Ekonometria – egzamin 2013
Zestaw B:
Oszacowano model ekonometryczny metodą najmniejszych kwadratów. Suma kwadratów reszt dla (…). Oznacza to, że w przypadku istnienia modelu alternatywnego wybrany zostanie ten:
Którego suma kwadratów reszt wynosi 2
Którego suma kwadratów reszt wynosi 4
Którego suma kwadratów reszt wynosi 0
Którego suma kwadratów reszt wynosi 6
Dla modelu ekonometrycznego oszacowanego metodą najmniejszych kwadratów wiadomo, że:
Suma reszt modelu wynosi 1
Suma reszt modelu wynosi 0
Wartość oczekiwana reszt wynosi 0
Odchylenie standardowe reszt wynosi jeden
Zakłada się, że składnik losowy w modelu ekonometrycznym:
Jest zmienną zero-jedynkową
Jego realizacje zależą od zmiennych objaśniających
Jest zmienną losową
Jest heteroscedastyczny
Reszty pochodzące z modelu ekonometrycznego reprezentują:
Część stochastyczną modelu
Różnice pomiędzy wartościami rzeczywistymi a wartościami teoretycznymi uzyskanymi na podstawie modelu
Składnik losowy
Część deterministyczną modelu
Względny średni błąd predykcji
Wyrażany jest procentowo
Stosowany jest do oceny dopuszczalności prognozy
(…)
(…)
(…)
W modelu tendencji rozwojowej (…):
Zmienna czasowa jest istotnie skorelowana ze zmienną prognozowaną
Parametr przy zmiennej czasowej informuje o przeciętnej zmianie (wzrost/spadek) zmiennej prognozowanej z okresu na okres
Parametr wolny jest prognozą wstecz dotyczącą przeciętnego poziomu procesu z przed okresu weryfikacji prognoz
Zmienna prognozowana traktowana jest jako ekonomiczny proces stochastyczny z czasem dyskretnym
Jeżeli w modelu ekonometrycznym parametr stojący przy danej zmiennej objaśniającej jest nieistotnie różny od zera, mówimy, że:
Zmienną objaśniającą przy nim stojącą należy usunąć z modelu
Zmienna objaśniająca przy nim stojąca istotnie wpływa na zmienną endogeniczną
Zmienną objaśniającą przy nim stojącą należy pozostawić w modelu
Zmienna przy nim stojąca nie jest koincydentna
Weryfikacja modelu ekonometrycznego polega na:
Zbadaniu, czy model jest zgodny z rzeczywistością
Ocenie precyzji modelu
Ocenie własności predykcyjnych modelu
Ocenie, czy spełnione są założenia metody najmniejszych kwadratów
Do źródeł autokorelacji składnika losowego zalicza się:
Pominięcie istotnej zmiennej objaśniającej w modelu
Niewłaściwą specyfikację opóźnień zmiennych objaśniających
Niska dokładność technik estymacji
Niewłaściwa postać analityczna modelu
W przypadku stwierdzenia istotnej autokorelacji rzędu pierwszego mamy do czynienia z:
Zależnością składnika losowego od jego realizacji z okresu poprzedniego
Utratą losowości składnika losowego
Możliwością budowy dopuszczalnych prognoz
Obniżeniem efektywności estymacji parametrów strukturalnych modelu
Empiryczny wykres rozrzutu:
Umożliwia identyfikację postaci analitycznej modelu ekonometrycznego ?????
Wskazuje na siłę zależności pomiędzy zmienną endogeniczną i zmienną objaśniającą
Przedstawia zachowanie reszt modelu w czasie
Przedstawia przebieg zmiennej endogenicznej w czasie
Dany jest następujący model ekonometryczny: Y = 1+ ….X1 – 3X2 + u. wskazać możliwe interpretacje:
Jeżeli X1 i X2 będą równe zero to przeciętny poziom zmiennej endogenicznej wynisesie 1 jednostkę
Jeżeli zmienna objaśniająca X1 wzrośnie (x) jednostkę to zmienna endogeniczna wzrośnie średnia rzecz biorącą o 1
Jeżeli zmienna objasniająca X2 wzrośnie (x) jednostkę to zmienna endogeniczna spadnie średnio rzecz biorąc o 3 jednostki pod warunkiem, że zmienna objasniająca X1 nie ulegnie zmianie
Jeżeli zmienne X1 i X2 nie ulegna zmianie to przeciętny poziom zmiennej endogenicznej wyniesie 1
Jednorodność wariancji:
Oznacza homoscedatyczność składnika losowego
Jest jednym z założeń metody najmniejszych kwadratów
Jej wystąpienie oznacza nieobciążoność, zgodność i efektywność estymatora parametrów strukturalnych modelu
Jej wystąpienie oznacza niezależność składnika losowego modelu
Przy budowie prognozy przedziałowej uwzględnia się:
Średni błąd predykcji
Współczynnik determinacji
Względny średni błąd predykcji
Odchylenie standardowe reszt
Metoda najmniejszych kwadratów wymaga spełnienia następujących założeń:
Nie występuje autokorelacja składnika losowego
Zmienna endogeniczna jest zmienną losową
Model jest modelem liniowym
Zmienne objaśniające są zmiennymi losowymi
Estymator jest zgodny, jeżeli:
Wariancja estymatora zmierza do zera
Kowariancja składnika losowego nie zależy od zmiennych objaśniających
Wraz ze wzrostem liczebności próby oczekiwana wartość rozkładu estymatora zmierza do wartości szacowanego parametru
Wariancja estymatora zmierza do 1
Jakość modelu ocenia się poprzez pryzmat:
Istotności parametrów strukturalnych
Dopasowania modelu do danych empirycznych
Współczynnik skorygowany determinacji ????
Współczynnik determinacji
Odchylenie standardowe reszt wynosi 1 dla modelu ekonometrycznego oszacowanego metodą najmniejszych kwadratów. Można zatem powiedzieć, że:
W przypadku istnienia modelu alternatywnego lepszym modelem będzie ten, który posiada odchylenie standardowe reszt mniejsze niż 1
Mówi o przeciętnym poziomie wahań przypadkowych w zmiennej endogenicznej
Stanowi o błędzie dopasowania modelu do danych rzeczywistych
Jest miarą struktury stochastycznej modelu ekonometrycznego
Współczynnik zmienności losowej jest:
Miarą niedopasowania modelu do danych empirycznych
Przyjmuje wartości z przedziału [0,1]
Miarą jakości modelu
Informuje, jaka część przeciętnego poziomu zmiennej endogenicznej stanowią wahania przypadkowe
Dana zmienna objaśniająca jest koincydentna, wówczas:
Współczynnik korelacji liniowej pomiędzy zmienną endogeniczną a wybraną zmienną objaśniającą jest taki sam, jak znak parametru strukturalnego modelu
Parametr można interpretować w sensie przyczynowo-skutkowym
Zmienna powinna pozostać w modelu
Zmienna powinna być usunięta z modelu
W regresji wielu zmiennych uwzględnia się:
Wszystkie możliwe zmienne objaśniające kształtujące zmienną endogeniczną
Tylko te zmienne objaśniające, które mają istotny wpływ na zmienną endogeniczną z punktu widzenia statystycznego
Wybrana zostaje zawsze tylko jedna zmienna objaśniająca, która istotnie kształtuje zmienną endogeniczną
Uwzględniane są wyłącznie zmienne objaśniające o charakterze ilościowym
Test serii służy do:
Badania poprawności postaci analitycznej modelu
Badania normalności reszt pochodzących z modelu
Badania losowości reszt pochodzących z modelu
Badania homoscedastyczności reszt pochodzących z modelu
Test Durbina-Watsona:
Jest testem autokorelacji składnika losowego wyłącznie pierwszego rzędu:
Jest testem autokorelacji składnika losowego pierwszego i wyższych rzędów
Testowaniu podlega zarówno dodatnia jak i ujemna autokorelacja
Test posiada obszar niekonkluzywności
Ekonometria – egzamin 2013
Zestaw A:
W metodzie wskaźników pojemności informacyjnej do modelu wejdzie taka kombinacja zmiennych, w której:
Wskaźnik integralny przyjmuje wartość największą
Wskaźnik integralny przyjmuje wartość zero
Wskaźnik integralny przyjmuje wartość najmniejszą
Wskaźnik indywidualny przyjmuje wartość zero
Funkcja kryterium metody najmniejszych kwadratów glosi:
Maksymalizację sumy kwadratów reszt
Minimalizację sumy kwadratów reszt
Sumę kwadratów reszt równą zero
Minimalizację sumy kwadratów różnic pomiędzy wartościami rzeczywistymi i teoretycznymi
Zakłada się, że składnik losowy w modelu ekonometrycznym:
Jest zmienną losową
Jego realizacje pochodzą z rozkładu normalnego
Jego realizacje zależą od zmiennych objaśniających
Jest homoscedastyczny
Reszty pochodzące z modelu ekonometrycznego reprezentują:
Składnik losowy
Różnice pomiędzy wartościami rzeczywistymi a wartościami teoretycznymi uzyskanymi przez model
Część stochastyczną modelu
Część deterministyczną modelu
Średni błąd predykcji:
Jest miarą mianowaną
Stanowi błąd prognozy
Jest błędem prognozy ex post
Jest błędem prognozy ex ante
(…)
(…)
Jeżeli w modelu ekonometrycznym parametr stojący przy danej zmiennej objaśniającej jest nieistotnie różne od zera mówimy, że:
Zmienną objasniająca przy nim stojącą należy usunąć z modelu
Zmienna objasniająca przy nim stojąca wpływa na zmienna endogeniczną
Zmienną objaśniającą przy nim stojąca należy pozostawić w modelu
Zmienna przy nim stojąca jest koincudentna
Specyfikacja modelu ekonometrycznego polega między innymi na:
Wyborze postaci analitycznej modelu
Doborze zmiennych objaśniających do modelu
Ocenie charakteru zależności pomiędzy zmienną endogeniczną a zmiennymi objaśniającymi
Ocenie struktury stochastycznej modelu
Przyczynami nieistotności parametrów strukturalnych są:
Nieodpowiednia jakość danych statystycznych
Stosowanie zmiennych zero-jedynkowych
Niska dokładność technik estymacji
Niewłaściwa postać analityczna modelu
W przypadku stwierdzenia istotnej autokorelacji rzędu pierwszego należy:
Usunąć przyczyny autokorelacji ???
Obliczyć pierwsze przyrosty dla zmiennych objaśniających
Obliczyć pierwsze przyrosty dla zmiennej endogenicznej
Zastosować procedurę estymacji w warunkach autokorelacji
Empiryczny wykres rozrzutu:
Wskazuje na kierunek zależności pomiędzy zmienną endogeniczną i zmiennymi objaśniającymi
c. d. (…)
Dany jest następujący model trendu: Yt=1+2t+ut oszacowany na podstawie danych z lat 2000-2012. Prawidłowa interpretacja parametru przy zmiennej czasowej to:
Wzrost zmiennej czasowej o 1 rok spowoduje wzrost zmiennej prognozowanej Yt o 2 jednostki
Jeżeli zmienna czasowa t przyjmie wartość zero, to zmienna prognozowana przyjmie wartość 2
W latach 2000-2012 zmienna prognozowana wzrastała średnio rzecz biorąc z roku na rok o 2 jednostki
W latach 2000-2012 zmienna prognozowana wzrastała z roku na rok o 2 jednostki
Do składowych szeregu czasowego zaliczamy:
Trend
Wahania przypadkowe
Wahania sezonowe
Wahania cykliczne
Przy budowie prognozy przedziałowej uwzględnia się:
Średni błąd predykcji
Współczynnik determinacji
Prognozę punktową
Współczynnik zmienności
Metoda najmniejszych kwadratów wymaga spełnienie następujących założeń:
Nie występuje autokorelacja składnika losowego
Zmienna endogeniczna jest zmienną losową
Model jest modelem liniowym
Zmienne objaśniające są zmiennymi losowymi
Estymator jest nieobciążony, jeśli:
Zmienne objaśniające są nielosowe
Jego wartość oczekiwana jest równa estymowanemu parametrowi
Zmienne objaśniające są współliniowe
Wariancja składnika losowego nie jest stała
Precyzję modelu ocenia się przez pryzmat:
(…)
Współczynnik zbieżności jest:
Miarą niedopasowania modelu do danych empirycznych
Przyjmuje wartości z przedziału [0,1]
Miarą jakości modelu
Stanowi próg dopuszczalności prognoz uzyskiwanych na podstawie modelu ekonometrycznego
Współczynnik korelacji liniowej pomiędzy zmienną endogeniczną a wybraną (…) oceny parametru strukturalnego modelu, to mówimy, że:
Zmienna jest koincydentna
Parametr można interpretować w sensie przyczynowo-skutkowym
Zmienna powinna zostać usunięta z modelu
Zmienna powinna pozostać w modelu
W regresji wielu zmiennych uwzględniane są:
Wszystkie możliwe zmienne objaśniające kształtujące zmienną endogeniczną
Tylko te zmienne objaśniające, które mają istotny wpływ na zmienną endogeniczną
Wybrana zostaje tylko jedna zmienna objaśniające, która istotnie kształtuje zmienną endogeniczną
Uwzględniane są wyłącznie zmienne objaśniające o charakterze ilościowym
Test serii służy do:
Badania poprawności postaci analitycznej modelu ???
Badania normalności reszt pochodzących z modelu
Badania losowości reszt pochodzących z modelu
Badania homoscedastyczności reszt pochodzących z modelu
(…)