Analiza jakości modelu związana jest z analizą jego dopasowania do danych empirycznych |
T |
Analiza struktury stochastycznej modelu oznacza analizę wyłącznie reszt modelu. |
N |
Błąd prognozy ex post ME (błąd średni) obliczony dla liniowego modelu tendencji rozwojowej będzie zawsze równy zero |
N |
błąd wskazywany przez I22 (albo któryś) wynika z obciążoności |
N |
Błąd wyliczony na podstawie zrealizowanych prognoz to błąd ex ante |
N |
Błędne określenie opóźnień czasowych zmiennych objaśniających jest jednym ze źródeł autokorelacji składnika losowego |
T |
Błędne określenie postaci analitycznej modelu jest jednym ze źródeł autokorelacji składnika losowego |
T |
Błędne określenie zakresu badania jest jednym ze źródeł autokorelacji składnika losowego. |
N |
Błędy prognozy ex ante są błędami, których wartość ulega zmianie wraz ze wzrostem horyzontu prognozy. |
T |
Błędy prognozy ex post są błędami, których wartość ulega zmianie wraz ze wzrostem horyzontu prognozy |
N |
Budowa prognozy przedziałowej na podstawie modelu ekonometrycznego wymaga by był on modelem dynamicznym |
T |
Dany jest liniowy model tendencji rozwojowej Yt = 10t + 2+ut. Interpretacja parametru przy zmiennej czasowej oznacza, że zmienna prognozowana będzie wzrastać średnio rzecz biorąc z okresu na okres o 10 jednostek |
T |
Dany jest model ekonometryczny: Yt=-2X1t+3X2t+1+ut, Interpretacja parametru przy zmiennej X1t ma postać: wzrost X1t o 1 jednostkę spowoduje spadek Yt o 2 jednostki |
N |
Do estymacji modeli w których występuje heteroskedastyczność składników losowych lub niesferyczność możemy wykorzystać uogólnioną MNK Aitkena |
T |
do modelu wybieramy kombinacje zmiennych o najmniejszej H (pojemności integralnej) |
N |
Estymator "a" jest zgodny, nieobciążony i najefektywniejszy w klasie podobnych estymatorów |
T |
Estymator "a" parametru alfa jest efektywny jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa |
N |
Estymator "a" parametru alfa jest nieobciążony jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa |
N |
Estymator "a" parametru alfa jest zgodny jeśli jest stochastycznie zbieżny do szacowanego nieznanego parametru alfa. |
T |
estymator o najmniejszej wariancji jest zgodny |
N |
Etap specyfikacji modelu ekonometrycznego oznacza między innymi wybór postaci analitycznej modelu |
T |
Funkcja autokorelacji PACF stanowi tzw.: pamięć szeregu czasowego. |
N |
Główna przekątna macierzy wariancji i kowariancji jest zawsze dodatnio określona |
T |
Heteroscedastyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie. |
N |
heteroskedastyczność należy do założeń MNK |
N |
homoscedantyczność składnika losowego jest jednym z założeń klasycznej metody najmniejszych kwadratów |
T |
homoscedantyczność składnika losowego oznacza stałość wariancji składnika losowego w czasie |
T |
Homoscedastyczność składnika losowego jest jednym z założeń klasycznej MNK. |
T |
Homoscedastyczność składnika losowego oznacza niejednorodność wariancji składnika losowego w czasie. |
N |
Homoskedastyczność składnika losowego oznacza jednorodność wariancji składnika losowego w czasie |
T |
Identyfikowalność modeli badamy jedynie w przypadku modeli rekurencyjnych |
N |
Identyfikowalność modeli badamy jedynie w przypadku modeli rekurencyjnych. |
N |
Identyfikowalność modeli badamy jedynie w przypadku modeli wielorównaniowych |
N |
Identyfikowalność modeli badamy jedynie w przypadku modeli współzależnych |
T |
Integralny wskaźnik pojemności informacyjnej dla danej kombinacji zmiennych objaśniających stanowi sumę wskaźników indywidualnych dla tej kombinacji |
T |
Istotność parametrów strukturalnych modelu zależy m. in. od prawidłowej postaci analitycznej modelu |
T |
Jedną z przyczyn nieistotności parametrów strukturalnych modelu ekonometrycznego jest niewłaściwa postać analityczna. |
T |
jeśli dana zmienna objaśniająca jest koincydentalna to istnieją podstawy do interpretacji przyczynowo- skutkowej parametru przy niej stojącego |
|
Jeżeli dana zmienna objaśniająca jest koincydentna to istnieją podstawy do interpretacji przyczynowo-skutkowej parametru przy niej stojącego |
|
Jeżeli dana zmienna objaśniająca nie jest koincydentna to istnieją podstawy do interpretacji przyczynowo - skutkowej parametru przy niej stojącego |
|
Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna to model jest modelem o równaniach współzależnych |
N |
Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna, to model jest modelem prostym |
T |
Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna to model jest modelem prostym. |
T |
Jeżeli macierz B parametrów przy nieopóźnionych zmiennych endogenicznych jest diagonalna, to model jest modelem o równaniach współzależnych |
N |
jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że: ln(Yt) i ln(t) to model jest modelem logarytmicznym |
|
jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że ln(Y) i ln(t) to model jest modelem wykładniczym |
|
Jeżeli na zmiennych w nieliniowym modelu tendencji rozwojowej dokonujemy przekształcenia takiego, że mamy: Yt i z=1/t to model jest modelem hiperbolicznym |
|
Jeżeli oszacowany zostanie liniowy model tendencji rozwojowej na podstawie danych z lat 2000-20008 to parametr wolny będzie mówił o przeciętnym poziomie zmiennej prognozowanej w roku 1999 |
|
Jeżeli reszty modelu oszacowanego MNK pochodzą z rozkładu normalnego, to oznacza to spełnienie jednego z założeń MNK |
T |
Jeżeli składnik losowy jest heteroskedastyczny, to estymator wektora parametrów strukturalnych modelu uzyskany metodą najmniejszych kwadratów nie jest najbardziej efektywny |
|
Jeżeli składnik losowy jest homoscedastyczny to estymator wektora parametrów strukturalnych modelu uzyskany MNK jest najbardziej efektywny. |
|
Jeżeli statystyka testu Durbina - Watsona przyjmie wartość 3,3, to wskazuje na ujemną autokorelacje składnika losowego |
T |
Jeżeli w modelu tendencji rozwojowej parametr wolny jest równy zero, to oznacza to brak trendu/tendencji rozwojowej |
N |
Jeżeli w teście Durbina - Watsona d=dL to hipotezę zerową odrzucamy na korzyść hipotezy alternatywnej |
T |
Jeżeli w teście Durbina - Watsona d=dL to nie można podjąć decyzji o autokorelacji składnika losowego |
N |
Jeżeli w teście Durbina - Watsona d=dL to stwierdzamy brak podstaw do odrzucenia hipotezy zerowej |
N |
Jeżeli w teście Durbina - Watsona d>dU i r1>0, to ma miejsce brak autokorelacji składnika losowego |
T |
Jeżeli w teście Durbina - Watsona hipoteza alternatywna głosi ujemną autokorelację składnika losowego to koniecznie jest obliczenie dodatkowo statystyki d'= 4-d |
T |
Jeżeli w teście Durbina-Watsona hipoteza alternatywna głosi ujemną autokorelację składnika losowego, to konieczne jest obliczenie dodatkowo statystyki d'=4-d. |
T |
Jeżeli w teście Studenta wartość krytyczna odczytana z tablic jest większa od wartości bezwzględnej statystyki testu to brak podstaw do odrzucenia hipotezy zerowej. |
T |
Jeżeli w wyniku przeprowadzenia testu t-Studenta na istotność parametrów strukturalnych testowany parametr okaże się istotny, to zmienna objaśniająca stojąca przy nim, charakteryzuje się istotnym wpływem na zmienną endogeniczną |
T |
Jeżeli w wyniku przeprowadzenia testu t-Studenta na istotność parametrów strukturalnych testowany parametr okaże się nieistotny, to zmienna objaśniająca stojąca przy nim jest usuwana z modelu |
T |
Jeżeli wyznacznik macierzy det(X'X)=0 to istnieje estymator MNK |
N |
Jeżeli wyznacznik macierzy det(X'X)=0 to nie istnieje estymator MNK |
T |
Jeżeli wyznacznik macierzy det(X'X)=1 to nie istnieje estymator MNK |
N |
Jeżeli wyznacznik macierzy det(X'X)=25 to istnieje estymator MNK |
T |
Jeżeli znaki reszt uzyskanych na podstawie modelu oszacowanego MNK są „mniej więcej” na przemian, to istnieje podejrzenie o dodatnią autokorelację reszt modelu |
N |
Kolumna złożona z samych jedynek macierzy X reprezentuje realizacje zmiennej stojącej przy parametrze wolnym |
T |
Kolumna złożona z samych jedynek w macierzy [X'X] reprezentuje realizacje zmiennej stojącej przy parametrze wolnym |
N |
Kryterium dopuszczalności prognoz określane jest zawsze przez ekonometryka budującego prognozę |
N |
kryterium metody najmniejszych kwadratów zakłada MINIMALIZACJĘ sumy kwadratów reszt modelu |
T |
Kwadraty błędów szacunku leżą na głównej przekątnej macierzy wariancji i kowariancji |
T |
Liczba szacowanych parametrów w modelu musi być większa od liczby obserwacji na podstawie których model jest estymowany |
N |
Liniowy model tendencji rozwojowej ma zastosowanie w przypadku gdy zmienna prognozowana wykazuje trend i wahania przypadkowe |
|
Macierz [X'X] jest macierzą kwadratową |
T |
Macierz wariancji i kowariancji jest macierzą symetryczną |
T |
Macierz wariancji i kowariancji jest macierzą symetryczną względem głównej przekątnej |
T |
Macierz wariancji i kowariancji jest macierzą symetryczną. |
T |
Macierz współczynników korelacji jest macierzą symetryczną. |
T |
Metoda trendów jednoimiennych okresów ma zastosowanie w przypadku występowania sezonowości w szeregu czasowym |
T |
Metoda wskaźników pojemności informacyjnej ma zastosowanie przy doborze zmiennych objaśniających do modeli nieliniowych |
N |
miarami jakości modelu ekonometrycznego są miary dopasowania modelu do danych empirycznych |
T |
Miarami jakości modelu ekonometrycznego są miary dopasowania modelu do danych empirycznych oraz wahania przypadkowe |
T |
Miarami jakości modelu ekonometrycznego są miary struktury stochastycznej modelu |
T |
Miary dokładności predykcji Theila są miarami z grupy ex ante. |
N |
Miary dokładności predykcji Theila są miarami z grupy ex post |
T |
Model adaptacyjny Brona stosowany jest w przypadku gdy nie znany jest trend badanej zmiennej. |
T |
Model adaptacyjny Holta stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe |
T |
Model adaptacyjny Wintersa stosowany jest w przypadku gdy zmienna prognozowana wykazuje trend, wahania przypadkowe oraz wahania sezonowe |
|
Model dla którego współczynnik zbieżności jest równy 98% jest dobrym modelem |
N |
Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas, gdy zmienna prognozowana wykazuje trend oraz wahania przypadkowe |
N |
Model Kleina (ze zmiennymi zerojedynkowymi) ma zastosowanie wówczas, gdy zmienna prognozowana wykazuje trend, wahania przypadkowe i addytywne wahania sezonowe |
|
Model Kleina ma zastosowanie w przypadku sezonowości półrocznej |
T |
Model wielorównaniowy złożony jest dokładnie z tylu równań by przekroczyc ilość nieopóźnionych zmiennych endogenicznych |
N |
Model wielorównaniowy złożony jest dokładnie z tylu równań ile jest nieopóźnionych zmiennych endogenicznych |
T |
model wykładniczy można zapisać w postaci y~= ln (y) t~= ln (t) |
N |
model z Φ2=98% jest dobrym modelem |
N |
Modele tendencji rozwojowej są modelami analitycznymi |
T |
modele tendencji rozwojowej są modelami należącymi do metod analitycznych |
T |
Modelem dynamicznym jest każdy model, w którym występuje zmienna czasowa lub/i zmienna(e) opóźnione w czasie |
T |
Modelem statycznym jest każdy model ekonometryczny, który nie uwzględnia czynnika czasu |
T |
Na głównej przekątnej macierzy wariacji i kowariancji estymatorów parametrów strukturalnych modelu są wariancje estymatorów |
T |
Najmniejszych kwadratów pochodzą z rozkładu normalnego, to oznacza to spełnienie jednego z założeń metody najmniejszych kwadratów |
|
Nieistotność parametrów strukturalnych wynika m. in. z nieodpowiedniej jakości danych statystycznych |
T |
Nieistotność parametrów strukturalnych wynika m. in. z pominięcia istotnej zmiennej objaśniającej |
T |
Nieistotność parametrów strukturalnych wynika m.in. z niewłaściwej postaci analitycznej modelu |
T |
Nieistotność parametru może wynikać z pominięcia ważnych zmiennych |
T |
Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych założeń MNK dotyczących składnika losowego. |
N |
Niejednorodność wariancji i istotna autokorelacja rzędu pierwszego składnika losowego stanowią jedno z podstawowych odstępstw od założeń MNK dotyczących składnika losowego |
T |
Nośnikiem informacji jest każda potencjalna zmienna objaśniająca |
T |
O prognozie mówimy że jest dopuszczalna jeżeli jest wyznaczona z dokładnością do sześciu miejsc po przecinku |
N |
Ocena dopuszczalności prognozy dokonywana jest w oparciu o np. względny błąd predykcji |
T |
Odchylenie standardowe reszt jest miarą dopasowania modelu do danych empirycznych |
N |
Odchylenie standardowe reszt wyrażane jest w jednostce zmiennej endogenicznej |
T |
Okres weryfikacji prognoz to okres w którym znane są wartości rzeczywiste zmiennej prognozowanej oraz prognozy wygasłe. |
T |
Oszacowanie parametrów strukturalnych dowolnego modelu ekonometrycznego oznacza uzyskanie jedynie ich wartości szacunkowych. |
T |
parametr wolny w modelu ekonometrycznym nigdy nie podlega interpretacji |
T |
Pierwiastek współczynnika determinacji stanowi współczynnik korelacji wielorakiej |
T |
Pierwiastki obliczone z elementów znajdujących się na głównej przekątnej macierzy wariancji i kowariancji stanowią średnie błędy szacunku |
T |
Pominięcie istotnej zmiennej objaśniającej jest jedną z przyczyn występowania autokorelacji rzędu pierwszego składnika losowego. |
T |
Poziom ufności wynoszący 0,95, wyznaczony dla przedziałów ufności parametrów strukturalnych oznacza, że na 100 prób przedział nie pokryje prawdziwej wartości parametru strukturalnego |
N |
Poziom wiarygodności prognozy przyjmuje wartości z przedziału [-1, 1]. |
N |
Poziom wiarygodności w prognozie przedziałowej jest wartością krytyczną odczytana z tablic wartości krytycznych przedziału t-Studenta |
T |
Prognoza wygasła to taka prognoza dla której znana jest rzeczywista realizacja zmiennej prognozowanej |
T |
Przy budowie prognozy przedziałowej uwzględniana jest wartość predykcji punktowa oraz średni błąd predykcji. |
T |
Przy budowie prognozy przedziałowej uwzględniany jest średni błąd predykcji |
T |
Przy budowie prognozy przedziałowej uwzględniany jest względny błąd predykcji |
N |
Przy budowie prognozy przedziałowej uwzględniana jest wartość predykcji punktowa oraz średni błąd predykcji |
T |
Przyczyny autokorelacji to: błędne określenie opóźnień czasowych zmiennych występujących w modelu, przyjęcie niewłaściwej postaci analitycznej funkcji zmiennych objaśniających, fakt powolnego wygasania pewnych czynników przypadkowych i gdy trwają one dłużej niż okres przyjęty na jednostkę |
T |
Sezonowość addatywna oznacza multiplikatywne narastanie lub zanik wahań sezonowych w czasie. |
N |
Sezonowość addytywna oznacza stałą amplitudę wahań sezonowych w czasie |
T |
Sezonowość addytywna oznacza stałą amplitudę wahań sezonowych w czasie (multiplikatywne narastanie lub zanik) |
T |
Siła autokorelacji rzędu pierwszego mierzona jest statystyka Durbina Watsona |
T |
siła i kierunek autokorelacji rzędu pierwszego mierzona jest współczynnikiem autokorelacji rzędu pierwszego |
T |
składnik losowy jest homoskedastyczny gdy wariancja jest stała |
T |
Składnik losowy modelu jest zmienną losową. |
T |
Składnik losowy modelu reprezentowany jest przez składnik resztowy po oszacowaniu modelu |
T |
Spełnienie założeń MNK wymaga, by składnik losowy posiadał wartość oczekiwaną równą zero i wariancję równą 1 |
N |
Spełnienie założeń MNK wymaga, by składnik losowy posiadał wartość oczekiwaną równą zero i zmienną wariancję |
N |
Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza usunięcie pewnych równań |
N |
Sprowadzenie modelu wielorównaniowego do postaci zredukowanej oznacza rozwiązanie go ze względu na zmienne objaśniane |
T |
Statystyka testu Durbina - Watsona d przyjmuje wartości z przedziału [0,4]. |
T |
Statystyka testu Durbina - Watsona d przyjmuje wartości z przedziału [-4,0] |
N |
Statystyka testu Durbina - Watsona d przyjmuje wartości z przedziału [-4,4]. |
N |
Suma kwadratów reszt po oszacowaniu modelu MNK jest równa zero |
N |
Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK jest zawsze równa 1 |
N |
Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK ma wartość najmniejszą. |
T |
Suma kwadratów reszt uzyskanych na podstawie modelu ekonometrycznego oszacowanego MNK jest zawsze równa 0 |
N |
średnia ruchoma zaliczana jest do metod mechanicznych |
T |
Średnie błędy szacunku są miarami struktury stochastycznej modelu. |
N |
Średnie błędy szacunku są miarą dopasowania modelu do danych empirycznych |
N |
Średnie błędy szacunku są miarą precyzji oszacowania parametrów strukturalnych modelu |
T |
Test autokorelacji służy do weryfikacji hipotezy o poprawności wybranej metody estymacji modelu |
T |
Test Durbina - Watsona służy do testowania istotności autokorelacji dowolnego rzędu |
N |
Test homoskedastyczności służy do weryfikacji sferyczności wariancji składnika losowego |
T |
Test serii służy do weryfikacji poprawności postaci analitycznej modelu |
T |
Trend deterministyczny oznacza długotrwałe stałe zmiany w czasie zmiennej prognozowanej |
T |
Trend deterministyczny oznacza krótkookresową skłonność zmiennej prognozowanej do określonych zmian, czyli spadku bądź wzrostu |
N |
w budowie prognozy przedziałowej uwzględniamy średni błąd predykcji |
T |
w metodzie wskaźników pojemności informacji kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje maksymalna wartość integralnego wskaźnika pojemności informacyjnej |
T |
W metodzie wskaźników pojemności informacyjnej do modelu wejdzie ta kombinacja zmiennych objaśniających, dla której indywidualny wskaźnik pojemności informacyjnej jest maksymalny |
N |
W metodzie wskaźników pojemności informacyjnej indywidualne wskaźniki pojemności informacyjnej mogą przyjmować wartości ujemne |
N |
W metodzie wskaźników pojemności informacyjnej kombinacje zmiennych objaśniających, które wejdą do modelu charakteryzuje minimalna wartość integralnego wskaźnika pojemności informacyjnej |
N |
w modelach adaptacyjnych mamy trend i wahania przypadkowe |
T |
W modelach adaptacyjnych parametry wygładzania szacowane są MNK |
N |
W modelach adaptacyjnych znana jest postać analityczna funkcji trendu |
N |
w modelach tendencji rozwojowej jedyna zmienną objaśniającą jest zmienna czasowa t |
T |
W modelach tendencji rozwojowej wymagane jest, by zmienna czasowa była istotnie skorelowana ze zmienną endogeniczną |
T |
w modelu Browna występują wahania sezonowe |
T |
w modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane między sobą |
N |
W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane ze zmienną endogeniczną |
T |
W modelu oszacowanym MNK suma wartości empirycznych zmiennej objaśnianej jest równa sumie jej wartości teoretycznych. |
T |
W przypadku homoskedastyczności reszt modelu do oszacowania parametrów stosujemy klasyczną MNK |
T |
w przypadku modeli adaptacyjnych parametry wygładzania są bliskie 0, jeżeli wszystkie składowe szeregu czasowego zmieniają się szybko w czasie |
N |
w przypadku modeli adaptacyjnych parametry wygładzania są bliskie 1, jeżeli wszystkie składowe szeregu czasowego podlegają szybkim zmianom w czasie |
T |
w przypadku występowania istotnej (dodatniej/ujemnej) autokorelacji składnika losowego parametry strukturalne modelu szacowane są podwójną metodą najmniejszych kwadratów |
N |
w szeregu czasowym można wyróżnić trzy składowe: trend, wahania przypadkowe, wahania sezonowe
|
T |
W teście Durbina-Watsona obszar niekonkluzywności testu oznacza możliwość podjęcia decyzji odnośnie autokorelacji składnika losowego bez konieczności obliczania statystyki testu. |
N |
Wahania sezonowe addatywne charakteryzują się stałą w czasie amplitudą wahań. |
T |
Wariancja reszt jest miarą struktury stochastycznej modelu |
T |
Wariancja resztowa jest miarą dopasowania modelu do danych empirycznych. |
N |
Wartość oczekiwana składnika losowego dla modelu tendencji rozwojowej szacowanego MNK jest minimalna |
N |
Wartość oczekiwana składnika losowego modelu jest równa 0 |
T |
Wartość oczekiwana składnika losowego modelu jest różna od zera. |
N |
wartość współczynnika autokorelacji r1 należy do przedziału [0,1] |
N |
Wartość współczynnika determinacji rośnie wraz ze wzrostem liczby zmiennych objaśniających |
|
Weryfikacja modelu sprowadza się do zbadania stopnia zgodności modelu z danymi empirycznymi, zbadania istotności wpływu poszczególnych zmiennych, zbadania własności składnika resztowego |
T |
Wskaźnik pojemności informacyjnej pewnej kombinacji zmiennych ma wartość wyższą od współczynnika determinacji tej kombinacji |
N |
Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [0,1] |
N |
współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [-4,4] |
N |
Współczynnik autokorelacji rzędu pierwszego r1przyjmuje wartości z przedziału [-1, 1]. |
T |
Współczynnik determinacji informuje w jakim stopniu wariancja zmiennej endogenicznej Yt została wyjaśniona przez model ekonometryczny. |
T |
Współczynnik determinacji R2 można stosować w przypadku modeli nieliniowych sprowadzalnych do liniowych. |
T |
Współczynnik determinacji R2 można stosować w przypadku modeli stricte nieliniowych. |
N |
Współczynnik determinacji R2 można stosować wyłącznie w przypadku modeli liniowych. |
N |
Współczynnik korelacji wielorakiej informuje o sile związku pomiędzy zmienną endogeniczną a wszystkimi zmiennymi objaśniającymi |
T |
Współczynnik rozbieżności Thiela przybiera wartość równą 0, w przypadku gdy predykcja była idealnie dokładna |
T |
współczynnik zbieżności informuje jaka część wariancji zmiennej endogenicznej nie została wyjaśniona przez model ekonometryczny |
T |
Współczynnik zbieżności przyjmuje wartość od 0 do 1 |
T |
Współczynnik zmienności losowej jest miarą dopasowania modelu do danych empirycznych |
T |
Współczynnik zmienności losowej to współczynnik wyrazistości modelu. |
T |
Współczynnik zmienności przypadkowej informuje nas ile procent średniej wartości zmiennej endogenicznej stanowi odchylenie standardowe reszt. |
N |
Wszystkie elementy na głównej przekątnej macierzy wariancji i kowariancji są zawsze równe 0 |
N |
wybieramy model z max wartością funkcji AIC |
N |
Wybór postaci analitycznej modelu ekonometrycznego dokonywany jest na podstawie zależności występującej pomiędzy zmienną endogeniczną a poszczególnymi zmiennymi objaśniającymi, czyli tzw. rozrzutu empirycznego |
T |
Wykres rozrzutu jest graficzną metodą identyfikacji postaci analitycznej modelu ekonometrycznego. |
T |
Z punktu widzenia teorii prognozy ekonometrycznej im dalszy horyzont prognozy tym większy jest jej błąd ex ante |
T |
Zakłada się że reszty modelu ekonometrycznego oszacowanego MNK pochodzą z rozkładu normalnego. |
T |
zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest największe |
N |
Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest najmniejsze |
T |
Zmienna czasowa zaliczana jest do grupy zmiennych endogenicznych modelu |
N |
Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną |
T |
zmienna endogeniczna opóźniona i objaśniające to wartości z góry dane |
T |
Zmienna stojąca przy parametrze wolnym w modelu ekonometrycznym przyjmuje zawsze wszystkie realizacje równe 1 |
T |
zmienne objaśniające nazywane są zmiennymi endogenicznymi |
N |
Zmienne objaśniające powinny być silnie skorelowane ze zmienną endogeniczną |
T |
zmienne objaśniające powinny być silnie z sobą skorelowane |
N |
Zmienne objaśniające powinny być słabo skorelowane między sobą |
T |
zmienne objaśniające powinny być słabo skorelowane ze zmienną endogeniczną |
N |
Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi nie losowymi i tym samym nie są one skorelowane ze składnikiem losowym. |
N |
Zmienne z góry ustalone określa się mianem zmiennych endogenicznych innych równań |
N |
Zadania
1. a.Był podany model i należało opisać jak zmienia się Y gdy zmienia się x1 i x2
b. (coś co sprawiło mi najmniejszy problem bo tego nie pamiętam ale też jakaś charakterystyka podanego modelu)
c. R2=98% - co to oznacza
d. Su= xxx - co to oznacza
2. Test D-W
3. na podstawie tabeli oblicz Su, Su2 i D2(a) wyliczyć pierierwiastki z przekątnej macierzy (tabela była z u poukładane chronologicznie, macierz [XTX]-1 była podana)
1