Эконометрика

 «Белым шумом» называется чисто случайный процесс

Автокорреляционной функцией временного ряда называется последовательность значений коэффициентов автокорреляции различных порядков

В исходном соотношении МНК сумма квадратов отклонений фактических значений результативного признака от его теоретических значений минимизируется

В качестве показателя тесноты связи для линейного уравнения парной регрессии используется линейный коэффициент корреляции

В качестве фиктивных переменных в модель множественной регрессии включаются факторы, не имеющие количественных значений

В левой части системы взаимозависимых переменных, как правило, находится одна зависимая переменная

В связи с переездом на другой домен вся информация перенесена на сайт: тестответ.рф

В левой части системы независимых уравнений находится совокупность зависимых переменных

В линейном уравнении парной регрессии коэффициентом регрессии является значение параметра b

В матрице парных коэффициентов корреляции отображены значения парных коэффициентов линейной корреляции между переменными

В нелинейной модели парной регрессии функция является нелинейной

В общем случае каждый уровень временного ряда формируется под воздействием тенденции, сезонных колебаний и случайных факторов

В основе метода наименьших квадратов лежит минимизация суммы квадратов отклонений фактических значений результативного признака от его теоретических значений

В приведенной форме модели в правой части уравнений находятся только независимые переменные

В системах рекурсивных уравнений количество переменных в правой части каждого уравнения определяется как сумма количества зависимых переменных предыдущих уравнений и количества независимых факторов

В системе независимых уравнений каждое уравнение представлено изолированным уравнением регрессии

В стандартизованном уравнении множественной регрессии ;. Определите, какой из факторов х1 или х2 оказывает более сильное влияние на ,так как 2,1>0,3

В стандартизованном уравнении множественной регрессии переменными являются стандартизованные переменные

В стандартизованном уравнении свободный член отсутствует

Величина коэффициента детерминации при включении существенного фактора в эконометрическую модель будет увеличиваться

Величина остаточной дисперсии при включении существенного фактора в модель будет уменьшаться

Величина отклонений фактических значений результативного признака от его теоретических значений представляет собой ошибку аппроксимации

Величина параметра в уравнении парной линейной регрессии характеризует значение результирующей переменной при нулевом значении фактора

Взаимодействие факторов эконометрической модели означает, что влияние одного из факторов на результирующий признак не зависит от значений другого фактора

Включение фактора в модель целесообразно, если коэффициент регрессии при этом факторе является существенным

Временной ряд – это совокупность значений экономического показателя за несколько последовательных моментов (периодов) времени

Временной ряд называется стационарным, если он является реализацией стационарного стохастического процесса

Временной ряд характеризует данные, описывающие один объект за ряд последовательных моментов (периодов) времени

Выбор формы зависимости экономических показателей и определение количества факторов в модели называется спецификацией эконометрической модели

Выделяют три класса систем эконометрических уравнений независимые, взаимозависимые и рекурсивные

Гетероскедастичность остатков подразумевает зависимость дисперсии остатков от значения фактора

Гетероскедастичность подразумевает зависимость дисперсии остатков от значения фактора

Графическое изображение наблюдений на декартовой плоскости координат называется полем корреляции

Дано уравнение регрессии . Определите спецификацию модели. линейное уравнение множественной регрессии

Двухшаговый метод наименьших квадратов предполагает однократное использование обычного МНК

Двухшаговый метод наименьших квадратов применим для решения только сверхидентифицируемой системы одновременных уравнений

Двухшаговый метод наименьших квадратов применяется для оценки параметров систем эконометрических уравнений

Для модели зависимости среднедушевого (в расчете на одного человека) месячного дохода населения (р.) от объема производства (млн р.) получено уравнение . При изменении объема производства на 1 млн р. доход в среднем изменится на 0,003 млн р.

Для моделирования зависимости предложения от цены не может быть использовано уравнение регрессии

Для моделирования сложных экономических систем целесообразно использовать систему эконометрических уравнений

Для нелинейных уравнений метод наименьших квадратов применяется к преобразованным линеаризованным уравнениям

Для оценки коэффициентов структурной формы модели не применяют обычный метод наименьших квадратов

Для существенного параметра расчетное значение критерия Стьюдента больше табличного значения критерия

Для уравнения зависимости выручки от величины оборотных средств получено значение коэффициента детерминации, равное 0,7. Следовательно, 30% дисперсии обусловлено случайными факторами

Для уравнения у = 3,14 + 2х +e значение коэффициента корреляции составило 2. Следовательно значение коэффициента корреляции рассчитано с ошибкой

Если доверительный интервал для параметра проходит через точку ноль, следовательно параметр является несущественным

Если значение индекса корреляции для нелинейного уравнения регрессии стремится к 1, следовательно нелинейная связь достаточно тесная

Если значение коэффициента корреляции равно единице, то связь между результатом и фактором функциональная

Если коэффициент регрессии является несущественным, то его значения приравниваются к нулю и соответствующий фактор не включается в модель

Если между экономическими показателями существует нелинейная связь, то целесообразно использовать спецификацию нелинейного уравнения регрессии

Если наиболее высоким оказался коэффициент автокорреляции первого порядка, то исследуемый ряд содержит только тенденцию

Если наиболее высоким оказался коэффициент автокорреляции третьего порядка, то исследуемый ряд содержит случайную величину, влияющую на каждый третий уровень ряда

Если оценка параметра эффективна, то это означает наименьшую дисперсию остатков

Если предпосылки метода наименьших квадратов нарушены, то оценки параметров могут не обладать свойствами эффективности, состоятельности и несмещенности

Если расчетное значение критерия Фишера меньше табличного значения, то гипотеза о статистической незначимости уравнения принимается

Если спецификация модели нелинейное уравнение регрессии, то нелинейной является функция

Если спецификация модели отображает нелинейную форму зависимости между экономическими показателями, то нелинейно уравнение регрессии

Если факторы входят в модель как произведение, то модель называется мультипликативной

Если факторы входят в модель как сумма, то модель называется аддитивной

Значение индекса корреляции, рассчитанное для нелинейного уравнения регрессии характеризует тесноту нелинейной связи

Значение коэффициента автокорреляции второго порядка характеризует связь между исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени

Значение коэффициента автокорреляции первого порядка равно 0,9 следовательно линейная связь между последующим и предыдущим уровнями тесная

Значение коэффициента автокорреляции рассчитывается по аналогии с линейным коэффициентом корреляции

Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака, объясненной регрессией, к общей дисперсии результативного признака

Значение коэффициента детерминации составило 0,9, следовательно уравнение регрессии объяснено 90% дисперсии результативного признака

Значение коэффициента корреляции не характеризует статистическую значимость уравнения

Значение коэффициента корреляции равно 0,9. Следовательно, значение коэффициента детерминации составит 0,81

Значение коэффициента корреляции равно 1. Следовательно связь функциональная

Значение линейного коэффициента корреляции характеризует тесноту линейной связи

Значения коэффициента автокорреляции первого порядка равно 0,9. Следовательно линейная связь между последующим и предыдущим уровнями тесная

Значения коэффициента корреляции может находиться в отрезке [-1;1]

Из пары коллинеарных факторов в эконометрическую модель включается тот фактор, который при достаточно тесной связи с результатом имеет меньшую связь с другими факторами

Известны значения аддитивной модели временного ряда: Yt - значение уровня ряда, Yt = 30, Т- - значение тренда, Т+15, Е- значение случайной компоненты случайных факторов Е=2. Определите значение сезонной компоненты S 13

Изолированное уравнение множественной регрессии может быть использовано для моделирования взаимосвязи экономических показателей, если факторы не взаимодействуют друг с другом

Исследуется зависимость, которая характеризуется линейным уравнением множественной регрессии. Для уравнения рассчитано значение тесноты связи результативной переменной с набором факторов. В качестве этого показателя был использован множественный коэффициент корреляции

Исходные значения фиктивных переменных предполагают значения качественные

К линейному виду нельзя привести: нелинейную модель внутренне нелинейную

К ошибкам спецификации относится неправильный выбор той или иной математической функции

Качество подбора уравнения оценивает коэффициент детерминации

Коррелограммой называется графическое отображение автокорреляционной функции

Косвенный метод наименьших квадратов требует преобразования структурной формы модели в приведенную

Критерий Стьюдента предназначен для определения значимости каждого коэффициента регрессии

Критерий Фишера используется для оценки значимости построенного уравнения

Критические значения критерия Фишера определяются по уровню значимости и степеням свободы факторной и остаточной дисперсий

Критическое значение критерия Стьюдента определяет максимально возможную величину, допускающую принятие гипотезы о несущественности параметра

Критическое значение критерия Стьюдента определяет минимально возможную величину, допускающую принятие гипотезы о существенности параметра

Линеаризация не подразумевает процедуру включение в модель дополнительных существенных факторов

Линеаризация подразумевает процедуру приведения нелинейного уравнения к линейному виду

Линейное уравнение множественной регрессии имеет вид . Определите какой из факторов или оказывает более сильное влияние на y так как 2,5<-3,7

Математическое ожидание остатков равно нулю, если оценки параметров обладают свойством несмещенности

Матрица парных коэффициентов корреляции строится для выявления коллинеарных и мультиколлинеарных существенных факторов

Метод наименьших квадратов не применим для уравнений, нелинейных по оцениваемым параметрам

Метод наименьших квадратов позволяет оценить параметры уравнений регрессии

Метод оценки параметров моделей с гетероскедастичными остатками называется обобщенным методом наименьших квадратов

Методом присвоения числовых значений фиктивным переменным не является нахождения среднего значения

Минимальная дисперсия остатков характерна для оценок, обладающих свойством эффективности

Множественная регрессия не является результатом преобразования уравнения

Моделирование тенденции осуществляется на основе построения уравнения регрессии зависимости уровня ряда от времени

Модель временного ряда не предполагает независимость значений экономического показателя от времени

Модель временного ряда предполагает зависимость значений экономического показателя от времени

Модель идентифицируема, если число параметров структурной формы модели равно числу параметров приведенной формы модели

Может ли ряд содержать только одну из компонент? может, если другие две компоненты не участвуют в формировании уровня ряда

Мультиколлинеарность факторов эконометрической модели подразумевает наличие линейной зависимости между более чем двумя факторами

Мультипликативная модель содержит исследуемые факторы в виде сомножителей

На основании преобразования переменных при помощи обобщенного метода наименьших квадратов получаем новое уравнение регрессии, которое представляет собой взвешенную регрессию, в которой переменные взяты с весами

На первом этапе применения косвенного метода наименьших квадратов структурная форма преобразуется в приведенную

Назовите показатель корреляции для нелинейных моделей регрессии индекс корреляции

Назовите показатель тесноты связи для нелинейных моделей регрессии индекс детерминации

Нелинейное уравнение регрессии означает нелинейную форму зависимости между результатом и факторами

Нелинейную модель зависимостей экономических показателей нельзя привести к линейному виду, если нелинейная модель является внутренне нелинейной

Нелинейным называется уравнение регрессии, если независимые переменные входят в уравнение нелинейным образом

Несмещенность оценки на практике означает, что при большом числе выборочных оцениваний остатки не будут накапливаться

Обобщенный метод наименьших квадратов используется для корректировки гетероскедастичности остатков в уравнении регрессии

Обобщенный метод наименьших квадратов не используется для моделей с гомоскедастичными остатками

Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении ОМНК преобразуются исходные уровни переменных

Обобщенный метод наименьших квадратов подразумевает преобразование переменных

Обобщенный метод наименьших квадратов рекомендуется применять в случае автокорреляции остатков

Общая дисперсия служит для оценки влияния как учтенных факторов, так и случайных воздействий

Объем выборки должен превышать число рассчитываемых параметров при исследуемых факторах в 5-6 раз

Объем выборки определяется числом параметров при независимых переменных

Одним из методов присвоения числовых значений фиктивным переменным является ранжирование

Основной задачей моделирования временных рядов является выявление и придание количественного значения каждой из трех компонент

Основной задачей построения систем эконометрических уравнений является описание структуры связей реальной экономической системы

Основной задачей эконометрики является исследование взаимосвязей экономических явлений и процессов

Основной целью линеаризации уравнения регрессии является возможность применения метода наименьших квадратов для оценки параметров

Основным преимуществом использования систем эконометрических уравнений является возможность описания сложных систем

Основным требованием к факторам, включаемым в модель множественной регрессии, является отсутствие линейной взаимосвязи между факторами

Остаточная дисперсия служит для оценки влияния случайных воздействий

Отбор факторов в модель множественной регрессии при помощи метода включения основан на сравнении значений остаточной дисперсии до и после включения фактора модель

Относительно количества факторов, включенных в уравнение регрессии, различают простую и множественную регрессию

Относительно формы зависимости различают линейную и нелинейную регрессии

Отсутствие автокорреляции в остатках предполагает, что значения остатков не зависят друг от друга

Оценить статистическую значимость нелинейного уравнения регрессии можно с помощью критерия Фишера

Оценка значимости параметров уравнения регрессии осуществляется по критерию Стьюдента

Оценка значимости уравнения в целом осуществляется по критерию Фишера

Оценки параметров линейного уравнения множественной регрессии можно найти при помощи метода наименьших квадратов

Оценки параметров уравнений регрессии при помощи метода наименьших квадратов находятся на основании решения системы нормальных уравнений

Оценки параметров, найденных при помощи метода наименьших квадратов, обладают свойствами эффективности, состоятельности и несмещенности, если предпосылки метода наименьших квадратов выполняются

Парабола второй степени может быть использована для зависимостей экономических показателей если для определенного интервала значений фактора меняется скорость изменений значений результата, то есть возрастает динамика роста или спада

Параметр является существенным, если доверительный интервал не проходит через ноль

Параметры уравнения тренда определяются обычным методом наименьших квадратов

Первопричиной использования систем эконометрических уравнений является то, что изолированное уравнение не отображает истинные влияния факторов на вариацию результативных переменных

Переход от точечного оценивания к интервальному возможен, если оценки являются эффективными и несмещенными

Под идентификационной моделью подразумевается единственность соответствия между приведенной и структурной формами моделей

Под лагом подразумевается число периодов, по которым рассчитывается коэффициент автокорреляции

Под стационарным процессом можно понимать стохастический процесс, для которого среднее и дисперсия независимо от рассматриваемого периода имеют постоянные значения

Показатель, характеризующий на сколько сигм изменится в среднем результат при изменении соответствующего фактора на одну сигму, при неизменном уровне других факторов, называется стандартизованным коэффициентом регрессии

После применения обобщенного метода наименьших квадратов удается избежать гетероскедастичности остатков

Построена аддитивная модель временного ряда, где Yt – значение уровня ряда, Yt = 10, T – значение тренда, S – значение сезонной компоненты, E – значений случайной компоненты. Определите вариант правильно найденных значений компонент уровня ряда. T=5, S=2, E=3

Построена модель парной регрессии зависимости предложения от цены . Влияние случайных факторов на величину предложения в этой модели учтено посредством случайной величины &#949;

Предпосылки метода наименьших квадратов исследуют поведение остаточных величин

Предпосылкой метода наименьших квадратов не является условие неслучайный характер остатков

Предпосылкой метода наименьших квадратов является отсутствие автокорреляции в остатках

Предпосылкой метода наименьших квадратов является то, что остаточные величины имеют случайный характер

Предпосылкой метода наименьших квадратов является то, что остатки подчиняются закону нормального распределения

При включении фиктивных переменных в модель им присваиваются числовые метки

При выборе спецификации модели парная регрессия используется в случае, когда среди множества факторов, влияющих на результат можно выделить доминирующий фактор

При выборе спецификации нелинейная регрессия используется, если между экономическими показателями обнаруживается нелинейная зависимость

При изучении взаимодействия спроса и предложения целесообразно использовать систему эконометрических уравнений

При моделировании временных рядов экономических показателей необходимо учитывать стохастический характер уровней исследуемых показателей

При оценке параметров приведенной формы модели косвенный метод наименьших квадратов использует алгоритм обычного метода наименьших квадратов

При оценке параметров систем одновременных уравнений не производят линеаризацию уравнений системы

При оценке статистической значимости уравнения и существенности связи осуществляется проверка существенности коэффициента детерминации

При помощи модели степенного уравнения регрессии вида (b>1, то есть x возрастает и y тоже возрастает) не может быть описана зависимость выработки от трудоемкости

При построении модели временного ряда проводится расчет каждого уровня временного ряда

При построении систем независимых уравнений набор факторов в каждом уравнении определяется числом факторов, оказывающих существенное влияние на моделируемый показатель

При построении системы эконометрических уравнений необходимо учитывать структуру связей реальной экономической системы

При применении метода наименьших квадратов исследуются свойства оценок параметров уравнения регрессии

При применении метода наименьших квадратов исследуются свойства оценок параметров уравнения регрессии

При применении метода наименьших квадратов уменьшить гетероскедастичность остатков удается путем преобразования переменных

При расчете значения коэффициента детерминации используется отношение дисперсий

При хорошем качестве модели допустимым значением средней ошибки аппроксимации является 5-7%

Приведенная форма модели получена из структурной формы модели

Приведенная форма модели представляет собой систему линейных функций эндогенных переменных от экзогенных

Приведенная форма модели является результатом преобразования структурной формы модели

Проверка является ли временной ряд «белым шумом» осуществляется с помощью статистики Бокса-Пирса

Проводится исследование зависимости выработки работника предприятия от ряда факторов. Примером фиктивной переменной в данной модели будет являться уровень образования работника

Простая линейная регрессия предполагает наличие одного фактора и линейность уравнения регрессии

Расчет значения коэффициента детерминации не позволяет оценить существенность коэффициента регрессии

Расчет средней ошибки аппроксимации для нелинейных уравнений регрессии связан с расчетом разности между фактическим и теоретическим значениями результативной переменной

Расчетное значение критерия Фишера определяется как отношение факторной дисперсии к остаточной, рассчитанных на одну степень свободы

Расчетное значение критерия Фишера определяется как отношение факторной дисперсии и остаточной, рассчитанных на одну степень свободы

Расчетное значение критерия Фишера определяется как отношение дисперсий

Результатом линеаризации полиномиальных уравнений является линейные уравнения множественной регрессии

Свойствами оценок МНК являются: эффективность, а также состоятельность и несмещенность

Система взаимозависимых уравнений в ее классическом виде называется также системой одновременных уравнений

Система независимых уравнений предполагает совокупность независимых уравнений регрессии

Система нормальных уравнений метода наименьших квадратов строится на основании таблицы исходных данных

Система рекурсивных уравнений включает в каждое предыдущее (должно быть последующее) уравнение в качестве факторов все зависимые переменные предшествующих уравнений с набором собственно факторов

Система эконометрических уравнений не используется при моделировании взаимосвязей временных рядов данных

Система эконометрических уравнений предполагает наличие нескольких зависимых и нескольких независимых признаков

Система эконометрических уравнений представляет систему уравнений регрессии

Систему МНК, построенную для оценки параметров линейного уравнения множественной регрессии можно решить методом определителей

Системы эконометрических уравнений классифицируются по способу вхождения зависимых и независимых переменных в уравнение регрессии

Случайный характер остатков предполагает независимость остатков от величины предсказанных по модели значений результативного признака

Смысл расчета средней ошибки аппроксимации состоит в определении среднего арифметического значения отклонений, выраженных в процентах от фактических значений результативного признака

Совокупность значений критерия, при которых принимается нулевая гипотеза, называется областью принятия гипотезы

Состоятельность оценки характеризуется увеличением ее точности с увеличением объема выборки

Спецификацию нелинейного уравнения парной регрессии целесообразно использовать, если значение индекса детерминации, рассчитанного для данной модели достаточно близко к 1

Спецификация модели нелинейная парная (простая) регрессия подразумевает нелинейную зависимость и независимую переменную

Стандартная ошибка рассчитывается для проверки существенности параметра

Статистические гипотезы используются для оценки значимости уравнения регрессии в целом

Стационарность временного ряда не подразумевает отсутствие стационарного стохастического процесса

Стационарность временного ряда означает отсутствие тренда

Стационарность характерна для временного ряда типа «белый шум»

Стохастическим процессом называется набор случайных переменных X(t), где t – вещественные числа

Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении множественной регрессии не является доход потребителя

Структурной формой модели называется система взаимосвязанных уравнений

Структурными коэффициентами модели называются коэффициенты при экзогенных и эндогенных переменных в структурной форме модели

Структуру временного ряда можно выявить с помощью коэффициента автокорреляции уровней ряда

Табличное значение критерия Фишера служит для проверки статистической гипотезы о равенстве факторной и остаточной дисперсий

Требованием к уравнениям регрессии, параметры которых можно найти при помощи МНК является линейность параметров

Требованием к уравнениям регрессии, параметры которых можно найти при помощи МНК является: линейность параметров

Увеличение точности оценок с увеличением объема выборки описывает свойство состоятельности оценки

Уравнение регрессии характеризует зависимость обратно пропорциональную

Уравнение регрессии, которое связывает результирующий признак с одним из факторов при зафиксированных на среднем уровне значении других переменных, называется частным

Уровнем временного ряда является значение временного ряда в конкретный момент (период) времени

Факторная дисперсия служит для оценки влияния учтенных явно в модели факторов

Факторные переменные уравнения множественной регрессии, преобразованные из качественных в количественные называются фиктивными

Факторы эконометрической модели являются коллинеарными, если коэффициент корреляции между ними по модулю больше 0,7

Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на результат признаков качественного характера

Фиктивные переменные включаются в уравнения множественной регрессии

Циклические колебания связаны с общей динамикой конъюнктуры рынка

Экзогенными переменными не являются зависимые переменные

Экзогенными переменными являются независимые переменные

Экономические временные ряды, представляющие собой данные наблюдений за ряд лет, как правило, являются нестационарными временными рядами

Экспоненциальным не является уравнение регрессии

Эндогенными переменными не являются: независимые переменные

Эндогенными переменными являются зависимые переменные

Эффективность оценки на практике характеризуется возможность перехода от точечного оценивания к интервальному

Установите соответствие между типами уравнений и самими уравнениями:
(1) уравнение парной линейной регрессии ; (2) уравнение множественной линейной регрессии .

Исследуется зависимость . Построена матрица парных коэффициентов корреляции:
На основе определения отсутствия коллинеарности можно рекомендовать построить уравнения ..

Выберите уравнения, описывающие ситуацию, полученную при исследовании потребления некоторого товара y в зависимости от доход x для мужчин и женщин. Известно, что при увеличении дохода на единицу, объем потребления товара и для мужчин и для женщин увеличивается на одну и ту же величину b. Однако предельные величины потребления различаются, для женщин она больше и составляет величину a, для мужчин – величину c. , и уравнение  

В линейной регрессионной модели  коэффициент регрессии является коэффициентом при независимой переменной, характеристикой изменения зависимой переменной при изменении соответствующего регрессора на единицу 

Для уравнения регрессии  выберите отклонение выборочного (фактического) значения от расчетного для точки с координатами (2; 50). 6

Для проверки предпосылки об отсутствии автокорреляции в остатках регрессионной модели определены критические значения критерия Дарбина-Уотсона, равные d_l и d_u (см. рисунок).  Определите интервалы и / или отрезки зоны неопределенности гипотезы об отсутствии автокорреляции в остатках. – зона неопределенности; – зона неопределенности

На рисунке представлен график остатков некоторой модели регрессии. Для оценок параметров данной модели регрессии нарушено свойство Эффективности

Для регрессионной модели  выявлено, что остатки являются гетероскедастичными, при этом дисперсия остатков находится в зависимости от значения фактора с коэффициентом пропорциональности К_i, то есть  Тогда для исключения гетероскедастичности следует оценивать параметры уравнения 

Имеется модель регрессии, характеризующая зависимость y от x  Известны среднеквадратичные отклонения для переменных и количество наблюдений: ,  и  Вычислите коэффициент корреляции  и сделайте вывод относительно тесноты связи между yи x.  теснота связи средняя, зависимость обратная 

Для оценки качества модели линейной регрессии рассчитывают коэффициент детерминации R² как отношение дисперсий. Установите соответствие между долями соответствующих дисперсий в величине общей дисперсии зависимой переменной и ее значением, если для некоторого уравнения R²=0,8. (1) доля объясненной дисперсии; (2) доля остаточной дисперсии; (3) доля общей дисперсии. Так как R²=0,8, то доля объясненной дисперсии равна 0,8; доля остаточной равна 1–0,8 = 0,2; доля общей дисперсии составляет 1.

Для уравнения множественной линейной регрессии с двумя регрессорами, рассчитанного на основании 14 наблюдений, коэффициент множественной корреляции равен 0,5. Вычислите значение F-статистики и проверьте значимость построенного уравнения, если ; построенное уравнение незначимо

При оценке значимости параметра было получено расчетное значение t-статистики Стьюдента для коэффициента регрессии: t_b = 3,2.
Табличные значения t-статистики Стьюдента составили:  t = 3,5 (для уровня значимости 0,01); t = 2,36 (для уровня значимости 0,05); t = 1,89 (для уровня значимости 0,1).
Сделайте выводы о значимости оцениваемого коэффициента регрессии. параметр является значимым с вероятностью 95 %,параметр является значимым с вероятностью 90 %

В экономике труда замечено, что с увеличением возраста повышается заработная плата работников физического труда ввиду увеличения опыта и квалификации работника. Однако с определенного возраста ввиду старения организма и снижения производительности труда дальнейшее увеличение возраста приводит к снижению заработной платы работника. Данную зависимость можно описать с помощью параболы второго порядка , например, представленной на рисунке,  

Уравнениями, линейными по параметрам, но нелинейными по переменным являются модели,  

Среди предложенных функций внутренне нелинейными являются функции ,  

Для нелинейного уравнения регрессии  получены значения дисперсий: ; . Значение коэффициента (индекса) корреляции этой модели составит 0,9 (полученное значение округлите до десятых).

На рисунке представлен график временного ряда объемов авиаперевозок за 4 года (по кварталам). Известны коэффициенты автокорреляции до пятого порядка включительно: , , , ,. В состав временного ряда входят трендовая компонента, сезонная компонента, случайная компонента

Рассмотрим временной ряд: y_t – уровень временного ряда в момент времени t; r_a – значение коэффициента автокорреляции для порядка а. Для такого временного ряда автокорреляционная функция может быть представлена в виде

При выраженной сезонной компоненте, амплитуда колебаний которой или монотонно возрастает, или монотонно убывает, строят мультипликативную модель

К моделям авторегрессии-скользящего среднего (ARMA)не относятся уравнения ,

Рассмотрим модель спроса и предложения. Известно, что объем спроса  на некоторый продукт зависит от его цены P. Зависимость имеет вид  Объем предложения  также зависит от цены P. Зависимость имеет вид  Установите соответствие между системами уравнений, описывающими две ситуации: (1) объем спроса зависит от цены; объем предложения зависит от цены; объем спроса тождественно равен объему предложению (2) объем спроса зависит от цены; объем предложения зависит от цены; объем спроса не зависит от объема предложения.

Для системы взаимозависимых (одновременных) эконометрических уравнений выполняются условия в левой части уравнений системы находятся эндогенные переменные, в правой части уравнений системы могут находиться экзогенные и эндогенные переменные

Выберите необходимое и достаточное условие, характеризующее первое уравнение системы одновременных уравнений  Достаточное условие выполнено – первое уравнение идентифицируемо. Необходимое условие – по счетному правилу первое уравнение точно идентифицируемо

Оценку параметров сверхидентифицируемой системы эконометрических уравнений вида   можно рассчитать с помощью двухшагового метода наименьших квадратов. Определите правильную последовательность действий. 1. Преобразуем структурную форму модели в приведенную форму модели вида
 Так как первое уравнение структурной формы является сверхидентифицируемым, то для эндогенной переменной его правой части то есть для у₂ нужно получить теоретические значения. Поэтому второй шаг:2. Для второго уравнения приведенной формы системы  рассчитаем значения параметров  и рассчитаем теоретические значения .3. Подставим теоретические значения  в сверхидентифицируемое уравнение и при помощи обычного МНК получим для него оценки параметров. 4. Запишем структурную форму системы с найденными значениями оценок параметров.

По данным 75 московских торговых фирм по переменным, приведенным в таблице, построены четыре зависимости.  1. Зависимость цены от полного набора факторов. 2. Зависимость цены от плотности по всей выборке.  3. Зависимость цены от плотности для колгот фирмы Levante.  4. Зависимость цены от плотности для колгот фирмы Golden Lady. Фиктивной переменной является firm. На основании анализа полученных результатов регрессионного анализа верными являются утверждениями политика фирм Levante и Golden Lady при формировании цены в зависимости от плотности колготок существенного различается, наибольшее влияние на цену колготок фирмы Levante оказывает плотность. Установите последовательность уравнений зависимости цены от факторов по убыванию множественного коэффициента регрессии. зависимость цены от полного набора факторов по всей выборке; зависимость цены от плотности для колгот фирмы Levante; зависимость цены от плотности по всей выборке; зависимость цены от плотности для колгот фирмы Golden Lady. По уравнению «зависимость цены от плотности для колгот фирмы Levante» колготки плотностью 40 den стоят 17375 руб. за 100 шт. (Полученный ответ округлите до целого.)

Динамика величины прожиточного минимума (в среднем на душу населения, руб. в месяц) в России в период 2005–2011 гг. характеризуется данными, представленными на графике.  Значение временного ряда в заданный момент (период времени) называется уровнем. Установите соответствие между порядком коэффициента автокорреляции и его значением. 1. Коэффициент автокорреляции первого порядка 0,99473 2. Коэффициент автокорреляции второго порядка 0,98712 3. Коэффициент автокорреляции третьего порядка 0,99448. Значение величины прожиточного минимума (в среднем на душу населения, руб. в месяц) в России в 2012 г., рассчитанное на основе линейного тренда, составит 6854 руб. (Полученное значение округлите до целых.)