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)=(XTX)-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:
(XTX)-1XTy
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(yt|xt)=
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