Phương pháp Kinh tế lượng gồm nhiều bước. Trình tự nào sau đây là đúng với phương pháp luận của kinh tế lượng?

β1= β2=0

β2=0 hoặc β3=0

β2= β3=0

β1= β3=0

Nếu gặp mô hình có biến trễ của biến độc lập thì không dùng được kiểm định d- Durbin- Watson, khi đó ta dùng kiểm định Durbin h

Khi dùng kiểm định Durbin h nếu h < -1,96 hoặc h > 1,96 thì kết luận mô hình không có tự tương quan bậc nhất

Nếu gặp mô hình có biến trễ của biến phụ thuộc là biến độc lập thì không dùng được kiểm định d- Durbin- Watson , khi đó ta dùng kiểm định Durbin -h

Khi dùng kiểm định Durbin h nếu –1,96 < h < 1,96 thì kết luận mô hình có tự tương quan bậc nhất

Mô hình chỉ có đa cộng tuyến với mẫu nhỏ

Mô hình có đa cộng tuyến

Mô hình không có đa cộng tuyến với mẫu lớn

Mô hình không có đa cộng tuyến

Mô hình hồi qui không có tự tương quan

Không kết luận được

Mô hình hồi qui có Tự tương quan âm

Mô hình hồi qui có Tự tương quan dương

Mô hình có dạng hàm không đúng là mô hình mắc sai lầm khi chỉ định

Nếu một biến cần thiết mà bị bỏ sót không đưa vào mô hình thì mô hình vẫn được coi là chỉ định đúng

Nếu mô hình hồi quy chỉ định sai thì vẫn có thể dùng để phân tích và dự báo

Một biến đưa vào mô hình hồi quy không thích hợp thì mô hình vẫn được coi là chỉ định 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

Nếu có biến trễ của biến phụ thuộc là biến độc lập thì không thể dùng kiểm định d- Durbin-Watson

Nếu có biến trễ của biến độc lập thì không thể dùng kiểm định d- Durbin-Watson

Mô hình hồi qui không có hệ số chặn thì có thể kiểm định tự tương quan theo cách kiểm định d- Durbin

Có các quan sát bị mất trong dữ liệu thì có thể kiểm định tự tương quan theo cách kiểm định d- Durbin

Is the similar to the DF-GLS test

Is a test for cointegration

Has as a limitation that it can only test if two variables, but not more than two, are cointegrated

Uses the ADF in the second step of its procedure

not practically relevant, because we never have an infinite number of observations

only of theoretical interest

of interest because it tells you what the distribution approximately looks like in small samples

the distribution of statistics when the sample size is very large

has a Student t distribution with n-2 degrees of freedom

has a normal distribution

has a Student t distribution with n degrees of freedom