aparat (16)

Test nr 1 dla grupy Z4R2S0

lałf i nazwisko

Data

i mata

X Im frtką tw^iiHiBi j

mjtmmywmium mat 'ifcjjm&jt tif ./ fmimajtdeml fmmkt

łitej lut mifcr) mUJedmt) odptnrUjzi,

	<n	a-n	M-M	M-M	M-M	> /I
Omw	2	1® t	33	¥	Ts r	j

i.	Współczynnik korelacji wielorakiej, mierzący silę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:
	a) równy współczynnikowi determinacji dla tego modelu.
	b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu.	T
	c) niezwiązany z współczynnikiem determinacji dla tego modelu.
z	Wartość współczynnika determinacji dla liniowego modelu ekonometrycznego, do którego dołączono jeszcze jedną zmienna objaśniającą:
	a) rośnie.	T
	b) maleje.
	c) nie zmienia sw ojej wartości.
	d) może zarówno zmaleć, jak i wzrosnąć.
3.	Ze względu na kryterium liniowości względem parametrów strukturalnych, która z poniższych odpowiedzi jest prawdziwa dla następującej pary modeli postaci Y * a# + aiX* + e oraz In Y = ao + aiX^J + £
	a) liniowy, nieliniowy
	b) nieliniowy, liniowy.
	c) liniowy, liniowy.	T
	d) nieliniowy, nieliniowy.
4.	Macierz D^ł(a)=(X^,X)'^1 oznacza KMNK estymator macierzy wariancji-kowariancji estymatora wektora parametrów strukturalnych modelu liniowego. Dowolny element tej macierzy oznacza ocenę wartości:
	a) w ariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy.
	b) kowariancji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy.	T
	c) korelacji estymatorów parametrów strukturalnych odpowiadających odpowiednio wierszowi i kolumnie tej macierzy.
5.	Homoskedastyczność składnika losowego modelu liniowego oznacza:
	a) stałość wariancji tego składnika i brak jego autokorelacji.	T
	b) zmienność wariancji lego składnika i brak jego autokorelacji,
	c) stałość wariancji tego składnika i istnienie jego autokorelacji.
	dl zmienność wariancji tego składnika i istnienie jego autokorelacji.
6.	Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:
	a) tak.
	b) nie.	T
	c) nie ma znaczenia

7.	Jeżeli rozkład składnika losowego w modelu liniowym jest normalny, to w tym modelu 1 rozkład normalny mają także:
	a) zmienne objaśniające.
	b) zmienna objaśniana. | T
	c) parametry strukturalne.
8	Jakościowa zmienna objaśniająca przyjmuje n, (n> 1) wariantów Estymacja parametrów strukturalnych liniowego modelu ekonomctrycznego z wyrazem wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę 1 zmienną jakościową w liczbie:
	a) równej liczbie wariantów zmiennej jakościowej.
	b) większej od liczby wariantów zmiennej jakościowej o 1,
	c) mniejszej od liczby wariantów zmiennej jakościowej o 1.	r
9.	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:
	a) tak.
	b) nie.	T
10.	Zjawisko wspóltiniowości powoduje, że oszacowania KMNK parametrów strukturalnych przy skorelowanych zmiennych objaśniających są zwykle oceniane niezasłużenie jako.
	a) istotne.
	b) nieistotne.	T
U.	W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:
	a) objaśniające przesunięte i nieprzesunięte w czasie,
	b) objaśniające i zmienne objaśniane nieprzesuniete w czasie.
	c) objaśniane przesunięte w czasie oraz objaśniające przesunięte i nieprzesunięte w czasie.	T
	d) objaśniane i objaśniające przesunięte w czasie.
	e) objaśniane i objaśniające nieprzesunięte w czasie.
12.	Czy w prostym modelu wielorównaniowym zmienne łącznie współzależne są objaśniane wyłącznie za pomocą zmiennych z góry ustalonych:
	a) tak, |T
	b) nie,
	c) nie tylko.
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:
	a) większego o 1 od liczby równań w modelu.
	b) mniejszego o 1 od liczby równań w modelu	T
	c) równego liczbie równań w modelu.
14.	Pośrednia metoda najmniejszych kwadratów (PMNK) i podwójna metoda najmniejszych kwadratów (2MNK):
	a) są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych jednoznacznie i niejednoznacznie.
	b) są równoważne dla modeli wielorównaniowych o równaniach nieidentyfikowalnych.
	c) są równoważne dla modeli wielorównaniowych o równaniach identyfikowalnych tylko jednoznacznie.	T
	d) nie są sobie równoważne dla każdego liniowego modelu wielorównaniowego.