  "Матстат:  проверка  гипотез"


Новый  стандартизованный  тест  дается  случайной  выборке  из  100  школьников  в  
Нью-Йорке.  Средний  балл  получился  равным  58  баллов  со  стандартным  
отклонением  8  баллов.  Этот  же  тест  дается  выборке  200  школьников  в  Чикаго.  
Среднее  получилось  62  балла  со  стандартным  отклонением  11  баллов.

Используя  аппроксимацию  t-распределения  нормальным  постройте  90%-ный  


доверительный  интервал  для  разницы  между  средними  баллами  Чикаго  и  Нью-
Йорка  (средний  балл  Нью-Йорка  минус  средний  балл  Чикаго)

[ ; ]  (ответ  округлите  до  2  знаков  после  запятой)

Балл: 0% Балл за тест: 0% × 3.23 = 0%

Вопрос 8 (Вес 3.23%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"


Выберите  все  верные  утверждения  (возможно  несколько  верных  ответов):
[x]Если  размер  выборки  большой,  то  распределение  выборочного  среднего  
приблизительно  нормальное  даже  если  случайная  величина  имеет  распределение,  
отличное  от  нормального
[ ]Только  если  случайная  величина  распределена  нормально  и  размер  выборки  велик,  
распределение  выборочного  среднего  близко  к  нормальному.
[ ]Если  случайная  величина  распределена  не  нормально,  то  распределение  выборочного  
среднего  не  может  быть  нормальным  даже  если  размер  выборки  велик
[x]Если  случайная  величина  распределена  нормально,  то  распределение  выборочного  
среднего  тоже  нормальное  даже  для  малых  выборок
Объяснение: Обратите  внимание  на  суть  выражения  "распределение  выборочного  
среднего":
Если  генеральная  совокупность,  для  которой  известно  значение  переменной  
(случайной  величины)  X,  распределенной  неким  образом. Из  этой  генеральной  
совокупности  берут  много  выборок  размером  n.  И  для  каждой  такой  выборки  
находят  среднее  (это  выборочное  среднее).  Затем  смотрят  на  распределение  
получившихся  средних  (грубо  говоря,  рисуют  гистограмму). По  ЦПТ  (Центральной  
Предельной  Теореме),  если  извлекаемые  выборки  имеют  большой  размер,  то  
распределение  выборочных  средних  будет  близко  к  нормальному.  А  если  
случайная  величина  сама  распределена  нормально,  то  это  будет  выполняться  и  
для  небольших  выборок.  На  практике  большой  выборкой  можно  считать  все,  что  
больше  100.
Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 9 (Вес 1.61%) Блок  "Матстат:  описательные  статистики"


В  статистических  пакетах  используется  англоязычная  терминология.  Сопоставьте  
англоязычные  термины  с  их  русскими  аналогами.
mean среднее
median медиана
kurtosis эксцесс
skewness асимметрия
variance дисперсия

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 10 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


В  ходе  эксперимента  контрольная  группа  пациентов  получила  плацебо,  а  
экспериментальная  - новое  лекарство.  Спустя  месяц  после  начала  приема  
лекарства  у  испытуемых  измерили  один  из  количественных  показателей  крови.  
Необходимо  выяснить,  есть  ли  статистически  значимые  различия  в  средних  
показателях  двух  групп.  Для  этого  следует  использовать:
( )z-тест  для  двух  независимых  выборок
(x)t-тест  для  двух  независимых  выборок
( )F-тест  для  двух  независимых  выборок
( )z-тест  для  двух  независимых  выборок
( )t-тест  для  двух  зависимых  выборок

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 11 (Вес 3.23%) Блок  "Матстат:  проверка  гипотез"


1000  случайно  отобранных  старшеклассников  прошли  тест.  Среднее  получилось  
1110,  стандартное  отклонение=123.
Найдит  95%  доверительный  интервал  для  среднего  в  генеральной  совокупности  
(пользуясь  тем,  что  выборка  большая,  используйте  аппроксимацию  t-
распределения  нормальным)
[868.92;;1351.08]  (округлите  ответ  до  2-го  знака  после  запятой)

Балл: 0% Балл за тест: 0% × 3.23 = 0%

Вопрос 12 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


По  выборке  из  10  наблюдений  был  получен  коэффициент  корреляции  между  
двумя  переменными,  равный  0,8.  Значимо  ли  отличен  этот  коэффициент  от  нуля  
на  5%  уровне  значимости?
(x)да
( )недостаточно  информации
( )нет

Объяснение: - если  эта  статистика  больше  t  табличного  с  n-2


степенями  свободы,  то  коэффициент  корреляции  r  значим,  иначе  - незначим.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 13 (Вес 6.45%) Блок  "Матстат:  проверка  гипотез"


По  результатам  опроса  400  потенциальных  избирателей  215  ответии,  что  будут  
голосовать  за  Обаму,  а  185  - за  Ромни.  Пусть  p  - доля  (от  0  до  1)  голосующих  за  
Обаму  в  генеральной  совокупности  всех  потенциальных  избирателей,  а - доля  
ответивших,  что  будут  голосовать  за  Обаму по  выборке  в  400  человек.

Найдите  точечную  оценку  p 0.5375 (с  точностью  до  4-го  знака  после  запятой)
Найдите  стандартную  ошибку  найденной  в  предыдущем  пункте  оценки (с  
точностью  до  4-го  знака  после  запятой)
Найдите  p-value t-теста  H0:p=0.5 vs. H1:p  не  равно  
0.5 (используйте нормальное распределение,  ответ  дайте  с  точностью  до  3-го  
знака  после  запятой)
Найдите  p-value t-теста  H0:p=0.5 vs.
H1:p>0.5 (используйте нормальное распределение,  ответ  дайте  с  точностью  до  3-
го  знака  после  запятой)

Балл: 25% Балл за тест: 25% × 6.45 = 1.613%

Вопрос 14 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


Коэффициент  корреляции  двух  переменных  близок  к  +1.  Это  означает,  что  
изменение  одной  из  переменных  является  причиной  изменения  другой  
переменной.
(x)False
( )True

Объяснение: Корреляция  не  означает  причинность.  Пример:  продажи  мороженого  


коррелируют  с  числом  утонувших  в  водоемах  не  потому,  что  одно  является  
причиной  другого,  а  потому  что  обе  переменные  связаны  с  температурой  воздуха.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 15 (Вес 1.61%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"


Возьмем  m>100  выборок,  каждая  объемом  n  наблюдений,  из  генеральной  
совокупности  с  неизвестным  средним  и  стандартным  отклонением  σ.  Далее  
найдем  средние  для  каждой  из  m  выборок,  а  затем  - стандартное  отклонение  этих  
средних.  Тогда  стандартное  отклонение  выборочных  средних  будет  ближе  всего  к:

( )1
( )3
( )2
(x)4
( )5

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 16 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


Если  ковариация  между  двумя  переменными  равна  нулю,  то  и  корреляция  между  
ними  равна  нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 17 (Вес 1.61%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"

Дисперсия  выборочного  среднего, ,  рассчитывается  по  формуле:

( )2
( )5
( )1
( )4
(x)3

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 18 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Если  нужно  проверить  гипотезу  на  10%  уровне  значимости,  и  p-value  теста  
превышает  0,1,  то  есть  основания  отклонить  нулевую  гипотезу.
( )False
(x)True

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 19 (Вес 3.23%) Блок  "Матстат:  описательные  статистики"


Приведены  данные  о  результатах  госэкзамена  по  английскому  языку  для  7  
студентов.
Студент Балл
A 40
B 60
C 20
D 50
E 10
F 20
G 80

Заполните  пропуски  на  основе  приведенных  выше  данных  (при  необходимости  


округлите  ответ  до  десятых,  используя  точку  или  запятую  как  разделитель)
Медиана  равна40
Среднее  равно40
Мода  равна20

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 20 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


При  большом  объеме  выборки  95%  доверительный  интервал  для  среднего  
генеральной  совокупности  ( ) примерно  равен:
( )4
( )3
(x)1
( )2

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 21 (Вес 1.61%) Блок  "Выборка"


Теоретически  выборка  может  быть  больше,  чем  генеральная  совокупность  из  
которой  она  извлекается.
(x)False
( )True

Объяснение: Ни  теоретически,  ни  практически  такое  невозможно  по  определению.


Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 22 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


Вы  собрали  данные  о  среднем  еженедельном  расходе  времени  на  обучение  (T)  и  
об  оценках  (G)  Ваших  сокурсников.  Изменение  единиц  измерение  времени  с  
минут  на  часы  повлияет  на  коэффициент  корреляции  между  T  и  G  следующим  
образом:

( )уменьшит  его  в  60  раз


( )уменьшит  его  менее,  чем  в  60  раз
( )нельзя  определить,  как  изменит
(x)не  изменит  его
( )увеличит  его  в  60  раз

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 23 (Вес 1.61%) Блок  "Матстат:  анализ взаимосвязей"


Если  корреляция  между  двумя  переменными  равна  нулю,  то  и  ковариация  между  
ними  равна  нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 24 (Вес 3.23%) Блок  "Матстат:  анализ  взаимосвязей"


Значения  переменных X и Y равны:
X 1 2 3 4 5 6 7 8 9 10
Y 10 9 8 7 6 5 4 3 2 1
Коэффициент  корреляции  этих  переменных  равен -1
(Если  ответ  - нецелое  число,  то  округлите  до  десятых;;  разделитель  - точка  или  
запятая)
Объяснение: Видно,  что  между  переменными  точная  линейная  связь (Y=11-X),  и  
при  этом  взаимосвязь  отрицательная.
Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 25 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Из  малого  (например,  менее  0,05)  значения  p-value (т.  е.  остаточной  вероятности)  
статистического  теста  следует:

( )отклонение  нулевой  гипотезы


( )неприменимость  Центральной  Предельной  Теоремы
(x)малая  t-статистика
( )малая  стандартная  ошибка

Объяснение: p-value  показывает,  какова  вероятность  получить  ,более  высокое  


значение  тестовой  статистики,  чем  полученное  нами,  если  нулевая  гипотеза  
верна.  Следовательно,  если  эта  вероятность  мала,  то  мы  вышли  далеко  за  
область  принятия  нулевой  гипотезы  и  есть  основания  отклонить  нулевую  
гипотезу.
Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 26 (Вес 3.23%) Блок  "Матстат:  проверка  гипотез"


По  выборке  оценили  95%-ный доверительный  интервал  для  среднего  в  
генеральной  совокупности.  Затем  взяли  100  чисел,  попадающих  в  этот  
доверительный  интервал,  и  для  каждого  из  них  проверили  гипотезу  (на  5%-ном  
уровне  значимости)  о  том,  что  среднее  в  генеральной  совокупности  равно  этому  
числу.  В  скольки  случаях  из  100  не  было  оснований  отвергнуть  нулевую  гипотезу?
Ответ: 100

Объяснение: 95%-ный доверительный  интервал  как  раз  показывает  все  те  числа,  
для  которых  мы  бы  не  смогли  отвергнуть  нулевую  гипотезу,  если  бы  проверяли  
эту  гипотезу  на  5%-ном  уровне  значимости  (95%-ном  доверительном  уровне).
Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 27 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Если  p-value  теста  равно  0.000001,  то  есть  серьезные  основания  отвергнуть  
нулевую  гипотезу.
(x)False
( )True

Балл: 0% Балл за тест: 0% × 1.61 = 0%


Вопрос 28 (Вес 1.61%) Блок  "Матстат:  анализ взаимосвязей"
Возможна  ситуация,  когда  парный  коэффициент  корреляции  равен  0,  но  при  этом  
2  переменные  являются  зависимыми.
( )False
(x)True

Объяснение: Это  возможно,  если  между  переменными  есть  нелинейная  


взамосвязь.  Коэффициент  корреляция  Пирсона  улавливает  только  линейную  
связь.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 29 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


В  результате  проведённого  t-теста,  P-value  оказалась  равной  0,09.  Это  говорит  о  
том,  что:
( )На  уровне  значимости  больше  0,09  нулевую  гипотезу  нужно  отклонить
( )На  уровне  значимости  больше  0,09  нулевая  гипотеза  верна
( )На  уровне  значимости  больше  0,09  нулевая  гипотеза  неверна
(x)На  уровне  значимости  больше  0,09  нулевую  гипотезу  можно  принять

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 30 (Вес 1.61%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"

В  генеральной  совокупности , С  помощью  ЦПТ  оцените  


вероятность  того,  что  среднее  значение  Y  на  выборке  в  100  наблюдений  составит  
не  более  101.
( )1.000
( )0.509
( )0.064
(x)0.561
( )0.936

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 31 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Чем  ниже  уровень  значимости ,  на  котором  тестируется  гипотеза,  тем  сложнее  
отвергнуть  нулевую  гипотезу.
( )False
(x)True

Объяснение: Если  уровень  значимости  0,01  (1%),  то  наша область  принятия  
нулевой  гипотезы  больше,  чем  в  случае,  например  уровня  значимости  0,05  
(5%),  ведь уровень  значимости  отражает  вероятность,  сосредоточенную  в  
области  отвержения  нулевой  гипотезы.  Разумеется,  она  будет  больше  в  
случае  5%  уровня  значимости,  чем  1%,  а  значит  легче  попасть  в  эту  область  
именно  в  случае  5%  уровня  значимости.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%
Вопрос 32 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"
Если  нужно проверить  гипотезу  на  30%  уровне  значимости,  и  p-value  теста  равно  
0,39,  то  нет  оснований  отклонить  нулевую  гипотезу.
(x)False
( )True

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 33 (Вес 4.84%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"


Yi - случайные  величины  бернуллевского  типа  (принимают  значение  1  и  0).  
Вероятность  выпадения  единицы  p=0.4.
Используя  ЦПТ  оцените  приблизительно следующие  вероятности  того,  что  
среднее  Y  примет  определенные  значения:
при  n=100
при  n=400

Балл: 0% Балл за тест: 0% × 4.84 = 0%

Вопрос 34 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


В  статистических  пакетах  p-value  (sig.  или  prob.)  - это  вероятность  ошибиться,  
отвергнув  верную  нулевую  гипотезу.  Если  это  значение  близко  к  нулю  и  при  этом  
меньше  заданного  уровня  значимости,  то  есть  основания  отвергнуть  нулевую  
гипотезу.
(x)False
( )True

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 35 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"

Для  коэффициента  корреляции  верно,  что


(x)False
( )True

Объяснение: Коэффициент  корреляции  может  принимать  и  значение  1  по  модулю.


Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 36 (Вес 1.61%) Блок  "Матстатистика:  свойства  оценок"

Оценка параметра  генеральной  совокупности состоятельна,  если:

нормально  распределена  на  больших  выборках


(x)3
( )2
( )1
( )4это условие несмещенности
Объяснение: Если  оценка  сходится  по  вероятности  к  значению  параметра  в  
генеральной  совокупности,  то  она  состоятельна.  Сходимость  по  вероятности,  по  
сути,  означает,  что  с  ростом  объема  выборки  вероятность  того,  что  разность  
между  оценкой  параметра  и  истинным  значением  меньше  сколь  угодно  малой  
положительной  величины стремиться  к  1.  То  есть  если  чем  больше  выборку  мы  
возьмем,  тем  более  близкую  к  истинной  оценку  параметра  мы,  скорее  всего,  
получим.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 37 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


Если  между  переменными  X  и  Y  нет  причинно-следственной  связи  (в  любую  
сторону),  то  они  определенно  независимые  переменные  по  отношению  друг  к  
другу.
(x)False
( )True

Объяснение: Нередко  бывает  так,  что  между  переменными  есть  корреляция,  но  нет  
причинно-следственной  связи.  Например,  количество  осадков  в  Нью-Йорке  и  
рождаемость  в  Чикаго  могут  быть  взаимосвязаны  через  время  года.  Количество  
осадков  указывает  на  вероятное  время  года,  а  рождаемость  различна  в  разное  
время  года.  В  результате  между  двумя  переменными  может  быть  корреляция  при  
том,  что  нет  причинно-следственной  связи.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 38 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


Коэффициент  корреляции  двух  переменных X и Y равен  0,8.  Чему  будет  равен  
коэффициент  корреляции,  если  все  значения  обеих  переменных  умножить  на  -10?
(x)0.8
( )-0.8
( )-8
( )8

Объяснение:
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 39 (Вес 1.61%) Блок  "Матстат:  анализ  взаимосвязей"


Коэффициент  корреляции  двух  переменных  близок  к  -1.  Это  означает,  что  
изменение  одной  из  переменных  является  причиной  изменения  другой  
переменной.
(x)False
( )True

Объяснение: Корреляция  не  означает  причинность.  Пример:  продажи  мороженого  


коррелируют  с  числом  утонувших  в  водоемах  не  потому,  что  одно  является  
причиной  другого,  а  потому  что  обе  переменные  связаны  с  температурой  воздуха.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 40 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Если  нужно  проверить  гипотезу  на  15%  уровне  значимости,  и  p-value теста  
превышает  0,15,  то  есть  основания  отклонить  нулевую  гипотезу.
( )False
(x)True

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 41 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Получение  высокого  (близкого  к  1)  p-value по  результатам  теста  на  сравнение  
средних  в  двух  независимых  выборках  означает:
( )высокую  расчетную  t-статистику
( )низкую  табличную  (критическую)  t-статистику
( )высокую  табличную  (критическую)  t-статистику
(x)отклонение  нулевой  гипотезы
( )невозможность  отвергнуть  нулевую  гипотезу

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 42 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


На  0%-ном  уровне  значимости  нельзя  отвергнуть  нулевую  гипотезу.
( )False
(x)True

Объяснение: Если  уровень  значимости  0%,  то  область  принятия  


H0 составляет ,  и  нет  области  отвержения  этой  гипотезы.
Балл: 100% Балл за тест: 100% × 1.61 = 1.613%

Вопрос 43 (Вес 1.61%) Блок  "Матстат:  проверка  гипотез"


Если  нужно  проверить  гипотезу  на  5%  уровне  значимости, и  p-value  теста  
превышает  0,05,  то  есть  основания  отклонить  нулевую  гипотезу.
( )False
(x)True

Балл: 0% Балл за тест: 0% × 1.61 = 0%

Вопрос 44 (Вес 4.84%) Блок  "Матстат:  ЦПТ  и  ЗБЧ"


Пусть  Yi - i.i.d случайные  величины,  каждая  из  которых  имеет  распределение  
N(10,4)
Найдите  вероятность

при  n=20 0.63


n=100 0.95
n=1000 1

Вероятность  принимает  значения  от  0  до  1.


Везде  округляйте  до  второго  знака  после  запятой.

Балл: 100% Балл за тест: 100% × 4.84 = 4.839%

Вопрос 45 (Вес 8.06%) Блок  "Lab.  Матстат:  проверка  гипотез"


Откройте  файл CPS92_04.dta (жмите  на  ссылку,  не  бойтесь!)  в  Stata  (через  File-
Open).
Этот  файл  содержит  данные  о  зарплатах  американцев  в  1992  и  2004  годах.

Описание  переменных  приведено  ниже:


FEMALE: 1 if female; 0 if male
YEAR: Year
AHE : Average Hourly Earnings (nominal dollars)
BACHELOR: 1  if  worker  has  a  bachelor’s  degree;;  0  if  worker  has  a  high school degree

Известно,  что  потребительские  цены  в  2004  году  были  на  35%  выше,  чем  в  1992  
году.
С  помощью  команды  gen  создайте  переменную  ahe2004  - зарплату  в  ценах  2004  
года  (реальную  зарплату).
Выразите  зарплаты  1992  года  в  ценах  2004,  а  зарплаты  2004  года  перенесите  в  
новую  переменную  без  изменений.
(подсказка:  используйте  команду  replace  с  первого  семинара).

Проведите  описательный  анализ  почасовой  зарплаты  в  целом  по  


переменной  ahe2004:

Медианная  реальная  зарплата  по  всей  выборке  равна (с  точностью  до  2-го  знака  
после  запятой)
Асимметрия  по  всей  выборке  равна (с  точностью  до  2-го  знака  после  запятой)
Эксцесс  по  всей  выборке  равен (с  точностью  до  2-го  знака  после  запятой)

Аналогичный  анализ  отдельно  по  каждому  году  (обратите  внимание  на  то,
как  используется  by  для
проведения  анализа  отдельно  по  каждой  группе):

Медианная  реальная  зарплата  по  выборке  1992  года  равна (с  точностью  до  2-го  
знака  после  запятой)
Медианная  реальная  зарплата  по  выборке  2004  года  равна (с  точностью  до  2-го  
знака  после  запятой)
Найдите  90%  доверительный  интервал  (confidence  interval)  для  средней  
почасовой  зарплаты  в  2004  году:

от до (с  точностью  до  2-го  знака  после  запятой)

Протестируйте  различия  между  реальными  зарплатами  1992  года  и  2004  


года  с  помощью  t-теста  (опция  unequel  говорит  о  том,  что  мы  не  исходим  из  
того,  что  дисперсии  равны):

Средняя  зарплата  в  1992  году  (в  ценах  2004  года)  по  выборке  равна (с  точностью  
до  2-го  знака  после  запятой)
Средняя  зарплата  в  2004  году  (в  ценах  2004  года)  по выборке  равна (с  точностью  
до  2-го  знака  после  запятой)
Средняя  зарплата  по  объединенной  выборке  1992  и  2004  годов  (в  ценах  2004  
года)  равна (с  точностью  до  2-го  знака)
95%  доверительный  интервал  для  разности  между  средней  зарплатой  2004  года  и  
средней  зарплатой  1992  года  (из  2004  года  вычитаем  1992!):
от до (с  точностью  до  2-го  знака  после  запятой)
На  1%  уровне  значимости  гипотеза  о  равенстве  между  зарплатами  отвергается:  
скорее  всего,  почасовая  зарплата  американцев  выросла (впишите  +,  если  
утверждение  верно  и  -,  если  неверно)

Балл: 0% Балл за тест: 0% × 8.06 = 0%


Вопрос 1 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"

Для  модели  зависимости  среднедушевого  месячного  дохода  населения  (р.)  от  


объема  производства  (млн.  р.)  получено  уравнение у_hat  =  0,005х  +  900,  где  y_hat
- предсказанное  значение  среднедушевого  месячного  дохода.  При  изменении  
объема  производства  на  1  млн.  р.  среднедушевой  месячный  доход  в  среднем  
изменится  на  …
( )900  млн.  рублей
( )нет  правильного  ответа
( )900  рублей
(x)0,005  рублей
( )0,005  млн.  рублей

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 2 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"

В  парной  линейной  регрессии ,  а .  Тогда:


( )выполнены  предпосылки  МНК
(x)ожидается,  что  Y  увеличится  на  2  единицы  при  увеличении  X  на  1  единицу
( )ожидается,  что  Y  увеличится  на  1  единицу  при  увеличении  X  на  2  единицы
( )среднее  значение  Y  равно  3
( )среднее  значение  Y  равно  5

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 3 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"

Как  изменится  коэффициент в  уравнении  парной  линейной  


регрессии ,  если  все  значения  объясняющей  переменной  вырастут  
в n раз  при  неизменных  значениях  зависимой  переменной?
( )вырастет  в  n  раз
( )не  изменится
(x)уменьшится  в  n  раз
( )вырастет  в  n^2  раз

Объяснение:

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 4 (Вес 8%) Блок  "Основы  регрессионного  анализа.  МНК"


Исследователь  анализирует  выборку  из  200  20-летних  мужчин.  Регистрируется  
вес  и  рост  этих  мужчин.  Регрессионное  уравнение  получилось  следующим:

Вес  измерен  в  фунтах,  рост  в  дюймах.


Теперь  вес  измерили  в  килограммах,  а  рост  - в  сантиметрах  и  построили  новую  
регрессию .
Найдите  следующие  показатели  для  новой  регрессии  веса  в  кг  на  рост  в  см,  
считая,  что  1  дюйм=2.54  см,  а  1  фунт=0.45  кг.
-44.73 (округление  до  второго  знака  после  запятой)
0.70 (округление  до  второго  знака  после  запятой)
0.81 (округление  до  второго  знака  после  запятой)
4.59 (округление  до  второго  знака  после  запятой)

Балл: 100% Балл за тест: 100% × 8 = 8%

Вопрос 5 (Вес 2%) Блок  "Оценка  качества  регрессии"


Для  парной  линейной  регрессии  коэффициент  корреляции  rXY по  абсолютной  
величине  превосходит  модуль  коэффициента  детерминации:
( )нет
(x)да,  только  если  0<r<1
( )невозможно  точно  определить
( )да,  всегда

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 6 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


Оценив  регрессию  с  помощью  МНК,  исследователь  получил  следующее  
уравнение:  Q=  – 11,33 – 3,89  P.  Количество  наблюдений  =  10,  R2=0,97.  Чему  равно  
отношение  Cov(P,Q)/Var(P)?
( )0,03
( )-11,33
(x)-3,89
( )8,00
( )0,97

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 7 (Вес 4%) Блок  "Основы  регрессионного  анализа.  МНК"


С  помощью  МНК  оценивалась  зависимость  Y  от  X.  Опираясь  на  таблицу,  
вставьте оба коэффициента  полученной  модели  (если  число  нецелое,  то  
округлите  до  сотых,  разделитель  - точка  или  запятая):

Y_hat=0+1.5X

Y 10 8 20 42 120 44 36 42 10 12 16 30 44 58 72
X 15 12 30 63 180 66 54 63 15 18 24 45 66 87 108

Балл: 50% Балл за тест: 50% × 4 = 2%

Вопрос 8 (Вес 10%) Блок  "Lab.  Матстат:  проверка  гипотез"


Откройте  файл CPS92_04.dta (жмите  на  ссылку,  не  бойтесь!)  в  Stata  (через  File-
Open).
Этот  файл  содержит  данные  о  зарплатах  американцев  в  1992  и  2004  годах.

Описание  переменных  приведено  ниже:


FEMALE: 1 if female; 0 if male
YEAR: Year
AHE : Average Hourly Earnings (nominal dollars)
BACHELOR: 1  if  worker  has  a  bachelor’s  degree;;  0  if  worker has a high school degree

Известно,  что  потребительские  цены  в  2004  году  были  на  35%  выше,  чем  в  1992  
году.
С  помощью  команды  gen  создайте  переменную  ahe2004  - зарплату  в  ценах  2004  
года  (реальную  зарплату).
Выразите  зарплаты  1992  года  в  ценах  2004,  а  зарплаты  2004  года  перенесите  в  
новую  переменную  без  изменений.
(подсказка:  используйте  команду  replace  с  первого  семинара).

Проведите  описательный  анализ  почасовой  зарплаты  в  целом  по  


переменной  ahe2004:

Медианная  реальная  зарплата  по  всей  выборке  равна 14.42 (с  точностью  до  2-го  
знака  после  запятой)
Асимметрия  по  всей  выборке  равна 1.36 (с  точностью  до  2-го  знака  после  запятой)
Эксцесс  по  всей  выборке  равен 5.73 (с  точностью  до  2-го  знака  после  запятой)

Аналогичный  анализ  отдельно  по  каждому  году  (обратите  внимание  на  то,  
как  используется  by  для
проведения  анализа  отдельно  по  каждой  группе):

Медианная  реальная  зарплата  по  выборке  1992  года  равна 14.28 (с  точностью  до  
2-го  знака  после  запятой)
Медианная  реальная  зарплата  по  выборке  2004  года  равна 14.90 (с  точностью  до  
2-го  знака  после  запятой)

Найдите  90%  доверительный  интервал  (confidence  interval)  для  средней  


почасовой  зарплаты  в  2004  году:

от 16.61 до 16.93 (с  точностью  до  2-го  знака  после  запятой)

Протестируйте  различия  между  реальными зарплатами  1992  года  и  2004  


года  с  помощью  t-теста  (опция  unequel  говорит  о  том,  что  мы  не  исходим  из  
того,  что  дисперсии  равны):

Средняя  зарплата  в  1992  году  (в  ценах  2004  года)  по  выборке  равна 15.70 (с  
точностью  до  2-го  знака  после  запятой)
Средняя  зарплата  в  2004  году  (в  ценах  2004  года)  по  выборке  равна 16.77 (с  
точностью  до  2-го  знака  после  запятой)
Средняя  зарплата  по  объединенной  выборке  1992  и  2004  годов  (в  ценах  2004  
года)  равна 16.25 (с  точностью  до  2-го  знака)
95%  доверительный  интервал  для  разности  между  средней  зарплатой  2004  года  и  
средней  зарплатой  1992  года  (из  2004  года  вычитаем  1992!):
от -1.33 до -0.82 (с  точностью  до  2-го  знака  после  запятой)
На  1%  уровне  значимости  гипотеза  о  равенстве  между  зарплатами  отвергается:  
скорее  всего,  почасовая  зарплата  американцев  выросла + (впишите  +,  если  
утверждение  верно  и  -,  если  неверно)

Балл: 84.62% Балл за тест: 84.62% × 10 = 8.462%

Вопрос 9 (Вес 8%) Блок  "Основы  регрессионного  анализа.  МНК"


Имеются  следующие  данные  по  выборке  студентов:
Оценка  за
Оценка  по по  
эконометрике  (Y) статистике  
(X)
5 4
6 4
7 6
9 8
9 9
9 8
6 5
5 4
8 8
9 10

Заполните  пропуски  в  уравнении  регрессии,  оцененном  с  помощью  МНК


(вы  можете  использовать  Excel,  но  Вы  должны  быть  уверены  в  правильном  
выборе  функций):
2.58+0.72
0.91
SER  (или  RMSE)=0.72
Округление  везде  - до  второго  знака  после  запятой.

Балл: 75% Балл за тест: 75% × 8 = 6%

Вопрос 10 (Вес 6%) Блок  "Основы  регрессионного  анализа.  МНК"


Исследователь  оценивает  МНК-регрессию,  используя  данные  о  размере  класса  
(CS)  и  среднем  тестовом  балле  каждого  из  классов,  где  учатся  третьеклассники.

1.  В  классе  22  школьника.  Чему  равно  предсказанное  значение  среднего  


тестового  балла  в  таком  классе? 392.36(округление  до  второго  знака  после  
запятой)
2.  В  одном  классе  19  школьников.  В  другом  - 23.  На  сколько  выше  средний  балл  в  
одном  из  классов  по  сравнению  с  другим? 23.28 (округление  до  второго  знака  
после  запятой)
3.  Средний  по  выборке  из  100  классов  размер  класса=21.4  человека.  Чему  равен  
усредненный  по  выборке  средний  тестовый  балл? 395.85 (округление  до  второго  
знака  после  запятой)
4. Чему  равно выборочное  стандартное  отклонение среднего  тестового  балла  в  
выборке  100  классов? 18.93 (округление  до  первого  знака  после  запятой)

Балл: 75% Балл за тест: 75% × 6 = 4.5%

Вопрос 11 (Вес 4%) Блок  "Основы  регрессионного  анализа.  МНК"

Восстановите оценки  коэффициентов, пропущенные  в  оцененной  с  помощью  МНК  


зависимости  объема  спроса  (Q)  от  цены  (P):
110-1
(если  число  нецелое,  округлите  до  десятых;;  разделитель  – точка  или  запятая)

Объяснение:

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 12 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"

Пусть -фактические  значения  объясняемой  переменной, - предсказанные  

значения  объясняемой  переменной, Тогда  система  нормальных  


уравнений,  решение  которой  даст  МНК-оценки  параметров,  получается  из  
условия:
( )максимизации  функции  S
( )равенства  функции  S  нулю
( )равенства  функции  S  единице
(x)минимизации  функции  S

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 13 (Вес 6%) Блок  "Основы  регрессионного  анализа.  МНК"


Была  оценена  регрессия  среднего  недельного  заработка  (в  долларах)  на  возраст  
(в  годах)  для  выборки  работников  с  высшим  образованием  в  возрасте  25-65 лет:

Верно  ли,  что  SER  измеряется  в  долларах? + (поставьте  +,  если  верно  и  -,  если  
неверно)
Верно  ли,  что - безразмерная  величина? + (поставьте  +,  если  верно  и  -,  если  
неверно)
Верно  ли,  что  по  имеющейся  информации  можно  сказать,  каков  был  объем  
выборки? + (поставьте  +,  если  верно  и  -,  если  неверно)
Средний  возраст  в  выборке  41.6  лет.  Каков  средний  недельный  заработок  в  
выборке? 1096.6 (округление  до  второго  знака  после  запятой)

Балл: 50% Балл за тест: 50% × 6 = 3%

Вопрос 14 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


Какое  из  уравнений  является  уравнением  линии  регрессии  (fitted  regression  line)?

( )1
(x)3
( )4
( )2
( )5

Объяснение: Линия  регрессии  соединяет  точки - таким  образом,  никакие  


остатки  она  не  отображает.
Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 15 (Вес 4%) Блок  "Основы  регрессионного  анализа.  МНК"

При  оценке  регрессии была  допущена  ошибка  в  расчете ,


а была  найдена  правильно.

Ошибочная получилась  равной  4.  При  такой  оценке  коэффициента  

наклона .

Какой  была  бы  оценка  коэффициента в  случае  правильных  


расчетов? 5 (округлите  до  первого  знака  после  запятой,  если  число  нецелое)

Объяснение: С  неправильно  рассчитанной  константой  получается,  что  в  среднем  


прогнозное  значение  Y  на  1  меньше  наблюдаемого  (-50/50=-1).  Значит,  чтобы  
среднее  остатков  было  равно  нулю,  нужно  добавить  к  полученному  
неправильному  коэффициенту  единицу  - тогда  среднее  остатков  будет  равно  0,  
что  всегда  выполняется  в  случае  линейной  модели  с  константой  (это  Вы  можете  
доказать  самостоятельно  или  обратиться  к  учебнику).
Балл: 100% Балл за тест: 100% × 4 = 4%
Вопрос 16 (Вес 6%) Блок  "Основы  регрессионного  анализа.  МНК"
Коэффициент  корреляции  между  Y  и  X=0.5.
Выборочные  дисперсии  следующие:  sX=10, sY=20

Заполните  пропуски  в  уравнении  регрессии  Y  на  X:


-10+1
Коэффициент  детерминации 0.25

Балл: 100% Балл за тест: 100% × 6 = 6%

Вопрос 17 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


Остатки  регрессии  можно  найти  по  формуле:

( )1
( )5
(x)2
( )3
( )4

Объяснение: Остаток  - это  разность  между  наблюдаемым  значением  и  


предсказанным.
Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 18 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


Выборочное  среднее  для  остатков,  полученных  методом  наименьших  квадратов  в  
стандартной  линейной  модели:
(x)положительное  число,  поскольку  МНК  использует  сумму  квадратов
( )ненаблюдаемо,  так  как  мы  не  знаем  функцию  регрессии  в  генеральной  совокупности
( )равно  нулю
( )зависит  от  значений  зависимой  переменной

Балл: 0% Балл за тест: 0% × 2 = 0%

Вопрос 19 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


График  уравнения  парной  линейной  регрессии  Y  от  X  (без  константы)  всегда  
проходит через  точку  с  координатами:
( )(0,1)
( )(0,0)
(x)(Xсред,Yсред)
( )(1,1)
( )(1,0)

Балл: 0% Балл за тест: 0% × 2 = 0%

Вопрос 20 (Вес 4%) Блок  "Основы  регрессионного  анализа.  МНК"


Y  в  выборке  принимает  значения  0,  10,  20,  30,  40,  50
Оценивается  регрессия  Y  на  константу:

МНК-оценка 25
(подумайте,  в  чем  суть  метода  наименьших  квадратов,  что  минимизируется  и  
каков  лучший  прогноз,
если  у  Вас  нет  никакой  информации,  кроме  значений,  которые  принял  Y  в  
выборке.
При  необходимости  воспользуйтесь  графической  иллюстрацией)

Объяснение:
Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 21 (Вес 4%) Блок  "Основы  регрессионного  анализа.  МНК"


Укажите  все  верные  формулы  для  расчета  коэффициента  наклона  в  парной  
регрессии  с  константой:

1.

2.

3.

4.

5.

[x]4
[x]2
[x]3
[ ]1
[x]5

Объяснение: Указанные  4  формулы  эквивалентны  основной  формуле


Балл: 100% Балл за тест: 100% × 4 = 4%
Вопрос 22 (Вес 2%) Блок  "Оценка  качества  регрессии"
Регрессионный  коэффициент  детерминации  R2 - это  мера:
( )причинно-следственной  взаимосвязи  между  X  и  Y
( )лежащая  в  пределах  от  -1  до  +1
(x)качества  подгонки  регрессионной  зависимости  к  реальным  данным
( )того,  выполняется  ли  неравенство  ESS>TSS
( )качества  модели  с  экономической  точки  зрения

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 23 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


В  линейной  регрессионной  модели  Yi =  β0 +  β1Xi +εi выражение β0 +
β1Xi максимально  точно  можно  охарактеризовать  как:

( )правая  часть  уравнения


( )экзогенная  вариация
(x)функция  регрессии  для  генеральной  совокупности  (population  regression  function)
( )выборочная  функция  регрессии  (sample  regression  function)

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 24 (Вес 6%) Блок  "Основы  регрессионного  анализа.  МНК"


В  регрессии,  основанной  на  200  наблюдениях,  TSS=429,  а  ESS=318.
Найдите:
0.74 (округление  до  второго  знака  после  запятой)
RSS (Residual Sum of Squares)=111 (округление  до  второго  знака  после  запятой)
SER (Standard Error of Regression,  или  RMSE,  т.е.  Root  Mean  Squared  
Error)=0.75 (округление  до  второго  знака  после  запятой)

Балл: 100% Балл за тест: 100% × 6 = 6%

Вопрос 25 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


При  оценке  линейной  регрессионной  зависимости  между  ростом  и  весом  людей  
константу  можно  содержательно  проинтеретировать.
(x)False
( )True

Объяснение: Константа  в  данном  случае  показывает,  сколько  в  среднем  весит  


человек  весом  0  кг,  что  не  имеет  содержательной  интерпретации.
Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 26 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


В  простой  линейной  регрессии,  коэффициент  наклона:
( )равен  производной  объясняющей  переменной  по  зависимой
(x)показывает,  на  сколько  единиц  увеличится  Y,  если  X  увеличится  на  1  единицу
( )показывает,  на  сколько  %  увеличится  Y  при  увеличении  X  на  1%
( )показывает  эластичность  Y  по  X
( )будучи  умноженным  на  объясняющую  переменную,  даст  предсказанное  значение  Y

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 27 (Вес 2%) Блок  "Основы  регрессионного  анализа.  МНК"


В  парной  регрессии  константа  обычно  мала  по  абсолютной  величине  и  не  имеет  
экномического  смысла.
(x)False
( )True

Объяснение: Часто  константу  сложно или  даже  не  имеет  особого  


смысла интерпретировать  ,  но  далеко  не  всегда.  Но  самое  главное  - она  вовсе  
необязательно  мала  по  абсолютной  величине.
Балл: 100% Балл за тест: 100% × 2 = 2%
Вопрос 1 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"

Для  множественной  регрессии  с  k  регрессорами  (включая  константу)  и  n>500 5%-


ное  критическое  значение  t-статистики  по  абсолютной  величине  приблизительно  
равно:
( )1.96/(n-k)
( )1.96*k
( )1.96/k
(x)1.96

Объяснение: Если  обратиться  к  таблице  t-статистики,  то  можно  увидеть,  что  чаще  
всего  ориентироваться  можно  на  такое  правило:  на  выборках  объемом  больше  60  
(лучше  всего  использовать  выборки  не  меньшего  объема)  если  |t|>2,  то  
коэффициент  значим  на  5%  уровне  значимости.  Это  может  быть  полезно  при  
чтении  литературы,  где  приводятся  t-статистики  или  стандартные  ошибки,  но  
опускаются  точные  p-value.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 2 (Вес 2.44%) Блок  "Парная  регрессия: проверка  гипотез"


60%  доверительный  интервал  для  коэффициента  регрессии  более  узкий,  чем  50%  
доверительный  интервал  для  того  же  коэффициента  в  той  же  модели.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 3 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Изменение  единиц  измерения  зависимой  переменной,  например,  перевод  оценок  
из  10-балльной  шкалы  в  100-балльную,  повлечет  за  собой  изменение:
[ ]коэффициента  детерминации  R-квадрат
[x]значение  коэффициента  наклона
[ ]t-статистики  коэффициента  наклона
[ ]p-value  теста  на  равенство  константы  нулю
[x]остатков

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 4 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


t-статистика  для  коэффициента  регрессии  рассчитывается  путем  деления:
( )стандартной  ошибки  на  оценку  коэффициента
( )оценки  коэффициента  на  стандартное  отклонение  объясняющей  переменной
( )оценки  коэффициента  на  1,96
(x)оценки  коэффициента  не  его  стандартную  ошибку

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 5 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Построив  регрессию  на  компьютере  аналитик  выяснил,  что  выборочный  
коэффициент  регрессии  составил  2,5.  Остаточная  вероятность  (p-value)  теста  на  
значимость  коэффициента  регрессии  составила  0,02.  Выберите  наиболее  точную  
интерпретацию  значения  p-value.
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  равен  2,5,  
составляет  2%
(x)Если  в  генеральной  совокупности  коэффициент регрессии  равен  0,  то  по  выборке  
вероятность  получить  коэффициент  2,5  равна  2%.  Следовательно,  маловероятно,  что  в  
генеральной  совокупности  коэффициент  равен  нулю.
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  не  равен  0,  
составляет  2%
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  равен  0,  
составляет  2%
( )Вероятность  того,  что  влияние  x  на  y  статистически  значимо,  составляет  2%

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 6 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


t-статистика  для  проверки  гипотезы  о  равенстве  коэффициента  регрессии  
определенному  числу  рассчитывается  путем  деления  разности  между  оценкой  
коэффициента  и  его  предполагаемым  значением  на  стандартную  ошибку  оценки  
коэффициента.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 7 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Параметр  является  статистически  значимым  (существенным)  если…
(x)вероятность  того,  что  он  равен  нулю  мала
( )он  положителен
( )известна  формула  для  его  расчета
( )вероятность  того,  что  он  не  равен  нулю  мала

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 8 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Оценив  регрессию  Q=α+βP,  исследователь  рассчитал  t-статистику  для  
коэффициента  β  и  получил  t=3,2.  Количество  наблюдений  =  10.  Какой  из  
нижеприведенных  выводов  верен  (для  двухсторонней  гипотезы)?
( )Правильного  ответа  нет
(x)Коэффициент  наклона  можно  признать  значимым  на  5%  уровне  значимости
( )Коэффициент  наклона  незначим
( )Коэффициент  наклона  можно  признать  значимым  на  сколь  угодно  высоком  уровне  
значимости
( )Коэффициент  наклона  можно  признать  значимым  на  1%  и  на  5%  уровне  значимости

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%


Вопрос 9 (Вес 2.44%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"
Несмещенная  оценка  всегда  лучше  смещенной,  но  с  меньшей  дисперсией.
(x)False
( )True

Объяснение: Бывают  ситуации,  когда  оценка  всего  лишь  немного  смещена  


(например,  истинное  значение  b,  а  матожидание  оценки  =  b+0,0001),  но  имеет  
существенно  меньшую  дисперсию.  Тогда  шанс,  что  исследователь  получит  
близкий  к  реальности  результат  используя  смещенную  оценку  с  меньшей  
дисперсии,  существенно  выше,  чем  при  использовании  несмещенной  с  большой  
дисперсией.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 10 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Как  обычно  формулируется  альтернативная  гипотеза  при  проверке  значимости  
коэффициента β0 регрессии?
(x)H1:  β0  ≠  0
( )H1:  β0  >  0
( )H1:  β0  =  0
( )H1:  β0  <  0

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 11 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Когда  говорят  о  том,  что  коэффициент  регрессии  значим  (или  иногда,  что  сам  
регрессор  значим),  то  имеют  в  виду,  что  соотвествующая  переменная  является  
существенной  с  экономической  точки  зрения  для  объяснения  дисперсии  
зависимой  переменной.
(x)False
( )True

Объяснение: Статистическая  значимость  не  равна  экономической  значимости.  Если  


человек  с  магистерской  степенью  в  среднем  получает  на  1%  больше,  чем  человек  
с  дипломом  бакалавра,  и  это  статистически  значимый  результат,  то  это  не  значит,  
что  экономист  сочтет  такие  различия  существенными.  Мы  можем  только  сказать,  
что  различие  не  равно  нулю,  но  это  не  говорит  о  том,  что  магистерская  степень  
дает  существенный  с  экономической  точки  зрения  прирост  в  зарплате.  
Существенным  мы  бы,  скорее  всего,  сочли  различие  хотя бы  в  10-20%.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 12 (Вес 2.44%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Если  дисперсия  оценки  имеет  наименьшее  значение  по  сравнению  с  дисперсией  
любой  другой  альтернативной  оценки,  то  оценка  называется:
( )несмещенной
( )асимптотически  эффективной
(x)эффективной
( )состоятельной

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 13 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  необходимо,  работая  с  большой  выборкой,  на  5%  уровне  проверить  гипотезу  
о  том,  что  определенный  коэффициент  регрессии  равен  1,  то  следует:
( )проверить,  попадает  ли  оценка  коэффициента  в  интервал  от  0,95  до  1,05
( )проверить,  близок  ли  скорректированный  коэффициент  детерминации  к  1
( )вычесть  0  из  оценки  коэффициента,  разделить  эту  разность  на  стандартную  ошибку  и  
сравнить  полученное  значение  (по  модулю)  с  1,96
( )проверить,  включает  ли  единицу  интервал  (оценка  коэффициента-1,96;;  оценка  
коэффициента+1,96)
(x)вычесть  1  из  оценки  коэффициента,  разделить  эту  разность  на  стандартную  ошибку  и  
сравнить  полученное  значение  (по  модулю)  с  1,96

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 14 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"

Условие означает,  что  в  парной  регрессии:


( )ui  имеет  конечный  четвертый  момент
( )E(Yi)=E(ui)
( )E(Yi|Xi)=β0+β1Xi
(x)случайная  ошибка  и  X  независимыесли бы было сказано линейно независимы или
некоррелированы, то ответ был бы верным
Объяснение: E(Yi|Xi)=E(β0+β1Xi+ε|Xi)=E(β0)+E(β1Xi|Xi)+E(ε|Xi)=β0+β1Xi+0=β0+β1Xi

Балл: 0% Балл за тест: 0% × 2.44 = 0%

Вопрос 15 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Проверка  гипотезы  о  равенстве  коэффициента  какому-то  числу  h  с  помощью  
двустороннего  t-теста  на  уровне  значимости  α%  и  с  помощью  построения  (100-
α)%-ного  доверительного  интервала  с  последующей  проверкой  того,  находится  ли  
h  внутри  полученного  доверительного  интервала,  всегда  дадут  одинаковый  
результат.
( )False
(x)True

Объяснение: Формула  доверительного  интервала  такова,  что  там  используется  то  


же  критическое  значение  t-статистики,  что  в  t-тесте  на  значимость  коэффициента.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 16 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  необходимо  протестировать  равенство  коэффициента  регрессии  единице  на  
5%  уровне  значимости  при  выборке  2000  наблюдений,  то  необходимо:
( )проверить,  попадает  ли  оценка  коэффициента  в  интервал  от  0,95  до  1,05
( )Прибавить  к  оценке  коэффициента  1,96,  рассчитав  верхнюю  границу  дов.  интервала.  
Вычесть  из  оценки  коэффициента  1,96,  рассчитав  нижнюю  границу  интервала.  Проверить,  
попадает  ли  1  внутрь  этого  интервалаДоверительный интервал действительно можно
использовать для проверки значимости одиночного коэффициента, но формула дов.
интервала иначя: оценка коэффициента +/-1,96*стандартную ошибку коэффициента (для
больших выборок! для небольших смотрим таблицу с t-статистикой)
( )проверить,  близок  ли  скорректированный  R-квадрат  к  1
(x)вычесть  1  из  оценки  коэффициента,  разделить  полученную  разность  на  стандартную  
ошибку  коэффициента  и  сравнить  полученный  результат  с  1,96

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 17 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Одностороннюю  проверку  гипотез  наиболее  уместно  использовать,  когда:
( )согласно  теории  коэффициент  может  иметь  определенный  знак,  и  в  нашей  регрессии  
перед  коэффициентом  получился  противоположный  знак
( )объем  выборки  достаточно  большой,  чтобы  использовать  нормальное  распределение  
вместо  t-распределения
( )Вы  хотите  использовать  уровень  значимости  более  высокий  чем  5%
(x)согласно  теории  коэффициент  может  иметь  определенный  знак,  и  в  нашей  регрессии  
перед  коэффициентом  получился  как  раз  такой  знак
Объяснение: Если  мы  убеждены  в  том,  что  в  регрессии  зарплаты  на  образование  
перед  образованием  знак  должен  быть  положительным  и  получаем  этот  знак,  то  в  
качестве  альтернативной  гипотезы  мы  можем  взять  не  гипотезу  "коэффициент  не  
равен  нулю",  а  гипотезу  "коэффициент  больше  нуля",  так  как  мы  исключаем  
вероятность  того,  что  он  может  быть  меньше  нуля.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 18 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Число  степеней  свободы  t-статистики  для  парной  регрессии,  построенной  по  
данным  о  20  наблюдениях  равно:
(x)18
( )22
( )20
( )2
( )19

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 19 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  для  оцененного  по  выборке  в  500  наблюдений  коэффициента  

регрессии выполняется  соотношение ,  где  s.e  - standard  error,  то:


( )R-квадрат  больше  0.2
( )двусторонняя  нулевая  гипотеза  β  =  0  может  быть  отвергнута  на  1%  уровне  значимости
(x)двусторонняя  нулевая  гипотеза  β  =  0 может  быть  отвергнута  на  5%  уровне  значимости
( )95%-ный  доверительный  интервал  для  β  будет  включать  0

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 20 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Построив  регрессию  на  компьютере  аналитик  выяснил,  что  выборочный  
коэффициент  регрессии  составил  2,5.  Остаточная  вероятность  (p-value)  теста  на  
значимость  коэффициента  регрессии  составила  0,12.  Выберите  наиболее  точную  
интерпретацию  значения  p-value.
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  не  равен  0,  
составляет  12%
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  равен  2,5,  
составляет  12%
( )Вероятность  того,  что  влияние  x  на  y  статистически  значимо,  составляет  12%
(x)Если  в  генеральной  совокупности  коэффициент  регрессии  равен  0,  то  по  выборке  
вероятность  получить  коэффициент  2,5  равна  12%.
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  равен  0,  
составляет  12%

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 21 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  каждое  наблюдение  в  выборке  продублировать  и  таким  образом  удвоить  
число  наблюдений  за  счет  уже  имеющихся,  то  (возможно  несколько  вариантов  
ответа):
[ ]R-квадрат  увеличитсянет, он останется прежним, так как никакой новой информации
для объяснения зависимой переменной не появилось. Доля объясненной дисперсии
останется прежней - просто и общая сумма квадратов отклонений от среднего, и
объясненная сумма квадрато отклонений предсказания от среднего вырастут в 2 раза
(попробуйте записать вначале ряд 1 2 3 и найти дисперсию, а потом для 1 2 3 1 2 3 - она
останется прежней).

[x]t-статистики  оценок  коэффициентов  возрастутДа,


так как они растут с ростом
количества наблюдений при прочих равных условиях (за счет уменьшения стандартных
ошибок, у которых в формуле n стоит в знаменателе)

[x]уменьшатся  стандартные  ошибки  коэффициентовстандартные ошибки уменьшаются с


ростом выборки, то есть повышается точность оценивания коэффициентов

[ ]изменятся  оценки  коэффициентовкоэффициенты не изменятся: никакие


закономерности не изменились.

[ ]доверительные  интервалы  коэффициентов  станут  более  широкиминаоборот: сузятся,


так как оценки стали точнее
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 22 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Одним  из  показателей  статистической  значимости  параметра  является  …
( )коэффициент  детерминации
( )множественный  коэффициент  корреляции
( )критерий  Дарбина–Уотсона
(x)стандартная  ошибка

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 23 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  для  оцененного  по  выборке  в  500  наблюдений  коэффициента  

регрессии выполняется  соотношение ,  где  s.e  - standard error,  то:


( )R-квадрат  больше  0.2
(x)двусторонняя  нулевая  гипотеза  β  =  0  может  быть  отвергнута  и  на  5%,  и  на  1%  уровне  
значимости
( )двусторонняя  нулевая  гипотеза  β  =  0  может  быть  отвергнута  на  5%  уровне  значимости
( )95%-ный  доверительный  интервал  для  β  будет  включать  0

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 24 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  коэффициент  значим  на  10%  уровне,  то  он  значим  и  на  5%.
(x)False
( )True

Объяснение: Напротив:  если  значим  на  5%  ,  то  значим  и  на  10%,  но  не  наоборот.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 25 (Вес 2.44%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Смещенная  оценка  с  малой  дисперсией  всегда  лучше  несмещенной  оценки  с
большой  дисперсией.
(x)False
( )True

Объяснение: Предположим  мы  придумали  оценку:  b=5.2.  То  есть не  глядя  на  
данные  мы  говорим,  что  коэффициент  равен  5,2.  У  такой  оценки  дисперсия  равна  
нулю,  но  она  будет,  скорее  всего,  настолько  сильно  смещенной,  что  никак  нас  не  
устроит.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 26 (Вес 2.44%) Блок "Парная  регрессия:  проверка  гипотез"


Когда  говорят  о  том,  что  коэффициент  регрессии  значим  (или  иногда,  что  сам  
регрессор  значим),  то  имеют  в  виду,  что  если  бы  мы  построили  регрессию  по  всей  
генеральной  совокупности,  то  соотвествующий коэффициент  был  бы,  скорее  
всего  (с  высокой  вероятностью),  отличен  от  нуля.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 27 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Регрессия  (с  константой)  дохода  на  пол  (male=1  для  мужчин  и  male=0  для  
женщин)  даст  ту  же  t-статистику  перед  коэффициентом  при  поле,  что  и  t-тест  на  
равенство  среднего  дохода  мужчин  и  женщин,  известный  из  курсов  статистики.
( )False
(x)True

Объяснение: Смысл  коэффициента  регрессии  - разность  между  мужчинами  


(male=1)  и  женщинами  (male=0). Значимость  проверяется  с  помощью  той  же  t-
статистики,  что  и  в  случае  сравнения  средних  (можете  сопоставить  формулы  t-
статистики  для  сравнения  средних  и  формулу  t-статистики  для  коэффициента  
регрессии  - Вы  увидите,  что  они  сводятся  друг  к  другу).  Отличие  в  том,  что  при  
включении  других  регрессоров  (более  чем  одной  объясняющей  переменной)  мы  
получаем  возможность  говорить  о  влиянии  пола  при  прочих  равных  условиях,  чего  
трудно  достичь  с  помощью  t-теста  на  равенство средних,  который  
аналогичен парной регрессии.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 28 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


95%  доверительный  интервал  для  коэффициента  наклона  в  линейной  регрессии  
Y(X)  составил  (15,30).  Что  это  означает:
( )с  вероятностью  95%  среднее  значение  X  в  генеральной  совокупности  повышается  на  
величину  между  15  и  30  при  каждом  приращении  Y  на  1  единицу
( )на  5%  уровне  значимости  нет  оснований  признать  наличие  линейной  взаимосвязи  
между  Y и  X
( )с  вероятностью  95%  среднее  значение  Y  будет  находиться  в  пределах  от  15  до  30
(x)с  вероятностью  95%  среднее  значение  Y  в  генеральной  совокупности  повышается  на  
величину  между  15  и  30  единицами  для  каждого  приращения  X  на  1  единицу

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 29 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Помимо  оценки  коэффициента  регрессии  и  табличного  значения  
соответствующей  статистики,  что  еще  нужно  знать  для  расчета  доверительного  
интервала  для  коэффициента:
( )коэффициент  детерминации
( )F-статистику
(x)его  стандартную  ошибку
( )среднеквадратическую  ошибку  регрессии
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 30 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


На  небольших  выборках  коэффициенты  регрессии  чаще  признаются  
незначимыми,  чем  на  больших,  извлеченных  из  той  же  генеральной  совокупности.
( )False
(x)True

Объяснение: Стандартные  ошибки  коэффициентов  тесно  связаны  с  объемом  


выборки.  При  большом  объеме  выборки  коэффициенты  чаще  получаются  
значимыми.
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 31 (Вес 4.88%) Блок  "Парная  регрессия:  проверка  гипотез"


В  регрессии (Средний  балл  ЕГЭ  по  математике)=698.9-2.28*(число  студентов  в  
расчете  на  преподавателя)
t-статистика  для  коэффициента  наклона  оказалась  равной  4.38.  Какова  
стандартная  ошибка  оценки  коэффициента  перед  числом  студентов  в  расчете  на  
преподавателя?  (округлите  до  сотых)
0.52

Балл: 100% Балл за тест: 100% × 4.88 = 4.878%

Вопрос 32 (Вес 2.44%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Если  оценка  является  состоятельной,  то:
( )оценка  параметра  будет  максимально  близка  к  истинному  значению  как  для  малых,  так  
и  для  больших  выборок
(x)с  ростом  объема  выборки  оценка  будет  сходиться  к  истинной
( )оценка  является  несмещенной  и  эффективной
( )в  среднем  оценки  коэффициентов  будут  равны  истинным

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 33 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


95%  доверительный  интервал  для  коэффициента  регрессии  более  широкий,  чем  
90%  доверительный  интервал  для  того  же  коэффициента  в  той  же  модели.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 34 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Если  для  оцененного  по  выборке  в  400  наблюдений  коэффициента  
регрессии выполняется  соотношение ,  где  s.e  - standard  error,  то:
( )R-квадрат  больше  0.2
( )двусторонняя  нулевая  гипотеза  β  =  0  может  быть  отвергнута  на  1%  уровне  значимости
( )95%-ный  доверительный  интервал  для  β  будет  включать  0
(x)двусторонняя  нулевая  гипотеза  β  =  0  может  быть  отвергнута  на  5%  уровне  значимости

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 35 (Вес 2.44%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Несмещенность  коэффициента  наклона  в  МНК-регрессии  означает,  что:
( )среднее  выборочного  распределения  параметра  равно  нулювовсе необязательно
среднее равно нулю. Если истинное значение параметра=5, то для несмещенной оценки
среднее выборочного распределения будет равно 5, а не 0.
(x)если  взять  много  выборок  и  построить  по  ним  одинаковые  по  спецификации  
регрессии,  то  средняя  выборочная  оценка  параметра  будет  с  ростом  количества  взятых  
выборок  стремиться  к  истинной
( )с  ростом  объема  выборки  оценка  параметра  будет  приближаться  к  истинному  
значениюэто состоятельность
( )оценка  коэффициента  по  выборке  всегда  равна  истинному  значениюПредставьте, что
у Вас есть генеральная совокупность, и Вы по не построили регрессию. Тогда Вы
получили истинные значения. Если взять случайную выборку из генеральной
совокупности точно такой же результат не получить - такого свойства у оценки быть не
может.
( )при  достаточно  большой  выборке  оценка  коэффициента  совпадает  с  его  истинным  
значениемполного совпадения не произойдет и при очень большой выборке (до тех пор,
пока это выборка, а не ген. совокупность)

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 36 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


95%  доверительный  интервал  для  коэффициента  регрессии  более  узкий,  чем  90%  
доверительный  интервал  для  того  же  коэффициента  в  той  же  модели.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 37 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Значение  t-статистики  коэффициента,  не  превышающее  критическое  значение  
свидетельствует  о:
(x)незначимости  коэффициента  в  модели
( )неправильном  вычислении  коэффициента
( )нарушении  условий  Гаусса-Маркова
( )несущественности  соответствующей  переменной  с  экономической  точки  зрения
( )значимости  коэффициента  в  модели
Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 38 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


80%  доверительный  интервал  для  коэффициента  регрессии  более  узкий,  чем  60%  
доверительный  интервал  для  того  же  коэффициента  в  той  же  модели.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 39 (Вес 2.44%) Блок  "Парная регрессия:  проверка  гипотез"


Число  степеней  свободы  t-статистики  для  парной  регрессии,  построенной  по  
данным  о  35  наблюдениях  равно:
( )34
(x)33
( )1
( )2
( )35

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%

Вопрос 40 (Вес 2.44%) Блок  "Парная  регрессия:  проверка  гипотез"


Используя  143  наблюдения  Вы  оценили  простую  линейную регрессию  и  получили  
оценку  коэффициента  наклона  0,04  со  стандартной  ошибкой  0,01.  Вам  
необходимо  проверить,  значимо  ли  отличен  от  нуля  коэффициент.  Какой  из  
перечисленных  выводов  единственно  верный?
( )влияние  X  на  Y  экономически  существенно,  так  как  статистически  значимо
(x)коэффициент  наклона  статистически  значим,  так  как  находится  в  четырех  стандартных  
ошибках  от  нуля
( )коэффициент  близок  к  нулю,  а  значит,  скорее  всего,  не  отличается  от  нуля  в  
генеральной  совокупности
( )коэффициент  наклона  статистически  незначим,  так  как  мало  отличается  от  
стандартной  ошибки
( )коэффициент  наклона  мал,  а  значит  и  R-квадрат  тоже  мал

Балл: 100% Балл за тест: 100% × 2.44 = 2.439%


Вопрос 1 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"

Если  необходимо  протестировать  равенство  коэффициента  регрессии  единице  на  


5%  уровне  значимости  при  выборке  2000  наблюдений,  то  следует:
(x)вычесть  1  из  оценки  коэффициента,  разделить  полученную  разность  на  стандартную  
ошибку  коэффициента  и  сравнить  полученный  результат  с  1,96
( )проверить,  попадает  ли  оценка  коэффициента  в  интервал  от  0,95  до  1,05
( )проверить,  близок  ли  скорректированный  R-квадрат  к  1
( )Прибавить  к  оценке  коэффициента  1,96,  рассчитав  верхнюю  границу  дов.  интервала.  
Вычесть  из  оценки  коэффициента  1,96,  рассчитав  нижнюю  границу  интервала.  Проверить,  
попадает  ли  1  внутрь  этого  интервалаДоверительный интервал действительно можно
использовать для проверки значимости одиночного коэффициента, но формула дов.
интервала иначя: оценка коэффициента +/-1,96*стандартную ошибку коэффициента (для
больших выборок! для небольших смотрим таблицу с t-статистикой)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 20%) Блок  "Парная  регрессия:  проверка  гипотез"


Извлекли  выборку  размером  250  и  оценили  уравнение  регрессии:

Найдите, не  используя  аппроксимацию  t распределения нормальным, p-value


двустороннего  теста  на  значимость  коэффициента  перед  X
0.03 (округлите  до  сотых,  воспользуйтесь  функцией  Excel tdist  (стюдрасп))

Постройте  95%-ный  доверительный  интервал  для  коэффициента  наклона, не  


используя  аппроксимацию  t-распределения  нормальным:
от 0.25 до 6.15 (округлите  до  сотых,  воспользуйтесь  функцией  Excel tinv
(стьюдраспобр))

Какова  выборочная  дисперсия  Y?


51.7 (округлите  до десятых)

Предположим,  что  мы  знаем  точно,  что  в  генеральной  совокупности  X  и  Y  


независимы  (например,  мы  могли  сами  сгенерировать  X  и  Y  независимыми  друг  
от  друга).  Берут  1000000000000  выборок  размером 250  из  генеральной  
совокупности  и  оценивают  регрессию  Y  на  X.  Для  каждой  из  этого  большого  числа  
регрессий  проверяют  гипотезу  о  равенстве  коэффициента  перед  X  нулю на  5%  
уровне  значимости  и  строят  95%-ный  доверительный  интервал.

Для  какого  процента  построенных  регрессий  гипотеза  о  равенстве  коэффициента  


перед  X  нулю  будет  отвергнута?
5 (округлите  до целых)
Сколько  процентов  доверительных  интервалов  для  коэффициента  наклона  будут  
содержать  0?
95 (округлите  до целых)
Объяснение:
Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 3 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"

Условие означает,  что  в  парной  регрессии:


( )случайная  ошибка  и  X  независимыесли бы было сказано линейно независимы или
некоррелированы, то ответ был бы верным
( )ui  имеет  конечный  четвертый  момент
(x)E(Yi|Xi)=β0+β1Xi
( )E(Yi)=E(ui)

Объяснение: E(Yi|Xi)=E(β0+β1Xi+ε|Xi)=E(β0)+E(β1Xi|Xi)+E(ε|Xi)=β0+β1Xi+0=β0+β1Xi

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Для  статистически  значимого  (существенного)  параметра  расчетное  значение  
критерия  Стьюдента  …
( )меньше  табличного  значения  критерия
( )равно  нулю
(x)больше  табличного  значения  критерия
( )не  больше  табличного  значения  критерия  Стьюдента

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Параметр  является  статистически  значимым  (существенным)  если…
(x)вероятность  того,  что  он  равен  нулю  мала
( )вероятность  того,  что  он  не  равен  нулю  мала
( )известна  формула  для  его  расчета
( )он  положителен

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Значение  t-статистики  коэффициента,  не  превышающее  критическое  значение  
свидетельствует  о:
( )нарушении  условий  Гаусса-Маркова
(x)незначимости  коэффициента  в  модели
( )несущественности  соответствующей  переменной  с  экономической  точки  зрения
( )значимости  коэффициента  в  модели
( )неправильном  вычислении  коэффициента

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 7 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"
Если  каждое  наблюдение  в  выборке  продублировать  и  таким  образом  удвоить  
число  наблюдений  за  счет  уже  имеющихся,  то  (возможно  несколько  вариантов  
ответа):
[ ]изменятся  оценки  коэффициентовкоэффициенты не изменятся: никакие
закономерности не изменились.

[x]уменьшатся  стандартные  ошибки  коэффициентовстандартные ошибки уменьшаются с


ростом выборки, то есть повышается точность оценивания коэффициентов

[ ]R-квадрат  увеличитсянет, он останется прежним, так как никакой новой информации


для объяснения зависимой переменной не появилось. Доля объясненной дисперсии
останется прежней - просто и общая сумма квадратов отклонений от среднего, и
объясненная сумма квадрато отклонений предсказания от среднего вырастут в 2 раза
(попробуйте записать вначале ряд 1 2 3 и найти дисперсию, а потом для 1 2 3 1 2 3 - она
останется прежней).

[x]t-статистики  оценок  коэффициентов  возрастутДа,


так как они растут с ростом
количества наблюдений при прочих равных условиях (за счет уменьшения стандартных
ошибок, у которых в формуле n стоит в знаменателе)

[ ]доверительные  интервалы  коэффициентов  станут  более  широкиминаоборот: сузятся,


так как оценки стали точнее

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


95%  доверительный  интервал  для  коэффициента  регрессии  более  широкий,  чем  
90%  доверительный  интервал  для  того  же  коэффициента  в  той  же  модели.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Построив  регрессию  на  компьютере  аналитик  выяснил,  что  выборочный  
коэффициент  регрессии  составил  2,5.  Остаточная  вероятность  (p-value) теста  на  
значимость  коэффициента  регрессии  составила  0,12.  Выберите  наиболее  точную  
интерпретацию  значения  p-value.
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  равен  2,5,  
составляет  12%
( )Вероятность  того,  что  влияние  x  на  y статистически  значимо,  составляет  12%
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  равен  0,  
составляет  12%
(x)Если  в  генеральной  совокупности  коэффициент  регрессии  равен  0,  то  по  выборке  
вероятность  получить  коэффициент  2,5  равна  12%.
( )Вероятность  того,  что  в  генеральной  совокупности  коэффициент  регрессии  не  равен  0,  
составляет  12%

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 25%) Блок  "Lab.  Парная  регрессия:  проверка  гипотез"


Откройте  файл CPS92_04.dta (жмите  на  ссылку,  не  бойтесь!)  в  Stata  (через  File-
Open).
Этот  файл  содержит  данные  о  зарплатах  американцев  в  1992  и  2004  годах.

Описание  переменных  приведено  ниже:


FEMALE: 1 if female; 0 if male
YEAR: Year
AHE : Average Hourly Earnings (nominal dollars)
BACHELOR: 1  if  worker  has  a  bachelor’s  degree;;  0  if  worker  has  a  high  school  degree

Известно,  что  потребительские  цены  в  2004  году  были  на  35%  выше,  чем  в  1992  
году.
С  помощью  команды  gen  создайте  переменную  ahe2004  - зарплату  в  ценах  2004  
года  (реальную  зарплату).
Выразите  зарплаты  1992  года  в  ценах  2004,  а  зарплаты  2004  года  перенесите  в  
новую  переменную  без  изменений.
(подсказка:  используйте  команду  replace  с  первого  семинара).

Подсказка:  рассуждайте  следующим  образом.  В  1992  году  человек  получал  100  


долларов  и  мог  купить  на  них  тот  набор  продуктов,  который  стоил  тогда  100  
долларов.  За  12  лет  цены  выросли  на  35%.  Теперь  тот  же  набор  продуктов  
стоит  135  долларов.  Значит  его  зарплата  1992  года  в  ценах  2004  года  - это  
уже  не  100  долларов,  а  ....  долларов.

Проведите  описательный  анализ  почасовой  зарплаты  в  целом  по  


переменной  ahe2004:

Медианная  реальная  зарплата  по  всей  выборке  равна 14.42 (с  точностью  до  2-го  
знака  после  запятой)
Асимметрия  по  всей  выборке  равна 1.36 (с  точностью  до  2-го  знака  после  запятой)
Эксцесс  по  всей  выборке  равен 5.73 (с  точностью  до  2-го  знака  после  запятой)

Аналогичный  анализ  отдельно  по  каждому  году  (обратите  внимание  на  то,  
как  используется  by  для
проведения  анализа  отдельно  по  каждой  группе):

Медианная  реальная  зарплата  по  выборке  1992  года  равна 14.28 (с  точностью  до  
2-го  знака  после  запятой)
Медианная  реальная  зарплата  по  выборке  2004  года  равна 14.90 (с  точностью  до  
2-го  знака  после  запятой)

Найдите  90%  доверительный  интервал  (confidence  interval)  для  средней  


почасовой  зарплаты  в  2004  году:
от 16.61 до 16.93 (с  точностью  до  2-го  знака  после  запятой)

Протестируйте  различия  между  реальными  зарплатами  1992  года  и  2004  


года  с помощью  t-теста  (опция  unequel  говорит  о  том,  что  мы  не  исходим  из  
того,  что  дисперсии  равны):

Средняя  зарплата  в  1992  году  (в  ценах  2004  года)  по  выборке  равна 15.70 (с  
точностью  до  2-го  знака  после  запятой)
Средняя  зарплата  в  2004  году  (в  ценах  2004  года)  по  выборке  равна 16.77 (с  
точностью  до  2-го  знака  после  запятой)
Средняя  зарплата  по  объединенной  выборке  1992  и  2004  годов  (в  ценах  2004  
года)  равна 16.25 (с  точностью  до  2-го  знака)
95%  доверительный  интервал  для  разности  между  средней  зарплатой  2004  года  и  
средней  зарплатой  1992  года  (из  2004  года  вычитаем  1992!):
от 0.82 до 1.33 (с  точностью  до  2-го  знака  после  запятой)
На  1%  уровне  значимости  гипотеза  о  равенстве  между  зарплатами  отвергается:  с  
практической  точки  зрения  мы  сделаем  вывод  о  том,  что,  скорее  всего,  почасовая  
зарплата  американцев  выросла + (впишите  +,  если  утверждение  верно  и  -,  если  
неверно)

Оцените,  как  влияет  пол  на  зарплату  (ahe2004):

Какова  разность  между  средними  часовыми  заработками  мужчин  и  женщин в  


центах?
242 (округлите до целых)
Какова  стандартная  ошибка  этой  разности в  центах?
13 (округлите  до целых)

Оцените  регрессию  с  робастными  к  гетероскедастичности  стандартными  


ошибками:

Верно  (+)  или  неверно  (-)?


Стандартная  ошибка  коэффициента  наклона  снизилась  по  сравнению  с  обычной  
регрессией.
+
Доверительный  интервал  для  коэффициента  наклона  сузился
+
t-статистика  коэффициента  наклона  по  модулю  выросла  по  сравнению  с  обычной  
регрессией.
+
p-value  коэффициента  наклона  снизилось  по  сравнению  с  обычной  регрессией.
+
Всегда  при  использовании  робастных  стандартных  ошибок  мы  будем  наблюдать  
изменения  стандартных  ошибок,  p-value  и  t-статистик  в  том  направлении,  в  
котором  оно  произошло  в  этот  раз  (по  сравнению  с  регрессией  с  
гомоскедастичными  стандартными  ошибками).
-
Объяснение: Команды  для  получения  переменной  ahe2004
gen ahe2004=.
replace ahe2004=ahe if year==2004
replace ahe2004=ahe*1.35 if year==2004
Если  вам  нужно  что-то  сделать  быстро,  и  вы  не  помните,  как  это  делать  в  Stata,  
сделайте  это  в  Excel  с  помощью  формул.

Обратите  внимание,  что  робастные  стандартные  ошибки  могут  быть  как  больше,  
так  и  меньше  обычных.
Если  t-статистика  по  модулю  растет,  то  p-value  снижается,  даже  если  мы  не  видим  
этого  в  Stata,  где  p-value  округляется  до  тысячных.
Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 11 (Вес 20%) Блок  "Парная  регрессия:  проверка  гипотез"


Исследователь  опросил  250  работающих  мужчин  и  280  работающих  женщин  и  
оценил  регрессию  их  часового  заработка  (долл./час)  на  пол  (male=1,  если  мужской  
и  0,  если  женский).

Gender gap - это  разница  между  средним  часовым  заработком  мужчин  и  женщин.

Чему  равна  оценка  gender  gap 2.12 (округлите  до  сотых)

Пользуясь  аппроксимацией  t-распределения  нормальным,  найдите  p-value


двустороннего  теста  на  значимость  gender  gap 0.00 (округлите  до  сотых)

Есть  ли  основания  отвергнуть  нулевую  гипотезу  о  незначимости  пола  в  


объяснении  зарплаты  на  1%  уровне  значимости  (+  или  -)?+

Есть  ли  основания  отвергнуть нулевую  гипотезу  о  незначимости  пола  в  


объяснении  зарплаты  на  5%  уровне  значимости  (+  или  -)?+

Постройте  95%  двусторонний  доверительный  интервал  для  gender  gap  (используя  


аппроксимацию  t-распределения  нормальным):  от 1.41 до 2.83 (округлите  до  
сотых)

Каков  средний  заработок  мужчин  в  выборке? 14.64 (округлите  до  сотых)

Каков  средний  заработок  женщин  в  выборке? 12.52 (округлите  до  сотых)

Если  построить  регрессию  Wage  на  female  (=1,  если  пол  женский  и  =0,  если  пол  
мужской),  то  оцененное  уравнение  примет  вид:
14.64+-2.12 (округлите  до  сотых)
4.2 (округлите  до десятых)
0.06 (округлите  до  сотых)
Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 12 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Помимо  оценки  коэффициента  регрессии  и  табличного  значения  
соответствующей  статистики,  что  еще  нужно  знать  для  расчета  доверительного  
интервала  для  коэффициента:
( )коэффициент  детерминации
(x)его  стандартную  ошибку
( )среднеквадратическую  ошибку  регрессии
( )F-статистику

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%) Блок  "Парная  регрессия: проверка  гипотез"


Одностороннюю  проверку  гипотез  наиболее  уместно  использовать,  когда:
( )согласно  теории  коэффициент  может  иметь  определенный  знак,  и  в  нашей  регрессии  
перед  коэффициентом  получился  противоположный  знак
( )объем  выборки  достаточно  большой,  чтобы  использовать  нормальное  распределение  
вместо  t-распределения
(x)согласно  теории  коэффициент  может  иметь  определенный  знак,  и  в  нашей  регрессии  
перед  коэффициентом  получился  как  раз  такой  знак
( )Вы  хотите  использовать  уровень  значимости  более  высокий  чем  5%

Объяснение: Если  мы  убеждены  в  том,  что  в  регрессии  зарплаты  на  образование  
перед  образованием  знак  должен  быть  положительным  и  получаем  этот  знак,  то  в  
качестве  альтернативной  гипотезы  мы  можем  взять  не  гипотезу  "коэффициент  не  
равен  нулю",  а  гипотезу  "коэффициент  больше  нуля",  так  как  мы  исключаем  
вероятность  того,  что  он  может  быть  меньше  нуля.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Гипотеза  о  том,  что  коэффициент  регрессии  равен  нулю,  может  быть  проверена  с  
помощью  t-теста.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Когда  говорят  о  том,  что  коэффициент  регрессии  значим  (или  иногда,  что  сам  
регрессор  значим),  то  имеют  в  виду,  что  если  бы  мы  построили  регрессию  по  всей  
генеральной  совокупности,  то  соотвествующий  коэффициент  был  бы,  скорее  
всего  (с  высокой  вероятностью), отличен  от  нуля.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Как  обычно  формулируется  альтернативная  гипотеза  при  проверке  значимости  
коэффициента β0 регрессии?
(x)H1:  β0  ≠  0
( )H1:  β0  >  0
( )H1:  β0  <  0
( )H1:  β0  =  0

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 2.5%) Блок  "Парная  регрессия:  проверка  гипотез"


Оценив  регрессию  Q=α+βP,  исследователь  рассчитал  t-статистику  для  
коэффициента  β  и  получил  t=3,2.  Количество  наблюдений  =  10.  Какой  из  
нижеприведенных  выводов  верен  (для  двухсторонней  гипотезы)?
( )Правильного  ответа  нет
(x)Регрессию  можно  признать  значимой  на  5%  уровне  значимости
( )Регрессию  можно  признать  значимой  на  сколь  угодно  высоком  уровне  значимости
( )Регрессия  незначима
( )Регрессию  можно  признать  значимой  на  1%  и  на  5%  уровне  значимости

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 1 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"

В  модели  линейной  регрессии  делаются  следующие  допущения  относительно  


природы  случайных  ошибок  (возможно  несколько  ответов):
[x]имеют  нулевое  матожидание
[ ]распределены  по  экспоненциальному  закону
[ ]коррелированны  с  объясняющими  переменными
[x]не  коррелированы  друг  с  другом
[x]гомоскедастичны
[ ]автокореллированы

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


МНК-оценки  являются  BLUE.  Буква  "B"  в  этом  сокращении  означает  их:
( )несмещенность
( )смещенность
(x)эффективность
( )состоятельность

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%) Блок  "Основы  регрессионного  анализа.  МНК"


Построили  МНК-регрессию  (модель  1).  Нашли  остатки.  Построили  регрессию  этих  
остатков  на  регрессоры,  включенные  в  модель  1.  R2 получился  равен  0.
( )False
(x)True

Объяснение: С  помощью  регрессоров  мы  частично  смогли  объяснить  Y.  


Следовательно,  остатки  - это  та  часть  Y,  которую  мы  уже  не  можем  объяснить  с  
помощью  регрессоров.  Значит,  регрессоры  и  остатки  некоррелированы.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


При  исследовании  зависимости  оборота  розничной  торговли  (Y,  млрд.руб.)  от  
трех  факторов:  х1 – денежные  доходы  населения,  млрд.руб.;;  х2 – численность  
безработных,  млн.чел.;;  х3 – официальный  курс  рубля по  отношению  к  доллару  
США,  получена  следующая  модель:
Y  =  64,12  +  0,37х1 – 3,18х2 +  2,56х3.
Как  интерпретируется  коэффициент  при  факторном  признаке  х2:
( )при  увеличении  численности  безработных  на  1  млн.чел.  оборот  розничной  торговли  в  
среднем  будет  уменьшаться  на  3.18%
( )при  увеличении  численности  безработных  на  1%  оборот  розничной  торговли  в  
среднем  будет  уменьшаться  на  3.18%
( )при  увеличении  только  численности  безработных  на  1  млн.чел.  оборот  розничной  
торговли  в  среднем  будет  увеличиваться  на  3.18  млрд.руб.
(x)при  увеличении  только  численности  безработных  на  1  млн.чел.  оборот  розничной  
торговли  в  среднем  будет  уменьшаться  на  3.18  млрд.руб.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 15%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


Глядя  в  output  пакета  Stata  найдите,  чему  равны  следующие  показатели  
оцененной  регрессионной  модели:

TSS (Total Sum of Squares)=142.239


R2=0.068
Adjusted R2=0.062
RMSE  (Root  Mean  Square  Error,  или  SER)=0.537
(числа,  представленные  в  таблице,  и  используемые  Вами  в  промежуточных  
расчетах  не  округляйте;;  в  том  числе  не  используйте  в  расчетах  округленные  
цифры,  полученные  в  предыдущих  пунтах;;  только  конечные  ответы  округлите  
дотысячных)

Объяснение: Обратите  внимание,  что  в  Stata  ESS  называется  MSS  (Model  Sum  of  
Squares).
Также  обратите  внимание,  что  число  степеней  свободы  для  расчета  RMSE  равно  
n-k=463-4=459.
Балл: 100% Балл за тест: 100% × 15 = 15%

Вопрос 6 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


R2 равен  квадрату  коэффициента  корреляции  между  предсказанными  и  
наблюдаемыми  значениями.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Чему  равен  коэффициент  детерминации,  если  построить  линейное  регрессионное  
уравнение  зависимости  прибыли  фирмы  от  выручки  и  затрат? 1
(если  число  нецелое,  округлите  до  десятых;;  разделитель  – точка  или  запятая)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 8 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"
Какое  из  приведенных  ниже  предположений  относительно  случайного  члена  в  
регрессии  не  входит  в  набор  "классических  предпосылок"?
( )матожидание  равно  нулю
( )дисперсия  постоянна
(x)имеет  нормальное  распределение
( )для  данного  наблюдения  не  зависит  от  значений  случайного  члена  в  других  
наблюдениях
Объяснение: Если  случайный  член  распределен  не  нормально,  то  МНК-оценки  все  
равно  будут  BLUE  (Best  Linear  Unbiased  Estimator).  Но  нормальноть  
распределения  ошибок  нужна,  чтобы нормально  были  распределены  и  
коэффициенты  регрессии  (если  мы  строим  много  регрессий  на  случайных  
подвыборках,  то  каждый  раз  будет  получаться  своя  оценка  коэффициента  
регрессии,  но  эти  оценки  будут  иметь  нормальное  распределение).

Нормальность  распределения  случайного  члена  - это  желательное  условие,  


обусловленное  еще  и  тем,  что  в  случае  его  нормальности,  скорее  всего,  можно  
считать,  что  неучтенные  факторы  случайны  (сумма  неважно  как  распределенных  
случайных  величин  на  больших  выборках  стремится  с  нормальному  
распределению  по  Центральной  предельной  теореме).
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


В  парной  регрессии R2 -adjusted  равен  обычному  R2 .
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 25%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


Были  собраны  данные  о  стоимости  220  домов,  продававшихся  в  2003  году  Price  –
цена  (в тыс.  долларов), BDR – число  спальных  комнат,  Bath  – количество  ванных  
комнат,  Hsize – площадь  дома  (в  кв.  футах),  Age  – возраст  дома  (в  годах), LSize -
площадь  придомовой  территории  (в  кв.  футах).  Poor=1,  если  дом  в  плохом  
состоянии  и  0,  если  в  каком-либо  другом.

Сценарии,  приводимые  ниже,  должны  рассматриваться  как  отдельные  сюжеты  


(независимо  друг  от  друга).  Следите  за  единицами  измерения.

Если  одну  из  спальных  комнат  полностью  преобразовать  в  ванную  комнату,  


то  ожидаемая  цена  дома  вырастет  на22915 долларов.

Если  площадь  дома  увеличится  на  100  кв.  футов  и  на  этой  территории  
ноявится  новая  ванная,  то  ожидаемая  цена  дома  вырастет  
на 39000 долларов

Дом,  находящийся  в  хорошем  состоянии,  стоит  100  тыс.  долларов.  Какой  


станет  его  цена  в долларах,  если  он  окажется  в  плохом  состоянии  при  
прочих  равных  условиях? 51200

Какой  процент  дисперсии  цены  дома (или  общей  суммы  


квадратов) объясняет  данная  модель? 72 %(округлите до  целых  процентов)

Как  изменятся  коэффициенты  регрессии,  R2-adjusted  и  SER,  если площадь  


дома  и  участка  перед  домом  выразить  в  метрах  квадратных,  считая  для  
простоты,  что  в  1  метре  3  фута  (подумайте,  сколько  тогда  квадратным  
футов  в  1  квадратном  метре  - это  узнать,  зарисовав  квадрат  площадью  1  кв.  
метр  и  1  кв.  фут  на  бумаге)? (следите  за  знаками,  все  
показатели округлите  до  того  же  числа  знаков,  что  и  в  исходной  
регрессии)Predicted_Price=119.2+0.485BDR+23.4Bath+1.404Hsize+0.018Lsiz
e+0.090Age+-48.8Poor, R2-adjusted=0.72, SER=41.5.

Балл: 92.31% Балл за тест: 92.31% × 25 = 23.078%

Вопрос 11 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


Последствием  того,  что  остатки  регрессии,  оцененной  по  небольшой  выборке,  
имеют  распределение,  отличное  от  нормального,  может  быть:
( )оценки  коэффициентов  будут  смещенными  и  несостоятельными
( )оценки  коэффициентов  будут  несмещенными,  но  несостоятельными
(x)тестовые  статистики,  относящиеся  к  параметрам  модели,  будут  иметь  распределение,  
отличное  от  ожидаемого
( )оценки  коэффициентов  будут  смещенными,  но  состоятельными

Объяснение: Для  того,  чтобы  МНК-оценки  были  несмещенными,  эффективными  и  


состоятельными (  обратите  внимание: состоятельность  тоже  гарантируется),  не  
требуется  выполнения  желательного  условия  нормальности  распределения  
остатков.  В  то  же  время  это  условие  необходимо  для  того,  чтобы  можно  было  
использовать  t- и  F-тесты.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


Какие  оценки  даёт  МНК  при  выполнении  условий  Гаусса-Маркова?
[x]Несмещённые
[x]Состоятельные
[x]Эффективные
[ ]Устойчивые  к  выбросам

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 13 (Вес 2.5%) Блок  "Множ.  регрессия:  МНК-оцениванивание"
МНК  оценки  являются  BLUE  (Best  Linear  Unbiased  Estimator)  даже  если  случайный  
член  имеет  распределение,  отличное  от  нормального.
( )False
(x)True

Объяснение: Нормальность  остатков  необязательна  для  того,  чтобы  МНК  оценки  


были  BLUE.  Однако  всегда  говорится,  что  это  желательное  свойство.  Почему?  
Потому  что  оно  обеспечивает  корректность  проверки  гипотез,  ведь  все  они  
основаны  на  t- и  F-распределении,  которые  получаются  из  предположения  о  том,  
что  ошибки  распределены  нормально.  Поэтому  это  действительно  желательное  
условие,  если  мы  проверяем  гипотезы  с  помощью  этих  тестов  и  нужно  
стараться,чтобы  остатки  хотя  бы  визуально  напоминали  нормальное  
распределение.  Если  это не  так  и  Вы  проводите  серьезное  академическое  
исследование,  то  стоит  почитать  о  непараметрических  доверительных  интервалах  
(например  с  помощью  бутстрапирования  (почитайте  в  справке  о  команде  
bootstrap,  в  последней  версии  Stata  11  очень  подробное  справочное  руководство  -
лучше  любого  учебника)
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


На  что  скорректирован R2-adjusted  по  сравнению  с  обычным  коэффициентом  
детерминации:
( )нет  верного  ответа
( )количество  регрессоров
(x)количество  регрессоров  и  объем  выборки
( )объем  выборки

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Медианная  (квантильная)  регрессия  оценивает  параметры  модели  так,что
минимизируется  сумма  абсолютных  отклонений  предсказанных  значений  Y  от  
наблюдаемых.  Такая  регрессия  иногда  позволяет  получить  более  высокий  
коэффициент  детерминации  R2,  чем  метод  наименьших  квадратов,  если  ее  
применить  к  обычной  линейной  регрессионной  модели.
(x)False
( )True

Объяснение: МНК  эквивалентен  максимизации  R2.  Медианная  регрессия  не  


позволяет  максимизировать  R2,  но  может  быть  полезна,  когда  нам  хочется  
предсказать  медианное  значение  зависимой  переменной.  Например,  кассовые  
сборы  фильмов  распределены  очень  асимметрично,  и  среднее  мало  что  
показывает,  тогда  как  медиана  - более  реалистичная  оценка  ожидаемого  успеха  
кинофильма.  Таким  образом,  цель  использования  других  регрессий  - это  не  
повышение  значения  коэффициента  детерминации,  а  более  корректная  при  
нарушении  определенных  условий  (например,  нормальности  распределения  
остатков)  оценка  параметров.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 25%) Блок  "Lab.  Множественная  регрессия:  пропущенные  переменные  и  МНК-
оценивание"
Откройте файл CollegeDistance.dta в Stata.
Описание  переменных  приведено  ниже:
Variable Desrciption
yrsed Years of Education Completed
female 1 = Female/0 = Male
black 1 = Black/0 = Not-Black
hispanic 1 = Hispanic/0 = Not-Hispanic
Base Year Composite Test Score. (These are achievement tests given to high school seniors in
bytest
sample)
dadcoll 1 = Father is a College Graduate/ 0 = Father is not a College Graduate
momcoll 1 = Mother is a College Graduate/ 0 = Mother is not a College Graduate
incomehi 1 = Family Income > $25,000 per year/ 0 = Income<=$25,000 per year.
ownhome 1= Family Owns Home / 0 = Family Does not Own Home
urban 1 = School in Urban Area / 0= School not in Urban Area
cue80 County Unempolyment rate in 1980
stwmfg80 State Hourly Wage in Manufacturing in 1980
dist Distance from 4yr College in 10's of miles (в десятках миль)
tuition Avg. State 4yr College Tuition in $1000's
Примечание:  если  black=0  и  hispanic=0,  то  респондент  - белый.

Вы  можете  использовать  опцию  robust,  однако  при  ответе  на  вопросы  Вам  не  
придется  анализировать  стандартные  ошибки,  t-статистики,  p-value  и  F-
статистику,  поэтому  в  данном  конкретном  случае  будет  все  равно  использовать  
стандартные  ошибки,  устойчивые  к  гетероскедастичности  или  нет.

Регрессия  1:  Оцените  регрессию  количества  лет  образования  на расстояние  до  
ближайшего  колледжа  (в  десятках  миль).
Регрессия  2:  Добавьте  в  регрессию  дополнительно  переменные  bytest,  female,  
black,  hispanic,  incomehi,  ownhome,  dadcoll,  cue80  и  stwmfg

Заполните  пропуски  значениям  оценок  коэффициентов  при  каждой  


переменной  и  показателями  точности  регрессии
(округляйте  до  тысячных):
Model
Regressor Регрессия  Регрессия  
1 2
dist -0.073 -0.032
bytest 0.094
female 0.145
black 0.368
hispanic 0.399
incomehi 0.395
ownhome 0.152
dadcoll 0.696
cue80 0.023
stwmfg80 -0.052
intercept 13.956 8.828
SER 1.807 1.543
R2 0.007 0.279
R2-
0.007 0.277
adjusted

Верны  или  нет  следующие  высказывания  (+/-):

Судя  по  показателю  R2-adjusted,  вторая  регрессия  обладает  заметно  


большее  высоким  качеством  подгонки  по  сравнению  с  первой +
Судя  по  показателю  SER,  вторая  регрессия  хуже  первой -
Оценка  коэффициента  перед  расстоянием  до  колледжа  по  модулю  
снизилась,  что  может  указывать  на  то,  что  в  первой  регрессии  наблюдалась  
проблема  пропущенных  переменных,  из-за  которой  сила  влияния  
расстояния  до  колледжа  была  преувеличена +
По  сравнению  с  белыми,  при  прочих  равных  условиях,  чернокожие  и  
латиноамериканцы  имеют  более  высокую  продолжительность  
образования +

На  основе  лучшей  из  двух  моделей  скажите,  на сколько  лет  дольше  будет  
учиться  человек,  у  которого  колледж  расположен  на  100 миль ближе  к  дому,  
чем  у  другого,  в  остальном  идентичного,  человека? 0.3(округлите  до  
десятых)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 17 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Общая  сумма  квадратов  отклонений  подсчитывается  на  основе  отклонений  …
(x)индивидуальных  значений  результирующего  признака  от  его  среднего  значения
( )расчетных  значений  результирующего  признака,  найденных  по  уравнению  регрессии,  
от нуля
( )индивидуальных  значений  результирующего  признака  от  расчетных  значений  
результирующего  признака,  найденных  по  уравнению  регрессии
( )расчетных  значений  результирующего  признака,  найденных  по  уравнению  регрессии,  
от  среднего  значения  результирующего  признака
Объяснение: Когда  мы  строим  регрессию,  мы  объясняем  дисперсию  зависимой  
переменной,  поэтому  общая  дисперсия  - это  ее  дисперсия,  и  сумма  квадратов  
отклонений,  соотвественно,  тоже  относится  к  зависимой  переменной.  Часть  из  
этой  дисперсии  мы  объясним,  часть  - нет.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%
Вопрос 1 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"

В  множественной  регрессионной  модели  t-статистика  для  проверки  равенства  


коэффициента  нулю  рассчитывается:
( )как  квадратный  корень  из  F-статистики  на  общую  значимость  моделиF=t^2 только в
парной регрессии или если речь идет об F-статистики, сравнивающей регрессию без
данной переменной с регрессией, включающей данную переменную. Но это не F-
статистика на общую значимость модели.
( )с  использованием  скорректированного  R-квадрата  и  доверительного  интервала
( )умножением  p-value  на  1,96
(x)делением  оценки  коэффициента  на  его  стандартную  ошибку

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Критическое  значение  R2,  с  помощью  которого  для  определенной  регрессии  
можно  сказать,  значимо  или  нет  R2 больше  нуля,  можно  рассчитать  по  формуле

где  Fкрит - табличное  значение  F  для  k-1, n-k  степеней  свободы  (n  - число  
наблюдений,  k  - число  регрессоров,  включая  константу)
( )False
(x)True

Объяснение: Формула  получается  из  взаимосвязи  между  F  и  R2


Когда  значима  F-статистика,  значим  и  R2 - значит  нужно  найти  такой  R2,  который  
получен  подстановкой  в  формулу  R2критического  значения  F.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


F-тест  на  общую  значимость  модели  сравнивает  построенную  регрессию  с  
регрессией,  в  которой  есть  только  константа.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%) Блок  "Спецификация  переменных  регрессии"

Гипотезу ,  где - один  из  коэффициентов  линейной  регрессии,  можно  


проверить  с  помощью  F-теста.
(x)False
( )True

Объяснение: F-тест  позволяет  проверять  только  линейные  ограничения.


Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


F-статистика  с  1  степенью  свободы  в  числителе  и  n-k  в  знаменателе,  где  n-число  
наблюдений,  а  k  - число  регрессоров  в  знаменателе:
(x)равна  квадрату  t-статистики  с  n-k  степенями  свободы
( )не  может  быть  выражена  через  t-статистику
( )равна  абсолютной  величине  t-статистики  с  n-k  степенями  свободы
( )равна  квадратному  корню  из  t-статистики  с  n-k  степенями  свободы

Объяснение: F(1, h)=t2(h)


Этот  факт  из  математической  статистики  позволяет  говорить  о  том,  что  в  парной  
регрессии  F-статистика  равна  квадрату  t-статистики  коэффициента  наклона.  А  в  
случае  F-теста  на  сравнение  длинной  и  короткой  регрессии,  если  мы  добавляем  
одну  переменную,  то  t-тест  на  значимость  этой  переменной  и  F-тест  на  линейное  
ограничение  содежательно  дадут  один  и  тот  же  результат,  и  опять  же  F=t2.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Если  расчетное  значение  критерия  Фишера  меньше  табличного  значения,  то  
гипотеза  о  статистической  незначимости  уравнения  …
( )неверна
( )отвергается
( )некорректна
(x)не  отвергается

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


В  парной  регрессии  F-тест  на  общую  значимость  модели  приводит  к  тем  же  
качественным  выводам,  что  и  t-тест  на  значимость  коэффициента  наклона.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Количество  степеней  свободы  для  t-статистики  в  регрессии  Y  на  константу  и  4  
объясняющие  переменные  по  95  наблюдениям  равно:
( )94
( )92
( )нет  верного  ответа
( )91
(x)90
( )95

Объяснение: df=n-k,  где  n  - число  наблюдений,  а  k  - количество  регрессоров,  


включая  константу.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


В  случае  множественной  регрессии  t-статистика  для  проверки  гипотезы  о  
равенстве  коэффициента  нулю,  находится:
( )как  квадратный  корень  из  F-статистики
(x)путем  деления  оценки  коэффициента  на  его  стандартную  ошибку
( )путем  умножения  p-value  на  1,96
( )по  формуле,  включающей  R-квадрат
( )путем  деления  стандартной  ошибки  на  оценку  коэффициента

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Полностью  корректным  расчет  традиционных  доверительных  интервалов  для  
коэффициентов  является  только  в  случае  нормального  распределения  ошибок  
регрессии.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%) Блок  "Спецификация  переменных  регрессии"

Гипотезу ,  где - коэффициент  линейной  регрессии,  можно  проверить  


с  помощью  F -теста.
( )False
(x)True

Объяснение: Да,  так  как  это  линейной  ограничение (оба  коэффициента  


входят  в  него  линейно).
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%) Блок  "Спецификация  переменных  регрессии"

Гипотезу ,  где - коэффициент  линейной  регрессии,  можно  


проверить  с  помощью  F-теста.
(x)False
( )True

Объяснение: Это  ограничение  не  является  линейным  так  же  как  не  является  
линейной  функция  xy=0  или  xy=1.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Зная  значение  F-статистики  для  оценки  общей  значимости  регрессионной  модели  
с  константой,  а  также  количество  наблюдений  и  количество  регрессоров  можно  
рассчитать  коэффициент  детерминации  модели.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Построили  регрессию.  Затем  добавили  новый  регрессор,  t-статистика  для  
проверки  значимости  которого  составила  -0,9.  При  этом  R2 в  новой  регрессии  по  
сравнению  со  старой:
(x)вырос
( )нельзя  определить
( )остался  неизменным
( )остался  неизменным  или  вырос
( )уменьшился

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Имея  27  наблюдений  оценили  следующую  регрессионную  модель:

Каково  критическое  значение  статистики  для  проверки  двусторонней  гипотезы  


H0: β3 =  1  на  5%-ном  уровне  значимости  (без  использования  аппроксимации  
нормальным  распределением)?
(x)2,06
( )1,99
( )1,71
( )1,96
( )1,64

Объяснение: Двусторонняя  t  статистика  с  27-3=24  степенями  свободы  равна  2,06


Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Для  множественной  регрессии  с  k  регрессорами  (включая  константу)  и  n>500 5%-
ное  критическое  значение  t-статистики  по  абсолютной  величине  приблизительно  
равно:
( )1.96/k
( )1.96*k
(x)1.96
( )1.96/(n-k)

Объяснение: Если  обратиться  к  таблице  t-статистики,  то  можно  увидеть,  что  чаще  
всего  ориентироваться  можно  на  такое  правило:  на  выборках  объемом  больше  60  
(лучше  всего  использовать  выборки  не  меньшего  объема)  если  |t|>2,  то  
коэффициент  значим  на  5%  уровне  значимости.  Это  может  быть  полезно  при  
чтении  литературы,  где  приводятся  t-статистики  или  стандартные  ошибки,  но  
опускаются  точные  p-value.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 25%) Блок  "Lab.  Множественная  регрессия:  проверка  гипотез"


1. Откройте  файл CPS04.dta
2.  Сколько  наблюдений  в  наборе  данных? 7986
3.  Постройте  модель  1:  регрессию  среднего  дневного  заработка  в  долларах  
(AHE)  на  возраст  (с  коррекцией  стандартных  ошибок  на  
гетероскедастичность).
Постройте  модель  2:  регрессию  AHE  на  age,  female  и  bachelor  (с  коррекцией  
стандартных  ошибок  на  гетероскедастичность).
Заполните  таблицу  результатов  двух  построенных  Вами  регрессий (все  
цифры  должны  быть  получены  с  помощью  Stata,  а  не  вручную;;  округление  
до  4-х  знаков  после  запятой!:
Model
1 2
SER  (стандартная  ошибка  регрессии) 8.6612 7.8843
R2 0.0223 0.1900
R -adjusted
2
0.0221 0.1897

Верно  (+)  или  неверно  (-)?


Во  второй  модели  на  1%  уровне  значимости  3  регрессора  значимо  отличны  от  
нуля +
По  рассчитанным  выше  статистическим  критериям  модель  1  предпочтительнее  
модели  2 -

Далее  используйте  более  предпочтительную  из  двух  моделей.

4.  Постройте  95%  доверительный  интервал  для  ожидаемого  роста  зарплаты  


при  увеличении  возраста  на  2  года (при  проведении  расчетов  используйте  
неокругленные  значения  из  таблицы  Stata,  округлите  только  в  конце  до  3-го  
знака  после  запятой).
от 0.760 до 0.997 (округление  до  тысячных)

5. Каково  математическое  ожидание  дневного  заработка  для  каждого  из  


следующих  работников (при  проведении  расчетов  используйте  
неокругленные  значения  из  таблицы  Stata,  округлите  только  в  конце  до  3-го  
знака  после  запятой).:

Боб  – мужчина  26  лет  без  высшего  образования,  но  с  мохнатыми  


ладошками. 13.303 (округление  до  тысячных)

Алексис  – очень  хорошая  30-летняя  порноактриса с  большим  стажем  работы  с  


лучшими  режиссерами,  имеющая  степень  бакалавра. 18.767 (округление  до  
тысячных)

Джон  – просто  профессор  45  лет  с  высшим  образованием. 28.513 (округление  до  
тысячных)
6.  Найдите:
p-value  теста  на  значимость  female= 0.000 (округление  до  тысячных)
p-value  теста  на  значимость  bachelor= 0.000 (округление  до  тысячных)
p-value  теста  на  одновременное  равенство  коэффициентов  при  female  и  bachelor  
нулю=0.000 (округление  до  тысячных)
F-статистика  теста  на одновременное  равенство  коэффициентов  при  female  и  
bachelor  нулю=752.95 (округление  до  тысячных  или  сотых)

7.  Сколько  линейных  ограничений  накладывается  при  тестировании  


составной  гипотезы  об  одновременном  равенстве  коэффициентов  при  
female  и  bachelor  нулю? 2 (целое  число)

8.  Верно  ("+")  или  неверно  ("-")


На  5%  уровне  значимости  следует  признать,  что  наша  модель  лучше  
предсказывает  зависимую  переменную  по  выборке,  чем  модель  только  с  
константой +
R2-модели  значимо  отличен  от  нуля  (подсказка:  подумайте  о  связи  R2 и  статистики,  
значимость  которой  мы  умеем  определять) +

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 18 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Долю  дисперсии,  объясняемую  уравнением  регрессии,  в  общей  дисперсии  
зависимой  переменной  характеризует:
( )коэффициент  эластичности
(x)коэффициент  детерминации
( )коэффициент  корреляции
( )коэффициент  корреляции  рангов

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 19 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


Возможна  ситуация,  когда  два  коэффициента  регрессии по  отдельности  
незначимы  на  5%-ном  уровне  значимости,  а  совместно  на  том  же  уровне  
значимости  значимы.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 20 (Вес 2.5%) Блок  "Спецификация  переменных  регрессии"


Значимость  i-го коэффициента  регрессии  можно  проверить  как  с  помощью  t-
статистики,  так  и  с  помощью  F-статистики.
( )False
(x)True

Объяснение: Да.  Для  проверки  по  F-тесту  нужно  рассмотреть  короткую  регрессию  
(без  i-й  переменной)  и  длинную  регрессию  (с  i-й  переменной).  Далее  использовать  
формулу  F-теста  для  проверки  значимости  линейных  ограничений.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 21 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


С  помощью  МНК  оценивают  2  модели:Модель  1:

Модель  2:

Модели  1  и  2  будут  иметь  одинаковый R2-adjusted,  если  коэффициент по  


результатам  оценивания  модели  2.
(x)False
( )True

Объяснение: R2-adjusted второй  модели  будет  ниже,  так  как  в  нее  включили  
фактически  лишнюю  переменную.  Модель  1  обеспечивает  то  же  качество  
подгонки,  используя  меньшее  число  регрессоров.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 22 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Оценив  регрессию Q=α+βP+γX,  исследователь  рассчитал  F-статистику  и  получил  
F=18,25.  Количество  наблюдений  =  70.  Какой  из  нижеприведенных  выводов  
верен?
( )Регрессию  незначима  как  на  5%,  так  и  на  1%  уровне  значимости
( )Регрессию  значима  на  5%  уровне  значимости,  но  не  значима  на  1%  уровне  значимости
( )Регрессия  незначима
(x)Регрессию  можно  признать  значимой  на  1%  и  на  5%  уровне  значимости

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 23 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


При  проведении  F-теста  на  общую  значимость  модели  остаточная  сумма  
квадратов  (RSS)  отклонений  в  линейной  парной  модели  имеет  число  степеней  
свободы,  равное:
(x)n-2
( )n-1
( )1
( )2

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 24 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Чему  равно  количество  степеней  свободы  при  проверке  значимости  
определенного  коэффициента  регрессии  (n  – количество  наблюдений,  k  –
количество  регрессоров,  включая  константу)?
( )n-1
( )n-k-1
( )n-k+1
(x)n-k

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 25 (Вес 2.5%) Блок  "Спецификация  переменных  регрессии"

Гипотезу ,  где - один  из  коэффициентов  линейной  регрессии,  можно  проверить  с  помощью  F-теста.
( )False
(x)True

Объяснение: F -статистику  можно  использовать  для  сравнения  unrestricted-


регрессии  и  регрессии  с  линейным  ограничением  на  коэффициент
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 26 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


С  помощью  МНК  оценивают  2  модели:
Модель  1:

Модель  2:

R2 оказался  выше  для  модели  2,  а R2-adjusted - для  модели  1.


Какова  наиболее  вероятная  причина  этого?
( )x3  коррелирована  с  x2
( )α3  не  равен  нулю,  но  незначим
(x)α3=0если бы это было так, R-квадраты были бы равны
( )данная  ситуация  невозможна

Балл: 0% Балл за тест: 0% × 2.5 = 0%

Вопрос 27 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Величина  стандартного  отклонения  МНК-оценки  коэффициентов  регрессии,  
обычно  приводимая  в  статистических  пакетах,  используется  при  построении  
модели  множественной  регрессии  для:
( )построения  F-статистики
( )проверки  гипотезы  о  значимости  модели
(x)проверки  гипотезы  о  нулевом  значении  соответствующего  коэффициента
( )проверки  гипотезы  о  независимости  случайных  остатков  и  соответствующих  МНК-
оценок
( )отыскания  параметров  распределения  случайных  остатков

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 28 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Статистика
призвана  проверить  гипотезу  о  том,  что:
(x)все  коэффициенты  регрессии,  кроме  константы,  равны  нулю
( )все  коэффициенты  регрессии  равны  нулю
( )нет  верного  ответа
( )все  коэффициенты  регрессии,  кроме  константы,  одинаковы

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 29 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Количество  степеней  свободы  для  t-статистики  в  регрессии  Y  на  константу  и  4  
объясняющие  переменные  по  28  наблюдениям  равно:
( )26
( )27
( )25
( )24
(x)23

Объяснение: fdn= -k,  где  n  - число  наблюдений,  а  k  - количество  регрессоров,  


включая  константу.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 30 (Вес 2.5%) Блок  "Множ.  регрессия:  проверка  гипотез"


Совместная  доверительная  область  для  двух  коэффициентов  регрессии  имеет  
форму:
( )прямоугольника
( )квадрата
(x)эллипса
( )невозможно  точно  определить
( )трапеции

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 31 (Вес 2.5%) Блок  "Оценка  качества  регрессии"


С  помощью  МНК  оценивают  2  модели:
Модель  1:

Модель  2:

Модель  2  имеет R2-adjusted по  крайней  мере  не  меньший,  чем  Модель  1


(x)False
( )True

Объяснение: Если  переменная  x3 малоинформативна,  R2-aedjust вполне  мог  


уменьшиться,  так  как  этот  показатель  "штрафует"  за  лишние  регрессоры.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%
Вопрос 1 (Вес 20%) Блок  "Спецификация  функциональной  формы  регрессии"

Предельный  эффект  X  на  Y  при  X=2  равен -1.00 (c  точностью  до  сотых)
Эластичность  Y  по  X  при  X=2  и  Z=1  равна 1.44 (c  точностью  до  сотых)
Если  X  увеличится  с  10  до  20,  то  Y  изменится  на -1.39 единиц (округление  до  
сотых, знак  изменения  учитывать)

Верно  или  нет  (+/-)?


Если  X>0,  то  Y  убывает  с  ростом  X +
Если  X>0,  то  с  ростом  X  предельный  эффект  X  на  Y  падает -
Если  X>0,  то  с  ростом  X  эластичность  Y  по  X  падает +

Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 2 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Какое  из  следующих  уравнений  нелинейно  по  параметрам:
( )Y=α+βln(X)+γZ+u
( )Y=α+βX+γZ+u
(x)Y=  αβX+γZ+u

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Модель можно  оценить  с  помощью  обычного  МНК
(x)False
( )True

Объяснение: Данная  модель  нелинейна  по  переменным.


Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 25%) Блок  "Lab.  Нелинейная  регрессия-1:  полиномиальная  функци..."


Откройте  файл CPS04.dta
Напомним,  что  в  этом  наборе  данных  содержатся  данные  о  средних  дневных  
заработках  (в  долларах),  поле,  наличии  высшего  образования  и  возрасте  
американцев.
Регрессия  1:  ahe  на  female,  bachelor  и  age
Регрессия  2:  ahe  на  female,  bachelor,  age  и  age2
Регрессия  3:  ahe  на  female,  bachelor,  age,  age2, age3
Все  регрессии  - с  робастными  стандартными  ошибками.

На  сколько  R2-adjusted  второй  регрессии  выше  R2-adjusted  первой  


регрессии? 0.0004 (с  точностью  до  четвертого  знака  после  запятой)
На  сколько  R2-adjusted  третьей  регрессии  выше  R2-adjusted  второй  
регрессии? 0.0002 (с  точностью  до  четвертого  знака  после  запятой)

В  третьей  регрессии  чему  равна  F-статистика  (с  коррекцией  на  


гетероскедастичность)  теста  на  равенство  коэффициентов  перед  age2 и  
age 3
нулю?
3. 9 (с  точностью  до  сотых)
Чему  равно  p-value  данного  теста?
0 3. 8 (с  точностью  до четвертого  знака  после  запятой)

Пользуясь  регрессией  2,  найдите  возраст,  при  котором  зарплата  


максимальна.
38 (округлите  до  ближайшего  целого  числа)

Верно  или  нет? (+/-)

В  регрессии,  в  которую  включены  и  квадрат,  и  куб  возраста,  скорее  всего,  


наблюдается  проблема  мультиколлинеарности,  в  результате  которой  
стандартные  ошибки  коэффициентов  перед  квадратом  и  кубом  оказались  
завышенными.  В  результате,  по  отдельности  коэффициенты  незначимы,  а  
совместно  - значимы. +
Регрессия  2  дает  статистически  значимое  улучшение  по  сравнению  с  
линейной  моделью,  а  регрессия  3  не  дает  значимого  улучшения  по  
сравнению  с  регрессией  2.  Дополнив  этот  факт  тем,  что  с  экономической  
точки  зрения  разумно  предположить,  что  зарплата  растет  с  
замедляющимся  темпом  по  мере  увеличения  возраста,  всё  указывает  на  то,  
что  из  трех  спецификаций  лучше  остановиться  на  Регрессии  2. +

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 5 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Среди  нелинейных  эконометрических  моделей  рассматривают  следующие  классы  
нелинейных  уравнений:
[ ]внешне  линейные
[x]внутреннее  линейные
[ ]внешне  нелинейные
[x]внутренне  нелинейные

Объяснение:  Внутренне  линейные  могут  быть  преобразованы  к  линейному  виду.


Внутренне  нелинейные  - не  могут.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Формула

предназначена  для  расчета  коэффициента  эластичности  в  случае:


(x)параболы  второго  порядка
( )прямой
( )параболы  третьего  порядка
( )гиперболы
( )экспоненциальной  зависимости  y  от  x

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


В  модели Y=AXbε b - это
( )значение  предсказанного  значения  y  в  точке  экстремума
(x)коэффициент  эластичности
( )угловой  коэффициент
( )предсказанное  значение  y  при  x=0

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Выражение (dY/dX)*(X/Y) позволяет  вычислить  значение  …
( )F-статистики  Фишера
( )индекса  корреляции
( )средней  ошибки  аппроксимации
( )предельного  эффекта  X  на  Y
(x)коэффициента  эластичности

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Спецификация функциональной  формы  регрессии"


Какая  из  перечисленных  моделей  не  сводится  к  линейной  по  параметрам?

(x)4
( )1
( )3
( )2
( )5

Объяснение: Остальные  модели  сводятся  либо  логарифмированием  обеих  частей,  


либо  заменой  переменных
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Уравнение  регрессии  имеет  вид
Коэффициент  эластичности 0.7
(если  число  нецелое,  округлите  до  десятых;;  разделитель  – точка  или  запятая)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Рассматриваются  две  нелинейных  модели:

- случайный  член

К  линейному  виду  можно  привести:


( )Обе  модели
( )Только  модель  2
( )Ни  одну  из  двух  моделей
(x)Только  модель  1

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Коэффициент  эластичности  является  постоянной  величиной  и не  зависит от  
значения  факторного признака  для  …
( )показательной  функции  Y=a(b^X)
(x)степенной  функции  Y=a(X^b)
( )равносторонней  гиперболы  Y=a+b/X
( )линейной  функии  Y=a+bX

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Пусть  зависимость  выпуска  (Y)  от  затрат  капитала  (K)  и  труда  (L)  описывается  
функцией  Кобба-Дугласа Y = AKαLβ.  Тогда  (отметьте  все  верные  ответы):
[x]эластичность  выпуска  по  затратам  труда  равна  β
[x]эластичность  выпуска  по  затратам  капитала  равна  α
[ ]эластичность  выпуска  по  затратам  труда  равна  α
[ ]эластичность  выпуска  по  затратам  капитала  равна  β

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 20%) Блок  "Спецификация  функциональной  формы  регрессии"


Исследователь  построил по  выборке  в  100  наблюдений  2  регрессии с  константой.
регрессию  1:  Y  на  X  и  Z,  RMSE=2
регрессию  2:  Y  на  X,  X2,  Z  и  Z2, RMSE=1

Такие  модели  называются  вложенными


(т.к.  набор  регрессоров  одной  модели  является
поднабором  регрессоров  другой  модели)

Найдите расчетное  значение  статистики,  необходимой  для  сравнения  


значимости  изменения  объясняющей  способности  в  модели  2  по  сравнению  
с  моделью  1
-35.6 (с  точностью  до  десятых)

Найдите  критическое  значение  статистики,  с  которым  нужно  сравнить  


расчетное  для  вывода  о  значимости  различий  между  моделями  1  и  2.
3.1 (с  точностью  до  десятых)

Верно  или  нет  (+/-)?


1.  Найденная  статистика  служит  для  проверки  гипотезы  о  том,  что  во  второй  
регрессии  коэффииценты  перед  X2 и  Z2одновременно  равны  нулю,  то  есть  что  
квадратичные члены  уравнения  незначимы. +
2. R2 первой  модели  выше,  чем  R2 второй  модели. -
3.  Проведенный  вами  статистический  тест  показал,  что  вторая  регрессия  
незначимо  лучше  первой,  а  значит  с  формальной  точки  зрения  нет  необходимости  
во  включении  квадратов  объясняющих  переменных  в  модель. -
4.  Модель  2  нелинейная  по  переменным,  но  линейная  по  параметрам. +

Балл: 83.33% Балл за тест: 83.33% × 20 = 16.666%

Вопрос 15 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Какие  из  перечисленных  ниже  моделей  могут  быть  оценены  с  помощью  
обыкновенного  МНК  (возможно  после  определенных  преобразований  - главное,  
чтобы  была  возможность  не  применяя  другие  методы  оценивания  найти  
параметры  модели)?  (возможно  несколько  ответов)

,  где  e  - число  e=2,718...

[x]2
[ ]3
[x]1
[x]4

Объяснение: Модель  1 - стандартная  линейная  модель.  В  случаях  2-4  нужно  


просто  сгенерировать  преобразованные  переменные  и  оценить  обычную  
линейную  взаимосвязь  между  ними.
Балл: 75% Балл за тест: 75% × 2.5 = 1.875%

Вопрос 16 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


Использование  полинома  второго  порядка  в  качестве  регрессионной  зависимости  
обсуловлено:
( )неоднородностью  выборки
( )отсутствием  тенденции
( )наличием  случайных  колебаний
(x)предполагаемой немонотонностью  влияния  объясняющей  переменной  на  
результирующую
Объяснение: Полином  второй  степени  - это  парабола,  которая  хорошо  описывает  
ситуацию,  когда  с  какого-то  момента  направление  связи  Y  и  X  меняется.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 2.5%) Блок  "Спецификация  функциональной  формы  регрессии"


В  чем  сходство  двух  моделей
Y=a+b*lnX+ε
Y=a+b/X+ε
(выберите  все  правильные  варианты):

[ ]нельзя  преобразовать  в  линейную  форму


[x]линейные  относительно  параметров  регрессии
[ ]нелинейные  относительно  параметров  регрессии
[x]нелинейные  по  переменным

Объяснение: Изначально  это  нелинейныепо  переменной  модели  (Y  нелинейно  


зависит  от  X),  но  они  линейны  относительно  параметров,  то  есть  если  
представить  себе,  что  Y  - это  функция  от параметров  a  и  b  (а  X - это  константа),  
то  получится,  что  обе  функции  линейные  по  этим  параметрам.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%
Вопрос 1 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"

Выберите  регрессионную  модель,  в  которой отражает  изменение Y (в  


единицах) в  ответ  на  приращение  X  на  1  единицу.

( )нет  верного  ответа


( )2
( )4
( )3
(x)1

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 2 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"

Выберите  регрессионную  модель,  в  которой отражает  процентное  изменение  


Y  в  ответ  на  приращение  X  на  1%.

( )2
( )1
( )3
( )нет  верного  ответа
(x)4

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 3 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Пусть  зависимость  выпуска  (Y)  от  затрат  капитала  (K)  и  труда  (L)  описывается  
функцией  Кобба-Дугласа Y = AKαLβ.  Тогда  (отметьте  все  верные  ответы):
[ ]эластичность  выпуска  по  затратам  капитала  равна  β
[ ]эластичность  выпуска  по  затратам  труда  равна  α
[x]эластичность  выпуска  по  затратам  капитала  равна  α
[x]эластичность  выпуска  по  затратам  труда  равна  β

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 4 (Вес 6.67%) Блок  "Спецификация  функциональной  формы  регрессии"


Известно,  что  в  уравнениях  типа
коэффициент β1 интерпретируется  следующим  образом:
X  ↑  на  1  единицу→Y  ↑  на  (eβ1-1)*100%
Мы  говорили,  что  при  малых  (по  модулю)  значений  β1<0,2 (eβ1-1)*100% примерно  
равно  β1*100%

Далее  вам  предлагается  самим  проверить,  насколько  отличается  точная  


интерпретация  от  приблизительной  в  зависимости  от  величины β1

Верны  ли  следующие  утверждения?  (+/-):


При  -0,2<β1<0,2  абсолютное  отклонение  величины  β1*100  от  (eβ1-1)*100  не  
превышает  5%  (не  5  процентных  пунктов,  а  5%)-
При  -0,1<β1<0,1  абсолютное  отклонение  величины  β1*100  от  (eβ1-1)*100  не  
превышает  5%  (не  5  процентных  пунктов,  а  5%)+

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 5 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"

Выберите  регрессионную  модель,  в  которой приблизительно  отражает  


процентное  изменение  Y  в  ответ  на  приращение  X  на  1  единицу.

( )4
( )3
( )нет  верного  ответа
(x)2
( )1

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 6 (Вес 10%) Блок  "Спецификация  функциональной  формы  регрессии"


Аналитик  полагает,  что  при  прочих  равных  условиях  при  изменении  отношения  
цены  пива  вашей  марки  к  цене  ближайшего  конкурента  (P1/P2)  на  1%  доля  рынка  
(share),  измеренная  в  процентах,  падает  на  определенное  число  процентных  
пунктов.  Рост  объема  рекламы,  измеренного  количеством  30  секундных  контактов  
с  целевой  аудиторией (GRP) на  1% ведет  к  росту  доли  рынка  на  определенное  
число  процентных  пунктов.  Помня  о  разнице  между  процентами  и  процентными  
пунктами,  запишите,  какую  модель  доли  рынка  следует  в  первую  очередь  оценить  
аналитику.

Примечание:  если  доля  рынка  растет  с  20%  до  30%,  то  речь  идет  о  росте  
доли  рынка  на  50%  (в  1.5  раза),  но  на  10  процентных  пунктов.
( )(share)  от  (P1/P2)  и  log(GRP)
( )log(share)  от  (P1/P2)  и  log(GRP)
(x)log(share)  от  log(P1/P2)  и  log(GRP)
( )(share)  от  log(P1/P2)  и  (GRP)
( )(share)  от  log(P1/P2)  и  log(GRP)
( )(share)  от  (P1/P2)  и  GRP
( )log(share)  от  (P1/P2)  и  (GRP)
( )log(share)  от  log(P1/P2)  и  (GRP)

Балл: 0% Балл за тест: 0% × 10 = 0%

Вопрос 7 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Эконометристы  часто  изначально  используют  логарифмическую  форму  модели  
(log-log  спецификацию),  потому  что:

( )нельзя  найти  логарифм  неположительного  числа


( )она  всегда  обеспечивает  более  высокое  качество  подгонки
(x)коэффициенты  наклона  в  ней  могут  интерпертироваться  как  постоянные  эластичности
( )ее  легче  оценить

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 8 (Вес 6.67%) Блок  "Спецификация  функциональной  формы  регрессии"


Выберите неверные утверждения  по  поводу  модели  Y=aLbε,  где  L  - число  
работников,  Y  - объем  производства.
[ ]степенная
[x]нельзя  преобразовать  в  линейную  форму
[ ]нелинейная  по  параметрам
[x]для  оценки  с  помощью  МНК  преобразуется  в  полулогарифмическую

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 9 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Для  объяснения  личного  потребления  (CONS),  измеренного  в долларах,  собраны  
данные  по  следующим  переменным:
INC  =  личных  доход  в  долларах
CRDTLIM  =  1  доллар  плюс  кредитный  лимит,  доступный  для  индивида
APR  =  средняя  годовая  процентная  ставка,  под  которую  индивиду  с  учетом  своих  
характеристик  может  занять  деньги  в  американских  банках  (для  более  надежных  
заемщиков  она  ниже)
ADVT  =  расходы  на  рекламу  со  стороны  производителей  товаров  и  услуг  в  
расчете  на  1  жителя  города,  в  котором  живет  респондент
SEX  =  пол  (1- женщины,  0  - мужчины)

Оценили  зависимость:

Максимально  правильная  интерпретация  коэффициента  перед :


( )увеличение  подушевного  расхода  на  рекламу  в  городе  на  1%  приведет  к  2.35%  росту  
личного  потребления  при  прочих  равных  условиях
( )увеличение  подушевого  расхода  на  рекламу  в  городе  на  1  доллар  приведет  к  росту  
личного  потребления  на  2.35  долларов  при  прочих  равных  условиях
( )100%  увеличение  подушевого  расхода  на  рекламу  в  городе  приведет  к  2.35%  росту  
личного  потребления  при  прочих  равных  условиях
( )100%  увеличение  подушевого  расхода  на  рекламу  в  городе  приведет  к  росту  личного  
потребления  на  2.35  долларов  при  прочих  равных  условиях
(x)1%  увеличение  подушевого  расхода  на  рекламу  в  городе  увеличит  подушевое  личное  
потребление  на  2.35  центов  при  прочих  равных  условиях

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 10 (Вес 10%) Блок  "Спецификация  функциональной  формы  регрессии"


Аналитик  полагает,  что  при  измерении  отношения  цены  литра  пива  вашей  марки  к  
цене  ближайшего  конкурента  (P1/P2)  на  1%  количество  проданных  литров  пива  
(sales)  падает  на  определенное  число  %,  а  при  росте  затрат  на  рекламу  на  1  
контакт  (выражаясь  специальным  языком,  на  1  GRP)  спрос  возрастает  также  на  
какое-то  количество  %.  Запишите,  какую  модель  спроса  на  пиво  следует  в  первую  
очередь  оценить  аналитику.
( )log(sales)  от  log(P1/P2)  и  log(GRP)
(x)log(sales)  от  log(P1/P2)  и  (GRP)
( )(sales)  от  log(P1/P2)  и  (GRP)
( )(sales)  от  (P1/P2)  и  log(GRP)
( )log(sales)  от  (P1/P2)  и  (GRP)
( )(sales)  от  (P1/P2)  и  GRP
( )log(sales)  от  (P1/P2)  и  log(GRP)
( )(sales)  от  log(P1/P2)  и  log(GRP)

Балл: 100% Балл за тест: 100% × 10 = 10%

Вопрос 11 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Выражение (dY/dX)*(X/Y) позволяет  вычислить  значение  …
( )предельного  эффекта  X  на  Y
( )F-статистики  Фишера
( )индекса  корреляции
( )средней  ошибки  аппроксимации
(x)коэффициента  эластичности

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 12 (Вес 33.33%) Блок  "Lab.  Нелинейная  регрессия-2:  логарифмические  спецификации."


Откройте  файл HPRICE1.dta
price - стоимость  дома,  тыс.  долл.
bdrms - количество  спален
lotsize - размер  участка  земли,  квадр.  футов
sqrft - площадь  дома,  квадр.  футов

Оцените  зависимость
Ответы  на  пункты  1-6  даются  на  основе  этой  регрессии!
1.  Найдите  прогноз  для  lnprice  когда  lotsize=20000,  sqrft=2500,  а  
bdrms=4. 5.993 (округление  до  тысячных,  но  при  этом  при  проведении  
расчетов  оценки  коэффициентов  регрессии  из  Stata  не  округляйте)
Подсказка:  можно  использовать  команду  di  в  Stata.  Например,  di  2*2  выдаст  
результат  4,  exp(1)  - число  e  и  т.п.
2.  По  оцененной  выше  модели  найдите  корректный  прогноз  для  цены  дома,  
для  которого  lotsize=20000,  sqrft=2500,  а  bdrms=4 410 (округлите  до  целых)
3.  Найдите  псевдо-R2,  оценивающий  долю  дисперсии цены,  объясненной  
моделью 0.859 (округлите  до  тысячных)
Подсказка:  для  этого  вам  может  понадобиться  рассчет  коэффициента  корреляции  
Пирсона  в  Stata.  Пример:  corr  var1  var2  или  pwcorr  var1  var2
4.  Найдите  R2-adjusted,  рассчитанный  на  основе  округленного  значения  
псевдо-R2,  найденного  в  предыдущем  пункте. 0.552 (округлите  до  тысячных)
5.  Найдите  95%  доверительный  интервал  для  процентного  прироста  цены  
дома  при  увеличении  числа  спален  на  одну  (используйте  точную  формулу).
от -1.8%  до 9.6% (округлите  до  десятых,  учитывайте  знак)
6.  Найдите ширину (разность  между  верхней  и  нижней  границей)  95%  
доверительного  интервала  для  процентного  прироста  цены  дома  при  
увеличении  площади  дома  на  1%. 41.3 (округлите  до  десятых,  учитывайте  
знак)

Оцените  зависимость
7.  Предскажите  на  основе  линейной  модели  значение  цены  дома,  для  
которого lotsize=20000, sqrft=2500,  а  bdrms=4 382 (округлите  до  целых) Для  
себя  отметьте,  сильно  ли  различаются  предсказания  двух  построенных  вами  
моделей.

Верно  или  нет  (+/-)?


8.  Поскольку  в  двух  построенных  выше  моделях  одинаковое  число  
регрессоров,  сравнение R-квадрата  (лин.  модель)  с  псевдо  R-квадратом  
(модель  с  логарифмами) и  сравнение adjusted R-квадрата  (лин.  модель)  с  
псевдо  R2-adjusted  (модель  с  логарифмами) приведут  к  одним  и  тем  же  
выводам  о  том,  какой  модели  следует  отдать  предпочтение. +
9.  По  критерию  R2-adjusted  модель  с  логарифмами  лучше  линейной  модели  
(если  сравнивать  между  собой  сопоставимые  R2-adjusted,  то  есть  
характеризующие  качество  объяснения  цены  дома). +

Балл: 50% Балл за тест: 50% × 33.33 = 16.667%

Вопрос 13 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Для  объяснения  личного  потребления  (CONS),  измеренного  в  тысячах  долларов,  
собраны  данные  по  следующим  переменным:
INC  =  личных  доход  в  тысячах  долларов
CRDTLIM  =  1  доллар  плюс  кредитный  лимит,  доступный  для  индивида
APR  =  средняя  годовая  процентная  ставка,  под  которую  индивиду  с  учетом  своих  
характеристик  может  занять  деньги  в  американских  банках (для  более  надежных  
заемщиков  она  ниже)
ADVT  =  расходы  на  рекламу  со  стороны  производителей  товаров  и  услуг  в  
расчете  на  1  жителя  города,  в  котором  живет  респондент
SEX  =  пол  (1- женщины,  0  - мужчины)

Оценили  зависимость:

Правильная  интерпретация  коэффициента  перед :

(x)Женщины  потребляют  в  среднем  на  0,39  тыс.  долларов  больше  мужчин


( )Женщины  потребляют  в  среднем  на  39%  больше  мужчин
( )Мужчины  потребляют  в  среднем  на  39%  больше  женщин
( )Мужчины  потребляют  в  среднем  на  0,39  тыс.  долларов  больше  женщин

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 14 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"

Выберите  регрессионную  модель,  в  которой отражает  изменение  Y  в  ответ  


на  приращение  X  на  1%.

( )2
( )нет  верного  ответа
( )4
( )1
(x)3

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%

Вопрос 15 (Вес 3.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Какой  коэффициент  определяет  среднее  процентное  изменение  результативного  
признака  при  изменении  факторного  признака  на  1%?
( )конкордации
( )регрессии
(x)эластичности
( )корреляции
( )детерминации

Балл: 100% Балл за тест: 100% × 3.33 = 3.333%


Вопрос 1 (Вес 2.5%) Блок  "Фиктивные  переменные"

Если  Вы  хотите  в  регрессии  использовать  набор  фиктивных  переменных  для  того,  
чтобы  учесть  6  категорий  объясняющей  переменной,  то  следует  включить  6  
фиктивных  переменных,  каждая  из  которых  принимает  значение  1,  если  
наблюдение  относится  к  категории  и  0  - если  не  относится.
(x)False
( )True

Объяснение: Следует  включить  5  из  этих  фиктивных  переменных,  чтобы  была  


эталонная  категория,  относительно  которой  интепретируются  коэффициенты.  В  
противном  случае  матрица  X'X  будет  иметь  нулевой  определитель  (так  как  
столбец  с  единицами  в  матрице  X  будет  получаться  путем  сложения  столбцов  с  
фиктивными  переменными  и  будет  четкая  линейная  взаимосвязь  между  
переменными),  и  не  получится  найти  обратную  матрицу  и  рассчитать  
коэффициенты  регрессии.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 5%) Блок  "Фиктивные  переменные"


Иследователь  тестирует  стабильность  коэффициентов  (структурную  
стабильность,  т.е.  стабильность  параметров  модели  в  разных  подгруппах)  в  
следующей  модели:

Общая  выборка  из  200  наблюдений  разделена  на  2  равные  подвыборки  


(выделенные  исследователем  исходя  из  определенных  соображений  - по  полу,  по  
уровню  образования,  по  цвету  кожи  или  иному  признаку).  В  тесте  Чоу  сумма  
квадратов  остатков  модели  без  ограничений  (unrestricted  residual  sum  of  squares)  
равна:
( )RSS  для  регрессии,  указанной  в  задании,  построенной  по  всей  выборке  в  целомэто как
раз RSS restricted-модели, так как при построении единой регрессии для всей выборки мы
считаем, что параметры модели не меняются от подгруппы к подгруппе
( )RSS  регрессии,  построенной  по  первой  подвыборки
( )RSS  регрессии,  построенной  по  второй  подвыборки
(x)RSS  регрессии  по  первой  подвыборке+RSS  второй  подвыборкиэта сумма - это как раз
RSS модели с полным набором фиктивных переменных, так как для каждой группы
получена своя взаимосвязь, а значит нет ограничения "параметры одинаковы для обеих
групп"

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 3 (Вес 25%) Блок  "Lab.  Нелинейная  регрессия-3:  взаимодействия  между  ..."
Откройте  файл CPS04.dta
Напомним,  что  в  этом  наборе  данных  содержатся  данные  о  средних  дневных  
заработках  (в  долларах),  поле,  наличии  высшего  образования  и  возрасте  
американцев.
1.  Постройте  2  регрессии  ln(AHE)  на  bachelor,  age  и  age2 - отдельную  для  
каждого  пола (с  робастными  стандартными  ошибками)
Пример  команды  в  Stata:  bysort  female: reg lnahe age age2 bachelor, robust
bysort  сортрирует  данные  по  переменной  female  и  строит  регрессии  отдельно  
для  каждого  уровня  переменной  female.
На  сколько  %  больше  зарабатывает  женщина  с  высшим  образованием  по  
сравнению  с  женщиной  без  высшего  образования? 55 % (округлите  до  
целых)

2.  Оцените  одну  регрессию  (с  робастными  стандартными  ошибками),


которая  даст  те  же  предсказанные  значения,  что  и  2  регрессии,  построенные  
в  предыдущем  пункте,  то  есть  такую  регрессию,  в  которой  все  параметры  
(включая  константу)  могут  различаться  в  зависимости  от  пола.
Проверьте  с  помощью  теста  Чоу  гипотезу  о  том,  что  параметры  регрессии ln(AHE)
на  bachelor,  age  и  age2 не  зависят  от  пола,  а  значит,  можно  строить  одну  
регрессию  для  мужчин  и  женщин,  никак  не  учитывая  пол.
Примечание:
Для  тестирования  гипотезы  о  том,  что  несколько  коэффициентов  
одновременно  равны  нулю  следует  использовать  синтаксис  вида:
test  x1  x2  x3  x4  или  test  (x1=0)  (x2=0)  (x3=0)  (x4=0),  но  не
test  x1=x2=x3=x4=0  (в  силу  каких-то  причин  Stata  может  неверно  трактовать  
такую  запись).
Статистика  теста  имеет  следующее  количество  степеней  свободы:  в  
числителе  =4,  в  знаменателе=7978
Расчетное  значение  F-статистики=81.55 (округление  до  сотых)
P-value=0.000 (округление  до  тысячных)

Верно  (+)  или  нет  (-)? (для  ответа  на  некоторые  вопросы  может  понадобиться  
провести  дополнительные  t- или  F-тесты)
А.  Тест  Чоу  показал  (на  5%  уровне  значимости),  что  можно  спокойно  строить  
единую  регрессию  ln(AHE)  на  bachelor,  age  и  age2 для  обоих  полов:  
параметры  регрессии  не  зависят  от  пола. -
Б. В  уравнениях  для  мужчин  и  для  женщин  константы  отличаются  
незначимо  на  5%  уровне  значимости. +
В.  Влияние  возраста  одинаково  (на  5%  уровне)  для  мужчин  и  для  женщин  
(подсказка:  за  возраст  в  регрессии  отвечают  сразу  2  переменные  - возраст  и  
возраст  в  квадрате). -
Г.  Отдача  от  наличия  высшего  образования  выше  (на  5%  уровне)  для  
женщин,  чем  для  мужчин  (то  есть  зарплата  женщины  с  высшим  
образованием  отличается  от  женщины  без  высшего  образования  на  
большее  число  %,  чем  зарплаты  мужчины  с  высшим  образованием  от  
зарплаты  мужчины  без  высшего  образования).+
Д. Для  того  чтобы  выписать  оценки  коэффициентов  двух  уравнений,  
полученных  в  пункте  1  данной  практической  работы (отдельное  уравнение  
для  каждого  пола) достаточно  знать  оценки  коэффиицентов,  полученные  в  
пункте  2  данной  практической  работы. +
Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 4 (Вес 25%) Блок  "Фиктивные  переменные"


Исследователь  строит  регрессию  логарифма  кассовых  сборов  фильма  от  
логарифма  производственного  бюджета  (все  затраты,  кроме  рекламы  и  актерских  
гонораров)  по  данным  о  100  фильмах.  Однако  затем  он  начинает  подозреват,  что  
на  кассовые  сборы  может  влиять  жанр.  Для  простоты  предположим,  что  жанров  
всего  4:
боевики  (action)
драмы  (drama)
комедии  (comedy)
триллеры  (thriller)
1.  Исследователь  построил  спецификацию,  в  которой при  одинаковом  бюджете  
каждый  жанр  зарабатывает  на определенное  число  %  (свою  для  каждого  жанра,  
но  не  зависящую  от  бюджета  фильма)  больше,  чем эталонный  жанр.
Сколько  регрессоров  (включая  константу)  в  этой  модели? 5

2.  Построив  модель  из  пункта  1  исследователь  проверил гипотезу  о  том,  что  при  
одинаковом  бюджете  фильмы  всех  жанров  имеют  одинаковые  кассовые  сборы.  Из  
скольки  линейных  ограничений  состоит  его  гипотеза? 3

3.  Для  проверки  гипотезы  из  пункта  2  исследователь  использовал  определенную  


статистику  с  числом  степеней  свободы  (3, 95).
Гипотеза  была  отвергнута.  Это  значит,  что  расчетное  значение  тестовой  
статистики  превысило критическое  значение  для  5%  уровня,  
равное 2.70 (округление  до  сотых)

4. Затем  он  решил  проверить  гипотезу  о  том,  что  по  сравнению  с  эталонным  
жанром,  три  другие  жанра  дают  одинаковый  прирост  кассовых  сборов.  Если  бы  
это  было  так,  он  мог  сделать  модель  более  компактной. На  этот  раз  число  
линейных  ограничений  составило 2. Для  проверки  гипотезы  он  использовал  
статистику  с  количеством  степеней  свободы  (2, 95).  Исследователь  отверг  эту  
гипотезу. Это  значит,  что  расчетное  значение  тестовой  статистики  
превысило критическое  значение  для  5%  уровня,  равное 3.09 (округление  до  
сотых).

5.  Далее  исследователь  решил,  что,  возможно,  каждый  жанр  не  просто  добавляет  
определенную  сумму  кассовых  сборов,  но  и  влияет  на  эластичность  кассовых  
сборов  по  бюджету.  Например,  в  случае  драмы  увеличение  производственного  
бюджета  дает  менее  ощутимую  отдачу,  чем  в  случае  боевика,  так  как  драма  
опирается  на  игру  актеров,  а  боевик  - на  дорогостоящие  спецэффекты,  
декорации.  Поэтому  исследователь дополняет свою  предыдущую  спецификацию  
еще  и  учетом  того,  что  эластичность  кассовых  сборов  меняется  в  зависимости  от  
жанра.
В  этой  модели 8 регрессоров.  Гипотеза  о  различиях  в  эластичности  для  разных  
жанров  включает  в  себя  проверку 3(впишите  целое  число)  линейных  ограничений.  
Для  этого  используется  статистика  с  количеством  степеней  свободы  (3,92).  На  5%  
уровне  значимости будут  основания  говорить  о  том,  что  эластичности  кассовых  
сборов  по  производственному  бюджету  разнятся  в  зависимости  от  жанра,  если  
расчетная  статистика  будет > (впишите  >  или  <)  критического  значения,  
равного 2.70 (округление  до  сотых).
Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 5 (Вес 2.5%) Блок  "Фиктивные  переменные"


Термины  "фиктивная  переменная"  и  "дамми-переменная  (dummy  variable)"  в  
эконометрике  означают  одно  и  то  же.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Фиктивные  переменные"


Фиктивные  переменные  обычно  кодируются  с  помощью  чисел  0  и  1.  Однако  
значимость  или  незначимость  коэффициента  при  фиктивной  переменной  не  
зависит  от  способа  кодировки:  вполне  возможно  отсутствие  признака обозначить  
через  -5,  а  его  присутствие  - через  +10.
( )False
(x)True

Объяснение: Как  переход  из  0  в  1,  так  и  переход  из  -5  в  +10  или  из  2  в  3  - это  
сравнение  двух  групп  (например,  мужчины  и  женщины).  Значимость  
коэффициента  определяется  тем,  происходит ли  при  увеличении  этой  
переменной  на  одну  единицу  ненулевое  изменение  в  зависимой  переменной  Y.  
Если  изменение  ненулевое  (то  есть  значимое),  то  оно  будет  ненулевым  при  
любой  кодировке  фиктивной  переменной.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%) Блок  "Фиктивные  переменные"


Регрессионное  уравнение  связывает  время  доставки  пиццы  (в  минутах)  с  
расстоянием  до  места  назначения  в  километрах  (x1)  и  наличием  пробок  на  дорогах  
(x2=1,  если  в  городе  сильные  пробки  по  шкале  "Яндекс.Пробки",  x2=0  в  противном  
случае):

Заполните  пропуск:
Ожидаемое  время  доставки  пиццы  на  расстояние  10  километров  в  случае  наличия  
пробок  составит 60 минут.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Фиктивные  переменные"


Предполагается,  что  ежемесячное  потребление  пива  студентами  определяется  
(линейно)  доходом  (в  рублях),  возрастом  (в  годах),  полом  студента  (мужской  или  
женский),  а  также  периодом  обучения  ("младшие  курсы"  или  "старшие  курсы").  
Сколько  количественных  и  фиктивных  переменных  должна  включать  модель  
(константу  не  учитывать)?
количественных 2
фиктивных 2

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 5%) Блок  "Фиктивные  переменные"

В  модели ,  где  D  - фиктивная  переменная,  


принимающая  значения  0  или  1,  изменение  способа  кодировки  фиктивной  
переменной приведет  к  изменению  оценки  (возможно  несколько  правильных  
ответов):
[x]β0
[x]β3
[ ]β1
[ ]β2

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 10 (Вес 5%) Блок  "Фиктивные  переменные"


В  тесте  Чоу  для  модели  с  5  регрессорами  (включая  константу)  и  100  
наблюдениями,  разбитыми  на 4  группы,  статистика  будет  иметь  следующее  
число  степеней  свободы (15,80)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 11 (Вес 2.5%) Блок  "Фиктивные  переменные"


Как  проверить  наличие  квартальной  сезонности  во  временном  ряду?

( )Оценить  модель  с  четырьмя  фиктивными  переменными  и  без  константы  и  проверить  


индивидуальную  значимость  каждой  из  квартальных  дамми-переменных.  Если  каждая  из  
них  значима,  значит  есть  сезонность.
( )Построить  4  регрессии,  в  каждой  из  которых  будет  одна  фиктивная  переменная,  
отвечающая  за  определенный  квартал  (в  первой  - за  первый  квартал,  во  второй  - за  второй  
и  т.  д.).  Если  во  всех  регрессиях  t-статистики  перед  фиктивной  переменной  значимы,  
отвергаем  гипотезу  об  отсутствии  сезонности
(x)Оценить  модель  с  тремя  фиктивными  переменными  для  учета  квартала  и  провести  F-
тест  на  совместное  равенство  коэффициентов  при  этих  трех  переменных  нулю.
( )Нарисовать  зависимую  переменную  на  графике  как  функцию  от  времени  и  
посмотреть,  есть  ли  цикличность  в  соотвествии  с  кварталами

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 12 (Вес 2.5%) Блок  "Фиктивные  переменные"
С  помощью  фиктивных  переменных  можно  учесть  влияние  на  урожайность  таких  
факторов,  как  …
[x]тип  почвы
[ ]среднемесячная  температура  (по  шкале  Цельсия)
[x]способ  вспашки
[ ]количество  вносимых  удобрений

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 5%) Блок  "Фиктивные  переменные"


В  тесте  Чоу  для  модели  с  4  регрессорами  (включая  константу)  и  80  
наблюдениями,  разбитыми  на 3  группы,  статистика  будет  иметь  следующее  
число  степеней  свободы (8,68)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 14 (Вес 2.5%) Блок  "Фиктивные  переменные"


Для  оценки  заработной  платы  некоторого  работника  используется  следующая  
модель

Yi=α+β1Xi+ β2Di+ β3Ci+ β4Si+ β5Wi+εi

где  Yi - заработная  плата  i-го  работника;; Xi- общий  стаж  его  работы;; Di-
переменная,  принимающая  значение  1,  если  работник  с  высшим  образованием  и  
0  в  противном  случае;; Ci- количество  детей  у  работника;; Si- переменная,  
принимающая  значение  1,  если  работник  мужчина  и  0,  если  – женщина,  W i -
переменная,  принимающая  значение  1,  если  это  основное  место  работы  
индивида  i,  0  - в  противном случае.  Тогда  фиктивными  переменными  в  данной  
модели  являются…
[x]Wi
[ ]Ci
[x]Si
[x]Di

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Фиктивные  переменные"


В  чём  заключается  «ловушка  фиктивных  переменных»?
( )Оценки  коэффициентов  при  фиктивных  переменных  становятся  смещёнными
( )Оценки  коэффициентов  при  фиктивных  переменных  становятся  неэффективными
(x)Если  для  учета  m  категорий  использовать  m  фиктивных  переменных,  то  появляется  
строгая  линейная  связь  между  фиктивными переменными  и  специальной  переменной  при  
константе
( )фиктивные  переменные  завышают  R-квадрат
Объяснение: Если  включить  все  m  категорий  категориальной  переменной,  то  в  
сумме  они  будут  давать  всегда  1,  что  равно  специальной  переменной  
(принимающей  значение  1),  которой  соответствует  константа.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%) Блок  "Фиктивные  переменные"


В  большинстве  случаев с  помощью  фиктивных  переменных в  модель  включают  
(выберите  все  правильные  ответы):
[ ]возраст  (в  годах)
[x]пол
[ ]доход  (в  рублях)
[x]ступень  образования  респондента

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 5%) Блок  "Фиктивные  переменные"


Дана  выборка  мужчин  и  женщин,  некоторые  из  которых  носители  английского  
языка,  а  другие  - нет.  Фиктивная  переменная  Fi=1,  если  рассматривается  
женщина  и  0,  если  мужчина. Ei=1,  если  человек  - носитель  английского  и  0,  если  
нет.  Какая  модель  позволила  бы  за  счет  тестирования  одного  коэффициента  
проверить  утверждение  о  том,  что отдача  от статуса  носителя  языка  для  
женщин  выше,  чем  для  мужчин.

( )Yi  =  b1  +  b2*Fi  +  b3*Ei  +  b4*Fi*Fi  +  b5*Ei*Ei  +  εi


(x)Yi  =  b1  +  b2*Fi  +  b3*Ei  +  b4*Fi*Ei  +  εi
( )построить  2  регрессии:  Yi  =  b1  +  b2*Fi+  εi  для  носителей  английского;;  Yi  =  b1  +  
b2*Ei+ui  для  женщин
( )Yi  =  b1  +  b2*Fi  +  b3*Ei  +  εi

Объяснение: Yi  =  b1  +  b2*Fi  +  b3*Ei  +  b4*Fi*Ei  +  εi=Yi  =  b1  +  b2*Fi  +  (b3  + b4*Fi)*Ei  +  εi
Балл: 100% Балл за тест: 100% × 5 = 5%
Вопрос 1 (Вес 2.5%) Блок  "Основы  матричной  алгебры"

Если  в  матрице  однократно  поменять  местами  любые  2  строки  или  2  столбца,  то  
определитель  изменит  знак,  но  по  модулю  останется  тем  же.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 10%) Блок  "Основы  матричной  алгебры"

Найдите  матрицу,  обратную  по  отношению  к  матрице


0 1
0.5 -1.5
(числа  округляйте  до  десятых)

Балл: 100% Балл за тест: 100% × 10 = 10%

Вопрос 3 (Вес 5%) Блок  "Основы  регрессионного  анализа.  МНК"


Матрица  X  имеет  размерность .  Вектор  Y  - размерность .
Тогда имеет  размерность:10на 1

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 4 (Вес 5%) Блок  "Основы  матричной  алгебры"


Найдите  определитель  матрицы
-
91
6
-
41
8
-
17
2

Ответ: 210 (если  число  нецелое,  округлить  до  десятых)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 5 (Вес 15%) Блок  "Основы  матричной  алгебры"


Найдите  матрицу,  обратную  по  отношению  к  матрице
4 -2 1
73 0
20 1

Элемент  a12 обратной  матрицы  равен 0.1


Элемент  a32 обратной  матрицы  равен -0.2

Балл: 100% Балл за тест: 100% × 15 = 15%

Вопрос 6 (Вес 25%) Блок  "Основы  матричной  алгебры"


В нулевом периоде  времени  1200  человек  были  уволены.  Работающих  не  
осталось  совсем  (то  есть  работающих  0  человек).
В  каждом  следующем  периоде  времени  неработающий  с  вероятностью  0.7  найдет  
работу,  а  с  вероятностью  0.3  останется  безработным.  Работающий  потеряет  
работу  с  вероятностью  0.1,  а  с  вероятностью  0.9  останется  занятым.

Матрица  перехода  для  данной  задачи  (элемент  a12 должен  показывать  


вероятность  перехода  из  состояния  занятости  в  состояние  безработицы):
0.9 0.1
0.7 0.3

Сколько  будет  безработных  в  конце  3-го  периода? 158 (в  человеках,  


округление  итогового  результата  до  целых  по  стандартным  правилам)
Сколько  будет  безработных  в конце  5-го  периода? 150 (в  человеках,  
округление  итогового  результата  до  целых  по  стандартным  правилам)

Каково  стационарное  число  безработных  (после  достижения  этого  числа  


безработицы,  оно  останется  тем  же  и  в  последующих  периодах)? 150 (в  
человеках)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 7 (Вес 2.5%) Блок  "Основы  матричной  алгебры"


Какую  размерность  будет  иметь  матрица,  являющаяся  результатом  следующих  
операций:
(AA')-1A, если  A  - матрица  2*3
Ответ: 2 на 3

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 15%) Блок  "Основы  матричной  алгебры"


Найдите  матрицу,  обратную  по  отношению  к  матрице
124
111
512
Выпишите  второй  столбец  полученной  вами  матрицы  (если  числа  нецелые,  
округлите  до  десятых).
0
2
-1

Балл: 100% Балл за тест: 100% × 15 = 15%

Вопрос 9 (Вес 2.5%) Блок  "Основы  матричной  алгебры"


Чтобы  произведение  матриц  размерности  2*2  было  равно  нулевой  матрице,  
необходимо,  чтобы  один  из  сомножителей  сам  был  нулевой  матрицей..
(x)False
( )True

Объяснение: Пример:
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 5%) Блок  "Основы  регрессионного  анализа.  МНК"


Матрица  X  имеет  размерность .  Вектор  Y  - размерность .
Тогда имеет  размерность:4 на 1

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 11 (Вес 5%) Блок  "Основы  матричной  алгебры"


Найдите  определитель  матрицы
116
111
122

Ответ: 5 (если  число  нецелое,  округлить  до  десятых)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 12 (Вес 2.5%) Блок  "Основы  матричной  алгебры"


Запишем  систему  линейных  уравнений  в  матричном  виде  (A  - матрица,  x  и  d  -
векторы-столбцы)
Ax=d
Тогда
A-1Ax=A-1d
Ix=A-1d, где  I  - единичная  матрица
x=A-1d
Получили  формулу  для  нахождения  решения  системы  линейных  уравнений  в  
матричном  виде.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%) Блок  "Основы  матричной  алгебры"


Пусть A - матрица , I - единичная  матрица  той  же  размерности,  что  и  
матрица A.  Тогда  верно,  что IA=AI=A
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Основы  матричной  алгебры"


Если  размерности  матриц  позволяют  умножить  матрицу  A  на  матрицу  B,  то  и  
матрицу  B  можно  умножить  на  матрицу  A.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 1 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"
Сколько  строк  и  сколько  столбцов  содержит  матрица X в  модели  множественной  
линейной  регрессии,  если  в  модели  содержится  три  объясняющих  переменных  
(без  учета  константы),  а  число  наблюдений равно  30?
строк 30
столбцов 4

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Формула  оценок  коэффициентов  линейной  регрессии

справедлива  только  для  случая  парной  регрессии.


(x)False
( )True

Объяснение: Эта  матричная  формула  работает  в  случае  как  парной,  так  и  


множественной  регрессии  и  дает вектор-столбецоценок  коэффициентов  
регрессии.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Как  изменятся  стандартные  ошибки  коэффициентов  линейной  регрессии,  если  
значения  случайного  члена  во  всех  наблюдениях  уменьшатся  в n раз  (при  
постоянстве  остальных  величин)?
(x)уменьшатся  в  n  раз
( )уменьшатся  в  n^2  раз
( )не  изменятся
( )вырастут  в  n  раз

Объяснение: Матрица  ковариаций  МНК-оценки:

- это  дисперсия  случайного  члена.


В  матрице  V  на  диагонали  дисперсии  коэффициентов  регрессии,  а  значит  
стандартные  ошибки  коэффициентов- это  квадратные  корни  из  элементов  
главной  диагонали. Следовательно,  с  ростом  случайного  члена  в  1/n  раз  его  
дисперсия вырастет  в  1/n2 раз  по  правилу  D(nX)=n2D(X).  Элементы  матрицы  
ковариаций  вырастут  в  1/n2 раз,  а  корень  из  них  - в  1/n  раз. Это  показывает,  что  
при  прочих  равных  условиях  при  увеличении  случайного  члена  (падении  точности  
модели)  стандартные  ошибки  коэффициентов  растут  во  столько  же  раз  (в  данном  
случае  падают,  так  как  рост  в  1/n  раз  говорит  об  уменьшении  значения).
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 25%) Блок  "Регрессионная  модель  в  матричном  виде"


X is a standard matrix of regressors with the first column filled with 1.

Number of observations=10
Number of parameters in the regression model=3
List the coefficient estimates starting from the intercept (use commas without blanks to
separate the values, e.g.: 6,7,9,10,14)-3.5,4,-0.1 (non-integer values should be
rounded to 1 digit after the decimal point, e.g. 4.5)
If Residual sum of squares=490 RMSE=8.4 (non-integer values should be rounded
to 1 digit after the decimal point, e.g. 4.5)
List the variances of parameter estimates starting from the one for the intercept (use
commas without blanks to separate the values, e.g.: 6,7,9,10,14) 17.5,140,35 (non-
integer values should be rounded to 1 digit after the decimal point, e.g. 4.5)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 5 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"

В  матричной  записи  классической  линейной  модели какова  


размерность  вектора  (матрицы) ,  если T- число  наблюдений, k - число  
регрессоров?
(x)T×1
( )T×k
( )1×T
( )k×1
( )1×1

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Матрица
Количество  коэффициентов  регрессии  равно 4
число  наблюдений  равно 60
Количество  объясняющих  переменных  (не  включает  константу)  равно 3

Объяснение: В  матрице  X  первый  столбец  состоит  из  единиц,  а  матрица  имеет  


размерность  число  наблюдений*количество  регрессоров  (включая  константу).  
Значит  если  умножить  транспонированную  X  на  X  получится,  что  элемент  
a11 покажет  число  наблюдений  (так  как  строка  с  единицами  умножается  на  столбец  
с  единицами)!  Размерность  этой  матрицы  k*k,  где  k  - количество  регрессоров  
(включая  константу).  Значит  k-1 - число  объясняющих  переменных  (не  учитывает  
константу).
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%
Вопрос 7 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"
Абсолютная  величина  случайного  члена  во  всех  наблюдениях  выросла  в  два  
раза.  Тогда  стандартные  ошибки  коэффициентов  линейной  регрессии:
( )не  изменятся
(x)вырастут  в  2  раза
( )уменьшатся  в  2  раза
( )вырастут  в  4  раза

Объяснение: - на  главной  диагонали  матрицы  ковариаций  


коэффициентов  нахятся дисперсии  коэффициентов.  
Следовательно, стандартные  ошибки  - корень  из  дисперсии.  Если  случайный  
член  вырос  в  2  раза,  то  дисперсия  его  выросла  в  4,  а  стандартные  ошибки  - в  2.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"

Классическая  линейная  модель в  матричной  записи: . Какова  


размерность  вектора  (матрицы) , если  T  - число  наблюдений,  k  - число  
регрессоров.
( )T×k
(x)1×1
( )T×1
( )k×1
( )1×T

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Матрица  X  имеет  размерность .  Вектор  Y  - размерность .
Тогда имеет  размерность:10на 1

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Вектор (X'X)-1X'y  имеет  размерность  50*1.  Из  этого  следует,  что  в  регрессионной  
модели,  заданной  матрицей  X  и  вектором  y:
[x]число  регрессоров,  исключая  константу,  равно  49
[x]число  параметров  равно  50
[ ]число  наблюдений  равно  50
[x]число  регрессоров,  включая  константу,  равно  50
[ ]число  регрессоров,  исключая  константу,  равно  50
[ ]число  наблюдений  равно  49
[ ]число  объясняющих  переменных,  исключая  константу,  равно  1

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 20%) Блок  "Регрессионная  модель  в  матричном  виде"

Найдите  ширину  95%  интервала  для  Y,  если  X1=2,  а  X2=4  (диапазон  наиболее  
вероятных  значений  Y  при  указанных  X1 и  X2)
Используйте  табличное  значение  t-статистики=2.36  и  RSS=490 (округлите  до  
десятых!)
75.4

Объяснение: Stata code:


mata
XstrokeX=(10,10,10)\(3,4,5)\(6,7,10)
invXstrokeX=luinv(XstrokeX)
width=2*2.36*sqrt(70*(1+(1,2,4)*invXstrokeX*(1\2\4)))
width
Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 12 (Вес 2.5%) Блок "Регрессионная  модель  в  матричном  виде"


Абсолютная  величина  случайного  члена  во  всех  наблюдениях  уменьшилась  в  
четыре  раза.  Тогда  стандартные  ошибки  коэффициентов  линейной  регрессии:
( )уменьшатся  в  16  раз
( )не  изменятся
(x)уменьшатся  в  4  раза
( )уменьшатся  в  2  раза
( )вырастут  в  4  раза

Объяснение: - на  главной  диагонали  матрицы  ковариаций  


коэффициентов  нахятся дисперсии  коэффициентов.  
Следовательно, стандартные  ошибки  - корень  из  дисперсии.  Если  случайный  
член  вырос  в  1/2  раза,  то  дисперсия  его  выросла  в  1/4,  а  стандартные  ошибки  - в  
1/2.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Матрица
Количество  коэффициентов  регрессии  равно 4
число  наблюдений  равно 25
Количество  объясняющих  переменных  (не  включает  константу)  равно 3

Объяснение: В  матрице  X  первый  столбец  состоит  из  единиц,  а  матрица  имеет  


размерность  число  наблюдений*количество  регрессоров  (включая  константу).  
Значит  если  умножить  транспонированную  X  на  X  получится,  что  элемент  
a11 покажет  число  наблюдений  (так  как  строка  с  единицами  умножается  на  столбец  
с  единицами)!  Размерность  этой  матрицы  k*k,  где  k  - количество  регрессоров  
(включая  константу).  Значит  k-1 - число  объясняющих  переменных  (не  учитывает  
константу).
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Матрица
Количество  коэффициентов  регрессии  равно 4
число  наблюдений  равно 10
Количество  объясняющих  переменных  (не  включает  константу)  равно 3

Объяснение: В  матрице  X  первый  столбец  состоит  из  единиц,  а  матрица  имеет  


размерность  число  наблюдений*количество  регрессоров  (включая  константу).  
Значит  если  умножить  транспонированную  X  на  X  получится,  что  элемент  
a11 покажет  число  наблюдений  (так  как  строка  с  единицами  умножается  на  столбец  
с  единицами)!  Размерность  этой  матрицы  k*k,  где  k  - количество  регрессоров  
(включая  константу).  Значит  k-1 - число  объясняющих  переменных  (не  учитывает  
константу).
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном  виде"


Абсолютная  величина  случайного  члена  во  всех  наблюдениях  уменьшилась  в  два  
раза.  Тогда  стандартные  ошибки  коэффициентов  линейной  регрессии:
(x)уменьшатся  в  2  раза
( )вырастут  в  2  раза
( )не  изменятся
( )уменьшатся  в  4  раза

Объяснение: - на  главной  диагонали  матрицы  ковариаций  


коэффициентов  нахятся  дисперсии  коэффициентов.  
Следовательно, стандартные  ошибки  - корень  из  дисперсии.  Если  случайный  
член  вырос  в  1/2  раза,  то  дисперсия  его  выросла  в  1/4,  а  стандартные  ошибки  - в  
1/2.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 7.5%) Блок  "Регрессионная  модель  в  матричном  виде"


X'X=
100 2 3 4 32 90
4 1 2 4 56 56
5 6 3 6 34 12
125 26 22 45 262 248
4 8 12 30 32 20
80 90 60 12 35 89

Чему  равен  определитель  матрицы  X'X? 0 (округление  до  целых)

Балл: 100% Балл за тест: 100% × 7.5 = 7.5%

Вопрос 17 (Вес 12.5%) Блок  "Регрессионная  модель  в  матричном  виде"


На  основе  исходных  данных  (30  наблюдений)  были  проведены  следующие  
расчеты:

для  модели

Чему  равна  расчетная  статистика  для  проверки  гипотезы  о  равенстве  константы  


нулю,  если  стандартная  ошибка  константы  равна  0,0816?
( )все  ответы  отличаются  от  верного  более  чем  на  10%
(x)-1,1
( )-0,09
( )0,6
( )0,3

Объяснение: Оценка  константы  находится  путем  умножения  первой  строки  


матрицы на  вектор и  равна-0.09. t-статистика  равна  -
0,09/0,0816=-1,1
Балл: 100% Балл за тест: 100% × 12.5 = 12.5%

Вопрос 18 (Вес 2.5%) Блок  "Регрессионная  модель  в  матричном виде"


Как  изменятся  стандартные  ошибки  коэффициентов  линейной  регрессии,  если  
значения  случайного  члена  во  всех  наблюдениях  вырастут  в n раз  (при  
постоянстве  остальных  величин)?
( )не  изменятся
( )вырастут  в  n^2  раз
(x)вырастут  в  n  раз
( )уменьшатся  в  n  раз

Объяснение: Матрица  ковариаций  МНК-оценки:

- это  дисперсия  случайного  члена.


В  матрице  V  на  диагонали  дисперсии  коэффициентов  регрессии,  а  значит  
стандартные  ошибки  коэффициентов- это  квадратные  корни  из  элементов  
главной  диагонали. Следовательно,  с  ростом  случайного  члена  в  n  раз  его  
дисперсия вырастет  в  n2 раз  по  правилу  D(nX)=n2D(X).  Элементы  матрицы  
ковариаций  вырастут  в  n2 раз,  а  корень  из  них  - в  n  раз. Это  показывает,  что  при  
прочих  равных  условиях  при  увеличении  случайного  члена  (падении  точности  
модели)  стандартные  ошибки  коэффициентов  растут  во  столько  же  раз.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%
Вопрос 1 (Вес 5%) Блок  "Панельные  данные-1"

You have collected data for 2009 and 2011. Respondents aged 20 to 50 were included
in the sample. All of them have finished high school before 2009. Now you want to
conduct first difference estimation of wage equation, i.e. explain the change in salaries
using changes in a number of explanatory variables.

You DO NOT NEED (at least in 99% of cases) to have the following variables recorded
in your dataset to conduct this type of estimation:
[ ]is respondent married or not
[ ]age
[x]respondent's birthweight
[x]respondent's high school GPA
[ ]education level
[x]gender

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 2 (Вес 2.5%) Блок  "Панельные  данные-1"


Panel data where time dimension t is constant for all observations can be considered to
be cross-sectional data.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 5%) Блок  "Панельные  данные-1"


A researcher collected financial statements data from 250 companies for the period of 2
years: 2011 and 2012.
How many observations are there in his dataset? 500

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 4 (Вес 20%) Блок "Shapley Value Decomposition"


A researcher estimated the effects of experience (x1), education (x2) and sex (x3) on
salary (y). He ran several regressions and listed their R2
Help him find the percentage contributions of each explanatory variable to R2 of the
regression including all the regressors.

regressors R2
x1,x2,x3 0.6
x1,x2 0.3
x2,x3 0.5
x1,x3 0.4
x1 0.1
x2 0.2
x3 0.3
Percentage contributions of regressors:
x1 16.7% (if not integer, round to 1 digit after the decimal point)
x2 33.3% (if not integer, round to 1 digit after the decimal point)
x3 50% (if not integer, round to 1 digit after the decimal point)

To answer the next question you don't have to know any special formulas related
to Shapley Value.
It is possible to work out the answer using economic reasoning and intuition.
What are the correlation coefficients between
x1 and x2 0 (if not integer, round to 1 digit after the decimal point)
x2 and x3 0 (if not integer, round to 1 digit after the decimal point)
x1 and x3 0 (if not integer, round to 1 digit after the decimal point)

Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 5 (Вес 2.5%) Блок  "Панельные  данные-1"


Shapley Value Decomposition of R2 can lead to negative percentage contributions of
factors to the R2.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 5%) Блок  "Панельные  данные-1"


Which of these panels are, no doubt, unbalanced?
[ ]300 objects, 2 periods, number of observations=600
[x]103 objects, 4 periods, number of observations=410
[x]367 objects, 3 periods, number of observations=1001
[x]99 objects, 10 periods, number of observations=970
[ ]12 objects, 12 periods, number of observations=144

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 7 (Вес 5%) Блок  "Панельные  данные-1"


A researcher collected data from 300 companies for several years: 2001, 2004 and
2009. He now wants to see which factors contributed to the increase in companies'
profitability from 2001 to 2009 and runs a first difference regression. What is the number
of observations (as reported by statistical software) used in this regression?
300

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 8 (Вес 20%) Блок  "Панельные  данные-1"


For 10 schools the results of Centralized testing (i.e. ЕГЭ) were recorded for 2007 and
2012. Changes in teachers' salaries (in rubles) were also observed.
Estimate the first-difference model, explaining exam score, based on the dataset below:

Salary, Score,
School Year
rubles points
1 2007 15000 54
2 2007 16000 57
3 2007 17000 56
4 2007 18000 52
5 2007 19000 53
6 2007 20000 51
7 2007 21000 55
8 2007 22000 55
9 2007 23000 58
10 2007 24000 60
1 2012 14000 49
2 2012 32000 80
3 2012 12000 52
4 2012 50000 97
5 2012 35000 88
6 2012 23000 58
7 2012 34000 85
8 2012 19000 57
9 2012 24000 60
10 2012 60000 97

Based on the estimated equation 1000 rubles change in a salary leads


to 1.21 points increase in the average exam score(rounded to 2 digits after the
decimal point)
The R2 of the equation is 0.86 (rounded to 2 digits after the decimal point)

Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 9 (Вес 2.5%) Блок  "Панельные  данные-1"


First-difference estimation allows eliminating omitted variables bias only if all
unobserved regressors that might be correlated with observed regressors are object-
specific (varies only with i), i.e. do not change over time (t). An example of such an
unobserved variable Zit: Zi1=Zi2=Zi3=...=Zi.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 10 (Вес 2.5%) Блок "Shapley Value Decomposition"
Shapley Value decomposition of R2 can be used only in the case of panel data analysis.
It does not work when cross-sectional data is used.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%) Блок  "Панельные  данные-1"


A researcher collected data on movies that were released in Russian movie theaters in
2000, 2005 and 2010.
He recorder the total number of tickets sold, production budget and movie genre. This is
an example of panel data.
(x)False
( )True

Объяснение: Different movies were released in each of the years.


So it can't be panel data.
Such type of data is called pooled cross-section.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 25%) Блок "Shapley Value Decomposition"


HINT: Excel function COMBIN (Russian version: ЧИСЛКОМБ) may be useful to answer
the questions below.

You are interested in estimating the contributions of 5 explanatory variables to the


R2 from the regression of Y on these 5 regressors. How many regressions with
different combinations of regressors will you have to run in order to do the Shapley
Value Decomposition?
31

You are interested in estimating the contributions of 7 explanatory variables to the


R2 from the regression of Y on these 7 regressors. How many regressions with
different combinations of regressors will you have to run in order to do the Shapley
Value Decomposition?
127

You are interested in estimating the contributions of 10 explanatory variables to the


R2 from the regression of Y on these 10 regressors. How many regressions with
different combinations of regressors will you have to run in order to do the Shapley
Value Decomposition?
1023

You are interested in estimating the contributions of 12 explanatory variables to the


R2 from the regression of Y on these 12 regressors. How many regressions with
different combinations of regressors will you have to run in order to do the Shapley
Value Decomposition?
4095
You are interested in estimating the contributions of 20 explanatory variables to the
R2 from the regression of Y on these 20 regressors. How many regressions with
different combinations of regressors will you have to run in order to do the Shapley
Value Decomposition?
1048575

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 13 (Вес 2.5%) Блок  "Панельные  данные-1"


A dataset where prices and characteristics of 50 laptops are recorded in such a way
that we are able to say what the price of each laptop was in April 2012 and 6 months
later is an example of a panel dataset.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 1 (Вес 5%) Блок  "Панельные  данные-2"

In the panel regression analysis of beer taxes on traffic deaths, the estimation period is
1982-1988 for the 48 contiguous U.S. states. You include both time and state-specific
fixed effects in the regression. To test for the significance of state fixed effects, you
should calculate the F-statistic and compare it to the critical value from your F(47,281)
distribution.
(fill in the gaps with the appropriate degrees of freedom)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 2 (Вес 20%) Блок  "Панельные  данные-2"


For 10 schools the results of Centralized testing (i.e. ЕГЭ) were recorded for 2007 and
2012. Teachers' salaries (in rubles) were also observed.
Estimate the fixed-effects model with fixed effects for schools, explaining exam score,
based on the dataset below:

Salary, Score,
School Year
rubles points
1 2007 15000 54
2 2007 16000 57
3 2007 17000 56
4 2007 18000 52
5 2007 19000 53
6 2007 20000 51
7 2007 21000 55
8 2007 22000 55
9 2007 23000 58
10 2007 24000 60
1 2012 14000 49
2 2012 32000 80
3 2012 12000 52
4 2012 50000 97
5 2012 35000 88
6 2012 23000 58
7 2012 34000 85
8 2012 19000 57
9 2012 24000 60
10 2012 60000 97

Estimate the fixed-effects model with fixed effects for schools (use ROBUST std.
errors), explaining exam score, based on the dataset below. Based on the
estimated equation 1000 rubles increase in a salary leads to 1.36 points
increase in the average exam score (rounded to 2 digits after the decimal
point)
The R2 of the equation is 0.94 (rounded to 2 digits after the decimal point)
Are school fixed-effects significant at 1% level (check that you used robust std.
errors)? + (+ or -)
If you use time fixed-effects INSTEAD of school fixed-effects and
use ROBUST standard errors, are time fixed-effects significant at 5% level? + (+
or -)
Is R2-adjusted higher for the model with time fixed-effects than for the model with
school fixed-effects? + (+ or -)

Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 3 (Вес 2.5%) Блок  "Панельные  данные-2"


When you add state fixed effects to a simple regression model for U.S. states over a
certain time period, and the regression R2increases significantly, then it is safe to
assume that
(x)state fixed effects account for a large amount of the variation in the data
( )the included explanatory variables, other than the state fixed effects, are unimportant
( )the coefficients on the other included explanatory variables will not change
( )time fixed effects are unimportant

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%) Блок  "Панельные  данные-2"


Regression with entity fixed effects controls for unobserved variables that differ from
one entity (i.e. object) to the next but remain constant over time.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 5%) Блок  "Панельные  данные-2"


In the panel regression analysis of beer taxes on traffic deaths, the estimation period is
1982-1988 for the 48 contiguous U.S. states. You include both time and state-specific
fixed effects in the regression. To test for the significance of time fixed effects, you
should calculate the F-statistic and compare it to the critical value from your F(7,281)
distribution.
(fill in the gaps with the appropriate degrees of freedom)

Балл: 50% Балл за тест: 50% × 5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Панельные  данные-2"


The Fixed Effects regression model:
( )has  “fixed”  (repaired)  the  effect  of  heteroskedasticity
(x)has n different intercepts, where n is the number of different objects considered
( )in a log-log model may include logs of the binary variables, which control for the fixed
effects
( )allows  the  slope  coefficients  to  differ  across  entities,  but  the  intercept  is  “fixed”  (remains  
unchanged)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%) Блок  "Панельные  данные-2"


In real-world panel data, the regression error:
( )only exists for the case of T > 2
( )fits all of the three descriptions mentioned
( )should be calculated taking into account heteroskedasticity but not autocorrelation
(x)is likely to be correlated over time within an entity (object)

Объяснение: см.  10.5  в  учебнике  S&W


Пример:  с  помощью  панельных  данных  объясняем  оценки  за  еженедельные  тесты  
эконометрике  посещаемостью  лекций.  Для  каждого  студента  фиксируем  
результаты  теста  на  этой  неделе  и  посещаемость  лекции  на  прошлой  неделе.
Результат  теста  зависит  от  посещаемости,  но  еще  и  от  ошибки.  Эта  ошибка  есть  
всегда.  Часть  этой  ошибки  - врожденные  способности  мы  могли  уже  учесть  с  
помощью  фиксированных  эффектов  (у  каждого  своя  константа  в  регрессии).  
Поэтому  осталась  ошибка Однако  если  человек  вдруг  внезапно  позанимался  
эконометрикой  дополнительно,  этот  человек  напишет  тест  лучше  (это  та  самая  
ошибка ).  Поскольку  изученный  им  внезапно  материал  может  быть  полезен  в  
след.  тесте,  этот  шок  останется  и  на  след.  раз  и  т.п.  Поэтому  частично  
"необъяснимую"  часть  успеха  на  тесте  можно  объяснить  через  аналогичную  
"необъяснимую"  часть  успеха  на  предыдущем  тесте.  Это  как  раз  и  есть  
возможность  частично  предсказать  ошибку с  помощью  ошибок  предыдущих  
периодов  (например, ).
Таким  образом,  зная  что-то  об  ошибке  в  одном  наблюдении,  можем  что-то  сказать  
об  ошибке  в  другом  наблюдении  ->  автокорреляция  остатков.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Панельные  данные-2"


Regression with time fixed effects controls for unobserved variables that differ from one
period to the next but remain constant over entities (i.e. objects).
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 5%) Блок  "Панельные  данные-1"


You have collected data for 2009 and 2011. Respondents aged 20 to 50 were included
in the sample. All of them have finished high school before 2009. Now you want to
conduct first difference estimation of wage equation, i.e. explain the change in salaries
using changes in a number of explanatory variables.

You DO NOT NEED (at least in 99% of cases) to have the following variables recorded
in your dataset to conduct this type of estimation:
[x]agethe first difference of age will be 2 for everybody (everybody will become 2 years older,
so such a regressor which is the same for everybody is useless)

[x]gender
[x]respondent's high school GPA
[x]respondent's birthweight
[ ]education level
[ ]is respondent married or not

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 10 (Вес 2.5%) Блок  "Панельные  данные-2"


If Xit is correlated with Xis for different values of s and t, then:
( )this is not of practical importance since these correlations are typically weak in applications
(x)Xit is said to be autocorrelated
( )the OLS estimator cannot be computed
( )Xit is said to be heteroscedastic

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%) Блок  "Панельные  данные-2"


In the Fixed Time Effects regression model, you should exclude one of the binary
variables for the time periods when an intercept is present in the equation

( )to allow for some changes between time periods to take place
(x)to avoid perfect multicollinearity
( )because there are already too many coefficients to estimate
( )because the first time period must always excluded from your data set

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 25%) Блок  "Lab.  Панельные  данные-2"


Greene (1997) provides a small panel data set with information on costs and output of 6
different firms, in 4 different periods of time (1955, 1960,1965, and 1970).

First, import greene14.xls to Stata.

Your job is to estimate a production function using basic panel data techniques.

Estimate the following fixed-effects model using robust standard errors (don't forget to
take logs of output and cost):

lnOutputit = blnCostit + ai + uit (this notation means that each firms should have its
own intercept ai)
1. Test the significance of the fixed effects.
The p-value of the test is 0.011 (3 digits after the decimal point)
Are they significant at 5% level? + (+ or -)

2. You are interested in comparing the unobserved efficiency of firm 2 with other
firms.
Is the individual effect of firm 2 significantly different (at 5% level) from the effect
of:
firm 1 - (+ or -)
firm 3 + (+ or -)
firm 4 + (+ or -)
firm 5 + (+ or -)
firm 6 + (+ or -)

3. Recall the algorithm we used for the correct prediction of Y after building a
model for lnY and predict the output for firm 2 if costs equal 10.
1995 (round to the nearest integer number)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 13 (Вес 2.5%) Блок  "Панельные  данные-2"


Assume that for the T = 2 time periods case, you have estimated a simple regression in
changes model and found a statistically significant positive intercept.
This implies:
( )a negative mean change in the left-hand side variable in the absence of a change in the right-
hand side variable
(x)a positive mean change in the left-hand side variable in the absence of a change in the right-
hand side variable
( )that the right-hand side variable did not change between the two subperiods
( )that the panel estimation approach is flawed since differencing the data eliminates the
constant (intercept) in a regression

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 20%) Блок  "Панельные  данные-2"


A researcher estimated a regression of the number of patents registered by firm i in
period t on 2 explanatory variables X and Z, as well as two dummy variables for firms:

If the number of observations is 33, the panel is balanced and all firm-specific
effects are accounted for by the above-mentioned equation, then the number of
time periods is 11
Which firm has the lowest predicted number of patents ceteris paribus (i.e. other
things equal) 1 (1,2 or 3?)
If coefficient estimates 10 and 30 (see the equation above) are both statistically
significant, this means that other things equal firm 3 registers more patents than
firm 2. - (+ or -)
If coefficient estimate 10 (see the equation above) is statistically significant, this
means that other things equal firm 2 registers more patents then firm 1. + (+ or -)

Балл: 100% Балл за тест: 100% × 20 = 20%


Вопрос 1 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."

In probit model every time when explanatory variable X increases by 1, the probablity of
Y=1 will increase by a constant number of percentage points.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 20%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


Pass=1,  если  водитель  в  очередной  раз  сдал  экзамен
Pass=0,  если  водитель  не  сдал  экзамен
Male=1  для  мужчин,  male=0  для  женщин
Experience – опыт  вождения  (в  годах)

What is the absolute difference between the predicted probabilities of passing the exam
for males based on models (4) and (6)?0 percentage points (round to the closest
integer)
What is the absolute difference between the predicted probabilities of passing the exam
for females based on models (4) and (6)? 0 percentage points (round to the closest
integer)

(this question is not related to the specific table presented above) Does Linear
Probability Model with one explanatory variable (X) and Probit model with one
explanatory variable always give identical predicted probabilities when both Y and X are
binary? (it may be helpful to remember that the parameters of probit model can be
estimated correctly using the least squares principle) +(+ или -)

Using the results from column (7), estimate the probability of passing the exam
for 2 people:

Akira is a man with 10 years of driving experience 81 % (round to the closest integer)

Jane is a woman with 2 years of driving experience 81 % (round to the closest


integer)

Does the effect of experience on test performance depend on gender? - (+ or -)


Объяснение: к  вопросу  об  одинаковых  предсказаниях  пробит  и  линейной  
вероятностной  модели:
В  указанном  в  задании случае  (Y=1/0  и  X=1/0)  единственное  мыслимое  
предсказание,  которое  можно  сделать,  независимо  от  метода  - это  для  X=0  найти  
среднее  значение  Y  при  этом  значении  X  (это  будет  предсказание  вероятности  
того,  что  Y=1  при  X=0),  и  для  X=1  найти  среднее  значение  Y  при  этом  значении  X  
(это  будет  предсказание  вероятности  того,  что  Y=1  при  X=1). В  случае  линейной  
вероятностной  модели  именно  так  и  будет  делаться  предсказание,  так  как  Y  
предсказанное  - это  матожидание  Y  при  данном  X  по  определению.  В  случае  
пробит-модели  никто  не  отменяет  принципа  прохождения  линии  (кривой)  
регрессии  максимально  близко  к  точкам  в  среднеквадратическом  смысле.  А  это  
будет  достигаться  именно  тогда,  когда  график  проходит  через  точки  Y  среднее  
при  X=0  и  Y  среднее  при  X=1.
Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 3 (Вес 20%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


The following equation was estimated:

pass=1, if a candidate successfully passed IELTS (>=6 points for all sections), pass=0
otherwise
grade - average English class grade during studying at university
male=1, if a candidate is male, male=0 otherwise
prep=1, if a candidate attended special preparation courses, prep=0 otherwise

1. True (+) or False (-)


Whether someone successfully passed IELTS or not is influenced by his/her gender - (+
or -)

2. What is the predicted probability of success for a female student with grade=3.78,
who did not attend special preparatory courses?
67 % (round to the nearest integer)

3. Can probability, predicted using the model above, be higher than 1 for some
students with grade=3.78? + (+ or -)

4. What is the upper bound of 99% confidence interval for the marginal effect of grade
on the probability of passing the exam successfully (expressed in percentage
points)? 24 percentage points (use t-distribution, round to the closest integer)

Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 4 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


The linear probability model is
(x)the application of the linear multiple regression model to a binary dependent variable
( )the application of the multiple regression model with a continuous left-hand side variable and
a binary variable as at least one of the regressors.
( )an example of probit estimation
( )another word for logit estimation

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 25%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


grade – дамми-переменная,  принимает  значение  1,  если  по  результатам  курса  
обучения  студент  сдал  экзамен  лучше,  чем  в  предыдущий  раз
gpa – средний  балл  студента
psi – дамми-переменная,  принимает  значение  1,  если  при  обучении  
использовалась  новая  методика
tuce – результаты  предварительного  тестирования  до  начала  обучения

. probit grade gpa psi tuce, vce(robust)

Probit regression Number of


obs = 32
Wald
chi2(3) = 12.92
Prob >
chi2 = 0.0048
Log pseudolikelihood = -12.818804 Pseudo
R2 = 0.3775

————————————————————————————————————————————————————————————————
——————————————
| Robust
grade | Coef. Std. Err. z P>|z| [95%
Conf. Interval]
————————————-+——————————————————————————————————————————————————
——————————————
gpa
| 1.62581 .6619353 **** 0.014 .3284407 2.92317
9
psi
| 1.426332 .5412902 2.64 0.008 .3654231 2.48724
2
tuce
| .0517289 .0702389 0.74 0.461 ******** .189394
7
_cons | -7.45232 2.584982 -2.88 0.004 -
12.51879 -2.385847
————————————————————————————————————————————————————————————————
——————————————

1.  Чему  равно  значение  z-статистики  для  коэффициента  gpa? 2.46 (округление  


до  сотых)
2.  На  1%-ом  уровне  оказывает  ли  gpa  значимое  влияние  на  вероятность  повысить  
свои  результаты  при  повторной  сдаче  экзамена? - (+  или  -)

3.  Изменится  ли  ваш  вывод  на  5%-ом  уровне  значимости? + (+  или  -)

4.  Посчитайте  левую  границу  95%-го  доверительного  интервала  для  tuce?  


(обратите  внимание,  что  в  моделях  бинарного  выбора,  как  правило,  используется  
стандартное  нормальное  распределение  для  построения  дов.  интервалов) -
0.09(округление  до  сотых)

5.  Чему  равно  предсказанное  значение  вероятности  при  использовании  


стандартной  методики  для  студента,  чей  результат  предварительного  
тестирования  составил  21  балл,  а  средний  балл  (gpa)  был  равен  
3.03? 7 % (округление  до  целых  процентов)

6. На  сколько  меняется  предсказанное  значение  вероятности  из  пункта  5,  если  


при  обучении  использовалась  новая  методика? 42 процентных  
пунктов (округление  до  целых)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 6 (Вес 5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


In the expression Pr(deny = 1| P/I ratio, black) = Ф(–2.26 + 2.74P/I ratio + 0.71black),
the effect of increasing the P/I ratio from 0.3 to 0.4 for a white person is 4.7 percentage
points (round to 1 digit after the decimal point)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 7 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


z-score (z-index)  может  принимать  как  положительные,  так  и  отрицательные  
значения.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


The probit model
( )is the same as the logit model
( )should not be used since it is too complicated
(x)forces the predicted values to lie between 0 and 1
( )always gives the same fit for the predicted values as the linear probability model for values
between 0.1 and 0.9

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


There is an infinite number of functional forms F(z) that satisfy the conditions that F(z)
monotonously  grows  when  z  increases  and  0≤F(z)≤1.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


Your textbook plots the estimated regression function produced by the probit regression
of  deny  on  P/I  ratio.  The  estimated  probit  regression  function  has  a  stretched  “S”  shape  
given that the coefficient on the P/I ratio is positive. Consider a probit regression
function with a negative coefficient. The shape would
(x)resemble  an  inverted  “S”  shape  (for  low  values  of  X,  the  predicted  probability  of  Y  would  
approach 1)
( )not exist since probabilities cannot be negative
( )would have to be estimated with a logit function
( )remain  the  “S”  shape  as  with  a  positive  slope  coefficient

Объяснение: Ф(Z)  всегда  будет  иметь  положительный  наклон  - по  определению  


функции  распределения  (чем  выше  z,  тем  выше  Ф(z)).
Но  в  задании  речь  идет  о  зависимости  предсказанной  вероятности  от  P/I  - она  уже  
вполне  может  быть  отрицательной,  если  z  отрицательно  зависит  от  P/I.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


Предсказанная  вероятность  в  probit-модели,  где  значения  объясняющих  
переменных  - рациональные  числа, может  быть  0.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


In the probit regression, the coefficient at regressor X (coefficient β1) indicates:
( )the change in the probability of Y = 1 given a unit change in X
(x)the change in the z- value associated with a unit change in X
( )none of the answers
( )the change in the probability of Y = 1 given a percent change in X

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 13 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."
Which of these variables are appropriate (at least formally) for including in a binary
regression model as the dependent variable?
[x]whether someone passed an exam or not
[ ]credit rating (AAA, AA, BB, etc)
[x]whether a car is foreign or not
[ ]the number of kids in the family
[x]whether someone buys Heinz ketchup or not
[x]gender

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


In a binary regression model only right-hand side variables can be binary. Left-hand
side variables can't be binary.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


Предсказанная  вероятность  в  probit-модели,  где  значения  объясняющих  
переменных  - рациональные  числа,  может  быть  1.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


Для  любой  функции  распределения  F(z),  чем  выше  z,  тем  выше  F(z).
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 1 (Вес 3.13%) Блок  "Логит-модель.  ММП"

The logit functional form


( )is linear in the logarithms of the variables
( )none of these
( )has either zero or one on the left-hand side
(x)forces the left-hand variable to lie between zero and one

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 2 (Вес 3.13%) Блок  "Логит-модель.  ММП"


To find the MLE we maximize the
(x)all of these
( )log likelihood
( )likelihood
( )probability of having obtained our sample

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 3 (Вес 3.13%) Блок  "Логит-модель.  ММП"


In the logit model the predicted value of the dependent variable is interpreted as
( )the fraction of the observations in the sample that are zeroes
( )the probability that the dependent variable is zero
(x)the probability that the dependent variable is one
( )the fraction of the observations in the sample that are ones

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 4 (Вес 3.13%) Блок  "Логит-модель.  ММП"


The Maximum likelihood Estimation is popular because it
(x)has desirable sampling distribution properties
( )maximizes R-square
( )maximizes both the likelihood and loglikelihood functions
( )minimizes the sum of squared errors

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 5 (Вес 25%) Блок  "Логит-модель.  ММП"

YX
12
03
15
06

1.  Найдите  значение  функции  правдоподобия (не  ее  логарифма) для логит-


модели,  если  оценки  параметров  таковы  (используйте  именно  эти  оценки,  
расчеты  проводите  в  Excel  или  на  калькуляторе,  не  округляя  промежуточные  
значения):

L=0.077 (округлите  до  тысячных)

2.  При  оценивании логит-модели только  с  константой  получили


Каково  значение  функции  правдоподобия (не  ее  логарифма) для  модели  только  с  
константой?
L=0.063 (округлите  до  тысячных)

3. Найдите  значение  функции  правдоподобия (не  ее  логарифма) для пробит-


модели,  если  оценки  параметров  таковы  (используйте  именно  эти  оценки,  
расчеты  проводите  в  Excel  или  на  калькуляторе,  не  округляя  промежуточные  
значения):

L=0.077 (округлите  до  тысячных)

4.  При  оценивании пробит-модели только  с  константой  получили


Каково  значение  функции  правдоподобия (не  ее  логарифма) для  модели  только  с  
константой?
L=0.063 (округлите  до  тысячных)

5.  Подумайте  над  тем,  каково  лучшее  предсказание,  которое  можно  сделать  для  
Prob(Y=1),  не  зная  никаких  X  и  над  тем,  как  выглядит  в  такой  ситуации  формула  
для  предсказания  вероятности  Prob(Y=1)  и  ответьте:
Верно  ли,  что  в  пробит- и  логит-моделях  только  с  константой  (без  объясняющих  
переменных),  оценка  для  константы  всегда=0? -(+/-)
Верно  ли,  что  в  пробит- и  логит-моделях  только  с  константой (без  объясняющих  
переменных),  оценка  для  константы  всегда=0,  если  число  наблюдений,  когда  Y=1,  
равно  числу  наблюдений,  когда  Y=0? +(+/-)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 6 (Вес 6.25%) Блок  "Логит-модель.  ММП"


You have estimated a logit model and found for a new individual that the estimated
probability of her being a one (as opposed to a zero) is 40%. The benefit of correctly
classifying this person is 1000 US dollars, regardless of whether she is a one or a zero.
The cost of classifying this person as a one when she is actually a zero is 500 US
dollars. You should classify this person as a one when the other misclassification cost
(i.e. the cost of classifying this person as a zero when she is actually a one) exceeds
what value? (hint: calculate the expected payoff of prediction "1" and the expected
payoff of prediction "0" and see, when it is better to predict "1").
1250

Балл: 100% Балл за тест: 100% × 6.25 = 6.25%


Вопрос 7 (Вес 3.13%) Блок  "Логит-модель.  ММП"
Nonlinear least squares:
( )gives you the same results as maximum likelihood estimation
( ) should always be used when you have nonlinear equations
(x)solves the minimization of the sum of squared predictive mistakes through sophisticated
mathematical routines, essentially by trial and error methods
( )is another name for generalized least squares

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 8 (Вес 6.25%) Блок  "Логит-модель.  ММП"


You have estimated a logit model to determine the success of an advertising program in
a town, with successes coded as ones; your estimated logit index function is -70
+ 2*PerCap + 3*South where PerCap is the per capita income in the town (measured
inthousands of dollars), and South is a dummy with value one for towns in the south and
zero for towns in the north, the only other region. If the advertising program is
a success, you will make 5000 USD; if it is a failure you will lose 3000 USD. You
areconsidering two towns, one in the south and one in the north, both with per
capita incomes of 35000 USD. You should undertake the advertising program
(x)in both towns
( )in only the south town
( )in neither town
( )in only the north town

Балл: 100% Балл за тест: 100% × 6.25 = 6.25%

Вопрос 9 (Вес 3.13%) Блок  "Логит-модель.  ММП"


When testing joint hypothesis (i.e. those related to several coefficients simultaneously),
you can use (look this up in your textbook if necessary):

( )the chi-squared statistic


( )none of the statistics
(x)either the F-statistic or the chi-square statistic
( )the F- statistic

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 10 (Вес 3.13%) Блок  "Логит-модель.  ММП"


In a logistic regression with 5 explanatory variables (not including the constant) Wald
chi-square statistic for testing the hypothesis that the influence of all explanatory
variables is insignificant has 5 degrees of freedom.

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 11 (Вес 3.13%) Блок  "Логит-модель.  ММП"


In large samples the MLE is
( )efficient
(x)all of these
( )normally distributed
( )unbiased

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 12 (Вес 3.13%) Блок  "Логит-модель.  ММП"


Probit coefficients are typically estimated using:
( )the OLS method
(x)the method of maximum likelihood
( ) by transforming the estimates from the linear probability model
( )non-linear least squares (NLLS)

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 13 (Вес 25%) Блок  "Логит-модель.  ММП"


A researcher is interested in how variables, such as GRE (Graduate Record Exam
scores), GPA (grade point average) and prestige of the undergraduate institution, effect
admission into graduate school. The response variable, admit/don't admit, is a binary
variable. The dataset has a binary response (outcome, dependent) variable
called admit. There are three predictor variables: gre, gpa and rank. We will treat the
variables gre and gpa as continuous. The variable rank takes on the values 1 through
4. Institutions with a rank of 1 have the highest prestige, while those with a rank of 4
have the lowest.
summarize gre gpa

Variable | Obs Mean Std. Dev. Min Max


————————————-+————————————————————————————————————————————————————————
gre | 400 587.7 115.5165 220 800
gpa | 400 3.3899 .3805668 2.26 4

tab rank

rank | Freq. Percent Cum.


————————————+——————————————————————————————————-
1 | 61 15.25 15.25
2 | 151 37.75 53.00
3 | 121 30.25 83.25
4 | 67 16.75 100.00
————————————+——————————————————————————————————-
Total | 400 100.00

tab admit

admit | Freq. Percent Cum.


————————————+——————————————————————————————————-
0 | 273 68.25 68.25
1 | 127 31.75 100.00
————————————+——————————————————————————————————-
Total | 400 100.00
Logit model was estimated (i.rank means that we want to dichotomize rank variable and
include dummy variables):
logit admit gre gpa i.rank

Iteration 0: log likelihood = -249.98826


Iteration 1: log likelihood = -229.66446
Iteration 2: log likelihood = -229.25955
Iteration 3: log likelihood = -229.25875
Iteration 4: log likelihood = -229.25875

Logistic regression Number of obs


= 400
LR chi2(5)
= 41.46
Prob > chi2
= 0.0000
Log likelihood = -229.25875 Pseudo R2
= ******

————————————————————————————————————————————————————————————————
——————————————
admit | Coef. Std. Err. z P>|z| [95%
Conf. Interval]
————————————-+——————————————————————————————————————————————————
——————————————
gre | .0022644 .001094 2.07 0.038
.0001202 .0044086
gpa | .8040377 .3318193 2.42 0.015
.1536838 1.454392
|
rank |
2 | -.6754429 .3164897 -2.13 0.033 -
1.295751 -.0551346
3 | -1.340204 .3453064 -3.88 0.000 -
2.016992 -.6634158
4 | -1.551464 .4178316 -3.71 0.000 -
2.370399 -.7325287
|
_cons | -3.989979 1.139951 -3.50 0.000 -
6.224242 -1.755717
————————————————————————————————————————————————————————————————
——————————————
1. McFadden's pseudo R2 for this logit regression is 0.083 (note that the iteration
process displayed in the output starts with a constant-only mode, round to 3
digits after the decimal point)

2. The value of the likelihood function for the estimated model is lower than
0.000001 + (+/-)

3. For a one unit increase in gpa, the odds of being admitted to graduate school (versus
not being admitted) increase by a factor of 2.235 (round to 3 digits after the decimal
point)
4. The predicted probability of being accepted into a graduate program is 52% (round
to integer percentages) for the highest prestige undergraduate institutions (rank=1),
and 18% (round to integer percentages) for the lowest ranked institutions (rank=4),
holding gre and gpa at their means.

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 14 (Вес 3.13%) Блок  "Логит-модель.  ММП"


From estimating a logit model you have produced a slope estimate of 0.3 on the
explanatory variable x. This means that a unit increase in x will cause

(x)none of these
( )an increase in the ratio Pr(y=1)/Pr(y=0) of 0.3
( )an increase in the probability of being a y=0 observation of 0.3
( )an increase in the probability of being a y=1 observation of 0.3

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 15 (Вес 3.13%) Блок  "Логит-модель.  ММП"


To measure the fit of the binary regression model, you should:
( )plot the predicted values and see how closely they match the actuals
(x)use the fraction correctly predicted or the pseudo R2
( )use the regression R2
( )use the log of the likelihood function and compare it to the value of the likelihood function

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 16 (Вес 3.13%) Блок  "Логит-модель.  ММП"


The probit model
( )always gives the same fit for the predicted values as the linear probability model for values
between 0.1 and 0.9
(x)forces the predicted values to lie between 0 and 1
( )should not be used since it is too complicated
( )is the same as the logit model

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%


Вопрос 1 (Вес 6.67%) Блок  "Инструментальные  переменные"

Weak instruments are a problem because:


( )they result in the instruments not being exogenous
( )the TSLS estimator cannot be computed
( )you cannot predict the endogenous variables any longer in the first stage
(x)the TSLS estimator may not be normally distributed, even in large samples

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 2 (Вес 6.67%) Блок  "Инструментальные  переменные"


Let W be the included exogenous variables in a regression function that also has
endogenous regressors (X). The W variables are not correlated with the error term and
can be included in the first stage regression when using TSLS estimation method.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 3 (Вес 13.33%) Блок  "Инструментальные  переменные"


В  какой  или  каких  из  этих  парных  регрессий  можно  ожидать  проблему  
эндогенности  регрессора,  для  решения  которой  иногда  используется  метод  
инструментальных  переменных?
[ ]регрессия зарплаты  от  дня  недели,  в  который  родился  человек
[x]регрессия  зарплаты  человека  от  того,  повышал  он  квалификацию  хотя  бы  раз  за  
последние  5  лет  или  нет
[x]регрессия  итоговой  оценки  по  эконометрике  от  %  посещенных  занятий
[x]регрессия  продолжительности  жизни  от  того,  служил  человек  в  армии  или  нет
[ ]регрессия  зарплаты  человека  от  его  знака  зодиака
[ ]регрессия  оценки  по  эконометрики  от  номера  студенческого  билета

Балл: 100% Балл за тест: 100% × 13.33 = 13.333%

Вопрос 4 (Вес 6.67%) Блок  "Инструментальные  переменные"


Для  выявления  слабых  инструментов  (weak  instruments)  используется  J-
статистика.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 5 (Вес 6.67%) Блок  "Инструментальные  переменные"


The distinction between endogenous and exogenous variables is:
(x)whether or not the variables are correlated with the error term.
( )depends on the distribution of the variables: when they are normally distributed, they are
exogenous, otherwise they are endogenous
( )dependent on the sample size: for n > 100, endogenous variables become exogenous
( )thatexogenous variables are determined inside the model and endogenous variables are
determined outside the model.

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 6 (Вес 6.67%) Блок  "Инструментальные  переменные"


Instrumental Variables regression uses instruments to
( )eliminate multicollinearity
( )eliminate serial correlation
(x)isolate movements in X that are uncorrelated with u
( )increase the regression R-squared

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 7 (Вес 6.67%) Блок  "Инструментальные  переменные"


Инструментальная  переменная  должна________  с  заменяемой  ею  объясняющей  
переменной  и  __________  со  случайным  отклонением.
(x)сильно  коррелировать;;  не  коррелировать
( )сильно  коррелировать;;  сильно  коррелировать
( )не  коррелировать;;  сильно  коррелировать
( )не  коррелировать;;  не  коррелировать

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 8 (Вес 26.67%) Блок  "Инструментальные  переменные"


In an instrumental variable regression model with one regressor, X and one instrument,
Z, the regression of X onto Z has R2=0.05 and n=100.

1. Is Z a strong instrument? - (+/-)

2. If R2=0.05 and n=500 is Z a strong instrument? + (+/-)

3. If R2=0.1 and n=100 is Z a strong instrument? + (+/-)

4. If R2=0.03 and n=1000 is Z a strong instrument? + (+/-)

Балл: 100% Балл за тест: 100% × 26.67 = 26.667%

Вопрос 9 (Вес 6.67%) Блок  "Инструментальные  переменные"


The IV estimator can be used to potentially eliminate bias resulting from:
( )heteroskedasticity
(x)errors in variables
( )multicollinearity
( )serial correlation
Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 10 (Вес 6.67%) Блок  "Инструментальные переменные"


The rule-of-thumb for checking for weak instruments is as follows: for the case of a
single endogenous regressor,
( )a first stage F > 1.96 indicates that the instruments are weak.
( )the t-statistic on each of the instruments must exceed at least 1.64.
(x)a first stage F < 10 indicates that the instruments are weak.
( )a first stage F must be statistically significant to indicate a strong instrument.

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%

Вопрос 11 (Вес 6.67%) Блок  "Инструментальные  переменные"


The TSLS estimator is
(x)consistent and has a normal distribution in large samples
( )F-distributed
( )efficient in small samples
( )unbiased, but inconsistent

Балл: 100% Балл за тест: 100% × 6.67 = 6.667%


Вопрос 1 (Вес 4%) Блок  "Регрессионная  модель  в  матричном  виде"

Абсолютная  величина  случайного  члена  во  всех  наблюдениях  уменьшилась  в  два  


раза.  Тогда  стандартные  ошибки  коэффициентов  линейной  регрессии:
( )вырастут  в  2  раза
(x)уменьшатся  в  2  раза
( )уменьшатся  в  4  раза
( )не  изменятся

Объяснение: - на  главной  диагонали  матрицы  ковариаций  


коэффициентов  нахятся  дисперсии  коэффициентов.  
Следовательно, стандартные  ошибки  - корень  из  дисперсии.  Если  случайный  
член  вырос  в  1/2  раза,  то  дисперсия  его  выросла  в  1/4,  а  стандартные  ошибки  - в  
1/2.
Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 2 (Вес 4%) Блок  "Инструментальные  переменные-2"


When conducting Hausman test in Stata (using 5% significance level) the syntax is

hausman est1 est2, where:


(please remember that the order of estimates is important for Hausman test procedure)
[x]est2 is consistent and efficient if the test's p-value>0.05
[ ]est2 is consistent independent of the test's p-value
[x]est2 is inconsistent if the test's p-value<0.05
[ ]est1 is inconsistent independent of the test's p-value
[ ]est2 is inconsistent independent of the test's p-value
[x]est1 is consistent independent of the test's p-value

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 3 (Вес 4%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


Your textbook plots the estimated regression function produced by the probit regression
of deny on P/I ratio. The  estimated  probit  regression  function  has  a  stretched  “S”  shape  
given that the coefficient on the P/I ratio is positive. Consider a probit regression
function with a negative coefficient. The shape would
( )remain  the  “S”  shape  as  with  a  positive  slope  coefficient
( )not exist since probabilities cannot be negative
(x)resemble  an  inverted  “S”  shape  (for  low values of X, the predicted probability of Y would
approach 1)
( )would have to be estimated with a logit function

Объяснение: Ф(Z)  всегда  будет  иметь  положительный  наклон  - по  определению  


функции  распределения  (чем  выше  z,  тем  выше  Ф(z)).
Но  в  задании  речь  идет  о  зависимости  предсказанной  вероятности  от  P/I  - она  уже  
вполне  может  быть  отрицательной,  если  z  отрицательно  зависит  от  P/I.
Балл: 100% Балл за тест: 100% × 4 = 4%
Вопрос 4 (Вес 4%) Блок  "Диагностика  регрессии  в  Stata"
Бутстраповская  псевдовыборка,  полученная  на  основе  выборки  объемом  200,  
имеет  объем:
(x)200  наблюдений
( )500  наблюдений
( )более  200  наблюдений
( )любой  заданный  исследователем
( )менее  200  наблюдений

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 5 (Вес 4%) Блок  "Множ.  регрессия:  проверка  гипотез"


Оценив  регрессию Q=α+βP+γX,  исследователь  рассчитал  F-статистику  и  получил  
F=18,25.  Количество  наблюдений  =  70.  Какой  из  нижеприведенных  выводов  
верен?
( )Регрессию  значима  на  5%  уровне  значимости,  но  не  значима  на  1%  уровне  значимости
(x)Регрессию  можно  признать  значимой  на  1%  и  на  5%  уровне  значимости
( )Регрессия  незначима
( )Регрессию  незначима  как  на  5%,  так  и  на  1%  уровне  значимости

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 6 (Вес 4%) Блок  "Панельные  данные-2"


The Fixed Effects regression model:
( )in a log-log model may include logs of the binary variables, which control for the fixed
effects
( )allows the slope coefficients to differ across entities, but the intercept is “fixed”  (remains  
unchanged)
(x)has n different intercepts, where n is the number of different objects considered
( )has  “fixed”  (repaired)  the  effect  of  heteroskedasticity

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 7 (Вес 4%) Блок  "Фиктивные  переменные"


Какой  из  следующих  факторов  отражается  в  моделях  через  фиктивную(-ые)  
переменную(-ые)?
( )индекс  РТС
( )индекс  потребительских  цен
(x)членство  в  партии  "Единая  Россия"
( )доход  в  расчете  на  члена  семьи

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 8 (Вес 4%) Блок  "Оценка  качества  регрессии"


Была  оценена  регрессионная  зависимость:
Стандартное  отклонение  коэффициента  наклона  равно  0,48.
F-статистика,  подходящая  для  тестирования  гипотезы  о  равенстве  нулю  
R2 регрессии,  равна  примерно:
( )0,96
(x)22,56
( )4,75
( )0,04
( )1,96

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 9 (Вес 4%) Блок  "Инструментальные  переменные-2"


When the following specification is used in Stata, what is the number
of parameters that will be estimated when running the first-stage regression

. ivregress 2sls lwage (educ= nearc4 fatheduc motheduc) age black smsa south, robust

You should figure out yourself, whether the intercept (constant) is a parameter or
not using the universal definition of the word "parameter".

8 parameters

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 10 (Вес 4%) Блок  "Пересдача  зачета  "

Предположим,  что  вы  оцениваете  уравнение   ,  и  при  этом  


знаете,  что  дисперсия   пропорциональна  1/x.  Тогда  для  получения  эффективной  
оценки  параметров  регрессии  (обобщенным  МНК)  нужно  построить  регрессию:
( )y*sqrt(x)  на  константу,  x^(2/3),  z*sqrt(x)
( )y  на  константу,  x^2,  z*x
( )y  на  константу,  x^(2/3),  z*sqrt(x)
(x)y*x  на  константу,  x^2,  z*x

Балл: 0% Балл за тест: 0% × 4 = 0%

Вопрос 11 (Вес 4%) Блок  "Логит-модель.  ММП"


Probit coefficients are typically estimated using:
( )the OLS method
( ) by transforming the estimates from the linear probability model
(x)the method of maximum likelihood
( )non-linear least squares (NLLS)

Балл: 100% Балл за тест: 100% × 4 = 4%


Вопрос 12 (Вес 4%) Блок  "Основы  эконометрики.  Понятия.  Типы  данных."
На  графике,  представленном  ниже,  по  вертикальной  оси  отложен  средний  темп  
роста  ВВП  65  стран за  период  1960-1995  гг.,  а  по  горизонтальной  оси  - доля  
страны  (%)  в  международной  торговле.

Это  пример:
( )лонгитьюдных  данныхлонгитьюдные данные=панельные данные
( )панельных  данных
( )временного  ряда
( )экспериментальных  данных
(x)пространственных  (cross-sectional)  данных

Объяснение:
Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 13 (Вес 4%) Блок  "Инструментальные  переменные-2"


A researcher has conducted a test of overidentifying restrictions.
In which of these cases he would consider the instruments to be endogeneous (at 5%
level).
[ ]p-value=0.96
[x]p-value=0.01
[ ]p-value=0.43
[x]p-value=0.049
[x]p-value=0.03
[x]p-value=0.005
[ ]p-value=0.07
[ ]p-value=0.12

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 14 (Вес 4%) Блок  "Основы  регрессионного  анализа.  МНК"

Если  регрессионное  уравнение оценивается  по  выборке  из  T  


наблюдений,  а  число  регрессоров  - k,  каким  будет  размерность ?
(x)k×1
( )T×k
( )T×1
( )1×1

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 15 (Вес 4%) Блок  "Спецификация  функциональной  формы  регрессии"


Зависимость  спроса  на  товары  различных  групп  от  дохода  можно  описать  с  
помощью  функций  …
( )Стьюдента
(x)Торнквиста
( )Дарбина-Уотсона
( )Лагранжа

Объяснение: см.  презентацию  "Моделирование  рынка:  оценивание  функций  


Торнквиста"
svetlov.timacad.ru/umk6/lekemm12.ppt
Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 16 (Вес 4%) Блок  "Мультиколлинеарность"


Матрица  парных  линейных  коэффициентов  корреляции  не  отображает…
( )Тесноту  линейной  связи  между  переменными
( )Значения  парных  коэффициентов  линейной  корреляции
( )Наличие  в  модели  коллинеарных  факторов
(x)Тесноту  нелинейной  связи  между  переменными

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 17 (Вес 4%) Блок  "Гетероскедастичность"


Тест  Goldfeld-Quandt  на  гетероскедастичность  предполагает,  что  данные  
упорядочиваются  по  возрастанию  (убыванию)  переменной  X,  с  которой  
предположительно  коррелированна  дисперсия ошибок.  Средняя  часть  (часто  
вторая  треть)  выборки  отбрасывается  и  строятся  отдельные  регрессии  для  
каждой  из  двух  оставшихся  подвыборок  (объемом  n1 и  n2,  соответственно).  Затем  
находится  тестовая  статистика,  равная  отношению  бОльшей  суммы  квадратов  
остатков  к  меньшей.  При  нулевой  гипотезе  о  равенстве  дисперсий  в  двух  
подвыборках  данная  тестовая  статистика  имеет  распределение:
(x)F(n1-k, n2-k),  если  сумма  квадратов  остатков  в  первой  трети  выше,  чем  в  последней  и  
F(n2-k, n1-k),  если  наоборот
( )стандартное  нормальное
( )хи-квадрат  с  числом  степеней  свободы,  равным  (n1+n2)/2
( )t  с  числом  степеней  свободы, равным  числу  отброшенных  из  рассмотрения  
наблюдений

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 18 (Вес 4%) Блок  "Инструментальные  переменные-2"


(Будьте  внимательны  при  ответе  на  этот  вопрос:  подумайте,  что  должна  
отражать истинная оценка)

В  парной  регрессии  дохода  человека  на  его  образование  (получился  


положительный  коэффициент  наклона)  пропущена  врожденная  
предприимчивость,  положительно  влияющая  на  доход.  Известно,  что,  чем  выше  
предприимчивость,  тем  ниже  уровень  образования,  выбираемый  человеком.

Тогда  оценка  полученная  в  результате  оценивания  парной  регрессии  регрессии  


дохода  на  образование  будет  по  сравнению  с  истинной:
( )не  завышена  и  не  занижена
( )невозможно  определить
( )завышена
(x)занижена

Объяснение: Истинная  оценка  должна  отражать  чистое  влияние  образования.  


Когда  берут  двух  одинаковых  в  остальном  людей,  но  одному  дает  на  1  год  более  
высокое  образование  и  смотрят,  насколько  выше  его  доход.

Парная  регрессия  скажет  "рост  образования  на  1  год  приводит  к  росту  дохода  на  
5000 рублей  в  месяц".  Однако  у  тех,  кто  получает  этот  доп.  год  образования  в  
среднем  ниже  предприимчивость,  иначе  бы  не  получали  доп.  образование  (судя  
по  условию  задачи),  поэтому  более  низкая  предприимчивость  тянет  оценку  отдачи  
от  образования  вниз.

В  результате  мы  как  бы  сравниваем  более  предприимчивого  человека  с  низким  


образованием  и  менее  предприимчивого  с  высоким  - тогда  выигрыш  менее  
предпримчивого  невысок.  В  реальности  же  если  бы  предприимчивому  человеку  
дать  еще  год  образования,  то  он  заработает  боее, чем  на  5000  рублей,  больше,  
чем  столь  же  предприимчивый  без  этого  года  образования.  Поэтому  оценка  
отдачи  от  образования  "при  прочих  равных  условиях"  была  бы  выше.

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 19 (Вес 4%) Блок  "Матстат:  проверка  гипотез"


В  результате  проведённого  t-теста,  P-value  оказалась  равной  0,04.  Это  говорит  о  
том,  что:
(x)На  уровне  значимости  больше  0,04  гипотезу  нужно  отклонить
( )На  уровне  значимости  больше  0,04  гипотеза  неверна
( )На  уровне  значимости  больше  0,04  гипотеза  верна
( )На  уровне  значимости  больше  0,04  гипотезу  можно  принять

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 20 (Вес 4%) Блок  "Инструментальные  переменные-2"


В  Stata  после  каждой  эндогенной  переменной  в  команде  ivregress  указывается  1  
или  несколько  инструментов  для  этой  переменной.  В  результате,  наборы  
регрессоров,  с  помощью  которых  в  регрессии  первого  шага  будут  объясняться  
эндогенные  переменные,  будут  различными  (хотя  бы  частично)  для  разных  
эндогенных  переменных.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 21 (Вес 4%) Блок  "Парная  регрессия:  проверка  гипотез"


Используя  143  наблюдения  Вы  оценили  простую  линейную  регрессию  и  получили  
оценку  коэффициента  наклона  0,04  со  стандартной  ошибкой  0,01.  Вам  
необходимо  проверить,  значимо  ли  отличен  от  нуля  коэффициент.  Какой  из  
перечисленных  выводов  единственно  верный?
( )коэффициент  близок  к  нулю,  а  значит,  скорее  всего,  не  отличается  от  нуля  в  
генеральной  совокупности
(x)коэффициент  наклона  статистически  значим,  так  как  находится  в  четырех  стандартных  
ошибках  от  нуля
( )коэффициент  наклона  статистически  незначим,  так  как  мало  отличается  от  
стандартной  ошибки
( )коэффициент  наклона  мал,  а  значит  и  R-квадрат  тоже  мал
( )влияние  X  на  Y  экономически  существенно, так  как  статистически  значимо

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 22 (Вес 4%) Блок  "Зачет  26.12.2012"


q - объем  спроса  на  пиво  в  литрах
p - цена  литра  пива  в  долларах
y - располагаемый  доход  на  душу  населения  в  долларах

Оценили  уравнение:

Каков  смысл  коэффициента  перед  log(pi)?


( )если  цена  возрастает  на  1%,  объем  спроса  при  неизменном  располагаемом  доходе  
снижается  на  70%
( )если  цена  возрастает  на  1%,  объем  спроса  при  неизменном  располагаемом  доходе  
снижается  на  (exp(0.7)-1)*100%
( )если  цена  возрастает  на  1%,  объем  спроса  при  неизменном  располагаемом  доходе  
снижается  на  700  литров
(x)если  цена  возрастает  на  1%,  объем  спроса  при  неизменном  располагаемом  доходе  
снижается  на  0.7%
( )если  цена  возрастает  на  1%,  объем спроса  при  неизменном  располагаемом  доходе  
снижается  на  0.007%

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 23 (Вес 4%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Если  оценка  параметра  эффективна,  то  это  означает  наименьшую  дисперсию  
_____  уравнения  регрессии.
( )коэффициента  детерминации
( )независимой  переменной
( )зависимой  переменной
(x)остатков

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 24 (Вес 4%) Блок  "Спецификация  переменных  регрессии"


Когда  существует  одна  пропущенная  переменная  во  множественной  регрессии,  
тогда:
( )следует  опустить  критическое  значение  t-статистики  с  1,96  до  1,645  для  проверки  
значимости  коэффицентов  при  включенных  переменных
(x)оценки  коэффициентов  при  включенных  переменных  смещенные,  если  хотя  бы  одна  и  
включенных  переменных  коррелирована  с  пропущенной
( )оценки  коэффициентов  при  включенных  переменных  всегда  несмещенные
( )оценки  коэффициентов  при  включенных  переменных  всегда  смещенные

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 25 (Вес 4%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


При  исследовании  зависимости  оборота  розничной  торговли  (Y,  млрд.руб.)  от  
трех  факторов:  х1 – денежные  доходы  населения,  млрд.руб.;;  х2 – численность  
безработных,  млн.чел.;;  х3 – официальный  курс  рубля  по  отношению  к  доллару  
США,  получена  следующая  модель:
Y  =  64,12  +  0,37х1 – 3,18х2 +  2,56х3.
Как  интерпретируется  коэффициент  при  факторном  признаке  х2:
( )при  увеличении  только  численности  безработных  на  1  млн.чел.  оборот  розничной  
торговли  в  среднем  будет  увеличиваться  на  3.18  млрд.руб.
( )при  увеличении  численности  безработных  на  1%  оборот  розничной  торговли  в  
среднем  будет  уменьшаться  на  3.18%
( )при  увеличении  численности  безработных  на  1  млн.чел.  оборот  розничной  торговли  в  
среднем  будет  уменьшаться  на  3.18%
(x)при  увеличении  только  численности  безработных  на  1  млн.чел.  оборот  розничной  
торговли  в  среднем  будет  уменьшаться  на  3.18  млрд.руб.

Балл: 100% Балл за тест: 100% × 4 = 4%


Вопрос 1 (Вес 2.33%) Блок  "Множ.  регрессия:  проверка  гипотез"

Количество  степеней  свободы  для  t-статистики  в  регрессии  Y  на  константу  и  4  


объясняющие  переменные  по  28  наблюдениям  равно:
( )25
( )24
( )27
(x)23
( )26

Объяснение: df=n-k,  где  n  - число  наблюдений,  а  k  - количество  регрессоров,  


включая  константу.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 2 (Вес 2.33%) Блок  "Эксперименты"


In the context of a controlled experiment, consider the simple linear regression
formulation .

Let the Yi be the outcome, Xi the treatment level when the treatment is binary, and
ui contain all the additional determinants of the outcome. Then
calling a differences estimator makes sense since it is the difference between the
sample average outcome of the
treatment group and the sample average outcome of the control group.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 3 (Вес 2.33%) Блок  "Основы  эконометрики.  Понятия.  Типы  данных."


Анализ  данных  опроса  руководителей  банков  с  целью  выявить,  как  наличие  или  
отсутствие  определенных  проблем  в  банковской  системе  страны,  влияет  на  
общую  оценку  стабильности  банковской  системы,  относится  к  
микроэконометрическому,  а  не  макроэконометрическому  исследованию.
(x)False
( )True

Объяснение: Микроэконометрика  анализирует  данные  по  фирмам,  индивидам  и  


подобного  рода  микроданным  (пространственным  или  панельным),  тогда  как  
макроэконометрика  анализирует  преимущественно  временные  ряды  и  
взаимосвязи  между  ними.
Балл: 0% Балл за тест: 0% × 2.33 = 0%

Вопрос 4 (Вес 2.33%) Блок "Shapley Value Decomposition"


Shapley Value decomposition of R2 can be used only in the case of panel data analysis.
It does not work when cross-sectional data is used.
(x)False
( )True
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 5 (Вес 2.33%) Блок  "Эксперименты"


The following is not a threat to external validity:
( )the experimental sample is not representative of the population of interest.
( )the treatment being studied is not representative of the treatment that would be implemented
more broadly.
( )experimental participants are volunteers.
(x)partial compliance with the treatment protocol.

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 6 (Вес 2.33%) Блок  "Эксперименты"


The following estimation methods should not be used to test the quality of
randomization in experiments when Xi is binary:
( )linear probability model (OLS) with heteroskedasticity-robust standard errors
( )logit
(x)linear probability model (OLS) with homoskedasticity-only standard errors
( )probit

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 7 (Вес 2.33%) Блок  "Свойства  матожидания,  дисперсии  и  ковариации"


Верна  следующая  формула  для  матожидания  произведения  двух  случайных  
величин:
( )False
(x)True

Объяснение: Это  следует  из  формулы  ковариации  X  и  


Y:
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 8 (Вес 2.33%) Блок  "Регрессионная  модель  в  матричном  виде"


Формула  оценок  коэффициентов  линейной  регрессии

справедлива  только  для  случая  парной  регрессии.


(x)False
( )True

Объяснение: Эта  матричная  формула  работает  в  случае  как  парной,  так  и  


множественной  регрессии  и  дает вектор-столбецоценок  коэффициентов  
регрессии.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%
Вопрос 9 (Вес 2.33%) Блок  "Фиктивные  переменные"
Если  Вы  хотите  в  регрессии  использовать  набор  фиктивных  переменных  для  того,  
чтобы  учесть  6  категорий  объясняющей  переменной,  то  следует  включить  6  
фиктивных  переменных,  каждая  из  которых  принимает  значение  1,  если  
наблюдение  относится  к  категории  и  0  - если  не  относится.
(x)False
( )True

Объяснение: Следует  включить  5  из  этих  фиктивных  переменных,  чтобы  была  


эталонная  категория,  относительно  которой  интепретируются  коэффициенты.  В  
противном  случае  матрица  X'X  будет  иметь  нулевой  определитель  (так  как  
столбец  с  единицами  в  матрице  X  будет  получаться  путем  сложения  столбцов  с  
фиктивными  переменными  и  будет  четкая  линейная  взаимосвязь  между  
переменными),  и  не  получится  найти  обратную  матрицу  и  рассчитать  
коэффициенты  регрессии.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 10 (Вес 2.33%) Блок  "Основы  эконометрики.  Понятия.  Типы  данных."


Анализ  эффекта  изменения  минимального  размера  оплаты  труда  на  занятость  
подростков  по  данным  48  штатов  за  период  с  1980  по  2011  гг  - это  пример  
использования:
( )классического  эксперимента
( )естественного  эсперимента
( )пространственных  (cross-sectional)  данных
(x)панельных  данных
( )временного  ряда

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 11 (Вес 2.33%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Если  оценка  является  состоятельной,  то:
(x)с  ростом  объема  выборки  оценка  будет  сходиться  к  истинной
( )в  среднем  оценки  коэффициентов  будут  равны  истинным
( )оценка  параметра  будет  максимально  близка  к  истинному  значению  как  для  малых,  так  
и  для  больших  выборок
( )оценка  является  несмещенной  и  эффективной

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 12 (Вес 2.33%) Блок  "Инструментальные  переменные-2"


В  Stata  после  каждой  эндогенной  переменной  в  команде  ivregress  указывается  1  
или  несколько  инструментов  для  этой  переменной.  В  результате,  наборы  
регрессоров,  с  помощью  которых  в  регрессии  первого  шага  будут  объясняться  
эндогенные  переменные,  будут  различными  (хотя  бы  частично)  для  разных  
эндогенных  переменных.
(x)False
( )True
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 13 (Вес 2.33%) Блок  "Линейная  вероятностная  модель.  Пробит-модель."


In probit model every time when explanatory variable X increases by 1, the probability of
Y=1 will increase by a constant number of percentage points.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 14 (Вес 2.33%) Блок  "Контрольная  работа  1"


Fixed-effects panel data regression can be estimated using Ordinary Least Squares
method.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 15 (Вес 2.33%) Блок  "Теория  вероятностей"


Если  X  и  Y  - независимые  случайные  величины,  то  Prob(Y=y|X=x)=Prob(Y=y).
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 16 (Вес 2.33%) Блок  "Свойства  оценок:  состоятельность,  несмещенность,  эффективность"


Несмещенная  оценка всегда  лучше  смещенной,  но  с  меньшей  дисперсией.
(x)False
( )True

Объяснение: Бывают  ситуации,  когда  оценка  всего  лишь  немного  смещена  


(например,  истинное  значение  b,  а  матожидание  оценки  =  b+0,0001),  но  имеет  
существенно  меньшую  дисперсию.  Тогда  шанс, что  исследователь  получит  
близкий  к  реальности  результат  используя  смещенную  оценку  с  меньшей  
дисперсии,  существенно  выше,  чем  при  использовании  несмещенной  с  большой  
дисперсией.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 17 (Вес 2.33%) Блок  "Гетероскедастичность"


Рассмотрим  следующую  регрессионную  модель:

Исследователь  хочет  провести  тест  Уайта  на  гетероскедастичность  в  данной  


модели.  Какой  будет  его  вспомогательная  регрессия  для  реализации  этого  теста?
(x)1поскольку гетероскедастичность - это неоднородность дисперсии остатков, остатки
нужно возвести в квадрат. Дисперсия остатка как раз равна пропорциональна остатку,
возведенному в квадрат (так как матожидание равно нулю, а формула дисперсии
случайной величины u: E[u-E(u)]^2
( )3сам остаток по опредению не связан с регрессорами, так как остаток - это то, что не
удалось объяснить в зависимой переменной с их помощью.
( )2данное уравнение позволяет выявить автокорреляцию, а не гетероскедастичность, так
как связывает остаток периода t с остатком в предыдущем периоде
( )4данная регрессия имеет мало смысла

Объяснение:
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 18 (Вес 2.33%) Блок  "Эксперименты"


Тестируются  2  дезодоранта.  Оценивается,  через  сколько  часов  стал  проявляться  
запах  пота  после  использования  дезодоранта.
Каждый  испытуемый  тестировал  1  дезодорант.  Число  испытуемых  в  расчете  на  
дезодорант=100  человек.
Построили  регрессию,  позволящую  сравнить  эффективность  дезодорантов  между  
собой.

Для  проверки  гипотезы  о  том,  что  все  дезодоранты  обладают  одинаковой  


эффективностью,  использовали  F  статистику,  степени  свободы  которой  df1=1,  
df2=198

Значимость  F-статистики  составила  0.08.  Чему  равен  R2 регрессии? 0.02 (с  


точностью  до  сотых)

Если  в  регрессии  дезодорант  A  был  обозначен  через  0,  а  дезодорант  B  - через  1  и  


выяснилось,  что  дезодорант  B  обечпечивает  более  длительную  защиту  от  запаха  
пота,  то  t  статистика,  проверяющая  значимость  различий  между  средней  
продолжительностью  действия  дезодоранта  B  и  дезодоранта  A  равна 1.76 (c
точностью  до  сотых)

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 19 (Вес 2.33%) Блок  "Эксперименты"


Small sample sizes in an experiment:
( )biases the estimators of the causal effect
( )do not raise threats to the validity of confidence intervals as long as heteroskedasticity robust
standard errors are used
(x)may pose a problem because the assumption that errors are normally distributed is dubious
( )may affect confidence intervals but not hypothesis tests

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 20 (Вес 2.33%) Блок  "Оценка  качества  регрессии"


Коэффициент  детерминации  R2 может  принимать  значения:
(x)от  0  до  1
( )от  –1  до  1
( )от  1  до  ∞
( )от  0  до  ∞

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 21 (Вес 2.33%) Блок  "Панельные  данные-1"


A dataset where prices and characteristics of 50 laptops are recorded in such a way
that we are able to say what the price of each laptop was in April 2012 and 6 months
later is an example of a panel dataset.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 22 (Вес 2.33%) Блок  "Спецификация  переменных  регрессии"


Если  истинная  модель
,
а  исследователь  оценил  модель

и  при  этом , то - несмещенная  оценка  коэффициента

(x)False
( )True

Объяснение: Мы  не  учли  влияние  переменной ,  коррелированной  с .  Таким  


образом, отражает  не  только  влияние :  ведь  они  взаимосвязаны  и  
"при  прочих  равных  условиях"  не  соблюдается  - ведь,  когда  изменяется ,  то  
меняется , влияние  которого  не  контролируется  в  оцениваемой  модели.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 23 (Вес 2.33%) Блок  "Оценка  качества  регрессии"


Зная  значение  F-статистики  для  оценки  общей  значимости  регрессионной  модели  
с  константой,  а  также  количество  наблюдений  и  количество  регрессоров  можно  
рассчитать  коэффициент  детерминации  модели.
( )False
(x)True
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 24 (Вес 2.33%) Блок  "Спецификация  функциональной  формы  регрессии"


Модель можно  оценить  с  помощью  обычного  МНК
(x)False
( )True

Объяснение: После  логарифмирования  получится  модель,  в  которой  перед  


переменными  нет  коэффициентов  наклона.
А  модель,  оцениваемая  МНК  выглядит  как  ...=b0+b1*...+b2*...+u
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 25 (Вес 2.33%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


МНК  оценки  являются  BLUE  (Best  Linear  Unbiased  Estimator)  даже  если  случайный  
член  имеет  распределение,  отличное  от  нормального.
( )False
(x)True

Объяснение: Нормальность  остатков  необязательна  для  того,  чтобы  МНК  оценки  


были  BLUE.  Однако  всегда  говорится,  что  это  желательное  свойство.  Почему?  
Потому  что  оно  обеспечивает  корректность  проверки  гипотез,  ведь  все  они  
основаны  на  t- и  F-распределении,  которые  получаются  из  предположения  о  том,  
что  ошибки  распределены  нормально.  Поэтому  это  действительно  желательное  
условие,  если  мы  проверяем  гипотезы  с  помощью  этих  тестов  и  нужно  
стараться,чтобы  остатки  хотя  бы  визуально  напоминали  нормальное  
распределение.  Если  это  не  так  и  Вы  проводите  серьезное  академическое  
исследование,  то  стоит  почитать  о  непараметрических  доверительных  интервалах  
(например  с  помощью  бутстрапирования  (почитайте  в  справке  о  команде  
bootstrap,  в  последней  версии  Stata  11  очень  подробное  справочное  руководство  -
лучше  любого  учебника)
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 26 (Вес 2.33%) Блок  "Парная  регрессия:  проверка  гипотез"


Гипотеза  о  том,  что  коэффициент  регрессии  равен  нулю,  может  быть  проверена  с  
помощью  t-теста.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 27 (Вес 2.33%) Блок  "Панельные  данные-2"


Regression with entity fixed effects controls for unobserved variables that differ from
one entity (i.e. object) to the next but remain constant over time.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%


Вопрос 28 (Вес 2.33%) Блок  "Множ.  регрессия:  проверка  гипотез"
F-тест  на  общую  значимость  модели  сравнивает  построенную  регрессию  с  
регрессией, в  которой  есть  только  константа.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 29 (Вес 2.33%) Блок  "Множ.  регрессия:  МНК-оцениванивание"


Последствием  того,  что  остатки  регрессии,  оцененной  по  небольшой  выборке,  
имеют  распределение,  отличное  от  нормального,  может  быть:
( )оценки  коэффициентов  будут  несмещенными,  но  несостоятельными
( )оценки  коэффициентов  будут  смещенными  и  несостоятельными
(x)тестовые  статистики,  относящиеся  к  параметрам  модели,  будут  иметь  распределение,  
отличное  от  ожидаемого
( )оценки  коэффициентов  будут  смещенными,  но  состоятельными

Объяснение: Для  того,  чтобы  МНК-оценки  были  несмещенными,  эффективными  и  


состоятельными  (  обратите  внимание: состоятельность  тоже  гарантируется),  не  
требуется  выполнения  желательного  условия  нормальности  распределения  
остатков.  В  то  же  время  это  условие  необходимо  для  того,  чтобы  можно  было  
использовать  t- и  F-тесты.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 30 (Вес 2.33%) Блок  "Распределения"

Пусть  переменные (i=1,2,...n)  имеют  распределение .  Тогда имеет  


распределение  Стьюдента  с  n-1  степенями  свободы.
( )False
(x)True

Объяснение: См.  определение  распределения  Стьюдента  (t-распределения)


Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 31 (Вес 2.33%) Блок  "Основы  регрессионного  анализа.  МНК"


В  линейной  регрессионной  модели  Yi =  β0 +  β1Xi +εi выражение β0 +
β1Xi максимально  точно  можно  охарактеризовать  как:

( )экзогенная  вариация
( )выборочная  функция  регрессии  (sample regression function)
( )правая  часть  уравнения
(x)функция  регрессии  для  генеральной  совокупности  (population  regression  function)

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%


Вопрос 32 (Вес 2.33%) Блок  "Эксперименты"
Тестируются  4  дезодоранта.  Оценивается,  через  сколько  часов  стал  проявляться  
запах  пота  после  использования  дезодоранта.
Каждый  испытуемый  тестировал  1  дезодорант.  Число  испытуемых  в  расчете  на  
дезодорант=100  человек.
Построили  регрессию,  позволящую  сравнить  эффективность  дезодорантов  между  
собой.

Для  проверки  гипотезы  о  том,  что  все  дезодоранты  обладают  одинаковой  


эффективностью,  использовали  F  статистику,  степени  свободы  которой  df1=3,  
df2=396

Значимость  F-статистики  составила  0.03.  Чему  равен  R2 регрессии? 0.02 (с  


точностью  до  сотых)

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 33 (Вес 2.33%) Блок  "Диагностика  регрессии  в  Stata"


Если  команда  выглядит  следующим  образом:
. list id moviename if
(dfits>2*sqrt(4/2016))|(cooksd>4/2016)|(abs(rstud) > 2.5)
то исследователь  хочет  вывести  переменные  id  и  moviename  для  наблюдений,  
для  которых  одновременно  выполняются  одновременно  3 условия.
(x)False
( )True

Объяснение:
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 34 (Вес 2.33%) Блок  "Основы  регрессионного  анализа.  МНК"


Если  к  классическим  педпосылкам  линейной  регрессионной  модели  добавляется  
нормальность  распределения  случайного  члена,  то  МНК-оценки  становятся  
эффективными  не  только  в  классе  линейных  несмещенных  оценок  (BLUE),  но  
вообще  лучшими  среди  любых  несмещенных  оценок  (не  только  линейных).
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 35 (Вес 2.33%) Блок  "Инструментальные  переменные"


Для  выявления  слабых  инструментов  (weak  instruments)  используется J-
статистика.
(x)False
( )True
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 36 (Вес 2.33%) Блок  "Парная  регрессия:  проверка  гипотез"


Как  обычно  формулируется  альтернативная  гипотеза  при  проверке  значимости  
коэффициента β0 регрессии?
( )H1:  β0  <  0
( )H1:  β0  =  0
(x)H1:  β0  ≠  0
( )H1:  β0  >  0

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 37 (Вес 2.33%) Блок  "Матстат:  анализ  взаимосвязей"

Для  коэффициента  корреляции  верно,  что


( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 38 (Вес 2.33%) Блок  "Матстат:  проверка  гипотез"


В  результате  проведённого  t-теста,  P-value  оказалась  равной  0,04.  Это  говорит  о  
том,  что:
( )На  уровне  значимости  больше  0,04  гипотеза  верна
( )На  уровне  значимости  больше  0,04  гипотеза  неверна
(x)На  уровне  значимости  больше  0,04  гипотезу  нужно  отклонить
( )На  уровне  значимости  больше  0,04  гипотезу  можно  принять

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 39 (Вес 2.33%) Блок  "Выборка"


Для  случайной  выборки  верно  то,  что  все  наблюдения  из  генеральной  
совокупности  имеют  равную  вероятность  попадания  в  нее.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 40 (Вес 2.33%) Блок  "Гетероскедастичность"


Если  ошибка  регрессии  гетероскедастична, МНК-оценки  коэффициентов  являются  
состоятельными.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%


Вопрос 41 (Вес 2.33%) Блок  "Мультиколлинеарность"
Каковы  свойства  МНК-оценок  коэффициентов  в  условиях  неполной  
мультиколлинеарности?

( )состоятельные  и  несмещенные,  но  неэффективные


( )несостоятельные
( )состоятельные,  но  смещенные
(x)состоятельные,  несмещенные  и  эффективные

Объяснение: Хотя  в  случае  мультиколлинеарности  увеличиваются  стандартные  


ошибки  (из-за  того,  что  невозможно  четко  разделить,  какая  из  нескольких  
взвимосвязанных  переменных  сильнее  влияет  на  результат),  это  не  значит,  что  
МНК-оценки  перестают  быть  лучшими  (эффективными),  несмещенными  и  
состоятельными.  Они  по-прежнему,  BLUE,  так  как  не  нарушаются  условия  Гаусса-
Маркова  (классические  условия  линейной  регрессионной  модели).Если  же  
наблюдается  полная  мультиколлинеарность  (линейная  зависимость  между  
какими-то  регрессорами),  то  рассчитать  МНК-оценки  просто  невозможно.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 42 (Вес 2.33%) Блок  "Матстат:  проверка  гипотез"


Если  нужно  проверить  гипотезу  на  10%  уровне  значимости,  и  p-value  теста  
превышает  0,1,  то  есть  основания  отклонить  нулевую  гипотезу.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.33 = 2.326%

Вопрос 43 (Вес 2.33%) Блок  "Мультиколлинеарность"


Если  объясняющие  переменные  коррелированы  (хотя  и  не  полностью),  то  МНК-
оценки  смещенные.
(x)False
( )True

Объяснение: Корреляция  между  объясняющими  переменными  не  является  одним  


из  условий  Гаусса-Маркова.
Балл: 100% Балл за тест: 100% × 2.33 = 2.326%
Вопрос 1 (Вес 2.86%) Блок  "Эксперименты"

Small sample sizes in an experiment:


( )may affect confidence intervals but not hypothesis tests
(x)may pose a problem because the assumption that errors are normally distributed is dubious
( )biases the estimators of the causal effect
( )do not raise threats to the validity of confidence intervals as long as heteroskedasticity robust
standard errors are used

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 2 (Вес 2.86%) Блок  "Эксперименты"


Quasi-experiments:
( )most often use difference-in-difference estimators, which are quite different from OLS and
instrumental variables methods studied in earlier topics
( )can give better estimates of treatment effects than traditional controlled experiments
( )are not the same as experiments, and lessons learned from the use of the latter can therefore
not be applied to them
(x)provide a bridge between the econometric analysis of observational data sets and the
statistical ideal of a true randomized controlled experiment

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 3 (Вес 2.86%) Блок  "Инструментальные  переменные"


The IV estimator can be used to potentially eliminate bias resulting from:
( )multicollinearity
( )heteroskedasticity
( )serial correlation
(x)errors in variables

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 4 (Вес 2.86%) Блок  "Инструментальные  переменные"


В  какой  или  каких  из  этих  парных  регрессий  можно  ожидать  проблему  
эндогенности  регрессора,  для  решения  которой иногда  используется  метод  
инструментальных  переменных?
[ ]регрессия  оценки  по  эконометрики  от  номера  студенческого  билета
[ ]регрессия  зарплаты  от  дня  недели,  в  который  родился  человек
[ ]регрессия  зарплаты  человека  от  его  знака  зодиака
[x]регрессия  продолжительности  жизни  от  того,  служил  человек  в  армии  или  нет
[x]регрессия  зарплаты  человека  от  того,  повышал  он  квалификацию  хотя  бы  раз  за  
последние  5  лет  или  нет
[x]регрессия  итоговой  оценки  по  эконометрике  от  %  посещенных  занятий

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 5 (Вес 2.86%) Блок  "Эксперименты"


The following estimation methods should not be used to test the quality of
randomization in experiments when Xi is binary:
( )linear probability model (OLS) with heteroskedasticity-robust standard errors
( )probit
(x)linear probability model (OLS) with homoskedasticity-only standard errors
( )logit

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 6 (Вес 22.86%) Блок  "Эксперименты"


In a randomized controlled experiment of the effect of an SAT preparatory course on
SAT scores, the following results are reported:
Treatment group Control Group
Average SAT score 1241 1201
Standard deviation of SAT score 93.2 97.1
Number of men 55 45
Number of women 45 55

Researchers ran a regression (with ordinary standard errors) in order to measure the
average treatment effect on test scores.
The point estimate of the treatment effect is 40 points (round to integer)
Is there statistically significant evidence of nonrandom assignment of men and women
to control and treatment groups? - (+/-)

Балл: 100% Балл за тест: 100% × 22.86 = 22.857%

Вопрос 7 (Вес 2.86%) Блок  "Инструментальные  переменные"


Инструментальная  переменная  должна________  с  заменяемой  ею  объясняющей  
переменной  и  __________  со  случайным  отклонением.
( )не  коррелировать;;  не  коррелировать
( )не  коррелировать;;  сильно  коррелировать
( )сильно  коррелировать;;  сильно  коррелировать
(x)сильно  коррелировать;;  не  коррелировать

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 8 (Вес 5.71%) Блок  "Инструментальные  переменные"


In an instrumental variable regression model with one regressor, X and one instrument,
Z, the regression of X onto Z has R2=0.05 and n=100.

1. Is Z a strong instrument? - (+/-)

2. If R2=0.05 and n=500 is Z a strong instrument? + (+/-)

3. If R2=0.1 and n=100 is Z a strong instrument? + (+/-)


4. If R2=0.03 and n=1000 is Z a strong instrument? + (+/-)

Балл: 100% Балл за тест: 100% × 5.71 = 5.714%

Вопрос 9 (Вес 2.86%) Блок  "Эксперименты"


The following is not a threat to external validity:
( )the treatment being studied is not representative of the treatment that would be implemented
more broadly.
( )experimental participants are volunteers.
( )the experimental sample is not representative of the population of interest.
(x)partial compliance with the treatment protocol.

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 10 (Вес 2.86%) Блок  "Инструментальные  переменные"


Для  выявления  слабых  инструментов  (weak  instruments)  используется  J-
статистика.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 11 (Вес 2.86%) Блок  "Эксперименты"


In the context of a controlled experiment, consider the simple linear regression
formulation .

Let the Yi be the outcome, Xi the treatment level when the treatment is binary, and
ui contain all the additional determinants of the outcome. Then
calling a differences estimator makes sense since it is the difference between the
sample average outcome of the
treatment group and the sample average outcome of the control group.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 12 (Вес 2.86%) Блок  "Инструментальные  переменные"


Let W be the included exogenous variables in a regression function that also has
endogenous regressors (X). The W variables are not correlated with the error term and
can be included in the first stage regression when using TSLS estimation method.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%


Вопрос 13 (Вес 28.57%) Блок  "Эксперименты"
Marianne Bertrand and Sendhil Mullainathan carried out a randomized controlled
experiment  to  answer  the  question:  “Is  an  employer  more  likely  to  call  back  the  white
applicant to arrange an interview, if a black candidate has the same resume except for
the black-sounding  name  on  it?”  Because  race  is  typically  nt  included  on  a  resume,  they  
differentiated  resumes  on  the  basis  of  “white-counding  names”  (such  as  Emily Wash or
Gregory  Baker)  and  “African  American-sounding  names”  (such  as  Lakisha  Washington  
or Jamal Jones). A large collection of fictitious resumes was created, and the
presupposed  “race”  (based  on  the  “sound”  of  the  name)  was  randomly  assigned  to  each  
resume. These resumes were sent to prospective employers to see which resumes
generated  a  phone  call  (a  “call  back”)  from  the  prospective  employer.  Data from the
experiment is contained inNames.dta. The description can be found
in Names_Description.pdf

1. This experiment is an example of quasi-experiment - (+/-)

In each of the regressions that you'll use to answer the questions below use robust
standard errors and do not include any control variables unless they are mentioned in
the question.

2. Define the "call-back rate" as the fraction of resumes that generate a phone call from
the perspective employer. What was the call-back rate for whites? 0.097 (from 0 to 1,
round to the 3rd digit after the decimal point)

For African Americans? 0.064 (from 0 to 1, round to the 3rd digit after the decimal
point)

3. Construct a 95% interval for the difference in the call-back rates between whites and
blacks
from 0.017 to 0.047 (from 0 to 1, round to the 3rd digit after the decimal point)

4. Is the black/white call-back rate differential different for men than for women? (at 5%
significance level)
- (+/-)

5. What is the high quality/low quality of resume (see variable "high" in the
dataset) difference in call back rate for white applicants? 0.023 (from 0 to 1, round to
the 3rd digit after the decimal point)

For African American applicants? 0.006 (from 0 to 1, round to the 3rd digit after the
decimal point)

Is there a significant difference in this high quality/low quality difference in call back rate
for whites versus African Americans? (at 5% significance level) + (+/-)
Балл: 77.78% Балл за тест: 77.78% × 28.57 = 22.223%

Вопрос 14 (Вес 2.86%) Блок  "Инструментальные  переменные-2"


В  Stata  после  каждой  эндогенной  переменной  в  команде  ivregress  указывается  1  
или  несколько  инструментов  для  этой  переменной.  В  результате,  наборы  
регрессоров,  с  помощью  которых  в  регрессии  первого  шага  будут  объясняться  
эндогенные  переменные,  будут  различными  (хотя  бы  частично)  для  разных  
эндогенных  переменных.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 15 (Вес 2.86%) Блок  "Инструментальные  переменные"


Instrumental Variables regression uses instruments to
( )eliminate multicollinearity
( )increase the regression R-squared
( )eliminate serial correlation
(x)isolate movements in X that are uncorrelated with u

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%

Вопрос 16 (Вес 5.71%) Блок  "Эксперименты"


Тестируются  4  дезодоранта.  Оценивается,  через  сколько  часов  стал  проявляться  
запах  пота  после  использования  дезодоранта.
Каждый  испытуемый  тестировал  1  дезодорант.  Число  испытуемых  в  расчете  на  
дезодорант=100  человек.
Построили  регрессию,  позволящую  сравнить  эффективность  дезодорантов  между  
собой.

Для  проверки  гипотезы  о  том,  что  все  дезодоранты  обладают  одинаковой  


эффективностью,  использовали  F  статистику,  степени  свободы  которой  df1=3,  
df2=396

Значимость  F-статистики  составила  0.03.  Чему  равен  R2 регрессии? 0.02 (с  


точностью  до  сотых)

Балл: 100% Балл за тест: 100% × 5.71 = 5.714%

Вопрос 17 (Вес 2.86%) Блок  "Инструментальные  переменные"


Weak instruments are a problem because:
( )you cannot predict the endogenous variables any longer in the first stage
( )the TSLS estimator cannot be computed
( )they result in the instruments not being exogenous
(x)the TSLS estimator may not be normally distributed, even in large samples

Балл: 100% Балл за тест: 100% × 2.86 = 2.857%


Вопрос 1 (Вес 21.43%) Блок  "Временные  ряды"

CPI (consumer price index) was 125 in December 2011 and 135 in December 2012.
What is the annual rate of inflation? 8.00% (round to 2 decimals)
What is the average monthly rate of inflation in 2012? 0.64% (round to 2 decimals)
What is the average semi-annual rate of inflation in 2012? 3.92% (round to 2 decimals)

Балл: 100% Балл за тест: 100% × 21.43 = 21.429%

Вопрос 2 (Вес 7.14%) Блок  "Временные  ряды"


Коэффициенты  автокорреляции  всегда  находятся  в  пределах  от -1 до 1.

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 3 (Вес 7.14%) Блок  "Временные  ряды"


Коэффициент  автокорреляции  первого  порядка  для  временного  ряда,  который  
выглядит  как  идеально  прямая  линия  с  положительным  наклоном,  
равен 1.00 (округлите  до  сотых).

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 4 (Вес 7.14%) Блок  "Временные  ряды"


С  помощью  авторегрессионной модели,  в  которую  включены  лаги  с  третьего  по  
шестой  можно  делать  прогноз  (основанный  только  на  уже  известных  на  момент  
прогноза  значениях  регрессоров)  на 3 периода  (-ов)  вперед.

Например,  если  в  периоде  t-1  можно  сделать  прогноз  на  период  t,  то  речь  идет  о  
прогнозе  на  1  шаг  (период).

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 5 (Вес 7.14%) Блок  "Временные  ряды"


The index number for the price of gasoline in 2002 was 142 and in 2003, it was 148.5.
The base year is 2004. What is the percent increase in price of gasoline from 2002 to
2003?
4.58% (round to 2 digits after the decimal point)

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 6 (Вес 7.14%) Блок  "Временные  ряды"


Если  на  графике  временного  ряда  переменная,  за  которой  ведется  наблюдение  от  
периода  к  периоду  постоянно  меняет  направление  изменения,  то,  скорее  всего,  
наблюдается  отрицательная  автокорреляция.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 7 (Вес 7.14%) Блок  "Временные  ряды"


Наблюдается  помесячная  сезонность  в  динамике  продаж- каждый  месяц  в  году  
имеет  свои  сезонные  особенности  - в  январе  по  сравнению  с  декабрем  всегда  
спад,  в  феврале  по  сравнению  с  январем  - рост  и  т.п.  Для  того,  чтобы  учесть  
такую  сезонность  в  авторегрессионной  модели  потребуется  включить  какой  по  
счету  лаг  объема  продаж? 12

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 8 (Вес 7.14%) Блок  "Временные  ряды"


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? 3

Объяснение:

Для  учета  4-х  кварталов  нужно  3  фиктивные  переменные.  Один  из  кварталов  
становится  эталонной  категорией,  что  дает  возможность  интерпретировать  
коэффициенты  при  остальных  фиктивных  переменных,  как  превышение  
показателя  в  соответствующем  квартале  по  сравнению  с  эталонным.
Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 9 (Вес 7.14%) Блок  "Временные  ряды"


Лаговая  переменная  - это:
( )переменная,  используемая  в  регрессии  вместо  трудноизмеримой,  но  важной  
переменной
(x)значение  переменной  в  предшествующий  момент  времени,  используемое  как  
объясняющая  или  зависимая  переменная
( )нет  верного  ответа
( )переменная,  принимающая  в  каждом  наблюдении  только  два  значения:  1  – «да»,  0-
«нет»
( )необходимая  по  экономическим  причинам,  но  отсутствующая  в  модели

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 10 (Вес 7.14%) Блок  "Временные  ряды"


Какая  из  ниже  перечисленных  моделей  относится  к  классу  авторерессионных?

(x)2
( )3
( )4
( )1

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 11 (Вес 7.14%) Блок  "Временные  ряды"


Что  такое  коррелограмма?
( )Графическое  представление  автокорреляции  первого  порядка
( )Графическое  представление  корреляции  остатков  модели
( )Графическое  представление  корреляционной  матрицы
(x)Графическое  представление  корреляционной  функции

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%

Вопрос 12 (Вес 7.14%) Блок  "Временные  ряды"


Коэффициент  автокорреляции  первого  порядка  для  временного  ряда,  который  
выглядит  как  идеально  прямая  линия  с  отрицательным  наклоном,  
равен 1.00 (округлите  до  сотых).

Балл: 100% Балл за тест: 100% × 7.14 = 7.143%


Вопрос 1 (Вес 18.18%) Блок  "Временные  ряды"

A researcher wants to compare all models from ADL(1,0) to ADL(10,5).


What is the number of models that will be included in comparison?
60

If she wants to make all pairwise (попарные) comparisons, how many pairs of models
will she need to compare (to compare Model 1 with model 2 is the same as to compare
Model 2 and Model 1, so this is a single pair of models).
1770

Балл: 100% Балл за тест: 100% × 18.18 = 18.182%

Вопрос 2 (Вес 4.55%) Блок  "Временные  ряды"


Коэффициент  автокорреляции  первого  порядка  для  временного  ряда,  который  
выглядит  как  идеально  прямая  линия  с  положительным  наклоном,  
равен 1.00 (округлите  до  сотых).

Балл: 100% Балл за тест: 100% × 4.55 = 4.545%

Вопрос 3 (Вес 2.27%) Блок  "Инструментальные  переменные"


Инструментальная  переменная  должна________  с  заменяемой  ею  объясняющей  
переменной  и  __________  со  случайным  отклонением.
( )не  коррелировать;;  сильно  коррелировать
( )сильно  коррелировать;;  сильно  коррелировать
( )не  коррелировать;;  не  коррелировать
(x)сильно  коррелировать;;  не  коррелировать

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 4 (Вес 2.27%) Блок  "Инструментальные  переменные"


The IV estimator can be used to potentially eliminate bias resulting from:
( )multicollinearity
( )heteroskedasticity
(x)errors in variables
( )serial correlation

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 5 (Вес 22.73%) Блок  "Временные  ряды"


Основываясь  на  наборе  данных data_mape_ape.xlsx, заполните  таблицы  
(округление  до  целых!):
Показатели  точности  на обучающей выборке
MAE MAPE (%) MaxAE MaxAPE (%)
49 18 100 63
Показатели  точности  на тестовой выборке
MAE MAPE (%) MaxAE MaxAPE (%)
62 11 100 17

Балл: 100% Балл за тест: 100% × 22.73 = 22.727%

Вопрос 6 (Вес 2.27%) Блок  "Инструментальные  переменные"


Instrumental Variables regression uses instruments to
( )eliminate multicollinearity
( )increase the regression R-squared
(x)isolate movements in X that are uncorrelated with u
( )eliminate serial correlation

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 7 (Вес 2.27%) Блок  "Инструментальные  переменные"


The TSLS estimator is
(x)consistent and has a normal distribution in large samples
( )F-distributed
( )unbiased, but inconsistent
( )efficient in small samples

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 8 (Вес 2.27%) Блок  "Инструментальные  переменные-2"


When conducting Hausman test in Stata (using 5% significance level) the syntax is

hausman est1 est2, where:


(please remember that the order of estimates is important for Hausman test procedure)
[x]est2 is consistent and efficient if the test's p-value>0.05
[ ]est1 is inconsistent independent of the test's p-value
[x]est1 is consistent independent of the test's p-value
[x]est2 is inconsistent if the test's p-value<0.05
[ ]est2 is consistent independent of the test's p-value
[ ]est2 is inconsistent independent of the test's p-value

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 9 (Вес 2.27%) Блок  "Инструментальные  переменные-2"


A researcher has conducted a test of overidentifying restrictions.
In which of these cases he would consider the instruments to be endogeneous (at 5%
level).
[ ]p-value=0.96
[x]p-value=0.005
[ ]p-value=0.43
[x]p-value=0.03
[x]p-value=0.01
[ ]p-value=0.12
[x]p-value=0.049
[ ]p-value=0.07

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 10 (Вес 2.27%) Блок  "Инструментальные  переменные"


Let W be the included exogenous variables in a regression function that also has
endogenous regressors (X). The W variables are not correlated with the error term and
can be included in the first stage regression when using TSLS estimation method.
(x)False
( )True

Балл: 0% Балл за тест: 0% × 2.27 = 0%

Вопрос 11 (Вес 2.27%) Блок  "Временные  ряды"


С  помощью  авторегрессионной  модели,  в  которую включены  лаги  с  третьего  по  
шестой  можно  делать  прогноз  (основанный  только  на  уже  известных  на  момент  
прогноза  значениях  регрессоров)  на 3 периода  (-ов)  вперед.

Например,  если  в  периоде  t-1  можно  сделать  прогноз  на  период  t,  то  речь  идет  о  
прогнозе  на  1  шаг  (период).

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 12 (Вес 2.27%) Блок  "Инструментальные  переменные"


Для  выявления  слабых  инструментов  (weak  instruments)  используется  J-
статистика.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 13 (Вес 2.27%) Блок  "Инструментальные  переменные"


The rule-of-thumb for checking for weak instruments is as follows: for the case of a
single endogenous regressor,
( )a first stage F > 1.96 indicates that the instruments are weak.
( )a first stage F must be statistically significant to indicate a strong instrument.
( )the t-statistic on each of the instruments must exceed at least 1.64.
(x)a first stage F < 10 indicates that the instruments are weak.
Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 14 (Вес 2.27%) Блок  "Временные  ряды"


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? 3

Объяснение:

Для  учета  4-х  кварталов  нужно  3  фиктивные  переменные.  Один  из  кварталов  
становится  эталонной  категорией,  что  дает  возможность  интерпретировать  
коэффициенты  при  остальных  фиктивных  переменных,  как  превышение  
показателя  в  соответствующем  квартале  по  сравнению  с  эталонным.
Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 15 (Вес 2.27%) Блок  "Инструментальные  переменные"


Weak instruments are a problem because:
(x)the TSLS estimator may not be normally distributed, even in large samples
( )they result in the instruments not being exogenous
( )the TSLS estimator cannot be computed
( )you cannot predict the endogenous variables any longer in the first stage

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 16 (Вес 2.27%) Блок  "Инструментальные  переменные"


The distinction between endogenous and exogenous variables is:
(x)whether or not the variables are correlated with the error term.
( )dependent on the sample size: for n > 100, endogenous variables become exogenous
( )that exogenous variables are determined inside the model and endogenous variables are
determined outside the model.
( )depends on the distribution of the variables: when they are normally distributed, they are
exogenous, otherwise they are endogenous

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 17 (Вес 2.27%) Блок  "Инструментальные  переменные-2"


(Будьте  внимательны  при  ответе  на  этот  вопрос:  подумайте,  что  должна  
отражать истинная оценка)

В  парной  регрессии  дохода  человека  на  его  образование  (получился  


положительный  коэффициент  наклона)  пропущена  врожденная  
предприимчивость,  положительно  влияющая  на  доход.  Известно,  что,  чем  выше  
предприимчивость,  тем  ниже  уровень  образования,  выбираемый  человеком.
Тогда  оценка  полученная  в  результате  оценивания  парной  регрессии  регрессии  
дохода  на  образование  будет  по  сравнению  с  истинной:
( )занижена
( )невозможно  определить
(x)завышена
( )не  завышена  и  не  занижена

Объяснение: Истинная  оценка  должна  отражать  чистое  влияние  образования.  


Когда  берут  двух  одинаковых  в  остальном  людей,  но  одному  дает  на  1  год  более  
высокое  образование  и  смотрят,  насколько  выше  его  доход.

Парная  регрессия  скажет  "рост  образования  на  1  год  приводит  к  росту  дохода  на  
5000  рублей  в  месяц".  Однако  у  тех,  кто  получает  этот  доп.  год  образования  в  
среднем  ниже  предприимчивость,  иначе  бы  не  получали  доп.  образование  (судя  
по  условию  задачи),  поэтому  более  низкая  предприимчивость  тянет  оценку  отдачи  
от  образования  вниз.

В  результате  мы  как  бы  сравниваем  более  предприимчивого  человека  с  низким  


образованием  и  менее  предприимчивого  с  высоким  - тогда  выигрыш  менее  
предпримчивого  невысок.  В  реальности  же  если  бы  предприимчивому  человеку  
дать  еще  год  образования,  то  он  заработает  боее,  чем  на  5000  рублей,  больше,  
чем  столь  же  предприимчивый  без  этого  года  образования.  Поэтому  оценка  
отдачи  от  образования  "при  прочих  равных  условиях"  была  бы  выше.

Балл: 0% Балл за тест: 0% × 2.27 = 0%

Вопрос 18 (Вес 4.55%) Блок  "Временные  ряды"


При  каком  минимальном  количестве  периодов  наблюдения  за  временным  рядом  
(T)  критерий  Шварца  выше  критерия  Акайке  при  прочих  равных  
условиях? 8 (целое  число)

Балл: 100% Балл за тест: 100% × 4.55 = 4.545%

Вопрос 19 (Вес 4.55%) Блок  "Временные  ряды"


The index number for the price of gasoline in 2002 was 142 and in 2003, it was 148.5.
The base year is 2004. What is the percent increase in price of gasoline from 2002 to
2003?
4.58% (round to 2 digits after the decimal point)

Балл: 100% Балл за тест: 100% × 4.55 = 4.545%

Вопрос 20 (Вес 2.27%) Блок  "Временные  ряды"


Какая  из  ниже  перечисленных  моделей  относится  к  классу  авторерессионных?
( )4
(x)2
( )3
( )1

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 21 (Вес 2.27%) Блок  "Временные  ряды"


Если  на  графике  временного  ряда  переменная,  за  которой  ведется  наблюдение  от  
периода  к  периоду  постоянно  меняет  направление  изменения,  то,  скорее  всего,  
наблюдается  отрицательная  автокорреляция.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 22 (Вес 2.27%) Блок  "Инструментальные  переменные-2"


В  Stata  после  каждой  эндогенной  переменной  в  команде  ivregress  указывается  1  
или  несколько  инструментов  для  этой  переменной.  В  результате,  наборы  
регрессоров,  с  помощью  которых  в  регрессии  первого  шага  будут  объясняться  
эндогенные  переменные,  будут  различными  (хотя  бы  частично)  для  разных  
эндогенных  переменных.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%

Вопрос 23 (Вес 4.55%) Блок  "Временные  ряды"


Если  2  модели  построены  на  одной  и  той  же  выборке  и  используют  один  и  тот  же  
набор  регрессоров,  но  при  этом  Модель  1  имеет  более  высокое  значение  RSS  
(Residual  Sum  of  Squares),  то  информационные  критерии  Акайке  и  Шварца:
(x)выше  для  модели  1
( )выше  для  модели  2
( )невозможно  определить
( )одинаковы  для  моделей  1  и  2

Балл: 100% Балл за тест: 100% × 4.55 = 4.545%

Вопрос 24 (Вес 2.27%) Блок  "Инструментальные  переменные"


В  какой  или  каких  из  этих  парных  регрессий  можно  ожидать  проблему  
эндогенности  регрессора,  для  решения  которой  иногда  используется  метод  
инструментальных  переменных?
[ ]регрессия  оценки  по  эконометрики  от  номера  студенческого  билета
[ ]регрессия  зарплаты  человека  от  его  знака  зодиака
[x]регрессия  зарплаты  человека  от  того,  повышал  он  квалификацию  хотя  бы  раз  за  
последние  5  лет  или  нет
[x]регрессия  продолжительности  жизни  от  того,  служил  человек  в  армии  или  нет
[ ]регрессия  зарплаты  от  дня  недели,  в  который  родился  человек
[x]регрессия  итоговой  оценки  по  эконометрике  от  %  посещенных  занятий

Балл: 100% Балл за тест: 100% × 2.27 = 2.273%


Вопрос 1 (Вес 5%) Блок  "Эксперименты"

Small sample sizes in an experiment:


( )biases the estimators of the causal effect
(x)may pose a problem because the assumption that errors are normally distributed is dubious
( )do not raise threats to the validity of confidence intervals as long as heteroskedasticity robust
standard errors are used
( )may affect confidence intervals but not hypothesis tests

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 2 (Вес 5%) Блок  "Автокорреляция  остатков"


Исследователь  проводит  тест  Breusch-Godfrey  на  автокорреляцию  (LM-тест),  
используя  p=3  лага  остатков  во  вспомогательной  регрессии.  Исходная  регрессия  
содержит  5  регрессоров  включая  константу,  и  была  оценена  на  T=105  
наблюдениях.  Каково  5%-ное  критическое  значение  LM-статистики  (она  
рассчитывается  как )?
( )1,99
(x)7,81
( )8,56
( )2,70

Объяснение: Статистика  имеет  распределение , поэтому  нужно  найти  в  


таблице  значение
Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 3 (Вес 5%) Блок  "Временные  ряды"


The Granger Causality Test
( )is a special case of the Augmented Dickey-Fuller test.
( )is a rather complicated test for statistical independence.
( )establishes the direction of real causality between X and Y in addition to correlation.
(x)uses the F-statistic to test the hypothesis that certain regressors have no predictive content for
the dependent variable beyond that contained in the other regressors.

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 4 (Вес 5%) Блок  "Эксперименты"


In the context of a controlled experiment, consider the simple linear regression
formulation .

Let the Yi be the outcome, Xi the treatment level when the treatment is binary, and
ui contain all the additional determinants of the outcome. Then
calling a differences estimator makes sense since it is the difference between the
sample average outcome of the
treatment group and the sample average outcome of the control group.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 5 (Вес 5%) Блок  "Автокорреляция  остатков"


Если  остатки  регрессии,  построенной  по  большой  выборке,  отрицательно  
автокоррелированы,  то  значение  статистики  Дарбина-Уотсона  будет:
( )близко  к  2это будет говорить об отсутствии автокорреляции
( )близко  к  1это будет говорить скорее о некоторой положительной автокорреляции
(x)близко  к  4
( )близко  к  0это будет говорить о положительной автокорреляции

Объяснение:
Следовательно,  если  автокорреляция  первого  порядка  отрицательна  (
)
Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 6 (Вес 5%) Блок  "Временные  ряды"


The Akaike Information Criterion (AIC) is given by the following formula

( )AIC(p)=ln[RSS(p)/T]+(p+2)/T
( )AIC(p)=[RSS/T]*(p+1)*(2/T)
(x)AIC(p)=ln[RSS(p)/T]+(p+1)*2/T
( )AIC(p)=ln[RSS(p)/T]+(p+1)*ln(T)/T

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 7 (Вес 5%) Блок  "Эксперименты"


The following is not a threat to external validity:
( )experimental participants are volunteers.
( )the experimental sample is not representative of the population of interest.
( )the treatment being studied is not representative of the treatment that would be implemented
more broadly.
(x)partial compliance with the treatment protocol.

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 8 (Вес 5%) Блок  "Эксперименты"


Если   в   эксперименте,   выясняющем   влияние   размера   школьного   класса   на  
успеваемость,   родители   будут   настаивать   на   переводе   школьников   из   большого  
класса  в  маленький  класс,  оценка  эффекта  от  снижения  числу  учеников  в   классе  
будет  завышена  по  сравнению  с  истинным  эффектом.
( )False
(x)True
Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 9 (Вес 5%) Блок  "Автокорреляция  остатков"

Наличие  автокорреляции  ошибок  можно  записать  и  как ,  и  

как .
( )False
(x)True

Объяснение: Когда  ковариация  равна  0,  то  и  корреляция  равна  0,  и  наоборот.  Когда  
корреляция  не  равна  0,  то  и  ковариация  не  равна  нулю,  и  наоборот.  Знак  
корреляции  и  ковариации  всегда  одинаков  - просто  корреляция  - это  ковариация,  
деленная  на  произведение  стандартных  отклонений  переменных,  между  
которыми  исследуется  взаимосвязь.
Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 10 (Вес 5%) Блок  "Автокорреляция  остатков"


Статистика  Дарбина-Уотсона  DW  =  4.  Тогда:
( )имеется  положительная  автокорреляция  остатков
( )определенного  вывода  о  корреляции  остатков  сделать  нельзя
( )автокорреляция  остатков  отсутствует
(x)имеется  отрицательная  автокорреляция  остатков

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 11 (Вес 5%) Блок  "Временные  ряды"


If you need to correct both autocorrelation and heteroscedasticity, you should use ....
standard errors
( )ordinary
( )White
( )none of these
(x)Newey-West

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 12 (Вес 5%) Блок  "Эксперименты"


Quasi-experiments:
( )are not the same as experiments, and lessons learned from the use of the latter can therefore
not be applied to them
( )most often use difference-in-difference estimators, which are quite different from OLS and
instrumental variables methods studied in earlier topics
( )can give better estimates of treatment effects than traditional controlled experiments
(x)provide a bridge between the econometric analysis of observational data sets and the
statistical ideal of a true randomized controlled experiment

Балл: 100% Балл за тест: 100% × 5 = 5%


Вопрос 13 (Вес 5%) Блок  "Временные  ряды"
You should use the Quandt-Andrews test for breaks in the regression coefficients, when
( )the Chow F-test has a p value of between 0.05 and 0.10
( )the suspected break date is known
(x)the suspected break date is not known
( )there are breaks in only some, but not all, of the regression coefficients

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 14 (Вес 5%) Блок  "Временные  ряды"


Quandt-Andrews test p-value is equal to 0.04 for some breakpoint. This means (at 5%
significance level):
( )None of these
( )There is no structural break
(x)There is likely to be a structural break, so you should allow the intercept and all slopes to
vary between 2 periods (before and after the break)
( )There is likely to be a structural break, so you should allow the intercept to vary between 2
periods (before and after the break)

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 15 (Вес 5%) Блок  "Эксперименты"


The following estimation methods should not be used to test the quality of
randomization in experiments when Xi is binary:
( )logit
( )probit
( )linear probability model (OLS) with heteroskedasticity-robust standard errors
(x)linear probability model (OLS) with homoskedasticity-only standard errors

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 16 (Вес 5%) Блок  "Временные  ряды"


A researcher wants to compare all models from ADL(1,0) to ADL(10,5).
What is the number of models that will be included in comparison?
60

If she wants to make all pairwise (попарные) comparisons, how many pairs of models
will she need to compare (to compare Model 1 with model 2 is the same as to compare
Model 2 and Model 1, so this is a single pair of models).
1770

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 17 (Вес 5%) Блок  "Временные  ряды"


Distributed Lags Model can be used for inferring causality only if both Y and X are
stationary time series.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 18 (Вес 5%) Блок  "Автокорреляция  остатков"


Если  остатки  регрессии,  построенной  по  большой  выборке,  положительно  
автокоррелированы,  то  значение  статистики  Дарбина-Уотсона  будет:
(x)близко  к  0
( )близко  к  4
( )близко  к  1
( )близко  к  2

Объяснение:
Следовательно,  если  автокорреляция  первого  порядка  положительна  (
)
Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 19 (Вес 5%) Блок  "Временные  ряды"


The Bayes-Schwarz Information Criterion (BIC) is given by the following formula:

( )BIC(p)=ln[RSS(p)/T]*(p+1)*ln(T)/T
( )BIC(p)=ln[RSS(p)/T]+(p+1)*2/T
(x)BIC(p)=ln[RSS(p)/T]+(p+1)*lnT/T
( )BIC(p)=ln[RSS(p)/T]-(p+1)*ln(T)/T

Балл: 100% Балл за тест: 100% × 5 = 5%

Вопрос 20 (Вес 5%) Блок  "Автокорреляция  остатков"


Как  статистика  Дарбина-Уотсона  DW  связана  с  коэффициентом  
корреляции
( )DW  и  r  не  связаны  друг  с  другом
( )DW≈|r|
(x)DW≈2-2r
( )DW≈r

Балл: 100% Балл за тест: 100% × 5 = 5%


Вопрос 1 (Вес 2.5%) Блок  "Инструментальные  переменные"

В  какой  или  каких  из  этих  парных  регрессий  можно  ожидать  проблему  
эндогенности  регрессора,  для  решения  которой  иногда  используется  метод  
инструментальных  переменных?
[ ]регрессия  зарплаты  человека  от  его  знака  зодиака
[x]регрессия  итоговой  оценки  по  эконометрике  от  %  посещенных  занятий
[ ]регрессия  оценки  по  эконометрики  от  номера  студенческого  билета
[ ]регрессия  зарплаты  от  дня  недели,  в  который  родился  человек
[x]регрессия  продолжительности  жизни от  того,  служил  человек  в  армии  или  нет
[x]регрессия  зарплаты  человека  от  того,  повышал  он  квалификацию  хотя  бы  раз  за  
последние  5  лет  или  нет

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 12.5%) Блок  "Контрольная  работа  №2."


In an IV-regression model with one regressor, X and one instrument, Z, the regression
of X onto Z has R2=0.25 and n=100.

1. Is Z a strong instrument? + (+/-)

2. If R2=0.15 and n=500 is Z a strong instrument? + (+/-)

3. If R2=0.12 and n=700 is Z a strong instrument? + (+/-)

4. If R2=0.02 and n=1000 is Z a strong instrument? + (+/-)

5. If R2=0.06 and n=100 is Z a strong instrument? - (+/-)

Балл: 100% Балл за тест: 100% × 12.5 = 12.5%

Вопрос 3 (Вес 2.5%) Блок  "Инструментальные  переменные"


The TSLS estimator is
( )F-distributed
(x)consistent and has a normal distribution in large samples
( )efficient in small samples
( )unbiased, but inconsistent

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%) Блок  "Инструментальные  переменные"


Для  выявления  слабых  инструментов  (weak  instruments)  используется  J-
статистика.
(x)False
( )True
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 2.5%) Блок  "Эксперименты"


Если   в   эксперименте,   выясняющем   влияние   размера   школьного   класса на  
успеваемость,   родители   будут   настаивать   на   переводе   школьников   из   большого  
класса  в  маленький  класс,  оценка  эффекта  от  снижения  числа  учеников  в  классе  
будет  завышена  по  сравнению  с  истинным  эффектом.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%) Блок  "Инструментальные  переменные-2"


(Будьте  внимательны  при  ответе  на  этот  вопрос:  подумайте,  что  должна  
отражать истинная оценка)

В  парной  регрессии  дохода  человека  на  его  образование  (получился  


положительный  коэффициент  наклона)  пропущена  врожденная  
предприимчивость,  положительно  влияющая  на  доход.  Известно,  что,  чем  выше  
предприимчивость,  тем  ниже  уровень  образования,  выбираемый  человеком.

Тогда  оценка  полученная  в  результате  оценивания  парной  регрессии  регрессии  


дохода  на  образование  будет  по  сравнению  с  истинной:
( )невозможно  определить
( )не  завышена  и  не  занижена
(x)занижена
( )завышена

Объяснение: Истинная  оценка  должна  отражать  чистое  влияние  образования.  


Когда  берут  двух  одинаковых  в  остальном  людей,  но  одному  дает  на  1  год  более  
высокое  образование  и  смотрят,  насколько  выше  его  доход.

Парная  регрессия  скажет  "рост  образования  на  1  год  приводит  к  росту  дохода  на  
5000  рублей  в  месяц".  Однако  у  тех,  кто  получает  этот  доп.  год  образования  в  
среднем  ниже  предприимчивость,  иначе  бы  не  получали  доп.  образование  (судя  
по  условию  задачи),  поэтому  более  низкая  предприимчивость  тянет  оценку  отдачи  
от  образования  вниз.

В  результате  мы  как  бы  сравниваем  более  предприимчивого  человека  с  низким  


образованием  и  менее  предприимчивого  с  высоким  - тогда  выигрыш  менее  
предпримчивого  невысок.  В  реальности  же  если  бы  предприимчивому  человеку  
дать  еще  год  образования,  то  он  заработает  боее,  чем  на  5000  рублей,  больше,  
чем  столь  же  предприимчивый  без  этого  года  образования.  Поэтому  оценка  
отдачи  от  образования  "при  прочих  равных  условиях"  была  бы  выше.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%) Блок  "Инструментальные  переменные-2"


В  Stata  после  каждой  эндогенной  переменной  в  команде  ivregress  указывается  1  
или  несколько  инструментов  для  этой  переменной.  В  результате,  наборы  
регрессоров,  с  помощью  которых  в  регрессии  первого  шага  будут  объясняться  
эндогенные  переменные,  будут  различными  (хотя  бы  частично)  для  разных  
эндогенных  переменных.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%) Блок  "Инструментальные  переменные"


The rule-of-thumb for checking for weak instruments is as follows: for the case of a
single endogenous regressor,
( )a first stage F > 1.96 indicates that the instruments are weak.
(x)a first stage F < 10 indicates that the instruments are weak.
( )a first stage F must be statistically significant to indicate a strong instrument.
( )the t-statistic on each of the instruments must exceed at least 1.64.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%) Блок  "Инструментальные  переменные"


The distinction between endogenous and exogenous variables is:
( )dependent on the sample size: for n > 100, endogenous variables become exogenous
(x)whether or not the variables are correlated with the error term.
( )depends on the distribution of the variables: when they are normally distributed, they are
exogenous, otherwise they are endogenous
( )that exogenous variables are determined inside the model and endogenous variables are
determined outside the model.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%) Блок  "Эксперименты"


In the context of a controlled experiment, consider the simple linear regression
formulation .

Let the Yi be the outcome, Xi the treatment level when the treatment is binary, and
ui contain all the additional determinants of the outcome. Then
calling a differences estimator makes sense since it is the difference between the
sample average outcome of the
treatment group and the sample average outcome of the control group.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%) Блок  "Инструментальные  переменные"


Instrumental Variables regression uses instruments to
( )eliminate multicollinearity
(x)isolate movements in X that are uncorrelated with u
( )eliminate serial correlation
( )increase the regression R-squared

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%) Блок  "Инструментальные  переменные"


Let W be the included exogenous variables in a regression function that also has
endogenous regressors (X). The W variables are not correlated with the error term and
can be included in the first stage regression when using TSLS estimation method.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%) Блок  "Инструментальные  переменные"


The IV estimator can be used to potentially eliminate bias resulting from:
(x)errors in variables
( )serial correlation
( )multicollinearity
( )heteroskedasticity

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%) Блок  "Эксперименты"


The following is not a threat to external validity:
( )experimental participants are volunteers.
( )the treatment being studied is not representative of the treatment that would be implemented
more broadly.
(x)partial compliance with the treatment protocol.
( )the experimental sample is not representative of the population of interest.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%) Блок  "Эксперименты"


The following estimation methods should not be used to test the quality of
randomization in experiments when Xi is binary:
( )linear probability model (OLS) with heteroskedasticity-robust standard errors
( )logit
( )probit
(x)linear probability model (OLS) with homoskedasticity-only standard errors

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%) Блок  "Инструментальные  переменные-2"


A researcher has conducted a test of overidentifying restrictions.
In which of these cases he would consider the instruments to be endogeneous (at 5%
level).
[x]p-value=0.005
[ ]p-value=0.12
[ ]p-value=0.43
[ ]p-value=0.96
[ ]p-value=0.07
[x]p-value=0.01
[x]p-value=0.049
[x]p-value=0.03

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 2.5%) Блок  "Эксперименты"


Quasi-experiments:
( )most often use difference-in-difference estimators, which are quite different from OLS and
instrumental variables methods studied in earlier topics
(x)provide a bridge between the econometric analysis of observational data sets and the
statistical ideal of a true randomized controlled experiment
( )can give better estimates of treatment effects than traditional controlled experiments
( )are not the same as experiments, and lessons learned from the use of the latter can therefore
not be applied to them

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 18 (Вес 2.5%) Блок  "Инструментальные  переменные-2"


When conducting Hausman test in Stata (using 5% significance level) the syntax is

hausman est1 est2, where:


(please remember that the order of estimates is important for Hausman test procedure)
[x]est1 is consistent independent of the test's p-value
[ ]est1 is inconsistent independent of the test's p-value
[x]est2 is inconsistent if the test's p-value<0.05
[ ]est2 is inconsistent independent of the test's p-value
[x]est2 is consistent and efficient if the test's p-value>0.05
[ ]est2 is consistent independent of the test's p-value

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 19 (Вес 2.5%) Блок  "Инструментальные  переменные"


Weak instruments are a problem because:
( )you cannot predict the endogenous variables any longer in the first stage
( )they result in the instruments not being exogenous
(x)the TSLS estimator may not be normally distributed, even in large samples
( )the TSLS estimator cannot be computed

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 20 (Вес 2.5%) Блок  "Эксперименты"
Small sample sizes in an experiment:
( )may affect confidence intervals but not hypothesis tests
( )do not raise threats to the validity of confidence intervals as long as heteroskedasticity robust
standard errors are used
(x)may pose a problem because the assumption that errors are normally distributed is dubious
( )biases the estimators of the causal effect

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 21 (Вес 25%) Блок  "Контрольная  работа  №2."


В наборе  данных sales_data приведены  данные  о  продажах  лекарства  в  двух  
магазинах  (переменная  store  принимает  значения  2  и  5)  на  протяжении  48  недель.

Sales – продажи  в  штуках

Price – цена,  долл.

Cost – оптовая  цена  лекарства,  долл.

Постройте  парную  МНК-регрессию ln(Sales)  на ln(Price).

Эластичность  спроса  по  цене  составила -1.078 (с  точностью  до  тысячных)

Добавьте  фиксированные  эффекты  для  магазина  и  проведите F-тест  на  их  


значимость.

p-value  теста= 0.000 (с  точностью  до  тысячных)

Верно  ли,  что  при  прочих  равных  условиях  продажи  в  магазине  номер  5  
выше,  чем  в  магазине  2? + (+/-)

На  сколько  %  выше  продажи  в  одном  магазине  по  сравнению  с  другим  (по  


модулю)?  На 49% (округлите  до  целых!!!)

Эластичность  спроса  по  цене  составила -1.106 (с  точностью  до  тысячных)

Если  фиксированные  эффекты  для  магазина  значимы,  то  включайте  их  в  


регрессии  и  далее.

Оцените  регрессию  с  инструментальной  переменной  «логарифм  оптовой  


цены»

F-статистика  (обычная,  не  робастная)  для  оценки  силы  инструмента  


равна 5503 (округлите  до  целых!)

Эластичность  спроса  по  цене  составила -1.109 (с  точностью  до  тысячных)

Верно  ли  что  модель  сверхидентифицирована  (overidentified)? - (+/-)

Оцените  регрессию  с  инструментальной  переменной  «оптовая  цена»

F-статистика  (обычная,  не  робастная)  для  оценки  силы  инструмента  


равна 1791 (округлите  до  целых!)

Эластичность  спроса  по  цене  составила -1.139 (с  точностью  до  тысячных)

Верно  ли,  что  логарифм  оптовой  цены  – более  сильный  инструмент,  чем  
сама  оптовая  цена? + (+/-)

Проведите  тест,  который  позволит  ответить  на  вопрос  "Является  ли  цена  
экзогенным  регрессором?"  (используйте  регрессию  с  тем  инструментом,  
который  оказался  более  сильным).  Подсказка:  обратите  внимание  на  
команду estat endogenous.

На  5%  уровне  значимости  является  ли  МНК-оценка  эффективной? + (+/-)

На  20%  уровне  значимости  является  ли  МНК-оценка  эффективной? + (+/-)

Верно  ли,  что  при  использовании  10%  уровня  значимости  мы  отдадим  
предпочтение  регрессии  с  инструментальной  переменной? - (+/-)

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 22 (Вес 12.5%) Блок  "Контрольная  работа  №2."


When the following specification is used in Stata, what is the number
of parameters that will be estimated when running the first-stage regression

. ivregress 2sls r (b= c1 c2 c3 c4 c5 c6) a z k l, robust

You should figure out yourself, whether the intercept (constant) is a parameter or
not using the universal definition of the word "parameter".

11 parameters
What is the number of actual instruments that were found by the researcher to
instrument the endogeneous variable?
6 instruments

If the sample size is 500 and the R2 of first-stage regression is 0.8, we can say that
the instruments are strong.
- (+/-)

Балл: 100% Балл за тест: 100% × 12.5 = 12.5%

Вопрос 23 (Вес 2.5%) Блок  "Инструментальные  переменные"


Инструментальная  переменная  должна________  с  заменяемой  ею  объясняющей  
переменной  и  __________  со  случайным  отклонением.
(x)сильно  коррелировать;;  не  коррелировать
( )не  коррелировать;;  не  коррелировать
( )не  коррелировать;;  сильно  коррелировать
( )сильно  коррелировать;;  сильно  коррелировать

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 1 (Вес 3.23%)

Для коэффициента корреляции верно, что


( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 2 (Вес 3.23%)


Если корреляция между двумя переменными равна нулю, то и ковариация между
ними равна нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 3 (Вес 3.23%)


Переменная X меняется непрерывно от -3 до 3. Y=X2. Каков коэффициент
корреляции Пирсона между переменными X и Y?
Ответ: 0

Объяснение: Достаточно нарисовать график, чтобы увидеть, что между


переменными нет линейной связи (на рассматриваемом участке), которую
измеряет коэффициент корреляции. Можно убедиться в этом, посчитав в Excel
или воспользовавшись формулой корреляции или ковариации (удобно
воспользоваться формулами с матожиданиями).

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 4 (Вес 3.23%)

Для коэффициента корреляции верно, что


(x)False
( )True

Объяснение: Коэффициент корреляции может принимать также значение -1 и +1.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 5 (Вес 3.23%)


Причиной того, что эксперименты мало используются в экономике, НЕ является:
(x)принципиальная невозможность их проведения
( )высокие затраты на проведение многих экспериментов
( )сложность их проведения над людьми
( )во многих случаях неэтичность

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%


Вопрос 6 (Вес 3.23%)
Изучение инфляции в США с 1970 по 2010 гг - это пример использования:

( )рандомизированного контролируемого эксперимента


( )панельных данных
(x)временного ряда
( )кросс-секционных данных

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 7 (Вес 3.23%)


Корреляция между переменными X и Y:
(x)может быть рассчитана путем деления ковариации между X и Y на произведение их
стандартных отклонений
( )это квадрат ковариации
( )может быть рассчитана путем деления ковариации между X и Y на произведение их
дисперсий
( )не может быть отрицательной, так как дисперсия всегда положительна

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 8 (Вес 3.23%)


Переменная X меняется от -3 до 3. Y=X6. Каков коэффициент корреляции Пирсона
между переменными X и Y?
Ответ: 0

Объяснение: Достаточно нарисовать график, чтобы увидеть, что между


переменными нет линейной связи (на рассматриваемом участке), которую
измеряет коэффициент корреляции. Можно убедиться в этом, посчитав в Excel
или воспользовавшись формулой корреляции или ковариации (удобно
воспользоваться формулами с матожиданиями).

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 9 (Вес 3.23%)


Модуль коэффициента корреляции равен 1. В этом случае корреляционная
зависимость становится…
( )регрессионной
( )автокорреляционной
( )стохастической
(x)функциональной

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 10 (Вес 3.23%)


Возможна ситуация, когда парный коэффициент корреляции равен 0, но при этом
2 переменные являются зависимыми.
( )False
(x)True

Объяснение: Это возможно, если между переменными есть нелинейная


взамосвязь. Коэффициент корреляция Пирсона улавливает только линейную
связь.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 11 (Вес 3.23%)


Коэффициент корреляции двух переменных X и Y равен -1. Это значит, что
( )между переменными имеется нелинейная зависимость
(x)между переменными имеется обратная линейная зависимость
( )между переменными отсутствует всякая зависимость
( )между переменными имеется прямая линейная зависимость

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 12 (Вес 3.23%)


Эконометрику можно определить как все из перечисленного ниже, кроме:
( )набор инструментов для предсказания будущих значений экономических переменных
( )оценка математических моделей на реальных данных
( )наука о тестировании экономических теорий
(x)измерение роста экономистов

Объяснение:

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 13 (Вес 3.23%)


Если ковариация между двумя переменными равна нулю, то и корреляция между
ними равна нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 14 (Вес 3.23%)


Коэффициент корреляции двух переменных близок к -1. Это означает, что
изменение одной из переменных является причиной изменения другой
переменной.
(x)False
( )True

Объяснение: Корреляция не означает причинность. Пример: продажи мороженого


коррелируют с числом утонувших в водоемах не потому, что одно является
причиной другого, а потому что обе переменные связаны с температурой воздуха.
Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 15 (Вес 3.23%)


Из низкого коэффициента корреляции между переменными Y и X следует, что:
( )линия регрессии Y(X), проведенная на диаграмме рассеяния, имеет малый угол
наклона
( )используются неверные единицы измерения этих переменных
(x)на диаграмме рассеяния разброс точек вокруг линии регрессии достаточно большой
( )переменные тесно взаимосвязаны
( )переменные не взаимосвязаны

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 16 (Вес 9.68%)


Рассматриваются все пары, в которых и мужчина, и женщина зарабатывают
деньги. Мужчины в среднем зарабатывают 40000 рублей в месяц со стандартным
отклонением 12000. Женщины - 45000 со стандартным отклонением 18000.
Корреляция заработков мужчин и женщин равна 0.8.

Чему равен средний ежемесячный заработок пары (заработок


мужчины+заработок женщины)? 85000 рублей
Чему равна ковариация их заработков? 172800000
Чему равна корреляция их заработков, если их выразить в долларах по курсу 1
долл. = 30 рублей? 0.8

Балл: 100% Балл за тест: 100% × 9.68 = 9.677%

Вопрос 17 (Вес 3.23%)

На данном рисунке представлены данные следующего типа:


(x)временной ряд
( )кросс-секционные
( )экспериментальные
( )лонгитьюдные (панельные)

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 18 (Вес 3.23%)


Анализ уровня безработицы в различных штатах США по состоянию на конец
марта 2010 года - это пример использования:
( )экспериментальных данных
(x)кросс-секционных данных
( )временных рядов
( )панельных данных

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%


Вопрос 19 (Вес 3.23%)
На графике, представленном ниже, по вертикальной оси отложен средний темп
роста ВВП 65 стран за период 1960-1995 гг., а по горизонтальной оси - доля
страны (%) в международной торговле.

Это пример:
( )экспериментальных данных
(x)пространственных (cross-sectional) данных
( )временного ряда
( )лонгитьюдных данныхлонгитьюдные данные=панельные данные
( )панельных данных

Объяснение:

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 20 (Вес 3.23%)


Данные о ценах облигаций 100 компаний за 5 лет относятся к типу:
(x)панельные
( )временной ряд
( )качественные
( )пространственные (cross-sectional)

Объяснение: Это панельные данные, так как есть два измерения: это объекты, за
которыми наблюдаем, и время. Наблюдение идет за одними и теми же объектами
на протяжении нескольких периодов.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%


Вопрос 21 (Вес 3.23%)
Коэффициент корреляции двух переменных X и Y равен 0,8. Чему будет равен
коэффициент корреляции, если все значения обеих переменных умножить на -10?
( )-8
( )-0.8
(x)0.8
( )8

Объяснение:

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 22 (Вес 3.23%)


Анализ влияния минимальной заработной платы на занятость молодежи по
данным 48 штатов в период с 1980 по 2010 гг. - это пример использования:
( )временных рядов
( )панельных данных
( )кросс-секционных данных
( )экспериментальной и контрольной групп, так как только молодеж получает
минимальную зарплату

Балл: 0% Балл за тест: 0% × 3.23 = 0%

Вопрос 23 (Вес 3.23%)


Одним из главных преимуществ использования эконометрики по сравнению с
типичными результатами экономической теории является то, что:
(x)она может дать количественные оценки эффектов, тогда как экономическая теория
говорит только о направлении влияния
( )умение обращать матрицу размером 4 на 4
( )все ответы верны
( )она учит Вас использовать статистические пакеты

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 24 (Вес 3.23%)


В рандомизированном контролируемом эксперименте:

( )Вы контролируете тот факт, что ответы могут быть даны случайным образом
(x)есть контрольная группа и экспериментальная группа
( )контрольная группа получает воздействие только по четным дням
( )вы контролируете тот факт, что случайные числа в реальности сгенерированы
не
случайным образом
( )контрольная группа сформирована случайным образом, а экспериментальная - не
случайным
Объяснение: Пример эксперимента: случайно отобранная контрольная группа
получает плацебо (пустышку), а случайно отобранная экспериментальная группа -
лекарство. Обе группы были получены случайным образом и различия в их
самочувствии - это именно эффект от лекарства. Таким образом, исследователям
удасться оценить, как лекарство влияет на самочувствие больных, их
медицинские показатели.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 25 (Вес 3.23%)


Анализ эффекта изменения минимального размера оплаты труда на занятость
подростков по данным 48 штатов за период с 1980 по 2011 гг - это пример
использования:
( )классического эксперимента
( )пространственных (cross-sectional) данных
( )естественного эсперимента
( )временного ряда
(x)панельных данных

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 26 (Вес 3.23%)


Примером экспериментальных данных для выявления эффекта от использования
ремня безопасности будет выборка участников ДТП, произошедших в 2011 году, с
указанием был ли участник пристегнут ремнем и погиб ли в результате ДТП.
(x)False
( )True

Объяснение: Это пример наблюдаемых данных. Мы не управляли тем, был


пристегнут человек или нет.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 27 (Вес 3.23%)


Эконометрику можно определить как (выберите все подходящие варианты):
[x]оценку математических моделей экономики по реальным данным
[ ]социально-экономическую статистику
[ ]математическую статистику
[x]набор инструментов, используемых для прогнозирования будущих значений
экономических переменных
[x]науку, занимающуюся тестированием экономической теории

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 28 (Вес 6.45%)


Коэффициент корреляции между X и Y равен 1. Известно, что когда X=2, то Y=6;
когда X=4, то Y=10. Чему равен Y, когда X=10?
Ответ: 22
Объяснение: Равенство коэффициента корреляции 1 или -1 означает наличие
прямой или обратной линейной связи между переменными.

Балл: 100% Балл за тест: 100% × 6.45 = 6.452%

Вопрос 1 (Вес 6.25%)


Случайная величина Y имеет среднее 2 и дисперсию 9. Пусть Z=0.5(Y-1).

=0.5
=2.25

Объяснение:

Балл: 100% Балл за тест: 100% × 6.25 = 6.25%

Вопрос 2 (Вес 6.25%)

Yi ~N(0,1)
Какое распределение имеет V?
(x)t(n-1)
( )хи-квадрат(n-1)
( )F(1,n-1)
( )F(n-1,1)
( )t(n)
( )хи-квадрат(n)

Балл: 100% Балл за тест: 100% × 6.25 = 6.25%

Вопрос 3 (Вес 3.13%)


Площадь под кривой нормального распределения в интервале ±2 стандартных
отклонения от среднего, равна примерно 68% общей площади под кривой.
(x)False
( )True

Объяснение: Эта площадь равна примерно 95% (см. таблицу стандартного


нормального распределения).

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 4 (Вес 9.38%)


В сентябре в Санкт-Петербурге средняя температура была 70 градусов по
Фаренгейту со стандартным отклонением в 7 градусов по Фаренгейту. Найдите
среднюю температуру, стандартное отклонение и дисперсию температуры в
градусах Цельсия. Для простоты считайте, что градусы Фаренгейта (F) в градусы
Цельсия переводятся по формуле: C=(F-32)*0.5
Средняя температура в градусах Цельсия: 19
Стандартное отклонение в градусах Цельсия: 3,5
Дисперсия в градусах Цельсия: 12,25

Балл: 100% Балл за тест: 100% × 9.38 = 9.375%

Вопрос 5 (Вес 18.75%)


Ниже представлено совместное распределение работы во время учебы в
бакалавриате и успешности завершения обучения в бакалавриате.
Работал во время Не работал во
Всего
учебы (X=0) время учебы (X=1)
Плохо окончил
0.15 0.07 0.22
бакалавриат (Y=0)
Успешно окончил
0.15 0.63 0.78
бакалавриат (Y=1)
Всего 0.3 0.7 1.00

E(X)=0.7
E(Y)=0.78
=0.21
=0.1716 (запишите с точностью до 4-го знака после запятой)
cov(X,Y)=-0.0096 (это число запишите с точностью до 3-го знака после запятой)
corr(X,Y)=-1 (запишите с точностью до 4-го знака после запятой)

Балл: 66.67% Балл за тест: 66.67% × 18.75 = 12.501%

Вопрос 6 (Вес 3.13%)


Верна следующая формула для
матожидания
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 7 (Вес 3.13%)


Верна следующая формула для матожидания произведения двух случайных
величин:
( )False
(x)True

Объяснение: Это следует из формулы ковариации X и


Y:
Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 8 (Вес 6.25%)


Ниже представлено совместное распределение работы во время учебы в
бакалавриате и успешности завершения обучения в бакалавриате.
Работал во время Не работал во
Всего
учебы (X=0) время учебы (X=1)
Плохо окончил
0.15 0.07 0.22
бакалавриат (Y=0)
Успешно окончил
0.15 0.63 0.78
бакалавриат (Y=1)
Всего 0.3 0.7 1.00

Какова вероятность успешно окончить бакалавриат для человека, который


работал во время учебы? 0,5
Какова вероятность, что не работающий во время учебы плохо окончит
бакалавриат?0,1

Балл: 100% Балл за тест: 100% × 6.25 = 6.25%

Вопрос 9 (Вес 3.13%)


Верна следующая формула для матожидания квадрата случайной

величины:
( )False
(x)True

Объяснение: Более привычная форма записи:

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 10 (Вес 3.13%)


С помощью нормального распределения описываются непрерывные, а не
дискретные случайные величины.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 11 (Вес 3.13%)


Для стандартного нормального распределения и среднее, и дисперсия равны 1.
(x)False
( )True
Объяснение: среднее= 0, стандартное отклонение=1

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 12 (Вес 3.13%)


Площадь под кривой нормального распределения в интервале ±1 стандартное
отклонение от среднего, равна примерно 50% общей площади под кривой.
(x)False
( )True

Объяснение: Эта площадь равна примерно 68% (см. таблицу стандартного


нормального распределения).

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 13 (Вес 3.13%)


Для стандартного нормального распределения и среднее, и стандартное
отклонение равны 1.
(x)False
( )True

Объяснение: среднее= 0, стандартное отклонение=1

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 14 (Вес 3.13%)


Y~N(1,4). Найдите вероятность Pr(Y<3).
Можете воспользоваться функцией NORMDIST (НОРМРАСП) в Excel.

Напоминание (см. лекцию): функция NORMDIST выдает вероятность того, что


Y примет значение меньшее заданного числа, если последний аргумент=1, то
есть используется интегральная функция распределения. Под весовой
функцией понимается плотность, а под интегральной - функция
распределения.
(x)0.84
( )0.12
( )0.16
( )0.69
( )0.09

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 15 (Вес 3.13%)


Y~N(50,25). Найдите вероятность Pr(40<Y<52).
( )0.42
( )0.10
(x)0.63
( )0.37
( )0.55

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 16 (Вес 3.13%)

Y~ Какова вероятность Pr(Y<1)?


( )0.84
( )0.95
(x)0.68
( )0.32
( )невозможно определить

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 17 (Вес 3.13%)


Верна следующая формула для
ковариации:
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 18 (Вес 9.38%)


Пусть Y - количество орлов, выпавших при одновременном бросании двух
монеток.
P(k) - вероятность выпадения k орлов при таком бросании (вероятность - от 0 до
1).
Заполните пропуски в вероятностном распределении Y.
k 0 1 2 3
P(Y=k) 0.25 0.5 0.25 0

Найдите среднее и дисперсию Y


среднее=1
дисперсия=0,5

Балл: 100% Балл за тест: 100% × 9.38 = 9.375%

Вопрос 19 (Вес 3.13%)


Площадь под кривой нормального распределения в интервале ±3 стандартное
отклонение от среднего, равна примерно 95% общей площади под кривой.
(x)False
( )True

Объяснение: Эта площадь равна примерно 99% (см. таблицу стандартного


нормального распределения).
Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 20 (Вес 3.13%)

Y~ . Какова вероятность Pr(Y>18.31)?


(x)0.05
( )0.1
( )0.95
( )0.5
( )0.9

Балл: 100% Балл за тест: 100% × 3.13 = 3.125%

Вопрос 1 (Вес 3.23%)


Корреляция между переменными X и Y:
(x)может быть рассчитана путем деления ковариации между X и Y на произведение их
стандартных отклонений
( )это квадрат ковариации
( )может быть рассчитана путем деления ковариации между X и Y на произведение их
дисперсий
( )не может быть отрицательной, так как дисперсия всегда положительна

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 2 (Вес 3.23%)


Теоретически выборка может быть больше, чем генеральная совокупность из
которой она извлекается.
(x)False
( )True

Объяснение: Ни теоретически, ни практически такое невозможно по определению.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 3 (Вес 3.23%)


В статистических пакетах используется англоязычная терминология. Сопоставьте
англоязычные термины с их русскими аналогами.
mean среднее
median медиана
skewness асимметрия
variance дисперсия
kurtosis эксцесс

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 4 (Вес 3.23%)


Дисперсия выборочного среднего, , рассчитывается по формуле:

( )5
( )4
( )1
(x)3
( )2

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 5 (Вес 3.23%)


Если между переменными X и Y нет причинно-следственной связи (в любую
сторону), то они определенно независимые переменные по отношению друг к
другу.
(x)False
( )True

Объяснение: Нередко бывает так, что между переменными есть корреляция, но нет
причинно-следственной связи. Например, количество осадков в Нью-Йорке и
рождаемость в Чикаго могут быть взаимосвязаны через время года. Количество
осадков указывает на вероятное время года, а рождаемость различна в разное
время года. В результате между двумя переменными может быть корреляция при
том, что нет причинно-следственной связи.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 6 (Вес 3.23%)

Оценка параметра генеральной совокупности состоятельна, если:

нормально распределена на больших выборках


( )2
(x)3
( )1
( )4это условие несмещенности
Объяснение: Если оценка сходится по вероятности к значению параметра в
генеральной совокупности, то она состоятельна. Сходимость по вероятности, по
сути, означает, что с ростом объема выборки вероятность того, что разность
между оценкой параметра и истинным значением меньше сколь угодно малой
положительной величины стремиться к 1. То есть если чем больше выборку мы
возьмем, тем более близкую к истинной оценку параметра мы, скорее всего,
получим.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 7 (Вес 3.23%)


Согласно Закону Больших Чисел:
( )дисперсия выборочного среднего постоянна и не зависит от объема выборки
( )То, уменьшается или увеличивается дисперсия выборочного среднего зависит от
распределения генеральной совокупности
( )по мере роста выборки, дисперсия выборочного среднего также растет
(x)по мере роста выборки, дисперсия выборочного среднего уменьшается

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 8 (Вес 3.23%)


Вы собрали данные о среднем еженедельном расходе времени на обучение (T) и
об оценках (G) Ваших сокурсников. Изменение единиц измерение времени с
минут на часы повлияет на коэффициент корреляции между T и G следующим
образом:

( )уменьшит его в 60 раз


( )нельзя определить, как изменит
( )увеличит его в 60 раз
(x)не изменит его
( )уменьшит его менее, чем в 60 раз

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 9 (Вес 3.23%)


Если ковариация между двумя переменными равна нулю, то и корреляция между
ними равна нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 10 (Вес 6.45%)


Значения переменных X и Y равны:
X 1 2 3 4 5 6 7 8 9 10
Y 10 9 8 7 6 5 4 3 2 1
Коэффициент корреляции этих переменных равен -1
(Если ответ - нецелое число, то округлите до десятых; разделитель - точка или
запятая)

Объяснение: Видно, что между переменными точная линейная связь (Y=11-X), и


при этом взаимосвязь отрицательная.

Балл: 100% Балл за тест: 100% × 6.45 = 6.452%

Вопрос 11 (Вес 9.68%)


Пусть Yi - i.i.d случайные величины, каждая из которых имеет распределение
N(10,4)
Найдите вероятность

при n=20 0.63


n=100 0.95
n=1000 1

Вероятность принимает значения от 0 до 1.


Везде округляйте до второго знака после запятой.

Балл: 100% Балл за тест: 100% × 9.68 = 9.677%

Вопрос 12 (Вес 3.23%)


Коэффициент корреляции двух переменных близок к +1. Это означает, что
изменение одной из переменных является причиной изменения другой
переменной.
(x)False
( )True

Объяснение: Корреляция не означает причинность. Пример: продажи мороженого


коррелируют с числом утонувших в водоемах не потому, что одно является
причиной другого, а потому что обе переменные связаны с температурой воздуха.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 13 (Вес 9.68%)


Yi - случайные величины бернуллевского типа (принимают значение 1 и 0).
Вероятность выпадения единицы p=0.4.
Используя ЦПТ оцените приблизительно следующие вероятности того, что
среднее Y примет определенные значения:
при n=100 0.27
при n=400 0.11

Балл: 100% Балл за тест: 100% × 9.68 = 9.677%

Вопрос 14 (Вес 3.23%)


Коэффициент корреляции двух переменных близок к -1. Это означает, что
изменение одной из переменных является причиной изменения другой
переменной.
(x)False
( )True

Объяснение: Корреляция не означает причинность. Пример: продажи мороженого


коррелируют с числом утонувших в водоемах не потому, что одно является
причиной другого, а потому что обе переменные связаны с температурой воздуха.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 15 (Вес 3.23%)

Для коэффициента корреляции верно, что


(x)False
( )True

Объяснение: Коэффициент корреляции может принимать и значение 1 по модулю.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 16 (Вес 6.45%)


Выберите все верные утверждения (возможно несколько верных ответов):
[x]Если размер выборки большой, то распределение выборочного среднего
приблизительно нормальное даже если случайная величина имеет распределение,
отличное от нормального
[x]Если случайная величина распределена нормально, то распределение выборочного
среднего тоже нормальное даже для малых выборок
[ ]Только если случайная величина распределена нормально и размер выборки велик,
распределение выборочного среднего близко к нормальному.
[ ]Если случайная величина распределена не нормально, то распределение выборочного
среднего не может быть нормальным даже если размер выборки велик
Объяснение: Обратите внимание на суть выражения "распределение выборочного
среднего":
Если генеральная совокупность, для которой известно значение переменной
(случайной величины) X, распределенной неким образом. Из этой генеральной
совокупности берут много выборок размером n. И для каждой такой выборки
находят среднее (это выборочное среднее). Затем смотрят на распределение
получившихся средних (грубо говоря, рисуют гистограмму). По ЦПТ (Центральной
Предельной Теореме), если извлекаемые выборки имеют большой размер, то
распределение выборочных средних будет близко к нормальному. А если
случайная величина сама распределена нормально, то это будет выполняться и
для небольших выборок. На практике большой выборкой можно считать все, что
больше 100.

Балл: 100% Балл за тест: 100% × 6.45 = 6.452%

Вопрос 17 (Вес 3.23%)


Опираясь на таблицу, в которой представлены две характеристики для всех
объектов генеральной совокупности, выберите единственное верное
высказывание:

Y 10 8 20 42 120 44 36 42 10 12 16 30 44 58 72
X 15 12 30 63 180 66 54 63 15 18 24 45 66 87 108
( )Между X и Y наблюдается статистическая, а не функциональная взаимосвязь
(x)Коэффициент корреляции между X и Y=1
( )Y зависит от X линейномы не можем говорить о причинно-следственной связи без
дополнительной информации
( )Коэффициент корреляции между X и Y=2/3

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 18 (Вес 3.23%)


Если корреляция между двумя переменными равна нулю, то и ковариация между
ними равна нулю.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 19 (Вес 3.23%)


Для случайной выборки верно то, что все наблюдения из генеральной
совокупности имеют равную вероятность попадания в нее.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 20 (Вес 3.23%)

В генеральной совокупности , С помощью ЦПТ оцените


вероятность того, что среднее значение Y на выборке в 100 наблюдений составит
не более 101.
( )1.000
( )0.509
( )0.561
(x)0.936
( )0.064

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 21 (Вес 3.23%)


Возможна ситуация, когда парный коэффициент корреляции равен 0, но при этом
2 переменные являются зависимыми.
( )False
(x)True

Объяснение: Это возможно, если между переменными есть нелинейная


взамосвязь. Коэффициент корреляция Пирсона улавливает только линейную
связь.

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 22 (Вес 3.23%)


Коэффициент корреляции двух переменных X и Y равен 0,8. Чему будет равен
коэффициент корреляции, если все значения обеих переменных умножить на -10?
(x)0.8
( )-0.8
( )-8
( )8

Объяснение:

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 23 (Вес 6.45%)


Приведены данные о результатах госэкзамена по английскому языку для 7
студентов.
Студент Балл
A 40
B 60
C 20
D 50
E 10
F 20
G 80

Заполните пропуски на основе приведенных выше данных (при необходимости


округлите ответ до десятых, используя точку или запятую как разделитель)
Медиана равна40
Среднее равно40
Мода равна20
Балл: 100% Балл за тест: 100% × 6.45 = 6.452%

Вопрос 24 (Вес 3.23%)


Возьмем m>100 выборок, каждая объемом n наблюдений, из генеральной
совокупности с неизвестным средним и стандартным отклонением σ. Далее
найдем средние для каждой из m выборок, а затем - стандартное отклонение этих
средних. Тогда стандартное отклонение выборочных средних будет ближе всего к:

( )2
( )5
(x)4
( )1
( )3

Балл: 100% Балл за тест: 100% × 3.23 = 3.226%

Вопрос 1 (Вес 3.85%)


Если нужно проверить гипотезу на 15% уровне значимости, и p-value теста
превышает 0,15, то есть основания отклонить нулевую гипотезу.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 2 (Вес 3.85%)


В ходе эксперимента контрольная группа пациентов получила плацебо, а
экспериментальная - новое лекарство. Спустя месяц после начала приема
лекарства у испытуемых измерили один из количественных показателей крови.
Необходимо выяснить, есть ли статистически значимые различия в средних
показателях двух групп. Для этого следует использовать:
(x)t-тест для двух независимых выборок
( )F-тест для двух независимых выборок
( )z-тест для двух независимых выборок
( )t-тест для двух зависимых выборок
( )z-тест для двух зависимых выборок

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 3 (Вес 3.85%)


Если нужно проверить гипотезу на 5% уровне значимости, и p-value теста
превышает 0,05, то есть основания отклонить нулевую гипотезу.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 4 (Вес 15.38%)


По результатам опроса 400 потенциальных избирателей 215 ответии, что будут
голосовать за Обаму, а 185 - за Ромни. Пусть p - доля (от 0 до 1) голосующих за
Обаму в генеральной совокупности всех потенциальных избирателей, а - доля
ответивших, что будут голосовать за Обаму по выборке в 400 человек.

Найдите точечную оценку p 0.5375 (с точностью до 4-го знака после запятой)


Найдите стандартную ошибку найденной в предыдущем пункте оценки 0.0249 (с
точностью до 4-го знака после запятой)
Найдите p-value t-теста H0:p=0.5 vs. H1:p не равно
0.5 0.132 (используйте нормальное распределение, ответ дайте с точностью до 3-
го знака после запятой)
Найдите p-value t-теста H0:p=0.5 vs.
H1:p>0.5 0.066 (используйте нормальное распределение, ответ дайте с точностью
до 3-го знака после запятой)

Балл: 100% Балл за тест: 100% × 15.38 = 15.385%

Вопрос 5 (Вес 3.85%)


В результате проведённого t-теста, P-value оказалась равной 0,09. Это говорит о
том, что:
( )На уровне значимости больше 0,09 нулевая гипотеза верна
(x)На уровне значимости больше 0,09 нулевую гипотезу нужно отклонить
( )На уровне значимости больше 0,09 нулевую гипотезу можно принять
( )На уровне значимости больше 0,09 нулевая гипотеза неверна

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 6 (Вес 3.85%)


В статистических пакетах p-value (sig. или prob.) - это вероятность ошибиться,
отвергнув верную нулевую гипотезу. Если это значение близко к нулю и при этом
меньше заданного уровня значимости, то есть основания отвергнуть нулевую
гипотезу.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 7 (Вес 3.85%)


В кинотеатре проводится исследование, какой вид попкорна предпочитают
зрители. Результаты показали, что вид A предпочитает 65% плюс-минус 3%. Что
означает “плюс-минус 3%”?
( )Три процента результатов в выборке неаккуратны и должны быть отброшены
( )Было исследовано 3% всех зрителей
( )Три процента зрителей изменили свои предпочтения в пользу попкорна вида A.
( )Истинная доля любителей попкорна вида A могла бы быть определена, если
исследовать на 3% больше зрителей
(x)Истинная доля любителей попкорна вида A с фиксированной доверительной
вероятностью находится в пределах от 62 до 68 процентов

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 8 (Вес 7.69%)


По выборке оценили 95%-ный доверительный интервал для среднего в
генеральной совокупности. Затем взяли 100 чисел, попадающих в этот
доверительный интервал, и для каждого из них проверили гипотезу (на 5%-ном
уровне значимости) о том, что среднее в генеральной совокупности равно этому
числу. В скольки случаях из 100 не было оснований отвергнуть нулевую гипотезу?
Ответ: 100

Объяснение: 95%-ный доверительный интервал как раз показывает все те числа,


для которых мы бы не смогли отвергнуть нулевую гипотезу, если бы проверяли
эту гипотезу на 5%-ном уровне значимости (95%-ном доверительном уровне).

Балл: 100% Балл за тест: 100% × 7.69 = 7.692%

Вопрос 9 (Вес 7.69%)


Новый стандартизованный тест дается случайной выборке из 100 школьников в
Нью-Йорке. Средний балл получился равным 58 баллов со стандартным
отклонением 8 баллов. Этот же тест дается выборке 200 школьников в Чикаго.
Среднее получилось 62 балла со стандартным отклонением 11 баллов.

Используя аппроксимацию t-распределения нормальным постройте 90%-ный


доверительный интервал для разницы между средними баллами Чикаго и Нью-
Йорка (средний балл Чикаго минус средний балл Нью-Йорка)

[2.17;5.83] (ответ округлите до 2 знаков после запятой)

Объяснение:

Балл: 100% Балл за тест: 100% × 7.69 = 7.692%

Вопрос 10 (Вес 3.85%)


Чем ниже уровень значимости , на котором тестируется гипотеза, тем сложнее
отвергнуть нулевую гипотезу.
( )False
(x)True

Объяснение: Если уровень значимости 0,01 (1%), то наша область принятия


нулевой гипотезы больше, чем в случае, например уровня значимости 0,05
(5%), ведь уровень значимости отражает вероятность, сосредоточенную в
области отвержения нулевой гипотезы. Разумеется, она будет больше в
случае 5% уровня значимости, чем 1%, а значит легче попасть в эту область
именно в случае 5% уровня значимости.

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 11 (Вес 3.85%)


По выборке из 10 наблюдений был получен коэффициент корреляции между
двумя переменными, равный 0,8. Значимо ли отличен этот коэффициент от нуля
на 5% уровне значимости?
( )недостаточно информации
( )нет
(x)да

Объяснение: - если эта статистика больше t табличного с n-2


степенями свободы, то коэффициент корреляции r значим, иначе - незначим.

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 12 (Вес 3.85%)


Из малого (например, менее 0,05) значения p-value (т. е. остаточной вероятности)
статистического теста следует:

( )малая стандартная ошибка


( )неприменимость Центральной Предельной Теоремы
( )малая t-статистика
(x)отклонение нулевой гипотезы

Объяснение: p-value показывает, какова вероятность получить ,более высокое


значение тестовой статистики, чем полученное нами, если нулевая гипотеза
верна. Следовательно, если эта вероятность мала, то мы вышли далеко за
область принятия нулевой гипотезы и есть основания отклонить нулевую
гипотезу.

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 13 (Вес 3.85%)


Если p-value теста равно 0.000001, то есть серьезные основания отвергнуть
нулевую гипотезу.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%


Вопрос 14 (Вес 3.85%)
При большом объеме выборки 95% доверительный интервал для среднего
генеральной совокупности ( )примерно равен:

(x)1
( )2
( )3
( )4

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 15 (Вес 3.85%)


На 0%-ном уровне значимости нельзя отвергнуть нулевую гипотезу.
( )False
(x)True

Объяснение: Если уровень значимости 0%, то область принятия


H0 составляет , и нет области отвержения этой гипотезы.

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 16 (Вес 3.85%)


Если нужно проверить гипотезу на 30% уровне значимости, и p-value теста равно
0,39, то нет оснований отклонить нулевую гипотезу.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 17 (Вес 7.69%)


1000 случайно отобранных старшеклассников прошли тест. Среднее получилось
1110, стандартное отклонение=123.
Найдите 95% доверительный интервал для среднего в генеральной совокупности
(пользуясь тем, что выборка большая, используйте аппроксимацию t-
распределения нормальным)
[1102.38;1117.62] (округлите ответ до 2-го знака после запятой)

Объяснение:

Балл: 100% Балл за тест: 100% × 7.69 = 7.692%

Вопрос 18 (Вес 3.85%)


Если нужно проверить гипотезу на 10% уровне значимости, и p-value теста
превышает 0,1, то есть основания отклонить нулевую гипотезу.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 19 (Вес 3.85%)


По выборке из 100 наблюдений был получен коэффициент корреляции между
двумя переменными, равный 0,25. Значимо ли отличен этот коэффициент от нуля
на 5% уровне значимости?
( )нет
( )недостаточно информации для ответа
(x)да

Объяснение: - если эта статистика больше t табличного с n-2


степенями свободы, то коэффициент корреляции r значим, иначе - незначим.

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 20 (Вес 3.85%)


Получение высокого (близкого к 1) p-value по результатам теста на сравнение
средних в двух независимых выборках означает:
( )высокую табличную (критическую) t-статистику
(x)невозможность отвергнуть нулевую гипотезу
( )высокую расчетную t-статистику
( )отклонение нулевой гипотезы
( )низкую табличную (критическую) t-статистику

Балл: 100% Балл за тест: 100% × 3.85 = 3.846%

Вопрос 1 (Вес 2%)

Как изменится коэффициент в уравнении парной линейной


регрессии , если все значения объясняющей переменной
вырастут в n раз при неизменных значениях зависимой переменной?
( )вырастет в n раз
( )не изменится
(x)уменьшится в n раз
( )вырастет в n^2 раз
Объяснение:

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 2 (Вес 2%)


Какое из уравнений является уравнением линии регрессии (fitted regression line)?

( )5
( )1
(x)3
( )2
( )4

Объяснение: Линия регрессии соединяет точки - таким образом, никакие


остатки она не отображает.

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 3 (Вес 2%)


Выборочное среднее для остатков, полученных методом наименьших квадратов в
стандартной линейной модели:
( )зависит от значений зависимой переменной
(x)равно нулю
( )ненаблюдаемо, так как мы не знаем функцию регрессии в генеральной совокупности
( )положительное число, поскольку МНК использует сумму квадратов

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 4 (Вес 2%)


В простой линейной регрессии, коэффициент наклона:

(x)показывает, на сколько единиц увеличится Y, если X увеличится на 1 единицу


( )показывает эластичность Y по X
( )будучи умноженным на объясняющую переменную, даст предсказанное значение Y
( )показывает, на сколько % увеличится Y при увеличении X на 1%
( )равен производной объясняющей переменной по зависимой

Балл: 100% Балл за тест: 100% × 2 = 2%


Вопрос 5 (Вес 2%)
В линейной регрессионной модели Yi = β0 + β1Xi +εi выражение β0 +
β1Xi максимально точно можно охарактеризовать как:

(x)функция регрессии для генеральной совокупности (population regression function)


( )правая часть уравнения
( )выборочная функция регрессии (sample regression function)
( )экзогенная вариация

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 6 (Вес 10%)


Откройте файл CPS92_04.dta (жмите на ссылку, не бойтесь!) в Stata (через File-
Open).
Этот файл содержит данные о зарплатах американцев в 1992 и 2004 годах.

Описание переменных приведено ниже:


FEMALE: 1 if female; 0 if male
YEAR: Year
AHE : Average Hourly Earnings (nominal dollars)
BACHELOR: 1 if worker has a bachelor’s degree; 0 if worker has a high school degree

Известно, что потребительские цены в 2004 году были на 35% выше, чем в 1992
году.
С помощью команды gen создайте переменную ahe2004 - зарплату в ценах 2004
года (реальную зарплату).
Выразите зарплаты 1992 года в ценах 2004, а зарплаты 2004 года перенесите в
новую переменную без изменений.
(подсказка: используйте команду replace с первого семинара).

Проведите описательный анализ почасовой зарплаты в целом по


переменной ahe2004:

Медианная реальная зарплата по всей выборке равна 14.42 (с точностью до 2-го


знака после запятой)
Асимметрия по всей выборке равна 1.36 (с точностью до 2-го знака после запятой)
Эксцесс по всей выборке равен 5.73 (с точностью до 2-го знака после запятой)

Аналогичный анализ отдельно по каждому году (обратите внимание на то,


как используется by для
проведения анализа отдельно по каждой группе):

Медианная реальная зарплата по выборке 1992 года равна 14.42 (с точностью до


2-го знака после запятой)
Медианная реальная зарплата по выборке 2004 года равна 14.90 (с точностью до
2-го знака после запятой)

Найдите 90% доверительный интервал (confidence interval) для средней


почасовой зарплаты в 2004 году:

от 16.61 до 16.93 (с точностью до 2-го знака после запятой)

Протестируйте различия между реальными зарплатами 1992 года и 2004


года с помощью t-теста (опция unequel говорит о том, что мы не исходим из
того, что дисперсии равны):

Средняя зарплата в 1992 году (в ценах 2004 года) по выборке равна 15.70 (с
точностью до 2-го знака после запятой)
Средняя зарплата в 2004 году (в ценах 2004 года) по выборке равна 16.77 (с
точностью до 2-го знака после запятой)
Средняя зарплата по объединенной выборке 1992 и 2004 годов (в ценах 2004
года) равна 16.25 (с точностью до 2-го знака)
95% доверительный интервал для разности между средней зарплатой 2004 года и
средней зарплатой 1992 года (из 2004 года вычитаем 1992!):
от -1.33 до -0.82 (с точностью до 2-го знака после запятой)
На 1% уровне значимости гипотеза о равенстве между зарплатами отвергается:
скорее всего, почасовая зарплата американцев выросла + (впишите +, если
утверждение верно и -, если неверно)

Балл: 76.92% Балл за тест: 76.92% × 10 = 7.692%

Вопрос 7 (Вес 2%)


В парной регрессии константа обычно мала по абсолютной величине и не имеет
экномического смысла.
(x)False
( )True

Объяснение: Часто константу сложно или даже не имеет особого


смысла интерпретировать , но далеко не всегда. Но самое главное - она вовсе
необязательно мала по абсолютной величине.

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 8 (Вес 4%)

При оценке регрессии была допущена ошибка в


расчете ,а была найдена правильно.

Ошибочная получилась равной 4. При такой оценке коэффициента

наклона .

Какой была бы оценка коэффициента в случае правильных


расчетов? 3 (округлите до первого знака после запятой, если число нецелое)

Объяснение: С неправильно рассчитанной константой получается, что в среднем


прогнозное значение Y на 1 больше наблюдаемого (-50/50=-1). Значит, чтобы
среднее остатков было равно нулю, нужно вычесть эту единицу из оценки
константы - тогда среднее остатков будет равно 0, что всегда выполняется в
случае линейной модели с константой (это Вы можете доказать самостоятельно
или обратиться к учебнику). Можно заметить, что если средний остаток
получается -1, то "неправильное" предсказание лежит выше истинной линии
регрессии, а значит его надо "опустить" на 1 единицу.

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 9 (Вес 2%)

Пусть -фактические значения объясняемой переменной, - предсказанные

значения объясняемой переменной, Тогда система


нормальных уравнений, решение которой даст МНК-оценки параметров,
получается из условия:
( )равенства функции S нулю
( )равенства функции S единице
( )максимизации функции S
(x)минимизации функции S

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 10 (Вес 4%)


С помощью МНК оценивалась зависимость Y от X. Опираясь на таблицу,
вставьте оба коэффициента полученной модели (если число нецелое, то
округлите до сотых, разделитель - точка или запятая):

Y_hat= + X

Y 10 8 20 42 120 44 36 42 10 12 16 30 44 58 72
X 15 12 30 63 180 66 54 63 15 18 24 45 66 87 108

Балл: 0% Балл за тест: 0% × 4 = 0%

Вопрос 11 (Вес 2%)


Для парной линейной регрессии коэффициент корреляции rXY по абсолютной
величине превосходит модуль коэффициента детерминации:
(x)да, только если 0<|r|<1
( )да, всегда
( )невозможно точно определить
( )нет
Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 12 (Вес 6%)


Исследователь оценивает МНК-регрессию, используя данные о размере класса
(CS) и среднем тестовом балле каждого из классов, где учатся третьеклассники.

1. В классе 22 школьника. Чему равно предсказанное значение среднего


тестового балла в таком классе? 392.36(округление до второго знака после
запятой)
2. В одном классе 19 школьников. В другом - 23. На сколько выше средний балл в
одном из классов по сравнению с другим? 23.28 (округление до второго знака
после запятой)
3. Средний по выборке из 100 классов размер класса=21.4 человека. Чему равен
усредненный по выборке средний тестовый балл? 395.85 (округление до второго
знака после запятой)
4. Чему равно выборочное стандартное отклонение среднего тестового балла в
выборке 100 классов? (округление до второго знака после запятой)

Балл: 75% Балл за тест: 75% × 6 = 4.5%

Вопрос 13 (Вес 4%)

Восстановите оценки коэффициентов, пропущенные в оцененной с помощью МНК


зависимости объема спроса (Q) от цены (P):
110-1
(если число нецелое, округлите до десятых; разделитель – точка или запятая)

Объяснение:

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 14 (Вес 2%)

В парной линейной регрессии ,а . Тогда:


( )ожидается, что Y увеличится на 1 единицу при увеличении X на 2 единицы
(x)ожидается, что Y увеличится на 2 единицы при увеличении X на 1 единицу
( )среднее значение Y равно 5
( )выполнены предпосылки МНК
( )среднее значение Y равно 3

Балл: 100% Балл за тест: 100% × 2 = 2%


Вопрос 15 (Вес 4%)
Укажите все верные формулы для расчета коэффициента наклона в парной
регрессии с константой:

1.

2.

3.

4.

5.

[x]4
[x]5
[x]2
[ ]1
[x]3

Объяснение: Указанные 4 формулы эквивалентны основной формуле

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 16 (Вес 6%)


Коэффициент корреляции между Y и X=0.5.
Выборочные стандартные отклонения следующие: sX=10, sY=20

Заполните пропуски в уравнении регрессии Y на X:


-10+1
Коэффициент детерминации 0.25

Балл: 100% Балл за тест: 100% × 6 = 6%

Вопрос 17 (Вес 6%)


Была оценена регрессия среднего недельного заработка (в долларах) на возраст
(в годах) для выборки работников с высшим образованием в возрасте 25-65 лет:

Верно ли, что SER измеряется в долларах? + (поставьте +, если верно и -, если
неверно)
Верно ли, что - безразмерная величина? + (поставьте +, если верно и -, если
неверно)
Верно ли, что по имеющейся информации можно сказать, каков был объем
выборки? - (поставьте +, если верно и -, если неверно)
Средний возраст в выборке 41.6 лет. Каков средний недельный заработок в
выборке? 1096.1 (округление до второго знака после запятой)

Балл: 75% Балл за тест: 75% × 6 = 4.5%

Вопрос 18 (Вес 2%)


При оценке линейной регрессионной зависимости между ростом и весом людей
константу можно содержательно проинтеретировать.
(x)False
( )True

Объяснение: Константа в данном случае показывает, какой в среднем рост у


человека весом 0 кг, что не имеет содержательной интерпретации.

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 19 (Вес 2%)


Остатки регрессии можно найти по формуле:

(x)2
( )3
( )4
( )5
( )1

Объяснение: Остаток - это разность между наблюдаемым значением и


предсказанным.

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 20 (Вес 2%)


Оценив регрессию с помощью МНК, исследователь получил следующее
уравнение: Q= – 11,33 – 3,89 P. Количество наблюдений = 10, R2=0,97. Чему равно
отношение Cov(P,Q)/Var(P)?
( )0,97
( )8,00
( )0,03
( )-11,33
(x)-3,89

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 21 (Вес 2%)


Для модели зависимости среднедушевого месячного дохода населения (р.) от
объема производства (млн. р.) получено уравнение у_hat = 0,005х + 900, где y_hat
- предсказанное значение среднедушевого месячного дохода. При изменении
объема производства на 1 млн. р. среднедушевой месячный доход в среднем
изменится на …
( )0,005 млн. рублей
( )нет правильного ответа
( )900 рублей
( )900 млн. рублей
(x)0,005 рублей

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 22 (Вес 2%)


Регрессионный коэффициент детерминации R2 - это мера:
( )того, выполняется ли неравенство ESS>TSS
( )лежащая в пределах от -1 до +1
( )причинно-следственной взаимосвязи между X и Y
( )качества модели с экономической точки зрения
(x)качества подгонки регрессионной зависимости к реальным данным

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 23 (Вес 8%)


Исследователь анализирует выборку из 200 20-летних мужчин. Регистрируется
вес и рост этих мужчин. Регрессионное уравнение получилось следующим:

Вес измерен в фунтах, рост в дюймах.


Теперь вес измерили в килограммах, а рост - в сантиметрах и построили новую
регрессию .
Найдите следующие показатели для новой регрессии веса в кг на рост в см,
считая, что 1 дюйм=2.54 см, а 1 фунт=0.45 кг.
-44.73 (округление до второго знака после запятой)
0.70 (округление до второго знака после запятой)
0.81 (округление до второго знака после запятой)
4.59 (округление до второго знака после запятой)

Балл: 100% Балл за тест: 100% × 8 = 8%


Вопрос 24 (Вес 8%)
Имеются следующие данные по выборке студентов:
Оценка за
Оценка по по
эконометрике (Y) статистике
(X)
5 4
6 4
7 6
9 8
9 9
9 8
6 5
5 4
8 8
9 10

Заполните пропуски в уравнении регрессии, оцененном с помощью МНК


(вы можете использовать Excel, но Вы должны быть уверены в правильном
выборе функций):
2.58+0.72
0.91
SER (или RMSE)=0.54
Округление везде - до второго знака после запятой.

Балл: 100% Балл за тест: 100% × 8 = 8%

Вопрос 25 (Вес 2%)


График уравнения парной линейной регрессии Y от X (без константы) всегда
проходит через точку с координатами:
(x)(0,0)
( )(Xсред,Yсред)
( )(0,1)
( )(1,0)
( )(1,1)

Балл: 100% Балл за тест: 100% × 2 = 2%

Вопрос 26 (Вес 4%)


Y в выборке принимает значения 0, 10, 20, 30, 40, 50
Оценивается регрессия Y на константу:
МНК-оценка 25
(подумайте, в чем суть метода наименьших квадратов, что минимизируется и
каков лучший прогноз,
если у Вас нет никакой информации, кроме значений, которые принял Y в
выборке.
При необходимости воспользуйтесь графической иллюстрацией)

Объяснение:

Балл: 100% Балл за тест: 100% × 4 = 4%

Вопрос 27 (Вес 6%)


В парной регрессии, основанной на 200 наблюдениях, TSS=429, а ESS=318.
Найдите:
0.74 (округление до второго знака после запятой)
RSS (Residual Sum of Squares)=111 (округление до второго знака после запятой)
SER (Standard Error of Regression, или RMSE, т.е. Root Mean Squared
Error)=0.75 (округление до второго знака после запятой)

Балл: 100% Балл за тест: 100% × 6 = 6%

Вопрос 1 (Вес 2.78%)


Если необходимо, работая с большой выборкой, на 5% уровне проверить гипотезу
о том, что определенный коэффициент регрессии равен 1, то следует:
( )проверить, близок ли скорректированный коэффициент детерминации к 1
( )проверить, попадает ли оценка коэффициента в интервал от 0,95 до 1,05
(x)вычесть 1 из оценки коэффициента, разделить эту разность на стандартную ошибку и
сравнить полученное значение (по модулю) с 1,96
( )проверить, включает ли единицу интервал (оценка коэффициента-1,96; оценка
коэффициента+1,96)
( )вычесть 0 из оценки коэффициента, разделить эту разность на стандартную ошибку и
сравнить полученное значение (по модулю) с 1,96

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 2 (Вес 2.78%)


Проверка гипотезы о равенстве коэффициента какому-то числу h с помощью
двустороннего t-теста на уровне значимости α% и с помощью построения (100-
α)%-ного доверительного интервала с последующей проверкой того, находится ли
h внутри полученного доверительного интервала, всегда дадут одинаковый
результат.
( )False
(x)True

Объяснение: Формула доверительного интервала такова, что там используется то


же критическое значение t-статистики, что в t-тесте на значимость коэффициента.
Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 3 (Вес 2.78%)


Число степеней свободы t-статистики для парной регрессии, построенной по
данным о 35 наблюдениях равно:
( )34
( )2
(x)33
( )35
( )1

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 4 (Вес 2.78%)


Возможность повышения точности МНК-оценки за счет роста выборки
обеспечивается таким статистическим свойством как ...
(x)состоятельность
( )эффективность
( )достоверность
( )смещенность

Объяснение: Из указанных свойств только состоятельность говорит о том, что с


ростом объема выборки мы будем получать более точные оценки.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 5 (Вес 2.78%)


Для статистически значимого (существенного) параметра расчетное значение
критерия Стьюдента …
(x)больше табличного значения критерия
( )меньше табличного значения критерия
( )равно нулю
( )не больше табличного значения критерия Стьюдента

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 6 (Вес 2.78%)

Условие означает, что в парной регрессии:


( )ui имеет конечный четвертый момент
( )E(Yi)=E(ui)
(x)E(Yi|Xi)=β0+β1Xi
( )случайная ошибка и X зависимы

Объяснение: E(Yi|Xi)=E(β0+β1Xi+ε|Xi)=E(β0)+E(β1Xi|Xi)+E(ε|Xi)=β0+β1Xi+0=β0+β1Xi

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%


Вопрос 7 (Вес 2.78%)
Если для оцененного по выборке в 400 наблюдений коэффициента

регрессии выполняется соотношение , где s.e - standard error, то:


( )двусторонняя нулевая гипотеза β = 0 может быть отвергнута на 1% уровне значимости
( )R-квадрат больше 0.2
( )95%-ный доверительный интервал для β будет включать 0
(x)двусторонняя нулевая гипотеза β = 0 может быть отвергнута на 5% уровне значимости

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 8 (Вес 2.78%)


Значение t-статистики коэффициента, не превышающее критическое значение
свидетельствует о:
(x)незначимости коэффициента в модели
( )нарушении условий Гаусса-Маркова
( )значимости коэффициента в модели
( )неправильном вычислении коэффициента
( )несущественности соответствующей переменной с экономической точки зрения

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 9 (Вес 2.78%)


Если для оцененного по выборке в 500 наблюдений коэффициента

регрессии выполняется соотношение , где s.e - standard error, то:


(x)двусторонняя нулевая гипотеза β = 0 может быть отвергнута и на 5%, и на 1% уровне
значимости
( )R-квадрат больше 0.2
( )двусторонняя нулевая гипотеза β = 0 может быть отвергнута на 5% уровне значимости
( )95%-ный доверительный интервал для β будет включать 0

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 10 (Вес 2.78%)


Число степеней свободы t-статистики для парной регрессии, построенной по
данным о 20 наблюдениях равно:
( )20
( )2
(x)18
( )22
( )19

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%


Вопрос 11 (Вес 2.78%)
t-статистика для коэффициента регрессии рассчитывается путем деления:
( )оценки коэффициента на стандартное отклонение объясняющей переменной
( )стандартной ошибки на оценку коэффициента
( )оценки коэффициента на 1,96
(x)оценки коэффициента на его стандартную ошибку

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 12 (Вес 2.78%)


Эффективность оценки параметра регрессии, полученной по МНК, означает:
(x)что она характеризуется наименьшей дисперсией
( )увеличение ее точности с увеличением объема выборки
( )что математическое ожидание остатков равно нулю

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 13 (Вес 2.78%)


Несмещенная оценка всегда лучше смещенной, но с меньшей дисперсией.
(x)False
( )True

Объяснение: Бывают ситуации, когда оценка всего лишь немного смещена


(например, истинное значение b, а матожидание оценки = b+0,0001), но имеет
существенно меньшую дисперсию. Тогда шанс, что исследователь получит
близкий к реальности результат используя смещенную оценку с меньшей
дисперсии, существенно выше, чем при использовании несмещенной с большой
дисперсией.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 14 (Вес 2.78%)


60% доверительный интервал для коэффициента регрессии более узкий, чем 50%
доверительный интервал для того же коэффициента в той же модели.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 15 (Вес 2.78%)


Несмещенность коэффициента наклона в МНК-регрессии означает, что:
( )среднее выборочного распределения параметра равно нулювовсе необязательно
среднее равно нулю. Если истинное значение параметра=5, то для несмещенной оценки
среднее выборочного распределения будет равно 5, а не 0.
( )с ростом объема выборки оценка параметра будет приближаться к истинному
значениюэто состоятельность
(x)если взять много выборок и построить по ним одинаковые по спецификации
регрессии, то средняя выборочная оценка параметра будет с ростом количества взятых
выборок стремиться к истинной
( )при достаточно большой выборке оценка коэффициента совпадает с его истинным
значениемполного совпадения не произойдет и при очень большой выборке (до тех пор,
пока это выборка, а не ген. совокупность)
( )оценка коэффициента по выборке всегда равна истинному значениюПредставьте, что
у Вас есть генеральная совокупность, и Вы по не построили регрессию. Тогда Вы
получили истинные значения. Если взять случайную выборку из генеральной
совокупности точно такой же результат не получить - такого свойства у оценки быть не
может.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 16 (Вес 2.78%)


Если необходимо протестировать равенство коэффициента регрессии единице на
5% уровне значимости при выборке 2000 наблюдений, то следует:
( )проверить, попадает ли оценка коэффициента в интервал от 0,95 до 1,05
( )проверить, близок ли скорректированный R-квадрат к 1
( )Прибавить к оценке коэффициента 1,96, рассчитав верхнюю границу дов. интервала.
Вычесть из оценки коэффициента 1,96, рассчитав нижнюю границу интервала. Проверить,
попадает ли 1 внутрь этого интервалаДоверительный интервал действительно можно
использовать для проверки значимости одиночного коэффициента, но формула дов.
интервала иначя: оценка коэффициента +/-1,96*стандартную ошибку коэффициента (для
больших выборок! для небольших смотрим таблицу с t-статистикой)
(x)вычесть 1 из оценки коэффициента, разделить полученную разность на стандартную
ошибку коэффициента и сравнить полученный результат с 1,96

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 17 (Вес 2.78%)


Используя 143 наблюдения Вы оценили простую линейную регрессию и получили
оценку коэффициента наклона 0,04 со стандартной ошибкой 0,01. Вам
необходимо проверить, значимо ли отличен от нуля коэффициент. Какой из
перечисленных выводов единственно верный?
( )коэффициент близок к нулю, а значит, скорее всего, не отличается от нуля в
генеральной совокупности
( )коэффициент наклона статистически незначим, так как мало отличается от
стандартной ошибки
( )коэффициент наклона мал, а значит и R-квадрат тоже мал
(x)коэффициент наклона статистически значим, так как находится в четырех стандартных
ошибках от нуля
( )влияние X на Y экономически существенно, так как статистически значимо

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%


Вопрос 18 (Вес 2.78%)
Как обычно формулируется нулевая гипотеза при проверке значимости
коэффициента β0 регрессии?
(x)H0: β0 = 0
( )H0: β0 ≠ 0
( )H0: β0 > 0
( )H0: β0 < 0

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 19 (Вес 2.78%)


В модели парной линейной регрессии Y=b0+b1X+ε коэффициент b1 показывает…
( )на сколько процентов в среднем изменится Y, если X изменится на один процент
( )на какую величину в среднем изменится Y, если X изменится на один процент
(x)на какую величину в среднем изменится Y, если X изменится на одну единицу
( )на сколько процентов в среднем изменится Y, если X изменится на одну единицу ε

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 20 (Вес 2.78%)


Когда говорят о том, что коэффициент регрессии значим (или иногда, что сам
регрессор значим), то имеют в виду, что если бы мы построили регрессию по всей
генеральной совокупности, то соотвествующий коэффициент был бы, скорее
всего (с высокой вероятностью), отличен от нуля.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 21 (Вес 2.78%)


Если дисперсия оценки имеет наименьшее значение по сравнению с дисперсией
любой другой альтернативной оценки, то оценка называется:
( )состоятельной
( )несмещенной
(x)эффективной
( )асимптотически эффективной

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 22 (Вес 2.78%)

Проверьте на значимость коэффициент , .


( )Коэффициент практически наверняка незначим
(x)Коэффициент практически наверняка значим
( )Определить значимость коэффициента без дополнительных данных нельзя
Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 23 (Вес 2.78%)


Когда говорят о том, что коэффициент регрессии значим (или иногда, что сам
регрессор значим), то имеют в виду, что соотвествующая переменная является
существенной с экономической точки зрения для объяснения дисперсии
зависимой переменной.
(x)False
( )True

Объяснение: Статистическая значимость не равна экономической значимости. Если


человек с магистерской степенью в среднем получает на 1% больше, чем человек
с дипломом бакалавра, и это статистически значимый результат, то это не значит,
что экономист сочтет такие различия существенными. Мы можем только сказать,
что различие не равно нулю, но это не говорит о том, что магистерская степень
дает существенный с экономической точки зрения прирост в зарплате.
Существенным мы бы, скорее всего, сочли различие хотя бы в 10-20%.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 24 (Вес 2.78%)


Для множественной регрессии с k регрессорами (включая константу) и n>500 5%-
ное критическое значение t-статистики по абсолютной величине приблизительно
равно:
(x)1.96
( )1.96*k
( )1.96/k
( )1.96/(n-k)

Объяснение: Если обратиться к таблице t-статистики, то можно увидеть, что чаще


всего ориентироваться можно на такое правило: на выборках объемом больше 60
(лучше всего использовать выборки не меньшего объема) если |t|>2, то
коэффициент значим на 5% уровне значимости. Это может быть полезно при
чтении литературы, где приводятся t-статистики или стандартные ошибки, но
опускаются точные p-value.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 25 (Вес 2.78%)


Если каждое наблюдение в выборке продублировать и таким образом удвоить
число наблюдений за счет уже имеющихся, то (возможно несколько вариантов
ответа):
[x]t-статистики оценок коэффициентов возрастутДа, так как они растут с ростом
количества наблюдений при прочих равных условиях (за счет уменьшения стандартных
ошибок, у которых в формуле n стоит в знаменателе)

[x]уменьшатся стандартные ошибки коэффициентовстандартные ошибки уменьшаются с


ростом выборки, то есть повышается точность оценивания коэффициентов
[ ]доверительные интервалы коэффициентов станут более широкиминаоборот: сузятся,
так как оценки стали точнее

[ ]R-квадрат увеличитсянет, он останется прежним, так как никакой новой информации


для объяснения зависимой переменной не появилось. Доля объясненной дисперсии
останется прежней - просто и общая сумма квадратов отклонений от среднего, и
объясненная сумма квадрато отклонений предсказания от среднего вырастут в 2 раза
(попробуйте записать вначале ряд 1 2 3 и найти дисперсию, а потом для 1 2 3 1 2 3 - она
останется прежней).

[ ]изменятсяоценки коэффициентовкоэффициенты не изменятся: никакие


закономерности не изменились.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 26 (Вес 5.56%)


В регрессии (Средний балл ЕГЭ по математике)=698.9-2.28*(число студентов в
расчете на преподавателя)
t-статистика для коэффициента наклона оказалась равной 4.38. Какова
стандартная ошибка оценки коэффициента перед числом студентов в расчете на
преподавателя? (округлите до сотых)
0.52

Балл: 100% Балл за тест: 100% × 5.56 = 5.556%

Вопрос 27 (Вес 2.78%)


95% доверительный интервал для коэффициента регрессии более широкий, чем
90% доверительный интервал для того же коэффициента в той же модели.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 28 (Вес 2.78%)


На небольших выборках коэффициенты регрессии чаще признаются
незначимыми, чем на больших, извлеченных из той же генеральной совокупности.
( )False
(x)True

Объяснение: Стандартные ошибки коэффициентов тесно связаны с объемом


выборки. При большом объеме выборки коэффициенты чаще получаются
значимыми.

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%


Вопрос 29 (Вес 2.78%)
80% доверительный интервал для коэффициента регрессии более узкий, чем 60%
доверительный интервал для того же коэффициента в той же модели.
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 30 (Вес 2.78%)


Если оценка является состоятельной, то:
(x)с ростом объема выборки оценка будет сходиться к истинной
( )в среднем оценки коэффициентов будут равны истинным
( )оценка параметра будет максимально близка к истинному значению как для малых, так
и для больших выборок
( )оценка является несмещенной и эффективной

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 31 (Вес 2.78%)


Оценив регрессию Q=α+βP, исследователь рассчитал t-статистику для
коэффициента β и получил t=2,2. Количество наблюдений – 10. Какой из
нижеприведенных выводов верен (для двухсторонней гипотезы)?
( )Коэффициент β значим на 1% и на 5% уровне значимости
( )Коэффициент β значим на 10% и на 5% уровне значимости
( )Коэффициент β незначим
( )Коэффициент β значим на сколь угодно высоком уровне значимости
( )Коэффициент β можно признать значимым на 5% уровне значимости
(x)Коэффициент β можно признать значимым на 10% уровне значимости

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 32 (Вес 2.78%)


Одним из показателей статистической значимости параметра является …
( )множественный коэффициент корреляции
( )критерий Дарбина–Уотсона
( )коэффициент детерминации
(x)стандартная ошибка

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 33 (Вес 2.78%)


95% доверительный интервал для коэффициента регрессии более узкий, чем 90%
доверительный интервал для того же коэффициента в той же модели.
(x)False
( )True
Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 34 (Вес 2.78%)


Состоятельность оценки параметра регрессии, полученной по МНК, означает:
( )что она характеризуется наименьшей дисперсией
( )что математическое ожидание остатков равно нулю
(x)увеличение ее точности с увеличением объема выборки

Балл: 100% Балл за тест: 100% × 2.78 = 2.778%

Вопрос 35 (Вес 2.78%)


Проверяется гипотеза о том, что коэффициент β значимо больше 22 на 1% уровне
значимости. Количество наблюдений равно 18. Регрессия парная. t критическое
(из таблицы) для проверки этой гипотезы будет равно:
( )1,734
( )1,746
( )2,120
( )2,921
( )2,552
(x)2,878
( )2,101
( )2,583

Объяснение: Односторонняя гипотеза (двусторонняя была бы в случае


"Проверяется гипотеза о том, что коэффициент β значимо отлична от
22"). Следовательно в таблице t-статистика, one-tailed, 1% df=n-k=18-2=16
степеней свободы

Балл: 0% Балл за тест: 0% × 2.78 = 0%

Вопрос 1 (Вес 25%)


Откройте файл CPS92_04.dta (жмите на ссылку, не бойтесь!) в Stata (через File-
Open).
Этот файл содержит данные о зарплатах американцев в 1992 и 2004 годах.

Описание переменных приведено ниже:


FEMALE: 1 if female; 0 if male
YEAR: Year
AHE : Average Hourly Earnings (nominal dollars)
BACHELOR: 1 if worker has a bachelor’s degree; 0 if worker has a high school degree

Известно, что потребительские цены в 2004 году были на 35% выше, чем в 1992
году.
С помощью команды gen создайте переменную ahe2004 - зарплату в ценах 2004
года (реальную зарплату).
Выразите зарплаты 1992 года в ценах 2004, а зарплаты 2004 года перенесите в
новую переменную без изменений.
(подсказка: используйте команду replace с первого семинара).
Подсказка: рассуждайте следующим образом. В 1992 году человек получал 100
долларов и мог купить на них тот набор продуктов, который стоил тогда 100
долларов. За 12 лет цены выросли на 35%. Теперь тот же набор продуктов
стоит 135 долларов. Значит его зарплата 1992 года в ценах 2004 года - это
уже не 100 долларов, а .... долларов.

Проведите описательный анализ почасовой зарплаты в целом по


переменной ahe2004:

Медианная реальная зарплата по всей выборке равна 14.42 (с точностью до 2-го


знака после запятой)
Асимметрия по всей выборке равна 1.36 (с точностью до 2-го знака после запятой)
Эксцесс по всей выборке равен 5.73 (с точностью до 2-го знака после запятой)

Аналогичный анализ отдельно по каждому году (обратите внимание на то,


как используется by для
проведения анализа отдельно по каждой группе):

Медианная реальная зарплата по выборке 1992 года равна 14.28 (с точностью до


2-го знака после запятой)
Медианная реальная зарплата по выборке 2004 года равна 14.90 (с точностью до
2-го знака после запятой)

Найдите 90% доверительный интервал (confidence interval) для средней


почасовой зарплаты в 2004 году:

от 16.61 до 16.93 (с точностью до 2-го знака после запятой)

Протестируйте различия между реальными зарплатами 1992 года и 2004


года с помощью t-теста (опция unequel говорит о том, что мы не исходим из
того, что дисперсии равны):

Средняя зарплата в 1992 году (в ценах 2004 года) по выборке равна 15.70 (с
точностью до 2-го знака после запятой)
Средняя зарплата в 2004 году (в ценах 2004 года) по выборке равна 16.77 (с
точностью до 2-го знака после запятой)
Средняя зарплата по объединенной выборке 1992 и 2004 годов (в ценах 2004
года) равна 16.25 (с точностью до 2-го знака)
95% доверительный интервал для разности между средней зарплатой 2004 года и
средней зарплатой 1992 года (из 2004 года вычитаем 1992!):
от 0.82 до 1.33 (с точностью до 2-го знака после запятой)
На 1% уровне значимости гипотеза о равенстве между зарплатами отвергается: с
практической точки зрения мы сделаем вывод о том, что, скорее всего, почасовая
зарплата американцев выросла + (впишите +, если утверждение верно и -, если
неверно)

Оцените, как влияет пол на зарплату (ahe2004):

Какова разность между средними часовыми заработками мужчин и женщин в


центах?
242 (округлите до целых)
Какова стандартная ошибка этой разности в центах?
13 (округлите до целых)

Оцените регрессию с робастными к гетероскедастичности стандартными


ошибками:

Верно (+) или неверно (-)?


Стандартная ошибка коэффициента наклона снизилась по сравнению с обычной
регрессией.
+
Доверительный интервал для коэффициента наклона сузился
+
t-статистика коэффициента наклона по модулю выросла по сравнению с обычной
регрессией.
+
p-value коэффициента наклона снизилось по сравнению с обычной регрессией.
+
Всегда при использовании робастных стандартных ошибок мы будем наблюдать
изменения стандартных ошибок, p-value и t-статистик в том направлении, в
котором оно произошло в этот раз (по сравнению с регрессией с
гомоскедастичными стандартными ошибками).
-

Объяснение: Команды для получения переменной ahe2004


gen ahe2004=.
replace ahe2004=ahe if year==2004
replace ahe2004=ahe*1.35 if year==1992
Если вам нужно что-то сделать быстро, и вы не помните, как это делать в Stata,
сделайте это в Excel с помощью формул.

Обратите внимание, что робастные стандартные ошибки могут быть как больше,
так и меньше обычных.
Если t-статистика по модулю растет, то p-value снижается, даже если мы не видим
этого в Stata, где p-value округляется до тысячных.

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 2 (Вес 2.5%)


Как обычно формулируется альтернативная гипотеза при проверке значимости
коэффициента β0 регрессии?
( )H1: β0 < 0
( )H1: β0 > 0
( )H1: β0 = 0
(x)H1: β0 ≠ 0
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%)


Гипотеза о том, что коэффициент регрессии равен нулю, может быть проверена с
помощью t-теста.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%)


Если каждое наблюдение в выборке продублировать и таким образом удвоить
число наблюдений за счет уже имеющихся, то (возможно несколько вариантов
ответа):
[x]уменьшатся стандартные ошибки коэффициентовстандартные ошибки уменьшаются с
ростом выборки, то есть повышается точность оценивания коэффициентов

[ ]R-квадрат увеличитсянет, он останется прежним, так как никакой новой информации


для объяснения зависимой переменной не появилось. Доля объясненной дисперсии
останется прежней - просто и общая сумма квадратов отклонений от среднего, и
объясненная сумма квадрато отклонений предсказания от среднего вырастут в 2 раза
(попробуйте записать вначале ряд 1 2 3 и найти дисперсию, а потом для 1 2 3 1 2 3 - она
останется прежней).

[ ]доверительные интервалы коэффициентов станут более широкиминаоборот: сузятся,


так как оценки стали точнее

[ ]изменятсяоценки коэффициентовкоэффициенты не изменятся: никакие


закономерности не изменились.

[x]t-статистикиоценок коэффициентов возрастутДа, так как они растут с ростом


количества наблюдений при прочих равных условиях (за счет уменьшения стандартных
ошибок, у которых в формуле n стоит в знаменателе)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 20%)


Извлекли выборку размером 250 и оценили уравнение регрессии:

Найдите, не используя аппроксимацию t распределения нормальным, p-value


двустороннего теста на значимость коэффициента перед X
0.03 (округлите до сотых, воспользуйтесь функцией Excel tdist (стюдрасп))

Постройте 95%-ный доверительный интервал для коэффициента наклона, не


используя аппроксимацию t-распределения нормальным:
от 0.25 до 6.15 (округлите до сотых, воспользуйтесь функцией Excel tinv
(стьюдраспобр))

Какова выборочная дисперсия Y?


51.7 (округлите до десятых)

Предположим, что мы знаем точно, что в генеральной совокупности X и Y


независимы (например, мы могли сами сгенерировать X и Y независимыми друг
от друга). Берут 1000000000000 выборок размером 250 из генеральной
совокупности и оценивают регрессию Y на X. Для каждой из этого большого числа
регрессий проверяют гипотезу о равенстве коэффициента перед X нулю на 5%
уровне значимости и строят 95%-ный доверительный интервал.

Для какого процента построенных регрессий гипотеза о равенстве коэффициента


перед X нулю будет отвергнута?
5 (округлите до целых)
Сколько процентов доверительных интервалов для коэффициента наклона будут
содержать 0?
95 (округлите до целых)

Объяснение:

Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 6 (Вес 2.5%)


Когда говорят о том, что коэффициент регрессии значим (или иногда, что сам
регрессор значим), то имеют в виду, что если бы мы построили регрессию по всей
генеральной совокупности, то соотвествующий коэффициент был бы, скорее
всего (с высокой вероятностью), отличен от нуля.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%)


Одностороннюю проверку гипотез наиболее уместно использовать, когда:
( )объем выборки достаточно большой, чтобы использовать нормальное распределение
вместо t-распределения
(x)согласно теории коэффициент может иметь определенный знак, и в нашей регрессии
перед коэффициентом получился как раз такой знак
( )Вы хотите использовать уровень значимости более высокий чем 5%
( )согласно теории коэффициент может иметь определенный знак, и в нашей регрессии
перед коэффициентом получился противоположный знак
Объяснение: Если мы убеждены в том, что в регрессии зарплаты на образование
перед образованием знак должен быть положительным и получаем этот знак, то в
качестве альтернативной гипотезы мы можем взять не гипотезу "коэффициент не
равен нулю", а гипотезу "коэффициент больше нуля", так как мы исключаем
вероятность того, что он может быть меньше нуля.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%)


95% доверительный интервал для коэффициента регрессии более широкий, чем
90% доверительный интервал для того же коэффициента в той же модели.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 20%)


Исследователь опросил 250 работающих мужчин и 280 работающих женщин и
оценил регрессию их часового заработка (долл./час) на пол (male=1, если мужской
и 0, если женский).

Gender gap - это разница между средним часовым заработком мужчин и женщин.

Чему равна оценка gender gap 2.12 (округлите до сотых)

Пользуясь аппроксимацией t-распределения нормальным, найдите p-value


двустороннего теста на значимость gender gap 0.00 (округлите до сотых)

Есть ли основания отвергнуть нулевую гипотезу о незначимости пола в


объяснении зарплаты на 1% уровне значимости (+ или -)?+

Есть ли основания отвергнуть нулевую гипотезу о незначимости пола в


объяснении зарплаты на 5% уровне значимости (+ или -)?+

Постройте 95% двусторонний доверительный интервал для gender gap (используя


аппроксимацию t-распределения нормальным): от 1.41 до 2.83 (округлите до
сотых)

Каков средний заработок мужчин в выборке? 14.64 (округлите до сотых)

Каков средний заработок женщин в выборке? 12.52 (округлите до сотых)

Если построить регрессию Wage на female (=1, если пол женский и =0, если пол
мужской), то оцененное уравнение примет вид:

14.64+-2.12 (округлите до сотых)


4.2 (округлите до десятых)
0.06 (округлите до сотых)
Балл: 100% Балл за тест: 100% × 20 = 20%

Вопрос 10 (Вес 2.5%)


Для статистически значимого (существенного) параметра расчетное значение
критерия Стьюдента …
( )меньше табличного значения критерия
( )не больше табличного значения критерия Стьюдента
(x)больше табличного значения критерия
( )равно нулю

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%)

Условие означает, что в парной регрессии:


( )случайная ошибка и X зависимы
( )E(Yi)=E(ui)
( )ui имеет конечный четвертый момент
(x)E(Yi|Xi)=β0+β1Xi

Объяснение: E(Yi|Xi)=E(β0+β1Xi+ε|Xi)=E(β0)+E(β1Xi|Xi)+E(ε|Xi)=β0+β1Xi+0=β0+β1Xi

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%)


Значение t-статистики коэффициента, не превышающее критическое значение
свидетельствует о:
( )нарушении условий Гаусса-Маркова
( )значимости коэффициента в модели
(x)незначимости коэффициента в модели
( )несущественности соответствующей переменной с экономической точки зрения
( )неправильном вычислении коэффициента

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%)


Оценив регрессию Q=α+βP, исследователь рассчитал t-статистику для
коэффициента β и получил t=3,2. Количество наблюдений = 10. Какой из
нижеприведенных выводов верен (для двухсторонней гипотезы)?
(x)Регрессию можно признать значимой на 5% уровне значимости
( )Правильного ответа нет
( )Регрессия незначима
( )Регрессию можно признать значимой на 1% и на 5% уровне значимости
( )Регрессию можно признать значимой на сколь угодно высоком уровне значимости

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%)


Параметр является статистически значимым (существенным) если…
(x)вероятность того, что он равен нулю мала
( )он положителен
( )вероятность того, что он не равен нулю мала
( )известна формула для его расчета

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%)


Построив регрессию на компьютере аналитик выяснил, что выборочный
коэффициент регрессии составил 2,5. Остаточная вероятность (p-value) теста на
значимость коэффициента регрессии составила 0,12. Выберите наиболее точную
интерпретацию значения p-value.
(x)Если в генеральной совокупности коэффициент регрессии равен 0, то по выборке
вероятность получить коэффициент 2,5 равна 12%.
( )Вероятность того, что в генеральной совокупности коэффициент регрессии равен 2,5,
составляет 12%
( )Вероятность того, что в генеральной совокупности коэффициент регрессии не равен 0,
составляет 12%
( )Вероятность того, что в генеральной совокупности коэффициент регрессии равен 0,
составляет 12%
( )Вероятность того, что влияние x на y статистически значимо, составляет 12%

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%)


Если необходимо протестировать равенство коэффициента регрессии единице на
5% уровне значимости при выборке 2000 наблюдений, то следует:
(x)вычесть 1 из оценки коэффициента, разделить полученную разность на стандартную
ошибку коэффициента и сравнить полученный результат с 1,96
( )проверить, близок ли скорректированный R-квадрат к 1
( )проверить, попадает ли оценка коэффициента в интервал от 0,95 до 1,05
( )Прибавить к оценке коэффициента 1,96, рассчитав верхнюю границу дов. интервала.
Вычесть из оценки коэффициента 1,96, рассчитав нижнюю границу интервала. Проверить,
попадает ли 1 внутрь этого интервалаДоверительный интервал действительно можно
использовать для проверки значимости одиночного коэффициента, но формула дов.
интервала иначя: оценка коэффициента +/-1,96*стандартную ошибку коэффициента (для
больших выборок! для небольших смотрим таблицу с t-статистикой)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 17 (Вес 2.5%)
Помимо оценки коэффициента регрессии и табличного значения
соответствующей статистики, что еще нужно знать для расчета доверительного
интервала для коэффициента:
( )F-статистику
( )коэффициент детерминации
(x)его стандартную ошибку
( )среднеквадратическую ошибку регрессии

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 1 (Вес 2.5%)


В парной регрессии R2 -adjusted равен обычному R2 .
(x)False
( )True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 2.5%)


МНК оценки являются BLUE (Best Linear Unbiased Estimator) даже если случайный
член имеет распределение, отличное от нормального.
( )False
(x)True

Объяснение: Нормальность остатков необязательна для того, чтобы МНК оценки


были BLUE. Однако всегда говорится, что это желательное свойство. Почему?
Потому что оно обеспечивает корректность проверки гипотез, ведь все они
основаны на t- и F-распределении, которые получаются из предположения о том,
что ошибки распределены нормально. Поэтому это действительно желательное
условие, если мы проверяем гипотезы с помощью этих тестов и нужно
стараться,чтобы остатки хотя бы визуально напоминали нормальное
распределение. Если это не так и Вы проводите серьезное академическое
исследование, то стоит почитать о непараметрических доверительных интервалах
(например с помощью бутстрапирования (почитайте в справке о команде
bootstrap, в последней версии Stata 11 очень подробное справочное руководство -
лучше любого учебника)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%)


Какие оценки даёт МНК при выполнении условий Гаусса-Маркова?
[x]Несмещённые
[ ]Устойчивые к выбросам
[x]Состоятельные
[x]Эффективные

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%


Вопрос 4 (Вес 2.5%)
При исследовании зависимости оборота розничной торговли (Y, млрд.руб.) от
трех факторов: х1 – денежные доходы населения, млрд.руб.; х2 – численность
безработных, млн.чел.; х3 – официальный курс рубля по отношению к доллару
США, получена следующая модель:
Y = 64,12 + 0,37х1 – 3,18х2 + 2,56х3.
Как интерпретируется коэффициент при факторном признаке х2:
(x)при увеличении только численности безработных на 1 млн.чел. оборот розничной
торговли в среднем будет уменьшаться на 3.18 млрд.руб.
( )при увеличении численности безработных на 1 млн.чел. оборот розничной торговли в
среднем будет уменьшаться на 3.18%
( )при увеличении только численности безработных на 1 млн.чел. оборот розничной
торговли в среднем будет увеличиваться на 3.18 млрд.руб.
( )при увеличении численности безработных на 1% оборот розничной торговли в
среднем будет уменьшаться на 3.18%

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 2.5%)


Общая сумма квадратов отклонений подсчитывается на основе отклонений …
( )расчетных значений результирующего признака, найденных по уравнению регрессии,
от нуля
( )расчетных значений результирующего признака, найденных по уравнению регрессии,
от среднего значения результирующего признака
(x)индивидуальных значений результирующего признака от его среднего значения
( )индивидуальных значений результирующего признака от расчетных значений
результирующего признака, найденных по уравнению регрессии
Объяснение: Когда мы строим регрессию, мы объясняем дисперсию зависимой
переменной, поэтому общая дисперсия - это ее дисперсия, и сумма квадратов
отклонений, соотвественно, тоже относится к зависимой переменной. Часть из
этой дисперсии мы объясним, часть - нет.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%)


Построили МНК-регрессию (модель 1). Нашли остатки. Построили регрессию этих
остатков на регрессоры, включенные в модель 1. R2 получился равен 0.
( )False
(x)True

Объяснение: С помощью регрессоров мы частично смогли объяснить Y.


Следовательно, остатки - это та часть Y, которую мы уже не можем объяснить с
помощью регрессоров. Значит, регрессоры и остатки некоррелированы.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%)


На что скорректирован R2-adjusted по сравнению с обычным коэффициентом
детерминации:
( )количество регрессоров
(x)количество регрессоров и объем выборки
( )объем выборки
( )нет верного ответа

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%)


Какое из приведенных ниже предположений относительно случайного члена в
регрессии не входит в набор "классических предпосылок"?
( )матожидание равно нулю
( )дисперсия постоянна
(x)имеет нормальное распределение
( )для данного наблюдения не зависит от значений случайного члена в других
наблюдениях
Объяснение: Если случайный член распределен не нормально, то МНК-оценки все
равно будут BLUE (Best Linear Unbiased Estimator). Но нормальноть
распределения ошибок нужна, чтобы нормально были распределены и
коэффициенты регрессии (если мы строим много регрессий на случайных
подвыборках, то каждый раз будет получаться своя оценка коэффициента
регрессии, но эти оценки будут иметь нормальное распределение).

Нормальность распределения случайного члена - это желательное условие,


обусловленное еще и тем, что в случае его нормальности, скорее всего, можно
считать, что неучтенные факторы случайны (сумма неважно как распределенных
случайных величин на больших выборках стремится с нормальному
распределению по Центральной предельной теореме).

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%)


МНК-оценки являются BLUE. Буква "B" в этом сокращении означает их:
( )смещенность
(x)эффективность
( )состоятельность
( )несмещенность

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%)


Медианная (квантильная) регрессия оценивает параметры модели так,что
минимизируется сумма абсолютных отклонений предсказанных значений Y от
наблюдаемых. Такая регрессия иногда позволяет получить более высокий
коэффициент детерминации R2, чем метод наименьших квадратов, если ее
применить к обычной линейной регрессионной модели.
(x)False
( )True

Объяснение: МНК эквивалентен максимизации R2. Медианная регрессия не


позволяет максимизировать R2, но может быть полезна, когда нам хочется
предсказать медианное значение зависимой переменной. Например, кассовые
сборы фильмов распределены очень асимметрично, и среднее мало что
показывает, тогда как медиана - более реалистичная оценка ожидаемого успеха
кинофильма. Таким образом, цель использования других регрессий - это не
повышение значения коэффициента детерминации, а более корректная при
нарушении определенных условий (например, нормальности распределения
остатков) оценка параметров.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%)


Чему равен коэффициент детерминации, если построить линейное регрессионное
уравнение зависимости прибыли фирмы от выручки и затрат? 1
(если число нецелое, округлите до десятых; разделитель – точка или запятая)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 25%)


Откройте файл CollegeDistance.dta в Stata.
Описание переменных приведено ниже:
Variable Desrciption
yrsed Years of Education Completed
female 1 = Female/0 = Male
black 1 = Black/0 = Not-Black
hispanic 1 = Hispanic/0 = Not-Hispanic
Base Year Composite Test Score. (These are achievement tests given to high school seniors in
bytest
sample)
dadcoll 1 = Father is a College Graduate/ 0 = Father is not a College Graduate
momcoll 1 = Mother is a College Graduate/ 0 = Mother is not a College Graduate
incomehi 1 = Family Income > $25,000 per year/ 0 = Income<=$25,000 per year.
ownhome 1= Family Owns Home / 0 = Family Does not Own Home
urban 1 = School in Urban Area / 0= School not in Urban Area
cue80 County Unempolyment rate in 1980
stwmfg80 State Hourly Wage in Manufacturing in 1980
dist Distance from 4yr College in 10's of miles (в десятках миль)
tuition Avg. State 4yr College Tuition in $1000's
Примечание: если black=0 и hispanic=0, то респондент - белый.

Вы можете использовать опцию robust, однако при ответе на вопросы Вам не


придется анализировать стандартные ошибки, t-статистики, p-value и F-
статистику, поэтому в данном конкретном случае будет все равно использовать
стандартные ошибки, устойчивые к гетероскедастичности или нет.
Регрессия 1: Оцените регрессию количества лет образования на расстояние до
ближайшего колледжа (в десятках миль).
Регрессия 2: Добавьте в регрессию дополнительно переменные bytest, female,
black, hispanic, incomehi, ownhome, dadcoll, cue80 и stwmfg

Заполните пропуски значениям оценок коэффициентов при каждой


переменной и показателями точности регрессии
(округляйте до тысячных):
Model
Regressor Регрессия Регрессия
1 2
dist -0.073 -0.032
bytest 0.094
female 0.145
black 0.368
hispanic 0.399
incomehi 0.395
ownhome 0.152
dadcoll 0.696
cue80 0.023
stwmfg80 -0.052
intercept 13.956 8.828
SER 1.807 1.543
R 2
0.007 0.279
R-2

0.007 0.277
adjusted

Верны или нет следующие высказывания (+/-):

 Судя по показателю R2-adjusted, вторая регрессия обладает заметно


большее высоким качеством подгонки по сравнению с первой +
 Судя по показателю SER, вторая регрессия хуже первой -
 Оценка коэффициента перед расстоянием до колледжа по модулю
снизилась, что может указывать на то, что в первой регрессии наблюдалась
проблема пропущенных переменных, из-за которой сила влияния
расстояния до колледжа была преувеличена +
 По сравнению с белыми, при прочих равных условиях, чернокожие и
латиноамериканцы имеют более высокую продолжительность
образования +

На основе лучшей из двух моделей скажите, на сколько лет дольше будет


учиться человек, у которого колледж расположен на 100 миль ближе к дому,
чем у другого, в остальном идентичного, человека? 0.3(округлите до
десятых)

Балл: 100% Балл за тест: 100% × 25 = 25%


Вопрос 13 (Вес 2.5%)
Последствием того, что остатки регрессии, оцененной по небольшой выборке,
имеют распределение, отличное от нормального, может быть:
( )оценки коэффициентов будут несмещенными, но несостоятельными
(x)тестовые статистики, относящиеся к параметрам модели, будут иметь распределение,
отличное от ожидаемого
( )оценки коэффициентов будут смещенными, но состоятельными
( )оценки коэффициентов будут смещенными и несостоятельными

Объяснение: Для того, чтобы МНК-оценки были несмещенными, эффективными и


состоятельными ( обратите внимание: состоятельность тоже гарантируется), не
требуется выполнения желательного условия нормальности распределения
остатков. В то же время это условие необходимо для того, чтобы можно было
использовать t- и F-тесты.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 25%)


Были собраны данные о стоимости 220 домов, продававшихся в 2003 году Price –
цена (в тыс. долларов), BDR – число спальных комнат, Bath – количество ванных
комнат, Hsize – площадь дома (в кв. футах), Age – возраст дома (в годах), LSize -
площадь придомовой территории (в кв. футах). Poor=1, если дом в плохом
состоянии и 0, если в каком-либо другом.

Сценарии, приводимые ниже, должны рассматриваться как отдельные сюжеты


(независимо друг от друга). Следите за единицами измерения.

 Если одну из спальных комнат полностью преобразовать в ванную комнату,


то ожидаемая цена дома вырастет на 22915 долларов.

 Если площадь дома увеличится на 100 кв. футов и на этой территории


ноявится новая ванная, то ожидаемая цена дома вырастет
на 39000 долларов

 Дом, находящийся в хорошем состоянии, стоит 100 тыс. долларов. Какой


станет его цена в долларах, если он окажется в плохом состоянии при
прочих равных условиях? 51200

 Какой процент дисперсии цены дома (или общей суммы


квадратов) объясняет данная модель? 73 %(округлите до целых процентов)

 Как изменятся коэффициенты регрессии, R2-adjusted и SER, если площадь


дома и участка перед домом выразить в метрах квадратных, считая для
простоты, что в 1 метре 3 фута (подумайте, сколько тогда квадратным
футов в 1 квадратном метре - это узнать, зарисовав квадрат площадью 1 кв.
метр и 1 кв. фут на бумаге)? (следите за знаками, все
показатели округлите до того же числа знаков, что и в исходной
регрессии) Predicted_Price=119.2+0.485BDR+23.4Bath+1.404Hsize+0.018Lsi
ze+0.090Age+-48.8Poor, R2-adjusted=0.72, SER=41.5.

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 15 (Вес 2.5%)


R2 равен квадрату коэффициента корреляции между предсказанными и
наблюдаемыми значениями.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%)


В модели линейной регрессии делаются следующие допущения относительно
природы случайных ошибок (возможно несколько ответов):
[x]гомоскедастичны
[x]имеют нулевое матожидание
[ ]автокореллированы
[ ]распределены по экспоненциальному закону
[ ]коррелированны с объясняющими переменными
[x]не коррелированы друг с другом

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 15%)


Глядя в output пакета Stata найдите, чему равны следующие показатели
оцененной регрессионной модели:

TSS (Total Sum of Squares)=142.239


R2=0.068
Adjusted R2=0.062
RMSE (Root Mean Square Error, или SER)=0.537
(числа, представленные в таблице, и используемые Вами в промежуточных
расчетах не округляйте; в том числе не используйте в расчетах округленные
цифры, полученные в предыдущих пунтах; только конечные ответы округлите
до тысячных)

Объяснение: Обратите внимание, что в Stata ESS называется MSS (Model Sum of
Squares).
Также обратите внимание, что число степеней свободы для расчета RMSE равно
n-k=463-4=459.

Балл: 100% Балл за тест: 100% × 15 = 15%

Вопрос 1 (Вес 2.5%)


При проведении F-теста на общую значимость модели остаточная сумма
квадратов (RSS) отклонений в линейной парной модели имеет число степеней
свободы, равное:
( )n-1
( )2
( )1
(x)n-2

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 2.5%)


Имея 27 наблюдений оценили следующую регрессионную модель:

Каково критическое значение статистики для проверки двусторонней гипотезы


H0: β3 = 1 на 5%-ном уровне значимости (без использования аппроксимации
нормальным распределением)?
( )1,71
( )1,64
( )1,99
( )1,96
(x)2,06

Объяснение: Двусторонняя t статистика с 27-3=24 степенями свободы равна 2,06

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 2.5%)

Гипотезу , где - коэффициент линейной регрессии, можно


проверить с помощью F-теста.
(x)False
( )True

Объяснение: Это ограничение не является линейным так же как не является


линейной функция xy=0 или xy=1.
Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 4 (Вес 2.5%)


Количество степеней свободы для t-статистики в регрессии Y на константу и 4
объясняющие переменные по 28 наблюдениям равно:
( )24
(x)23
( )26
( )27
( )25

Объяснение: df=n-k, где n - число наблюдений, а k - количество регрессоров,


включая константу.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 2.5%)

Гипотезу , где - один из коэффициентов линейной регрессии, можно


проверить с помощью F-теста.
(x)False
( )True

Объяснение: F-тест позволяет проверять только линейные ограничения.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%)


Количество степеней свободы для t-статистики в регрессии Y на константу и 4
объясняющие переменные по 95 наблюдениям равно:
( )91
( )92
( )нет верного ответа
( )95
(x)90
( )94

Объяснение: df=n-k, где n - число наблюдений, а k - количество регрессоров,


включая константу.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%)


С помощью МНК оценивают 2 модели:
Модель 1:

Модель 2:

R2 оказался выше для модели 2, а R2-adjusted - для модели 1.


Какова наиболее вероятная причина этого?
( )α3=0если бы это было так, R-квадраты были бы равны
( )данная ситуация невозможна
( )x3 коррелирована с x2
(x)α3 не равен нулю, но незначим

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%)


F-статистика с 1 степенью свободы в числителе и n-k в знаменателе, где n-число
наблюдений, а k - число регрессоров в знаменателе:
(x)равна квадрату t-статистики с n-k степенями свободы
( )не может быть выражена через t-статистику
( )равна абсолютной величине t-статистики с n-k степенями свободы
( )равна квадратному корню из t-статистики с n-k степенями свободы

Объяснение: F(1, h)=t2(h)


Этот факт из математической статистики позволяет говорить о том, что в парной
регрессии F-статистика равна квадрату t-статистики коэффициента наклона. А в
случае F-теста на сравнение длинной и короткой регрессии, если мы добавляем
одну переменную, то t-тест на значимость этой переменной и F-тест на линейное
ограничение содежательно дадут один и тот же результат, и опять же F=t 2.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%)


Критическое значение R2, с помощью которого для определенной регрессии
можно сказать, значимо или нет R2больше нуля, можно рассчитать по формуле

где Fкрит - табличное значение F для k-1, n-k степеней свободы (n - число
наблюдений, k - число регрессоров, включая константу)
( )False
(x)True

Объяснение: Формула получается из взаимосвязи между F и R2


Когда значима F-статистика, значим и R2 - значит нужно найти такой R2, который
получен подстановкой в формулу R2 критического значения F.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%)


Зная значение F-статистики для оценки общей значимости регрессионной модели
с константой, а также количество наблюдений и количество регрессоров можно
рассчитать коэффициент детерминации модели.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 11 (Вес 2.5%)


Построили регрессию. Затем добавили новый регрессор, t-статистика для
проверки значимости которого составила -0,9. При этом R2 в новой регрессии по
сравнению со старой:
( )нельзя определить
( )уменьшился
(x)вырос
( )остался неизменным
( )остался неизменным или вырос

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 12 (Вес 2.5%)


В множественной регрессионной модели t-статистика для проверки равенства
коэффициента нулю рассчитывается:
(x)делением оценки коэффициента на его стандартную ошибку
( )умножением p-value на 1,96
( )с использованием скорректированного R-квадрата и доверительного интервала
( )как квадратный корень из F-статистики на общую значимость моделиF=t^2 только в
парной регрессии или если речь идет об F-статистики, сравнивающей регрессию без
данной переменной с регрессией, включающей данную переменную. Но это не F-
статистика на общую значимость модели.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 13 (Вес 2.5%)


Возможна ситуация, когда два коэффициента регрессии по отдельности
незначимы на 5%-ном уровне значимости, а совместно на том же уровне
значимости значимы.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 14 (Вес 2.5%)


Величина стандартного отклонения МНК-оценки коэффициентов регрессии,
обычно приводимая в статистических пакетах, используется при построении
модели множественной регрессии для:
( )отыскания параметров распределения случайных остатков
( )проверки гипотезы о независимости случайных остатков и соответствующих МНК-
оценок
(x)проверки гипотезы о нулевом значении соответствующего коэффициента
( )построения F-статистики
( )проверки гипотезы о значимости модели

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 15 (Вес 2.5%)


Если расчетное значение критерия Фишера меньше табличного значения, то
гипотеза о статистической незначимости уравнения …
( )неверна
( )отвергается
(x)не отвергается
( )некорректна

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 16 (Вес 2.5%)


В случае множественной регрессии t-статистика для проверки гипотезы о
равенстве коэффициента нулю, находится:
( )путем умножения p-value на 1,96
( )как квадратный корень из F-статистики
( )путем деления стандартной ошибки на оценку коэффициента
(x)путем деления оценки коэффициента на его стандартную ошибку
( )по формуле, включающей R-квадрат

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 17 (Вес 2.5%)


С помощью МНК оценивают 2 модели:Модель 1:

Модель 2:

Модели 1 и 2 будут иметь одинаковый R2-adjusted, если коэффициент по


результатам оценивания модели 2.
(x)False
( )True

Объяснение: R2-adjusted второй модели будет ниже, так как в нее включили
фактически лишнюю переменную. Модель 1 обеспечивает то же качество
подгонки, используя меньшее число регрессоров.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 18 (Вес 2.5%)


Для множественной регрессии с k регрессорами (включая константу) и n>500 5%-
ное критическое значение t-статистики по абсолютной величине приблизительно
равно:
(x)1.96
( )1.96*k
( )1.96/(n-k)
( )1.96/k

Объяснение: Если обратиться к таблице t-статистики, то можно увидеть, что чаще


всего ориентироваться можно на такое правило: на выборках объемом больше 60
(лучше всего использовать выборки не меньшего объема) если |t|>2, то
коэффициент значим на 5% уровне значимости. Это может быть полезно при
чтении литературы, где приводятся t-статистики или стандартные ошибки, но
опускаются точные p-value.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 19 (Вес 2.5%)


В парной регрессии F-тест на общую значимость модели приводит к тем же
качественным выводам, что и t-тест на значимость коэффициента наклона.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 20 (Вес 2.5%)

Гипотезу , где - коэффициент линейной регрессии, можно


проверить с помощью F-теста.
( )False
(x)True

Объяснение: Да, так как это линейной ограничение (оба


коэффициента входят в него линейно).

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 21 (Вес 25%)


1. Откройте файл CPS04.dta
2. Сколько наблюдений в наборе данных? 7986
3. Постройте модель 1: регрессию среднего дневного заработка в долларах
(AHE) на возраст (с коррекцией стандартных ошибок на
гетероскедастичность).
Постройте модель 2: регрессию AHE на age, female и bachelor (с коррекцией
стандартных ошибок на гетероскедастичность).
Заполните таблицу результатов двух построенных Вами регрессий (все
цифры должны быть получены с помощью Stata, а не вручную; округление
до 4-х знаков после запятой!:
Model
1 2
SER (стандартная ошибка регрессии) 8.6612 7.8843
R2 0.0223 0.1900
R2-adjusted 0.0221 0.1897

Верно (+) или неверно (-)?


Во второй модели на 1% уровне значимости 3 регрессора значимо отличны от
нуля +
По рассчитанным выше статистическим критериям модель 1 предпочтительнее
модели 2 -

Далее используйте более предпочтительную из двух моделей.

4. Постройте 95% доверительный интервал для ожидаемого роста зарплаты


при увеличении возраста на 2 года (при проведении расчетов используйте
неокругленные значения из таблицы Stata, округлите только в конце до 3-го
знака после запятой).
от 0.760 до 0.997 (округление до тысячных)

5. Каково математическое ожидание дневного заработка для каждого из


следующих работников (при проведении расчетов используйте
неокругленные значения из таблицы Stata, округлите только в конце до 3-го
знака после запятой).:

Боб – мужчина 26 лет без высшего образования, но с мохнатыми


ладошками. 13.303 (округление до тысячных)

Алексис – очень хорошая 30-летняя порноактриса с большим стажем работы с


лучшими режиссерами, имеющая степень бакалавра. 18.767 (округление до
тысячных)

Джон – просто профессор 45 лет с высшим образованием. 28.513 (округление до


тысячных)

6. Найдите:
p-value теста на значимость female= 0.000 (округление до тысячных)
p-value теста на значимость bachelor= 0.000 (округление до тысячных)
p-value теста на одновременное равенство коэффициентов при female и bachelor
нулю=0.000 (округление до тысячных)
F-статистика теста на одновременное равенство коэффициентов при female и
bachelor нулю=752.95 (округление до тысячных или сотых)

7. Сколько линейных ограничений накладывается при тестировании


составной гипотезы об одновременном равенстве коэффициентов при
female и bachelor нулю? 2 (целое число)

8. Верно ("+") или неверно ("-")


На 5% уровне значимости следует признать, что наша модель лучше
предсказывает зависимую переменную по выборке, чем модель только с
константой +
R2-модели значимо отличен от нуля (подсказка: подумайте о связи R2 и статистики,
значимость которой мы умеем определять) +

Балл: 100% Балл за тест: 100% × 25 = 25%


Вопрос 22 (Вес 2.5%)
Статистика

призвана проверить гипотезу о том, что:


( )нет верного ответа
(x)все коэффициенты регрессии, кроме константы, равны нулю
( )все коэффициенты регрессии, кроме константы, одинаковы
( )все коэффициенты регрессии равны нулю

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 23 (Вес 2.5%)


F-тест на общую значимость модели сравнивает построенную регрессию с
регрессией, в которой есть только константа.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 24 (Вес 2.5%)


Долю дисперсии, объясняемую уравнением регрессии, в общей дисперсии
зависимой переменной характеризует:
(x)коэффициент детерминации
( )коэффициент корреляции рангов
( )коэффициент эластичности
( )коэффициент корреляции

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 25 (Вес 2.5%)


Совместная доверительная область для двух коэффициентов регрессии имеет
форму:
(x)эллипса
( )квадрата
( )трапеции
( )невозможно точно определить
( )прямоугольника

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 26 (Вес 2.5%)


Оценив регрессию Q=α+βP+γX, исследователь рассчитал F-статистику и получил
F=18,25. Количество наблюдений = 70. Какой из нижеприведенных выводов
верен?
( )Регрессию значима на 5% уровне значимости, но не значима на 1% уровне значимости
(x)Регрессию можно признать значимой на 1% и на 5% уровне значимости
( )Регрессию незначима как на 5%, так и на 1% уровне значимости
( )Регрессия незначима

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 27 (Вес 2.5%)

Гипотезу , где - один из коэффициентов линейной регрессии, можно проверить с помощью F-


теста.
( )False
(x)True

Объяснение: F-статистику можно использовать для сравнения unrestricted-


регрессии и регрессии с линейным ограничением на коэффициент

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 28 (Вес 2.5%)


С помощью МНК оценивают 2 модели:
Модель 1:

Модель 2:

Модель 2 имеет R2-adjusted по крайней мере не меньший, чем Модель 1


(x)False
( )True

Объяснение: Если переменная x3 малоинформативна, R2-adjusted вполне мог


уменьшиться, так как этот показатель "штрафует" за лишние регрессоры.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 29 (Вес 2.5%)


Значимость i-го коэффициента регрессии можно проверить как с помощью t-
статистики, так и с помощью F-статистики.
( )False
(x)True

Объяснение: Да. Для проверки по F-тесту нужно рассмотреть короткую регрессию


(без i-й переменной) и длинную регрессию (с i-й переменной). Далее использовать
формулу F-теста для проверки значимости линейных ограничений.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 30 (Вес 2.5%)


Чему равно количество степеней свободы при проверке значимости
определенного коэффициента регрессии (n – количество наблюдений, k –
количество регрессоров, включая константу)?
( )n-1
( )n-k-1
(x)n-k
( )n-k+1

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 31 (Вес 2.5%)


Полностью корректным расчет традиционных доверительных интервалов для
коэффициентов является только в случае нормального распределения ошибок
регрессии.
( )False
(x)True

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 1 (Вес 2.5%)


Коэффициент эластичности является постоянной величиной и не зависит от
значения факторного признака для …
( )равносторонней гиперболы Y=a+b/X
( )показательной функции Y=a(b^X)
( )линейной функии Y=a+bX
(x)степенной функции Y=a(X^b)

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 2 (Вес 2.5%)


Выражение (dY/dX)*(X/Y) позволяет вычислить значение …
(x)коэффициента эластичности
( )средней ошибки аппроксимации
( )F-статистики Фишера
( )индекса корреляции
( )предельного эффекта X на Y

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 3 (Вес 25%)


Откройте файл CPS04.dta
Напомним, что в этом наборе данных содержатся данные о средних дневных
заработках (в долларах), поле, наличии высшего образования и возрасте
американцев.
Регрессия 1: ahe на female, bachelor и age
Регрессия 2: ahe на female, bachelor, age и age2
Регрессия 3: ahe на female, bachelor, age, age2, age3
Все регрессии - с робастными стандартными ошибками.
На сколько R2-adjusted второй регрессии выше R2-adjusted первой
регрессии? 0.0004 (с точностью до четвертого знака после запятой)
На сколько R2-adjusted третьей регрессии выше R2-adjusted второй
регрессии? 0.0002 (с точностью до четвертого знака после запятой)

В третьей регрессии чему равна F-статистика (с коррекцией на


гетероскедастичность) теста на равенство коэффициентов перед age 2 и
age3 нулю?
3.39 (с точностью до сотых)
Чему равно p-value данного теста?
0.0338 (с точностью до четвертого знака после запятой)

Пользуясь регрессией 2, найдите возраст, при котором зарплата


максимальна.
38 (округлите до ближайшего целого числа)

Верно или нет? (+/-)

 В регрессии, в которую включены и квадрат, и куб возраста, скорее всего,


наблюдается проблема мультиколлинеарности, в результате которой
стандартные ошибки коэффициентов перед квадратом и кубом оказались
завышенными. В результате, по отдельности коэффициенты незначимы, а
совместно - значимы. +
 Регрессия 2 дает статистически значимое улучшение по сравнению с
линейной моделью, а регрессия 3 не дает значимого улучшения по
сравнению с регрессией 2. Дополнив этот факт тем, что с экономической
точки зрения разумно предположить, что зарплата растет с
замедляющимся темпом по мере увеличения возраста, всё указывает на то,
что из трех спецификаций лучше остановиться на Регрессии 2. +

Балл: 100% Балл за тест: 100% × 25 = 25%

Вопрос 4 (Вес 2.5%)


Среди нелинейных эконометрических моделей рассматривают следующие классы
нелинейных уравнений:
[x]внутренне нелинейные
[ ]внешне линейные
[x]внутреннее линейные
[ ]внешне нелинейные

Объяснение: Внутренне линейные могут быть преобразованы к линейному виду.


Внутренне нелинейные - не могут.

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 5 (Вес 2.5%)


Рассматриваются две нелинейных модели:
- случайный член

К линейному виду можно привести:


(x)Только модель 1
( )Ни одну из двух моделей
( )Обе модели
( )Только модель 2

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 6 (Вес 2.5%)


Модель можно оценить с помощью обычного МНК
(x)False
( )True

Объяснение: После логарифмирования получится модель, в которой перед


переменными нет коэффициентов наклона.
А модель, оцениваемая МНК выглядит как ...=b0+b1*...+b2*...+u

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 7 (Вес 2.5%)


Формула

предназначена для расчета коэффициента эластичности в случае:


( )прямой
( )параболы третьего порядка
( )гиперболы
( )экспоненциальной зависимости y от x
(x)параболы второго порядка

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 8 (Вес 2.5%)


Пусть зависимость выпуска (Y) от затрат капитала (K) и труда (L) описывается
функцией Кобба-Дугласа Y = AKαLβ. Тогда (отметьте все верные ответы):
[x]эластичность выпуска по затратам капитала равна α
[x]эластичность выпуска по затратам труда равна β
[ ]эластичность выпуска по затратам капитала равна β
[ ]эластичность выпуска по затратам труда равна α

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 9 (Вес 2.5%)


Какое из следующих уравнений нелинейно по параметрам:
(x)Y= αβX+γZ+u
( )Y=α+βln(X)+γZ+u
( )Y=α+βX+γZ+u

Балл: 100% Балл за тест: 100% × 2.5 = 2.5%

Вопрос 10 (Вес 2.5%)


В модели Y=AXbε b - это
( )предсказанное значение y при x=0
( )значение предсказанного значения y в точке экстремума
(x)коэффициент эластичности
( )угловой коэффициент

Балл: 100%