nEkonometria - S. Barczak - pytania „prawda / fałsz”

1	Analiza struktury stochastycznej modelu oznacza analizę wyłącznie reszt modelu.	F
2	Błąd prognozy ex post ME (błąd średni) obliczony dla liniowego modelu tendencji rozwojowej będzie zawsze równy zero.	F
3	Błąd prognozy ex post obliczony dla liniowego modelu tendencji rozwojowej będzie zawsze równy zero.	F
4	Błąd wyliczony na podstawie zrealizowanych prognoz to błąd ex-ante.	F
5	Błędne określenie opóźnień czasowych zmiennych objaśniających jest jednym ze źródeł autokorelacji składnika losowego.	P
6	Błędne określenie postaci analitycznej modelu jest jednym ze źródeł autokorelacji składnika losowego.	P
7	Błędne określenie zakresu badania jest jednym ze źródeł autokorelacji składnika losowego.	F
8	Błędy prognoz z grupy ex post zmieniają swoją wartość wraz ze wzrostem horyzontu prognozy.	F
9	Błędy prognozy ex ante są błędami, których wartość ulega zmianie wraz ze wzrostem horyzontu prognozy.	P
10	Błędy prognozy ex post są błędami, których wartość ulega zmianie wraz ze wzrostem horyzontu prognozy.	F
11	Dany jest liniowy model tendencji rozwojowej: Yt=10t+2+ut. Interpretacja parametru przy zmiennej czasowej oznacza, że zmienna prognozowana będzie wzrastać średnio rzecz biorąc z okresu na okres o 10 jednostek.	F
12	Dany jest model ekonometryczny: Yt=-2Xt1+3Xt2+1+ut, Interpretacja parametru przy zmiennej Xt1 ma postać: wzrost Xt1 o 1 jednostkę spowoduje spadek Yt o 2 jednostki.	F
13	Do estymacji modeli w których występuje heteroscedastyczność składników losowych lub niesferyczność możemy wykorzystać uogólnioną MNK Aitkena.	P
14	Estymator "a" jest zgodny nieobciążony i najefektywniejszy w klasie podobnych estymatorów.	P
15	Estymator "a" parametru alfa jest nieobciążony jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa.	F
16	Estymator "a" parametru alfa jest zgodny jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa.	P
17	Etap specyfikacji modelu ekonometrycznego oznacza między innymi wybór postaci analitycznej modelu.	P
18	Funkcja autokorelacji PACF stanowi tzw.: pamięć szeregu czasowego.	F
19	Główna przekątna macierzy wariancji i kowariancji jest zawsze dodatnio określona.	P
20	Heteroscedastyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie.	F
21	Homoscedastyczność składnika losowego jest jednym z założeń klasycznej MNK.	P
22	Homoscedastyczność składnika losowego oznacza niejednorodność wariancji składnika losowego w czasie.	F
23	Homoscedastyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie.	P
24	Identyfikowalność modeli badamy jedynie w przypadku modeli rekurencyjnych.	F
25	Identyfikowalność modeli badamy jedynie w przypadku modeli wielorównaniowych.	F
26	Identyfikowalność modeli badamy jedynie w przypadku modeli współzależnych.	P
27	Jedną z przyczyn nieistotności parametrów strukturalnych modelu ekonometrycznego jest niewłaściwa postać analityczna.	P
28	Jeśli dana zmienna jest koincydentalna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego.	F
29	Jeżeli dana zmienna objaśniająca jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego.	P
30	Jeżeli dana zmienna objaśniająca nie jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego.	F
31	Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna to model jest modelem o równaniach współzależnych.	F
32	Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna to model jest modelem prostym.	P
33	Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że: ln(Yt) i ln(t) to model jest modelem logarytmicznym.	F
34	Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że: ln(Yt) i ln(t) to model jest modelem wykładniczym.	P
35	Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że mamy: Yt i Z=1/t to model jest modelem hiperbolicznym.	P
36	Jeżeli oszacowany zostanie liniowy model tendencji rozwojowej na podstawie danych z lat 2000 do 2008 to parametr wolny będzie mówił o przeciętnym poziomie zmiennej prognozowanej w roku 1999.	P
37	Jeżeli reszty modelu oszacowanego MNK pochodzą z rozkładu normalnego, to oznacza to spełnienie jednego z założeń MNK.	P
38	Jeżeli składnik losowy jest heteroscedastyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK nie jest najbardziej efektywny.	P
39	Jeżeli składnik losowy jest homoscedastyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK jest najbardziej efektywny.	P
40	Jeżeli składnik losowy jest homoscedastyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK nie jest najbardziej efektywny.	F
41	Jeżeli statystyka testu Durbina-Watsona wskazuje na ujemną autokorelację to dodatkowo obliczana jest statystyka: d'=4-d.	P
42	Jeżeli w modelu tendencji rozwojowej parametr wolny jest równy zero, to oznacza to brak trendu/tendencji rozwojowej.	F
43	Jeżeli w teście Durbina-Watsona d=dl to hipoteze zerową odrzucamy na korzyść hipotezy alternatywnej.	P
44	Jeżeli w teście Durbina-Watsona d=dl to nie można podjąć decyzji o autokorelacji składnika losowego.	F
45	Jeżeli w teście Durbina-Watsona d=dl to oznacza to brak podstaw do odrzucenia hipotezy zerowej.	F
46	Jeżeli w teście Durbina-Watsona d=dt to nie można podjąć decyzji o autokorelacji składnika losowego.	F
47	Jeżeli w teście Durbina-Watsona d>du i r1>0, to ma miejsce brak autokorelacji składnika losowego.	P
48	Jeżeli w teście Durbina-Watsona hipoteza alternatywna głosi ujemną autokorelację składnika losowego, to konieczne jest obliczenie dodatkowo statystyki d'=4-d.	P
49	Jeżeli w teście Studenta wartość krytyczna odczytana z tablic jest większa od wartości bezwzględnej statystyki testu to brak podstaw do odrzucenia hipotezy zerowej.	P
50	Jeżeli w teście Turbina-Watsona d=dl to nie można podjąć decyzji o autokorelacji składnika losowego.	F
51	Jeżeli w wyniku przeprowadzenia testu t-Studenta na istotność parametrów strukturalnych testowany parametr okaże się istotny, to zmienna objaśniająca stojąca przy nim, charakteryzuje się istotnym wpływem na zmienną endogeniczną.	P
52	Jeżeli wyznacznik macierzy det(X'X)=0 to nie istnieje estymator MNK.	P
53	Jeżeli wyznacznik macierzy det(X'X)=1 to nie istnieje estymator MNK.	F
54	Jeżeli wyznacznik macierzy det(X'X)=25 to istnieje estymator MNK.	P
55	Kolumna złożona z samych jedynek w macierzy [X'X] reprezentuje realizacje zmiennej stojącej przy parametrze wolnym.	F
56	Kryterium MNK zakłada minimalizację sumy kwadratów reszt modelu.	P
57	Kwadraty błędów szacunku leżą na głównej przekątnej macierzy wariancji i kowariancji.	P
58	Liczba szacowanych parametrów w modelu musi być większa od liczby obserwacji na podstawie których model jest estymowany.	F
59	Liniowy model tendencji rozwojowej ma zastosowanie w przypadku gdy zmienna prognozowana wykazuje trend i wahania przypadkowe.	F
60	Macierz wariancji i kowariancji jest macierzą symetryczną względem głównej przekątnej.	P
61	Macierz wariancji i kowariancji jest macierzą symetryczną.	P
62	Macierz współczynników korelacji jest macierzą symetryczną.	P
63	Macierz X'X jest macierzą kwadratów.	F
64	Macierz X'X jest macierzą kwadratową.	P
65	Metoda trendów jednoimiennych okresów ma zastosowanie w przypadku występowania sezonowości w szeregu czasowym.	P
66	Metoda wskaźników pojemnośći informacyjnej ma zastosowanie przy doborze zmiennych objaśniających do modeli nieliniowych.	F
67	Miarami jakości modelu ekonometrycznego są miary dopasowania modelu do danych empirycznych.	P
68	Miarami jakości modelu ekonometrycznego są miary struktury stochastycznej modelu.	F
69	Miary dokładności predykcji Theila są miarami z grupy ex ante.	F
70	Miary dokładności predykcji Theila są miarami z grupy ex post.	P
71	Model adaptacyjny Brona stosowany jest w przypadku gdy nieznany jest trend badanej zmiennej.	P
72	Model adaptacyjny Holta stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe.	P
73	Model adaptacyjny Wintersa stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe.	F
74	Model adaptacyjny Wintersa stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend, wahania przypadkowe oraz wahania sezonowe.	P
75	Model dla którego współczynnik zbieżności jest równy 98% jest dobrym modelem.	F
76	Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe.	F
77	Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas gdy zmienna prognozowana wykazuje trend, wahania przypadkowe i addytywne wahania sezonowe.	F
78	Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas, gdy zmienna prognozowana wykazuje trend oraz wahania sezonowe.	P
79	Model wielorównaniowy złożony jest dokładnie z tylu równań ile jest nieopóźnionych zmiennych endogenicznych.	P
80	Modele tendencji rozwojowej są modelami analitycznymi.	P
81	Modele tendencji rozwojowej są modelami należącymi do metod analitycznych.	P
82	Modelem dynamicznym jest każdy model w którym występuje zmienna czasowa lub/i zmienna(e) opóźnione w czasie.	P
83	Modelem statycznym jest każdy model ekonometryczny, który nie uwzględnia czynnika czasu.	P
84	Na głównej przekątnej macierzy wariancji i kowariancji estymatorów parametrów strukturalnych modelu to wariancje estymatorów.	P
85	Nieistotność parametrów strukturalnych wynika między innymi z niewłaściwej postaci analitycznej modelu.	P
86	Nieistotność parametrów strukturalnych wynika między innymi z pominięcia istotnej zmiennej objaśniającej.	P
87	Nieistotność parametrów strukturalnych wynika z nieodpowiedniej jakości danych statystycznych.	P
88	Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych założeń MNK dotyczących składnika losowego.	F
89	Nośnikiem informacji jest każda potencjalna zmienna objaśniająca.	P
90	O prognozie mówimy, że jest dopuszczalna jeżeli jest wyznaczona z dokłdnością do sześciu miejsc po przecinku.	F
91	Ocena dopuszczalności prognozy dokonywana jest w oparciu o np.: względny błąd predykcji.	P
92	Odchylenie standardowe reszt jest miarą dopasowania modelu do danych empirycznych.	F
93	Okres weryfikacji prognoz to okres w którym znane są wartości rzeczywiste zmiennej prognozownej oraz prognozy wygasłe.	P
94	Oszacowanie parametrów strukturalnych dowolnego modelu ekonometrycznego oznacza uzyskanie jedynie ich wartości szacunkowych.	P
95	Parametr w modelu ekonometrycznym nigdy nie podlega interpretacji.	P
96	Parametr wolny w modelu ekonometrycznym nigdy nie podlega interpretacji.	F
97	Pominięcie istotnej zmiennej objaśnającej jest jedną z przyczyn występowania autokorelacji rzędu pierwszego składnika losowego.	P
98	Poziom ufności wynoszący 0,95 wyznaczony dla przedziału ufności parametrów strukturalnych oznacza, że na 100 prób przedział 95 razy nie pokryje prawdziwej wartości parametru strukturalnego.	F
99	Poziom wiarygodności prognozy przyjmuje wartości z przedziału [-1,1].	F
100	Poziom wiarygodności w prognozie przedziałowej jest wartością krytyczną odczytywaną z tablic wartości krytycznych przedziału t-Studenta.	F
101	Poziom wiarygodności w prognozie przedziałowej jest wartością krytyczną odczytywaną z tablic wartości krytycznych rozkładu t-Studenta.	F
102	Prognoza wygasła to taka prognoza dla której znana jest rzeczywista realizacja zmiennej prognozowaniej.	P
103	Przy budowie prognozy przedziałowej uwzględniana jest wartość predykcji punktowa oraz średni błąd predykcji.	P
104	Przy budowie prognozy przedziałowej uwzględniany jest średni błąd predykcji.	P
105	Przy budowie prognozy przedziałowej uwzględniany jest względny błąd predykcji.	F
106	Przyczyny autokorelacji to: błędne określenie opóźnień czasowych zmiennych występujących w modelu, przyjęcie niewłaściwej postaci analitycznej funkcji zmiennych objaśniających, fakt powolnego wygasania pewnych czynników przypadkowych i gdy trwają one dłużej niż okres przyjęty na jednostkę.	P
107	Sezonowość addatywna oznacza multiplikatywne narastanie lub zanik wahań sezonowych w czasie.	F
108	Sezonowość addatywna oznacza stałą amplitudę wahań sezonowych w czasie.	P
109	Siła autokorelacji rzędu pierwszego mierzona jest statystyką Durbina-Watsona.	P
110	Siła i kierunek autokorelacji rzędu pierwszego mierzona jest współczynnikiem autokorelacji rzędu pierwszego.	P
111	Składnik losowy modelu jest zmienną losową.	P
112	Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu.	P
113	Spełnienie założeń MNK wymaga by składnik losowy posiadał wartość oczekiwaną równą zero i wariancję równą jeden.	F
114	Spełnienie założeń MNK wymaga by składnik losowy posiadał wartość oczekiwaną równą zero i zmienną wariancję. (wariancje powinien mieć stałą!!)	F
115	Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza rozwiązanie go ze względu na zmienne objaśniane.	P
116	Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza usunięcie pewnych równań.	F
117	Statystyka testu Durbina-Watsona d przyjmuje wartości z przedziału [0,4].	P
118	Statystyka testu Durbina-Watsona d przyjmuje wartości z przedziału [-4,0].	F
119	Statystyka testu Durbina-Watsona d przyjmuje wartości z przedziału [-4,4].	F
120	Suma kwadratów reszt modelu ekonometrycznego oszacowana metodą najmniejszych jest minimalna.	F
121	Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK jest zawsze równa jeden.	F
122	Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK ma wartość najmniejszą.	P
123	Suma kwadratów reszt, po oszacowaniu modelu MNK jest równa zero.	F
124	Średnia ruchoma zaliczana jest do metod mechanicznych.	P
125	Średnie błędy szacunku są miarą dopasowania modelu do danych empirycznych.	F
126	Średnie błędy szacunku są miarą precyzji oszacowania parametrów strukturalnych modelu.	P
127	Test autokorelacji służy do weryfikacji hipotezy o poprawności wybranej metody estymacji modelu.	P
128	Test Durbina-Watsona służy do testowania istotności autokorelacji dowolnego rzędu.	F
129	Test homoskedastyczności służy do weryfikacji sferyczności wariancji składnika losowego.	P
130	Test serii służy do weryfikacji poprawności postaci analitycznej modelu.	P
131	Trend deterministyczny oznacza długotrwałe stałe zmiany w czasie zmiennej prognozowanej.	P
132	Trend deterministyczny oznacza krótkookresową skłonność zmiennej prognozowanej do określonych zmian, czyli spadku bądź wzrostu.	F
133	W metodzie wskaźników pojemności informacji kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje maksymalna wartość integralnego wskaźnika pojemności informacyjnej.	F
134	W metodzie wskaźników pojemności informacyjnej do modelu wejdzie ta kombinacja zmiennych objaśniających, dla której indywidualny wskaźnik pojemności informacyjnej jest maksymalny.	F
135	W metodzie wskaźników pojemności informacyjnej indywidualne wskaźniki pojemności informacyjnej mogą przyjmować wartości ujemne.	F
136	W metodzie wskaźników pojemności informacyjnej kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje maksymalna wartość integralnego wskaźnika pojemności informacyjnej.	P
137	W metodzie wskaźników pojemności informacyjnej kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje minimalna wartość integralnego wskaźnika pojemności informacyjnej.	F
138	W modelach adaptacyjnych parametry wygładzania szacowane są MNK.	F
139	W modelach adaptacyjnych znana jest postać analityczna funkcji trendu.	F
140	W modelach tendencji rozwojowej jedyną zmienna objaśniającą jest zmienna czasowa t.	P
141	W modelach tendencji rozwojowej wymagane jest by zmienna czasowa była istotnie skorelowana ze zmienną endogeniczną.	P
142	W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane między sobą.	F
143	W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane ze zmienną endogeniczną.	P
144	W modelu oszacowanym MNK suma wartości empirycznych zmiennej objaśnianej jest równa sumie jej wartości teoretycznych.	P
145	W przypadku homoscedastyczności reszt modelu do oszacowania parametrów stosujemy klasyczną MNK.	P
146	W przypadku modeli adaptacyjnych parametry wygładzania są bliskie jedności jeżeli wszystkie składowe szeregu czasowego podlegają szybkim zmianą w czasie.	P
147	W przypadku modeli adaptacyjnych parametry wygładzania są bliskie jedności jeżeli wszystkie składowe szeregu czasowego zmieniają się szybko w czasie.	P
148	W przypadku modeli adaptacyjnych parametry wygładzania są bliskie zeru jeżeli wszystkie składowe szeregu czasowego zmieniają się szybko w czasie.	F
149	W przypadku występowania istotnej (dodatniej/ujemnej) autokorelacji składnika losowego parametry strukturalne modelu szacowane są podwójną MNK.	F
150	W szeregu czasowym można wyróżnić trzy składowe: trend, wahania przypadkowe, wahania sezonowe.	P
151	W teście Durbina-Watsona obszar niekonkluzywności testu oznacza możliwość podjęcia decyzji odnośnie autokorelacji składnika losowego bez konieczności obliczania statystyki testu.	F
152	Wahania sezonowe addatywne charakteryzują się stałą w czasie amplitudą wahań.	P
153	Wariancja reszt jest miarą struktury stochastcznej modelu.	P
154	Wariancja resztowa jest miarą dopasowania modelu do danych empirycznych.	F
155	Wartość oczekiwana składnika losowego dla modelu tendencji rozwojowej szacowanego MNK jest minimalna.	F
156	Wartość oczekiwana składnika losowego modelu jest równa zero.	P
157	Wartość oczekiwana składnika losowego modelu jest różna od zera.	F
158	Wartość współczynnika determinacji rośnie wraz ze wzrostem liczby zmiennych objaśniających.	P
159	Weryfikacja modelu sprowadza się do zbadania stopnia zgodności modelu z danymi empirycznymi, zbadania istotności wpływu poszczególnych zmiennych, zbadania własności składnika resztowego.	P
160	Wskaźnik pojemności informacyjnej pewnej kombinacji zmiennych ma wartość wyższą od współczynnika determinacji tej kombinacji.	F
161	Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [0,1].	F
162	Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [-1,1].	P
163	Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [-4,4].	F
164	Współczynnik determinacji informuje w jakim stopniu wariancja zmiennej endogenicznej Yt została wyjaśniona przez model ekonometryczny.	P
165	Współczynnik determinacji R^2 można stosować w przypadku modeli nieliniowych sprowadzalnych do liniowych.	P
166	Współczynnik determinacji R^2 można stosować w przypadku modeli stricte nieliniowych.	F
167	Współczynnik determinacji R^2 można stosować wyłącznie w przypadku modeli liniowych.	F
168	Współczynnik korelacji wielorakiej informuje o sile związku pomiędzy zmienną endogeniczną a wszystkimi zmiennymi objaśniającymi.	P
169	Współczynnik rozbieżności Theila przybiera wartość równą zero w przypadku, gdy predykcja była idealnie dokładna.	P
170	Współczynnik zbieżności informuje jaka część wariancji zmiennej endogenicznej nie została wyjaśniona przez model ekonometryczny.	P
171	Współczynnik zmienności losowej jest miarą dopsowania modelu do danych empirycznych.	P
172	Współczynnik zmienności losowej to współczynnik wyrazistości modelu.	P
173	Współczynnik zmienności przypadkowej informuje nas ile procent średniej wartości zmiennej endogenicznej stanowi odchylenie standardowe reszt.	F
174	Wszystkie elementy na głównej przekątnej macierzy wariancji i kowariancji są zawsze równe zero.	F
175	Wybór postaci analitycznej modelu ekonometrycznego dokonywany jest na podstawie zależności występującej pomiędzy zmienną endogeniczną a poszczególnymi zmiennymi objaśniającymi, czyli tzw.: rozrzutu empirycznego.	P
176	Wykres rozrzutu jest graficzną metodą identyfikacji postaci analitycznej modelu ekonometrycznego.	P
177	Z punktu widzenia teorii prognozy ekonometrycznej im dalszy horyzont prognozy tym większy jest jej błąd ex ante.	P
178	Zakłada się że reszty modelu ekonometrycznego oszacowanego MNK pochodzą z rozkładu normalnego.	P
179	Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest najmniejsze.	P
180	Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest największe.	F
181	Zmienna czasowa zaliczana jest do grupy zmiennych endogenicznych modelu.	F
182	Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną.	P
183	Zmienna stojąca przy parametrze wolnym w modelu ekonometrycznym przyjmuje zawsze wzystkie realizacje równe 1.	P
184	Zmienne objaśniające nazywane są zmiennymi endogenicznymi.	F
185	Zmienne objaśniające powinny być słabo skorelowane ze zmienną endogeniczną.	F
186	Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi nielosowymi i tym samym nie są one skorelowane ze składnikiem losowym.	P
187	Zmienne z góry ustalone określa się mianem zmiennych endogenicznych innych równań.	F

---