Файл: Автокорреляционная функция это функция от .docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 11.01.2024

Просмотров: 201

Скачиваний: 4

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.







  1. Автокорреляционная функция – это функция от

  • значений уровней ряда

  • времени и лага между двумя уровнями ряда

  • времени

  • Аддетивной моделью временного ряда назыв.

    • модель, где ряд представлен как сумма t+s+e

  • Белый шум – это

    • модель авторегрессии первого порядка

    • свойство коэффициентов регрессионной модели

    • модель временного ряда с независимыми одинаково распределенными наблюдениями

  • В журнале эконометрика основанный в 1933г.эконометрика определяется как

    • единство экономической теории, математики и статистики

  • в модели с распределённым логом рассчитывается значение медианного лага. Медианный лаг

    • это период времени в течении которого. Ответ: с момента времени t реализуется половина воздействия. В моделях с распределенным рангом рассчитывается медианный раг

  • В неэкономические переменные рассматривают в качестве

    • экзогенных переменных

  • В общем виде первым этапом эконометрическом исследовании

    • постановка проблемы

  • В парной линейной регрессии абсолютным показателем силы связи между переменными является

    • коэффициент регрессии

  • В производственной ф-ции Кобба-Дугласа коэфф. эластичности должен быть

    • единица

  • В результате компонентного анализа временного ряда не может быть получена … модель

    • мультипликативная

    • множественная регрессионная

    • приведенная

  • В результате компонентного анализа временного ряда не может быть получена … модель

    • парная регрессионная

    • структурная

    • аддитивная

  • В уравнении множественной линейной регрессии параметры при факторных переменных

    • несравнимы между собой

  • В уравнении множественной линейной регрессии у=а+В1Х1+В2Х2+....

    • ВрХр параметр "х" называется коэффициент чистой регрессии

    1. В условиях гетероскедастичности остатков для оценки параметров эконометрической модели следует использовать


    • метод моментов

    • обобщенный метод наименьших квадратов

    • метод максимального правдоподобия

  • В эконометрике для учета неоднородности по качественным признакам в регрессивную модель вводят

    • фиктивные переменные

  • В эконометрических моделях зависимые переменные принято называть

    • эндогенными

  • Высший уровень измерения предполагает сравнение с

    • эталоном

  • Гомоскедастичность означает

    • отсутствие автокорреляции случайного члена регрессионного уравнения

    • отсутствие корреляционной связи между случайным членом и объясняющими переменными регрессионной модели

    • постоянство дисперсии случайного члена регрессионного уравнения

  • График зависимости автокорреляционные ф-ции от величины ряда назыв.

    • коррелограммой

  • Двухшаговый метод наименьших квадратов

    • инструментальный переменный

  • Двухшаговый МНК не применяется, если уравнение

    • неидентифицируемо

    • сверхидентифицируемо

    • точно идентифицируемо

  • Для выявления сезонных колебаний на основе моделей регрессии с включением фактора времени фиктивных переменных

    • число переменных должно быть меньше, кол-во фиктивных больше на единицу

  • Для двухфакторной линейной регрессии коэфф. детерминант 0,7 скорректированное значение 0,614 число наблюдений

    • "10"

  • Для описания тенденции равномерно изменяющихся уровней ряда используют … модель

    • экспоненциальную

    • S-образную

    • линейную

  • Для отражения влияния на структуру модели качественных переменных, если они наблюдаемы, применяют … переменные

    • поддельные

    • фальшивые

    • фиктивные

  • Для отсутствия автокорреляции остатков характерно

    • непостоянство дисперсии остатков

    • отсутствие зависимости между остатками текущих и предыдущих наблюдений

    • постоянство математического ожидания остатков


  • Для оценки значимости коэффициент регрессии и его расчета доверительных интервалов используется

    • статистика подчиняющаяся статистике Стьюдента при степенях свободы "n-2"

  • Для проверки значимости отдельных коэффициентов множественной регрессии используют

    • нормальный закон распределения

    • распределение Фишера

    • распределение Стьюдента

  • Для проверки ряда на стационарность используется тест

    • Стьюдента

    • Дики-Фулера

    • Фишера

  • Для проверки эконометрической модели на гомоскедастичность не применяется тест

    • Глейзера

    • Дарбина-Уотсона

    • Голдфелда-Квандта

  • Для системы одновременного уравнения матрица

    • иное

  • Для стационарного процесса в узком смысле не может быть того, что

    • процесс не является стационарным в широком смысле

    • корреляционная функция зависит только от лага между уровнями ряда

    • математическое ожидание случайной величины постоянно

  • Доказано, что если выполняется предпосылка метода наименьших квадратов (условия Гаксса-Маркова) то наилучшие оценки параметров линейной регрессии

    • обладают свойствами, является - несмещенными, эффективными, состоятельными

  • Долгосрочный мультипликатор в модели регрессии рассчитывается как сумма

    • краткосрочного и промежуточного мультипликатора

  • Допустим, что имеем временной ряд, за 20 лет наиболее высокие значения коэфф. 3; 6; и 9-ого порядка, значит период колебания равен

    • 3 года

  • Допустим, что по одним и тем же выборочным данным построены два парных линейных уравнения регрессии у=а+вх+е; х=с+dy+е какое из соотношений линейных коэффициент корреляции является истинным?

    • z(ух)=z(ух)

  • Допустим, что спрос на иномарки на авторынке России в зависимости от цены

    • характеризуется параболой второго порядка у=а+вх+сх в квадрате

  • Если абсолютное значение линейного коэффициента корреляции близко к нулю, то

    • в линейно форме связь между переменными слабая

    • связь между переменными слабая

    • связь между переменными сильная


  • Если в динамической модели фактором выступает разовое значение

    • это модуль авторегрессии

  • Если в уравнении парно-линейная регрессия у=а+вх+е переменные "х" и "у" выразить в отклонениях от средних, то

    • уравнение примет вид у=вх+е. Оценка коэффициента регрессии при этом не меняется

  • Если взаимосвязанные временные ряды содержат линейные тренды, то исходные данные заменяют

    • первыми разностями

  • Если зависимая переменная "у" одного уравнения выступая "х"-ом другим, то модель в виде системы

    • рекурсивных уравнений

  • Если наиболее высоким среди коэфф. корреляции оказался коэфф. первого порядка, то ряд содержит

    • линейную тенденцию

  • Если система сверхидентифицированна применяют

    • двухшаговый метод наименьших квадратов

  • Если структурная и приведённая форма модели имеют одинаковое число коэффициента

    • модели идентифицированы

  • Если тенденции временного ряда соответствуют экспоэнциальной или степенной тренд метод последовательных разностей применяют не к исходным уравнениям, а к их

    • логарифмам

  • Если уравнение множественной линейной регрессии построено правильно, то индекс корреляции должен быть

    • больше или равен максимальному значению парному коэфф. Корреляции

  • Если функции потребления с=кх+L коэффициенту регрессии больше единицы

    • значит на потребление расходуется не только доход, но и сбережения

  • Зависимость между переменной типа y=f(x) называется функцией регрессии (y) на (х)

    • Допустим Зависимость "у" от потребления дохода "х" выражается уравнением регрессии у=а+в

  • Зачем вводится тождество?

    • чтобы ограничить значение "к" - предельная склонность потребления

  • Значимость множественного линейного уравнения регрессии проверяется по

    • X^2-критерию

    • F-критерию

    • t-критерию

  • Значительной вехой явилось введение экономических барометров, упоминается

    • гарвардский барометр

  • Идентификацию обеспечивают


    • счетное

  • Качество экзогенных переменных выбирают которые могут быть объектом

    • регулирования

  • Ковариация – это

    • явление линейной стохастической связи между переменными

    • показатель, характеризующий тесноту линейной стохастической связи между

    • переменными

    • показатель, позволяющий установить факт наличия линейной стохастической связи между переменными

  • Кол-во системных уравнений определяется

    • целями задач исследования

  • колличество структурных переменных включ. уравнение регрессии, должно быть

    • равно числу градации минус единица

  • Колличество Эндогенных переменных моделях структурных уравнений равно числу

    • уравнений в системе

  • Компонента временного ряда, отражающая влияние периодически действующих факторов, – это…

    • сезонная составляющая

    • случайная составляющая

    • тренд

  • Компонента временного ряда, отражающая влияние постоянно действующих факторов, – это

    • циклическая составляющая

    • сезонная составляющая

    • тренд

  • Кореляция между факторами переменной считается явной если эти факторы имеют

    • значения парного линейного коэффициент корреляции равного 0,7 и более

  • Корреляция – это

    • показатель, характеризующий тесноту линейной стохастической связи между переменными

    • явление линейной стохастической связи между переменными

    • показатель, позволяющий установить факт наличия линейной стохастической связи между переменными

  • Косвенный МНК применяется, если уравнение

    • неидентифицируемо

    • точно идентифицируемо

    • сверхидентифицируемо

  • Наличие тренда в уровнях ряда проверяется с помощью теста

    • Фостера-Стюарта

    • Спирмена

    • Дарбина-Уотсона

  • Коэффициент детерминации характеризует долю

    • дисперсии зависимой переменной, объясняемую регрессией в общей ее дисперсии

    • дисперсии зависимой переменной, не объясненную регрессией в общей дисперсии зависимой переменной

    • разброса зависимой переменной, не объясненную регрессией