Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

testi_ekonometrika

.docx
Скачиваний:
133
Добавлен:
29.03.2016
Размер:
619.11 Кб
Скачать
  1. Модель разложения временного ряда на детерминированную и случайную составляющие имеет формы

Ответ: аддитивную и мультипликативную

  1. Мультипликативной моделью временного ряда называется:

Ответ: произведение детерминированного и случайного компонентов

  1. Тренд временного ряда характеризует совокупность факторов:

Ответ: оказывающихдолговременное влияние и формирующих общую динамику изучаемого показателя

  1. Аддитивной моделью временного ряда называется:

Ответ: сумма детерминированного и случайного компонентов

  1. Прогнозирование по мультипликативной тренд-сезонной модели временного ряда сводится к расчету по уравнению модели в виде:

Ответ: Y=T*S+E

  1. Мультипликативную модель временного ряда строят, когда амплитуда:

Ответ: сезоннных колебаний возрастает или уменьшается

  1. Укажите последовательность этапов декомпозиции временного ряда на составляющие:

  1. Механическое выравнивание исходного ряда методом скользящих средних

  2. Выделение циклической компоненты

  3. Выделение случайной компоненты

  4. Расчет сезонной составляющей

  5. Аналитическое выравнивание тренда и расчет значений тренда с использованием полученного уравнения тренда

  6. Определение коэффициента изменения уровня ряда путем деления фактических уровней ряда на сглаженные

  7. Оценка адекватности модели

  1. Метод сравнения средних позволяет выявить наличие в ряду динамики:

Ответ: сезонной компоненты

  1. Степень полинома модели, которая используется для описания тенденции, в которой приросты уровней ряда со временем изменяются равномерно:

Ответ: первая

  1. К факторам, под действием которых формируются значения элементов временного ряда относятся:

Ответ: трендовые, случайные, сезонные, циклические

  1. Какие статистические критерии используются в тестах (на наличие) тренда в уровнях динамического ряда: Фишера и Стьюдента

  2. Какой коэффициент определяет адекватность линейноймодели:

Ответ: коэффициент детерминации

  1. Какое значение не может принимать линейный коэффициент корреляции:

Ответ: 1.111 т.ккоэф корреляции (-1;1)

  1. Оценка параметра называется эффективной, если:

Ответ: дисперсия минимальна

  1. Как определяется значение параметра а0:

  1. Что измеряет коэффициент детерминации:

Ответ: общую вариацию зависимой переменной, которая объясняется регрессией

  1. Какой критерий используют для оценки значимости коэффициента корреляции:

Ответ: критерий Стьюдента

  1. Уравнение регрессии имеет вид Y=2,02+0,78X. На сколько единиц своего измерения в среднем изменится У при увеличении Х на одну единицу своего измерения

Ответ: увеличится на 0,78

  1. Соотношение d=r^2 выполняется в линейной модели

  2. Значимость коэффициента корреляции выполняется по формуле:

  1. Свободный член в уравнении регрессии это линия в которой линия пересекает ось ОХ.

  2. В уравнении регрессии параметр А1 означает какая доля вариации результативного признака У учтена в модели и обусловлена влиянием на ее переменные Х.

  3. С учетом соотношения между доходом У и числом работников Х: У=8.65+268Х магазин принял на работу дополнительно одного человека, может ожидать такой дополнительный доход 8.65+268

  4. При каком значении коэффициента корреляции связь между признаками У иХ можно считать тесной -0,975

  5. Что измеряет коэффициент детерминации Общая вариация зависимой переменной, которая объясняется регрессией

  6. В регрисионной модели факторными признаками называются зависимые переменные

  7. С помощью какого метода целесообразно оценить параметры для однофакторной модели – метод наименьших квадратов

  8. Для определения статистической значимости АО парной линейной регрессии исп. Формулу:

  1. Если парный коэффициент корреляции между признаками Х и У принемает значение 0.7, то коэффициент детерминации равен 0,82

30. Коэффициент детерминации изменяется в пределах:

От 0 до 1

31. Оценки параметров регрессии( свойства оценок МНК) должны быть:

Несмещенными

Состоятельными

Эффективными

32. для определения значения параметра а1 линейной регрессии используют формулу:

33. Уравнение регрессии имеет вид У=12,45+0,55Х. На сколько единиц своего измерения в среднем изменится У при увеличении Х на одну единицу своего измерения:

Увеличиться на 0,55

34. Какой критерий используют для оценки статистической значимости параметров:

Критерий Стьюдента

  1. В случае мультиколлинеарности все оценки параметров модели или их больше часть будут:

Статистически незначимыми при высоком значении коэффициента множественной корреляции

36 коэффициент парной корреляции изменяется в пределах:

от -1 до 1

  1. добавление новой объясняющей переменной:

никогда не уменьшает значение коэффициента детерминации

  1. Коэффициент множественной корреляции определяется по формуле:

  1. получаемые с помощью МНК оценки параметров множественной регрессии обладают следующими характеристиками:

несмещенностью и эффективностью

  1. Скорректированый коэффициент детерминации увеличивается при добавлении новой объясняющей переменной только тогда:

Когда Т-статистика для этой переменной по модулю больше единицы

41 Чтобы проверить значимость отдельного параметра в эконометрической модели используют:

Т-тест

42. коэффициент множественной корреляции для многофакторной эконометрической модели может быть вычислен:

Через коэффициент парных корреляций между факторными и результативными признакми.

43.какой критерий используют для определения статистической значимости множественной модели:

Критерий Стьюдента

44. Сколько уравнений будет включать система нормальных уравнений для оценки параметров с помощью МНк, если количество независимых факторов модели равно 10:

9-??????

45.Чтобы проверить адекватность модели в целом используют:

Коэффициент множественной корреляции

46. какое значение может принимать множественный коэффициент корелляции

0,861; -0,453

47. какое значение не может принять множественный коэффициент корреляции:

1,2

-1,7

48. Уравнение регрессии является качественным, если:

Т-статистика, Ф-статистика больше критических значений, предпосылке МНК соблюдены

49.Какие виды прогнозов используются во множественных эконометрических моделях:

Точечный

Интервальный

50. Фиктивные переменные- это:

Атрибутивные переменные( например, как профессия, пол, образование), которым придали цифровые метки

51. Для проверки значимости одновременно всех параметров используют:

Т-тест

52. Для определения наличия мультиколлинеарности используют

Метод Феррара-Глобера

53. Какой вид имеет многофакторная эконометрическая модель

У= а0+а1х+е

54. При полной мультиколлинеарности матрица (ХТ Х):

Вырожденная

55 фиктивные переменные являются переменными

Качественными

56. Используя МНК можно определить:

Параметры модели

57. параметри множественной эконометрической модели могут быть найдены с помощью:

Решения системы нормальных уравнений

58. метод наименьших квадратов применим к уравнениям регрессии :

Которые отражают линейную зависимость между двумя экономическими показателями

Которые отражают нелинейную зависимость между двумя экономическими показателями и могут быть приведены к линейному видую

59. Степень мулитьколлинеарности тем больше, чем больше

Определитель матрицы коэффициентов системы нормальных уравнений

60. Для устранения мультиколлтнеарности используют:

Метод Феррара-Глобера

61. чему равно число степеней свободы для критерия стъюдента при проверке статзначимости параметров многофакторной эконометрической модели:

0,5м(м-1)

62. Эндогенные переменные:

  • Влияют на экзогенные переменные

  • Не зависят от экзогенных переменных

  • Не могут быть объектом регулирования

  • Нет правильного ответа

  • Все ответы верны

63.Сколько уравнений будет включать система нормальных уравнений для оценки параметров модели с помощью МНК, если количество независимых перемнных факторов равно 6:

  • 6

  • 62

  • 7

  • 5

64.Чистая гетероскедастичность определяется:

  • Одной переменной

  • Несколькими переменными

  • Законом распределения ошибок

65. Гомоскедастичность является нарушением условий построения оценок параметров классической регрессии.

  • Верно

  • Ложно

66. Под автокорреляцией уровней ряда подразумевается ________ зависимостей между последовательными уровнями ряда.

  • Корреляционно-функциональная

  • Функциональная

  • Детерминированная

  • Корреляционная

67. Гомоскедастичность остатков подразумевает

  • Одинаковую дисперсию остатков при каждом значении факторов

  • Рост дисперсии остатков с увеличением значения факторов

  • Максимальную дисперсию остатков при средних значениях фактора

  • Уменьшение дисперсии остатков с уменьшением значения фактора

68. Если значение статистики Гольфреда-Квандта R* меньше Fтабл, то гетероскедастичность:

  • Присутствует

  • Отсутствует

  • Нельзя сделать вывод

  • Подтверждает, что закон распределения ошибок отличается от нормального

69. Говорят о наличии отрицательной автокорреляции отклонений эконометрической модели, если по критерию Дарбина Уотсона^

  • d=0 или d < dI

  • d = 2 или dI < d < du

  • d=4 или d > (4-dI)

  • dI < d < du или (4-du) < d < (4-dI)

70. Гетероскедастичность является нарушением условий построения оценок параметров классической регрессии.

  • Верно

  • Ложно

71. Для оценки модели с гетероскедастичностью применяют:

  • Метод исключения переменных

  • Метод наименьших модулей

  • Метод наименьших квадратов

  • Обобщенный метод наименьших квадратов

72. Статистика Дарбина – Eотсона (DW) вычисляется по формуле:

73. Несмещенность оценки характеризует

  • Наименьшую дисперсию остатков

  • Зависимость дисперсии от объема выборки

  • Увеличение точности вычисления дисперсии с увеличением объема выборки

  • Равенство нулю математического ожидания остатков

74. При каком значении статистики Дарбина – Уотсона нельзя сделать однозначный вывод о наличии автокорреляции

  • 0

  • [ DWI ; DWu]

  • 4

  • [4 - DWI ;4 - DWu]

  • [0;4]

  • [DWu ; 4 - DWu ]

75. ОМНК – оценки параметров обобщенной регрессионной модели

  • Смещенные

  • Несмещенные

  • Стохастические

  • Несостоятельные

76. Оценки параметров, полученные с помощью метода наименьших квадратов (1МНК) в случае автокорреляции отклонений будут:

  • Смещенными

  • Несмещенными

  • Состоятельными

  • Несостоятельными

  • Эффективными

  • Неэффективными

77. Предпосылками МНК являются:

  • Случайные отклонения коррелируют друг с другом

  • Гетероскедастичность случайных отклонений

  • Случайные отклонения являются независимыми друг от друга

  • Дисперсия случайных отклонений постоянна для всех наблюдений

78. Автокорреляция остатков – это:

  • Отсутствие взаимосвязи между последовательными элементами ряда остатков модели

  • Наличие взаимосвязи между любыми элементами ряда остатков модели

  • Наличие взаимосвязи между последовательными элементами ряда остатков модели

  • Наличие непостоянной дисперсии остатков

79. Какой из методов оценки параметров модели с автокоррелированными остатками предполагает использование известной ковариационной матрицы остатков:

  • Кохрейна –Оркатта

  • Хилтера – Лу

  • Эйткена

  • Дарбина

80. Параметрический тест Гольфреда – Квандта предполагает: ????????

  • Нормальное распределение величины «е»

  • Пуассоновское распределение величины «е»

  • Любое распределение величины «е»

  • Небольшой объем выборки

  • Очень большой объем выборки

81. Обобщенный метод наименьших квадратов применяется в случае

  • Фиктивных переменных

  • Мультиколлинеарности факторов

  • Автокорреляции переменных

  • Автокорреляции остатков

82. Если значение статистики {Мю} меньше табличного значения {Хи квадрат}, то явление гетороскедастичности

  • Присутствует

  • Отсутствует

  • Нельзя сделать вывод

  • Подтверждает, что закон распределения ошибок отличается от нормального

83. Случайные члены (ошибки) коррелированы при гомоскедастичности

  • Верно

  • Ложно

84.Укажите справледливые утверждения по поводу критерия Дарбина-Уотсона

ОТВЕТ: 1.Позволяет проверить гипотезу о наличии автокорреляции первого порядка

2.изменяется от 0 до 4

85. При наличии гетероскедастичности оценки параметров ,полученных с помощью МНК как правило :

ОТВЕТ: 1.Эффективная

2.несмещенная

86. Какая гипотеза о тестах Уайта, Голфелда-Квандта и Бреуша-Погана принимается за нулевую? ОТВЕТ: гиппотеза о гетероскедастичности

87. МНК оценки параметров обобщенной регрисионной модели

ОТВЕТ:несмещенные

88. Оценка гетероскедастичности модели МНК-методом является?

ОТВЕТ: Эффективной

89. Гиперболе соответствует

ОТВЕТ:обратная зависимость показателя

90. Функция вида у=0.5*х^9 является

ОТВЕТ:Степенная

91. Экспоненциальная зависимость линеализируется с помощью

ОТВЕТ:и первое и 2-е

92. Чему равен предельный продукт капитала в точке L0=100 ,K0=100,если производственная функция Кобба-Дугласа имеет вид У=2L^0,3*K^0,7

ОТВЕТ:1.4

93. Изменение объема производства продукции за счет изменения капитала на единицу при неизменных значениях остальных факторов производства называется ?

ОТВЕТ: Предельным продуктом капитала

94. Прямая ,соединяющая начало координат и точки на изоквантах в которых предельные нормы замены ресурсов равны называются?

ОТВЕТ: Изоклиналь

95. Параметры нелинейных моделей поддающихся линеализации легче всего оценить с помощью ? ОТВЕТ:МНК

96. Изменение объема производства продукции за счет изменения капитала на 1 процент при неизменных значениях остальных факторов производста называется?

ОТВЕТ: Эластичностью обьема производста по капиталу

97. Производственная функция Кобба-Дугласа является классическим примером

ОТВЕТ: Степенная зависимости

98. Полиномы линеализируются

ОТВЕТ:переходом к новым переменным

99. Кривая Филипса является классическим для экономики примером

ОТВЕТ: обратной зависимости

100. Чему равна средняя продуктивность капитала в точке L0=10,K0=100,если производная функция Кобба-Дугласа имеет вид:

ОТВЕТ: 2

101. Линеаризация

ОТВЕТ:Приведение нелинейной к линейному виду

102. Экспоненциальная зависимость является часным случаем

ОТВЕТ:Показательной зависимостью

103. Средняя ошибка расчитывается по формуле

104.Степень полинома модели, которая используется для описания тенденций уровня ряда, которые возрастают или равномерно убывают:

  • Первая

  • Вторая

  • Третья

  • Такой процесс нельзя описать с помощью полиноминальной модели

105. При моделировании экономических процессов сс помощью временных рядов оперируют следующим типом данных

  • Пространственным

  • Статистическими

  • Динамическими

  • моментными

106. Тренд со спецификой вида Y = a0 +a1t+... +aptp

  • Полиноминальный

  • Экспоненциальный

  • Логистический

107. процессы, в развитии которых можно выделить четыре стадии прироста(незначительный, ускоряющийся, замедляющийся и снова незначительный), моделируют трендом

  • Полиноминальным

  • Экспотенциальным

  • S-образной формы

108. При экономическом анализе периодических временных рядов, где в структуре ряда есть колебательные процессы с разным периодом и амплитудой, используют

  • Метод гармоничного и спектрального анализа

  • Модель авторегрессии

  • Модель скользящего среднего

  • Модель авторегрессии и проинтегрировано скользящего среднего

109. Формы моделей, которые учитываю фактор сезонности в уровнях динамического ряда

  • Мультипликативная

  • Структурная

  • Приведенная

  • аддитивная

  • Все ответы верны

110.среднеквадратическая ошибка

111. Порядок расчета сезонной составляющей

1. Расчет коэф.изменений уровней ряда как отношений фактических уровней ряда к сглаженым

2. группировка по годам и кварталам

3.расчет суммы по каждому столбцу без учета максимального и минимального значения

4.расчет модифицированого среднего

5. расчет скоректированого модифицировано среднего

112.Адитивная модель временного ряда имеет вид

У(t)=T*S*C

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]