Font size
S
M
L
XL
WorksheetsPi$$
Total questions: 89
Worksheet time: 1hrs 29mins
Name
Class
Date
1.
W dobrze zachowującym się modelu wielorównaniowym:
a)
W modelu dynamicznym nie da się wyznaczyć mnożników pośrednich
b)
Wartość mnożników pośrednich wygasają
c)
W modelu dynamicznym wartości mnożników pośrednich pokazują jaki jest wpływ zmian zmiennej egzogenicznej na zmienne endogeniczne w kolejnych okresach
d)
Wartość mnożników pośrednich rosną
2.
Reszta w modelu ekonometrycznym to:
a)
Inaczej wartość empiryczn
b)
Współczynnik determinacji, ale wyrażony w procentach
c)
Inaczej wartość teoretyczna
d)
Różnica dla danej obserwacji o numerze t pomiędzy wartością rzeczywistą zmiennej objaśnianej a wartością teoretyczną tej zmiennej
3.
Błąd prognozy w przypadku prognozowania na podstawie modeli ekonometrycznych:
a)
Możemy zdekomponować na błąd wynikający z nieprecyzyjnego oszacowania parametrów modelu, błąd związany z błędami szacunku zmiennych objaśniających oraz błąd wynikający ze stochastycznego charakteru procesu
b)
Ponieważ prognozy na podstawie modeli ekonometrycznych szacowane są w oparciu o prognozowane wartości zmiennych objaśniających to błąd prognozy jest zawsze większy niż w przypadku stosowania metod mechanicznych prognozowania
c)
Jest zawsze mniejszy niż w przypadku stosowania metod mechanicznych prognozowania
d)
Da się wyznaczyć tylko w przypadku, gdy znamy rzeczywiste wartości zmiennych objaśniających
4.
Do warunków stosowalności klasycznej metody najmniejszych kwadratów należy:
a)
Sferyczność składnika losowego
b)
Brak autokorelacji składnika losowego
c)
Homoskedastyczność składnika losowego
d)
Brak heteroskedastyczności składnika losowego
5.
Którego z poniższych modeli nie można wykorzystać do prognozowania ex ante w dowolnym horyzoncie czasu:
a)
Modelu Holta dla α=0,5 i β=0,3
b)
Modelu trendu liniowego yt*=b0+b1t
c)
Modelu Browna dla α=0,5
d)
Modelu autoregresyjnego AR (2): yt*= α 0+ α 1yt-1+ α 2yt-2
6.
Dany jest liniowy model trendu ceny (w zł) pewnego wyrobu w okresie 1990-1997: yt*= 100-10t, t=1,…,8. Na podstawie otrzymanych wyników wnioskujemy, że:
a)
Model można wykorzystać do prognozowania ex ante do roku 20002
b)
Cena wyrobu w badanym okresie spadła przeciętnie z okresu na okres o 10zł
c)
Prognoza ex post ceny wyrobu w roku 1990 wyniosła 90zł
d)
Cena wyrobu spadła w badanym okresie przeciętnie z okresu na okres o 90zł, tj. (100-10)zł
7.
Dany jest liniowy model trendu sprzedaży telewizorów (w szt.) postaci: Y(t)=150-15t oszacowany na podstawie danych obejmujących lata 2008-2017 (t=1,..,10)
a)
Prognoza sprzedaży na rok 2016 wynosi 15 szt
b)
Model daje wiarygodne prognozy przynajmniej do roku 2020
c)
Sprzedaż telewizorów w badanym okresie spadała z roku na rok przeciętnie o 15%
d)
Sprzedaż telewizorów w badanym okresie spadała z roku na rok przeciętnie o 15 szt
8.
Model ekonometryczny to model:
a)
W którym występują trzy parametry α,β i γ zwany modelem Wintersa
b)
Postaci w=Фρ + σv, gdzie w – płaca przeciętna, ρ – indeks cen, v – wydajność pracy, zaś Ф i σ – parametry modelu
c)
Który można wykorzystać do prognozowania ex ante w dowolnym horyzoncie czasu pod warunkiem ustalenia wartości zmiennych objaśniających w horyzoncie prognozy
d)
Który można wykorzystać do prognozowania ex post
9.
Dany jest model Browna Ft = αyt+βFt-1, F1=y1,y*t+1=F1, α+β=1, t=1,…,10, F10=11,4, próba miesięczna styczeń 2001-październik 2001, MAPE=4,6%. Na podstawie informacji wnioskujemy, że:
a)
Prognoza y*t+1 na listopad 2001 była równa 11,4
b)
Parametr α=2, zaś parametr β=-1
c)
Prognoza y* na grudzień 2001 była równa 11,4
d)
Model można wykorzystać do prognozowania krótkookresowego (do stycznia 2002), gdyż błąd MAPE<5%
10.
Dokończ następujące zdanie: „modele wygładzenia…”
a)
„… mogą zawierać tzw. Parametry (stałe) wygładzenia należące do przedziału (0,1)”
b)
„… to np. modele Browna i Holta”
c)
„… to np. modele Browna i średniej ruchomej ważonej”
d)
„… wymagają od badacza znajomości teorii ekonomii w celu zbudowania poprawnej specyfikacji modelu”
e)
„… pozwalają prognozować szeregi statystyczne zarówno ex post, jak i ex ante”
11.
Wartość mnożników pośrednich:
a)
Można ustalić na podstawie analizy postaci zredukowanej modelu ekonometrycznego
b)
Można ustalić na podstawie analizy postaci końcowej modelu ekonometrycznego
c)
Informują o jednoczesnej zmianie wartości wszystkich zmiennych egzogenicznych bez opóźnień czasowych na skutek jednostkowej zmiany wybranej zmiennej endogenicznej w tym samym momencie czasu
d)
Można ustalić na podstawie symulacji modelu w sytuacji, gdy ma on postać nieliniową
12.
Czy współzależny model ekonometryczny to model, w którym:
a)
Wartość mnożników można wyznaczać wyłącznie w drodze symulacji
b)
Macierz współczynników (parametrów) stojących przy zmiennych endogenicznych bez opóźnień czasowych jest macierzą diagonalną
c)
Wśród zmiennych z góry ustalonych znajdują się zmienne endogeniczne bez opóźnień czasowych
d)
Nie występują związki jednoczesne, tj. w tym samym momencie czasu, między zmiennymi endogenicznymi bez opóźnień czasowych
e)
Żadna
13.
Dana jest macierz mnożników bezpośrednich , gdzie ICD, to zmienne endogeniczne zaś r, G to zmienne egzogeniczne, odpowiedz na poniższe pytanie:
a)
Spadek konsumpcji (C) o 1 jednostkę w okresie t spowoduje spadek wydatków rządowych (G) o 0,3 jednostki w okresie t
b)
Wzrost stopy procentowej (r) o 1 jednostkę w okresie t spowoduje spadek konsumpcji (C) o 0,2 jednostek w okresie t
c)
Wzrost wydatków rządowych (G) o 1 jednostkę w okresie t spowoduje wzrost inwestycji (I) o 0,7 jednostki w okresie t oraz spowoduje wzrost dochodu (D) o 2 jednostki w okresie t
d)
Wzrost stopy procentowej (r) o 1 jednostkę w okresie t spowoduje spadek inwestycji (I) o 0,1 jednostki w okresie t
14.
Wartość mnożników bezpośrednich:
a)
Można ustalić na podstawie analizy postaci zredukowanej modelu ekonometrycznego
b)
Można ustalić na podstawie analizy postaci zredukowanej i końcowej modelu ekonometrycznego
c)
Informują o jednoczesnej zmianie wartości wszystkich zmiennych endogenicznych bez opóźnień czasowych na skutek jednostkowej zmiany wybranej zmiennej egzogenicznej w tym samym momencie czasu
d)
Należy ustalić na podstawie symulacji modelu w symulacji, gdy ma n postać nieliniową
15.
Dane są modele: (1) y*t=100+1,5X1t+2,5X2t, (2) X*1t=10+1,2t, (3) X*2t=20+4t+0,5t2, t=1,…,20, próba miesięczna (styczeń 2000-sierpień 2001). Na podstawie przedstawionych wyników wnioskujemy, że:
a)
Prognoza X*2t w październiku 2001 była równa 350 jednostek
b)
Modele (2) i (3) to modele tendencji rozwojowej
c)
Prognoza y*t we wrześniu 2001 wyniosła 964,05 jednostek
d)
Modelu (1) nie można wykorzystać do prognozowania ex ante
16.
Dany jest model: y*t=4+1,5X1t-0,5X2t, dla którego otrzymano następujące błędy prognoz wygasłych: średni błąd absolutny MAE=10, pierwiastek z błędu średniokwadratowego RMSE=20, błąd średni ME=0. Na podstawie otrzymanych wyników wnioskujemy, że prognozy:
a)
Mogą być różnokierunkowe, gdyż ME=0, MAE>0 i RMSE >0
b)
Są niedoszacowane dla każdego t, gdyż błąd MAE jest dodatni, zaś błąd ME=0
c)
Zawierają obserwacje nietypowe, gdyż RMSE>MAE
d)
Są idealnie trafne, gdyż błąd ME=0
17.
Dany jest model: (1) Y*t= α0 + α1X1t + α2X2t, t,…,20, dla którego wyniki:
Wiadomo ponadto, że: (2) X*1t= 12 + 3,5t i (3) X*2t= 100 + 0,7X2,t-1. Wnioskujemy, że:
a)
Modelu (1) nie można wykorzystać do prognozowania ex ante
b)
Modelu (1) nie można wykorzystać do prognozowania, gdyż cechuje się złymi własnościami statystycznymi
c)
W celu wyznaczenia prognoz ex post zmiennej y należy wyznaczyć prognozy zmiennych objaśniających X1,X2, tj. X*1 i X*2
d)
Parametru modelu są nieistotne statystycznie
e)
Parametru modelu są istotne statystycznie
18.
Horyzont prognozy to:
a)
Miara błędu ex post
b)
Najdalszy okres, w którym prognoza jest dopuszczalna
c)
Próba statystyczna, dla której szacuje się parametry modelu ekonometrycznego
d)
Okres empirycznej weryfikacji prognoz ex post
19.
Do prognozy ceny wykorzystany zostanie model trendy postaci: y^=50-6T, który został wyestymowany na danych z lat 1991-1996, t=1,…6
a)
Prognoza ex post cany za rok 1991 wynosi 50
b)
Cena w badanym okresie spadała przeciętnie z okresu na okres o 5 jednostek
c)
Model można wykorzystać do wyprognozowania ex ante poziomu ceny na rok 2000
d)
Nie można ocenić przydatności tego modelu do prognozowania ex ante na rok 2000 bez znajomości błędów prognoz ex post
e)
Żadna
20.
Błędy ex ante:
a)
Określają dokładność prognozy
b)
Służą ocenie dopuszczalności prognozy
c)
Można wyznaczyć tylko dla metod wygładzania wykładniczego, gdyż proces prognozowania przebiega w sposób mechaniczny, a parametry modeli nie podlegają estymacji
d)
Oblicza się na podstawie wartości rzeczywistych i modelowych szeregu statystycznego
21.
Metoda naiwna z trendem może być wykorzystywana do:
a)
Szeregu cechującego się wahaniami przypadkowymi bez tendencji rozwojowej
b)
Rosnącego szeregu statystycznego
c)
Szeregu, w którym występują zmiany tendencji rozwojowej (punkty zwrotne procesu)
d)
Malejącego szeregu statystycznego
22.
Metoda naiwna z trendem może być wykorzystywana do:
a)
Szeregu, który charakteryzuje się zmiennym w czasie przerostem zmiennej
b)
Szeregu czasowego z wahaniami sezonowymi wokół stałej
c)
Stabilnie rosnącego w czasie szeregu czasowego
d)
Stabilnie malejącego w czasie szeregu czasowego
23.
Błędy ex post:
a)
Można wyznaczyć wyłącznie dla okresu empirycznej weryfikacji prognoz
b)
Służą ocenie stabilności ocen parametrów modelu ekonometrycznego
c)
Wyznacza się tylko w sytuacji, gdy prognozy są dopuszczalne
d)
Oblicza się na podstawie wartości empirycznych i teoretycznych szeregu statystycznego
24.
Model ekonometryczny:
a)
to między innymi model Wintera, w którym występują parametry α,β i γ
b)
to model postaci U=α+βQ
c)
można wykorzystać do prognozowania ex-post
d)
można wykorzystać do prognozowania ex ante w dowolnym horyzoncie czasu (pod warunkiem posiadania zmiennych objaśniających)
25.
Na podstawie pewnej metody prognozowania otrzymano następujące wartości błędów prognozy ex post: MAE-10, RMSE-50, ME=0. Na podstawie podanych wartości można powiedzieć, że:
a)
Występują obserwacje nietypowe, ponieważ RMSE>MAE
b)
Średnio mylimy się o 10% (MAE=10)
c)
Prognozy są przeszacowane, ponieważ MAE>0
d)
Prognozy są idealnie trafne, ponieważ błąd średni ME=0
26.
Błędy prognozy ex post:
a)
Służą do oceny zgodności parametrów modelu z teorią ekonomii
b)
Oblicza się na podstawie wartości empirycznych i teoretycznych szeregu czasowego
c)
Służą do oceny stopnia dopasowania prognoz do danych rzeczywistych
d)
Można je wyznaczyć na dowolny okres w przyszłości
27.
Prognoza to:
a)
Przez prognozę rozumiemy sąd o zajściu określonego zdarzenia w czasie określonym z dokładnością do momentu (punktu) lub okresu (przedziału) czasu, należącego do przyszłości
b)
Prognozą statystyczną nazywać będziemy każdy sąd, którego prawdziwość jest zdarzeniem losowym, przy czym prawdopodobieństwo tego zdarzenia jest znane i wystarczająco duże dla celów praktycznych
c)
Prognozą jest stan zmiennej prognozowanej w należącym do przyszłości momencie lub okresie t , otrzymany z modelu tej zmiennej przy przyjęciu założenia, że model będzie aktualny w chwili, na którą określa się prognozę
d)
Prognozowanie (predykcja) to racjonalne, naukowe przewidywanie przyszłych zdarzeń
28.
Wybierz odpowiedź:
a)
Przewidywanie to wnioskowanie o zdarzeniach znanych na podstawie zdarzeń nieznanych
b)
Przewidywanie to wnioskowanie o zdarzeniach nieznanych na podstawie zdarzeń znanych
c)
Przewidywanie dotyczy prognozowania tylko zdarzeń przyszłych
d)
Wnioskowanie o zdarzeniach, które zajdą w czasie późniejszym niż czynności przewidywania, nazywamy przewidywaniem przyszłości
29.
W przypadku prognozowania na podstawie modeli ekonometrycznych, prawdziwe są następujące stwierdzenia:
a)
Nie można wyznaczyć błędów prognozy ex post
b)
Nie można wyznaczyć prognozy ex ante jeżeli nie znamy wartości zmiennych objaśniających
c)
W celu wyznaczenia prognozy ex ante musimy znać rzeczywiste (dostępne w danych statycznych) przyszłe wartości zmiennych objaśniających
d)
Błąd prognozy zmiennej objaśnianej jest równy błędowi szacunku wartości parametrów modelu
e)
Żadna
30.
Modele wygładzania:
a)
mogą zawierać parametry stałe wygładzania z przedziału (0,1)
b)
pozwalają na tworzenie szeregów ex-post i ex-ante
c)
to przykładowo model Holta
d)
wymagają gruntownego podłoża teoretycznego z zakresu ekonomii w celu zbudowania poprawnej specyfikacji modelu
31.
Metoda Gaussa-Seidla:
a)
Służy do estymacji parametru modelu ekonometrycznego
b)
Może nie dawać rozwiązania
c)
Wymaga modyfikacji równań modelu aby uzyskać zbieżność
d)
Nie jest używana ze względu na skomplikowane przekształcenia równań różniczkowych
32.
Model ekonometryczny służący prognozowaniu:
a)
Zawiera zmienne z góry ustalone
b)
Obliczamy metodą uśredniania błędów
c)
Jego parametry pozwalają wyznaczyć wartości mnożników
d)
Nie może zawierać zmiennych zer-jedynkowych
33.
Symulacja
a)
Jest to analiza scenariuszowa przy różnych założeniach
b)
Jest to technika służąca do wyznaczania błędów prognoz ex post
c)
Jest to technika numerycznego rozwiazywania układów równań
d)
Jest to technika służąca do wyznaczania prognoz na podstawie wielorównaniowych modeli ekonometrycznych
34.
Model Holta to metoda, która:
a)
Z definicji specyfikuje dwa parametry, tj. α i β, dla których α ε (0,1), β ε (0,1) i α+β=1
b)
Jest wykorzystywana do szeregów z sezonowością miesięczną i kwartalną
c)
Pozwala prognozować szeregi statystyczne w dowolnym horyzoncie czasu
d)
Należy do metod wygładzania wykładniczego
35.
Model Holta:
a)
Jest modelem wygładzenia wykładniczego, w którym stosuje się do szeregów z trendem
b)
Którego parametry przyjmuje się na podstawie oszacowań modelu autoregresyjnego
c)
W którym należy oszacować wykładniczą funkcję trendu
d)
Jest modelem wygładzenia wykładniczego, w którym stosuje się do szeregów z trendem i sezonowością
36.
Czy współzależny liniowy model ekonometryczny to model, w którym:
a)
Podwójna metoda MNK daje zgodne i nieobciążone oceny parametrów strukturalnych i asymptotycznie nieefektywne
b)
Źródłem niezgodności estymatora MNK parametrów strukturalnych jest zależność zmiennych objaśniających od składnika losowego
c)
Wartości mnożników można wyznaczyć wyłącznie w drodze symulacji
d)
Klasyczna metoda MNK daje zgodne estymatory parametrów strukturalnych
37.
Model przeszacowuje prognozy, gdy:
a)
MPE<0
b)
MPE=0
c)
MPE>0
d)
MPE jest niewłaściwą miarą do takiego wnioskowania
38.
Symulacja dynamiczna:
a)
To iteracyjne rozwiązanie układu równań w celu osiągnięcia najbardziej dokładnych wyników
b)
To rozwiązanie układu równań przy wykorzystaniu wyników z wcześniejszych obliczeń
c)
To rozwiązanie układu równań przy wykorzystaniu bazy danych ze zmiennymi endogenicznymi
d)
To rozwiązanie układu równań dynamicznie zmieniające się w zależności od uzyskanych przybliżeń wartości parametrów
39.
Na podstawie poniższych informacji odpowiedz na kolejne pytania (in, przy nazwie zmiennej oznacza logarytm naturalny
a)
Jeżeli przeciętny dochód gospodarstwa domowego wzrośnie o 1 zł/osobę to popyt na drożdżówki wzrośnie o ok. 0,36 zł w tym samym okresie, przy założeniu pozostałych czynników na dotychczasowym poziomie.
b)
Jeżeli przeciętny dochód gospodarstwa domowego wzrośnie o 1 zł/osobę to popyt na drożdżówki wzrośnie o ok. 0,36 % w tym samym okresie, przy założeniu pozostałych czynników na dotychczasowym poziomie.
c)
Znaku parametru stojącego przy zmiennej ln_y nie jest poprawny ekonomicznie zatem nie interpretujemy parametru.
d)
Jeżeli przeciętny dochód gospodarstwa domowego wzrośnie o 1 % to popyt na drożdżówki wzrośnie o ok. 0,36% w tym samym okresie, przy założeniu pozostałych czynników na dotychczasowym poziomie.
40.
Na podstawie poniższych informacji odpowiedz na kolejne pytania (in, przy nazwie zmiennej oznacza logarytm naturalny
a)
Składnik losowy ma rozkład normalny
b)
Odrzucamy H0 o normalności rozkładu składnika losowego
c)
Na podstawie testu nie ma podstaw do odrzucenia hipotezy zerowej o autokorelacji składnika losowego
d)
W modelu występuje istotna autokorelacja składnika losowego
41.
Na podstawie poniższych informacji odpowiedz na kolejne pytania (in, przy nazwie zmiennej oznacza logarytm naturalny
a)
Znaku parametru stojącego przy zmiennej ln_p nie jest poprawny ekonomicznie
b)
Znaku parametru stojącego przy zmiennej ln_p jest poprawny ekonomicznie
c)
Znaku parametru stojącego przy zmiennej u_08 jest poprawny ekonomicznie
d)
Znaku parametru stojącego przy zmiennej ln_y jest poprawny ekonomicznie
42.
Na podstawie poniższych informacji odpowiedz na kolejne pytania (in, przy nazwie zmiennej oznacza logarytm naturalny
a)
Zmienność zmiennej objaśniającej została w ok 57% wyjaśniona przez zmienność zmiennych objaśnianych
b)
Zmienność zmiennych objaśnianej została w ok. 57% wyjaśniona przez zmienność zmiennych objaśniających
c)
Wartości teoretyczne są dopasowane do empirycznych w ok 57%
d)
Zmienność zmiennej objaśnianej została w 0,57% wyjaśniona przez zmienność zmiennych objaśniających
43.
Oszacowano następujący model: Yt = α0 + α1Xt + α2Zt + εt otrzymując (ln oznacza lograytm naturalny zmiennej). LnYt = 10,5 + 0,2lnXt – 0,3lnZt :
a)
Jeżeli zmienna Y wzrośnie w okresie t o 1 zł, to zmienna X w tym samym okresie wzrośnie o ok 0,2 zł ceteris paribus
b)
Jeżeli zmienna X wzrośnie w okresie t o 1 zł, to zmienna Y w tym samym okresie wzrośnie o ok 0,2 zł, ceteris paribus
c)
Jeżeli zmienna X wzrośnie w okresie t o 1%, to zmienna Y w tym samym okresie wzrośnie o ok 0,2%. Ceteris paribus
d)
Jeżeli zmienna Z wzrośnie w okresie t o 2 zł, to zmienna Y w tym samym okresie spadnie o ok. 0,6 zł, ceteris paribus
44.
Model Wintersa
a)
Należy do metod wygładzania wykładniczego
b)
Pozwala szacować prognozę w dowolnym horyzoncie
c)
Specyfikuje trzy parametry wygładzania: α,β,γ takie że α+β+γ=1
d)
Jest wykorzystywany do prognozowania szeregów z wahaniami sezonowymi, trendem oraz wahania losowymi
45.
Algorytm Gaussa-Seidela:
a)
Jest to metoda estymacji parametrów modeli ekonometrycznych
b)
Ma zastosowanie do iteracyjnego wyznaczenia prognoz zmiennych endogenicznych w modelach wielorównaniowych
c)
Jest to metoda estymacji parametrów mająca zastosowanie w przypadku modeli o równaniach łącznie współzależnych
d)
Jest to technika numerycznego rozwiązywania układów
46.
W szeregu przedstawionym na wykresie można wyróżnić następujące składowe szeregu czasowego:
a)
Występują wyłącznie odchylenia losowe wokół stałej
b)
Występuje wyłącznie poziom stały i odchylenia sezonowe
c)
Występują: trend, odchylenie sezonowe, odchylenie losowe
d)
Występuje wyłącznie trend i odchylenie sezonowe
47.
Dla przykładu szeregu czasowego przedstawionego na wykresie można zaproponować następujące metody prognozowania:
a)
Model Wintersa
b)
Model Holta
c)
Model autoregresyjny
d)
Metoda naiwna prosta
48.
Oszacowano następujący model: Xt = α0 + α1Y1t + α2Y2t + εt otrzymując (wszystkie zmienne są wyrażone w złotych). Xt = 10,5 + 2Y1t - 3Y2t :
a)
Jeżeli zmienna Y1 wzrośnie w okresie t o 1 %, to zmienna x w tym samym okresie wzrośnie o ok. 2 %, ceteris paribus
b)
Jeżeli zmienna Y2 wzrośnie w okresie t o 1 zł, to zmienna X w tym samym okresie wzrośnie o ok. 3 zł, ceteris paribus
c)
Jeżeli zmienna Y2 wzrośnie w okresie to 2 zł, to zmienna X w tym samym okresie spadnie o ok. 6 zł, ceteris paribus
d)
Jeżeli zmienna X wzrośnie w okresie to 1 zł, to zmienna Y1 w tym samym okresie wzrośnie o ok. 2 zł, ceteris paribus
49.
Błąd specyfikacji polega na:
a)
Wystąpienie błędu rachunkowego podczas estymacji KMNK
b)
Pominięciu ważnej zmiennej objaśniającej
c)
Przyjęciu niepoprawnej postaci funkcyjnej modelu
d)
Pominięciu ważnej zmiennej objaśnianej
50.
Aby móc prognozować na podstawie modeli ekonometrycznych powinny być spełnione następujące warunki:
a)
Składnik losowy nie powinien być sferyczny
b)
Składnik losowy powinien mieć stały rozkład w czasie
c)
Postać modelu i wzajemne oddziaływanie zmiennych ujętych w modelu powinny być stałe w czasie bowiem zakłada się, że związki między badanymi zmiennymi w przyszłości będą takie same jak w przeszłości
d)
Składnik losowy powinien być sferyczny
51.
Przykładem funkcji trendu, które można zastosować do prognozowania zjawiska cechującego się coraz wolniejszym wzrostem jest:
a)
Trend logarytmicznych
b)
Trend potęgowy
c)
Trend wykładniczy
d)
Trend liniowy
52.
Dany jest następujący model ekonometryczny:
a)
Jeżeli cena batonów MARS spadnie o 10% to można oczekiwać wzrostu popytu na te batony o ok. 1,5% ceteris paribus
b)
Jeżeli cena batonów MARS wzrośnie o 1 zł/szt to można oczekiwać spadku popytu na te batony o ok. 0,15 szt. Ceteris paribus
c)
Jeżeli przeciętne dochody konsumentów wzrosną o 100 zł/os. To można oczekiwać wzrostu popytu na batony MARS o ok. 8000 szt. Ceteris paribus
d)
Jeżeli cena konkurencyjnych batonów TWIX wzrośnie o 1% to można oczekiwać spadku popytu na batony TWIX o ok. 8% ceteris paribus
53.
Dany jest następujący model ekonometryczny:
Ct= α0 + α1Rt + α2Pt + εt
Gdzie:
Ct – sprzedaż komputerów (w tyś. sztuk)
Rt – nakłady na reklamę (w tyś. zł)
Pt – cena komputera (w tyś. zł)
Parametry tego modelu oszacowano za pomocą MNK na próbie danych rocznych od 2005 do 2016 roku i otrzymano następujące wyniki:
C*t= 86 + 0,4Rt - 3Pt
a)
Zakładając, że pozostałe czynniki są na stałym poziomie, można stwierdzić, że wzrost ceny komputera o 1% powoduje spadek sprzedaży komputerów o 3 tyś. sztuk
b)
Jeśli przyjmie się, że w 2017 roku wartość nakładów na reklamę wyniesie 100 tyś. zł, a cena komputera 2 tyś. zł, to prognoza sprzedaży na podstawie modelu na 2017 rok wyniesie 120 tyś. sztuk
c)
Jeśli przyjmie się, że w 2017 roku wartość nakładów na reklamę wyniesie 80 tyś. zł, a cena komputera 3 tyś. zł, to prognoza sprzedaży na podstawie modelu na 2017 rok wyniesie 99 tyś. sztuk
d)
Zakładając, że pozostałe czynniki są na stałym poziomie, można stwierdzić, że wzrost ceny komputera o 1 tyś. zł powoduje wzrost sprzedaży komputerów o 400 sztuk
54.
Zmienna Yt przyjmuje kolejno w okresach od t=1 do t=5 następujące wartości: 30, 90, 70, 50, 10.
a)
Prognoza ex post zmiennej Yt w okresie t=5 na podstawie dwuelementowej średniej ważonej danej wzorem: Y*t = 0,4 Yt-2 + 0,6Yt-1 ma zerowy błąd.
b)
Prognoza ex post zmiennej Yt w okresie t=5 na podstawie średniej ważonej prostej trzyelementowej (k=3) wynosi 70
c)
Prognoza ex ante zmiennej Yt na jeden okres do przodu na podstawie średniej ruchomej prostek dwuelementowej (k=2) wynosi 30
d)
Prognoza ex ante zmiennej Yt na jeden okres do przodu na podstawie dwuelementowej średniej ważonej danej wzorem: Y*t = 0,4 Yt-2 + 0,6Yt-1 wynosi 26.
55.
Dany jest następujący model ekonometryczny:
a)
Jeżeli cena badanego wyrobu w grudniu 2017 r. wynosiłaby 20zł/szt. a przeciętne dochody konsumentów w listopadzie 2017 r. 6tys./os. to można oczekiwać, iż sprzedaż w styczniu 2018 r. wynosiłaby ok. 150 szt.
b)
Jeżeli rzeczywista sprzedaż tego wyrobu w styczniu 2018 r. wynosiła 145 szt. to można powiedzieć, iż prognoza na podstawie tego modelu wskazywała na przeszacowanie o ok. 3,4%
c)
Jeżeli cena badanego wyrobu w grudniu 2017 r. wynosiłaby 10zł/szt. a przeciętne dochody konsumentów w listopadzie 2017 r. 4,5tys./os. to można oczekiwać, iż sprzedaż w styczniu 2018 r. wynosiłaby ok. 150 szt.
d)
Jeżeli cena badanego wyrobu w grudniu 2017 r. wynosiłaby 5zł/szt. a przeciętne dochody konsumentów w tym samym miesiącu 4tys./os. to można oczekiwać, iż sprzedaż w styczniu 2017 r. wynosiłaby ok. 137,5 szt.
56.
Dany jest następujący model ekonometryczny:
a)
Jeżeli cena badanego wyrobu w grudniu 2017 r. wynosiłaby 10zł/szt. a przeciętne dochody konsumentów w listopadzie 2017 r. 4,5tys./os. to można oczekiwać, iż sprzedaż w styczniu 2018 r. wynosiłaby ok. 150 szt.
b)
Jeżeli rzeczywista sprzedaż tego wyrobu w styczniu 2018 r. wynosiła 150 szt. to można powiedzieć, iż prognoza na podstawie tego modelu wskazywała na przeszacowanie o ok. 6,67%
c)
Jeżeli cena badanego wyrobu w grudniu 2017 r. wynosiłaby 10zł/szt. a przeciętne dochody konsumentów w listopadzie 2017 r. 4,5tys./os. to można oczekiwać, iż sprzedaż w styczniu 2018 r. wynosiłaby ok. 140 szt.
d)
Jeżeli cena badanego wyrobu w grudniu 2017 r. wynosiłaby 10zł/szt. a przeciętne dochody konsumentów w tym samym miesiącu 4,5tys./os. to można oczekiwać, iż sprzedaż w styczniu 2017 r. wynosiłaby ok. 140 szt.
57.
Zmienna Yt przyjmuje kolejno w okresach od t=1 do t=5 następujące wartości: 10, 15, 17, 18, 14.
a)
Parametry modelu trendu wielomianowego trzeciego stopnia Yt = α0+α1t+α2t2+α3t3+εt można oszacować za pomocą MNK
b)
Prognoza ex ante zmiennej Yt na jeden okres do przodu na podstawie modelu trendu kwadratowego Y*t= 2 + 8t-t2 wynosi 14
c)
Prognoza ex post zmiennej Yt w okresie t=3 na podstawie modelu trendu kwadratowego Y*t= 2 + 8t-t2 ma zerowy błąd
d)
Prognoza ex ante zmiennej Yt na jeden okres do przodu na podstawie modelu trendu liniowego Y*t= 10 + 2t wynosi 20
58.
Dany jest model ekonometryczny:
Ct= α0 + α1Yt + ε1,t
Yt= β0 + β1Ct + β2It-1 + ε2,t
Gdzie:
Yt – dochód narodowy (w mln zł)
Ct – konsumpcja (w mln zł)
It – inwestycje (w mln zł)
a)
Model jest modelem współzależnym
b)
Model jest modelem rekurencyjnym
c)
Dochód i konsumpcja są zmiennymi egzogenicznymi
d)
Konsumpcja ma bezpośredni wpływ na dochód narodowy
59.
Dany jest następujący model ekonometryczny:
Gdzie:
Wt – przyrost nominalny wynagrodzeń przeciętnych (w zł).
Pt – indeks zmian cen (w %)
WPt – przyrost ralnej wydajności pracy (w zł)
Ut – stopa bezrobocia (w %).
U2008q1 – zmienna zerojedynkowa przyjmująca wartość 1 w I kw. 2008 oraz 0 w pozostałych okresach.
Dla poziomu istotności α=0,05 przyjmij następujące wartości krytyczne:
t0,05= 2,014; X_2^2=5,991; dL=1,38, dU=1,72
a)
Przyrost realnej wydajności pracy istotnie wpływa na zmiany wynagrodzeń
b)
Ponieważ w modelu występuje autokorelacja składnika losowego to na jego podstawie nie powinno się prognozować
c)
Kierunek wpływu indeksu zmian cen na wynagrodzenia nie jest zgodny z teorią ekonomii
d)
Jeżeli przyrost nominalnych wynagrodzeń przeciętnych zmieni się o 1 zł to stopa bezrobocia spadnie ceteris paribus o ok. 0,01 punkta procentowego
60.
Znając wektory prognoz zmiennej endogenicznej Yt dla kolejnych 4 okresów – bazowy (YB) oraz zaburzony (YZ) (po impulsowym zaburzeniu zmiennej egzogenicznej o 1 jednostkę) – wyznacz mnożnik:
1. bezpośredni,
2. pośredni po jednym, po dwóch oraz po trzech okresach
YB = [10 12 13 14]T
YZ = [11,2 13,44 14,82 16,1]T
a)
Mnożnik pośredni po 2 okresach wynosi 1,82
b)
Jeżeli zmienna endogeniczna wzrośnie w bieżącym okresie o 1 jednostkę, to zmienna egzogeniczna wzrośnie w następnym okresie o 1,44 jednostek
c)
Mnożnik bezpośredni wynosi 1,44
d)
Jeżeli zmienna egzogeniczna wzrośnie w bieżącym okresie o 1 jednostkę, to zmienna endogeniczna Yt wzrośnie w następnym okresie o 1,2 jednostek
61.
Dla następującego szeregu czasowego reprezentującego sprzedaż pewnego wyrobu w latach 2012-2016 (w tyś. szt.) oszacuj parametry funkcji trendu liniowego:
a)
Ponieważ w szeregu widoczne są wahania sezonowe prognoza na podstawie trendu liniowego będzie obarczona dużym błędem
b)
Prognoza ex post na rok 2016 na podstawie funkcji trendu liniowego wynosi 20,2 tyś. szt.
c)
Prognoza ex ante na rok 2017 na podstawie funkcji trendu liniowego wynosi 22,7 tyś. szt.
d)
Można powiedzieć, że z okresu sprzedaż średnio wzrastała o ok. 2,5 tyś. szt.
62.
Zmienna x przyjmuje kolejno w okresach od t=1 do t=5 następujące wartości: 12, 16, 17, 20, 17.
a)
Prognoza ex ante zmiennej na jeden okres poza próbę na podstawie modelu trendu liniowego xt=10+2t wynosi 20
b)
Prognoza ex ante zmiennej x na jeden okres do przodu na podstawie modelu trendu kwadratowego xt=4+8t−t2 wynosi 16
c)
Parametry modelu trendu wielomianowego stopnia trzeciego xt=a0+a1t+a2t2+a3t3+ϵt można oszacować za pomocą Metody Najmniejszych Kwadratów
d)
Prognoza ex post zmiennej x w okresie t=4 na podstawie modelu trendu kwadratowego xt=4+8t−t2xt=4+8t−t2 ma zerowy błąd
63.
Zmienna x przyjmuje kolejno w okresach od t=1 do t=5 następujące wartości: 10, 15, 17, 18, 14.
a)
Prognoza ex post zmiennej x w okresie t=3 na podstawie modelu trendu kwadratowego xt= 2 + 8t – t2 ma zerowy błąd
b)
Prognoza ex ante zmiennej x na jeden okres do przodu na podstawie modelu trendu kwadratowego xt= 2 + 8t – t2 wynosi 14
c)
Parametry modelu trendu wielomianowego stopnia trzeciego xt=a0+a1t+a2t2+a3t3+ϵt można oszacować za pomocą Metody Najmniejszych Kwadratów
d)
Prognoza ex ante zmiennej na jeden okres poza próbę na podstawie modelu trendu liniowego xt = 20 + 2t wynosi 20
e)
Prognoza ex post zmiennej x w okresie t=4 na podstawie modelu trendu kwadratowego xt=4+8t−t2 ma zerowy błąd
64.
W poniższym pliku Excel zawarto dane odnośnie importu towarów i usług w Niemczech (w milionach euro):
a)
Prognoza importu w Niemczech na 2020 rok wynosi: 1 426 109 mln euro.
b)
Optymalne wartości parametrów wygładzania wynoszą 0,90 (alfa) oraz 0,12 (beta).
c)
Błąd MSE przy optymalnych parametrach wygładzania wyniósł: 476 799.
d)
Prognoza importu w Niemczech na 2021 rok wynosi: 1 508 983 mln euro.
65.
Dany jest następujący model ekonometryczny:
Ct= α0 + α1It + α2Pt + εt
Gdzie:
Ct – sprzedaż samochodów (w tyś. sztuk)
It – nakłady na reklamę (w tyś. zł)
Pt – cena samochodu (w tyś. zł)
Parametry tego modelu oszacowano za pomocą MNK na próbie danych rocznych od 1999 do 2016 roku i otrzymano następujące wyniki:
C*t= 130 + 0,4It - 1,4Pt
a)
zakładając, że oceny parametrów modelu są istotne statystycznie, można stwierdzić, że wzrost ceny samochodu o 1 tyś. dolarów powoduje wzrost sprzedaży samochodów o 1,4 tyś. sztuk
b)
jeśli przyjmie się, że w 2017 roku wartość nakładów na reklamę wyniesie 100 tyś. dolarów, a cena samochodu 20 tyś. dolarów, to prognoza sprzedaży na podstawiemodelu na 2017 roku wyniesie 142 tyś. sztuk
c)
jeśli przyjmie się, że w 2017 roku wartość nakładów na reklamę wyniesie 100 tyś. dolarów, a cena samochodu 10 tyś. dolarów, to prognoza sprzedaży na podstawiemodelu na 2017 roku wyniesie 156 tyś. sztuk
d)
zakładając, że oceny parametrów modelu są istotne statystycznie, można stwierdzić, że wzrost nakładów na reklamę o 1% powoduje wzrost sprzedaży samochodów o 0,4%
66.
Zmienna x przyjmuje kolejno w latach 2015 do 2019 następujące wartości: 60, 110, 80, 50, 70.
a)
prognoza ex ante zmiennej Y na jeden okres poza próbę metodą naiwną prostą wynosi 60
b)
prognoza ex post zmienne Y dla roku 2019 na podstawie średniej prostej trzyelementowej wynosi 80
c)
prognoza ex post zmienne Y dla roku 2019 na podstawie dwuelementowej średniej ważonej danej wzorem: Yt= 0,3Tt-2 + 0,7Yt-1 mz zerowy błąd
d)
prognoza ex ante zmiennej Y na jeden okres do przodu na podstawie średniej ruchomej prostej dwuelementowej wynosi 60
67.
Wykorzystując metodę KMNK oszacowano pewien model ekonometryczny i otrzymano następujące wyniki (w nawiasach podano wartości statystyki t-Studenta)
gdzie: W-średnie wynagrodzenia (w zł), U-stopa bezrobocia (w %), K-wydajność pracy (w zł/os).
Wartości krytyczne dla α=0,05, dL=0,98, dU=1,54, t-crit=2,16, x^2-crit=5,99
a)
założenie o braku autokorelacji składnika losowego można uznać za spełnione
b)
nie można założyć, że składnik losowy w badanym modelu polega rozkładowi normalnemu
c)
oceny parametrów modelu są istotne statystycznie
d)
przeciętnie rzecz biorąc wzrost stopy bezrobocia powodował spadek średnich wynagrodzeń
68.
Wykorzystując metodę wygładzenia wykładniczego Browna, zbuduj prognozę punktową dla okresu T=n+1, przyjmując α=0,6 oraz startową wartość y1*= 1/3(y1+y2+y3). Empiryczne wartości zmiennej prognozowanej wynoszą: 41; 42; 40; 39.
a)
396.56
b)
50.21
c)
41.326
d)
38.956
69.
Dane są następującemodele (w nawiasach podano statystyki t-studenta, t crit=2,11):
gdzie: C-przeciętna konsumpcja piwa w litrach na osobę, X-przeciętny dochód na osobę (w setkach PLN), P-cena piwa (w zł).
a)
pierwszy model (od lewej) w większym stopniu wyjaśnia zmienność przecietnej konsumpcji piwa
b)
zakładając dla modelu pierwszego (od lewej), że Xt=28 a prognozę na okres następny można postawić metodą naiwna prostą, to prognoza C*t+1 wyniesie ok. 16,05 litra na osobę
c)
cena piwa nie wpływa statystycznie istotnie na przeciętną konsumpcję piwa na osobę
d)
szacując przeciętną konsumpcję piwa za pomocą drugiego modelu myliliśmy się o ok. 74,75 litrów na osobę
70.
Dana jest następująca postać zredukowaną modelu dwurównaniowego:
a)
wzrost x2 o 1 jednostkę w okresiet-1 spowoduje spadek y1 o ok 0,50 jednostki w okresie t
b)
wzrost y1 o 1 jednostkę w okresiet-1 spowoduje spadek x2 o ok 0,50 jednostki w okresie t
c)
macierz stojąca przy wektorze zmiennych egzogenicznych zawiera mnożniki bezpośrednie
d)
wzrost x1 o 1 jednostkę w okresiet-1 spowoduje wzrost y2 w tym samym okresie o ok 0,40 jednostki
71.
Dany jest model ekonometryczny:
Ct= α0 + α1Yt + ε1,t
Yt= β0 + β1Ct + β2It-1 + ε2,t
Gdzie:
Yt – dochód narodowy (w mln zł)
Ct – konsumpcja (w mln zł)
It – inwestycje (w mln zł)
a)
model ma postać strukturalną
b)
dochód narodowy jest zmienną endogeniczną
c)
inwestycje wpływają pośrednio na konsumpcję
d)
model jest modelem rekurencyjnym
72.
Dla następującego szeregu czasowego reprezentującego sprzedaż pewnego wyrobu w tys. szt. można powiedzieć, że:
a)
Średni absolutny błąd prognozy ex post dla metody średniej ruchomej prostej dla k=3 wynosi MAE=3,33 tys. szt.
b)
Średni błąd prognozy ex post dla metody średniej ruchomej prostej dla k=3 wynosi ME=3,33 tys. szt.
c)
Prognoza ex ante wyznaczona metodą średnią ruchomą ważoną dla wag: w1=0,5; w2=0,3; w3=0,2 (przyjmując najwyższą wagę dla najnowszej obserwacji) na 2017 r. wynosi: 15,6 tys. szt
d)
Prognoza ex ante wyznaczona metodą średnią ruchomą prostą dla k=3 na 2017 r. wynosi 16 tys. szt.
73.
Dany jest następujący model ekonometryczny:
Dla którego wyznaczono macierze mnożników:
a)
Jeżeli zmienna X1 wzrośnie w bieżącym okresie o 1 jednostkę to zmienna Y2 spadnie w tym samym okresie o ok 2,025 jednostki
b)
Jeżeli zmienna X1 wzrośnie w bieżącym okresie o 1 jednostkę to zmienna Y2 spadnie w tym samym okresie o ok 3 jednostki
c)
Jeżeli zmienna X1 wzrośnie w bieżącym okresie o 1 jednostkę to zmienna Y1 wzrośnie w tym samym okresie o ok 2 jednostki
d)
Jeżeli zmienna X1 wzrośnie w bieżącym okresie o 1 jednostkę to zmienna Y1 wzrośnie w tym samym okresie o ok 1,392 jednostki
74.
Popyt na wyroby X kształtował się w latach 2014-2015 następująco (tyś. zł)
Wiedząc, że oszacowana dla powyższego szeregu danych funkcja trendu liniowego przyjęłanastępującą postać: Y*t=247,536+23,348*t, oszacuj wartość prognozy wygasłej (ex post dla IV kwartału 2015 roku
a)
434.32
b)
9077.75
c)
501.293
d)
340.928
75.
Poniżej przedstawiono fragment oszacowań modelu wintersa (w wariancie addytywnym) dla pewnego szeregu danych Y. Na podstawie poniższych wyników sformułuj prognozę ex ante na jeden okres do przodu (dla I kwartału 2015 roku)
a)
682.667
b)
531.191
c)
714.619
d)
682.936
76.
Sprzedaż samochodów (w sztukach) w pewnym okresie kształtowała się w pierwszych trzech kwartałach roku 2015 następująco:
Na podstawie powyższych danych sformułuj prognozę wielkości sprzedaży samochodów. Wykorzystaj metodę Holta przy następujących założeniach:
F1=y1; S1=y2-y1; α=0,4; β=0,6
a)
48
b)
72
c)
70
d)
62
77.
Dany jest następujący 2-równaniony model ekonometryczny:
Y1= 2 + 0,3Y2
Y2= 3 + Y1
Przyjmując wartości startową w początkowej iteracji (iteracja numer 0) zmiennej Y2 na poziomie 1, stosując algorytm Gaussa-Seidela odpowiedz, które stwierdzenia są prawdziwe
a)
wartość zmiennej Y1 w iteracji pierwszej wynosi 2,3
b)
wartość zmiennej Y2 w iteracji pierwszej wynosi ,3
c)
artość zmiennej Y2 w iteracji pierwszej wynosi 4,7
d)
wartość zmiennej Y1 w iteracji pierwszej wynosi 3,41
78.
Dany jeszt szereg czasowy: yt = [45,55,51,44,54,51,54,61].
Wyznacz prognozy ex ante dla szeregi Yt na cztery okresy za pomocą metody wintersa przyjmując założenia:
-stałe wygładzenie: α=0,8 , β= 0,5 i γ=0.1
-wartości początkowe= F=Y, S=delta Y, C= y-y*
-cykl sezonowości r=4
Prognozy są następujące:
a)
Yr=[5,3,15.3,11.3,4.3]
b)
Yr=[65.8, 81.6, 84.4, 83.9]
c)
Yr=[76,86,82,75]
d)
Yr=[62.8, 67.4, 65.7, 61.1]
79.
Dany jeszt szereg czasowy:
Yt=[46,52,44,49,46,62,46,56,49,53]
Optymalne wartości stałych wygładzenia w metodzie Holta dla F1= y1 i S1=0 otrzymane na podstawie kryterium błędu średniokwadratowego, są następujące:
a)
α=0,5 i β=0,5
b)
α=0,4 i β=0,6
c)
α=0,1 i β=1
d)
α=0,1 i β=1,5
80.
Dany jest następujący model ekonometryczny:
a)
wzrost ceny konkurencyjnych batonów czekoladowych o 1zł/szt. W okresie t spowoduje, ceteris paribus, spadek popytu na batony o ok. 3% w tym samym okresie
b)
wzrost ceny konkurencyjnych batonów czekoladowych o 1zł/szt. W okresie t spowoduje, ceteris paribus, wzrost popytu na batony o ok. 3% w tym samym okresie
c)
wzrost ceny konkurencyjnych batonów czekoladowych o 10zł/szt. W okresie t spowoduje, ceteris paribus, wzrost popytu na batony o ok. 30 szt. w następnym okresie
d)
wzrost ceny konkurencyjnych batonów czekoladowych o 1zł/szt. W okresie t spowoduje, ceteris paribus, wzrost popytu na batony o ok. 3 szt. W następnym okresie
81.
Dany jest następujący model ekonometryczny:
a)
ponieważ znaki parametrów przy zmiennych objaśniających nie są zgodne z teorią ekonomii to na podstawie tego modelu nie można prognozować
b)
popyt na batony istotnie różnił się w roku 2007 od wartości w pozostałych latach
c)
popyt na batony nie różnił się istotnie w roku 2007 od wartości w pozostałych latach
d)
ponieważ w modelu występuje autokorelacja składnika losowego należałoby wprowadzić do modelu zmienne opóźnione lub zmienić postać funkcyjną modelu
82.
Dany jest następujący model ekonometryczny:
a)
jeżeli cena batonów w 2017 r. wynosiła 2zł/szt. Natomiast cena konkurencyjnych batonów w 2017 r. wynosiła 3zł/szt. To prognoza popytu na batony w 2017 r. wynosiła 115 szt.
b)
przyjmując założenia, że: cena batonów w 2017 r. wynosiła 2zł/szt. Cena konkurencyjnych batonów w 2016 r. wynosiła 3zł/szt, prognozę wartości zmiennych egzogenicznych na kolejny rok należy dokonać metodą naiwna prostą, to prognoza popytu na batony w roku 2018 wynosi 115 szt
c)
jeżeli cena batonów w 2017 r. wynosiła 2zł/szt. Natomiast cena konkurencyjnych batonów w 2016 r. wynosiła 3zł/szt. To prognoza popytu na batony w 2017 r. wynosiła 115 szt.
d)
wraz ze wzrostem ceny batonów o 1% można oczekiwać 7% spadku popytu na batony
83.
Dany jest następujący model ekonometryczny:
a)
znak parametru stojącego przy cenie konkurencyjnej batonów nie jest zgodny z teorią ekonomii
b)
znak parametru stojącego przy cenie batonów nie jest zgodny z teorią ekonomii
c)
znak parametru stojącego przy cenie konkurencyjnej batonów jest zgodny z teorią ekonomii
d)
znak parametru stojącego przy cenie batonów jest zgodny z teorią ekonomii
84.
Dany jest następujący model ekonometryczny:
a)
wartości teoretyczne są dopasowane do wartości empirycznych w 92%
b)
zmienność zmiennej objaśnianej nie została wyjaśniona przez zmienność zmiennych objaśniajacych w 92%
c)
zmienność zmiennej objaśnianej została wyjaśniona przez zmienność zmiennych objaśniajacych w 92%
d)
wartości teoretyczne są dopasowane do wartości empirycznych w 0,92%
85.
Dany jest następujący model ekonometryczny:
a)
przeprowadzając test t-Studenta dla zmiennej X2 z okresu t-1 odrzucamy hipotezę zerową o istotności wpływu popytu na batony na cenę konkurencyjnych batonów
b)
przeprowadzajac test t-Studenta dla zmiennej X2 z okresu t-1 nie ma podstaw do odrzucenia hipotezy zerowej o braku istotności wpływu analizowanej zmiennej na zmienną objaśnianą
c)
przeprowadzając test t-Studenta dla zmiennej X2 z okresu t-1 odrzucamy hipotezę zerową o braku istotności wpływu analizowanej zmiennej na zmienną objaśnianą
d)
przeprowadzając test t-Studenta dla zmiennej X2 z okresu t-1 możemy stwierdzić, że cena konkurencyjnych batonów ma istotny wpływ na popyt na batony
86.
Dany jest następujący model ekonometryczny:
a)
przeprowadzając test t-Studenta dla zmiennej X1 można odrzucić hipotezę zerową o braku istotności wpływu ceny batonów na popyt na batony
b)
przeprowadzając test t-Studenta dla zmiennej X1 można stwierdzić, że cena batonów ma wpływ na popyt na batony
c)
przeprowadzajac test t-Studenta dla zmiennej X1 niema podstaw do odrzucenia hipotezy zerowej o braku istotności wpływu ceny batonów na popyt na batony
d)
przeprowadzając test t-Studenta dla zmiennej X1 można stwierdzić, że cena batonów nie ma istotnego wpływu na popyt na batony
87.
Dany jest następujący model ekonometryczny:
a)
ocena parametru przy zmiennej zerojedynkowej jest obarczona zbyt dużym błędem szacunku czyli zmienna zerojedynkowa nie wpływa na popyt na batona
b)
Rok 2007 cechował się zesonowością
c)
W roku 2007 popyt na batony był wyższy średnio o ok. 2 szt niż wynikałoby to z poziomu pozostałych zmiennych
d)
W roku 2007 popyt na batony był wyższy średnio o ok. 2% niż wynikałoby to z poziomu pozostałych zmiennych
88.
Dany jest następujący model ekonometryczny:
a)
prognozując popyt na batony na podstawie powyzszego równania mylimy się średnio o 3,5%
b)
prognozując popyt na batony na podstawie powyzszego równania mylimy się średnio o 3,5 szt
c)
prognozując popyt na batony na podstawie powyzszego równania mylimy się średnio o 0,35 szt
d)
prognozując popyt na batony na podstawie powyzszego równania w 2007 mylimy się średnio o 2%
89.
Dany jest następujący model ekonometryczny:
a)
w teście weryfikującym występowanie autokorelacji składnika losowego można odrzucić hipotezę zerową o braku autokorelacji składnika losowego rzędu 1-szego
b)
nie da się ocenić występowania autokorelacji składnika losowego, gdyż wartość odpowiedniej statystki testowej znajduje sięw obszarze niekonkluzywności
c)
nie ma podanej odpowiedniej statystki testowej, która pozwala ocenić występowania autokorelacji składnika losowego
d)
w teście weryfikującym występowanie autokorelacji składnika losowego nie ma podstaw do odrzucenia hipotezy zerowej o braku autokorelacji składnika losowego rzędu 1-szego
Reset