ÎNTREBĂRI GRILĂ PENTRU EXAMEN – ECONOMETRIE:

1. Într-un model de regresie liniară multiplă (RLM), dacă variabilele sunt perfect coliniare:
a. Dispersia estimatorilor parametrilor este zero
b. Dispersia estimatorilor parametrilor este infinită
c. Erorile de modelare sunt minime
2. Pentru un model de regresie liniară multiplă (RLM) coliniaritatea este perfectă atunci când:
a. Între variabilele independente există o legătură liniară deterministă (funcțională) de
forma:

i.
b. Între variabilele independente există o legătură stochastică de forma:

i.
c. Între variabilele independente nu există legătură liniară
3. Pentru un model de regresie liniară multiplă (RLM) coliniaritatea este imperfectă atunci când:
a. Între variabilele independente există o legătură liniară deterministă de forma:

i.
b. Între variabilele independente există o legătură liniară stochastică de forma:

i.
c. Între variabilele independente nu există legătură liniară
4. Dacă, pentru un model de regresie liniară multiplă (RLM), indicatorul Tolerance (TOL) ia
valoarea TOL = 1, atunci variabilele independente sunt:
a. Coliniare
b. Necoliniare
c. Dependente
5. Dacă pentru un model de regresie liniară multiplă (RLM) indicatorul VIF ia o valoare mai mare
decât 10, atunci variabilele independente sunt:
a. Coliniare
b. Necoliniare
c. Independente
6. În vederea testării ipotezei de necoliniaritate dintre variabilele X1 și X2 ale unui model de
regresie liniară multiplă (RLM), se reprezintă grafic legătura dintre aceste variabile și se
obține următoarea diagramă:

În această situație se poate considera că:

a. Există o coliniaritate perfectă între variabilele X1 și X2
b. Există o coliniaritate imperfectă între variabilele X1 și X2
c. Coeficientul de corelație liniară dintre variabilele independente este egal cu 1
7. În vederea testării ipotezei de necoliniaritate dintre variabilele X1 și X2 ale unui model de
regresie liniară multiplă (RLM), se reprezintă grafic legătura dintre aceste variabile și se
obține următoarea diagramă:

R2 = 0,902
În această situație se poate considera că:
a. Există o coliniaritate perfectă între variabilele X1 și X2
b. Există o coliniaritate imperfectă între variabilele X1 și X2
c. Coeficientul de corelație dintre variabilele independente este egal cu 1
8. În studiul legăturii dintre variabilele independente, Xi, ale unui model de regresie liniară
multiplă (RLM) s-a obținut o valoare estimată a raportului de corelație multiplă dintre
variabilele independente egală cu Rj = 0,132. Pentru acest rezultat, se poate considera că:
a. Indicatorul VIF arată că ipoteza de necoliniaritate este respectată, VIF = 1,017
b. Indicatorul VIF = 1,017 arată că ipoteza de necoliniaritate este încălcată
c. Între variabilele independente nu există o legătură liniară puternică
Rezolvare:

Rj = 0,132

VIF = 1 / (1 – Rj2) = 1 / (1 – 0,1322) = 1 / ( 1 / 0,017424) = 1 / 0,982576 = 1,017732... = aprox. 1,017

VIF > 10 – ipoteza este încălcată – în cazul nostru nu este încălcată

Rj este mic – nu există o legătură liniară puternică

9. În studiul legăturii dintre variabilele independente, Xi, ale unui model de regresie liniară
multiplă (RLM), s-au obținut o valoare estimată a raportului de determinație multiplă dintre
variabilele independente egală cu R2j = 0,132. Pentru acest rezultat se poate considera că:
a. Indicatorul TOL = 0,868 arată că ipoteza de necoliniaritate este respectată
b. Indicatorul TOL = 1,132 arată că ipoteza de necoliniaritate este încălcată
c. Între variabilele independente nu există legătură liniară puternică

Rezolvare:

R2j = 0,132

TOL = 1 - R2j = 1 – 0,132 = 0,868

Cu cât TOL se apropie de 1, ipoteza de necoliniaritate este respectată

10.
 Întrebări grila Econometrie Exemple pentru EXAMEN

INTREBAREA 1.

În studiul legăturii dintre Mortalitatea inflantilă (Y, decedați la 1000 născuți vii) și PIB/ cap de locuitor (X, $)
s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(PIB/ loc) -21,966 1,462 -,824 -15,019 ,000
(Constant) 215,381 11,709 18,394 ,000

S-a estimat un model de regresie în SPSS:

a) Logaritmic
b) Compound
c) Exponențial

INTREBAREA 2.

În studiul legăturii dintre Mortalitatea inflantilă (Y, decedați la 1000 născuți vii) și PIB/ cap de locuitor (X, $)
s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(PIB/ loc) -21,966 1,462 -,824 -15,019 ,000
(Constant) 215,381 11,709 18,394 ,000

Ecuația modelului estimat al legăturii dintre cele două variabile este de forma:

a) Yx = 215,381 – 21,966 lnX

b) lnYx = 215,381 – 21,966 lnX
c) Yx = ln(215,381) – 21,966 lnX
INTREBAREA 3.

În studiul legăturii dintre Mortalitatea inflantilă (Y, decedați la 1000 născuți vii) și PIB/ cap de locuitor (X, $)
s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(PIB/ loc) -21,966 1,462 -,824 -15,019 ,000
(Constant) 215,381 11,709 18,394 ,000

Pentru exemplul dat, sunt corecte afirmațiile:

a) Atunci când PIB/loc crește cu 1%, Mortalitatea infantilă scade, în medie, cu 0,21966 decedați la
1000 născuți vii. – interpretare pentru b1
b) Atunci când PIB/loc este egal cu 1$, Mortalitatea infantilă medie este egală cu 215 decedați la 1000
născuți vii. – interpretare pentru b0
c) Atunci când PIB/loc crește cu 1%, Mortalitatea infantilă scade, în medie, cu 21,966%.

INTREBAREA 4.

În studiul legăturii dintre Mortalitatea inflantilă (Y, decedați la 1000 născuți vii) și PIB/ cap de locuitor (X, $)
s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
ln(PI B / loc) -,628 ,034 -,871 -18,337 ,000
(Constant) 3755,157 1029,735 3,647 ,000
The dependent variable is ln(mortalitatea infantila (decedati la 1000 născuti vii)).

În această situație, s-a estimat un model de regresie:

a) Liniar
b) Neliniar
c) Log-liniar
d) Putere
INTREBAREA 5

În studiul legăturii dintre Mortalitatea infantilă (Y, decedați la 1000 născuți vii) și PIB/ pe cap de locuitor (X,
$) s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
ln(PI B / loc) -,628 ,034 -,871 -18,337 ,000
(Constant) 3755,157 1029,735 3,647 ,000
The dependent variable is ln(mortalitatea infantila (decedati la 1000 născuti vii)).

În această situație, se poate considera că:

a) Modificarea cu 1% a PIB/loc determină, în medie, modificarea cu 0,628% a Mortalității

infantile.
b) Ecuația modelului estimat al legăturii dintre cele două variabile este

c) Ecuația modelului estimat al legăturii dintre cele două variabile este:

INTREBAREA 6.

În studiul legăturii dintre Mortalitatea infantilă (Y, decedați la 1000 născuți vii) și PIB/ pe cap de locuitor (X,
$) s-a estimat modelul Compound și s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
PIB / loc ,9999 ,000 ,441 113380,2 ,000
(Constant) 57,088 4,388 13,011 ,000
The dependent variable is ln(mortalitatea infantilă (decedati la 1000 nascuti vii)).

Ecuația modelului estimat este de forma:

a)

b)

c)
INTREBAREA 7.

În studiul legăturii dintre Mortalitatea infantilă (Y, decedați la 1000 născuți vii) și PIB/ pe cap de locuitor (X,
$) s-a estimat modelul Compound și s-au obținut următoarele rezultate:

Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
PIB / loc ,9999 ,000 ,441 113380,2 ,000
(Constant) 57,088 4,388 13,011 ,000
The dependent variable is ln(mortalitatea infantilă (decedati la 1000 nascuti vii)).

Pentru un risc asumat de 5%, se poate considera că:

a) Parametrii modelului de regresie sunt semnificativ diferiți de zero, cu o probabilitate de 0,95.

b) Parametrii modelului de regresie nu sunt semnificativ diferiți de zero, cu o probabilitate de 0,95.
c) Parametrii modelului de regresie nu sunt semnificativ diferiți de zero, cu un risc de 0,95.

INTREBAREA 8.

În studiul legăturii dintre Rata de urbanizare (Y, %) și PIB/locuitor (X, $) s-a obținut următoarea reprezentare
grafică:

Care din următoarele afirmații sunt corecte:

rata de urbanizare (%)

100 a) Ecuația teoretică a curbei care

80
ajustează legătura dintre variabile

60
este:

40

20

0
b) Graficul evidențiază legătura
0 5000 10000 15000

PIB/ loc
20000 25000
dintre variabile după un model
polinomial.
c) Erorile modelului de regresie
urmează o lege de repartiție normală.
INTREBAREA 9.

În demersul verificării ipotezelor formulate asupra erorilor unui model de regresie liniară simplă,
se aplică testul Glejser și se obțin rezultatele din tabelul de mai jos:

Cunoscând volumul eșantionului observat n = 20, riscul admis alfa = 0,1, abs – erorile în mărime
absolută, se poate afirma că:

a) |tcalc = 1,653| < tth = 1,734, nu există legătură liniară semnificativă între erori în
mărime absolută și valorile variabilei independente
b) |tcalc = 16,644| > tth = 2,093, erorile sunt heteroscedastice
c) tcalc = 1,653 < tth = 1,734, erorile sunt homoscedastice

INTREBAREA 10

Pentru erorile estimate ale unui model de regresie s-au obținut rezultatele

One-Sample Kolmogorov-Smirnov T est

Unstandardiz
ed Residual
N 400
Normal Parametersa,b Mean ,0000000
Std. Deviation 1,72218168
Most Extreme Absolute ,079
Differences Positive ,079
Negative -,037
Kolmogorov-Smirnov Z 1,574
Asymp. Sig. (2-tailed) ,014
a. Test distribution is Normal.
b. Calculated f rom data.

Sunt valabile enunțurile:

a) Nu se respectă ipoteza de normalitate a erorilor, cu un risc de 5%.

b) Se respectă ipoteza de necorelare a erorilor, cu un risc de 5%.
c) Estimatorii parametrilor modelului de regresie urmează o lege normală.
d) Cu un risc de 5%, erorile au media diferită semnificativ de zero.
ÎNTREBAREA 11

În urma modelării a două variabile s-au obținut, pentru erorile estimate:

Residuals Statisticsa

Minimum Maximum Mean Std. Deviation N

Predicted Value 9,04 18,49 15,47 1,980 400
Residual -7,576 7,594 ,000 2,012 400
Std. Predicted Value -3,249 1,527 ,000 1,000 400
Std. Residual -3,761 3,770 ,000 ,999 400
a. Dependent Variable: Time to Accelerate from 0 to 60 mph (sec)

Pe baza rezultatelor de mai sus, pentru o probabilitate de 0,95, se poate considera că:

a) Media erorilor nu diferă semnificativ de zero.

b) Erorile sunt normal repartizate.
c) Media erorilor este semnificativă.

ÎNTREBAREA 12

Se analizează erorile modelului de regresie dintre Câștigul salarial și Vechimea la locul de

muncă actual. Rezultatele parțiale sunt prezentate în tabelul de mai jos.

În condițiile unui risc alfa = 0,05, se poate

Runs T est

Unstandardiz
afirma că:
ed Residual
Test Valuea -,22271 a) Succesiunea runs-urilor este
Cases < Test Value 200
Cases >= Test Value 200 aleatoare.
Total Cases 400 b) Erorile sunt autocorelate.
Number of Runs 178
Z -2,303 c) Se respinge ipoteza H0.
Asymp. Sig. (2-tailed) ,021
a. Median
 PROBLEMĂ

Pentru variabilele Costul unitar (lei) și Producția zilnică de costume (sute bucăți) s-a obținut
următorul rezultat:

y – costul unitar

x – producția

Să se precizeze care este nivelul producției pentru care se obține un cost unitar optim.

b2 = 2,114 > 0 – admite un punct de minim

Costul optim este costul minim.

X = 6,1 pentru cost unitar optim

 ÎNTREBĂRI TEORETICE:

1. Ipoteza de normalitate a erorilor vizează:

a. Legea de repartiție normală a estimatorilor parametrilor modelului de
regresie
b. Independența variabilelor din model
c. Proprietatea

A lipsit

2. Pentru testul Jarque-Bera, se utilizează:

a. Estimatorii indicatorilor formei repartiției erorilor modelului de regresie
b. Repartiția Student
c. Estimatorii parametrilor modelului de regresie
d. Repartiția chi-pătrat
3. Autocorelarea erorilor unui model de regresie poate avea drept cauze:
a. Neincluderea în modelul de regresie a unor variabile explicative importante
b. Specificarea incorectă a modelului de regresie
c. Nerespectarea proprietății de eficiență a estimatorului parametrului
 TIPURI DE ÎNTREBĂRI GRILĂ ECONOMETRIE EXAMEN

1) Rezultatele modelării legăturii dintre variabilele PIB/loc ($) şi Procentul de populaţie urbană (%),
pentru un eşantion de ţări în anul 2010, folosind modelul Compound, sunt prezentate în tabelul de mai
jos.
Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Pop_urbana 1,046 ,004 2,126 265,173 ,000
(Constant) 210,430 48,762 4,315 ,000
The dependent variable is ln(PIB).

Ecuaţia estimată a modelului de regresie este:

a)
y x  210 ,43  1,046 X

b)
y x  210 ,43 x 1,046

c)
y x  1,046 x 210 ,43

2) Rezultatele modelării legăturii dintre variabilele PIB/loc ($) şi Procentul de populaţie urbană (%),
pentru un eşantion de ţări în anul 2010, folosind modelul Compound, sunt prezentate în tabelul de mai
jos.
Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Pop_urbana 1,046 ,004 2,126 265,173 ,000
(Constant) 210,430 48,762 4,315 ,000
The dependent variable is ln(PIB).

Sunt corecte afirmaţiile:

a) la o creştere cu 1% a Populaţiei urbane, PIB/loc. scade în medie cu (ln 1,046 )  100%
b) la o creştere cu 1% a Populaţiei urbane, PIB/loc. creşte în medie cu (ln 1,046 )  100%
c) la o creştere cu 1% a Populaţiei urbane, PIB/loc. creşte în medie cu 104,6%.

3) Rezultatele modelării legăturii dintre variabilele X (mii lei) şi Y (mil. lei), pentru un eşantion de 109
ţări, se prezintă astfel: model Putere/Power/log-liniar – ambele variabile sunt logaritmate
Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
ln(X1) .697 .057 .944 12.164 .000
(Constant) 9.871 .898 10.994 .000
The dependent variable is ln(Y).

Sunt corecte afirmaţiile:

a) ecuaţia modelului estimat este Yx  9 ,871 X
0 ,697

1
b) ecuaţia modelului estimat este ln Yx  ln 9 ,871  0 ,697  ln X
c) la o creştere cu 1% a valorii variabilei X, Y creşte în medie cu 0,697 mil. lei.

4) În studiul legăturii dintre costul unitar (lei) şi producţia realizată (tone) s-au obţinut următoarele
rezultate:
Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
Productie -,009 ,001 -4,897 -14,094 ,000
Productie ** 2 7,73E-006 ,000 4,809 13,839 ,000
(Constant) 5,886 ,142 41,431 ,000

Pentru exemplul dat, sunt corecte afirmaţiile:

6
a) ecuaţia estimată este: Y X  5 ,886  0 ,009 X  7 ,73  10  X
2

b) legătura de tip parabolic admite un punct de minim

6
c) ecuaţia estimată este: Y X  5 ,886  0 ,009 X 1  7 ,73  10  X 2
2

d) nivelul optim al costului se atinge pentru o producţie de 582,14 tone. Nivelul optim este costul minim sau
maxim – minim în cazul acesta. X = - b1 / 2*b2 = 0,009 / 2 *7,75 *10^6 = 582,14

5) Rezultatele modelării legăturii dintre variabilele X (mii lei) şi Y (mil. lei), printr-un model Growth, se
prezintă în tabelul de mai jos.
Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
X1 .130 .014 .912 9.412 .000
(Constant) 2.720 .073 37.090 .000
The dependent variable is ln(Y).

Sunt corecte afirmaţiile:

a) ecuaţia modelului estimat este ln Yx  2,72  0 ,13  X
b) atunci când X=0, nivelul mediu estimat al lui Y este e2,72
c) la o creştere a lui X cu o mie de lei, Y creşte în medie cu 13%

6) Rezultatele modelării legăturii dintre variabilele X (mii lei) şi Y (mil. lei), printr-un model exponenţial,
se prezintă în tabelul de mai jos.
Coefficients

Unstandardized Standardized
Coef ficients Coef ficients
B Std. Error Beta t Sig.
X1 .130 .014 .912 9.412 .000
(Constant) 15.175 1.113 13.638 .000
The dependent variable is ln(Y).

Sunt corecte afirmaţiile:

2
a) ecuaţia modelului estimat este ln Yx  ln 15,175  0 ,13  X
b) la o creştere a lui X cu 1%, Y creşte în medie cu 13%
c) la o creştere a lui X cu o mie de lei, Y creşte în medie cu 13%
________________________________________________________________________________________
7) Rezultatele modelării legăturii dintre variabilele X (mii lei) şi Y (mil. lei) se prezintă în tabelul de mai
jos. Modelul logaritmic --- y = b0 + b1 * ln x + epsilon
Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(X) 20.535 3.396 .961 6.047 .009
(Constant) -1.799 5.388 -.334 .760

Sunt corecte afirmaţiile:

a) ecuaţia modelului estimat este Yx  1,799  20,535  ln X
b) ecuaţia modelului estimat este ln Yx  1,799  20 ,535  ln X
c) la o creştere a lui X cu 1%, Y creşte în medie cu 20,535 mil. lei
d) la o creştere a lui X cu 1%, Y creşte în medie cu 0,20535 mil. lei

8) În studiul legăturii dintre două variabile, s-au obţinut următoarele rezultate: Jarque-Bera
Statistics

Score
N Valid 48
Miss ing 0
Skewness ,038
Std. Error of Skewnes s ,343
Kurtosis -,961
Std. Error of Kurtosis ,674

Pentru exemplul dat, asumându-ne un risc de 0,05, se poate considera că

a) se acceptă ipoteza de normalitate a erorilor
b) se respinge ipoteza de normalitate a erorilor
c) se acceptă ipoteza de necorelare a erorilor
d) valoarea teoretică a statisticii test este  0 ,05 ;2  5 ,991 .
2

9) În urma prelucrării datelor pentru un eşantion de volum n=35 unităţi, s-a estimat un model de forma
Y=β0+β1X+ε şi s-au obţinut următoarele rezultate: Durbin-Watson
Model Summaryb

Adjusted Std. Error of Durbin-

Model R R Square R Square the Estimate Watson
1 ,081a ,007 -,015 ,509 ,244
a. Predictors: (Constant), Score
b. Dependent Variable: Tension

Pentru un risc asumat egal cu 0,05, se poate considera că (α=0.05 și n=35 dL=1.402 si dU=1.519):
a) erorile de modelare sunt autocorelate pozitiv
3
b) erorile de modelare sunt autocorelate negativ
c) nu este posibilă luarea unei decizii cu privire la existenţa autocorelării erorilor

10) Încălcarea ipotezei de homoscedasticitate are ca efect:

a) pierderea eficienţei estimatorilor parametrilor modelului de regresie
b) pierderea eficienţei estimatorului variabilei dependente
c) pierderea eficienţei estimatorului variabilei independente

11) Dacă între variabilele independente se înregistrează o coliniaritate perfectă, atunci (varianţa
estimatorilor este):
a) infinită
b) nulă
c) mare
d) variabilele se reprezinta grafic printr-o dreapta

12) În studiul legăturii dintre două variabile, X şi Y, se estimează coeficientul de corelaţie neparametrică
Spearman între variabila independentă şi erorile de modelare şi se obţin următoarele rezultate:
Correlations

Tension Score
Spearman's rho Tension Correlation Coefficient 1,000 ,086
Sig. (2-tailed) . ,560
N 48 48
Score Correlation Coefficient ,086 1,000
Sig. (2-tailed) ,560 .
N 48 48

Pentru un risc asumat egal cu 0,05, se poate considera că:

a) erorile de modelare sunt autocorelate
b) erorile de modelare sunt homoscedastice
c) erorile de modelare urmează o lege normală

13) În urma analizei legăturilor dintre variabilele independente ale unui model de regresie, s-au obţinut
următoarele rezultate:
Coefficientsa

Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Model B Std. Error Beta t Sig. Tolerance VIF
1 (Constant) 65,705 27,731 2,369 ,037
X1 48,979 10,658 ,581 4,596 ,001 ,950 1,052
X2 59,654 23,625 ,359 2,525 ,028 ,753 1,328
X3 -1,838 ,814 -,324 -2,258 ,045 ,738 1,355
a. Dependent Variable: Y

Valoarea indicatorului VIF pentru variabila X1 arată că:

a) variabila X1 nu introduce fenomenul de coliniaritate VIF = 1,052 < 10 – necoliniaritate
b) 5% din variaţia variabilei X1 este explicată liniar de variaţia celorlalte variabile independente
c) există coliniariate între variabilele independente

4
14) În vederea testării ipotezei privind valoarea mediei erorilor ε ale unui model de regresie liniară
simplă s-au obţinut următoarele rezultate:
One-Sample Statistics

Std. Error
N Mean Std. Deviation Mean
Unstandardized Residual 15 ,0000000 73271,63549 18918,65

Pentru exemplul dat, considerând un risc de 0,05 şi n=15, se poate considera că:
a) se respinge ipoteza H 0 : M (  i )  0
b) se acceptă ipoteza H 0 : M (  i )  0
c) se acceptă ipoteza H 0 : M (  i )  0
d) valoarea teoretică a statisticii test t Student este t0.025,14  2,145.

15) În vederea testării normalităţii erorilor unui model de regresie, s-au obţinut următoarele rezultate:
One-Sample Kolmogorov-Smirnov Test

Tension
N 12
Normal Parametersa,b Mean 1.50
Std. Deviation .522
Most Extreme Absolute .331
Differences Positive .331
Negative -.331
Kolmogorov-Smirnov Z 1.146
Asymp. Sig. (2-tailed) .145
a. Test distribution is Normal.
b. Calculated f rom data.

Considerând un risc de 0,05, se poate considera că

a) erorile urmează o lege normală
b) erorile nu urmează o lege normală
c) erorile sunt homoscedastice
d) erorile sunt necorelate

16) În urma analizei coliniarităţii pentru un model liniar multivariat, s-au obţinut rezultatele din tabelul
de mai jos:

Colinearity Statistics
Tolerance VIF
(Constant)
X1 .006 166.66
X2 .473 ?
X3 .073 13,69

Pe baza datelor din tabelul de mai sus alegeţi afirmaţiile corecte:

a) rapoartele de determinaţie (R2) pentru cele 3 modele de regresie auxiliare sunt 0,994; 0,527 si 0,927;
b) există variabile independente care introduc fenomenul de coliniaritate x1 și x3
5
c) nu există variabile independente care introduc fenomenul de coliniaritate
d) valoarea care lipseste este 2,11 VIF 2 = 1 / TOL 2 = 1 / 0,473 = 0,11
e) 52,7% din variatia variabilei X2 este explicata prin variatia simultana a variabilelor X1 si X3 interpretarea lui
R22
f) Variabila X1 este coliniara in raport cu variabila dependenta

17) Dacă norul de puncte rezultat prin reprezentarea grafică a variabilei X şi a variabilei ln(Y) poate fi
aproximat printr-o dreaptă, modelul de regresie este:
a) exponenţial
b) putere
c) hiperbolic
putea să mai fie modelul – de creștere, compus
18) Elasticitatea cererii în raport cu preţul se poate estima cu ajutorul:
a) unui model log-liniar
b) unui model semilogaritmic
c) unui model putere

19) Testul Fisher poate fi utilizat pentru:

a) verificarea ipotezei de normalitate
b) verificarea semnificaţiei raportului de corelaţie
c) verificarea ipotezei de multicoliniaritate a variabilelor independente
d) verificarea corectitudinii modelului de regresie ales

20) Prin autocorelare înţelegem că: corelare – pt. erori, coloniaritate – pentru variabilele independente
a) variabilele independente Xi din model sunt corelate între ele
b) erorile de modelare nu sunt independente
c) erorile de modelare sunt corelate cu una sau mai multe variabile independente

21) În urma modelării Salariului în funcţie de Vechime, pentru verificarea ipotezelor de regresie s-a
obtinut rezultatul de mai jos. Pentru un risc asumat de 5%, care dintre urmatoarele afirmatii sunt
adevarate?
Coefficientsa

Unstandardized Standardized
Coef ficients Coef ficients
Model B Std. Error Beta t Sig.
1 (Constant) 65.656 1.429 45.931 .000
Vechime -2.034 .126 -.418 -16.126 .000
a. Dependent Variable: Erorile in valoare absoluta

a) erorile sunt homoscedastice

b) variatia erorii de modelare este influentata semnificativ de variatia variabilei Vechime
c) variantele erorii de modelare sunt egale si constante
d) modelul este heteroscedastic

22) Între variabilele cost unitar şi nivelul producţiei există o legătură de tip:
a) log-liniar
b) parabolic
c) putere

6
23) Dacă se doreşte estimarea variaţiei medii relative a variabilei dependente la o variaţie absolută cu o
unitate a variabilei independente, se utilizează un model de tipul: ln y, x
a) ln Y   0   1 X  
b) ln Y  ln 0  1 ln X  
c) Y  0  1 X  

24) Rezultatele modelării pentru variabilele PIB/loc ($) şi speranţă medie de viaţă (ani), pentru un
eşantion de ţări, în anul 2012, sunt prezentate în tabelul de mai jos. Modelul Putere – ambele variabile ln
Coefficients

Unstandardized Standardized
Coefficients Coefficients
B Std. Error Beta t Sig.
ln(PIB / loc) .095 .007 .807 14.153 .000
(Constant) 32.713 1.761 18.573 .000
The dependent variable is ln(Speranta medie de viata).

Au loc enunţurile:
a) elasticitatea speranţei de viaţă în raport cu PIB/loc este 0,095
b) nivelul mediu estimat al speranţei de viaţă creşte cu 0,095% la o creştere a PIB/loc cu 1%
c) nivelul mediu estimat al speranţei de viaţă creşte cu 9,5% la o creştere a PIB/loc cu 1%
d) parametrii sunt semnificativi pentru un risc de 5%

25) În studiul legăturii dintre Rata mortalităţii infantile (%) şi PIB, realizat pentru un eşantion de ţări, s-
au obţinut următoarele rezultate:
Model Summary and Parameter Estimates

Dependent Variable: Infant mortality (deaths per 1000 live births)

Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1 b2
Linear .410 74.383 1 107 .000 64.365 -.004
Inverse .585 151.115 1 107 .000 22.263 20504.941
Quadratic .553 65.513 2 106 .000 79.588 -.012 4.30E-007
Compound .670 217.516 1 107 .000 57.088 1.000
Power .759 336.253 1 107 .000 3755.157 -.628
The independent variable is PIB

Sunt valabile afirmatiile:

a) Modelul care are cea mai redusă putere explicativă este modelul liniar
b) Modelul cel mai adecvat este modelul putere
c) Toate modelele sunt semnificative pentru un risc de 5%

Cu cât R square este mai mare – cu atât e mai bine explicat modelul