z»
isowa
iwt ffMteję shwtow «armirmn progaawwą
*j Pm miirtr p*-^ "■‘"““i informuje o przeciętnej zmianie (wzrost spadek) zmiennej prognozowanej z ofaesu ns ok
^ j jw« Mogąoag wstecz dotyczyć przeciętnego pozioma procesu z przed okresu weryfikacji prognoz
0 * 7mfe«wta prognozw traktowana jest jako ekonomiczny proces stochastyczny z czasem dyskretnym
8. Jeżeli w modela ckoaometrycznym parametr stojący przy danej zmiennej objaśniającej jest nieistotnie różny od zer mówimy, że:
ą I 7mif*mą objaśniającą przy nim stojącą należy usunąć z modelu
Zmienna objaśniająca przy nim stojącą istotnie wpływa na zmienną endogeniczną
Zmienną objaśniającą przy nim sto jącą należy pozostawić w modelu Zmienną przy nim stojąca nie jest koincydcntna_
nr |
7 Zbadaniu czy model jest zgodny z rzeczywistością | ||
t B |
1 Ocenie precyzji modelu | ||
Hc] |
1 Ocenie własności predykcyjnych modelu | ||
Dl |
Ocenie czy spełnione są założenia metody najmniejszych kwadratów |
Po 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
11. W przypadku stwierdzenia Istotnej autokorelacji rzędu pierwszego mamy do czynienia z:
A Zależnością składnika losowego od jego realizacji z okresu poprzedniego
Utratą losowości składnika losowego
C Możliwością budowy dopuszczalnych prognoz
D I Obniżeniem efektywności estymacji parametrów strukturalnych modelu
12. Empiryczny wykres rozrzutu:
A 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