Завдання № 4.15

Завдання № 4.14

Високий ступінь кореляції між залишками та залежною змінною.

Завдання № 4.13

Завдання № 4.12

Завдання № 4.11

Завдання № 4.10

Завдання № 4.9

Завдання № 4.8

Завдання № 4.7

Наявність мультиколінеарності призводить до:

1. Зміни специфікації моделі.

2. Зміщеності оцінок параметрів моделі.

3. Неадекватності висновку про незначущість впливу чинників на показник.

4. Неефективності оцінок параметрів моделі, які призведуть до неефективних прогнозів.

5. Низької точності оцінювання параметрів моделі.

Наявність мультиколінеарністі дає:

1. Два залишки, які корелюють один з одним.

2. Найкращі лінійні оцінки (BLUE).

3. Неефективні оцінки параметрів.

4. Оцінки параметрів з відхиленням.

5. Проблеми зі статистичними висновками.

З метою виключення мультиколінеарності можна:

1. Використати атрибутивні змінні;

2. Використати залежну змінну з лагом;

3. Використати метод зважених найменших квадратів;

4. Використати перехід до логарифмів (log transformation);

5. Відкинути одну чи більше незалежних змінних.

Гетероскедастичність існує, якщо:

1. Дві чи більше незалежних змінних мають високу кореляцію.

2. Дисперсія випадкової величини не стала.

3. Ми будуємо неправильну версію істинної моделі.

4. Незалежна змінна виміряна з помилкою.

5. Теперішні та лагові значення помилок корелюють.

Виявити гетероскедастичність можна за допомогою:

1. Алгоритму Фаррара – Глобера;

2. Критерію ц;

3. Критерію Дарбіна – Вотсона;

4. Критерію фон Неймана;

5. Методу головних компонентів.

Наявність гетероскедастичності призводить до:

1. Зміни специфікації моделі.

2. Зміщеності оцінок параметрів моделі.

3. Істотної залежності оцінок параметрів моделі від кількості спо­стережень.

4. Неадекватності висновку про незначущість дії чинників на показник

5. Низької точності оцінювання параметрів моделі.

Наявність гетероскедастичність дає:

2. Ефективні оцінки параметрів.

3. Найкращі лінійні оцінки (BLUE).

4. Оцінки параметрів з відхиленням.

5. Проблеми зі статистичними висновками.

З метою вилучення гетероскедастичності можна:

1. Використати атрибутивні змінні.

2. Використати метод зважених найменших квадратів.

3. Використати перехід до логарифмів (log transformation).

4. Відкинути одну чи більше незалежних змінних.

5. Спершу усунути проблему автокореляції.

Автокореляція існує, якщо:

1. Дві чи більше незалежних змінних мають високу кореляцію;

2. Дисперсія випадкової величини не постійна;

3. Ми будуємо неправильну версію істинної моделі;

4. Незалежна змінна виміряна з помилкою;

5. Теперішні та лагові значення випадкової величини корелюють.

Дата добавления: 2015-05-26