Trong kiểm định Lagrange để phát hiện mô hình hồi quy bị thiếu biến ta phải tính qs2 . Nếu qs2 =nR2>χα(1) thì kết luận mô hình thiếu biến. Các kết luận sau, kết luận nào đúng?

Nếu qs2 =nR2>χα(1) thì kết luận mô hình thiếu biến

Nếu qs2 =nR2>χα(1) thì kết luận mô hình không thiếu biến

Nếu qs2 =nR2>χα(2) thì kết luận mô hình thiếu biến

Nếu qs2 =nR2>χα(2) thì kết luận mô hình không thiếu biến

Trả lời:

Đáp án đúng: A

Kiểm định Lagrange (LM test) được sử dụng để kiểm tra xem có biến bị bỏ sót trong mô hình hồi quy hay không. Giá trị thống kê kiểm định Lagrange được tính bằng công thức qs2 = nR2, trong đó n là kích thước mẫu và R2 là hệ số xác định từ mô hình hồi quy phụ. Nếu giá trị qs2 lớn hơn giá trị tới hạn χα(1) với bậc tự do là 1 (thường là số biến bị bỏ sót), chúng ta bác bỏ giả thuyết không (mô hình không thiếu biến) và kết luận rằng mô hình có thiếu biến. Do đó, phương án 'Nếu qs2 =nR2>χα(1) thì kết luận mô hình thiếu biến' là đúng.

Trọn bộ 140+ câu hỏi trắc nghiệm Kinh tế lượng kèm đáp án - Phần 1

Tuyển chọn hơn 100+ câu trắc nghiệm Kinh tế lượng trọng tâm - có đáp án dành cho các bạn sinh viên Đại học - Cao đăng ôn thi để đạt kết quả cao trong kì thi sắp diễn ra.

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 47:

Câu nào sau đây đúng?

Lời giải:

Đáp án đúng: A

Kiểm định Durbin-Watson dùng để kiểm tra tự tương quan bậc nhất trong mô hình hồi quy tuyến tính. Tuy nhiên, kiểm định này có một số hạn chế:

- **Biến trễ của biến phụ thuộc:** Nếu mô hình có biến trễ của biến phụ thuộc (ví dụ, Y(t-1) là biến độc lập), thì kiểm định Durbin-Watson không còn phù hợp để sử dụng vì giả định của kiểm định bị vi phạm.

- **Mô hình không có hệ số chặn:** Kiểm định Durbin-Watson thường được áp dụng cho mô hình có hệ số chặn. Nếu mô hình không có hệ số chặn, việc sử dụng kiểm định này cần được xem xét cẩn thận.

- **Dữ liệu bị mất:** Nếu có các quan sát bị mất trong dữ liệu, việc áp dụng kiểm định Durbin-Watson có thể gặp khó khăn do yêu cầu về tính liên tục của chuỗi thời gian.

Vì vậy, đáp án đúng là: Nếu có biến trễ của biến phụ thuộc là biến độc lập thì không thể dùng kiểm định d- Durbin-Watson.

Câu 48:

The EG-ADF test:

Lời giải:

Đáp án đúng: B

EG-ADF test (Engle-Granger Augmented Dickey-Fuller test) là một kiểm định được sử dụng để kiểm tra tính đồng liên kết (cointegration) giữa các biến. Phương pháp này bao gồm hai bước chính: 1. **Ước lượng hồi quy:** Ước lượng một hồi quy tuyến tính giữa các biến được cho là có mối quan hệ đồng liên kết. 2. **Kiểm định ADF trên phần dư:** Áp dụng kiểm định ADF (Augmented Dickey-Fuller) trên phần dư của hồi quy ở bước 1. Nếu phần dư là dừng (stationary), điều này cho thấy các biến có đồng liên kết. Vì vậy: - Phương án 1 không đúng vì EG-ADF và DF-GLS là hai kiểm định khác nhau. - Phương án 2 đúng vì EG-ADF là một kiểm định tính đồng liên kết. - Phương án 3 không đúng vì EG-ADF có thể được mở rộng để kiểm tra đồng liên kết giữa nhiều hơn hai biến (mặc dù phức tạp hơn). - Phương án 4 đúng vì bước thứ hai của EG-ADF sử dụng kiểm định ADF. Do đó, đáp án chính xác nhất là phương án 2, vì nó nêu rõ mục đích chính của kiểm định EG-ADF. Mặc dù phương án 4 cũng đúng, nhưng nó chỉ mô tả một phần của quy trình, không bao quát toàn bộ ý nghĩa của kiểm định.

Câu 49:

Asymptotic distribution theory is:

Lời giải:

Đáp án đúng: D

Lý thuyết phân phối tiệm cận (Asymptotic distribution theory) nghiên cứu về phân phối của các thống kê (statistics) khi kích thước mẫu (sample size) tiến đến vô cùng (rất lớn). * **Phương án 1 không đúng** vì lý thuyết này rất quan trọng trong thực tế. Mặc dù chúng ta không bao giờ có mẫu vô hạn, nhưng nó cung cấp một sự xấp xỉ tốt cho phân phối của các thống kê khi kích thước mẫu đủ lớn. * **Phương án 2 không đúng** vì lý thuyết này có ứng dụng thực tế, giúp ước lượng và kiểm định giả thuyết. * **Phương án 3 không đúng** vì lý thuyết phân phối tiệm cận mô tả phân phối khi kích thước mẫu lớn, không phải nhỏ. * **Phương án 4 đúng** vì nó định nghĩa chính xác lý thuyết phân phối tiệm cận: phân phối của các thống kê khi kích thước mẫu rất lớn.

Câu 50:

Under the five extended least squares assumptions, the homoskedasticity-only tdistribution in this chapter:

Lời giải:

Đáp án đúng: A

Trong hồi quy tuyến tính với năm giả định bình phương tối thiểu mở rộng (extended least squares assumptions), thống kê t (t-statistic) tuân theo phân phối Student t. Số bậc tự do (degrees of freedom) của phân phối Student t này là n - k - 1, trong đó n là số lượng quan sát và k là số lượng biến độc lập trong mô hình (không bao gồm hằng số). Trong bối cảnh của chương này, thường k=1 (một biến độc lập) nên bậc tự do là n-2. Tuy nhiên, câu hỏi này đề cập đến "homoskedasticity-only t distribution", điều này ngụ ý rằng chúng ta đang xem xét phân phối t chỉ khi có phương sai sai số không đổi (homoskedasticity). Trong trường hợp này, ước lượng phương sai sai số là không chệch khi phương sai sai số không đổi, và số bậc tự do vẫn là n-k-1, với k là số lượng biến độc lập. Vì vậy, phương án đúng nhất là phân phối Student t với n-2 bậc tự do nếu chỉ có một biến độc lập, hoặc n - k - 1 nếu có k biến độc lập. Nếu câu hỏi không cung cấp thông tin về số lượng biến độc lập, ta giả sử đơn giản nhất là k = 1.

Câu 1:

Sai số là:

Lời giải:

Đáp án đúng: A

Sai số (error) trong thống kê và mô hình hóa là độ lệch giữa giá trị thực tế quan sát được và giá trị ước tính hoặc dự đoán được từ mô hình. Do đó, đáp án đúng là độ chênh lệch giữa giá trị thực tế và giá trị ước lượng.

Câu 2:

Đại lượng Y trong phân tích hồi quy:

Lời giải: