1.	Ocjene parametara u ekonometrijskom modelu ocijenjene ONK metodom imace pozeljne osobine ako su ispunjeni:
a.	Efikasnost i linearnost
2.	Ocjena parametra b1 dobijena metodom ONK je efikasna i linearna, a ocjena b1! dobijena metodom maximalne vjerodostojnosti je nepristrasna i egzostivna. Ocjena b1 je:
a.	Superiorna
3.	Konstruisan je i ocijenjen ekonometrijski model sa ciljem da posluzi za kreiranje ekonomske politike . Koja statistika iz ocjene modela je najvaznija:
a.	Standardna greska iz ocjene parametra i Koeficijent determinacije 
4.	Ocjena je konzistentna ako: (svi su tacni)
a.	Je asimptotska ocekivana vrijednost ocjene parametara jednaka pravoj vrijednosti parametara i Varijansa ocjene parametara tezi nuli kada uzorak beskonacno raste
5.	Ako u jednacini postoji konstatntan clan, broj vjestackih varijabli u toj jednacini mora uvijek biti :
a.	Za jedan manji od broja njenih modaliteta
6.	Ocjena ekonometrijskog modela sadrzi visok koeficijent determinacije i visoke standardne greske ocjena regresionih koeficijenata. Ovo sugerise da bi trebalo testirati da li postoji problem:
a.	Multikolinearnosti
7.	Ocjenjuje se empirijski regresioni model. Za nezavisnu varijablu je ustanovljeno da ne postoje opservacije (podaci). Resenje je:
a.	Priblizna varijabla (izostaviti nezavisnu varijablu)
8.	Ocijenjen je model sa k eksplanatornih varijabli. Zatim je isti model ocijenjen sa k+1 nezavisnih varijabli. Statistika na osnovu koje se zakljucuje koji od ova dva modela je bolji je:
a.	Prilagodjeni koeficijent determinacije
9.	 Testovi prvog reda za vrednovanje statisticke znacajnosti ocjena parametara modela najcesce se zasnivaju na:
a.	Standardnim greskama ocjena parametara i Koeficijentu determinacije
10.	Konstruisan je i ocijenjen ekonomski model sa ciljem da se predvidi buduci nivo zavisne varijable. Koja statistika iz ocjene modela je najznacajnija ?
a.	Standardna greska regresije
11.	DW test se moze koristiti samo za testiranje autokorelacije
a.	Prvog reda,(sukcesivnih reziduala)
12.	Ocjene regresionih koeficijenata su vrlo osjetljive na promjene podataka u uzorku, odnosno nestabilne su i neprecizne, ovo sugerise da postoji:
a.	Multikolinearnost
13.	Kad god je vrijednost F statistike veca od njene tablicne vrijednosti zakljucujemo da explanatorne varijable IMAJU ZNACAJAN uticaj na varijacije Y.
14.	Izostavljanje vazne varijable iz modela ima sledece posledice na ocjenu parametra:
a.	Pristrasnost
15.	Kada je vrijednost stohastickog clana modela u bilo kom periodu korelisana sa sopstvenom prethodnom vrijednoscu tada postoji autokorelacija gresaka.
16.	Homoskedasticnost podrazumijeva:
a.	Konstantnu varijansu slucajne greske koja je jednaka za sve opservacije
17.	Ukoliko je matrica X'X singularna (nema inverznu matricu) to je znak da postoji:
a.	Perfektna linearna zavisnost regresora
18.	 Kada se MNK koristi za ocjenjivanje modela pri postojanju autokorelacije ocjene parametara su:
a.	Nepristrasne i imaju najmanje varijanse
19.	U uslovima visoke multikolinearnosti ocjena varijanse slucajnih gresaka je:
a.	Nepristrasna
20.	Stetne posledice ukljucivanja irelevantnog regresora su:
a.	Neefikasnost ocjene parametara i Minimalna varijansa ocjene parametara
21.	Ako reziduali u sukcesivnim vremenskim intervalima cesto mijenjaju znak, to je signal da postoji 
a.	Negativna autokorelacija
22.	Heteroskedasticnost podrazumijeva:
a.	Razlicitu varijansu slucajne greske za sve opservacije
23.	Visoka multikolinearnost ima za posledicu neprecizne i nestabilne ocjene parametara. Gubitak preciznosti se ispoljava kao: (sve navedeno) 
a.	Standardne greske ocjena veoma visoke
b.	Visoko korelisane medjusobno
c.	Podlozne promjenama uz promjenu uzorka
24.	Najozbilnije posledice autokorelacije su: (sve navedeno)
a.	Ocjene koeficijenata neefikasne
b.	Prognoze zasnovane na koeficijentima suboptimalne
c.	Testovi znacajnosti nepouzdani
25.	Multikolinearnost predstavlja:
a.	Medjusobna linearna zavisnost explanatornih varijabli
26.	Kad god varijansa greske raste uporedo sa regresorom ili njegovom varijansom prava varijansa parametara je:
a.	Manja nego njena ocjena

27.	Kada u modelu postoji heteroskedasticnost, dva najcesce koriscena resenja u praksi su:
a.	Logaritamska transformacija i deflacija podataka
28.	Izvori autokorelacije su: (sve navedeno)
a.	Greske koje uvodi istrazivac (sistemse greske mjerenja, neodgovarajuci oblik funkcije, izostavljanje relevantnih regresora)
b.	Prava autokorelacije stohastickog clana
29.	Kada postoji autokorelisana greska vrijednost stohastickog clana modela u bilo kom periodu korelisana je sa sopstvenom prethodnom vrijednoscu.
30.	Kako se vrednuju ocjene parametara KLRM? (sve navedeno)
a.	Ekonomski
b.	Statisticki
c.	Ekonometrijski kriterijum
31.	Zasto je vazno da su ispunjene pretpostavke o osobinama stohasticnosti?
a.	Da bi se problemi mjerenja ekonomskih relacija preveli u probleme statistickog ocjenjvanja parametara rasporeda vjerovatnoce
32.	Koje su pozeljne osobine modela u uzorcima manjim od 30? (sve navedeno)
a.	Nepristrasnost
b.	Najmanja varijansa
c.	Efikasnost
d.	Linearnost
e.	 egzostzivnost 
f.	Superiornost
33.	Striktno gledajuci linearnost KLRM podrazumijeva:
a.	Linearnost po koeficijentima
34.	Ocjena je konzistentna ako :
a.	Je njena ocekivana vrijednost jednaka pravoj vrijednosti,(ima najmanju varijansu)
35.	Ocjena parametara je nepristrasna ako je:
a.	Ocekivana vrijednost prosjecne ocjene parametara jednaka pravoj vrijednosti parametra
36.	Sta pokazuje sistematski dio modela:
a.	Pokazuje postularnu vezu datu teorijom na onaj nacin koji omogucava lako matematicko manipulisanje
37.	Prilagodjeni koeficijent determinacije
a.	Koristi se da bi se uzelo u obzir smanjenje broja stepeni slobode usled uvodjenja novih regresora u visestrukoj regresiji i kao mjera relativnog znacaja koriscenja regresora u objasnjavanju varijacija zavisne varijable.
38.	Greska specifikacije u uzem smislu je:
a.	greska u formulaciji modela
39.	Greska specifikacije u sirem smislu je:
a.	Greska koja se javlja kad god formulacija regresionog modela ili pretpostavka koja ga prati nije tacna
40.	Vrednovanje moci predvidjanja se vrsi pomocu kojeg testa:
a.	T testa
41.	Kako se testira znacajnost ekonometrijskog modela
a.	Preko F testa
42.	Ako je cilj ekonometrijskog istrazivanja pomoc u kreiranju ekonomske politike najvaznija pozeljna osobina parametra modela je:
a.	Individualnost koeficijenata
43.	Ako je cilj ekonometrijskog modela predvidjanje pozeljna osobina parametra modela je:
a.	Minimalna varijansa
44.	Osnovni uzroci greske modela: (sve navedeno)
a.	Slucajne greske
b.	Greske specifikacije
c.	Greske usled rada sa uzorkom

45.	b1 pokazuje za koliko ce se u prosjeku promijeniti Y ako se X1 poveca za jednu jedinicu, a X2 ostane nepromijenjeno. tako isto i za b2 parametar. Znaci vazno je ovo u prosjeku 
46.	Osobine ocjena parametara u velikim uzorcima su: (sve navedeno)
a.	Asimptotska nepristrasnost
b.	Konzistentnost
c.	Asimptotska efikasnost
47.	Definisite ekonometriju kao nauku-Ekonometrija je oblast ekonomske nauke cija je osnova u mjerenju ekonomskih relacija i empirijskom testiranju hipoteza.
48.	Ocjena je egzostivna ako 
a.	 koristi sve informacije koje uzorak sadrzi
49.	Metodologiju ekonometrijskog istrazivanja karakterisu sljedece faze (sve navedeno)
a.	 specifikacija modela
b.	ocjena modela
c.	vrednovanje ocjene
d.	vrednovanje moci predvidjanja
50.	Sto je varijacija regresora veca, varijanse ocjena parametara su:
a.	Vece
51.	Prihvatanje nulte hipoteze da je vrijednost parametra jednaka nuli ima sljedecu posljedicu:
a.	koriguje se specifikacija izostavljanjem varijable uz koju stoji testirani parametar;
52.	Zamka vjestacke varijable
a.	kada umjesto jednacina pokusavamo ocijeniti funkciju jer prisustvo varijabli x1 i x2 uz const. ,,a,, predstavlja uvodjenje perfektne multikolinearnosti u funkciju. 
53.	Berzanski index
a.	Prosjecna promjena
54.	U modelu simultanih jednacina endogene varijable su predstavljene kao funkcija predeterminisanih varijabli, struktuiranih parametara I stohastickih varijabli(gresaka). Ova forma modela naziva se REDUKOVANA FORMA  
55.	U modelu simultanih jednacina endogne varijable su predstavcjane kao funkcija drugih endogenih varijabli i predeterminisanih varijabli i stohastickih varijabli (gresaka). Ova forma modela nazva se strukturna forma.
56.	Simultane jednacine su najbolje objasnjene kad su:
a.	Kompletne i identifikovane
57.	Bilo mi je neko pitanje za simultane koji uslov treba da bude ispunjen ali se ne sjecam uslov cega ali znam da je odgovor:
a.	Uslov ranga ?
58.	Metod najmanjih kvadrata iz grupe metoda sa potpunom informacijom kojim se ocjenjuju modeli simultanih jednacina poznat je pod imenom 3SNK. 
59.	Rekurzivni modeli su oni modeli gdje je moguce strukturne relacije postaviti da prva ukljucuje samo predeterminisane varijable na desnoj strani a da svaka naredna strukturna jednacina sadrzi na desnoj strani predeterminisanu varijablu I endogene varijable iz prethodnih jednacina.
60.	Identifikacija modela simultanih jednacina ispituje se u fazi formulisanja modela, a kao problem se ispoljava u fazi ocjenjivanja 
61.	Uslov ranga za identifikovanost jedne jednacine zahtijeva se od koeficijenata varijabli izostavljenih iz te jednacine  moze formirati matrica reda L-1 odnosno ukupan broj endogenih varijabli .
62.	Prekomjerno identifikovana je kada je R>L-1
63.	Tacno identifikovana je kada je R=L-1
64.	Nedovoljno identifikovana je kada je R<L-1
65.	Instrumentalne varijable se koriste kada nam treba varijabla koja je visoko korelisana sa varijablom koja je izostavljena .
66.	Koeficijenti redukovane forme mjere  ukupni efekat promjene predeterminisanih varijabli na endogene varijable.
67.	Prema uslovu ranga jednacina može biti 
a.	Identifikovana i neidentifikovana.
68.	Koeficijenti finalne forme se nazivaju 
a.	multiplikatori 
69.	Ako je model simultanih jednacina ocjenjen metodom 2SNK dobijene ocjene su
a.	 Konzistentne
70.	Ako se model simultanih jednacina ocijeni metodom ONK dobijene ocjene su
a.	 pristrasne i nekonzistentne 
71.	Ako se model simultanih jednacina ocijenjen metodom INK dobijene ocjene su 
a.	Nepristrasne
72.	Kada je broj koeficijenata jednacine redukovane forme manji od broja parametara u strukturnoj formi onda je jednacina
a.	 nedovoljno identifikovana
73.	U praksi je najvazniji sljedeci uslov linearnosti u KLRM:
a.	linearnost po koeficijentima
74.	Model je kompletan kada broj nezavisnih jednacina nije manji od broja endogenih varijabli i kada je svaka jednacina sistema identifikovana.
75. 	Koji je najvazniji model ocjenjivanja pojedinacnih jednacina sistema simultanih jednacina 2snk zato sto daje konzistentne ocjene.
76.	Uslov reda za identifikovanje jedne jednacine zahtijeva da je broj varijabli izostavljenih iz te jednacine mora da bude jednak broju ukljucenih endogenih varijabli -1.
77. 	Metod instrumentalnih varijabli daje ocjene parametara koje su min.varijansa, konzistentne.
78.	Strukturne jednacine izrazavaju endogene varijable kao funkciju drugih endogenih varijabli predeterminisanih varijabli i gresaka.
79.	Prema uslovu reda jednacine mogu biti PI,TI,NI
80.	Glejzerov i neparametarski test su metode otkrivanja heteroskedasticnosti.
81.	Metodom ink i 2snk su ocjene iste ali samo kod jednacina koje su po metodu reda TI.
82.	U uslovima visoke multikolinearnosti ocjena varijanse slucajnih gresaka je: varijanse slucajnih gresaka su vrlo visoko korelisane, visoka medjuzavisna korelisanost ih karakterise i podlozne su promjenama.
83.	Sfericne greske su one koje su neautokorelisane i homoskedasticne.
84.	Koje su predpostavke za primjenu metoda redukovane forme?
	TI modela i Mogucnost primjene metode ONK na redukovanu formu
85.	Uzroci multikolinearnosti su:
a 	Problem uzorka a ne populacije
b 	Eksplanatorne varijable su nestohasticke
c 	Koef.deter.ne pogadja multikolin samo male djelove
86. 	Redukovane jednacine izrazavaju endogene varijable kao funkciju predeterminisanih varijabli, funkciju strukturnih parametara i gresaka.
87.	Jednacine u finalnoj formi izrazavaju endogene varijable kao funkc.tekucih i vrijednosti sa docnjom egzogenih varijabli i gresaka jednacina.
88.	Priblizne varijable se koriste kada se desi da u ekonometrijskim istrazivanjima ne postoje observacije za nezavisnu varijablu koja prema teoriji igra vaznu ulogu u ispitivanoj relaciji i ta priblizna varijabla o kojoj postoje inf.mora biti visoko korelisana sa varijablom koja nedostaje.
89.	Parametri strukturne forme mjere elasticnosti, granicne sklonosti (potrosnji, stednji, investicijama...) i druge parametre ekonomske teorije.
90. 	Metod 2snk daje ocjene parametara koje su iste kao kod INK odnosno pristrasne i konzistentne
91.	Kako se klasifikuju metodi za ocjenjivanje modela simultanih jednacina na metode ocjenjivanja pojedinacnih jednacina i metode ocjenjivanja kompletnih sistema simultanih jednacina
92.	Ispunjenje pretpostavki vezanih za stohasticki clan vazno je za fazu ocjenu parametara i modela
93.	Ekonomski kriterijumi se odnose na velicinu i znak parametra
94.	Postoje dva dijela KLRM sistemski i stohasticki
95.	Linearnost podrazumijeva linearnu komb.podataka odnosno podrazumijeva linearnost po parametrima ali i po promjenjivim
96.	Koje su faze metoda ekonometrijskog istrazivanja (metodologija): specifikacija modela, ocjena modela, vrednovanje dobijenih ocjena i vrednovanje moci predvidjanja modela
97.	Ocjena je efikasna ako je nepristrasna i ima najmanju varijansu
98.	Ako je cilj ekonometrijskog istrazivanja predvidjanje, najvaznija pozeljna osobina ocjene parametra modela je minimalna varijansa
99.	Sta pokazuje sistemski dio modela? Izrazava postularnu vezu datu teorijom na nacin koji omogucava lako matematicko manipulisanje
100.	Koji su osnovni ciljevi ekonometrije: testiranje ekonomske teorije, pomoc ekonomskoj politici, predvidjanje
101.	U koje se svrhe koristi prilagodjeni koeficijent determinacije? Da bi se pokusalo ustanoviti koliko je ocijenjeni model uopste relevantan
102.	Koeficijent determinacije predstavlja procenat varijacija zavisne varijable koji je objasnjen varijacijama nezavisnih varijabli, dakle mjeri relevantnost ukljucenih faktora.
103.	Ekonometrijski model je prezentacija ideje o zavisnosti ispitivane promjenjive velicine Y od izvjesnog skupa nezavisno promjenjivih velicina xj(j=1,2,3..,k)
104.	Strukturno gledajuci linearnost KLRM podrazumijeva: linearnost pod koeficijentima
105.	Ekonometrijskim kriterijumima vrednovanja ocjena parametara provjerava se da li ocjene parametra imaju svoje pozeljne osobine
106.	Algoritam INK: strukt.forma modela, redukovana forma, MONK na reduk.formu modela, BC+A=0
107.	Algoritam 2SNK se svodi na primjenu MONK u 2 stepena- na jednacine u red.formi i na transformisanu strukturnu jedinicu u kojoj su eksplatorne endogene varijable zamijenjene svojim ocjenjenim vrijednostima iz redukovane forme
108.	Ukupna varijansa greske prognoze se moze smanjiti povecanjem uzorka.
109.	Izostavljanje vaznog regresora iz modela dovodi do neefikasnih ocjena.