ekonometrika_2

+: 0.36

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

+: 0.49

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

+: 0.49

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

+: 0.64

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

+: 0.81

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

+: 0.4225

S: Отбрасывание значимой переменной в уравнении множественной регрессии является ошибкой ...

+: идентификации

S: Отправной точкой эконометрического исследования является…

+: определение спецификации модели

S: Основные характеристики строго стационарного временного ряда– его средняя величина и дисперсия …

+: не зависят отt

S: Отбор факторов в эконометрическую модель множественной регрессии может быть осуществлен на основе …

+: матрицы парных коэффициентов корреляции

S: Обобщенный метод наименьших квадратов подразумевает …

+:введение в выражение для дисперсии остатков коэффициента пропорциональности

S: Относительно количества факторов, включенных в уравнение регрессии, различают регрессии …

+: простую и множественную

S:

+: разложение в ряд Тейлора

S: Оценки параметров, найденных при ______ метода

наименьших квадратов, обладают свойствами несмещенности, эффективности и состоятельности.

+: соблюдении предпосылок

S: Оценки являются _____________, если при увеличении количества

наблюдений, точность оценок тоже увеличивается.

+: состоятельными

S: Ошибкой спецификации эконометрической модели уравнения регрессии является … +: использование парной регрессии вместо множественной

S: Обобщенный метод наименьших квадратов применяется для оценки параметров линейных регрессионных моделей с __________ остатками.

+: автокоррелированными и/или гетероскедастичными

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

+: эндогенными

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

+: лаговыми

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

+: предопределенными

S: Под верификацией модели понимается:

проверка адекватности модели

S: Под параметризацией (настройкой) модели понимается:

+: оценка параметров модели

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

+: эндогенными

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

+: лаговыми

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

+: предопределенными

S: Под верификацией модели понимается:

+: проверка адекватности модели

S: Под параметризацией (настройкой) модели понимается:

+: оценка параметров модели

S: Параметры модели линейной парной регрессии y=a+bx могут быть найдены

+: методом наименьших квадратов

S: Примером линейной зависимости экономических показателей является

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

S: Примером линейной зависимости экономических показателей является

+: зависимость стоимости квартиры от ее площади

S: Примером нелинейной зависимости экономических показателей является

+: классическая гиперболическая зависимость спроса от цены

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

+: путем замены переменных

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

+: путем замены переменных

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

+: путем замены переменных

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аb^x

+: путем логарифмирования

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y= аx^b:

+: путем логарифмирования

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

+: путем логарифмирования

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

+: трендом

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

+: путем замены переменных

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

+: путем замены переменных

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

+: путем замены переменных

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y=аb^x

+: путем логарифмирования

S: При помощи какого математического преобразования можно выполнить линеаризацию модели y= аx^b:

+: путем логарифмирования

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

+: путем логарифмирования

S: Параметры модели линейной парной регрессии y=a+bx могут быть найдены

+: методом наименьших квадратов

S: Примером линейной зависимости экономических показателей является

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

S: Примером линейной зависимости экономических показателей является

+: зависимость стоимости квартиры от ее площади

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

+: трендом

S:При линеаризации нелинейных регрессионных моделей как один из видов преобразований используется замена переменных. Указанным способом не может быть линеаризовано уравнение …

-:

-:

-:

-:

S: При оценке статистической значимости построенной эконометрической модели выдвигают ______ гипотезы.

+: статистические

S: При выполнении предпосылок метода наименьших квадратов (МНК) оценки параметров регрессионной модели, рассчитанные с помощью МНК, обладают свойствами

+: состоятельности, несмещенности и эффективности

S: Примерами фиктивных переменных в эконометрической модели зависимости стоимости 1 м2 жилья не являются …

+: площадь жилья (м2)

S: При линеаризации нелинейных регрессионных моделей как один из видов преобразований используется логарифмирование уравнения. Указанным способом не может быть линеаризовано уравнение …

+:

S: По результатам проведения исследования торговых точек было построено уравнение нелинейной регрессии, где y – спрос на продукцию, ед.; x – цена продукции, руб. Если фактическое значение t-критерия Стьюдента составляет –2,05, а критические значения для данного количества степеней свободы равны , ,, то …

+: при уровне значимости можно считать, что эластичность спроса по цене составляет –0,8

S: По типу функциональной зависимости между переменными эконометрической модели различают _____ уравнения регрессии.

+: линейные и нелинейные

S: При моделировании уравнения множественной регрессии проверку тесноты связи между независимыми переменными (объясняющими переменными, регрессорами, факторами) модели осуществляют на основе …

+: матрицы парных коэффициентов линейной корреляции

S: Переменная х является нелинейной в уравнении

+:

S: Построена эконометрическая модель для зависимости прибыли от реализации единицы продукции (руб., у) от величины оборотных средств предприятия (тыс. р., х1): . Следовательно, средний размер прибыли от реализации, не зависящий от объема оборотных средств предприятия, составляет _____ рубля.

+: 10,75

S: Примером нелинейной зависимости экономических показателей является

+: классическая гиперболическая зависимость спроса от цены

S: При линеаризации нелинейных регрессионных моделей как один из видов преобразований используется способ приведения уравнения к обратному виду, то есть к переменной . Указанным способом может быть линеаризовано уравнение … +:

S: Пусть – оценка параметра регрессионной модели, полученная с помощью метода наименьших квадратов; – математическое ожидание оценки . В том случае если , то оценка обладает свойством

+: несмещенности

S: При расчете скорректированного коэффициента множественной детерминации пользуются формулой , где …

+: n – число наблюдений; m – число факторов, включенных в модель множественной регрессии

S: При расчете уравнения нелинейной регрессии , где y – спрос на продукцию, ед.; x – цена продукции, руб., выяснилось, что доля остаточной дисперсии в общей меньше 20%. Коэффициент детерминации для данной модели попадает в отрезок минимальной длины

+: [0,8; 1]

S: Переменные, принимающие значения 0 и 1, которые вводят в модель множественной регрессии для количественного задания некоторого качественного признака, называются __________ переменньми.

+: фиктивными

S: Параметры регрессии, выраженной внутренне линейной функцией, нелинейной относительно параметров, после линеаризации можно оценить при помощи _________ метода наименьших квадратов.

+: обычного

S: Предпосылками метода наименьших квадратов (МНК) являются следующие

+: гомоскедастичность остатков

S: Пустьt– рассчитанная для коэффициента регрессии статистика Стьюдента, аt_крит– критическое значение этой статистики. Коэффициент регрессии считается статистически значимым, если выполняются следующие неравенства: +:

S: Построение модели временного ряда может быть осуществлено с использованием … +: метода последовательных разностей

S: При выборе спецификации модели парная регрессия используется в случае, если среди множества факторов, влияющих на результат …

+: можно выделить доминирующий фактор

S: Примером модели множественной регрессии является:

+: Y=b0+b1X1+ b2X2

S: При отборе факторов множественного линейного уравнения регрессии число факторов в ...

+: 6-7 раз меньше объема выборки по которой строится регрессия

S: Регрессионная модель вида является нелинейной относительно …

+: переменной

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

+: идентификации

S: Система одновременных уравнений может быть записана в виде:

+: структурной формы

+: приведенной формы

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

+: системой независимых уравнений

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 (у_j) рассматривается как функция одного и того же набора факторов (х_i)) называется:

+: системой рекурсивных уравнений

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 одновременных уравнений

S: Система одновременных уравнений может быть записана в виде:

+: структурной формы

+: приведенной формы

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

+: системой независимых уравнений

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 (у_j) рассматривается как функция одного и того же набора факторов (х_i)) называется:

+: системой рекурсивных уравнений

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 одновременных уравнений

S: Строится эконометрическая модель линейного уравнения множественной регрессии вида

(y – зависимая переменная; х(j) – независимая переменная; j = 1,…, k; k – количество независимых переменных). При проверке независимых переменных на отсутствие мультиколлинеарности должно выполняться требование: для любых j и l

абсолютное значение парного коэффициента линейной корреляции

…

+: < 0,7

S: Система эконометрических уравнений включает совокупность _________ переменных.

+: эндогенных

S: Среди предложенных нелинейных зависимостей нелинейной существенно (внутренне нелинейной) является …

+:

:

+: нормальных

S:

+: минимума суммы квадратов отклонений

S: Самым простым методом линеаризации нелинейной функции, гашенной относительно параметров, является ...

+: замена переменных

S: Сумма скорректированных сезонных компонент для мультипликационной модели равна ...

+: лагу

S: Сумма скорректированных сезонных компонент для аддитивной модели равна ...

+: нулю

S: Система эконометрических уравнений включает в себя следующие переменные: +: зависимые

S: Степенной моделью не является регрессионная модель …

+:

S: Система эконометрических уравнений может состоять из _____ уравнения (-ий) регрессии.

+: бесконечно большого количества

S: Самым коротким интервалом изменения коэффициента корреляции для уравнения парной линейной регрессии является …

+: [–1; 0]

S: Совокупность значений экономического показателя за несколько последовательных моментов (периодов) времени называется …

+: временным рядом

S: Термин эконометрика был введен:

+: Фришем

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

+: коэффициентом корреляции

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

+: оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя

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

+: оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя

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

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

+: Y=a+bXS:

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

+: Y=a+bX²

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

+: Y=a+b₁X₁+b₂X₂

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

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

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

+: Y=a+bX

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

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

+: Y=a+b₁X₁+b₂X₂

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

S:Уровень временного ряда (yt) формируется под воздействием различных факторов – компонент: Т (тенденция), S (циклические и/или сезонные колебания), Е (случайные факторы). Аддитивную модель временного ряда формируют следующие значения компонент уровня временного ряда …

+: yt = 7; T = 7,5; S = 0; E = -0,5

S: Уравнением нелинейной регрессии, отражающей полиномиальную зависимость y от x, является

_+:

S: Убывающая или возрастающая компонента временного ряда, характеризующая совокупное долговременное воздействие множества факторов, называется ___________ компонентой.

+: трендовой

S: Уровень временного ряда (y_t) формируется под воздействием различных факторов – компонент: Т (тенденция), S (циклические и/или сезонные колебания), Е (случайные факторы). Мультипликативную модель временного ряда формируют следующие значения компонент уровня временного ряда …

+: y_t = 7; T = 3,5; S = 2; E = 1

S: Форма записи эконометрической модели в виде:

y₁=₁₁x₁+₁₂x₂+₁

y₂=₂₁x₁+₂₂x₂+₂

называется

+: приведенной формой

S: Форма записи эконометрической модели в виде:

y₁=a₁₁x₁+ a₁₂x₂+b₁₂y₂+₁

y₂= a₂₁x₁+ a₂₂x₂+b₂₁y₁+₂

называется

+: структурной формой;

S: Форма записи эконометрической модели в виде:

y₁=₁₁x₁+₁₂x₂+₁

y₂=₂₁x₁+₂₂x₂+₂

называется

+: приведенной формой

S: Форма записи эконометрической модели в виде: y₁=a₁₁x₁+ a₁₂x₂+b₁₂y₂+₁

y₂= a₂₁x₁+ a₂₂x₂+b₂₁y₁+₂

называется

+: структурной формой;

S: Фиктивная переменная может принимать значения:

+: 1

S: Эконометрика – это …

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

S: Эндогенные переменные …

+: могут быть объектом регулирования

Коэффициент при экзогенной переменной в уравнении линейной регрессии показывает…

-на сколько ед. изменится эндогенная переменная при изменении экзогенной переменной на 1 ед.

Коэффициент регрессии называется незначимым, если…

-есть достаточно высокая вероятность того, что его истинное значение равно нулю

Для регрессионной модели вида у=а+в*х+епостроена на координатной плоскости совокупность точек с координатами (Yi;Xi), данное графическое отображение зависимости называется…

-полем корреляции

Гетероскедастичность-это-

Зависимость дисперсии случайных ошибок от номера наблюдения

В каких случаях значение коэффициента детерминации R2 может выйти за переделы [0;1]?

-если в уравнении регрессии отсутствует константа B0

В результате oценки параметров регрессии y=a+B*x+eбыли получены следующие результаты: а=10;B=4,7. Доверительный интервал для Bс уровнем доверия 95% [3;9;5;5]. Что показывает полученный доверительный интервал с указанным уровнем доверия?

-истинное значение коэффициента В находится в указанном интервале с вероятностью 0.95.