V. Оценочные средства. Рекомендуемые обучающие, справочно-информационные, контролирующие и прочие Компьютерные программы, используемые при изучении дисциплины № п/п

Рекомендуемые обучающие, справочно-информационные, контролирующие и прочие компьютерные программы, используемые при изучении дисциплины

№ п/п	Название рекомендуемых по разделам и темам программы технических и компьютерных средств обучения	Номера тем
1.	Методы эконометрического анализа с помощью пакетов прикладных программ EXCEL	№№ 2,3, 4, 6, 7, 8
2.	Методы выявления тенденции и закономерностей с помощью пакета Eviews	№№ 2,3, 4, 6, 7, 8
3.	Российский статистический ежегодник (CD-версия)	№№ 1,2,3, 4, 5, 6, 7, 8,

Материально-техническое обеспечение дисциплины (разделов)

Дисциплина «Эконометрика» обеспечена электронным курсом лекций, рабочими тетрадями для аудиторной и домашней работы, заданиями для самостоятельной работы.

Курсовая работа по дисциплине «Эконометрика» не предусмотрена.

Вопросы к зачету

1. В чем состоит различие между теоретическим и эмпирическим уравнениями регрессии?

2. В чем суть метода наименьших квадратов (МНК)?

3. Приведите формулы расчета коэффициентов эмпирического парного линейного уравнения регрессии по МНК.

4. Как определяются стандартные ошибки регрессии и коэффициентов регрессии?

5. Опишите схему проверки гипотез о величине коэффициентов регрессии.

6. В чем суть статистической значимости коэффициентов регрессии?

7. Приведите схему определения интервальных оценок коэффициентов регрессии.

8. Как строится и что позволяет определить доверительный интервал для условного математического ожидания зависимой переменной?

9. В чем суть предсказания индивидуальных значений зависимой переменной?

10. Объясните суть коэффициента детерминации.

11. Что представляет собой случайный член регрессионного уравнения? Приведите пример его экономической интерпретации.

12. Перечислите предпосылки классической модели линейной регрессии.

13. Что такое “несмещенная оценка коэффициента уравнения регрессии”?

14. Что такое “эффективная оценка коэффициента уравнения регрессии”?

15. Что такое “состоятельная оценка коэффициента уравнения регрессии”?

16. В чем суть метода наименьших квадратов для построения множественного линейного уравнения регрессии?

17. Приведите формулы расчета коэффициентов эмпирического линейного уравнения регрессии по МНК в матричной форме.

18. Как проверить статистическую значимость регрессионного уравнения?

19. Как проверить статистическую значимость коэффициента детерминации?

20. Чем скорректированный коэффициент детерминации отличается от обычного?

21. Как осуществляется анализ статистической значимости коэффициента детерминации?

22. Как используется F – статистика в регрессионном анализе?

23. В чем суть статистики Дарбина-Уотсона и как она связана с коэффициентом корреляции между соседними отклонениями?

24. Как анализируется статистическая значимость статистики Дарбина-Уотсона?

25. Приведите примеры нелинейных моделей, используемых в эконометрике.

26. Какие из известных вам типов нелинейных моделей поддаются непосредственной линеаризации?

27. Как линеаризуются модели гиперболического вида?

28. Как линеаризуются модели экспоненциального вида?

29. Как линеаризуются модели степенного вида?

30. Как линеаризуются модели логарифмического вида?

31. Каковы признаки качественной регрессионной модели?

32. Назовите основные виды ошибок спецификации.

33. Как можно обнаружить ошибки спецификации?

34. Можно ли обнаружить ошибки спецификации с помощью исследования остаточного члена?

35. Что такое гомоскедастичность и гетероскедастичность?

36. Приведите пример взаимоотношений в экономике, описываемых моделью с гетероскедастичными остатками.

37. Каким образом осуществляется проверка эконометрической модели на гомоскедастичность?

38. Почему нельзя применять классический МНК в случае гетероскедастичности?

39. Какие преобразования исходных данных нужно провести в случае обнаружения гетероскедастичности?

40. В чем суть метода взвешенных наименьших квадратов (ВМНК)?

41. Как вы понимаете термин «автокорреляция остатков»?

42. Приведите пример взаимоотношений в экономике, описываемых моделью с автокоррелированными остатками.

43. Каковы последствия применения классического МНК к модели с автокоррелированными остатками?

44. Каким образом осуществляется проверка эконометрической модели на автокорреляцию остатков?

45. Опишите схему использования статистики DW Дарбина-Уотсона.

46. Какие преобразования исходных данных нужно провести в случае обнаружения автокорреляции остатков?

47. Что такое мультиколлинеарность?

48. По каким проявлениям можно судить о наличии мультиколлинеарности в оцененной модели?

49. Каковы негативные последствия мультиколлинеарности?

50. Перечислите основные методы устранения мультиколлинеарности.

51. Перечислите основные элементы временного ряда.

52. Что такое автокорреляция уровней временного ряда и как ее можно оценить количественно?

53. Дайте определение автокорреляционной функции временного ряда.

54. Перечислите основные виды трендов.

55. Перечислите этапы построения аддитивной модели временного ряда.

56. В чем суть выравнивания уровней ряда методом скользящей средней?

57. В чем заключаются основные причины использования систем одновременных уравнений?

58. Каковы различия между структурными уравнениями системы и уравнениями в приведенной форме?

59. В чем суть КМНК?

Примеры тестов для контроля знаний

1. Функция вида ,

где – независимые объясняющие переменные, – параметры, является:

а) моделью тренда

б) моделью сезонности

в) регрессионной моделью с одним уравнением

г) моделью тренда и сезонности

д) моделью с одной переменной

2. Оценка значения параметра модели является несмещенной, если:

а)

б) обладает наименьшей дисперсией по сравнению с другими оценками.

в) При N®¥, вероятность отклонения от значения стремится к 0.

г)

д)

3. Критерий Стьюдента предназначен для:

а) определения статистической значимости каждого из коэффициентов уравнения регрессии.

б) определения экономической значимости каждого из коэффициентов уравнения регрессии.

в) определения статистической значимости модели в целом на основе совокупной достоверности всех ее коэффициентов.

г) определения экономической значимости регрессионной модели в целом.

д) определения эконометрической значимости модели регрессии в целом.

4. К условиям Гаусса – Маркова не относятся:

а)

б)

в)

г) – неслучайные величины

д)

5. С учетом условий Гаусса-Маркова сумма ошибок прогноза должна быть:

а)

б)

в)

г)

д)

6. Линейный коэффициент корреляции может принимать значение:

а) положительное

б) отрицательное

в) нулевое

г) в интервале [-1; 1]

д) в интервале [0; 1]

7. Число степеней свободы при расчете t-статистики в случае множественной регрессии равно:

а) n, где n – число наблюдений

б) k, где k - количество независимых переменных

в) n – k

г) n – (k + 1)

д) n – (k + 2)

8. При расчете F-статистики для парной регрессии число степеней свобода k₂ равно:

а) 0

б)1

в) n-1

г) n-2

д) n-3

9. Критерий Фишера показывает

а) долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель.

б) тесноту связи между фактическими и расчетными значениями результирующего показателя.

в) статистическую значимость модели в целом на основе совокупной достоверности всех ее коэффициентов.

г) экономическую значимость модели в целом.

д) статистическую значимость коэффициентов регрессии.

10. МНК-оценки _j, полученные для классической линейной модели множественной регрессии являются:

а) несмещенными и неэффективными

б) смещенными и неэффективными

в) несмещенными и эффективными

г) смещенными и эффективными

д) несмещенными

11. Что минимизируется согласно методу наименьших квадратов:

а)

б)

в)

г)

д)

12. Критерий Дарбина-Уотсона используется для проверки наличия в модели:

а) автокорреляции остатков

б) гетероскедастичности

в) мультиколлинеарности

г) линейной зависимости между зависимой и независимой переменными

д) фиктивной переменной

13. Гетероскедастичность – это:

а) непостоянство дисперсии случайной ошибки

б) постоянство дисперсии случайной ошибки

в) отклонения коэффициентов регрессии от среднего значения

г) большие стандартные ошибки коэффициентов регрессии

д) сильная взаимосвязь между регрессорами

14. Уровень временного ряда может содержать:

а) тренд, циклические, сезонные колебания, случайные колебания

б) тренд и сезонные колебания

в) сезонные и случайные колебания

г) любое сочетание тренда, циклических, сезонных, случайных колебаний

д) циклические и сезонные колебания

15. Функция вида , где –время, – периодическая (сезонная) компонента, – случайная компонента является:

а) моделью тренда

б) моделью сезонности

в) регрессионной моделью с одним уравнением

г) моделью тренда и сезонности

д) моделью с одной переменной

16. Приведённая спецификация:

соответствует системе ….. уравнений

а) структурных

б) независимых линейных

в) регрессионных

г) приведённых

д) рекурсивных

17. Средняя ошибка аппроксимации на основе относительных отклонений по каждому наблюдению подсчитывается по формуле:

а) б)

в) г) д)

18. По выборке данных можно построить так называемое:

а) любое уравнение регрессии

б) теоретическое уравнение регрессии

в) значимое уравнение регрессии

г) незначимое уравнение регрессии

д) эмпирическое уравнение регрессии

19. Одновременное формирование спроса Q^d и предложения Q^s товара в зависимости от его цены служит примером:

а) парной регрессии

б) множественной регрессии

в) временных рядов

г) системы одновременных уравнений

д) эконометрической модели

20. Регрессионная зависимость между переменными и означает:

а) и – неслучайные переменные

б) – случайная переменная, – неслучайная переменная

в) – неслучайная переменная, – случайная переменная

г) и –случайные переменные

21. Оценка значения параметра модели является состоятельной, если

а)

б) обладает наименьшей дисперсией по сравнению с другими оценками.

в) При N®¥, вероятность отклонения от значения стремится к 0.

г)

д)

22. Табличное значение критерия Стьюдента зависит

а) только от уровня доверительной вероятности.

б) только от числа факторов, включенных в модель.

в) только от длины исходного ряда.

г) от уровня доверительной вероятности и длины исходного ряда.

д) от уровня доверительной вероятности, от числа факторов, включенных в модель и от длины исходного ряда.

23. Принцип метода наименьших квадратов заключается в выборе таких оценок и для уравнения регрессии , для которых:

а) сумма квадратов отклонений для всех точек минимальна

б) сумма квадратов отклонений для всех точек максимальна

в) сумма квадратов отклонений для всех точек нулевая

г) сумма квадратов отклонений для всех точек положительная

д) сумма квадратов отклонений для всех точек отрицательная

24. Для проверки тесноты связи между переменными используют:

а) t-статистику

б) F-статистику

в) дисперсионный анализ

г) коэффициент детерминации

д) коэффициент корреляции

25. Значимость выборочного линейного коэффициента корреляции можно проверить с помощью:

а) t-статистики

б) F-статистики

в) дисперсионного анализа

г) коэффициента детерминации

д) коэффициента корреляции

26. При расчете F-статистики для парной регрессии число степеней свобода k₁ равно:

а) 0

б) 1

в) 2

г) 3

д) 4

27. Суть МНК состоит в:

а) минимизации суммы квадратов коэффициентов регрессии

б) минимизации суммы квадратов значений зависимой переменной

в) минимизации суммы квадратов отклонений точек наблюдений от уравнения регрессии

г) минимизации суммы квадратов отклонений точек эмпирического уравнения регрессии от точек теоретического уравнения регрессии

д) минимизации суммы квадратов значений независимой переменной

28.Модель в целом статистически значима, если:

а) F _расч. < F _табл .

б) ç F _расч. ç< F _табл .

в) F _расч. > F _табл .

г) F _расч. = F _табл .

д) F _расч≠ F _табл .

29. Число степеней свободы k₁ при расчете F-критерия для случая множественной регрессии равно:

а) n, где n – число наблюдений

б) k, где k - количество независимых переменных

в) n – k

г) n – (k + 1)

д) n – (k + 2)

30. Применение обыкновенного МНК к модели с автокорреляцией остатков приведет к следующим последствиям:

а) выборочные дисперсии оценок коэффициентов будут неэффективными

б) стандартные ошибки коэффициентов будут оценены неправильно

в) прогнозы по модели эффективные

г) прогнозы по модели неэффективные

д) выборочные дисперсии оценок коэффициентов будут неэффективными, стандартные ошибки коэффициентов будут оценены неправильно, прогнозы по модели неэффективные

31. Тест Голдфелда-Квандта используется для проверки наличия в модели:

а) автокорреляции остатков

б) гетероскедастичности

в) мультиколлинеарности

г) линейной зависимости между зависимой и независимой переменными

д) фиктивной переменной

32. Гомоскедастичность подразумевает:

а)

б)

в)

г) - неслучайные переменные

д)

33. Функция вида , где t–время, – временной тренд заданного параметрического вида, – случайная компонента является:

а) моделью тренда

б) моделью сезонности

в) регрессионной моделью с одним уравнением

г) моделью тренда и сезонности

д) моделью с одной переменной

34 Фиктивные переменные вводятся, когда:

а) необходимо исследовать линейные модели

б) какой-то фактор принимает много значений

в) какой-то фактор принимает количественные значения

г) какой-то фактор принимает качественные значения

д) необходимо исследовать нелинейные модели

35. Приведённая спецификация:

соответствует системе ….. уравнений

а) структурных

б) независимых линейных

в) регрессионных

г) приведённых

д) рекурсивных

36. Какое равнение регрессии нельзя свести к линейному по параметру вида:

а)

б)

в)

г)

д)

37. Если фактор в парной регрессии не оказывает влияния на результат, то линия регрессии на графике:

а) параллельна оси

б) является биссектрисой первой четверти декартовой системы координат

в) параллельна оси

г) перпендикулярна оси

д) выпукла к началу координат

38. Когда целесообразно добавление новой объясняющей переменной в модель?

а) при росте R²

б) если в модели мало переменных

в) в любом случае

г) если модель не соответствует экономической теории

д) при росте скорректированного R²

Дата добавления: 2014-12-10