10.Чем предопределяется выбор факторов, включаемых в модель:

1. возможностью получения исходной статистической информации;

2. невозможностью получения исходной статистической информации;

3. возможностью выявления ошибок при анализе модели.

Глава 4, пункт 4.3 «Выбор формы связи»

1. От правильности выбора формы связи зависит, насколько построенная модель будет:

1. адекватна изучаемому явлению

2. точна

3. прогнозируема

1. При определении чего важное значение имеет графический анализ зависимости между функцией и каждым её аргументов?

1. формы множественной связи

2. линейной связи

3. уравнения регрессии

2. При выборе формы связи при прочих равных условиях, какой модели отдаётся предпочтение?

1.зависящей от меньшего числа параметров

2.отвечающей наиболее важным свойствам изучаемого объекта или явления

3. зависящей от большего числа параметров

3. О чём свидетельствуют высокий коэффициент множественной корреляции и соответствующий ему коэффициент детерминации?

1. в окончательно отобранную модель включены все основные факторы и о справедливости гипотезы о линейной форме связи

2.окончательно отобранная модель является адекватной и нулевая гипотеза об отсутствие гетероскедастичности принимается

3.модель неадекватна

5. В каком случае с точки зрения F-критерия Фишера или других критериев целесообразно переходить к параболической кривой, добавляя в уравнение значения неизвестных в квадрате и парные их произведения?

1. если в результате решения полученная модель является неадекватной

2. если в результате решения полученная модель является неточной

3. невозможно установить форму связи

5. Недостаток многошагового регрессионного анализа:

1. чисто формальный характер процедуры, из-за чего из модели могут быть исключены наиболее существенные факторы

2. увеличивает возможность появление ошибок второго рода

3.нечёткое проявление тенденции развития исследуемого процесса

7. Какой показатель используется для устранения недостатка метода многошагового регрессионного анализа?

1. показатель суммы рангов

2. показатель разности рангов

3. коэффициент частной корреляции

8. От чего зависит окончательный выбор той или иной модели?

1. от опыта исследователя

2. от назначения модели

3. все ответы верны

8. Каким образом вычисляется показатель суммы рангов?

1.по результатам анкетного опроса широкого круга специалистов

2. по формуле: D`i = Rxi +R|ei|

3.при помощи МНК

8. Как называется определение формы связи изучаемого экономического показателя с выбранными факторами-аргументами?

1. спецификация

2. выбор формы связи

3 метод многошагового регрессионного анализа

Глава 4, пункт 4.4: «Отбор исходных данных»

1. Почему отбор исходных данных для корреляционного анализа необходимо производить с определённой степенью осторожности?

1. так как от данных зависит возможность построения уравнения регрессии;

2. так как данные могут привести к сложности дальнейших вычислений;

3. так как от качества и количества отобранных данных зависит ценность полученных результатов.

2. Отобранная для расчетов статистическая совокупность должна быть:

1. одновременно и достаточно мощной по объему и достаточно однородной по своему составу;

2. относительно небольшой по объему;

3. требование однородности не является обязательным условием.

3. Почему надежность корреляционных формул непосредственно зависит от количества и качества данных, используемых при расчете?

1. чем больше количество исходных данных, тем выше вероятность того, что оценки, полученные МНК, будут несмещенные, состоятельные и

Эффективные;

2. так как случайные ошибки статистических оценок определяются не только величиной их колебаемости, но и размером совокупности;

3. так как от этого зависит сложность выбора вида уравнения регрессии.

4. Среднеквадратическая ошибка коэффициента множественной корреляции определяется по формуле:

1.

2.

3.

5. Включение в расчет дополнительных данных может …

1. привести к сложности дальнейших расчетов;

2. нарушить однородность изучаемой совокупности;

3. повысить точность модели.

6. Объединение в одну совокупность предприятия существенно различных отраслей:

1. нецелесообразно;

2. целесообразно;

3. не приведет ни к каким последствиям.

7. Пространственная выборка - это…

1. сравнение работы предприятий отрасли за несколько смежных лет;

2. сравнение работы предприятий в рассматриваемой отрасли за какой - то один период времени, например, год;

3. случайная выборка.

8. В чем заключается метод «заводо - лет»?

1. данные различных лет объединяются в единую совокупность;

2. данные по предприятиям объединяются в группы по годам;

3. использование данных за один определенный год.

9. Достоинство метода «заводо - лет» состоит в том, что …

1. модель, построенная на основе такой выборки, будет иметь статический

характер;

2. модель, построенная на основе такой выборки, будет иметь динамический характер;

3. исходный статистический материал не представляет собой совокупности

независимых испытаний.

10. Что является основным источником получения необходимых исходных данных?

1. опросы, проводимые исследователем;

2. специальные обследования;

3. официальная статистическая отчетность.

Глава 4, пункт 4.5

1. В каких случаях корреляционные расчеты трудоемкие?

1) при изобилии учитываемых факторов

2) при ограниченном числе факторов

3) в случае несоответствия направления и силы влияния факторов общеэкономическим направлениям

1. Соответствие, дающее право признания адекватности модели:

1) направления и силы влияния факторов общеэкономическим представлениям

2) противоречие действия отдельного фактора и общепринятых априорных представлений

3) нет правильного ответа

2. Как проявляются в экономике простые связи?

1) простых связей не бывает

2) в тенденции, в среднем

3) оба варианта можно считать верными

3. Цель анализа корреляционных моделей состоит в:

1) выявлении соответствия полученного решения реальной действительности;

2) оценке статистической надежности;

3) нахождение путей воздействия на модель.

4. Достаточными основаниями для заключения, что модель адекватна являются:

1) правильное отражение систематических компонент;

2) практическое подтверждение, после исследований на практике;

3) полное и точное отражение моделью действительности.

5. Что, кроме нахождения параметров и коэффициентов корреляции, является решением корреляционной модели?

1) получение патента на модель;

2) применение построенной модели на практике;

3) упрощение исходной модели.

6. Что является единственным критерием истинности тех или иных формально-логических умозаключений?

1) практика

2) теоретические подтверждения

3) нет необходимости подтверждать истинность

7. О неадекватности модели свидетельствует:

1) каждое видимое противоречие между действием отдельного фактора на изучаемый результативный показатель, вытекающий из полученного уравнения, и общепринятыми априорными представлениями о характере такого действия.

2) не каждое видимое противоречие между действием отдельного фактора на изучаемый результативный показатель, вытекающий из полученного уравнения, и общепринятыми априорными представлениями о характере такого действия

3) каждое видимое противоречие между изучаемым результативным показателем и действием на него отдельного фактора

8. Экономико-математическая модель является точным отражением действительности.

1) нет

2) да

3) иногда

9. В чём заключается анализ данных, полученных при решении регрессионного уравнения?

1) в исследовании конечной модели, оценки и экономической интерпретации результатов решения

2) в исследовании модели, оценки и экономической интерпретации результатов решения

3) оценки и экономической интерпретации результатов решения

ВОПРОСЫ ДЛЯ ТЕСТОВ ПО ЭКОНОМЕТРИКЕ

1. Мультиколлениарность – это:

1. коррелированность двух или нескольких объясняющих переменных в уравнении регрессии

2. соответствие модели исследуемому объекту или явлению

3. зависимость одной случайной составляющей от другой

2. Что понимается под «совершенной мультиколлениарностью» объясняющих переменных в уравнении регрессии?

1. между факторами существует стахостическая линейная связь

2. факторы функционально связаны друг с другом

3. коэффициенты регрессии при этих переменных более надежны

3. Как определить наличие мультиколлениарности между факториальными признаками уравнения регрессии?

1. необходимо найти значения коэффициентов парной корреляции

2. необходимо найти значения коэффициентов частной корреляции

3. необходимо определить значение коэффициента множественной

детерминации

4. Какая величина характеризует предельный допустимый уровень

мультиколлениарности между факториальными признаками уравнения регрессии?

1. значение коэффициента парной корреляции равное 1

2. значение коэффициента множественной детерминации равное 0,5

3. значение коэффициента парной корреляции равное 0,8

5.Как можно устранить мультиколлениарность между факториальными признаками уравнения регрессии?

1) исключить факториальный признак вызывающий мультиколлениарность;

2) ее устранить нельзя;

3) провести дополнительные исследования;

6.Гетероскедастичность – это ….

1) явление, когда с изменением факториального признака (Х) демперсия случайной компоненты будет увеличиваться или уменьшаться, или изменяться по какому – либо другому закону;

2) это одинаковый разброс случайной компоненты;

3) это зависимость последующего значения от предыдущего;

7.Что понимается под дисперсией случайного члена уравнения регрессии?

1) это возможное поведение случайного члена до того, как сделана выборка;

2) Показывает долю изменения Y, который можно объяснить изменением включенных в модель факторов;

3) характеризует тесноту связи функции Y с аргументами X_i , при условии, что прочие не включенные в уравнение регрессии аргументы этой функцией действуют корриляционно независимо от аргумента X_i;

8.Какой вид распределений случайнойго члена уравнения регрессии характерен для гомоскедастичного случая?

1) нормальное распределение кривой;

2) гипербола;

3)парабола;

9. Гетероскедастичность случайного члена уравнения регрессии приводит :

1) с изменением факториального признака (Х) дисперсия случайной компоненты будет увеличиваться или уменьшаться, или измениться по какому – либо закону;

2) с изменением факториального признака (Х) дисперсия случайной компоненты будет возрастать;

3) с изменением факториального признака (Х) дисперсия случайной компоненты будет уменьшаться;

10. Возможный способ снижения влияния гетероскедастичность случайного члена уравнения регрессии на оценки параметров уравнения регрессии :

1) придать наблюдению с малой дисперсией больший вес, а наблюдениям с большой дисперсией меньший вес;

2) придать наблюдению с малой дисперсией меньший вес, а наблюдениям с большой дисперсией больший вес;

3) невозможно снизить влияние гетероскедастичности случайного члена уравнения регрессии на оценки параметров уравнения регрессии;

11. При выполнении теста ранговой корреляции Спирмена предполагается:

1) дисперсия случайной составляющей будет либо увеличиваться, либо уменьшаться по мере увеличения Х;

2) дисперсия случайной составляющей будет неизменной по мере увеличения Х;

3) дисперсия случайной составляющей будет либо увеличиваться, либо уменьшаться при неизменной Х;

12. Для расчета коэффициента ранговой корреляции Спирмена необходимо упорядочить:

1) данные по Х и абсолютную величину e упорядочивают по возрастанию;

2) абсолютную величину eупорядочивают по возрастанию;

3) данные по Х и абсолютную величину eупорядочивают по убыванию;

13. Расчет коэффициента ранговой корреляции Спирмена производится по формуле:

1.

2

3.

14. Тестовая статистика в тесте ранговой корреляции Спирмена определяется по формуле:

1.

2.

3.

15. Согласно тесту ранговой корреляции Спирмена нулевая гипотеза об отсутствии гетероскедастичности случайного члена уравнения регрессии будет отклонена при уровне значимости в 5 % если тестовая статистика…

1. t_р < 1,96;

2. t_р > 1,96;

3. t_р = 1,96.

16. При проведении теста Голдфелда—Квандта предполагается…

1. Что стандартное отклонение σ_εi распределения вероятности ε_i обратнопропорционально значениюxв этом наблюдении;

2. Что стандартное отклонение σ_εi распределения вероятности ε_i пропорционально значению x в этом наблюдении;

3. Случайная составляющая подвержена автокорреляции.

17. Для выполнения теста Голдфелда-Квандта имеющиеся наблюдения:

1) упорядочиваются по возрастанию Х

2) упорядочиваются по убыванию Х

3) все ответы верны.

18. В тесте Голдфелда-Квандта Нулевая гипотеза об отсутствии гетероскедостичности будет отклонена, если:

1) Fp>Fт

2) Fp<Fт

3) Fp=Fт

19. В тесте Голдфелда-Квандта рекомендуемое деление исходной выборки из 30 наблюдений на подвыборки составляет:

1) 3 части

2) 2 части

3) 6частей

20. При проведении теста Глейзера предполагается:

1) что стандартное отклонение d_i связано с изменением факториального признака соотношением d_i=a’+b’*X_i^g

2) что распределение случайной компоненты соответствует нормальному закону распределения.

3) что случайная составляющая не подвержена автокорреляции.

21. Для нахождения регрессионной зависимости, характеризующей изменение гетероскедастичности случайного члена уравнения регрессии в тесте Глейзера, используется регрессионное уравнение вида:

1. ;

2. ;

3. .

22. В тесте Глейзера нулевая гипотеза об отсутствии гетероскедастичности случайного члена уравнения регрессии будет отклонена, если в уравнении …

1. величина будет значимо отличаться от 0;

2. величина будет значимо отличаться от 0;

3. величина будет значимо отличаться от 0.

23. Для снижения влияния на оценки уравнения регрессии гетероскедастичности необходимо:

1. умножить коэффициенты уравнения регрессии на параметр, вызывающий гетероскедастичность;

2. вычесть из коэффициентов уравнения регрессии параметр, вызывающий гетероскедастичность;

3. разделить коэффициенты уравнения регрессии на параметр, вызывающий гетероскедастичность.

24. Если наличие существенно гетероскедастичности и случайного члена уравнения регрессии ранговой корреляции Спирмена или тестом Голфелда Квандта, то для снижения влияния гетероскедастичнсти на эффективность оценок уравнения регрессии можно каждое наблюдение:

1. использовать вместо переменной, пропорциональной;

1. использовать вместо переменной, пропорциональной;

2. использовать вместо переменной, пропорциональной.

25. Если наличие существенной гетероскедастичности случайного члена уравнения регрессии подтверждено тестом Глейзера то для снижения влияния гетероскедастичности на эффективность оценок уравнения регрессии необходимо:

1) в качестве Ziвзять

2) в качестве Ziвзять

3)в качестве Zi взять

27. Автокорреляция случайного члена уравнения регрессии – это…

1)зависимость одного члена уравнения от другого.

2)зависимость всех членов уравнения от случайной компоненты

3)зависимость не включенных в модель факторов.

28. Автокорреляция случайного члена уравнения регрессии приводит к тому, что оценки уравнения регрессии становятся:

1) эффективными, стандартные ошибки коэффициентов регрессии увеличиваются

2)не эффективными, стандартные ошибки коэффициентов регрессии занижаются.

3)отрицательными.

29. Причиной положительной автокорреляции случайного члена уравнения регрессии обычно является:

1) постоянная направленность воздействия включенных в уравнение регрессии каких-либо факторов.

2)увеличение интервала наблюдения.

3)постоянная направленность воздействия не включенного в уравнение регрессии какого-либо фактора

30. Уравнение,отражающее авторегрессионную схему первого порядка для автокорреляции случайного члена, имеет вид:

1) ;

2) ;

3) .

31. Оценку коэффициента автокорреляции случайного члена уравнения регрессии из авторегрессионной схемы первого порядка можно осуществить по формуле:

1) ;

2) ;

3) .

32. Расчетное значение d – критерия статистики Дарбина - Уотсона определяется по формуле:

1) ;

2) ;

3) .

33. Значение d – критерия статистики Дарбина – Уотсона в больших выборках связано с коэффициентом автокорреляции случайного члена уравнения регрессии следующим соотношением:

1) ;

2) ;

3) .

№ 34

Почему нельзя составить таблицу с указаниями точных критериев значений Dкритерия статистики Дарбина – Уотсона?

1) Критическое значение DW зависит от количества объясняющих переменных в уравнении регрессии и от количества наблюдений,зависит еще и от конкретных значений, принимаемых объясняющими переменными.

2)т.к. Dкритерий не зависит от масштаба наблюдений

3) такую таблицу можно составить

№ 35

В каком случае нельзя отключить нулевую гипотезу об отсутствии автокорреляции случайного члена уравнения регрессии?

1) если d<d_крит

2)если d≥d_крит то нельзя отклонить и ошибки будут некоррелированы

3) в любом случае можно

№ 36

По какой формуле пересчитывается значение Dкритерия статистики Дарбина – Уотсона при отрицательной автокорреляции случайного члена уравнения регрессии?

1)в больших выборках при отрицательной автокорреляции ρ=-1 и d_ρ≈2-2ρ

2) при отрицательной автокорреляции ρ=1 и d_ρ≈2-4ρ

3) в больших выборках при отрицательной автокорреляции ρ=0 и d_ρ≈2-2ρ

№ 37

Как устранить автокорреляцию случайного члена уравнения регрессии, если она описывается авторегрессионной схемой 1 ого порядка?

1)привести её к виду y’_t= α*c + β*x’_t + μ_t

2)методом Кокрана-Оркатта

3)методом Хилдрета -Лу

38. Для чего используется поправка Прайса-Уинстена?

1) для преобразования модели таким образом, чтобы оценки были несмещенными;

2) для диагностики автокорреляции;

3) для преобразования модели таким образом, чтобы остатки были некоррелированы.

39. Поправка Прайса-Уинстена равна:

1)

2) ;

3)

40. Для одновременной оценки коэффициента корреляции случайного члена уравнения регрессии и коэффициентов самого уравнения регрессии применяются методы:

1) МНК, КМНК, ДМНК;

2) метод Спирмена, метод Голдфилда-Квандта, метод Глейзера;

3) метод Кохрейна-Оркатта, метод Хилдрета-Лу, метод Дарбина.

41. Метод Кохрейна-Оркатта, используемый для оценки коэффициентов автокорреляции и коэффициентов уравнения регрессии включает следующие этапы:

1) 1. оцениваем исходное регрессионное уравнение, т.е. находим оценки;

2. вычисляем остатки

3. находим оценку коэффициента автокорреляции

4. используя данную оценку находим уравнение, где автокорреляция устранена

5. проводим определение параметров полученного уравнения и находим новые значения оценок

6. повторно вычисляем остатки и фактически возвращаемся к этапу 3

2) 1. оцениваем исходное регрессионное уравнение, т.е. находим оценки;

2. вычисляем остатки

3. оцениваем адекватность и точность модели;

3) 1. оцениваем исходное регрессионное уравнение, т.е. находим оценки;

2. вычисляем остатки

3. находим d-критерий

4. используя d-критерий определяем наличие автокорреляции

5. находим оценку коэффициента автокорреляции

6. используя данную оценку находим уравнение, где автокорреляция устранена

7. проводим определение параметров полученного уравнения и находим новые значения оценок

8. повторно вычисляем остатки и фактически возвращаемся к этапу 3.