Для получения качественных оценок уравнений регрессии необходимо выполнение

Одно из условий идентифицируемости системы одновременных уравнений (СОУ) состоит в том, что

1. переменные являются коллинеарными;
2. число уравнений равно числу анализируемых эндогенных переменных;
3. переменные являются компланарными;
4. число уравнений меньше числа анализируемых эндогенных переменных.

Временной ряд называется стационарным, если

1. среднее значение членов ряда постоянно;
2. члены ряда образуют арифметическую прогрессию;
3. члены ряда образуют геометрическую прогрессию;
4. среднее значение членов ряда постоянно растет.

18. Линейные регрессионные модели, остатки которых не сохраняют постоянного уровня величины дисперсии при переходе от одного наблюдения к другому, называют моделями с:

1. гомоскедастичными остатками;
2. клонированными остатками;
3. гетероскдастичными остатками;
4. перпендикулярными остатками.

Одним из известных способов проверки регрессионных остатков эконометрической модели на автокорреляцию является критерий

1. Дербина-Уотсона;
2. Марка-Шагала;
3. Куприна-Утрехта;
4. Айзека-Азимова.

Временной ряд называется стационарным, если

1. среднее значение членов ряда постоянно;
2. члены ряда образуют арифметическую прогрессию;
3. члены ряда образуют геометрическую прогрессию;
4. среднее значение членов ряда постоянно растет.

21. Внешние по отношению к рассматриваемой экономической модели переменные называются:

1. эндогенные;
2. экзогенные;
3. лаговые;
4. интерактивные.

При анализе издержек Y от объема выпуска X целесообразно использовать сле-

дующую модель:

1. линейную;
2. полиномиальную;
3. логарифмическую;
4. степенную;
5. экспоненциальную.

23. Параметры в производственной функции Кобба – Дугласа называют:

1. коэффициентами эластичности;
2. бкоэффициентами корреляции;
3. коэффициентами автокорреляции.

24. Коэффициент регрессии изменяется в пределах от:

1. –1 до 1;
2. 0 до 1;
3. принимает любое значение.

На главной диагонали ковариационной матрицы в выражении

находятся:

1. дисперсии коэффициентов регрессии;
2. средние значения коэффициентов регрессии;
3. коэффициенты корреляции;
4. квадраты коэффициентов корреляции.

При анализе производственной функции целесообразно использовать следующую

модель:

1. линейную;
2. полиномиальную;
3. логарифмическую;
4. степенную;
5. экспоненциальную.

Значимость частных и парных коэффициентов корреляции проверяется с по-

мощью:

1. нормального закона распределения;
2. t-критерия Стъюдента;
3. F–критерия;
4. таблицы Фишера – Иейтса.

28. В регрессионном анализе x j рассматриваются как:

1. неслучайные величины;
2. случайные величины;
3. любые величины.

Для получения качественных оценок уравнений регрессии необходимо выполнение

следующих предпосылок МНК (выберите необходимые пункты):

1. отклонения должны быть нормально распределенными случайными вели-
2. чинами с нулевым математическим ожиданием и постоянной дисперсией;
3. отклонения не должны коррелировать друг с другом;
4. отклонения должны иметь показательный закон распределения.

30. Коэффициент корреляции считается значимым с вероятностью ошибки , если: