- •15.Величина, рассчитанная по формуле является оценкой
- •Временной ряд, в котором ошибки некоррелированы и их математическое ожидание равно 0, называется
- •16.Выборочный коэффициент корреляции r по абсолютной величине
- •18.Гетероскедастичность регрессионной модели – это
- •19.Какой из приведенных тестов является тестом на гетероскедастичность?
- •20.Какой показатель характеризует значимость коэффициента корреляции?
- •21.Какой показатель характеризует тесноту нелинейной связи?
- •15.Коэффициент множественной детерминации показывает
- •22.Метод устранения (уменьшения) мультиколлинеарности
- •28. Метод наименьших квадратов применим к уравнениям регрессии ...
- •Предопределенные переменные включают в себя:
- •При моделировании временных рядов экономических показателей необходимо учитывать характер уровней исследуемых показателей ...
- •22.Применим ли метод наименьших квадратов для расчёта параметров нелинейных моделей?
22.Метод устранения (уменьшения) мультиколлинеарности
-
введение в модель фиктивных переменных
-
применение пошаговых процедур отбора наиболее информативных переменных
-
сглаживание временного ряда
-
упорядочение переменных по возрастанию фактора
28. Метод наименьших квадратов применим к уравнениям регрессии ...
-
которые отражают нелинейную зависимость между двумя экономическими показателями и не могут быть приведены к линейному виду
-
которые отражают нелинейную зависимость между двумя экономическими показателями, но могут быть приведены к линейному виду
-
нелинейного вида
-
которые отражают линейную зависимость между двумя экономическими показателями
-
Методы оценивания коэффициентов структурной модели:
-
косвенный метод наименьших квадратов (МНК)
-
двухшаговый и трехшаговый МНК
-
метод максимального правдоподобия
-
метод максимального правдоподобия, косвенный МНК, двухшаговый и трехшаговый МНК
-
Методы оценки идентифицированной системы одновременных уравнений
-
косвенный МНК
-
обычный МНК
-
обобщенный МНК
-
метод моментов
-
Методы оценки сверхидентифицированной системы одновременных уравнений
-
косвенный МНК
-
обычный МНК
-
обобщенный МНК
-
двухшаговый МНК
-
Модель идентифицируема, если:
-
число коэффициентов структурной модели равно числу коэффициентов приведенной формы модели
-
число приведенных коэффициентов меньше числа структурных коэффициентов
-
число приведенных коэффициентов больше числа структурных коэффициентов
-
Модель неидентифицируема, если:
-
число коэффициентов структурной модели равно числу коэффициентов приведенной формы модели
-
число приведенных коэффициентов меньше числа структурных коэффициентов
-
число приведенных коэффициентов больше числа структурных коэффициентов
-
Модель сверхидентифицируема, если:
-
число коэффициентов структурной модели равно числу коэффициентов приведенной формы модели
-
число приведенных коэффициентов меньше числа структурных коэффициентов
-
число приведенных коэффициентов больше числа структурных коэффициентов
23.Мультиколлинеарность регрессионной модели – это
-
возможность построения нескольких моделей (в том числе нелинейных) на основе одних исходных данных
-
высокая значимость характеристик регрессионной модели высокая степень взаимной коррелированности некоторых из объясняющих переменных
-
зависимость значений объясняемой переменной от ее значений в предшествовавшие моменты времени
-
зависимость объясняемой переменной от нескольких объясняющих факторов
7.На практике о наличии мультиколлинеарности обычно судят по матрице парных коэффициентов корреляции. Если один из элементов матрицы R больше…., то считают, что имеет место мультиколлинеарность и в уравнение регрессии следует включить только один из показателей xj или xe. Вставьте недостающее значение.
-
0,3;
-
-0,6;
-
0,8;
-
0.
38. Найдите предположение, не являющееся предпосылкой классической модели
-
Случайные ошибки имеют нулевые математические ожидания.
-
Случайные ошибки имеют постоянную дисперсию.
-
Случайные ошибки не зависят от объясняющих переменных.
-
Случайные ошибки не имеют нормального распределения.
12.Наличие гетероскедастичности можно определить используя:
-
критерий Стьюдента;
-
критерий Фишера;
-
критерий Чоу;
-
критерий Энгеля-Грангера.
-
Необходимым условием идентифицируемости системы взаимозависимых регрессионных уравнений является:
-
число априорных ограничений должно быть больше числа уравнений модели
-
число априорных ограничений должно быть не меньше числа уравнений модели, уменьшенного на единицу
-
число априорных ограничений должно быть равно числу уравнений модели, уменьшенного на единицу
-
число априорных ограничений должно быть равно числу неизвестных параметров в модели
30.Несмещенность оценки характеризуется ...
-
зависимостью от объема выборки значения математического ожидания остатков
-
максимальной дисперсией остатков
-
равенством нулю математического ожидания остатков
-
отсутствием накопления остатков при большом числе выборочных оцениваний
14.Неправильный выбор функциональной формы или объясняющих переменных называется
-
ошибками спецификации,
-
ошибками прогноза,
-
мультиколлинеарностью,
-
гетероскедастичностью.
16.О модели регрессии можно сказать, что это регрессия
|
|
|
-
Область значений автокорреляционной функции представляет собой промежуток ... :
-
[-1,0]
-
[-1,1]
-
(-1,1)
-
[0,1]
31.Обобщенный МНК применяется в случае...
-
наличия в остатках гетероскедастичности или автокорреляции
-
наличия в модели фиктивных переменных
-
наличия в модели мультиколлинеарности
-
наличия в модели незначимых оценок
6.Отметьте основные виды ошибок спецификации
-
отбрасывание значимой переменной,
-
добавление незначимой переменной,
-
низкое значение коэффициента детерминации,
-
выбор неправильной формы модели.
37.Относительные отклонения расчётных значений результирующего признака от его наблюдаемых значений используются при расчёте ...
-
t-критерия Стьюдента
-
параметров регрессии
-
коэффициента эластичности
-
средней ошибки аппроксимации
8.Оценить значимость парного линейного коэффициента корреляции можно при помощи:
-
критерия Фишера;
-
коэффициента автокорреляции;
-
критерия Стьюдента;
-
критерия Дарбина-Уотсона.
13.Оценить значимость коэффициентов регрессии в множественной линейной модели можно при помощи:
-
коэффициента корреляции;
-
коэффициента автокорреляции;
-
критерия Стьюдента;
-
критерия Дарбина-Уотсона.
-
Парный линейный коэффициент корреляции характеризует наличие тесной обратной связи. Он может принимать следующие значения:
-
1,2;
-
–0,82;
-
0,92;
-
–0,24.
44. По формуле вычисляется
-
оценка ковариационной матрицы оценок коэффициентов модели;
-
дисперсия экзогенных переменных;
-
дисперсия случайного возмущения;
-
оценка дисперсии эндогенных переменных модели.
45. По формуле вычисляется
-
F – тест;
-
статистика критерия Дарбина-Уотсона;
-
коэффициент детерминации;
-
статистика критерия Голдфелда-Квандта.
-
Построение модели временного ряда может быть осуществлено с использованием ... :
-
критерия Дарбина–Уотсона
-
метода последовательных разностей
-
мультипликативной модели
-
аддитивной модели