Метод наименьших квадратов;

метод инструментальных переменных;

метод первых разностей;

метод взвешенных наименьших квадратов.

Для обнаружения автокорреляции в авторегрессионных моделях используют:

статистику Дарбина-Уотсона DW;

метод рядов;

h – статистику;

все выше перечисленные методы.

Для устранения автокорреляции в авторегрессионных моделях используют следующие методы:

модель ANCOVA;

модель ARIMA;

модель с лагами в независимых переменных;

все выше перечисленные методы.

Если в модели y_t+p = b₀ + b₁x_t+p будущее значение x_t+p известно, то такое оценивание Y называется:

предсказание;

прогноз;

экстраполирование;

преобразование.

Для проверки регрессионной модели на устойчивость, как правило, применяют один из следующих тестов:

Тест Парка;

тест Спирмена;

тест Голдфелда-Квандта;

тест Чоу.

Какую из моделей относится к системам одновременных уравнений:

кейнсианская модель формирования доходов;

модель IS-LM;

модель «спрос-предложение»

все выше перечисленные модели.

Метод, основанный на использовании приведенных уравнений называется:

Метод наименьших квадратов;

косвенный метод наименьших квадратов;

метод взвешенных наименьших квадратов;

метод подстановок.

Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению называется:

Гомоскедастичность

аппроксимация

автокорреляция

корреляция

Коэффициенты корреляции между объясняющими переменными позволяют:

исключить из модели дублирующие факторы;

устранить ошибки спецификации;

устранить ошибки аппроксимации;

повысить качество построенной модели.

К методам построения уравнения множественной регрессии относятся:

шаговый регрессионный анализ;

метод исключения;

метод включения;

все выше перечисленные методы.

Практическая значимость уравнения множественной регрессии оценивается с помощью:

коэффициента корреляции;

коэффициента детерминации;

коэффициента эластичности;

коэффициента аппроксимации.

Уравнения регрессии, которые связывают результативный признак с соответствующими факторами х при закреплении других учитываемых во множественной регрессии факторов на среднем уровне называются:

нелинейные уравнения регрессии;

обратные уравнения регрессии;

частные уравнения регрессии;

уравнения регрессии с фиктивными переменными.

Исследование остатков ε_i предполагает проверку наличия следующих предпосылок:

Гомоскедастичность;

случайный характер остатков;

остатки подчиняются нормальному распределению;

все вышеперечисленные предпосылки.

В области экономических измерений проблема точности связана с:

разработкой правил формирования систем показателей;

разработкой правил и методов измерений;

определением экономических показателей;

со всеми вышеперечисленными причинами.