Эконометрика

№ 1
В модели парной линейной регрессии вида y=α+βx регрессором является:
• переменная Х.

№ 2
Cпецификацией уравнения регрессии называется:
• выбор формулы связи переменных.

№ 3
В линейной модели парной регрессии вида yi=α+βxi+εi систематической компонентой не является:
• εi.

№ 4
По выборке ограниченного объема можно построить:
• эмпирическое уравнение регрессии.

№ 5
Эмпирические и теоретические коэффициенты регрессии:
• возможно их равенство и неравенство.

№ 6
Eсли ei — оценка теоретического случайного отклонения εi, то методом наименьшей суммы для определения коэффициентов уравнения регрессии называется:
• Σ|ei|=min.

№ 7
Предпосылки Гаусса-Маркова:
• мат.ожидание случайного отклонения равно нулю.

№ 8
Статистическая надежность оцениваемой формулы выше при числе степеней свободы:
• 65.

№ 9
Если коэффициент детерминации равен 0,1 для модели парной линейной регрессии, то это свидетельствует:
• о тесной связи между Х и У.

№ 10
Коэффициент детерминации может принимать значения в интервале:
• от 0 до 1.

№ 11
Eсли критерий Дарбина-Уотсона для модели парной линейной регрессии (расчетное значение) равен двум, то это свидетельствует:
• об отсутствии автокорреляции.

№ 12
Mерой разброса зависимой переменной вокруг линии регрессии является:
• стандартная ошибка оценки.

№ 13
Eсли дисперсия оценок параметров при возрастании числа наблюдений n стремится к нулю, то это свидетельствует:
• о состоятельности оценок.

№ 14

Число степеней свободы (при расчете t-статистики) для модели вида =α+β1X1+β2X2 и n=25 равно:
• 22.

№ 15
Kоэффициент детерминации R2=0. Тогда критерий Фишера (расчетное значение):
• равен нулю.

№ 16
Если число объясняющих переменных больше 1, то:
• скорректированный коэффициент детерминации меньше нескорректированного.

№ 17
При оценивании множественной линейной регрессии для обеспечения статистической надежности требуется, чтобы число наблюдений превосходило число оцениваемых параметров по крайней мере:
• в три раза.

№ 18
Что из ниже перечисленного не является предпосылками Гаусса-Маркова для множественной линейной регрессии:
• модель является нелинейной относительно параметров;
• зависимость случайного отклонения от объясняющих переменных;
• наличие связи между объясняющими переменными.

№ 19
Eсли ei — оценка теоретического случайного отклонения εi, то методом наименьших квадратов для определения коэффициентов уравнения регрессии называется:
• Σe²i=min.

№ 20
Eсли в модель множественной линейной регрессии добавлять объясняющие переменные, то:
• коэффициент детерминации будет увеличиваться.

№ 21
Cкорректированный коэффициент детерминации R² равен коэффициенту детерминации R², если:
• R²=1.

№ 22
При добавлении в модель множественной линейной регрессии новых объясняющих переменных скорректированный коэффициент детерминации:
• может увеличиваться и уменьшаться.

№ 23
Целесообразно добавлять в модель множественной линейной регрессии новые объясняющие переменные до тех пор, пока:
• увеличивается скорректированный коэффициент детерминации.

№ 24
Значения скорректированного коэффициента детерминации R² находится в интервале:
• R² ≤ 1.

№ 25
Для модели вида =α+β1X1+β2X2 расчетное значение t-статистики для коэффициента b1 равно 0,3. Тогда, согласно “грубому” правилу, коэффициент b1 является:
• статистически незначимым.

№ 26
Eсли для модели множественной регрессии дисперсия оценок параметров имеет наименьшую дисперсия по сравнению с любыми другими оценками данных параметров, то это свидетельствует:
• об эффективности оценок.

№ 27
Mодель вида Y=AXβ является:
• логарифмической.

№ 28
Зависимость между объемом выпуска У и средними постоянными издержками Х отражает график обратной модели:
•

№ 29
В логарифмической модели эластичность отражает:
• процентное изменение переменной У по переменной Х.

№ 30
Зависимость спроса на благо У от дохода Х:
•

№ 31
B полулогарифмической модели вида lnY=α+βX коэффициент β отражает:
• темп прироста переменной У по переменной Х.

№ 32
B линейно-логарифмической модели вида Y=α+βlnX коэффициент β отражает:
• изменение переменной У в результате единичного относительного прироста Х.

№ 33
Укажите логарифмическую модель.
• Y=AXβ.

№ 34
Kакая из представленных ниже моделей является показательной?
• Y=αeβX.

№ 35
Eсли модель вида Y=AXβ отражает зависимость спроса У на благо от его цены Х, то:
• β<0.

№ 36
Hелинейная модель вида Y=AXβ сводится к линейной модели следующего вида:
• Y*=β0+βX*, где β0=lnA, X*=lnX, Y*=lnY.

№ 37
Показательная модель вида Y=αeβX сводится к линейной модели следующего вида:
• Y*=β0+βX*, где β0=lnα, Y*=lnY.

№ 38
Eсли отношение V=S/y=0, где
, y — среднее значение зависимой переменной, то это свидетельствует:
• о высоких прогнозных качествах модели.

№ 39
Зависимость между уровнем безработицы Х в процентах и процентным изменением зарплаты У (кривая Филипса):
•

№ 40
Hелинейные модели, допускающие сведение их к линейным, называют:
• линейными моделями относительно параметров.

№ 41
Постоянство дисперсии отклонений называется:
• гомоскедастичностью.

№ 42
Tест, который для обнаружения гетероскедастичности использует распределение Фишера, называется:
• тест Голдфелда-Квандта.

№ 43
График гомоскедастичности:
•

№ 44
Метод взвешенных наименьших квадратов для решения проблемы гетероскедастичности применяется в случае, если:
• дисперсии отклонений известны.

№ 45
При проверке случайных отклонений на отсутствие гетероскедастичности при помощи теста ранговой корреляции Спирмена упорядочиваются:
• абсолютные значения объясняющей переменной и случайного отклонения.

№ 46
Eсли при проверке случайных отклонений на отсутствие гетероскедастичности при помощи теста ранговой корреляции Спирмена расчетное значение t-статистики превышает табличное, то:
• гипотеза об отсутствии гетероскедастичности отклоняется.

№ 47
Eсли при проверке случайных отклонений на отсутствие гетероскедастичности при помощи теста Голдфелда-Квандта расчетное значение F-статистики превышает табличное, то:
• гипотеза об отсутствии гетероскедастичности отклоняется.

№ 48
При проверке случайных отклонений на отсутствие гетероскедастичности F-статистика используется в:
• тесте Голдфелда-Квандта.

№ 49
При проверке случайных отклонений на отсутствие гетероскедастичности t-статистика используется в:
• тесте ранговой корреляции Спирмена.

№ 50
Pазбиение выборки на три подвыборки для обнаружения гетероскедастичности используется:
• тесте Голдфелда-Квандта.

№ 51
Eсли для обнаружения гетероскедастичности рассчитывается F-статистика F=S3/S1, где S3 и S1 — дисперсии регрессии по третьей и первой подвыборкам соответственно, то предполагается:
• прямая пропорциональность между дисперсией случайного отклонения и объясняющей переменной.

№ 52
Проверка гипотезы об отсутствии гетероскедастичности при помощи теста Спирмена для модели регрессии Y=3,2+9,2X1-0,3X2+1,2X3:
• проводится для переменных X1, X2, X3.

№ 53
Для смягчения проблемы гетероскедастичности в случае пропорциональности дисперсий отклонений σ²i значениям x²i модель парной линейной регрессии вида yi=β0+β1xi+εi преобразуется в модель:
• yi/xi = β0/xi + β1 + εi/xi.

№ 54
Статистика Дарбина-Уотсона используется для:
• обнаружения автокорреляции.

№ 55
Для оценки коэффициента ρ для авторегрессионной схемы первого порядка наименее предпочтительный:
• метод первых разностей.

№ 56
Причины, которые могут вызывать автокорреляцию:
• инерция;
• ошибки спецификации.

№ 57
Mетод, который для авторегрессионной схемы первого порядка предполагает, что коэффициент ρ=1, называется:
• метод первых разностей.

№ 58
Поправки Прайса-Винстона служат для:
• для определения первого наблюдения для авторегрессионной схемы первого порядка.

№ 59
Для устранения автокорреляции применяют:
• авторегрессионную схему первого порядка.

№ 60
Наиболее предпочтительный метод для оценки коэффициента ρ для авторегрессионной схемы первого порядка при большом числе наблюдений:
• определение на основе статистики Дарбина-Уотсона.

№ 61
Автокорреляция отсутствует:

Эконометрика - актуальные примеры

1. Готовый отчет по практике. (ВГУЭиС)
2. Готовый отчет по практике. (ВШП)
3. Готовый отчет по практике. (КЦЭиТ)
4. Готовый отчет по практике. (ММУ)
5. Готовый отчет по практике. (академии предпринимательства)
6. Готовый отчет по практике. (МТИ)
7. Готовый отчет по практике. (МИП)
8. Готовый отчет по практике. (МОИ)
9. Готовый отчет по практике. (МФЮА)
10. Готовый отчет по практике. (НИБ)
11. Готовый отчет по практике. (ОСЭК)
12. Готовый отчет по практике. (политехнического колледжа Годикова)
13. Готовый отчет по практике. (РГСУ)
14. Готовый отчет по практике. (СПбГТИ(ТУ))
15. Готовый отчет по практике. (Росдистант)
16. Готовый отчет по практике. (СамНИУ)
17. Готовый отчет по практике. (Синергии)
18. Готовый отчет по практике. (ТИСБИ)
19. Готовый отчет по практике. (ТГУ)
20. Готовый отчет по практике. (университета им. Витте)
21. Готовый отчет по практике. (ФЭК)

• на 4 графике.

№ 62
Eсли нарушены предпосылки Гаусса-Маркова о независимости случайных отклонений (т.е. присутствует автокорреляция), то:
• оценки, полученные по МНК, неэффективны, являются несмещенными.

№ 63
Eсли для оценки коэффициента ρ для авторегрессионной схемы первого порядка используется метод перебора значений ρ в интервале [-1;1], то такой метод называется:
• Хилдрета-Лу.

№ 64
Eсли за положительным случайным отклонением следует отрицательное, то автокорреляция является:
• отрицательной.

№ 65
Oценку r коэффициента ρ для авторегрессионной схемы первого порядка на основе статистики Дарбина-Уотсона (DW = Σ(ei-ei-1)² / Σe²i) можно определить следующим образом:
• r ≈ 1-DW / 2.

№ 66
Регрессионные модели, имеющие лишь качественные объясняющие переменные, называются:
• моделями дисперсионного анализа.

№ 67
— качественные и количественные:
• моделями ковариационного анализа.

№ 68
Eсли качественная переменная имеет три альтернативных значения, то при моделировании используется:
• две фиктивные переменные.

№ 69
Ловушка фиктивной переменной возникает, если для качественной переменной, имеющей пять альтернативных значений, используется:
• пять фиктивных переменных.

№ 70
Eсли в модели используется качественная переменная, принимающая значение D=0, если сотрудник мужчина, и D=1, если сотрудник женщина, то базовым значением качественной переменной является значение:
• “мужчина”.

№ 71
Hеобходимость разбиения уравнения регрессии на две части и построения для каждой из них уравнения регрессии проверяется при помощи:
• теста Чоу.

№ 72
B уравнении вида Y=β0+β1X+γD+ε коэффициент γ называется:
• дифференциальным свободным членом.

№ 73
B уравнении вида Yt=β0+β1Xt+γ1Dt+γ2DtXt+εt коэффициент γ2 называется:
• дифференциальным угловым коэффициентом.

№ 74
Eсли расчетное значение F-статистики для теста Чоу меньше табличного значения F-статистики при соответствующем числе степеней свободы и выбранном уровне значимости, то:
• нет смысла разбивать уравнение регрессии на части.

№ 75
Для сезонной корректировки при помощи фиктивных переменных в случае, если данные существенно различаются по месяцам, необходимо использовать:
• 11 фиктивных переменных.

№ 76
— различаются по кварталам и при этом различия затрагивают изменения коэффициента пропорциональности, необходимо использовать:
• 6 фиктивных переменных.

№ 77
Если в модели используется две качественные переменные, одна из которых имеет два альтернативных значений, а другая три, то количество необходимых фиктивных переменных равно:
• 3.

№ 78
Если в авторегрессионной модели частичной корректировки коэффициент корректировки равен 1, то:
• корректировка происходит за один период.

№ 79
Виды авторегрессионных моделей:
• адаптивных ожиданий;
• частичной корректировки.

№ 80
Краткосрочный мультипликатор в моделях с лагами:
• характеризует изменение среднего значения У под воздействием единичного изменения Х в тот же самый период времени.

№ 81
Eсли в динамическую модель в уравнение регрессии в качестве зависимой переменной входит не фактическое, а желаемое значение, то такая модель называется:
• модель частичной корректировки.

№ 82
Авторегрессионные модели:
• yt=6+0,7xt-2,1x²t+1,1yt-1;
• yt=6+0,7xt-1,1yt-2.

№ 83
B модели с лагами вида yt=α+β0xt+β1xt-1+ … +βkxt-k+εt долгосрочным мультипликатором называется:
• .

№ 84
Eсли в модели адаптивных ожиданий коэффициент ожидания равен 1, то это означает:
• мгновенно реализуемые ожидания.

№ 85
B модели адаптивных ожиданий коэффициент ожидания γ изменяется в интервале:
• 0 ≤ γ ≤ 1.

№ 86
B авторегрессионной модели частичной корректировки коэффициент корректировки λ принимает значения в интервале:
• 0 ≤ λ ≤ 1.

№ 87
Для модели с лагами yt=2+7,3xt+6,1xt-1-2,1xt-2 долгосрочный мультипликатор равен:
• 11,3.

№ 88
Для модели с лагами yt=3,2-0,3xt-6,3xt-1+2
3xt-2 краткосрочный мультипликатор:
• -0,3.

№ 89
B модели с лагами величина, характеризующая изменение У под воздействием единичного изменения переменной Х в каждом из рассматриваемых временных периодов, называется:
• долгосрочным мультипликатором.

№ 90
Eсли значение стандартной среднеквадратической ошибки U, характеризующей качество прогноза, равно 0, то:
• прогноз абсолютно точен.

№ 91
Лаговые эндогенные переменные, значения которых определены до рассмотрения уравнений-тождеств, называются:
• предопределенные переменные.

№ 92
Двухшаговый метод наименьших квадратов применяют:
• для решения проблемы переопределенных уравнений в системе одновременных уравнений.

№ 93
Eсли по коэффициентам приведенных уравнений можно получить несколько вариантов значений коэффициентов структурных уравнений, то исходную систему уравнений называют:
• неидентифицируемой.

№ 94
Переменные, значения которых определяются внутри системы одновременных уравнений, называются:
• эндогенными.

№ 95
Kосвенный метод наименьших квадратов служит для:
• определения оценок параметров системы одновременных уравнений через коэффициенты приведенных уравнений.

№ 96
B модели “спрос-предложение” вида

неидентифицируемым является уравнение функции:
• и спроса, и предложения.

№ 97
Уравнения в системе одновременных уравнений, в которых определена схема определения эндогенных переменных через экзогенные, называются:
• приведенными.

№ 98
Уравнения в системе одновременных уравнений, которые описывают взаимодействия между переменными:
• поведенческие.

№ 99,100
B моделях вида:

и

количество экзогенных переменных равно:
• 2.