1. Współczynnik korelacji wielorakiej, mierzący siłę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:
b. równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu
2. wartość współczynnika determinacji dla liniowego modelu ekonometrycznego do którego dołączono jeszcze jedną zmienna objaśniającą:
a. rośnie
3. ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci
Y=a0+a1X2+e oraz lny=a0+a1X2+e
c. 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
b. kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiedniemu wierszowi i kolumnie tej macierzy
5. Homoskedastyczność składnika losowego modelu liniowego oznacza:
a. stałość wariancji tego składnika i brak jego autokorelacji
6. Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane?
b. nie
7. Jeżeli rozkład składnika losowego w modelu liniowm jest normalny to w tym modelu rozkład normalny mają także:
b. zmienna objaśniana
8. 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:
c. mniejszej od liczby wariantów zmiennej jakościowej o 1
10. zjawisko współliniowości powoduje ze oszacowania KMNK parametrów strukturalnych przy skorelowanych zmiennych objaśniających są zwykle oceniane niezasłużenie jako
b. nieistotne
13. 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:
b. mniejszego o 1 od liczby równań w modelu
15. współczynnik zbieżności oznacza:
b. względną wielkość nieobjaśnionej zmienności zmiennej objaśnianej
16. Pierwsze założenie Gaussa-Markowa mowi ze zależność miedzy zmienną objaśnianą i zmiennymi objaśniającymi nie zmienia się
a. dla wszystkich danych empirycznych (obserwacji)
17. Rozkład zmiennej objaśnianej jako zmiennej losowej w standardowym modelu liniowym zależy od
c. rozkładu składnika losowego
19. zjawisko autokorelacji składnika losowego modelu:
a. powoduje niedoszacowanie wartości współczynnika zbieżności
20. dla modelu postaci y1-a0+a1x1+e1? Spełniającego założenia Gaussa Markowa, warunkowa wartość oczekiwana zmiennej objaśnianej przy znanej wartości zmiennej objaśniającej jest równa:
a. E(y1|x1)= a0+a1x1
1.W przypadku modelu liniowego bez wyrazu wolnego współczynnik determinacji może przyjmować wartości:
b. <1
2. Czy w wyniku Shapiro-Wilka można:
b. niepotwierdzić normalności rozkładu reszt modelu
3. 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:
a. równej liczbie wariantów zmiennej jakościowej
8. Funkcja postaci y1=a0+a1x1+et powstała w wyniku estymacji modelu y1=a0+a1x1+et jest funkcją oznaczającą:
d. wartości empiryczne w próbie
9. Parametr strukturalny w liniowym modelu ekonometrycznym mierzy oczekiwaną zmianę zmiennej objaśnianej:
b. jako efekt zmiany o jedną jednostkę zmiennej objaśnianej z którą jest związany parametr strukturalny gdy wartości innych zmiennych objaśniających modelu pozostają niezmienione
10. Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym:
b. powinna być równa zeru
11. Heteroskedastyczność składnika losowego modelu liniowego oznacza:
c. niejednorodność wariancji składnika losowego
12. Wartość współczynnika determinacji dla tego samego modelu jest
a. większa od wartości skorygowanego współczynnika determinacji
13. Parametry strukturalne modelu są estymowane na podstawie danych empirycznych z obserwacji:
c. zmiennych objaśniających i zmiennej objaśnianej
14. jaki związek powinien zachodzić między zmienną objaśnianą a zmiennymi objaśniającymi?
b. zmienna objaśniana jest zależna od zmiennych objaśniających
15. Test Breuscha-Godfrey'a (BG) jest stosowany do weryfikacji hipotezy o występowaniu autokorelacji składnika losowego modelu:
a. dowolnego rzędu
16. zjawisko współliniowości oznacza występowanie silnej korelacji między:
a. zmiennymi objaśniającymi
17. Założenie Gaussa-Markowa dotyczące sferyczności składnika losowego modelu oznacza:
b. brak heteroskedastyczności i brak autokorelacji
18. Zjawisko autokorelacji składnika losowego modelu:
a. powoduje niedoszacowanie wartości współczynnika zbieżności
19. Czy założenie Gaussa-Markowa o tym ze zakłócenia które reprezentuje w modelu składnik losowy mają tendencję do wzajemnej redukcji oznacza, że te zakłócenia:
b. mają zerową wartość oczekiwaną
20. Czy w liniowym modelu ekonometrycznym średnie wartości zmiennej objaśnianej i teoretycznej zmiennej objaśnianej:
c. są równe sobie
1. Zjawisko współliniowości powoduje, że oszacowanie wariancji ocen KMNK parametrów strukturalnych związanych ze skorelowanymi zmiennymi objaśniającymi są:
a) bardzo duże
2. Test Durbina-Watsona jest stosowany do weryfikacji hipotez o występowaniu autokorelacji składnika losowego modelu:
c) tylko pierwszego rzędu
3. Wartość skorygowanego współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienna objaśniającą:
d) może zarówno zmaleć jak i wzrosnąć
4. Standardowy model linowy z wieloma zmiennymi objaśniającymi zawiera:
c) mniej zmiennych objaśniających niż parametrów strukturalnych
5. Zakłócenia losowe (składnik losowy) w modelu liniowym są uwzględniane jako składnik dodawany do:
c) liniowej postaci funkcji zmiennych objaśniających
6. Wartość estymatora parametrów strukturalnych liniowego modelu wyznacza się z zależności:
b) (XT*X)-1*XTy
7. Liczba danych empirycznych (obserwacji) zmiennej objaśnianej i zmiennych objaśniających:
c) musi być większa od liczby zmiennych objaśniających o więcej niż 1
8. Czy założenie Gaussa-Markowa, że wartości zmiennych objaśniających są nielosowe i ustalone w powtarzalnych próbach oznacza, że zmienna objaśniana:
a) nie zależy od zmiennych objaśniających w sensie wartości oczekiwanej
9. W klasycznej metodzie najmniejszych kwadratów (KMNK) kryterium jest:
b) suma kwadratów reszt modelu
10. Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:
b) rozkład sprawdzianu hipotezy zerowej
11. Statystyka jest:
c) funkcją określoną na próbie losowej
12. Sprawdzianem w teście istotności parametrów strukturalnych modelu liniowego jest wykorzystywana statystyka wyznaczano jako:
b) iloraz oceny parametru i odchylenia standardowego błędu jego oszacowania
13. Zjawisko dodatniej autokorelacji składnika losowego modelu, powoduje, ze oszacowania KMNK parametrów strukturalnych mogą być oceniane niezasłużenie jako:
a) istotne
14. Jako ocenę składnika lodowego modelu liniowego przyjmuje się:
c) wartość różnic pomiędzy wartościami empirycznymi i teoretycznymi zmiennej objaśnianej modelu
15. Czy kowariancja obliczana dla zmiennej objaśnianej Y i zmiennej objaśniającej X może przyjmować wartości:
c) zarówno dodatnie jak i ujemne, niezależnie od wartości przyjmowanych przez zmienne X i Y
16. Jeżeli wartość sprawdzianu hipotezy weryfikowanej obliczonej na podstawie próby lodowej należy do obszaru krytycznego, oznacza to, że:
b) odrzuca się hipotezę zerową
17. Współczynnik zbieżności osiąga wartość zero, gdy:
b) suma kwadratów reszt modelu jest równa 0
18. Wyraz wolny w modelu liniowym jest uwzględniany poprzez:
c) dołączenie kolumny jedynek nie zawsze jako pierwszej w macierzy obserwacji zmiennych objaśniających
19. współczynnik determinacji:
c) nie może być liczba ujemną
20. Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:
b) sformułowanie hipotezy alternatywnej
21. Jaki jest związek między resztami et a składnikami losowymi w modelu ekonometrycznym?
c) traktuje się je jako realizację składników losowych
22. Zmienność nieobjaśniona w modelu liniowym to suma:
b) kwadratów różnic wartości teoretycznych zmiennej objaśnianej od jej wartości empirycznych
23. Do porównania jakości dopasowania do danych empirycznych wariantów modelu liniowego z ta sama zmienną objaśnianą i rożną liczbą zmiennych objaśniających oraz wyrazem wolnym stosuje się:
b) skorygowany współczynnik determinacji
24. Czy brak podstaw do odrzucenie hipotezy zerowej H0 oznacza, że hipoteza ta:
d) może być hipotezą prawdziwą
25. Założenie Gaussa-Markowa o sferycznośći składnika losowego modelu oznacza :
b) brak heteroskedastyczności i brak autokorelacji
26. Zmienność objaśniona w modelu liniowym to suma:
c) kwadratów różnic wartości teoretycznych zmiennej objaśnianej od wartości średniej zmiennej objaśnianej
27. Model postaci yt = α0+ α 1xt + εt jest funkcją oznaczającą:
c) wartości empiryczne w populacji generalnej
28. Współczynnik korelacji wielorakiej mierzący siłę związku między zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:
b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu
29. Podstawa modelowania ekonometrycznego jest zjawisko zależności korelacyjnej. Zależność korelacyjna jest to zależność:
b) 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
30. Zjawisko autokorelacji składnika losowego:
a) powoduje niedoszacowanie wartości współczynnika zbieżności
31. Rozkład zmiennej objaśnianej jako zmiennej losowej w standardowym modelu liniowym zależy od:
c) rozkładu składnika losowego
32. Pierwsze założenie Gaussa-Markowa mówi, ze zależność między zmienną objaśnianą a zmiennymi objaśniającymi nie zmienia się:
a) dla wszystkich danych empirycznych (obserwacji)
33. Współczynnik zbieżności oznacza:
b) względna wielkość nieobjaśnionej zmienności zmiennej objaśnianej
34. Dla modelu postaci yt = α0+ α 1xt + εt spełniającego założenia Gaussa-Markowa warunkowa wartość oczekiwana zmiennej objaśnianej przy znanej wartości zmiennej objaśniającej jest równa:
a) E(yt|xt) = α0 + α1xt
Czy kowariancja …. Dla zmiennej objaśnianej Y i zmiennej objaśniającej X może przyjmować wartości:
- c) zazwyczaj dodatnie jak i ujemne……..
Czy brak podstaw do odrzucenia hipotezy zerowej (H0) oznacza, że hipoteza ta:
- d) może być hipotezą prawdziwą
Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:
- b) nie
Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:
a) nie
Czy w celu oszacowania parametrów strukturalnych modelu yt=alfa ebeta+1/x+e można go srowadzić do postaci liniowej:
-a) tak
Czy w liniowym modelu ekonometrycznym średnie wartości zmiennej objaśnianej i teoretycznej zmiennej objaśnianej:
-c) są sobie równe
Czy w prostym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane wyłącznie za pomocą zmiennych z góry ustalonych
- a) tak
Czy w rekurencyjnym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane:
- c) nie tylko za pomocą zmiennych z góry ustalonych
Czy w wyniku testu Jarque-Bera można:
-b) ani potwierdzić ani nie potwierdzić normalności rozkładu reszt modelu
-lub a) potwierdzić normalność rozkładu reszt modelu
Czy w wyniku testu Shapiro- Wilka można:
- b) niepotwierdzić normalności rozkładu reszt modelu
Czy założenie Gaussa- Markowa o tym, że wartości zmiennych objaśniających są nielosowe i ustalone w powtarzalnych próbach oznacza, że zmienna objaśniana:
-a) nie zależy od zmiennych objaśniających w sensie wartości oczekiwanej
Czy założenie Gaussa-Markowa o tym, że zakłócenia które reprezentuje w modelu składnik losowy mają tendencję do wzajemnej redukcji oznacza, że te zakłócenia:
-b) mają zerową wartość oczekiwaną
Dla modelu postaci yt=alfa0+ alfa1x1+et , spełniającego założenia Gaussa- Markowa warunkowa wartość oczekiwana zmiennej objaśnianej przy znanej wartości zmiennej objaśniającej jest równa:
- a) E(yt|xt)=alfa0+alfa1x1;
Do porównania jakości dopasowania do danych empirycznych wariantów modelu liniowego z tą samą zmienną objaśnianą i różną liczbą zmiennych objaśniających oraz wyrazem wolnym stosuje się:
-b) skorygowany współczynnik determinacji
Funkcja postaci yt=a0+ a1x1+et powstała w wyniku estymacji modelu yt=alfa0+ alfa1x1+et jest funkcją oznaczającą:
- d) wartości empiryczne w próbie
Heteroskedatyczność składnika losowego modelu liniowego oznacza:
- c) niejednorodność wariancji składnika losowego
Homoskedastyczność składnika losowego modelu liniowego oznacza:
- a) stałość wariancji tego składnika i brak jego autokorelacji
Homoskedastyczność składnika losowego modelu liniowego oznacza:
-c) stałość wariancji tego składnika i brak jego autokorelacji
Jaki jest związek między resztami ex a składnikami losowymi w modelu ekonometrycznym?
-c) traktuje się je jako realizację składników losowych
Jaki związek powinien zachodzić między zmienną objaśnianą a zmiennymi objaśniającymi?
- b) zmienna objaśniana jest zależna od zmiennych objaśniających
Jako ocenę składnika losowego modelu liniowego przyjmuje się:
-c) wartości różnic pomiędzy wartościami empirycznymi i teoretycznymi zmiennej objaśnianej modelu
Jakościowa zmienna objaśniająca przyjmuje n, (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego z wyrazem wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:
- c) mniejszej od liczby wariantów zmiennej jakościowej o 1
Jakościowa zmienna objaśniająca przyjmuje n, (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego bez wyrazu wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:
-a) równej liczbie wariantów zmiennej jakościowej
Jeśli macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą ……. To mamy do czynienia z modelem:
-a) prostym
Jeżeli rozkład składnika losowego w modelu liniowym jest normalny, to w tym modelu rozkład normalny mają także:
- b) zmienna objaśniana
Jeżeli wartość sprawdzianu hipotezy weryfikowanej obliczona na podstawie próby losowej należy do obszaru krytycznego, to oznacza, że:
-b) odrzuca się hipotezę zerową
Kryterium podziału modeli wielorównaniowych na modele proste, rekurencyjne i o równaniach współzależnych jest:
- b) macierze B parametrów strukturalnych modelu stojących przy zmiennych łącznie współzależnych
Liczba danych empirycznych zmiennej objaśnianej i zmiennych objaśniających:
-c) musi być większa od liczby zmiennych objaśniających więcej o 1
Liniowy układ wielorównaniowy jest ………………….. w postaci…… W postaci……
-a) prostym
Macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą:
- c) trójkątną
Macierz D^2(a)=(X^TX)^-1 oznacza KMNK estymator macierzy wariancji-kowariancji estymatora wektora parametrów strukturalnych modelu liniowego.Dowolny element tej macierzy oznacza ocenę wartości:
-b)kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy
Model postaci yt=alfa0+alfa1Xt+epsilont jest funkcją oznaczającą:
-c)wartości empiryczne w populacji generalnej
Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:
- b) rozkład sprawdzianu hipotezy zerowej
Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:
-b) sformuowanie hipotezy alternatywnej
Parametr strukturalny w liniowym modelu ekonometrycznym mierzy oczekiwaną zmianę zmienej objaśnianej
- b) jako efekt zmiany o jedną jednostkę zmiennej objaśniającej, z którą jest związany parametr strukturalny, gry wartości innych zmiennych objaśniających modelu pozostają niezmienione;
Parametry strukturalne modelu są estymowane na podstawie danych empirycznych z obserwacji:
-c) zmiennych objaśniających i zmiennej objaśnianej
Pierwsze założenie Gaussa- Markowa mówi, że zależność między zmienną objaśnianą i zmiennymi objaśniającymi nie zmienia się:
- a) dla wszystkich danych empirycznych (obserwacji)
Podstawą modelowania ekonometrycznego jest zjawisko zależności korelacyjnej. Zależność korelacyjna jest to zależność
-b) 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.
Pośrednia metoda najmniejszych kwadratów (PMNK) i podwójna metoda najmniejszych kwadratów (2MNK):
-c)są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych tylko jednoznacznie
Pośrednia metoda najmniejszych kwadratów może być stosowana do estymacji parametrów strukturalnych modelu wielorównaniowego o równaniach
- c) identyfikowanych tylko jednoznacznie
Rozkład zmiennej objaśnianej jako zmiennej losowej w standardowym modelu liniowym zależy od:
- c) rozkładu składnika losowego
Równanie w modelu wielorównaniowym jest identyfikowalne niejednoznacznie, jeżeli liczba zmiennych, które występują w modelu i jednocześnie nie występują w tym równaniu jest:
-a) większa od liczby równań w modelu pomniejszonej o 1
Sprawdzianem w teście istotności parametrów strukturalnych modelu liniowego jest wykorzystywana statystyka wyznaczana jako:
-b) iloraz oceny parametru i odchylenia standardowego błędu jego oszacowania;
Standardowy model liniowy z wieloma zmiennymi objaśniającymi zawiera:
- c) mniej zmiennych objaśniających niż parametrów strukturalnych
Statystyka jest:
- d) inną wielkością niż wymienione wyżej
Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym:
- b) powinna być równa 0
Test Breuscha- Godfrey'a (BG) jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:
-a) dowolnego rzędu
Test Durbina-Watsona na autokorelacje składnika losowego modelu może być stosowany w przypadku występowania opóźnionych zmiennych objaśniających w model:
-a) Nie
Test Durbina- Watsona jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:
- c) tylko rzędu pierwszego
W klasycznej metodzie najmniejszych kwadratów kryterium jest:
-b) suma kwadratów reszt modelu
W liniowych modelach tendencji rozwojowej z addytywnymi wahaniami sezonowymi przyjmuje się, że w ramach jednego roku suma efektów sezonowych:
- a) jest równa 0
W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:
- c) objaśniane przesunięte i nieprzesunięte w czasie
W przypadku modelu liniowego bez wyrazu wolnego współczynnik determinacji może przyjmować wartości
-b) <1
W sytuacji, gdy w procesie prognozowania nie znana jest rzeczywista wartość zmiennej objaśnianej w okresie prognozowania wyznacza się ocenę błędu prognozy:
-b) ex ante
W zredukowanej postaci modelu wielorównaniowego zmienne objaśniane łącznie współzależne są modelowane za pomocą:
-b) wszystkich zmiennych z góry ustalonych
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 wielk. bezwg.
- a) tak
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
-b)nie
Wartości estymatora parametrów strukturalnych liniowego modelu wyznacza się z zależności:
-b) (XTX)-1X1y
Wartość skorygowanego współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:
- d) może zarówno zmaleć, jak i wzrosnąć
Wartość współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:
- a) rośnie
Wartość współczynnika determinacji dla tego samego modelu jest:
- a) większa od wartości skorygowanego współczynnika determinacji;
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:
- b) mniejszego o 1 od liczby równań w modelu
Współczynnik determinacji osiąga wartość 1, gdy:
-b) suma kwadratów reszt modelu jest równa 0
Współczynnik determinacji:
- c) może być liczbą ujemną
Współczynnik korelacji wielorakiej, mierzący siłę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:
- b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu
Współczynnik zbieżności osiąga wartość 0, gdy:
-b) suma kwadratów reszt modelu jest równa 0
Współczynnik zbieżności oznacza:
- b) względną wielkość nieobjaśnionej zmienności zmiennej objaśnianej
Wyraz wolny w modelu liniowym jest uwzględniany poprzez:
-c) dołączenia kolumny jedynek nie zawsze jako pierwszej do macierzy obserwacji zmiennych objaśniających
Zakłócenia losowe w modelu liniowym są uwzględniane jako składnik dodawany do:
-c) liniowej postaci zmiennych objaśniających
Założenie Gaussa- Markowa dotyczące sferyczności składnika losowego modelu oznacza:
- b) brak heteroskedastyczności i brak autokorelacji
Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odp. jest prawdziwa dla następującej pary modeli postaci Y=alfa0+alfa1X2+e oraz lny= alfa0+ alfa1X2 +e:
- c) liniowy, liniowy
Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci lnY=alfa0+alfa1X2+e oraz lny=alfa0+lmalfa1X2+e:
-c) liniowy, liniowy
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
-b) nieliniowy, liniowy
Zjawisko autokorelacji składnika losowego modelu:
-b) Powoduje niedoszacowanie wartości współczynnika determinacji
Zjawisko autokorelacji składnika losowego modelu:
- a) powoduje niedoszacowanie wartości współczynnika zbieżności;
Zjawisko dodatniej autokorelacji składnika losowego modelu powoduje, że oszacowania KMNK parametrów strukturalnych mogą być oceniane niezasłużenie jako:
-a) istotne
Zjawisko współliniowości jest wadą:
-b) danych empirycznych zmiennych objaśniających
Zjawisko współliniowości oznacza występowanie silnej korelacji między:
-a) zmiennymi objaśniającymi
Zjawisko współliniowości powoduje, ze oszacowanie wariancji ocen KMNK parametrów strukturalnych związanych ze skorelowanymi zmiennymi objaśniającym, są:
- a) bardzo duże
Zjawisko współliniowości powoduje, że oszacowania KMNK parametrów strukturalnych przy skorelowanych smiennych objaśniających są zwykle oceniane niezasłużenie jako:
- b) nieistotne
Zmienność nieobjaśniona w modelu liniowym jest to suma:
-b)kwadratów różnic wartości teoretycznych zmiennej objaśnianej od jej wartości empirycznych
Zmienność objaśniona w modelu liniowym jest to suma:
- c)kwadratów różnic teoretycznych wartości zmiennej objaśnianej od wartości średniej zmiennej objaśnianej
Czy kowariancja …. Dla zmiennej objaśnianej Y i zmiennej objaśniającej X może przyjmować wartości:
- c) zazwyczaj dodatnie jak i ujemne……..
Czy brak podstaw do odrzucenia hipotezy zerowej (H0) oznacza, że hipoteza ta:
- d) może być hipotezą prawdziwą
Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:
- b) nie
Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:
a) nie
Czy w celu oszacowania parametrów strukturalnych modelu yt=alfa ebeta+1/x+e można go srowadzić do postaci liniowej:
-a) tak
Czy w liniowym modelu ekonometrycznym średnie wartości zmiennej objaśnianej i teoretycznej zmiennej objaśnianej:
-c) są sobie równe
Czy w prostym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane wyłącznie za pomocą zmiennych z góry ustalonych
- a) tak
Czy w rekurencyjnym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane:
- c) nie tylko za pomocą zmiennych z góry ustalonych
Czy w wyniku testu Jarque-Bera można:
-b) ani potwierdzić ani nie potwierdzić normalności rozkładu reszt modelu
-lub a) potwierdzić normalność rozkładu reszt modelu
Czy w wyniku testu Shapiro- Wilka można:
- b) niepotwierdzić normalności rozkładu reszt modelu
Czy założenie Gaussa- Markowa o tym, że wartości zmiennych objaśniających są nielosowe i ustalone w powtarzalnych próbach oznacza, że zmienna objaśniana:
-a) nie zależy od zmiennych objaśniających w sensie wartości oczekiwanej
Czy założenie Gaussa-Markowa o tym, że zakłócenia które reprezentuje w modelu składnik losowy mają tendencję do wzajemnej redukcji oznacza, że te zakłócenia:
-b) mają zerową wartość oczekiwaną
Dla modelu postaci yt=alfa0+ alfa1x1+et , spełniającego założenia Gaussa- Markowa warunkowa wartość oczekiwana zmiennej objaśnianej przy znanej wartości zmiennej objaśniającej jest równa:
- a) E(yt|xt)=alfa0+alfa1x1;
Do porównania jakości dopasowania do danych empirycznych wariantów modelu liniowego z tą samą zmienną objaśnianą i różną liczbą zmiennych objaśniających oraz wyrazem wolnym stosuje się:
-b) skorygowany współczynnik determinacji
Funkcja postaci yt=a0+ a1x1+et powstała w wyniku estymacji modelu yt=alfa0+ alfa1x1+et jest funkcją oznaczającą:
- d) wartości empiryczne w próbie
Heteroskedatyczność składnika losowego modelu liniowego oznacza:
- c) niejednorodność wariancji składnika losowego
Homoskedastyczność składnika losowego modelu liniowego oznacza:
- a) stałość wariancji tego składnika i brak jego autokorelacji
Homoskedastyczność składnika losowego modelu liniowego oznacza:
-c) stałość wariancji tego składnika i brak jego autokorelacji
Jaki jest związek między resztami ex a składnikami losowymi w modelu ekonometrycznym?
-c) traktuje się je jako realizację składników losowych
Jaki związek powinien zachodzić między zmienną objaśnianą a zmiennymi objaśniającymi?
- b) zmienna objaśniana jest zależna od zmiennych objaśniających
Jako ocenę składnika losowego modelu liniowego przyjmuje się:
-c) wartości różnic pomiędzy wartościami empirycznymi i teoretycznymi zmiennej objaśnianej modelu
Jakościowa zmienna objaśniająca przyjmuje n, (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego z wyrazem wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:
- c) mniejszej od liczby wariantów zmiennej jakościowej o 1
Jakościowa zmienna objaśniająca przyjmuje n, (n>1) wariantów. Estymacja parametrów strukturalnych liniowego modelu ekonometrycznego bez wyrazu wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:
-a) równej liczbie wariantów zmiennej jakościowej
Jeśli macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą ……. To mamy do czynienia z modelem:
-a) prostym
Jeżeli rozkład składnika losowego w modelu liniowym jest normalny, to w tym modelu rozkład normalny mają także:
- b) zmienna objaśniana
Jeżeli wartość sprawdzianu hipotezy weryfikowanej obliczona na podstawie próby losowej należy do obszaru krytycznego, to oznacza, że:
-b) odrzuca się hipotezę zerową
Kryterium podziału modeli wielorównaniowych na modele proste, rekurencyjne i o równaniach współzależnych jest:
- b) macierze B parametrów strukturalnych modelu stojących przy zmiennych łącznie współzależnych
Liczba danych empirycznych zmiennej objaśnianej i zmiennych objaśniających:
-c) musi być większa od liczby zmiennych objaśniających więcej o 1
Liniowy układ wielorównaniowy jest ………………….. w postaci…… W postaci……
-a) prostym
Macierz B parametrów strukturalnych stojących przy zmiennych łącznie współzależnych w wielorównaniowym modelu rekurencyjnym jest macierzą:
- c) trójkątną
Macierz D^2(a)=(X^TX)^-1 oznacza KMNK estymator macierzy wariancji-kowariancji estymatora wektora parametrów strukturalnych modelu liniowego.Dowolny element tej macierzy oznacza ocenę wartości:
-b)kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy
Model postaci yt=alfa0+alfa1Xt+epsilont jest funkcją oznaczającą:
-c)wartości empiryczne w populacji generalnej
Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:
- b) rozkład sprawdzianu hipotezy zerowej
Na postać obszaru krytycznego w procesie weryfikacji hipotezy statystycznej wpływ wywiera:
-b) sformuowanie hipotezy alternatywnej
Parametr strukturalny w liniowym modelu ekonometrycznym mierzy oczekiwaną zmianę zmienej objaśnianej
- b) jako efekt zmiany o jedną jednostkę zmiennej objaśniającej, z którą jest związany parametr strukturalny, gry wartości innych zmiennych objaśniających modelu pozostają niezmienione;
Parametry strukturalne modelu są estymowane na podstawie danych empirycznych z obserwacji:
-c) zmiennych objaśniających i zmiennej objaśnianej
Pierwsze założenie Gaussa- Markowa mówi, że zależność między zmienną objaśnianą i zmiennymi objaśniającymi nie zmienia się:
- a) dla wszystkich danych empirycznych (obserwacji)
Podstawą modelowania ekonometrycznego jest zjawisko zależności korelacyjnej. Zależność korelacyjna jest to zależność
-b) 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.
Pośrednia metoda najmniejszych kwadratów (PMNK) i podwójna metoda najmniejszych kwadratów (2MNK):
-c)są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych tylko jednoznacznie
Pośrednia metoda najmniejszych kwadratów może być stosowana do estymacji parametrów strukturalnych modelu wielorównaniowego o równaniach
- c) identyfikowanych tylko jednoznacznie
Rozkład zmiennej objaśnianej jako zmiennej losowej w standardowym modelu liniowym zależy od:
- c) rozkładu składnika losowego
Równanie w modelu wielorównaniowym jest identyfikowalne niejednoznacznie, jeżeli liczba zmiennych, które występują w modelu i jednocześnie nie występują w tym równaniu jest:
-a) większa od liczby równań w modelu pomniejszonej o 1
Sprawdzianem w teście istotności parametrów strukturalnych modelu liniowego jest wykorzystywana statystyka wyznaczana jako:
-b) iloraz oceny parametru i odchylenia standardowego błędu jego oszacowania;
Standardowy model liniowy z wieloma zmiennymi objaśniającymi zawiera:
- c) mniej zmiennych objaśniających niż parametrów strukturalnych
Statystyka jest:
- d) inną wielkością niż wymienione wyżej
Średnia arytmetyczna reszt modelu z addytywnym składnikiem losowym:
- b) powinna być równa 0
Test Breuscha- Godfrey'a (BG) jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:
-a) dowolnego rzędu
Test Durbina-Watsona na autokorelacje składnika losowego modelu może być stosowany w przypadku występowania opóźnionych zmiennych objaśniających w model:
-a) Nie
Test Durbina- Watsona jest stosowany do weryfikowania hipotezy o występowaniu autokorelacji składnika losowego modelu:
- c) tylko rzędu pierwszego
W klasycznej metodzie najmniejszych kwadratów kryterium jest:
-b) suma kwadratów reszt modelu
W liniowych modelach tendencji rozwojowej z addytywnymi wahaniami sezonowymi przyjmuje się, że w ramach jednego roku suma efektów sezonowych:
- a) jest równa 0
W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:
- c) objaśniane przesunięte i nieprzesunięte w czasie
W przypadku modelu liniowego bez wyrazu wolnego współczynnik determinacji może przyjmować wartości
-b) <1
W sytuacji, gdy w procesie prognozowania nie znana jest rzeczywista wartość zmiennej objaśnianej w okresie prognozowania wyznacza się ocenę błędu prognozy:
-b) ex ante
W zredukowanej postaci modelu wielorównaniowego zmienne objaśniane łącznie współzależne są modelowane za pomocą:
-b) wszystkich zmiennych z góry ustalonych
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 wielk. bezwg.
- a) tak
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
-b)nie
Wartości estymatora parametrów strukturalnych liniowego modelu wyznacza się z zależności:
-b) (XTX)-1X1y
Wartość skorygowanego współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:
- d) może zarówno zmaleć, jak i wzrosnąć
Wartość współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienną objaśniającą:
- a) rośnie
Wartość współczynnika determinacji dla tego samego modelu jest:
- a) większa od wartości skorygowanego współczynnika determinacji;
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:
- b) mniejszego o 1 od liczby równań w modelu
Współczynnik determinacji osiąga wartość 1, gdy:
-b) suma kwadratów reszt modelu jest równa 0
Współczynnik determinacji:
- c) może być liczbą ujemną
Współczynnik korelacji wielorakiej, mierzący siłę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:
- b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu
Współczynnik zbieżności osiąga wartość 0, gdy:
-b) suma kwadratów reszt modelu jest równa 0
Współczynnik zbieżności oznacza:
- b) względną wielkość nieobjaśnionej zmienności zmiennej objaśnianej
Wyraz wolny w modelu liniowym jest uwzględniany poprzez:
-c) dołączenia kolumny jedynek nie zawsze jako pierwszej do macierzy obserwacji zmiennych objaśniających
Zakłócenia losowe w modelu liniowym są uwzględniane jako składnik dodawany do:
-c) liniowej postaci zmiennych objaśniających
Założenie Gaussa- Markowa dotyczące sferyczności składnika losowego modelu oznacza:
- b) brak heteroskedastyczności i brak autokorelacji
Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odp. jest prawdziwa dla następującej pary modeli postaci Y=alfa0+alfa1X2+e oraz lny= alfa0+ alfa1X2 +e:
- c) liniowy, liniowy
Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci lnY=alfa0+alfa1X2+e oraz lny=alfa0+lmalfa1X2+e:
-c) liniowy, liniowy
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
-b) nieliniowy, liniowy
Zjawisko autokorelacji składnika losowego modelu:
-b) Powoduje niedoszacowanie wartości współczynnika determinacji
Zjawisko autokorelacji składnika losowego modelu:
- a) powoduje niedoszacowanie wartości współczynnika zbieżności;
Zjawisko dodatniej autokorelacji składnika losowego modelu powoduje, że oszacowania KMNK parametrów strukturalnych mogą być oceniane niezasłużenie jako:
-a) istotne
Zjawisko współliniowości jest wadą:
-b) danych empirycznych zmiennych objaśniających
Zjawisko współliniowości oznacza występowanie silnej korelacji między:
-a) zmiennymi objaśniającymi
Zjawisko współliniowości powoduje, ze oszacowanie wariancji ocen KMNK parametrów strukturalnych związanych ze skorelowanymi zmiennymi objaśniającym, są:
- a) bardzo duże
Zjawisko współliniowości powoduje, że oszacowania KMNK parametrów strukturalnych przy skorelowanych smiennych objaśniających są zwykle oceniane niezasłużenie jako:
- b) nieistotne
Zmienność nieobjaśniona w modelu liniowym jest to suma:
-b)kwadratów różnic wartości teoretycznych zmiennej objaśnianej od jej wartości empirycznych
Zmienność objaśniona w modelu liniowym jest to suma:
- c)kwadratów różnic teoretycznych wartości zmiennej objaśnianej od wartości średniej zmiennej objaśnianej
10