Cho hàm hồi quy mẫu với hệ số xác định R2 =0,98699, TSS=10286,7025

Kiểm định White (Heteroscedasticity CHI-SQ) được sử dụng để kiểm tra phương sai của sai số có thay đổi hay không (phương sai sai số thay đổi). Nếu giá trị p-value của kiểm định này nhỏ hơn mức ý nghĩa (thường là 0.05), ta bác bỏ giả thuyết H0 rằng phương sai sai số không đổi, và kết luận có hiện tượng phương sai sai số thay đổi.

Mô hình hồi quy thường được sử dụng để mô tả mối quan hệ giữa một biến phụ thuộc (Y) và một hoặc nhiều biến độc lập (X). Trong các phương án được đưa ra, phương án 2 có khả năng thể hiện mối quan hệ này một cách rõ ràng và có ý nghĩa nhất. * **Phương án 1**: Y (sản lượng) có thể chịu ảnh hưởng bởi nhiều yếu tố khác ngoài vốn đầu tư (X). Ví dụ: kỹ thuật sản xuất, tay nghề công nhân, yếu tố thời tiết, v.v. * **Phương án 2**: Y (lương tháng của công nhân) thường có mối quan hệ chặt chẽ với số năm kinh nghiệm (X). Số năm làm việc thường là một yếu tố quan trọng để đánh giá năng lực và kinh nghiệm của công nhân, từ đó quyết định mức lương. * **Phương án 3**: Y (lượng hàng bán được) và X (giá hàng thay thế) có mối quan hệ, nhưng không phải lúc nào cũng tuyến tính hoặc dễ dự đoán. Có thể có các yếu tố khác ảnh hưởng đến lượng hàng bán được. * **Phương án 4**: Y (số xe máy bán được) và X (giá xăng) có thể có mối liên hệ, nhưng mối liên hệ này có thể không mạnh mẽ và bị ảnh hưởng bởi nhiều yếu tố khác như thu nhập người dân, các chương trình khuyến mãi, v.v. Vì vậy, phương án 2 là phù hợp nhất để xây dựng mô hình hồi quy đơn giản và có ý nghĩa.

Order of Integration (Bậc tích hợp) là số lần cần lấy sai phân (difference) một chuỗi thời gian để chuỗi đó trở thành dừng (stationary). Một chuỗi dừng có nghĩa là các thuộc tính thống kê của nó (ví dụ: trung bình và phương sai) không thay đổi theo thời gian. Do đó, đáp án đúng là phương án số 2.

Mô hình ARCH (Autoregressive Conditional Heteroskedasticity) và GARCH (Generalized Autoregressive Conditional Heteroskedasticity) được ước lượng bằng phương pháp ước lượng khả năng cực đại (Maximum Likelihood Estimation - MLE). Phương pháp này tìm kiếm các tham số của mô hình sao cho hàm khả năng (likelihood function) đạt giá trị lớn nhất, tức là tìm các tham số phù hợp nhất với dữ liệu quan sát được. Các phương pháp khác như OLS (Ordinary Least Squares) thường không phù hợp trực tiếp để ước lượng các mô hình này do tính chất của sai số thay đổi theo thời gian (heteroskedasticity). DOLS (Dynamic Ordinary Least Squares) thường dùng trong các mô hình đồng liên kết. VAR (Vector Autoregression) là một loại mô hình khác, không trực tiếp dùng để ước lượng ARCH và GARCH.