| Analiza struktury stochastcznej modelu oznacza analizę wyłącznie reszt modelu. | F | |
|---|---|---|
| Błąd prognozy ex post ME (błąd średni) obliczony dla liniowego modelu tendencji rozwojowej będzie zawsze równy zero. | F | |
| Błąd wyliczony na podstawie zrealizowanych prognoz to błąd ex-ante. | F | |
| Błędne określenie postaci analitycznej modelu jest jednym ze źródeł autokorelacji składnika losowego. | T | |
| Błędne określenie zakresu badania jest jednym ze źródeł autokorelacji składnika losowego. P? | F | |
| Błędy prognoz z grupy ex post zmieniają swoją wartość wraz ze wzrostem horyzontu prognozy. | F | |
| 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 | |
| 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 | |
| Do estymacji modeli w których występuje heteroscedastyczność składników losowych lub niesferyczność możemy wykorzystać uoglnioną MNK Aitkena. | T | |
| Estymator "a" jest zgodny nieobciążony i najefektywniejszy w klasie podobnych estymatorów. | T | |
| Etap specyfikacji modelu ekonometrycznego oznacza między innymi wybór postaci analitycznej modelu. | T | |
| Heteroscedastyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie. | F | |
| Homoscedastyczność składnika losowego jest jednym z założeń klasycznej MNK. | T | |
| Homoscedastyczność składnika losowego oznacza niejednorodność wariancji składnika losowego w czasie. | F | |
| Identyfikowalność modeli badamy jedynie w przypadku modeli rekurencyjnych. | F | |
| Identyfikowalność modeli badamy jedynie w przypadku modeli wielorównaniowych. P? | F | |
| Identyfikowalność modeli badamy jedynie w przypadku modeli współzależnych. | T | |
| Jeśli dana zmienna jest koincydentalna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego. | F | |
| Jeżeli dana zmienna objaśniająca jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego. | T | |
| Jeżeli dana zmienna objaśniająca nie jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego. | F | |
| Jeżeli reszty modelu oszacowanego MNK pochodzą z rozkładu normalnego, to oznacza to spełnienie jednego z założeń MNK. | T | |
| Jeżeli składnik losowy jest homoscedastyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK jest najbardziej efektywny. | T | |
| Jeżeli składnik losowy jest homoscedastyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK nie jest najbardziej efektywny. | F | |
| Jeżeli statystyka testu Durbina-Watsona wskazuje na ujemną autokorelację to dodatkowo obliczana jest statystyka: d'=4-d. | T | |
| Jeżeli w modelu tendencji rozwojowej parametr wolny jest równy zero, to oznacza to brak trendu/tendencji rozwojowej. | F | |
| Jeżeli w teście Durbina-Watsona d=dl to hipoteze zerową odrzucamy na korzyść hipotezy alternatywnej. | T | |
| Jeżeli w teście Durbina-Watsona d=dl to nie można podjąć decyzji o autokorelacji składnika losowego. | F | |
| Jeżeli w teście Durbina-Watsona d=dl to oznacza to brak podstaw do odrzucenia hipotezy zerowej. | F | |
| Jeżeli w teście Durbina-Watsona d=dt to nie można podjąćdecyzji o autokorelacji składnika losowego. | F | |
| Jeżeli w teście Durbina-Watsona d>du i r1>0, to ma miejsce brak autokorelacji składnika losowego. | T | |
| Jeżeli w teście Turbina-Watsona d=dl to nie można podjąć decyzji o autokorelacji składnika losowego. | F | |
| 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. | T | |
| Jeżeli wyznacznik macierzy det(X'X)=25 to istnieje estymator MNK. | T | |
| Kolumna złożona z samych jedynek w macierzy [X'X] reprezentuje realizacje zmiennej stojącej przy parametrze wolnym. | F | |
| Kryterium MNK zakłada minimalizację sumy kwadratów reszt modelu. | T | |
| Liczba szacowanych parametrów w modelu musi być większa od liczby obserwacji na podstawie których model jest estymowany. | F | |
| Liniowy model tendencji rozwojowej ma zastosowanie w przypadku gdy zmienna prognozowana wykazuje trend i wahania przypadkowe. | F | |
| Metoda wskaźników pojemnośći informacyjnej ma zastosowanie przy doborze zmiennych objaśniających do modeli nieliniowych. | T | |
| Miarami jakości modelu ekonometrycznego są miary struktury stochastycznej modelu. | T | |
| Miary dokładności predykcji Theila są miarami z grupy ex ante. | F | |
| Miary dokładności predykcji Theila są miarami z grupy ex post. | T | |
| Model adaptacyjny Brona stosowany jest w przypadku gdy nie znany jest trend badanej zmiennej. | T | |
| Model adaptacyjny Wintersa stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe. | F | |
| Model adaptacyjny Wintersa stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend, wahania przypadkowe oraz wahania sezonowe. | T | |
| Model dla którego współczynnik zbieżności jest równy 98% jest dobrym modelem. | F | |
| Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe. | F | |
| Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas gdy zmienna prognozowana wykazuje trend, wahania przypadkowe i addatywne wahania sezonowe. | F | |
| Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas, gdy zmienna prognozowana wykazuje trend oraz wahania sezonowe. | T | |
| Model wielorównaniowy złożony jest dokładnie z tylu równań ile jest nieopóźnionych zmiennych endogenicznych. | T | |
| Modelem statycznym jest każdy model ekonometryczny, który nie uwzględnia czynnika czasu. | T | |
| Na głównej przekątnej macierzy wariancji i kowariancji estymatorów parametrów strukturalnych modelu to wariancje estymatorów. | T | |
| Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych założeń MNK dotyczących składnika losowego. | F | |
| Nośnikiem informacji jest każda potencjalna zmienna objaśniająca. | T | |
| O prognozoe mówimy, że jest dopuszczalna jeżeli jest wyznaczona z dokłdnością do sześciu miejsc po przecinku. | F | |
| Ocena dopuszczalności prognozy dokonywana jest w oparciu o np.: względny błąd predykcji. | T | |
| Oszacowanie parametrów strukturalnych dowolnego modelu ekonometrycznego oznacza uzyskanie jedynie ich wartości szacunkowych. | T | |
| 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 | |
| Poziom wiarygodności prognozy przyjmuje wartości z przedziału [-1,1]. | F | |
| 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. | T | |
| Sezonowość addatywna oznacza multiplikatywne narastanie lub zanik wahań sezonowych w czasie. | F | |
| Sezonowość addatywna oznacza stałą amplitudę wahań sezonowych w czasie. | T | |
| Składnik losowy modelu jest zmienną losową. | T | |
| Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu. | T | |
| Spełnienie założeń MNK wymaga by składnik losowy posiadał wartość oczekiwaną równą zero i wariancję równą jeden. | F | |
| Spełnienie założeń MNK wymaga by składnik losowy posiadał wartość oczekiwaną równą zero i zmienną wariancję. | F | |
| Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza rozwiązanie go ze względu na zmienne objaśniane. | T | |
| Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza usunięcie pewnych równań. | F | |
| Statystyka testu Durbina-Watsona d przyjmuje wartości z przedziału [0,4]. | T | |
| Statystyka testu Durbina-Watsona d przyjmuje wartości z przedziału [-4,0]. | F | |
| Statystyka testu Durbina-Watsona d przyjmuje wartości z przedziału [-4,4]. | F | |
| Suma kwadratów reszt modelu ekonometrycznego oszacowana metodą najmniejszych jest minimalna. | F | |
| Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK ma wartość najmniejszą. | T | |
| Suma kwadratów reszt, po oszacowaniu modelu MNK jest równa zero. | F | |
| W modelach tendencji rozwojowej wymagane jest by zmienna czasowa była istotnie skorelowana ze zmienną endogeniczną. | T | |
| W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane ze zmienną endogeniczną. | T | |
| W modelu oszacowanym MNK suma wartości empirycznych zmiennej objaśnianej jest równa sumie jej wartości teoretycznych. | T | |
| W przypadku homoscedastyczności reszt modelu do oszacowania parametrów stosujemy klasyczną MNK. | T | |
| W teście Durbina-Watsona obszar niekonkluzywności testu oznacza możliwość podjęcia decyzji odnośnie autokorelacji składnika losowego bez konieczności obliczania statystyki testu. | F | |
| Wahania sezonowe addatywne charakteryzują się stałą w czasie amplitudą wahań. | T | |
| Wariancja reszt jest miarą struktury stochastcznej modelu. | T | |
| Wartość oczekiwana składnika losowego dla modelu tendencji rozwojowej szacowanego MNK jest minimalna. | F | |
| Wartość oczekiwana składnika losowego modelu jest równa zero. | T | |
| Wartość oczekiwana składnika losowego modelu jest różna od zera. | F | |
| Wartość współczynnika determinacji rośnie wraz ze wzrostem liczby zmiennych objaśniających. | F | |
| Weryfikacja modelu sprowadza się do zbadania stopnia zgodności modelu z danymi empirycznymi, zbadania istotności wpływu poszczególnych zmiennych, zbadania własności składnika resztowego. | T | |
| Wskaźnik pojemności informacyjnej pewnej kombinacji zmiennych ma wartość wyższą od współczynnika determinacji tej kombinacji. | F | |
| Współczynnik determinacji informuje w jakim stopniu wariancja zmiennej endogenicznej Yt została wyjaśniona przez model ekonometryczny. | T | |
| Współczynnik determinacji R^2 można stosować wyłącznie w przypadku modeli liniowych. | T | |
| Współczynnik korelacji wielorakiej informuje o sile związku pomiędzy zmienną endogeniczną a wszystkimi zmiennymi objaśniającymi. | T | |
| Współczynnik zmienności losowej to współczynnik wyrazistości modelu. | T | |
| Współczynnik zmienności przypadkowej informuje nas ile procent średniej wartości zmiennej endogenicznej stanowi odchylenie standardowe reszt. | F | |
| Wszystkie elementy na głównej przekątnej macierzy wariancji i kowariancji są zawsze równe zero. | F | |
| Wybór postaci analitycznej modelu ekonometrycznego dokonywany jest na podstawie zależności występującej pomiędzy zmienną endogeniczną a poszczególnymi zmiennymi objaśniającymi, czyli tzw.: rozrzutu empirycznego. | T | |
| Wykres rozrzutu jest graficzną metodą identyfikacji postaci analitycznej modelu ekonometrycznego. | T | |
| Z punktu widzenia teorii prognozy ekonometrycznej im dalszy horyzont prognozy tym większy jest jej błąd ex ante. | T | |
| Zakłada się że reszty modelu ekonometrycznego oszacowanego MNK pochodzą z rozkładu normalnego. | T | |
| Zmienna czasowa zaliczana jest do grupy zmiennych endogenicznych modelu. | F | |
| Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną. | T | |
| Zmienna stojąca przy parametrze wolnym w modelu ekonometrycznym przyjmuje zawsze wzystkie realizacje równe 1. | T | |
| Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi nie losowymi i tym samym nie są one skorelowane ze składnikiem losowym. | F | |
| Zmienne z góry ustalone określa się mianem zmiennych endogenicznych innych równań. | F |
Analiza struktury stochastycznej oznacza analizę wyłącznie reszt modelu. P
Budowa prognozy przedziałowej na podstawie modelu ekonometrycznego wymaga by był on modelem dynamicznym.
Estymator „a” parametru alfa jest nieobciążony jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa F
Estymator „a” parametru alfa jest zgodny jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa. P
Funkcja autokorelacji PACF stanowi tzw.: pamięć szeregu czasowego. F
Identyfikowalność modeli badamy jedynie w przypadku modeli
rekurencyjnych. F (wielorównaniowych F)
Integralny wskaźnik pojemności informacyjnej dla danej kombinacji zmiennych objaśniających stanowi sumę wskaźników indywidualnych dla tej kombinacji. P
Istotność parametrów strukturalnych modelu zależy między innymi od prawidłowej postaci analitycznej modelu. P
Jedną z przyczyn nieistotności parametrów strukturalnych modelu ekonometrycznego jest niewłaściwa postać analityczna. P
Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna, to model jest modelem o równaniach współzależnych. F
Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna, to model jest modelem o równaniach współzależnych. F (modelem prostym P)
Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że mamy : Yt i z=1/t to model jest modelem hiperbolicznym P??
Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że: ln(Yt) i ln(t) to model jest modelem logarytmicznym F
Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że ln(Y) i ln(t) to model jest modelem wykładniczym F
Jeżeli oszacowany zostanie liniowy model tendencji rozwojowej na podstawie danych z lat 2000-20008 to parametr wolny będzie mówił o przeciętnym poziomie zmiennej prognozowanej w roku 1999. F
Jeżeli reszty modelu oszacowanego metodą najmniejszych kwadratów pochodzą z rozkładu normalnego, to oznacza to spełnienie jednego z założeń metody najmniejszych kwadratów. P
Jeżeli składnik losowy jest heteroscedantyczny to estymator wektora parametrów strukturalnych modelu uzyskany metodą najmniejszych kwadratów nie jest najbardziej efektywny P
Jeżeli w modelu tendencji rozwojowej parametr wolny równy jest zero to oznacza to brak trendu/tendencji rozwojowej. F
Jeżeli w teście Studenta wartość krytyczna odczytana z tablic jest większa od wartości bezwzględnej statystyki testu to brak podstaw do odrzucenia hipotezy zerowej. P
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
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
Jeżeli znaki reszt uzyskanych na podstawie modelu oszacowanego MNK są „mniej więcej” na przemian, to istnieje podejrzenie o dodatnią autokorelację reszt modelu.
Kolumna złożona z samych jedynek macierzy X’X reprezentuje realizacje zmiennej stojącej przy parametrze wolnym. F (tak się dzieje w macierzy X)
Kryterium dopuszczalności prognoz określane jest zawsze przez ekonometryka budującego prognozę. F
Kwadraty błędów szacunku leżą na głównej przekątnej macierzy wariancji i kowariancji P
Macierz X’X jest macierzą kwadratów P
Metoda trendów jednoimiennych okresów ma zastosowanie w przypadku występowania sezonowości w szeregu czasowym P??
Metoda wskaźników pojemności informacyjnej ma zastosowanie przy doborze zmiennych objaśniających do modeli nieliniowych. F
Miarami jakości modelu ekonometrycznego są miary dopasowania modelu do danych empirycznych P
Miarami jakości modelu ekonometrycznego są miary struktury stochastycznej modelu.
Miary dokładności predykcji Theila są miarami z grupy ex post. P
Model adaptacyjny Brona stosowany jest w przypadku gdy nie znany jest trend badanej zmiennej P
Model adaptacyjny Holta stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe P
Model Kleina ma zastosowanie w przypadku sezonowości półrocznej. ?
Model wielorównaniowy złożony jest dokładnie z tylu równań ile
jest nieopóźnionych zmiennych endogenicznych. P (by przekroczyc ilość nieopóźnionych F)
Modele tendencji rozwojowej są modelami analitycznymi P
Modele tendencji rozwojowej są modelami należącymi do metod analitycznych P
Modelem dynamicznym jest każdy model, w którym występuje zmienna czasowa lub/i zmienna(e) opóźnione w czasie P
Na głównej przekątnej macierzy wariacji i kowariancji znajdują się kowariancje ocen parametrów strukturalnych modelu
Nieistotność parametrów strukturalnych wynika m.in. z niewłaściwej postaci analitycznej modelu P
Nieistotność parametrów strukturalnych wynika z nieodpowiedniej jakości danych statystycznych P
Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych założeń metody najmniejszych kwadratów dotyczących składnika losowego. F
Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych odstępstw od założeń metody najmniejszych kwadratów dotyczących składnika losowego. P
Nosnikiem informacji jest kazda potencjalna zmienna objasniajaca P
Ocena dopuszczalności prognozy dokonywana jest w oparciu o np. względny błąd predykcji. F
(średni błąd predykcji bądź średni względny błąd predykcji)
Odchylenie standardowe reszt jest miarą dopasowania modelu do danych empirycznych F
Odchylenie standardowe reszt wyrażane jest w jednostce zmiennej endogenicznej (w modelu liniowym zawsze)
Okres weryfikacji prognoz to okres w którym znane są wartości rzeczywiste zmiennej prognozowanej oraz prognozy wygasłe. ??
Parametr w modelu ekonometrycznym nigdy nie podlega interpretacji P
Parametr wolny w modelu ekonometrycznym nigdy nie podlega interpretacji P
Pierwiastek współczynnika determinacji stanowi współczynnik korelacji wielorakiej.
Pierwiastki obliczone z elementów znajdujących się na głównej przekątnej macierzy wariancji i kowariancji stanowią średnie błędy szacunku. P
Pominięcie istotnej zmiennej objaśniającej jest jedna z przyczyn występowania autokorelacji rzędu pierwszego składnika losowego P
Poziom wiarygodności w prognozie przedziałowej jest wartością krytyczną odczytana z tablic wartości krytycznych przedziału t-Studenta P
Poziom wiarygodności w prognozie przedziałowej jest wartością krytyczną odczytana z tablic wartości rozkładu T –studenta P
Prognoza wygasła to taka prognoza dla której znana jest rzeczywista realizacja zmiennej prognozowanej P??
Przy budowie prognozy przedziałowej uwzględniany jest względny błąd predykcji F
Sezonowość addytywna oznacza stałą amplitudę wahań sezonowych w czasie. P (multiplikatywne narastanie lub zanik P)
Siła autokorelacji rzędu pierwszego mierzona jest statystyka Durbina Watsona P
Siła i kierunek autokorelacji rzędu pierwszego mierzona jest współczynnikiem autokorelacji rzędu pierwszego P
Składnik losowy modelu jest zmienna losową P
Składnik losowy modelu jest zmienną losową. F/P
Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu.P
Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu. P
Sprowadzenie modelu wielorównaniowego do postaci zredukowanej
oznacza usunięcie pewnych równań. F
Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza usunięcie pewnych równań. F ( rozwiązanie go ze wzgledu na zmienne objaśnione P)
Suma kwadratów reszt modelu ekonometrycznego oszacowana MNK jest maksymalna. F
Suma kwadratów reszt modelu ekonometrycznego oszacowana MNK jest minimalna.(taka jest idea tej metody) P
Średnia ruchoma zaliczana jest do metod mechanicznych P
Średnie błędy szacunku są miarami struktury stochastycznej modelu F (są miarami precyzji estymacji parametru struktury)
Średnie błędy szacunku są miarą dopasowania modelu do danych empirycznych F
Średnie błędy szacunku są miarą precyzji oszacowania parametrów strukturalnych modelu. P
Test homoskedastycznosci słuzy do weryfikacji sferyczności wariacji składnika losowego P
Test serii służy do weryfikacji poprawności analitycznej modelu P
Test Turbina Watsona służy do testowania istotności autokorelacji dowolnego rzędu F
Trend deterministyczny oznacza długotrwałe stałe zmiany w czasie zmiennej prognozowanej P??
Trend deterministyczny oznacza krótkookresową skłonność zmiennej prognozowanej do określonych zmian, czyli spadku bądź wzrostu. F
W metodzie wskaźników pojemności informacji kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje maksymalna wartość integralnego wskaźnika pojemności informacyjnej P
W metodzie wskaźników pojemności informacyjnej do modelu wejdzie ta kombinacja zmiennych objaśniających, dla której indywidualny wskaźnik pojemności informacyjnej jest maksymalny. F
W modelach adaptacyjnych parametry wygładzania szacowane są metodą najmniejszych kwadratów. ??
W modelach adaptacyjnych znana jest postać analityczna funkcji trendu F
W modelach tendencji rozwojowej jedyna zmienną objaśniającą jest zmienna czasowa t P
W modelach tendencji rozwojowej wymagane jest by zmienna czasowa była istotnie skorelowana ze zmienną endogeniczną. P
W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane między sobą F
W modelu oszacowanym MNK suma wartości empirycznych zmiennej objaśnianej = sumie jej wartości teoretycznych P
W przypadku modeli adaptacyjnych parametry wygładzania są bliskie jedności, jeżeli wszystkie składowe szeregu czasowego podlegają szybkim zmianom w czasie P
W przypadku modeli adaptacyjnych parametry wygładzania są bliskie zeru, jeżeli wszystkie składowe szeregu czasowego zmieniają się szybko w czasie F
W przypadku występowania istotnej (dodatniej/ujemnej) autokorelacji składnika losowego parametry strukturalne modelu szacowane są podwójną metodą najmniejszych kwadratów F
W szeregu czasowym można wyróżnić trzy składowe: trend, wahania przypadkowe, wahania sezonowe P
Wahania sezonowe addytywne charakteryzują się stałą w czasie amplitudą wahań. P
Wariancja reszt jest miarą struktury stochastycznej modelu. P
Wariancja resztowa jest miarą dopasowania modelu o danych empirycznych ??
Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [0, 1] F
Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [-4,4] F
Współczynnik determinacji R^2 można stosować w przypadku modeli nieliniowych sprowadzalnych do liniowych P
Współczynnik determinacji R^2 można stosować w przypadku modeli stricte nieliniowych F
Współczynnik zbieżności informuje jaka część wariancji zmiennej endogenicznej nie została wyjaśniona przez model ekonometryczny P
Współczynnik zmienności losowej jest miara dopasowania modelu do danych empirycznych P
Współczynnik zmienności przypadkowej informuje nas ile % średniej wartości zmiennej endogenicznej stanowi odchylenie standardowe reszt. F
Z pkt widzenia prognozy ekonometrycznej im dalszy horyzont prognozy tym większy jest jej błąd ex ante. P
Zakłada się, że reszty modelu ekonometrycznego oszacowanego metodą najmniejszych kwadratów pochodzą z rozkładu normalnego P
Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest najmniejsze P
Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną. P
Zmienne objaśniające nazywane są zmiennymi endogenicznymi F
Zmienne objaśniające powinny być słabo skorelowane ze zmienną endogeniczną F
zmienne objaśniające powinny być słabo skorelowane ze zmienną endogeniczną F
Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi nielosowymi i tym samym nie są one skorelowane ze składnikiem losowym. P
Jeżeli w teście Durbina Watsona d>du i r1>0 to ma miejsce brak autokorelacji składnika losowego
Jeżeli wyznacznik macierzy det(X’X)=0 to nie istnieje estymator metody najmniejszych kwadratów P
Wartość oczekiwana składnika losowego modelu różna 0 F
Wartość oczekiwana składnika losowego modelu to 0 P
Współczynnik rozbieżności Theila przybiera wartość równą 0 w przypadku, gdy predykcja była idealnie dokładna. P
Jeżeli wyznacznik macierzy det(X’X)=1 to nie istnieje estymator metody najmniejszych kwadratów F
Jeżeli wyznacznik macierzy det(x’x)=25 to istnieje estymator MNK. P
1) Pierwiastki obliczone z elementów znajdujących się na głównej przekątnej macierzy wariancji i kowariancji stanowią średnie błędy szacunku. P
1. Wszystkie elementy na głównej przekątnej macierzy wariancji kowariancji są zawsze równe zero. F
2) W metodzie wskaźników pojemności informacyjnej do modelu wejdzie ta kombinacja zmiennych objaśniających, dla której indywidualny wskaźnik pojemności informacyjnej jest maksymalny. F (integralny)
3) Model Kleina ma zastosowanie w przypadku sezonowości półrocznej. ?
3. Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas, gdy zmienna prognozowana wykazuje trend, wahania przypadkowe i addytywne wahania sezonowe. P
4) Trend deterministyczny oznacza krótkookresową skłonność zmiennej prognozowanej do określonych zmian, czyli spadku bądź wzrostu. F (długookresowy)
5) Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi losowymi i tym samym są one skorelowane ze składnikiem losowym. F
5. Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi nielosowymi i tym samym nie są one skorelowane ze składnikiem losowym. P
6) Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych odstępstw od założeń metody najmniejszych kwadratów dotyczących składnika losowego. P
6. Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych założeń metody najmniejszych kwadratów dotyczących składnika losowego. F
7) Odchylenie standardowe reszt wyrażane jest w jednostce zmiennej endogenicznej (w modelu liniowym zawsze)
7. Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną. P
8) Istotność parametrów strukturalnych modelu zależy między innymi od prawidłowej postaci analitycznej modelu. P
8. Nieistotność parametrów strukturalnych wynika między innymi z pominięcia istotnej zmiennej objaśniającej. P
9) Suma kwadratów reszt modelu ekonometrycznego oszacowana MNK jest maksymalna. F
9. Suma kwadratów reszt modelu ekonometrycznego oszacowana MNK jest minimalna.
(taka jest idea tej metody) P
10) W teście Durbina - Watsona obszar niekonkluzywności testu oznacza możliwość podjęcia decyzji odnośnie autokorelacji składnika losowego bez konieczności obliczania statystyki testu. F
11) Oszacowanie parametrów strukturalnych dowolnego modelu ekonometrycznego oznacza uzyskanie jedynie ich wartości szacunkowych. P
12) Budowa prognozy przedziałowej na podstawie modelu ekonometrycznego wymaga by był on modelem dynamicznym.
12. Z pkt. widzenia prognozy ekonometrycznej im dalszy horyzont prognozy tym większy jest jej błąd ex ante. P
13) Dany jest model ekonometryczny (…) Interpretacja (…)
14. Dany jest model ekonometryczny: . Interpretacja parametru przy zmiennej ma postać: wzrost spowoduje spadek Y o dwie jednostki. F
14) Miarami jakości modelu ekonometrycznego są miary struktury stochastycznej modelu.
13. Miarami jakości modelu ekonometrycznego są miary struktury stochastycznej modelu.
15) Spełnienie MNK dotyczących składnika losowego oznacza w praktyce spełnienie tych założeń w odniesieniu (?) do składnika resztowego.
15. Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu. P
16) Jeżeli znaki reszt uzyskanych na podstawie modelu oszacowanego MNK są „mniej więcej” na przemian, to istnieje podejrzenie o dodatnią autokorelację reszt modelu.
16. Jeżeli w teście Durbina-Watsona hipoteza alternatywna głosi ujemną autokorelację składnika losowego to koniecznie jest obliczenie dodatkowo statystyki d’= 4-d. P
17) Homoscedastyczność składnika losowego oznacza jednorodność wariancji składnika losowego w czasie. P
17. Homoscedastyczność składnika losowego oznacza niejednorodność wariancji składnika losowego w czasie. F (jednorodność)
18) Pierwiastek współczynnika determinacji stanowi współczynnik korelacji wielorakiej.
18. W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane między sobą. F
19) Integralny wskaźnik pojemności informacyjnej dla danej kombinacji zmiennych objaśniających stanowi sumę wskaźników indywidualnych dla tej kombinacji. P
19. Metoda wskaźników pojemności informacyjnej ma zastosowanie przy doborze zmiennych objaśniających do modeli nieliniowych. F
20) Wahania sezonowe stanowią … … wahania wokół trendu.
20. Wahania sezonowe addytywne charakteryzują się stałą w czasie amplitudą wahań. P
21) Etap specyfikacji modelu ekonometrycznego oznacza między innymi wybór postaci analitycznej modelu. P
22) Kolumna złożona z samych jedynek macierzy X’X reprezentuje realizacje zmiennej stojącej przy parametrze wolnym. F (tak się dzieje w macierzy X)
23) Kryterium dopuszczalności prognoz określane jest zawsze przez ekonometryka budującego prognozę. F
23. Ocena dopuszczalności prognozy dokonywana jest w oparciu o np. względny błąd predykcji. F
(średni błąd predykcji bądź średni względny błąd predykcji)
24) Analiza jakości modelu związana jest z analizą jego dopasowania do danych empirycznych. P
24. Analiza struktury stochastycznej oznacza analizę wyłącznie reszt modelu. P
25. Średnie błędy szacunku są miarą precyzji oszacowania parametrów strukturalnych modelu. P
26) Jeżeli wyznacznik macierzy det(x’x)=0 to istnieje estymator MNK. F
26. Jeżeli wyznacznik macierzy det(x’x)=25 to istnieje estymator MNK. P
27) Błędne określenie opóźnień zmiennych objaśniających w modelu jest jednym ze źródeł autokorelacji składnika losowego. P
27. Błędne określenie postaci analitycznej modelu jest jednym ze źródeł autokorelacji składnika losowego. P
28) Estymator a parametru alfa jest efektywny jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa. F
28. Estymator a parametru alfa jest zgodny jeśli stochastycznie zbieżny do szacowanego nieznanego parametru alfa. P
29) W modelach tendencji rozwojowej, np. liniowy model trendu należą do grupy metod analitycznych. P
29. W modelach tendencji rozwojowej wymagane jest by zmienna czasowa była istotnie skorelowana ze zmienną endogeniczną. P
30) Średnie błędy szacunku są miarami struktury stochastycznej modelu F (są miarami precyzji estymacji parametru struktury)
30. Wariancja reszt jest miarą struktury stochastycznej modelu. P
31) Jeżeli statystyka testu Turbina Watsona przyjmie wartość 3,3, to wskazuje na ujemną autokorelacje składnika losowego P
31. Jeżeli w teście Durbina-Watsona d=d(l) to brak podstaw do odrzucenia hipotezy zerowej. F
32) Liczba szacowanych parametrów w modelu musi być większa od liczby obserwacji na podstawie których model jest estymowany. F
33) Wartość oczekiwana składnika losowego dla modelu tendencji rozwojowej szacowanego MNK jest równa zero. P
33. Wartość oczekiwana składnika losowego dla modelu tendencji rozwojowej szacowanego MNK jest minimalna.
34) Współczynnik determinacji R kwadrat można stosować wyłącznie w przypadku modeli liniowych. F
35) Jeżeli dana zmienna objaśniająca jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego. P
36) Modelem statycznym jest każdy model ekonometryczny, który nie uwzględnia czynnika czasu. P
37) Jeżeli składnik losowy jest homoscedatyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK nie jest najbardziej efektywny. F
38) Jeżeli w modelu tendencji rozwojowej parametr wolny równy jest zero to oznacza to brak trendu/tendencji rozwojowej. F
39) Współczynnik zmienności losowej jest miarą dopasowania modelu do danych empirycznych. P
40) Macierz wariancji i kowariancji jest macierzą symetryczną względem głównej przekątnej. P
40. Macierz wariancji kowariancji jest symetryczna względem głównej przekątnej. P
41) Współczynnik autokorelacji rzędu pierwszego przyjmuje wartości z przedziału [0,4]. F
41. Współczynnik autokorelacji rzędu pierwszego przyjmuje wartości z przedziału [-1, 1]. P
42) Zmienna stojąca przy parametrze wolnym w modelu ekonometrycznym przyjmuje zawsze wszystkie realizacje równe 1. P
43) Liniowy model tendencji rozwojowej ma zastosowanie w przypadku gdy zmienna prognozowana wykazuje trend i wahania przypadkowe. P
44) Wartość współczynnika determinacji maleje wraz ze wzrostem liczby zmiennych objaśniających. F
44. Wartość współczynnika determinacji rośnie wraz ze wzrostem liczby zmiennych objaśniających. P
45) Wybór postaci analitycznej modelu ekonometrycznego dokonywany jest na podstawie zależności występującej pomiędzy zmienną endogeniczną a poszczególnymi zmiennymi objaśniającymi, czyli tzw.: rozrzutu empirycznego. P
46) Jeżeli w wyniku przeprowadzenia testu t-Studenta na istotność parametrów strukturalnych testowany parametr okaże się nieistotny, to zmienna objaśniająca stojąca przy nim, jest usuwana z modelu. P?
46. 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
47) Współczynnik zbieżności informuje w jakim stopniu wariancja zmiennej endogenicznej Y(t) nie została wyjaśniona przez model ekonometryczny. P
47. Współczynnik determinacji informuje w jakim stopniu wariancja zmiennej endogenicznej Y(t) została wyjaśniona przez model. P
48) Poziom wiarygodności prognozy przyjmuje wartości z przedziału [-1,0]. F
48. Poziom wiarygodności prognozy przyjmuje wartości z przedziału [-1, 1] F
49) Dany jest liniowy model tendencji rozwojowej Y(t) = 10t + 2+u(t). Interpretacja parametru przy zmiennej czasowej oznacza, że zmienna prognozowana będzie wzrastać średnio rzecz biorąc z okresu na okres o 10 jednostek. P
50) Poziom ufności wynoszący 0,95, wyznaczony dla przedziałów ufności parametrów strukturalnych oznacza, że na 100 prób przedział 95 razy pokryje prawdziwe wartości parametru strukturalnego. P
50. Poziom ufności wynoszący 0,95, wyznaczony dla przedziałów ufności parametrów strukturalnych oznacza, że na 100 prób przedział nie pokryje prawdziwej wartości parametru strukturalnego. F