- •Автор-составитель:
- •Цели и задачи дисциплины
- •Требования к уровню освоения дисциплины
- •Объем дисциплины
- •Объем дисциплины и виды учебной работы
- •Распределение часов по темам и видам учебной работы
- •Содержание курса
- •Тема 1. Задачи эконометрики в области социально-экономических исследований. Основные этапы эконометрического моделирования.
- •Тема 2. Классическая и обобщенная линейные модели множественной регрессии.
- •Тема 3. Линейные регрессионные модели с переменной структурой.
- •Тема 4. Нелинейные регрессионные модели и их линеаризация.
- •Тема 5. Динамические регрессионные модели.
- •Темы практических занятий
- •Тема 3. Линейные регрессионные модели с переменной структурой. (Практическое занятие).
- •Тема 4. Нелинейные регрессионные модели и их линеаризация. (Практическое занятие).
- •Тема 5. Динамические регрессионные модели. (Практическое занятие).
- •Тема 6. Прогнозирование, основанное на использовании моделей временных рядов. (Практическое занятие).
- •Тема 7. Системы линейных одновременных уравнений. (Практическое занятие).
- •Тема 8. Идентификация систем одновременных уравнений. (Практическое занятие).
- •Задания для самостоятельной работы студентов
- •Задача 2.1.
- •Задача 2.2.
- •Задача 2.3.
- •Задача 2.4.
- •Задача 2.5.
- •Задача 2.6.
- •Задача 2.7.
- •Задача 2.12.
- •Задача 2.13.
- •Задача 4.1.
- •Задача 4.2.
- •Задача 4.3.
- •Задача 4.4.
- •Варианты контрольных работ и методические указания по их выполнению
- •Тема 1. Задачи эконометрики в области социально-экономических исследований. Основные этапы эконометрического моделирования.
- •Регрессионные модели с одним уравнением
- •Системы одновременных уравнений
- •Тема 2. Классическая и обобщенная линейные модели множественной регрессии.
- •Тема 3. Линейные регрессионные модели с переменной структурой.
- •Тема 4. Нелинейные модели регрессии и их линеаризация.
- •Тема 5. Модели стационарных и нестационарных временных рядов.
- •Тема 6. Прогнозирование, основанное на использовании моделей временных рядов.
- •Тема 7. Системы линейных одновременных уравнений.
- •Тема 8. Идентификация систем одновременных уравнений.
- •Варианты контрольных работ.
- •Вариант 1.
- •Вариант 2.
- •Вариант 3.
- •Вариант 4.
- •Вариант 5.
- •Вариант 6.
- •Вариант 7.
- •Вариант 8.
- •Вариант 9.
- •Вариант 10.
- •Вариант 11.
- •Вариант 12.
- •Вариант 13.
- •Вариант 14.
- •Вариант 15.
- •Вариант 16.
- •Вариант 17.
- •Вариант 18.
- •Вариант 19.
- •Вариант 20.
- •Вариант 21.
- •Вариант 22.
- •Вариант 23.
- •Вариант 24.
- •Вариант 25.
- •Вопросы для подготовки к экзамену
- •Учебно-методическое обеспечение дисциплины
- •Литература
- •Методическое обеспечение дисциплины
- •Материально-техническое и информационное обеспечение дисциплин
Вариант 17.
Мультиколлинеарность – это:
а) зависимость последующих уровней ряда динамики от предыдущих;
б) функциональная или тесная корреляционная зависимость между факторами, включенными в модель множественной регрессии;
в) постоянство дисперсий остатков модели множественной регрессии.
При исследовании зависимости оборота розничной торговли (Y, млрд. руб.) от трех факторов: Х1 - денежные доходы населения, млрд. руб.; Х2 – численность безработных, млн. чел.; Х3 – официальный курс рубля по отношению к доллару США получена следующая модель:
Y = 55,74 + 0,33X1 – 4,98X2 + 2,38X3 + ε.
При увеличении только денежных доходов населения на 1 млрд. руб. оборот розничной торговли в среднем:
а) увеличится на 0,33%;
б) увеличится на 0,33 млрд. руб.;
в) увеличится на 33%;
г) останется неизменным.
Для проверки гипотезы об отсутствии гетероскедастичности в модели множественной регрессии были построены регрессионные модели по первым n/3 наблюдениям и последним n/3 наблюдениям. Затем получены значения суммы квадратов остатков этих моделей, рассчитано значение F-критерия Фишера, сопоставлено с табличным значением и сделан соответствующий вывод. Какой тест применялся для проверки модели на гетероскедастичность:
а) тест Глейзера;
б) тест Голдфельда-Квандта;
в) тест Уайта;
г) тест Дарбина-Уотсона.
Фиктивные переменные используются для:
а) для ранжирования факторов по силе воздействия на результат;
б) включения в регрессионную модель качественных факторов;
в) для моделирования ситуации, когда значение результативного признака в текущий момент времени формируется под воздействием ряда факторов, действовавших в прошлые моменты времени.
Известно, что эффективность производства, описываемого функцией Y = AKαLβ ε, не зависит от масштабов. Тогда с ростом параметра α, параметр β:
а) растет;
б) уменьшается;
в) остается неизменным;
г) невозможно определить.
Модель авторегрессии АР(1) описывается уравнением:
а) yt = b0+ b1yt-1 + εt;
б) yt = b0+ b1yt-1 + b2yt-2 + εt;
в) yt = b0+ b1yt-1 + εt – γ1εt-1;
г) yt = εt – γ1εt-1 – γ2εt-2.
Метод Алмон применяется для оценки параметров модели:
а) авторегрессии порядка p;
б) скользящего среднего порядка q;
в) с распределенным лагом с конечной величиной лага;
г) с распределенным лагом с бесконечной величиной лага.
По данным о динамике оборота розничной торговли (Y, млрд. руб.) и дохода населения (X, млрд. руб.) была получена следующая модель с распределенными лагами:
Yt = 0,46∙Xt + 0,24∙Xt-1 + 0,17∙Xt-2 + 0,14∙Xt-3 + εt.
Чему равен долгосрочный мультипликатор:
а) 0,46;
б) 0,24;
в) 0,70;
г) 1,01.
Структурная форма модели имеет вид:
где: Сt – личное потребление в период t, St – зарплата в период t, Pt – прибыль в период t, Rt – общий доход в период t, Rt-1 – общий доход в период t-1, |
Перечислите предопределенные переменные:
а) Сt, St, Rt;
б) Сt, St, Rt, Rt-1;
в) Rt-1, Pt, t;
г) Pt.
Методом наименьших квадратов оценивают коэффициенты:
а) приведенной формы системы одновременных линейных уравнений;
б) структурной формы системы одновременных линейных уравнений;
в) стандартизованной формы системы одновременных линейных уравнений.