Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
тесты / Эконометрика.doc
Скачиваний:
51
Добавлен:
26.02.2016
Размер:
175.1 Кб
Скачать

Автономная некоммерческая организация

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

ЦЕНТРОСОЮЗА РОССИЙСКОЙ ФЕДЕРАЦИИ

«РОССИЙСКИЙ УНИВЕРСИТЕТ КООПЕРАЦИИ»

Казанский кооперативный институт (филиал)

О.А.Тихонова

Эконометрика тестовые задания

для студентов по специальностям 080109.65 «Бухгалтерский учет, анализ и аудит»; 080105.65 «Финансы и кредит»

Казань

2010

Тихонова О.А.. Эконометрика: Тестовые задания. - Казань: Казанский кооперативный институт, 2010. – 39с.

Тестовые задания по дисциплине «Эконометрика» для проверки остаточных знаний студентов по специальностям 080109.65 «Бухгалтерский учет, анализ и аудит»; 080105.65 «Финансы и кредит» составлены Тихоновой О.А., старшим преподавателем кафедры «Инженерно-технические дисциплины и сервис» Казанского кооперативного института, в соответствии с требованиями по подготовке специалистов по специальностям 080109.65 «Бухгалтерский учет, анализ и аудит»; 080105.65 «Финансы и кредит» и инструкцией по разработке аттестационных педагогических измерительных материалов.

Рецензент: к.ф-м.н., доцент З.Э. Хайруллин

Тестовые задания:

согласованы с кафедрой «Бухгалтерский учет, анализ и аудит»

Зав. кафедрой М.Н. Хабриева

«10» сентября 2010 г.

обсуждены и рекомендованы к изданию решением кафедры «Инженерно-технические дисциплины и сервис» от 07.10.2010 г., протокол №2

Зав. кафедрой Э.А. Гатина

одобрены Методическим советом института от 07.10.2010 г., протокол №3

Председатель З.Н. Мирзагалямова

©Казанский кооперативный институт (филиал) Российского университета кооперации, 2010

©Тихонова О.А., 2010

S: Эконометрика – это …

+: наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов

-: раздел экономической теории, связанный с анализом статистической информации

-: специальный раздел математики, посвященный анализу экономической информации

-: наука, которая осуществляет качественный анализ взаимосвязей экономических явлений и процессов

I:

S: Термин эконометрика был введен:

+: Фришем

-: Марковым

-: Тинбергеном

-: Фишером

I:

S: Значения экономических параметров, характеризующих различные экономические объекты в данный или один и тот же момент времени принято называть:

+: пространственными данными

-: временными данными или рядами

I:

S: Значения экономических параметров, характеризующих один и тот же экономический объект в различные моменты времени принято называть:

-: пространственными данными

+: временными данными или рядами

I:

S: Внешние по отношению к рассматриваемой экономической модели переменные называются:

-: эндогенные

+: экзогенные

-: лаговые

-: интерактивные

I:

S: Переменные, значения которых формируются внутри самой модели и являются объясняемыми, называются:

+: эндогенными

-: экзогенными

-: лаговыми

-: предопределенными

I:

S: Переменные, значения которых датированы предыдущими моментами времени, называются:

-: эндогенными

-: экзогенными

+: лаговыми

-: предопределенными

I:

S: Переменные, значения которых известны к моменту моделирования, называются:

-: эндогенными

-: экзогенными

-: лаговыми

+: предопределенными

I:

S: К классу предопределенных переменных не относят:

-: лаговые эндогенные

-: лаговые экзогенные

+: текущие эндогенные

-: текущие экзогенные

I:

S: Выберите правильную последовательность.

Этапы построения эконометрической модели:

  1. оценка параметров модели (параметризация)

  2. спецификация модели (выбор формы модели)

  3. проверка адекватности модели

  4. сбор статистической информации об объекте исследования

+: 2,4,1,3

-: 1,2,3,4

-: 2,4,3,1

-: 3,2,4,1

I:

S: Под верификацией модели понимается:

-: спецификация модели (выбор формы модели)

-: оценка параметров модели (параметризация)

-: сбор статистической информации об объекте исследования

+: проверка адекватности модели

I:

S: Под параметризацией (настройкой) модели понимается:

-: спецификация модели

+: оценка параметров модели

-: сбор статистической информации об объекте исследования

-: проверка адекватности модели

I:

S: Выбор списка переменных модели и типа взаимосвязи между ними выполняется на этапе:

+: спецификации

-: оценки параметров

-: сбора статистической информации об объекте исследования

-: проверка адекватности

I:

S: Статистический анализ модели (статистическое оценивание её параметров) относится к этапу:

-: априорному

-: информационному

+: идентификации

-: верификации

I:

S: Метод наименьших квадратов может применяться в случае

-: только парной регрессии

-: только множественной регрессии

+: нелинейной и линейной множественной регрессии

-: коллинеарной регрессии

I:

S: Метод наименьших квадратов используется для оценивания

+: параметров линейной регрессии

-: величины коэффициента корреляции

-: величины коэффициента детерминации

-: средней ошибки аппроксимации

I:

S: Параметры модели линейной парной регрессии y=a+bx могут быть найдены

-: методом скользящей средней

+: методом наименьших квадратов

-: методом аналитического выравнивания

I:

S: Модель линейной парной регрессии имеет вид y=-5.79+36.84x, коэффициент регрессии в такой модели равен:

-: -5.79

+: 36.84

-: 0.6

I:

S: Модель линейной парной регрессии имеет вид y=1.9+0.65x, коэффициент регрессии в такой модели равен:

-: 1.9

+: 0.65

-: 0.55

I:

S: Модель линейной парной регрессии имеет вид y=3.4+2.986x, коэффициент регрессии в такой модели равен:

-: 3.4

+: 2.986

-: 0.986

I:

S: Величина коэффициента регрессии показывает …

+: среднее изменение результата при изменении фактора на одну единицу

-: характер связи между фактором и результатом

-: тесноту связи между фактором и результатом

-: тесноту связи между исследуемыми факторами

I:

S: В зависимости от типа взаимосвязи между эндогенной переменной и экзогенной регрессионные модели подразделяются на:

+: линейные и нелинейные

-: парные и множественные

I:

S: В зависимости от количества экзогенных переменных в модели их подразделяются на:

-: линейные и нелинейные

+: парные и множественные

-: статические и динамические

-: стационарные и нестационарные

I:

S: Выбрать правильный ответ.

Независимые переменные в регрессионных моделях называются:

-: откликами

-: возмущениями

+: регрессорами

-: остатком

I:

S: Оценка случайного возмущения называется:

+: остатком

-: откликом

-: регрессором

I:

S: Выбрать правильный ответ.

Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, может иметь вид:

+: Y=a+bX

-: Y=a+bX2

-: Y=a+b1X1+b2X2

I:

S: Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, не может иметь вид:

-:Y=a+bX

+: Y=a+bX2

-: Y= bX

I:

S: Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, может иметь вид:

-: Y=a+bX2

+: Y=a+bX

-: Y=a+b1X1+b2X2

-: Y=a+ b/X

I:

S: Уравнение линейной парной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, не может иметь вид:

+: Y=a+bX2

-: Y=a+bX

-: Y= bX

I:

S: Какое из уравнений соответствует уравнению модели линейной парной регрессии?

+: y=a+bx

-: y=a+b1x1+b2x2+

-: y=a+b/x+

-: y=a+b1x+b2x2+

I:

S: Примером линейной зависимости экономических показателей является

-: классическая гиперболическая зависимость спроса от цены

+: зависимость зарплаты рабочего от его выработки при сдельной оплате труда

-: зависимость объема продаж от недели реализации

I:

S: Примером линейной зависимости экономических показателей является

+: зависимость стоимости квартиры от ее площади

-: зависимость зарплаты рабочего от номера месяца в течение года

-:зависимость объема продаж от недели реализации

V2: Модель линейной множественной регрессии

I:

S: Уравнение линейной множественной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, может иметь вид:

-: Y=a+bX

-: Y=a+bX2

+: Y=a+b1X1+b2X2

-: Y= bX

I:

S: Уравнение линейной множественной регрессии между зависимой переменной Y и независимой переменной X, где a, b – параметры модели, не может иметь вид:

+: Y=a+b1X12+b2X23

-: Y=a+b1X1+b2X2

-: Y=a+b1X1+b2X2+b3X3

I:

S: Какое из уравнений соответствует модели линейной множественной регрессии?

-: y=a+bx

+: y=a+b1x1+b2x2+

-: y=a+b1x+b2x2+

I:

S: Какие из уравнений не соответствуют модели линейной множественной регрессии?

-: y= a+b1x1+b2x2+b3x3+

-: y=a+b1x1+b2x2+

+: y=a+b1x+b2x2+

I:

S: Нелинейным является уравнение регрессии нелинейное относительно входящих в него

+: переменных(факторов)

-: результатов

-: параметров

-: случайных величин

I:

S: Примером нелинейной зависимости экономических показателей является

+: классическая гиперболическая зависимость спроса от цены

-: линейная зависимость выручки от величины оборотных средств

-: зависимость объема продаж от недели реализации

-: линейная зависимость затрат на производство от объема выпуска продукции

I:

S: Линеаризация нелинейной модели регрессии может быть достигнута:

-: отбрасыванием нелинейных переменных

-: перекрестной суперпозицией переменных

+: преобразованием анализируемых переменных

-: сглаживанием переменных

I:

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+bx3:

-: путем дифференцирования

-: путем логарифмирования

+: путем замены переменных

-: путем потенцирования

I:

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+blnx:

-: путем дифференцирования

-: путем логарифмирования

+: путем замены переменных

-: путем потенцирования

I:

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=a+b/x:

-: путем дифференцирования

-: путем логарифмирования

+: путем замены переменных

-: путем потенцирования

I:

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аbx

-: путем дифференцирования

+: путем логарифмирования

-: путем замены переменных

-: путем потенцирования

I:

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y= аxb:

-: путем дифференцирования

+: путем логарифмирования

-: путем замены переменных

-: путем потенцирования

I:

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аebx:

-: путем дифференцирования

+: путем логарифмирования

-: путем замены переменных

-: путем потенцирования

I:

S: К линейному уравнению нельзя привести следующий вид модели

+: y=a+bxC

-: y=a+b1x1+b2x2+

-: y=a+b/x+

-: y=a+b1x+b2x2+

I:

S: Теснота статистической связи между переменной у и объясняющими переменными Х измеряется:

-: t-критерием Стьюдента

-: коэффициентом детерминации

+: коэффициентом корреляции

-: F-критерием Фишера

I:

S: Коэффициент парной линейной корреляции характеризует:

+: тесноту линейной связи между двумя переменными

-: тесноту нелинейной связи между двумя переменными

-: тесноту линейной связи между несколькими переменными

-: тесноту нелинейной связи между несколькими переменными

I:

S: Корреляция подразумевает наличие связи между

+: переменными

-: параметрами

-: случайными факторами

-: результатом и случайными факторами

I:

S : К оэффициент корреляции для модели линейной парной регрессии может быть рассчитан по формуле:

-:

- : R=(rxy)2

+:

I:

S: Линейный коэффициент корреляции rxy может принимать значения в диапазоне:

-: (-1; 1)

-: [0; 1]

+: [-1; 1]

-: [-1.1; 1]

I:

S: Линейный коэффициент корреляции rxy не может принимать значения в диапазоне:

+: (-2; 1)

-: [0; 1]

-:[-1; 1]

-: [-0.1; 1]

I:

S: Линейный коэффициент корреляяции rxy может принимать значения в диапазоне:

-: (-1; 1.1)

-: [0; 1.5]

-: [0; 2]

+: [-1; 1]

I:

S: Линейный коэффициент корреляции rxy может принимать значения в диапазоне:

-: [0; 1.5]

-: [0; 1.1]

+: [-1; 1]

-: [-0.5; 1.5]

I:

S: Линейный коэффициент корреляции rxy может принимать значения только в диапазоне:

-: [-1; 1.5]

-: [-1.1; 1]

-: [-1.1; 1]

+: [-1; 1]

I:

S: Линейный коэффициент корреляции rxy не может принимать значение равное:

-: 0.5

-: 0.99

-: -0.5

+: 1.2

I:

S: Линейный коэффициент корреляции rxy не может принимать значение равное:

-: 0.5

-: 0.99

+: 1.05

-: 1

I:

S: Линейный коэффициент корреляции rxy не может принимать значение равное:

-: 0.6

-: 0.01

+: -1.05

-: 1

I:

S: Линейный коэффициент корреляции rxy может принимать значение равное:

-: -1.1

+: 0.99

-: 1.05

-: 1.2

I:

S: Линейный коэффициент корреляции rxy может принимать значение равное:

-: -1.35

+: -0.99

-: 1.05

-: 1.001

V2:

I:

S: Корреляционная связь между переменными X и Y считается тесной, если коэффициент корреляции принимает следующие значения:

-: rxy=0;

-: 0<rxy0.3

-: 0.3<rxy0.7

+: 0.7<rxy<1

-: rxy=1

I:

S: Корреляционная связь между переменными X и Y считается умеренной, если коэффициент корреляции принимает следующие значения:

-: rxy=0;

-: 0<rxy0.3

+: 0.3<rxy0.7

-: 0.7<rxy<1

-: rxy=1

I:

S: Корреляционная связь между переменными X и Y считается слабой, если коэффициент корреляции принимает следующие значения:

-: rxy=0;

+: 0<rxy0.3

-: 0.3<rxy0.7

-: 0.7<rxy<1

-: rxy=1

I:

S: Корреляционная связь между переменными X и Y считается линейной функциональной, если коэффициент корреляции принимает следующие значения:

-: rxy=0;

-: 0<rxy0.3

-: 0.3<rxy0.7

-: 0.7<rxy<1

+: rxy=1

I:

S: Корреляционная связь между переменными X и Y отсутствует, если коэффициент корреляции принимает следующие значения:

-: rxy=0;

-: 0<rxy0.3

-: 0.3<rxy0.7

+: 0.7<rxy<1

-: rxy=1

I:

S: Коэффициент детерминации R является показателем

-: тесноты связи между переменными X и Y

+: качества построенной модели

-: адекватности модели исходным фактическим данным

-: статистической значимости модели

I:

S: Коэффициент детерминации рассчитывается для оценки качества

+: подбора уравнения регрессии

-: параметров уравнения регрессии

-: мультиколлинеарных факторов

-: факторов, не включенных в уравнение регрессии

I:

S: Качество построенной модели парной регрессии может быть измерено:

-: t-критерием Стьюдента

+: коэффициентом детерминации

-: коэффициентом корреляции

-: F-критерием Фишера

I:

S: Коэффициент детерминации для модели линейной парной регрессии может быть рассчитан по формуле:

-:

+: R=(rxy)2

-:

I:

S: Линейный коэффициент детерминации R может принимать значения в диапазоне:

-: (-1; 1)

+: [0; 1]

-: [-1; 1]

-: [-1.1; 1]

I:

S: Линейный коэффициент детерминации R не может принимать значения в диапазоне:

+: (1; 1.5)

-: [0; 1]

-: [0; 0.99]

-: [0.1; 1]

I:

S: Линейный коэффициент детерминации R может принимать значения в диапазоне:

-: (-1; 1)

-: [0; 1.5]

+: [0; 1]

-: [-1.1; 1]

I:

S: Линейный коэффициент детерминации R может принимать значения в диапазоне:

+: [0; 1]

-: [0; 1.1]

-: [-1; 1]

-: [-0.5; 1]

I:

S: Линейный коэффициент детерминации R может принимать значения только в диапазоне:

-: [-1; 1]

-: [-1.1; 1]

-: [-1; 1]

+: [0; 1]

I:

S: Линейный коэффициент детерминации R не может принимать значение равное:

-: 0.5

-: 0.99

+: -0.5

-: 1

I:

S: Линейный коэффициент детерминации R не может принимать значение равное:

-: 0.5

-: 0.99

+: 1.05

-: 1

I:

S: Линейный коэффициент детерминации R не может принимать значение равное:

-: 0.6

-: 0.01

+: -1.05

-: 1

I:

S: Линейный коэффициент детерминации R может принимать только значение равное:

-: -0.5

+: 0.99

-: 1.05

-: 1.2

I:

S: Линейный коэффициент детерминации R может принимать только значение равное:

+: 0.35

-: -0.99

-: 1.05

-: 1.001

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.5

-: 0.5

+: 0.25

-: 0.5

-: 0.25

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.3

-: 0.3

+: 0.09

-: 0.3

-: 0.09

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.4

-: 0.4

+: 0.16

-: 0.4

-: 0.16

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.25

+: 0.0625

-: 0.625

-: 0.5

-: 0.25

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.6

+: 0.36

-: 0.36

-: 0.6

-: 0.24

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.7

-: 0.07

-: 0.49

+: 0.49

-: 0.7

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.7

-: 0.07

-: 0.49

+: 0.49

-: 0.7

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.8

+: 0.64

-: 0.64

-: 0.8

-: 0.8

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.9

-: 0.81

+: 0.81

-: 0.9

-: 0.9

I:

S: Определить коэффициент детерминации линейной двухфакторной модели, если известно, что коэффициент корреляции rxy= 0.65

-: 0.65

-: 0.65

+: 0.4225

-: 0.125

I:

S: Тенденция (Тренд) временного ряда характеризует совокупность факторов,

+: оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя

-: оказывающих сезонное воздействие

-: оказывающих единовременное влияние

-: не оказывающих влияние на уровень ряда

I:

S: Плавно меняющаяся компонента временного ряда, отражающая влияние на экономические показатели долговременных факторов, называется:

+: трендом

-: сезонной компонентой

-: циклической компонентой

-: случайной компонентой

I:

S: Компонента временного ряда, которая отражает колебания экономических показателей с периодом равным одному году, называется:

-: трендом

+: сезонной компонентой

-: циклической компонентой

-: случайной компонентой

I:

S: Компонента временного ряда, которая отражает колебания экономических показателей с периодами длиной в несколько лет, называется:

-: трендом

-: сезонной компонентой

+: циклической компонентой

-: случайной компонентой

I:

S: Компонента временного ряда, которая отражает влияние не поддающихся учету и регистрации случайных факторов, называется:

-: трендом

-: сезонной компонентой

-: циклической компонентой

+: случайной компонентой

I:

S: Временной ряд называется стационарным, если

+: среднее значение членов ряда постоянно

-: члены ряда образуют арифметическую прогрессию

-: члены ряда образуют геометрическую прогрессию

-: среднее значение членов ряда постоянно растет

I:

S: Временной ряд является нестационарным, если:

-: среднее значение его членов постоянно

-: его случайная составляющая зависит от времени

-: его члены не зависят от времени

+: его неслучайная составляющая зависит от времени

I:

S: В стационарном временном ряде трендовая компонента

+: отсутствует+

-: присутствует

-: имеет линейную зависимость от времени

-: имеет нелинейную зависимость от времени

I:

S: В аддитивной модели временного ряда его основные компоненты

-: перемножаются

-: логарифмируются

+: складываются

-: закономерные компоненты перемножаются, а случайная - складывается

I:

S: В мультипликативной модели временного ряда его основные компоненты

-: логарифмируются

+: перемножаются

-: складываются

-: закономерные компоненты перемножаются, а случайная - складывается

I:

S: В мультипликативно-аддитивной модели временного ряда его основные компоненты

-: логарифмируются

-: перемножаются

-: складываются

+: закономерные компоненты перемножаются, а случайная - складывается;

I:

S: Временной ряд записан в следующем виде: Y=T+S+C+E, выберите вид соответствующей модели:

-: регрессионная модель

-: мультипликативная модель

-: мультипликативно-аддитивная модель

+: аддитивная модель

I:

S: Временной ряд записан в следующем виде: Y=TSCE, выберите вид соответствующей модели:

-: регрессионная модель

+: мультипликативная модель

-: мультипликативно-аддитивная модель

-: аддитивная модель

I:

S: Временной ряд записан в следующем виде: Y=TSC+E, выберите вид соответствующей модели:

-: регрессионная модель

-: мультипликативная модель

+: мультипликативно-аддитивная модель

-: аддитивная модель

I:

S: Какой из методов используется при вычислении сезонной компоненты временного ряда:

-: метод укрупнения интервалов

+: метод скользящей средней

-: метод экспоненциального сглаживания

I:

S: Какие методы используются при моделировании тренда временного ряда?

+: метод укрупнения интервалов

+: метод скользящей средней

+: метод аналитического выравнивания

-: графический метод

I:

S: Какой метод не используется при моделировании тренда временного ряда?

-: метод укрупнения интервалов

-: метод скользящей средней

-: метод аналитического выравнивания

+: графический метод

I:

S: Система одновременных уравнений может быть записана в виде:

+: структурной формы

-: функциональной формы

+: приведенной формы

-: обобщенной формы

I:

S: Набор взаимосвязанных регрессионных моделей, в которых одни и те же переменные могут одновременно быть эндогенными в одних уравнениях и экзогенными в других уравнениях называется:

-: системой рекурсивных уравнений

-: системой независимых уравнений

+: системой одновременных уравнений

-: системой уравнений с фиксированным набором факторов

I:

S: Система уравнений, в которой каждая зависимая переменная (уj) рассматривается как функция одного и того же набора факторов (хi), при этом каждое уравнение системы может рассматриваться самостоятельно, называется:

-: системой рекурсивных уравнений

+: системой независимых уравнений

-: системой одновременных уравнений

-: системой уравнений с фиксированным набором факторов

I:

S: Система уравнений, в которой зависимая переменная у включает в каждое последующее уравнение в качестве факторов все зависимые переменные из предшествующих уравнений наряду с набором собственных факторов х. (Каждое уравнение этой системы можно рассматривать самостоятельно, каждая зависимая переменная (уj) рассматривается как функция одного и того же набора факторов (хi)) называется:

+: системой рекурсивных уравнений

-: системой независимых уравнений

-: системой одновременных уравнений

-: системой уравнений с фиксированным набором факторов

I:

S: Система уравнений, в которой одни и те же зависимые переменные в одних уравнениях входят в левую часть, а в других уравнениях – в правую часть системы:

-: системой рекурсивных уравнений

-: системой независимых уравнений

+: системой одновременных уравнений

-: системой уравнений с фиксированным набором факторов

I:

S: Форма записи эконометрической модели в виде:

y1=11x1+12x2+1

y2=21x1+22x2+2

называется

-: структурной формой

+: приведенной формой

-: редуцированной формой

-: нормальной формой

I:

S: В правой части приведенной формы системы одновременных уравнений могут стоять только…….. переменные

+: экзогенные

-: лаговые

-: эндогенные

-: нелаговые

I:

S: Форма записи эконометрической модели в виде:

y1=a11x1+ a12x2+b12y2+1

y2= a21x1+ a22x2+b21y1+2

называется

+: структурной формой;+

-: приведенной формой;

-: редуцированной формой;

-: нормальной формой;

I:

S: В левой части структурной формы системы одновременных уравнений могут стоять только…….. переменные

-: экзогенные

-: лаговые

+: эндогенные

-: нелаговые

I:

S: Ниже приводится макроэкономическая модель:

Функция потребления: Ct=a0 +a1Yt+a2Yt-1 +u1

Функция инвестиций: It= b0+b1Yt+u2

Тождество дохода: Yt=Ct+It+Gt,

где Ct, - расходы на конечное потребление в период t;

Yt, Yt-1 – доход в годы t и t-1;

It- валовые инвестиций в году t;

Gt – государственные расходы году t;

u1, u2 – случайные ошибки.

Определить количество эндогенных (зависимых) переменных в модели:

-: 2;

+: 3;+

-: 4;

-: 7;

I:

S: Ниже приводится макроэкономическая модель:

Функция потребления: Ct=a0 +a1Yt+a2Yt-1 +u1

Функция инвестиций: It= b0+b1Yt+u2

Тождество дохода: Yt=Ct+It+Gt,

где Ct, - расходы на конечное потребление в период t;

Yt, Yt-1 – доход в годы t и t-1;

It- валовые инвестиций в году t;

Gt – государственные расходы году t;

u1, u2 – случайные ошибки.

Определить количество экзогенных (независимых) переменных в модели:

+: 2

-: 3

-: 4

-: 7

I:

S: Ниже приводится макроэкономическая модель:

Функция денежного рынка: Rt=a0 +a1Yt+a2Mt +u1

Функция товарного рынка: Yt= b0+b1Rt+ b2Gt +u2

Функция инвестиций: It= c0+c1Rt + u3,

где Rt – процентная ставка в период t;

Yt – реальный валовый национальный доход в период t;

It- внутренние инвестиции в году t;

Mt- денежная масса в период t;

Gt – государственные расходы году t;

u1, u2, u3– случайные ошибки.

Определить количество эндогенных (зависимых) переменных в модели:

-: 2

+: 3

-: 4

-: 7

I:

S: Ниже приводится макроэкономическая модель:

Функция денежного рынка: Rt=a0 +a1Yt+a2Mt +u1

Функция товарного рынка: Yt= b0+b1Rt+ b2Gt +u2

Функция инвестиций: It= c0+c1Rt + u3,

где Rt – процентная ставка в период t;

Yt – реальный валовый национальный доход в период t;

It- внутренние инвестиции в году t;

Mt- денежная масса в период t;

Gt – государственные расходы году t;

u1, u2, u3– случайные ошибки.

Определить количество экзогенных (независимых) переменных в модели:

+: 2

-: 3

-: 4

-: 7

I:

S: Ниже приводится макроэкономическая модель, характеризующая спрос на продукцию:

Qt=a0 +a1Yt +u1

Ct= b0+b1Yt +u2

It=c0+c1(Yt-1-Kt-1)+u3

Yt=Ct+It

Kt=Kt-1+It

где Qt –реализованная продукция в период t;

Yt, Yt-1 –валовая добавленная стоимость в периоды t и t-1;

It – валовые инвестиции в регион в году t;

Kt, Kt-1 – реальный запас капитала в регионе на конец периода t и t-1;

u1, u2, u3, – случайные ошибки

Определить количество эндогенных (зависимых) переменных в модели:

-: 3

-: 4

+: 5

-: 7

I:

S: Ниже приводится макроэкономическая модель, характеризующая спрос на продукцию:

Qt=a0 +a1Yt +u1

Ct= b0+b1Yt +u2

It=c0+c1(Yt-1-Kt-1)+u3

Yt=Ct+It

Kt=Kt-1+It

где Qt –реализованная продукция в период t;

Yt, Yt-1 –валовая добавленная стоимость в периоды t и t-1;

It – валовые инвестиции в регион в году t;

Kt, Kt-1 – реальный запас капитала в регионе на конец периода t и t-1;

u1, u2, u3, – случайные ошибки

Определить количество экзогенных (независимых) переменных в модели:

-: 7

-: 4

-: 5

+: 2

I:

S: Ниже приводится макроэкономическая модель спроса и предложения кейнсианского типа:

QtS=a0 +a1Pt + a2Pt-1 +u1 (предложение)

Qtd= b0+b1Pt + b2Pt + b3Yt +u2 (спрос)

QtS=Qtd (тождество)

где Qtd –спрос на товар в период t;

QtS предложение товара в момент t;

Рt –цена товара в моменты t и t-1;

Уt –доход в момент t;

u1, u2– случайные ошибки.

Определить количество эндогенных (зависимых) переменных в модели:

+: 2

-: 4

-: 5

-: 7

I:

S: Ниже приводится макроэкономическая модель спроса и предложения кейнсианского типа:

QtS=a0 +a1Pt + a2Pt-1 +u1 (предложение)

Qtd= b0+b1Pt + b2Pt + b3Yt +u2 (спрос)

QtS=Qtd (тождество)

где Qtd –спрос на товар в период t;

QtS предложение товара в момент t;

Рt –цена товара в моменты t и t-1;

Уt –доход в момент t;

u1, u2– случайные ошибки.

Определить количество экзогенных (независимых) переменных в модели:

+: 2

-: 4

-: 5

-: 7

I:

S: Ниже приводится макроэкономическая модель, характеризующая денежный рынок:

Rt=a1 +b11Mt + b12Yt +u1

Ct= a2+b21Rt + b22It +u2,

где Rt –процентная ставка в период t;

Yt –ВВП в период t;

М – денежная масса,

It – внутренние инвестиции году t;

u1, u2, u3, – случайные ошибки.

Определить количество эндогенных (зависимых) переменных в модели:

+: 2

-: 4

-: 5

-: 7

I:

S: Ниже приводится макроэкономическая модель, характеризующая денежный рынок:

Rt=a1 +b11Mt + b12Yt +u1

Ct= a2+b21Rt + b22It +u2,

где Rt –процентная ставка в период t;

Yt –ВВП в период t;

М – денежная масса,

It – внутренние инвестиции году t;

u1, u2, u3, – случайные ошибки.

Определить количество экзогенных (независимых) переменных в модели:

-: 2

-: 4

-: 5

+: 3