Эконометрика. Учебное пособие
.pdf
Тесты
2.Скорректированный коэффициент детерминации: а) меньше обычного коэффициента детерминации; б) больше обычного коэффициента детерминации;
в) меньше или равен обычному коэффициенту детерминации.
3.С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:
а) увеличивается; б) уменьшается; в) не изменяется.
4.Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:
а) n 1; б) m ;
в) n m 1.
5.Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:
а) n 1; б) m ;
в) n m 1.
6.Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:
а) n 1; б) m ;
в) n m 1.
7.Множественный коэффициент корреляции Ryx1x2 0,9 . Определите,
какой процент дисперсии зависимой переменной у объясняется влиянием
факторов х1 и х2:
а) 90 %; б) 81 %; в) 19 %.
8. Для построения модели линейной множественной регрессии вида
y a b1x1 b2 x2 необходимое количество наблюдений должно быть не
менее:
а) 2; б) 7; в) 14.
9. Стандартизованные коэффициенты регрессии β :
а) позволяют ранжировать факторы по силе их влияния на результат; б) оценивают статистическую значимость факторов; в) являются коэффициентами эластичности.
91
Эконометрика
10. Частные коэффициенты корреляции:
а) характеризуют тесноту связи рассматриваемого набора факторов с исследуемым признаком;
б) содержат поправку на число степеней свободы и не допускают преувеличения тесноты связи;
в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.
11. Частный F-критерий:
а) оценивает значимость уравнения регрессии в целом; б) служит мерой для оценки включения фактора в модель; в) ранжирует факторы по силе их влияния на результат.
12.Несмещенность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией; б) что математическое ожидание остатков равно нулю; в) увеличение ее точности с ростом объема выборки.
13.Эффективность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией; б) что математическое ожидание остатков равно нулю; в) увеличение ее точности с ростом объема выборки.
14.Состоятельность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией; б) что математическое ожидание остатков равно нулю; в) увеличение ее точности с ростом объема выборки.
15.Укажите истинное утверждение:
а) скорректированный и обычный коэффициенты множественной детерминации совпадают только в тех случаях, когда обычный коэффициент множественной детерминации равен нулю;
б) стандартные ошибки коэффициентов регрессии определяются значениями всех параметров регрессии;
в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.
16.При наличии гетероскедастичности следует применять: а) обычный МНК; б) обобщенный МНК;
в) метод максимального правдоподобия.
17.Фиктивные переменные – это:
а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;
92
Тесты
б) экономические переменные, принимающие количественные значения в некотором интервале;
в) значения зависимой переменной за предшествующий период вре-
мени.
18. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:
а) 4; б) 3; в) 2.
Те с т 3. Системы эконометрических уравнений
1.Наибольшее распространение в эконометрических исследованиях получили:
а) системы независимых уравнений; б) системы рекурсивных уравнений;
в) системы взаимозависимых уравнений.
2.Эндогенные переменные – это:
а) предопределенные переменные, влияющие на зависимые переменные, но не зависящие от них, обозначаются через x;
б) зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через у;
в) значения зависимых переменных за предшествующий период вре-
мени.
3. Экзогенные переменные – это:
а) предопределенные переменные, влияющие на зависимые переменные, но не зависящие от них, обозначаются через x;
б) зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через y;
в) значения зависимых переменных за предшествующий период вре-
мени.
4. Лаговые переменные – это:
а) предопределенные переменные, влияющие на зависимые переменные, но не зависящие от них, обозначаются через x;
б) зависимые переменные, число которых равно числу уравнений всистеме и которые обозначаются через y;
в) значения зависимых переменных за предшествующий период вре-
мени.
5. Для определения параметров структурную форму модели необходимо преобразовать:
93
Эконометрика
а) в приведенную форму модели; б) рекурсивную форму модели; в) независимую форму модели.
6. Модель идентифицируема, если:
а) число приведенных коэффициентов меньше числа структурных коэффициентов;
б) число приведенных коэффициентов больше числа структурных коэффициентов;
в) число параметров структурной модели равно числу параметров приведенной формы модели.
7. Модель неидентифицируема, если:
а) число приведенных коэффициентов меньше числа структурных коэффициентов;
б) число приведенных коэффициентов больше числа структурных коэффициентов;
в) число параметров структурной модели равно числу параметров приведенной формы модели.
8. Модель сверхидентифицируема, если:
а) число приведенных коэффициентов меньше числа структурных коэффициентов;
б) число приведенных коэффициентов больше числа структурных коэффициентов;
в) число параметров структурной модели равно числу параметров приведенной формы модели.
9.Уравнение идентифицируемо, если:
а) D 1 H ; б) D 1 H ; в) D 1 H .
10.Уравнение неидентифицируемо, если:
а) D 1 H ; б) D 1 H ; в) D 1 H .
11.Уравнение сверхидентифицируемо, если:
а) D 1 H ; б) D 1 H ; в) D 1 H .
12.Для определения параметров точно идентифицируемой модели: а) применяется двухшаговый МНК; б) применяется косвенный МНК;
в) ни один из существующих методов применить нельзя.
94
Тесты
13.Для определения параметров сверхидентифицируемой модели: а) применяется двухшаговый МНК; б) применяется косвенный МНК;
в) ни один из существующих методов применить нельзя.
14.Для определения параметров неидентифицируемой модели:
а) применяется двухшаговый МНК; б) применяется косвенный МНК;
в) ни один из существующих методов применить нельзя.
Те с т 4. Временные ряды
1.Аддитивная модель временного ряда имеет вид:
а) Y T S E ; б) Y T S E ; в) Y T S E .
2.Мультипликативная модель временного ряда имеет вид:
а) Y T S E ; б) Y T S E ; в) Y T S E .
3.Коэффициент автокорреляции характеризует:
а) тесноту линейной связи текущего и предыдущего уровней ряда; б) тесноту нелинейной связи текущего и предыдущего уровней ряда; в) наличие или отсутствие тенденции.
4. Аддитивная модель временного ряда строится, если:
а) значения сезонной компоненты предполагаются постоянными для различных циклов;
б) амплитуда сезонных колебаний возрастает или уменьшается; в) отсутствует тенденция.
5. Мультипликативная модель временного ряда строится, если:
а) значения сезонной компоненты предполагаются постоянными для различных циклов;
б) амплитуда сезонных колебаний возрастает или уменьшается; в) отсутствует тенденция.
6. На основе поквартальных данных построена аддитивная модель временного ряда. Скорректированные значения сезонной компоненты за первые три квартала равны: 7 – I квартал, 9 – II квартал и 11 – III квартал. Значение сезонной компоненты за IV квартал есть:
а) 5; б) –4; в) –5.
95
Эконометрика
7. На основе поквартальных данных построена мультипликативная модель временного ряда. Скорректированные значения сезонной компоненты за первые три квартала равны: 0,8 – I квартал, 1,2 – II квартал и 1,3 – III квартал. Значение сезонной компоненты за IV квартал есть:
а) 0,7; б) 1,7; в) 0,9.
8. Критерий Дарбина – Уотсона применяется: а) для определения автокорреляции в остатках; б) определения наличия сезонных колебаний; в) оценки существенности построенной модели.
96
Контрольные вопросы по дисциплине
КОНТРОЛЬНЫЕ ВОПРОСЫ ПО ДИСЦИПЛИНЕ
1.Дайте определение линейной регрессии.
2.Дайте определения парной и множественной регрессии.
3.Что понимают под спецификацией и параметризацией уравнения регрессии? Как они осуществляются?
4.Какими могут быть критерии качества оценки линейной регрессии?
5.В чем сущность метода наименьших квадратов?
6.Сформулируйте общую задачу статистической оценки параметров на примере оценки параметров линейной регрессии.
7.Сформулируйте свойства несмещенности, состоятельности и эффективности оценок параметров. Обладают ли этими свойствами оценки параметров линейной регрессии, полученные с помощью МНК?
8.В чем различие, смысловое и количественное, теоретических значений коэффициентов регрессии и их выборочных значений?
9.Какие факторы влияют на величину стандартных ошибок выборочных коэффициентов регрессии?
10.Как связаны выборочные коэффициенты регрессии с коэффициентом корреляции величин х и у?
11.Какой показатель характеризует долю объясненной с помощью регрессии дисперсии в общей дисперсии зависимой переменной?
12.Из каких этапов состоит проверка качества оцененного уравнения регрессии?
13.Как рассчитывается и что показывает коэффициент детермина-
ции R2?
14.В каких задачах эконометрики используется распределение Фи-
шера?
15.Таблицы каких распределений используются при оценке качества линейной регрессии?
16.Какие показатели характеризуют независимость отклонений зависимой переменной от линии регрессии? Как осуществляется проверка этой независимости?
17.В каких случаях наблюдается положительная автокорреляция ос-
татков?
18.Каковы особенности практического применения регрессионных
моделей?
97
Эконометрика
19.Как осуществляется прогнозирование экономических показателей с использованием моделей линейной регрессии?
20.Как можно оценить «естественный» уровень безработицы с использованием модели линейной регрессии?
21.В каких случаях необходимо уточнение линейной регрессионной модели и как оно осуществляется?
22.Когда необходимо выведение из рассмотрения незначимых объясняющих переменных и добавление новых переменных?
23.В каких случаях осуществляется разбиение временного интервала на части и оценка исходной или новой формулы регрессии на каждой из них?
24.В каких случаях осуществляется построение нелинейных спецификаций уравнения регрессии с последующей их линеаризацией?
25.Приведите примеры нелинейных моделей регрессии и их линеа-
ризацию.
26.Какие проблемы спецификации ошибок возникают при линеаризации уравнения регрессии?
27.В каких случаях возникают трудности использования множественной линейной регрессии в моделировании? В чем реальная ситуация может не соответствовать предпосылкам модели?
28.Дайте определения гомоскедастичности и гетероскедастичности. Каковы результаты использования линейной регрессионной модели в условиях каждой из них?
29.В чем сущность обобщенного МНК?
30.Охарактеризуйте трендовые модели с независимыми значениями случайной составляющей.
31.Дайте определение полиномиального тренда.
32.Опишите трендовые модели с сезонными колебаниями.
33.В чем суть метода экспоненциального сглаживания?
34.Какие системы являются одновременными уравнениями в экономическом моделировании?
35.В чем заключается двухшаговый МНК? В каких случаях он применяется?
36.В чем заключается проблема автокорреляции остатков и как она проявляется?
98
Вопросы к экзамену
ВОПРОСЫ К ЭКЗАМЕНУ
1.Определение эконометрики. Эконометрический метод и этапы эконометрического исследования.
2.Парная регрессия. Способы задания уравнения парной регрессии.
3.Линейная модель парной регрессии. Смысл и оценка параметров.
4.Оценка существенности уравнения в целом и отдельных его параметров (F-критерий Фишера и t-критерий Стьюдента).
5.Прогноз по линейному уравнению регрессии. Средняя ошибка аппроксимации.
6.Нелинейная регрессия. Классы нелинейных регрессий.
7.Регрессии нелинейные относительно включенных в анализ объясняющих переменных.
8.Регрессии нелинейные по оцениваемым параметрам.
9.Коэффициенты эластичности для разных видов регрессионных моделей.
10.Корреляция и F-критерий Фишера для нелинейной регрессии.
11.Отбор факторов при построении уравнения множественной рег-
рессии.
12.Оценка параметров уравнения множественной регрессии.
13.Множественная корреляция.
14.Частные коэффициенты корреляции.
15.F-критерий Фишера и частный F-критерий Фишера для уравнения множественной регрессии.
16.t-критерий Стьюдента для уравнения множественной регрессии.
17.Фиктивные переменные во множественной регрессии.
18.Предпосылки МНК: гомоскедастичность и гетероскедастичность.
19.Предпосылки МНК: автокорреляция остатков.
20.Обобщенный МНК.
21.Общие понятия о системах эконометрических уравнений.
22.Структурная и приведенная формы модели.
23.Проблема идентификации. Необходимое условие идентифицируемости.
24.Проблема идентификации. Достаточное условие идентифицируе-
мости.
25.Методы оценки параметров структурной формы модели.
26.Основные элементы временного ряда.
99
Эконометрика
27.Автокорреляция уровней временного ряда и выявление его структуры.
28.Моделирование сезонных колебаний: аддитивная модель временного ряда.
29.Моделирование сезонных колебаний: мультипликативная модель временного ряда.
30.Критерий Дарбина – Уотсона.
100