r*Mn

<11

a-n

>*-"_

IS-I*

17-1$

>11

Oamm

■ ■ „1

J

S5

4

4J 1

S

l¹

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.