- •Тема 1: Спецификация эконометрической модели
- •1. Ошибки спецификации эконометрической модели имеют место вследствие …
- •2. Для регрессионной модели вида необходим минимальный объем наблюдений, содержащий _____ объектов наблюдения.
- •3. Нелинейным по объясняющим переменным, но линейным по параметрам уравнением регрессии является …
- •4. В модели вида количество объясняющих переменных равно …
- •5. При идентификации модели множественной регрессии количество оцениваемых параметров равно …
- •Тема 2: Отбор факторов, включаемых в модель множественной регрессии
- •1. В модели множественной регрессии определитель матрицы парных коэффициентов корреляции между факторами,иблизок к единице. Это означает, что факторы,и…
- •2. При моделировании линейного уравнения множественной регрессии вида необходимо, чтобы выполнялось требование отсутствия взаимосвязи между …
- •3. Дана матрица парных коэффициентов корреляции.
- •4. В модели множественной регрессии определитель матрицы парных коэффициентов корреляции между факторами,иблизок к нулю. Это означает, что факторы,и…
- •Тема 3: Фиктивные переменные
- •1. Дана таблица исходных данных для построения эконометрической регрессионной модели:
- •2. При исследовании зависимости потребления мяса от уровня дохода и пола потребителя можно рекомендовать …
- •4. При анализе промышленных предприятий в трех регионах (Республика Марий Эл, Республика Чувашия, Республика Татарстан) были построены три частных уравнения регрессии:
- •5. В эконометрике фиктивной переменной принято считать …
- •Тема 4: Линейное уравнение множественной регрессии
- •3. Известно, что доля остаточной дисперсии зависимой переменной в ее общей дисперсии равна 0,2. Тогда значение коэффициента детерминации составляет …
- •Тема 5: Оценка параметров линейных уравнений регрессии
- •1. Для эконометрической модели уравнения регрессии ошибка модели определяется как ______ между фактическим значением зависимой переменной и ее расчетным значением.
- •2. Величина называется …
- •3. В эконометрической модели уравнения регрессии величина отклонения фактического значения зависимой переменной от ее расчетного значения характеризует …
- •4. Известно, что доля объясненной дисперсии в общей дисперсии равна 0,2. Тогда значение коэффициента детерминации составляет …
- •5. При методе наименьших квадратов параметры уравнения парной линейной регрессии определяются из условия ______ остатков.
- •Тема 6: Предпосылки мнк, методы их проверки
- •1. Для обнаружения автокорреляции в остатках используется …
- •4. Из перечисленного условием выполнения предпосылок метода наименьших квадратов не является ____ остатков.
- •Тема 7: Свойства оценок параметров эконометрической модели, получаемых при помощи мнк
- •2. Из несмещенности оценки параметра следует, что среднее значение остатков равно …
- •4. Обобщенный метод наименьших квадратов не может применяться для оценки параметров линейных регрессионных моделей в случае, если …
- •Тема 9: Оценка тесноты связи
- •1. Для эконометрической модели вида показателем тесноты связи между переменнымииявляется парный коэффициент линейной …
- •2. Самым коротким интервалом изменения коэффициента корреляции для уравнения парной линейной регрессии является …
- •4. Для регрессионной модели вида получена диаграмма
- •Тема 10: Оценка качества подбора уравнения
- •1. Известно, что доля остаточной регрессии в общей составила 0,19. Тогда значение коэффициента корреляции равно …
- •3. Для регрессионной модели вида , гдерассчитаны дисперсии:;;. Тогда величинахарактеризует долю …
- •Тема 11: Проверка статистической значимости эконометрической модели
- •Тема 12: Оценка значимости параметров эконометрической модели
- •Тема 13: Нелинейные зависимости в экономике
- •1. Если зависимость объема спроса от цены характеризуется постоянной эластичностью, то моделирование целесообразно проводить на основе …
- •3. Нелинейное уравнение регрессии вида является _____ моделью ________ регрессии.
- •Тема 17: Временные ряды данных: характеристики и общие понятия
- •2. Дана автокорреляционная функция временного ряда
- •3. Автокорреляционной функцией временного ряда называется последовательность коэффициентов автокорреляции …
- •4. Значение коэффициента автокорреляции второго порядка равно (-0,6), следовательно, ряд содержит …
- •5. Автокорреляцией уровней ряда называется корреляционная зависимость между …
- •Тема 19: Аддитивная и мультипликативная модели временных рядов
- •Тема 20: Модели стационарных и нестационарных временных рядов и их идентификация
- •1. Известно, что дисперсия временного ряда y увеличивается с течением времени. Значит, ряд y …
- •2. Известно, что временной ряд y порожден случайным процессом, который по своим характеристикам является «белым шумом». Значит, ряд y …
- •3. Известно, что временной ряд y характеризуется устойчивой тенденцией, то есть его среднее значение меняется. Значит, ряд y, скорее всего, является …
- •4. Для временного ряда известны характеристики: – среднее и– дисперсия. Если временной ряд является стационарным, то …
- •Тема 22: Классификация систем уравнений
- •1. При построении систем эконометрических уравнений различают три класса моделей:
- •2. Изучаются модели зависимости спроса и предложенияот ценыp и прочих факторов. Установите соответствие между видом и классом эконометрических уравнений.
- •3. Установите соответствие между видом и классом эконометрических уравнений.
- •4. Установите соответствие между видом и классом системы эконометрических уравнений:
- •5. Установите соответствие между классом и видом системы эконометрических уравнений:
- •Тема 23: Идентификация систем эконометрических уравнений
- •1. Модель мультипликатора-акселератора Кейнса
- •2. Дана структурная форма модели системы одновременных уравнений:
- •3. Установите соответствие между структурной формой модели и приведенной формой модели
- •4. Установите соответствие между структурной формой модели и приведенной формой модели
- •Тема 24: Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов (кмнк) и двухшаговый метод наименьших квадратов (дмнк)
- •1. Если записать типы эконометрических моделей в следующем порядке:
- •2. По обследованию 12 случайно выбранных семей характеристики показателей накоплений, дохода и имущества представлены в таблице.
- •2. По обследованию 12 случайно выбранных семей характеристики показателей накоплений, дохода и имущества представлены в таблице.
- •2. По обследованию 12 случайно выбранных семей характеристики показателей накоплений, дохода и имущества представлены в таблице.
- •2. По обследованию 12 случайно выбранных семей характеристики показателей накоплений, дохода и имущества представлены в таблице.
- •1. Динамика показателя среднедушевого денежного дохода населения России в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •2. Динамика показателя среднего размера назначенных пенсий в России в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •3. Динамика показателя среднемесячной номинальной начисленной заработной платы работников организаций рф в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •1. Динамика показателя среднедушевого денежного дохода населения России в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •2. Динамика показателя среднего размера назначенных пенсий в России в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •3. Динамика показателя среднемесячной номинальной начисленной заработной платы работников организаций рф в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •1. Динамика показателя среднедушевого денежного дохода населения России в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •2. Динамика показателя среднего размера назначенных пенсий в России в период 2005–2011 гг. Характеризуется данными, представленными на графике.
- •3. Динамика показателя среднемесячной номинальной начисленной заработной платы работников организаций рф в период 2005–2011 гг. Характеризуется данными, представленными на графике.
2. При моделировании линейного уравнения множественной регрессии вида необходимо, чтобы выполнялось требование отсутствия взаимосвязи между …
x1 и x2
y и {x1; x2}
a и {b1; b2}
b1 и b2
Решение:
Эконометрическая модель уравнения регрессии может быть представлена линейным уравнением множественной регрессии в виде выражения , гдеy – зависимая переменная; xj – независимая переменная (j = 1,…, k; k – количество независимых переменных); a, bj – параметры (a – свободный член уравнения, bj – коэффициент регрессии); – случайные факторы. При построении модели множественной регрессии необходимо исключить возможность существования тесной линейной зависимости между независимыми (объясняющими) переменными, которая ведет к проблеме мультиколлинеарности. Поэтому в данной модели необходимо, чтобы выполнялось требование отсутствия взаимосвязи междуx1 и x2.
3. Дана матрица парных коэффициентов корреляции.
Коллинеарными являются факторы …
и
и
и
и y
Решение:
Считается, что две переменные явно коллинеарны, т.е. находятся между собой в линейной зависимости, если . В нашей модели только коэффициент парной линейной регрессии между факторамиибольше 0,7., значит, факторыиколлинеарны.
4. В модели множественной регрессии определитель матрицы парных коэффициентов корреляции между факторами,иблизок к нулю. Это означает, что факторы,и…
мультиколлинеарны
независимы
количественно измеримы
значимы
Решение:
Для оценки мультиколлинеарности факторов может использоваться определитель матрицы парных коэффициентов корреляции между факторами. Если факторы не коррелированы между собой, то матрица парных коэффициентов корреляции между факторами была бы единичной. Поскольку все недиагональные элементы были бы равны нулю., поскольку==и===0. Если между факторами существует полная линейная зависимость и все коэффициенты парной корреляции равны единице, то определитель такой матрицы равен нулю.
Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии. И, наоборот, чем ближе к единице определитель матрицы межфакторной корреляции, тем меньше мультиколлинеарность факторов.
5. Для эконометрической модели линейного уравнения множественной регрессии вида построена матрица парных коэффициентов линейной корреляции (y – зависимая переменная; х(1), х(2), х(3), x(4)– независимые переменные):
Коллинеарными (тесно связанными) независимыми (объясняющими) переменными не являются …
x(2) и x(3)
x(1) и x(3)
x(1) и x(4)
x(2) и x(4)
Решение:
При построении модели множественной регрессии необходимо исключить возможность существования тесной линейной зависимости между независимыми (объясняющими) переменными, которая ведет к проблеме мультиколлинеарности. При этом осуществляют проверку коэффициентов линейной корреляции для каждой пары независимых (объясняющих) переменных. Эти значения отражены в матрице парных коэффициентов линейной корреляции. Считается, что наличие значений коэффициентов парной корреляции между объясняющими переменными, превышающих по абсолютной величине 0,7, отражает тесную связь между этими переменными (теснота связи с переменной y в данном случае не рассматривается). Такие независимые переменные называются коллинеарными. Если значение коэффициента парной корреляции между объясняющими переменными не превышает по абсолютной величине 0,7, то такие объясняющие переменные не являются коллинеарными. Рассмотрим значения парных коэффициентов межфакторной корреляции: между x(1) и x(2) значение равно 0,45; между x(1) и x(3) – равно 0,82; между x(1) и x(4) – равно 0,94; между x(2) и x(3) – равно 0,3; между x(2) и x(4) – равно 0,7; между x(3) и x(4) – равно 0,12. Таким образом, не превышают 0,7 значения ,,. Следовательно, коллинеарнымине являются факторы x(1) и x(2), x(2) и x(3), x(3) и x(4). Из последних перечисленных пар в вариантах ответов присутствует пара x(2) и x(3) – это верный вариант ответа. Для остальных пар: x(1 и x(3), x(1) и x(4), x(2) и x(4) – значения парных коэффициентов межфакторной корреляции превышают 0,7, и эти факторы являются коллинеарными.