20 câu hỏi
Mô hình hồi quy có tự tương quan nếu?
Các sai số ngẫu nhiên có mối quan hệ tương quan
Các biến độc lập và biến xu thế thời gian có mối quan hệ tương quan
Các biến độc lập có mối quan hệ tương quan
Biến độc lập và sai số ngẫu nhjiên có mối quan hệ tương quan
Kiểm định Durbin- h được sử dụng trong các trường hợp sau?
Có biến độc lập là biến trễ của biến phụ thuộc.
Có biến phụ thuộc là biến trễ của một biến độc lập
Có 2 biến độc lập là biến trễ của 2 biến độc lập khác
Có biến độc lập là biến trễ của một biến độc lập khác
Giả sử với số quan sát n=20, ước lượng mô hình hồi qui:
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 hồi quy có tự tương quan thì?
Ước lượng bình phương bé nhỏ nhất là các ước lượng không chệch nhưng không hiệu quả
Các ước lượng của hệ số xác định R2 có thể tin cậy được
Các ước lượng bình phương nhỏ nhất là các ước lượng chệch
Các kiểm định T và F có thể tin cậy được
Cho mô hình hồi quy với 4 biến Y, X2, X3,X4, biến Y là biến phụ thuộc, dùng hồi quy phụ để kiểm tra Đa cộng tuyến. Câu trả nào đúng trong các câu sau?
Hồi quy của Y theo X2 là hồi quy phụ
Hồi quy của Y theo X3 là hồi quy phụ
Hồi quy của X3 theo X2, X4 là hồi quy phụ
Hồi quy của Y theo X4 là hồi quy phụ
Cho hàm hồi quy mẫu với hệ số xác định R2 =0,98699, TSS=10286,7025
ESS= 10158,272
ESS= 101,5287
ESS= 10152,8725
ESS= 1015,2872
Câu nào trong những câu trên là đúng?
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
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
Trong báo cáo kết quả hồi quy có thông tin * D:Heteroscedasticity *CHI-SQ(1) được dùng để kiểm định khuyết tật nào trong các khuyết tật sau:
Phương sai sai số thay đổi
Sai số ngẫu nhiên không theo quy luật chuẩn
Tự tương quan
Dạng hàm sai
Cho mô hình hồi quy:
Y sản lượng , X là vốn đầu tư
Y là lương tháng của công nhân, X là số năm làm việc
Y là lượng một loại hàng bán được , X là giá hàng thay thế của loại hàng đó
Y là số xe máy bán được của một cửa hàng kinh doanh trong 1 tháng, X là giá xăng trung bình trong tháng
Cho hàm hồi quy với ESS=560, RSS = 202 từ đó tìm được R2, kết quả nào đúng trong các kết quả sau:
= 0,0734908
= 0,78563
= 0,06785
= 0,737557
Câu nào sau đây đúng?
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
A VAR with five variables, 4 lags and constant terms for each equation will have a total of:
21 coefficients
100 coefficients
105 coefficients
84 coefficients
The order of integration:
can never be zero
is the number of times that the series needs to be differenced for it to be stationary
is the value of ϕ1ϕ1 in the quasi difference ΔYt–ϕ1Yt–1ΔYt–ϕ1Yt–1
depends on the number of lags in the VAR specification
ARCH and GARCH models are estimated using the:
OLS estimation method
the method of maximum likelihood
DOLS estimation method
VAR specification
The EG-ADF test:
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
Asymptotic distribution theory is:
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
Under the five extended least squares assumptions, the homoskedasticity-only tdistribution in this chapter:
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
If the errors are heteroskedastic, then:
the OLS estimator is still BLUE as long as the regressors are nonrandom
the usual formula cannot be used for the OLS estimator
your model becomes overidentified
the OLS estimator is not BLUE
The advantage of using heteroskedasticity-robust standard errors is that:
that they are easier to compute than the homoskedasticity-only standard errors
they produce asymptotically valid inferences even if you do not know the form of the conditional variance function.
it makes the OLS estimator BLUE, even in the presence of heteroskedasticity
they do not unnecessarily complicate matters, since in real-world applications, the functional form of the conditional variance can easily be found