Econometria nel senso più ampio del termine significa. Test. Serie temporali. In una serie temporale stazionaria, la componente di tendenza

Per molto tempo ci sono state due diverse definizioni di econometria: da “econometria nel senso ampio del termine” a “econometria nel senso stretto del termine”. L’“econometria nel senso ampio del termine” si riferisce a un insieme di vari tipi di ricerca economica condotta utilizzando metodi matematici. Per “econometria nel senso stretto del termine” intendiamo principalmente l’applicazione di metodi matematici e statistici nella ricerca economica: la costruzione di modelli matematici e statistici di fenomeni economici, la stima di parametri in modelli di qualsiasi tipo, ecc.

Il nome “econometria” fu introdotto dal fondatore di questa direzione in economia nel 1926, Ragnar Frisch. Linguisticamente il termine “econometria” è di origine tedesca (Okonometrie). Questo termine apparve per la prima volta nel 1910 in un libro tedesco sulla contabilità, l'autore del quale ne comprese la teoria della contabilità. Tradotto letteralmente, econometria significa “misurazioni in economia” (può essere paragonato a biometria, scientometria, astrometria, sociometria, psicometria, polimetria).

Tuttavia attualmente possiamo affermare con assoluta certezza che la definizione data da S.A. Ayvazyan e V.S. Mkhitaryan nel loro ultimo libro di testo è il più obiettivo, moderno e accurato:

Definizione: L'econometria è una disciplina scientifica indipendente che combina un insieme di risultati teorici, tecniche, metodi e modelli progettati per

- teoria economica,

- statistiche economiche,

- strumenti matematici e statistici

- dare un'espressione quantitativa specifica a modelli generali (quantitativi) determinati dalla teoria economica.

Come possiamo vedere, questa definizione corrisponde in pieno a quella introdotta da R. Frisch settant'anni fa. Credeva che l’econometria dovesse seguire una formula trina, che combina analisi teorica, dati empirici e metodi matematici.

Parlando di teoria economica nel quadro dell'econometria, i ricercatori sono interessati non solo all'identificazione delle leggi economiche oggettivamente esistenti (a livello qualitativo) e delle connessioni tra gli indicatori economici, ma anche agli approcci alla loro formalizzazione. Quando si considera la statistica economica come parte integrante dell'econometria, i ricercatori sono interessati solo a quell'aspetto di questa disciplina indipendente che è direttamente correlato al supporto informativo del modello econometrico analizzato. E infine, gli strumenti matematici e statistici dell'econometria non significano, naturalmente, la statistica matematica nel suo senso tradizionale, ma solo le sue singole sezioni (modelli lineari classici e generalizzati di analisi di regressione, analisi di serie temporali, costruzione e analisi di sistemi di equazioni simultanee) . Queste sezioni di statistica matematica dovrebbero essere integrate con alcune informazioni (tipi speciali di modelli di regressione, approcci per risolvere problemi di specificazione, identificabilità e verificabilità dei modelli, ecc.).

In tutte le attività di un econometrista l'uso di un modello è essenziale. Pertanto è molto importante ripercorrere tutta la “catena” di definizioni relative a questo concetto.

Modello matematico è un'astrazione del mondo reale in cui le relazioni tra elementi reali di interesse per il ricercatore sono sostituite da opportune relazioni tra categorie matematiche.

Modello economico e matematico – è qualsiasi modello matematico che descrive il meccanismo di funzionamento di un determinato ipotetico sistema economico o socioeconomico. A volte lo stesso modello può essere semplicemente chiamato economico . (Un esempio di tale modello è la versione più semplice del cosiddetto “modello web”, che descrive il processo di generazione della domanda e dell’offerta per un determinato prodotto o tipo di servizio in un mercato competitivo).

Se nella definizione di un modello economico-matematico non parliamo di un modello matematico qualunque, ma di un modello costruito utilizzando gli apparati della teoria della probabilità e della statistica matematica, allora possiamo già farci un'idea del modello econometrico. Ma per questo dovresti ricordare le seguenti definizioni.

Modello probabilistico – si tratta di un modello matematico che simula il meccanismo di funzionamento ipotetico(non specifico) fenomeno reale (o sistema) di natura stocastica.

Modello probabilistico-statistico – si tratta di un modello probabilistico, i cui valori delle singole caratteristiche (parametri) sono stimati sulla base dei risultati delle osservazioni (dati statistici iniziali) che caratterizzano il funzionamento del modello specifica(piuttosto che un ipotetico) fenomeno (o sistema).

Infine, possiamo parlare del modello econometrico:

Modello econometricoè chiamato modello probabilistico-statistico che descrive il meccanismo di funzionamento di un sistema economico o socioeconomico.

In qualsiasi modello econometrico, tutte le variabili in esso coinvolte, a seconda degli obiettivi finali dell'applicazione, sono suddivise in esogene, endogene e predeterminate:

variabili esogene(ekzo-esterno, origine genosa)- si tratta di variabili impostate come “dall'esterno”, in modo autonomo, e in una certa misura controllabili (pianificate);

variabili endogene(endo-dentro, genous-origine) sono variabili i cui valori si formano nel processo e dentro il funzionamento del sistema socio-economico analizzato in misura significativa sotto l'influenza di variabili esogene e, ovviamente, in interazione tra loro; in un modello econometrico sono oggetto di spiegazione;

variabili predefinite- queste sono variabili che agiscono nel sistema come fattori - argomenti, O spiegando variabili.

L'insieme delle variabili predefinite è formato da tutte le variabili esogene (che possono essere “legate” a momenti passati, attuali e futuri) e dalle cosiddette variabili endogene ritardate, quelli. tali variabili endogene, i cui valori sono inclusi nelle equazioni del sistema econometrico analizzato misurato passato(rispetto al presente) momenti nel tempo, e quindi sono già noto, dato.

Test econometrici - pagina n. 1/1

Test econometrici
introduzione

1. 
   Il modello econometrico ha la forma
   1. 
      y=fx
   2. 
      y=a+b1x+b2x2
   3. 
      y=fx+ε
   4. 
      y=fx

1. 
   Incontro

1. 
   La regressione lo è
   1. 
      dipendenza dei valori della variabile risultante dai valori delle variabili esplicative (fattori)
   2. 
      una regola secondo la quale ogni valore di una variabile è associato a un singolo valore di un'altra variabile
   3. 
      la regola secondo la quale ad ogni valore della variabile indipendente è associato il valore della variabile dipendente
   4. 
      dipendenza del valore medio della variabile risultante dai valori delle variabili esplicative (fattori)

1. 
   Metodo dei minimi quadrati…
   1. 
      Permette di ottenere stime dei parametri di regressione lineare in base alla condizione i=1nyi-yi2→min
   2. 
      Permette di ottenere stime dei parametri di regressione in base alla condizione ln⁡(i=1nf(yi,)→max
   3. 
      Consente di verificare la significatività statistica dei parametri di regressione
   4. 
      Permette di ottenere stime dei parametri di regressione non lineare in base alla condizione i=1ny-yi2→min

1. 
   Equazione di regressione multipla lineare
   1. 
      y=a+bx
   2. 
      y=a+b1x1+b2x2+…+bpxp
   3. 
      y=ax1b1x2b2…xpbp
   4. 
      yt=Tt+St+Et

1. 
   Per un'equazione di regressione multipla lineare, corrisponde

1. 
   Il problema della specifica del modello di regressione implica
   1. 
      Selezione dei fattori inclusi nell'equazione di regressione
   2. 
      Stima dei parametri delle equazioni di regressione
   3. 
      Valutazione dell'affidabilità dei risultati dell'analisi di regressione
   4. 
      Selezione del tipo di equazione di regressione

1. Requisiti per i fattori inclusi in un modello di regressione multipla lineare...

1. 
   Il numero di fattori dovrebbe essere 6 volte inferiore al volume della popolazione
2. 
   I fattori devono rappresentare serie temporali
3. 
   I fattori devono avere la stessa dimensione
4. 
   Non dovrebbe esserci un’elevata correlazione tra i fattori

2. Affermazioni vere riguardo alla multicollinearità dei fattori

1. 
   Si consiglia di includere fattori multicollineari in un modello di regressione multipla lineare
2. 
   La multicollinearità dei fattori porta a una diminuzione dell'affidabilità delle stime dei parametri dell'equazione di regressione
3. 
   La multicolinearità dei fattori si manifesta in presenza di coefficienti di correlazione interfattoriale accoppiati con valori superiori a 0,7
4. 
   La multicolinearità dei fattori si manifesta in presenza di coefficienti di correlazione interfattoriale accoppiati con valori inferiori a 0,3

3. Affermazioni vere sull'inclusione di fattori nell'equazione della regressione multipla lineare

1. 
   L'inclusione di un fattore nel modello porta ad un notevole aumento del coefficiente di determinazione multipla
2. 
   Il coefficiente di correlazione della coppia per il fattore e la variabile di risultato è inferiore a 0,3
3. 
   Il valore del test t di Student per il coefficiente di regressione quando il fattore è inferiore al valore della tabella
4. 
   Il fattore deve spiegare il comportamento dell'indicatore studiato in conformità con le disposizioni accettate della teoria economica

4.Quando si costruisce un modello di regressione multipla utilizzando il metodo di inclusione passo passo delle variabili, la prima fase considera un modello con...

1. 
   Una variabile esplicativa che ha il coefficiente di correlazione più piccolo con la variabile dipendente
2. 
   Una variabile esplicativa che ha il coefficiente di correlazione più alto con la variabile dipendente
3. 
   Diverse variabili esplicative che hanno coefficienti di correlazione modulo con la variabile dipendente maggiori di 0,5
4. 
   Elenco completo delle variabili esplicative

1. 
   Parametri per fattori nella regressione multipla lineare
   y=a+b1x1+b2x2+…+bpxp caratterizzano
   1. 
      La proporzione della varianza nella variabile di risultato spiegata dalla regressione nella sua varianza totale
   2. 
      La forza della relazione tra la variabile di risultato e il fattore corrispondente, eliminando l'influenza di altri fattori inclusi nel modello
   3. 
      
   4. 
      Di quale percentuale media cambia la variabile risultante con una variazione del fattore corrispondente dell'1%

5.La standardizzazione delle variabili viene eseguita secondo la formula

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

1. 
   L'equazione di regressione multipla su una scala standardizzata è ty=20+0,9tx1+0,5tx2+ε. Il segno effettivo è fortemente influenzato da:

1. 
   x1 e x2
2. 
   non è possibile trarre alcuna conclusione

1. 
   L'equazione di regressione multipla nella sua forma naturale è
   y=20+0,7x1+0,5x2+ε. Il segno effettivo è fortemente influenzato da:

1. 
   x1 e x2
2. 
   non è possibile trarre alcuna conclusione

6.Le proprietà di un'equazione di regressione in forma standardizzata includono...

1. 
   I coefficienti di regressione per le variabili esplicative sono uguali tra loro
2. 
   Non esiste un parametro costante (termine libero dell'equazione) di regressione
3. 
   I coefficienti di regressione standardizzati non sono confrontabili tra loro
4. 
   Le variabili incluse nell'equazione sono adimensionali

7. Viene valutata la vicinanza dell'influenza congiunta dei fattori sul risultato nell'equazione di regressione multipla lineare

1. 
   Coefficiente di correlazione di coppia
2. 
   Coefficiente di correlazione parziale
3. 
   
4. 
   

8. Partita

9. Il coefficiente di correlazione multipla per una relazione lineare può essere calcolato utilizzando la formula

10. Affermazioni vere riguardo al coefficiente di correlazione multipla

1. 
   Quanto più il valore si avvicina a un Ryx1...xp, tanto più stretto è il collegamento tra la caratteristica effettiva e tutti i fattori
2. 
   Quanto più il valore è vicino a zero Ryx1...xp, tanto più stretto è il collegamento tra la caratteristica effettiva e tutti i fattori
3. 
   Ryx1…xp prende i valori dall'intervallo
4. 
   Ryx1…xp prende valori dall'intervallo [– 1, 1]

11.Il coefficiente di determinazione multipla caratterizza

1. 
   La vicinanza dell'influenza congiunta dei fattori sul risultato nell'equazione di regressione multipla lineare
2. 
   La stretta relazione tra il risultato e il fattore corrispondente, eliminando l'influenza di altri fattori inclusi nel modello
3. 
   La quota della varianza dell'attributo risultante spiegata dalla regressione nella sua varianza totale
4. 
   La variazione media della variabile di risultato con una variazione del fattore corrispondente di uno, con lo stesso valore degli altri fattori fissati al livello medio

12. Per la somma totale (TSS), di regressione (RSS) e residua (ESS) delle deviazioni quadrate e del coefficiente di determinazione R2, l'uguaglianza è soddisfatta...

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

13. Il rapporto tra la varianza residua e la varianza totale è 0,05. Significa …

1. 
   Coefficiente di determinazione R2=0,95
2. 
   Coefficiente di determinazione R2=0,05
3. 
   Differenza (1-R2)=0,95, dove R2 è il coefficiente di determinazione
4. 
   Differenza (1-R2)=0,05, dove R2 è il coefficiente di determinazione

14. Per eliminare l'errore sistematico della varianza residua, viene utilizzato un modello di regressione multipla lineare per valutare la qualità

1. 
   Coefficiente di determinazione multipla
2. 
   Coefficiente di correlazione multipla
3. 
   Coefficiente corretto di determinazione multipla
4. 
   Coefficiente di correlazione parziale corretto

15. La stima della significatività statistica dell'equazione di regressione multipla lineare nel suo complesso viene effettuata utilizzando

1. 
   Prova t dello studente
2. 
   Criterio di Fisher
3. 
   Test di Durbin-Watson
4. 
   Test di Foster-Stewart

16.La valutazione della significatività statistica dei coefficienti di regressione multipla lineare viene effettuata utilizzando

1. 
   Prova t dello studente
2. 
   Criterio di Fisher
3. 
   Test di Durbin-Watson
4. 
   Test di Foster-Stewart

17.Se il coefficiente di regressione è significativo, allora le condizioni sono soddisfatte

1. 
   Il valore effettivo del test t di Student è inferiore al valore critico
2. 
   Il valore effettivo del test t di Student è maggiore del valore critico
3. 
   L'intervallo di confidenza passa per lo zero
4. 
   L'errore standard non supera la metà del valore del parametro

18.Se l'equazione di regressione è significativa, allora il valore effettivo del test F...

1. 
   più critico
2. 
   meno che critico
3. 
   prossimo all'unità
4. 
   vicino allo zero

19.I prerequisiti delle multinazionali sono...

1. 
   La varianza delle deviazioni casuali è costante per tutte le osservazioni
2. 
   La varianza delle deviazioni casuali non è costante per tutte le osservazioni
3. 
   Le deviazioni casuali sono correlate tra loro
4. 
   Le deviazioni casuali sono indipendenti l'una dall'altra

20.Indicare le conclusioni che corrispondono al grafico dei residui

1. 
   La premessa di OLS riguardante l'indipendenza dei residui gli uni dagli altri è violata
2. 
   Esiste un'autocorrelazione dei residui
3. 
   Non esiste uno schema nel comportamento dei residui
4. 
   Non esiste autocorrelazione dei residui

21.Quando le premesse del metodo dei minimi quadrati (OLS) sono soddisfatte, i residui dell'equazione di regressione sono solitamente caratterizzati da...

1. 
   Media zero
2. 
   Eteroschezza
3. 
   Di natura casuale
4. 
   Alto grado di autocorrelazione

22.I metodi per rilevare l'eteroschedasticità dei residui includono

1. 
   Test di Durbin-Watson
2. 
   Test di Goldfeld-Quandt
3. 
   Analisi grafica dei saldi
4. 
   Metodo dei minimi quadrati

23.Le variabili dummy nell'equazione di regressione multipla sono...

1. 
   Variabili qualitative convertite in quantitative
2. 
   Variabili che rappresentano le funzioni più semplici delle variabili già incluse nel modello
3. 
   Ulteriori variabili quantitative per migliorare la soluzione
4. 
   Combinazioni di fattori inclusi nell'equazione di regressione che aumentano l'adeguatezza del modello

24. Per riflettere l'influenza di una variabile di accompagnamento qualitativa che ha M gli stati sono solitamente inclusi nel modello... una variabile fittizia

1. 
   m+12
2. 
   m-12

25. Regressioni non lineari nelle variabili esplicative, ma lineari nei parametri stimati

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.Regressioni non lineari nei parametri stimati

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.Indica le affermazioni corrette sul modello

y=fx,z∙ε=a∙bx∙cz∙ε

1. 
   Si riferisce al tipo di modelli che sono non lineari nelle variabili esplicative, ma lineari nei parametri stimati
2. 
   Si riferisce al tipo di modelli che sono non lineari nei parametri stimati
3. 
   Si riferisce al tipo di modelli lineari
4. 
   Non può essere ridotto alla forma lineare
5. 
   Può essere ridotto alla forma lineare

28.Indica le affermazioni corrette sul modello

1. 
   Linearizzazione di un modello di regressione multipla lineare
2. 
   Linearizzazione di un modello di regressione lineare a coppie
3. 
   Appartiene alla classe dei modelli non lineari in termini di variabili esplicative, ma lineari in termini di parametri stimati
4. 
   Appartiene alla classe dei modelli lineari

29.Il modello y=a∙bx∙ε appartiene alla classe dei... modelli econometrici di regressione non lineare

1. 
   tranquillo
2. 
   inversione
3. 
   indicativo
4. 
   lineare

30.Il modello y=a∙xb∙ε appartiene alla classe dei... modelli econometrici di regressione non lineare

1. 
   tranquillo
2. 
   inversione
3. 
   indicativo
4. 
   lineare

31.Il modello y=a+bx+cx2+ε appartiene alla classe dei... modelli econometrici di regressione non lineare

1. 
   tranquillo
2. 
   polinomio
3. 
   indicativo
4. 
   lineare

32. Si è notato che con un aumento della quantità di fertilizzante applicato aumenta anche la resa, tuttavia, al raggiungimento di un certo valore del fattore, l'indicatore modellato inizia a diminuire. Per studiare questa relazione, è possibile utilizzare la specifica dell'equazione di regressione...

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

33. Per ottenere stime dei parametri del modello di regressione su potenza y=a∙xb ...

1. 
   Il metodo dei minimi quadrati non è applicabile
2. 
   È necessario selezionare la sostituzione appropriata
3. 
   È richiesta la conversione logaritmica
4. 
   È necessaria la conversione trigonometrica

34. Utilizzando il metodo dei minimi quadrati, è impossibile stimare i valori dei parametri dell'equazione di regressione...

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

35. Un cambiamento che determina la direzione generale dello sviluppo, la tendenza principale di una serie temporale, è inteso come...

1. 
   Tendenza
2. 
   Componente stagionale
3. 
   Componente ciclica
4. 
   Componente casuale

36. I componenti regolari di una serie storica sono

1. 
   Tendenza
2. 
   Componente stagionale
3. 
   Componente ciclica
4. 
   Componente casuale

37.Se il periodo di fluttuazioni cicliche dei livelli di una serie temporale non supera un anno, allora vengono chiamati ...

1. 
   Annuale
2. 
   Opportunistico
3. 
   di stagione
4. 
   Perenne

38. Sia Yt una serie temporale, Tt una componente di tendenza, St una componente stagionale, Et una componente casuale. Il modello di serie temporali additivo ha la forma...

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

39. Sia Yt una serie temporale, Tt una componente di tendenza, St una componente stagionale, Et una componente casuale. Il modello moltiplicativo delle serie temporali ha la forma...

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

40. È stato costruito un modello di serie temporali additivo, dove Yt è la serie temporale, Tt è la componente di tendenza, St è la componente stagionale, Et è la componente casuale. Se Yt=15, allora i valori dei componenti della serie vengono trovati correttamente...

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. Puoi determinare la presenza di un trend in una serie temporale...

1. 
   Secondo il grafico della serie temporale
2. 
   Per volume di serie temporali
3. 
   Dall'assenza di una componente casuale
4. 
   Utilizzando test statistici dell'ipotesi sull'esistenza di una tendenza

42. È possibile determinare la presenza di fluttuazioni cicliche (stagionali) in una serie temporale...

1. 
   Come risultato dell'analisi della funzione di autocorrelazione
2. 
   Secondo il grafico della serie temporale
3. 
   Per volume di serie temporali
4. 
   Utilizzando il test di Foster-Stewart

43. Sia Yt una serie temporale con osservazioni trimestrali, St una componente stagionale additiva. Le stime della componente stagionale rispettivamente per il primo, secondo e quarto trimestre sono S1=5, S2=-1, S4=2. La stima della componente stagionale per il terzo trimestre è...

44. Come risultato del livellamento delle serie temporali 6, 2, 7, 5, 12 con una media mobile semplice a tre termini, il primo valore livellato è...

45. Come risultato del livellamento delle serie temporali 6, 2, 7, 5, 12 con una media mobile semplice a quattro termini, il primo valore livellato è...

46. ​​​​Per descrivere l'andamento di una serie storica si utilizza una curva di crescita con saturazione...

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

47.Coefficiente di autocorrelazione del primo ordine

1. 
   Coefficiente di correlazione parziale tra livelli adiacenti di una serie storica
2. 
   Coefficiente di correlazione di coppie lineari tra livelli arbitrari di una serie temporale
3. 
   Coefficiente lineare di correlazione di coppia tra livelli adiacenti di una serie temporale
4. 
   Coefficiente lineare di correlazione di coppia tra il livello di una serie temporale e il suo numero

48. Funzione di autocorrelazione...

1. 
   Dipendenza del coefficiente di autocorrelazione dalle prime differenze nei livelli delle serie storiche
2. 
   Dipendenza del livello di una serie storica dal coefficiente di correlazione con il suo numero
3. 
   Sequenza di coefficienti di autocorrelazione disposti in ordine crescente
4. 
   Sequenza di coefficienti di autocorrelazione disposti in ordine crescente dei loro valori

49. Se il coefficiente di autocorrelazione di ordine 4 risulta essere il più alto, allora lo è la serie storica

1. 
   andamento lineare
2. 
   componente casuale
3. 
   andamento sotto forma di polinomio di 4° ordine
4. 
   oscillazioni cicliche con periodo 4

50. I valori noti dei coefficienti di autocorrelazione sono r1=0,8, r2=0,2, r3=0,3, r4=0,9. Si prega di indicare le affermazioni corrette...

1. 
   
2. 
   La serie temporale contiene un trend sotto forma di polinomio di 4° ordine
3. 
   
4. 
   

51.I valori noti dei coefficienti di autocorrelazione sono r1=0,1, r2=0,8, r3=0,3, r4=0,9. Possiamo concludere...

1. 
   La serie temporale contiene un andamento lineare
2. 
   La serie temporale è casuale
3. 
   La serie temporale contiene fluttuazioni cicliche con un periodo di 2
4. 
   La serie temporale contiene fluttuazioni cicliche con un periodo di 4

52. Un modello di serie storiche è considerato adeguato se i valori dei residui...

1. 
   hanno aspettative matematiche pari a zero
2. 
   il valore effettivo del test F è inferiore al valore della tabella
3. 
   rispettano la legge della distribuzione normale
4. 
   rispettare una legge di distribuzione uniforme
5. 
   sono positivi
6. 
   sono casuali e indipendenti

53.L'indipendenza dei residui di un modello di serie temporali può essere verificata utilizzando

1. 
   Test di Durbin-Watson
2. 
   Prova di Pearson
3. 
   Criterio di Fisher
4. 
   

54. La casualità dei residui di un modello di serie temporali può essere testata utilizzando

1. 
   Analisi della funzione di autocorrelazione dei residui
2. 
   Prova di Pearson
3. 
   Testare l'ipotesi sulla presenza di un trend
4. 
   Calcolo dell'asimmetria e della curtosi

55.Per il livellamento esponenziale viene utilizzata la formula

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

56. La costante di livellamento α nel modello di livellamento esponenziale St=αyt+1-αSt-1 assume i valori

1. 
   0,2 o 0,3
2. 
   da 0,7 a 0,9
3. 
   
4. 
   arbitrario

57. La scelta del valore ottimale della costante di livellamento α nel modello di livellamento esponenziale St=αyt+1-αSt-1 viene effettuata

1. 
   Viene sempre utilizzato il valore α=0,3
2. 
   Viene sempre utilizzato il valore α=0,7
3. 
   Il valore ottimale di α è considerato quello in corrispondenza del quale si ottiene la più piccola varianza di errore
4. 
   Si ritiene che il valore ottimale di α sia quello in corrispondenza del quale si ottiene la massima varianza di errore

58.Parametro di adattamento α=0,3, y5=8, y6=7, S4=6. Il valore S6 ottenuto come risultato del livellamento esponenziale delle serie temporali utilizzando la formula St=αyt+1-αSt-1 è...

Risposta: 6.72

59. La serie temporale contiene un trend e il modello Holt viene utilizzato per livellarlo: St=αyt+1-α(St-1-mt-1), mt=γSt-St-1+1-γmt-1. Se α=γ=0,3, y5=8, S4=5, m4=2. Il valore di m5 è...

Risposta: 1.25
Sistemi di equazioni simultanee

1. 
   L'azienda agricola si occupa della coltivazione di grano, mais, orzo e grano saraceno. È stato costruito un modello econometrico che descrive la resa di ciascuna coltura in funzione delle dosi applicate di fertilizzanti e della quantità di umidità. Questo modello appartiene alla classe dei sistemi... equazioni
   1. 
      simultaneo
   2. 
      indipendente
   3. 
      ricorsivo
   4. 
      normale

1. 
   Lo stato di un'economia chiusa è descritto dalle seguenti caratteristiche: Y - prodotto interno lordo (PIL), C - livello di consumo, I - importo degli investimenti, G - spesa pubblica, T - importo delle tasse, R - tasso di interesse reale . La specificazione del modello si basa sulle seguenti disposizioni della teoria economica: 1) il consumo è spiegato dall'importo del reddito disponibile (Y-T); 2) il livello di investimento è determinato dalla dimensione del PIL e dal tasso di interesse; 3) consumi, investimenti e spesa pubblica si sommano al PIL. Il corrispondente sistema di equazioni interconnesse sarà simile a:
   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. 
   Nella forma strutturale del modello, costruito secondo lo schema specificato di relazioni tra variabili, il numero di variabili esogene è pari a ...

Risposta: 2

Nella forma strutturale del modello, costruito secondo lo schema specificato di relazioni tra variabili, il numero di variabili endogene è pari a ...

Risposta: 3

In un sistema di equazioni simultanee, le variabili endogene sono

1. 
   In un sistema di equazioni simultanee, le variabili esogene sono

1. 
   Il numero di equazioni del sistema per lo schema specificato di relazioni tra variabili è ...

Risposta: 2

61. Il numero di equazioni del sistema per il diagramma specificato delle relazioni tra le variabili è ...

1. 
   Equazioni che devono essere incluse nel sistema per il diagramma specificato delle relazioni tra le variabili

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. 
   Forma ridotta del modello corrispondente alla forma strutturale del sistema di equazioni simultanee

include equazioni

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. 
   La forma ridotta del modello è il risultato della trasformazione...
   1. 
      Equazioni di regressione non lineare
   2. 
      Forma strutturale del modello
   3. 
      Sistemi di equazioni indipendenti
   4. 
      Sistemi di equazioni ricorsive

62. Forma ridotta del modello della dinamica dei prezzi e dei salari

y2 – tasso di variazione del prezzo,

x1 – percentuale di disoccupati,

x3 – tasso di variazione dei prezzi delle materie prime importate,

sembra...

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. L'unicità della corrispondenza tra la forma ridotta e quella strutturale del modello di un sistema di equazioni simultanee costituisce un problema...

1. 
   multicollinearità dei fattori
2. 
   identificazione
3. 
   eteroschedasticità dei residui
4. 
   eterogeneità dei dati

64. Stabilire una corrispondenza tra la tipologia del modello strutturale e la corrispondenza tra i coefficienti strutturali e quelli ridotti...

65.Utilizzando le condizioni necessarie per identificare il modello della dinamica dei prezzi e dei salari, indicare le affermazioni corrette...

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

dove y1 è il tasso di variazione dello stipendio mensile,

y2 – tasso di variazione del prezzo,

x1 – percentuale di disoccupati,

x2 – tasso di variazione del capitale costante,

x3 – tasso di variazione dei prezzi delle materie prime importate

1. 
   entrambe le equazioni sono esattamente identificabili
2. 
   entrambe le equazioni non sono identificabili
3. 
   entrambe le equazioni sono sovra-identificabili
4. 
   la prima equazione è troppo identificabile
5. 
   la seconda equazione è precisamente identificabile

66. Sia D il numero di variabili esogene contenute nel sistema, ma non contenute in questa equazione. Per la prima equazione del modello della dinamica dei prezzi e dei salari, il valore di D è pari a ...

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

Risposta: 2

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

68. Sia H il numero di variabili endogene nel sistema, D il numero di variabili esogene che sono contenute nel sistema ma non sono contenute in questa equazione. Per la prima equazione del modello della dinamica dei prezzi e dei salari, il valore (H – D) è pari a ...

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

Risposta: 0

70. Stabilire una corrispondenza per la regola di conteggio con la condizione di identificazione necessaria, se H è il numero di variabili endogene nel sistema, D è il numero di variabili esogene che sono contenute nel sistema, ma non sono contenute in questa equazione

71. L’OLS convenzionale viene utilizzato con successo per stimare i coefficienti strutturali...

1. 
   Sistemi di equazioni non identificabili
2. 
   Sistemi di equazioni ricorsive (modelli triangolari)
3. 
   Sistemi di equazioni interconnesse o simultanee
4. 
   Sistemi di equazioni-identità
5. 
   Sistemi di equazioni indipendenti

72. Per una forma strutturale identificabile di un sistema di equazioni simultanee, quando si stimano i parametri, ...

73. Per una forma strutturale sovraidentificata di un sistema di equazioni simultanee, quando si stimano i parametri, ...

1. 
   Metodo dei minimi quadrati ordinari
2. 
   Metodo dei minimi quadrati indiretti
3. 
   Minimi quadrati a due passi
4. 
   Metodo dei minimi quadrati in tre passaggi

Q=……….. mincorrisponde metodo dei minimi quadrati

Autocorrelazioneè la dipendenza della correlazione dei livelli della serie dai valori precedenti.

L'autocorrelazione esiste quando ogni valore successivo dei resti

Il modello di serie temporali additivo ha la forma: Y=T+S+E

Una variabile di attributo può essere utilizzata quando: la variabile indipendente è qualitativa;

Entro quali limiti cambia il coefficiente determinante?: da 0 a 1.

In quali casi il modello è considerato adeguato? Fcalc>Ftabella

Come risultato dell'autocorrelazione abbiamo stime dei parametri inefficienti

In un modello ben adattato, i residui dovrebbero e hanno una legge normale

Nell'analisi econometricaXjvengono presi in considerazione come variabili casuali

Il valore dell’intervallo di confidenza ci consente di stabilire l’ipotesi che: l'intervallo contiene una stima del parametro dell'incognita.

Il valore calcolato dalla formulaR=...è una stima probabilità di coppia Correlazioni

Regressione non lineare intrinsecaè una regressione veramente non lineare che non può essere ridotta a una regressione lineare trasformando le variabili e introducendo nuove variabili.

Serie temporaliè una sequenza di valori di una caratteristica (variabile risultante) assunti in istanti di tempo o periodi successivi.

Scegli un modello con ritardiУt= a+b0x1…….(formula più lunga)

Valore selettivo Rxy non > 1, |R|< 1

Coefficiente di correlazione campionariaRin termini assoluti non supera l'unità

Eteroschedasticità- violazione della costanza della varianza per tutte le osservazioni.

L’eteroschedasticità è presente quando: la varianza dei residui casuali non è costante

L'eteroskydasticità lo è quando la varianza dei residui è diversa

È stata dimostrata l’ipotesi dell’assenza di autocorrelazione dei residui, se Dtabella2...

Omoschedasticità- costanza della dispersione per tutte le osservazioni, o la stessa dispersione di ciascuna deviazione (resto) per tutti i valori delle variabili fattore.

Omoskidasticità– questo è quando la varianza dei residui è costante e la stessa per tutte... le osservazioni.

Dispersione- indicatore di variazione.

Per determinare i parametri di un modello non identificato, viene utilizzato quanto segue: nessuna delle entità. i metodi non possono essere applicati

Per determinare i parametri oltre il modello identificato, utilizzare: si applica. OLS in 2 fasi

Per determinare i parametri, è necessario convertire la forma strutturale del modello forma ridotta del modello

Per determinare i parametri di un modello identificabile con precisione: viene utilizzato l'OLS indiretto;

Per valutare... i cambiamentisìdaXinserito: coefficiente di elasticità:

Per la regressione a coppie ơ²Bequivale….(xi-x¯)²)

Per testare la significatività dei parametri di regressione individuali, utilizziamo: prova t.

Per la regressionesì= UN+ bxdaNosservazioni intervallo di confidenza (1-a)% per il coefficiente.Bsarà b±t…….·ơb

Per la regressione daNosservazioni eMvariabili indipendenti esiste una tale relazione traR² eF..=[(n-m-1)/m](R²/(1- R²)]

Probabilità di fiduciaè la probabilità che il valore reale dell'indicatore di performance rientri nell'intervallo di previsione calcolato.

Supponiamo che 2 modelli siano adatti a descrivere un processo economico. Entrambi sono adeguatiFCriterio di Fisher. che vantaggio dare, a quel gatto: maggiore del valore del criterio F

Supponiamo che la dipendenza delle spese dal reddito sia descritta dalla funzionesì= UN+ bxil valore medio y=2...è uguale 9

SeRxyè positivo, quindi all'aumentare di x aumenta y.

Se nell'equazione di regressione è presente una variabile insignificante, si rivela con un valore basso Statistiche T

Se un fattore qualitativo ha 3 gradazioni, allora il numero richiesto di variabili dummy 2

Se il coefficiente di correlazione è positivo, allora nel modello lineare all'aumentare di x aumenta y

Se siamo interessati a utilizzare variabili di attributo per mostrare l'effetto di mesi diversi dovremmo utilizzare 11 metodi di attributo

Se il modello di regressione ha una relazione esponenziale, allora Il metodo dei minimi quadrati è applicabile dopo la riduzione alla forma lineare.

Il rapporto tra il coefficiente di determinazione multipla (D) e correlazioni (R) è descritto con il seguente metodo R=√D

Significato dell'equazione di regressione- l'effettiva presenza della dipendenza oggetto di studio, e non una semplice coincidenza casuale di fattori che simulano una dipendenza che in realtà non esiste.

Viene valutata la significatività dell'equazione di regressione nel suo complesso: -F-test di Fisher

Il significato delle quote private e abbinate. vengono verificate le correlazioni usando:-Test dello studente

Intercorrelazione e relativa multicollinearità- questa è una stretta relazione tra fattori che si avvicinano a una relazione lineare completa.

Quale caratteristica statistica è espressa dalla formulaR²=… coefficiente di determinazione

Quale caratteristica statistica è espressa dalla formula: R xy = Circa(X; sì) dividere per la radiceVar(X)* Var(sì): coefficiente. correlazioni

Quale funzione viene utilizzata quando si modellano modelli con crescita costante energia

Quali punti vengono esclusi dalle serie storiche mediante la procedura di smoothing? sia all'inizio che alla fine.

Quale equazione di regressione è un'equazione di potenza? sì= UN˳ UNͯ¹ UN

Il metodo classico per la stima dei parametri di regressione si basa su:- metodo dei minimi quadrati (LSM)

Numero di gradi di libertà perTstatistiche durante il test della significatività dei parametri di regressione da 35 osservazioni e 3 variabili indipendenti 31;

Numero di gradi di libertà del denominatoreF-statistiche in regressione di 50 osservazioni e 4 variabili indipendenti: 45

Componenti vettorialiEhiE hanno una legge normale

Correlazione- dipendenza stocastica, che è una generalizzazione di una dipendenza funzionale strettamente deterministica includendo una componente probabilistica (casuale).

Coefficiente di autocorrelazione: caratterizza la vicinanza della relazione lineare tra i livelli attuali e futuri della serie

Coefficiente di determinazione- indicatore della vicinanza della connessione stocastica nel caso generale di regressione non lineare

Coefficiente di determinazioneè una quantità che caratterizza la relazione tra variabili dipendenti e indipendenti.

Il coefficiente di determinazione è coefficiente di correlazione multipla al quadrato

Il coefficiente di determinazione è: un valore che caratterizza la relazione tra le variabili indipendenti e dipendenti (dipendenti);

Coefficiente di determinazioneRSpettacoli la proporzione della variazione nella variabile dipendente y spiegata dall'influenza dei fattori inclusi nel modello.

Il coefficiente di determinazione varia all'interno: - da 0 a 1

Fattore di fiducia- questo è un coefficiente che collega gli errori limite e medi con una dipendenza lineare, chiarisce il significato dell'errore limite che caratterizza l'accuratezza della stima ed è un argomento per la distribuzione (molto spesso, l'integrale di probabilità). È questa probabilità il grado di affidabilità della valutazione.

Fattore di confidenza (deviazione normalizzata)- il risultato della divisione della deviazione dalla media per la deviazione standard caratterizza in modo significativo il grado di affidabilità (confidenza) della valutazione risultante.

Coefficiente di correlazioneRxyusato per determinare la completezza della connessione tra X e Y.

Il coefficiente di correlazione varia nell'intervallo: da -1 a 1

Un coefficiente di correlazione pari a 0 significa che: - nessuna connessione lineare .

Un coefficiente di correlazione pari a 1 significa che: -esiste una dipendenza funzionale.

Il coefficiente di correlazione viene utilizzato per: determinare la vicinanza della relazione tra le variabili casuali X e Y;

Viene calcolato il coefficiente di correlazione misurare il grado di relazione lineare tra due variabili casuali.

Coefficiente di correlazione lineare- un indicatore della vicinanza della relazione stocastica tra il fattore e il risultato nel caso di regressione lineare.

Coefficiente di regressione- coefficiente della variabile fattore nel modello di regressione lineare.

Coefficiente di regressioneBSpettacoli: Di quante unità aumenta y se x aumenta di 1?

Il coefficiente di regressione varia all'interno: si applica qualsiasi valore; da 0 a 1; da -1 a 1;

Il coefficiente di elasticità viene misurato: quantità incommensurabile.

Viene utilizzato il criterio di Darwin-Chatson: - selezione dei fattori nel modello; oppure - definizioni di autocorrelazione nei residui

Prova t dello studente- verificare la significatività dei singoli coefficienti di regressione e la significatività del coefficiente di correlazione.

Il criterio di Fisher mostra la significatività statistica del modello nel suo complesso basata sulla significatività combinata di tutti i suoi coefficienti;

Variabili ritardate: - si tratta di variabili relative a momenti precedenti; oppure - questi sono i valori dipendenti. modifica. per il periodo di tempo precedente.

Le variabili ritardate lo sono valore delle variabili dipendenti per il periodo di tempo precedente

Il modello nel suo insieme è statisticamente significativo se Fcalc > Ftab.

Il modello è individuato se:- il numero di parametri del modello strutturale è pari al numero di parametri indicati. forme del modello.

Il modello non è identificato se:- viene fornito il numero. coefficiente . Di più numero di coefficienti strutturali

Un modello è sovraidentificato se: numero dato. coefficiente inferiore al numero di coefficienti strutturali

La multicollateralità si verifica quando: errata inclusione di 2 o più variabili linearmente dipendenti nell'equazione; 2. due o più variabili esplicative, normalmente debolmente correlate, diventano altamente correlate in specifiche condizioni del campione; . Nel modello è inclusa una variabile altamente correlata alla variabile dipendente.

Il modello moltiplicativo delle serie temporali ha la forma:- Y=T*S*E

Un modello moltiplicativo di serie temporali è costruito se: l'ampiezza delle fluttuazioni stagionali aumenta o diminuisce

Sulla base dei dati trimestrali...valori 7-1 trimestre, 9-2 trimestre e 11-3 trimestre...-5

Viene chiamata la scelta sbagliata della forma funzionale o delle variabili esplicative errori di specifica

L’imparzialità della stima del parametro di regressione ottenuta utilizzando OLS significa:- che sia caratterizzato dalla minima dispersione.

Un problema che può sorgere nella regressione multivariata e non si verifica mai nella regressione a coppie è la correlazione tra variabili indipendenti.

Cosa determina il numero di punti esclusi dalla serie storica a seguito dello smoothing: a seconda del metodo di livellamento utilizzato.

Nota i principali tipi di errori di specifica: scartare una variabile significativa; aggiungere una variabile insignificante;

Le stime dei coefficienti di regressione a coppie sono imparziali se: aspettative matematiche dei resti =0.

Le stime dei parametri per la regressione lineare accoppiata vengono trovate utilizzando la formula b= Cov(x;y)/Var(x);a=y¯ bx¯

Le stime dei parametri di regressione sono imparziali se L'aspettativa matematica del resto è 0

Le stime dei parametri di regressione sono coerenti se: - l'accuratezza della stima aumenta con n, cioè al crescere di n la probabilità della stima dal valore vero del parametro tende a 0.

Stime di regressione a coppie di fenomeni. efficace se: hanno la dispersione più piccola rispetto ad altre valutazioni

In presenza di eteroschedasticità è opportuno utilizzare:- minimi quadrati generalizzati

Quando si controlla contemporaneamente il significato di tutti i parametri, viene utilizzato quanto segue:-Prova F.

Quando si controlla simultaneamente il significato di tutti i parametri di regressione, viene utilizzato quanto segue: Prova F.

Il metodo dei minimi quadrati è applicabile per il calcolo dei parametri di dipendenza esponenziale? applicabile dopo la sua riduzione

Il metodo dei minimi quadrati (LSM) è applicabile per calcolare i parametri dei modelli non lineari? applicabile dopo la sua speciale riduzione alla forma lineare

Quale criterio viene utilizzato per valutare la significatività di un coefficiente di regressione? T. dello studente

All’aumentare del numero delle variabili esplicative, il coefficiente di determinazione correlato è:- aumenta.

Il rapporto tra l'indice di determinazione multiplaR ² e indice aggiustato di determinazione multiplaȒ² C'è

Aggiustato coefficiente determinazione:- coefficiente più del solito. determinazione

Il coefficiente standardizzato dell'equazione di regressione Ƀk mostra di quale percentuale cambierà l'indicatore risultante y quando xi cambia dell'1% con il livello medio di altri fattori invariato

Coefficiente dell'equazione di regressione standard: mostra quanto 1 cambierà y quando il fattore xk cambia di 1 mantenendo l'altro.

L'essenza del coefficiente determinazioneR 2 xy è come segue:- caratterizza la proporzione della varianza della caratteristica risultante y spiegabile. regressione., nella varianza totale del tratto risultante.

Il valore della tabella del test dello Studente dipende da livello probabilità di confidenza e dal numero di fattori inclusi e dalla lunghezza della serie originaria (sul livello di significatività accettato e sul numero di gradi di libertà (n - m -1))

Valori della tabella Fisher (F) dipendere sulla probabilità di confidenza e sul numero di fattori inclusi e sulla lunghezza della serie originaria (sulla probabilità di confidenza P e il numero di gradi di libertà delle dispersioni f1 E f2)..

L'equazione in cuiHDnumero di variabili esogene mancanti, identificate se D+1=A

L'equazione in cuiHnumero di variabili endogene,Dnumero di variabili esogene mancanti, NON identificabili se D+1

L'equazione in cuiHnumero di variabili endogene,Dnumero di variabili esogene mancanti, sovraidentificate se D+1>H

L'equazione è identificata se:- D+1=A

L'equazione non è identificata se:-D+1

Un'equazione è sovraidentificata se:- D+1>H

Le variabili fittizie sono: caratteristiche attributive (ad esempio professione, genere, istruzione), a cui sono state assegnate etichette digitali;

FormulaT= rxy....usato per p verifica della significatività del coefficiente di correlazione

PrivatoF-criterio:- valuta la significatività dell'equazione di regressione nel suo insieme

Il numero di gradi di libertà per la somma dei quadrati dei fattori in un modello di regressione multipla lineare è: M;

Cosa mostra il coefficiente di pendenza - Di quante unità y cambierà se x cambia di uno?

Cosa mostra il coefficiente? crescita assoluta di quante unità cambierà y se x cambia di uno

Variabile esogenaè la variabile indipendente o fattore X.

Variabili esogene- si tratta di variabili determinate al di fuori del sistema e indipendenti

Variabili esogene- Questo le variabili predeterminate che influenzano le variabili dipendenti (variabili endogene), ma non dipendono da esse, sono indicate con x

Si misura l'elasticità unità di misura del fattore...indicatore

L'elasticità si vede di quante % cambierà l'indicatore riduttivo y quando il fattore cambia dell'1% xk.

Le variabili endogene sono: variabili dipendenti, il cui numero è uguale al numero di equazioni nel sistema e che sono indicate con y

Definizioni

Rapporto T (test t)- il rapporto tra la stima del coefficiente ottenuta utilizzando OLS e l'errore standard del valore stimato.

Modello additivo delle serie temporaliè un modello in cui la serie storica è presentata come la somma delle componenti elencate.

Criterio di Fisher- un metodo per testare statisticamente il significato di un'equazione di regressione, in cui il valore calcolato (effettivo) del rapporto F viene confrontato con il suo valore critico (teorico).

Regressione lineareè una relazione (regressione), che è rappresentata da un'equazione lineare ed esprime la dipendenza lineare più semplice.

Metodo delle variabili strumentali- Questo è un tipo di multinazionale. Utilizzato per stimare i parametri dei modelli descritti da diverse equazioni. La proprietà principale è la sostituzione parziale di una variabile esplicativa inadatta con una variabile incorrelata al termine casuale. Questa variabile proxy è chiamata variabile strumentale e produce stime di parametri coerenti.

Metodo dei minimi quadrati (LSM)- un metodo per trovare (stimare) approssimativamente coefficienti di regressione (parametri) sconosciuti. Questo metodo si basa sul requisito di ridurre al minimo la somma delle deviazioni quadrate dei valori dei risultati calcolati dall'equazione di regressione e dei valori dei risultati reali (osservati).

Regressione lineare multiplaè una regressione multipla che rappresenta una relazione lineare per ciascun fattore.

Regressione multipla- regressione con due o più variabili fattoriali.

Modello identificato- un modello in cui tutti i coefficienti strutturali sono determinati univocamente dai coefficienti della forma ridotta del modello.

Modello ad equazioni ricorsive- un modello che contiene variabili dipendenti (risultative) di alcune equazioni come fattore, che appaiono sul lato destro di altre equazioni.

Modello moltiplicativo– un modello in cui la serie storica è presentata come prodotto delle componenti elencate.

Stima imparziale- una valutazione la cui media sia pari al valore oggetto di valutazione.

Ipotesi nulla- l'ipotesi che il risultato non dipenda dal fattore (il coefficiente di regressione è zero).

Minimi quadrati generalizzati (GLS)- un metodo che non richiede una dispersione costante (omoschedasticità) dei residui, ma presuppone che i residui siano proporzionali al fattore comune (varianza). Si tratta quindi di un OLS ponderato.

Spiegazione della varianza- un indicatore della variazione del risultato dovuta alla regressione.

Variabile (risultato) spiegata- una variabile che dipende statisticamente da una variabile fattore, o esplicativa (regressore).

Varianza residua- varianza inspiegabile, che mostra la variazione del risultato sotto l'influenza di tutti gli altri fattori non presi in considerazione dalla regressione.

Variabili predefinite sono variabili esogene del sistema e variabili endogene ritardate del sistema.

Forma ridotta del sistema- una forma che, a differenza di quella strutturale, contiene già solo variabili endogene dipendenti linearmente da variabili esogene. Esteriormente, non è diverso da un sistema di equazioni indipendenti.

Valore del rapporto F calcolato- il valore ottenuto dividendo la varianza spiegata per 1 grado di libertà per la varianza residua per 1 grado di libertà.

Regressione (dipendenza)- questa è la media (livellata), cioè esente da fluttuazioni casuali su piccola scala (fluttuazioni), relazione quasi deterministica tra le variabili spiegate e le variabili esplicative. Questa connessione è espressa da formule che caratterizzano la dipendenza funzionale e non contengono variabili esplicitamente stocastiche (casuali), che ora esercitano la loro influenza come effetto risultante, assumendo la forma di una dipendenza puramente funzionale.

Regressore (variabile esplicativa, variabile fattore)è una variabile indipendente che è statisticamente correlata alla variabile di risultato. La natura di questa relazione e l'impatto dei cambiamenti (variazioni) nel regressore sul risultato sono studiati in econometria.

Sistema di equazioni interconnesseè un sistema di equazioni simultanee o interdipendenti. In esso le stesse variabili appaiono contemporaneamente come dipendenti in alcune equazioni e contemporaneamente indipendenti in altre. Questa è la forma strutturale di un sistema di equazioni. LSM non è applicabile ad esso.

Sistema di equazioni apparentemente non correlate- un sistema caratterizzato dalla presenza di sole correlazioni tra residui (errori) in diverse equazioni del sistema.

Resto casuale (deviazione)- si tratta di un processo puramente casuale sotto forma di oscillazioni su piccola scala, che non contiene già una componente deterministica, presente nella regressione.

Valutazioni coerenti- stime che consentono l'uso efficace degli intervalli di confidenza, quando la probabilità di ottenere una stima ad una data distanza dal valore vero del parametro diventa prossima a 1, e l'accuratezza delle stime stesse aumenta con l'aumentare della dimensione del campione.

Specifica del modello- identificazione dei fattori significativi e identificazione della multicollinearità.

Errore standard- deviazione quadratica media (standard). È correlato all'errore medio e al fattore di confidenza.

Gradi di libertà- si tratta di quantità che caratterizzano il numero di parametri indipendenti e sono necessarie per trovare le tavole di distribuzione dei loro valori critici.

Tendenza- la principale tendenza di sviluppo, un modello regolare e stabile di cambiamenti nei livelli delle serie.

Livello di significatività- un valore che mostra la probabilità di una conclusione errata quando si verifica un'ipotesi statistica utilizzando un criterio statistico.

False variabili- si tratta di variabili che riflettono le componenti stagionali della serie per qualsiasi periodo.

Modello econometrico- si tratta di un'equazione o di un sistema di equazioni che rappresenta in modo speciale la/le dipendenza/i tra il risultato e i fattori. La base del modello econometrico è la scomposizione della relazione complessa e poco compresa tra il risultato e i fattori nella somma delle seguenti due componenti: regressione (componente di regressione) e residuo casuale (fluttuazione). Un'altra classe di modelli econometrici produce serie temporali.

Efficienza della valutazione- questa è la proprietà di una valutazione di avere la varianza più piccola possibile.

o – Scegli una risposta.

□ – Scegli diverse opzioni di risposta.

– Scrivi la soluzione e rispondi.

– selezionare le opzioni in base alla sequenza specificata

1. Scrivi una formula per calcolare l'aspettativa matematica di una variabile casuale:

2. L'aspettativa matematica di una variabile casuale è uguale a . Qual è l'aspettativa matematica di una variabile casuale:

3. L'aspettativa matematica della variabile casuale e la varianza sono note. Trova l'aspettativa matematica e la varianza della variabile casuale.

4. Se i valori di ciascuna variabile casuale vengono aumentati di 10 volte, il valore medio:

o Diminuirà di 10 volte;

o Aumenterà 10 volte;

o Aumento del 10%;

o Non cambierà.

5. La somma delle deviazioni dei valori di una variabile casuale dal valore medio è sempre:

o Positivo;

o Negativo;

o Uguale a zero;

o In ogni caso è diverso.

6. Sia , variabili casuali con varianze e covarianza. A cosa è uguale?

7. Il coefficiente di correlazione lineare viene misurato nell'intervallo:

8. Il valore del coefficiente di determinazione...

o Valuta la significatività di ciascun fattore incluso nell'equazione di regressione;

o Caratterizza la quota della varianza della caratteristica risultante spiegata dall'equazione nella varianza totale;

o Caratterizza la quota della varianza del valore residuo nella varianza totale della caratteristica risultante;

o Valuta la significatività del coefficiente di correlazione.

9. Stabilire una corrispondenza tra i nomi degli elementi dell'equazione di regressione e correlazione e le loro designazioni in lettere:

1) Parametri di regressione __________;

2) Variabile esplicativa ______;

3) Coefficiente di correlazione ______;

4) Variabile spiegata _______;

5) Variabile casuale ___________;

6) Coefficiente di determinazione ____.

10. Il valore del coefficiente di correlazione è 0,81. Possiamo concludere che la relazione lineare tra la caratteristica risultante e il fattore è:

o Abbastanza stretto;

o Funzionale;

o Forza media.

11. Il valore del coefficiente di correlazione è – 0,9. Possiamo concludere che la relazione lineare tra la caratteristica risultante e il fattore è:

o Abbastanza stretto;

o Funzionale;

o Forza media.

12. Il coefficiente di elasticità mostra:

o Quante volte cambierà in media il risultato se il fattore cambia due volte;

o Il valore massimo possibile del risultato;

o Di quale percentuale cambierà il risultato medio quando il fattore aumenta dell'1%;

o Di quale percentuale cambierà il fattore medio quando il risultato aumenta dell'1%.

13. Il coefficiente di elasticità per l'equazione di regressione di potenza è uguale a:

14. L'essenza del metodo dei minimi quadrati è:

o Nel massimizzare la somma dei quadrati degli scostamenti del valore effettivo della variabile dipendente dal suo valore teorico;

o Nel minimizzare la somma dei quadrati degli scostamenti del valore effettivo della variabile dipendente dal suo valore teorico;

o Nel minimizzare la somma delle deviazioni dei valori effettivi e teorici;

o Nel massimizzare i valori assoluti delle deviazioni dei valori effettivi e teorici.

15. Se il coefficiente di correlazione è 1,2. Significa che…

o La relazione tra le caratteristiche è forte;

o La relazione tra le caratteristiche è debole;

o All'aumentare del fattore dell'1%, l'attributo effettivo aumenta dell'1,2%;

o Questo non può accadere.

16. Studiando la dipendenza di un indicatore economico da determinati fattori, sono stati ottenuti i seguenti valori dei coefficienti di elasticità: ; ; E . Classificare i fattori in ordine decrescente di influenza sull’indicatore economico in esame.

17. I parametri dell'equazione di regressione lineare sono determinati:

o Metodo di Spearman;

o Criterio di Fisher;

o Test di Durbin-Watson.

18. La valutazione statistica della significatività dei parametri dell'equazione di regressione lineare accoppiata viene verificata utilizzando:

o Criterio di Fisher;

o Test t di Student;

o Metodo dei minimi quadrati;

o Prova di Spearman.

19. Per un campione statistico composto da 22 osservazioni, il valore effettivo F Il criterio di Fisher è 52. Equazione di regressione. Il coefficiente di correlazione lineare in questo caso è pari a...

20. Per 27 imprese che producono gli stessi prodotti è stata costruita una relazione lineare tra volumi di vendita e costi pubblicitari. La deviazione standard è 4,7. La deviazione standard è 3,4. Il coefficiente lineare di determinazione in questo caso è pari a...

21. Il coefficiente di regressione lineare, se , è noto, è pari a...

22. L’andamento di una serie storica caratterizza una combinazione di fattori...

o Indurre fluttuazioni stagionali nelle serie;

o Avere un impatto una tantum;

o Non influisce sul livello della riga;