Trang chủ Đề thi 32230

Trắc nghiệm ôn tập kiến thức chương 12 - Kinh tế lượng (NEU)

Bộ 40 câu hỏi trắc nghiệm Kinh tế lượng Chương 12 biên soạn theo giáo trình Nguyễn Quang Dong (NEU). Nội dung bao gồm lý thuyết và bài tập về: Chuỗi dừng & không dừng, Nhiễu trắng, Bước ngẫu nhiên, Mô hình ARIMA, Kiểm định nghiệm đơn vị (Dickey-Fuller, Phillips-Perron), Hồi quy giả mạo (Spurious Regression) và Đồng tích hợp (Cointegration). Đề thi giúp sinh viên ôn tập kỹ lưỡng các dạng bài nhận biết biểu đồ ACF/PACF và xử lý số liệu chuỗi thời gian thực tế.

Từ khoá: Kinh tế lượng Chương 12 Chuỗi thời gian không dừng NEU Nguyễn Quang Dong Trắc nghiệm Kinh tế lượng ARIMA Kiểm định nghiệm đơn vị Unit Root Test Dickey-Fuller ADF Đồng tích hợp Cointegration Hồi quy giả mạo Bước ngẫu nhiên

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

419,001 lượt xem 32,230 lượt làm bài

Xem trước nội dung
Câu 1: 0.25 điểm
Một chuỗi thời gian được gọi là dừng (stationary) khi thỏa mãn các điều kiện nào sau đây về các tham số thống kê của nó?
A.  
Phương sai không đổi theo thời gian, kỳ vọng bằng 0, hiệp phương sai phụ thuộc vào thời điểm t.
B.  
Kỳ vọng thay đổi theo thời gian, phương sai không đổi, hiệp phương sai chỉ phụ thuộc vào khoảng cách thời gian k.
C.  
Kỳ vọng không đổi, phương sai không đổi, hiệp phương sai chỉ phụ thuộc vào khoảng cách thời gian k (độ trễ), không phụ thuộc vào thời điểm t.
D.  
Kỳ vọng và phương sai đều thay đổi theo thời gian, nhưng hiệp phương sai giữa các biến là hằng số.
Câu 2: 0.25 điểm
Cho quá trình Bước ngẫu nhiên (Random Walk) dạng Yt=Yt−1+utY_t = Y_{t-1} + u_t với utu_t là nhiễu trắng có phương sai σ2\sigma^2. Phương sai của YtY_t tại thời điểm t được tính như thế nào?
A.  
Var(Yt)=tσ2Var(Y_t) = t\sigma^2
B.  
Var(Yt)=σ2Var(Y_t) = \sigma^2
C.  
Var(Yt)=σ21−ρ2Var(Y_t) = \frac{\sigma^2}{1-\rho^2}
D.  
Var(Yt)=t2σ2Var(Y_t) = t^2\sigma^2
Câu 3: 0.25 điểm
Phát biểu nào sau đây là CHÍNH XÁC nhất về tính dừng của quá trình trung bình trượt MA(q) hữu hạn?
A.  
Quá trình MA(q) chỉ dừng khi tổng các hệ số θ\theta nhỏ hơn 1.
B.  
Quá trình MA(q) luôn là một quá trình dừng với mọi giá trị của các tham số θ\theta.
C.  
Quá trình MA(q) không bao giờ dừng.
D.  
Quá trình MA(q) chỉ dừng khi các nghiệm của phương trình đặc trưng nằm trong đường tròn đơn vị.
Câu 4: 0.25 điểm
Khi thực hiện kiểm định Dickey-Fuller (DF) để kiểm tra tính dừng của chuỗi YtY_t dựa trên mô hình ΔYt=δYt−1+ut\Delta Y_t = \delta Y_{t-1} + u_t, cặp giả thuyết thống kê được đặt ra là gì?
A.  
H0:δ<0H_0: \delta < 0 (Chuỗi dừng); H1:δ=0H_1: \delta = 0 (Chuỗi không dừng).
B.  
H0:δ=0H_0: \delta = 0 (Chuỗi dừng); H1:δ<0H_1: \delta < 0 (Chuỗi không dừng).
C.  
H0:δ=0H_0: \delta = 0 (Chuỗi không dừng - có nghiệm đơn vị); H1:δ<0H_1: \delta < 0 (Chuỗi dừng).
D.  
H0:δ=1H_0: \delta = 1 (Chuỗi không dừng); H1:δ<1H_1: \delta < 1 (Chuỗi dừng).
Câu 5: 0.25 điểm
Trong phân tích chuỗi thời gian, hiện tượng "Hồi quy giả mạo" (Spurious Regression) thường có dấu hiệu nhận biết đặc trưng nào sau đây?
A.  
Hệ số xác định R2R^2 rất thấp và thống kê Durbin-Watson (d) rất cao.
B.  
Hệ số xác định R2R^2 rất cao nhưng thống kê Durbin-Watson (d) rất thấp (R2>dR^2 > d).
C.  
Các hệ số hồi quy không có ý nghĩa thống kê (t-stat nhỏ) nhưng R2R^2 cao.
D.  
Phần dư của mô hình là một chuỗi dừng (White noise).
Câu 6: 0.25 điểm
Cho quá trình tự hồi quy bậc nhất AR(1): Yt=ϕYt−1+utY_t = \phi Y_{t-1} + u_t. Điều kiện để chuỗi YtY_t là chuỗi dừng là gì?
A.  
∣ϕ∣>1|\phi| > 1
B.  
ϕ=1\phi = 1
C.  
ϕ=0\phi = 0
D.  
∣ϕ∣<1|\phi| < 1
Câu 7: 0.25 điểm
Giả sử bạn tính được hệ số tự tương quan mẫu (SACF) tại độ trễ k=1 là ρ^1=0.4\hat{\rho}_1 = 0.4 với kích thước mẫu n=100. Hãy tính giá trị thống kê t (hoặc U) để kiểm định giả thiết H0:ρ1=0H_0: \rho_1 = 0 theo xấp xỉ của Bartlett?
A.  
4.0
B.  
0.4
C.  
2.0
D.  
0.04
Câu 8: 0.25 điểm
Điểm khác biệt cơ bản nhất giữa kiểm định Dickey-Fuller mở rộng (ADF) so với kiểm định Dickey-Fuller (DF) tiêu chuẩn là gì?
A.  
ADF sử dụng phân bố chuẩn thay vì phân bố Dickey-Fuller.
B.  
ADF đưa thêm các sai phân bậc cao của biến phụ thuộc vào mô hình để khử tự tương quan trong phần dư.
C.  
ADF chỉ áp dụng cho chuỗi dừng xu thế, còn DF áp dụng cho chuỗi dừng sai phân.
D.  
ADF giả định nhiễu utu_t là quá trình trung bình trượt MA(1) thay vì nhiễu trắng.
Câu 9: 0.25 điểm
Cho mô hình Bước ngẫu nhiên có hệ số chặn (Random walk with drift): Yt=α+Yt−1+utY_t = \alpha + Y_{t-1} + u_t. Kỳ vọng của YtY_t sẽ có dạng như thế nào?
A.  
E(Yt)=Y0E(Y_t) = Y_0
B.  
E(Yt)=0E(Y_t) = 0
C.  
E(Yt)=Y0+αtE(Y_t) = Y_0 + \alpha t
D.  
E(Yt)=αE(Y_t) = \alpha
Câu 10: 0.25 điểm
Để nhận dạng bậc p của một quá trình tự hồi quy AR(p), chúng ta chủ yếu dựa vào đặc điểm nào của hàm tương quan?
A.  
Hàm tự tương quan (ACF) tắt dần (giảm dần) về 0.
B.  
Hàm tự tương quan riêng (PACF) khác 0 ở p độ trễ đầu và bằng 0 (cắt đuôi) ở các độ trễ sau p.
C.  
Hàm tự tương quan (ACF) khác 0 ở p độ trễ đầu và bằng 0 ở các độ trễ sau đó.
D.  
Cả ACF và PACF đều tắt dần về 0 dạng hình sin.
Câu 11: 0.25 điểm
Một chuỗi thời gian YtY_t được gọi là tích hợp bậc d, ký hiệu I(d), nếu:
A.  
Sai phân bậc d của nó, ΔdYt\Delta^d Y_t, là một chuỗi dừng.
B.  
Sai phân bậc d-1 của nó là chuỗi dừng.
C.  
Nó là chuỗi dừng ngay tại gốc nhưng sai phân bậc d không dừng.
D.  
Tổng tích lũy bậc d của nó là chuỗi dừng.
Câu 12: 0.25 điểm
Kiểm định Phillips-Perron (PP) khác biệt với kiểm định ADF ở điểm nào trong cách xử lý giả thiết về sai số utu_t?
A.  
PP giả thiết utu_t tuân theo phân bố Student.
B.  
PP đưa thêm biến xu thế vào mô hình để khử tự tương quan.
C.  
PP sử dụng phương pháp phi tham số để hiệu chỉnh thống kê t, cho phép utu_t có tự tương quan và phương sai thay đổi.
D.  
PP yêu cầu utu_t phải là nhiễu trắng chuẩn tắc (Gaussian White Noise).
Câu 13: 0.25 điểm
Hai chuỗi thời gian không dừng XtX_t và YtY_t được gọi là "Đồng tích hợp" (Cointegrated) khi nào?
A.  
Khi cả hai chuỗi đều có cùng phương sai.
B.  
Khi hệ số tương quan giữa chúng bằng 1.
C.  
Khi tồn tại một tổ hợp tuyến tính của chúng là một chuỗi dừng.
D.  
Khi cả hai chuỗi đều là chuỗi dừng sau khi lấy sai phân bậc 2.
Câu 14: 0.25 điểm
Cho quá trình AR(1): Yt=0.8Yt−1+utY_t = 0.8 Y_{t-1} + u_t với Var(ut)=4Var(u_t) = 4. Hãy tính phương sai dài hạn (unconditional variance) của YtY_t?
A.  
11.11
B.  
4.00
C.  
6.25
D.  
20.00
Câu 15: 0.25 điểm
Kiểm định CRDW (Cointegrating Regression Durbin-Watson) dùng để kiểm định đồng tích hợp dựa trên giả thiết: Nếu phần dư utu_t là bước ngẫu nhiên (không đồng tích hợp) thì giá trị thống kê d sẽ xấp xỉ bằng bao nhiêu?
A.  
2
B.  
4
C.  
0.5
D.  
0
Câu 16: 0.25 điểm
Mô hình Hiệu chỉnh sai số (ECM) được sử dụng khi các biến số trong mô hình hồi quy thỏa mãn điều kiện nào?
A.  
Các biến đều là chuỗi dừng tại gốc.
B.  
Các biến không dừng nhưng có quan hệ đồng tích hợp.
C.  
Các biến không dừng và không có quan hệ đồng tích hợp.
D.  
Các biến có phương sai thay đổi (Heteroskedasticity).
Câu 17: 0.25 điểm
Trong mô hình ECM: ΔYt=β1+β2ΔXt+β3ECt−1+ϵt\Delta Y_t = \beta_1 + \beta_2 \Delta X_t + \beta_3 EC_{t-1} + \epsilon_t, hệ số β3\beta_3 phản ánh điều gì?
A.  
Tác động ngắn hạn của X lên Y.
B.  
Xu thế tăng trưởng của Y.
C.  
Mức độ (tốc độ) điều chỉnh sự mất cân bằng từ thời kỳ trước.
D.  
Phương sai của sai số ngẫu nhiên.
Câu 18: 0.25 điểm
Giả sử phương trình đặc trưng của một quá trình AR(2) có hai nghiệm là z1z_1 và z2z_2. Điều kiện để quá trình này dừng là gì?
A.  
Cả hai nghiệm nằm bên trong đường tròn đơn vị (∣z∣<1|z| < 1).
B.  
Cả hai nghiệm nằm bên ngoài đường tròn đơn vị (∣z∣>1|z| > 1).
C.  
Ít nhất một nghiệm bằng 1.
D.  
Tổng hai nghiệm bằng 0.
Câu 19: 0.25 điểm
Thống kê Q của Ljung-Box (LB) được tính theo công thức nào sau đây?
A.  
LB=n∑k=1mρk2LB = n \sum_{k=1}^m \rho_k^2
B.  
LB=n(n+2)∑k=1mρ^k2n−kLB = n(n+2) \sum_{k=1}^m \frac{\hat{\rho}_k^2}{n-k}
C.  
LB=∑k=1m(ρ^k−ρˉ)2LB = \sum_{k=1}^m (\hat{\rho}_k - \bar{\rho})^2
D.  
LB=n2∑k=1m1n−kLB = n^2 \sum_{k=1}^m \frac{1}{n-k}
Câu 20: 0.25 điểm
Khi sử dụng kiểm định Perron cho chuỗi có thay đổi cấu trúc (structural break), nếu ta bỏ qua điểm gãy cấu trúc và dùng kiểm định DF thông thường thì khả năng cao sẽ dẫn đến kết luận sai lầm nào?
A.  
Bác bỏ H0 sai (kết luận chuỗi dừng trong khi thực tế không dừng).
B.  
Chấp nhận H0 sai (kết luận chuỗi không dừng trong khi thực tế là dừng xung quanh xu thế bị gãy).
C.  
Kết luận chuỗi là nhiễu trắng.
D.  
Kết luận chuỗi có phương sai thay đổi.
Câu 21: 0.25 điểm
Một cú sốc (shock) tác động vào quá trình Bước ngẫu nhiên (Random Walk) sẽ có ảnh hưởng như thế nào theo thời gian?
A.  
Ảnh hưởng giảm dần và biến mất sau một thời gian ngắn.
B.  
Ảnh hưởng giảm dần theo hàm mũ.
C.  
Ảnh hưởng tồn tại vĩnh viễn (persistent).
D.  
Ảnh hưởng chuyển thành dao động hình sin.
Câu 22: 0.25 điểm
Cho các hệ số tự tương quan mẫu ρ^1=0.5\hat{\rho}_1 = 0.5, ρ^2=0.4\hat{\rho}_2 = 0.4. Hãy tính hệ số tự tương quan riêng bậc 2 (ρ^22\hat{\rho}_{22} hay SPACF(2)) bằng công thức đệ quy Durbin?
A.  
0.1
B.  
0.2
C.  
0.4
D.  
0.5
Câu 23: 0.25 điểm
Nếu một chuỗi YtY_t là "Dừng xu thế" (Trend-Stationary), phương pháp nào sau đây là phù hợp nhất để biến nó thành chuỗi dừng?
A.  
Lấy sai phân bậc 1 (ΔYt\Delta Y_t).
B.  
Hồi quy YtY_t theo thời gian t và lấy phần dư.
C.  
Lấy sai phân bậc 2.
D.  
Chia chuỗi cho độ lệch chuẩn.
Câu 24: 0.25 điểm
Trong kiểm định nghiệm đơn vị, tại sao thống kê τ\tau (tau) lại không tuân theo phân bố Student (t) chuẩn ngay cả khi mẫu lớn?
A.  
Do phương sai của chuỗi tiến tới vô cùng và chuỗi không dừng.
B.  
Do mẫu số liệu luôn có phân phối chuẩn.
C.  
Do các sai số luôn độc lập với nhau.
D.  
Do giá trị trung bình của chuỗi bằng 0.
Câu 25: 0.25 điểm
Cho quá trình MA(1): Yt=ut+0.5ut−1Y_t = u_t + 0.5 u_{t-1}. Hãy xác định giá trị của hàm tự tương quan ACF tại độ trễ k=2 (ρ2\rho_2)?
A.  
0.5
B.  
0.4
C.  
0.25
D.  
0
Câu 26: 0.25 điểm
Một chuỗi thời gian được mô hình hóa bởi ARIMA(1,1,1). Điều này có nghĩa là gì?
A.  
Chuỗi dừng, có 1 bậc AR và 1 bậc MA.
B.  
Chuỗi sai phân bậc 1 của nó tuân theo quá trình ARMA(1,1).
C.  
Chuỗi tích hợp bậc 1 và sai phân của nó là nhiễu trắng.
D.  
Chuỗi có 1 điểm gãy cấu trúc.
Câu 27: 0.25 điểm
Khi sử dụng kiểm định Engle-Granger (EG) để kiểm định đồng tích hợp, các giá trị tới hạn được lấy từ đâu?
A.  
Bảng phân phối chuẩn tắc N(0,1).
B.  
Bảng phân phối Student (t).
C.  
Bảng giá trị tới hạn của Engle-Granger (hoặc MacKinnon cho đồng tích hợp).
D.  
Bảng phân phối Chi-bình phương.
Câu 28: 0.25 điểm
Cho phương trình dự báo của mô hình AR(1): Y^t+1=μ+ϕ(Yt−μ)\hat{Y}_{t+1} = \mu + \phi(Y_t - \mu). Nếu ϕ=0.9\phi = 0.9, μ=10\mu = 10 và giá trị thực tế Yt=20Y_t = 20. Giá trị dự báo cho Yt+1Y_{t+1} là bao nhiêu?
A.  
19
B.  
18
C.  
29
D.  
11
Câu 29: 0.25 điểm
Định lý biểu diễn Wold (Wold's Decomposition) phát biểu rằng mọi quá trình dừng (stationary process) đều có thể được biểu diễn dưới dạng nào?
A.  
Tổng của một thành phần tất định và một quá trình trung bình trượt vô hạn MA(∞\infty).
B.  
Một quá trình Bước ngẫu nhiên.
C.  
Một quá trình Tự hồi quy bậc 1 AR(1).
D.  
Tổng của một xu thế tuyến tính và nhiễu trắng.
Câu 30: 0.25 điểm
Tại sao không thể sử dụng kiểm định t hoặc F thông thường cho các hệ số hồi quy khi mô hình chứa các biến không dừng (và không đồng tích hợp)?
A.  
Vì các biến có phương sai bằng 0.
B.  
Vì các phân phối giới hạn của các ước lượng không phải là phân phối chuẩn, dẫn đến các kiểm định thống kê bị sai lệch.
C.  
Vì phần mềm máy tính không tính toán được.
D.  
Vì các hệ số hồi quy luôn bằng 0.
Câu 31: 0.25 điểm
Cho mô hình: ΔYt=0.5+0.02t−0.1Yt−1+∑αiΔYt−i+ut\Delta Y_t = 0.5 + 0.02t - 0.1 Y_{t-1} + \sum \alpha_i \Delta Y_{t-i} + u_t. Giá trị thống kê kiểm định t (tau) tính được là -3.5. Nếu giá trị tới hạn ở mức 5% là -3.41. Kết luận nào sau đây là đúng?
A.  
Chấp nhận H0, chuỗi Y có nghiệm đơn vị.
B.  
Bác bỏ H0, chuỗi Y là chuỗi dừng (dừng xu thế).
C.  
Không đủ cơ sở kết luận.
D.  
Chuỗi Y là bước ngẫu nhiên.
Câu 32: 0.25 điểm
Đối với một quá trình Bước ngẫu nhiên Yt=Yt−1+utY_t = Y_{t-1} + u_t, giá trị hiệp phương sai Cov(Yt,Yt−k)Cov(Y_t, Y_{t-k}) bằng bao nhiêu?
A.  
σ2\sigma^2
B.  
0
C.  
(t−k)σ2(t-k)\sigma^2
D.  
kσ2k\sigma^2
Câu 33: 0.25 điểm
Nếu một chuỗi thời gian có tính chất mùa vụ (seasonality) và không dừng, dạng sai phân nào thường được sử dụng để làm dừng chuỗi?
A.  
Sai phân bậc 1 đơn thuần: Yt−Yt−1Y_t - Y_{t-1}.
B.  
Sai phân theo mùa (Seasonal difference), ví dụ Yt−Yt−4Y_t - Y_{t-4} đối với dữ liệu quý.
C.  
Sai phân bậc 2: Δ2Yt\Delta^2 Y_t.
D.  
Không cần sai phân, chỉ cần thêm biến giả.
Câu 34: 0.25 điểm
Hệ phương trình Yule-Walker thiết lập mối quan hệ giữa các tham số của mô hình AR(p) với đại lượng nào?
A.  
Các giá trị của chuỗi nhiễu trắng utu_t.
B.  
Các giá trị sai phân của chuỗi.
C.  
Hàm tự tương quan (ACF) hoặc tự hiệp phương sai của chuỗi.
D.  
Giá trị trung bình của chuỗi.
Câu 35: 0.25 điểm
Biểu diễn Yt=(1−ϕL)−1utY_t = (1 - \phi L)^{-1} u_t (với ∣ϕ∣<1|\phi| < 1) tương đương với quá trình nào sau đây?
A.  
Một quá trình AR(1) được viết dưới dạng MA(∞\infty).
B.  
Một quá trình MA(1) được viết dưới dạng AR(∞\infty).
C.  
Một quá trình Bước ngẫu nhiên.
D.  
Một quá trình AR(2).
Câu 36: 0.25 điểm
Giả sử bạn đang nghiên cứu mối quan hệ giữa Tiêu dùng (C) và Thu nhập (Y). Cả hai đều là chuỗi không dừng I(1). Bạn hồi quy Ct=β1+β2Yt+utC_t = \beta_1 + \beta_2 Y_t + u_t và thu được phần dư utu_t là chuỗi dừng I(0). Kết luận nào sau đây là đúng?
A.  
Đây là hồi quy giả mạo.
B.  
C và Y là hai chuỗi đồng tích hợp.
C.  
C và Y độc lập với nhau.
D.  
Mô hình cần phải lấy sai phân bậc 2 mới dùng được.
Câu 37: 0.25 điểm
Trong mô hình Perron (Model A) về gãy cấu trúc ("Crash model"), sự thay đổi cấu trúc được mô hình hóa như thế nào?
A.  
Chỉ thay đổi về hệ số góc (độ dốc) của xu thế tại thời điểm gãy.
B.  
Thay đổi cả hệ số chặn và hệ số góc.
C.  
Chỉ thay đổi về hệ số chặn (intercept) tại thời điểm gãy (dịch chuyển mức).
D.  
Không có sự thay đổi nào, chỉ là nhiễu lớn.
Câu 38: 0.25 điểm
Cho mô hình AR(2): Yt=0.7Yt−1+0.2Yt−2+utY_t = 0.7Y_{t-1} + 0.2Y_{t-2} + u_t. Tổng các hệ số tự hồi quy là ϕ1+ϕ2=0.9\phi_1 + \phi_2 = 0.9. Điều này gợi ý gì về tính chất của chuỗi?
A.  
Chuỗi chắc chắn không dừng vì tổng gần bằng 1.
B.  
Chuỗi vẫn có thể dừng vì điều kiện cần ϕ1+ϕ2<1\phi_1 + \phi_2 < 1 được thỏa mãn (cần kiểm tra thêm các điều kiện khác).
C.  
Chuỗi bùng nổ.
D.  
Chuỗi là nhiễu trắng.
Câu 39: 0.25 điểm
Nếu một chuỗi thời gian có hàm tự tương quan riêng (PACF) có giá trị đáng kể tại độ trễ 1 và 2, sau đó bằng 0 tại các độ trễ cao hơn; trong khi hàm tự tương quan (ACF) giảm dần. Chuỗi này có khả năng tuân theo mô hình nào?
A.  
AR(2)
B.  
MA(2)
C.  
ARMA(1,1)
D.  
AR(1)
Câu 40: 0.25 điểm
Khi thực hiện dự báo cho một quá trình Bước ngẫu nhiên (Random Walk) tại thời điểm t cho k bước trong tương lai (Y^t+k\hat{Y}_{t+k}), giá trị dự báo tốt nhất (kỳ vọng có điều kiện) là gì?
A.  
Giá trị trung bình của toàn bộ chuỗi trong quá khứ.
B.  
Giá trị 0.
C.  
Giá trị quan sát gần nhất YtY_t.
D.  
Giá trị YtY_t cộng với k lần xu thế.