Ответы к тесту/контрольной: Эконометрика: идентификация, оценивание и анализ статистических моделей

При построении эконометрической модели следует:

Модель в эконометрике отвечает на вопросы о том:

Использование полиномиальной зависимости в модели линейной регрессии:

Для фиксированного значения вектора независимых переменных точность оценки истинного значения регрессии:

Выбор зависимой переменной:

Степень изменчивости данных обычно оценивают с помощью:

Правила измерения:

Необходимым условием экзогенности независимых переменных является:

Гипотеза о нормальности предполагает, что:

Если ввести в модель линейной регрессии порядковую переменную с числовыми значениями, то

Следует пересмотреть начальные теоретические предположения, если:

Первым шагом в эконометрических исследованиях является:

При нарушении гипотезы об экзогенности:

Тот факт, что значения независимых переменных и случайной составляющей являются реализациями последовательности независимых случайных величин, является одним из достаточных условий того, то:

Причиной гетероскедастичности может являться:

Для элементов интервальной шкалы недопустима операция:

Большой разброс средних значений зависимой переменной свидетельствует о:

Некоторые свойства изучаемых объектов меняются с течением времени, поэтому:

При нарушении гипотезы о полноте ранга:

При измерении необходимо обеспечить:

Наличие мультиколинеарности ведет к:

Гипотеза об экзогенности предполагает, что:

При необходимости учесть влияние качественного признака, принимающего два значения, используют:

С ростом числа независимых переменных коэффициент детерминации:

Следует включить в предварительный вариант модели линейной регрессии независимые переменные, которые:

Наличие состоятельной и несостоятельной при нарушении предположения об экзогенности оценок параметров линейной регрессии позволяет определить:

Если переменная имеют не нулевую корреляцию с независимыми переменными, и не коррелируют со случайной переменной, то она называется:

Если в модели линейной регрессии пропущена значимая независимая переменная, то может нарушиться:

Если справедлива общая линейная гипотеза, то:

Коэффициент линейной регрессии определяет:

Если альтернативная гипотеза состоит в том, что истинное значение параметра линейной регрессии не превышает некоторого значения, то критическая область критерия имеет вид:

Гребневая оценка вектора значений параметров линейной регрессии является:

Из теоремы Гаусса - Маркова следует, что:

Сумма значений апостериорных остаточных разностей:

Достаточным условием существования и единственности МНК оценки параметров линейной регрессии должна выполняться гипотеза:

Равные интервалы между элементами интервальной шкалы:

Гипотеза о полноте ранга предполагает:

Гипотеза о линейности предполагает:

Фиктивная переменная:

Согласно утверждению Кейнса:

Для номинальной шкалы символы:

С ростом значения статистики критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии коэффициент частной корреляции между соответствующей независимой и зависимой переменными при фиксированном значении остальных переменных:

Расстояние Кука позволяет учесть:

Дисперсия остаточной разности:

Можно с фиксированной вероятностью ошибки отвергнуть гипотезу о равенстве нулю коэффициента линейной регрессии, если доверительный интервал для его истинного значения:

Если не отвергается гипотеза о равенстве нулю параметра линейной регрессии, то:

Объясненная часть изменчивости это:

Для порядковых переменных допустимы:

Диаграмма рассеивания это график:

Практический смысл третьего из условий Гренандера состоит в том, что с увеличением объема выборки:

Условия Гренандера являются частью достаточных условий для:

Если данные обладают какими-либо дефектами, следует:

Выборочный межквартильный размах можно использовать для оценки:

Для порядковой шкалы:

Независимые переменные в модели линейной регрессии:

В модели линейной регрессии гомоскедастичность случайной составляющей означает, что:

Дисперсия МНК оценки параметров линейной регрессии минимальна:

Целью предварительного анализа данных является:

Метод наименьших квадратов (МНК) состоит в:

Для анализа влияния номинальных и порядковых переменных на зависимую переменную следует использовать:

При изменении масштаба измерения зависимой переменной коэффициент детерминации:

Построение эконометрической модели осуществляется на основе:

Поскольку МНК оценка значения вектора параметров линейной регрессии является несмещенной, то

Для элементов интервальной шкалы

Выброс это измерение, которое:

В соответствии с предположениями Кейнса средняя склонность к потреблению:

Вектор подогнанных значений зависимой переменной является проекцией вектора значений зависимой переменной на:

Регрессионный анализ это

Апостериорной остаточной разностью называют:

Стохастическая компонента:

Для обнаружения ложной корреляции используют:

Значение модифицированного коэффициента детерминации увеличивается при удалении из модели линейной регрессии независимой переменной, для которой значение статистики критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии:

Если ввести в модель линейной регрессии номинальную переменную с числовыми значениями, то:

Стьюдентизированная удаленная остаточная разность позволяет оценить:

Препятствуют обнаружению выбросов:

На первом шаге двухшагового метода наименьших квадратов:

Чтобы переменная являлась инструментальной, она должна имеет нулевую корреляцию со случайной составляющей и:

Если в модели линейной регрессии независимая переменная измерена с ошибкой, то:

Для сильной состоятельности оценки дисперсии случайной составляющей в модели линейной регрессии s-квадрат достаточно чтобы:

Практический смысл первого из условий Гренандера состоит в том, что:

Одним из достаточных условий слабой состоятельности МНК оценок параметров линейной регрессии является то, что:

Качество подгонки данных моделью линейной регрессии оцененной с учетом ограничений общей линейной гипотезы и без их учета будет различаться несущественно, если:

Экономическая теория имеет проверяемые следствия, если:

Точность интервальной оценки истинного значения линейной регрессии при удалении от средних значений регрессоров на периферию:

Повышение точности интервальной оценки ведет к:

Если статистика критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии меньше единицы, то при удалении соответствующей переменной из модели линейной регрессии значение модифицированного коэффициента детерминации:

С ростом значения коэффициента частной корреляции между независимой и зависимой переменными при фиксированном значении остальных переменных статистика критерия проверки гипотезы о равенстве нулю соответствующего коэффициента линейной регрессии:

Наличие гетероскедастичности ведет к:

Нарушение гипотезы о полноте ранга ведет к:

Дисперсия МНК оценки параметров линейной регрессии:

Несмещеность МНК оценок параметров линейной регрессии является следствием:

Ложная корреляция между зависимой и независимой переменной приводит:

Коэффициент детерминации характеризует:

Вектор значений апостериорной остаточной разности является проекцией вектора значений зависимой переменной на:

Для того, чтобы нормальное уравнение МНК имело единственное решение, достаточно выполнения гипотезы:

Подогнанным значением зависимой переменной называют:

Нелинейные преобразования независимых переменных в модели линейной регрессии:

Интервальная шкала отличается от относительной:

Школьная отметка по пятибалльной системе является элементом:

Частоту встречаемости значения номинальной характеристики объекта: