Шпаргалка по "Эконометрике"

1.Что является  предметом эконометрики:

Факторы, формирующие развитие экономических явлений и процессов.

2.Основные  экономические задачи решаемые с использованием эконометрики?

Анализ и прогнозирование  развития  макро- и микроэкономических показателей.

3.Методы используемые для построения эконометрических моделей?

Методы регрессионного и  корреляционного анализа.

4.Отличие  корреляционной зависимости   от функциональной?

Каждому значению X соответствует ряд распределения значений Y.

5. Что показывает  линия регрессии Y=f(X)?

Линия регрессии показывает как с изменением X в среднем изменяется Y.

6. Чем характеризуется  множественная регрессия:

Наличием нескольких факториальных  признаков.

7. Несовместными  системами уравнений называются  такие системы, для которых...

найденное решение одной  системы уравнений  не удовлетворяет  другим уравнениям.

8. Формулировка  принципа наименьших квадратов, используемого при определении параметров уравнения регрессии предполагает, что:

наиболее вероятными значениями будут такие значения, при которых сумма квадратов отклонений теоретических значений результирующего признака от фактических будет минимальной.

9. Чтобы МНК-оценки обладали свойствами несмещенности, состоятельности и эффективности случайная составляющая уравнения регрессии   (где - фактическое значение,  - теоретическое значение результирующего признака),в генеральной совокупности должна иметь следующие свойства:

Случайность колебаний уровней  остаточной компоненты; равенство нулю математического ожидания случайной  компоненты; независимость значений уровней случайной компоненты; соответствие распределения случайной компоненты нормальному закону распределения.

10. Оценки  параметров уравнения регрессии,  полученные с помощью метода  наименьших квадратов,считаются несмещенными в том случае, когда:

Математическое ожидание случайной компоненты уравнения  регрессии равно нулю. При увеличении числа наблюдений оценки стремятся  к истинным значениям параметров.

11. Оценки  параметров уравнения регрессии,  полученные с помощью метода  наименьших квадратов, считаются  состоятельным в том случае, когда:

Дисперсия оценок параметров при росте наблюдений в выборке  стремится к нулю.

12. Оценки параметров уравнения регрессии, полученные с помощью метода наименьших квадратов,считаются эффективным в том случае, когда:

Оценки имеют наименьшую дисперсию по сравнению с любыми другими оценками данных параметров.

13. В случае  если распределение остаточной  компоненты   в генеральной  совокупности подчиняется нормальному  закону распределения, то это  позволяет:

Оценить статистическую значимость полученных результатов с использованием F-критерия Фишера и t-критерия Стьюдента;

14. Построенная   в виде уравнения регрессии  модель считается адекватной, если:

Остаточная компонента , удовлетворяет 4-м условиям, сформулированным в теореме Гаусса-Маркова и соответствие модели наиболее важным (для исследователя) свойствам изучаемого объекта или явления.

15. При использовании  теста, основанного на критерии серий проверяется:

гипотеза о случайном  характере отклонений фактических  уровней ряда от теоретических уровней.

16. Медиана  выборки это:

значение остаточной компоненты   приходящееся на середину ранжированного (упорядоченного) ряда из величин .

17. Что представляют  собой в тесте, основанном на  критерии серий, величины: и

Данные величины представляют собой расчетные допустимые значения максимальной длины серии и общего числа серий соответственно.

18. При проверке  соответствия распределения случайной  компоненты нормальному закону  распределения:

Используются показатели асимметрии и эксцесса.

19. Среднеквадратические  ошибки  асимметрии и эксцесса характеризуют:

Допустимые среднеквадратические отклонения асимметрии и эксцесса в  конечной выборке.

20. Гипотеза  о нормальном распределении случайной  компоненты принимается, если  выполняются неравенства:

 

21. Проверка по d-критерию Дарбина - Уотсона производится путем сравнения:

Расчетного значения критерия с верхним и нижним - - критическими значениями статистики Дарбина - Уотсона.

22. Что понимается  под показателями, характеризующими  точность модели:

Разность между значениями фактических уровней ряда и их теоретическими уровнями, оцениваемыми с помощью статистических показателей.

23. Какие наборы  статистических показателей используются  для оценки точности модели:

Среднеквадратическое отклонение,  средняя относительная ошибка аппроксимации, коэффициент сходимости, коэффициент  множественной детерминации.

24. Какой недостаток  имеет показатель точности модели - среднее квадратическое отклонение:

Данный показатель зависит  от используемого масштаба при измерении  результирующего признака.

25. Закон сложения  дисперсий для линейного уравнения  регрессии имеет вид:

26. Что характеризует коэффициент множественной корреляции?

Характеризует тесноту устойчивой статистической линейной связи между  факторами, включенными в уравнение  регрессии и результирующим признаком.

27. С использованием  какой формулы можно вычислить  коэффициент парной корреляции?

28. Коэффициент парной корреляции показывает:

Силу влияния отдельного факториального  признака Х на величину У при условии, что остальные факторы остаются неизменными.

29. Коэффициент  частной корреляции показывает:

Силу влияния только одного фактора x на величину У.

30. Чему равен  коэффициент эластичности для  линейного алгебраического уравнения:

31. По какой формуле определяется доверительный интервал для отдельных коэффициентов уравнения регрессии:

32. Какие коэффициенты характеризуют силу влияния на результирующий признак отдельных факторов и их совокупное влияние?

Коэффициенты множественной, частной и парной корреляции.

33. Каким условиям  должна отвечать остаточная компонента  в уравнении регрессии для  того, чтобы данное уравнение  адекватно отражало изучаемые  взаимосвязи между показателями?

Равенство математического  ожидания остаточной компоненты нулю, случайность колебаний уровней  остаточной последовательности, независимость  значений уровней остаточной компоненты,  соответствие распределения остаточной компоненты нормальному закону распределения.

34. Почему  не имеет смысла путем повышения  порядка уравнения регрессии  добиваться равенства нулю остаточной  случайной компоненты:

Практическая ценность такого уравнения очень мала, потому что  оно выявляет не закономерность развития изучаемого процесса, проявляющуюся  на фоне случайных колебаний, а сами эти случайные колебания.

35. Мультиколлинеарность - это:

Наличие устойчивой статистической связи между двумя или несколькими  объясняющими переменными в уравнении  регрессии.

36. Что понимается под «совершенной мультиколлинеарностью» объясняющих переменных в уравнении регрессии:

Функциональную связь  друг с другом объясняющих переменных в уравнении регрессии.

37. Как определить  наличие мультиколлинеарности между факториальными признаками уравнения регрессии:

Путём расчета матрицы  коэффициентов парной корреляции.

38. Какая величина  коэффициента парной корреляции  характеризует предельный допустимый  уровень мультиколлинеарности между факториальными признаками уравнения регрессии: 0,8

39. Как можно  устранить мультиколлинеарность между факториальными признаками уравнения регрессии:

Исключением одного из факторов из уравнения регрессии, который по мнению исследователя считается менее значимым.

40. Гетероскедастичность - это…

Явление, когда с изменением факториального признака (Х) дисперсия случайной компоненты будет монотонно увеличиваться или уменьшаться, или изменяться по какому-либо другому закону.

41.Что понимается  под дисперсией случайного члена  уравнения регрессии:

Возможное поведение случайного члена уравнения регрессии до того, как сделана выборка.

42. Гетероскедастичность случайного члена уравнения регрессии приводит:

К тому, что оценки параметров уравнения регрессии становятся неэффективными, стандартные ошибки коэффициентов уравнения регрессии  будут определены неверно.

43. Тестовая статистика в тесте ранговой корреляции Спирмена   определяется   по формуле:

44. Согласно тесту ранговой корреляции Спирмена нулевая гипотеза об отсутствии гетероскедастичности случайного члена уравнения регрессии будет отклонена при уровне значимости в 5%, если тестовая статистика:

Будет больше 1,96.

45. Для выполнения  теста Голфелда-Квандта имеющиеся наблюдения:

Упорядочиваются по возрастанию  x и делятся на три подвыборки.

46. В тесте Голдфенда-Квандта нулевая гипотеза об отсутствии гетероскедастичности будет отклонена если:

47. При проведении теста Глейзера предполагается стандартное отклонение  случайной составляющей связано с изменением факториального признака соотношением:

48. Если наличие существенной гетероскедастичности случайного члена уравнения регрессии подтверждено тестами, то для снижения влияния гетероскедастичности на эффективность оценок уравнения регрессии необходимо:

Разделить каждый член уравнения  регрессии в каждом наблюдении на дисперсию случайной составляющей.

49. Автокорреляция случайного члена уравнения регрессии это:

Нарушение предпосылки о  случайности остатков, полученных по уравнению регрессии и ситуация, когда остатки содержат тенденцию  или циклические колебания, т.е. каждое следующее значение зависит от предшествующих.

50. Автокорреляция случайного члена уравнения регрессии приводит к тому, что оценки уравнения регрессии становятся:

неэффективными.

51. Причиной  положительной автокорреляции случайного  члена уравнения регрессии обычно  является:

Постоянная направленность воздействия не включенного в уравнение регрессии какого-либо фактора.

52. Уравнение,  отражающее авторегрессионную схему первого порядка, для случайного члена уравнения регрессии имеет вид:

53. Оценка коэффициента автокорреляции случайного члена уравнения регрессии из авторегрессионной схемы первого порядка осуществляется приближенно по формуле:

54. Расчетное значение d-критерия статистики Дарбина-Уотсона определяется по формуле:

55. Значение d-критерия статистики Дарбина-Уотсона в больших выборках связано с коэффициентом автокорреляции случайного члена уравнения регрессии приближенно следующим соотношением:

56. Укажите причину, по которой нельзя составить таблицу с указанием точных критических значений d критерия статистики Дарбина-Уотсона.

d критерий статистики Дарбина-Уотсона зависит от масштаба переменных в уравнении регрессии.

57. В каком случае нельзя отклонить нулевую гипотезу об отсутствии автокорреляции случайного члена уравнения регрессии:

Если расчетное значение критерия d больше верхнего табличного значения .

58. По какой формуле пересчитывается значение d-критерия статистики Дарбина-Уотсона при отрицательной автокорреляции случайного члена уравнения регрессии:

59. Как устранить автокорреляцию случайных членов уравнения регрессии, если она описывается авторегрессионной схемой первого порядка?

Необходимо включить в  уравнение регрессии существенный фактор, вызывающий автокорреляцию.

60. Для чего используется поправка Прайса-Уинстена:

Для устранения дисбаланса, связанного с неоправданно

большим влиянием первого  наблюдения на определяемые оценки параметров уравнения при применении МНК.

61. Поправка Прайса-Уинстена равна:

62. Метод Кокрана-Оркатта, используемый для оценки коэффициента автокорреляции и коэффициентов уравнения регрессии, включает следующие этапы:

1. Оцениваем параметры  исходного регрессионного уравнения .

2. Вычисляем остатки  .

3. Находим оценку коэффициента  автокорреляции  из уравнения ;

4. Используя данную оценку ρ, находим систему преобразованных уравнений     .

5. Производим определение  параметров уравнения  и находим новые значения оценок   и  .

6. Повторно вычисляем  остатки  и возвращаемся к этапу 3.

7. Повторяем вычисления  до тех пор, пока значения ρ не совпадут с заданной степенью точности.

63. Метод Хилдреда-Лу, используемый для оценки коэффициента автокорреляции случайного члена уравнения регрессии и коэффициентов самого уравнения регрессии, заключается в следующем:

Задаем интервал изменения ρ и величину  Δρ. Для каждого значения ρ производится оценка параметров и из приведенной системы уравнений . Затем из полученных результатов выбирается тот, который дает минимальную стандартную ошибку. Эти значения ρ, α и β принимаются за искомые.

64. Какие системы алгебраических уравнений называются системами одновременных уравнений:

Системы уравнений, в которых  одни и те же переменные в одних  уравнениях используются как объясняющие, а в других в качестве объясняемых  переменных.

65. Какие переменные считаются эндогенными переменными:

Переменные, которые определяются внутри модели.

66. Какие переменные считаются экзогенными переменными:

Переменные, которые задаются вне модели.