Программа дисциплины по кафедре "Экономическая кибернетика" эконометрика

Вид материала

Программа дисциплины

Содержание 6. Контроль самостоятельной работы студентов-заочников Содержание задания контрольной работы 7. Контроль знаний студента Выходной контроль

Подобный материал:

• Программа дисциплины по кафедре "Экономическая кибернетика" эконометрика, 296.55kb.
• Программа дисциплины по кафедре «Экономическая кибернетика» специальностей «Математические, 195.68kb.
• Программа дисциплины по кафедре «Экономическая кибернетика» основы управленческого, 356.46kb.
• Программа дисциплины по кафедре «Экономическая кибернетика» организация и планирование, 238.78kb.
• Программа дисциплины по кафедре «Экономическая кибернетика» для специальности «Математические, 205.71kb.
• Программа дисциплины по кафедре Экономическая кибернетика экономическая информатика, 271.22kb.
• Программа дисциплины по кафедре Экономическая кибернетика логистика, 167.77kb.
• Программа дисциплины по кафедре «Экономическая кибернетика» разработка пакета прикадных, 252.14kb.
• Программа дисциплины по кафедре "Экономическая кибернетика" Статистика, 411kb.
• Программа дисциплины по кафедре "Экономическая кибернетика" Статистика, 459.37kb.

6. Контроль самостоятельной работы студентов-заочников


В четвертом семестре для студентов заочников предусмотрено выполнение контрольной работы по дисциплине. Целью контрольной работы является формирование и контроль знаний по основным разделам дисциплины. Студенту рекомендуется, руководствуясь предлагаемой программой и используя литературу, самостоятельно изучить ряд вопросов и примеров. Затем следует выполнить задание. Контрольная работа разработана и имеется в электронном виде на кафедре.

Содержание задания контрольной работы:

- построение парной регрессии; оценка надёжности модели по основным статистическим показателям; определение силы связи между показателями; расчет прогноза по модели;

- построение уравнение множественной регрессии; отбор факторов в модель; оценка надёжности модели;

- идентификация эконометрических систем;

- анализ рядов динамики; подбор трендовой модели; оценка автокорреляции уровней временного ряда; оценка качества модели.


В пятом семестре для студентов заочников предусмотрено тестирование по дисциплине. Целью тестирования является закрепление пройденного материала и возможность практического использования полученных навыков. Необходимо в результате решить простейшие практические задания, например:

• Определите, сколько наблюдений потребуется для построения парной линейной регрессии.
  
• Объясните, какое стандартное распределение нужно для сравнения двух дисперсий.
  
• Объясните, какое стандартное распределение нужно при изучении среднего значения.
  

• Постройте доверительный интервал и проверьте значимость коэффициента регрессии: , _a=3, n=50, p=95%.
  
• Составьте список из 7 существенных и 7 несущественных признаков для модели рентабельности предприятия.
  
• Приведите примеры уравнений и графиков степенной и показательной функций.
  
• Проведите спецификацию модели:
  

; ; ; ; ;

• Проведите спецификацию модели:
  

; ; ;

• Найдите эластичность функции:
  
• Выведите систему нормальных уравнений для модели:
  
• Проведите интерпретацию уравнения:
  

Цена (тыс.руб.) = 40 – 8·Предложение (шт.) + 16·Спрос (шт.)

• Проведите интерпретацию уравнения: .
  
• Найдите коэффициент детерминации двумя способами: ; ; .
  
• Постройте 68% доверительный интервал для линейного прогноза и нанесите его на график:
  

• Проведите линеаризацию функции: .
  
• Составьте уравнение регрессии с фиктивными переменными для учета сезонности по 4 кварталам года.
  
• К какому виду относится система уравнений: .
  
• Постройте приведенную форму для модели: .
  
• Проведите простое экспоненциальное сглаживание временного ряда: y_t = [10 20 10 30 20 35],  = 0,8
  

7. КОНТРОЛЬ ЗНАНИЙ СТУДЕНТА


7.1. Входной контроль

Входной контроль осуществляется в форме контрольного задания по разделам дисциплины базового курса «Теория вероятностей и математическая статистика».


7.2. Тематика текущего контроля

Текущий контроль знаний осуществляется в процессе выполнения практических заданий путём индивидуального и группового опроса, собеседования и тестового контроля. Результаты текущего контроля знаний учитываются при промежуточной аттестации и на зачёте.


7.3. Выходной контроль


Выходной контроль осуществляется в форме зачёта и экзамена по дисциплине.

В программу зачёта по дисциплине включены следующие вопросы:

  Основные этапы прикладного эконометрического исследования.

  Свойства оценок параметров при выполнении исходных предположений классической нормальной модели линейной множественной регрессии.

  Доверительные интервалы для параметров при выполнении исходных предположений классической нормальной модели линейной множественной регрессии.

  Интервальные прогнозы при выполнении исходных предположений классической нормальной модели линейной множественной регрессии.

  Проверка гипотез о значениях коэффициентов при выполнении исходных предположений классической нормальной модели линейной множественной регрессии.

  Основные типы нарушений исходных предположений классической нормальной модели линейной множественной регрессии.

  Последствия различных нарушений исходных предположений классической нормальной модели линейной множественной регрессии.

  Методы обнаружения гетероскедастичности.

  Методы обнаружения автокоррелированности.

  Обнаружение ненормальности распределения ошибок.

  Выявление неправильного выбора объясняющих переменных (критерий RESET).

  Выявление непостоянства коэффициентов на периоде наблюдения (критерии Чоу, рекурсивные остатки).

  Методы коррекции статистических выводов при неоднородности дисперсий ошибок.

  Методы коррекции статистических выводов при автокоррелированности ошибок.

  Коррекция статистических выводов при непостоянстве параметров модели на периоде наблюдений. Учет сезонности. Фиктивные переменные.

  Модели с распределенными запаздываниями объясняющих переменных.


Итоговый контроль знаний – экзамен.


Примерный набор тестов на экзамен:

Вариант 1

1. Парный линейный коэффициент корреляции характеризует наличие тесной обратной связи. Он может принимать следующие значения:
   

А) 1,2; б) –0,82; В) 0,23; Г) 0,92; Д) –0,24.

2. Коэффициент уравнения парной регрессии показывает:

а) тесноту связи между зависимой и независимой переменными;

б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на единицу;

в) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

г) на сколько ед. изменится зависимая переменная, если независимая переменная изменится на 1 ед.

3. Если лаговые воздействия фактора не имеют тенденцию к убыванию во времени, то графическое представление структуры лага примет вид:

4. Величину, характеризующую влияние лаговых переменных на результат, называют:

А) медиана; Б) мода; В) лаг; Г) мультипликатор; Д) регрессор.

5. Наличие гомоскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу; Г) критерий Энгеля-Грангера;

Д) критерий Уайта; Е) критерий Дарбина-Уотсона.

6. Оценить значимость парного линейного коэффициента корреляции можно при помощи:

А) критерия Фишера;

Б) коэффициента автокорреляции;

В) критерия Стьюдента;

Г) критерия Энгеля-Грангера;

Д) критерия Дарбина-Уотсона.

7. Автокорреляция уровней может быть вызвана следующими причинами:

А) ошибка измерения результативного признака;

Б) ошибка в спецификации модели;

В) ошибка в вычислениях;

Д) нет правильного ответа.

8. В ситуациях, когда остатки содержат циклические колебания, график примет вид:

9. Изложите алгоритм использования критерия Энгеля-Грангера.

10. Степень влияния неучтенных факторов в рассматриваемой модели можно определить на основе:

А) парного линейного коэффициента корреляции;

Б) частного коэффициента корреляции;

В) индекса корреляции;

Г) коэффициента детерминации;

Д) коэффициента регрессии.

11. Частный критерий Фишера вычисляется по формуле:

А) ; Б);

В) ; Г) .

12. Факторная дисперсия вычисляется по формуле:

А) ; б) ; В) ; Г) ; Д) ; е) ; Ж) .

13. Что характеризует -коэффициент в уравнениях множественной регрессии?

14. Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?

А) x₁2; Б) x₁>x₂; B) x₁=x₂.

15. Для двух видов продукции А и В модели зависимости удельных постоянных расходов от объема выпускаемой продукции выглядят следующим образом:

у_А=85+0,5х,

у_В=20х^0,3.

Определите, каким должен быть объем выпускаемой продукции, чтобы коэффициенты эластичности для продукции А и В были равны.

А) 73; Б) 0,02; В) 0,3; Г) 85; Д) 20.

Вариант 2

1. Автокорреляция остатков уравнения регрессии означает:

а) наличие ошибки в спецификации уравнения регрессии;

б) незначимость уравнения регрессии;

в) отсутствие зависимости между переменными;

г) их случайность.

2. h-критерий Фишера используется для оценки:

А) Наличия коинтеграции временных рядов.

Б) Наличия коинтеграции рядов распределения.

В) Автокорреляции остатков.

Г) Автокорреляции уровней рядов динамики.

Д) Автокорреляции уровней рядов распределения.

3. Если лаговые воздействия фактора имеют тенденцию к убыванию во времени, то графическое представление структуры лага примет вид:

4. Коэффициент детерминации показывает:

а) на сколько единиц изменится зависимая переменная, если независимая переменная изменится на 1 единицу;

б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

в) на сколько процентов изменение зависимой переменной зависит от изменения независимой переменной;

г) долю вариации независимой переменной, обусловленную вариацией независимой переменной.

5. Наличие гетероскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу; Г) критерий Энгеля-Грангера;

Д) критерий Спирмена; Е) критерий Дарбина-Уотсона.

6. Оценить значимость коэффициентов регрессии в множественной линейной модели можно при помощи:

А) коэффициента корреляции;

Б) коэффициента автокорреляции;

В) критерия Стьюдента;

Г) критерия Энгеля-Грангера;

Д) критерия Дарбина-Уотсона.

7. Парный линейный коэффициент корреляции определяется по формуле:

А) ;

Б) ;

В) .

8. В ситуациях, когда остатки содержат циклические колебания, график примет вид:

9. Изложите алгоритм использования критерия Спирмена.

10. Степень усредненного влияния неучтенных факторов в рассматриваемой модели можно определить на основе:

А) парного линейного коэффициента корреляции;

Б) частного коэффициента корреляции;

В) индекса корреляции;

Г) коэффициента детерминации;

Д) коэффициента регрессии;

Е) свободного члена уравнения регрессии.

11 . Как вычисляется коэффициент эластичности для модели у=а+b lnx?

12. Критерий Пирсона используется:

А) для оценки автокорреляции уровней;

Б) для оценки автокорреляции остатков;

В) для оценки мультиколлиниарности факторов;

Г) для оценки коинтеграциии.

13. Что характеризует t-критерий Стьюдента?

14. Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?

А) x₁2; Б) x₁>x₂; B) x₁=x₂.

15. Модель имеет вид:

Y₁ = a₁+b₁₁X₁+ b₁₂X₂+C₁₂Y₂+₁,

Y₂ = a₂+b₂₂X₂+ C₂₁Y₁ +₂,

Y₃ = a₃+b₃₁X₁ + b₃₃X₃₊₃.

А) модель идентифицируема;

Б) модель сверхидентифицируема;

В) модель неидентифицируема.


Вариант 3

1. Модель авторегрессии с распределенным лагом имеет вид:

а) , где - эмпирически ненаблюдаемая переменная результативного признака, х_t – фактическое значение факторного признака; _t – ошибка модели;

б) , где - фактическое значение результативного признака, –ожидаемое значение факторного признака; _t – ошибка модели;

в) , где - эмпирически ненаблюдаемая переменная результативного признака, – ожидаемое значение факторного признака; _t – ошибка модели;

г) , где - фактическое значение результативного признака, х_t – фактическое значение факторного признака; _t – ошибка модели;

д) нет правильного ответа.

2. Модель Койка является:

А) моделью авторегрессии с бесконечной структурой лага;

Б) моделью авторегрессии с конечной структурой лага;

В) моделью авторегрессии.

3. Графическая модель параболы имеет вид:

4. Дисперсионный анализ уравнения парной регрессии проверяет:

а) значимость коэффициента корреляции;

б) значимость уравнения регрессии;

в) значимость коэффициента регрессии;

г) значимость свободного члена уравнения регрессии.

5. Наличие гетероскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу; Г) критерий Энгеля-Грангера;

Д) критерий Спирмена; Е) критерий Дарбина-Уотсона.

6. Коэффициент множественной детерминации показывает
   

а) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

б) долю вариации зависимой переменной, обусловленную вариацией независимых переменных;

в) на какую часть своего стандартного отклонения изменится зависимая переменная, если независимая переменная изменится на величину своего стандартного отклонения;

г) насколько изменится зависимая переменная, если независимая переменная изменится на единицу.

6. Критерий Дарбина-Уотсона определяется:
   

А) ; Б) ; В) ;

Г); Е) .

8. Изложите алгоритм использования критерия Энгеля-Грангера.

9. В ситуациях, когда остатки не содержат циклические колебания, график примет вид:

10.Лаговые переменные в системах одновременных уравнений обычно рассматриваются как

а) независимые.

б) зависимые.

в) эндогенные.

г) экзогенные.

11 . Как вычисляется коэффициент эластичности для параболы II порядка?

12. Прямая неопределенности используется при определении:

А) Наличия коинтеграции временных рядов.

Б) Наличия коинтеграции рядов распределения.

В) Автокорреляции остатков.

Г) Автокорреляции уровней рядов динамики.

Д) Автокорреляции уровней рядов распределения.

13. Что характеризует -коэффициент?

14. Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?

А) x₁2; Б) x₁>x₂; B) x₁=x₂.

15. Модель имеет вид:

Y₁ = a₁+b₁₁X₁+ b₁₃X₃+C₁₂Y₂+₁,

Y₂ = a₂+b₂₂X₂+ C₂₁Y₁ +₂,

Y₃ = a₃+b₃₂X₂ + b₃₃X₃₊₃.

А) модель идентифицируема;

Б) модель сверхидентифицируема;

В) модель неидентифицируема.