Эконометрика все что есть к экзамену

исключения мультиколлинеарности

Коэффициент регрессии будет значим, если:

вдоверительный интервал значений коэффициента регрессии входит ноль

вдоверительный интервал значений коэффициента регрессии не входит ноль

Основные производственные фонды в зависимости от размера инвестиций описываются следующим уравнением регрессии: yt =0,4 + 0,6 xt + 1,4 xt−1 + 1,8 xt−2 + 1,2 xt−3 + 1,0 xt−4,

где t – номер года. Медианный лаг равен:

1,8

1,4

2,5

1,6

Решается вопрос о введении фиктивной переменной, характеризующей уровень квалификации. При трех возможных степенях квалификации — высшая, средняя, низкая

— число фиктивных переменных будет равно:

3

1

2

Построено уравнение регрессии по двум временным рядам. Эти ряды коинтегрируемы, если:

коэффициент детерминации больше 0,9

значения информационных критериев Акайке и Шварца примерно равны

остатки стационарны информационный критерий Ханнан-Куина не превышает 1000

Формула ˆy=a+bx+dxz+ey^=a+bx+dxz+e, где z — фиктивная переменная, соответствует:

модели регрессии с фиктивной переменной сдвига

модели регрессии с фиктивной переменной наклона

Если ненаблюдаемые индивидуальные характеристики не коррелируют с включенными в модель объясняющими переменными, то используется:

объединенная модель модель с фиксированными эффектами

модель со случайными эффектами

Модели регрессии по временным рядам с лаговыми переменными принято называть:

логит-моделями

динамическими моделями

логнормальными моделями моделями множественного выбора

Автокорреляция в остатках по моделям авторегрессии определяется с помощью:

метода Койка теста Дарбина-Уотсона

h-статистики Дарбина

К предопределенным переменным системы эконометрических уравнений относятся:

текущие экзогенные переменные

лаговые эндогенные переменные

лаговые экзогенные переменные текущие эндогенные переменные не лаг энд лаг экз не тек экз и лаг энд не тек экз тек энд не тек экз лаг экз

В одном из вариантов формулы F-критерия для оценки значимости уравнения регрессии используется:

коэффициент эластичности относительная ошибка аппроксимации

коэффициент детерминации

коэффициент ранговой корреляции

Сезонный фактор вводится в модель в виде фиктивной переменной. Сколько фиктивных переменных потребуется для месячных данных:

12

4

11

По результатам выполнения теста Хаусмана получено, что QH = 319 (Prob. = 0,000). Это значит, что наиболее подходящей является:

модель с фиксированными эффектами

объединенная модель модель со случайными эффектами

Скорректированный коэффициент детерминации применяется для:

характеристики тесноты связи рассматриваемого фактора с результатом, при условии, что остальные факторы зафиксированы сравнения факторов по силе их влияния на результат

сравнения моделей с разным числом параметров

Для парной линейной регрессии, построенной по 25 наблюдениям, число степеней свободы, соответствующее общей сумме квадратов отклонений, составляет:

23

24

1

25

2

Частный F-критерий для фактора х3 равен 6,5 при табличном значении 3,1. Это означает:

гипотеза о незначимости включения переменной х3 в уравнение регрессии принимается целесообразность включения переменной х3 в уравнение не определена

гипотеза о незначимости включения переменной х3 в уравнение регрессии отклоняется

Обобщенный метод наименьших квадратов позволяет строить модели:

по логарифмам уровней ряда при исключении тенденции из уровней ряда

по исходным уровням временного ряда

Если в модели каждое уравнение идентифицируемо и хотя бы одно уравнение сверхидентифицируемо, то она называется:

сверхидентифицируемой

точно идентифицируемой неидентифицируемой

Критерий Дарбина — Уотсона применяется для определения наличия автокорреляции остатков:

3-го уровня

k-го уровня

1-го уровня

2-го уровня

Значение F-критерия при проведении теста Чоу оказалось равным 25,2 при критическом значении 3,21. Это означает, что:

уравнение регрессии незначимо уравнение регрессии значимо совокупность однородна

совокупность неоднородна

Расположите информационные критерии, использующиеся при идентификации модели ARMA, в порядке увеличения штрафа за количество параметров:

критерий Акайке критерий Ханнан — Куина критерий Шварца

Отсутствие постоянства дисперсии случайных остатков означает:

гомоскедастичность остатков

гетероскедастичность остатков

мультиколлинеарность

Для модели регрессии используют третьи разности, если тенденция характеризуется:

полиномом третьей степени

степенной

экспонентой параболой второго порядка линейной

логарифмической параболой

Ряд динамики характеризуется тенденцией в виде параболы второй степени. Для ее устранения исходные уровни ряда можно заменить:

первыми разностями логарифмами уровней

величинами абсолютных ускорений

рядом Фурье

По результатам проведенного анализа сделан следующий вывод: с изменением значения переменной х1 на 1% от своего среднего значения значение переменной у в среднем изменится противоположным образом на 13% от своего среднего значения при неизменных прочих независимых переменных, включенных в уравнение регрессии. Этот вывод сделан, исходя из значения:

коэффициента корреляции стандартизованного коэффициента регрессии

коэффициента эластичности

коэффициента детерминации

В регрессионной модели y = f (x1; x2; x3; x4) + ε, построенной по 25 наблюдениям,

остаточное число степеней свободы равно:

25

20

21

4

Оценка случайных остатков модели регрессии, предполагающая расчет параметров модели lne2=α0+α1lnx+νlne2=α0+α1lnx+ν называется:

тестом Парка

тестом Уайта критерием Гольдфельда-Квандта

тестом с использованием коэффициента корреляции рангов Спирмена

Параметры производственной функции (функции Кобба-

Дугласа) P=α0 Lα1 Kα2 εP=α0 Lα1 Kα2 ε(где P — объем продукции, K — основной капитал, L — занятость) являются:

коэффициентами корреляции

коэффициентами эластичности

абсолютными показателями силы связи стандартизованными коэффициентами регрессии

Мультиколлинеарностью называется:

взаимозависимость эндогенных переменных тесная связь между зависимой и независимыми переменными

тесная связь между объясняющими переменными

вид множественной регрессии

Переменные, принимающие значения 0 и 1, которые вводят в модель множественной регрессии для количественного задания некоторого качественного признака, называются:

коллинеарными

независимыми

фиктивными

зависимыми

Формула ˆy=a+bx+dxz+ey^=a+bx+dxz+e, где z — фиктивная переменная, соответствует:

модели регрессии с фиктивной переменной наклона

модели регрессии с фиктивной переменной сдвига

По результатам выполнения теста Чоу получено, что фактическое значение F-критерия больше табличного. Это означает, что:

структурные сдвиги отсутствуют и нецелесообразно строить уравнение регрессии с соответствующей фиктивной переменной

имеют место структурные сдвиги и целесообразно строить уравнение регрессии с соответствующей фиктивной переменной

Факторный комплекс рекурсивных уравнений включает:

экзогенные переменные в первом уравнении, в других уравнениях — новые экзогенные и эндогенные переменные предыдущих уравнений

только экзогенные переменные эндогенные и экзогенные переменные только предопределённые переменные только эндогенные переменные

Коэффициенты точно идентифицируемой модели определяются с помощью:

МНК

косвенного МНК (КМНК)

двухшагового МНК (ДМНК)

Имеется следующая система одновременных уравнений: yt=α1+b11yt−1+b12Lt+ε1Lt=α2+b21yt+b22pt+ε2Ct=α3+b31yt+b32qt+ε 3{yt=α1+b11yt−1+b12Lt+ε1Lt=α2+b21yt+b22pt+ε2Ct=α3+b31yt+b32qt+ε3

Для решения данной системы следует использовать:

двухшаговый МНК

косвенный МНК МНК

Стационарным называется ряд динамики, в котором:

отсутствует как тенденция, так и периодические колебания

присутствует тенденция, но отсутствуют периодические колебания присутствует тенденция и периодические колебания

отсутствует тенденция, но присутствуют периодические колебания

Автокорреляционной функцией (АКФ) принято называть:

уравнение, характеризующее связь зависимой переменной от лаговых значений зависимой переменной серию коэффициентов автокорреляции уровней ряда с последовательным увеличением величины лага

серию коэффициентов автокорреляции остатков ряда с последовательным увеличением величины лага

Критерий Бреуша — Годфри применяется для оценки автокорреляции остатков:

3-го уровня

2-го уровня k-го уровня

1-го уровня

Наиболее точным методом исключения тенденции из уровней временного ряда является метод:

последовательных разностей

отклонений от тренда

Обобщенный метод наименьших квадратов применяют с целью:

устранить тенденцию устранить автокорреляцию уровней ряда

выявить периодические колебания

устранить автокорреляцию в остатках

Оценка параметров моделей с распределенными лагами производится:

методом максимального правдоподобия обобщенным МНК

обычным МНК

двухшаговым МНК

Процесс скользящего среднего порядка q принято обозначать:

AR(q)

MA(q)

МАq

ARq

Модель ARMA отличается от модели ARIMA:

отсутствием числа последовательных разностей уровней временных рядов

отсутствием числа лагов в авторегрессии отсутствием числа лагов для остаточных величин

Белым шумом называется процесс, имеющий:

постоянное математическое ожидание, постоянную дисперсию, и нулевую для всех, кроме нулевого лага, автоковариационную функцию

постоянное математическое ожидание и нулевую для всех, кроме нулевого лага, автоковариационную функцию постоянную дисперсию, и нулевую для всех, кроме нулевого лага, автоковариационную функцию

постоянное математическое ожидание, постоянную дисперсию

Для любого стационарного авторегрессионного процесса автокорреляционная функция будет:

уменьшаться по экспоненте

уменьшаться по логарифмической кривой изменяться по синусоиде расти по экспоненте

Построено уравнение регрессии по двум временным рядам. Эти ряды коинтегрируемы, если:

информационный критерий Ханнан-Куина не превышает 1000

остатки стационарны

значения информационных критериев Акайке и Шварца примерно равны коэффициент детерминации больше 0,9

Частная автокорреляционная функция позволяет оценить:

порядок авторегрессионной модели

наличие сезонности автокорреляцию в остатках

Информационный критерий Ханнан — Куина, использующийся при идентификации модели ARMA, определяется формулой (ˆσ2σ^2 — дисперсия остатков, k — число оцениваемых параметров, T — размер выборки): ln(ˆσ2)+2kTln[ln(T)]ln(σ^2)+2kTln[ln(T)]

ln(ˆσ2)+kTlnTln(σ^2)+kTlnT ln(ˆσ2)+2kTln(σ^2)+2kT

Тест Бреуша-Пагана используется для выбора лучшей модели при сравнении:

объединенной модели и модели с фиксированными эффектами

объединенной модели и модели со случайными эффектами

модели с фиксированными эффектами и модели со случайными эффектами

Тест Хаусмана позволяет определить лучшую модель при сравнении:

объединенной модели и модели с фиксированными эффектами

модели с фиксированными эффектами и модели со случайными эффектами

объединенной модели и модели со случайными эффектами

Коэффициент множественной детерминации изменяется в пределах:

от 0 до +1

от −1 до +1 от 1 до +∞ от −∞ до +∞ от 0 до +∞

Формула ˆy=a+bx+dxz+ey^=a+bx+dxz+e, где z — фиктивная переменная, соответствует:

модели регрессии с фиктивной переменной сдвига

модели регрессии с фиктивной переменной наклона

Имеется уравнение парной регрессии у = 5 − 1,2х. Известны среднеквадратические отклонения для переменных и количество наблюдений: σx = 0,36, σy = 0,64, n = 16. Вычислите коэффициент корреляции и сделайте вывод относительно тесноты связи между y и x:

−0,675 теснота связи средняя, зависимость обратная

−0,9 теснота связи сильная, зависимость обратная 0,9 теснота связи сильная, зависимость прямая 0,675 теснота связи средняя, зависимость прямая

Коэффициент эластичности при переменной х в множественной регрессии равен 0,37:

при изменении переменной х на 1% от заданного уровня результативный признак изменится на 0,37% значения, рассчитанного по уравнению регрессии, при неизменных значениях других независимых переменных, включенных в уравнение регрессии

Формула ˆy=a+bx+dxz+ey где z — фиктивная переменная, соответствует

модели регрессии с фиктивной переменной наклона

Коэффициент детерминации R2 принимает значения:

от 0 до +∞ от −1 до +1

от 0 до +1

от −∞ до +∞

Изменение численности занятых на одного человека приводит к изменению количества выпущенных изделий в среднем на 3 единицы при неизменной стоимости оборудования. Этот вывод был сделан по:

коэффициенту парной линейной регрессии

одному из коэффициентов эластичности множественной регрессии коэффициенту множественной линейной регрессии парному линейному коэффициенту корреляции

Имеется следующая система одновременных уравнений: yt=α1+b11Ct+b12Lt+ε1

Lt=α2+b21yt+b22pt+ε2

Ct=α3+b31yt+b32qt+ε3

В данной системе число экзогенных переменных равно:

12

9

2

3

При проверке модели на автокоррелированность остатков с помощью критерия Дарбина

— Уотсона, в случае D – W < 2 и D – W < D – Wl:

нельзя ни отвергнуть, ни принять нулевую гипотезу об отсутствии автокорреляции в остатках

нулевая гипотеза об отсутствии автокорреляции в остатках принимается

нулевая гипотеза об отсутствии автокорреляции в остатках отвергается

Информационный критерий Акайке, использующийся при идентификации модели ARMA, определяется формулой (ˆσ2σ^2 — дисперсия остатков, k — число оцениваемых параметров, T — размер выборки):

ln(ˆσ2)+2kT ln(ˆσ2)+2kTln[ln(T)]ln(σ^2)+2kTln[ln(T)] ln(ˆσ2)+kTlnTln(σ^2)+kTlnT

Формула ˆy=a+bx+dxz+e, где z — фиктивная переменная, соответствует:

модели регрессии с фиктивной переменной наклона

модели регрессии с фиктивной переменной сдвига

Среди информационных критериев, использующихся при идентификации модели ARMA, наименьшую величину штрафа за количество параметров дает критерий:

Акайке Ханнан — Куина

Шварца

Рассматривается аддитивная модель динамического ряда по квартальным данным за 5 лет.

Оценки сезонной компоненты для первого, второго и четвертого кварталов

соответственно равны (тыс. руб.): −5; +11; −2. Оценка сезонной компоненты для третьего

квартала равна:

+4

−6

+5

1.

Параметры производственной функции (функции КоббаДугласа) P=α0 Lα1 Kα2 ε(где P — объем продукции, K — основной

капитал, L — занятость) являются:

Авторы вопроса: Елисеева Ирина Ильинична, Курышева Светлана Владимировна, Нерадовская Юлия Владимировна, Беляков Денис Игоревич, Галиуллина Людмила Марселевна, Кабачек Алексей Викторович

Выберите один правильный ответ

абсолютными показателями силы связи коэффициентами эластичности коэффициентами корреляции стандартизованными коэффициентами регрессии

Баллов: 0 из 1

2.

По результатам построения уравнения парной регрессии получены следующие данные: общая сумма квадратов отклонений 950, остаточная

сумма квадратов отклонений 200. Коэффициент корреляции равен:

Авторы вопроса: Елисеева Ирина Ильинична, Курышева Светлана Владимировна, Нерадовская Юлия Владимировна, Беляков Денис Игоревич, Галиуллина Людмила Марселевна, Кабачек Алексей Викторович

Выберите один правильный ответ

0,789

0,459

0,211

0,889

Баллов: 0 из 1

3.

Обобщенный метод наименьших квадратов позволяет строить модели:

Авторы вопроса: Елисеева Ирина Ильинична, Курышева Светлана Владимировна, Нерадовская Юлия Владимировна, Беляков Денис Игоревич, Галиуллина Людмила Марселевна, Кабачек Алексей Викторович

Выберите один правильный ответ

по исходным уровням временного ряда