Онлайн тесты на тему "Синергия. Эконометрика- бесплатные ответы на тест"

1.Согласно литературным источникам термин эконометрика впервые использовал Циемба. Австровенгрия 1910г.
Для создания концепции использования методов алгебры и геометрии к данным бух. учета.
2.Эконометрическое научное общество было создано в 1930 США
3.Термин эконометрика ввел в обиход Фриш
4.В журнале эконометрика основанный в 1933г.эконометрика определяется как - единство экономической теории, математики и статистики
5.Значительной вехой явилось введение экономических барометров, упоминается - гарвардский барометр
6.Результатом экономических исследований является регрессионные модели
7.Под регрессией понимается - функциональная зависимость между объясняющей или переменной и средней величиной зависимой переменной
8.Зависимость между переменной типа y=f(x) называется функцией регрессии (y) на (х)
Допустим Зависимость "у" от потребления дохода "х" выражается уравнением регрессии у=а+в
9.В эконометрических моделях зависимые переменные принято называть - эндогенными
10.Проверка качества моделей регрессии назыв.- верификацией
11.В общем виде первым этапом эконометрическом исследовании - постановка проблемы
12.Эконометрика включает понятие - эконометрические измерения
13.Высший уровень измерения предполагает сравнение с - эталоном
14.Любое экономическое исследование начинается с модели под спецификацией - понимается формулировка вида модели по теории и связи
15.Линейная модель простой и парной регрессии имеет вид у=а+Вх+е
построение модели сводится к оценке "а" и "в"
Ошибки спецификации недоучет в уравнении , ошибки выбора - отражаются в увелчение "е"
16.Основное внимание в эконометрике уделяет - ошибка спецификации модели
17.При обработке исходной информации на комп-ре выбор вида уравнения парной регрессии проводится - графическими и экспериментальными методами
19.Эксперементальные методы подбора от функции для уравнения парной регрессии основан - на сравнении величины остаточным дисперсии по разным методам
20.Оценки параметров у уравнений парной линейной регрессии - наиболее часто подходит методом наименьших квадратов
21.Оценки параметров методом наименьших параметров является - точечными оценками теоретических коэффициентов регрессии т.к. получается на основе выборочных данных
22.Статистическая модель потребления Кейнса включ. уравнении: c=ky+L
и тождества у=с+I где "с" - величина потребления, "у" - доход, "I" - инвестиции
23.Зачем вводится тождество? чтобы ограничить значение "к" - предельная склонность потребления
24.Предельная склонность к потреблению в моделях Кейнса не может принимать значения - больше единицы
25.Если в уравнении парно-линейная регрессия у=а+вх+е переменные "х" и "у" выразить в отклонениях от средних, то
уравнение примет вид у=вх+е. Оценка коэффициента регрессии при этом не меняется
26.Предположим, что модели потребления Кейнса, функция потребления имеет вид с=1,8+0,75у коэффициент регрессии показывает - на каждые
одну тыс. руб. на потребление расходится в среднем 750
27.Если функции потребления с=кх+L коэффициенту регрессии больше единицы - значит на потребление расходуется не только доход, но и сбережения
28.В парной линейной регрессии абсолютным показателем силы связи между переменными является - коэффициент регрессии
29.Для оценки значимости коэффициент регрессии и его расчета доверительных интервалов используется - статистика подчиняющаяся статистике Стьюдента при степенях свободы "n-2"
30.При сравнении фактического значения t - статистики с табличным коэффициент Регрессии отклоняется если - фактическое значение "t" больше табличного
31.Доказано, что если выполняется предпосылка метода наименьших квадратов (условия Гаксса-Маркова) то наилучшие оценки параметров линейной регрессии
обладают свойствами, является - несмещенными, эффективными, состоятельными
32.Оценка значимости моделей парной регрессии в целом проводится с помощью "f" - критерия Фишера, расчет у которого предшествует
33.Применение метода наименьших квадратов к нелинейным функциям в парной регрессии требует выполнения одной из предпосылок
метода наименьших квадратов - линейность относительно параметров
34.По десяти парам наблюдений получено уравнение линейной регрессии у=а+57,28х
также известно, что сумма х=100 , а сумма у=200, параметр "а"=-552,8
35.Подставляя линейное уравнение регрессии например у=1,9+085х значение "х", получаем "у", такой прогноз называется – точечный
36.Прогнозное качество экономических моделей в виде уравнения регрессии оценивается с помощью - средней ошибки праксимации
37.Допустим, что спрос на иномарки на авторынке России в зависимости от цены характеризуется параболой второго порядка у=а+вх+сх в квадрате
38.При какой цене объем продаж "У" будет максимальной ? надо первую производную приравнять к нулю
39.табличные критичные значения t- статистики и f- критериях заданы с определенным уровнем значимости альфа. Например альфа=0,5 это значит, что этот уровень вероятность совершить ошибку первого рода
40.Допустим, что по одним и тем же выборочным данным построены два парных линейных уравнения регрессии у=а+вх+е; х=с+dy+е какое из соотношений линейных коэффициент корреляции является истинным? z(ух)=z(ух)
41.Множественная регрессия предполагает включение в уравнение регрессии двух и более факторов переменных, при этом факторы должны – некореллироваться между собой и количественно измеряться
42.Кореляция между факторами переменной считается явной если эти факторы имеют значения парного линейного коэффициент корреляции равного 0,7 и более
43.Определитель матрицы коэффициент корреляции между факторами равен нулю это значит - что между факторами полная линейная зависимость
44.При отборе факторов для множественной регрессии рекомендуется пользоваться правилами согласно которому число факторов обычно меньше объема совокупности в 6; 7; раз
45.При выборе адекватной модели уравнение множественной регрессии - отдаем предпочтение той математической функции для кот-ой коэффициент детерминации максимален, а ошибка праксимации минимальна
46.В уравнении множественной линейной регрессии у=а+В1Х1+В2Х2+....ВрХр параметр "х" называется коэффициент чистой регрессии
47.В уравнении множественной линейной регрессии параметры при факторных переменных - несравнимы между собой
48.Показатель множественной корреляции оценивает тесноту связи совместного влияния факторов на результат, определяется как – индекс множества корреляции независимо от формы связи
49.Различие между "х"- индексом детерминации и его значениям уменьшается - по мере увеличения числа наблюдения
50.Чистые коэфф. корелляции характеризуют тесноту связи между результатом соответств. факторам при - устранении влияния других факторов
уравнения регрессии
51.Частный коэфф. корреляции нулевого порядка - это коэфф. первой регрессии
52.Частный "f"- критерий Фишера используется в оценке значимости - коэфф. чистой регрессии
53.В эконометрике для учета неоднородности по качественным признакам в регрессивную модель вводят - фиктивные переменные
54.Проверку выполнения предпосылок метода наименьших квадратов относительно остаточных величин проводят разными методами наиболее простой - графический анализ остатков
55.Обобщенный метод наименьших квадратов для оценки параметров множественной регрессии при нарушении предпосылок относительно остатков
56.Для двухфакторной линейной регрессии коэфф. детерминант 0,7 скорректированное значение 0,614 число наблюдений - "10"
57.В производственной ф-ции Кобба-Дугласа коэфф. эластичности должен быть - единица
58.колличество структурных переменных включ. уравнение регрессии, должно быть - равно числу градации минус единица
59.Если уравнение множественной линейной регрессии построено правильно, то индекс корреляции должен быть - больше или равен максимальному значению парному коэфф. Корреляции
60.Эконометрические модели построенные по данным наблюдений за одним объектом во времени называются - моделями временных рядов
61.Основная задача исследования временного ряда - выявление тенденций сезонности и случайности основных компонентов уровня ряда
63.Аддетивной моделью временного ряда назыв. - модель, где ряд представлен как сумма t+s+e
64.коэфф. автокорреляции уровней ряда строится на основе линейного коэфф. корреляции, кот-ая определяется между соседей уровней ряда
65.График зависимости автокорреляционные ф-ции от величины ряда назыв. - коррелограммой
66.Если наиболее высоким среди коэфф. корреляции оказался коэфф. первого порядка, то ряд содержит - линейную тенденцию
67.Построение ф-ции характеризующей зависимость уровней ряда от времени назыв. - аналитическим сглаживанием
68.Допустим, что имеем временной ряд, за 20 лет наиболее высокие значения коэфф. 3; 6; и 9-ого порядка, значит период колебания равен - 3 года
69.Для выявления сезонных колебаний на основе моделей регрессии с включением фактора времени фиктивных переменных – число переменных должно быть меньше, кол-во фиктивных больше на единицу
70.Наличие тенденции в временных рядах у кот-ой изучается причинноследственная связь приводит к - ложной корреляции
71.Если взаимосвязанные временные ряды содержат линейные тренды, то исходные данные заменяют - первыми разностями
72.Если тенденции временного ряда соответствуют экспоэнциальной или степенной тренд метод последовательных разностей применяют не к исходным уравнениям, а к их - логарифмам
73.Критерий Дарбина-Уотсона используется для - автокорреляции в остатках
74.Фактическое значение критерия Дарбина-Уотсона - от 0 до 4
75.Табличная, критическое значение Дарбина-Уотсона - верхние и нижние границы
76.Эконометрические модели на основе временных рядов могут быть построены, если ряды явл. - стационарными с постоянной дисперсией
77.Модели на основе временных рядов учитывающие момент времени "t" относящийся к предыдущим моментам времени "t-1" "t-2"наз. – динамическими
78.Долгосрочный мультипликатор в модели регрессии рассчитывается как сумма краткосрочного и промежуточного мультипликатора
79.Если в динамической модели фактором выступает разовое значение - это модуль авторегрессии
80. в модели с распределённым логом рассчитывается значение медианного лага. Медианный лаг - это период времени в течении которого. Ответ: с момента времени t реализуется половина воздействия. В моделях с распределенным рангом рассчитывается медианный раг
82.Описание и исследование структуры связей между переменными системами взаимосвяз. признаков осуществ. на основе - одновременных уравнений
83.Обычный метод наименьших квадратов не рекомендуется применять к системе - одновременных уравнений
84.Если зависимая переменная "у" одного уравнения выступая "х"-ом другим, то модель в виде системы - рекурсивных уравнений
85.Для системы одновременного уравнения матрица – иное
86.При предопределенные переменные влияющие на эндогенные перемены не зависящие от СОУ называются - экзогенными переменными
87. Качество экзогенных переменных выбирают которые могут быть объектом регулирования
88.Если структурная и приведённая форма модели имеют одинаковое число коэффициента - модели идентифицированы
89.Коэффициенты модели со структурными коэффициентами - нелинейными соотношениями
90.Одно из правил проверки уравнения в СОУ - счетное или ранговое
91.Идентификацию обеспечивают – счетное
92.Чтобы уравнение считалось идентифицированным кол-во экзогенных и эндогенных переменных = минус единица
93.Если система сверхидентифицированна применяют - двухшаговый метод наименьших квадратов
94.Простейшие модели Кейнса равно с=а+вх ; у=е+i явл. – идентифицированный
95.Линейная модель спроса и предложения характеризуется двумя уравнениями, экзогенной и переменной в нем – нет
96.Прогнозное значение экзогенных переменных на основ на основе - приведенных уравнений
97.Приведенная форма модели для СОУ, зависимость в виде - линейной регрессии
98.В неэкономические переменные рассматривают в качестве - экзогенных переменных
99.Двухшаговый метод наименьших квадратов - инструментальный переменный
100.Колличество Эндогенных переменных моделях структурных уравнений равно числу уравнений в системе
101.При применении рангового правила . Ранг=3 с тождеством 4 - система идентифицирована или сверх идентифицирована
102.Кол-во системных уравнений определяется целями задач исследования
103.Система экономических уравнений строится на любом уровне метода наименьших квадратов
104.построение функции, характеризующей зависимость уровней ряда от времени называется. Ответ: аналитическим сглаживанием (выравниванием ряда).