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

równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu

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

rośnie

3. Ze względu na kryterium liniowości względem parametrów strukturalnych która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci
oraz
:

liniowy, liniowy

4. Macierz D­­²(a)=(X^TX)^-1 oznacza KMNK estymator macierzy wariancji-kowariancji estymatora wektora parametrów strukturalnych modelu liniowego. Dowolny element tej macierzy oznacza ocenę wartości:

kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio kolumnie i wierszowi tej macierzy

5. Homoskedastyczność składnika losowego modelu liniowego oznacza:

stałość wariancji tego składnika i brak jego autokorelacji

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

nie

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

zmienna objaśniana

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

równej licznie wariantów zmiennej jakościowej

9. 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 wielkość bezwzględna:

Tak

10. Zjawisko współliniowości powoduje że oszacowania KMNK parametrów strukturalnych przy skorelowanych zmiennych objaśniających są zwykle oceniane niezasłużenie jako:

nieistotne

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

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

12. Model postaci
jest funkcją oznaczającą

wartości empiryczne w populacji generalnej

13. Zmienność objaśniona w modelu liniowym jest to suma

kwadratów różnic teoretycznych wartości zmiennej objaśnianej od wartości średniej zmiennej objaśnianej

14. Założenie Gaussa-Markowa dotyczące sferyczności składnika losowego modelu oznacza

brak heteroskedastyczności i brak autokorelacji

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

może być hipotezą prawdziwą

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

równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu

17. Zjawisko współliniowości oznacza występowanie silnej korelacji między:

zmiennymi objaśniającymi

18. Zjawisko autokorelacji składnika losowego modelu:

Powoduje niedoszacowanie wartości współczynnika zbieżnośc/determinacji

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

mają zerową wartość oczekiwaną

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

są sobie równe

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

istotne

22. Jako ocenę składnika losowego modelu liniowego przyjmuje się:

wartości różne pomiędzy wartościami empirycznymi i teoretycznymi zmiennej objaśniającej modelu

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

odrzuca się hipotezę zerową

24. Współczynnik zbieżności osiąga wartość 0, gdy:

Suma kwadratów reszt modelu jest równa 0

25. Wyraz wolny w modelu liniowym jest uwzględniany poprzez:

Dołączenia kolumny jedynek nie zawsze jako pierwszej w macierzy obserwacji zmiennych objaśniających

26. Współczynnik determinacji:

Nie może być liczbą ujemną (wartości z przedziału [0;1])

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

Sformułowanie hipotezy alternatywnej

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

skorygowany współczynnik determinacji

29. Jaki jest związek między resztami
a składnikami losowymi w modelu ekonometrycznym

Traktuje się je jako realizację składnika losowego

30. Zmienna nieobjaśniana w modelu liniowym jest to suma:

Kwadratów różnic wartości teoretycznych zmiennej objaśnianej od jej wartości empirycznych

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

ex ante

32. Zjawisko współliniowości jest wadą:

danych empirycznych zmiennych objaśniających,

33. Test Durbina-Watsona na autokorelację składnika losowego modelu może być stosowany w przypadku występowania opóźnionych zmiennych objaśniających w modelu:

nie

34. Współczynnik determinacji osiąga wartość 1 gdy:

suma kwadratów reszt modelu jest równa 0

35. Zjawisko współliniowości powoduje, że oszacowanie wariancji ocen KMNK parametrów strukturalnych związanych ze skorelowanymi zmiennymi objaśniającymi są:

bardzo duże

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

tylko pierwszego rzędu

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

Może zarówno zmaleć, jak i wzrosnąć

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

jest równa 0

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

iloraz oceny parametry i odchyleń standardowego błędu jego oszacowania

40. Statystyka jest:

funkcją określoną na próbie losowej

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

rozkład sprawdzianu hipotezy zerowej

42. W klasycznej metodzie najmniejszych kwadratów (KMNK) kryterium jest:

suma kwadratów reszt modelu

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

nie zależy od zmiennych objaśniających w sensie wartości oczekiwanej

44. Liczba danych empirycznych (obserwacji) zmiennej objaśnianej i zmiennych objaśniających:

musi być większa od liczby zmiennych objaśniających więcej niż o 1

45. Standardowy model liniowy z wieloma zmiennymi objaśniającymi zawiera:

mniej zmiennych objaśniających niż parametrów strukturalnych

46. Zakłócenia losowe (składnik losowy) w modelu liniowym są uwzględniane jako składnik dodawany do:

liniowej postaci funkcji zmiennych objaśniających

47. Wartość estymatora parametrów strukturalnych liniowego modelu wyznacza się z zależności:

(X^TX)^-1X^Ty

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

<1

49. Czy w wyniku testu Shapiro-Wilka można:

nie potwierdzić normalności rozkładu reszt modelu.

50. Parametr strukturalny w liniowym modelu ekonometrycznym mierzy oczekiwaną zmianę zmiennej objaśnianej:

jako efekt zmiany o jedna jednostkę zmiennej objaśniającej , z którą jest związany parametr strukturalny, gdy wartości innych zmiennych objaśniających modelu pozostaną niezmienione

51. Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym

powinna być równa zeru

52. Heteroskedastyczność składnika losowego modelu liniowego oznacza:

niejednorodność wariancji składnika losowego

53. Wartość współczynnika determinacji dla tego samego modelu jest:

większą od wartości skorygowanego współczynnika determinacji

54. Parametry strukturalne są estymowane na podstawie danych empirycznych z obserwacji

zmiennych objaśniających i zmiennej objaśnianej

55. Jaki związek powinien zachodzić między zmienną objaśnianą a zmiennymi objaśniającymi:

zmienna objaśniana jest zależna od zmiennych objaśniających

56. Współczynnik zbieżności oznacza

względną wielkość nieobjaśnionej zmienności zmiennej objaśnianej

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

dla wszystkich danych empirycznych (obserwacji)

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

rozkładu składnika losowego

59. Dla modelu postaci
spełniającego założenia Gaussa-Markowa warunkowa wartość oczekiwana zmiennej objaśnianej przy znanej wartości zmiennej objaśniającej jest równa:

E(y_t|x_t)=

60. Czy kowariancja obliczana dla zmiennej objaśnianej Y i zmiennej objaśniającej X może przyjmować wartości:

zarówno dodatnie jak i ujemne, niezależnie od wartości przyjmowanych przez zmienne X i Y

61. Współczynnik zbieżności oznacza:

względna wielkość nieobjaśnionej zmienności zmiennej objaśnianej

62. Jakościowa zmienna objaśniająca przyjmuje n (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego z wyrazem wolnym wymaga uwzględnienia sztucznych zmiennych zero 0 jedynkowych reprezentujących tę zmienną jakościową w liczbie:

mniejszej od liczby wariantów zmiennej jakościowej o 1

63. 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:

mniejszego o 1 od liczby równań w modelu

66. Funkcja postaci y1=a0+a1x1+et powstała w wyniku estymacji modelu y1=a0+a1x1+et jest funkcją oznaczającą:

wartości empiryczne w próbie

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

dowolnego rzędu

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

zazwyczaj dodatnie jak i ujemne……..

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

tak

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

tak

71. Czy w rekurencyjnym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane:

nie tylko za pomocą zmiennych z góry ustalonych

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

prostym

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

macierze B parametrów strukturalnych modelu stojących przy zmiennych łącznie współzależnych

74. Liniowy układ wielorównaniowym jest ………………….. w postaci…… W postaci……

prostym

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

trójkątną

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

są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych tylko jednoznacznie

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

identyfikowanych tylko jednoznacznie

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

większa od liczby równań w modelu pomniejszonej o 1

79. W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:

objaśniane przesunięte i nieprzesunięte w czasie

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

wszystkich zmiennych z góry ustalonych

81. 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

nie

82. 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

nieliniowy, liniowy

---