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