gretl

 0    34 Datenblatt    kamilkk00
mp3 downloaden Drucken spielen überprüfen
 
Frage Antworten
R kwadrat
Lernen beginnen
X% zmienności zmiennej objaśnianej jest wyjaśniona przez model (im wyższe tym lepiej)
kryteria informacyjne
Lernen beginnen
im niższe tym lepiej
Test t – studenta
Lernen beginnen
(istotność zmiennych); H0: zmienna jest nieistotna; H1: zmienna jest istotna ->OK
(specyfikacja modelu)
Lernen beginnen
Test RESET; H0: postać liniowa jest dobrze dobrana ->OK; H1: postać liniowa jest źle dobrana
test współliniowości
Lernen beginnen
test VIF >10 ->Źle poniżej dobrze
test (autokorelacja składnika losowego
Lernen beginnen
Test mnożnika Lagrange’a Test Durbina-Watsona; H0: brak autokorelacji składnika losowego ->OK H1: występuje autokorelacja składnika losowego
(heteroskedastyczność)
Lernen beginnen
Test White’a; H0: składnik losowy jest homoskedastyczny ->OK; H1: składnik losowy jest heteroskedastyczny
(rozkład normalny składnika losowego)
Lernen beginnen
H0: składnik losowy ma rozkład normalny ->OK H1: składnik losowy nie ma rozkładu normalnego
stabilność modelu)
Lernen beginnen
Test Chowa; H0: model jest stabilny ->OK H1: model jest niestabilny
Hipoteza o stałych efektach skali
Lernen beginnen
H0 Beta+gamma=1 efekty skali są stałe H1: Beta+gamma>1 efekty skali są rosnące
Test ilorazu wiarygodności
Lernen beginnen
H0: wszystkie zmienne są nieistotne H1: przynajmniej jedna zmienna jest istotna
11. Test istotności z (potrzebne tablice rozkładu normalnego)
Lernen beginnen
H0- zmienna jest nieistotna H1- zmienna jest istotna
12. Test Dickeya-Fullera
Lernen beginnen
H0: szereg jest niestacjonarny H1: szereg jest stacjonarny
𝑌𝑖̂ = 5 + 0,2 ∗ 𝑋𝑖
Lernen beginnen
Wraz ze wzrostem X o 1, Y rośnie średnio o 0,2 jednostki, ceteris paribus.
Y𝑖̂ = 5 + 0,2 ∗ 𝑙𝑛𝑋
Lernen beginnen
Wraz ze wzrostem X o 1%, Y rośnie średnio o 0,002 jednostki, ceteris paribus
l𝑛𝑌𝑖̂ = 5 + 0,2 ∗ 𝑋𝑖
Lernen beginnen
Wraz ze wzrostem X o 1, Y rośnie średnio o 20%, ceteris paribus.
l𝑛𝑌𝑖̂ = 5 + 0,2 ∗ 𝑙𝑛𝑋
Lernen beginnen
Wraz ze wzrostem X o 1%, Y rośnie średnio o 0,2%, ceteris paribus.
Średni błąd ex-ante:
Lernen beginnen
Prognozując 𝑌𝑝 na poziomie (dół macierzy) mylimy się średnio o X.
Prognoza przedziałowa:
Lernen beginnen
Przedział o dolnej granicy a, a górnej b jest jednym z tych przedziałów wartości, które w X% pokrywają nam nieznaną wartość 𝑌𝑝 dla obserwacji p.
ME:
Lernen beginnen
Model zaniża sprzedaż o X.
MAE:
Lernen beginnen
Nasze wartości rzeczywiste różniły się od prognozowanych o X.
RMSE:
Lernen beginnen
Nasze prognozy różniły się od rzeczywistych o X.
MAPE:
Lernen beginnen
Nasze prognozy różniły się od rzeczywistych średnio o X.
𝐼^2
Lernen beginnen
Mylimy się średnio o X.
EL(Y|K):
Lernen beginnen
Wraz ze wzrostem K o 1%, Y rośnie średnio o X.
KSS:
Lernen beginnen
Jeśli L spadnie o X, to aby produkcja pozostała na niezmienionym poziomie K powinien wzrosnąć o KSS.
1/KSS:
Lernen beginnen
Jeśli K spadnie o X, to aby produkcja pozostała na niezmienionym poziomie L powinno wzrosnąć o 1/KSS.
Zmienność w czasie: 𝑒^ −0,003𝑡
Lernen beginnen
Z każdym kolejnym kwartałem nasza Y spada średnio o 0,03%, ceteris paribus.
Liniowy model prawdopodobieństwa:
Lernen beginnen
Wraz ze wzrostem stosunku a do b o 1, prawdopodobieństwo, że ... rośnie/spada średnio o X.
Efekt krańcowy:
Lernen beginnen
Dla rodzin o śr. Poziomie dochodu wraz ze wzrostem dochodu o x, prawdopodobieństwo posiadania domu wzrasta o y.
Iloraz szans:
Lernen beginnen
Wraz ze wzrostem dochodu o x, szansa posiadania domu do nieposiadania domu rośnie o y%.
Średnia arytmetyczna:
Lernen beginnen
W naszej próbie x% rodzin posiada dom.
Modele zagnieżdżone
Lernen beginnen
wspólne zmienne objaśniające
Elastyczność
Lernen beginnen
Jeżleli x rośnie o 1% to y rośnie średnio o 0,1% dla konkretnych wartości

Sie müssen eingeloggt sein, um einen Kommentar zu schreiben.