13. Для определения параметров сверхидентифицируемой модели:
а) применяется двушаговый МНК;
б) применяется косвенный МНК;
б) ни один из существующих методов применить нельзя.
Ответ: а) применяется двушаговый МНК;
Если система сверхидентифицируема, могут использоваться разные методы оценивания, среди которых наиболее распространенным и простым является двухшаговый метод наименьших квадратов (ДМНК).
Основная идея ДМНК – на основе приведенной формы модели получить для сверхидентифицируемого уравнения теоретические значения эндогенных переменных, содержащихся в правой части уравнения.
14. Для определения параметров неидентифицируемой модели:
а) применяется двушаговый МНК;
б) применяется косвенный МНК;
б) ни один из существующих методов применить нельзя.
Ответ: б) ни один из существующих методов применить нельзя.
Модель неидентифицируема, если число параметров приведённой системы меньше чем, число параметров исходной модели, и в результате коэффициенты исходной модели не могут быть оценены через коэффициенты приведённой формы.
Временные ряды
1. Аддитивная модель временного ряда имеет вид:
а)
;
б)
;
в)
.
Ответ: б) ;
Общий вид аддитивной модели следующий:
.
Эта модель
предполагает, что каждый уровень
временного ряда может быть представлен
как сумма трендовой (
),
сезонной (
)
и случайной (
)
компонент.
2. Мультипликативная модель временного ряда имеет вид:
а) ;
б) ;
в) .
Ответ: а) ;
Общий вид мультипликативной модели выглядит так:
.
Эта модель предполагает, что каждый уровень временного ряда может быть представлен как произведение трендовой ( ), сезонной ( ) и случайной ( ) компонент.
3. Коэффициент автокорреляции:
а) характеризует тесноту линейной связи текущего и предыдущего уровней ряда;
б) характеризует тесноту нелинейной связи текущего и предыдущего уровней ряда;
в) характеризует наличие или отсутствие тенденции.
Ответ: а) характеризует тесноту линейной связи текущего и предыдущего уровней ряда.
Исходя из первого свойства коэффициента автокорреляции:
КЭ строится по аналогии с линейным коэффициентом корреляции и таким образом характеризует тесноту только линейной связи текущего и предыдущего уровней ряда. Поэтому по коэффициенту автокорреляции можно судить о наличии линейной (или близкой к линейной) тенденции. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию (например, параболу второго порядка или экспоненту), коэффициент автокорреляции уровней исходного ряда может приближаться к нулю.
4. Аддитивная модель временного ряда строится, если:
а) значения сезонной компоненты предполагаются постоянными для различных циклов;
б) амплитуда сезонных колебаний возрастает или уменьшается;
в) отсутствует тенденция.
Ответ: а) значения сезонной компоненты предполагаются постоянными для различных циклов;
Выбор одной из двух моделей осуществляется на основе анализа структуры сезонных колебаний. Если амплитуда колебаний приблизительно постоянна, строят аддитивную модель временного ряда, в которой значения сезонной компоненты предполагаются постоянными для различных циклов.