Под эконометрикой в широком смысле слова понимается. Тест. Временные ряды. В стационарном временном ряде трендовая компонента

В течение долгого времени существовало два различных варианта определения эконометрики: от “эконометрики в широком смысле слова” до “эконометрики в узком смысле слова”. Под “эконометрикой в широком смысле слова” понимается совокупность различного рода экономических исследований, проводимых с использованием математических методов. Под “эконометрикой в узком смысле слова” понимается, главным образом, применение математико-статистических методов в экономических исследованиях: построение математико-статистических моделей экономических явлений, оценка параметров в моделях любого типа и т. д..

Название “эконометрика” было введено основателем этого направления в экономике в 1926 г. Рагнаром Фришем. Лингвистически термин “эконометрия” немецкого происхождения (Оkonometrie). Впервые этот термин появился в 1910 г. в немецкой книге по бухгалтерскому учету, автор которой понимал под ним теорию бухгалтерии. В буквальном переводе эконометрика означает “измерения в экономике” (можно сравнить с биометрикой, наукометрикой, астрометрикой, социометрикой, психометрикой, политометрикой).

Однако, в настоящее время можно с полной уверенностью утверждать, что определение, которое приводят С.А. Айвазян и В.С Мхитарян в своем последнем учебнике, является самым объективным, современным и точным:

О п р е д е л е н и е: Эконометрика – это самостоятельная научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе

- экономической теории,

- экономической статистики,

- математико-статистического инструментария

- придавать конкретное количественное выражение общим (количественным) закономерностям, обусловленным экономической теорией.

Как видим, это определение полностью соответствует тому, которое вводил Р.Фриш семьдесят лет тому назад. Он считал, что эконометрика должна следовать триединой формуле, сочетая в себе теоретический анализ, эмпирические данные и математические методы.

Говоря об экономической теории в рамках эконометрики, исследователи интересуются не просто выявлением объективно существующих (на качественном уровне) экономических законов и связей между экономическими показателями, но и подходами к их формализации. При рассмотрении экономической статистики как составной части эконометрики исследователи интересуются лишь тем аспектом этой самостоятельной дисциплины, который непосредственно связан с информационным обеспечением анализируемой эконометрической модели. И, наконец, под математико-статистическим инструментарием эконометрики подразумевается, естественно, не математическая статистика в традиционном ее понимании, а лишь отдельные ее разделы (классическая и обобщенная линейные модели регрессионного анализа, анализ временных рядов, построение и анализ систем одновременных уравнений). Эти разделы математической статистики должны быть дополнены некоторыми сведениями (специальные типы моделей регрессии, подходы к решению проблем спецификации, идентифицируемости и верифицируемости моделей и т.д.).

Во всей деятельности эконометриста существенным является использование модели. Поэтому очень важно проследить всю “цепочку” определений, касающихся этого понятия.

Математическая модель – это абстракция реального мира, в которой интересующие исследователя отношения между реальными элементами заменены подходящими отношениями между математическими категориями.

Экономико-математическая модель – это любая математическая модель, описывающая механизм функционирования некой гипотетической экономической системы или социально-экономической системы. Иногда эту же модель могут называть просто экономической . (Пример такой модели – простейший вариант так называемой “паутинной модели”, которая описывает процесс формирования спроса и предложения определенного товара или вида услуг на конкурентном рынке).

Если в определении экономико-математической модели речь идет не о любой математической модели, а о модели, построенной с использованием аппарата теории вероятностей и математической статистики, то можно уже получить представление об эконометрической модели. Но для этого следует помнить следующие определения.

Вероятностная модель – это математическая модель, имитирующая механизм функционирования гипотетического (не конкретного) реального явления (или системы) стохастической природы.

Вероятностно-статистическая модель – это вероятностная модель, значения отдельных характеристик (параметров) которой оцениваются по результатам наблюдений (исходным статистическим данным), характеризующим функционирование моделируемого конкретного (а не гипотетического) явления (или системы).

Наконец, можно говорить об эконометрической модели:

Эконометрической моделью называется вероятностно-статистическая модель, описывающая механизм функционирования экономической или социально-экономической системы.

В любой эконометрической модели все участвующие в ней переменные в зависимости от конечных прикладных целей подразделяются на экзогенные, эндогенные и предопределенные:

экзогенные переменные (ekzo-cнаружи, genous-происхождение) - это переменные, которые задаются как бы “извне”, автономно, и в определенной степени являются управляемыми (планируемыми);

эндогенные переменные (endo-внутри, genous -происхождение ) - это переменные, значения которых формируются в процессе и внутри функционирования анализируемой социально-экономической системы в существенной мере под воздействием экзогенных переменных и, конечно, во взаимодействии друг с другом; в эконометрической модели они являются предметом объяснения;

предопределенные переменные – это переменные, которые выступают в системе в роли факторов - аргументов , или объясняющих переменных.

Множество предопределенных переменных формируется из всех экзогенных переменных (которые могут быть “привязаны “ к прошлым, текущему и будущим моментам времени) и так называемых лаговых эндогенных переменных, т.е. таких эндогенных переменных, значения которых входят в уравнения анализируемой эконометрической системы измеренными в прошлые (по отношению к текущему) моменты времени, а следовательно, являются уже известными, заданными.

Тесты по эконометрике - страница №1/1

Тесты по эконометрике
Введение

1. 
   Эконометрическая модель имеет вид
   1. 
      y=fx
   2. 
      y= a+b1x+b2x2
   3. 
      y=fx+ε
   4. 
      y=fx

1. 
   Установите соответствие

1. 
   Регрессия – это
   1. 
      зависимость значений результативной переменной от значений объясняющих переменных (факторов)
   2. 
      правило, согласно которому каждому значению одной переменной ставится в соответствие единственное значение другой переменной
   3. 
      правило, согласно которому каждому значению независимой переменной ставится в соответствие значение зависимой переменной
   4. 
      зависимость среднего значения результативной переменной от значений объясняющих переменных (факторов)

1. 
   Метод наименьших квадратов …
   1. 
      Позволяет получить оценки параметров линейной регрессии, исходя из условия i=1nyi-yi2→min
   2. 
      Позволяет получить оценки параметров регрессии, исходя из условия ln⁡(i=1nf(yi,)→max
   3. 
      Позволяет проверить статистическую значимость параметров регрессии
   4. 
      Позволяет получить оценки параметров нелинейной регрессии, исходя из условия i=1ny-yi2→min

1. 
   Уравнение линейной множественной регрессии
   1. 
      y=a+bx
   2. 
      y=a+b1x1+b2x2+…+bpxp
   3. 
      y=ax1b1x2b2…xpbp
   4. 
      yt=Tt+St+Et

1. 
   Для линейного уравнения множественной регрессии установите соответствие

1. 
   Проблема спецификации регрессионной модели включает в себя
   1. 
      Отбор факторов, включаемых в уравнение регрессии
   2. 
      Оценка параметров уравнения регрессии
   3. 
      Оценка надежности результатов регрессионного анализа
   4. 
      Выбор вида уравнения регрессии

1.Требования к факторам, включаемым в модель линейной множественной регрессии…

1. 
   Число факторов должно быть в 6 раз меньше объема совокупности
2. 
   Факторы должны представлять временные ряды
3. 
   Факторы должны иметь одинаковую размерность
4. 
   Между факторами не должно быть высокой корреляции

2.Верные утверждения относительно мультиколлинеарности факторов

1. 
   В модель линейной множественной регрессии рекомендуется включать мультиколлинеарные факторы
2. 
   Мультиколлинеарность факторов приводит к снижению надежности оценок параметров уравнения регрессии
3. 
   Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, большими 0,7
4. 
   Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, меньшими 0,3

3.Верные утверждения о включении в уравнение линейной множественной регрессии факторов

1. 
   Включение фактора в модель приводит к заметному возрастанию коэффициента множественной детерминации
2. 
   Коэффициент парной корреляции для фактора и результативной переменной меньше 0,3
3. 
   Значение t-критерия Стьюдента для коэффициента регрессии при факторе меньше табличного значения
4. 
   Фактор должен объяснять поведение изучаемого показателя согласно принятым положениям экономической теории

4.При построении модели множественной регрессии методом пошагового включения переменных на первом этапе рассматривается модель с …

1. 
   Одной объясняющей переменной, которая имеет с зависимой переменной наименьший коэффициент корреляции
2. 
   Одной объясняющей переменной, которая имеет с зависимой переменной наибольший коэффициент корреляции
3. 
   Несколькими объясняющими переменными, которые имеют с зависимой переменной коэффициенты корреляции по модулю больше 0,5
4. 
   Полным перечнем объясняющих переменных

1. 
   Параметры при факторах в линейной множественной регрессии
   y=a+b1x1+b2x2+…+bpxp характеризуют
   1. 
      Долю дисперсии результативной переменной, объясненную регрессией в его общей дисперсии
   2. 
      Тесноту связи между результативной переменной и соответствующим фактором, при устранении влияния других факторов, включенных в модель
   3. 
      
   4. 
      На сколько процентов в среднем изменяется результативная переменная с изменением соответствующего фактора на 1%

5.Стандартизация переменных проводится по формуле

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

1. 
   Уравнение множественной регрессии в стандартизованном масштабе имеет вид ty=20+0,9tx1+0,5tx2+ε. На результативный признак оказывает большое влияние:

1. 
   x1 и x2
2. 
   нельзя сделать вывод

1. 
   Уравнение множественной регрессии в естественной форме имеет вид
   y=20+0,7x1+0,5x2+ε. На результативный признак оказывает большое влияние:

1. 
   x1 и x2
2. 
   нельзя сделать вывод

6.К свойствам уравнения регрессии в стандартизированном виде относятся …

1. 
   Коэффициенты регрессии при объясняющих переменных равны между собой
2. 
   Постоянный параметр (свободный член уравнения) регрессии отсутствует
3. 
   Стандартизированные коэффициенты регрессии несравнимы между собой
4. 
   Входящие в состав уравнения переменные являются безразмерными

7.Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии оценивает

1. 
   Коэффициент парной корреляции
2. 
   Коэффициент частной корреляции
3. 
   
4. 
   

8.Установите соответствие

9.Коэффициент множественной корреляции для линейной зависимости можно рассчитать по формуле

10.Верные утверждения относительно коэффициента множественной корреляции

1. 
   Чем ближе значение к единице Ryx1…xp, тем теснее связь результативного признака со всеми факторами
2. 
   Чем ближе значение к нулю Ryx1…xp, тем теснее связь результативного признака со всеми факторами
3. 
   Ryx1…xp принимает значения из промежутка
4. 
   Ryx1…xp принимает значения из промежутка [– 1, 1]

11.Коэффициент множественной детерминации характеризует

1. 
   Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии
2. 
   Тесноту связи между результатом и соответствующим фактором, при устранении влияния других факторов, включенных в модель
3. 
   Долю дисперсии результативного признака, объясненную регрессией в его общей дисперсии
4. 
   Среднее изменение результативной переменной с изменением соответствующего фактора на единицу, при неизменном значении других факторов, закрепленных на среднем уровне

12.Для общей (TSS), регрессионной (RSS) и остаточной (ESS) суммы квадратов отклонений и коэффициента детерминации R2 выполняется равенство …

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

13.Отношение остаточной дисперсии к общей дисперсии равно 0,05. Это означает …

1. 
   Коэффициент детерминации R2=0,95
2. 
   Коэффициент детерминации R2=0,05
3. 
   Разность (1-R2)=0,95, где R2 – коэффициент детерминации
4. 
   Разность (1-R2)=0,05, где R2 – коэффициент детерминации

14.Для устранения систематической ошибки остаточной дисперсии для оценки качества модели линейной множественной регрессии используется

1. 
   Коэффициент множественной детерминации
2. 
   Коэффициент множественной корреляции
3. 
   Скорректированный коэффициент множественной детерминации
4. 
   Скорректированный коэффициент частной корреляции

15.Оценка статистической значимости уравнения линейной множественной регрессии в целом осуществляется с помощью

1. 
   Критерия Стьюдента
2. 
   Критерия Фишера
3. 
   Критерия Дарбина-Уотсона
4. 
   Критерия Фостера-Стюарта

16.Оценка статистической значимости коэффициентов линейной множественной регрессии осуществляется с помощью

1. 
   Критерия Стьюдента
2. 
   Критерия Фишера
3. 
   Критерия Дарбина-Уотсона
4. 
   Критерия Фостера-Стюарта

17.Если коэффициент регрессии является существенным, то для него выполняются условия

1. 
   Фактическое значение t-критерия Стьюдента меньше критического
2. 
   Фактическое значение t-критерия Стьюдента больше критического
3. 
   Доверительный интервал проходит через ноль
4. 
   Стандартная ошибка не превышает половины значения параметра

18.Если уравнение регрессии является существенным, то фактическое значение F-критерия …

1. 
   больше критического
2. 
   меньше критического
3. 
   близко к единице
4. 
   близко к нулю

19.Предпосылками МНК являются…

1. 
   Дисперсия случайных отклонений постоянна для всех наблюдений
2. 
   Дисперсия случайных отклонений не постоянна для всех наблюдений
3. 
   Случайные отклонения коррелируют друг с другом
4. 
   Случайные отклонения являются независимыми друг от друга

20.Укажите выводы, которые соответствуют графику зависимости остатков

1. 
   Нарушена предпосылка МНК о независимости остатков друг от друга
2. 
   Имеет место автокорреляция остатков
3. 
   Отсутствует закономерность в поведении остатков
4. 
   Отсутствует автокорреляция остатков

21.При выполнении предпосылок метода наименьших квадратов (МНК) остатки уравнения регрессии, как правило, характеризуются…

1. 
   Нулевой средней величиной
2. 
   Гетероскедстичностью
3. 
   Случайным характером
4. 
   Высокой степенью автокорреляции

22.К методам обнаружения гетероскедастичности остатков относятся

1. 
   Критерий Дарбина-Уотсона
2. 
   Тест Голдфелда-Квандта
3. 
   Графический анализ остатков
4. 
   Метод наименьших квадратов

23.Фиктивными переменными в уравнении множественной регрессии являются …

1. 
   Качественные переменные, преобразованные в количественные
2. 
   Переменные, представляющие простейшие функции от уже включенных в модель переменных
3. 
   Дополнительные количественные переменные, улучшающие решение
4. 
   Комбинации из включенных в уравнение регрессии факторов, повышающие адекватность модели

24.Для отражения влияния качественной сопутствующей переменной, имеющей m состояний, обычно включают в модель … фиктивную переменную

1. 
   m+12
2. 
   m-12

25.Регрессии, нелинейные по объясняющим переменным, но линейные по оцениваемым параметрам

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.Регрессии, нелинейные по оцениваемым параметрам

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.Укажите верные утверждения по поводу модели

y=fx,z∙ε=a∙bx∙cz∙ε

1. 
   Относится к типу моделей нелинейных по объясняющим переменным, но линейных по оцениваемым параметрам
2. 
   Относится к типу моделей, нелинейных по оцениваемым параметрам
3. 
   Относится к типу линейных моделей
4. 
   Нельзя привести к линейному виду
5. 
   Можно привести к линейному виду

28.Укажите верные утверждения по поводу модели

1. 
   Линеаризуется линейную модель множественной регрессии
2. 
   Линеаризуется линейную модель парной регрессии
3. 
   Относится к классу нелинейных моделей по объясняющим переменным, но линейных по оцениваемым параметрам
4. 
   Относится к классу линейных моделей

29.Модель y=a∙bx∙ε относится к классу … эконометрических моделей нелинейной регрессии

1. 
   степенных
2. 
   обратных
3. 
   показательных
4. 
   линейных

30.Модель y=a∙xb∙ε относится к классу … эконометрических моделей нелинейной регрессии

1. 
   степенных
2. 
   обратных
3. 
   показательных
4. 
   линейных

31.Модель y=a+bx+cx2+ε относится к классу … эконометрических моделей нелинейной регрессии

1. 
   степенных
2. 
   полиномиальных
3. 
   показательных
4. 
   линейных

32.Было замечено, что при увеличении количества вносимых удобрений урожайность также возрастает, однако, по достижении определенного значения фактора моделируемый показатель начинает убывать. Для исследования данной зависимости можно использовать спецификацию уравнения регрессии…

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

33.Для получения оценок параметров степенной регрессионной модели y=a∙xb …

1. 
   Метод наименьших квадратов неприменим
2. 
   Требуется подобрать соответствующую подстановку
3. 
   Необходимо выполнить логарифмическое преобразование
4. 
   Необходимо выполнить тригонометрическое преобразование

34.С помощью метода наименьших квадратов нельзя оценить значения параметров уравнения регрессии …

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

35.Под изменением, определяющим общее направление развития, основную тенденцию временного ряда, понимается …

1. 
   Тренд
2. 
   Сезонная компонента
3. 
   Циклическая компонента
4. 
   Случайная компонента

36.Регулярными компонентами временного ряда являются

1. 
   Тренд
2. 
   Сезонная компонента
3. 
   Циклическая компонента
4. 
   Случайная компонента

37.Если период циклических колебаний уровней временного ряда не превышает одного года, то их называют …

1. 
   Годичными
2. 
   Конъюнктурными
3. 
   Сезонными
4. 
   Многолетними

38.Пусть Yt – временной ряд, Tt – трендовая компонента, St – сезонная компонента, Et – случайная компонента. Аддитивная модель временного ряда имеет вид …

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

39.Пусть Yt – временной ряд, Tt – трендовая компонента, St – сезонная компонента, Et – случайная компонента. Мультипликативная модель временного ряда имеет вид …

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

40.Построена аддитивная модель временного ряда, где Yt – временной ряд, Tt – трендовая компонента, St – сезонная компонента, Et – случайная компонента. Если Yt=15, то правильно найдены значения компонент ряда …

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.Определить наличие тренда во временном ряду можно …

1. 
   По графику временного ряда
2. 
   По объему временного ряда
3. 
   По отсутствию случайной компоненты
4. 
   С помощью статистической проверки гипотезы о существовании тренда

42.Определить наличие циклических (сезонных) колебаний во временном ряду можно …

1. 
   В результате анализа автокорреляционной функции
2. 
   По графику временного ряда
3. 
   По объему временного ряда
4. 
   С помощью критерия Фостера-Стюарта

43.Пусть Yt – временной ряд с квартальными наблюдениями, St – аддитивная сезонная компонента. Оценки сезонной компоненты для первого, второго и четвертого кварталов соответственно равны S1=5, S2=-1, S4=2. Оценка сезонной компоненты для третьего квартала равна …

44.В результате сглаживания временного ряда 6, 2, 7, 5, 12 простой трехчленной скользящей средней первое сглаженное значение равно …

45.В результате сглаживания временного ряда 6, 2, 7, 5, 12 простой четырехчленной скользящей средней первое сглаженное значение равно …

46.Для описания тенденции временного ряда используется кривая роста с насыщением …

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

47.Коэффициент автокорреляции первого порядка

1. 
   Коэффициент частной корреляции между соседними уровнями временного ряда
2. 
   Линейный коэффициент парной корреляции между произвольными уровнями временного ряда
3. 
   Линейный коэффициент парной корреляции между соседними уровнями временного ряда
4. 
   Линейный коэффициент парной корреляции между уровнем временного ряда и его номером

48.Автокорреляционная функция …

1. 
   Зависимость коэффициента автокорреляции от первых разностей уровней временного ряда
2. 
   Зависимость уровня временного ряда от коэффициента корреляции с его номером
3. 
   Последовательность коэффициентов автокорреляции, расположенных по возрастанию их порядка
4. 
   Последовательность коэффициентов автокорреляции, расположенных по возрастанию их значений

49.Если наиболее высоким оказался коэффициент автокорреляции 4 порядка, то временной ряд имеет

1. 
   линейный тренд
2. 
   случайную компоненту
3. 
   тренд в виде полинома 4 порядка
4. 
   циклические колебания с периодом 4

50.Известны значения коэффициентов автокорреляции r1=0,8, r2=0,2, r3=0,3, r4=0,9. Укажите верные утверждения…

1. 
   
2. 
   Временной ряд содержит тренд в виде полинома 4 порядка
3. 
   
4. 
   

51.Известны значения коэффициентов автокорреляции r1=0,1, r2=0,8, r3=0,3, r4=0,9. Можно сделать вывод…

1. 
   Временной ряд содержит линейный тренд
2. 
   Временной ряд является случайным
3. 
   Временной ряд содержит циклические колебания с периодом 2
4. 
   Временной ряд содержит циклические колебания с периодом 4

52.Модель временного ряда считается адекватной, если значения остатков …

1. 
   имеют нулевое математическое ожидание
2. 
   значение фактическое значение F-критерия меньше табличного
3. 
   подчиняются нормальному закону распределения
4. 
   подчиняются равномерному закону распределения
5. 
   положительны
6. 
   являются случайными и независимыми

53.Независимость остатков модели временного ряда может быть проверена с помощью

1. 
   Критерия Дарбина-Уотсона
2. 
   Критерия Пирсона
3. 
   Критерия Фишера
4. 
   

54.Случайность остатков модели временного ряда может быть проверена с помощью

1. 
   Анализа автокорреляционной функции остатков
2. 
   Критерия Пирсона
3. 
   Проверки гипотезы о наличии тренда
4. 
   Расчета асимметрии и эксцесса

55.Для экспоненциального сглаживания используется формула

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

56.Постоянная сглаживания α в модели экспоненциального сглаживания St=αyt+1-αSt-1 принимает значения

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

57.Выбор оптимального значения постоянной сглаживания α в модели экспоненциального сглаживания St=αyt+1-αSt-1 осуществляется

1. 
   Всегда используется значение α=0,3
2. 
   Всегда используется значение α=0,7
3. 
   Оптимальным считается такое значение α, при котором получена наименьшая дисперсия ошибки
4. 
   Оптимальным считается такое значение α, при котором получена наибольшая дисперсия ошибки

58.Параметр адаптации α=0,3, y5=8, y6=7, S4=6. Значение S6, полученное в результате экспоненциального сглаживания временного ряда по формуле St=αyt+1-αSt-1, равно…

Ответ: 6,72

59.Временной ряд содержит тренд и для его сглаживания используется модель Хольта: St=αyt+1-α(St-1-mt-1), mt=γSt-St-1+1-γmt-1. Если α=γ=0,3, y5=8, S4=5, m4=2. Значение m5 равно …

Ответ: 1,25
Системы одновременных уравнений

1. 
   Сельскохозяйственное предприятие занимается выращиванием пшеницы, кукурузы, ячменя, гречихи. Построена эконометрическая модель, описывающая урожайность каждой культуры в зависимости от вносимых доз удобрений и количества влаги. Эта модель принадлежит к классу систем … уравнений
   1. 
      одновременных
   2. 
      независимых
   3. 
      рекурсивных
   4. 
      нормальных

1. 
   Состояние закрытой экономики описывается следующими характеристиками: Y – валовой внутренний продукт (ВВП), С – уровень потребления, I – величина инвестиций, G – государственные расходы, Т- величина налогов, R – реальная ставка процента. Спецификация модели основана на следующих положениях экономической теории: 1) потребление объясняется величиной располагаемого дохода (Y-T); 2) уровень инвестиций определяется величиной ВВП и ставкой процента; 3) потребление, инвестиции и государственные расходы в сумме равны ВВП. Соответствующая система взаимосвязанных уравнений будет иметь вид:
   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 структурной форме модели, построенной по указанной схеме взаимосвязей между переменными, количество экзогенных переменных равно …

Ответ: 2

В структурной форме модели, построенной по указанной схеме взаимосвязей между переменными, количество эндогенных переменных равно …

Ответ: 3

В системе одновременных уравнений эндогенными переменными являются

1. 
   В системе одновременных уравнений экзогенными переменными являются

1. 
   Количество уравнений системы для указанной схемы взаимосвязей между переменными равно …

Ответ: 2

61.Количество уравнений системы для указанной схемы взаимосвязей между переменными равно …

1. 
   Уравнения, которые необходимо включить в систему для указанной схемы взаимосвязей между переменными

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. 
   Приведенная форма модели, соответствующая структурной форме системы одновременных уравнений

включает в себя 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. 
   Приведенная форма модели является результатом преобразования …
   1. 
      Нелинейных уравнений регрессии
   2. 
      Структурной формы модели
   3. 
      Системы независимых уравнений
   4. 
      Системы рекурсивных уравнений

62.Приведенная форма для модели динамики цены и заработной платы

y2 – темп изменения цен,

x1 – процент безработных,

x3 – темп изменения цен на импорт сырья,

имеет вид …

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.Единственность соответствия между приведенной и структурной формами модели системы одновременных уравнений составляет проблему …

1. 
   мультиколлинеарности факторов
2. 
   идентификации
3. 
   гетероскедастичности остатков
4. 
   неоднородности данных

64.Установите соответствие между типом структурной модели и соответствием структурных и приведенных коэффициентов …

65.Используя необходимое условие идентификации для модели динамики цены и заработной платы, укажите верные утверждения …

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

где y1 – темп изменения месячной зарплаты,

y2 – темп изменения цен,

x1 – процент безработных,

x2 – темп изменения постоянного капитала,

x3 – темп изменения цен на импорт сырья

1. 
   оба уравнения являются точно идентифицируемыми
2. 
   оба уравнения являются не идентифицируемыми
3. 
   оба уравнения являются сверх идентифицируемыми
4. 
   первое уравнение является сверх идентифицируемым
5. 
   второе уравнение являются точно идентифицируемым

66.Пусть D – число экзогенных переменных, которые содержатся в системе, но не содержатся в данном уравнении. Для первого уравнения модели динамики цены и заработной платы значение D равно …

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

Ответ: 2

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

68.Пусть Н – число эндогенных переменных в системе, D – число экзогенных переменных, которые содержатся в системе, но не содержатся в данном уравнении. Для первого уравнения модели динамики цены и заработной платы значение (H – D) равно …

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

Ответ: 0

70.Установите соответствие для счетного правила необходимого условия идентификации, если Н – число эндогенных переменных в системе, D – число экзогенных переменных, которые содержатся в системе, но не содержатся в данном уравнении

71.Обычный МНК успешно применяется для оценки структурных коэффициентов …

1. 
   Систем неидентифицируемых уравнений
2. 
   Систем рекурсивных уравнений (треугольных моделей)
3. 
   Систем взаимосвязанных или одновременных уравнений
4. 
   Систем уравнений-тождеств
5. 
   Систем независимых уравнений

72.Для идентифицируемой структурной формы системы одновременных уравнений при оценке параметров применяется …

73.Для сверхидентифицируемой структурной формы системы одновременных уравнений при оценке параметров применяется …

1. 
   Обычный метод наименьших квадратов
2. 
   Косвенный метод наименьших квадратов
3. 
   Двухшаговый метод наименьших квадратов
4. 
   Трехшаговый метод наименьших квадратов

Q =……….. min соответствует методу наименьших квадратов

Автокорреляция - это корреляционная зависимость уровней ряда от предыдущих значений.

Автокорреляция имеется когда каждое следующее значение остатков

Аддитивная модель временного ряда имеет вид: Y=T+S+E

Атрибутивная переменная может употребляться, когда: независимая переменная качественна;

В каких пределах изменяется коэффициент детерминанта : от 0 до 1.

В каком случае модель считается адекватной Fрасч>Fтабл

В результате автокорреляции имеем неэффективные оценки параметров

В хорошо подобранной модели остатки должны и меть нормальный закон

В эконометрическом анализе Xj рассматриваются как случайные величины

Величина доверительного интервала позволяет установить предположение о том, что: интервал содержит оценку параметра неизвестного.

Величина рассчитанная по формуле r =…является оценкой парного коэф. Корреляции

Внутренне нелинейная регрессия - это истинно нелинейная регрессия, которая не может быть приведена к линейной регрессии преобразованием переменных и введением новых переменных.

Временной ряд - это последовательность значений признака (результативного переменного), принимаемых в течение последовательных моментов времени или периодов.

Выберете модель с лагами Уt= a+b0x1…….(самая длинная формула)

Выборочное значение Rxy не > 1, |R| < 1

Выборочный коэффициент корреляции r по абсолютной величине не превосходит единицы

Гетероскедастичность - нарушение постоянства дисперсии для всех наблюдений.

Гетероскедастичность присутствует когда: дисперсия случайных остатков не постоянна

Гетероскидастичность – это когда дисперсия остатков различна

Гипотеза об отсутствии автокорреляции остатков доказана, если Dтабл2...

Гомоскедастичность - постоянство дисперсии для всех наблюдений, или одинаковость дисперсии каждого отклонения (остатка) для всех значений факторных переменных.

Гомоскидастичность – это когда дисперсия остатков постоянна и одинакова для всех … наблюдений.

Дисперсия - показатель вариации.

Для определения параметров неиденцифицированной модели применяется.: не один из сущ. методов применить нельзя

Для определения параметров сверх иденцифицированной модели примен.: применяется. 2-х шаговый МНК

Для определения параметров структурную форму модели необходимо преобразовать в приведенную форму модели

Для определения параметров точно идентифицируемой модели: применяется косвенный МНК;

Для оценки … изменения y от x вводится: коэффициент эластичности:

Для парной регрессии ơ² b равно ….(xi-x¯)²)

Для проверки значимости отдельных параметров регрессии используется : t-тест.

Для регрессии y = a + bx из n наблюдений интервал доверия (1-а)% для коэф. b составит b±t…….·ơb

Для регрессии из n наблюдений и m независимых переменных существует такая связь между R ² и F ..=[(n-m-1)/m](R²/(1- R²)]

Доверительная вероятность – это вероятность того, что истинное значение результативного показателя попадёт в расчётный прогнозный интервал.

Допустим что для описания одного экономического процесса пригодны 2 модели. Обе адекватны по f критерию фишера. какой предоставить преимущество, у той у кот.: большее значения F критерия

Допустим, что зависимость расходов от дохода описывается функцией y = a + bx среднее значение у=2…равняется 9

Если Rxy положителен, то с ростом x увеличивается y.

Если в уравнении регрессии имеется несущественная переменная, то она обнаруживает себя по низкому значению T статистки

Если качественный фактор имеет 3 градации, то необходимое число фиктивных переменных 2

Если коэффициент корреляции положителен, то в линейной модели с ростом х увеличивается у

Если мы заинтересованы в использовании атрибутивных переменных для отображения эффекта разных месяцев мы должны использовать 11 атрибутивных методов

Если регрессионная модель имеет показательную зависимость, то метод МНК применим после приведения к линейному виду.

Зависимость между коэффициентом множественной детерминации (D ) и корреляции (R ) описывается следующим методом R=√D

Значимость уравнения регрессии - действительное наличие исследуемой зависимости, а не просто случайное совпадение факторов, имитирующее зависимость, которая фактически не существует.

Значимость уравнения регрессии в целом оценивают : -F-критерий Фишера

Значимость частных и парных коэф . корреляции поверен. с помощью: -t-критерия Стьюдента

Интеркорреляция и связанная с ней мультиколлинеарность - это приближающаяся к полной линейной зависимости тесная связь между факторами.

Какая статистическая характеристика выражается формулой R ²=… коэффициент детерминации

Какая статистическая хар-ка выражена формулой : r xy = Ca (x ; y ) разделить на корень Var (x )* Var (y ): коэффициент. корреляции

Какая функция используется при моделировании моделей с постоянным ростом степенная

Какие точки исключаются из временного ряда процедурой сглаживания и в начале, и в конце.

Какое из уравнений регрессии является степенным y = a ˳ a ͯ¹ a

Классический метод к оцениванию параметров регрессии основан на: - метод наименьших квадратов (МНК)

Количество степеней свободы для t статистики при проверки значимости параметров регрессии из 35 наблюдений и 3 независимых переменных 31;

Количество степеней свободы знаменателя F -статистики в регрессии из 50 наблюдений и 4 независимых переменных: 45

Компоненты вектора Ei и меют нормальный закон

Корреляция - стохастическая зависимость, являющаяся обобщением строго детерминированной функциональной зависимости посредством включения вероятностной (случайной) компоненты.

Коэффициент автокорреляции: характеризует тесноту линейной связи текущего и предстоящего уровней ряда

Коэффициент детерминации - показатель тесноты стохастической связи в общем случае нелинейной регрессии

Коэффициент детерминации – это величина, которая характеризует связь между зависимыми и независимыми переменными.

Коэффициент детерминации - это квадрат множественного коэффициента корреляции

Коэффициент детерминации - это: величина, которая характеризует связь между независимой и зависимой (зависящей) переменными;

Коэффициент детерминации R показывает долю вариаций зависимой переменной y, объяснимую влиянием факторов, включаемых в модель.

Коэффициент детерминации изменяется в пределах : - от 0 до 1

Коэффициент доверия - это коэффициент, который связывает линейной зависимостью предельную и среднюю ошибки, выясняет смысл предельной ошибки, характеризующей точность оценки, и является аргументом распределения (чаще всего, интеграла вероятностей). Именно эта вероятность и есть степень надежности оценки.

Коэффициент доверия (нормированное отклонение) - результат деления отклонения от среднего на стандартное отклонение, содержательно характеризует степень надежности (уверенности) полученной оценки.

Коэффициент корелляции Rxy используется для определения полноты связи X и Y.

Коэффициент корелляции меняется в пределах: от -1 до 1

Коэффициент корелляции равный 0 означает, что: - отсутствует линейная связь.

Коэффициент корелляции равный 1 означает , что: -существует функциональная зависимость.

Коэффициент корреляции используется для: определения тесноты связи между случайными величинами X и Y;

Коэффициент корреляции рассчитывается для измерения степени линейной взаимосвязи между двумя случайными переменными.

Коэффициент линейной корреляции - показатель тесноты стохастической связи между фактором и результатом в случае линейной регрессии.

Коэффициент регрессии - коэффициент при факторной переменной в модели линейной регрессии.

Коэффициент регрессии b показывает: на сколько единиц увеличивается y, если x увеличивается на 1.

Коэффициент регрессии изменяется в пределах : применяется любое значение; от 0 до 1; от -1 до 1;

Коэффициент эластичности измеряется в : неизмеримая величина.

Критерий Дарвина-Чотсона применяется для : - отбора факторов в модель; или - определения автокорреляции в остатках

Критерий Стьюдента - проверка значимости отдельных коэффициентов регрессии и значимости коэффициента корреляции.

Критерий Фишера показывает статистическую значимость модели в целом на основе совокупной достоверности всех ее коэффициентов;

Лаговые переменные : - это переменные, относящиеся к предыдущим моментам времени; или -это значения зависим. перемен. за предшествующий период времени.

Лаговые переменные это значение зависимых переменных за предшествующий период времени

Модель в целом статистически значима, если Fрасч > Fтабл.

Модель идентифицирована, если: - число параметров структурной модели равно числу параметров приведён. формы модели.

Модель неидентифицирована, если: - число приведён. коэф. больше числа структурных коэф.

Модель сверхидентифицирована, если : число приведён. коэф. меньше числа структурных коэф

Мультиколлениарность возникает, когда : ошибочное включение в уравнение 2х или более линейно зависимых переменных; 2. две или более объясняющие переменные, в нормальной ситуации слабо коррелированные, становятся в конкретных условиях выборки сильно коррелированными; . в модель включается переменная, сильно коррелирующая с зависимой переменной.

Мультипликативная модель временного ряда имеет вид: - Y=T*S*E

Мультипликативная модель временного ряда строится, если: амплитуда сезонных колебаний возрастает или уменьшается

На основе поквартальных данных...значения 7-1 квартал, 9-2квартал и 11-3квартал ...-5

Неправильный выбор функциональной формы или объясняющих переменных называется о шибками спецификации

Несмещённость оценки параметра регрессии, полученной по МНК, означает: - что она характеризуется наименьшей дисперсией.

Одной из проблем которая может возникнуть в многофакторной регрессии и никогда не бывает в парной регрессии, является корреляция между независимыми переменными

От чего зависит количество точек, исключаемых из временного ряда в результате сглаживания: от применяемого метода сглаживания.

Отметьте основные виды ошибок спецификации: отбрасывание значимой переменной; добавление незначимой переменной;

Оценки коэффициентов парной регрессии является несмещённым, если : математические ожидания остатков =0.

Оценки параметров парной линейной регрессии находятся по формуле b= Cov(x;y)/Var(x);a=y¯ ­bx¯

Оценки параметров регрессии являются несмещенными, если Математическое ожидание остатков равно 0

Оценки параметров регрессии являются состоятельными, если : -увеличивается точность оценки при n, т. е. при увеличении n вероятность оценки от истинного значения параметра стремится к 0.

Оценки парной регрессии явл. эффективными, если: оценка обладают наименьшей дисперсией по сравнению с другими оценками

При наличии гетероскедастичности следует применять: - обобщённый МНК

При проверке значимости одновременно всех параметров используется: -F-тест.

При проверке значимости одновременно всех параметров регрессии используется: F-тест.

Применим ли метод наименьших квадратов для расчетов параметров показательной зависимости применим после ее приведения

Применим ли метод наименьших квадратов(МНК) для расчёта параметров нелинейных моделей? применим после её специального приведения к линейному виду

С помощью какого критерия оценивается значимость коэффициента регрессии T стьюдента

С увеличением числа объясняющих переменных скоррестированный коэффициент детерминации: - увеличивается.

Связь между индексом множественной детерминации R ² и скорректированным индексом множественной детерминации Ȓ² есть

Скорректиров. коэф. детерминации: - больше обычного коэф. детерминации

Стандартизованный коэффициент уравнения регрессии Ƀk показывает на сколько % изменится результирующий показатель у при изменении хi на 1%при неизмененном среднем уровне других факторов

Стандартный коэффициент уравнения регрессии: показывает на сколько 1 изменится y при изменении фактора xk на 1 при сохранении др.

Суть коэф. детерминации r 2 xy состоит в следующем: - характеризует долю дисперсии результативного признака y объясняем. регресс., в общей дисперсии результативного признака.

Табличное значение критерия Стьюдента зависит от уровня доверительной вероятности и от числа включённых факторов и от длины исходного ряда.(от принятого уровня значимости и от числа степеней свободы (n - m -1))

Табличные значения Фишера (F ) зависят от доверительной вероятности и от числа включённых факторов и от длины исходного ряда (от доверительной вероятности p и числа степеней свободы дисперсий f1 и f2) ..

Уравнение в котором H D число отсутствующих экзогенных переменных, идентифицируемо если D+1=H

Уравнение в котором H число эндогенных переменных, D число отсутствующих экзогенных переменных, НЕидентифицируемо если D+1

Уравнение в котором H число эндогенных переменных, D число отсутствующих экзогенных переменных, сверхидентифицируемо если D+1>H

Уравнение идентифицировано, если: - D+1=H

Уравнение неидентифицировано, если: - D+1

Уравнение сверхидентифицировано, если: - D+1>H

Фиктивные переменные - это: атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;

Формула t = rxy ….используется для п роверки существенности коэффициента корреляции

Частный F -критерий: - оценивает значимость уравнения регрессии в целом

Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно: m;

Что показывает коэффициент наклона - на сколько единиц изменится у, если х изменился на единицу,

Что показывает коэффициент. абсолютного роста на сколько единиц изменится у, если х изменился на единицу

Экзогенная переменная – это независимая переменная или фактор-Х.

Экзогенные переменные - это переменные, которые определяются вне системы и являются независимыми

Экзогенные переменные – это предопределенные переменные, влияющие на зависимые переменные (Эндогенные переменные), но не зависящие от них, обозначаются через х

Эластичность измеряется единица измерения фактора…показателя

Эластичность показывает на сколько % изменится редуктивный показатель y при изменении на 1% фактора xk .

Эндогенные переменные - это: зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через у

Определения

T-отношение (t-критерий) - отношение оценки коэффициента, полученной с помощью МНК, к величине стандартной ошибки оцениваемой величины.

Аддитивная модель временного ряда – это модель, в которой временной ряд представлен как сумма перечисленных компонент.

Критерий Фишера - способ статистической проверки значимости уравнения регрессии, при котором расчетное (фактическое) значение F-отношения сравнивается с его критическим (теоретическим) значением.

Линейная регрессия - это связь (регрессия), которая представлена уравнением прямой линии и выражает простейшую линейную зависимость.

Метод инструментальных переменных - это разновидность МНК. Используется для оценки параметров моделей, описываемых несколькими уравнениями. Главное свойство - частичная замена непригодной объясняющей переменной на такую переменную, которая некоррелированна со случайным членом. Эта замещающая переменная называется инструментальной и приводит к получению состоятельных оценок параметров.

Метод наименьших квадратов (МНК) - способ приближенного нахождения (оценивания) неизвестных коэффициентов (параметров) регрессии. Этот метод основан на требовании минимизации суммы квадратов отклонений значений результата, рассчитанных по уравнению регрессии, и истинных (наблюденных) значений результата.

Множественная линейная регрессия - это множественная регрессия, представляющая линейную связь по каждому фактору.

Множественная регрессия - регрессия с двумя и более факторными переменными.

Модель идентифицируемая - модель, в которой все структурные коэффициенты однозначно определяются по коэффициентам приведенной формы модели.

Модель рекурсивных уравнений - модель, которая содержит зависимые переменные (результативные) одних уравнений в роли фактора, оказываясь в правой части других уравнений.

Мультипликативная модель – модель, в которой временной ряд представлен как произведение перечисленных компонент.

Несмещенная оценка - оценка, среднее которой равно самой оцениваемой величине.

Нулевая гипотеза - предположение о том, что результат не зависит от фактора (коэффициент регрессии равен нулю).

Обобщенный метод наименьших квадратов (ОМНК) - метод, который не требует постоянства дисперсии (гомоскедастичности) остатков, но предполагает пропорциональность остатков общему множителю (дисперсии). Таким образом, это взвешенный МНК.

Объясненная дисперсия - показатель вариации результата, обусловленной регрессией.

Объясняемая (результативная) переменная - переменная, которая статистически зависит от факторной переменной, или объясняющей (регрессора).

Остаточная дисперсия - необъясненная дисперсия, которая показывает вариацию результата под влиянием всех прочих факторов, неучтенных регрессией.

Предопределенные переменные - это экзогенные переменные системы и лаговые эндогенные переменные системы.

Приведенная форма системы - форма, которая, в отличие от структурной, уже содержит одни только линейно зависящие от экзогенных переменных эндогенные переменные. Внешне ничем не отличается от системы независимых уравнений.

Расчетное значение F-отношения - значение, которое получают делением объясненной дисперсии на 1 степень свободы на остаточную дисперсию на 1 степень свободы.

Регрессия (зависимость) - это усредненная (сглаженная), т.е. свободная от случайных мелкомасштабных колебаний (флуктуаций), квазидетерминированная связь между объясняемой переменной (переменными) и объясняющей переменной (переменными). Эта связь выражается формулами, которые характеризуют функциональную зависимость и не содержат явно стохастических (случайных) переменных, которые свое влияние теперь оказывают как результирующее воздействие, принимающее вид чисто функциональной зависимости.

Регрессор (объясняющая переменная, факторная переменная) - это независимая переменная, статистически связанная с результирующей переменной. Характер этой связи и влияние изменения (вариации) регрессора на результат исследуются в эконометрике.

Система взаимосвязанных уравнений - это система одновременных или взаимозависимых уравнений. В ней одни и те же переменные выступают одновременно как зависимые в одних уравнениях и в то же время независимые в других. Это структурная форма системы уравнений. К ней неприменим МНК.

Система внешне не связанных между собой уравнений - система, которая характеризуется наличием одних только корреляций между остатками (ошибками) в разных уравнениях системы.

Случайный остаток (отклонение) - это чисто случайный процесс в виде мелкомасштабных колебаний, не содержащий уже детерминированной компоненты, которая имеется в регрессии.

Состоятельные оценки - оценки, которые позволяют эффективно применять доверительные интервалы, когда вероятность получения оценки на заданном расстоянии от истинного значения параметра становится близка к 1, а точность самих оценок увеличивается с ростом объема выборки.

Спецификация модели - определение существенных факторов и выявление мультиколлинеарности.

Стандартная ошибка - среднеквадратичное (стандартное) отклонение. Оно связано со средней ошибкой и коэффициентом доверия.

Степени свободы - это величины, характеризующие число независимых параметров и необходимые для нахождения по таблицам распределений их критических значений.

Тренд - основная тенденция развития, плавная устойчивая закономерность изменения уровней ряда.

Уровень значимости - величина, показывающая, какова вероятность ошибочного вывода при проверке статистической гипотезы по статистическому критерию.

Фиктивные переменные - это переменные, которые отражают сезонные компоненты ряда для какого-либо одного периода.

Эконометрическая модель - это уравнение или система уравнений, особым образом представляющие зависимость (зависимости) между результатом и факторами. В основе эконометрической модели лежит разбиение сложной и малопонятной зависимости между результатом и факторами на сумму двух следующих компонентов: регрессию (регрессионная компонента) и случайный (флуктуационный) остаток. Другой класс эконометрических моделей образует временные ряды.

Эффективность оценки - это свойство оценки обладать наименьшей дисперсией из всех возможных.

o – Выберите один вариант ответа.

□ – Выберите несколько вариантов ответа.

– Запишите решение и ответ.

– выберите варианты согласно указанной последовательности

1. Напишите формулу для расчета математического ожидания случайной величины:

2. Математическое ожидание случайной величины равно . Чему равно математическое ожидание случайной величины :

3. Известно математическое ожидание случайной величины и дисперсия . Найдите математическое ожидание и дисперсию случайной величины.

4. Если значения каждой случайной величины увеличить в 10 раз, то средняя величина:

o Уменьшится в 10 раз;

o Увеличится в 10 раз;

o Увеличится на 10%;

o Не изменится.

5. Сумма отклонений значений случайной величины от среднего значения всегда:

o Положительна;

o Отрицательна;

o Равна нулю;

o В каждом случае разная.

6. Пусть , – случайные величины с дисперсиями , и ковариацией. Чему равна ?

7. Линейный коэффициент корреляции измеряется в интервале:

8. Величина коэффициента детерминации…

o Оценивает значимость каждого их факторов, включенных в уравнение регрессии;

o Характеризует долю дисперсии результативного признака, объясненную уравнением, в общей дисперсии;

o Характеризует долю дисперсии остаточной величины в общей дисперсии результативного признака;

o Оценивает значимость коэффициента корреляции.

9. Установите соответствие между наименованиями элементов уравнения регрессии и корреляции и их буквенными обозначениями:

1) Параметры регрессии __________;

2) Объясняющая переменная ______;

3) Коэффициент корреляции ______;

4) Объясняемая переменная _______;

5) Случайная величина ___________;

6) Коэффициент детерминации ____.

10. Значение коэффициента корреляции равно 0,81. Можно сделать вывод о том, что линейная связь между результативным признаком и фактором является:

o Достаточно тесной;

o Функциональной;

o Средней силы.

11. Значение коэффициента корреляции равно – 0,9. Можно сделать вывод о том, что линейная связь между результативным признаком и фактором является:

o Достаточно тесной;

o Функциональной;

o Средней силы.

12. Величина коэффициента эластичности показывает:

o Во сколько раз изменится в среднем результат при изменении фактора в два раза;

o Предельно возможное значение результата;

o На сколько процентов изменится в среднем результат при увеличении фактора на 1%;

o На сколько процентов изменится в среднем фактор при увеличении результата на 1%.

13. Коэффициент эластичности для степенного уравнения регрессии равен:

14. Суть метода наименьших квадратов состоит:

o В максимизации суммы квадратов отклонений фактического значения зависимой переменной от ее теоретического значения;

o В минимизации суммы квадратов отклонений фактического значения зависимой переменной от ее теоретического значения;

o В минимизации суммы отклонений фактического и теоретического значений;

o В максимизации абсолютных величин отклонений фактического и теоретического значений.

15. Если коэффициент корреляции равен 1,2. Это означает, что…

o Связь между признаками сильная;

o Связь между признаками слабая;

o С увеличением фактора на 1%, результативный признак увеличивается на 1,2%;

o Такого быть не может.

16. При исследовании зависимости экономического показателя от определенных факторов получены следующие значения коэффициентов эластичности: ; ; и . Ранжируйте факторы по убыванию степени влияния на исследуемый экономический показатель .

17. Параметры линейного уравнения регрессии определяются:

o Методом Спирмена;

o Критерием Фишера;

o Критерием Дарбина-Уотсона.

18. Статистическая оценка значимости параметров уравнения парной линейной регрессии проверяется с помощью:

o Критерия Фишера;

o Критерия Стьюдента;

o Методом наименьших квадратов;

o Тестом Спирмена.

19. Для статистической выборки, состоящей из 22 наблюдений, фактическое значение F -критерия Фишера составляет 52. Уравнение регрессии. Линейный коэффициент корреляции в этом случае равен…

20. По 27 предприятиям, производящим одинаковую продукцию, построена линейная зависимости объемов продаж от расходов на рекламу. Среднее квадратичное отклонение равно 4,7. Среднее квадратичное отклонение равно 3,4. Линейный коэффициент детерминации в этом случае равен…

21. Коэффициент линейной регрессии , если известно , , равен…

22. Тенденция временного ряда характеризует совокупность факторов, …

o Оказывающих сезонные колебания ряда;

o Оказывающих единовременное влияние;

o Не оказывающих влияние на уровень ряда;