Эконометрика

01 Формула для F-статистики: __________________, где p — верхнее число степеней свободы, q — нижнее число степеней свободы. → 02 Формула для получения несмещенной оценки дисперсии имеет вид → 03 Целевая переменная в модели частичного приспособления имеет вид → 04 Частная автокорреляционная функция первого порядка определяется по формуле → 05 Частная автокорреляция 1-го порядка — это корреляция между членами временного ряда и , при условии, что … → 06 Относительная ошибка прогноза определяется как: → 07 СС(1)-процесс обратим при: → 08 Оценка a для параметра уравнения парной регрессии при использовании МНК вычисляется по формуле a = → 09 СС(2)-процесс обратим лишь при условии, что корни его характеристического уравнения лежат: → 10 Оценка b для параметра уравнения парной регрессии при использовании МНК вычисляется по формуле b = → 11 Стандартное отклонение оценки b для параметра β вычисляется по формуле → 12 Оценка параметра а для модели множественной регрессии в случае двух независимых переменных вычисляется по формуле: а = → 13 Стандартное отклонение оценки а для параметра a вычисляется по формуле → 14 Порядок модели Бокса-Дженкинса подбирается c помощью анализа поведения функции → 15 Статистика критерия Дарбина-Уотсона вычисляется по формуле __________________, где ek — остатки в наблюдениях авторегрессионной схемы первого порядка. → 16 Последовательная разность 3-го порядка имеет вид → 17 Сумма квадратов отклонений величины a + bx от своего выборочного среднего — __________________ сумма квадратов отклонений. → 18 Модель скользящего среднего СС (q) описывается соотношением → 19 Процесс смешанного типа имеет вид → 20 Сумма квадратов отклонений величины y от своего выборочного среднего — это __________________ сумма квадратов отклонений. → 21 Модель СС (1) описывается соотношением → 22 Пусть имеется матрица исходных статистических данных Одномерным временным рядом будет ряд значений __________________ матрицы и.с.д. в последовательные моменты времени. → 23 Тестовая статистика для теста Спирмена рассчитывается по формуле → 24 Модель СС (1) стационарна при: → 25 Регрессионные модели с распределенными лагами описываются соотношением → 26 Условие гомоскедастичности означает, что σ2 (ui) __________________ наблюдений. → 27 Модель СС (2) описывается соотношением → 28 Ряд , сгенерированный моделью СС (1), может быть представлен также в виде модели авторегрессии __________________ порядка. → 29 Условие стационарности временного ряда для модели АР (2) имеет вид → 30 Модель, заданная зависимостью у = 12 + + u, относится к модели: → 31 Сглаженное значение вычисляется по формуле → 32 Условие стационарности ряда случайных остатков в модели АР (1) имеет вид → 33 На третьем шаге Зарембки рассматривается линейная регрессия с наблюдениями __________________ вместо исходных уi: → 34 Скорректированый коэффициент детерминации с ростом числа независимых переменных → 35 Неслучайная составляющая аппроксимируется полиномом степени p, если функция → 36 Случайный член n в уравнении y = axb задан → 37 Несмещенной оценкой параметра модели множественной регрессии s2 (u) является оценка → 38 Спектральная плотность марковского процесса равна: → 39 Несмещенной оценкой теоретической дисперсии является оценка → 40 Спектральная плотность временного ряда определяется через → 41 Несмещенной оценкой теоретической ковариации является оценка → 42 Спектральная плотность связана с интенсивностью согласно формуле → 43 Если неслучайная составляющая временного ряда имеет линейный вид , то равно: → 44 Метод наименьших квадратов для модели парной регрессии заключается в выборе таких коэффициентов a и b, которые обеспечивают наименьшее значение выражения → 45 Если неслучайная составляющая временного ряда имеет линейный вид , то равно: → 46 Модель авторегрессии 1-го порядка описывается выражением → 47 Если общий линейный процесс описывается классической линейной моделью множественной регрессии, то он имеет вид → 48 Модель авторегрессии 2-го порядка описывается выражением → 49 Если случайная величина принимает значения Х1…, Хn с вероятностями Р1…, Рn соответственно, то математическое ожидание случайной величины — … → 50 Модель АРПСС (0, 0, 2) описывается соотношением → 51 Если считать, что белый шум генерирует случайные остатки, то общий линейный процесс имеет вид → 52 Модель АРПСС (1, 1, 1) описывается соотношением → 53 Идентификация модели СС (1) сводится к решению уравнения → 54 Модель гиперинфляции Кейгана описывается соотношением → 55 Когда делается предсказание на момент времени , предполагается, что известна величина → 56 Коэффициент R2 вычисляется по формуле: R2 = … → 57 Если , то коэффициент Тейла равен: → 58 Коэффициент автокорреляции случайных остатков в модели АР (1) равен: → 59 Если аддитивная структурная схема влияния четырех факторов описывается формулой , где , то это означает, отсутствуют __________________ факторы. → 60 Коэффициент автокорреляции определяется соотношением: →