Содержание
- № 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: • 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.
№ 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
- Готовый отчет по практике. (ВГУЭиС)
- Готовый отчет по практике. (ВШП)
- Готовый отчет по практике. (КЦЭиТ)
- Готовый отчет по практике. (ММУ)
- Готовый отчет по практике. (академии предпринимательства)
- Готовый отчет по практике. (МТИ)
- Готовый отчет по практике. (МИП)
- Готовый отчет по практике. (МОИ)
- Готовый отчет по практике. (МФЮА)
- Готовый отчет по практике. (НИБ)
- Готовый отчет по практике. (ОСЭК)
- Готовый отчет по практике. (политехнического колледжа Годикова)
- Готовый отчет по практике. (РГСУ)
- Готовый отчет по практике. (СПбГТИ(ТУ))
- Готовый отчет по практике. (Росдистант)
- Готовый отчет по практике. (СамНИУ)
- Готовый отчет по практике. (Синергии)
- Готовый отчет по практике. (ТИСБИ)
- Готовый отчет по практике. (ТГУ)
- Готовый отчет по практике. (университета им. Витте)
- Готовый отчет по практике. (ФЭК)
Эконометрика - актуальные примеры
- Готовый отчет по практике. (ВГУЭиС)
- Готовый отчет по практике. (ВШП)
- Готовый отчет по практике. (КЦЭиТ)
- Готовый отчет по практике. (ММУ)
- Готовый отчет по практике. (академии предпринимательства)
- Готовый отчет по практике. (МТИ)
- Готовый отчет по практике. (МИП)
- Готовый отчет по практике. (МОИ)
- Готовый отчет по практике. (МФЮА)
- Готовый отчет по практике. (НИБ)
- Готовый отчет по практике. (ОСЭК)
- Готовый отчет по практике. (политехнического колледжа Годикова)
- Готовый отчет по практике. (РГСУ)
- Готовый отчет по практике. (СПбГТИ(ТУ))
- Готовый отчет по практике. (Росдистант)
- Готовый отчет по практике. (СамНИУ)
- Готовый отчет по практике. (Синергии)
- Готовый отчет по практике. (ТИСБИ)
- Готовый отчет по практике. (ТГУ)
- Готовый отчет по практике. (университета им. Витте)
- 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.