Помогите пожалуйста по эконометрике! - вопрос №3183806

1.В случае автокорреляции случайных возмущений применяется

А) обобщенный метод наименьших квадратов

Б) косвенный метод наименьших квадратов

В) обычный метод наименьших квадратов

Г) гребневая регрессия (ридж-регрессия)

2.Согласно одной из предпосылок метода наименьших квадратов случайные возмущения

А) в различных наблюдениях независимы

Б) в различных наблюдениях связаны линейной зависимостью

В) в соседних наблюдениях чаще имеют противоположные знаки

Г) в соседних наблюдениях чаще имеют одинаковые знаки

3.Поправка Прайса-Винстена применяется для данных

А) первого наблюдения

Б) первого и последнего наблюдений

В) всех наблюдений

Г) последнего наблюдения

4.При использовании обобщенного метода наименьших квадратов применяется формула

А) Эйткена

Б) Кохрана-Оркатта

В) Прайса-Винстена

Г) Хилдрета-Лу

5.Отрицательной автокорреляции остатков имеет место, когда

А) остатки в соседних наблюдениях чаще имеют противоположные знаки

Б) остатки в соседних наблюдениях чаще имеют одинаковые знаки

В) остатки в различных наблюдениях независимы

Г) сумма остатков значительно меньше нуля

6.Статистика Дарбина-Уотсона DW -2, тогда

А) определенного вывода о корреляции остатков сделать нельзя

Б) имеется отрицательная автокорреляция остатков

В) имеется положительная автокорреляция остатков

Г) автокорреляция остатков отсутствует

7.Гомоскедастичность остатков подразумевает

А) одинаковую дисперсию случайных возмущений

Б) максимальную дисперсию случайных возмущений при средних значениях фактора

В) рост дисперсии случайных возмущений с увеличением значения фактора

Г) понижение дисперсии случайных возмущений с уменьшением значения фактора

8.Обобщенный метод наименьших квадратов применяется в случае

А) автокорреляции переменных

Б) фиктивных переменных

В) мультиколлинеарности факторов

Г) гетероскедастичности остатков

9.Гетероскедастичность остатков имеет место, когда

А) дисперсия остатков пропорциональна квадрату объясняющей переменной

Б) дисперсия остатков является величиной постоянной

В) дисперсия остатков рана нулю

Г) дисперсия остатков равно 1

10.Для исследования гетероскедантичности случайных возмущений используется критерий

А) Голдфелта-Квандта

Б) Фишера

В) Стьюдента

Г) Дарбина-Уотсона

11.Оценка гетероскедастичной модели обычным методом наименьших квадратов является

А) неэффективной

Б) эффективной

В) смещенной

Г) несостоятельной

12.Для оценки модели с гомоскедастичностью применяют

А) обычный метод наименьших квадратов

Б) метод Кохрана-Оркатта

В) обобщенный метод наименьших квадратов

Г) метод Хидрета-Лу

14.Под мультиколлинеарностью понимают

А) наличие сильной линейной корреляционной зависимости между объясняющими переменными

Б) наличие в уравнении стохастических объясняющих переменных

В) наличие в уравнении регрессии большого числа незначимых параметров

Г) наличие в уравнении регрессии неоправданно большого числа объясняющих переменных

15.При совершенной мультиколлинеарности верно утверждение

А) имеется функциональная линейная связь объясняющих переменных

Б) коэффициенты уравнения регрессии определяются однозначно

В) определитель матрицы

Г) влияние объясняющих переменных на зависимую переменную определяется однозначно

16.При мультиколлинеарности верно утверждение

А) возможны неверные знаки у коэффициентов регрессии

Б) занижаются стандартные ошибки оценок

В) увеличиваются t- статистики коэффициентов

Г) коэффициенты уравнения регрессии определяются однозначно !

17.При мультиколлинеарности верно утверждение

А)возможны неверные знаки у коэффициентов регрессии

Б) увеличиваются t- статистики коэффициентов

В) знаки у коэффициентов регрессии определяются правильно

Г) завышаются стандартные ошибки оценок !

18.Гребневой метод наименьших квадратов приводит к

А) снижению t – статистики параметров 2

Б) смещенным оценкам параметров

В) несмещенным оценкам параметров

Г) повышению стандартных ошибок параметров 1

19. Гребневой метод наименьших квадратов приводит к

А) снижению t – статистики параметров 2

Б) несмещенным оценкам параметров

В) повышению стандартных ошибок параметров 1

Г) повышению t – статистики параметров

20.Если удалить из модели множественной линейной регрессии одну из двух сильно коррелирующих между собой объясняющих переменных, то модуль t-статистики коэффициента при другой значимой для модели переменной

А) повысится

Б) снизится

В) не изменится

Г) будет равен критическому значению