201306261859

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