Hàm hồi quy bội có đặc điểm là:

Chỉ có một biến độc lập

Chỉ có 2 biến độc lập

Chỉ có 3 biến độc lập

Có từ 2 biến độc lập trở lên

Trả lời:

Đáp án đúng: D

Hàm hồi quy bội (multiple regression) là một mô hình hồi quy tuyến tính với hai hoặc nhiều biến độc lập (independent variables) để dự đoán giá trị của một biến phụ thuộc (dependent variable). Do đó, đặc điểm chính của hàm hồi quy bội là nó có từ hai biến độc lập trở lên. Các phương án còn lại chỉ định số lượng biến độc lập cụ thể (1, 2 hoặc 3), trong khi hồi quy bội có thể có nhiều hơn 3 biến độc lập.

Trọn bộ 140+ câu hỏi trắc nghiệm Kinh tế lượng kèm đáp án - Phần 2

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 23:

Học phí của sinh viên phụ thuộc vào:

- Ngành đào tạo (công nghệ, xã hội)

- Số năm đào tạo (dưới 6 năm, từ 2 năm tới 6 năm, từ 6 năm trở lên)

- Nơi đào tạo (địa phương, trung ương)

Khi phân tích hồi quy, số biến giả cần đưa ra là?

Lời giải:

Đáp án đúng: B

Trong phân tích hồi quy, số biến giả (dummy variables) cần tạo ra cho một biến định tính (qualitative variable) là số lượng các nhóm (categories) trừ đi 1.

Trong trường hợp này, chúng ta có 3 biến định tính:

1. Ngành đào tạo: 2 nhóm (công nghệ, xã hội) => cần 2 - 1 = 1 biến giả.
2. Số năm đào tạo: 3 nhóm (dưới 6 năm, từ 2 năm tới 6 năm, từ 6 năm trở lên) => cần 3 - 1 = 2 biến giả.
3. Nơi đào tạo: 2 nhóm (địa phương, trung ương) => cần 2 - 1 = 1 biến giả.

Vậy, tổng số biến giả cần đưa ra là 1 + 2 + 1 = 4.

Câu 24:

Which of the following statements is correct concerning the conditions required for OLS to be a usable estimation technique?

Lời giải:

Đáp án đúng: A

OLS (Ordinary Least Squares - Phương pháp bình phương tối thiểu thông thường) là một kỹ thuật ước lượng được sử dụng rộng rãi trong thống kê và kinh tế lượng. Một trong những điều kiện tiên quyết quan trọng để OLS có thể sử dụng được là mô hình phải tuyến tính theo các tham số. Điều này có nghĩa là các tham số (hệ số) trong mô hình phải xuất hiện theo cách tuyến tính, mặc dù các biến có thể không tuyến tính.

* Phương án 1 (The model must be linear in the parameters): Đây là điều kiện cần thiết để OLS có thể áp dụng được. Tính tuyến tính theo tham số cho phép sử dụng các phương pháp đại số tuyến tính để tìm ước lượng tốt nhất.
* Phương án 2 (The model must be linear in the variables): Mô hình không nhất thiết phải tuyến tính theo các biến. Chúng ta có thể sử dụng các biến đã được biến đổi (ví dụ: logarit, bình phương) trong mô hình OLS.
* Phương án 3 (The model must be linear in the variables and the parameters): Như đã giải thích, mô hình chỉ cần tuyến tính theo các tham số, không nhất thiết phải tuyến tính theo các biến.
* Phương án 4 (The model must be linear in the residuals): OLS không yêu cầu mô hình phải tuyến tính theo phần dư (residuals).

Câu 25:

Which of the following is NOT correct with regard to the p-value attached to a test statistic?

Lời giải:

Đáp án đúng: A

Giá trị p (p-value) là xác suất thu được kết quả kiểm định cực đoan hoặc cực đoan hơn kết quả quan sát được, giả sử giả thuyết null là đúng.

* Phương án 1: p-values can only be used for two-sided tests - SAI. Giá trị p có thể được sử dụng cho cả kiểm định một phía (one-sided tests) và hai phía (two-sided tests).
* Phương án 2: It is the marginal significance level where we would be indifferent between rejecting and not rejecting the null hypothesis - ĐÚNG. Giá trị p chính là mức ý nghĩa cận biên mà tại đó ta sẽ phân vân giữa việc bác bỏ hoặc không bác bỏ giả thuyết null.
* Phương án 3: It is the exact significance level for the test - ĐÚNG. Giá trị p là mức ý nghĩa chính xác của kiểm định.
* Phương án 4: Given the p-value, we can make inferences without referring to statistical tables - ĐÚNG. Với giá trị p, ta có thể đưa ra kết luận mà không cần tham khảo bảng thống kê, bằng cách so sánh giá trị p với mức ý nghĩa alpha (α) được chọn.

Do đó, phương án p-values can only be used for two-sided tests là không đúng.

Câu 26:

Consider a standard normally distributed variable, a t-distributed variable with d degrees of freedom, and an F-distributed variable with (1, d) degrees of freedom. Which of the following statements is FALSE?

Lời giải:

Đáp án đúng: B

Câu hỏi này kiểm tra kiến thức về mối quan hệ giữa phân phối chuẩn, phân phối t và phân phối F, cũng như các đặc điểm của chúng.

Phương án 1 đúng: Phân phối chuẩn là một trường hợp đặc biệt của phân phối t khi bậc tự do tiến đến vô cùng. Bình phương của biến t tuân theo phân phối F với bậc tự do (1, d).

Phương án 2 sai: Vì ba phân phối liên quan đến nhau, nhưng giá trị tới hạn 5% của chúng không giống nhau. Phân phối t và phân phối F phụ thuộc vào bậc tự do (d). Giá trị tới hạn của phân phối t hội tụ về giá trị tới hạn của phân phối chuẩn khi d tăng lên, và tương tự cho phân phối F.

Phương án 3 đúng: Về mặt tiệm cận, khi cỡ mẫu lớn, phân phối t và phân phối F xấp xỉ phân phối chuẩn. Do đó, các kiểm định được thực hiện bằng ba phân phối này sẽ dẫn đến kết luận tương tự.

Phương án 4 đúng: Phân phối chuẩn và phân phối t đối xứng qua 0, trong khi phân phối F chỉ nhận các giá trị dương.

Vậy, phương án sai là phương án 2.

Câu 27:

Which of the following is NOT a good reason for including lagged variables in a regression?

Lời giải:

Đáp án đúng: D

Việc đưa các biến trễ (lagged variables) vào mô hình hồi quy thường được thực hiện để giải quyết các vấn đề như phản ứng chậm của biến phụ thuộc với các thay đổi của biến độc lập, hoặc để mô hình hóa các hiện tượng mà biến phụ thuộc phản ứng quá mức (over-reactions) với các thay đổi trong quá khứ. Nếu biến phụ thuộc là một đường trung bình động (moving average) của các giá trị trước đó, việc sử dụng biến trễ cũng là hợp lý. Tuy nhiên, việc phần dư (residuals) của mô hình không tuân theo phân phối chuẩn (non-normal) không phải là một lý do chính đáng để đưa các biến trễ vào. Các vấn đề về tính chuẩn của phần dư thường được giải quyết bằng các phương pháp khác, chẳng hạn như biến đổi dữ liệu hoặc sử dụng các mô hình khác phù hợp hơn với phân phối của dữ liệu.

Do đó, phương án "The residuals of the model appear to be non-normal" không phải là một lý do tốt để đưa các biến trễ vào mô hình hồi quy.

Câu 28:

What would be the consequences for the OLS estimator if autocorrelation is present in a regression model but ignored?

Lời giải: