41_7_Econometrics_Polyansky__Additions
.pdfПолянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
@Практически допустимый уровень средней относительной ошибки аппроксимации
•> 8…10 %
•< 2…4 %
•< 25…30 %
•< 8…10 %
•< 0,8…1,0 %
@Какой из методов является методом сглаживания временного ряда?
•метод Монте-Карло
•метод моментов
•метод инструментальных переменных
•метод скользящих средних
•метод треугольников
@Метод скользящих средних - это метод ...
•определения наличия в модели гетероскедастичности
•определения наличия в модели мультиколлинеарности
•определения наличия в модели автокорреляции остатков
•механического сглаживания временного ряда
•отбора малозначимых факторов
@Что такое “ белый шум”?
•временной ряд с постоянной по времени дисперсией ошибок
•регрессионная модель с гетероскедастичностью
•авторегрессионная модель 1-го порядка
•последовательность некоррелированных случайных величин с нулевым математическим ожиданием и постоянной дисперсией
•временной ряд с постоянным временным трендом
@Временной ряд, в котором ошибки некоррелированы и их математи- ческое ожидание равно 0, называется
•простейший ряд
•парная линейная регрессия
•нулевой ряд
•"белый шум"
•трендовый ряд
@Какая составляющая временного ряда отражает влияние долговре- менных факторов?
•случайная компонента
168
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
•коррелограмма
•циклическая компонента
•лаг
•тренд
@Какая составляющая временного ряда отражает влияние факторов, повторяющихся через некоторые промежутки времени?
•циклическая компонента
•случайная компонента
•коррелограмма
•тренд
•лаг
@Какая составляющая временного ряда отражает влияние факторов, не поддающихся учёту и регистрации?
•тренд
•коррелограмма
•случайная компонента
•циклическая компонента
•лаг
@Тренд - это ...
•составляющая временного ряда, отражающая влияние факторов, повто-
ряющихся через некоторые промежутки времени
•составляющая временного ряда отражающая влияние факторов, не под-
дающихся учёту и регистрации
•составляющая временного ряда, отражающая влияние долговременных
факторов
•сдвиг во временном ряде относительно начального момента
•линия регрессии
@Циклическая компонента временного ряда отражает ...
•влияние факторов, не поддающихся учёту и регистрации
•влияние глобальных долговременных факторов
•общую тенденцию изменения корреляционной зависимости
•сдвиг во временном ряде относительно начального момента
•влияние факторов, периодически повторяющихся через некоторые
промежутки времени
@Случайная компонента временного ряда отражает ...
•влияние факторов, не поддающихся учёту и регистрации
169
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
• влияние факторов, периодически повторяющихся через некоторые
промежутки времени
• влияние глобальных долговременных факторов
• общую тенденцию изменения корреляционной зависимости
• сдвиг во временном ряде относительно начального момента
@ Какой временной ряд называется стационарным?
• временной ряд с монотонной регрессионной зависимостью
• временной ряд с условно постоянными во времени вероятностными
свойствами
• временной ряд с линейной регрессионной зависимостью
• временной ряд с нелинейной регрессионной зависимостью
• временной ряд с горизонтальной линией тренда
@ Автокорреляционная функция - это ...
• значения коэффициента корреляции объясняемой переменной с раз-
личными объясняющими переменными
• сдвиг во временном ряде относительно начального момента
• общая тенденция изменения корреляционной зависимости
• зависимость коэффициентов корреляции между участками временного ряда одинаковой продолжительности, сдвинутыми на лаг, от величины
этого лага
• временной ряд, в котором ошибки некоррелированы и их математиче- ское ожидание равно 0
@ Как в целом ведет себя автокорреляционная функция с увеличением временного лага?
• возрастает (по абсолютной величине)
• убывает (по абсолютной величине)
• возрастает
• постоянна
• терпит разрыв
@ Резко убывание автокорреляционной функции свидетельствует о ...
• значительной нестабильности (резких изменениях) временного ряда
• стабильности (отсутствии резких изменений) временного ряда
• постоянстве временного ряда
• тенденции временного ряда к убыванию
• тенденции временного ряда к возрастанию
@ Коррелограмма - это ...
170
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
•значения коэффициента корреляции объясняемой переменной с раз-
личными объясняющими переменными
•сдвиг во временном ряде относительно начального момента
•график автокорреляционной функции
•общая тенденция изменения корреляционной зависимости
•временной ряд, в котором ошибки некоррелированы и их математиче- ское ожидание равно 0
@Тест Чоу проводится для выяснения
•наличия гетероскедастичности в выборке
•автокорреляции остатков временного ряда
•стационарности временного ряда
•однородности двух выборок в регрессионном смысле
•наличия в модели мультиколлинеарности
@Мультиколлинеарность регрессионной модели – это
•зависимость объясняемой переменной от нескольких объясняющих факторов
•зависимость значений объясняемой переменной от ее значений в пред-
шествовавшие моменты времени
•высокая степень взаимной коррелированности некоторых из объясня-
ющих переменных
•возможность построения нескольких моделей (в том числе нелиней- ных) на основе одних исходных данных
•высокая значимость характеристик регрессионной модели
@Гетероскедастичность регрессионной модели – это
•немонотонность графика регрессионной зависимости
•зависимость объясняющей переменной только от нескольких объясня-
ющих факторов
•непостоянство дисперсий ошибок регрессии для различных значений объясняющей переменной
•высокая степень взаимной коррелированности объясняющих перемен-
ных
•непостоянство математического ожидания объясняемой переменной
@Автокорреляция остатков регрессионной модели – это
•зависимость значений объясняемой переменной от ее значений в пред-
шествовавшие моменты времени
•высокая степень взаимной коррелированности некоторых из объясня-
ющих переменных
171
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
• зависимость объясняемой переменной от нескольких объясняющих
факторов
• возможность построения нескольких моделей (в том числе нелиней- ных) на основе одних исходных данных
• высокая значимость характеристик регрессионной модели
@ Фиктивные переменные – это
• переменные, принимающие в модели нулевые значения
• переменные, связанные между собой линейной функциональной зави-
симостью
• переменные, стремящиеся к нулевым значениям при неограниченном
росте выборки
• переменные, используемые для учета в регрессионной модели каче-
ственных факторов
• две переменные, парный коэффициент корреляции между которыми
равен нулю
@ Какой из приведенных тестов является тестом на гетероскедастич- ность?
• Дарбина-Уотсона
• Льюинга-Бокса
• Голдфелда-Квандта
• Чоу
• Гаусса-Маркова
@ Какой из приведенных тестов является тестом на автокорреляцию?
• Чоу
• Чебышева
• Голдфелда-Квандта
• Гаусса-Маркова
• Дарбина-Уотсона
@ С помощью какой функции Microsoft Excel можно вычислить коэф- |
||
|
фициент корреляции r парной линейной модели |
y =a +bx +ε ? |
• |
КОРРЕЛ |
|
• |
СУММАКВ |
|
• |
СРЗНАЧ |
|
• |
ДИСП |
|
• |
СРОТКЛ |
|
@ С помощью какой функции Microsoft Excel можно вычислить коэф-
172
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
фициент b парной линейной модели y =a +bx +ε ?
• РЕГРЕС
• НАКЛОН
• КОРРЕЛ
• СРЗНАЧ
• СУММАКВ
@ С помощью какой функции Microsoft Excel можно вычислить коэф- фициент a парной линейной модели y =a +bx +ε ?
• НАКЛОН
• РЕГРЕС
• КОРРЕЛ
• ОТРЕЗОК
• СРЗНАЧ
@ С помощью какой функции Microsoft Excel можно вычислить коэф- фициент детерминации парной линейной модели y =a +bx +ε ?
• ОТРЕЗОК
• НАКЛОН
• РЕГРЕС
• ЛИНЕЙН
• СРЗНАЧ
@ С помощью какой функции Microsoft Excel можно вычислить F- статистику Фишера-Снедекора парной линейной модели
y =a +bx +ε ?
• ОТРЕЗОК
• НАКЛОН
• РЕГРЕС
• СРЗНАЧ0
• ЛИНЕЙН
@ С помощью какой функции Microsoft Excel можно вычислить коэф- фициент корреляции r множественной линейной модели
|
y =b |
+b x |
+b x |
+ |
... +b p x p |
+ε ? |
|
0 |
1 1 |
2 2 |
|
||
• |
СУММАКВ |
|
|
|
|
|
• |
КОРРЕЛ |
|
|
|
|
|
• |
СРЗНАЧ |
|
|
|
|
|
• |
ДИСП |
|
|
|
|
|
• |
СРОТКЛ |
|
|
|
|
173
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
@ С помощью какой функции Microsoft Excel можно вычислить коэф- |
||
фициенты |
b1 , b2 ,..., bp |
множественной линейной модели |
y =b +b x |
+b x + ... +b x |
+ε ? |
•НАКЛОН0 1 1 2 2 p p
•КОРРЕЛ
•СРЗНАЧ
•ЛИНЕЙН
•СУММАКВ
@С помощью какой функции Microsoft Excel можно вычислить коэф- фициент bo множественной линейной модели
y =b +b x +b x + ... +b x +ε ?
•НАКЛОН0 1 1 2 2 p p
•РЕГРЕС
•ЛИНЕЙН
•КОРРЕЛ
•СРЗНАЧ
@С помощью какой функции Microsoft Excel можно вычислить коэф- фициент детерминации множественной линейной модели
y =b +b x +b x + ... +b x +ε ?
•ОТРЕЗОК0 1 1 2 2 p p
•НАКЛОН
•РЕГРЕС
•ЛИНЕЙН
•СРЗНАЧ
@С помощью какой функции Microsoft Excel можно вычислить F- статистику Фишера-Снедекора множественной линейной модели
y =b +b x +b x + ... +b x +ε ?
•ОТРЕЗОК0 1 1 2 2 p p
•НАКЛОН
•РЕГРЕС
•СРЗНАЧ
•ЛИНЕЙН
@С помощью какой функции Microsoft Excel можно без дополнитель- ных вычислений (за одну операцию) спрогнозировать значение объ- ясняемой переменной Y в парной линейной модели ?
174
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
•ПРЕДСКАЗ
•ЛИНЕЙН
•НАКЛОН
•ОТРЕЗОК
•КОРРЕЛ
@Какая функция Microsoft Excel позволяет без дополнительных вы- числений (за одну операцию) вычислить прогнозное значение объяс- няемой переменной Y в парной линейной модели ?
•ЛИНЕЙН
•НАКЛОН
•ТЕНДЕНЦИЯ
•ОТРЕЗОК
•КОРРЕЛ
@Какой пакет анализа Microsoft Excel позволяет оценить наибольшее количество характеристик линейной регрессионной модели?
•"Корреляция"
•"Ковариация"
•"Выборка"
•"Регрессия"
•"Гистограмма"
@Какой пакет анализа Microsoft Excel позволяет построить корреля- ционную матрицу для множественной линейной модели?
•"Регрессия"
•"Ковариация"
•"Корреляция"
•"Выборка"
•"Гистограмма"
@Какую характеристику модели не вычисляет пакет анализа "Регрес-
сия" Microsoft Excel?
•среднюю относительную ошибку
•коэффициент детерминации
•нормированный (скорректированный) коэффициент детерминации
•множественный коэффициент корреляции
•F-статистику Фишера-Снедекора
@Какое средство Microsoft Excel позволяет проще всего найти коэф- фициент (индекс) детерминации для многих нелинейных регресси-
175
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
|
онных моделей? |
|
|
• пакет |
"Регрессия" |
||
• |
"Вставка линии тренда" |
||
• |
пакет |
"Корреляция" |
|
• |
функция КОРРЕЛ |
||
• |
функция ЛИНЕЙН |
||
@ Пересчитывает |
ли автоматически пакет анализа "Регрессия" |
||
|
Microsoft Excel |
результаты вычислений при изменении исходных |
|
|
данных? |
|
|
• |
нет, никогда |
|
|
• |
нет, но может пересчитывать при нажатии клавиш CTRL+SHIFT |
||
• |
да, всегда |
|
|
• |
да, только при нажатии клавиш CTRL+SHIFT |
||
• |
да, при выводе результатов на отдельный рабочий лист |
||
@ |
Чему |
равен |
коэффициент b парной линейной регрессии |
|
y =a +bx +ε ? |
|
|
• тангенсу угла наклона графика относительно оси OY |
|||
• |
координате пересечения графика с осью OX |
||
• |
координате пересечения графика с осью OY |
||
• |
тангенсу угла наклона графика относительно оси OX |
||
• |
экстремуму функции |
@ Метод устранения (уменьшения) мультиколлинеарности
• упорядочение переменных по возрастанию фактора
• введение в модель фиктивных переменных
• устранение временного тренда
• сглаживание временного ряда
• применение пошаговых процедур отбора наиболее информативных пе-
ременных
@ Метод скользящих средних - это...
• метод устранения (уменьшения) мультиколлинеарности в модели
• метод устранения (уменьшения) гетероскедатичности в модели
• метод устранения (уменьшения) автокорреляции в модели
• метод решения систем одновременных эконометрических уравнений
• метод механического сглаживания временного ряда
@ Нарушение какого допущения (предпосылки) регрессионного анали- за ведет к возникновению в модели мультиколлинеарности?
176
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
•постоянство дисперсии ошибок при различных значениях объясняющей переменной: D( ε ) =const
некоррелированностьi объясняющих переменных между собой:
|
r( xi , x j ) =0 , ( i ≠ j ) |
• некоррелированность ошибок разных наблюдений: |
|
• |
нормальность распределения ошибок: εi ~ N ( 0;σ 2 |
• |
несмещенность ошибок разных наблюдений: M ( εi |
)
) =0 ( i =1,2,...,n )
@Нарушение какого допущения (предпосылки) регрессионного анали- за ведет к возникновению в модели гетероскедастичности?
некоррелированность объясняющих переменных между собой:•
|
r( xi , x j ) =0 , ( i ≠ j ) |
• постоянство дисперсии ошибок при различных значениях объясняющей |
|
|
переменной: D( εi ) =const |
• |
некоррелированность ошибок разных наблюдений: r( ε i ,ε j ) =0 , ( i ≠ j ) |
• |
нормальность распределения ошибок: εi ~ N ( 0;σ 2 ) |
• |
несмещенность ошибок разных наблюдений: M ( εi ) =0 ( i =1,2,...,n ) |
@ Нарушение какого допущения (предпосылки) регрессионного анали- |
||||
|
за ведет к возникновению в модели автокорреляции остатков? |
|||
• постоянство дисперсии ошибок при различных значениях объясняющей |
||||
|
переменной: D( εi ) =const |
переменных |
между |
собой: |
• |
некоррелированность объясняющих |
|||
|
r( xi , x j ) =0 , ( i ≠ j ) |
|
|
|
• |
некоррелированность ошибок разных наблюдений: r( ε i |
,ε j ) =0 |
, ( i ≠ j ) |
|
• |
нормальность распределения ошибок: εi |
~ N ( 0;σ 2 ) |
|
|
• |
несмещенность ошибок разных наблюдений: M ( εi ) =0 ( i =1,2 |
,...,n ) |
@ Тест Голдфелда-Квандта даёт наилучшие результаты при сравнении первых m и последних m упорядоченных наблюдений из выборки размером n, если
• m ≈ n/2
• m ≈ n/5
• m - n ≈ 3
• m ≈ n/10
• m ≈ n/3
@ Положительная автокорреляция наблюдается,
177