Тесты для самоконтроля
1. Временной ряд – это:
1) последовательность лет |
3) совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени (верно) |
2) значение какого-либо показателя за определенный период времени |
4) значение какого-либо показателя в определенный момент времени |
2. Тенденция временного ряда может быть
1) только возрастающей |
3) возрастающей или убывающей (верно) |
2) только убывающей |
4) сначала возрастающей, потом убывающей |
3. Тенденция отражает влияние
1) совокупного долговременного воздействия множества факторов на динамику изучаемого показателя (верно) |
3) воздействия случайных факторов на динамику изучаемого показателя |
2) воздействия определенного фактора на динамику изучаемого показателя |
4) воздействия циклических колебаний на динамику изучаемого показателя |
4. Циклическая компонента временного ряда может быть обусловлена влиянием
1) множества факторов на динамику изучаемого показателя |
3) случайных факторов на динамику изучаемого показателя |
2) длительных циклических колебаний (верно) |
4) сезонных колебаний на динамику изучаемого показателя (верно) |
5. Какая из моделей временного ряда является аддитивной, если:
Т – тренд;
S – циклическая компонента;
E – случайная компонента.
1) Yt=T+S·E |
3) Yt=T+S+E (верно) |
2) Yt=T·S·E |
4) Yt=T/S+E |
6. Какие компоненты временного ряда:
Т – тренд;
S – циклическая компонента;
E – случайная компонента
– являются закономерными, неслучайными ?
1) только T |
3) только S |
2) T и S (верно) |
4) T и Е |
7. Значения временного ряда уt
1) являются неслучайными величинами |
3) нельзя рассматривать ни в качестве случайных ни в качестве неслучайных величин |
2) являются случайными величинами (верно) |
4) неизвестные исследователю величины |
8. Корреляционную зависимость между последовательными уровнями временного ряда называют
1) автокорреляцией (верно) |
3) гетероскедастичностью |
2) мультиколлинеарностью |
4) мультипликатором временного ряда |
9. Коэффициент автокорреляции второго порядка определяется по формуле:
1)
|
3)
|
2)
|
4)
|
(верно)
10. Для обеспечения статистической достоверности лаг при расчете коэффициента автокорреляции уровней ряда (t=1,2…n) должен быть
1) ≤ п / 2 |
3) ≤ п / 4 (верно) |
2) ≥ п / 4 |
4) ≥ п / 2 |
11. График зависимости величины коэффициента автокорреляции от лага называют
1) автокорреляционной функцией |
3) коррелограммой (верно) |
2) полем корреляции |
4) диаграммой |
12. Если ряд динамики содержит только тенденцию и циклическую компоненту, то его график
1)
|
3)
|
2)
|
4)
|
(верно)
13. Если ряд динамики содержит только тенденцию и случайную компоненту, то его график
1) (верно) |
3)
|
2) |
4)
|
14. Если при построении уравнения регрессии по данным временных рядов при высоком коэффициенте детерминации присутствует автокорреляция уровней (значений) в рядах динамики, то
1) уравнение регрессии отражает реальные связи между переменными |
3) присутствует сложная корреляция между переменными |
2) присутствует ложная корреляция между переменными (верно) |
4) предпосылки МНК не нарушаются |
15. Методами исключения тенденции являются:
1) включение в модель регрессии фактора времени (верно) |
3) метод последовательных разностей (верно) |
2) метод отклонений от тренда (верно) |
4) метод Гольдфельда-Квандта |
16. Автокорреляция в остатках наблюдается, если
1) остатки содержат тенденцию (верно) |
3) остатки содержат сезонность (верно) |
2) остатки распределены в соответствии с законом нормального распределения |
4) остатки распределены случайно |
17. Возможные причины автокорреляции остатков:
1) в модель включен фактор, оказывающий существенное воздействие на результат |
3) в модель не включен фактор, оказывающий существенное воздействие на результат (верно) |
2) модель не учитывает влияние нескольких второстепенных факторов, совместное влияние которых не существенно |
4) автокорреляция остатков может заключаться в неверной функциональной спецификации модели (верно) |
18. Для выявления автокорреляции в рядах динамики используется тест
1) Гольдфельда-Квандта |
3) Дарбина-Уотсона (верно) |
2) F-тест |
4) t-тест |
19. Если в предыдущий момент времени увеличение остатка приводит к его росту в последующий момент, то
1) присутствует ложная автокорреляция |
3) присутствует положительная автокорреляция (верно) |
2) присутствует отрицательная автокорреляция |
4) автокорреляция остатков отсутствует |
20. Если в момент времени tm (t=1,2…n) ряда динамики был серьезный экономический кризис, то выявить тенденцию развития уровня безработицы, можно путем
1) построения тренда за весь период (t=1,2…n) |
3) построения линейного тренда |
2) моделирования тенденции отдельно по подпериодам: от 1 до m и от m+1 до n (верно) |
4) построения степенного тренда |