- •Тема: Спецификация модели
- •Спецификацией
- •Линейное уравнение множественной регрессии
- •Апробацией
- •Идентификации
- •Прикладной дисциплины для обеспечения проведения автоматизированных эконометрических расчётов
- •Информационного обеспечения необходимых исходных данных
- •Тема: Отбор факторов, включаемых в модель множественной регрессии
- •Переменными
- •Наличие линейной зависимости между более чем двумя факторами
- •Тема: Фиктивные переменные
- •Ранжирование
- •Качественного характера
- •Тема: Линейное уравнение множественной регрессии
- •Стандартизованные переменные
- •Случайной величины ε
- •Тема: Оценка параметров линейных уравнений регрессии
- •Тема: Свойства оценок, получаемых при помощи мнк
- •Оценок параметров уравнения регрессии
- •Тема: Предпосылки мнк
- •Зависимость дисперсии остатков от значения фактора
- •Тема: Обобщённый метод наименьших квадратов
- •Взвешенную регрессию, в которой переменные взяты с весами
- •Автокорреляции остатков
- •Остатки не изменяются
- •Гетероскедастичности
- •Тема: Оценка качества подбора уравнения
- •Случайных воздействий
- •Коэффициента детерминации r2 равна 0,05
- •Для оценки влияния случайных воздействий
- •Дисперсий
- •Случайных факторов
- •Средним
- •Тема: Оценка тесноты связи моделируемого показателя с факторами
- •Линейный коэффициент корреляции
- •Значение коэффициента корреляции рассчитано с ошибкой
- •Статистическую значимость уравнения
- •Рассматриваются факторы, значимо влияющие на результат
- •? Уравнения предполагаемой взаимосвязи
- •Определить частные коэффициенты корреляции 1-го и 2-го порядков
- •Оси ординат
- •Факторного и результативного признаков для конкретного наблюдения
- •Коэффициент регрессии и коэффициент корреляции имеют разные знаки
- •Тема: Проверка существенности связи и статистической значимости уравнения регрессии
- •Число на пересечении строки «Остаток» и столбца «ms»
- •Вида уравнения и числа степеней свободы
- •Сравнимому виду
- •Значимости уравнения регрессии в целом
- •Проверки статистической гипотезы о равенстве факторной и остаточной дисперсий
- •Тема: Оценка существенности параметров линейных уравнений множественной регрессии
- •0 И соответствующий фактор не включается в модель
- •Стьюдента
- •Тема: Основные виды спецификаций нелинейных уравнений регрессии
- •Тема: Примеры экономических нелинейных зависимостей
- •Если между экономическими показателями существует нелинейная связь, то …
- •Между экономическими показателями обнаруживается нелинейная зависимость
- •Тема: Линеаризация нелинейных моделей регрессии
- •Возможность применения мнк для оценки параметров
- •Тема: Оценка качества нелинейных уравнений регрессии
- •Тема: Временные ряды данных: характеристики и общие понятия
- •Тенденции, сезонных колебаний и случайных факторов
- •Выявление и придание количественного значения каждой из трёх компонент
- •Тема: Выявление структуры временного ряда
- •Исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени
- •Графическое отображение автокорреляционной функции
- •Автокорреляции уровней ряда
- •Тема: Аддитивная и мультипликативная модели временных рядов
- •Трендовой компоненты от времени
- •Тема: Модели стационарных и нестационарных временных рядов и их идентификация
- •Стационарного стохастического
- •Стохастический процесс, для которого среднее и дисперсия независимо от рассматриваемого периода имеют постоянное значение
- •Типа «белый шум»
- •Набор случайных переменных X(t), где t – вещественные числа
- •Тема: Общие понятия о системах уравнений, используемых в эконометрике
- •Факторы не взаимодействуют друг с другом
- •Нескольких зависимых и нескольких независимых признаков
- •Тема: Классификация систем эконометрических уравнений
- •Изолированным уравнением регрессии
- •Системы независимых уравнений, системы взаимозависимых уравнений и системы рекурсивных уравнений
- •Одновременных
- •Способу вхождения зависимых и независимых переменных в уравнения регрессии
- •Тема: Условия идентифицируемости системы одновременных уравнений
- •Равно числу параметров приведённой формы модели
- •Зависимые переменные
- •Тема: Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов и двухшаговый метод наименьших квадратов
- •Обычный
- •Структурной формы модели
Тема: Предпосылки мнк
Автокорреляции остатков бывает следующих видов:
положительная
обратная
отрицательная
линейная
Вероятность того, что случайное отклонение в регрессионной модели примет заданное значение, одинакова для всех наблюдений. Сформулировано условие одинакового разброса случайной составляющей, которое выражено в _________ остатков.
гетероскедастичности
гомоскедастичности
детерминированности
автокорреляции
В линейной регрессионной модели Y=β0+β1X+ε отклонение ε – величина случайная, а объясняющая переменная X – величина неслучайная. Это утверждение является …
одной из основной предпосылок МНК
критерием Фишера
нарушением предпосылок МНК
критерием Стьюдента
В случае нормального распределения остатков линейной регрессионной модели N(0,σ2) оценки параметров регрессии, полученные методом наименьших квадратов, …
имеют нормальное распределение
распределены по закону Стьюдента
равны нулю
равны между собой
Выполнение предпосылок метода наименьших квадратов …
не является обязательным условием построения эконометрической модели уравнений регрессии
подлежат обязательной проверке до применения метода наименьших квадратов
проверяется одновременно с применением метода наименьших квадратов
невозможно проверить до получения оценок параметров регрессии
Гетероскедастичность подразумевает …
независимость математического ожидания остатков от значения фактора
постоянство дисперсии остатков независимо от значения фактора
зависимость математического ожидания остатков от значения фактора
Зависимость дисперсии остатков от значения фактора
Для линейной регрессионной модели Y=β0+β1X+ε величина и определённый знак фактического значения случайной составляющей εi не должны обуславливать величину и знак фактического значения другой случайной составляющей εi–1. Выполнение этого условия свидетельствует о(об) ______ остатков.
отсутствии автокорреляции
наличии гомоскедастичности
отсутствии гетероскедастичности
нормальном распределении
Для линейной регрессионной модели Y=β0+β1X+ε гомоскедастичностью называют свойство дисперсии случайного отклонения при любом наблюдении проявлять …
постоянство
изменчивость
тенденцию к уменьшению
стремление к 0
Для регрессионной модели Yi=b0+b1X1i+…+bmXmi+εi, i=1…n, с гетероскедастичностью остатков при отсутствии автокорреляции остатков ковариационная матрица возмущений является …
вырожденной
треугольной
единичной
диагональной
Если предпосылки метода наименьших квадратов нарушены, то
оценки параметров могут не обладать свойствами эффективности, состоятельности и несмещённости
полученное уравнение статистически незначимо
коэффициент регрессии является несущественным
коэффициент корреляции является несущественным
К методам обнаружения гетероскедастичности остатков относятся:
тест Голдфелда–Квандта
метод наименьших квадратов
критерий Дарбина–Уотсона
графический анализ остатков
Множественная линейная регрессионная модель, в которой не выполняются условия гомоскедастичности и/или имеет место автокорреляция остатков, называется _______ регрессионной моделью.
множественной линейной
парной
нелинейной
обобщённой линейной
Наличие гетероскедастичности остатков можно проверить с помощью …
теста Дарбина–Уотсона
теста Фишера
критерия Стьюдента
теста Спирмена
На рисунке отражены результаты теста Дарбина–Уотсона. где dL, dU – соответственно нижняя и верхняя границы для критического значения, а DW – наблюдаемое значения критерия Дарбина–Уотсона (DW=2·(1–rε), где rε – коэффициент автокорреляции остатков). Можно сделать вывод, что …
нельзя ни отклонить, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (зона неопределённости).
в остатках регрессионной модели присутствует отрицательная автокорреляция.
в остатках регрессионной модели присутствует положительная автокорреляция.
нет оснований отвергнуть нулевую гипотезу об отсутствии автокорреляции в остатках регрессионной модели (автокорреляция в остатках отсутствует).
По приведённому фрагменту таблицы укажите вид статистики и название распределения, критические точки которого даны:
DW-статистика распределения Дарбина–Уотсона
t-статистика распределения Стьюдента
F-статистика распределения Фишера
χ2-статистика распределения Пирсона
Предпосылкой метода наименьших квадратов является то, что остатки …
подчиняются закону нормального распределения
не подчиняются закону больших чисел
не подчиняются закону нормального распределения
подчиняются закону больших чисел
Предпосылкой метода наименьших квадратов не является условие:
неслучайный характер остатков
случайный характер остатков
гомоскедастичности остатков
отсутствие автокорреляции в остатках
Предпосылки метода наименьших квадратов исследуют поведение
остаточных величин
переменных уравнения регрессии
неслучайных величин
параметров уравнения регрессии
Предпосылкой метода наименьших квадратов является то, что
остаточные величины имеют случайный характер
при увеличении моделируемых значений результативного признака значение остатка увеличивается
при уменьшении моделируемых значений результативного признака значение остатка уменьшается
остаточные величины имеют неслучайный характер
Причинами нарушения предпосылок МНК могут являться …
наличие в уравнении фиктивных переменных
нелинейный характер зависимости между переменными
наличие неучтённого в уравнении существенного фактора
большой объём наблюдений
Традиционный метод наименьших квадратов применяется для оценки параметров ...
классической линейной регрессионной модели
линейной регрессионной модели с гетероскедастичностью в остатках
линейной регрессионной модели с автокорреляцией в остатках
нелинейной по параметрам регрессионной модели
Укажите выводы, которые соответствуют графику зависимости остатков e от теоретических значений зависимой переменной :
модель содержит циклическую компоненту
нарушена предпосылка МНК о постоянстве дисперсий случайных отклонений
нарушена предпосылка МНК о равенстве нулю математического ожидания случайных отклонений
имеет место гетероскедастичность остатков
Эмпирический коэффициент b регрессии y=a+bx+ε является несмещённой оценкой теоретического коэффициента β регрессии y=α+βx+ε при условии, что …
дисперсия оценки b является наименьшей среди всех возможных дисперсий несмещённых оценок параметра β
математическое ожидание оценки b равно 0
математическое ожидание оценки b равно оцениваемому параметру β
дисперсия оценки b равна 0