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 |