Тема 5. Лаговые эконометрические модели

Задача 5.3. а) ,

(сглаженно убывающее влияние),

б) ,

(сглаженно убывающая зависимость),

в) ,

(взрывное положительное влияние),

г) ,

(колебательный эффект).

Задача 5.6.

а)

где , , ,

, .

б)

где , , ,

, ,

.

в)

где , , , ,

, ,

.

Задача 5.11. б) (двухсторонний критерий); следовательно, нет оснований отклонить нулевую гипотезу об отсутствии сериальной корреляции (критерий квадрат с одной степенью свободы). Нет оснований отклонить об отсутствии сериальной корреляции.

Тема 6. Эконометрические модели с дихотомическими переменными

Задача 6.2. Обозначим через , тогда . Выразим из последнего соотношения или .

Задача 6.4. В исходных данных имеются только две женщины старше 65 лет, поэтому AD оказываются избыточной переменной. Следовательно, более предпочтительно применять модель (6.8).

Задача 6.5. 1) Все знаки являются правдоподобными, за исключением переменной «Время ожидания». 2) Соотношения между абсолютными величинами параметров переменных «Время подхода к остановке» и «Время поездки» кажется правдоподобным, а «Время ожидания» – нет. Следовало бы включить в модель переменную, учитывающую информацию о расписании прибытия общественного транспорта на остановку, чтобы оптимизировать время ожидания.

Тема 7. Совместные эконометрические уравнения

Задача 7.2. а) все три уравнения – совместные:

эндогенные: , , , экзогенные: , , ; , , .

б) все три уравнения – совместные:

эндогенные , , ; предетерминируемые: , , , , .

в) уравнения – рекурсивные: разрешив относительно второе уравнение, используют полученное для оценки из первого.

Задача 7.10. 1) Матричный вид СЭУ:

;

; ; следовательно, первое уравнение идентифицировано; – не идентифицировано.

2) .

3) Система (в матричном виде) для нахождения параметров уравнения (6.10.1): ,

где . Тогда , , ; . Остальные параметры однозначно не определены.

Следовательно, .

4) , тогда уравнение (6.10.1) сверхидентифицировано. Тогда условие нахождения параметров (6.10.1)

; ;

Следовательно, косвенный МНК не позволяет однозначно найти оценки .

5) Шаг 1: .

Шаг 2: .

Шаг 3: Таблица значений имеет вид:

	1,65	3,82	7,09	8,16	9,26

. Тогда .

Тема 9. Прогнозирование на основе эконометрических моделей

Задача 9.2. Интервал [800-344,73; 800+344,73].

Задача 9.3.

а) .

.

б) .

.

в) .

.

Задача 9.4.

1)

	Модель А	Модель В
	30,50	29,50
	30,25	30,25
	30,13	29,87

2)

	Модель А	Модель В
	31,50	28,50
	30,75	30,75

3) Модель А – лучше решает проблему сглаживания, так как модель В содержит отрицательный коэффициент, который внесет эффект цикличного развития в модель.

ТЕСТОВЫЕ ЗАДАНИЯ

1. Какая переменная модели квалифицируется как независимая?

a) Экзогенная переменная

b) Эндогенная переменная

c) Случайная переменная

d) Все ответы верны

2. Какой смысл вкладывается в понятие «адекватности модели»?

a) Соответствие расчетных значений по модели выборочным данным

b) Отсутствие корреляции экзогенных переменных

c) Отсутствие автокорреляции случайной переменной

d) Все ответы верны

3. Какое из следующих утверждений о влиянии гетероскедастичности верно?

a) Оценки параметров перестают быть эффективными и состоятельными

b) Оценки и их дисперсии остаются несмещёнными

c) Выводы t и F - статистик являются ненадежными

d) Все ответы верны

4. Вследствие чего возникает неявная гетероскедастичность?

a) Неправильной спецификации модели

b) Различной точности наблюдений в условии правильной спецификации

c) Автокорреляции случайной переменной модели

d) Взаимозависимости экзогенных переменных модели

5. Какие характеристики обеспечивает взвешенный МНК?

a) Несмещённость оценок в условиях неравноточности проведения наблюдений

b) Состоятельность оценок в условиях неравноточности проведения наблюдений

c) Эффективность оценок в условиях неравноточности проведения наблюдений

d) Все ответы верны

6. Какие из следующих утверждений об оценках модели в условиях автокорреляции верны?

a) Оценки дисперсий МНК-оценок параметров оказываются заниженными, что влечет неверные выводы о значимости переменных

b) МНК-оценки параметров остаются несмещенными

c) Оценка дисперсии случайной переменной смещена

d) Все ответы верны

7. На чем основаны методы устранения автокорреляции?

a) На применении оператора декорреляции

b) На применении взвешенного МНК

c) На учете пропущенных экзогенных переменных

d) Все ответы верны

8. Какие из следующих утверждений о свойстве оценок параметров модели в условиях мультиколлинеарности верны?

a) Получение неверных знаков у параметров модели, противоречащих постулатам экономической теории

b) Оценки обладают смещением

c) Адекватность модели нарушается

d) Высокая чувствительность оценок к изменению данных (неустойчивость)

9. Что необходимо для устранения мультиколлинеарности?

a) Все ответы верны

b) Изменить спецификации модели

c) Использовать дополнительную (априорную) информацию

d) Преобразовать переменные модели

10. Что означает лаг?

a) Запаздывание при воздействии фактора на эндогенную переменную

b) Параметр модели, зависящий от прошлых моментов времени

c) Случайную переменную, включенную в модель и измеренную в прошлый момент времени

d) Эндогенную переменную, измеренную в прошлый момент времени

11. Какой зависимости соответствует структура распределения лагов по Койку?

a) Зависимости по убывающей геометрической прогрессии

b) Полиноминальной форме зависимости

c) Степенной форме зависимости

d) Логарифмической форме зависимости

12. В чем заключается отличие модели с неполной корректировкой от модели адаптивных ожиданий?

a) Разном типе лаговых переменных

b) Разном типе распределения лагов

c) Разном числе лаговых переменных

d) Разных ограничениях на коэффициент корректировки

13. Какая неотъемлемая характеристика временного ряда (ВР)?

a) Наличие случайной (шоковой) составляющей

b) Наличие тренда

c) Наличие сезонной составляющей

d) Наличие конъюнктурной составляющей

14. Чем отличается метод скользящего среднего от метода экспоненциального сглаживания?

a) Взвешиванием уровней ряда, участвующих в сглаживании

b) Числом усредненных уровней ряда

c) Решением разных задач анализа ВР

d) Возможностью долгосрочного прогнозирования

15. В чем заключается отличие стационарности ВР в узком смысле от стационарности в широком смысле?

a) Совпадении совместного распределения вероятностей уровней ряда с совместным распределением вероятностей уровней, измеренных со сдвигом на определенный отрезок времени

b) Меньшем объеме ряда

c) Меньшей величине дисперсии уровней ряда

d) Меньшей величине коэффициента корреляции уровня ряда

16. Какая неотъемлемая характеристика системы одновременных уравнений (СОУ)?

a) Набор взаимосвязанных регрессионных моделей, в которых эндогенные переменные в одних моделях являются экзогенными в других

b) Число уравнений превышает два

c) Наличие уравнений поведения и тождеств

d) Наличие случайной переменной

17. Чем отличается структурная форма СОУ от приведенной?

a) Возможностью строить прогнозы для всех эндогенных переменных

b) Наличием в правых и левых частях уравнения эндогенных переменных

c) Обеспечением экономического смысла взаимосвязей переменных в системе

d) Наличием корреляции между эндогенными и случайными переменными

18. В чем состоит идентифицируемость уравнений СОУ?

a) Возможности однозначно восстановить по оценкам коэффициентов приведенной формы параметры структурной формы СОУ

b) Оценивании параметров системы

c) Оценке параметров приведенной формы

d) Все ответы верны

19. В проверке чего заключается порядковый критерий идентифицируемости уравнения?

a) Равенства числа эндогенных переменных уравнения, уменьшенных на единицу, числу предопределенных уравнений системы

b) Равенства числа эндогенных переменных уравнения числу предопределенных переменных уравнению, не входящему в анализируемое уравнение

c) Равенства числа эндогенных переменных числу экзогенных переменных

d) Все ответы верны

20. В проверке чего состоит ранговый критерий идентифицируемости уравнения?

a) Равенства ранга блочного элемента матрицы коэффициентов приведенной формы числу эндогенных переменных уравнения без единицы

b) Расположения ненулевых коэффициентов системы строго по возрастанию их значений

c) Расположения ненулевых коэффициентов системы строго в порядке убывания их значений

d) Рекурсивности уравнений СОУ

21. Какие оценки дает обычный МНК для уравнений СОУ?

a) Смещенные и несостоятельные

b) Несмещенные и эффективные

c) Асимптотически несмещенные

d) Асимптотически эффективные

22. В чем заключается современное состояние эконометрики?

a) Построении небольшого числа уравнений, учитывающих нестационарность поведения переменных системы

b) Построении сложных систем, включающих возможно большее число взаимосвязей

c) Учете априорной информации о поведении переменных, сохраняя большое число уравнений

d) Обязательном эконометрическом моделировании поведения любых экономических процессов

23. Что является основными задачами регрессионного анализа?

a) Спецификация модели и оценивание параметров модели

b) Спецификация модели и нахождение случайной переменной

c) Нахождение случайной переменной и оценивание ее параметров

d) Построение доверительных интервалов для параметров модели

24. Для чего используется метод наименьших квадратов (МНК)?

a) Для оценивания параметров модели

b) Для построения доверительных интервалов для параметров модели

c) Для проверки гипотез о значимости параметров модели

d) Все ответы верны

25. Что такое гомоскедастичность?

a) Это равенство дисперсий случайной переменной во все моменты времени

b) Это отсутствие корреляции случайных переменных

c) Это отсутствие случайных ошибок наблюдения

d) Это нормальное распределение случайной переменной

26. Что является основными задачами регрессионного анализа?

a) Спецификация модели и оценивание параметров модели

b) Спецификация модели и нахождение случайной переменной

c) Нахождение случайной переменной и оценивание ее параметров

d) Построение доверительных интервалов для параметров модели

27. Чем отличается модель множественной регрессии от модели парной регрессии?

a) В модели множественной регрессии более одной экзогенной переменной

b) В модели множественной регрессии более одной эндогенной переменной

c) В модели парной регрессии более одной экзогенной переменной

d) В модели парной регрессии более одной эндогенной перемен-ной

28. Что такое пропущенная переменная?

a) Переменная, которую следует добавить в модель

b) Переменная, которую следует исключить из модели

c) Переменная, расчетный параметр модели для которой больше критического

d) Переменная, расчетный параметр модели для которой меньше критического

29. В чем заключается опасность наличия пропущенных переменных?

a) В смещении оценок параметров при включенных в модель переменных

b) В увеличении дисперсии оценок параметров модели

c) В уменьшении коэффициента детерминации

d) В уменьшении t-статистик параметров модели

30. Что значит спецификация экзогенных переменных?

a) Это поиск пропущенных и избыточных переменных

b) Это проверка значимости параметров модели

c) Это оценка параметров модели

d) Это построение расширенной модели, в которую включены 2-я, 3-я и 4-я степени эндогенной переменной

31. Каким образом проверяется наличие пропущенных переменных?

a) С помощью произведения коэффициентов корреляции пропущенной переменной и остальных переменных модели

b) С помощью критерия Рамсея

c) С помощью критерия Амемья

d) С помощью построения расширенной модели, в которую включены 2-я, 3-я и 4-я степени эндогенной переменной

32. Что такое избыточная переменная?

a) Переменная, которую следует исключить из модели

b) Переменная, которую следует добавить в модель

c) Переменная, расчетный параметр модели для которой больше критического

d) Переменная, расчетный параметр модели для которой меньше критического

33. В чем заключается опасность наличия избыточных переменных?

a) В увеличении дисперсии оценок параметров модели

b) В смещении оценок параметров при включенных в модель переменных

c) В увеличении коэффициента детерминации

d) В смещении t-статистик параметров модели

34. Что не относится к методам спецификации эконометрической модели?

a) Построение оценок параметров модели

b) Критерий Рамсея

c) Критерий Амемья

d) Спецификация переменных модели

35. Какое распределение должны иметь остатки модели?

a) Нормальное

b) Логарифмическое

c) Фишера

d) Стьюдента

36. Что такое мультиколлинеарность?

a) Точная или стахостическая линейная зависимость между экзогенными переменными

b) Увеличение значимости оценок параметров модели

c) Увеличение коэффициента детерминации при добавлении новых экзогенных переменных

d) Точная или стахостическая зависимость между уровнями случайной переменной в различные промежутки времени

37. Что не является признаком наличия мультиколлинеарности?

a) Возрастание значимости оценок параметров при неколлинеарных экзогенных переменных

b) Возрастание дисперсии МНК-оценок параметров модели

c) Потеря свойства несмещенности МНК-оценок параметров модели

d) Уменьшение t-статистик параметров модели

38. Что не относится к методам диагностики мультиколлинеарности?

a) Критерий Дарбина-Вотсона

b) Визуальный метод

c) Высокое значение коэффициента парной корреляции

d) Метод инфляционных факторов

39. Что такое автокорреляция?

a) Точная или стахостическая зависимость между уровнями случайной переменной в различные промежутки времени

b) Точная или стахостическая линейная зависимость между экзогенными переменными

c) Увеличение значимости оценок параметров модели

d) Увеличение коэффициента детерминации при добавлении новых экзогенных переменных

40. Что не относится к последствиям наличия в модели автокор-реляции?

a) Снижение дисперсий оценок параметров модели

b) Увеличение дисперсий оценок параметров модели

c) Смещение МНК-оценок параметров модели

d) Снижение значимости МНК-оценок параметров модели

41. Какой критерий используется для диагностики автокорреляции?

a) Дарбина-Вотсона

b) Стьюдента

c) Фишера

d) Рамсея

42. От чего не зависят табличные значения статистики Дарбина-Вотсона?

a) От дисперсии экзогенных переменных

b) От объема выборки

c) От уровня надежности

d) От числа экзогенных переменных

43. Что такое гетероскедастичность?

a) Различие дисперсии ошибок в различные моменты времени

b) Точная или стахостическая зависимость между уровнями случайной переменной в различные промежутки времени

c) Точная или стахостическая линейная зависимость между экзогенными переменными

d) Увеличение значимости оценок параметров модели

44. Что является типичным последствием явления гетероскедасти-чности?

a) Увеличение дисперсии параметров модели и смещение их оценок

b) Уменьшение оценок параметров модели

c) Снижение дисперсии параметров модели и увеличение их оценок

d) Возрастание статистики Дарбина-Вотсона

45. Какой критерий не используется для диагностики гетероскедастичности?

a) Дарбина-Вотсона

b) Бриша-Пагана

c) Парка

d) Вайта

46. Что такое "лаговая переменная"?

a) Переменная, относящаяся к предыдущим моментам времени

b) Переменная, относящаяся к последующим моментам времени

c) Переменная, указывающая наличие авторегрессии

d) Переменная, указывающая наличие гетероскедастичности

47. Из каких частей состоит модель АРСС?

a) Авторегрессионный процесс и процесс скользящего среднего

b) Автокорреляция и лаговые переменные

c) Временной ряд и скользящее среднее

d) Автономный процесс и процесс временного ряда

48. Что не относится к методам сглаживания временных рядов?

a) Последовательные произведения

b) Последовательные разности

c) Скользящее среднее

d) Экспоненциальное сглаживание

49. Что такое авторегрессионный процесс?

a) Процесс, представляющий эндогенную переменную в виде линейной функции предыдущих значений эндогенной переменной

b) Процесс, представляющий экзогенную переменную в виде линейной функции предыдущих значений эндогенной переменной

c) Процесс, представляющий эндогенную переменную в виде линейной функции предыдущих значений экзогенной переменной

d) Процесс, представляющий экзогенную переменную в виде линейной функции предыдущих значений экзогенной переменной

50. Что относится к характеристикам стационарных временных рядов в широком смысле?

a) Постоянное среднее значение и дисперсия эндогенной переменной

b) Переменное среднее значение и дисперсия эндогенной переменной

c) Постоянное среднее значение и дисперсия экзогенной переменной

d) Переменное среднее значение и дисперсия экзогенной переменной

51. Что такое е в уравнении простой регрессии Y=a*X+b+e?

a) Случайная переменная

b) Эндогенная переменная

c) Экзогенная переменная

d) Параметр модели

52. Что такое X в уравнении простой регрессии Y=a*X+b+e?

a) Экзогенная переменная

b) Случайная переменная

c) Эндогенная переменная

d) Параметр модели

53. Что такое Y в уравнении простой регрессии Y=a*X+b+e?

a) Эндогенная переменная

b) Экзогенная переменная

c) Случайная переменная

d) Параметр модели

54. Что такое a и b в уравнении простой регрессии Y=a*X+b+e?

a) Параметры модели

b) Эндогенная переменная

c) Экзогенная переменная

d) Случайная переменная

55. Какое утверждение неверно для модели Y = 5 + 3*X1 - 4*X2?

a) При увеличении Х1 эндогенная переменная увеличивается в 3 раза

b) При увеличении Х2 эндогенная переменная уменьшается

c) При увеличении Х1 на 1, эндогенная переменная увеличивается на 3

d) При уменьшении Х2 на 1, эндогенная переменная увеличивается на 4

56. Какое из утверждений неверное, если в модели Y=3*X+2, Y – это темп роста преступлений по району в тысячах, X – темп роста неблагополучных семей в % за год?

a) При темпе роста числа неблагополучных семей в 2%, рост числа преступлений составит 3 тыс.

b) Если число неблагополучных семей за год не изменилось, то рост числа преступлений составит 2 тыс.

c) При темпе роста числа неблагополучных семей в 1,5%, рост числа преступлений составит 6,5 тыс.

d) При отрицательном темпе роста числа неблагополучных семей рост числа преступлений будет менее 2 тыс.

57. Какая из следующих моделей может быть оценена с помощью МНК 1) y=b0*(x1^b1)*(x2^b2)*e или 2) y=b0*(x1^b1)*(x2^b2)+e?

a) Первая модель

b) Вторая модель

c) Ни одна из моделей

d) Обе модели

58. Какой можно сделать вывод, если для некоторого параметра модели наблюдаемое значение t-статистики равно 4,8, а пороговое значение 2,4?

a) Рассматриваемый параметр статистически значим

b) Рассматриваемый параметр в 2 раза больше порогового значения

c) Рассматриваемый параметр статистически не значим

d) Рассматриваемым параметром можно пренебречь

59. Что происходит при увеличении уровня надежности (гамма) от 0,90 до 0,95?

a) Доверительные интервалы расширяются, пороговые значения t-статистик возрастают

b) Доверительные интервалы расширяются, пороговые значения t-статистик уменьшаются

c) Доверительные интервалы сужаются, пороговые значения t-статистик возрастают

d) Доверительные интервалы сужаются пороговые значения t-статистик уменьшаются

60. Что происходит при уменьшении уровня надежности (гамма) от 0,95 до 0,90?

a) Доверительные интервалы сужаются, пороговые значения t-статистик уменьшаются

b) Доверительные интервалы расширяются, пороговые значения t-статистик возрастают

c) Доверительные интервалы расширяются, пороговые значения t-статистик уменьшаются

d) Доверительные интервалы сужаются, пороговые значения t-статистик возрастают

61. В каком случае нельзя сделать вывод о наличии мультиколлинеарности?

a) Максимальный инфляционный фактор больше 10

b) Коэффициент парной корреляции экзогенных переменных больше 0,8

c) Минимальный инфляционный фактор больше 5

d) Коэффициент парной корреляции экзогенных переменных больше 0,95

62. Какое значение критерия Дарбина-Вотсона позволяет утверждать об отсутствии автокорреляции?

a) 2

b) 4

c) 0

d) 1

63. При каком значении статистики Дарбина – Вотсона делают вывод об отсутствии в модели автокорреляции 1-го порядка?

a) DW=2

b) DW=0

c) DW=4

d) DW=0,5

64. В каком случае косвенный МНК обеспечивает оценкам параметров свойства асимптотической состоятельности и несмещенности?

a) Все уравнения СОУ точно идентифицируемые

b) Уравнения СОУ сверхидентифицируемые

c) Отсутствуют тождества в структурной форме СОУ

d) Объем выборки наблюдений над переменными СОУ превышает 30

65. В каком случае двухшаговый МНК обеспечивает оценкам параметров свойства асимптотической состоятельной и несмещенности?

a) Уравнения СОУ сверхидентифицируемые

b) Все уравнения СОУ точно идентифицируемые

c) Отсутствуют тождества в структурной форме СОУ

d) Объем выборки наблюдений над переменными СОУ превышает 30

66. Верно ли утверждение о том, что поскольку X^2 является функцией X, то использование X и X^2 в качестве экзогенных переменных приведет к мультиколлинеарности?

a) Неверно

b) Верно

c) Неизвестно

d) Неопределенно

67. В каком критерии диагностики гетероскедастичности выборка делится на три части?

a) Голдфилда-Кандта

b) Парка

c) Бриша-Пагана

d) Вайта

68. Что означает «мертвая» зона критерия Дарбина-Вотсона?

a) Недостаточный объем выборки о вынесении решения

b) Значение DW=0

c) Статистика DW превысит верхнюю табличную грань

d) Статистика DW оказывается меньше нижней табличной границы

69. Какое из утверждений верное?

a) Наблюдаемое значение t-статистики некоторого параметра модели зависит от значения самого параметра и несмещенной дисперсии случайной величины

b) Наблюдаемое значение t-статистики некоторого параметра модели зависит только от значения самого параметра

c) Наблюдаемое значение t-статистики некоторого параметра модели зависит только от несмещенной дисперсии случайной величины

d) Наблюдаемое значение t-статистики некоторого параметра модели не зависит ни от значения самого параметра, ни от несмещенной дисперсии случайной величины

70. Какое из утверждений неверное применительно к парной регрессии?

a) Если коэффициент детерминации больше единицы, то все точки лежат ниже прямой регрессии

b) Если коэффициент детерминации равен единице, то все точки данных лежат на прямой регрессии

c) Если коэффициент детерминации около нуля, то модель не адекватна

d) Если коэффициент детерминации около единицы, то модель адекватна

71. Какая модель является линейной?

a) Y = A0 + A1*X1 + + E

b) LN (Y) = A0 + A1*LN (X1) + LN (E)

c) Y = A0 + A1*LN (X1) + E

d) Y = A0 + A1/X1 + E

72. Какая модель является двойной логарифмической?

a) LN (Y) = A0 + A1*LN (X1) + LN (E)

b) Y = A0 + A1*X1 + E

c) Y = A0 + A1*LN (X1) + E

d) Y = A0 + A1/X1 + E

73. Какая модель является полулогарифмической?

a) Y = A0 + A1*LN (X1) + E

b) LN (Y) = A0 + A1*LN (X1) + LN (E)

c) Y = A0 + A1*X1 + E

d) Y = A0 + A1/X1 + E

74. Какая модель является обратной?

a) Y = A0 + A1/X1 + E

b) Y = A0 + A1*LN (X1) + E

c) LN (Y) = A0 + A1*LN (X1) + LN (E)

d) Y = A0 + A1*X1 + E

75. Какой метод является основным при оценке параметров регрессионной модели?

a) Метод наименьших квадратов (МНК)

b) Метод моментов (ММ)

c) Метод максимального правдоподобия (ММП)

d) Байесовский метод (БМ)

76. Что не является одним из 5 класических предположений МНК?

a) Наличие корреляции случайных переменных

b) Отсутствие систематических ошибок наблюдения M{е}=0

c) Гомоскедастичность случайной переменной D{e}=s

d) Нормальное распределение случайной переменной

77. Какое распределение используется при проверке гипотезы о статистической значимости параметров модели?

a) Распределение Стьюдента

b) Распределение Фишера

c) Распределение Дарбина-Вотсона

d) Нормальное распределение

78. Какое распределение используется при построении доверительного интервала для параметров модели?

a) Распределение Стьюдента

b) Распределение Фишера

c) Распределение Дарбина-Вотсона

d) Нормальное распределение

79. Какое распределение используется при проверке гипотезы об адекватности регрессионной модели?

a) Распределение Фишера

b) Распределение Стьюдента

c) Распределение Дарбина-Вотсона

d) Нормальное распределение

80. Какое распределение используется при построении доверительного интервала для эндогенной переменной модели?

a) Распределение Стьюдента

b) Распределение Фишера

c) Распределение Дарбина-Вотсона

d) Нормальное распределение

81. Что такое коэффициент детерминации?

a) Значение, показывающее степень адекватности модели

b) Коэффициент значимости параметров модели

c) Значение, учитывающее случайные переменные

d) Значение, расчитанное с помощью распределения Стьюдента

82. С помощью какого критерия строятся оценки параметров модели множественной регрессии?

a) Критерий Стьюдента

b) Критерий Фишера

c) Критерий Рамсея

d) Критерий Амемья

83. С помощью какого критерия проверяется значимость коэффициента детерминации в модели множественной регрессии?

a) Критерий Фишера

b) Критерий Стьюдента

c) Критерий Рамсея

d) Критерий Амемья

84. Какой принцип лежит в спецификации модели с помощью критерия Рамсея?

a) Построение расширенной модели, в которую включены 2-я, 3-я и 4-я степени эндогенной переменной

b) Произведение коэффициентов корреляции пропущенной переменной и остальных переменных модели

c) Выбор только тех переменных, оценки параметров которых положительны

d) Выбор только тех переменных, оценки параметров которых больше критических

85. Какой вывод можно сделать, если в модели Рамсея расчетное значение критерия Фишера больше критического?

a) Модель плохо специфицирована

b) Модель хорошо специфицирована

c) В модели есть пропущенные переменные

d) В модели есть избыточные переменные

86. Какой вывод можно сделать, если критерий Амемья для первой модели больше, чем для второй?

a) Вторая модель лучше специфицирована

b) Вторая модель хуже специфицирована

c) Первая модель содержит избыточные переменные

d) Первая модель содержит пропущенные переменные

ЭКЗАМЕНАЦИОННЫЕ ВОПРОСЫ ПО ЭКОНОМЕТРИКЕ

1.Предмет, цель и задачи эконометрики. Эконометрическая модель, основные этапы построения эконометрической модели.

2. Простая (парная) линейная регрессия.(ПЛР). Классические предположения моделей.

3. Статистическое оценивание параметров ПЛР по методу наименьших квадратов (МНК). Свойства оценок.

4. Проверка качества парной линейной регрессии: значимость параметров, адекватность моделей. Прогнозирование.

5. Множественная линейная регрессия. Классические предположения. МНК-оценка параметров модели.

6. Свойства МНК-оценок множественной линейной регрессии. Теорема Гаусса- Маркова.

7. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.

8. Спецификация эконометрической модели: способы и диагностика отбора экзогенных переменных. Тесты Рамсея и Амемьи.

9. Спецификация эконометрической модели: выбор формы зависимости нелинейной модели.

10. Проблема гетероскедастичности модели. Критерии ее диагностики.

11. Взвешенный МНК в задаче оценивания параметров модели. Свойства оценок. по взвешенному МНК.

12. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.

14. Критерий диагностики автокорреляции Дарбина-Уотсона.

15. Методы устранения автокорреляции.

16. Проблема наличия мультиколлинеарности модели. Последствия наличия и диагностики мультиколлинеарности.

17. Методы устранения мультиколлинеарности.

18. Динамические модели с распределенными лагами.

22. Структура лагов по Койку: Частные случаи (модель с неполной корректировкой и адаптивных ожиданий).

23. Понятие временного ряда (ВР). Модель ВР, основные задачи анализа ВР. Методы сглаживания ВР (скользящего среднего, экспоненциального сглаживания, последовательных разностей).

25. Стационарность временного ряда (ВР). Характеристики корреляции уровней ВР.