Ордена Трудового Красного Знамени

ФЕДЕРАЛЬНОЕ АГЕНТСТВО СВЯЗИ

Ордена Трудового Красного Знамени

Федеральное государственное бюджетное образовательное учреждение

высшего образования

Московский технический университет связи и информатики

Кафедра экономики связи

 

ТЕСТ

по дисциплине

«ЭКОНОМЕТРИКА»

 

 

Студентки: Косаева Е.В

группы 3БЭФ1501

Преподаватель: Шарова О.И

 

 

 

 

Раздел 1. Методологические основы эконометрики

 

1. Моделями временных рядов, в которых переменная зависит от времени являются:

1) модели тренда;

2) модели сезонности;

3) модели авторегрессии;

4) модели тренда и сезонности;

5) модели с распределенным лагом.

 

2. Моделями временных рядов, в которых переменная зависит от переменных, датированных другими моментами времени являются:

1) модели тренда;

2) модели сезонности;

3) модели авторегрессии;

4) модели с распределенным лагом;

5) модели ожидания.

 

3. По виду функции модели регрессии делятся на модели:

1) парной регрессии;

2) модели с одним уравнением;

3) линейные;

4) множественной регрессии;

Нелинейные.

 

4. Системы одновременных уравнений состоят из:

1) тождеств;

2) моделей с распределенным лагом;

3) уравнений авторегрессии;

4) поведенческих уравнений;

5) моделей ожидания.

 

5. Экзогенными переменными, включаемыми в эконометрическую модель, являются переменные:

1) независимые;

2) зависимые;

3) взаимозависимые;

4) предопределенные;

5) объясняющие.

 

6. Эндогенными переменными, включаемыми в эконометрическую модель, являются переменные:

1) независимые;

2) зависимые;

3) взаимозависимые;

4) предопределенные;

5) объясняющие.

 

7. Лаговые переменные определяются на основе уравнения с переменными, относящимися к

1) предыдущему моменту времени;

2) текущему моменту времени;

3) будущему моменту времени;

4) неопределенному моменту времени;

5) определенному моменту времени.

 

8. Совокупность экономической информации, характеризующая объект за несколько моментов времени является:

1) моделью авторегрессии;

2) моделью с распределенным лагом;

3) моделью ожидания;

4) пространственными данными;

Временными данными.

 

9. Пространственные данные характеризуются тем, что

1) естественным образом упорядочены во времени;

2) подвержены автокорреляции;

3) являются одинаково распределенными величинами;

4) характеризуют объекты на определенный момент времени;

5) характеризуют объекты за несколько последовательных моментов времени.

 

10. Временные ряды характеризуются тем, что:

1) естественным образом упорядочены во времени;

2) подвержены автокорреляции;

3) являются одинаково распределенными величинами;

4) характеризуют объекты на определенный момент времени;

Характеризуют объекты за несколько последовательных моментов времени.

 

11. Эконометрическая модель спроса и предложения состоит из

1) уравнения спроса;

2) уравнения предложения;

3) уравнения цены;

4) тождества качества;

Тождества равновесия.

 

12. Эндогенными переменными модели спроса и предложения являются:

1) объем инвестиций;

2) объем предложения;

3) объем спроса;

4) количество потребителей;

5) цена.

 

13. Эконометрическая модель временного ряда представляет собой

1) зависимость результативной переменной от предыдущих значений результативных переменных;

2) зависимость результативной переменной от переменной времени или переменных, относящихся к другим моментам времени;

3) зависимость результативной переменной от предыдущих значений факторных переменных;

4) зависимость результативной переменной от будущих значений факторных или результативных переменных;

5) зависимость результативной переменной от сезонной компоненты.

 

14. Эконометрическая модель ожидания представляет собой

1) зависимость результативной переменной от предыдущих значений результативных переменных;

2) зависимость результативной переменной от переменной времени или переменных, относящихся к другим моментам времени;

3) зависимость результативной переменной от предыдущих значений факторных переменных;

4) зависимость результативной переменной от будущих значений факторных или результативных переменных;

5) зависимость результативной переменной от сезонной компоненты.

 

15. Эконометрическая модель авторегрессии представляет собой

1) зависимость результативной переменной от предыдущих значений результативных переменных;

2) зависимость результативной переменной от переменной времени или переменных, относящихся к другим моментам времени;

3) зависимость результативной переменной от предыдущих значений факторных переменных;

4) зависимость результативной переменной от будущих значений факторных или результативных переменных;

5) зависимость результативной переменной от сезонной компоненты.

 

16. Эконометрическая модель с распределенным лагом представляет собой

1) зависимость результативной переменной от предыдущих значений результативных переменных;

2) зависимость результативной переменной от переменной времени или переменных, относящихся к другим моментам времени;

3) зависимость результативной переменной от предыдущих значений факторных переменных;

4) зависимость результативной переменной от будущих значений факторных или результативных переменных;

5) зависимость результативной переменной от сезонной компоненты.

 

17. Какое количество эндогенных переменных содержит эконометрическая модель спроса и предложения?

1) одну;

2) две;

3) три;

4) четыре;

5) пять.

 

18. Задачи, решаемые эконометрикой, по уровню иерархии подразделяются на

1) задачи прогноза;

2) задачи моделирования;

3) задачи макроуровня;

4) задачи мезоуровня;

Задачи микроуровня.

 

19. Задачи, решаемые эконометрикой, по конечным прикладным целям подразделяются на

1) задачи прогноза;

2) задачи моделирования;

3) задачи макроуровня;

4) задачи мезоуровня;

5) задачи микроуровня.

 

20. Основные классы эконометрических моделей:

1) модели прогноза;

2) модели временных рядов;

3) регрессионные модели с одним уравнением;

4) регрессионные модели с несколькими уравнениями;

Идентификации модели.

 

23. На каком этапе эконометрического моделирования оценивается достоверность и адекватность полученной эконометрической модели?

1) постановочном;

2) априорном;

3) параметризации;

4) оценки качества модели;

5) интерпретации результатов моделирования.

 

24. На каком этапе эконометрического моделирования осуществляется выбор общего вида эконометрической модели?

1) постановочном;

2) априорном;

3) параметризации;

4) информационном;

5) идентификации модели.

 

25. На каком этапе эконометрического моделирования определяются конечные цели и задачи эконометрического исследования?

1) постановочном;

2) априорном;

3) параметризации;

4) информационном;

5) идентификации модели.

 

26. На каком этапе эконометрического моделирования проводится анализ качества собранных данных, необходимых для построения эконометрической модели?

1) постановочном;

2) априорном;

3) параметризации;

4) информационном;

5) идентификации модели.

 

27. Коррелированность двух или нескольких объясняющих переменных в уравнении регрессии называется

1) автокорреляцией;

2) ложной корреляцией;

3) мультиколлинеарностью;

4) эффектом «эмерджентности»;

5) «белым шумом».

 

28. Функция вида является

1) линейной;

2) правой полулогарифмической;

3) степенной;

4) гиперболической;

5) параболой.

 

29. Функция вида является

1) линейной;

2) правой полулогарифмической;

3) степенной;

4) гиперболической;

5) логарифмической.

 

30. Функция вида является

1) линейной;

2) правой полулогарифмической;

3) степенной;

4) гиперболической;

Параболой.

 

31. Функция вида является

1) линейной;

2) правой полулогарифмической;

3) степенной;

4) гиперболической;

5) параболой.

 

32. Функция вида является

1) линейной;

2) правой полулогарифмической;

3) степенной;

4) гиперболической;

5) логарифмической.

 

33. Функция вида является

1) обратной линейной (функцией Торнквиста);

2) функцией с постоянной эластичностью замены;

3) гиперболической;

4) экспоненциальной;

Критерия Стьюдента.

 

41. Основными подходами к решению проблемы выбора оптимального состава факторов, включенных в эконометрическую модель, являются:

1) содержательный;

2) априорный;

3) идентификационный;

4) апостериорный;

5) информационный.

 

42. «Априорный» подход к отбору факторов эконометрической модели характеризуется тем, что

1) обладает достаточной обоснованностью;

2) не обладает достаточной обоснованностью;

3) принимает во внимание в полной мере особенности комплексного влияния независимых переменных на результативную переменную;

4) не принимает во внимание в полной мере особенности комплексного влияния независимых переменных на результативную переменную;

5) позволяет уточнить предварительные варианты наборов независимых факторов.

 

43. «Апостериорный» подход к отбору факторов эконометрической модели характеризуется тем, что

1) обладает достаточной обоснованностью;

2) не обладает достаточной обоснованностью;

3) принимает во внимание в полной мере особенности комплексного влияния независимых переменных на результативную переменную;

4) не принимает во внимание в полной мере особенности комплексного влияния независимых переменных на результативную переменную;

5) позволяет уточнить предварительные варианты наборов независимых факторов.

 

44. Коэффициент детерминации характеризуется тем, что

1) является критерием значимости уравнения регрессии;

2) является критерием оценки значимости коэффициентов уравнения регрессии;

3) оценивает тесноту связи между результативным признаком и всеми факторами;

4) показывает, какая часть вариации результативного признака обусловлена влиянием факторов, включенных в модель;

Регрессионным анализом.

 

52. Общий вид модели парной линейной регрессии представляется выражением:

1) ;

2) ;

3) ;

4) ;

5) .

 

53. Модель парной линейной регрессии, полученная на основе обработки данных выборочного наблюдения, представляется выражением:

1) ;

2) ;

3) ;

4) ;

5) .

 

54. Случайная ошибка модели парной линейной регрессии возникает на основе объективных условий:

1) репрезентативности выборки;

2) нерепрезентативности выборки;

3) безошибочного измерения переменных, включенных в эконометрическую модель;

4) ошибочного измерения переменных, включенных в эконометрическую модель;

5) включения в модель параметра .

 

55. Для оценки неизвестных параметров и модели парной линейной регрессии используют

1) метод скользящей средней;

2) метод наименьших квадратов;

3) метод наименьших модулей;

4) условия Гаусса-Маркова;

5) остаточную дисперсию.

 

56. Проверка гипотезы о значимости коэффициентов модели парной линейной регрессии осуществляется на основе

1) парного линейного коэффициента корреляции;

2) критерия Фишера-Снедекора;

3) критерия Стьюдента;

4) коэффициента детерминации;

5) остаточной дисперсии.

 

57. Проверка гипотезы о значимости уравнения парной линейной регрессии осуществляется на основе

1) парного линейного коэффициента корреляции;

2) критерия Фишера-Снедекора;

3) критерия Стьюдента;

4) коэффициента детерминации;

5) остаточной дисперсии.

 

58. Мерой отклонения зависимой переменной от значений, предсказываемых уравнением регрессии, является

1) парный линейный коэффициент корреляции;

2) критерий Фишера-Снедекора;

3) критерий Стьюдента;

4) коэффициент детерминации;

Остаточная дисперсия.

 

59. Параметр в модели парной линейной регрессии - это

1) среднее значение независимой переменной , при условии, что зависимая переменная равна нулю;

2) среднее значение зависимой переменной , при условии, что независимая переменная равна нулю;

3) коэффициент в модели парной линейной регрессии;

4) парный линейный коэффициент корреляции;

5) остаточная дисперсия.

 

60. Параметр в модели парной линейной регрессии - это

1) среднее значение независимой переменной , при условии, что зависимая переменная равна нулю;

2) среднее значение зависимой переменной , при условии, что независимая переменная равна нулю;

3) коэффициент в модели парной линейной регрессии;

4) парный линейный коэффициент корреляции;

5) остаточная дисперсия.

 

61. Достоинством метода наименьших квадратов является

1) чувствительность оценок к резким выбросам, встречающимся в исходных данных;

2) нечувствительность оценок к резким выбросам;

3) сведение всех вычислительных процедур к простому вычислению неизвестных коэффициентов;

4) возможность соответствия различным значениям оцениваемых коэффициентов , одинаковых сумм модулей отклонений

Методу наименьших модулей.

66. Классическая нормальная линейная регрессионная модель– это модель парной линейной регрессии, для которой

1) выполняются условия Гаусса-Маркова;

2) не выполняются условия Гаусса-Маркова;

3) случайный член ε_i имеет нормальное распределение;

4) случайный член ε_i имеет распределение близкое к нормальному;

5) значения случайного члена ε_i некоррелированы и независимы.

 

67. Гомоскедастичностью называется

1) зависимость дисперсии случайного члена от номера наблюдения;

2) независимость дисперсии случайного члена от номера наблюдения;

3) некоррелированность случайных членов для разных наблюдений;

4) коррелированность случайных членов для разных наблюдений;

5) случайность объясняющей переменной.

 

68. В случае парной линейной регрессионной модели коэффициент детерминации равен

1) коэффициенту корреляции;

2) квадрату коэффициента корреляции;

3) остаточной дисперсии;

4) параметру модели парной линейной регрессии;

5) параметру модели парной линейной регрессии.

 

69. Гетероскедастичностью называется

1) зависимость дисперсии случайного члена от номера наблюдения;

2) независимость дисперсии случайного члена от номера наблюдения;

3) некоррелированность случайных членов для разных наблюдений;

4) коррелированность случайных членов для разных наблюдений;

5) случайность объясняющей переменной.

 

70. Автокорреляцией остатков называется

1) зависимость дисперсии случайного члена от номера наблюдения;

2) независимость дисперсии случайного члена от номера наблюдения;

3) некоррелированность случайных членов для разных наблюдений;

4) коррелированность случайных членов для разных наблюдений;

5) случайность объясняющей переменной.

 

71. Если условия Гаусса-Маркова выполняются, то оценки сделанные с помощью МНК, являются наилучшими оценками и обладают свойствами:

1) смещенности;

2) несмещенности;

3) эффективности;

4) неэффективности;

5) состоятельности.

 

72. Условия Гаусса-Маркова:

1) математическое ожидание случайного члена в любом наблюдении должно быть равно нулю;

2) математическое ожидание случайного члена в любом наблюдении должно быть равно единице;

3) дисперсия случайного члена должна быть постоянной для всех наблюдений;

4) случайные члены должны быть статистически независимы (некоррелированы) между собой;

5) объясняющая переменная х должна быть неслучайной;

 

73. Для того, чтобы регрессионный анализ, основанный на методе наименьших квадратов (МНК), давал наилучшие из всех возможных результаты, должны выполняться

1) условия Гаусса-Маркова;

2) условия зависимости дисперсии случайного члена от номера наблюдения;

3) условия нечувствительности оценок к резким выбросам;

4) условия коррелированности случайных членов для разных наблюдений;

5) критерии Фишера-Снедекора и Стьюдента.

 

74. Вариация зависимой переменной полностью обусловлена воздействием неучтенных в эконометрической модели переменных, если

1) ;

2) ;

3) ;

4) ;

5) .

 

75. Коэффициент детерминации изменяется в пределах

1) от -1 до 1;

2) от нуля до единицы;

3) от нуля до двух;

4) от до ;

5) от нуля до .

 

76. Парный линейный коэффициент корреляции изменяется в пределах

1) от -1 до 1;

2) от нуля до единицы;

3) от нуля до двух;

4) от до ;

5) от нуля до .

 

77. Связь между переменными – прямая, если

1) ;

2) ;

3) ;

4) ;

5) .

 

78. Связь между переменными – обратная, если

1) ;

2) ;

3) ;

4) ;

5) .

 

79. Связь между переменными отсутствует, если

1) ;

2) ;

3) ;

4) ;

5) .

 

80. Регрессионный анализ между изучаемыми переменными не проводится, т.к. зависимость между ними носит функциональный характер в случае, если

1) ;

2) ;

3) ;

4) ;

5) .

 

Раздел 4. Эконометрические модели множественной регрессии и методы оценки их параметров

 

81. Множественный регрессионный анализ решает задачу исследования

1) одной зависимой переменной от одной объясняющей переменной ;

2) нескольких зависимых переменных , ,…, от одной объясняющей переменной ;

3) одной зависимой переменной от нескольких объясняющих переменных , ,…, ;

4) двух зависимых переменных и от нескольких объясняющих переменных , ,…, ;

5) нескольких зависимых переменных , ,…, от нескольких объясняющих переменных , ,…, ;

 

82. Классическая нормальная линейная модель множественной регрессии– это модель множественной линейной регрессии, в которой зависимая переменная, возмущения и объясняющие переменные удовлетворяют

1) условиям зависимости дисперсии случайного члена от номера наблюдения;

2) условиям нечувствительности оценок к резким выбросам;

3) условиям Гаусса-Маркова;

4) условиям коррелированности случайных членов для разных наблюдений;

5) критериям Фишера-Снедекора и Стьюдента.

 

83. Выборочное уравнение множественной регрессии представляет собой выражение

1) ;

2) ;

3) ;

4) ;

5) .

 

84. Для оценки неизвестных параметров модели парной линейной регрессии используют

1) метод скользящей средней;

2) метод наименьших квадратов;

3) метод наименьших модулей;

4) условия Гаусса-Маркова;

5) остаточную дисперсию.

 

85. Стандартной ошибкой регрессии является

1) коэффициент множественной корреляции;

2) критерий Фишера-Снедекора;

3) критерий Стьюдента;

4) коэффициент детерминации;

5) остаточная дисперсия.

 

86. Фиктивные переменные принимают значения:

1) 0;

2) 1;

3) 2;

4) 10;

5) 100.

 

87. Если включаемый в модель качественный признак име­ет не два, а несколько значений, то используют

1) одну фиктивную переменную;

2) две фиктивных переменных;

3) три фиктивных переменных;

4) несколько фиктив­ных переменных, число которых должно быть на единицу меньше числа значений признака;

5) несколько фиктив­ных переменных, число которых должно быть на единицу больше числа значений признака.

 

88. Если качественный признак имеет 2 значения, то это можно отразить, введя в эконометрическую модель

1) 1 фиктивную переменную;

2) 2 фиктивных переменных;

3) 3 фиктивных переменных;

4) несколько фиктивных переменных;

5) сколько угодно фиктивных переменных.

 

89. Если качественный признак имеет 3 значения, то это можно отразить, введя в эконометрическую модель

1) 1 фиктивную переменную;

2) 2 фиктивных переменных;

3) 3 фиктивных переменных;

4) несколько фиктивных переменных;

5) сколько угодно фиктивных переменных.

 

90. -статистика имеет распределение:

1) нормальное;

2) Стьюдента;

3) Фишера;

4) Лапласа;

5) Гаусса.

 

91. -статистика имеет распределение

1) нормальное;

2) Стьюдента;

3) Фишера;

4) Лапласа;

5) Гаусса.

 

92. Коэффициент уравнения регрессии значим, если наблюдаемое значение - критерия

1) равно нулю;

2) равно единице;

3) равно критическому значению - критерия;

4) меньше критического значения - критерия;

5) больше критического значения - критерия.

 

93. Коэффициент детерминации эконометрической модели значим, если наблюдаемое значение - критерия

1) равно нулю;

2) равно единице;

3) равно критическому значению - критерия;

4) меньше критического значения - критерия;

5) больше критического значения - критерия.

 

94. В случае не включения в модель переменной, которая должна быть включена,

1) требуется включение в модель фиктивных переменных;

2) требуется оценка по критерию Фишера-Снедекора;

3) требуется оценка по критерию Стьюдента;

4) оценка коэффициента регрессии и ее дисперсия являются несмещенны­ми;

5) оценка коэффициента регрессии и ее дисперсия являются смещенны­ми.

 

95. В случае включения в модель переменной, которая не должна быть включена,

1) требуется включение в модель фиктивных переменных;

2) оценка коэффициента регрессии и ее дисперсия являются несмещенны­ми;

3) оценка коэффициента регрессии и ее дисперсия являются смещенны­ми;

4) оценка коэффициента регрессии и ее дисперсия являются неэффективными;

5) оценка коэффициента регрессии и ее дисперсия являются эффективными.

 

Раздел 5. Системы эконометрических уравнений

 

96. Системы эконометрических уравнений подразделяются на

1) системы одновременных уравнений;

2) системы зависимых уравнений;

3) системы независимых уравнений;

4) системы рекурсивных уравнений;

5) системы приведенных уравнений;

6) системы поведенческих уравнений.

 

97. Системой одновременных уравнений является

1) модель производительности труда и фондоотдачи;

2) модель динамики цены и заработной платы;

3) Кейнсианская модель формирования доходов;

4) модель экономической эффективности;

Модель рентабельности.

 

98. Системой рекурсивных уравнений является

1) модель производительности труда и фондоотдачи;

2) модель динамики цены и заработной платы;

3) Кейнсианская модель формирования доходов;

4) модель экономической эффективности;

5) модель рентабельности.

 

99. С позиции идентифицируемости структурные модели можно подразделить на

1) идентифицируемые;

2) неидентифицируемые;

3) частично идентифицируемые;

4) полностью идентифицируемые;

5) сверхидентифицируемые.

 

100. Эконометрическая модель идентифицируема, если

1) все ее структурные коэффициенты определяются неоднозначно;

2) все ее структурные коэффициенты определяются однозначно;

3) часть ее структурных коэффициентов определяются однозначно;

4) часть ее структурных коэффициентов определяются неоднозначно;

5) один ее структурный коэффициент определяются однозначно.

 

101. Эконометрическая модель неидентифицируема, если

1) число приведенных коэффициентов меньше числа структурных коэффициентов;

2) число приведенных коэффициентов равно числу структурных коэффициентов;

3) число приведенных коэффициентов больше числа структурных коэффициентов;

4) число приведенных коэффициентов и структурных коэффициентов равно 4.

5) число приведенных коэффициентов и структурных коэффициентов равно 2.

 

102. Если число эндогенных переменных в j –ом уравнении системы - , а число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение, - , то модель идентифицируема, если

1) ;

2)

3) ;

4) ;

5) .

 

103. Если число эндогенных переменных в j –ом уравнении системы - , а число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение, - , то модель неидентифицируема, если

1) ;

2)

3) ;

4) ;

5) .

 

104. Если число эндогенных переменных в j –ом уравнении системы - , а число экзогенных переменных, которые содержатся в системе, но не входят в данное уравнение, - , то модель сверхидентифицируема, если

1) ;

2) ;

3) ;

4) ;

5) .

 

105. Коэффициенты структурной модели могут быть оценены

1) косвенным методом наименьших квадратов;

2) двухшаговым методом наименьших квадратов;

3) трехшаговым методом наименьших квадратов;

4) методом максимального правдоподобия с полной информа­цией;

5) методом максимального правдоподобия при ограниченной информации;

 

106. Если система сверхидентифицируема, то для оценки ее коэффициентов применяют

1) косвенный метод наименьших квадратов;

2) двухшаговый метод наименьших квадратов;

3) трехшаговый метод наименьших квадратов;

4) метод максимального правдоподобия с полной информа­цией;

5) метод максимального правдоподобия при ограниченной информации.

 

107. Если система сверхидентифицируема, то для оценки ее коэффициентов не применяют

1) косвенный метод наименьших квадратов;

2) двухшаговый метод наименьших квадратов;

3) трехшаговый метод наименьших квадратов;

4) метод максимального правдоподобия с полной информа­цией;

5) метод максимального правдоподобия при ограниченной информации.

 

108. Наиболее общим методом оценивания, результаты которого при нормальном распределении признаков совпадают с методом наименьших квадратов является

1) косвенный метод наименьших квадратов;

2) двухшаговый метод наименьших квадратов;

3) трехшаговый метод наименьших квадратов;

4) метод максимального правдоподобия с полной информа­цией;

5) метод максимального правдоподобия при ограниченной информации.

 

109. Методом наименьшего дисперсионного отношения, в котором сняты ограничения на параметры, связанные с функционированием системы в целом, является

1) косвенный метод наименьших квадратов;

2) двухшаговый метод наименьших квадратов;

3) трехшаговый метод наименьших квадратов;

4) метод максимального правдоподобия с полной информа­цией;

5) метод максимального правдоподобия при ограниченной информации.

 

110. Приго­ден для оценивания всех видов уравнений структурной модели

1) косвенный метод наименьших квадратов;

2) двухшаговый метод наименьших квадратов;

3) трехшаговый метод наименьших квадратов;

4) метод максимального правдоподобия с полной информа­цией;

5) метод максимального правдоподобия при ограниченной информации.

 

111. Экономически значимыми примерами систем одновременных уравнений являются:

1) модель производительности труда и фондоотдачи;

2) модель динамики цены и заработной платы;

3) Кейнсианская модель формирования доходов;

4) модель формирования спроса и предложения;

5) динамическая конъюнктурная модель Клейна.

 

112. Кейнсианская модель формирования доходов выглядит следующим образом

1) ;

2) ;

3) ;

4) ;

5) .

 

113. Кейнсианская модель формирования доходов содержит

1) одну эндогенную переменную и три экзогенных переменных;

2) две эндогенные переменные и две экзогенные переменные;

3) три эндогенные переменные и одну экзогенную переменную;

4) четыре эндогенные переменные;

5) четыре экзогенные переменные.

 

114. С точки зрения идентифицируемости, Кейнсианская модель формирования доходов

1) идентифицируема;

2) неидентифицируема;

3) идентифицируема в первом уравнении;

4) сверхидентифицируема в первом у