Значение коэффициента автокорреляции первого порядка равно 0,9, следовательно
(*ответ*) линейная связь между последующим и предыдущим уровнями тесная
нелинейная связь между последующим и предыдущим уровнями тесная
линейная связь между последующим и предыдущим уровнями не тесная
линейная связь между временными рядами двух экономических показателей тесная
Исключение из рассмотрения одной объясняющей переменной из двух в случае высокого (больше 0,8) коэффициента корреляции между ними – это метод
(*ответ*) уменьшения мультиколлинеарности
увеличения мультиколлинеарности
устранения гетероскедастичности
обнаружения автокорреляции
К одному из тестов на гетероскедастичность относится тест
(*ответ*) ранговой корреляции Спирмена
Чоу
Гаусса-Маркова
Кобба-Дугласа
Критерий Дарбина-Уотсона позволяет обнаружить
(*ответ*) автокорреляцию первого порядка
гетероскедастичность
нелинейность
автокорреляцию пятого порядка
Матрица парных коэффициентов корреляции строится для выявления коллинеарных и мультиколлинеарных
(*ответ*) существенных факторов
результатов
параметров
случайных факторов
Метод оценки параметров моделей с гетероскедастичными остатками называется _ методом наименьших квадратов
(*ответ*) обобщенным
обычным
косвенным
минимальным
Мультиколлинеарность факторов эконометрической модели подразумевает
(*ответ*) наличие линейной зависимости между более чем двумя факторами
наличие линейной зависимости между двумя факторами
отсутствие зависимости между факторами
наличие нелинейной зависимости между двумя факторами
Наличие в корреляционной матрице между объясняющими переменными высоких коэффициентов корреляции (больше 0,8) означает
(*ответ*) мультиколлинеарность между ними
отсутствие мультиколлинеарности между ними
гетероскедастичность остатков
гомоскедастичность остатков
Наличие мультиколлинеарности может привести к
(*ответ*) невозможности оценки параметров модели
гомоскедастичности
наличию случайной составляющей
несмещенным оценкам параметров модели
Обобщенный метод наименьших квадратов используется для корректировки
(*ответ*) гетероскедастичности остатков в уравнении регрессии
параметров нелинейного уравнения регрессии
точности определения коэффициента множественной корреляции
автокорреляции между независимыми переменными
Обобщенный метод наименьших квадратов не используется для моделей с _ остатками
(*ответ*) гомоскедастичными
гетероскедастичными
автокоррелированными и гетероскедастичными
автокоррелированными
Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении ОМНК
(*ответ*) преобразуются исходные уровни переменных
остатки не изменяются
остатки приравниваются к нулю
уменьшается количество наблюдений
Обобщенный метод наименьших квадратов рекомендуется применять в случае
(*ответ*) автокорреляции остатков
нормально распределенных остатков
гомоскедастичных остатков
автокорреляции результативного признака