игра брюс 2048
Главная / Менеджмент / Эконометрика: идентификация, оценивание и анализ статистических моделей / Тест 8

Эконометрика: идентификация, оценивание и анализ статистических моделей - тест 8

Упражнение 1:
Номер 1
Метод наименьших квадратов (МНК) состоит в:

Ответ:

 (1) минимизации суммы квадратов ошибок аппроксимации 

 (2) минимизации суммы квадратов ошибок прогнозирования 

 (3) минимизации квадрата суммы ошибок аппроксимации 


Номер 2
Подогнанным значением зависимой переменной называют:

Ответ:

 (1) скалярное произведение вектора значений независимых переменных и оценки значения вектора параметров линейной регрессии 

 (2) скалярное произведение вектора средних значений независимых переменных и вектора параметров линейной регрессии 

 (3) аппроксимацию значений зависимой переменной 


Номер 3
Апостериорной остаточной разностью называют:

Ответ:

 (1) погрешность аппроксимации зависимой переменной с помощью оцененной модели линейной регрессии 

 (2) погрешность прогнозирования зависимой переменной с помощью оцененной модели линейной регрессии 

 (3) погрешность оценки значения вектора параметров линейной регрессии 


Упражнение 2:
Номер 1
Достаточным условием существования и единственности МНК оценки параметров линейной регрессии должна выполняться гипотеза:

Ответ:

 (1) об экзогенности 

 (2) о гомоскедастичности и отсутствии автокорреляции 

 (3) о полноте ранга 


Номер 2
Для того, чтобы нормальное уравнение МНК имело единственное решение, достаточно выполнения гипотезы:

Ответ:

 (1) о нормальности 

 (2) о гомоскедастичности и отсутствии автокорреляции 

 (3) о полноте ранга 


Номер 3
Критерий МНК имеет единственный минимум, если выполняется гипотеза:

Ответ:

 (1) о гомоскедастичности и отсутствии автокорреляции 

 (2) о полноте ранга 

 (3) об экзогенности 


Упражнение 3:
Номер 1
Вектор подогнанных значений зависимой переменной является проекцией  вектора значений зависимой переменной на:

Ответ:

 (1) пространство, натянутое на векторы значений независимых переменных 

 (2) пространство ортогональное пространству, натянутому на векторы значений независимых переменных 

 (3) пространство значений векторов параметров линейной регрессии 


Номер 2
Вектор значений апостериорной остаточной разности является проекцией  вектора значений зависимой переменной на:

Ответ:

 (1) пространство, натянутое на векторы значений независимых переменных 

 (2) пространство ортогональное пространству, натянутому на векторы значений независимых переменных 

 (3) пространство значений векторов параметров линейной регрессии 


Номер 3
Сумма значений апостериорных остаточных разностей:

Ответ:

 (1) всегда равна нулю 

 (2) равна нулю при наличии константы в модели 

 (3) равна среднему значению зависимой переменной 


Упражнение 4:
Номер 1
При изменении масштаба измерения зависимой переменной коэффициент детерминации:

Ответ:

 (1) не изменяется 

 (2) растет или уменьшается в зависимости от характера изменения масштаба 

 (3) до определенного масштаба растет, а затем уменьшается 


Номер 2
Коэффициент детерминации характеризует:

Ответ:

 (1) долю объясненной изменчивости в общей изменчивости зависимой переменной 

 (2) долю необъясненной изменчивости в общей изменчивости зависимой переменной 

 (3) долю дисперсии случайной составляющей в дисперсии зависимой переменной 


Номер 3
С ростом числа независимых переменных коэффициент детерминации:

Ответ:

 (1) не уменьшается 

 (2) не растет 

 (3) растет до достижения оптимальной размерности, затем снижается 


Упражнение 5:
Номер 1
Ложная корреляция между двумя переменными объясняется:

Ответ:

 (1) влиянием третьей переменной на обе 

 (2) наличием гетероскедастичности 

 (3) нарушением нормальной гипотезы 


Номер 2
Для обнаружения ложной корреляции используют:

Ответ:

 (1) модифицированный коэффициент детерминации 

 (2) статистику Дарбина - Ватсона 

 (3) коэффициент частной корреляции 


Номер 3
Ложная корреляция между зависимой и независимой переменной приводит:

Ответ:

 (1) к завышению или занижению коэффициента линейной регрессии 

 (2) возникновению гетероскедастичности 

 (3) не влияет на результаты МНК оценивания 


Упражнение 6:
Номер 1
Несмещеность МНК оценок параметров линейной регрессии является следствием:

Ответ:

 (1) справедливости гипотезы об экзогенности 

 (2) правильного выбора независимых переменных 

 (3) отсутствия гетероскедастичности случайной составляющей 


Номер 2
Совпадение математического ожидания оценки параметра закона распределения вероятностей с истинным значением этого параметра называется:

Ответ:

 (1) несмещенностью оценки 

 (2) состоятельностью оценки 

 (3) эффективностью оценки 


Номер 3
Поскольку МНК оценка значения вектора параметров линейной регрессии является несмещенной, то

Ответ:

 (1) ее математическое ожидание совпадает с истинным значением вектора 

 (2) величина ее дисперсии не превышает максимально возможной границы 

 (3) прогноз новых значений зависимой переменной является наилучшим 


Упражнение 7:
Номер 1
Из теоремы Гаусса - Маркова следует, что:

Ответ:

 (1) элементы ковариационной матрицы МНК оценок параметров линейной регрессии меньше соответствующих элементов ковариационной матрицы другой линейной и несмещенной оценки 

 (2) разность ковариационной матрицы МНК оценок параметров линейной регрессии и ковариационной матрицы другой линейной и несмещенной оценки является отрицательно определенной матрицей 

 (3) элементы ковариационной матрицы МНК оценок параметров линейной регрессии по модулю больше соответствующих элементов ковариационной матрицы другой линейной и несмещенной оценки 


Номер 2
Дисперсия МНК оценки параметров линейной регрессии:

Ответ:

 (1) прямо пропорциональна дисперсии случайной составляющей 

 (2) обратно пропорциональна дисперсии случайной составляющей 

 (3) не зависит от дисперсии случайной составляющей 


Номер 3
Дисперсия МНК оценки параметров линейной регрессии минимальна:

Ответ:

 (1) среди всех линейных и несмещенных оценок 

 (2) в классе всех состоятельных и несмещенных оценок 

 (3) в произвольном заранее выбранном классе оценок 


Упражнение 8:
Номер 1
Наличие мультиколинеарности ведет к:

Ответ:

 (1) росту дисперсий МНК оценок значений параметров линейной регрессии 

 (2) невозможности расчета МНК оценок значений параметров линейной регрессии 

 (3) росту корреляции МНК оценок значений параметров линейной регрессии 


Номер 2
Нарушение гипотезы о полноте ранга ведет к:

Ответ:

 (1) возникновению мультиколинеарности 

 (2) невозможности расчета МНК оценок значений параметров линейной регрессии 

 (3) возникновению гетероскедастичности 


Номер 3
Гребневая оценка вектора значений параметров линейной регрессии является:

Ответ:

 (1) линейной и несмещенной 

 (2) нелинейной и смещенной 

 (3) линейной и смещенной 


Упражнение 9:
Номер 1
В критерии Уайта об отсутствии гетероскедастичности говорит:

Ответ:

 (1) большое значение р-уровня 

 (2) маленькое значение р-уровня 

 (3) маленькое значение статистики Акаике 


Номер 2
Наличие гетероскедастичности ведет к:

Ответ:

 (1) потере оптимальности МНК оценки вектора значений параметров линейной регрессии в классе линейных несмещенных оценок 

 (2) необходимости использования гребневой оценки вектора значений параметров линейной регрессии 

 (3) невозможности подсчета МНК оценки вектора значений параметров линейной регрессии 


Номер 3
Причиной гетероскедастичности может являться:

Ответ:

 (1) зависимости дисперсии случайной составляющей от независимой переменной 

 (2) наличие ложной корреляции между зависимой и независимой переменной 

 (3) нарушение гипотезы о нормальности 




Главная / Менеджмент / Эконометрика: идентификация, оценивание и анализ статистических моделей / Тест 8