Эконометрика (тест+практика)

Глава 1. Элементы теории оценивания 3
Тесты 3
Глава 2. Парная линейная регрессия и корреляция 4
Тесты 4

...

Тесты 6
Глава 5. Система одновременных уравнений 8
Тесты 8
Глава 2. Парная линейная регрессия и корреляция 10
Глава 3. Множественная корреляция и регрессия 14
Глава 4. Анализ временных рядов

Глава 3. Множественная корреляция и регрессия 5
Тесты 5
Глава 4. Анализ временных рядов 6

г) исказится смысл коэффициентов регрессии.
6. Коэффициенты уравнения регрессии показывают меру влияния факторных переменных (с разными единицами измерения) на результативную, если:
а) уравнение составлено в натуральном масштабе;
б) уравнение составлено в стандартизованном виде;
г) в уравнении отсутствует свободный член;
д) факторные переменные независимы.
7. Автокорреляция в остатках наблюдается, если
а) неверна спецификация уравнения регрессии;
б) в уравнение регрессии включены незначимые переменные;
в) независимые переменные мультиколлинеарны;
г) в уравнении регрессии отсутствует значимая переменная.
8. существенно меньше . Это значит:
а) уравнение регрессии незначимо;
б) оценки параметров уравнения регрессии неэффективны;
в) уравнение регрессии “засорено” незначимыми переменными;
г) в уравнение регрессии не включена незначимая переменная.
9. p-value для статистики Фишера меньше 0,05. Это значит:
а) уравнение регрессии значимо;
б) уравнение регрессии незначимо;
в) все коэффициенты уравнения регрессии равны нулю;
г) не все коэффициенты уравнения регрессии равны нулю.
10 Коэффициент множественной детерминации показывает
а) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;
б) долю вариации зависимой переменной, обусловленную вариацией независимых переменных;
в) на какую часть своего стандартного отклонения изменится зависимая переменная, если независимая переменная изменится на величину своего стандартного отклонения;
г) насколько изменится зависимая переменная, если независимая переменная изменится на единицу.
Глава 4. Анализ временных рядов
Тесты
1. Какие показатели точности прогноза на основе временных рядов используются для определения смещенности прогноза?
а) средняя ошибка;
б) средняя абсолютная ошибка;
в) средний квадрат ошибки;
г) средняя абсолютная процентная ошибка.
2. Какой показатель точности прогноза на основе временных рядов используются для оценки качества прогноза?
а) средняя ошибка;
б) средняя абсолютная ошибка;
в) средний квадрат ошибки;
г) средняя абсолютная процентная ошибка.
3. Как учитывается процесс старения информации при моделировании на основе временных рядов?
а) вычислением скользящих средних;
б) вычислением взвешенных скользящих средних;
в) вычислением экспоненциально взвешенных скользящих средних;
г) вычислением средних арифметических.
4. Какие из перечисленных методов используются для прогнозирования стационарных показателей?
а) сезонная декомпозиция;
б) экспоненциально взвешенные скользящие средние;
в) аналитическое выравнивание по тренду;
г) скользящие средние.
5. Как осуществляется прогноз нестационарного показателя на основе тренда?
а) вычислением скользящих средних;
б) вычислением центрированных скользящих средних;
в) подстановкой в уравнение тренда значений переменной время;
г) вычислением параметра сглаживания.
6. Каков смысл параметра сглаживания в модели экспоненциально взвешенной скользящей средней?
а) характеризует вид тренда;
б) характеризует скорость старения информации;
в) характеризует вид модели;
г) характеризует точность прогноза.
7. Как выделить сезонную компоненту при использовании метода сезонной декомпозиции?
а) усреднить исходные данные;
б) усреднить центрированные скользящие средние;
в) усреднить исправленные на сезонность данные;
г) усреднить сезонно-случайную компоненту.
8. В чем суть прогноза на основе сезонной компоненты?
а) прогноз корректируется с учетом индекса сезонности;
б) из исходных данных устраняется сезонность;
в) скользящая средняя умножается на индекс сезонности;
г) скользящая средняя делится на индекс сезонности.
9. Какова роль анализа автокорреляций при моделировании временных рядов?
а) позволяет выравнивать исходные данные;
б) позволяет прогнозировать исходные данные;
в) позволяет определить вид тренда;
г) позволяет определить параметр сглаживания.
10. Как определить тип модели временного ряда с сезонной компонентой?
а) мультипликативная, если сезонная составляющая не зависит от уровней временного ряда;
б) аддитивная, если сезонная составляющая не зависит от уровней временного ряда;
в) мультипликативная, если сезонная составляющая увеличивается с ростом значений временного ряда;
г) мультипликативная, если сезонная составляющая уменьшается с течением времени.
Глава 5. Система одновременных уравнений
Тесты
1. В чем отличие экзогенных переменных от эндогенных?
а) Экзогенные переменные определяются в результате расчетов по модели, а эндогенные даны заранее.
б) Эндогенные переменные определяются в результате расчетов по модели, а экзогенные даны заранее.
в) Экзогенные переменные коррелируют с остатками, а эндогенные – нет.
г) Эндогенные переменные коррелируют с остатками, а экзогенные – нет.
2. Косвенный метод наименьших квадратов состоит в следующем:
а) сначала оцениваются параметры при экзогенных переменных, а затем при эндогенных.
б) сначала оцениваются параметры при эндогенных переменных, а затем при экзогенных.
в) по оценкам параметров приведенной форме модели рассчитывают оценки параметров структурной формы.
в) по оценкам параметров структурной форме модели рассчитывают оценки параметров приведенной формы.
3. Почему нельзя оценивать параметры структурной формы модели непосредственно, используя обычный МНК?
а) Оценки, получаемые при использовании обычного МНК, не отражают суть проблемы.
б) Оценки, получаемые при использовании обычного МНК, неверны.
в) Оценки, получаемые при использовании обычного МНК, неэффективны.
а) Оценки, получаемые при использовании обычного МНК, могут быть не эффективными и смещенными.
4. Модель идентифицируема, если
а) число параметров структурной модели равно числу параметров приведенной формы модели.
б) число параметров структурной модели больше числа параметров приведенной формы модели.
в) хотя бы одно из ее уравнений идентифицируемо.
г) параметры одного из его уравнений идентифицируемы.
5. Достаточным условием идентифицируемости модели является
а) равенство числа параметров структурной модели числу параметров приведенной формы модели.
б) невырожденность матрицы коэффициентов системы уравнений, связывающих структурные коэффициенты с приведенными.
в) превышение числа приведенных коэффициентов над числом структурных коэффициентов.
г) равенство числа структурных уравнений числу приведенных уравнений.
6. Сформулируйте основную идею двухшагового метода наименьших квадратов из последовательности приведенных ниже утверждений:
а) расчетные значения эндогенных переменных определяются на основе косвенного МНК.
б) расчетные значения эндогенных переменных определяются на основе обычного МНК.
в) расчетные значения эндогенных переменных наравне с фактическими значениями экзогенных переменных участвуют в оценке параметров модели при помощи обычного МНК.
г) фактические значения эндогенных переменных в правой части уравнения заменяются на расчетные.
7. Почему первое уравнение системы (5.12) сверхидентифицируемо?
а) потому что отсутствует валовой национальный доход предшествующего года;
б) потому что коэффициенты при C и D должны быть одинаковыми;
в) потому что в правой части одна экзогенная переменная;
г) потому что для оценки пяти параметров структурной формы модели найдено шесть коэффициентов приведенной формы модели.
8. Как оцениваются параметры системы рекурсивных уравнений?
а) на основе косвенного МНК;
б) на основе обобщенного МНК;
в) на основе двухшагового МНК;
г) на основе обычного МНК.
9. Для оценки какой системы уравнений используется трехшаговый МНК?
а) сверхидентифицируемой;
б) неидентифицируемой;
б) идентифицируемой;
г) рекурсивной.
10. Лаговые переменные в системах одновременных уравнений обычно рассматриваются как
а) независимые.
б) зависимые.
в) эндогенные.
г) экзогенные.
Глава 2. Парная линейная регрессия и корреляция
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.
Описательные статистики рассчитаны отдельно:
=5,1, =4,95, Sx=2.1, Sy=1,4.
Рис. 1. Уравнение парной регрессии для примера