
- •Автор-составитель:
- •1. Цели и задачи дисциплины
- •2. Требования к уровню освоения дисциплины
- •3. Объем дисциплины
- •3.1 Объем дисциплины и виды учебной работы
- •3.2 Распределение часов по темам и видам учебной работы
- •4. Содержание курса
- •Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок 2
- •Тема 5. Системы линейных одновременных уравнений. Идентификация систем одновременных уравнений. Двухшаговый, трехшаговый и косвенный мнк.
- •Тема 6. Обобщенный метод наименьших квадратов. Теорема Айткена. Фиктивные переменные. Построение регрессионных моделей по неоднородным данным. Тест Чоу.
- •Тема 7. Нелинейные регрессионные модели и их линеаризация.
- •Тема 8. Модели стационарных и нестационарных рядов. Прогнозирование, основанное на использовании моделей временных рядов.
- •5. Темы практических занятий
- •Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок 2
- •Тема 5. Системы линейных одновременных уравнений. Идентификация систем одновременных уравнений. Двухшаговый, трехшаговый и косвенный мнк.
- •Тема 6. Обобщенный метод наименьших квадратов. Теорема Айткена. Фиктивные переменные. Построение регрессионных моделей по неоднородным данным. Тест Чоу.
- •Тема 7. Нелинейные регрессионные модели и их линеаризация.
- •Тема 8. Модели стационарных и нестационарных рядов. Прогнозирование, основанное на использовании моделей временных рядов.
- •6. Задания для самостоятельной работы студентов
- •Задача 2.1.
- •Задача 2.2.
- •Задача 2.3.
- •Задача 2.4.
- •Задача 3.1.
- •Задача 3.2.
- •Задача 3.3.
- •Задача 4.2.
- •Задача 4.3.
- •Задача 4.4.
- •Задача 4.5.
- •Задача 4.6.
- •Задача 7.1.
- •Задача 7.2.
- •Задача 7.3.
- •Задача 7.4.
- •Задача 8.1.
- •Задача 8.2.
- •Задача 8.3.
- •Вариант 1.
- •Вариант 2.
- •Вариант 3.
- •Вариант 4.
- •Вариант 5.
- •Вариант 6.
- •Вариант 7.
- •Вариант 8.
- •Вариант 9.
- •Вариант 10.
- •Вариант 11.
- •Вариант 12.
- •Вариант 13.
- •Вариант 14.
- •Вариант 15.
- •Вариант 16.
- •Вариант 17.
- •Вариант 18.
- •Вариант 19.
- •Вариант 20.
- •Вариант 21.
- •Вариант 22.
- •Вариант 23.
- •Вариант 24.
- •Вариант 25.
- •6.3. Примерные темы рефератов
- •7. Варианты контрольных работ и методические указания по их выполнению
- •Регрессионные модели с одним уравнением
- •Системы одновременных уравнений
- •Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок 2
- •Метод наименьших квадратов (мнк)
- •Геометрическая интерпретация
- •Матричная форма записи
- •Тема 5. Системы линейных одновременных уравнений. Идентификация систем одновременных уравнений. Двухшаговый, трехшаговый и косвенный мнк.
- •Тема 6. Обобщенный метод наименьших квадратов. Теорема Айткена. Фиктивные переменные. Построение регрессионных моделей по неоднородным данным. Тест Чоу.
- •Тема 7. Нелинейные регрессионные модели и их линеаризация.
- •Тема 8. Модели стационарных и нестационарных рядов. Прогнозирование, основанное на использовании моделей временных рядов.
- •Варианты контрольных работ.
- •8. Вопросы для подготовки к зачету
- •9. Учебно-методическое обеспечение дисциплины
- •9.1 Литература
- •9.2 Методическое обеспечение дисциплины
- •9.3 Материально-техническое и информационное обеспечение дисциплин
- •10. Инновационные технологии, используемые в преподавании курса «экономико-математические методы и модели в таможенной статистике»
Вариант 10.
В соответствии с предпосылками регрессионного анализа к математическому ожиданию и дисперсии остатков модели предъявляются следующие требования:
а) M(ε)=0, D(ε)=σ2;
б) M(ε)=0, D(ε)=1;
в) M(ε)=1, D(ε)=1;
г) M(ε)=1, D(ε)=σ2.
При исследовании зависимости оборота розничной торговли (Y, млрд. руб.) от трех факторов: Х1 - денежные доходы населения, млрд. руб.; Х2 – численность безработных, млн. чел.; Х3 – официальный курс рубля по отношению к доллару США получена следующая модель:
Y = 55,74 + 0,33X1 – 4,98X2 + 2,38X3 + ε.
При уменьшении только денежных доходов населения на 1 млрд. руб. оборот розничной торговли в среднем:
а) увеличится на 0,33 млрд. руб.;
б) увеличится на 0,33%;
в) увеличится на 33%;
г) уменьшится на 330 млн. руб.
Взвешенный метод наименьших квадратов применяется для оценки параметров регрессионной модели, если в модели существует:
а) гетероскедастичность;
б) автокорреляция;
в) мультиколлинеарность.
Сколько бинарных переменных потребуется ввести для построения модели, описывающей тенденцию ряда при наличии одного структурного изменения в момент времени t0:
а) 1;
б) 2;
в) 3;
г) 4.
При исследовании зависимости объема потребления продукта А (y) от времени года были введены следующие фиктивные переменные: d1 (1 - если месяц зимний, 0 – в остальных случаях), d2 (1 - если месяц весенний, 0 – в остальных случаях), d3 (1 - если месяц летний, 0 – в остальных случаях) и получено следующее уравнение Y = b0 + b1d1 + b2d2 + b3d3+ ε.
Чему равен среднемесячный объем потребления для летних месяцев:
а) b0;
б) b3;
в) b0 - b3;
г) b0 + b3.
Какая из приведенных ниже моделей является нелинейной по оцениваемым параметрам:
а) y = b0+ b1lnx1 + b2lnx2+ ε;
б) y = 1/(b0+ b1x1 + b2x2+ ε);
в) y = b0x1b1x2b2ε;
г) y = b0+ b1lnx1 + b2 + ε.
Модель авторегрессии АР(2) описывается уравнением:
а) Y = AKαLβ * ε;
б) yt = b0+ b1yt-1 + b2yt-2 + εt;
в) yt = b0+ b1yt-1 + εt – γ1εt-1;
г) yt = εt – γ1εt-1 – γ2εt-2.
Изучается зависимость объема ВВП (Y, млрд. долл.) от уровня прибыли в экономике (Хt, млрд. долл.). Получена следующая модель с распределенным лагом:
Yt = 0,45∙Xt + 0,20∙Xt-1 + 0,15∙Xt-2 + 0,05∙Xt-3 + εt.
(9,2) (6,3) (3,5) (1,9)
В скобках указаны значения t-критерия Стьюдента для коэффициентов регрессии. Табличное значение при уровне значимости 0,05 составляет 2,07. Целесообразно ли выбирать величину лага, равную 3:
а) да, так как все коэффициенты модели являются значимыми по t-критерию Стьюдента;
б) нет, так как по t-критерию Стьюдента все коэффициенты модели являются незначимыми;
в) нет, так как по t-критерию Стьюдента коэффициент b3 модели является незначимыми;
г) нельзя сказать, так как t-критерий Стьюдента не дает ответа на данный вопрос.
Система одновременных регрессионных уравнений состоит из трех уравнений: двух сверхидентифицируемых и одного неидентифицируемого. Тогда модель является:
а) идентифицируемой;
б) неидентифицируемой;
в) сверхидентифицируемой.
Структурная форма макроэкономической модели имеет вид:
где: Сt – расходы на потребление в период t, Yt – чистый национальный продукт в период t, Yt-1 – чистый национальный продукт в период t-1, Dt – чистый национальный доход в период t, It – инвестиции в период t, Tt – косвенные налоги в период t, Gt – государственные расходы в период t. |
Сколько эндогенных переменных в данной системе:
а) 4;
б) 5;
в) 3;
г) 1.