aparat (8)

Test nr 1 dla grupy Z4R2S0

Imię i nazwisko ........................9............................ Dala

I Z* P*4*T UrtfOtmim ; i

T* mc famwifaia znaku

air 7 famtŁ Za wjtnme błędnej lub *i<cti mit )rJ*r) odptnrlcdd. hkltmt i^TOwb' Mttmtjt nif Ifmmktiw.

cy fr~,    mtm Mrzfmm/r tif ■! (mbuaJaUm) punkt

r*Mn	<11	a-n	>*-"_	IS-I*	17-1$	>11
Oamm	■ ■ „1	J	S5	4	4J 1	S

l^1	Współczynnik korelacji wielorakiej, mierzący siłę związku pomiędzy zmiennymi objaśniającymi a zmienną objaśnianą w liniowym modelu ekonometrycznym jest:
	a) równy współczynnikowi determinacji dla lego modelu.
	b) równy pierwiastkowi kwadratowemu współczynnika determinacji dla tego modelu.	T #
	c) riiezwiązany z współczynnikiem determinacji dla tego modelu.
2.	Wartość współczynnika determinacji dla liniowego modelu ekonometiycznego, do którego dołączono jeszcze jedną zmienna objaśniającą:
	a) rośnie, £	T
	b) maleje.
	c) nie zmienia swojej 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^ł + e oraz lnY = ao + aiX^ł + e:
	a) liniowy, nieliniowy
	b) nieliniowy, liniowy.
	c) liniowy, liniowy. 0	T
	d) nieliniowy, nieliniowy.
4.	Macierz D^aj^Y^)'^1 oznacza KMNK estymator macierzy wariancji-kowariancji estymatora wektora parametrów strukturalnych modelu liniowego. Dowolny element tej macierzy oznacza ocenę wartości:
	a) wariancji 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.	riomoskedastyczność składnika losowego modelu liniowego oznacza:
	a) stałość wariancji tego składnika i brak jego autokorelacji.	T
	b) zmienność wariancji tego składnika i brak jego autokorelacji.
	c) stałość w ariancji tego składnika i istnienie jego autokorelacji.
	d) zmienność wariancji tego składnika i istnienie jego autokorelacji.
6.	Czy reszty modelu i jego zmienne objaśniające powinny być ze sobą skorelowane:
	») tak.
	b i 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, 0 T
	c) parametry strukturalne.
8.	Jakościowa zmienna objaśniająca przyjmuje n, (n>l) wariantów Estymacja parametrów strukturalnych liniowego modelu ckonometrycznego z wyrazem wolnym wymaga uwzględnienia sztucznych zmiennych zero-jedynkowych reprezentujących tę zmienną jakościową w liczbie:
	a) rów nej liczbie wariantów zmiennej jakościowej,
	b) większej od liczby wariantów zmiennej jakościowej o 1,
	c) mniejszej od liczby wariantów zmiennej jakościowej o l. A	r
9.	Wahania sezonowe multiplikatywne występują wtedy, gdy w poszczególnych sezonach 1 poziom badanego zjawiska reprezentowanego przez wartości zmiennej objaśnianej odchyla się od swojej tendencji rozwojowej o stalą wielkość bezwzględną
	ał tak.
	b) nie. 0	T
10.	Zjawisko współliniowości powoduje, 2e oszacowania KMNK parametrów strukturalnych przy skorelowanych zmiennych objaśniających są zwykle oceniane niezasluZenie jako.
	a) istotne.
	b) nieistotne. 0	T
11.	W modelu wielorównaniowym zmienne z góry ustalone obejmują tylko zmienne:
	a) objaśniające przesunięte i nieprzesunięte w czasie.
	b) objaśniające i zmienne objaśniane nieprzesunicte w czasie.
	c) objaśniane przesunięte w czasie oraz objaśniające przesunięte i 0 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, 01T
	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	1 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 identyfikowanych jednoznacznie i niejednoznacznie.
	b) są równoważne dla modeli wielorównaniowych o równaniach nieidentyfikowalnych.
	c) są równoważne dla modeli wielorównaniowych o równaniach idcntyfikowalnych tylko jednoznacznie.	|
	d) nie są sobie równoważne dla każdego liniowego modelu wielorównaniowego.