Эконометрика - ответы на вопросы на СтудИзбе

• –0,2
• 0,8
• 0,5
• –0,8

• y’ = 23163,40 + 885,17 * t.
• y’ = 885,17 + 23163,40 * t.
• y’ = 25874,36 + 1057,81 * t.

• 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

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

• Только первое уравнение системы.
• Только второе уравнение системы.
• Только третье уравнение системы.
• Первое, второе и третье уравнения.
  

• наименьших квадратов
• наименьших модулей
• инструментальных переменных

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

• 29,4
• 84,0
• 16,0
• 70,6

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

• 0,001
• 0
• 0,1
• 0,01

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

• Авторегрессионные модели
• Модели скользящего среднего
• Регрессионные модели

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

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

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

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

• Y‘ = 111,07 – 1,02 * 1/X; R^2 = 0,55.
• Y‘ = 111,07 + 1,02 * 1/X; R^2 = 0,75.
• Y‘ = 1,02 – 111,07 * 1/X; R^2 = 0,95.

• 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

• линейные функции
• числовые характеристики генеральной совокупности (числа)
• функции
• нелинейные функции

• 60
• 204
• 102
• 1

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

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

• Автокоррелированность
• Эффективность
• Состоятельность
• Гетероскедастичность
• Несмещенность

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

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

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

• Адекватность модели
• Простота интерпретации
• Гетероскедастичность
• Мультиколлинеарность

• завышены по сравнению с истинными значениями
• занижены по сравнению с истинными значениями
• не имеют математического смысла
• соответствуют истинным значениям

• Регрессионные модели
• Модели с непрерывной зависимой переменной
• Модели одновременных уравнений
• Модели с дискретной зависимой переменной

• R2кор = 1 – (1 – R2)(n – 1)/(n – m)
• R2кор = 1 – (1 – R2)(n – 1)/(n – m – 1)
• R2кор = 1 + (1 – R2)(n – 1)/(n – m – 1)
• R2кор = 1 – (1 + R2)(n – 1)/(n - m – 1)

• 37,5
• 75,0
• 56,2
• 25,0

• кривая симметрична относительно высшей точки
• кривая симметрична относительно низшей точки
• имеем медленно повышающуюся функцию с верхней асимптотой

Анализ тесноты и направления связей двух признаков осуществляется на основе:
Выберите один ответ:

• коэффициента детерминации;
• парного коэффициента корреляции;
• множественного коэффициента корреляции.