79. Строгая стационарность временного ряда означает …

• Независимость распределений уровней ряда от сдвига по времени

1. Слабая стационарность временного ряда означает…

• Независимость математического ожидания, дисперсии и ковариации для уровней ряда от сдвига по времени

• Постоянство только математического ожидания и дисперсии ряда

• Положительные значения частной автокорреляционной функции

• Что автокорреляционной функция является функцией разности своих аргументов

80. В стационарном временном ряду трендовая компонента …

• Отсутствует

81. При оценке модели вида y_t= a₀+a₁y_t-1+a₂ y_t-2 + ε_t необходимо написать в командной строке:

• Is y с ar(1) ar(2)

82. Какое число фактических переменных, характеризующих сезонность, для квартальных данных при построении модели тренда и сезонности со свободным членом в Eviews вводит в модель?

• 3

83. Аддитивнаяя модель временного ряда содержит компоненты в виде..

• Слагаемых

84. Команда в EViews следующего вида: ls y c ar(1) ar(2) ar(3) позволяет оценить модель вида

• Возрастающий тренд, мультипликативную сезонную компоненту и случайную компоненту

• Убывающий тренд, мультипликативную сезонную компоненту и случайную компоненту

• Только случайную компоненту

• Только аддитивную сезонную компоненту и случайную компоненту

• Возрастающий тренд, аддитивную сезонную компоненту и случайную компоненту

• Только мультипликативную сезонную компоненту и случайную компоненту

• Только возрастающий тренд и случайную компоненту

• Убывающий тренд, аддитивную сезонную компоненту и случайную компоненту

• мультипликативную сезонную компоненту и случайную компоненту

• возрастающую тенденцию и случайную компоненту

• аддитивную сезонную компоненту и случайную компоненту

• убывающую тенденцию и случайную компоненту

87. модель, в которой временной ряд представлен как сумма трендовой, циклической и случайной компонент, называется:

• модель авторегрессии

• моделью с распределенными лагами

• мультипликативной моделью временного ряда

• аддитивной моделью временного ряда

88. Если отношения цепных абсолютных приростов временного ряда примерно одинаковы, то для вычисления прогнозного значения в следующий точке корректно использовать

• Средний темп роста

• Средний абсолютный прирост

• Средний темп прироста

\

• 4

• 2

• 3

• 1

• Имеет сезонный характер

• Имеет убывающий тренд

• Является нестационарным

• Является стационарным

91. Временной ряд – это..

• Совокупность элементов, находящихся в отношениях и связях между собой и образующих определенную целостность, единства

• Данные об однородных объектах за один и тот же период времени

• Последовательные значения одной экономической переменной в различные периоды времени

• Упрощенное, идеализированное представление процессов реального мира

• Прослеженные во времени пространственные выборки индивидуумов

92. Модель, в которой временной ряд представлен как произведение трендовой, циклической и случайной компонент, называется

• Моделью авторегрессии

• Мультипликативной моделью временного ряда

• Моделью с распределенными лагами

• Аддитивной моделью временного ряда

93. Если значения цепных абсолютных приростов временного ряда примерно одинаковы, то для вычисления прогнозного значения в следующей точке корректно использовать:

• Средний темп роста

• Средний абсолютный прирост

• Средний темп прироста

94. Если временной ряд имеет мультипликативную структуру и линейный тренд, то его сезонную составляющую можно оценить…

• Проверяя остатки регрессии на автокорреляцию

• Введя фиктивные переменные в уравнение, в левой части которого уровни временного ряда

• Используя инструментальные переменные

• Введя фиктивные переменные в уравнение, в левой части которого логарифмы уровней временного ряда

95. Если временной ряд имеет аддитивную структуру и линейный тренд, то его сезонную составляющую можно оценить…

• Используя инструментальные переменные

• Введя фиктивные переменные в уравнение, в левой части которого уровни временного ряда

• Проверяя остатки регрессии на автокорреляцию

• Введя фиктивные переменные в уравнение, в левой части которого логарифмы уровней временного ряда

97. Для оценки модели процесса скользящего среднего 2-го порядка в Eviews необходимо вести команду

• Ls y c ma(1) ar(2)

• Ls y c ar(1) ar(2)

• Ls y c ar(1) ma(2)

• Ls y c ar(2) ma(2)

• Ls y c ma(1) ma(2)

98. Значение коэффициента автокорреляции может быть равно

• -0,9

• 5

• -1,5

• 0,5