Тема 4.Модели временных рядов (Теоретические вопросы)

Уровень временного ряда может содержать:

—тенденцию, циклические, сезонные колебания, случайные колебания

—тенденцию и сезонные колебания

—сезонные и случайные колебания

+—любое сочетание тенденции, циклических, сезонных, случайных колебаний

 

Аддитивная модель временного ряда имеет вид:

+—

—

—

 

Автокорреляцией уравнений временного ряда называют:

+—автокорреляционную зависимость между последовательными уровнями временного ряда

—значение аналитической функции, характеризующей зависимость уровней ряда от времени

—значение перехода

 

Автокорреляционная функция временного ряда – это:

+—последовательность коэффициентов автокорреляции уровней временного ряда

—коррелограмма

—последовательность уровней временного ряда

 

Наиболее высокий коэффициента автокорреляции первого порядка свидетельствует о том, что:

+—исследуемый ряд содержит только тенденцию

—исследуемый ряд содержит циклические колебания

—ряд не содержит тенденции и циклических колебаний

 

Если ни один из коэффициентов автокорреляции не является значимым, это свидетельствует о том, что:

—исследуемый ряд содержит только тенденцию

—исследуемый ряд содержит циклические колебания

+—временный ряд не содержит тенденции и циклических колебаний

 

Кусочно – линейная модель регрессии применяется:

+—для моделирования тенденции временного ряда, испытывающего влияние структурных изменений

—для моделирования тенденции временного ряда за небольшой промежуток времени

—для моделирования тенденции временного ряда

 

Коинтеграция временных рядов:

+—причинно – следственная зависимость в уровнях двух (или более) временных рядов

—корреляционная зависимость между последовательными уровнями временного ряда

—последовательность коэффициентов автокорреляции уровней временного ряда

 

Авторегрессионные модели включают в качестве объясняющих переменных:

+—лаговые значения зависимых переменных

—лаговые значения независимых переменных

—лаговые значения зависимых и независимых переменных

 

Модели с распределенными лагами включают в качестве объясняющих переменных:

—лаговые значения зависимых переменных

+—лаговые значения независимых переменных

—лаговые значения зависимых и независимых переменных

 

Суть метода инструментальных переменных состоит в:

+—замене переменной модели на новую переменную, которая тесно коррелирует с прежней, но не коррелирует с остатками модели

—замене переменной модели на новую переменную, которая тесно коррелирует с остатками модели, но не коррелирует с прежней переменной

—в упрощении модели