Эконометрика

Хабаровский государственный университет экономики и права

Контрольная работа по дисциплине: Эконометрика

Работа выполнена и оформлена на отлично.

Принята с первого раза, без доработок.

После покупки вы получите файл Word (31 стр. с титульником)

В работе выполнены задания, представленные ниже, в оглавлении. Все задание в прикрепленном демо-файле.

Глава 1. Элементы теории оценивания

Тесты

Коэффициент вариации равен 25 %. Это значит:

а) исходные данные неоднородные;

б) исходные данные однородные;

в) исходные данные подчинены нормальному закону распределения;

г) исходные данные необходимо преобразовать.

2. Средняя арифметическая и стандартное отклонение являются эффективными оценками центра распределения и вариации, если:

а) исходные данные неоднородные;

б) исходные данные однородные;

в) исходные данные подчинены нормальному закону распределения;

г) исходные данные имеют более длинный правый хвост распределения.

3. Оценкой дисперсии генеральной совокупности является:

а) выборочное значение дисперсии;

б) исправленное выборочное значение дисперсии;

в) значение дисперсии, рассчитанное на основе всей генеральной совокупности;

г) исправленное значение дисперсии, рассчитанное на основе всей генеральной совокупности.

4. Надежность интервальной оценки определяется:

а) величиной интервала;

б) доверительной вероятностью;

в) значимостью доверительного интервала;

г) точечной оценкой.

5. Точность интервальной оценки определяется:

а) величиной интервала;

б) доверительной вероятностью;

в) значимостью доверительного интервала;

г) точечной оценкой.

6. При проверке статистических гипотез по критерию Стьюдента область принятия гипотезы симметрична относительно:

а) выборочной характеристики;

б) гипотетического значения параметра;

в) нуля;

г) точечной оценкой.

7. При проверке статистических гипотез уровень значимости – это:

а) вероятность ошибки первого рода;

б) надежность оценки;

в) вероятность попадания в область принятия гипотезы;

г) вероятность попадания в критическую область.

8. При проверке статистической гипотезы на 5 %-м уровне значимости нулевая гипотеза отклоняется, если:

а) p-value > 0.05;

б) p-value < 0.05;

в) p-value < 0.025;

г) p-value > 0.025.

Глава 2. Парная линейная регрессия и корреляция

1. При невыполнении 5-й предпосылки МНК оценки параметров уравнения регрессии будут:

а) смещенными;

б) неэффективными:

в) несмещенными, но эффективными:

г) несмещенными и эффективными, но нельзя будет оценить их точность.

2. Коэффициент уравнения парной регрессии показывает:

а) тесноту связи между зависимой и независимой переменными;

б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на единицу;

в) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

г) на сколько ед. изменится зависимая переменная, если независимая переменная изменится на 1 ед.

3. Дисперсионный анализ уравнения парной регрессии проверяет:

а) значимость коэффициента корреляции;

б) значимость уравнения регрессии;

в) значимость коэффициента регрессии;

г) значимость свободного члена уравнения регрессии.

4. Коэффициент корреляции больше нуля, это означает, что

а) связь между переменными тесная;

б) связь между переменными прямая;

в) связь между переменными обратная;

г) связь между переменными отсутствует.

5. Коэффициент детерминации показывает:

а) на сколько единиц изменится зависимая переменная, если независимая переменная изменится на 1 единицу;

б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

в) на сколько процентов изменение зависимой переменной зависит от изменения независимой переменной;

г) долю вариации независимой переменной, обусловленную вариацией независимой переменной.

6. Коэффициент ранговой корреляции Спирмена по сравнению с коэффициентом корреляции Пирсона

а) более устойчив к неравномерности информации;

б) может показывать тесноту нелинейной связи;

в) показывает тесноту только линейной связи;

г) применяется только для нормально распределенных совокупностей.

7. Коэффициента средней эластичности показывает:

а) на сколько единиц изменится зависимая переменная, если независимая переменная изменится на 1 единицу;

б) на сколько процентов в среднем изменится зависимая переменная, если независимая переменная изменится на 1%;

в) долю вариации независимой переменной, обусловленную вариацией независимой переменной;

г) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на единицу.

8. Обобщенный МНК используется для:

а) оценки дисперсии;

б) избавления от гетероскедастичности остатков;

в) проверки гипотезы о гетероскедастичности остатков;

г) преобразования переменных.

9. Автокорреляция остатков уравнения регрессии означает:

а) наличие ошибки в спецификации уравнения регрессии;

б) незначимость уравнения регрессии;

в) отсутствие зависимости между переменными;

г) их случайность.

10. Линейный коэффициент корреляции и индекс корреляции совпадают, если:

а) связь между переменными линейная;

б) связь между переменными нелинейная;

в) связь между переменными нелинейная, но измеряется теснота связи между зависимой и преобразованной независимой переменными;

г) связь между переменными нелинейная, но измеряется теснота связи между преобразованной зависимой и преобразованной независимой переменными.

Задание для выполнения самостоятельной работы

Пусть имеются данные, аналогичные рассмотренным в тренировочном примере (n=21, y – потребление, х – доходы), для которых рассчитано уравнение регрессии и другие характеристики, необходимые для их полного анализа с помощью парной регрессии и корреляции.

Ниже приведены результаты расчетов (рис.12) и (рис.13).

Описательные статистики рассчитаны отдельно:

Х = 5,1; у = 4,95; S ᵪ = 2,1; S ᵧ = 1,4

Выписать уравнение регрессии и провести полный анализ его точности в соответствии с рассмотренным тренировочным примером.

Проверить равенства: tb² = tr² = F ² и прокомментировать их смысл.

Прокомментировать смысл коэффициента регрессии (склонность к потреблению), рассчитать мультипликатор и коэффициент средней эластичности и привести их содержательный анализ.

Показать,Vₓ > V ᵧ что и прокомментировать это знаком при свободном члене уравнения простой линейной регрессии.

Охарактеризовать тесноту линейной корреляционной связи на основе шкалы Чеддока.

Выборочный коэффициент Дарбина– Уотсона для этого уравнения равен 1,54.

Используя данные тренировочного примера (та же размерность задачи) проверить остатки на автокорреляцию и сделать вывод.

Сравнительный анализ моделей для рассмотренных данных показал следующее (рис.15):

Выписать уравнения этих моделей, охарактеризовать их точность на основе данных рис. 15 и дать смысл их параметров (в пределах рассмотренного в тренировочном примере) и указать наиболее точное из них.

Все задание в прикрепленном демо-файле

Данная работа проверена и одобрена модераторами сайта.

Пожалуйста, внимательно изучайте оглавление работы. Деньги за приобретенную готовую работу, по причине несоответствия данной работы вашим требованиям, или ее уникальности, не возвращаются, поскольку цена значительно дешевле, чем заказывать новую работу.

Также, при необходимости, после покупки, Вы можете заказать на данном сайте необходимые дополнения к работе.

Если у Вас в купленном файле Word не корректно отображаются данные, пишите, отправлю вам эту же готовую работу в PDF файле.