- •Оглавление
- •Раздел 1 Математическое моделирование в экономике
- •Глава 1. Теоретические основы экономико-математического моделирования
- •Глава 2. Теоретические основы эконометрики
- •Раздел 2 Эконометрические модели
- •Глава 3. Модели парной регрессии
- •Глава 4. Модели множественной регрессии
- •Глава 5. Эконометрический анализ классических модельных предположений
- •Глава 6. Моделирование временных рядов
- •Глава 7. Системы эконометрических уравнений
- •Введение
- •Раздел 1 Математическое моделирование в экономике
- •Глава 1
- •1.1. Понятие о модели и моделировании
- •1.2. Классификация моделей
- •1.3. Принципы моделирования
- •1.4. Экономико-математическая модель
- •1.5. Этапы экономико-математического моделирования
- •Контрольные вопросы
- •Глава 2
- •2.1. Эконометрика как наука
- •2.2. Эконометрика и другие науки
- •2.3. Эконометрические модели и их типы
- •2.4. Этапы эконометрического моделирования
- •2.5. Пример эконометрического исследования
- •2.6. Функциональные и статистические зависимости
- •2.7. Эконометрическое моделирование
- •2.8. Методологические аспекты эконометрического моделирования
- •Контрольные вопросы
- •Тестовые задания
- •Ответы тестовых заданий
- •Раздел 2 Эконометрические модели
- •Глава 3
- •3.1. Постановочный этап
- •3.2. Классификация парных моделей
- •3.3. Спецификация модели
- •3.4. Параметризация линейной модели
- •3.5. Параметризация нелинейной модели
- •3.6. Оценка тесноты линейной связи между переменными
- •3.7. Оценка тесноты нелинейной связи между переменными
- •3.8. Верификация модели: проверка адекватности
- •3.9. Верификация модели: проверка статистической значимости
- •3.10. Прогнозирование по парной регрессионной модели
- •3.11. Обзор некоторых вопросов и проблем парной регрессии
- •Примеры решения типовых заданий
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Реализация с помощью ппп Excel
- •Порядок выполнения:
- •1. Постановочный этап
- •2. Спецификация модели
- •3. Параметризация модели
- •4. Верификация модели
- •5. Прогнозирование
- •Интегрированные задачи
- •Контрольные задания
- •Контрольные вопросы
- •Тестовые задания
- •Ответы тестовых заданий
- •Глава 4
- •4.1. Постановочный этап
- •4.3. Параметризация модели
- •4.4. Верификация модели
- •4.5. Прогнозирование по множественной регрессионной модели
- •4.6. Фиктивные переменные
- •4.7. Введение фиктивных переменных в модель
- •4.8. Тест Чоу
- •4.9. Фиктивные переменные и сезонность
- •4.10. Обзор некоторых вопросов и проблем множественной регрессии
- •Примеры решения типовых заданий
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Контрольные задания
- •Контрольные вопросы
- •Тестовые задания
- •Ответы тестовых заданий
- •Глава 5
- •5.1. О необходимости проверки модельных предположений
- •5.2. Первое модельное предположение
- •5.3. Проблема гетероскедастичности
- •5.4. Проблема автокорреляции
- •5.5. Проблема мультиколлинеарности
- •5.6. Проверка предположения о нормальности распределения
- •5.7. Обзор некоторых вопросов и проблем модельного анализа
- •Примеры решения типовых заданий
- •Решение:
- •Решение:
- •Решение:
- •Реализация с помощью ппп Excel
- •Порядок выполнения:
- •1. Постановочный этап
- •2. Спецификация модели
- •3. Параметризация модели
- •4. Верификация модели
- •5. Прогнозирование
- •Интегрированная задача
- •Контрольные задания
- •Контрольные вопросы
- •Тестовые задания
- •Ответы тестовых заданий
- •Глава 6
- •6.1. Модель временного ряда
- •6.2. Компоненты временного ряда
- •6.3. Выявление структуры временного ряда
- •6.4. Выравнивание временного ряда
- •6.5. Моделирование сезонных и циклических колебаний
- •6.6. Общая схема моделирования временного ряда
- •6.7. Анализ случайной компоненты временного ряда
- •6.8. Анализ структурной стабильности тенденции
- •6.9. Прогнозирование на основе модели временного ряда
- •6.10. Обзор некоторых вопросов и проблем моделирования временных рядов
- •Примеры решения типовых заданий
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Реализация с помощью ппп Excel
- •Порядок выполнения работы
- •1. Спецификация, параметризация и верификация модели
- •2. Прогнозирование
- •Интегрированная задача
- •Контрольные задания
- •Контрольные вопросы
- •Тестовые задания
- •Ответы тестовых заданий
- •Глава 7
- •7.1. Системы уравнений, используемые в эконометрике
- •7.2. Структурная и приведенная формы моделей
- •7.3. Проблема идентифицируемости модели
- •7.4. Методы оценивания параметров структурной модели
- •7.5. Практика применения систем одновременных уравнений в макроэкономическом анализе
- •Примеры решения типовых заданий
- •Решение:
- •Решение:
- •Решение:
- •Решение:
- •Контрольные задания
- •Контрольные вопросы
- •Тестовые задания
- •Ответы тестовых заданий
- •Литература
Тестовые задания
Выберите правильные ответы из предложенных вариантов:
1. Множественная регрессия используется, если:
а) между факторами существуют нелинейные соотношения;
б) в уравнение необходимо включить два и более фактора;
в) имеется доминирующий фактор.
2.
Зависимость расходов на продукты питания
(тыс. руб.) от месячного дохода на одного
члена семьи (
,
тыс. руб.) и размера семьи (
,
человек) характеризуется уравнением
.
Тогда:
а) с ростом дохода на одного члени семьи на 1 тыс. рублей расходы на питание возрастут в среднем на 0,32 тыс. руб. при том же среднем размере семьи;
б) с ростом дохода на одного члени семьи на 1 тыс. рублей расходы на питание возрастут в среднем на 0,81 тыс. руб. при том же среднем размере семьи;
в) с ростом дохода на одного члени семьи на 1 тыс. руб. расходы на питание возрастут в среднем на 0,6 тыс. рублей при том же среднем размере семьи.
3. Моделью множественной регрессии является:
а) модель ;
б) модель ;
в)
модель
;
г)
модель
.
4. Моделью множественной линейной регрессии является:
а) модель ;
б) модель ;
в) модель ;
г)
модель
.
5. Укажите требования к факторам, включаемым в модель множественной линейной регрессии:
а) между факторами не должна существовать высокая корреляция;
б) факторы должны быть количественно измеримы;
в) факторы должны иметь одинаковую размерность;
г) факторы должны представлять временные ряды.
6. Матрица парных коэффициентов корреляции используется:
а) для построения уравнения регрессии;
б) для отбора факторов регрессионной модели;
в) для параметризации модели;
г) для линеаризации модели.
7. Если в модели множественной регрессии опущена переменная, которая должна быть включена, то оценки регрессии:
а) часто оказываются смещенными;
б) могут быть неэффективными;
в) могут быть неэластичными;
г) часто оказываются нелинейными.
8. Уравнение множественной регрессии называется степенным, если оно имеет вид:
а)
;
б)
;
в)
;
г)
.
9. Параметры уравнения множественной регрессии оцениваются:
а) двухшаговым методом наименьших квадратов;
б) косвенным методом наименьших квадратов;
в) методом наименьших квадратов.
10. Относительная сила влияния факторов на результативный признак оценивается:
а) индексом множественной корреляции;
б) частными коэффициентами эластичности;
в) параметрами при независимых переменных.
11. Верификация множественной регрессионной модели не включает:
а) проверку статистической значимости коэффициентов регрессии;
б) проверку общего качества уравнения регрессии;
в) проверку выполнимости предпосылок МНК;
г) проверку тесноты связи.
12. Оценка статистической значимости коэффициентов множественной линейной регрессии осуществляется с помощью:
а) критерия Стьюдента;
б) критерия Фишера;
в) критерия Пирсона;
г) критерия Дарбина-Уотсона.
13.
Линейное уравнение множественной
регрессии имеет вид
.
Определите какой из факторов
или
оказывает более сильное влияние на у:
а) ;
б) оказывают одинаковое влияние;
в) ;
г) по этому уравнению нельзя ответить на поставленный вопрос, так как коэффициенты регрессии несравнимы между собой.
14.
Для уравнения линейной регрессии
рассчитаны стандартизованные коэффициенты
регрессии:
,
и
.
Какой фактор сильнее влияет на
результативный признак:
а) первый; б) второй; в) третий.
15. Из пары коллинеарных факторов в эконометрическую модель включается тот фактор:
а) который при достаточно тесной связи с результатом имеет наибольшую связь с другими факторами;
б) который при отсутствии связи с результатом имеет максимальную связь с другими факторами;
в) который при отсутствии связи с результатом имеет наименьшую связь с другими факторами;
г) который при достаточно тесной связи с результатом имеет меньшую связь с другими факторами.
16. Фактор линейно не связан с зависимой переменной и его рекомендуется исключить из уравнения множественной линейной регрессии, если для него:
а)
;
б)
;
в)
.
17. Оценка общего качества уравнения множественной регрессии осуществляется:
а) с помощью индекса множественной корреляции;
б) с помощью индекса детерминации;
в) по величине коэффициентов уравнения регрессии.
18. Проверка статистической значимости коэффициента детерминации осуществляется с помощью:
а) критерия Стьюдента;
б) критерия Фишера;
в) критерия Пирсона;
г) критерия Дарбина-Уотсона.
19. Величину изменения зависимой переменной с изменением на 1% фактора при фиксированном значении других факторов в множественной линейной модели оценивает:
а) коэффициент уравнения регрессии при ;
б) средний коэффициент эластичности;
в) индекс множественной корреляции.
20. Два фактора и явно коллинеарны, если:
а)
;
б)
;
в)
;
г)
.
21.
Построена линейная множественная
регрессионная модель
.
Точечный прогноз по этой модели при
и
составляет:
а) 1; б) 0; в) -1; г) 4.
22. Добавление в уравнение множественной регрессии новой объясняющей переменной:
а) уменьшает значение коэффициента детерминации;
б) увеличивает значение коэффициента детерминации;
в) не оказывает никакого влияния на коэффициент детерминации.
23.
Множественный коэффициент корреляции
равен 0,9.
Определите, какой процент дисперсии
зависимой переменной
объясняется
влиянием факторов
и
:
а) 90%; б) 81%; в) 19%.
24.
Для построения модели линейной
множественной регрессии вида
необходимое
количество наблюдений должно быть не
менее:
а) 2; б) 7; в) 14.
25.
Стандартизованные коэффициенты регрессии
:
а) позволяют ранжировать факторы по силе их влияния на результат;
б) оценивают статистическую значимость факторов;
в) являются коэффициентами эластичности.
26. Фиктивные переменные – это:
а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;
б) экономические переменные, принимающие количественные значения в некотором интервале;
в) значения зависимой переменной за предшествующий период времени.
27. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:
а) 4; б) 3; в) 2.
