|
Pytanie |
Odpowiedź |
|
rozpocznij naukę
|
|
X% zmienności zmiennej objaśnianej jest wyjaśniona przez model (im wyższe tym lepiej)
|
|
|
|
rozpocznij naukę
|
|
|
|
|
|
rozpocznij naukę
|
|
(istotność zmiennych); H0: zmienna jest nieistotna; H1: zmienna jest istotna ->OK
|
|
|
|
rozpocznij naukę
|
|
Test RESET; H0: postać liniowa jest dobrze dobrana ->OK; H1: postać liniowa jest źle dobrana
|
|
|
|
rozpocznij naukę
|
|
test VIF >10 ->Źle poniżej dobrze
|
|
|
test (autokorelacja składnika losowego rozpocznij naukę
|
|
Test mnożnika Lagrange’a Test Durbina-Watsona; H0: brak autokorelacji składnika losowego ->OK H1: występuje autokorelacja składnika losowego
|
|
|
|
rozpocznij naukę
|
|
Test White’a; H0: składnik losowy jest homoskedastyczny ->OK; H1: składnik losowy jest heteroskedastyczny
|
|
|
(rozkład normalny składnika losowego) rozpocznij naukę
|
|
H0: składnik losowy ma rozkład normalny ->OK H1: składnik losowy nie ma rozkładu normalnego
|
|
|
|
rozpocznij naukę
|
|
Test Chowa; H0: model jest stabilny ->OK H1: model jest niestabilny
|
|
|
Hipoteza o stałych efektach skali rozpocznij naukę
|
|
H0 Beta+gamma=1 efekty skali są stałe H1: Beta+gamma>1 efekty skali są rosnące
|
|
|
Test ilorazu wiarygodności rozpocznij naukę
|
|
H0: wszystkie zmienne są nieistotne H1: przynajmniej jedna zmienna jest istotna
|
|
|
11. Test istotności z (potrzebne tablice rozkładu normalnego) rozpocznij naukę
|
|
H0- zmienna jest nieistotna H1- zmienna jest istotna
|
|
|
|
rozpocznij naukę
|
|
H0: szereg jest niestacjonarny H1: szereg jest stacjonarny
|
|
|
|
rozpocznij naukę
|
|
Wraz ze wzrostem X o 1, Y rośnie średnio o 0,2 jednostki, ceteris paribus.
|
|
|
|
rozpocznij naukę
|
|
Wraz ze wzrostem X o 1%, Y rośnie średnio o 0,002 jednostki, ceteris paribus
|
|
|
|
rozpocznij naukę
|
|
Wraz ze wzrostem X o 1, Y rośnie średnio o 20%, ceteris paribus.
|
|
|
|
rozpocznij naukę
|
|
Wraz ze wzrostem X o 1%, Y rośnie średnio o 0,2%, ceteris paribus.
|
|
|
|
rozpocznij naukę
|
|
Prognozując 𝑌𝑝 na poziomie (dół macierzy) mylimy się średnio o X.
|
|
|
|
rozpocznij naukę
|
|
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.
|
|
|
|
rozpocznij naukę
|
|
Model zaniża sprzedaż o X.
|
|
|
|
rozpocznij naukę
|
|
Nasze wartości rzeczywiste różniły się od prognozowanych o X.
|
|
|
|
rozpocznij naukę
|
|
Nasze prognozy różniły się od rzeczywistych o X.
|
|
|
|
rozpocznij naukę
|
|
Nasze prognozy różniły się od rzeczywistych średnio o X.
|
|
|
|
rozpocznij naukę
|
|
|
|
|
|
rozpocznij naukę
|
|
Wraz ze wzrostem K o 1%, Y rośnie średnio o X.
|
|
|
|
rozpocznij naukę
|
|
Jeśli L spadnie o X, to aby produkcja pozostała na niezmienionym poziomie K powinien wzrosnąć o KSS.
|
|
|
|
rozpocznij naukę
|
|
Jeśli K spadnie o X, to aby produkcja pozostała na niezmienionym poziomie L powinno wzrosnąć o 1/KSS.
|
|
|
Zmienność w czasie: 𝑒^ −0,003𝑡 rozpocznij naukę
|
|
Z każdym kolejnym kwartałem nasza Y spada średnio o 0,03%, ceteris paribus.
|
|
|
Liniowy model prawdopodobieństwa: rozpocznij naukę
|
|
Wraz ze wzrostem stosunku a do b o 1, prawdopodobieństwo, że ... rośnie/spada średnio o X.
|
|
|
|
rozpocznij naukę
|
|
Dla rodzin o śr. Poziomie dochodu wraz ze wzrostem dochodu o x, prawdopodobieństwo posiadania domu wzrasta o y.
|
|
|
|
rozpocznij naukę
|
|
Wraz ze wzrostem dochodu o x, szansa posiadania domu do nieposiadania domu rośnie o y%.
|
|
|
|
rozpocznij naukę
|
|
W naszej próbie x% rodzin posiada dom.
|
|
|
|
rozpocznij naukę
|
|
wspólne zmienne objaśniające
|
|
|
|
rozpocznij naukę
|
|
Jeżleli x rośnie o 1% to y rośnie średnio o 0,1% dla konkretnych wartości
|
|
|
