287. В рамках модели уравнения наблюдений
-: образуют схему Гаусса-Маркова;
+: не образуют схему Гаусса-Маркова;
-: образуют схему Дарбина-Уотсона ;
-: образуют схему Голдфелда-Квандта.
165. В
РАМКАХ ОЦЕНЁННОЙ ИНВЕСТИЦИОННОЙ
МОДЕЛИ,
ПО ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: прогноз текущего значения ставки процента;
-: прогноз текущего уровня инвестиций;
-: прогноз текущей величины дохода;
+: оценка случайного возмущения.
155. В
РАМКАХ ОЦЕНЁННОЙ ИНВЕСТИЦИОННОЙ
МОДЕЛИ,
ПО ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: прогноз текущего значения ставки процента;
+: прогноз текущего уровня инвестиций;
-: прогноз текущей величины дохода;
-: оценка случайного возмущения.
145. В РАМКАХ ОЦЕНЁННОЙ ИНВЕСТИЦИОННОЙ МОДЕЛИ, РОСТ УРОВНЯ ДОХОДА, Уt НА ЕДИНИЦУ УВЕЛИЧИВАЕТ УРОВЕНЬ ИНВЕСТИЦИЙ В СРЕДНЕМ НА
+: 0,18; -: 50; -: 0,01; -: 19.
125. В РАМКАХ ОЦЕНЁННОЙ ИНВЕСТИЦИОННОЙ МОДЕЛИ, ДОХОД, Yt И РЕАЛЬНАЯ СТАВКА ПРОЦЕНТА, Rt НЕ ОБЪЯСНЯЮТ
-: 0,01 величины It;
-: 4% величины It;
-: 50% величины It;
+: 18 % величины It;
144. В
РЫНОЧНОЙ МОДЕЛИ ЦЕННОЙ БУМАГИ,
,
ГДЕ rM
– ДОХОДНОСТЬ НА РЫНОЧНЫЙ ПОРТФЕЛЬ,
ПАРАМЕТР
ИМЕЕТ СМЫСЛ
-: ожидаемой доходности;
+: меры несистематического риска;
-: меры систематического риска;
-: ковариации.
154. В
РАМКАХ РЫНОЧНОЙ МОДЕЛИ ЦЕННОЙ БУМАГИ,
,
ГДЕ rM
– ДОХОДНОСТЬ НА РЫНОЧНЫЙ ПОРТФЕЛЬ, ПО
ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: ожидаемая доходность;
-: мера несистематического риска;
+: мера систематического риска;
-: ковариация.
124. В МОДЕЛИ
ГОДОВОЙ ДОХОДНОСТИ,
НА ОБЫКНОВЕННУЮ АКЦИЮ,
ПАРАМЕТР
ИМЕЕТ СМЫСЛ
-: ожидаемой доходности;
+: меры несистематического риска;
-: меры систематического риска;
-: ковариации.
31.
В
МОДЕЛИ СПРОСА - ПРЕДЛОЖЕНИЯ ТОВАРА НА
КОНКУРЕНТНОМ РЫНКЕ,
КОЛИЧЕСТВО ЭНДОГЕННЫХ ПЕРЕМЕННЫХ
РАВНО
-: единице; -: двум; +: трем; -: пяти.
147. В
КОМПАКТНОЙ ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ
1 ОПРЕДЕЛИТЕЛЬ,
МАТРИЦЫ А КОЭФФИЦИЕНТОВ ПРИ ЭНДОГЕННЫХ
ПЕРЕМЕННЫХ,
РАВЕН
-: нулю; -: единице; -: ; +: 1 -. .
157. В КОМПАКТНОЙ ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 1 КОЛИЧЕСТВО СТРОК МАТРИЦЫ А КОЭФФИЦИЕНТОВ ПРИ ЭНДОГЕННЫХ ПЕРЕМЕННЫХ РАВНО
-: единице; -: двум; +: трём; -: четырём.
141. В
МАКРОМОДЕЛИ КЕЙНСА,
КОЛИЧЕСТВО ТОЖДЕСТВ РАВНО
+: единице; -: двум; -: трём; -: четырём.
142. В
РАМКАХ МОДЕЛИ ИЗ ЗАДАНИЯ 15.1 ПО ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: ожидаемый дополнительный доход в ответ на увеличение инвестиций на единицу;
+: ожидаемое дополнительное потребление в ответ на увеличение инвестиций на единицу;
-: ожидаемый уровень дополнительных инвестиций;
-: ожидаемый уровень дополнительных сбережений.
161. В
ДИНАМИЧЕСКОЙ МАКРОМОДЕЛИ,
КОЛИЧЕСТВО ТЕКУЩИХ ЭНДОГЕННЫХ ПЕРЕМЕННЫХ
РАВНО
+: трём; -: четырём; -: пяти; -: шести.
181. В
МОДЕЛИ ЛИНТНЕРА ЧАСТИЧНОЙ КОРРЕКТИРОВКИ
ДИВИДЕНДОВ,
,
ГДЕ
- ТЕКУЩИЙ УРОВЕНЬ ДИВИДЕНДОВ,
-
ТЕКУЩАЯ ПРИБЫЛЬ ФИРМЫ, КОЛИЧЕСТВО
ПРЕДОПРЕДЕЛЁННЫХ ПЕРЕМЕННЫХ РАВНО
+: двум; -: трём; -: единице; -: четырём.
171. В МОДЕЛИ ЛИНТНЕРА ЧАСТИЧНОЙ КОРРЕКТИРОВКИ ДИВИДЕНДОВ, , ГДЕ - ТЕКУЩИЙ УРОВЕНЬ ДИВИДЕНДОВ, - ТЕКУЩАЯ ПРИБЫЛЬ ФИРМЫ, КОЛИЧЕСТВО ТЕКУЩИХ ЭНДОГЕННЫХ ПЕРЕМЕННЫХ РАВНО
+: двум; -: трём; -: единице; -: четырём.
151. В УПРОЩЁННОЙ ДИНАМИЧЕСКОЙ МАКРОМОДЕЛИ, КОЛИЧЕСТВО ПАРАМЕТРОВ РАВНО
-: трём; -: четырём; +: пяти; -: шести.
231.
В
ПАУТИННОЙ МОДЕЛИ СПРОСА - ПРЕДЛОЖЕНИЯ
ТОВАРА НА КОНКУРЕНТНОМ РЫНКЕ,
КОЛИЧЕСТВО
ПРЕДОПРЕДЕЛЁННЫХ ПЕРЕМЕННЫХ РАВНО
-: единице; +: двум; -: трем; -: пяти.
131. В ПРОСТОЙ МАКРОМОДЕЛИ КЕЙНСА, КОЛИЧЕСТВО ПОВЕДЕНЧЕСКИХ УРАВНЕНИЙ РАВНО
+: единице; -: двум; -: трём; -: четырём.
134. В
РЫНОЧНОЙ МОДЕЛИ ЦЕННОЙ БУМАГИ,
,
ГДЕ rM
– ДОХОДНОСТЬ НА РЫНОЧНЫЙ ПОРТФЕЛЬ,
ПАРАМЕТР
ИМЕЕТ СМЫСЛ
-: ожидаемой доходности;
-: меры несистематического риска;
+: меры систематического риска;
-: ковариации.
114. В МОДЕЛИ ГОДОВОЙ ДОХОДНОСТИ НА ОБЫКНОВЕННУЮ АКЦИЮ, ПАРАМЕТР ИМЕЕТ СМЫСЛ
+: ожидаемой доходности;
-: уровня несистематического риска;
-: уровня систематического риска;
-: ковариации.
193. В
ФОРМУЛЕ
ЧИСЛО
ЭТО
-: случайная переменная;
-: ожидаемое значение случайной переменной;
+: дисперсия случайной переменной;
-: эндогенная переменная модели.
214. В
ФОРМУЛЕ
СИМВОЛОМ X
ОБОЗНАЧЕНА
-: ковариационная матрица оценок коэффициентов модели;
+: матрица наблюдённых значений предопределённых переменных;
-: матрица коэффициентов нормальных уравнений;
-: оценка дисперсии эндогенных переменных модели.
153. В
ФОРМУЛЕ
СИМВОЛОМ n
ОБОЗНАЧЕНО
-: значение коэффициента детерминации;
-: количество предопределённых переменных в функции регрессии;
+: количество уравнений наблюдений;
-: число экзогенных переменных.
163. В ФОРМУЛЕ СИМВОЛОМ k ОБОЗНАЧЕНО
-: значение коэффициента детерминации;
+: количество предопределённых переменных в функции регрессии;
-: количество уравнений наблюдений;
-: число эндогенных переменных
173. В ФОРМУЛЕ ЧИСЛО (k+1) ЭТО
+: количество оцениваемых коэффициентов в функции регрессии;
-: количество предопределённых переменных в функции регрессии;
-: количество уравнений наблюдений;
-: число эндогенных переменных. линейной модели.
190. В МОДЕЛИ ИЗ ЗАДАНИЯ 1 КОЛИЧЕСТВО ПАРАМЕТРОВ РАВНО
-: единице; -: двум; +: трём; -: четырём.
166. В ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 5 ЧИСЛО 40 ЭТО
+: характеристика точности оценки коэффициента функции регрессии;
-: F - статистика;
-: статистика теста Голдфелда-Квандта;
-: статистика теста Дарбина-Уотсона.
176. В ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 5 ЧИСЛО 0,01 ЭТО
+: характеристика точности оценки коэффициента функции регрессии;
-: F - статистика;
-: статистика теста Голдфелда-Квандта;
-: статистика теста Дарбина-Уотсона.
167. В КОМПАКТНОЙ ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 1 КОЛИЧЕСТВО СТРОК МАТРИЦЫ В КОЭФФИЦИЕНТОВ ПРИ ПРЕДОПРЕДЕЛЁННЫХ ПЕРЕМЕННЫХ РАВНО
-: единице; -: двум; +: трём; -: четырём.
187. В КОМПАКТНОЙ ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 1 КОЛИЧЕСТВО СТОЛБЦОВ МАТРИЦЫ В КОЭФФИЦИЕНТОВ ПРИ ПРЕДОПРЕДЕЛЁННЫХ ПЕРЕМЕННЫХ РАВНО
-: единице; +: двум; -: трём; -: четырём.
191. В
КОМПАКТНОЙ ЗАПИСИ,
МОДЕЛИ ЛИНТНЕРА ЧАСТИЧНОЙ КОРРЕКТИРОВКИ
ДИВИДЕНДОВ,
,
ГДЕ
- ТЕКУЩИЙ УРОВЕНЬ ДИВИДЕНДОВ,
-
ЖЕЛАЕМЫЙ УРОВЕНЬ ТЕКУЩИХ ДИВИДЕНДОВ,
-
ТЕКУЩАЯ ПРИБЫЛЬ ФИРМЫ, КОЛИЧЕСТВО
СТОЛБЦОВ МАТРИЦЫ А РАВНО
+: двум; -: трём; -: единице; -: четырём.
197. В КОМПАКТНОЙ ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 5 ОПРЕДЕЛИТЕЛЬ МАТРИЦЫ А КОЭФФИЦИЕНТОВ ПРИ ТЕКУЩИХ ЭНДОГЕННЫХ ПЕРЕМЕННЫХ РАВЕН
+: единице; -: 0,5; -: 0,02; -: 0,25.
196. В ЗАПИСИ МОДЕЛИ ИЗ ЗАДАНИЯ 5 ЧИСЛО 150 ЭТО
-: характеристика точности оценки коэффициента функции регрессии;
+: мера влияния неучтённых факторов;
-: статистика теста Голдфелда-Квандта;
-: статистика теста Дарбина-Уотсона.
183. В ФОРМУЛЕ ЧИСЛО m ЭТО
-: случайная переменная;
+: ожидаемое значение случайной переменной;
-: вероятность;
-: эндогенная переменная.
180. В МОДЕЛИ ИЗ ЗАДАНИЯ 1 НЕНАБЛЮДАЕМОЙ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ ЯВЛЯЕТСЯ
-:
;
-:
;
+:
;
-:
.
203. В ТЕОРЕМЕ ГАУССА-МАРКОВА ПОСТРОЕНА
-: эконометрическая модель;
-: функция регрессии;
+: линейная процедура оценивания эконометрических моделей;
-: процедура оценивания нелинейных эконометрических моделей.
204. В
ФОРМУЛЕ
СИМВОЛОМ n
ОБОЗНАЧЕНО
-: ср. кв. отклонение коэффициентов линейной модели;
-: ср. кв. отклонение экзогенной переменной линейной модели;
+: количество уравнений наблюдений;
-: оценка ср. кв. отклонения эндогенной переменной линейной модели.
273. В
ВЫРАЖЕНИИ
СИМВОЛ
ИМЕЕТ СМЫСЛ
-: вектора экзогенных переменных;
-: вектора эндогенных переменных;
+: вектора коэффициентов функции регрессии;
-: случайных возмущений.
234.
В
ВЫРАЖЕНИИ (XT∙X)-1∙XT∙
СИМВОЛОМ
ОБОЗНАЧЕН
-: вектор оценок коэффициентов линейной функции регрессии;
+: вектор наблюдённых значений эндогенной переменной модели;
-: вектор прогнозов значений эндогенной переменной;
-: вектор параметров модели.
264.
В ВЫРАЖЕНИИ
В РАМКАХ МОДЕЛИ
СИМВОЛОМ
ОБОЗНАЧЕНА
-: дисперсия случайного возмущения;
+: ср. кв. ошибка оценки коэффициента функции регрессии;
-: дробь Стьюдента;
-: математическое ожидание оценки .
82. ВЫРАЖЕНИЕ
НАЗЫВАЕТСЯ
+: нормальными уравнениями;
-: уравнениями наблюдений;
-: поведенческим уравнением;
-: экономическим тождеством
282. ВЫРАЖЕНИЕ ПРЕДНАЗНАЧЕНО ДЛЯ
-: вычисления Х;
-: вычисления ;
+:
вычисления
;
-: вычисления
.
73. ВЫРАЖЕНИЕ НАЗЫВАЕТСЯ
-: нормальными уравнениями;
+: уравнениями наблюдений;
-: поведенческим уравнением;
-: экономическим тождеством.
261.
ВЫРАЖЕНИЕ
,
ГДЕ
КВАДРАТНАЯ
МАТРИЦА,
-
ПРЯМОУГОЛЬНАЯ МАТРИЦА,
-
ВЕКТОР ЭНДОГЕННЫХ ПЕРЕМЕННЫХ,
-
ВЕКТОР ЭКЗОГЕННЫХ ПЕРЕМЕННЫХ ЭТО
-: компактная запись схемы Гаусса-Маркова;
+: компактная запись структурной формы ЭММ в виде одновременных линейных алгебраических уравнений;
-: компактная запись оптимальной процедуры оценивания параметров модели;
-: компактная запись нормальных уравнений.
271.
ВЫРАЖЕНИЕ
,
ГДЕ
КВАДРАТНАЯ
МАТРИЦА,
-
ПРЯМОУГОЛЬНАЯ МАТРИЦА,
-
ВЕКТОР ЭНДОГЕННЫХ ПЕРЕМЕННЫХ,
-
ВЕКТОР ЭКЗОГЕННЫХ ПЕРЕМЕННЫХ,
-
ВЕКТОР СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ, ЭТО
-: компактная запись схемы Гаусса-Маркова;
+: компактная запись структурной формы эконометрической модели в виде одновременных линейных алгебраических уравнений;
-: компактная запись оптимальной процедуры оценивания параметров модели;
-: компактная запись нормальных уравнений.
205. ВЛИЯНИЕМ
НЕУЧТЁННЫХ ФАКТОРОВ В МОДЕЛИ
ЯВЛЯЕТСЯ
-: величина y; -: величина x;
+: величина u; -: величина a0 + a1∙x.
280.
В МАТРИЦЕ Х ОБУЧАЮЩЕЙ ВЫБОРКИ,
ЧИСЛО СТРОК
-: меньше числа столбцов;
-: равно числу столбцов;
+: больше числа столбцов;
-: произвольно.
290. В МАТРИЦЕ Х КОНТРОЛИРУЮЩЕЙ ВЫБОРКИ, ЧИСЛО СТРОК
-: меньше числа столбцов;
-: равно числу столбцов;
-: больше числа столбцов;
+: произвольно.
.
.
42. ВЕРОЯТНОСТЬ ПОЛОЖИТЕЛЬНОЙ ДОХОДНОСТИ НА ОБЫКНОВЕННУЮ АКЦИЮ ЗА ПРИНЯТЫЙ ОТРЕЗОК ВРЕМЕНИ
-: больше единицы;
-: меньше нуля;
+: находится между 0 и 1;
-: всегда равна 1
242. ВЕРОЯТНОСТЬ ПОЛОЖИТЕЛЬНОЙ ДОХОДНОСТИ НА БЕЗРИСКОВУЮ ЦЕННУЮ БУМАГУ ЗА ПРИНЯТЫЙ ОТРЕЗОК ВРЕМЕНИ
-: больше единицы;
-: меньше нуля;
-: находится между 0 и 0,5;
+: всегда равна 1.
3. В ТЕОРЕМЕ ГАУССА-МАРКОВА ПОСТРОЕНА
-: эконометрическая модель;
-: функция регрессии;
+: процедура оценивания линейных эконометрических моделей;
-: процедура оценивания нелинейных эконометрических моделей.
276.
ВЕЛИЧИНА
СЛУЖИТ ХАРАКТЕРИСТИКОЙ
+:
точности оценки коэффициента функции
регрессии модели
;
-:
точности значения эндогенной
переменной,
;
-:
точности прогноза,
значения эндогенной переменной;
-:
точности прогноза,
значения экзогенной переменной
.
76.
ВЕЛИЧИНА
СЛУЖИТ ХАРАКТЕРИСТИКОЙ
-: точности оценок коэффициентов функции регрессии модели ;
-: точности значения эндогенной переменной, ;
+: точности прогноза, значения эндогенной переменной;
-: точности прогноза, значения экзогенной переменной .
113. В
ЗАВИСИМОСТИ
МЕЖДУ ЭКОНОМИЧЕСКИМИ ПЕРЕМЕННЫМИ
(x,y),
ГДЕ u
– СЛУЧАЙНАЯ ПЕРЕМЕННАЯ С НУЛЕВЫМ
ОЖИДАЕМЫМ ЗНАЧЕНИЕМ, ВЕЛИЧИНА f(x)
НАЗЫВАЕТСЯ
-: экзогенной переменной;
+: функцией регрессии;
-: функцией распределения;
-: функцией полезности.
123. В ЗАВИСИМОСТИ МЕЖДУ ЭКОНОМИЧЕСКИМИ ПЕРЕМЕННЫМИ (x,y), ГДЕ u – СЛУЧАЙНАЯ ПЕРЕМЕННАЯ С НУЛЕВЫМ ОЖИДАЕМЫМ ЗНАЧЕНИЕМ, ВЕЛИЧИНА f(x) ОТРАЖАЕТ
-: влияние неучтённых факторов;
+: экономический закон;
-: случайные причины;
-: влияние эндогенной переменной.
133. В ЗАВИСИМОСТИ МЕЖДУ ЭКОНОМИЧЕСКИМИ ПЕРЕМЕННЫМИ (x,y), ГДЕ u – СЛУЧАЙНАЯ ПЕРЕМЕННАЯ С НУЛЕВЫМ ОЖИДАЕМЫМ ЗНАЧЕНИЕМ, ВЕЛИЧИНА u ОТРАЖАЕТ
+: влияние неучтённых факторов;
-: экономический закон;
-: экзогенные причины;
-: влияние эндогенной переменной
21. ДАТИРОВАНИЕ ПЕРЕМЕННЫХ МОДЕЛИ ПРЕДНАЗНАЧЕНО ДЛЯ
-: отражения влияния неучтённых факторов;
+: отражения фактора времени;
-: отражения влияния экзогенных переменных;
-: отражения влияния эндогенных переменных.
221. ДАТИРОВАНИЕ ПЕРЕМЕННЫХ МОДЕЛИ ОСУЩЕСТВЛЯЕТСЯ НА
+: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
-: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели.
52. ДОСТОВЕРНЫМ НАЗЫВАЕТСЯ СОБЫТИЕ, КОТОРОЕ
-: может появиться, а может и не появиться в опыте;
-: чаще появляется, чем не появляется;
+: имеет вероятность появления в опыте, равную 1 ;
-: имеет вероятность появления в опыте, расположенную на промежутке [0,95; 1).
2. ДОХОДНОСТЬ НА АКЦИЮ ЗА ПРИНЯТЫЙ ПЕРИОД ВРЕМЕНИ - ЭТО
+: случайная переменная;
-: константа;
-: положительная величина;
-: отрицательная величина.
202. ДОХОДНОСТЬ НА БЕЗРИСКОВЫЙ АКТИВ ЗА ПРИНЯТЫЙ ПЕРИОД ВРЕМЕНИ ЭТО
-: случайная переменная;
+: константа;
-: положительная величина;
-: отрицательная величина.
48. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, [y0-, y0+] НУЖНО ЗНАТЬ
+: величину tкрит;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
38. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, [y0-, y0+] НУЖНО ЗНАТЬ
+: доверительную вероятность, ;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
58. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, [y0-, y0+] НУЖНО ЗНАТЬ
+: точечный прогноз значения эндогенной переменной, ;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
68. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, [y0-, y0+] НУЖНО ЗНАТЬ
+:
ср. кв. ошибку прогноза значения
эндогенной переменной,
;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
28. ДЛЯ ПОСТРОЕНИЯ ОПТИМАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, НУЖНО ЗНАТЬ
-: величину tкрит;
-: величину Fкрит;
+: вид функции регрессии;
-: коэффициент детерминации, R2.
268. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ ЛИНЕЙНОЙ МОДЕЛИ, [y0-, y0+] НУЖНО ЗНАТЬ
+:
характеристику влияния на точность
прогноза ошибок оценок коэффициентов
функции регрессии,
;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
258. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, [y0-, y0+] НУЖНО ЗНАТЬ
+: вектор значений предопределённых переменных модели, ;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
248. ДЛЯ ПОСТРОЕНИЯ ИНТЕРВАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, [y0-, y0+] НУЖНО ЗНАТЬ
+: вид функции регрессии;
-: величину Fкрит;
-: значение эндогенной переменной, y0;
-: коэффициент детерминации R2.
228.
ДЛЯ ПОСТРОЕНИЯ ОПТИМАЛЬНОГО ТОЧЕЧНОГО
ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ,
НУЖНО ЗНАТЬ
-: величину tкрит;
-: величину Fкрит;
+: оценку функции регрессии;
-: коэффициент детерминации, R2.
110. ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ МИНИМАЛЬНОЕ КОЛИЧЕСТВО УРАВНИНИЙ НАБЛЮДЕНИЙ ДОЛЖНО БЫТЬ РАВНО
-: единице; -: двум; +: трем; -: четырём.
298. ДЛЯ
ПОСТРОЕНИЯ МОДЕЛИ
МИНИМАЛЬНЫЙ ОБЪЁМ, n
ОБУЧАЮЩЕЙ ВЫБОРКИ,
РАВЕН
-: двум; -: трём; +: четырём; -: пяти.
100. ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ МИН.КОЛ-ВО УР-НИЙ НАБЛЮДЕНИЙ ДОЛЖНО БЫТЬ РАВНО
-: единице; -: двум; +: трем; -: четырём.
158. ДЛЯ ОЦЕНИВАНИИ МОДЕЛИ ИЗ ЗАДАНИЯ 5 МИНИМАЛЬНЫЙ ОБЪЁМ, n ОБУЧАЮЩЕЙ ВЫБОРКИ РАВЕН
-: единице; -: двум; -: трём; +: четырём.
277.
ДЛЯ ОЦЕНИВАНИЯ МОДЕЛИ
МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ
+: не требуется её преобразование к линейному виду;
-: требуется преобразование к линейному виду;
-: требуется логарифмическое преобразование;
-: требуется преобразование переменных x1 и x2.
198. ДЛЯ
ОЦЕНИВАНИЯ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ
МОДЕЛИ ИЗ ЗАДАНИЯ 1 МИНИМАЛЬНЫЙ ОБЪЁМ,
n
ОБУЧАЮЩЕЙ ВЫБОРКИ
РАВЕН
-: единице; -: двум; +: трём; -: четырём.
55. ДЛЯ
ПРОВЕРКИ ГИПОТЕЗЫ
ОТНОСИТЕЛЬНО
КОЭФФИЦИЕНТА
МОДЕЛИ
НУЖНО ЗНАТЬ
-: значение ; -: значение u;
-: значение x; +: значение .
255. ДЛЯ ПРОВЕРКИ ГИПОТЕЗЫ ОТНОСИТЕЛЬНО КОЭФ-ТА МОДЕЛИ НУЖНО ЗНАТЬ
-: значение ; -: значение u;
-: значение x; +: значение коэффициента детерминации, R2.
50. ДЛЯ ПРОВЕРКИ АДЕКВАТНОСТИ ЛИНЕЙН. ЭКОНОМЕТР.МОДЕЛИ НУЖНО ЗНАТЬ
+: величину tкрит; -: величину Fкрит;
-: величину ESS; -: коэффициент детерминации R2.
250. ДЛЯ ПРОВЕРКИ АДЕКВАТНОСТИ ЛИНЕЙНОЙ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ НУЖНО ЗНАТЬ
+: доверительную вероятность;
-: величину Fкрит;
-: величину ESS;
-: коэффициент детерминации R2.
285. ДЛЯ ОТЫСКАНИЯ ВЕЛИЧИН dL и dU НУЖНО ЗНАТЬ
-: коэффициент детерминации, R2;
+: количество экзогенных переменных линейной модели, k;
-: значение эндогенной переменной;
-: значения экзогенных переменных.
275. ДЛЯ ОТЫСКАНИЯ ВЕЛИЧИН dL и dU НЕОБХОДИМО ЗНАТЬ
-: коэффициент детерминации, R2;
+: количество уравнений наблюдений, n;
-: значение эндогенной переменной;
-: значения экзогенных переменных.
288. ДЛЯ ВЫЧИСЛЕНИЯ ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ В РАМКАХ МОДЕЛИ НУЖНО ЗНАТЬ
+: значение экзогенной переменной, x0;
-: значение случайного возмущения , u;
-: значение ;
-: значение коэффициента детерминации.
88. ДЛЯ ВЫЧИСЛЕНИЯ ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ В РАМКАХ МОДЕЛИ НУЖНО ЗНАТЬ
+: значения экзогенных переменных, (K0, L0);
-: значение случайного возмущения , u;
-: значение эндогенной переменной Y0;
-: значение .
98. ДЛЯ ВЫЧИСЛЕНИЯ ТОЧНОСТИ ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ В РАМКАХ МОДЕЛИ НУЖНО ЗНАТЬ
+: значения экзогенных переменных, (K0, L0);
-: значение случайного возмущения , u;
-: значение эндогенной переменной Y0;
-:
знач.прогноза эндоген.переменной,
.
218. ДЛЯ ОЦЕНКИ ТОЧНОСТИ ОПТИМ.ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, НУЖНО ЗНАТЬ
-: прогнозное значение эндогенной переменной, ;
+:
оценку дисперсии случайного возмущения,
;
-: параметры модели;
-: коэффициент детерминации, R2.
18. ДЛЯ ОЦЕНКИ ТОЧНОСТИ ОПТИМАЛЬНОГО ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, НУЖНО ЗНАТЬ
-: прогнозное значение эндог.переменной, ;
+: ковариационную матрицу оценок коэффициентов функции регрессии, ;
-: коэффициенты функции регрессии;
-: коэффициент детерминации, R2.
278. ДЛЯ
ОЦЕНКИ ТОЧНОСТИ ПРОГНОЗА ЗНАЧЕНИЯ
ЭНДОГЕННОЙ ПЕРЕМЕННОЙ,
В РАМКАХ МОДЕЛИ
НУЖНО ЗНАТЬ
+: значение экзогенной переменной, x0 ;
-: значение случайного возмущения , u;
-: значение эндогенной переменной y0;
-: значение прогноза эндог.переменной, .
78. ДЛЯ ОЦЕНКИ ТОЧНОСТИ ПРОГНОЗА ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, В РАМКАХ МОДЕЛИ НУЖНО ЗНАТЬ
+: значения экзогенных переменных, (x10, x20);
-: значение случайного возмущения , u;
-: значение эндогенной переменной y0;
-: значение прогноза эндог.переменной, .
240. ДЛЯ ПРОВЕДЕНИЯ F - ТЕСТА
+:
нужно знать значение коэффициента
детерминации
;
-: не нужно знать значение ;
-:
нужно знать величину
;
-: нужно знать прогнозное значение эндогенной переменной.
128. ДЛЯ МОДЕЛИ ИЗ ЗАДАНИЯ 7
-: выполняются предпосылки теоремы Гаусса-Маркова;
+: не выполняются предпосылки теоремы Гаусса-Маркова;
-: выполняются условия теста Голдфелда-Квандта;
-: выполняются условия теста Дарбина-Уотсона.
11. ЕСЛИ В МОДЕЛИ ПРИСУТСТВУЮТ ЛАГОВЫЕ ПЕРЕМЕННЫЕ, ТО - ЭТО
-: линейная модель;
-: нелинейная модель;
-: модель со случайными возмущениями;
+: динамическая модель.
211. ЕСЛИ В МОДЕЛИ ПРИСУТСТВУЮТ ЛАГОВЫЕ ЭНДОГЕННЫЕ ПЕРЕМЕННЫЕ, ТО ЭТО
-: линейная модель;
-: нелинейная модель;
-: модель со случайными возмущениями;
+: динамическая модель.
74. ЕСЛИ
В МОДЕЛИ
СПРАВЕДЛИВА ГИПОТЕЗА H0:
a1
= 0 И СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В СХЕМЕ
ГАУССА-МАРКОВА РАСПРЕДЕЛЕНЫ НОРМАЛЬНО,ТО
ВЕЛИЧИНА
РАСПРЕДЕЛЕНА ПО
-: нормальному закону;
-: закону Фишера;
-: закону Гаусса;
+: закону Стьюдента.
249.
ЕСЛИ
В СПЕЦИФИКАЦИИ
ПРЕДПОСЫЛКА
адекватна,
то в уравнениях наблюдений случайные
возмущения являются
+: гомоскедастичными;
-: гетероскедастичными;
-: коррелированными;
-: некоррелированными.
69.
ЕСЛИ В СПЕЦИФИКАЦИИ
ПРЕДПОСЫЛКА
НЕАДЕКВАТНА, ТО СЛЕДУЕТ ИЗМЕНИТЬ
+: вид функции регрессии;
-: величину ;
-: коэффициент ;
-:
коэффициент
.
49. ЕСЛИ В СПЕЦИФИКАЦИИ ПРЕДПОСЫЛКА неадекватна, то в уравнениях наблюдений случайные возмущения являются
-: гомоскедастичными;
+: гетероскедастичными;
-: коррелированными;
-: некоррелированными.
51. ЕСЛИ ВСЕ ТЕКУЩИЕ ЭНДОГЕННЫЕ ПЕРЕМЕННЫЕ ЭММ ВЫРАЖЕНЫ ЧЕРЕЗ ПРЕДОПРЕДЕЛЁННЫЕ ПЕРЕМЕННЫЕ, ТО ЭММ ПРЕДСТАВЛЕНА
+: в приведённой форме;
-: в структурной форме;
-: в форме открытой модели;
-: в форме закрытой модели.
60. ЕСЛИ ОЦЕНЁННАЯ МОДЕЛЬ ПРИЗНАНА НЕАДЕКВАТНОЙ, ТО ЭКОНОМИСТ ВОЗВРАЩАЕТСЯ НА
+: первый этап схемы построения модели;
-: второй этап схемы построения модели;
-: третий этап схемы построения модели;
-: четвёртый этап схемы построения модели.
289. ЕСЛИ - ОПТИМАЛЬНЫЙ ПРОГНОЗ ЗНАЧЕНИЯ В РАМКАХ АДЕКВАТНОЙ МОДЕЛИ , ТО ВЕЛИЧИНА E ( - ) РАВНА
+: нулю;
-: минимуму;
-: дисперсии;
-: величине u.
79. ЕСЛИ - ОПТИМАЛЬНЫЙ ПРОГНОЗ ЗНАЧЕНИЯ В РАМКАХ АДЕКВАТНОЙ МОДЕЛИ , ТО ВЕЛИЧИНА ( - )
-: равна нулю;
-: имеет нулевую дисперсию;
+: имеет нулевое ожидаемое значение;
-: равна величине u.
89. ЕСЛИ - ОПТИМАЛЬНЫЙ ПРОГНОЗ ЗНАЧЕНИЯ В РАМКАХ АДЕКВАТНОЙ МОДЕЛИ , ТО ВЕЛИЧИНА ( - )
-: равна нулю;
+: имеет минимальную дисперсию;
-: имеет минимальное ожидаемое значение;
-: равна величине u.
93. ЕСЛИ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ НЕСПРАВЕДЛИВА ЦЕПОЧКА РАВЕНСТВ Var(u1) = Var(u2) =…= Var(un) = , ТО СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ НАЗЫВАЮТСЯ
-: нормальными;
+: гетероскедастичными;
-: гомоскедастичными;
-: экзогенными.
293. ЕСЛИ ДЛЯ УРАВНЕНИЙ НАБЛЮДЕНИЙ, ПРЕДПОСЫЛКИ ТЕОРЕМЫ ГАУССА-МАРКОВА СПРАВЕДЛИВЫ, ТО ОСНОВНЫЕ КОЛИЧЕСТВЕННЫЕ ХАРАКТЕРИСТИКИ ВЕКТОРА ВОЗМУЩЕНИЙ РАВНЫ
-:
0;
+:
,
где I
– единичная матрица;
-:
;
-:
.
274. ЕСЛИ СПРАВЕДЛИВА ГИПОТЕЗА H0: a1 = 0, ТО ВЕЛИЧИНА ИМЕЕТСМЫСЛ
+: нормированной ошибки оценки коэффициента ;
-: оценки коэффициента ;
-: случайного возмущения ;
-: константы tкрит.
269. ЕСЛИ В СПЕЦИФИКАЦИИ ВИД ФУНКЦИИ РЕГРЕССИИ ВЫБРАН НЕВЕРНО, ТО ОКАЗЫВАЕТСЯ НАРУШЕННОЙ
+: предпосылка ;
-:
предпосылка
;
-: величина коэффициента ;
-: величина коэффициента .
279. ЕСЛИ - ПРОГНОЗ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ, В РАМКАХ ЛИНЕЙНОЙ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ, ТО ( - ) ЯВЛЯЕТСЯ
-: нулем;
-: константой;
+: случайной переменной;
-: дисперсией.
35.
ЕСЛИ
НЕСПРАВЕДЛИВА ГИПОТЕЗА H0:
a1 =
a2
= 0
ОТНОСИТЕЛЬНО КОЭФФИЦИЕНТОВ a1
и a2
МОДЕЛИ МНОЖЕСТВЕННОЙ РЕГРЕССИИ
,
ТО СПЕЦИФИКАЦИЯ МОДЕЛИ ЯВЛЯЕТСЯ
+: удовлетворительной;
-: реальной;
-: нереальной;
-: неудовлетворительной.
284. ЕСЛИ НЕСПРАВЕДЛИВА ЦЕПОЧКА РАВЕНСТВ Var(u1) = Var(u2) =…= Var(un) = , ТО СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ НАЗЫВАЮТСЯ
-: нормальными;
+: гетероскедастичными;
-: гомоскедастичными;
-: экзогенными.
235.
ЕСЛИ
НЕСПРАВЕДЛИВА ГИПОТЕЗА H0:
a1 =
a2
= 0
ОТНОСИТЕЛЬНО КОЭФФИЦИЕНТОВ a1
и a2
МОДЕЛИ МНОЖЕСТВЕННОЙ РЕГРЕССИИ
,
ТО ЭКЗОГЕННЫЕ ПЕРЕМЕННЫЕ
+: обладают объясняющей способностью;
-: не обладают объясняющей способностью;
-: являются незначащими;
-: одна из них является незначащей.
245. ЕСЛИ
НЕСПРАВЕДЛИВА ГИПОТЕЗА H0:
a1 =
0 ОТНОСИТЕЛЬНО
КОЭФФИЦИЕНТА a1
МОДЕЛИ
МНОЖЕСТВЕННОЙ РЕГРЕССИИ
,
ТО ЦЕЛЕСООБРАЗНО
-: удалить переменную x1 из спецификации модели;
+: сохранить переменную x1 в спецификации;
-: удалить переменную x2 из спецификации модели;
-: удалить переменную u из спецификации модели 112. ЕСЛИ СПРАВЕДЛИВО НЕРАВЕНСТВО Cor(x,y) > 0, ГДЕ Cor(x,y) – КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ, ТО
-: экономические переменные x и y положительные;
+: при возрастании x в среднем возрастает и y;
-: экономические переменные x и y имеют одинаковые знаки;
-: при возрастании переменной х значения переменной у в среднем положительны.
103. ЕСЛИ СПРАВЕДЛИВО НЕРАВЕНСТВО Cov(x,y) > 0, ГДЕ Cov(x,y) – КОВАРИАЦИЯ, ТО
-: экономические переменные x и y положительные;
+: при возрастании x в среднем возрастает и y;
-: экономические переменные x и y имеют одинаковые знаки;
-: при возрастании переменной х значения переменной у в среднем положительны.
15. ЕСЛИ
СПРАВЕДЛИВА ГИПОТЕЗА H0:
a1 =
0 ОТНОСИТЕЛЬНО
КОЭФФИЦИЕНТА a1 МОДЕЛИ
ПАРНОЙ РЕГРЕССИИ
,
ТО СПЕЦИФИКАЦИЯ МОДЕЛИ ЯВЛЯЕТСЯ
-: удовлетворительной;
-: хорошей;
-: отличной;
+: неудовлетворительной.
225. ЕСЛИ СПРАВЕДЛИВА ГИПОТЕЗА H0: a1 = a2 = 0 ОТНОСИТЕЛЬНО КОЭФФИЦИЕНТОВ a1 и a2 МОДЕЛИ МНОЖЕСТВЕННОЙ РЕГРЕССИИ , ТО ЭКЗОГЕННЫЕ ПЕРЕМЕННЫЕ х1 и х2 ЯВЛЯЮТСЯ
-: значимыми;
+: незначимыми;
-: необходимыми;
-: желательными.
215. ЕСЛИ СПРАВЕДЛИВА ГИПОТЕЗА H0: a1 = 0 ОТНОСИТЕЛЬНО КОЭФФИЦИЕНТА a1 МОДЕЛИ ПАРНОЙ РЕГРЕССИИ , ТО ЭКЗОГЕННАЯ ПЕРЕМЕННАЯ х ЯВЛЯЕТСЯ
-: значимой;
+: незначимой;
-: необходимой;
-: желательной.
25. ЕСЛИ СПРАВЕДЛИВА ГИПОТЕЗА H0: a1 = a2 = 0 ОТНОСИТЕЛЬНО КОЭФФИЦИЕНТОВ a1 и a2 МОДЕЛИ МНОЖЕСТВЕННОЙ РЕГРЕССИИ ,ТО СПЕЦИФИКАЦИЯ МОДЕЛИ ЯВЛЯЕТСЯ
-: удовлетворительной;
-: хорошей;
-: отличной;
+: неудовлетворительной.
45. ЕСЛИ СПРАВЕДЛИВА ГИПОТЕЗА H0: a1 = 0 ОТНОСИТЕЛЬНО КОЭФФИЦИЕНТА a1 МОДЕЛИ МНОЖЕСТВЕННОЙ РЕГРЕССИИ , ТО ЦЕЛЕСООБРАЗНО
+: удалить переменную x1 из спецификации модели;
-: сохранить переменную x1 в спецификации;
-: удалить переменную x2 из спецификации модели;
-: удалить переменную u из спецификации модели.
84. ЕСЛИ СПРАВЕДЛИВА ЦЕПОЧКА РАВЕНСТВ Var(u1) = Var(u2) =…= Var(un) = , ТО СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ НАЗЫВАЮТСЯ
-: нормальными;
-: гетероскедастичными;
+: гомоскедастичными;
-: экзогенными.
286. ЕСЛИ
ВСЕ ПРЕДПОСЫЛКИ ТЕОРЕМЫ ГАУССА-МАРКОВА
СПРАВЕДЛИВЫ И СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ
РАСПРЕДЕЛЕНЫ НОРМАЛЬНО, ТО ДРОБЬ
РАСПРЕДЕЛЕНА ПО
-: нормальному закону;
-: закону Фишера;
-: закону Гаусса;
+: закону Стьюдента.
86. ЕСЛИ
ВСЕ ПРЕДПОСЫЛКИ ТЕОРЕМЫ ГАУССА-МАРКОВА
СПРАВЕДЛИВЫ И СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ
РАСПРЕДЕЛЕНЫ НОРМАЛЬНО, ТО СТАТИСТИКА
ТЕСТА ГОЛДФЕЛДА-КВАНДТА РАСПРЕДЕЛЕНА
ПО
-: нормальному закону;
+: закону Фишера;
-: закону Гаусса;
-: закону Стьюдента.
222. ЗНАЧЕНИЕ ДОХОДНОСТИ НА ОБЫКНОВЕННУЮ АКЦИЮ НА ЗАДАННОМ ОТРЕЗКЕ ВРЕМЕНИ ЯВЛЯЕТСЯ ПРИМЕРОМ
-: случайного события;
+: случайной переменной;
-: опыта;
-: экзогенной переменной.
239. ЗНАЧЕНИЕ КОЭФФИЦИЕНТА ДЕТЕРМИНАЦИИ, R2
+: зависит от обучающей выборки;
-: не зависит от обучающей выборки;
-: зависит от контолирующей выборки;
-: зависит и от обучающей, и от контролирующей выборки.
102. ЗАВИСИМОСТЬ, МЕЖДУ ЭКОНОМИЧЕСКИМИ ПЕРЕМЕННЫМИ (x,y), ГДЕ u – СЛУЧАЙНАЯ ПЕРЕМЕННАЯ С НУЛЕВЫМ ОЖИДАЕМЫМ ЗНАЧЕНИЕМ, НАЗЫВАЕТСЯ
-: функциональной;
-: линейной;
-: нелинейной;
+: регрессионной.
104.
ЗАКОН РАСПРЕДЕЛЕНИЯ,
СЛУЧАЙНОЙ
ПЕРЕМЕННОЙ х НАЗЫВАЕТСЯ
+: нормальным;
-: Стьюдента;
-: Фишера;
-: равномерным.
92. ЗАКОН
РАСПРЕДЕЛЕНИЯ
СЛУЧАЙНОЙ ЭКОНОМИЧЕСКОЙ ПЕРЕМЕННОЙ x
ПОЗВОЛЯЕТ
-: достоверно прогнозировать значения переменной х;
-: достоверно прогнозировать непоявление в опыте переменной x;
+: измерять объективную возможность появления в опыте любого допустимого значения q переменной х;
-: прогнозировать появление в опыте значений экзогенной переменной.
1. КОЛИЧЕСИВО УРАВНЕНИЙ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ РАВНО:
-: числу экзогенных переменных;
-: числу предопределённых переменных;
+: числу эндогенных переменных;
-: числу случайных возмущений.
192. КОЛИЧЕСТВО ЛАГОВЫХ ПРЕДОПРЕДЕЛЁННЫХ ПЕРЕМЕННЫХ В МОДЕЛИ ИЗ ЗАДАНИЯ 1 РАВНО
+: нулю; -: единице; -: двум; -: трём.
150. КОЛИЧЕСТВО ПАРАМЕТРОВ МОДЕЛИ ИЗ ЗАДАНИЯ 5 РАВНО
-: одному; -: двум; -: трём; +: четырём.
162. КОЛИЧЕСТВО ПОВЕДЕНЧЕСКИХ УРАВНЕНИЙ В МОДЕЛИ ИЗ ЗАДАНИЯ 1 РАВНО
-: нулю; +: единице; -: двум; -: трём.
172. КОЛИЧЕСТВО ПОВЕДЕНЧЕСКИХ УРАВНЕНИЙ В МОДЕЛИ ИЗ ЗАДАНИЯ 1 РАВНО
-: нулю; +: единице; -: двум; -: трём.
121. КОЛИЧЕСТВО ПАРАМЕТРОВ В ПРОСТОЙ МАКРОМОДЕЛИ КЕЙНСА, , ГДЕ Y – ДОХОД, С – УРОВЕНЬ ПОТРЕБЛЕНИЯ, I – ОБЪЁМ ИНВЕСТИЦИЙ, РАВНО
-: единице; -: двум; +: трём; -: четырём.
182. КОЛИЧЕСТВО ЭКЗОГЕННЫХ ПЕРЕМЕННЫХ В МОДЕЛИ ИЗ ЗАДАНИЯ 1 РАВНО
-: нулю; +: единице; -: двум; -: трём.
241. КОЛИЧЕСТВО ПРЕДОПРЕДЕЛЁННЫХ ПЕРЕМЕННЫХ В ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ
-: обязательно совпадает с числом уравнений;
-: равно количеству эндогенные переменных;
+: может быть любым ;
-: равно количеству случайных возмущений.
111. КОЛИЧЕСТВО ЭКЗОГЕННЫХ ПЕРЕМЕННЫХ В ПРОСТОЙ МАКРОМОДЕЛИ КЕЙНСА, , ГДЕ Y – ДОХОД, С – УРОВЕНЬ ПОТРЕБЛЕНИЯ, I – ОБЪЁМ ИНВЕСТИЦИЙ, РАВНО
+: единице; -: двум; -: трём; -: четырём.
101. КОЛИЧЕСТВО ЭНДОГЕННЫХ ПЕРЕМЕННЫХ В ПРОСТОЙ МАКРОМОДЕЛИ КЕЙНСА, , ГДЕ Y – ДОХОД, С – УРОВЕНЬ ПОТРЕБЛЕНИЯ, I – ОБЪЁМ ИНВЕСТИЦИЙ, РАВНО
-: единице; +: двум; -: трём; -: четырём.
61. КОЛИЧЕСТВО ТЕКУЩИХ ЭНДОГЕННЫХ ПЕРЕМЕННЫХ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ СОВПАДАЕТ С
-: количеством экзогенных переменных;
-: количеством предопределённых переменных;
+: количеством уравнений;
-: количеством тождеств.
170. КОЭФФИЦИЕНТ В МОДЕЛИ ИЗ ЗАДАНИЯ 1 НАЗЫВАЕТСЯ
-: предельной склонностью к доходу;
-: предельной склонностью к инвестициямt;
+: предельной склонностью к потреблению;
-: предельной склонностью к государственным расходам.
39. КОЭФФИЦИЕНТ ДЕТЕРМИНАЦИИ, R2 РАСПОЛОЖЕН НА ПРОМЕЖУТКЕ
-: [1, 2]; -: [0, 0,5]; +: [0, 1]; -: [0,5, 1].
224. КОЭФФИЦИЕНТ ДЕТЕРМИНАЦИИ МОДЕЛИ ВЫЧИСЛЯЕТСЯ НА
-: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
+: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели.
24. КОЭФФИЦИЕНТ ДЕТЕРМИНАЦИИ ИЗМЕРЯЕТ
+: качество спецификации модели;
-: дисперсию величины x;
-: дисперсию случайного возмущения в модели;
-: дисперсию эндогенной переменной.
59. КОЭФФИЦИЕНТ ДЕТЕРМИНАЦИИ, R2 ЯВЛЯЕТСЯ
-: константой;
+: случайной переменной;
-: экзогенной переменной;
-: предопределённой переменной.
220. КОНТРОЛИРУЮЩАЯ ВЫБОРКА ИСПОЛЬЗУЕТСЯ НА
-: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
-: третьем этапе схемы построения модели;
+: четвёртом этапе схемы построения модели.
20. КОНТРОЛИРУЮЩАЯ ВЫБОРКА НУЖНА ДЛЯ
-: проверки адекватности экзогенных переменных ;
-: проверки адекватности эндогенных переменных;
+: проверки адекватности модели;
-: проверки адекватности обучающей выборки.
85. Константы dL и dU ИСПОЛЬЗУЮТСЯ В ПРОЦЕССЕ
-: первого этапа схемы построения модели;
-: второго этапа схемы построения модели;
+: третьего этапа схемы построения модели;
-: четвертого этапа схемы построения модели.
75. Константы dL и dU ИСПОЛЬЗУЮТСЯ В
-: тесте Голдфелда- Квандта;
-: процедуре прогнозирования эндогенной переменной ;
-: процессе проверки адекватности модели;
+: тесте Дарбина-Уотсона.
65. Константы dL и dU ИСПОЛЬЗУЮТСЯ
-: при оценивании модели;
+: при тестировании предпосылки теоремы Гаусса-Маркова;
-: в процессе проверки адекватности модели;
-: при прогнозировании значений эндогенной переменной.
265. КОНСТАНТЫ dL и dU ИСПОЛЬЗУЮТСЯ
-: на первом этапе схемы построения модели;
-: на втором этапе схемы построения модели;
+: на третьем этапе схемы построения модели;
-: на этапе прогнозирования эндогенной переменной
256. МНОЖЕСТВО
ВОЗМОЖНЫХ ЗНАЧЕНИЙ ВЕЛИЧИНЫ
ЭТО
-: промежуток [0;1]; -: промежуток [0;2];
-: промежуток [0;3]; +: промежуток [0;4];.
259. МНОЖЕСТВО ВОЗМОЖНЫХ ЗНАЧЕНИЙ КОЭФФИЦИЕНТА ДЕТЕРМИНАЦИИ, R2 ЭТО
+: промежуток [0;1]; -: промежуток [0;2];
-: промежуток [0;3]; -: промежуток [0;4].
260. МОДЕЛЬ МОЖЕТ БЫТЬ ПРИЗНАНА АДЕКВАТНОЙ ПОСЛЕ
-: первого этапа схемы построения модели;
-: второго этапа схемы построения модели;
-: третьего этапа схемы построения модели;
+: четвёртого этапа схемы построения модели.
200. МОДЕЛ ИЗ ЗАДАНИЯ 1 ПРЕДСТАВЛЕНА В
+: структурной форме;
-: приведённой форме;
-: в форме замкнутой модели;
-: в форме нелинейной модели.
148. МОДЕЛИ ИЗ ЗАДАНИЯ 1 МОЖЕТ БЫТЬ ПРЕДСТАВЛЕНА В ПРИВЕДЁННОЙ ФОРМЕ
+: всегда; -: при I=0;
-: при У=0; -: при С=0.
149. МОДЕЛЬ ИЗ ЗАДАНИЯ 5
+: является линейной по коэффициентам;
-: не является линейной по коэффициентам;
-: образует схему Дарбина-Уотсона ;
-: образует схему Голдфелда-Квандта.
152. МОДЕЛЬ ИЗ ЗАДАНИЯ 16.1 ПРЕДСТАВЛЕНА В
+: структурной форме;
-: приведённой форме;
-: форме закрытой модели;
-: форме нелинейной модели.
129. МОДЕЛЬ ИЗ ЗАДАНИЯ 7
-: является линейной по коэффициентам;
+: не является линейной по коэффициентам;
-: образует схему Дарбина-Уотсона ;
-: образует схему Голдфелда-Квандта.
138. МОДЕЛИ ИЗ ЗАДАНИЯ 1
-: выполняются предпосылки теоремы Гаусса-Маркова;
+: не выполняются предпосылки теоремы Гаусса-Маркова;
-: выполняются условия теста Голдфелда-Квандта;
-: выполняются условия теста Дарбина-Уотсона.
139. МОДЕЛЬ ИЗ ЗАДАНИЯ 1
+: является линейной по коэффициентам;
-: не является линейной по коэффициентам;
-: образует схему Дарбина-Уотсона ;
-: образует схему Голдфелда-Квандта.
9. НЕВЕРНЫЙ ВЫБОР ФУНКЦИИ РЕГРЕССИИ НАРУШАЕТ
-: гомоскедастичность случайных возмущений в уравнениях наблюдений;
+: равенство нулю математических ожиданий случайных возмущений в уравнениях наблюдений;
-: некоррелированности экзогенных переменных;
-: некоррелированность случайных возмущений и экзогенных переменных.
209. НА НЕВЕРНЫЙ ВЫБОР ФУНКЦИИ РЕГРЕССИИ В МОДЕЛИ ПАРНОЙ РЕГРЕССИИ МОЖЕТ УКАЗАТЬ
-: гомоскедастичность случайных возмущений в уравнениях наблюдений;
+: диаграмма рассеивания;
-: коэффициент детерминации;
-: некоррелированность случайных возмущений и экзогенных переменных.
19. НАЛИЧИЕ НЕЗНАЧАЩЕЙ ОБЪЯСНЯЮЩЕЙ ПЕРЕМЕННОЙ В ФУНКЦИИ РЕГРЕССИИ ВЛЕЧЁТ
-: смещенность оценок коэффициентов функции регрессии;
-: равенство нулю математических ожиданий случайных возмущений;
-: некоррелированность экзогенных переменных;
+: увеличение средних квадратических ошибок оценок коэффициентов уравнения регрессии.
219. НАЛИЧИЕ НЕЗНАЧАЩЕЙ ОБЪЯСНЯЮЩЕЙ ПЕРЕМЕННОЙ В ФУНКЦИИ РЕГРЕССИИ ВЛЕЧЁТ
-: неадекватность модели;
-: неравенство нулю математических ожиданий случайных возмущений;
-: некоррелированность экзогенных переменных;
+: снижение точности оценок коэффициентов уравнения регрессии.
252. НЕВОЗМОЖНЫМ НАЗЫВАЕТСЯ СОБЫТИЕ, КОТОРОЕ
-: может появиться, а может и не появиться в опыте;
-: чаще появляется, чем не появляется;
+: имеет вероятность появления в опыте, равную 0;
-: имеет вероятность появления в опыте, расположенную на промежутке (0; 0,05).
232. НУЛЕВОЕ ЗНАЧЕНИЕ ДОХОДНОСТИ НА ОБЫКНОВЕННУЮ АКЦИЮ ЗА ПРИНЯТЫЙ ОТРЕЗКОК ВРЕМЕНИ ЯВЛЯЕТСЯ ПРИМЕРОМ
+: случайного события;
-: случайной переменной;
-: опыта;
-: экзогенной переменной.
8. ОПТИМАЛЬНЫЙ ПРОГНОЗ ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ ВЫЧИСЛЯЕТСЯ В ИТОГЕ ПОДСТАНОВКИ ЭКЗОГЕННЫХ ПЕРЕМЕННЫХ В
-: нормальные уравнения;
+: оценку уравнения регрессии;
-: уравнения наблюдений;
-: уравнение модели.
208. ОПТИМАЛЬНЫЙ ПРОГНОЗ ЗНАЧЕНИЯ ЭНДОГЕННОЙ ПЕРЕМЕННОЙ МОЖЕТ БЫТЬ ПОСТРОЕН ПОСЛЕ
-: первого этапа схемы построения модели;
-: второго этапа схемы построения модели;
+: третьего этапа схемы построения модели;
-: на этапе сбора данных.
230. ОБУЧАЮЩАЯ ВЫБОРКА ИСПОЛЬЗУЕТСЯ НА
-: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
+: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели
30. ОБУЧАЮЩАЯ ВЫБОРКА НУЖНА ДЛЯ
-: оценивания экзогенных и эндогенных переменных;
-: проверки адекватности экзогенной переменной;
+: оценивания параметров модели;
-: проверки адекватности контролирующей выборки.
2. ОТРИЦАТЕЛЬНАЯ ДОХОДНОСТЬ ПО ЦЕННОЙ БУМАГЕ НА ЗАДАННОМ ОТРЕЗКЕ ВРЕМЕНИ ЯВЛЯЕТСЯ ПРИМЕРОМ
+: случайного события;
-: случайной переменной;
-: опыта;
-: экзогенной переменной.
184. ПО
ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
+: смещённая оценка ковариации;
-: несмещённая оценка ковариации;
-: смещённая оценка дисперсии;
-: несмещённая оценка дисперсии.
194. ПО
ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: смещённая оценка ковариации;
-: несмещённая оценка ковариации;
+: смещённая оценка дисперсии;
-: несмещённая оценка дисперсии.
244. ПО
ФОРМУЛЕ
,
ГДЕ
ВЫЧИСЛЯЕТСЯ
-: F – тест;
-: статистика критерия Дарбина-Уотсона;
+: коэффициент детерминации;
-: статистика критерия Голдфелда-Квандта.
4. ПО ФОРМУЛЕ
-: оценка ср. кв. отклонения коэффициентов линейной модели;
-: оценка ср. кв. отклонения экзогенной переменной линейной модели;
+: оценка ср. кв. отклонения случайного возмущения в линейной модели;
-: оценка ср. кв. отклонения эндогенной переменной линейной модели.
14. ПО ФОРМУЛЕ ВЫЧИСЛЯЕТСЯ
+: оценка ковариационной матрицы оценок коэффициентов модели;
-: дисперсия экзогкнных переменных;
-: дисперсия случайного возмущения;
-: оценка дисперсии эндогенных переменных модели.
44. ПО
ФОРМУЛЕ (
)
ВЫЧИСЛЯЕТСЯ
-: F – тест;
-: статистика критерия Дарбина-Уотсона;
+: коэффициент детерминации;
-: статистика критерия Голдфелда-Квандта.
56. ПО ФОРМУЛЕ ВЫЧИСЛЯЕТСЯ
-: коэффициент детерминации;
-: статистика теста Голдфелда-Квандта;
-:
величина
;
+: статистика теста Дарбина-Уотсона.
34. ПО ФОРМУЛЕ (XT∙X)-1∙XT∙ ВЫЧИСЛЯЕТСЯ
+: вектор оценок коэффициентов линейной функции регрессии;
-: ковариационная матрица оценок коэффициентов;
-: прогноз значений экзогенных переменных;
-: прогноз значений эндогенных переменных.
164. ПО
ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: смещённая оценка ковариации;
+: несмещённая оценка ковариации;
-: смещённая оценка дисперсии;
-: несмещённая оценка дисперсии.
174. ПО
ФОРМУЛЕ
ВЫЧИСЛЯЕТСЯ
-: смещённая оценка ковариации;
-: несмещённая оценка ковариации;
-: смещённая оценка дисперсии;
+: несмещённая оценка дисперсии.
62. ПРАКТИЧЕСКИ ДОСТОВЕРНЫМ НАЗЫВАЕТСЯ СОБЫТИЕ,ВЕРОЯТНОСТЬ КОТОРОГО
-: равна 1; -: равна 0,5;
+: расположена в промежутке [0,95; 1) ;
-: расположена в промежутке [0; 0,5).
80. ПРИ ПОСТРОЕНИИ МОДЕЛИ ОБУЧАЮЩАЯ ВЫБОРКА ( ИСПОЛЬЗУЕТСЯ НА
-: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
+: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели.
90. ПРИ ПОСТРОЕНИИ МОДЕЛИ КОНТРОЛИРУЮЩАЯ ВЫБОРКА ИСПОЛЬЗУЕТСЯ НА
-: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
-: третьем этапе схемы построения модели;
+: четвёртом этапе схемы построения модели.
99. ПРИ ПОСТРОЕНИИ МОДЕЛИ ВЫБОРОЧНЫЕ ДАННЫЕ РАЗЫСКИВАЮТСЯ НА
-: первом этапе схемы построения модели;
+: втором этапе схемы построения модели;
-: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели.
299. ПРИ ПОСТРОЕНИИ МОДЕЛИ ВЫБОРОЧНЫЕ ДАННЫЕ РАЗЫСКИВАЮТСЯ НА
-: первом этапе схемы построения модели;
+: втором этапе схемы построения модели;
-: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели.
300. ПРИ ОЦЕНИВАНИИ МОДЕЛИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ КОЛИЧЕСТВО НОРМАЛЬНЫХ УРАВНИНИЙ РАВНО
-: единице; +: двум; -: трем; -: четырём.
266. ПРИ
ОЦЕНИВАНИИ МОДЕЛИ
МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ ВЕЛИЧИНА
РАВНА
-:
минимуму; -: величине
;
-: величине ; +: нулю
66. ПРИ
ОЦЕНИВАНИИ МОДЕЛИ
МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ ВЕЛИЧИНА
РАВНА
-:
минимуму; -: величине
;
-: величине ; +: нулю
188. ПРИ ОЦЕНИВАНИИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ МОДЕЛИ ИЗ ЗАДАНИЯ 1 КОЛИЧЕСТВО НОРМАЛЬНЫХ УРАВНЕНИЙ РАВНО
-: единице; +: двум; -: трём; -: четырём.
156. ПРИ ОЦЕНИВАНИИ МОДЕЛИ ИЗ ЗАДАНИЯ 5 КОЛИЧЕСТВО СТОЛБЦОВ В МАТРИЦЕ Х УРАВНЕНИЙ НАБЛЮДЕНИЙ РАВНО
-: единице; -: двум; +: трём; -: четырём.
168. ПРИ ОЦЕНИВАНИИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ МОДЕЛИ ИЗ ЗАДАНИЯ 5 КОЛИЧЕСТВО НОРМАЛЬНЫХ УРАВНЕНИЙ РАВНО
-: единице; -: двум; +: трём; -: четырём.
178. ПРИ ОЦЕНИВАНИИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ МОДЕЛИ ИЗ ЗАДАНИЯ 1 КОЛИЧЕСТВО НОРМАЛЬНЫХ УРАВНЕНИЙ РАВНО
-: единице; +: двум; -: трём; -: четырём.
229. ПРОПУСК ЗНАЧАЩЕЙ ОБЪЯСНЯЮЩЕЙ ПЕРЕМЕННОЙ В ЛИНЕЙНОЙ ФУНКЦИИ РЕГРЕССИИ РАВНОСИЛЕН
+: смещенности оценок коэффициентов функции регрессии;
-: равенству нулю математических ожиданий случайных возмущений;
-: некоррелированность экзогенных переменных;
-: увеличению средних квадратических ошибок оценок коэффициентов уравнения регрессии.
270. ПРОПУСК ЗНАЧАЩЕЙ ОБЪЯСНЯЮЩЕЙ ПЕРЕМЕННОЙ В МОДЕЛИ ОКАЗЫВАЕТ ВЛИЯНИЕ НА
-: гетероскедастичность случайных возмущений;
-: гомоскедастичность случайных возмущений;
-: точность прогнозов значений экзогенных переменных;
+: точность прогнозов значений эндогенной переменной.
29. ПРОПУСК ЗНАЧАЩЕЙ ОБЪЯСНЯЮЩЕЙ ПЕРЕМЕННОЙ В ФУНКЦИИ РЕГРЕССИИ ВЛЕЧЁТ
+: смещенность оценок коэффициентов функции регрессии;
-: равенство нулю математических ожиданий случайных возмущений;
-: некорелированность экзогенных переменных;
-: увеличение средних квадратических ошибок оценок коэффициентов уравнеия регрессии.
70. ПРОПУСК ЗНАЧАЩЕЙ ОБЪЯСНЯЮЩЕЙ ПЕРЕМЕННОЙ В МОДЕЛИ РАВНОСИЛЕН
-: гетероскедастичности случайных возмущений;
+: неверному виду функции регрессии;
-: неверному выбору эндогенной переменной;
-: гомоскедастичности случайных возмущений.
243. ПО УСЛОВИЮ ТЕОРЕМЫ ГАУССА-МАРКОВА МАТРИЦА Х УРАВНЕНИЙ НАБЛЮДЕНИЙ ДОЛЖНА
-: иметь нулевой столбец;
+: иметь количество строк, большее количества столбцов;
-: иметь столбец из единиц;
-: иметь одинаковые столбцы.
43. ПО УСЛОВИЮ ТЕОРЕМЫ ГАУССА-МАРКОВА СТОЛБЦЫ МАТРИЦЫ Х ДОЛЖНЫ БЫТЬ
+: линейно-независимыми;
-: линейно-зависимыми;
-: нулевыми;
-: ненулевыми
210. ПРОВЕРКА АДЕКВАТНОСТИ ОЦЕНЁННОЙ МОДЕЛИ ОСУЩЕСТВЛЯЕТСЯ В ИТОГЕ
-: F – теста;
-: вычисления коэффициента детерминации;
+: сравнения прогнозных и реальных значений эндогенных переменных из контролирующей выборки;
-: построения диаграммы рассеивания.
10. ПРОВЕРКА АДЕКВАТНОСТИ ОЦЕНЁННОЙ МОДЕЛИ ОСУЩЕСТВЛЯЕТСЯ В ИТОГЕ СОПОСТАВЛЕНИЯ
-: значений экзогенных и эндогенных переменных;
-: значений экзогенных переменных из обучающей и контролирующей выборок;
+: прогнозных и реальных значений эндогенных пременных из контролирующей выборки;
-: прогнозных и реальных значений эндогенных пременных из обучающей выборки.
159. ПАРАМЕТР, = 50 МОДЕЛИ ИЗ ЗАДАНИЯ 5 ЯВЛЯЕТСЯ МЕРОЙ ВЛИЯНИЯ НА ЭНДОГЕННУЮ ПЕРЕМЕННУЮ
-: ставки процента; -: дохода;
+: неучтённых факторов; -: инвестиций.
127. ПЕРЕМЕННАЯ u В РАМКАХ МОДЕЛИ ОБЛАДАЕТ ФИЗИЧЕСКОЙ РАЗМЕРНОСТЬЮ
-: переменной x; -: переменной y;
+: нулевой ; -: как у параметра a1.
143. ПРИ ИССЛЕДОВАНИИ КАЧЕСТВА СПЕЦИФИКАЦИИ ЛИНЕЙНОЙ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ ПО ФОРМУЛЕ ВЫЧИСЛЯЕТСЯ
-: коэффициент детерминации;
-: статистика теста Голдфелда-Квандта;
+: F - статистика;
-: t - статистика.
81. ПРИВЕДЁННАЯ ФОРМА ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ ПРЕДНАЗНАЧЕНА ДЛЯ
-: прогнозирования предопределённых переменных;
-: прогнозирования текущих экзогенных переменных;
+: прогнозирования значений текущих эндогенных переменных;
-: прогнозирования лаговых переменных.
83. ПРАКТИЧЕСКИ НЕВОЗМОЖНЫМ НАЗЫВАЕТСЯ СОБЫТИЕ, ВЕРОЯТНОСТЬ КОТОРОГО
-: равна нулю;
-: меньше единицы;
-: заключена между 0 и 0,5 ;
+: находится на промежутке (0; 0,05]
32. ПОЛОЖИТЕЛЬНАЯ ДОХОДНОСТЬ НА ОБЫКНОВЕННУЮ АКЦИЮ ЗА ПРИНЯТЫЙ ОТРЕЗКОК ВРЕМЕНИ ЯВЛЯЕТСЯ ПРИМЕРОМ
+: случайного события;
-: случайной переменной;
-: опыта;
-: экзогенной переменной.
41. ПРЕДОПРЕДЕЛЁННЫМИ ПЕРЕМЕННЫМИ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ НАЗЫВАЮТСЯ
-: текущие эндогенные и экзогенные переменные;
-: лаговые эндогенные и экзогенные переменные, а также текущие эндогенные переменные;
-: текущие эндогенные и лаговые экзогенные переменные;
+: лаговые эндогенные и экзогенные переменные, а также текущие экзогенные переменные.
185. ПУСТЬ
ИМЕЕТСЯ ОЦЕНЁННАЯ МОДЕЛЬ ЛИНТНЕРА,
,
ОПТИМАЛЬНЫЙ ПРОГНОЗ,
ТЕКУЩЕГО УРОВНЯ ДИВИДЕНДОВ ПРИ
10000
и
2000
РАВЕН
+: 2000; -: 2500; -: 2150; -: 1,5.
72. ПУСТЬ r - ВЫРАЖЕННОЕ В ДОЛЯХ ЗНАЧЕНИЕ ДОХОДНОСТИ НА ОБЫКНОВЕННУЮ АКЦИЮ ЗА ПРИНЯТЫЙ ПЕРИОД ИНВЕСТИРОВАНИЯ КАПИТАЛА; ТОГДА СОБЫТИЕ (r < -1 ) ЯВЛЯЕТСЯ
-: недостоверным;
-: нежелательным;
+: невозможным;
-: редким.
122. ПУСТЬ
-
ПАРАМЕТРИЧЕСКАЯ МОДЕЛЬ МАРКОВИЦА
ФОНДОВОГО РЫНКА И
-
ПОРТФЕЛЬ АКТИВОВ ИЗ СПИСКА А, ТОГДА ПО
ПРАВИЛУ
ВЫЧИСЛЯЕТСЯ
-: доходность портфеля;
-: ожидаемая доходность портфеля;
+: дисперсия доходности портфеля;
-: ковариация портфеля
272.
ПУСТЬ
-ПАРАМЕТРИЧЕСКАЯ
МОДЕЛЬ МАРКОВИЦА ФОНДОВОГО РЫНКА, ТОГДА
-
ЭТО
-: квадратная матрица коэффициентов модели;
-: матрица наблюдённых значений доходности активов;
-: список активов;
+: вектор ожидаемых значений доходности активов
283. ПУСТЬ - ПАРАМЕТРИЧЕСКАЯ МОДЕЛЬ МАРКОВИЦА ФОНДОВОГО РЫНКА, ТОГДА Cov - ЭТО
-: ковариационная матрица оценок коэффициентов модели;
+: ковариационная матрица значений доходности активов за принятый период времени;
-: ковариационная матрица вектора ;
-: ковариационная матрица набора А.
292. ПУСТЬ
-
ПАРАМЕТРИЧЕСКАЯ МОДЕЛЬ МАРКОВИЦА
ФОНДОВОГО РЫНКА И
-
ПОРТФЕЛЬ АКТИВОВ ИЗ СПИСКА А, ТОГДА ПО
ПРАВИЛУ
ВЫЧИСЛЯЕТСЯ
-: доходность портфеля;
+: ожидаемая доходность портфеля;
-: дисперсия доходности портфеля;
-: ковариация портфеля.
262.
ПУСТЬ
-
ПАРАМЕТРИЧЕСКАЯ МОДЕЛЬ МАРКОВИЦА
ФОНДОВОГО РЫНКА, ТОГДА
ЭТО
-: квадратная матрица коэффициентов модели;
-: матрица наблюдённых значений доходности активов;
+: список активов;
-: вектор ожидаемых значений доходности активов
175. ПУСТЬ
ИМЕЕТСЯ ОЦЕНЁННАЯ ИНВЕСТИЦИОННАЯ
МОДЕЛЬ,
;
ОПТИМАЛЬНЫЙ ПРОГНОЗ,
УРОВНЯ ИНВЕСТИЦИЙ ПРИ
1000 и
10 РАВЕН
+: 200; -: 250; -: 290; -: 0,82.
291. ПУСТЬ - ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ, ГДЕ - ВЕКТОР ЭНДОГЕННЫХ ПЕРЕМЕННЫХ, ТОГДА МАТРИЦА А ЯВЛЯЕТСЯ
-: нулевой; -: прямоугольной;
+: квадратной; -: ступенчатой.
246. РАВЕНСТВА НАЗЫВАЮТСЯ
-: схемой Дарбина – Уотсона;
-: схемой Гаусса- Маркова;
-: схемой Голдфелда – Квандта;
+: нормальными уравнениями.
46. РАВЕНСТВА НАЗЫВАЮТСЯ
-: схемой Дарбина – Уотсона;
+: схемой Гаусса- Маркова;
-: схемой Голдфелда – Квандта;
-: нормальными уравнениями.
6. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ОЖИДАЕМЫЕ ЗНАЧЕНИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЯ ДОЛЖНЫ БЫТЬ РАВНЫ
-: друг другу; +: нулю; -: дисперсиям этих возмущений; -: единице.
236. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА ПРИ ОЦЕНИВАНИИ МОДЕЛИ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ НУЛЁМ НЕ МОЖЕТ БЫТЬ ВЕЛИЧИНА
-:
;
-:
;
+:
;
-:
.
223. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА КОРРЕЛЯЦИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДОЛЖНА БЫТЬ
-: отрицательной; +: нулевой;
-: положительной; -: переменной.
13. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДОЛЖНЫ БЫТЬ
-: равными; -: различными;
+: с одинаковой дисперсией;
-: с неодинаковой дисперсией.
233. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА КОРРЕЛЯЦИЯ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ И ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДОЛЖНА БЫТЬ
+: нулевой; -: положительной;
-: отрицательной; -: равной единице.
33. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДОЛЖНЫ БЫТЬ
-: равными; -: различными; -: положительными;
+: некоррелированными со значениями объясняющих переменных.
23. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДОЛЖНЫ БЫТЬ
-: равными; -: различными;
+: некоррелированными; -: нулевыми.
213. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА ДИСПЕРСИИ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДОЛЖНЫ БЫТЬ
+: равными; -: различными;
-: нулевыми; -: случайными.
206. СОГЛАСНО ПРЕДПОСЫЛКЕ ТЕОРЕМЫ ГАУССА-МАРКОВА В УРАВНЕНИЯХ НАБЛЮДЕНИЙ ДИСПЕРСИИ СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ ДОЛЖНЫ БЫТЬ РАВНЫ
+: друг другу; -: нулю;
-: ожидаемым значениям случайных возмущений;
-: единице.
53. СОГЛАСНО УТВЕРЖДЕНИЮ ТЕОРЕМЫ ГАУССА-МАРКОВА ВЕКТОР ОЦЕНОК КОЭФФИЦИЕНТОВ ФУНКЦИИ РЕГРЕССИИ, ИМЕЕТ ОЖИДАЕМОЕ ЗНАЧЕНИЕ, РАВНОЕ
-: нулю;
-: вектору наблюдённых значений эндогенной переменной, ;
+: вектору ;
-: вектору случайных возмущений, .
36. СОГЛАСНО УТВЕРЖДЕНИЮ ТЕОРЕМЫ ГАУССА-МАРКОВА ПРИ ОЦЕНИВАНИИ МОДЕЛИ МИНИМУМА ДОСТИГАЕТ ВЕЛИЧИНА
+: ; -: ; -: ; -:
63.
СОГЛАСНО УТВЕРЖДЕНИЮ ТЕОРЕМЫ
ГАУССА-МАРКОВА ОЦЕНКА
КОЭФФИЦИЕНТА
ФУНКЦИИ РЕГРЕССИИ ОБЛАДАЕТ
-: нулевой дисперсией;
-: нулевым математическим ожиданием;
+: наименьшей дисперсией;
-: наименьшим математическим ожиданием
263. СОГЛАСНО УТВЕРЖДЕНИЮ ТЕОРЕМЫ ГАУССА-МАРКОВА ОЦЕНКА КОЭФФИЦИЕНТА ФУНКЦИИ РЕГРЕССИИ ЯВЛЯЕТСЯ
-: константой; +: случайной переменной;
-: дисперсией; -: математическим ожиданием.
253. СОГЛАСНО УТВЕРЖДЕНИЮ ТЕОРЕМЫ ГАУССА-МАРКОВА ВЕКТОР ОЦЕНОК КОЭФФИЦИЕНТОВ ЛИНЕЙНОЙ ФУНКЦИИ РЕГРЕССИИ, ИМЕЕТ КОВАРИАЦИОННУЮ МАТРИЦУ, РАВНУЮ
-:
нулю; -: Х; -:
;
+:
.
64.
СТАТИСТИКА
ПРЕДНАЗНАЧЕНА ДЛЯ
-: проверки адекватности модеди ;
-: исследования значимости коэффициента детерминации;
+: исследования качества спецификации модели ;
-: тестирования предпосылок теоремы Гаусса-Маркова.
254. СТАТИСТИКА F МОЖЕТ БЫТЬ ВЫЧИСЛЕНА ПОСЛЕ
-: первого этапа схемы построения модели;
-: второго этапа схемы построения модели;
+: третьего этапа схемы построения модели ;
-: этапа спецификации модели.
54. СТАТИСТИКА F ПРЕДНАЗНАЧЕНА ДЛЯ
-: проверки адекватности модели;
-: прогнозирования значений эндогенной переменной;
-: тестирования гомоскедастичности случайных возмущений;
+: исследования качества спецификации модели.
67. СТАТИСТИКА
ПРЕДНАЗНАЧЕНА ДЛЯ
-: оценивания модели;
+: тестирования предпосылки теоремы Гаусса-Маркова;
-: проверки адекватности модели;
-: прогнозирования значений эндогенной переменной.
267. СТАТИСТИКА ИСПОЛЬЗУЕТСЯ
-: в процессе первого этапа схемы построения модели;
-: в процессе второго этапа схемы построения модели;
+: в процессе третьего этапа схемы построения модели;
-: на этапе прогнозирования значений эндогенной переменной.
226. СТАТИСТИЧЕСКАЯ ПРОЦЕДУРА, ПОСТРОЕННАЯ В ТЕОРЕМЕ ГАУССА-МАРКОВА, ЯВЛЯЕТСЯ
+: линейной;
-: нелинейной;
-: методом проверки гипотез;
-: методом случайных возмущений
26. СТАТИСТИЧЕСКАЯ ПРОЦЕДУРА, ПОСТРОЕННАЯ В ТЕОРЕМЕ ГАУССА-МАРКОВА, НАЗЫВАЕТСЯ
-: проверкой гипотез;
-: методом максимального правдоподобия;
+: методом наименьших квадратов;
-: методом случайных возмущений
12. СЛУЧАЙНОЕ ВОЗМУЩЕНИЕ В УРАВНЕНИИ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ ОТРАЖАЕТ ВЛИЯНИЕ НА ЭНДОГЕННУЮ ПЕРЕМЕННУЮ
-: экзогенных переменных;
-: предопределённых переменных;
-: параметров модели;
+: неопределённых факторов.
212. СЛУЧАЙНЫЕ ВОЗМУЩЕНИЯ В ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ МОГУТ БЫТЬ ВКЛЮЧЕНЫ В
-: экзогенные переменные;
-: предопределённые переменные;
+: поведенческие уравнения;
-: тождества.
109. СПЕЦИФИКАЦИЯ МОДЕЛИ, ВОЗНИКАЕТ НА
+: первом этапе схемы построения модели;
-: втором этапе схемы построения модели;
-: третьем этапе схемы построения модели;
-: четвёртом этапе схемы построения модели.
227. ТЕСТ ГОЛДФЕЛДА-КВАНДТА ТРЕБУЕТ ЗНАНИЯ
-: случайных возмущений;
+: количества уравнений наблюдений, n;
-: дисперсий случайных возмущений
-: параметров модели.
7. ТЕСТ ГОЛДФЕЛДА-КВАНДТА ПОЗВОЛЯЕТ ПРОКОНТРОЛИРОВАТЬ
+: равенство дисперсий случайных возмущений;
-: равенство математических ожиданий случайных возмущений;
-: некоррелированность случайных возмущений;
-: адекватность модели.
207. ТЕСТ ГОЛДФЕЛДА-КВАНДТА ПОЗВОЛЯЕТ ПРОКОНТРОЛИРОВАТЬ
+: гомоскедастичность случайных возмущений;
-: равенство математических ожиданий случайных возмущений;
-: некоррелированность случайных возмущений;
-: адекватность модели.
217. ТЕСТ ГОЛДФЕЛДА-КВАНДТА МОЖЕТ БЫТЬ ВЫПОЛНЕН ПОСЛЕ
-: первого этапа схемы построения модели;
-: второго этапа схемы построения модели;
+: третьего этапа схемы построения модели;
-: завершения спецификации модели.
17. ТЕСТ ГОЛДФЕЛДА-КВАНДТА ТРЕБУЕТ УПОРЯДОЧЕНИЯ
-: случайных возмущений;
+: уравнений наблюдений;
-: коэффициентов;
-: параметров модели.
27. ТЕСТ ГОЛДФЕЛДА-КВАНДТА ТРЕБУЕТ ЗНАНИЯ
-: случайных возмущений;
+: величины Fкрит;
-: дисперсий случайных возмущений;
-: параметров модели.
40. F - ТЕСТ ПРЕДНАЗНАЧЕН ДЛЯ
-: оценивания экзогенных и эндогенных переменных;
-: проверки адекватности экзогенной переменной;
+: проверки объясняющих способностей у предопределенных переменных;
-: проверки адекватности контролирующей выборки
237. ТЕСТ ДАРБИНА - УОТСОНА ПОЗВОЛЯЕТ ПРОКОНТРОЛИРОВАТЬ
+: справедливость предпосылки теоремы Гаусса-Маркова;
-: равенство нулю случайных возмущений
-: присутствие случайных возмущений;
-: равенство математических ожиданий случайных возмущений.
37. ТЕСТ ДАРБИНА - УОТСОНА ПОЗВОЛЯЕТ ПРОКОНТРОЛИРОВАТЬ
-: равенство нулю значений случайных возмущений;
-: некоррелированность случайных возмущений
+: равенство дисперсий случайных возмущений;
-: равенство математических ожиданий случайных возмущений.
5.
ФУНКЦИЕЙ РЕГРЕССИИ В МОДЕЛИ
ЯВЛЯЕТСЯ
-: величина y; -: величина x;
-: величина u; +: величина a0 + a1∙x.
16.
ФУНКЦИЕЙ РЕГРЕССИИ В МОДЕЛИ
ЯВЛЯЕТСЯ
-: величина y; -: величина x1 ;
-: величина x2 ; +: величина a0 + a1∙x1 + a2∙x2.
295. ФУНКЦИЕЙ РЕГРЕССИИ В МОДЕЛИ ЯВЛЯЕТСЯ
-: переменная y;
-: величина x;
+:
величина
;
-: величина u.
95. ФУНКЦИЕЙ РЕГРЕССИИ В МОДЕЛИ ЯВЛЯЕТСЯ
-: переменная Y; -: уравнение Y=a0∙Ka1∙L1-a1∙(1+ u);
+: величина a0∙Ka1∙L1-a1; -: величина u.
140. ФУНКЦИЯ РЕГРЕССИИ МОДЕЛИ ИЗ ЗАДАНИЯ 1 НАЗЫВАЕТСЯ
-: производственной функцией;
-: функцией инвестиций;
+: функцией потребления;
-: функцией дохода.
130. ФУНКЦИЯ РЕГРЕССИИ МОДЕЛИ ИЗ ЗАДАНИЯ 7 ЯВЛЯЕТСЯ
-: степенной функцией;
-: показательной функцией;
+: кинематической функцией;
-: функцией Кобба-Дугласа..
216. ФУНКЦИЯ РЕГРЕССИИ В МОДЕЛИ ПРЕДНАЗНАЧЕНА ДЛЯ ОБЪЯСНЕНИЯ
+: величины y; -: величины x1;
-: величины x2; -: величины (a0 + a1∙x1 + a2∙x2).
120. ФУНКЦИЯ РЕГРЕССИИ МОДЕЛИ ИЗ ЗАДАНИЯ 7 НАЗЫВАЕТСЯ
-: линейной производственной функцией;
-: производственной функцией Солоу;
+: производственной функцией Кобба-Дугласа;
-: производственной функцией Леотьева.
107. ФИЗИЧЕСКАЯ РАЗМЕРНОСТЬ ПЕРЕМЕННОЙ u В РАМКАХ МОДЕЛИ СОВПАДАЕТ С РАЗМЕРНОСТЬЮ
-: коэффициента ; -: переменной х;
+: переменной у; -: дисперсии .
199. ФИЗИЧЕСКАЯ РАЗМЕРНОСТЬ ЧИСЛА 0,01 В МОДЕЛИ ИЗ ЗАДАНИЯ 5
+: нулевая; -: как у величины Dt;
-: как у величины ; -: как у величины Dt-1.
189. ФИЗИЧЕСКАЯ РАЗМЕРНОСТЬ ЧИСЛА 0,02 В МОДЕЛИ ИЗ ЗАДАНИЯ 5
+: нулевая; -: как у величины Dt;
-: как у величины ; -: как у величины Dt-1.
179. ФИЗИЧЕСКАЯ РАЗМЕРНОСТЬ ЧИСЛА 40 В МОДЕЛИ ИЗ ЗАДАНИЯ 5
-: нулевая; +: как у величины I;
-: как у величины R; -: как у величины R2.
160. ФИЗИЧЕСКАЯ РАЗМЕРНОСТЬ ВЕЛИЧИНЫ R2 МОДЕЛИ ИЗ ЗАДАНИЯ 5
+: нулевая; -: как у величины It;
-: как у величины Yt; -: как у величины Rt
169. ФИЗИЧЕСКАЯ РАЗМЕРНОСТЬ ЧИСЛА 50 В МОДЕЛИ ИЗ ЗАДАНИЯ 5
-: нулевая; +: как у величины It;
-: как у величины Rt; -: как у величины R2.
294. ЧИСЛОВУЮ ХАРАКТЕРИСТИКУ КАЧЕСТВА СПЕЦИФИКАЦИИ ЛИНЕЙНОЙ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ МОЖНО ВЫЧИСЛИТ
-: на первом этапе схемы построения модели;
-: на втором этапе схемы построения модели;
+: на третьем этапе схемы построения модели;
-: на этапе спецификации.
94. ЧИСЛОВОЙ ХАРАКТЕРИСТИКОЙ КАЧЕСТВА СПЕЦИФИКАЦИИ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ ЯВЛЯЕТСЯ
-: дисперсия случайного возмущения ;
-:
ср. кв. ошибка прогноза эндог.переменной,
;
-: количество экзогенных переменных модели, к;
+: коэффициент детерминации, R2.
91. ЧИСЛО УРАВНЕНИЙ В ПРИВЕДЁННОЙ ФОРМЕ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ СОВПАДАЕТ С КОЛИЧЕСТВОМ
-: предопределённых переменных;
-: экзогенных переменных;
+: эндогенных переменных;
-: лаговых переменных.
281. ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ, , ГДЕ - ВЕКТОР ЭНДОГЕННЫХ ПЕРЕМЕННЫХ, МОЖЕТ БЫТЬ ПРЕОБРАЗОВАНА К ПРИВЕДЁННОЙ ФОРМЕ, ЕСЛИ
+:
;
-:
;
-:
;
-:
.
251. ЭКОНОМЕТРИЧЕСКАЯ
МОДЕЛЬ
-
ВЕКТОР СЛУЧАЙНЫХ ВОЗМУЩЕНИЙ,
-
ВЕКТОР ЭНДОГЕННЫХ ПЕРЕМЕННЫХ,
- ВЕКТОР ЭКЗОГЕННЫХ ПЕРЕМЕННЫХ
ПРЕДСТАВЛЕНА
+: в приведённой форме;
-: в структурной форме;
-: в форме нелинейной модели;
-: в форме закрытой модели.
71. ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ МОЖЕТ БЫТЬ ПРЕДСТАВЛЕНА В ОДНОЙ ИЗ СЛЕДУЮЩИХ ФОРМ
-: открытой и закрытой;
-: линейной и нелинейной;
-: макроэкономической и микроэкономической;
+: структурной и приведённой.