Список вопросов базы знаний

Экономическое значение вторичного рынка ценных бумаг состоит в перераспределении первоначально сформированной первичным рынком структуры инвестиций:

В многомерном статистическом анализе каждый объект описывается вектором, размерность которого произвольна:

В общем случае для объяснения корреляционной матрицы потребуется несколько факторов:

В общем случае уравнение окажется идентифицируемым, если имеется достаточно экзогенных переменных, не включенных в само уравнение, которые можно использовать как инструментальные для всех эндогенных переменных уравнения:

Для визуального анализа данных часто используют проекции исходных векторов на плоскость первых двух главных компонент:

Для визуального анализа данных часто используют проекции исходных векторов на плоскость первых трех главных компонент:

Для оценки общностей обычно пользуются коэффициентом частной корреляции:

Если для данной модели необходимо исследовать свойства оценок, полученных с помощью косвенного метода наименьших квадратов и метода инструментальных переменных, то можно выполнить соответствующие эксперименты по методу Монте-Карло:

Использование метода инструментальных переменных на больших выборках усиливает воздействие случайного члена:

К факторному анализу относятся метод главных компонент, методы многомерного шкалирования, методы кластерного анализа:

Модель, в которой экзогенных переменных, которые могут использоваться как инструментальные, больше, чем необходимо, называют определенной:

При наличии внешней информации ее можно использовать для преодоления недоопределенности модели:

Простая кейнсианская модель формирования доходов описывает закрытую экономику без государственного вмешательства:

Уравнение называется недоопределенным (неидентифицируемым), когда нельзя получить никакого решения:

Фактор называется общим, если его нагрузки могут иметь произвольные значения:

Что касается стандартных ошибок, то в любом случае нарушения условий Гаусса–Маркова они рассчитываются неточно:

В модели частичной корректировки предполагается, что поведенческое уравнение определяет фактическое значение зависимой переменной:

В общем случае эконометристы хотят включить все имеющиеся данные в выборку для минимизации ее размера:

В распределении Койка делается простое предположение, что коэффициенты при лаговых значениях объясняющей переменной убывают в геометрической прогрессии:

Если функция спроса оказывается менее эластичной, то рынок с каждым циклом будет удаляться все дальше от точки равновесия:

Моделирование ожиданий часто становится наиболее ответственной и сложной задачей в прикладной экономике:

На практике распределение лагов объясняющей переменной всегда соответствует простой функции:

Обычно производственные компании распределяют прибыль, остающуюся после уплаты налогов, частично на выплату доходов акционерам в форме дивидендов, а оставшиеся средства направляют на финансирование инвестиций:

Относительная ошибка прогноза определяется как ошибка прогноза, деленная на действительное значение переменной:

Оценки коэффициентов при нефиктивных переменных и их стандартные отклонения будут в точности такими же, как и в уравнении регрессии, оцененном только на периоде выборки:

Оценки, полученные с помощью метода наименьших квадратов, являются состоятельными:

Ошибка предсказания равна разности между предсказанным и действительным значениями:

Регрессионные модели могут использоваться для построения прогнозов:

С ростом объема выборки при любых условиях оценки коэффициентов в уравнении регрессии стремятся к истинным значениям соответствующих коэффициентов:

Существуют удовлетворительные методы измерения ожиданий для решения макроэкономических задач:

Хотя первым модель адаптивных ожиданий предложил Ф. Кейган, самым известным ее приложением является модель потребления М. Фридмена:

Аналитическое выравнивание (сглаживание) временного ряда можно проводить с помощью любой случайно выбранной функции:

Большое значение в анализе временных рядов имеют стационарные временные ряды, вероятностные свойства которых не изменяются во времени:

В модели Койка коэффициенты при лаговых переменных образуют арифметическую прогрессию:

В моделях временных рядов часто значения объясняемых переменных зависят от их значений в предыдущие моменты времени:

В случае временного ряда, регрессоры которого представляют собой временной тренд, циклическую и сезонную компоненты, объясняющие переменные случайны:

Для данного временного ряда всегда удается подобрать адекватную модель, для которой ряд возмущений будет удовлетворять основным предпосылкам регрессионного анализа:

Если ряд является стационарным, то в каждый следующий момент времени его значение будет увеличиваться на одну и ту же величину:

Метод скользящих средних основан на переходе от начальных значений членов ряда к их средним значениям на интервале времени, длина которого определена заранее:

При применении метода наименьших квадратов для оценки параметров экспоненциальной, логистической функций или функции Гомперца отсутствуют сложности с решением получаемой системы нормальных уравнений:

При прогнозировании поведения временного ряда можно точно предсказать его значение для любого значения времени:

При рассмотрении классической модели регрессии характер экспериментальных данных всегда имеет принципиальное значение:

При рассмотрении конкретных регрессионных моделей временных рядов с коррелированностью регрессоров и ошибок приходится сталкиваться довольно часто:

Процедура двухшагового метода наименьших квадратов реализована в большинстве компьютерных регрессионных пакетов:

Случайным процессом называется функция случайного аргумента:

Тест Дарбина–Уотсона применяется в случае, если имеется корреляция между регрессорами и ошибками регрессии:

Автокорреляция всегда легко устраняется:

В авторегрессионном процессе первого порядка случайные возмущения коррелированы и образуют наиболее простой процесс:

В большинстве современных компьютерных пакетов применение теста серий осуществляется специальной командой, и нет необходимости оценивать регрессию типа непосредственно:

В качестве фиктивных переменных обычно используются дихотомические (бинарные, булевы) переменные, которые принимают всего два значения: 0 или 1: