Эконометрика - ответы на вопросы на СтудИзбе

Установите соответствие между термином и его определением:

1. Интеркорреляция
2. Коэффициент детерминации (R2)
3. Мультиколлинеарность
4. Стандартизованный коэффициент регрессии

• Показывает, на сколько единиц изменится в среднем результат, если соответствующий фактор изменится на одну единицу при неизменном среднем уровне других факторов
• Доля объясненной вариации результативного признака
• Линейная зависимость между более чем двумя факторами
• Корреляция между объясняющими переменными

Какие свойства должны отвечать оценки параметров регрессии?

• Автокоррелированность
• Эффективность
• Состоятельность
• Гетероскедастичность
• Несмещенность

Оценка математического ожидания Х = 60, объем выборки n = 100, п верхняя 95-процентная граница для математического ожидания равна 62,94. Чему равна выборочная дисперсия?

Какие требования предъявляются к факторам, включаемым во множественную регрессию?

• Наличие интеркорреляции.
• Качественная измеримость.
• Количественная измеримость.
• Отсутствие интеркорреляции.

Какие преимущества дает использование стандартизованных коэффициентов регрессии?

• Возможность ранжирования факторов по силе воздействия.
• Упрощение расчетов.
• Улучшение интерпретации параметров.
• Возможность сравнения влияния факторов на результат.

Если предположение о природе гетероскедастичности верно, то дисперсия случайного члена для первых наблюдений в упорядоченном ряду будет ________ для последних:

Рассматривается модель Y = a1 + a2X + e (где: Y – зависимая переменная; X – регрессор; a1, a2 – параметры модели; e – случайный фактор). Оценка по методу наименьших квадратов (МНК): Y’ = a1+ a2Х, a2 < 0. Можно ли утверждать, что Y падает с ростом X в истинной модели?

Employ – темп роста занятости (%), GDP – темп роста валового внутреннего продукта ВВП (%). Employ’ = 0.48 * GDP – 0,375 R2 = 0,37. Какова доля зависимой переменной, не объясненная регрессией?

Если коэффициент парной линейной корреляции между признаками Y и X равен 0,9, следовательно, доля дисперсии результативного признака Y, не объясненная линейной парной регрессией Y по фактору X, будет равна … %

По результатам 20 наблюдений получен парный коэффициент корреляции r12 = 0,6. Известно, что x3 занижает связь между x1 и x2. Какое значение может принять частный коэффициент корреляции r12..3:

• –0,2
• 0,8
• 0,5
• –0,8

Класс нелинейности, к которому относится модель ỹₜ = a₀xⱼ^a₁, — это регрессия, нелинейная …

Универсальным способом задания случайной величины Х является задание ее … распределения

Если структурная форма модели системы эконометрических уравненийточно идентифицируема, то с помощью косвенного метода наименьших квадратов (МНК) …

Какое требование предъявляется к факторам, включаемым во множественную регрессию?

• Они должны быть качественными.
• Они должны быть некоррелированы с другими факторами.
• Они должны быть количественно измеримы.
• Они должны быть трудно измеримы.

Установите соответствие между методом и его описанием:

1. Метод включения
2. Шаговый регрессионный анализ
3. Метод исключения

• Отсев факторов из полного его набора
• Исключение ранее введенного фактора
• Дополнительное введение фактора

Если по 20 объектам получены следующие результаты: Sx =4,88, Sx2=2,518, Sy=44,7, Sy2=210,4, Syx= 22,1, то значение парного линейного коэффициента детерминации (с округлением до трех знаков после запятой) равно…

Если по 20 объектам получены следующие результаты: Sx =4,88, Sx2=2,518, Sy=44,7, Sy2=210,4, Syx= 22,1, то значение парного линейного коэффициента корреляции (с округлением до трех знаков после запятой) равно…

Укажите, какой признак характеризуют мультиколлинеарность:

• объясняющие переменные не должны быть связаны функциональной или тесной корреляционной зависимостью
• определитель матрицы XX’, где X - матрица объясняющих переменных, достаточно большой
• объясняющие переменные связаны функциональной или тесной корреляционной зависимостью
• определитель матрицы объясняющих переменных значительно отличается от нуля

Квадратическая функция y = b0 + b1x + b2x^2 может быть приведена к линейному виду с помощью следующих преобразований:

• логарифмирование обеих частей уравнения
• исключения лишних переменных
• замена переменных и логарифмирование обеих частей уравнения
• замена переменных

Формула −a₁ / (a₀xⱼ + a₂) предназначена для расчета коэффициента эластичности в случае если кривая спроса имеет форму равносторонней …

Сглаживание временного ряда означает устранение … остатков

На основе данных за период 2010-2020 гг. оценена производственная функция Кобба-Дугласа, характеризующая влияние факторов на валовой внутренний продукт (ВВП) России (Y). При этом в качестве факторов взяты: занятые в экономике (L), тысяч человек; основные фонды на конец года по полной учетной стоимости (К), млн руб. Y' = -89,608 * K^0,477 * L^8,2184 R^2 = 0,96. Какой является отдача от масштаба?

… переменная – это переменная, значения которой принадлежат к определенному классу

Временной ряд Y(t), математическое ожидание и дисперсия которого не меняются со временем, а ковариационная функция зависит только от разности аргументов, называется …

Для идентификации модели используются такие приемы, как

Выделяют три класса систем эконометрических уравнений: …

Лаговые значения переменных непосредственно включены в модель ... (укажите 2 варианта ответа)

• авторегрессии
• адаптивных ожиданий
• с распределенным лагом
• неполной (мастичной) корректировки

Производственная функция Кобба–Дугласа относится к классу … моделей

Множественный регрессионный анализ является подобием … регрессионного анализа

Для выбора формы модели используют тест

В поведенческих уравнениях структурной формы системы взаимосвязанных уравнений параметры …

Неверно, что системы эконометрических уравнений используются при моделировании … (укажите 2 варианта ответа)

Установите соответствие между типом модели и ее применением:

1. Аддитивная модель
2. Мультипликативная модель

• Амплитуда колебаний приблизительно постоянна
• Амплитуда колебаний возрастает или уменьшается

Какие переменные входят в систему одновременных уравнений?

• Экзогенные переменные
• Фиктивные переменные
• Лаговые переменные
• Эндогенные переменные
• Гетероскедастичные переменные

Какие предпосылки МНК необходимо соблюдать для получения состоятельных оценок
параметров регрессии?

• Нулевая средняя величина остатков
• Случайный характер остатков
• Гомоскедастичность
• Нормальное распределение остатков
• Отсутствие автокорреляции остатков

Расположите в правильной последовательности этапы построения модели с фиктивными
переменными:

• Проверка на идентификацию.
• Выбор метода оценки.

Какое условие необходимо для применения МНК?

• Остатки должны быть автокоррелированы
• Остатки должны быть независимыми и нормально распределенными
• Остатки должны быть гетероскедастичными
• Остатки должны иметь ненулевое среднее значение

Расположите в правильной последовательности этапы построения модели с фиктивными
переменными:

• Интерпретация результатов.
• Использование модели для прогнозирования.

Расположите в правильной последовательности этапы построения модели с фиктивными
переменными:

• Введение фиктивных переменных.
• Объединение уравнений.

Расположите в правильной последовательности этапы применения косвенного МНК:

• Структурная модель преобразовывается в приведенную форму модели.
• Оцениваются приведенные коэффициенты обычным МНК.
• Трансформируются коэффициенты приведенной формы модели в параметры структурной модели.

Какие типы моделей временного ряда существуют?

• Регрессионная модель
• Модель с фиктивными переменными
• Мультипликативная модель
• Аддитивная модель
• Пространственная модель

Какие действия необходимо предпринять при несоблюдении основных предпосылок МНК?

• Добавлять (исключать) некоторые факторы
• Корректировать модель
• Изменять спецификацию модели
• Преобразовывать исходные данные
• Игнорировать нарушение предпосылок

Какие методы используются для оценки коэффициентов структурной модели?

• Косвенный МНК
• Метод главных компонент
• Метод моментов
• Обобщенный МНК
• Двухшаговый МНК

Что такое гомоскедастичность?

• Зависимость остатков от факторов
• Постоянство дисперсии остатков для всех значений факторов
• Независимость остатков от факторов
• Переменность дисперсии остатков для всех значений факторов

Что такое фиктивная переменная?

• Экономическая переменная, принимающая количественные значения
• Качественная переменная, преобразованная в количественную
• Переменная, не влияющая на модель
• Переменная, используемая только в регрессионных моделях

Что означает несмещенность оценки?

• Математическое ожидание оценки равно нулю
• Оценка имеет наименьшую дисперсию
• Оценка всегда равна истинному значению параметра
• Математическое ожидание оценки равно истинному значению параметра

Какой метод используется для корректировки гетероскедастичности?

• Обобщенный метод наименьших квадратов (ОМНК)
• Метод максимального правдоподобия
• Метод наименьших квадратов (МНК)
• Метод моментов

Установите соответствие между типом модели и ее применением:

1. Мультипликативная модель
2. Аддитивная модель

• Амплитуда колебаний возрастает или уменьшается
• Амплитуда колебаний приблизительно постоянна

Какой метод чаще всего используется для оценки параметров уравнения регрессии?

• Метод главных компонент
• Метод наименьших квадратов (МНК)
• Метод моментов
• Метод максимального правдоподобия

Расположите в правильной последовательности этапы анализа временного ряда:

• Выявление и придание количественного выражения каждой из перечисленных выше компонент.
• Определение наличия тенденции и циклических колебаний.

Расположите в правильной последовательности этапы выявления автокорреляции остатков на
основе критерия Дарбина-Уотсона:

• Принятие или отклонение гипотезы.
• Выдвижение гипотезы об отсутствии автокорреляции остатков.
• Определение критических значений критерия Дарбина-Уотсона.
• Расчет критерия Дарбина-Уотсона.

Расположите в правильной последовательности этапы построения модели с фиктивными
переменными:

• Определение типа модели.
• Оценка параметров модели.

Какие методы используются для оценки коэффициентов структурной модели?

• Обобщенный МНК
• Двухшаговый МНК
• Метод главных компонент
• Метод моментов
• Косвенный МНК

Какие случаи возможны, если остатки зависят от теоретических значений результативного
признака?

• Остатки не имеют постоянной дисперсии
• Остатки не случайны
• Остатки случайны
• Остатки имеют постоянную дисперсию
• Остатки носят систематический характер

Расположите этапы построения уравнения множественной регрессии в правильной
последовательности:

• Отбор факторов.
• Спецификация модели.
• Проверка адекватности модели.
• Оценка параметров модели.

Какие методы построения уравнения множественной регрессии были упомянуты в тексте?

• Метод наименьших квадратов, метод максимального правдоподобия, метод моментов.
• Метод исключения, метод включения, метод наименьших квадратов.
• Метод включения, метод максимального правдоподобия, шаговый регрессионный анализ.
• Метод исключения, метод включения, шаговый регрессионный анализ.

… переменная – это переменная, численные значения которой измерены в предшествующий момент времени по отношению к текущим значениям переменных

Теорема Гаусса–Маркова в эконометрике опирается на метод

Лаговые значения переменных непосредственно включены в модель ... (укажите 2 варианта ответа)

Входящие в систему одновременных уравнений алгебраические соотношения между эндогенными переменными, которых отсутствует случайная составляющая и нет параметров, подлежащих оценке, являются ...

Employ– темп роста занятости (%), GDP – темп роста валового внутреннего продукта ВВП (%). Employ’ = 0.4809 * GDP – 0,375 R2 = 0,3695. При каком значении темпа роста ВВП расчетный темп роста занятости равен 6,4 %?

Для выделения тренда используют … (укажите 2 варианта ответа)

Рассматривается модель Y = a1 + a2X + e (где: Y – зависимая переменная; X – регрессор; a1, a2 – параметры модели; e – случайный фактор). Оценка по методу наименьших квадратов (МНК): Y’ = a1 + a2Х, a2 > 0. Можно ли утверждать, что Y растет с ростом X в истинной модели?

Использование полинома второго порядка в качестве регрессионной зависимости для однофакторной модели обусловлено …

Гетероскедастичность - это понятие в эконометрике, обозначающее ..

Для проверки существенности коэффициента множественной корреляции можно использовать F - критерий, который определяется по формуле:

Уравнению регрессии y = 2,88 - 0,78x1 + 1,53x2 соответствует множественный коэффициент корреляции R = 0,84. Какова доля вариации результативного признака y (в %) объясняется входящими в уравнение регрессии переменными x1 и x2:

• 29,4
• 84,0
• 16,0
• 70,6

При выборе спецификации нелинейная регрессия используется, если ..

Задано распределение дискретной случайной величины Х. Заполните отсутствующий элемент в таблице

• 0,001
• 0
• 0,1
• 0,01

Лаговые значения переменных непосредственно включены в модель (выберите один или несколько вариантов ответа) неполной (частичной) корректировки с распределенным лагом адаптивных ожиданий авторегрессии

Мультиколлинеарность – это понятие в эконометрике, …

Тесноту линейной связи определяет коэффициент ...

Формула 1 − (1 − R²) ⋅ (n − 1) / (n − m − 1) предназначена для оценки множественного …

Предпосылкой изменения корреляционного анализа является ситуация, когда совокупность значений …

Пространственные данные – это данные, полученные от … времени

… – это составляющая временного ряда, отражающая повторяемость социально-экономических процессов внутри года

Временной ряд называется стационарным, если …

… – это составляющая временного ряда, отражающая повторяемость социально-экономических процессов в течение длительных периодов (волны Кондратьева, демографические «ямы», циклы солнечной активности и т. п.)

Дискретной называется случайная величина, …

Если в регрессионное уравнение будут включены дополнительные факторы, не оказывающие влияние на результативную переменную, то …

Найдите математическое ожидание дискретной случайной величины Х, заданной следующим законом распределения

• 60
• 204
• 102
• 1

Что характеризует коэффициент детерминации (R²) во множественной регрессии?

• Степень интеркорреляции между факторами.
• Долю объясненной вариации результативного признака за счет рассматриваемых в регрессии факторов.
• Долю необъясненной вариации результативного признака.
• Величину остаточной дисперсии.

Расположите этапы оценки значимости отдельного фактора:

• Принятие решения о значимости фактора.
• Расчет частного F-критерия.
• Сравнение расчетного значения частного F-критерия с табличным.

Какие проблемы могут возникнуть при насыщении модели лишними факторами?

• Увеличение показателя детерминации.
• Статистическая незначимость параметров регрессии.
• Снижение величины остаточной дисперсии.
• Увеличение величины остаточной дисперсии.

Какие действия можно предпринять, если данные факторы явно коллинеарны?

• Исключить фактор, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами.
• Исключить фактор, который при достаточно тесной связи с результатом имеет наибольшую тесноту связи с другими факторами.
• Исключить фактор, менее тесно связанный с результатом.
• Исключить фактор, более тесно связанный с результатом.

Установите соответствие между типом матрицы и ее определением:

1. Матрица парных коэффициентов корреляции
2. Единичная матрица

• Матрица, в которой все элементы на главной диагонали равны 1, а все остальные элементы рaвны 0
• Матрица, в которой каждый элемент представляет собой коэффициент корреляции между двумя переменными

Установите соответствие между типом модели и ее определением:

1. Линейная модель
2. Нелинейная модель

• Модель, в которой зависимость между переменными выражается линейным уравнением
• Модель, в которой зависимость между переменными выражается нелинейным уравнением

Установите соответствие между типом отбора факторов и его определением:

1. Отбор факторов на основе статистического анализа
2. Отбор факторов на основе теоретического анализа

• Отбор факторов, основанный на экспертных знаниях и понимании взаимосвязей между переменными
• Отбор факторов, основанный на статистических критериях и показателях

Какие преимущества дает использование стандартизованных коэффициентов регрессии?

• Улучшение интерпретации параметров.
• Возможность ранжирования факторов по силе воздействия.
• Возможность сравнения влияния факторов на результат.
• Упрощение расчетов.

Какие проблемы могут возникнуть при наличии мультиколлинеарности?

• Затруднение интерпретации параметров.
• Ненадежность оценок параметров.
• Улучшение интерпретации параметров.
• Уменьшение стандартных ошибок.

Какие два основных вопроса включает в себя спецификация модели множественной регрессии?

• Определение значимости факторов и выбор метода анализа.
• Отбор факторов и выбор метода анализа.
• Выбор вида уравнения регрессии и определение значимости факторов.
• Отбор факторов и выбор вида уравнения регрессии.

Что рекомендуется делать, если два фактора явно коллинеарны?

• Преобразовать факторы.
• Включить оба фактора в модель.
• Исключить оба фактора из модели.
• Исключить один из факторов из модели.

Что характеризуют стандартизованные коэффициенты регрессии?

• Величину остаточной дисперсии.
• Степень интеркорреляции между факторами.
• Изменение результата в единицах измерения результативного признака при изменении фактора на одну единицу при неизменных других факторах.
• Изменение результата в единицах измерения факторов.

Какие методы отбора факторов обычно используются в две стадии?

• Определение статистики для параметров регрессии на основе матрицы показателей корреляции.
• Подбор факторов исходя из сущности проблемы.
• Подбор факторов исходя из простоты расчетов.
• Определение статистики для параметров регрессии на основе экспертных оценок.

Какие факторы следует учитывать при отборе факторов для модели множественной регрессии?

• Простоту расчетов.
• Наличие мультиколлинеарности.
• Теоретическую значимость факторов.
• Статистическую значимость факторов.

Какие этапы включает в себя спецификация модели множественной регрессии?

• Выбор вида уравнения регрессии.
• Отбор факторов.
• Выбор метода анализа данных.
• Оценка значимости факторов.

Расположите этапы построения уравнения множественной регрессии в правильной
последовательности:

• Оценка параметров модели.
• Проверка адекватности модели.
• Отбор факторов.
• Спецификация модели.

Расположите этапы анализа мультиколлинеарности:

• Принятие решения о дальнейших действиях (исключение факторов, преобразование).
• Определение определителя матрицы парных коэффициентов корреляции.
• Оценка последствий мультиколлинеарности.

Расположите этапы расчета частного коэффициента корреляции:

• Расчет частного коэффициента корреляции.
• Расчет множественного коэффициента детерминации для модели без рассматриваемого фактора.
• Расчет множественного коэффициента детерминации для модели со всеми факторами.

Проблема идентификации модели состоит в ...

• получении однозначно определенных параметров модели, заданной системой одновременных уравнений
• выборе и реализации методов статистического оценивания неизвестных параметров модели по исходным статистическим данным
• проверке адекватности модели