ЭКОНОМЕТРИКА 2

 ЗАДАНИЕ N 10 сообщить об ошибке Тема: Временные ряды данных: характеристики и общие понятия

Начало формы

Конец формы

Изображенный на рисунке  временной ряд содержит следующие компоненты:

			возрастающую тенденцию и сезонную компоненту
			тенденцию и возрастающую сезонную компоненту
			убывающую тенденцию и возрастающую сезонную компоненту
			возрастающую тенденцию и возрастающую сезонную компоненту

 ЗАДАНИЕ N 11 сообщить об ошибке Тема: Структура временного ряда

Начало формы

Конец формы

Данная таблица значений автокорреляционной функции соответствует структуре временного ряда …

 ЗАДАНИЕ N 12 сообщить об ошибке Тема: Модели стационарных и нестационарных временных рядов и их идентификация

Начало формы

Конец формы

Для стационарного временного ряда y₁, у₂, … y_t, …, y_n типа «белый шум» математическое ожидание E(y_t) равно …

			0
			1

  ЗАДАНИЕ N 13 сообщить об ошибке Тема: Предпосылки МНК, методы их проверки

Начало формы

Конец формы

Одной из предпосылок метода наименьших квадратов является то, что в остатках регрессионной модели автокорреляция должна …

			отсутствовать
			быть равна 1
			присутствовать
			стремиться к

Решение: Метод наименьших квадратов МНК позволяет рассчитать такие оценки параметров линейной модели регрессии, для которых сумма квадратов отклонений фактических значений зависимой переменной y от ее модельных (теоретических) значений  минимальна. Отклонение , посчитанное для i-го наблюдения является ошибкой модели. Так, если модель регрессии записана в виде выражения , где , то разность  ( – ошибка модели). При применении МНК величина  должна удовлетворять определенным условиям (предпосылкам). Предпосылкой метода наименьших квадратов МНК является отсутствие автокорреляции в остатках, поэтому верным ответом является «отсутствует». Остальные варианты ответов – неверные. Варианты ответов: «должна быть равна 1» и «присутствовать» являются нарушением предпосылки об отсутствии автокорреляции в остатках. Вариант «стремиться к » не несет смысловой нагрузки, так как модуль величины автокорреляции в остатках ограничен числом 1.

 ЗАДАНИЕ N 14 сообщить об ошибке Тема: Обобщенный метод наименьших квадратов (ОМНК)

Начало формы

Конец формы

Проводится оценка параметров линейной модели парной регрессии . Было выявлено, что остатки модели  являются гетероскедастичными и дисперсия остатков  пропорциональна величине (, где  – постоянная дисперсия). Оценку параметров предложено провести с помощью обобщенного метода наименьших квадратов, тогда преобразование исходных переменных модели  будет иметь вид …

 ЗАДАНИЕ N 15 сообщить об ошибке Тема: Оценка параметров линейных уравнений регрессии

Начало формы

Конец формы

Для построения эконометрической модели линейного уравнения регрессии используется таблица статистических данных. При помощи метода наименьших квадратов (МНК) рассчитываются оценки параметров модели вида . Для выборочного i-го наблюдения модель имеет вид  . При применении метода наименьших квадратов рассчитывается …

 ЗАДАНИЕ N 16 сообщить об ошибке Тема: Свойства оценок параметров эконометрической модели, получаемых при помощи МНК

Начало формы

Конец формы

При выполнении предпосылок метода наименьших квадратов (МНК) оценки параметров регрессионной модели, рассчитанные с помощью МНК, обладают свойствами …

			состоятельности, несмещенности и эффективности
			несостоятельности, смещенности и эффективности
			состоятельности, смещенности и эффективности
			состоятельности, смещенности и неэффективности

 ЗАДАНИЕ N 17 сообщить об ошибке Тема: Спецификация эконометрической модели

Начало формы

Конец формы

Использование линейного уравнения регрессии для описания нелинейной зависимости показателей является ошибкой _______ эконометрической модели.

			спецификации
			идентификации
			стандартизации
			верификации

  ЗАДАНИЕ N 18 сообщить об ошибке Тема: Линейное уравнение множественной регрессии

Начало формы

Конец формы

В эконометрической модели линейного уравнения регрессии  коэффициентом регрессии, характеризующим среднее изменение зависимой переменной при изменении независимой переменной на 1 единицу измерения, является …

			bj
			a
			y
			xj

Решение: Эконометрическая модель линейного уравнения регрессии имеет вид , где y – зависимая переменная, x_j – независимая переменная ( – номер независимой переменной в модели, k – общее количество независимых переменных в модели); a, b_j – параметры уравнения;  – ошибка модели (учитывает влияние на зависимую переменную y прочих факторов, не являющихся в модели независимыми переменными). Коэффициентом регрессии является параметр b_j. Его величина показывает на сколько в среднем измениться зависимая переменная y при изменении соответствующей независимой переменной  x_j  на 1 единицу измерения. Таким образом, верным ответом является «b_j».

 ЗАДАНИЕ N 19 сообщить об ошибке Тема: Фиктивные переменные

Начало формы

Конец формы

Примерами фиктивных переменных в эконометрической модели зависимости дохода работника предприятия от ряда факторов могут выступать …

			пол (мужской, женский)
			уровень образования (начальное, среднее, высшее)
			стаж работы (количество лет, месяцев)
			величина среднемесячной заработной платы

 ЗАДАНИЕ N 20 сообщить об ошибке Тема: Отбор факторов, включаемых в модель множественной регрессии

Начало формы

Конец формы

Строится эконометрическая модель уравнения множественной регрессии для зависимости y от пяти факторов х⁽¹⁾,  х⁽²⁾, х⁽³⁾, х⁽⁴⁾, х⁽⁵⁾. Получена матрица парных коэффициентов линейной корреляции (y – зависимая переменная): Требование отсутствия коллинеарных независимых переменных выполняется в модели …

  ЗАДАНИЕ N 21 сообщить об ошибке Тема: Оценка качества нелинейных уравнений регрессии

Начало формы

Конец формы

Для регрессионной модели зависимости потребления материала на единицу продукции от объема выпуска продукции построено нелинейное уравнение (см. рис.). Значение индекса детерминации для данного уравнения составляет R² =0,904. Следовательно, …

			объемом выпуска продукции объяснено 90,4% дисперсии потребления материалов на единицу продукции
			потреблением материалов на единицу продукции объяснено 90,4% дисперсии объема выпуска продукции
			объемом выпуска продукции объяснено 9,6% дисперсии потребления материалов на единицу продукции
			потреблением материалов на единицу продукции объяснено 9,6% дисперсии объема выпуска продукции

Решение: Значение индекса детерминации R² характеризует долю дисперсии зависимой переменной, объясненную независимой переменной (построенным нелинейным уравнением регрессии). В данной модели зависимой переменной является потребление материала на единицу продукции, независимой – объем выпуска продукции. Так как значение индекса детерминации R² = 0,904, то доля  дисперсии зависимой переменной, объясненная независимой переменной, составляет 0,904 или 90,4%. Таким образом, объемом выпуска продукции (независимой переменной) объяснено 90,4% дисперсии потребления материалов на единицу продукции (зависимой переменной).

 ЗАДАНИЕ N 22 сообщить об ошибке Тема: Виды нелинейных уравнений регрессии

Начало формы

Конец формы

Уравнением нелинейной регрессии, являющейся нелинейной по параметрам является …

 ЗАДАНИЕ N 23 сообщить об ошибке Тема: Нелинейные зависимости в экономике

Начало формы

Конец формы

Нелинейная регрессия представляет собой …

			вид связи между зависимой переменной и независимой переменной (независимыми переменными)
			показатель качества эконометрической модели
			характеристика количества независимых переменных, входящих в эконометрическую модель
			показатель статистической значимости параметров

  ЗАДАНИЕ N 24 сообщить об ошибке Тема: Линеаризация нелинейных моделей регрессии

Начало формы

Конец формы

При линеаризации нелинейных регрессионных моделей как один из видов преобразований используется логарифмирование уравнения. Указанным способом может быть линеаризовано уравнение …

Решение: Линеаризация – это процедура приведения нелинейной регрессионной модели к линейному виду путем различных математических преобразований. Это необходимо для обеспечения возможности использования метода наименьших квадратов, позволяющего оценить параметры линейных уравнений регрессии. В качестве одного из способов линеаризации используется логарифмирование уравнения. Рассмотрим процедуру линеаризации для каждого из предложенных вариантов ответа. Уравнение ; обратим уравнение, тогда модель примет линейный вид  . Уравнение ; проведем замену переменных: пусть , тогда модель примет линейный вид . Уравнение ; проведем замену переменных: пусть , тогда модель примет линейный вид . Уравнение ; проведем логарифмирование уравнения, тогда модель примет линейный вид , то есть данное уравнение линеаризовано с использованием способа логарифмирования. Уравнение  является правильным вариантом ответа, так как другие регрессионные модели были линеаризованы не путем логарифмирования уравнения.