Fiszki
EE012021
Test w formie fiszek .
Ilość pytań: 40
Rozwiązywany: 611 razy
Wektor β jest nieznanym wektorem nielosowym
fałsz
prawda
prawda
Wektor losowy ε (epsilon) to wektor składników
grupowych poszczególnych obserwacji:
losowych poszczególnych obserwacji:
symetrycznych poszczególnych obserwacji:
losowych poszczególnych obserwacji:
Wektor β (beta) to wektor kolumnowy g
rupujący nieznane stałe liczbowe.
tych stałych jest k, tyle, ile zmiennych objaśniających.
rupujący znane stałe liczbowe.
Stałe te wyznaczają liniowy wpływ zmiennych objaśniających na zmienne objaśnian
rupujący nieznane stałe liczbowe.
tych stałych jest k, tyle, ile zmiennych objaśniających.
Stałe te wyznaczają liniowy wpływ zmiennych objaśniających na zmienne objaśnian
Wskaż poprawne zdanie na temat macierzy X :
W jednorównaniowym modelu ekonometrycznym z wyrazem wolnym a0 pierwszą kolumnę macierzy X stanowi kolumna jedynek.
W jednorównaniowym modelu ekonometrycznym z wyrazem wolnym a0 zawsze ostatnią kolumnę macierzy X stanowi kolumna jedynek.
a) W każdym jednorównaniowym modelu ekonometrycznym pierwszą kolumnę macierzy X stanowi kolumna wypełniona wartością jeden.
c) Jeśli jednorównaniowy model ekonometryczny nie zawiera wyrazu wolnego a0 , to w pierwszej kolumnie macierzy X stoją zera.
W jednorównaniowym modelu ekonometrycznym z wyrazem wolnym a0 pierwszą kolumnę macierzy X stanowi kolumna jedynek.
Na czym polega metoda najmniejszych kwadratów?
Polega na znalezieniu takiej linii regresji, czyli takich oszacowań parametrów strukturalnych ia , aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była największa.
Szuka takiej linii regresji, czyli takich oszacowań parametrów strukturalnych ia , aby suma sześcianów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była najmniejsza.
Poszukuje się takiej linii regresji, czyli takich oszacowań parametrów strukturalnych i a , aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była najmniejsza.
Poszukuje się takiej linii regresji, czyli takich oszacowań parametrów strukturalnych i a , aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej objaśnianej od jej wartości teoretycznych obliczonych z modelu była najmniejsza.
Testowanie hipotez statystycznych:
Właściwym dla problemu testowania hipotez dot. pojedynczego parametru w KMNRL jest tzw. test t-Studenta (w skrócie: test t)
Testowaniu zawsze podlega układ dwóch wykluczających się wzajemnie hipotez dotyczących parametrów (a nie ich oszacowań); układ ten stanowią dwie hipotezy: tzw. hipoteza zerowa (oznaczana symbolem 0) oraz hipoteza alternatywna ( 1). Szkielet zapisu układu
Testowaniu nie może podlegać pojedynczy parametr (np. 1) lub pewna ich grupa;
Hipoteza statystyczna (w skrócie: hipoteza) = zdanie/stwierdzenie, którego prawdziwość (albo raczej wiarygodność) podlega sprawdzeniu (testowi)
Testowaniu może podlegać pojedynczy parametr (np. 1) lub pewna ich grupa;
Właściwym dla problemu testowania hipotez dot. pojedynczego parametru w KMNRL jest tzw. test t-Studenta (w skrócie: test t)
Testowaniu zawsze podlega układ dwóch wykluczających się wzajemnie hipotez dotyczących parametrów (a nie ich oszacowań); układ ten stanowią dwie hipotezy: tzw. hipoteza zerowa (oznaczana symbolem 0) oraz hipoteza alternatywna ( 1). Szkielet zapisu układu
Hipoteza statystyczna (w skrócie: hipoteza) = zdanie/stwierdzenie, którego prawdziwość (albo raczej wiarygodność) podlega sprawdzeniu (testowi)
Testowaniu może podlegać pojedynczy parametr (np. 1) lub pewna ich grupa;
Wnioskowanie statystyczne to:
Testowanie (inaczej weryfikacja) hipotez
Budowanie przedziałów ufności
Testowanie (inaczej weryfikacja) hipotez
Budowanie przedziałów ufności
Błąd średni szacunku - 𝑑( 1),
który stanowi przeciętną (in.: spodziewaną, oczekiwaną) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru B1 a jego oceną punktową B
który stanowi przeciętną (in.: niespodziewaną, losową) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru B1 a jego oceną punktową B
który stanowi przeciętną (in.: spodziewaną, oczekiwaną) różnicę pomiędzy prawdziwą (lecz nieznaną) wartością parametru B1 a jego oceną punktową B
współczynnik determinacji
informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan
informuje, jaka część (w %, po przemnożeniu przez 100%) zaobserwowanej zmienności zmiennej objaśnianej (czyli zmienności jej wartości empirycznych) została wyjaśniona w ramach oszacowanego modelu
Im niższa (bliższa 0) wartość , tym model lepiej dopasowany do dany
Im wyższa R^2 (bliższa 1) wartość , tym model jest lepiej dopasowany do danych
informuje, jaka część (w %, po przemnożeniu przez 100%) zaobserwowanej zmienności zmiennej objaśnianej (czyli zmienności jej wartości empirycznych) została wyjaśniona w ramach oszacowanego modelu
Im wyższa R^2 (bliższa 1) wartość , tym model jest lepiej dopasowany do danych
współczynnik zbieżności
informuje, jaka część (w %, po przemnożeniu przez 100%) zaobserwowanej zmienności zmiennej objaśnianej (czyli zmienności jej wartości empirycznych) NIE została wyjaśniona w ramach oszacowanego modelu
Im niższa (bliższa 0) wartość ph^2 , tym model lepiej dopasowany do dany
Im wyższa(bliższa 1) wartość ph^2 , tym model lepiej dopasowany do dany
informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan
informuje, jaka część (w %, po przemnożeniu przez 100%) zaobserwowanej zmienności zmiennej objaśnianej (czyli zmienności jej wartości empirycznych) NIE została wyjaśniona w ramach oszacowanego modelu
Im niższa (bliższa 0) wartość ph^2 , tym model lepiej dopasowany do dany
współczynnik zmienności reszto
współczynnik zmienności resztow jest zawsze większy od 0
jest wielkością niemianowaną, wyrażoną w procentach
to przeciętna różnica (wyrażona w jednostkach zmiennej objaśnianej) pomiędzy zaobserwowanymi (in.: empirycznymi, 𝑡 ) a teoretycznymi (wynikającymi z oszacowanego modelu, 𝑡 ) wartościami zmiennej objaśnian
Model jest tym lepiej dopasowany do danych, im niższa wartość Ve
współczynnik zmienności resztow jest zawsze większy od 1
nie posiada jednak interpretacji
informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan
współczynnik zmienności resztow jest zawsze większy od 0
jest wielkością niemianowaną, wyrażoną w procentach
Model jest tym lepiej dopasowany do danych, im niższa wartość Ve
informuje o tym, ile procent średniej arytmetycznej zaobserwowanych wartości zmiennej objaśnianej stanowi odchylenie resztowe; zwykle jego interpretację “dołącza się” do tej formułowanej dla odchylenia resztowego, jako jej kontynuację, w tym samym zdan
Jeżeli S =0,188 to
Zaobserwowane wartości zmiennej objaśnianej odchylają się od wartości tepraktycznych o 0,1884.
Zaobserwowane wartości zmiennej objaśnianej odchylają się od wartości teoretycznych wyznaczonych przez model przeciętnie o 0,1884.
Zaobserwowane wartości zmiennej objaśnianej odchylają się od wartości teoretycznych wyznaczonych przez model przeciętnie o 0,1884.
Odchylenie standardowe
Odchylenie standardowe jest zawsze większe od 1
posiada interpretacje
w zasadzie, tę samą informację co wariancja resztowa
Model jest tym lepiej dopasowany do danych, im wyższa wartość S;
Odchylenie standardowe jest zawsze większe od 0
to przeciętna różnica (wyrażona w jednostkach zmiennej objaśnianej) pomiędzy zaobserwowanymi (in.: empirycznymi, 𝑡 ) a teoretycznymi (wynikającymi z oszacowanego modelu, 𝑡 ) wartościami zmiennej objaśniane
Model jest tym lepiej dopasowany do danych, im niższa wartość S;
nie posiada interpretacji
posiada interpretacje
w zasadzie, tę samą informację co wariancja resztowa
Odchylenie standardowe jest zawsze większe od 0
to przeciętna różnica (wyrażona w jednostkach zmiennej objaśnianej) pomiędzy zaobserwowanymi (in.: empirycznymi, 𝑡 ) a teoretycznymi (wynikającymi z oszacowanego modelu, 𝑡 ) wartościami zmiennej objaśniane
Model jest tym lepiej dopasowany do danych, im niższa wartość S;
Odchylenie standardowe jest wyrażone
w tej samej jednostce co y
w odmiennej jednostce niż y
w tej samej jednostce co y
Wariancja resztowa
nie posiada interpretacji
posiada interpretacja
nie posiada interpretacji
Odchylenie standardowe i wariancja resztowa niesie informacje o
wielkości grupowania reszt, czyli rozrzucie wartości empirycznych (in.: zaobserwowanych) zmiennej objaśnianej ( 𝑡 )
wielkości rozproszenia reszt, czyli rozrzucie wartości empirycznych (in.: zaobserwowanych) zmiennej objaśnianej ( 𝑡 )
wielkości losowosci reszt, czyli rozrzucie wartości empirycznych (in.: zaobserwowanych) zmiennej objaśnianej ( 𝑡 )
wielkości rozproszenia reszt, czyli rozrzucie wartości empirycznych (in.: zaobserwowanych) zmiennej objaśnianej ( 𝑡 )
s2 i s niosą,
w zasadzie, wykluczające się informację
w zasadzie, inne informację
w zasadzie, tę samą informację
w zasadzie, tę samą informację
Mierniki dopasowania modelu to:
Ve -współczynnik zmienności resztowej
ph^2 współczynnik zbieżności
s – odchyle nie resztowe
R^2 współczynnik determinacji
Ve -współczynnik zmienności resztowej
ph^2 współczynnik zbieżności
s – odchyle nie resztowe
R^2 współczynnik determinacji
Jeżeli Współczynnik zbieżnosci phi^2 jest równy 0,05 to
Około 5,00% zmienności zmiennej objasnianej jest tłumaczone przez oszcowany model
Około 5,00% zmienności zmiennej objasnianej nie jest tłumaczone przez oszcowany model
Około 95,00% zmienności zmiennej objasnianej nie jest tłumaczone przez oszcowany model
Około 5,00% zmienności zmiennej objasnianej nie jest tłumaczone przez oszcowany model
Jeżeli współczynnik determinacji wynosi 0,95 to
Około 0,95% zmienności zmiennej objasnianej jest tłumaczone przez oszcowany model
Około 95% zmienności zmiennej objasnianej jest tłumaczone przez oszcowany model
Około 95% zmienności zmiennej objasnianej nie jest tłumaczone przez oszcowany model
Około 95% zmienności zmiennej objasnianej jest tłumaczone przez oszcowany model