sciaga (56)

Czy kowariancja …. Dla zmiennej objaśnianej Y i zmiennej objaśniającej X może przyjmować wartości:

- c) zazwyczaj dodatnie jak i ujemne……..

Czy brak podstaw do odrzucenia hipotezy zerowej (H0) oznacza, że hipoteza ta:

- d) może być hipotezą prawdziwą

Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:

- b) nie

Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:

a) nie

Czy w celu oszacowania parametrów strukturalnych modelu yt=alfa ebeta+1/x+e można go srowadzić do postaci liniowej:

-a) tak

Czy w liniowym modelu ekonometrycznym średnie wartości zmiennej objaśnianej i teoretycznej zmiennej objaśnianej:

-c) są sobie równe

Czy w prostym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane wyłącznie za pomocą zmiennych z góry ustalonych

- a) tak

Czy w rekurencyjnym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane:

- c) nie tylko za pomocą zmiennych z góry ustalonych

Czy w wyniku testu Jarque-Bera można:

-b) ani potwierdzić ani nie potwierdzić normalności rozkładu reszt modelu

-lub a) potwierdzić normalność rozkładu reszt modelu

Czy w wyniku testu Shapiro- Wilka można:

- b) niepotwierdzić normalności rozkładu reszt modelu

Czy założenie Gaussa- Markowa o tym, że wartości zmiennych objaśniających są nielosowe i ustalone w powtarzalnych próbach oznacza, że zmienna objaśniana:

-a) nie zależy od zmiennych objaśniających w sensie wartości oczekiwanej

Czy założenie Gaussa-Markowa o tym, że zakłócenia które reprezentuje w modelu składnik losowy mają tendencję do wzajemnej redukcji oznacza, że te zakłócenia:

-b) mają zerową wartość oczekiwaną

Dla modelu postaci yt=alfa0+ alfa1x1+et , spełniającego założenia Gaussa- Markowa warunkowa wartość oczekiwana zmiennej objaśnianej przy znanej wartości zmiennej objaśniającej jest równa:

- a) E(yt|xt)=alfa0+alfa1x1;

Do porównania jakości dopasowania do danych empirycznych wariantów modelu liniowego z tą samą zmienną objaśnianą i różną liczbą zmiennych objaśniających oraz wyrazem wolnym stosuje się:

-b) skorygowany współczynnik determinacji

Funkcja postaci yt=a0+ a1x1+et powstała w wyniku estymacji modelu yt=alfa0+ alfa1x1+et jest funkcją oznaczającą:

- d) wartości empiryczne w próbie

Heteroskedatyczność składnika losowego modelu liniowego oznacza:

- c) niejednorodność wariancji składnika losowego

Homoskedastyczność składnika losowego modelu liniowego oznacza:

- a) stałość wariancji tego składnika i brak jego autokorelacji

Homoskedastyczność składnika losowego modelu liniowego oznacza:

-c) stałość wariancji tego składnika i brak jego autokorelacji

Jaki jest związek między resztami ex a składnikami losowymi w modelu ekonometrycznym?

-c) traktuje się je jako realizację składników losowych

Jaki związek powinien zachodzić między zmienną objaśnianą a zmiennymi objaśniającymi?

- b) zmienna objaśniana jest zależna od zmiennych objaśniających

Jako ocenę składnika losowego modelu liniowego przyjmuje się:

-c) wartości różnic pomiędzy wartościami empirycznymi i teoretycznymi zmiennej objaśnianej modelu

Jakościowa zmienna objaśniająca przyjmuje n, (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego z wyrazem wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:

- c) mniejszej od liczby wariantów zmiennej jakościowej o 1

Jakościowa zmienna objaśniająca przyjmuje n, (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego bez wyrazu wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:

-a) równej liczbie wariantów zmiennej jakościowej

Jeśli macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą ……. To mamy do czynienia z modelem:

-a) prostym

Jeżeli rozkład składnika losowego w modelu liniowym jest normalny, to w tym modelu rozkład normalny mają także:

- b) zmienna objaśniana

Jeżeli wartość sprawdzianu hipotezy weryfikowanej obliczona na podstawie próby losowej należy do obszaru krytycznego, to oznacza, że:

-b) odrzuca się hipotezę zerową

Kryterium podziału modeli wielorównaniowych na modele proste, rekurencyjne i o równaniach współzależnych jest:

- b) macierze B parametrów strukturalnych modelu stojących przy zmiennych łącznie współzależnych

Liczba danych empirycznych zmiennej objaśnianej i zmiennych objaśniających:

-c) musi być większa od liczby zmiennych objaśniających więcej o 1

Liniowy układ wielorównaniowy jest ………………….. w postaci…… W postaci……

-a) prostym

Macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą:

- c) trójkątną

Macierz D^2(a)=(X^TX)^-1 oznacza KMNK estymator macierzy wariancji-kowariancji estymatora wektora parametrów strukturalnych modelu liniowego.Dowolny element tej macierzy oznacza ocenę wartości:

-b)kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy

Model postaci yt=alfa0+alfa1Xt+epsilont jest funkcją oznaczającą:

-c)wartości empiryczne w populacji generalnej

Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:

- b) rozkład sprawdzianu hipotezy zerowej

Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:

-b) sformuowanie hipotezy alternatywnej

Parametr strukturalny w liniowym modelu ekonometrycznym mierzy oczekiwaną zmianę zmienej objaśnianej

- b) jako efekt zmiany o jedną jednostkę zmiennej objaśniającej, z którą jest związany parametr strukturalny, gry wartości innych zmiennych objaśniających modelu pozostają niezmienione;

Parametry strukturalne modelu są estymowane na podstawie danych empirycznych z obserwacji:

-c) zmiennych objaśniających i zmiennej objaśnianej

Pierwsze założenie Gaussa- Markowa mówi, że zależność między zmienną objaśnianą i zmiennymi objaśniającymi nie zmienia się:

- a) dla wszystkich danych empirycznych (obserwacji)

Podstawą modelowania ekonometrycznego jest zjawisko zależności korelacyjnej. Zależność korelacyjna jest to zależność

-b) stwierdzona na podstawie obserwacji o podobnym zachowaniu zjawisk, chociaż nie ma teorii potwierdzającej istnienie związku przyczynowego i nie wiadomo czy taka teoria w ogóle istnieje.

Pośrednia metoda najmniejszych kwadratów (PMNK) i podwójna metoda najmniejszych kwadratów (2MNK):

-c)są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych tylko jednoznacznie

Pośrednia metoda najmniejszych kwadratów może być stosowana do estymacji parametrów strukturalnych modelu wielorównaniowego o równaniach

- c) identyfikowanych tylko jednoznacznie

Rozkład zmiennej objaśnianej jako zmiennej losowej w standardowym modelu liniowym zależy od:

- c) rozkładu składnika losowego

Równanie w modelu wielorównaniowym jest identyfikowalne niejednoznacznie, jeżeli liczba zmiennych, które występują w modelu i jednocześnie nie występują w tym równaniu jest:

-a) większa od liczby równań w modelu pomniejszonej o 1

Sprawdzianem w teście istotności parametrów strukturalnych modelu liniowego jest wykorzystywana statystyka wyznaczana jako:

-b) iloraz oceny parametru i odchylenia standardowego błędu jego oszacowania;

Standardowy model liniowy z wieloma zmiennymi objaśniającymi zawiera:

- c) mniej zmiennych objaśniających niż parametrów strukturalnych

Statystyka jest:

- d) inną wielkością niż wymienione wyżej

Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym:

- b) powinna być równa 0

Test Breuscha- Godfrey'a (BG) jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:

-a) dowolnego rzędu

Test Durbina-Watsona na autokorelacje składnika losowego modelu może być stosowany w przypadku występowania opóźnionych zmiennych objaśniających w model:

-a) Nie

Test Durbina- Watsona jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:

- c) tylko rzędu pierwszego

W klasycznej metodzie najmniejszych kwadratów kryterium jest:

-b) suma kwadratów reszt modelu

W liniowych modelach tendencji rozwojowej z addytywnymi wahaniami sezonowymi przyjmuje się, że w ramach jednego roku suma efektów sezonowych:

- a) jest równa 0

W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:

- c) objaśniane przesunięte i nieprzesunięte w czasie

W przypadku modelu liniowego bez wyrazu wolnego współczynnik determinacji może przyjmować wartości

-b) <1

W sytuacji, gdy w procesie prognozowania nie znana jest rzeczywista wartość zmiennej objaśnianej w okresie prognozowania wyznacza się ocenę błędu prognozy:

-b) ex ante

W zredukowanej postaci modelu wielorównaniowego zmienne objaśniane łącznie współzależne są modelowane za pomocą:

-b) wszystkich zmiennych z góry ustalonych

Wahania sezonowe addytywne występują wtedy, gdy w poszczególnych sezonach poziom badanego zjawiska reprezentowanego przez wartości zmiennej objaśnianej odchyla się od swojej tendencji rozwojowej o stałą wielk. bezwg.

- a) tak

Wahania sezonowe multiplikatywne występują wtedy, gdy w poszczególnych sezonach poziom badanego zjawiska reprezentowanego przez wartości zmiennej objaśnianej odchyla się od swojej tendencji rozwojowej o stałą wielkość bezwzględną

-b)nie

Wartości estymatora parametrów strukturalnych liniowego modelu wyznacza się z zależności:

-b) (XTX)-1X1y

Wartość skorygowanego współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:

- d) może zarówno zmaleć, jak i wzrosnąć

Wartość współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:

- a) rośnie

Wartość współczynnika determinacji dla tego samego modelu jest:

- a) większa od wartości skorygowanego współczynnika determinacji;

Warunkiem koniecznym i dostatecznym na to, aby równanie modelu liniowego było identyfikowalne, jest, aby macierz utworzona ze współczynników przy zmiennych występujących w pozostałych równaniach modelu i jednocześnie nie występujących w tym równaniu była rzędu:

- b) mniejszego o 1 od liczby równań w modelu

Współczynnik determinacji osiąga wartość 1, gdy:

-b) suma kwadratów reszt modelu jest równa 0

Współczynnik determinacji:

- c) może być liczbą ujemną

Współczynnik korelacji wielorakiej, mierzący siłę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:

- b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu

Współczynnik zbieżności osiąga wartość 0, gdy:

-b) suma kwadratów reszt modelu jest równa 0

Współczynnik zbieżności oznacza:

- b) względną wielkość nieobjaśnionej zmienności zmiennej objaśnianej

Wyraz wolny w modelu liniowym jest uwzględniany poprzez:

-c) dołączenia kolumny jedynek nie zawsze jako pierwszej do macierzy obserwacji zmiennych objaśniających

Zakłócenia losowe w modelu liniowym są uwzględniane jako składnik dodawany do:

-c) liniowej postaci zmiennych objaśniających

Założenie Gaussa- Markowa dotyczące sferyczności składnika losowego modelu oznacza:

- b) brak heteroskedastyczności i brak autokorelacji

Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odp. jest prawdziwa dla następującej pary modeli postaci Y=alfa0+alfa1X2+e oraz lny= alfa0+ alfa1X2 +e:

- c) liniowy, liniowy

Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci lnY=alfa0+alfa1X2+e oraz lny=alfa0+lmalfa1X2+e:

-c) liniowy, liniowy

Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci Y=alfa1+alfa2X^2+epsilon oraz lny=alfa0+alfa1X^2+epsilon

-b) nieliniowy, liniowy

Zjawisko autokorelacji składnika losowego modelu:

-b) Powoduje niedoszacowanie wartości współczynnika determinacji

Zjawisko autokorelacji składnika losowego modelu:

- a) powoduje niedoszacowanie wartości współczynnika zbieżności;

Zjawisko dodatniej autokorelacji składnika losowego modelu powoduje, że oszacowania KMNK parametrów strukturalnych mogą być oceniane niezasłużenie jako:

-a) istotne

Zjawisko współliniowości jest wadą:

-b) danych empirycznych zmiennych objaśniających

Zjawisko współliniowości oznacza występowanie silnej korelacji między:

-a) zmiennymi objaśniającymi

Zjawisko współliniowości powoduje, ze oszacowanie wariancji ocen KMNK parametrów strukturalnych związanych ze skorelowanymi zmiennymi objaśniającym, są:

- a) bardzo duże

Zjawisko współliniowości powoduje, że oszacowania KMNK parametrów strukturalnych przy skorelowanych smiennych objaśniających są zwykle oceniane niezasłużenie jako:

- b) nieistotne

Zmienność nieobjaśniona w modelu liniowym jest to suma:

-b)kwadratów różnic wartości teoretycznych zmiennej objaśnianej od jej wartości empirycznych

Zmienność objaśniona w modelu liniowym jest to suma:

- c)kwadratów różnic teoretycznych wartości zmiennej objaśnianej od wartości średniej zmiennej objaśnianej

Czy kowariancja …. Dla zmiennej objaśnianej Y i zmiennej objaśniającej X może przyjmować wartości:

- c) zazwyczaj dodatnie jak i ujemne……..

Czy brak podstaw do odrzucenia hipotezy zerowej (H0) oznacza, że hipoteza ta:

- d) może być hipotezą prawdziwą

Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:

- b) nie

Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:

a) nie

Czy w celu oszacowania parametrów strukturalnych modelu yt=alfa ebeta+1/x+e można go srowadzić do postaci liniowej:

-a) tak

Czy w liniowym modelu ekonometrycznym średnie wartości zmiennej objaśnianej i teoretycznej zmiennej objaśnianej:

-c) są sobie równe

Czy w prostym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane wyłącznie za pomocą zmiennych z góry ustalonych

- a) tak

Czy w rekurencyjnym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane:

- c) nie tylko za pomocą zmiennych z góry ustalonych

Czy w wyniku testu Jarque-Bera można:

-b) ani potwierdzić ani nie potwierdzić normalności rozkładu reszt modelu

-lub a) potwierdzić normalność rozkładu reszt modelu

Czy w wyniku testu Shapiro- Wilka można:

- b) niepotwierdzić normalności rozkładu reszt modelu

Czy założenie Gaussa- Markowa o tym, że wartości zmiennych objaśniających są nielosowe i ustalone w powtarzalnych próbach oznacza, że zmienna objaśniana:

-a) nie zależy od zmiennych objaśniających w sensie wartości oczekiwanej

Czy założenie Gaussa-Markowa o tym, że zakłócenia które reprezentuje w modelu składnik losowy mają tendencję do wzajemnej redukcji oznacza, że te zakłócenia:

-b) mają zerową wartość oczekiwaną

- a) E(yt|xt)=alfa0+alfa1x1;

-b) skorygowany współczynnik determinacji

Funkcja postaci yt=a0+ a1x1+et powstała w wyniku estymacji modelu yt=alfa0+ alfa1x1+et jest funkcją oznaczającą:

- d) wartości empiryczne w próbie

Heteroskedatyczność składnika losowego modelu liniowego oznacza:

- c) niejednorodność wariancji składnika losowego

Homoskedastyczność składnika losowego modelu liniowego oznacza:

- a) stałość wariancji tego składnika i brak jego autokorelacji

Homoskedastyczność składnika losowego modelu liniowego oznacza:

-c) stałość wariancji tego składnika i brak jego autokorelacji

Jaki jest związek między resztami ex a składnikami losowymi w modelu ekonometrycznym?

-c) traktuje się je jako realizację składników losowych

Jaki związek powinien zachodzić między zmienną objaśnianą a zmiennymi objaśniającymi?

- b) zmienna objaśniana jest zależna od zmiennych objaśniających

Jako ocenę składnika losowego modelu liniowego przyjmuje się:

-c) wartości różnic pomiędzy wartościami empirycznymi i teoretycznymi zmiennej objaśnianej modelu

- c) mniejszej od liczby wariantów zmiennej jakościowej o 1

-a) równej liczbie wariantów zmiennej jakościowej

Jeśli macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą ……. To mamy do czynienia z modelem:

-a) prostym

Jeżeli rozkład składnika losowego w modelu liniowym jest normalny, to w tym modelu rozkład normalny mają także:

- b) zmienna objaśniana

Jeżeli wartość sprawdzianu hipotezy weryfikowanej obliczona na podstawie próby losowej należy do obszaru krytycznego, to oznacza, że:

-b) odrzuca się hipotezę zerową

Kryterium podziału modeli wielorównaniowych na modele proste, rekurencyjne i o równaniach współzależnych jest:

- b) macierze B parametrów strukturalnych modelu stojących przy zmiennych łącznie współzależnych

Liczba danych empirycznych zmiennej objaśnianej i zmiennych objaśniających:

-c) musi być większa od liczby zmiennych objaśniających więcej o 1

Liniowy układ wielorównaniowy jest ………………….. w postaci…… W postaci……

-a) prostym

Macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą:

- c) trójkątną

-b)kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy

Model postaci yt=alfa0+alfa1Xt+epsilont jest funkcją oznaczającą:

-c)wartości empiryczne w populacji generalnej

Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:

- b) rozkład sprawdzianu hipotezy zerowej

Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:

-b) sformuowanie hipotezy alternatywnej

Parametr strukturalny w liniowym modelu ekonometrycznym mierzy oczekiwaną zmianę zmienej objaśnianej

- b) jako efekt zmiany o jedną jednostkę zmiennej objaśniającej, z którą jest związany parametr strukturalny, gry wartości innych zmiennych objaśniających modelu pozostają niezmienione;

Parametry strukturalne modelu są estymowane na podstawie danych empirycznych z obserwacji:

-c) zmiennych objaśniających i zmiennej objaśnianej

Pierwsze założenie Gaussa- Markowa mówi, że zależność między zmienną objaśnianą i zmiennymi objaśniającymi nie zmienia się:

- a) dla wszystkich danych empirycznych (obserwacji)

Podstawą modelowania ekonometrycznego jest zjawisko zależności korelacyjnej. Zależność korelacyjna jest to zależność

-b) stwierdzona na podstawie obserwacji o podobnym zachowaniu zjawisk, chociaż nie ma teorii potwierdzającej istnienie związku przyczynowego i nie wiadomo czy taka teoria w ogóle istnieje.

Pośrednia metoda najmniejszych kwadratów (PMNK) i podwójna metoda najmniejszych kwadratów (2MNK):

-c)są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych tylko jednoznacznie

Pośrednia metoda najmniejszych kwadratów może być stosowana do estymacji parametrów strukturalnych modelu wielorównaniowego o równaniach

- c) identyfikowanych tylko jednoznacznie

Rozkład zmiennej objaśnianej jako zmiennej losowej w standardowym modelu liniowym zależy od:

- c) rozkładu składnika losowego

Równanie w modelu wielorównaniowym jest identyfikowalne niejednoznacznie, jeżeli liczba zmiennych, które występują w modelu i jednocześnie nie występują w tym równaniu jest:

-a) większa od liczby równań w modelu pomniejszonej o 1

Sprawdzianem w teście istotności parametrów strukturalnych modelu liniowego jest wykorzystywana statystyka wyznaczana jako:

-b) iloraz oceny parametru i odchylenia standardowego błędu jego oszacowania;

Standardowy model liniowy z wieloma zmiennymi objaśniającymi zawiera:

- c) mniej zmiennych objaśniających niż parametrów strukturalnych

Statystyka jest:

- d) inną wielkością niż wymienione wyżej

Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym:

- b) powinna być równa 0

Test Breuscha- Godfrey'a (BG) jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:

-a) dowolnego rzędu

Test Durbina-Watsona na autokorelacje składnika losowego modelu może być stosowany w przypadku występowania opóźnionych zmiennych objaśniających w model:

-a) Nie

Test Durbina- Watsona jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:

- c) tylko rzędu pierwszego

W klasycznej metodzie najmniejszych kwadratów kryterium jest:

-b) suma kwadratów reszt modelu

W liniowych modelach tendencji rozwojowej z addytywnymi wahaniami sezonowymi przyjmuje się, że w ramach jednego roku suma efektów sezonowych:

- a) jest równa 0

W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:

- c) objaśniane przesunięte i nieprzesunięte w czasie

W przypadku modelu liniowego bez wyrazu wolnego współczynnik determinacji może przyjmować wartości

-b) <1

W sytuacji, gdy w procesie prognozowania nie znana jest rzeczywista wartość zmiennej objaśnianej w okresie prognozowania wyznacza się ocenę błędu prognozy:

-b) ex ante

W zredukowanej postaci modelu wielorównaniowego zmienne objaśniane łącznie współzależne są modelowane za pomocą:

-b) wszystkich zmiennych z góry ustalonych

- a) tak

-b)nie

Wartości estymatora parametrów strukturalnych liniowego modelu wyznacza się z zależności:

-b) (XTX)-1X1y

Wartość skorygowanego współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:

- d) może zarówno zmaleć, jak i wzrosnąć

Wartość współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:

- a) rośnie

Wartość współczynnika determinacji dla tego samego modelu jest:

- a) większa od wartości skorygowanego współczynnika determinacji;

- b) mniejszego o 1 od liczby równań w modelu

Współczynnik determinacji osiąga wartość 1, gdy:

-b) suma kwadratów reszt modelu jest równa 0

Współczynnik determinacji:

- c) może być liczbą ujemną

Współczynnik korelacji wielorakiej, mierzący siłę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:

- b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu

Współczynnik zbieżności osiąga wartość 0, gdy:

-b) suma kwadratów reszt modelu jest równa 0

Współczynnik zbieżności oznacza:

- b) względną wielkość nieobjaśnionej zmienności zmiennej objaśnianej

Wyraz wolny w modelu liniowym jest uwzględniany poprzez:

-c) dołączenia kolumny jedynek nie zawsze jako pierwszej do macierzy obserwacji zmiennych objaśniających

Zakłócenia losowe w modelu liniowym są uwzględniane jako składnik dodawany do:

-c) liniowej postaci zmiennych objaśniających

Założenie Gaussa- Markowa dotyczące sferyczności składnika losowego modelu oznacza:

- b) brak heteroskedastyczności i brak autokorelacji

- c) liniowy, liniowy

-c) liniowy, liniowy

-b) nieliniowy, liniowy

Zjawisko autokorelacji składnika losowego modelu:

-b) Powoduje niedoszacowanie wartości współczynnika determinacji

Zjawisko autokorelacji składnika losowego modelu:

- a) powoduje niedoszacowanie wartości współczynnika zbieżności;

Zjawisko dodatniej autokorelacji składnika losowego modelu powoduje, że oszacowania KMNK parametrów strukturalnych mogą być oceniane niezasłużenie jako:

-a) istotne

Zjawisko współliniowości jest wadą:

-b) danych empirycznych zmiennych objaśniających

Zjawisko współliniowości oznacza występowanie silnej korelacji między:

-a) zmiennymi objaśniającymi

Zjawisko współliniowości powoduje, ze oszacowanie wariancji ocen KMNK parametrów strukturalnych związanych ze skorelowanymi zmiennymi objaśniającym, są:

- a) bardzo duże

Zjawisko współliniowości powoduje, że oszacowania KMNK parametrów strukturalnych przy skorelowanych smiennych objaśniających są zwykle oceniane niezasłużenie jako:

- b) nieistotne

Zmienność nieobjaśniona w modelu liniowym jest to suma:

-b)kwadratów różnic wartości teoretycznych zmiennej objaśnianej od jej wartości empirycznych

Zmienność objaśniona w modelu liniowym jest to suma:

- c)kwadratów różnic teoretycznych wartości zmiennej objaśnianej od wartości średniej zmiennej objaśnianej

Wyszukiwarka

Podobne podstrony:
eco sciaga, 56. Stagflacja i deflacja, Prawo popytu - wraz ze wzrostem ceny danego dobra, zmaleje za
ściąga 56
SCIAGA 56
Ściąga 56
ściąga gr 56, ściągi na egzam
1 sciaga ppt
metro sciaga id 296943 Nieznany
ŚCIĄGA HYDROLOGIA
AM2(sciaga) kolos1 id 58845 Nieznany
Narodziny nowożytnego świata ściąga
Dz U 09 56 461 Warunki Techniczne zmiany
finanse sciaga
abc 56 58 Frezarki
Jak ściągać na maturze
Ściaga Jackowski
Conan 56 Conan zwyciązca
Aparatura sciaga mini
Logistyka i Zarządzanie Łańcuchem dostaw Wykłady str 56

więcej podobnych podstron