Доступность математических выводов.

62. Достоинством метода наименьших модулей 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

5) доступность математических выводов.

 

63. Для оценки неизвестных параметров модели парной линейной регрессии на практике наиболее часто применяют

1) теорему Гаусса-Маркова;

2) критерий Стьюдента;

3) критерий Фишера-Снедекора;

4) метод наименьших квадратов;

5) метод наименьших модулей.

 

64. Неизвестные параметры и выбираются таким образом, чтобы сумма квадратов отклонений эмпирических значений от теоретических значений была минимальной согласно

1) теореме Гаусса-Маркова;

2) критерию Стьюдента;

3) критерию Фишера-Снедекора;

4) методу наименьших квадратов;

5) методу наименьших модулей.

 

65. Неизвестные параметры и выбираются таким образом, чтобы сумма абсолютных величин отклонений эмпирических значений от теоретических значений была минимальной согласно

1) теореме Гаусса-Маркова;

2) критерию Стьюдента;

3) критерию Фишера-Снедекора;

4) методу наименьших квадратов;

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 уравнении;

5) сверхидентифицируема.

 

115. Динамическая конъюнктурная модель Клейна выглядит следующим образом

1) ;

2) ;

3) ;

4) ;

5) .

 

116. Модель формирования спроса и предложения, содержащая только эндогенные переменные, выглядит следующим образом

1) ;

2) ;

3) ;

4) ;

5) .

117. Модель формирования спроса и предложения, содержащая эндогенные и экзогенные переменные, выглядит следующим образом

1) ;

2) ;

3) ;

4) ;

5) .

 

118. Какое количество эндогенных переменных содержит модель формирования спроса и предложения ?

1) одну;

2) две;

3) три;

4) четыре;

5) пять.

 

119. Какое количество эндогенных и экзогенных переменных содержит модифицированная модель формирования спроса и предложения ?

1) одну эндогенную и четыре экзогенные;

2) две эндогенные и три экзогенные;

3) три эндогенные и две экзогенные;

4) четыре эндогенные и одну экзогенную;

5) пять эндогенных.

 

120. Какое количество поведенческих уравнений содержит модель формирования спроса и предложения ?

1) одно;

2) два;

3) три;

4) четыре;

5) пять.

 

121. Какое количество тождеств содержит модель формирования спроса и предложения ?

1) одно;

2) два;

3) три;

4) четыре;

5) пять.

 

122. Какое количество экзогенных переменных содержит модель формирования спроса и предложения ?

1) ноль;

2) одну;

3) две;

4) три;

Четыре.

 

124. Для оценки коэффициентов точно идентифицируемой структурной модели 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.

 

125. Какое количество эндогенных переменных содержит Кейнсианская модель формирования доходов?

1) одну;

2) две;

3) три;

4) четыре;

5) пять.

 

126. Какое количество экзогенных переменных содержит Кейнсианская модель формирования доходов?

1) ноль;

2) одну;

3) две;

4) три;

5) четыре.

 

127. Какое количество поведенческих уравнений содержит Кейнсианская модель формирования доходов?

1) ноль;

2) одно;

3) два;

4) три;

5) четыре.

 

128. Какое количество тождеств содержит Кейнсианская модель формирования доходов?

1) одно;

2) два;

3) три;

4) четыре;

5) пять.

 

129. Система эконометрических уравнений, в которой одни и те же зависимые переменные в одних уравнениях входят в ле­вую часть, а в других уравнениях — в правую часть системы, называется системой

1) рекурсивных уравнений;

2) независимых уравнений;

3) взаимозависимых уравнений;

4) зависимых уравнений;

5) приведенных уравнений.

 

130. Система эконометрических уравнений, в которой каждая зависимая переменная рассматривается как функция одного и того же набора факторов, называется системой

1) рекурсивных уравнений;

2) независимых уравнений;

3) взаимозависимых уравнений;

4) зависимых уравнений;

5) приведенных уравнений.

 

131. Система эконометрических уравнений, в которой зависимая переменная одного уравнения выступает в виде фактора в другом уравнении, называется системой

1) рекурсивных уравнений;

2) независимых уравнений;

3) взаимозависимых уравнений;

4) зависимых уравнений;

5) приведенных уравнений.

 

Раздел 6. Моделирование временных рядов

 

132. Моделями временных рядов называются эконометрические модели, построенные на основе данных, характеризующих

1) совокупность различных объек­тов в прошедший период времени;

2) совокупность различных объек­тов в настоящий период времени;

3) совокупность различных объек­тов в будущий период времени;

4) совокупность различных объек­тов в определенный момент (период) времени;

5) один объект за ряд последова­тельных моментов (периодов) времени.

 

133. Пространственными моделями называются эконометрические модели, построенные на основе данных, характеризующих

1) совокупность различных объек­тов в прошедший период времени;

2) совокупность различных объек­тов в настоящий период времени;

3) совокупность различных объек­тов в будущий период времени;

4) совокупность различных объек­тов в определенный момент (период) времени;

5) один объект за ряд последова­тельных моментов (периодов) времени.

 

134. Совокупность значений какого-либо показателя за несколько последовательных моментов (периодов) времени называется

1) рядом распределения;

2) временным рядом;

3) вариационным рядом;

4) пространственными данными;

5) смешанным массивом информации.

 

135. Каждый уровень временного ряда формируется под воздействием групп факторов:

1) факторы, формирующие тенденцию ряда;

2) факторы, формирующие нециклические колебания ряда;

3) факторы, формирующие циклические колебания ряда;

4) случайные факторы;

5) неслучайные факторы.

 

136. Эконометрическая модель, в которой времен­ной ряд представлен как сумма трендовой, циклической и случайной компонент, назы­вается

1) моделью тренда;

2) моделью сезонности;

3) моделью временного ряда;

4) аддитивной моделью временного ряда;

5) мультипликативной моделью временного ряда.

 

137. Эконометрическая модель, в которой времен­ной ряд представлен как произведение трендовой, циклической и случайной компонент, назы­вается

1) моделью временного ряда;

2) моделью сезонности;

3) моделью тренда;

4) аддитивной моделью временного ряда;