EKONOMETRIA - TESTY (Prawda/ Fałsz)
1 |
Jeżeli w modelu nie występują zmienne endogeniczne opóźnione w czasie, to zbiór zmiennych egzogenicznych może być równy zbiorowi zmiennych objaśnianych. |
P |
2 |
Zbiór zmiennych egzogenicznych jest równy zbiorowi zmiennych objaśniających, jeżeli w modelu występują zmienne endogeniczne opóźnione w czasie. |
F |
3 |
Składnik resztowy określa różnicę pomiędzy wartościami teoretycznymi(wynikającymi z modelu) a empirycznymi(rzeczywistymi). |
P |
4 |
Pierwiastek kwadratowy ze współczynnika zbieżności R2 to współczynnik korelacji wielorakiej. |
F |
5 |
ECM t-1 jest miarą błędu równowagi błędu, który może być popełniony w przyszłym okresie. |
F |
6 |
Celem badania istotności parametrów strukturalnych jest sprawdzenie poprawności doboru postaci analitycznej modelu. |
F |
7 |
Przyczyną braku istotności może być współliniowość statystyczna zmiennych. |
P |
8 |
Gdy współczynnik korelacji między zmiennymi objaśniającymi jest bliski 1 mogą wystąpić przybliżone liniowe zależności między zmiennymi objaśniającymi. |
P
|
9 |
W przypadku współliniowości statystycznej błędy średnie ocen przyjmują małe wartości, a w związku z tym statystyki empiryczne przyjmują małe wartości (zwiększa to prawdopodobieństwo przyjęcia H0, gdy |
F |
10 |
Test F Fishera -Snedecora służy do sprawdzenia, czy co najmniej jeden parametr strukturalny w sposób istotny różnią się od zera |
P |
11 |
Przy pomocy testu F można sprawdzić istotność oceny parametru strukturalnego stojącego przy konkretnej zmiennej objaśniającej. |
F |
12 |
Przyczyną współliniowości statystycznej jest silna zależność pomiędzy zmiennymi objaśniającymi . |
P
|
13 |
W modelach korekty błędem parametr informuje jaka część nierównowagi od długookresowej trajektorii jest korygowana przez krótkookresowy proces dostosowań, jaką część błędu koryguje model w kolejnym okresie. |
P |
14 |
Występowanie autokorelacji implikuje konieczność ponownej budowy modelu. |
F |
15 |
Jeżeli rozkład reszt nie jest zbliżony do rozkładu normalnego, należy wrócić do I lub II etapu badań ekonometrycznych. |
F |
16 |
Przyjmuje się, że wartość krytyczna współczynnika zbieżności nie powinna przekroczyć 0,3, aby model był dopuszczalny. |
P |
17 |
Odrzucenie H0 o normalności rozkładu elementu losowego uniemożliwia dalsze kroki weryfikacji, w których stosuje się test F Fishera -Snedecora , t-Studenta oraz Durbina-Watsona. |
P |
18 |
Przyczyną braku koincydencji może być współliniowość statystyczna. |
P |
19 |
W modelach liniowych oszacowanych KMNK suma kwadratów reszt jest równa zeru. |
F |
20 |
Jeżeli do modelu weszły zmienne X1, X3, X5 to macierz wariancji i kowariancji będzie miała wymiary 3x3. |
F |
21 |
Standardowy błąd oceny będzie w takich samych jednostkach co reszty modelu, czyli w jednostkach w jakich jest zmienna objaśniana. |
P |
22 |
Dwie zmienne są skointegrowane, jeżeli są stacjonarne zintegrowane tego samego stopnia, ich liniowa kombinacja jest zintegrowana w niższym stopniu lub jest stacjonarna. |
F |
23 |
Stopień zintegrowania reszt badamy testem Durbina -Watsona |
F |
24 |
Jeżeli występuje zjawisko regresji pozornej można budować model ekonometryczny jedynie w przypadku, gdy zmienne są skointegrowane. |
P |
25 |
Badanie skointegrowania ma sens w przypadku występowania co najwyżej dwóch zmiennych |
F |
26 |
Zmienna Yt jest stacjonarna jeżeli jej pierwsze przyrosty są stałe. |
F |
27 |
W teście pierwiastka jednostkowego wybór postaci modelu do dalszych badań wynika z porównania ocen parametrów strukturalnych β1, gdy oszacowania nie różnią się w sposób istotny analizie zostaje poddany model bez wyrazu wolnego. |
P |
28 |
Jeżeli zmienna jest zintegrowana w stopniu zero, oznacza to, że jest niestacjonarna. |
P |
29 |
Ze względu na kryterium czasu modele dzielimy na stochastyczne i deterministyczne. |
F |
30 |
Jeżeli przyrosty absolutne zmiennej objaśnianej i-tego rzędu są stałe, to funkcja jest wielomianem i-tego stopnia. |
P |
31 |
Metoda kolejnych przybliżeń i metoda zadowalającego wyboru to warianty metody apriorycznej. |
F |
32 |
Macierz współczynników korelacji jest kwadratowa, symetryczna, a jej elementy przyjmują wartości z przedziału [-1;1] |
P |
33 |
Współczynnik korelacji wielorakiej przyjmuje wartości z przedziału [-1;1] |
F |
34 |
Jeżeli dwie kombinacje {X1, X5} oraz {X2, X6, X7} mają max wartość wskaźnika pojemności integralnej, to do modelu wejdą zmienne X1, X5. |
P |
35 |
Jeżeli kombinacje {X1,X5} oraz {X2, X6} mają max wartość Hl, to do modelu wejdą zmienne z kombinacji o wyższej wartości współczynnika korelacji wielorakiej. |
P |
36 |
W metodzie grafowej dla zmiennej X1: k1=3 i r01=-0,743 oraz dla zmiennej X2: k2=3 i r02=0,671. Do modelu wejdzie zmienna X2. |
F |
37 |
Jeżeli w metodzie D. Strahl niemożliwe jest ustalenie zbiorów dwuelementowych, to do modelu wejdzie zmienna o maksymalnym r0j. |
F |
38 |
Badanie nieobciążoności odchyleń losowych bada się tylko dla modeli czasowych. |
F |
39 |
Wskaźniki pojemności indywidualnej i integralnej przyjmują tym większe wartości, im silniej są skorelowane między sobą zmienne objaśniające. |
F |
40 |
Modele korekty błędem ECM są to modele dla przyrostów zmiennych, uzupełnione o tzw. składnik korekty błędem. |
P |
41 |
Brak występowania autokorelacji wynika ze źle dobranej postaci analitycznej modelu. |
F |
42 |
Istotność badamy testem pierwiastka jednostkowego. |
F |
43 |
|
P |
44 |
Badanie stacjonarności badamy w celu sprawdzenia jednego z założeń KMNK. |
P |
45 |
Przy badaniu losowości dla modeli zbudowanych na podstawie przekrojowych szeregów danych, obserwacje należy uporządkować według rosnących wartości zmiennej objaśniającej. |
P |
46 |
Zmienna quasi-stała to zmienna, dla której współczynnik zmienności jest wyższy od wartości krytycznej. |
F |
47 |
Badania niobciązoności nie przeprowadza się dla modeli liniowych. |
P |
48 |
Jeżeli moduły reszt są istotnie skorelowane z czasem to rozkład odchyleń losowych jest hetroskedastyczny. |
P |
49 |
Autokorelacja oznacza współliniowość statystyczną zmiennych objaśniających. |
F |
50 |
Przyczyną autokorelacji może być niewłaściwie dobrana postać analityczna modelu, jak i błędne ustalenie opóźnień czasowych dla zmiennych objaśniających. |
P |
51 |
Współczynnik zbieżności jest zawsze mniejszy od współczynnika determinacji. |
F |
52 |
Badanie identyfikowalności modelu to sprawdzenie czy każde z równań współzależnych jest inne niż pozostałe. |
P |
53 |
Poprawność doboru postaci analitycznej modelu sprawdza się badając dopuszczalność, symetrię, losowość i istotność. |
F |
54 |
Pierwiastek kwadratowy ze współczynnika korelacji wielorakiej to współczynnik determinacji. |
F |
55 |
Dopuszczalność i symetrię bada się dla modeli nieliniowych sprowadzalnych do liniowych dla postaci pierwotnej modelu, dla modeli segmentowych dla całego zbioru segmentów łącznie. |
P |
56 |
Błąd standardowy oceny znajduje się na przekątnej macierzy wariancji i kowariancji. |
F |
57 |
Między współczynnikiem zbieżności współczynnikiem determinacji zachodzi równość |
F |
58 |
Istotność parametrów strukturalnych modelu badamy dla modeli nieliniowych sprowadzalnych do liniowych dla postaci transformowanej. |
P |
59 |
Błąd średni oceny informuje o przeciętnych odchyleniach wartości empirycznych zmiennej objaśnianej od jej wartości teoretycznych (wyliczonych z modelu). |
F |
60 |
Ocena parametru strukturalnego bi wskazuje, o ile przeciętnie zmieniła się wartość zmiennej objaśnianej jeżeli ceteris paribus wartość zmiennej Xik zmieniła się o jednostkę. |
P |
61 |
Warunkiem koniecznym transformacji jest, by liczba parametrów modelu nieliniowego była co najmniej równa liczbie zmiennych objaśniających modelu. |
F |
62 |
W modelu probabilistycznym nie uwzględnia się elementu losowego. |
F |
63 |
Ideą klasycznej KMNK jest ustalenie takich ocen parametrów strukturalnych, dla których suma kwadratów odchyleń wartości empirycznych zmiennej objaśnianej od jej wartości teoretycznych, wynikających z modelu jest jak najmniejsza. |
P |
64 |
W modelach korekty błędem jeśli parametr γ2 ≥0 -oznacza to, że układ będzie przywracalny do stanu równowagi. |
F |
65
|
Szereg czasowy jest stacjonarny, gdy jego średnia i wariancja są skończone i nie zmieniają się w czasie, a kowariancje zależą wyłącznie od odległości między obserwacjami. |
P |
66 |
Model |
F |
67 |
Badanie stacjonarności polega na sprawdzeniu czy moduły reszt są istotnie skorelowane z czasem. |
P |
68 |
Jeżeli występuje autokorelacja składnika losowego należy powrócić do III etapu badań i zmienić metodę estymacji. |
P |
69 |
Zmienne egzogeniczne to zmienne wewnętrzne, poszczególne równania modelu wyjaśniają mechanizm kształtowania się tych zmiennych. |
F |
70 |
Model ekonometryczny to układ równań (funkcji) aproksymujących z pewną, akceptowana przez użytkownika dokładnością , procesy (zależności) zmiennych ekonomicznych od innych zmiennych- uznawanych (hipotetycznie) za przyczyny (instrumenty decyzyjne ) lub za ich symptomy. |
P |
71 |
Poniższy wykres przedstawia funkcję logarytmiczną.
|
F |
72 |
W modelu ekonometrycznym wartości empiryczne zmiennej objaśnianej są dokładnie równe jej wartością teoretycznym. |
F |
73 |
Parametry charakteryzują wewnętrzną strukturę powiązań między zmiennymi objaśniającymi a zmienną objaśnianą. |
P |
74 |
W modelach rekurencyjnych występują powiązania wielokierunkowe, czyli cykle lub sprzężenia zwrotne. |
F |
75 |
Modele autoregresyjne, są to modele, w których w roli zmiennych objaśniających występują jedynie zmienne endogeniczne opóźnione w czasie. |
P |
76 |
Modele przekrojowe - zbudowane na przekrojowych szeregach danych (informacje statystyczne dotyczą kształtowania się badanego zjawiska w jednym obiekcie w wielu okresach) |
F |
77 |
W I etapie analizy ekonometrycznej ustalane zostają zmienne objaśniane i objaśniające oraz relacje między nimi. |
F |
78 |
Kandydatka na zmienną objaśniającą może znaleźć się w modelu, jeżeli ma współczynnik zmienności większy od 0,1. |
P |
79 |
Znak współczynnika korelacji liniowej Pearsona świadczy o sile zależności pomiędzy zmiennymi. |
F |
80 |
Zmienna egzogeniczna może być równa zmiennej objaśnianej, jeżeli nie jest to zmienna opóźniona w czasie. |
P |
81 |
Jeżeli jest 5 kandydatek na zmienne objaśniające to wszystkich możliwych kombinacji może być 32. |
F |
82 |
Dla modelu liniowego z wyrazem wolnym może być prawdą, że |
F |
83 |
Obszar niekonkluzywności występuje w testach Durbina- Watsona oraz Dickeya- Fullera |
P |
84 |
Dla przedstawionych poniżej linii regresji współczynnik korelacji może wynosić-0,5.
|
P |
85 |
Przedstawione na wykresie dwie linie proste mogą być liniami regresji.
|
F |
86 |
Macierz XTX jest macierzą kwadratową. |
P |
87 |
Zmienne objaśniające powinny być słabo skorelowane ze zmienną objaśnianą. |
F |
88 |
Parametry w modelu ekonometrycznym są wielkościami stałymi i znanymi. |
F |
89 |
Interpretacja parametrów modelu wykładniczego 1,27- poziom zm. objaśnianej przy zerowym poziomie zmiennej objaśniającej, 0,91- wzrost X o jednostkę spowoduje zmianę zmiennej Y o (0,91-1)*100%=-9%. |
P |
90 |
Współczynnik korelacji wielorakiej jest bliski -1 w przypadku silnej ujemnej korelacji między badanymi zmiennymi. |
P |
91 |
Zmienne objaśnijące powinny być silnie ze sobą skorelowane. |
F |
92 |
Jeżeli model nie ma własności koincydencji należy wyeliminować zmienną, dla której ocena parametru strukturalnego nie jest sensowna ze względu na znak. A następnie przejść do dalszej weryfikacji. |
F |
93 |
Modelu |
P |
94 |
W poniższym ciągu symboli test długości serii powinien nakazywać odrzucenie hipotezy o losowości babababababa. |
P |
95 |
Podstawą do przypuszczeń, że zachodzi zjawisko regresji pozornej, jest występowanie następującej relacji zwanej „zasadą kciuka” : DW>R2 |
F |
96 |
Test pierwiastka jednostkowego jest testem jednostronnym, polega na testowaniu ujemności δ. Jeżeli δ jest większe od zera, to zmienna Yt [przyjmuje wartości szybko rosnące do nieskończoności, a więc jest niestacjonarna. |
P |
97 |
Liczba pustych cel jest statystyką testową w teście symetrii. |
F |
98 |
W teście maksymalnej długości serii lub liczby serii dowolna zmiana kolejności nie wpłynie na wynik wnioskowania. |
F |
99 |
W KMNK składnik losowy ma wartość oczekiwaną równą 0. |
P |
100 |
Wadą współczynników zbieżności i determinacji jest to, że zależą od liczby zmiennych objaśniających modelu. |
P |
101 |
Metoda aproksymacji segmentowej, polegająca na podziale wykresu rozrzutu na części (segmenty), którym przypisuje oddzielną funkcję0- aproksymantę segmentową jest szczególnym przypadkiem metody heurystycznej. |
F |
α0
1