5. Объясните, какие проблемы имеются у модели регрессии и как их исправить.
6. Заданы две регрессии с двумя объясняющими переменными, оцененные на разных выборках. Объясните, как может получиться, что в одном случае при корреляции между двумя факторами, равной 0.8, необходимо принимать меры против мультиколлинеарности, а в другом случае при корреляции между теми же двумя факторами, равной 0.9, такой необходимости не возникает.
З аведующий кафедрой Канторович Г.Г.
Кафедра математической экономики и эконометрики. Экзамен по эконометрике.
Билет № 14
Ф.И.О. Группа
(Впишите свою фамилию, имя и отчество, группу)
1. Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия. Проверка нормальности случайной ошибки.
2. Мультиколлинеарность данных. Теоретические последствия мультиколлинеарности для оценок параметров регрессионной модели. Признаки наличия и показатели степени мультиколлинеарности.
3. Преобразование исходных переменных, позволяющее применить метод наименьших квадратов при наличии автокорреляции. Двух-шаговая процедура Кокрена-Оркутта. Двух шаговая процедура Дарбина.
4
. Модели
панельных данных. Модель с фиксированными
эффектами. Модель со случайными эффектами.
Тест Хаусмана.
5. Объясните, какие проблемы имеются у модели регрессии и как их исправить.
6. В
Вашем распоряжении – выборки
и
одинакового
размера. Объясните, каким образом с
помощью МНК Вы будете оценивать параметры
и
следующих функциональных зависимостей?
Какие предположения следует сделать
относительно распределения случайного
члена в каждой из оцениваемых Вами
моделей для того, чтобы сохранялась
возможность проверять различные гипотезы
относительно коэффициентов, пользуясь
стандартными таблицами распределений?
З аведующий кафедрой Канторович Г.Г.
Кафедра математической экономики и эконометрики. Экзамен по эконометрике.
Билет № 23
Ф.И.О. Группа
(Впишите свою фамилию, имя и отчество, группу)
1. Ковариационная матрица оценок коэффициентов регрессии. Несмещенная оценка дисперсии случайного члена (без доказательства). Оценка ковариационной матрицы оценок коэффициентов регрессии.
2. Построение множественной линейной регрессии с ограничениями на параметры (рассмотрение конкретных примеров без вывода общей формулы).
3. Оценка неизвестных дисперсий по результатам тестов Парка и Глейзера в условиях гетероскедастичности.
4
. Модель
с распределенными лагами. Преобразование
Койка (Koyck).
Авторегрессионные модели, как эквивалентное
представление моделей с распределенными
лагами.
5. Объясните, какие проблемы имеются у модели регрессии и как их исправить.
6. Проверьте, если это возможно, гипотезу об отсутствии автокорреляции в приведенных ниже уравнениях, а если невозможно – объясните, почему. (в скобках приведены значения стандартных отклонений, n – число измерений, DW – значение статистики Дарбина-Уотсона):
(n=35,
DW
= 1.81).
З аведующий кафедрой Канторович Г.Г.
Кафедра математической экономики и эконометрики. Экзамен по эконометрике.
Билет № 17
Ф.И.О. Группа
(Впишите свою фамилию, имя и отчество, группу)
1. Метод наименьших квадратов (МНК). Свойства оценок параметров, полученных по МНК.
2. Использование качественных объясняющих переменных. Фиктивные (dummy) переменные в множественной линейной регрессии. Влияние выбора базовой категории на интерпретацию коэффициентов регрессии.
3. Регрессионные динамические модели. Лаговые переменные и экономические зависимости между разновременными значениями переменных. Модель с распределенными лагами. Подход Тинбергена и Альта (Tinbergen and Alt) к оценке моделей с распределенными лагами.
4
. Модель
частичной подстройки (partial
adjustment).
Модель корректировки ошибками (error
correction
model,
ECM).