Тест коррелирование отклонений от выровненных уровней тренда проводят
 Скачать 134.5 Kb.
|
|
Тест 6.
а) для определения тесноты связи между отклонениями фактических уровней от выровненных, отражающих тренд (метод коррелирования отклонений от выровненных уровней тренда состоит в том, что коррелируют не сами уровни, а отклонения фактических уровней от выровненных, отражающих тренда, т.е. коррелируют остаточные величины. Для этого каждый ряд динамики выравнивают по характерной для него аналитической формуле, затем из эмпирическиз уровней вычитают выровненные и определяют тесноту связи между рассчитываемыми отклонениями (по формуле rdxdy =  )2) в каком случае присутствует явление коинтеграции: Б) если ряд имеет постоянную дисперсию в длительном промежутке времени В) если во временном ряду совпадают (или имеют противоположное направление) тенденции двух и более уровней (коинтеграция присутствует, если ряд имеет постоянную дисперсию в длительном промежутке времени и содержит только случайную компоненту, коинтеграция – это причинно – следственная связь в уровнях двух или более временных рядов, которая выражается в совпадении или противоположной направленности их тенденциий и случайной колеблемости) 3) укажите формулу расчета нециклического коэффициента автокорреляции: А) ra =  Б) ra = большая формула с ∑ ( рассчитывается не только между соседними уровнями, т.е. сдвинутыми на один период, но и между сдвинутыми на любое число единиц времени) 4) укажите формулу для выявления автокорреляции остатков в моделях авторегрессии Г) h = (1 -  )*  (Для выявления автокорреляции остатков в моделях авторегрессии используют критерий h-Дарбина) 5) укажите методы уменьшения (устранения) автокорреляции во временных рядах: А) авторегрессионных преобразований (анализу подвергают не исходные уровни временного ряда, а их отклонения от тенденции) В) включения дополнительного фактора (например, времени) Г) последовательность разностей (анализу подвергают не сами исходные уровни временного ряда, а последовательные разности между ними. При использовании этого способа считается, что все разности между уровнями содержат только случайную компоненту) 6) изучение связи между уровнями связных временных рядов проводят с помощью методов коррелирования: А) уровней ряда динамики (показывает тесноту связи между рядами динамики лишь в случае, если в каждом из них отсутствует автокорреляция) Б) отклонений фактических уровней от тренда (метод состоит в том, что коррелируют не сами уровни, а отклонения фактических уровней от выровненных, отражающих тренд) В) последовательных разностей (исключить влияние автокорреляции можно путем вычитания из каждого уровня предшествующего ему) 7) укажите правильное определение связных рядов: Б) показывающие зависимость результативного признака от одного или нескольких факторных 7 тест 1) динамическая модель отличается от других видов эконометрических моделей тем, что в такой модели: Б) в данный момент времени учитывают значения входящих в нее переменных, относящихся к текущему и к предыдущему моментам времени 2) лаговые значения переменных непосредственно включены в модель: А) авторегрессии (в таких моделях лаговые значения результата входят в модель в качестве факторных переменных) В) с распределенным лагом (в таких моделях наряду с текущими значениями факторных переменных содержатся их лаговые значения) 3) модели авторегрессии характеризуются тем, что они: А) содержат в качестве факторных переменных лаговые значение результативного признака 4) для некоторой модели адаптивных ожиданий в процессе преобразования получен механизм формирования ожиданий  . Как ожидаемое значение  адаптируется к предыдущим реальным значениям:В) быстрее (механизм формирования ожиданий определяется равенством  где чем ближ x*t+1 адаптируется к предыдущим реальным значениям)5) в результате анализа фактических данных получена модель авторегрессии yt = 3 + 100yt-1+20xt +  t. общее абсолютное изменение результата в момент времени (t+1) равно:А) 2000 (общее абсолютное изменение результата в момент времени (t+1) определяется промежуточным мультипликатором a0b1 (в модели yt=c+b1yt-1+a0xt+εt, следовательно 100*20=2000) 6) результативный признак зависит от ожидаемых значений факторного признака: Г) в долгосрочной функции модели адаптивных ожиданий (-это исходная модель адаптивных ожиданий, yt=c+a0x*t+1+εt) 7) для некоторой модели частичной корректировки механизм формирования ожиданий получен в виде равенства yt = yt-1+  t. Это позволяет сделать вывод о том, что:В) корректировка не происходит (отсутствует λ) |