Analiza jakości modelu związana jest z analizą jego dopasowania do danych empirycznych. P
Analiza struktury stochastycznej oznacza analizę wyłącznie reszt modelu. P
Błąd prognozy ex post ME (błąd średni) obliczony dla liniowego modelu tendencji rozwojowej będzie zawsze równy zero. F
Błąd prognozy ex post obliczony dla liniowego modelu tendencji rozwojowej będzie zawsze równy zero. F
Błąd wyliczony na podstawie zrealizowanych prognoz to błąd ex-ante. F
Błędne określenie opóźnień czasowych zmiennych objaśniających jest jednym ze źródeł autokorelacji składnika losowego P
Błędne określenie postaci analitycznej modelu jest jednym ze źródeł autokorelacji składnika losowego. P
Błędne określenie zakresu badania jest jednym ze źródeł autokorelacji składnika losowego. F
Błędy prognozy ex ante są błędami, których wartość ulega zmianie wraz ze wzrostem horyzontu prognozy. T
Błędy prognozy ex post są błędami, których wartość ulega zmianie wraz ze wzrostem horyzontu prognozy F
Budowa prognozy przedziałowej na podstawie modelu ekonometrycznego wymaga by był on modelem dynamicznym.
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
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 wystepuje heteroscedastycznosc składników losowych lub niesferycznosc możemy wykożystac uogólniona MNK Aitkena P
Estymator "a" jest zgodny nieobciążony i najefektywniejszy w klasie podobnych estymatorów. T
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
Estymator a parametru alfa jest efektywny jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa. F
Etap specyfikacji modelu ekonometrycznego oznacza między innymi wybór postaci analitycznej modelu. P
Funkcja autokorelacji PACF stanowi tzw.: pamięć szeregu czasowego. F
Główna przekątna macierzy wariancji i kowariancji jest zawsze dodatnio określona P
Heteroscedantyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie. F
Homoscedantyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie. P
Homoscedastyczność składnika losowego jest jednym z założeń metody najmniejszych kwadratów. P
Homoscedastyczność składnika losowego oznacza jednorodność wariancji składnika losowego w czasie. P
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. F
Identyfikowalność modeli badamy jedynie w przypadku modeli współzależnych. T
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. T
Jeśli dana zmienna objaśniająca jest koincydentalna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego P
Jeżeli dana zmienna objaśniająca jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego. P
Jeżeli dana zmienna objaśniająca nie jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego. F
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 prostym. T
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 heteroscedastyczny, to estymator wektora parametrów strukturalnych modelu uzyskany metodą najmniejszych kwadratów nie jest najbardziej efektywny. P
Jeżeli składnik losowy jest homoscedantyczny to estymator wektora parametrów strukturalnych modelu uzyskany metodą najmniejszych kwadratów jest najbardziej efektywny F
Jeżeli statystyka testu Turbina Watsona przyjmie wartość 3,3, to wskazuje na ujemną autokorelacje składnika losowego P
Jeżeli w modelu tendencji rozwojowej parametr wolny jest równy zero, to oznacza to brak trendu/tendencji rozwojowej. F
Jeżeli w teście Durbina-Watsona d=d(l) to brak podstaw do odrzucenia hipotezy zerowej. 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>du i r1>0, to ma miejsce brak autokorelacji składnika losowego. T
Jeżeli w teście Durbina-Watsona hipoteza alternatywna głosi ujemną autokorelację składnika losowego to koniecznie jest obliczenie dodatkowo statystyki d'= 4-d. P
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 nieistotny, to zmienna objaśniająca stojąca przy nim, jest usuwana z modelu. P?
Jeżeli wyznacznik macierzy det(x'x)=0 to istnieje estymator MNK. F
Jeżeli wyznacznik macierzy det(X'X)=0 to nie istnieje estymator metody najmniejszych kwadratów 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
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 w macierzy [X'X] reprezentuje realizacje zmiennej stojącej przy parametrze wolnym. F
Kryterium dopuszczalności prognoz określane jest zawsze przez ekonometryka budującego prognozę. F
Kryterium metody najmniejszych kwadratów zakłada MINIMALIZACJĘ sumy kwadratów reszt modelu. P
Kwadraty błędów szacunku leżą na głównej przekątnej macierzy wariancji i kowariancji P
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. P
Macierz wariancji i kowariancji jest macierzą symetryczną P
Macierz wariancji i kowariancji jest macierzą symetryczną względem głównej przekątnej. P
Macierz współczynników korelacji jest macierzą symetryczną. P
Macierz X'X jest macierzą kwadratów P
Metoda trendów jednoimiennych okresów ma zastosowanie w przypadku występowania sezonowości w szeregu czasowym. T
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. T
Miary dokładności predykcji Theila są miarami z grupy ex ante. F
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 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 addytywne wahania sezonowe. P
Model Kleina ma zastosowanie w przypadku sezonowości półrocznej. ?
Model wielorównaniowy złożony jest dokładnie z tylu równań ile jest nieopóźnionych zmiennych endogenicznych. P
Modele tendencji rozwojowej są modelami należącymi do modeli analitycznych P
Modelem dynamicznym jest każdy model, w którym występuje zmienna czasowa lub/i zmienna(e) opóźnione w czasie P
Modelem statycznym jest każdy model ekonometryczny, który nie uwzględnia czynnika czasu. P
Na głównej przekątnej macierzy wariacji i kowariancji estymatorów parametrów strukturalnych modelu to wariacje estymatorów P
Nieistotność parametrów strukturalnych wynika m.in. z niewłaściwej postaci analitycznej modelu P
Nieistotność parametrów strukturalnych wynika między innymi z pominięcia istotnej zmiennej objaśniającej. T
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
Nośnikiem informacji jest każda potencjalna zmienna objaśniająca. T
O prognozie mówimy, że jest dopuszczalna jeżeli jest wyznaczona z dokładnością do sześciu miejsc po przecinku. F
Ocena dopuszczalności prognozy dokonywana jest w oparciu o np.: względny błąd predykcji. T
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 prognozownej oraz prognozy wygasłe. T
Oszacowanie parametrów strukturalnych dowolnego modelu ekonometrycznego oznacza uzyskanie jedynie ich wartości szacunkowych. 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 objaśnającej jest jedną z przyczyn występowania autokorelacji rzędu pierwszego składnika losowego. T
Poziom ufności wynoszący 0,95, wyznaczony dla przedziałów ufności parametrów strukturalnych oznacza, że na 100 prób przedział nie pokryje prawdziwej wartości parametru strukturalnego. F
Poziom wiarygodności prognozy przyjmuje wartości z przedziału [-1, 1] F
Poziom wiarygodności w prognozie przedziałowej jest wartością krytyczną odczytana z tablic wartości rozkładu 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 średni błąd predykcji. T
Przy budowie prognozy przedziałowej uwzględniany jest względny błąd predykcji 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 addytywna oznacza stałą amplitudę wahań sezonowych w czasie. 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 zmienną losową. T
Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu. P
Spełnienie założeń metody najmniejszych kwadratów wymaga by składnik losowy posiadał wartość oczekiwaną równą zero i wariancję równą 1. ??
Spełnienie założeń metody najmniejszych kwadratów wymaga by składnik losowy posiadał wartość oczekiwaną równą zero i zmienną wariancję. F
Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza usunięcie pewnych równań. F
Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza rozwiązanie go ze względu na zmienne objaśniane. T
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 MNK jest minimalna.(taka jest idea tej metody) P
Suma kwadratów reszt po oszacowaniu modelu metodą najmniejszych kwadratów jest równa zero. F
Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK jest zawsze równa jeden F
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 autokorelacji służy do weryfikacji hipotezy o poprawności wybranej metody estymacji modelu. T
Test homoskedastyczności służy do weryfikacji sferyczności wariancji składnika losowego. T
Test serii służy do weryfikacji poprawności postaci analitycznej modelu. T
Test Durbina Watsona służy do testowania istotności autokorelacji dowolnego rzędu F
Trend deterministyczny oznacza długotrwałe stałe zmiany w czasie zmiennej prognozowaniej. T
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 metodzie wskaźników pojemności informacyjnej indywidualne wskaźniki pojemności informacyjnej mogą przyjmować wartości ujemne. F
W metodzie wskaźników pojemności informacyjnej kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje minimalna wartość integralnego wskaźnika pojemności informacyjnej. F
W modelach adaptacyjnych parametry wygładzania szacowane są metodą najmniejszych kwadratów. F
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 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 homoscedastyczności reszt modelu do oszacowania parametrów stosujemy klasyczną MNK. T
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 modeli adaptacyjnych parametry wygładzania są bliskie jedności, jeżeli wszystkie składowe szeregu czasowego podlegają szybkim zmianom w czasie P
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
W teście Durbina - Watsona obszar niekonkluzywności testu oznacza możliwość podjęcia decyzji odnośnie autokorelacji składnika losowego bez konieczności obliczania statystyki testu. F
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 do danych empirycznych. F
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. P
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 autokorelacji rzędu pierwszego przyjmuje wartości z przedziału [-1, 1]. P
Współczynnik determinacji informuje w jakim stopniu wariancja zmiennej endogenicznej Y(t) została wyjaśniona przez model. P
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 determinacji R^2 można stosować wyłącznie w przypadku modeli liniowych. T
Współczynnik korelacji wielorakiej informuje o sile związku pomiedzy zmienna endogeniczna a wszystkimi zmiennymi objaśniającymi P
Współczynnik rozbieżności Theila przybiera wartość równą 0 w przypadku, gdy predykcja była idealnie dokładna. P
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 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.
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 metodą najmniejszych kwadratów pochodzą z rozkładu normalnego P
Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest najmniejsze P??
Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest największe. F
Zmienna czasowa zaliczana jest do grupy zmiennych endogenicznych modelu. F
Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną. P
Zmienna stojąca przy parametrze wolnym w modelu ekonometrycznym przyjmuje zawsze wszystkie realizacje równe 1. P
Zmienne objaśniające nazywane są zmiennymi endogenicznymi 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
Zmienne z góry ustalone określa się mianem zmiennych endogenicznych innych równań. F