Question |
Answer |
Test autokorelacji służy do weryfikacji hipotezy o poprawności wybranej metody estymacji modelu. start learning
|
|
|
|
|
Test Durbina-Watsona służy do testowania istotności autokorelacji dowlnego rzędu. start learning
|
|
|
|
|
Test homoskedastyczności służy do weryfikacji sferyczności wariancji składnika losowego. start learning
|
|
|
|
|
Test serii służy do weryfikacji poprawności postaci analitycznej modelu. start learning
|
|
|
|
|
Trend deterministyczny oznacza długotrwałe stałe zmiany w czasie zmiennej prognozowaniej. start learning
|
|
|
|
|
Trend deterministyczny oznacza krótkookresową skłonność zmiennej prognozowanej do określonych zmian, czyli spadku bądź wzrostu. start learning
|
|
|
|
|
W metodzie wskaźników pojemności informacji kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje maksymalna wartość integralnego wskaźnika pojemności informacyjnej. start learning
|
|
|
|
|
W metodzie wskaźników pojemności informacyjnej do modelu wejdzie ta kombinacja zmiennych objaśniających, dla której indywidualny wskaźnik pojemności informacyjnej jest maksymalny. start learning
|
|
|
|
|
W metodzie wskaźników pojemności informacyjnej indywidualne wskaźniki pojemności informacyjnej mogą przyjmować wartości ujemne. start learning
|
|
|
|
|
W metodzie wskaźników pojemności informacyjnej kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje maksymalna wartość integralnego wskaźnika pojemności informacyjnej. start learning
|
|
|
|
|
W metodzie wskaźników pojemności informacyjnej kombinację zmiennych objaśniających, które wejdą do modelu charakteryzuje minimalna wartość integralnego wskaźnika pojemności informacyjnej. start learning
|
|
|
|
|
W modelach adaptacyjnych parametry wygładzania szacowane są MNK. start learning
|
|
|
|
|
W modelach adaptacyjnych znana jest postać analityczna funkcji trendu. start learning
|
|
|
|
|
W modelach tendencji rozwojowej jedyną zmienna objaśniającą jest zmienna czasowa t. start learning
|
|
|
|
|
W modelach tendencji rozwojowej wymagane jest by zmienna czasowa była istotnie skorelowana ze zmienną endogeniczną. start learning
|
|
|
|
|
W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane między sobą. start learning
|
|
|
|
|
W modelu ekonometrycznym zmienne objaśniające są istotnie skorelowane ze zmienną endogeniczną. start learning
|
|
|
|
|
W modelu oszacowanym MNK suma wartości empirycznych zmiennej objaśnianej jest równa sumie jej wartości teoretycznych. start learning
|
|
|
|
|
W przypadku homoscedastyczności reszt modelu do oszacowania parametrów stosujemy klasyczną MNK. start learning
|
|
|
|
|
W przypadku modeli adaptacyjnych parametry wygładzania są bliskie jedności jeżeli wszystkie składowe szeregu czasowego podlegają szybkim zmianą w czasie. start learning
|
|
|
|
|
W przypadku modeli adaptacyjnych parametry wygładzania są bliskie jedności jeżeli wszystkie składowe szeregu czasowego zmieniają się szybko w czasie. start learning
|
|
|
|
|
W przypadku modeli adaptacyjnych parametry wygładzania są bliskie zeru jeżeli wszystkie składowe szeregu czasowego zmieniają się szybko w czasie. start learning
|
|
|
|
|
W przypadku występowania istotnej (dodatniej/ujemnej) autokorelacji składnika losowego parametry strukturalne modelu szacowane są podwójną MNK. start learning
|
|
|
|
|
W szeregu czasowym można wyróżnić trzy składowe: trend, wahania przypadkowe, wahania sezonowe. start learning
|
|
|
|
|
W teście Durbina-Watsona obszar niekonkluzywności testu oznacza możliwość podjęcia decyzji odnośnie autokorelacji składnika losowego bez konieczności obliczania statystyki testu. start learning
|
|
|
|
|
Wahania sezonowe addatywne charakteryzują się stałą w czasie amplitudą wahań. start learning
|
|
|
|
|
Wariancja reszt jest miarą struktury stochastcznej modelu. start learning
|
|
|
|
|
Wariancja resztowa jest miarą dopasowania modelu do danych empirycznych. start learning
|
|
|
|
|
Wartość oczekiwana składnika losowego dla modelu tendencji rozwojowej szacowanego MNK jest minimalna. start learning
|
|
|
|
|
Wartość oczekiwana składnika losowego modelu jest równa zero. start learning
|
|
|
|
|
Wartość oczekiwana składnika losowego modelu jest różna od zera. start learning
|
|
|
|
|
Wartość współczynnika determinacji rośnie wraz ze wzrostem liczby zmiennych objaśniających. start learning
|
|
|
|
|
Weryfikacja modelu sprowadza się do zbadania stopnia zgodności modelu z danymi empirycznymi, zbadania istotności wpływu poszczególnych zmiennych, zbadania własności składnika resztowego. start learning
|
|
|
|
|
Wskaźnik pojemności informacyjnej pewnej kombinacji zmiennych ma wartość wyższą od współczynnika determinacji tej kombinacji. start learning
|
|
|
|
|
Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [0,1]. start learning
|
|
|
|
|
Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [-1,1]. start learning
|
|
|
|
|
Współczynnik autokorelacji rzędu pierwszego r1 przyjmuje wartości z przedziału [-4,4]. start learning
|
|
|
|
|
Współczynnik determinacji informuje w jakim stopniu wariancja zmiennej endogenicznej Yt została wyjaśniona przez model ekonometryczny. start learning
|
|
|
|
|
Współczynnik determinacji R^2 można stosować w przypadku modeli nieliniowych sprowadzalnych do liniowych. start learning
|
|
|
|
|
Współczynnik determinacji R^2 można stosować w przypadku modeli stricte nieliniowych. start learning
|
|
|
|
|
Współczynnik determinacji R^2 można stosować wyłącznie w przypadku modeli liniowych. start learning
|
|
|
|
|
Współczynnik korelacji wielorakiej informuje o sile związku pomiędzy zmienną endogeniczną a wszystkimi zmiennymi objaśniającymi. start learning
|
|
|
|
|
Współczynnik rozbieżności Theila przybiera wartość równą zero w przypadku, gdy predykcja była idealnie dokładna. start learning
|
|
|
|
|
Współczynnik zbieżności informuje jaka część wariancji zmiennej endogenicznej nie została wyjaśniona przez model ekonometryczny. start learning
|
|
|
|
|
Współczynnik zmienności losowej jest miarą dopsowania modelu do danych empirycznych. start learning
|
|
|
|
|
Współczynnik zmienności losowej to współczynnik wyrazistości modelu. start learning
|
|
|
|
|
Współczynnik zmienności przypadkowej informuje nas ile procent średniej wartości zmiennej endogenicznej stanowi odchylenie standardowe reszt. start learning
|
|
|
|
|
Wszystkie elementy na głównej przekątnej macierzy wariancji i kowariancji są zawsze równe zero. start learning
|
|
|
|
|
Wybór postaci analitycznej modelu ekonometrycznego dokonywany jest na podstawie zależności występującej pomiędzy zmienną endogeniczną a poszczególnymi zmiennymi objaśniającymi, czyli tzw.: rozrzutu empirycznego. start learning
|
|
|
|
|
Wykres rozrzutu jest graficzną metodą identyfikacji postaci analitycznej modelu ekonometrycznego. start learning
|
|
|
|
|
Z punktu widzenia teorii prognozy ekonometrycznej im dalszy horyzont prognozy tym większy jest jej błąd ex ante. start learning
|
|
|
|
|
Zakłada się że reszty modelu ekonometrycznego oszacowanego MNK pochodzą z rozkładu normalnego. start learning
|
|
|
|
|
Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest najmniejsze. start learning
|
|
|
|
|
Zawsze wybrany zostaje model, dla którego kryterium informacyjne AIC (Akaika) jest największe. start learning
|
|
|
|
|
Zmienna czasowa zaliczana jest do grupy zmiennych endogenicznych modelu. start learning
|
|
|
|
|
Zmienna endogeniczna modelu ekonometrycznego może stanowić w pewnych sytuacjach zmienną prognozowaną. start learning
|
|
|
|
|
Zmienna stojąca przy parametrze wolnym w modelu ekonometrycznym przyjmuje zawsze wzystkie realizacje równe 1. start learning
|
|
|
|
|
Zmienne objaśniające nazywane są zmiennymi endogenicznymi. start learning
|
|
|
|
|
Zmienne objaśniające powinny być słabo skorelowane ze zmienną endogeniczną. start learning
|
|
|
|
|
Zmienne objaśniające w modelu ekonometrycznym szacowanym MNK są zmiennymi nie losowymi i tym samym nie są one skorelowane ze składnikiem losowym. start learning
|
|
|
|
|
Zmienne z góry ustalone określa się mianem zmiennych endogenicznych innych równań. start learning
|
|
|
|
|