Добавил:
letnyaya
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:эконометрика
.txt 4 При построении эконометрической модели предполагается, что показатель-результат – случайная величина, показатели-факторы – неслучайные величины
10 Средние значения оценки сезонной компоненты для данного временного ряда составили: s1=0.88 s2=1.32 s3=1.87 s4=0.33 Скорректированные значения сезонной компоненты равны соответственно: s1=0.8 s2=1.2 s3=1.7 s4=0.3
4/(s1+s2+s3+s4) * s1
12 При построении уравнения регрессии по наблюдаемым значениям признаков x и y с применением метода наименьших квадратов уравнение y=e(a+bx) следует преобразовать к виду: ln y =a+b*x
13 Уравнение тренда временного ряда тем лучше описывает тенденцию в динамике показателя, чем ближе к нулю значение коэффициента автокорреляции остатков
17 При построении модели тенденции в динамике уровня показателя уровни временного ряда рассматриваются как функции времени и случайных колебаний
20 Система четырех одновременных эконометрических уравнений включает m экзогенных переменных. Условие сверхидентифицируемости уравнения y1=a1+b12y2+b13y3+a11x1+a14x4+E выполняется при m>4
25. Если остатки e = y(x)-y и расчетные значения зависимой переменной y не коррелированны, то:
e*y(x)=0
34 Число степеней свободы для остаточной вариации зависимой переменной равно числу наблюдений без числа параметров регрессии
35 Если сумма квадратов отклонений значений признака-результата y от его среднего уровня равна 9,7 , а сумма квадратов отклонений, объясненная вариацией признаков-факторов, учтенных в модели регрессии, равна 7,3, то степень тесноты связи признака yс набором признаков-факторов можно оценить (с точность 0,01) числом 0,87
39 Пусть: Y – признак-результат; X1, X2 –признаки - факторы. По исходным данным вычислены средние уровни признаков, средние квадратические отклонения значений признаков от средних уровней признаков y=45.033 x1=11.15 x2=40.5 sy=2.94 sx1=1.05 sx2=2.45и построено уравнение регрессии в стандартизованном масштабе ty=0,15*tx1+0,85*tx2+u Тогда теоретические (расчетные) значения признака-результата вычисляют по формуле:
y(x)=-0,99+0,42*x1+1,02*x2
42 Если ryx1=0,5 ryx2 = 0,6 B1=0,1 B2=0,2 – значения стандартизованных коэффициентов множественной линейной регрессии), то степень тесноты линейной связи признака-результата Y с набором признаков-факторов X1, X2, учтенных в модели регрессии, можно оценить (с точность 0,01) числом
0,41
55 В случае парной линейной регрессии факторная сумма квадратов отклонений имеет число степеней свободы, равное числу 1
56 Вычислены частные коэффициенты линейной корреляции первого порядка: ryx1|x2=0.6 ryx3|x2=0.7 rx1x3|x2=0.3 Тогда частный коэффициент линейной корреляции второго порядка ryx1|x2x3 равен
0,57
60 Если определитель матрицы парных коэффициентов линейной корреляции равен 0,3, а определитель матрицы межфакторных коэффициентов линейной корреляции равен 0,6, то степень тесноты линейной связи признака-результата с набором признаков-факторов, учтенных в модели регрессии, можно оценить (с точность 0,01) числом 0,71
10 Средние значения оценки сезонной компоненты для данного временного ряда составили: s1=0.88 s2=1.32 s3=1.87 s4=0.33 Скорректированные значения сезонной компоненты равны соответственно: s1=0.8 s2=1.2 s3=1.7 s4=0.3
4/(s1+s2+s3+s4) * s1
12 При построении уравнения регрессии по наблюдаемым значениям признаков x и y с применением метода наименьших квадратов уравнение y=e(a+bx) следует преобразовать к виду: ln y =a+b*x
13 Уравнение тренда временного ряда тем лучше описывает тенденцию в динамике показателя, чем ближе к нулю значение коэффициента автокорреляции остатков
17 При построении модели тенденции в динамике уровня показателя уровни временного ряда рассматриваются как функции времени и случайных колебаний
20 Система четырех одновременных эконометрических уравнений включает m экзогенных переменных. Условие сверхидентифицируемости уравнения y1=a1+b12y2+b13y3+a11x1+a14x4+E выполняется при m>4
25. Если остатки e = y(x)-y и расчетные значения зависимой переменной y не коррелированны, то:
e*y(x)=0
34 Число степеней свободы для остаточной вариации зависимой переменной равно числу наблюдений без числа параметров регрессии
35 Если сумма квадратов отклонений значений признака-результата y от его среднего уровня равна 9,7 , а сумма квадратов отклонений, объясненная вариацией признаков-факторов, учтенных в модели регрессии, равна 7,3, то степень тесноты связи признака yс набором признаков-факторов можно оценить (с точность 0,01) числом 0,87
39 Пусть: Y – признак-результат; X1, X2 –признаки - факторы. По исходным данным вычислены средние уровни признаков, средние квадратические отклонения значений признаков от средних уровней признаков y=45.033 x1=11.15 x2=40.5 sy=2.94 sx1=1.05 sx2=2.45и построено уравнение регрессии в стандартизованном масштабе ty=0,15*tx1+0,85*tx2+u Тогда теоретические (расчетные) значения признака-результата вычисляют по формуле:
y(x)=-0,99+0,42*x1+1,02*x2
42 Если ryx1=0,5 ryx2 = 0,6 B1=0,1 B2=0,2 – значения стандартизованных коэффициентов множественной линейной регрессии), то степень тесноты линейной связи признака-результата Y с набором признаков-факторов X1, X2, учтенных в модели регрессии, можно оценить (с точность 0,01) числом
0,41
55 В случае парной линейной регрессии факторная сумма квадратов отклонений имеет число степеней свободы, равное числу 1
56 Вычислены частные коэффициенты линейной корреляции первого порядка: ryx1|x2=0.6 ryx3|x2=0.7 rx1x3|x2=0.3 Тогда частный коэффициент линейной корреляции второго порядка ryx1|x2x3 равен
0,57
60 Если определитель матрицы парных коэффициентов линейной корреляции равен 0,3, а определитель матрицы межфакторных коэффициентов линейной корреляции равен 0,6, то степень тесноты линейной связи признака-результата с набором признаков-факторов, учтенных в модели регрессии, можно оценить (с точность 0,01) числом 0,71