Иконометрия в най-широкия смисъл на думата означава. Тест. Времеви редове. В стационарен времеви ред компонентът на тренда

Дълго време имаше две различни дефиниции на иконометрията: от „иконометрия в широкия смисъл на думата“ до „иконометрия в тесния смисъл на думата“. „Иконометрия в широкия смисъл на думата“ се отнася до набор от различни видове икономически изследвания, проведени с помощта на математически методи. Под „иконометрия в тесния смисъл на думата“ разбираме главно приложението на математически и статистически методи в икономическите изследвания: изграждане на математически и статистически модели на икономически явления, оценка на параметри в модели от всякакъв тип и др.

Наименованието „иконометрия“ е въведено от основателя на това направление в икономиката през 1926 г. Рагнар Фриш. От лингвистична гледна точка терминът „иконометрия“ е от немски произход (Okonometrie). Този термин се появява за първи път през 1910 г. в немска книга по счетоводство, чийто автор разбира теорията на счетоводството под него. Буквално преведено иконометрия означава „измервания в икономиката“ (може да се сравни с биометрия, наукометрия, астрометрия, социометрия, психометрия, полиметрия).

Понастоящем обаче можем да кажем с пълна увереност, че определението, дадено от S.A. Айвазян и В.С.Мхитарян в последния си учебник е най-обективният, модерен и точен:

определение: Иконометрията е независима научна дисциплина, която съчетава набор от теоретични резултати, техники, методи и модели, предназначени да

- икономическа теория,

- икономическа статистика,

- математически и статистически инструменти

- дават конкретен количествен израз на общи (количествени) модели, определени от икономическата теория.

Както виждаме, това определение напълно съответства на въведеното от Р. Фриш преди седемдесет години. Той вярваше, че иконометрията трябва да следва триединна формула, съчетаваща теоретичен анализ, емпирични данни и математически методи.

Говорейки за икономическата теория в рамките на иконометрията, изследователите се интересуват не само от идентифицирането на обективно съществуващите (на качествено ниво) икономически закони и връзки между икономическите показатели, но и от подходите за тяхното формализиране. При разглеждането на икономическата статистика като неразделна част от иконометрията изследователите се интересуват само от този аспект на тази независима дисциплина, който е пряко свързан с информационната поддръжка на анализирания иконометричен модел. И накрая, математическите и статистически инструменти на иконометрията означават, разбира се, не математическата статистика в нейния традиционен смисъл, а само нейните отделни раздели (класически и обобщени линейни модели на регресионен анализ, анализ на времеви редове, изграждане и анализ на системи от едновременни уравнения) . Тези раздели на математическата статистика трябва да бъдат допълнени с известна информация (специални видове регресионни модели, подходи за решаване на проблеми със спецификация, идентифицируемост и проверяемост на моделите и др.).

Във всички дейности на иконометриста използването на модел е от съществено значение. Ето защо е много важно да се проследи цялата „верига“ от дефиниции, свързани с това понятие.

Математически модел е абстракция на реалния свят, в която връзките между реални елементи, представляващи интерес за изследователя, са заменени от подходящи връзки между математически категории.

Икономически и математически модел – е всеки математически модел, който описва механизма на функциониране на определена хипотетична икономическа система или социално-икономическа система. Понякога един и същ модел може просто да се нарече икономически . (Пример за такъв модел е най-простата версия на т.нар. „уеб модел“, който описва процеса на генериране на търсене и предлагане на определен продукт или вид услуга на конкурентен пазар).

Ако в дефиницията на икономико-математически модел не говорим за никакъв математически модел, а за модел, конструиран с помощта на апарата на теорията на вероятностите и математическата статистика, тогава вече можем да получим представа за иконометричния модел. Но за това трябва да запомните следните определения.

Вероятностен модел – това е математически модел, който симулира функциониращия механизъм хипотетичен(неспецифично) реално явление (или система) със стохастичен характер.

Вероятностно-статистически модел – това е вероятностен модел, чиито стойности на индивидуалните характеристики (параметри) се оценяват въз основа на резултатите от наблюдения (първоначални статистически данни), характеризиращи функционирането на моделирания специфичен(а не хипотетично) явление (или система).

И накрая, можем да говорим за иконометричен модел:

Иконометричен моделсе нарича вероятностно-статистически модел, който описва механизма на функциониране на икономическа или социално-икономическа система.

Във всеки иконометричен модел всички променливи, включени в него, в зависимост от крайните цели на приложението, се разделят на екзогенни, ендогенни и предварително определени:

екзогенни променливи(екзо-външен, родов произход)- това са променливи, които се задават сякаш „отвън“, автономно и до известна степен са контролируеми (планирани);

ендогенни променливи(ендо-вътрешен, генус-произход) са променливи, чиито стойности се формират в процеса и вътрефункционирането на анализираната социално-икономическа система в значителна степен под въздействието на екзогенни променливи и, разбира се, във взаимодействие помежду си; в иконометричен модел те са обект на обяснение;

предварително дефинирани променливи- това са променливи, които действат в системата като фактори – аргументи, или обяснявайкипроменливи.

Наборът от предварително дефинирани променливи се формира от всички екзогенни променливи (които могат да бъдат „свързани“ с минали, настоящи и бъдещи точки във времето) и т.нар. закъснели ендогенни променливи,тези. такива ендогенни променливи, чиито стойности са включени в уравненията на анализираната иконометрична система, измерена в минало(спрямо текущите) моменти във времето и следователно са вече известен, даден.

Иконометрични тестове - стр. No1/1

Иконометрични тестове
Въведение

1. 
   Иконометричният модел има формата
   1. 
      y=fx
   2. 
      y=a+b1x+b2x2
   3. 
      y=fx+ε
   4. 
      y=fx

1. 
   Съвпадение

1. 
   Регресията е
   1. 
      зависимостта на стойностите на получената променлива от стойностите на обяснителните променливи (фактори)
   2. 
      правило, според което всяка стойност на една променлива се свързва с една стойност на друга променлива
   3. 
      правилото, според което всяка стойност на независимата променлива се свързва със стойността на зависимата променлива
   4. 
      зависимостта на средната стойност на резултантната променлива от стойностите на обяснителните променливи (фактори)

1. 
   Метод на най-малките квадрати...
   1. 
      Позволява ви да получите оценки на параметрите на линейната регресия въз основа на условието i=1nyi-yi2→min
   2. 
      Позволява ви да получите оценки на регресионните параметри въз основа на условието ln⁡(i=1nf(yi,)→max
   3. 
      Позволява ви да проверите статистическата значимост на регресионните параметри
   4. 
      Позволява ви да получите оценки на параметрите на нелинейната регресия въз основа на условието i=1ny-yi2→min

1. 
   Уравнение на линейна множествена регресия
   1. 
      y=a+bx
   2. 
      y=a+b1x1+b2x2+...+bpxp
   3. 
      y=ax1b1x2b2…xpbp
   4. 
      yt=Tt+St+Et

1. 
   За уравнение на линейна множествена регресия съвпадение

1. 
   Проблемът със спецификацията на регресионния модел включва
   1. 
      Избор на фактори, включени в регресионното уравнение
   2. 
      Оценка на параметрите на регресионното уравнение
   3. 
      Оценка на достоверността на резултатите от регресионния анализ
   4. 
      Избор на вида на регресионното уравнение

1. Изисквания за факторите, включени в линеен модел на множествена регресия...

1. 
   Броят на факторите трябва да бъде 6 пъти по-малък от обема на популацията
2. 
   Факторите трябва да представляват времеви редове
3. 
   Факторите трябва да имат едно и също измерение
4. 
   Не трябва да има висока корелация между факторите

2. Верни твърдения относно мултиколинеарността на факторите

1. 
   Препоръчва се включването на мултиколинеарни фактори в линеен модел на множествена регресия
2. 
   Мултиколинеарността на факторите води до намаляване на надеждността на оценките на параметрите на регресионното уравнение
3. 
   Мултиколинеарността на факторите се проявява в наличието на сдвоени междуфакторни коефициенти на корелация със стойности по-големи от 0,7
4. 
   Мултиколинеарността на факторите се проявява в наличието на сдвоени междуфакторни коефициенти на корелация със стойности по-малки от 0,3

3. Верни твърдения за включването на фактори в уравнението на линейната множествена регресия

1. 
   Включването на фактор в модела води до забележимо увеличение на коефициента на множествена детерминация
2. 
   Коефициентът на корелация на двойката за фактора и променливата на резултата е по-малък от 0,3
3. 
   Стойността на t-теста на Стюдънт за регресионния коефициент, когато факторът е по-малък от стойността в таблицата
4. 
   Факторът трябва да обясни поведението на изследвания индикатор в съответствие с приетите разпоредби на икономическата теория

4. При конструиране на множествен регресионен модел с помощта на метода за поетапно включване на променливи, първият етап разглежда модел с...

1. 
   Една обяснителна променлива, която има най-малък коефициент на корелация със зависимата променлива
2. 
   Една обяснителна променлива, която има най-висок коефициент на корелация със зависимата променлива
3. 
   Няколко обяснителни променливи, които имат модулни коефициенти на корелация със зависима променлива, по-голяма от 0,5
4. 
   Пълен списък с обяснителни променливи

1. 
   Параметри за фактори в линейната множествена регресия
   y=a+b1x1+b2x2+...+bpxp характеризират
   1. 
      Делът на дисперсията в променливата на резултата, обяснена чрез регресия в нейната обща дисперсия
   2. 
      Силата на връзката между променливата на резултата и съответния фактор, като същевременно елиминира влиянието на други фактори, включени в модела
   3. 
      
   4. 
      С какъв процент средно се променя получената променлива при промяна на съответния фактор с 1%

5. Стандартизирането на променливите се извършва по формулата

1. 
   ty=ymaxy
2. 
   ty=y-y
3. 
   ty=yσy
4. 
   ty=y-yσy

1. 
   Уравнението на множествената регресия по стандартизирана скала е ty=20+0,9tx1+0,5tx2+ε. Ефективният знак е силно повлиян от:

1. 
   x1 и x2
2. 
   не може да се направи заключение

1. 
   Уравнението на множествената регресия в естествената му форма е
   y=20+0.7x1+0.5x2+ε. Ефективният знак е силно повлиян от:

1. 
   x1 и x2
2. 
   не може да се направи заключение

6. Свойствата на регресионното уравнение в стандартизирана форма включват...

1. 
   Коефициентите на регресия за обяснителните променливи са равни един на друг
2. 
   Няма постоянен параметър (свободен член на уравнението) на регресия
3. 
   Стандартизираните регресионни коефициенти не са сравними един с друг
4. 
   Променливите, включени в уравнението, са безразмерни

7. Оценява се близостта на съвместното влияние на факторите върху резултата в уравнението на линейната множествена регресия

1. 
   Коефициент на корелация на двойки
2. 
   Частичен коефициент на корелация
3. 
   
4. 
   

8. Съвпадение

9. Коефициентът на множествена корелация за линейна зависимост може да се изчисли с помощта на формулата

10. Верни твърдения относно коефициента на множествена корелация

1. 
   Колкото по-близо е стойността до едно Ryx1...xp, толкова по-тясна е връзката между ефективната характеристика и всички фактори
2. 
   Колкото по-близо е стойността до нула Ryx1...xp, толкова по-тясна е връзката между ефективната характеристика и всички фактори
3. 
   Ryx1…xp взема стойности от интервала
4. 
   Ryx1…xp приема стойности от интервала [– 1, 1]

11. Коефициентът на множествена детерминация характеризира

1. 
   Близостта на съвместното влияние на факторите върху резултата в уравнението на линейната множествена регресия
2. 
   Близостта на връзката между резултата и съответния фактор, като същевременно се елиминира влиянието на други фактори, включени в модела
3. 
   Делът на дисперсията на резултантния атрибут, обяснен с регресия, в общата му дисперсия
4. 
   Средната промяна в променливата на резултата с промяна на съответния фактор с единица, със същата стойност на други фактори, фиксирани на средното ниво

12. За общата (TSS), регресионната (RSS) и остатъчната (ESS) сума на квадратните отклонения и коефициента на детерминация R2 е изпълнено равенството...

1. 
   R2=RSSTSS
2. 
   R2=1-ESSTSS
3. 
   R2=ESSTSS
4. 
   R2=1-RSSTSS
5. 
   R2=RSSTSS+ESSTSS

13. Съотношението на остатъчната дисперсия към общата дисперсия е 0,05. Това означава…

1. 
   Коефициент на определяне R2=0,95
2. 
   Коефициент на детерминация R2=0,05
3. 
   Разлика (1-R2)=0,95, където R2 е коефициентът на детерминация
4. 
   Разлика (1-R2)=0,05, където R2 е коефициентът на детерминация

14. За да се елиминира систематичната грешка на остатъчната вариация, се използва линеен модел на множествена регресия за оценка на качеството

1. 
   Коефициент на множествена детерминация
2. 
   Множествен коефициент на корелация
3. 
   Коригиран коефициент на множествена детерминация
4. 
   Коригиран частичен коефициент на корелация

15. Оценката на статистическата значимост на уравнението на линейната множествена регресия като цяло се извършва с помощта на

1. 
   t тест на ученика
2. 
   Критерий на Фишер
3. 
   Тест на Дърбин-Уотсън
4. 
   Тест на Фостър-Стюарт

16. Оценката на статистическата значимост на коефициентите на линейна множествена регресия се извършва с помощта на

1. 
   t тест на ученика
2. 
   Критерий на Фишер
3. 
   Тест на Дърбин-Уотсън
4. 
   Тест на Фостър-Стюарт

17.Ако коефициентът на регресия е значителен, то условията за това са изпълнени

1. 
   Действителната стойност на t-теста на Стюдънт е по-малка от критичната стойност
2. 
   Действителната стойност на t-теста на Стюдънт е по-голяма от критичната стойност
3. 
   Доверителният интервал преминава през нула
4. 
   Стандартната грешка не надвишава половината от стойността на параметъра

18. Ако регресионното уравнение е значимо, тогава действителната стойност на F-теста ...

1. 
   по-критичен
2. 
   по-малко от критично
3. 
   близо до единството
4. 
   близо до нулата

19. Предпоставките за МНП са...

1. 
   Дисперсията на случайните отклонения е постоянна за всички наблюдения
2. 
   Дисперсията на случайните отклонения не е постоянна за всички наблюдения
3. 
   Случайните отклонения корелират едно с друго
4. 
   Случайните отклонения са независими едно от друго

20. Посочете изводите, които съответстват на графиката на остатъците

1. 
   Предпоставката на OLS по отношение на независимостта на остатъците един от друг е нарушена
2. 
   Има автокорелация на остатъците
3. 
   Няма модел в поведението на остатъците
4. 
   Няма автокорелация на остатъците

21. Когато са изпълнени предпоставките на метода на най-малките квадрати (OLS), остатъците от регресионното уравнение обикновено се характеризират с...

1. 
   Нулева средна стойност
2. 
   Хетероскетизъм
3. 
   Случаен характер
4. 
   Висока степен на автокорелация

22. Методите за откриване на хетероскедастичност на остатъците включват

1. 
   Тест на Дърбин-Уотсън
2. 
   Тест на Голдфелд-Квант
3. 
   Графичен анализ на баланси
4. 
   Метод на най-малките квадрати

23. Фиктивните променливи в уравнението на множествената регресия са...

1. 
   Качествени променливи, преобразувани в количествени
2. 
   Променливи, представляващи най-простите функции на променливи, които вече са включени в модела
3. 
   Допълнителни количествени променливи за подобряване на решението
4. 
   Комбинации от фактори, включени в регресионното уравнение, които повишават адекватността на модела

24. Да отразява влиянието на качествена съпътстваща променлива, която има мсъстоянията обикновено се включват в модела... фиктивна променлива

1. 
   m+12
2. 
   м-12

25. Регресии, които са нелинейни в обяснителните променливи, но линейни в оценените параметри

1. 
   y=a+b1x+b2x2+ε
2. 
   y=a∙xb∙ε
3. 
   y=a+bx+ε
4. 
   y=a+bx+ε
5. 
   y=a∙bx∙ε
6. 
   y=ea+bx∙ε

26. Регресии, нелинейни по оценените параметри

1. 
   y=a+b1x+b2x2+ε
2. 
   y=a∙xb∙ε
3. 
   y=a+bx+ε
4. 
   y=a+bx+ε
5. 
   y=a∙bx∙ε
6. 
   y=ea+bx∙ε

27.Посочете верните твърдения за модела

y=fx,z∙ε=a∙bx∙cz∙ε

1. 
   Отнася се за типа модели, които са нелинейни в обяснителните променливи, но линейни в оценените параметри
2. 
   Отнася се за типа модели, които са нелинейни в оценените параметри
3. 
   Отнася се към типа линейни модели
4. 
   Не може да се сведе до линейна форма
5. 
   Може да се редуцира до линейна форма

28.Посочете верните твърдения за модела

1. 
   Линеаризация на линеен модел на множествена регресия
2. 
   Линеаризация на линеен двоен регресионен модел
3. 
   Принадлежи към класа на нелинейните модели по отношение на обяснителните променливи, но линейни по отношение на оценените параметри
4. 
   Принадлежи към класа на линейните модели

29. Моделът y=a∙bx∙ε принадлежи към класа на... иконометрични нелинейни регресионни модели

1. 
   успокоен
2. 
   обратен
3. 
   показателен
4. 
   линеен

30. Моделът y=a∙xb∙ε принадлежи към класа на... иконометрични нелинейни регресионни модели

1. 
   успокоен
2. 
   обратен
3. 
   показателен
4. 
   линеен

31. Моделът y=a+bx+cx2+ε принадлежи към класа на... иконометрични нелинейни регресионни модели

1. 
   успокоен
2. 
   полином
3. 
   показателен
4. 
   линеен

32. Беше забелязано, че с увеличаване на количеството на внесения тор, добивът също се увеличава, но при достигане на определена стойност на фактора, моделираният показател започва да намалява. За да проучите тази връзка, можете да използвате спецификацията на регресионното уравнение...

1. 
   y=a+bx+cx2+ε
2. 
   y=a+b1x1+b2x2+ε
3. 
   y=a+bx+ε
4. 
   y=a+xb+ε

33. За да се получат оценки на параметрите на модела на степенна регресия y=a∙xb ...

1. 
   Методът на най-малките квадрати не е приложим
2. 
   Необходимо е да изберете подходящото заместване
3. 
   Изисква се логаритмично преобразуване
4. 
   Необходимо е тригонометрично преобразуване

34. Използвайки метода на най-малките квадрати, е невъзможно да се оценят стойностите на параметрите на регресионното уравнение...

1. 
   y=a+bx+ε
2. 
   y=a+bxc+ε
3. 
   y=a+bx+cx2+ε
4. 
   y=a+b1x1+b2x2+ε

35. Промяна, която определя общата посока на развитие, основната тенденция на динамичен ред, се разбира като...

1. 
   тенденция
2. 
   Сезонен компонент
3. 
   Цикличен компонент
4. 
   Произволен компонент

36. Редовните компоненти на динамичния ред са

1. 
   тенденция
2. 
   Сезонен компонент
3. 
   Цикличен компонент
4. 
   Произволен компонент

37.Ако периодът на циклични колебания в нивата на динамичен ред не надвишава една година, тогава те се наричат ​​...

1. 
   Годишен
2. 
   Опортюнистичен
3. 
   Сезонен
4. 
   Многогодишно растение

38. Нека Yt е времеви ред, Tt е трендов компонент, St е сезонен компонент, Et е случаен компонент. Моделът на адитивния времеви ред има формата...

1. 
   Yt=Tt+St+Et
2. 
   Yt=Tt∙St+Et
3. 
   Yt=Tt+St∙Et
4. 
   Yt=Tt∙St∙Et

39. Нека Yt е времеви ред, Tt е трендов компонент, St е сезонен компонент, Et е случаен компонент. Моделът на мултипликативния времеви ред има формата...

1. 
   Yt=Tt+St+Et
2. 
   Yt=Tt∙St+Et
3. 
   Yt=Tt+St∙Et
4. 
   Yt=Tt∙St∙Et

40. Конструиран е модел на адитивен времеви ред, където Yt е времевият ред, Tt е компонентът на тенденцията, St е сезонният компонент, Et е случайният компонент. Ако Yt=15, тогава стойностите на компонентите на серията са намерени правилно...

1. 
   Tt=8, St=5, Et=0
2. 
   Tt=8, St=5, Et=2
3. 
   Tt=15, St=5, Et=0
4. 
   Tt=15, St=-5, Et=2

41. Можете да определите наличието на тенденция във времева серия...

1. 
   Според графиката на времевия ред
2. 
   По обем на динамичните редове
3. 
   Поради липсата на случаен компонент
4. 
   Използване на статистическа проверка на хипотезата за наличие на тенденция

42. Можете да определите наличието на циклични (сезонни) колебания във времева серия...

1. 
   В резултат на анализа на автокорелационната функция
2. 
   Според графиката на времевия ред
3. 
   По обем на динамичните редове
4. 
   Използване на теста на Фостър-Стюарт

43. Нека Yt е динамичен ред с тримесечни наблюдения, St е допълнителен сезонен компонент. Оценките на сезонния компонент съответно за първо, второ и четвърто тримесечие са S1=5, S2=-1, S4=2. Оценката на сезонния компонент за третото тримесечие е...

44. В резултат на изглаждане на времевите редове 6, 2, 7, 5, 12 с проста тричленна пълзяща средна, първата изгладена стойност е ...

45. В резултат на изглаждане на времевите редове 6, 2, 7, 5, 12 с проста четиричленна пълзяща средна, първата изгладена стойност е ...

46. ​​​​За да се опише тенденцията на времеви редове, се използва крива на растеж с насищане...

1. 
   y=a+b1t+b2t2
2. 
   y=a+b1t+b2t2+b3t3
3. 
   y=a∙bt, b>1
4. 
   y=k+a∙bt, a

47. Коефициент на автокорелация от първи ред

1. 
   Частичен коефициент на корелация между съседни нива на динамичен ред
2. 
   Линеен коефициент на двойна корелация между произволни нива на динамичен ред
3. 
   Линеен коефициент на двойна корелация между съседни нива на динамичен ред
4. 
   Линеен коефициент на двойна корелация между нивото на динамичния ред и неговия номер

48. Автокорелационна функция...

1. 
   Зависимост на автокорелационния коефициент от първите разлики в нивата на динамичния ред
2. 
   Зависимост на нивото на динамичния ред от коефициента на корелация с неговия номер
3. 
   Последователност от автокорелационни коефициенти, подредени във възходящ ред
4. 
   Последователност от автокорелационни коефициенти, подредени във възходящ ред на техните стойности

49. Ако коефициентът на автокорелация от 4-ти ред се окаже най-висок, тогава времевият ред има

1. 
   линеен тренд
2. 
   случаен компонент
3. 
   тенденция под формата на полином от 4-ти ред
4. 
   циклични трептения с период 4

50. Известните стойности на автокорелационните коефициенти са r1=0,8, r2=0,2, r3=0,3, r4=0,9. Моля, посочете верните твърдения...

1. 
   
2. 
   Времевият ред съдържа тенденция под формата на полином от 4-ти ред
3. 
   
4. 
   

51. Известните стойности на автокорелационните коефициенти са r1=0.1, r2=0.8, r3=0.3, r4=0.9. Можем да заключим...

1. 
   Времевият ред съдържа линеен тренд
2. 
   Времевият ред е случаен
3. 
   Времевият ред съдържа циклични колебания с период 2
4. 
   Времевият ред съдържа циклични колебания с период 4

52. Модел на времеви редове се счита за адекватен, ако стойностите на остатъците...

1. 
   имат нулево математическо очакване
2. 
   действителната стойност на F-теста е по-малка от стойността в таблицата
3. 
   се подчиняват на нормалния закон за разпределение
4. 
   се подчиняват на единен закон за разпределение
5. 
   са положителни
6. 
   са случайни и независими

53. Независимостта на остатъците на модел на времеви редове може да се провери с помощта на

1. 
   Тест на Дърбин-Уотсън
2. 
   Тест на Пиърсън
3. 
   Критерий на Фишер
4. 
   

54. Случайността на остатъците на модел на времеви редове може да бъде тествана с помощта на

1. 
   Анализ на автокорелационната функция на остатъците
2. 
   Тест на Пиърсън
3. 
   Проверка на хипотезата за наличие на тенденция
4. 
   Изчисляване на изкривяване и ексцес

55. За експоненциално изглаждане се използва формулата

1. 
   St=αyt+1-αyt-1
2. 
   St=αyt+1-αSt-1
3. 
   yt=k+a∙bt, a
4. 
   Yt=Tt+St+Et

56. Изглаждащата константа α в експоненциалния изглаждащ модел St=αyt+1-αSt-1 приема стойностите

1. 
   0,2 или 0,3
2. 
   от 0,7 до 0,9
3. 
   
4. 
   произволен

57. Извършва се избор на оптималната стойност на изглаждащата константа α в експоненциалния изглаждащ модел St=αyt+1-αSt-1

1. 
   Винаги се използва стойността α=0,3
2. 
   Винаги се използва стойността α=0,7
3. 
   За оптимална стойност на α се счита тази, при която се получава най-малката дисперсия на грешката
4. 
   Оптималната стойност на α се счита за тази, при която се получава най-голямото отклонение на грешката

58. Параметър на адаптация α=0.3, y5=8, y6=7, S4=6. Стойността S6, получена в резултат на експоненциално изглаждане на времевия ред по формулата St=αyt+1-αSt-1 е...

Отговор: 6,72

59. Времевият ред съдържа тенденция и моделът на Холт се използва за нейното изглаждане: St=αyt+1-α(St-1-mt-1), mt=γSt-St-1+1-γmt-1. Ако α=γ=0,3, y5=8, S4=5, m4=2. Стойността на m5 е...

Отговор: 1,25
Системи от едновременни уравнения

1. 
   Земеделското предприятие се занимава с отглеждане на пшеница, царевица, ечемик и елда. Изграден е иконометричен модел, който описва добива от всяка култура в зависимост от вложените дози торове и количеството влага. Този модел принадлежи към класа на системите... уравнения
   1. 
      едновременно
   2. 
      независима
   3. 
      рекурсивен
   4. 
      нормално

1. 
   Състоянието на затворената икономика се описва със следните характеристики: Y - брутен вътрешен продукт (БВП), C - ниво на потребление, I - размер на инвестициите, G - държавни разходи, T - размер на данъците, R - реален лихвен процент . Спецификацията на модела се основава на следните положения на икономическата теория: 1) потреблението се обяснява с размера на разполагаемия доход (Y-T); 2) нивото на инвестициите се определя от размера на БВП и лихвения процент; 3) потреблението, инвестициите и държавните разходи се добавят към БВП. Съответната система от взаимосвързани уравнения ще изглежда така:
   1. 
      C=a0+a1∙Y+ε1,I=b0+b1∙Y+b2∙R+ε2,Y=C+I+G
   2. 
      C=a0+a1∙Y-T+ε1,I=b0+b1∙Y+ε2,Y=C+I+G
   3. 
      C=a0+a1∙Y-T+ε1,I=b0+b1∙Y+b2∙R+ε2,Y=c0+c1∙C+c2∙I+c3∙G+ε3
   4. 
      C=a0+a1∙Y-T+ε1,I=b0+b1∙Y+b2∙R+ε2,Y=C+I+G

1. 
   В структурната форма на модела, изграден съгласно определената схема на връзки между променливи, броят на екзогенните променливи е равен на ...

Отговор: 2

В структурната форма на модела, изграден съгласно определената схема на връзки между променливи, броят на ендогенните променливи е равен на ...

Отговор: 3

В система от едновременни уравнения ендогенните променливи са

1. 
   В система от едновременни уравнения екзогенните променливи са

1. 
   Броят на уравненията на системата за определената схема на връзки между променливи е ...

Отговор: 2

61. Броят на уравненията на системата за посочената диаграма на връзките между променливите е ...

1. 
   Уравнения, които трябва да бъдат включени в системата за посочената диаграма на връзките между променливите

1. 
   Y1=b12Y2+a11X1+a12X2+ε1
2. 
   Y2=b21Y1+a21X1+a22X2+ε2
3. 
   Y1=a11X1+a12X2+ε1
4. 
   Y2=a21X1+a22X2+ε2
5. 
   Y1=b12Y2+a11X1+ε1
6. 
   Y2=b21Y1+a21X1+ε2

1. 
   Редуциран вид на модела, съответстващ на структурната форма на системата от едновременни уравнения

включва уравнения

1. 
   y1=a11x1+ε1
2. 
   y2=a22x2+ε2
3. 
   y1=δ11x1+u1
4. 
   y2=δ22x2+u2
5. 
   y1=δ11x1+δ12x2+u1
6. 
   y2=δ21x1+δ22x2+u2

1. 
   Умалената форма на модела е резултат от трансформацията...
   1. 
      Уравнения на нелинейна регресия
   2. 
      Структурна форма на модела
   3. 
      Системи от независими уравнения
   4. 
      Системи рекурсивни уравнения

62. Редуцирана форма за модела на динамиката на цените и заплатите

y2 – скорост на изменение на цената,

x1 – процент безработни,

x3 – темп на изменение на цените на вносните суровини,

изглежда...

1. 
   y1=δ11x1+ε1,y2=δ22x2+δ23x3+ε2
2. 
   y1=δ12y2+δ11x1+ε1,y2=δ21y1+δ22x2+δ23x3+ε2
3. 
   y1=δ12y2+ε1,y2=δ21y1+ε2
4. 
   y1=δ11x1+δ12x2+δ13x3+ε1,y2=δ21x1+δ22x2+δ23x3+ε2

63. Уникалността на съответствието между редуцираните и структурните форми на модела на система от едновременни уравнения представлява проблем...

1. 
   мултиколинеарност на факторите
2. 
   идентифициране
3. 
   хетероскедастичност на остатъците
4. 
   хетерогенност на данните

64. Установете съответствие между вида на структурния модел и съответствието между структурните и намалените коефициенти...

65. Използвайки необходимото идентификационно условие за модела на динамиката на цените и заплатите, посочете верните твърдения...

y1=b12y2+a11x1+ε1,y2=b21y1+a22x2+a23x3+ε2,

където y1 е скоростта на промяна на месечната заплата,

y2 – скорост на изменение на цената,

x1 – процент безработни,

x2 – скорост на изменение на постоянния капитал,

x3 – темп на изменение на цените на вносните суровини

1. 
   и двете уравнения са точно идентифицирани
2. 
   и двете уравнения не могат да бъдат идентифицирани
3. 
   и двете уравнения са свръхидентифицируеми
4. 
   първото уравнение е прекалено идентифицирано
5. 
   второто уравнение е точно идентифицирано

66. Нека D е броят на екзогенните променливи, които се съдържат в системата, но не се съдържат в това уравнение. За първото уравнение на модела на динамиката на цените и заплатите стойността на D е равна на ...

y1=b12y2+a11x1+ε1,y2=b21y1+a22x2+a23x3+ε2,

Отговор: 2

y1=b12y2+a11x1+ε1,y2=b21y1+a22x2+a23x3+ε2,

68. Нека H е броят на ендогенните променливи в системата, D е броят на екзогенните променливи, които се съдържат в системата, но не се съдържат в това уравнение. За първото уравнение на модела на динамиката на цените и заплатите стойността (H – D) е равна на ...

y1=b12y2+a11x1+ε1,y2=b21y1+a22x2+a23x3+ε2,

Отговор: 0

70. Установете съответствие за правилото за броене с необходимото условие за идентификация, ако H е броят на ендогенните променливи в системата, D е броят на екзогенните променливи, които се съдържат в системата, но не се съдържат в това уравнение

71. Конвенционалната OLS се използва успешно за оценка на структурни коефициенти...

1. 
   Системи неидентифицируеми уравнения
2. 
   Системи рекурсивни уравнения (триъгълни модели)
3. 
   Системи от взаимосвързани или едновременни уравнения
4. 
   Системи уравнения-тъждества
5. 
   Системи от независими уравнения

72. За разпознаваема структурна форма на система от едновременни уравнения, когато се оценяват параметри, ...

73. За свръхидентифицирана структурна форма на система от едновременни уравнения, когато се оценяват параметри, ...

1. 
   Обикновен метод на най-малките квадрати
2. 
   Косвен метод на най-малките квадрати
3. 
   Най-малки квадрати в две стъпки
4. 
   Тристепенен метод на най-малките квадрати

Q=……….. минотговаряметод на най-малките квадрати

Автокорелацияе корелационната зависимост на нивата на серията от предишни стойности.

Автокорелация съществува, когатовсяка следваща стойност на остатъците

Моделът на адитивния времеви ред има формата: Y=T+S+E

Атрибутна променлива може да се използва, когато:независимата променлива е качествена;

В какви граници се променя определящият коефициент?: от 0 до 1.

В какъв случай моделът се счита за адекватен? Fcalc>Fтаблица

В резултат на автокорелацията имаменеефективни оценки на параметрите

В добре монтиран модел остатъците трябва иима нормален закон

В иконометричния анализXjсе разглеждаткато случайни променливи

Стойността на доверителния интервал ни позволява да установим предположението, че:интервалът съдържа оценка на параметъра на неизвестното.

Стойността, изчислена по формулатаr=...е приблизителна оценкакоефициенти за двойки Корелации

Вътрешна нелинейна регресияе наистина нелинейна регресия, която не може да бъде сведена до линейна регресия чрез трансформиране на променливи и въвеждане на нови променливи.

Времеви редовее последователност от стойности на характеристика (резултантна променлива), взета за последователни моменти от време или периоди.

Изберете модел със закъсненияУt= a+b0x1…….(най-дълга формула)

Селективна стойност Rxy не > 1, |R|< 1

Извадков коефициент на корелацияrв абсолютно изражениене надвишава единицата

Хетероскедастичност- нарушение на постоянството на дисперсията за всички наблюдения.

Хетероскедастичността е налице, когато:дисперсията на случайните остатъци не е постоянна

Хетероскидастичността екогато дисперсията на остатъците е различна

Хипотезата за липсата на автокорелация на остатъците е доказана,ако Dtable2...

Хомоскедастизъм- постоянство на дисперсията за всички наблюдения или същата дисперсия на всяко отклонение (остатък) за всички стойности на факторните променливи.

Хомоскидастичност– това е, когато дисперсията на остатъците е постоянна и еднаква за всички ... наблюдения.

дисперсия- показател за вариация.

За определяне на параметрите на неидентифициран модел се използва следното:нито едно от образуванията. методи не могат да се прилагат

За да определите параметри извън идентифицирания модел, използвайте:се прилага. 2-стъпков OLS

За да се определят параметрите, трябва да се преобразува структурната форма на моделанамалена форма на модела

За да определите параметрите на точно разпознаваем модел:използва се непряк OLS;

Да оценим... променитеготхвъведено:коефициент на еластичност:

За регресия по двойки ơ²bравни….(xi-x¯)²)

За да тестваме значимостта на отделните регресионни параметри, ние използваме: t-тест.

За регресияг= а+ bxотпдоверителен интервал на наблюдения (1-a)% за коеф.bще бъде b±t…….·ơb

За регресия отпнаблюдения иммежду независими променливи има такава връзкаР² иЕ..=[(n-m-1)/m](R²/(1- R²)]

Вероятност за довериее вероятността истинската стойност на показателя за ефективност да попадне в изчисления прогнозен интервал.

Да приемем, че 2 модела са подходящи за описание на един икономически процес. И двете са адекватниfКритерий на Фишер. какво предимство да дам на тази котка:по-голяма от стойността на критерия F

Да приемем, че зависимостта на разходите от приходите се описва от функциятаг= а+ bxсредната стойност y=2...е равна на 9

АкоRxyтогава е положителенс увеличаване на x, y нараства.

Ако има незначителна променлива в регресионното уравнение, тогава тя се разкрива с ниска стойност T статистика

Ако качествен фактор има 3 степени, тогава необходимият брой фиктивни променливи 2

Ако коефициентът на корелация е положителен, тогава в линейния моделс увеличаване на x, y нараства

Ако се интересуваме от използването на атрибутни променливи, за да покажем ефекта от различните месеци, трябва да използваме 11 атрибутни метода

Ако регресионният модел има експоненциална връзка, тогаваМетодът на най-малките квадрати е приложим след редукция до линейна форма.

Връзката между коефициента на множествена детерминация (г) и корелации (Р) се описва чрез следния метод R=√D

Значение на регресионното уравнение- действителното наличие на изследваната зависимост, а не просто случайно съвпадение на фактори, симулиращи зависимост, която всъщност не съществува.

Оценява се значимостта на регресионното уравнение като цяло: -F-тест на Fisher

Значението на личните и двойните коефициенти. корелациите се проверяват. с помощта на:-Т-тест на Стюдент

Интеркорелация и свързаната с нея мултиколинеарност- това е тясна връзка между факторите, доближаваща се до пълна линейна зависимост.

Каква статистическа характеристика се изразява с формулатаР²=… коефициент на детерминация

Каква статистическа характеристика се изразява с формулата: r xy = ок(х; г) разделете на коренавар(х)* вар(г): коефициент корелации

Каква функция се използва при моделиране на модели с постоянен растежмощност

Кои точки се изключват от времевия ред чрез процедурата на изглаждане?и в началото и в края.

Кое регресионно уравнение е степенно? г= а˳ аͯ¹ а

Класическият метод за оценка на регресионните параметри се основава на:- метод на най-малките квадрати (LSM)

Брой степени на свобода заtстатистика при тестване на значимостта на регресионните параметри от 35 наблюдения и 3 независими променливи 31;

Брой степени на свобода на знаменателяЕ-статистика в регресия на 50 наблюдения и 4 независими променливи: 45

Векторни компонентиEiИима нормален закон

Корелация- стохастична зависимост, която е обобщение на строго детерминирана функционална зависимост чрез включване на вероятностен (случаен) компонент.

Коефициент на автокорелация:характеризира близостта на линейната връзка между текущите и предстоящите нива на серията

Коефициент на определяне- индикатор за близостта на стохастичната връзка в общия случай на нелинейна регресия

Коефициент на определянее величина, която характеризира връзката между зависимите и независимите променливи.

Коефициентът на детерминация еквадратен коефициент на множествена корелация

Коефициентът на детерминация е:стойност, която характеризира връзката между независимите и зависимите (зависимите) променливи;

Коефициент на определянеРпоказвапропорцията на вариацията в зависимата променлива y, която се обяснява с влиянието на факторите, включени в модела.

Коефициентът на детерминация варира в рамките на: - от 0 до 1

Фактор на доверие- това е коефициент, който свързва ограничаващите и средните грешки с линейна зависимост, изяснява значението на ограничаващата грешка, характеризираща точността на оценката, и е аргумент за разпределението (най-често интеграл на вероятността). Именно тази вероятност е степента на достоверност на оценката.

Фактор на доверие (нормализирано отклонение)- резултатът от разделянето на отклонението от средната стойност на стандартното отклонение, смислено характеризира степента на надеждност (увереност) на получената оценка.

Коефициент на корелацияRxyизползваниза да се определи пълнотата на връзката между X и Y.

Коефициентът на корелация варира в диапазона: от -1 до 1

Коефициент на корелация 0 означава, че: -няма линейна връзка .

Коефициент на корелация 1 означаваче: -има функционална зависимост.

Коефициентът на корелация се използва за:определяне на близостта на връзката между случайните величини X и Y;

Корелационният коефициент се изчислява заизмерване на степента на линейна връзка между две случайни променливи.

Линеен коефициент на корелация- показател за близостта на стохастичната връзка между фактора и резултата при линейна регресия.

Коефициент на регресия- коефициент на факторната променлива в линейния регресионен модел.

Коефициент на регресияbпоказва:С колко единици се увеличава y, ако x се увеличи с 1.

Коефициентът на регресия варира в рамките на: всяка стойност се прилага; от 0 до 1; от -1 до 1;

Коефициентът на еластичност се измерва в: неизмеримо количество.

Използва се критерият на Дарвин-Чатсън: - избор на фактори в модела; или - дефиниции на автокорелация в остатъците

t тест на ученика- проверка на значимостта на индивидуалните регресионни коефициенти и значимостта на корелационния коефициент.

Критерият на Фишър показвастатистическата значимост на модела като цяло въз основа на комбинираната значимост на всички негови коефициенти;

Забавени променливи: - това са променливи, свързани с предишни точки във времето; или - това са стойностите, зависещи. промяна. за предходния период от време.

Забавените променливи састойност на зависимите променливи за предходния период от време

Моделът като цяло е статистически значим, ако Fcalc > Ftab.

Моделът се идентифицира, ако:- броят на параметрите на структурния модел е равен на броя на дадените параметри. моделни форми.

Моделът е неидентифициран, ако:- номерът е даден. коефициент . повече брой структурни коефициенти

Един модел е свръхидентифициран, ако: дадено число. коефициент по-малко от броя на структурните коефициенти

Мултиобезпечението възниква, когато: погрешно включване на 2 или повече линейно зависими променливи в уравнението; 2. две или повече обяснителни променливи, обикновено слабо корелирани, стават силно корелирани при специфични условия на извадката; . В модела е включена променлива, която е силно корелирана със зависимата променлива.

Моделът на мултипликативния времеви ред има формата:- Y=T*S*E

Мултипликативен модел на времеви редове се конструира, ако:амплитудата на сезонните колебания се увеличава или намалява

Въз основа на тримесечни данни...стойности 7-1 тримесечие, 9-2 тримесечие и 11-3 тримесечие...-5

Извиква се грешен избор на функционална форма или обяснителни променливигрешки в спецификацията

Безпристрастността на оценката на регресионния параметър, получена с помощта на OLS, означава:- че се характеризира с най-малка дисперсия.

Един проблем, който може да възникне при многовариантна регресия и никога не възниква при регресия по двойки, е корелацията между независими променливи.

Какво определя броя на точките, изключени от времевия ред в резултат на изглаждане:в зависимост от използвания метод на изглаждане.

Обърнете внимание на основните типове грешки в спецификацията:отхвърляне на значима променлива; добавяне на незначима променлива;

Оценките на коефициентите на регресия по двойки са безпристрастни, ако: математически очаквания на остатъците =0.

Оценките на параметрите за сдвоена линейна регресия се намират с помощта на формулата b= Cov(x;y)/Var(x);a=y¯ bx¯

Оценките на регресионните параметри са безпристрастни, акоМатематическото очакване на остатъка е 0

Оценките на регресионните параметри са последователни, ако: - точността на оценката се увеличава с n, т.е., когато n нараства, вероятността за оценка от истинската стойност на параметъра клони към 0.

Оценки на двойна регресия на явления. ефективен, ако:оценката има най-малка дисперсия в сравнение с други оценки

При наличие на хетероскедастичност трябва да се използва следното:- обобщени най-малки квадрати

При проверка на значимостта на всички параметри едновременно се използва следното:-F-тест.

При проверка на значимостта на всички регресионни параметри едновременно се използва следното: F-тест.

Приложим ли е методът на най-малките квадрати за изчисляване на параметрите на експоненциалната зависимост?приложимо след намаляването му

Приложим ли е методът на най-малките квадрати (LSM) за изчисляване на параметрите на нелинейни модели?приложим след специалната му редукция до линейна форма

Какъв критерий се използва за оценка на значимостта на коефициента на регресия?Ученикът Т

С увеличаване на броя на обяснителните променливи, корелираният коефициент на детерминация е:- увеличава се.

Връзката между индекса на множествена детерминацияР ² и коригиран индекс на множествена детерминацияȒ² Има

Коригиран коефициент решителност:- повече от обичайния коефициент. решителност

Стандартизираният коефициент на регресионното уравнение Ƀk показвас колко % ще се промени резултантният индикатор y, когато xi се промени с 1% при непроменено средно ниво на други фактори

Коефициент на стандартно регресионно уравнение:показва колко 1 ще се промени y, когато коефициентът xk се промени с 1 при запазване на другия.

Същността на коеф решителностr 2 xy е както следва:-характеризира пропорцията на дисперсията на резултантната характеристика y обяснима. регресия., в общата дисперсия на резултантния признак.

Табличната стойност на теста на ученика зависиот ниво доверителната вероятност и от броя на включените фактори и от дължината на оригиналната серия (от приетото ниво на значимост и от броя на степените на свобода (n - m -1)).

Стойности на таблицата на Фишер (Е) зависятвърху вероятността за доверие и върху броя на включените фактори и върху дължината на оригиналната серия (от вероятността за доверие стри броя на степените на свобода на дисперсиите f1И f2)..

Уравнението, в коетозгброй липсващи екзогенни променливи, идентифицирани ако D+1=H

Уравнението, в коетозброй ендогенни променливи,гброй липсващи екзогенни променливи, които НЕ могат да бъдат идентифицирани, ако D+1

Уравнението, в коетозброй ендогенни променливи,гброй липсващи екзогенни променливи, свръхидентифицирани ако D+1>H

Уравнението се идентифицира, ако:- D+1=H

Уравнението е неидентифицирано, ако:- D+1

Едно уравнение е свръхидентифицирано, ако:- D+1>H

Фиктивните променливи са:атрибутивни характеристики (например професия, пол, образование), които са получили цифрови етикети;

Формулаt= rxy....използван за pпроверка на значимостта на коефициента на корелация

ЧастноЕ-критерий:- оценява значимостта на регресионното уравнение като цяло

Броят на степените на свобода за факторната сума на квадратите в линеен модел на множествена регресия е: m;

Какво показва коефициентът на наклон -Колко единици ще се промени y, ако x се промени с единица?

Какво показва коефициентът? абсолютен растежс колко единици ще се промени y, ако x се промени с единица

Екзогенна променливае независимата променлива или X фактор.

Екзогенни променливи- това са променливи, които се определят извън системата и са независими

Екзогенни променливи- Товапредварително определени променливи, които влияят на зависимите променливи (ендогенни променливи), но не зависят от тях, се означават с x

Измерва се еластичносттаединица за измерване на фактор...показател

Еластичността показвас колко % ще се промени редуктивният показател y при промяна на фактора с 1% xk.

Ендогенните променливи са:зависими променливи, чийто брой е равен на броя на уравненията в системата и които се означават с y

Дефиниции

Т-съотношение (t-тест)- отношението на оценката на коефициента, получена с помощта на OLS, към стандартната грешка на прогнозната стойност.

Модел на адитивен времеви реде модел, при който динамичният ред се представя като сбор от изброените компоненти.

Критерий на Фишер- метод за статистическо тестване на значимостта на регресионно уравнение, при което изчислената (действителна) стойност на F-отношението се сравнява с неговата критична (теоретична) стойност.

Линейна регресияе връзка (регресия), която се представя с праволинейно уравнение и изразява най-простата линейна зависимост.

Метод на инструменталните променливи- Това е вид МНК. Използва се за оценка на параметрите на модели, описани с няколко уравнения. Основното свойство е частичното заместване на неподходяща обяснителна променлива с променлива, която не е корелирана със случайния член. Тази прокси променлива се нарича инструментална променлива и води до последователни оценки на параметрите.

Метод на най-малките квадрати (LSM)- метод за приблизително намиране (оценка) на неизвестни регресионни коефициенти (параметри). Този метод се основава на изискването за минимизиране на сумата от квадратните отклонения на стойностите на резултатите, изчислени от уравнението на регресията и истинските (наблюдавани) стойности на резултатите.

Множествена линейна регресияе множествена регресия, представляваща линейна зависимост за всеки фактор.

Множествена регресия- регресия с две или повече факторни променливи.

Идентифициран модел- модел, в който всички структурни коефициенти се определят еднозначно от коефициентите на редуцираната форма на модела.

Модел на рекурсивни уравнения- модел, който съдържа зависими променливи (резултантни) на някои уравнения като фактор, появяващ се от дясната страна на други уравнения.

Мултипликативен модел– модел, в който динамичният ред се представя като произведение на изброените компоненти.

Безпристрастна оценка- оценка, чиято средна е равна на оценяваната стойност.

Нулева хипотеза- предположението, че резултатът не зависи от фактора (регресионният коефициент е нула).

Обобщени най-малки квадрати (GLS)- метод, който не изисква постоянна дисперсия (хомоскедастичност) на остатъците, но предполага, че остатъците са пропорционални на общия фактор (дисперсия). Следователно това е претеглен OLS.

Дисперсията е обяснена- индикатор за вариацията на резултата поради регресия.

Обяснена (резултатна) променлива- променлива, която статистически зависи от факторна променлива или обяснителна (регресор).

Остатъчна дисперсия- необяснима дисперсия, която показва изменението на резултата под влиянието на всички други фактори, които не са взети предвид от регресията.

Предварително дефинирани променливиса екзогенни променливи на системата и закъснели ендогенни променливи на системата.

Умалена форма на системата- форма, която, за разлика от структурната, вече съдържа само ендогенни променливи, линейно зависими от екзогенни променливи. Външно не се различава от система от независими уравнения.

Изчислена стойност на F-съотношението- стойността, получена чрез разделяне на обяснената дисперсия за 1 степен на свобода на остатъчната дисперсия за 1 степен на свобода.

Регресия (зависимост)- това е средната (изгладена), т.е. без случайни дребномащабни флуктуации (флуктуации), квазидетерминистична връзка между обяснената променлива (променливи) и обяснителната променлива (променливи). Тази връзка се изразява с формули, които характеризират функционалната зависимост и не съдържат изрично стохастични (случайни) величини, които сега оказват своето влияние като резултатен ефект, приемайки формата на чисто функционална зависимост.

Регресор (обяснителна променлива, факторна променлива)е независима променлива, която е статистически свързана с променливата резултат. Естеството на тази връзка и влиянието на промените (вариациите) в регресора върху резултата се изучават в иконометрията.

Система от взаимосвързани уравненияе система от едновременни или взаимозависими уравнения. В него едни и същи променливи се явяват едновременно като зависими в едни уравнения и същевременно независими в други. Това е структурната форма на система от уравнения. LSM не е приложим за него.

Система от привидно несвързани уравнения- система, която се характеризира с наличието само на корелации между остатъци (грешки) в различни уравнения на системата.

Случаен остатък (отклонение)- това е чисто случаен процес под формата на дребномащабни колебания, който вече не съдържа детерминиран компонент, който присъства в регресията.

Последователни оценки- оценки, които позволяват ефективно използване на доверителни интервали, когато вероятността за получаване на оценка на дадено разстояние от истинската стойност на параметъра стане близка до 1, а точността на самите оценки се увеличава с увеличаване на размера на извадката.

Спецификация на модела- идентифициране на значими фактори и идентифициране на мултиколинеарност.

Стандартна грешка- средно квадратично (стандартно) отклонение. Той е свързан със средната грешка и фактора на доверие.

Степени на свобода- това са величини, които характеризират броя на независимите параметри и са необходими за намиране на таблиците за разпределение на техните критични стойности.

тенденция- основната тенденция на развитие, плавен, стабилен модел на промени в нивата на серията.

Ниво на значимост- стойност, показваща вероятността от погрешно заключение при тестване на статистическа хипотеза с помощта на статистически критерий.

Фиктивни променливи- това са променливи, които отразяват сезонните компоненти на серията за всеки един период.

Иконометричен модел- това е уравнение или система от уравнения, която по специален начин представя зависимостта(ите) между резултата и факторите. Основата на иконометричния модел е разбиването на сложната и слабо разбрана връзка между резултата и факторите в сумата от следните два компонента: регресия (регресионен компонент) и случаен (флуктуационен) остатък. Друг клас иконометрични модели създава времеви редове.

Ефективност на оценката- това е свойството на една оценка да има най-малката вариация от всички възможни.

o – Изберете един отговор.

□ – Изберете няколко варианта за отговор.

– Запишете решението и отговорете.

– изберете опции според зададената последователност

1. Напишете формула за изчисляване на математическото очакване на случайна променлива:

2. Математическото очакване на случайна променлива е равно на . Какво е математическото очакване на случайна променлива:

3. Математическото очакване на случайната величина и дисперсията са известни. Намерете математическото очакване и дисперсията на случайната променлива.

4. Ако стойностите на всяка случайна променлива се увеличат 10 пъти, тогава средната стойност:

o ще намалее 10 пъти;

o ще се увеличи 10 пъти;

o Увеличение с 10%;

o Няма да се промени.

5. Сумата от отклоненията на стойностите на случайна променлива от средната стойност винаги е:

o положителен;

o Отрицателна;

o Равен на нула;

o Във всеки случай е различно.

6. Нека , са случайни променливи с дисперсии и ковариация. На какво е равно?

7. Коефициентът на линейна корелация се измерва в интервала:

8. Стойността на коефициента на детерминация...

o Оценява значимостта на всеки фактор, включен в регресионното уравнение;

o Характеризира дела на дисперсията на резултантната характеристика, обяснена от уравнението, в общата дисперсия;

o Характеризира дела на дисперсията на остатъчната стойност в общата дисперсия на резултантната характеристика;

o Оценява значимостта на коефициента на корелация.

9. Установете съответствие между имената на елементите на регресионното и корелационното уравнение и техните буквени обозначения:

1) Параметри на регресия __________;

2) Обяснителна променлива ______;

3) Коефициент на корелация ______;

4) Обяснена променлива _______;

5) Случайна величина ___________;

6) Коефициент на детерминация ____.

10. Стойността на коефициента на корелация е 0,81. Можем да заключим, че линейната връзка между получената характеристика и фактора е:

o Доста стегнато;

o Функционален;

o Средна сила.

11. Стойността на коефициента на корелация е – 0,9. Можем да заключим, че линейната връзка между получената характеристика и фактора е:

o Доста стегнато;

o Функционален;

o Средна сила.

12. Коефициентът на еластичност показва:

o Колко пъти средно ще се промени резултатът, ако факторът се промени два пъти;

o Максималната възможна стойност на резултата;

o С какъв процент ще се промени средният резултат, когато факторът се увеличи с 1%;

o С какъв процент ще се промени средният фактор, когато резултатът се увеличи с 1%.

13. Коефициентът на еластичност за уравнението на степенна регресия е равен на:

14. Същността на метода на най-малките квадрати е:

o При максимизиране на сумата от квадратите на отклоненията на действителната стойност на зависимата променлива от нейната теоретична стойност;

o При минимизиране на сумата от квадратите на отклоненията на действителната стойност на зависимата променлива от нейната теоретична стойност;

o При минимизиране на сумата от отклонения на действителните и теоретичните стойности;

o При максимизиране на абсолютните стойности на отклоненията на действителните и теоретичните стойности.

15. Ако коефициентът на корелация е 1,2. Това означава, че...

o Връзката между характеристиките е силна;

o Връзката между характеристиките е слаба;

o При увеличение на коефициента с 1% ефективният атрибут се увеличава с 1,2%;

o Това не може да се случи.

16. При изследване на зависимостта на икономически показател от определени фактори са получени следните стойности на коефициентите на еластичност: ; ; И . Подредете факторите в низходящ ред на влияние върху изследвания икономически показател.

17. Определят се параметрите на уравнението на линейната регресия:

o метод на Спирман;

o критерий на Фишер;

o Тест на Дърбин-Уотсън.

18. Статистическата оценка на значимостта на параметрите на сдвоеното уравнение на линейна регресия се проверява с помощта на:

o критерий на Фишер;

o t тест на Студент;

o Метод на най-малките квадрати;

o тест на Spearman.

19. За статистическа извадка, състояща се от 22 наблюдения, действителната стойност ЕКритерият на Фишер е 52. Регресионно уравнение. Коефициентът на линейна корелация в този случай е равен на...

20. За 27 предприятия, произвеждащи едни и същи продукти, е построена линейна връзка между обемите на продажбите и разходите за реклама. Стандартното отклонение е 4,7. Стандартното отклонение е 3,4. Линейният коефициент на детерминация в този случай е равен на...

21. Коефициентът на линейна регресия, ако е известен, е равен на...

22. Тенденцията на динамичен ред характеризира комбинация от фактори...

o Предизвикване на сезонни колебания в серията;

o Има еднократно въздействие;

o Не засяга нивото на реда;