100 câu Trắc nghiệm tổng hợp Kinh tế lượng có đáp án (Phần 1)
30 câu hỏi
Khi mô hình hồi quy tuyến tính đơn giản có hệ số hồi quy β1\beta_1β1 dương, điều này có nghĩa là:
Khi biến độc lập tăng, biến phụ thuộc giảm.
Khi biến độc lập tăng, biến phụ thuộc tăng.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Biến độc lập và biến phụ thuộc không có mối quan hệ.
Khi giá trị ppp-value nhỏ hơn 0.05 trong kiểm định t của một hệ số hồi quy,
điều này cho thấy:
Hệ số hồi quy không có ý nghĩa thống kê.
Hệ số hồi quy có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Mô hình hồi quy có R2R^2R2 thấp.
Trong mô hình hồi quy bội, biến phụ thuộc là:
Biến độc lập.
Biến cần dự đoán.
Biến dự báo.
Biến không liên quan.
Hệ số hồi quy trong mô hình hồi quy tuyến tính đo lường:
Sự thay đổi của biến độc lập khi biến phụ thuộc thay đổi một đơn vị.
Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.
Sự thay đổi của cả hai biến.
Mức độ tự tương quan của sai số.
Giá trị R2R^2R2 trong mô hình hồi quy tuyến tính thể hiện:
Sự tự tương quan của sai số.
Mức độ phù hợp của mô hình với dữ liệu.
Tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập.
Mức độ tự do của mô hình.
Khi kiểm định F trong mô hình hồi quy có ppp-value nhỏ hơn 0.05, điều này có nghĩa là:
Mô hình có ý nghĩa thống kê tổng thể.
Mô hình không phù hợp với dữ liệu.
Hệ số hồi quy không có ý nghĩa thống kê.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Một mô hình hồi quy tuyến tính đơn giản có thể có bao nhiêu biến độc lập?
Nhiều hơn một biến.
Một biến.
Không có biến nào.
Hai biến.
Trong mô hình hồi quy tuyến tính, hệ số chặn β0\beta_0β0 thể hiện:
Độ dốc của đường hồi quy.
Sự thay đổi của biến độc lập.
Giá trị dự báo của biến phụ thuộc khi biến độc lập bằng 0.
Tỷ lệ biến thiên của biến phụ thuộc.
Khi hiện tượng đa cộng tuyến xuất hiện trong mô hình hồi quy bội, điều này có thể dẫn đến:
R2R^2R2 cao hơn.
Hệ số hồi quy không ổn định và khó diễn giải.
Mô hình có ý nghĩa thống kê cao hơn.
Sai số tiêu chuẩn của ước lượng giảm.
Khi phương sai của sai số không đồng nhất (heteroscedasticity), điều này có thể làm cho:
Các ước lượng của hệ số hồi quy không thiên lệch.
R2R^2R2 của mô hình tăng.
Sai số chuẩn của các ước lượng bị ước lượng sai.
Mô hình không có ý nghĩa thống kê.
Giả định về tính độc lập của sai số trong mô hình hồi quy tuyến tính có thể được kiểm tra bằng:
Kiểm định Breusch-Pagan.
Kiểm định Durbin-Watson.
Kiểm định chi bình phương.
Kiểm định t.
Trong mô hình hồi quy, hiện tượng tự tương quan của sai số (autocorrelation) có thể dẫn đến:
Ước lượng của hệ số hồi quy không hiệu quả.
Mô hình hồi quy không phù hợp.
R2R^2R2 của mô hình giảm.
Các ước lượng của hệ số hồi quy có ý nghĩa thống kê cao hơn.
Khi R2R^2R2 trong mô hình hồi quy tuyến tính đơn giản là 0.9, điều này có nghĩa là:
Mô hình không phù hợp với dữ liệu.
90% biến thiên của biến độc lập được giải thích bởi biến phụ thuộc.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
90% biến thiên của biến phụ thuộc được giải thích bởi biến độc lập.
Khi biến độc lập và biến phụ thuộc có mối quan hệ ngược chiều, hệ số hồi quy của biến độc lập sẽ:
Mang dấu âm.
Mang dấu dương.
Bằng 0.
Không xác định.
Khi giá trị ppp-value của hệ số hồi quy lớn hơn 0.05, điều này cho thấy:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy phù hợp.
Biến độc lập có ảnh hưởng mạnh đến biến phụ thuộc.
Khi mô hình hồi quy tuyến tính có R2R^2R2 điều chỉnh (Adjusted R2R^2R2) cao, điều này có nghĩa là:
Mô hình phù hợp với dữ liệu và không bị ảnh hưởng bởi số lượng biến độc lập.
Mô hình có quá nhiều biến độc lập.
Mô hình có R2R^2R2 thấp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong kiểm định Breusch-Pagan, khi ppp-value nhỏ hơn 0.05, điều này có nghĩa là:
Sai số của mô hình không có tự tương quan.
Phương sai của sai số không đồng nhất.
Hệ số hồi quy có ý nghĩa thống kê.
Mô hình hồi quy phù hợp với dữ liệu.
Trong mô hình hồi quy tuyến tính, kiểm định t được sử dụng để kiểm tra:
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự đồng nhất của phương sai.
Mức độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi hệ số hồi quy trong mô hình hồi quy tuyến tính đơn giản là 0, điều này có nghĩa là:
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Biến độc lập có ảnh hưởng ngược chiều đến biến phụ thuộc.
Biến độc lập có ảnh hưởng cùng chiều đến biến phụ thuộc.
Mô hình hồi quy không phù hợp.
Khi R2R^2R2 trong mô hình hồi quy tuyến tính đơn giản là 0.2, điều này cho thấy:
Mô hình giải thích 20% biến thiên của biến phụ thuộc.
Mô hình không có ý nghĩa thống kê.
Biến độc lập không có mối quan hệ với biến phụ thuộc.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy âm có nghĩa là:
Khi biến độc lập tăng, biến phụ thuộc tăng.
Khi biến độc lập không đổi, biến phụ thuộc tăng.
Khi biến độc lập tăng, biến phụ thuộc giảm.
Biến độc lập và biến phụ thuộc không có mối quan hệ.
Một mô hình hồi quy tốt nên có:
R2R^2R2 cao và ppp-value nhỏ.
R2R^2R2 thấp và ppp-value nhỏ.
R2R^2R2 cao và ppp-value lớn.
R2R^2R2 thấp và ppp-value lớn.
Khi hiện tượng phương sai thay đổi (heteroskedasticity) xuất hiện trong mô hình hồi quy, điều này có thể làm cho:
Các ước lượng của hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Các ước lượng của hệ số hồi quy không hiệu quả.
Mô hình hồi quy có R2R^2R2 thấp.
Kiểm định F trong mô hình hồi quy được sử dụng để kiểm tra:
Sự đồng nhất của phương sai.
Ý nghĩa thống kê của từng hệ số hồi quy.
Ý nghĩa thống kê tổng thể của mô hình.
Mức độ tự do của mô hình.
Khi mô hình hồi quy có hệ số β1=0\beta_1 = 0β1=0, điều này cho thấy:
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Biến độc lập có ảnh hưởng ngược chiều đến biến phụ thuộc.
Biến độc lập có ảnh hưởng cùng chiều đến biến phụ thuộc.
Mô hình hồi quy không phù hợp.
Khi giá trị R2R^2R2 trong mô hình hồi quy tuyến tính là 1, điều này có nghĩa là:
Biến độc lập không có mối quan hệ với biến phụ thuộc.
Mô hình giải thích hoàn toàn biến thiên của biến phụ thuộc.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Mô hình hồi quy không phù hợp.
Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh (Adjusted R2R^2R2) so với R2R^2R2 thường là:
Thấp hơn hoặc bằng.
Cao hơn hoặc bằng.
Luôn luôn cao hơn.
Luôn luôn bằng.
Khi biến phụ thuộc trong mô hình hồi quy không phải là biến liên tục, phương pháp hồi quy phù hợp nhất là:
Hồi quy tuyến tính đơn giản.
Hồi quy bội.
Hồi quy logistic.
Hồi quy Ridge.
Kiểm định t trong mô hình hồi quy được sử dụng để kiểm tra:
Sự đồng nhất của phương sai.
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự tự tương quan của các sai số.
Mức độ phù hợp của mô hình.
Khi ppp-value của hệ số hồi quy trong mô hình hồi quy logistic nhỏ hơn 0.05, điều này cho thấy:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
