Trang chủ Đề thi 32228

Trắc nghiệm ôn tập kiến thức chương 10 - Kinh tế lượng (NEU)

Bộ câu hỏi trắc nghiệm ôn tập Kinh tế lượng Chương 10 biên soạn theo giáo trình ĐH Kinh tế Quốc dân (NEU). Đề thi bao gồm kiến thức trọng tâm về: Mô hình xác suất tuyến tính (LPM), Logit, Probit, Tobit và Poisson. Hệ thống câu hỏi đa dạng từ lý thuyết đến bài tập tình huống, tính toán tác động biên, kiểm định LR, giúp sinh viên nắm vững kiến thức về biến phụ thuộc bị giới hạn và biến đếm để chuẩn bị tốt cho kỳ thi kết thúc học phần.

Từ khoá: Kinh tế lượng Chương 10 NEU Biến phụ thuộc rời rạc Mô hình Logit Mô hình Probit Mô hình Tobit LPM Hồi quy Poisson Trắc nghiệm có đáp án Ôn thi Kinh tế lượng

Số câu hỏi: 80 câuSố mã đề: 2 đềThời gian: 1 giờ

418,972 lượt xem 32,228 lượt làm bài

Xem trước nội dung
Câu 1: 0.25 điểm
Trong mô hình xác suất tuyến tính (LPM), phương sai của sai số ngẫu nhiên Var(ui)Var(u_i) được xác định bằng công thức nào?
A.  
σ2\sigma^2 (hằng số)
B.  
pi2p_i^2
C.  
pi(1+pi)p_i(1+p_i)
D.  
pi(1−pi)p_i(1-p_i)
Câu 2: 0.25 điểm
Một nhược điểm cơ bản của mô hình xác suất tuyến tính (LPM) liên quan đến giả thiết của phương pháp OLS là gì?
A.  
Các hệ số ước lượng luôn bị chệch
B.  
Phương sai của sai số thay đổi (Heteroskedasticity)
C.  
Không thể tính được hệ số xác định R2R^2
D.  
Có hiện tượng đa cộng tuyến hoàn hảo
Câu 3: 0.25 điểm
Hàm xác suất được sử dụng trong mô hình Logit có dạng công thức nào sau đây?
A.  
pi=eXiβ1+eXiβp_i = \frac{e^{X_i\beta}}{1+e^{X_i\beta}}
B.  
pi=Φ(Xiβ)p_i = \Phi(X_i\beta)
C.  
pi=β0+β1Xip_i = \beta_0 + \beta_1 X_i
D.  
pi=e−eXiβp_i = e^{-e^{X_i\beta}}
Câu 4: 0.25 điểm
Mô hình Probit sử dụng hàm phân phối tích lũy nào để ước lượng xác suất?
A.  
Phân phối Poisson
B.  
Phân phối Logistic
C.  
Phân phối chuẩn hóa (Standard Normal)
D.  
Phân phối Chi bình phương
Câu 5: 0.25 điểm
Mô hình Tobit được áp dụng phù hợp nhất cho loại dữ liệu nào sau đây?
A.  
Biến phụ thuộc là biến giả (nhị phân)
B.  
Biến phụ thuộc bị giới hạn (censored), thường là tụ tại 0
C.  
Biến phụ thuộc là các số nguyên đếm được
D.  
Biến phụ thuộc liên tục nhận mọi giá trị thực
Câu 6: 0.25 điểm
Để nghiên cứu số lần một người đi du lịch trong năm (các giá trị 0, 1, 2,...), mô hình nào sau đây là phù hợp nhất?
A.  
Mô hình Logit
B.  
Mô hình Probit
C.  
Mô hình Tobit
D.  
Mô hình Poisson
Câu 7: 0.25 điểm
Nếu xác suất xảy ra sự kiện là p=0.8p = 0.8, thì tỷ số Odds (Odds Ratio - OR) bằng bao nhiêu?
A.  
0.25
B.  
0.8
C.  
4
D.  
1.25
Câu 8: 0.25 điểm
Trong mô hình Logit, ảnh hưởng biên (marginal effect) của biến độc lập XkX_k đến xác suất pip_i được tính bằng công thức nào?
A.  
pi(1−pi)βkp_i(1-p_i)\beta_k
B.  
βk\beta_k
C.  
f(Xiβ)βkf(X_i\beta)\beta_k
D.  
eXiββke^{X_i\beta}\beta_k
Câu 9: 0.25 điểm
Thống kê tỷ số hàm hợp lý (Likelihood Ratio - LR) dùng để kiểm định sự phù hợp của mô hình được tính bằng công thức nào? (Với LURL_{UR} là giá trị hàm hợp lý của mô hình không ràng buộc, LRL_{R} là của mô hình có ràng buộc)
A.  
LR=LUR−LRLR = L_{UR} - L_R
B.  
LR=2(LR−LUR)LR = 2(L_R - L_{UR})
C.  
LR=(LUR/LR)2LR = (L_{UR}/L_R)^2
D.  
LR=2(Ln(LUR)−Ln(LR))LR = 2(Ln(L_{UR}) - Ln(L_R))
Câu 10: 0.25 điểm
Theo đề xuất của Amemiya (1981), mối quan hệ gần đúng giữa hệ số ước lượng của mô hình Logit (β^L\hat{\beta}_L) và Probit (β^P\hat{\beta}_P) là gì?
A.  
β^L≈β^P\hat{\beta}_L \approx \hat{\beta}_P
B.  
β^L≈1.6β^P\hat{\beta}_L \approx 1.6 \hat{\beta}_P
C.  
β^L≈2.5β^P\hat{\beta}_L \approx 2.5 \hat{\beta}_P
D.  
β^L≈0.6β^P\hat{\beta}_L \approx 0.6 \hat{\beta}_P
Câu 11: 0.25 điểm
Một vấn đề khi sử dụng mô hình xác suất tuyến tính (LPM) để dự báo là gì?
A.  
Giá trị dự báo Y^i\hat{Y}_i có thể nhỏ hơn 0 hoặc lớn hơn 1
B.  
Không thể ước lượng bằng phương pháp OLS
C.  
Các hệ số hồi quy không có ý nghĩa kinh tế
D.  
Sai số luôn có phân phối chuẩn
Câu 12: 0.25 điểm
Chỉ số Pseudo R2R^2 (McFadden) trong các mô hình biến rời rạc được tính như thế nào? (Với LURL_{UR} là log hàm hợp lý mô hình đầy đủ, L0L_0 là log hàm hợp lý mô hình chỉ có hệ số chặn)
A.  
1−L0/LUR1 - L_0/L_{UR}
B.  
1−(LUR−L0)1 - (L_{UR} - L_0)
C.  
1−LUR/L01 - L_{UR}/L_0
D.  
LUR/L0L_{UR}/L_0
Câu 13: 0.25 điểm
Giả thiết quan trọng nhất về mối quan hệ giữa kỳ vọng và phương sai trong phân phối Poisson là gì?
A.  
Phương sai lớn hơn kỳ vọng
B.  
Phương sai nhỏ hơn kỳ vọng
C.  
Phương sai độc lập với kỳ vọng
D.  
Phương sai bằng kỳ vọng
Câu 14: 0.25 điểm
Trong mô hình Tobit, kỳ vọng có điều kiện của toàn bộ mẫu E(Y∣X)E(Y|X) được tính bằng công thức nào? (Với FF là hàm phân phối tích lũy, ff là hàm mật độ)
A.  
XβX\beta
B.  
F(Xβ/σ)⋅Xβ+σ⋅f(Xβ/σ)F(X\beta/\sigma) \cdot X\beta + \sigma \cdot f(X\beta/\sigma)
C.  
Xβ+σ⋅λ(Xβ/σ)X\beta + \sigma \cdot \lambda(X\beta/\sigma)
D.  
F(Xβ/σ)⋅XβF(X\beta/\sigma) \cdot X\beta
Câu 15: 0.25 điểm
Phương pháp Berkson được sử dụng để ước lượng mô hình Logit trong trường hợp nào?
A.  
Số liệu lặp lại (grouped data)
B.  
Số liệu chuỗi thời gian
C.  
Số liệu mảng (panel data)
D.  
Số liệu bị thiếu (missing data)
Câu 16: 0.25 điểm
Trong mô hình Logit, giá trị Ln(p1−p)Ln(\frac{p}{1-p}) (Logit) có quan hệ như thế nào với các biến độc lập X?
A.  
Quan hệ mũ
B.  
Quan hệ logarit
C.  
Quan hệ tuyến tính
D.  
Quan hệ bậc hai
Câu 17: 0.25 điểm
Hiện tượng "Overdispersion" (Quá phân tán) trong mô hình Poisson nghĩa là gì?
A.  
Phương sai bằng kỳ vọng
B.  
Phương sai lớn hơn kỳ vọng
C.  
Phương sai nhỏ hơn kỳ vọng
D.  
Kỳ vọng bằng 0
Câu 18: 0.25 điểm
Để khắc phục phương sai thay đổi trong mô hình LPM bằng phương pháp WLS, trọng số wiw_i được sử dụng là gì?
A.  
1/pi1/p_i
B.  
pip_i
C.  
pi(1−pi)\sqrt{p_i(1-p_i)}
D.  
1/Y^i(1−Y^i)1/\sqrt{\hat{Y}_i(1-\hat{Y}_i)}
Câu 19: 0.25 điểm
Khi đánh giá độ phù hợp của mô hình biến định tính, "Tỷ lệ dự báo đúng" thường dựa trên ngưỡng xác suất nào để phân loại Y∗Y^*?
A.  
c = 0.5
B.  
c = 0.1
C.  
c = 0.9
D.  
c = 0
Câu 20: 0.25 điểm
Trong mô hình Poisson E(Y∣X)=eXβE(Y|X) = e^{X\beta}, hệ số βj\beta_j có ý nghĩa kinh tế là gì?
A.  
Số thay đổi tuyệt đối của Y khi X tăng 1 đơn vị
B.  
Hệ số co giãn (Elasticity)
C.  
Hệ số bán co giãn (Semi-elasticity)
D.  
Xác suất thay đổi của Y
Câu 21: 0.25 điểm
Sự khác biệt chính về dạng hàm mật độ giữa phân phối Logistic và phân phối Chuẩn hóa là gì?
A.  
Phân phối Logistic lệch phải
B.  
Phân phối Logistic có phần đuôi (tails) dày hơn (nhọn hơn)
C.  
Phân phối Chuẩn hóa không đối xứng
D.  
Hai phân phối hoàn toàn trùng khít nhau
Câu 22: 0.25 điểm
Tỷ số Mills nghịch đảo λ(c)\lambda(c) trong mô hình Tobit được định nghĩa là tỷ số giữa:
A.  
Hàm phân phối tích lũy và hàm mật độ
B.  
Hàm mật độ và phương sai
C.  
Kỳ vọng và phương sai
D.  
Hàm mật độ xác suất f(c)f(c) và hàm phân phối tích lũy F(c)F(c)
Câu 23: 0.25 điểm
Phương pháp ước lượng tham số thường dùng cho các mô hình Logit, Probit và Tobit là phương pháp nào?
A.  
Phương pháp hợp lý tối đa (MLE)
B.  
Phương pháp bình phương nhỏ nhất thường (OLS)
C.  
Phương pháp bình phương nhỏ nhất hai giai đoạn (2SLS)
D.  
Phương pháp moment tổng quát (GMM)
Câu 24: 0.25 điểm
Đối với mô hình xác suất tuyến tính (LPM), khi kích thước mẫu tăng lên thì các ước lượng OLS có tính chất gì?
A.  
Vẫn bị chệch
B.  
Hiệu quả nhất
C.  
Tiệm cận chuẩn và không chệch
D.  
Không hội tụ
Câu 25: 0.25 điểm
Ảnh hưởng biên của biến XkX_k trong mô hình Probit tại giá trị trung bình được tính bằng:
A.  
βk\beta_k
B.  
12πe−(Xβ)22βk\frac{1}{\sqrt{2\pi}} e^{-\frac{(X\beta)^2}{2}} \beta_k
C.  
eXβ(1+eXβ)2βk\frac{e^{X\beta}}{(1+e^{X\beta})^2} \beta_k
D.  
Φ(Xβ)βk\Phi(X\beta) \beta_k
Câu 26: 0.25 điểm
Giả sử mô hình Logit có phương trình Ln(p1−p)=−2+3XLn(\frac{p}{1-p}) = -2 + 3X. Nếu X=2/3X = 2/3, xác suất pp bằng bao nhiêu?
A.  
0.25
B.  
0.75
C.  
0.8
D.  
0.5
Câu 27: 0.25 điểm
Tình huống nào sau đây phù hợp nhất để sử dụng mô hình Logit hoặc Probit?
A.  
Quyết định mua hoặc không mua ô tô của một hộ gia đình
B.  
Chi tiêu hàng tháng cho thực phẩm của hộ gia đình
C.  
Số lượng ô tô bán được của một hãng trong năm
D.  
Tốc độ tăng trưởng GDP của một quốc gia
Câu 28: 0.25 điểm
Tình huống nào sau đây là ví dụ điển hình cho biến phụ thuộc trong mô hình Poisson?
A.  
Thu nhập hàng tháng của nhân viên
B.  
Tỷ lệ lạm phát
C.  
Số vụ tai nạn giao thông tại một ngã tư trong một tháng
D.  
Xếp hạng tín dụng (A, B, C)
Câu 29: 0.25 điểm
Nghiên cứu về số giờ làm việc của phụ nữ, trong đó có nhiều phụ nữ không đi làm (số giờ = 0). Đây là ví dụ về:
A.  
Dữ liệu bị khuyết (Missing data)
B.  
Dữ liệu bị giới hạn (Censored data)
C.  
Dữ liệu nhị phân (Binary data)
D.  
Dữ liệu chuỗi thời gian
Câu 30: 0.25 điểm
Trong kiểm định tỷ số hàm hợp lý (LR) với giả thiết H0:β2=β3=0H_0: \beta_2 = \beta_3 = 0, thống kê kiểm định tuân theo phân phối Chi bình phương với bậc tự do là bao nhiêu?
A.  
n - k
B.  
1
C.  
n
D.  
2
Câu 31: 0.25 điểm
Trong mô hình xác suất tuyến tính Y=β0+β1X+uY = \beta_0 + \beta_1 X + u, hệ số β1\beta_1 được giải thích như thế nào?
A.  
Thay đổi trong xác suất P(Y=1)P(Y=1) khi X tăng 1 đơn vị, không đổi với mọi X
B.  
Thay đổi trong Log odds khi X tăng 1 đơn vị
C.  
Tỷ lệ phần trăm thay đổi của Y khi X tăng 1 đơn vị
D.  
Thay đổi trong biến ẩn Y∗Y^*
Câu 32: 0.25 điểm
Tỷ số ROR (Risk Odds Ratio) so sánh điều gì?
A.  
Xác suất xảy ra sự kiện giữa hai nhóm
B.  
Logit giữa hai nhóm
C.  
Tỷ số Odds giữa hai giá trị khác nhau của biến độc lập
D.  
Sai số giữa hai mô hình
Câu 33: 0.25 điểm
Bước đầu tiên trong quy trình ước lượng mô hình LPM để khắc phục phương sai thay đổi là gì?
A.  
Ước lượng bằng Logit ngay lập tức
B.  
Ước lượng OLS và loại bỏ các quan sát có Y^\hat{Y} ngoài khoảng (0,1)
C.  
Nhân đôi cỡ mẫu
D.  
Lấy logarit của biến phụ thuộc
Câu 34: 0.25 điểm
Nếu biến Y tuân theo phân phối Poisson với tham số λ=3\lambda = 3, xác suất để Y=0Y=0 là bao nhiêu?
A.  
0
B.  
1
C.  
3
D.  
e−3e^{-3}
Câu 35: 0.25 điểm
Hệ số quy đổi xấp xỉ từ ước lượng Probit sang Logit dựa trên độ lệch chuẩn của phân phối Logistic là bao nhiêu?
A.  
π/3≈1.81\pi / \sqrt{3} \approx 1.81
B.  
2\sqrt{2}
C.  
4
D.  
1
Câu 36: 0.25 điểm
Tại sao việc sử dụng OLS cho toàn bộ mẫu (cả Y=0 và Y>0) trong dữ liệu bị giới hạn (Tobit) lại cho kết quả chệch?
A.  
Vì mẫu quá nhỏ
B.  
Vì sai số không phân phối chuẩn
C.  
Vì nó bỏ qua xác suất Y > 0 và tính chất phi tuyến của kỳ vọng có điều kiện
D.  
Vì có hiện tượng đa cộng tuyến
Câu 37: 0.25 điểm
Để đánh giá khả năng dự báo của mô hình Logit, người ta thường lập bảng ma trận nào?
A.  
Ma trận tương quan
B.  
Bảng phân loại dự báo (Expectation-Prediction / Confusion Matrix)
C.  
Ma trận hiệp phương sai
D.  
Bảng ANOVA
Câu 38: 0.25 điểm
Nếu biết xác suất p=0.5p = 0.5, giá trị của Logit L=Ln(p/(1−p))L = Ln(p/(1-p)) là bao nhiêu?
A.  
1
B.  
-1
C.  
0
D.  
Vô cùng
Câu 39: 0.25 điểm
Thuật toán nào thường được các phần mềm sử dụng để giải quyết bài toán tối đa hóa hàm hợp lý trong mô hình Logit/Probit?
A.  
Newton-Raphson
B.  
Bình phương nhỏ nhất
C.  
Simplex
D.  
Monte Carlo
Câu 40: 0.25 điểm
Khái niệm "biến ẩn" (Latent variable) I∗I^* hay Y∗Y^* đóng vai trò trung tâm trong việc xây dựng mô hình nào?
A.  
Mô hình xác suất tuyến tính (LPM)
B.  
Mô hình hồi quy đa biến cổ điển
C.  
Mô hình Poisson
D.  
Mô hình Probit và Tobit