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

7. 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

8. Методы оценки идентифицированной системы одновременных уравнений

• косвенный МНК

• обычный МНК

• обобщенный МНК

• метод моментов

9. Методы оценки сверхидентифицированной системы одновременных уравнений

• косвенный МНК

• обычный МНК

• обобщенный МНК

• двухшаговый МНК

10. 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

11. 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

12. 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 x_j или x_e. 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.

13. 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

второго порядка

линейная

нелинейная простая

14. 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.

1. 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.

15. Построение модели временного ряда может быть осуществлено с использованием ... :

• критерия Дарбина–Уотсона

• метода последовательных разностей

• мультипликативной модели

• аддитивной модели