ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.01.2024
Просмотров: 244
Скачиваний: 4
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Эконометрика
Автокорреляционная функция …
Зависимость коэффициента автокорреляции от первых разностей уровней временного ряда
Зависимость уровня временного ряда от коэффициента корреляции с его номером
Последовательность коэффициентов автокорреляции, расположенных по возрастанию их порядка
Последовательность коэффициентов автокорреляции, расположенных по возрастанию их значений
Автокорреляционная функция – это функция от …
значений уровней ряда
времени
времени и лага между двумя уровнями ряда
Автокорреляция бывает...
объяснительной и случайной
простой и сложной
положительной и отрицательной
случайной и неслучайной
Аддитивная модель временного ряда выглядит следующим образом:
Y = T * S * E
Y = T * S + Е
Y = T + S + E
Y = T +S * Е
«белый шум» – это …
свойство коэффициентов регрессионной модели
модель временного ряда с независимыми одинаково распределенными наблюдениями
стационарный временной ряд, который имеет постоянное математическое ожидание и дисперсию
Белый шум – это …
свойство коэффициентов регрессионной модели
модель временного ряда с независимыми одинаково распределенными наблюдениями
модель авторегрессии первого порядка
Боксом и Дженкинсом был предложен …
систематический подход к построению АRМА-моделей
стационарный временной ряд «Белый шум»
косвенный метод построения квадратов
Верные утверждения относительно мультиколлинеарности факторов Тип ответа: Множественный выбор
В модель линейной множественной регрессии рекомендуется включать мультиколлинеарные факторы
Мультиколлинеарность факторов приводит к снижению надежности оценок параметров уравнения регрессии
Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, большими 0,7
Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, меньшими 0,3
Верные утверждения о включении в уравнение линейной множественной регрессии факторов Тип ответа: Множественный выбор
-Включение фактора в модель приводит к заметному возрастанию коэффициента множественной детерминации
-Коэффициент парной корреляции для фактора и результативной переменной меньше 0,3
-Значение t-критерия Стьюдента для коэффициента регрессии при факторе меньше табличного значения
-Фактор должен объяснять поведение изучаемого показателя согласно принятым положениям экономической теории
В журнале эконометрика основанный в 1933г. эконометрика определяется как
единство экономической теории, математики и статистики
В индефецируемом примере при, зависимости одной величины от другой каждого значения допустимых каждой переменной
Ответ: функциональными или статистическими
В регрессионном анализе при … зависимости каждому значению одной переменной соответствует определенное распределение другой переменной
функциональной
статистической
корреляционной
В регрессионном анализе при корреляционной зависимости между переменными каждому значению одной переменной соответствует определенное … другой переменной
математическое ожидание
значение
распределение
В результате компонентного анализа временного ряда не может быть получена … модель
мультипликативная
приведенная
парная регриссионная
В результате компонентного анализа временного ряда не может быть получена … модель
мультипликативная
приведенная
множественная регрессионная
В условиях гетероскедастичности остатков для оценки параметров эконометрической модели следует использовать …
метод моментов
метод максимального правдоподобия
обобщенный метод наименьших квадратов
В эконометрической модели зависимая переменная разбивается на две части – …
объяснительную и случайную
положительную и отрицательную
простую и сложную
Говоря о временном ряде, элементы которого представляют «белый шум», можно утверждать, что …
дисперсия не равна 0
среднее значение не равно 0
автокорреляция равна 0
автокорреляция не равна 0
Гомоскедастичность означает …
постоянство дисперсии случайного члена регрессионного уравнения
отсутствие автокорреляции случайного члена регрессионного уравнения
отсутствие корреляционной связи между случайным членом и объясняющими переменными регрессионной модели
Двухшаговый МНК не применяется, если уравнение …
точно идентифицируемо
сверхидентифицируемо
неидентифицируемо
Дики-Фуллера это разновидность Ответ: для анализа временных рядов для проверки на стационарность.
Для анализа временных рядов, в частности, используется модель скользящей средней порядка (q) (модель MA(q)), в которой …
текущее значение моделируемой переменной задается функцией от прошлых значений самой переменной
сочетается авторегрессионные процессы с процессами скользящей средней
моделируемая величина задается функцией от прошлых ошибок
Для идентифицируемой структурной формы системы одновременных уравнений при оценке параметров применяется
Обычный метод наименьших квадратов
Косвенный метод наименьших квадратов
Двухшаговый метод наименьших квадратов
Трехшаговый метод наименьших квадратов
Для нестационарного временного ряда может быть построена модель…
тренда и сезонности.
Для описания тенденции равномерно изменяющихся уровней ряда используют … модель
линейную
экспоненциальную
S-образную
Для отражения влияния качественной сопутствующей переменной, имеющей m состояний, обычно включают в модель … фиктивную переменную
m-1
(m+1)2
m+1
(m-1)2
Для отражения влияния на структуру модели качественных переменных, если они наблюдаемы, применяют … переменные
фальшивые
фиктивные
поддельные
Для отражения влияния на эндогенную переменную y (Y) сопутствующих качественных переменных регрессионную модель вводятся …переменные
поддельные
фальшивые
фиктивные
Для отсутствия автокорреляции остатков характерно …
постоянство математического ожидания остатков
отсутствие зависимости между остатками текущих и предыдущих наблюдений
непостоянство дисперсии остатков
Для проверки значимости отдельных коэффициентов множественной регрессии используют …
нормальный закон распределения
распределение Стьюдента
распределение Фишера
Для проверки значимости отдельных коэффициентов множественной регрессии используют критерий …
Фишера
Дарбина-Уотсона
Фостера-Стюарта
Стьюдента
Для проверки ряда на стационарность используется тест
Фишера
Стьюдента
Дики-Фулера
Для проверки эконометрической модели на гомоскедастичность не применяется тест …
Голдфелда-Квандта
Дарбина -Уотсона
Глейзера
Для сверхидентифицируемой структурной формы системы одновременных уравнений при оценке параметров применяется
Обычный метод наименьших квадратов
Косвенный метод наименьших квадратов
Двухшаговый метод наименьших квадратов
Трехшаговый метод наименьших квадратов
Для стационарного процесса в узком смысле не может быть того, что …
корреляционная функция зависит только от лага между уровнями ряда
математическое ожидание случайной величины постоянно
процесс не является стационарным в широком смысле
Единственность соответствия между приведенной и структурной формами модели системы одновременных уравнений составляет проблему
мультиколлинеарности факторов
идентификации
гетероскедастичности остатков
неоднородности данных
Если абсолютное значение линейного коэффициента корреляции близко к нулю, то …
связь между переменными сильная
связь между переменными слабая
в линейно форме связь между переменными слабая
Если абсолютное значение линейного коэффициента корреляции равно нулю, то линейная корреляционная связь между переменными …
сильная
слабая
отсутствует
Если автокорреляционная функция (акф) показывает выброс на первом лаге, а частная автокорреляционная функция (чакф) экспоненциально затухает, то можно предположить, что временной ряд наиболее адекватно опишет модель
ARMA(0,2)
ARMA(0,1)
ARMA(1,0)
ARMA(1,1)
Если автокорреляционная функция (акф) показывает выброс на первом лаге и частная автокорреляционная функция (чакф) показывает выброс на первом лаге, то можно предположить, что временной ряд наиболее адекватно опишет модель
ARMA(0,2)
ARMA(0,1)
ARMA(1,0)
ARMA(1,1)
Если автокорреляционная функция (акф) показывает выбросы на первых двух лагах, а частная автокорреляционная функция (чакф) экспоненциально затухает, то можно предположить, что временной ряд наиболее адекватно опишет модель
ARMA(0,2)
ARMA(0,1)
ARMA(1,0)
ARMA(1,1)
Если автокорреляционная функция (акф) экспоненциально затухает, а частная автокорреляционная функция (чакф) показывает выброс на первом лаге, то можно предположить, что временной ряд наиболее активно опишет модель
ARMA(0,2)
ARMA(0,1)
ARMA(1,0)
ARMA(1,1)
Если автокорреляционная функция (акф) экспоненциально затухает, а частная автокорреляционная функция (чакф) показывает выброс на первых двух лагах, то можно предположить, что временной ряд наиболее активно опишет модель