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 εi имеет нормальное распределение;
4) случайный член εi имеет распределение близкое к нормальному;
5) значения случайного члена εi 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