Trang chủ Đề thi 32231

Trắc nghiệm ôn tập kiến thức chương 13 - Kinh tế lượng (NEU)

Tổng hợp bộ đề trắc nghiệm ôn tập Kinh tế lượng Chương 13 theo giáo trình Đại học Kinh tế Quốc dân (NEU). Đề thi tập trung vào chủ đề "Phân tích chuỗi thời gian và Dự báo" với các nội dung cốt lõi: Mô hình trung bình trượt tích hợp tự hồi quy (ARIMA), quy trình Box-Jenkins, kiểm định tính dừng (Stationarity), nghiệm đơn vị (Unit Root) và kỹ thuật dự báo ngắn hạn. Bộ câu hỏi bao gồm 40 câu trắc nghiệm được thiết kế đa dạng từ lý thuyết, bài tập tình huống đến tính toán thực tế, giúp sinh viên nắm vững cách định dạng (d, p, q), ước lượng và kiểm định mô hình. 

Từ khoá: Kinh tế lượng Trắc nghiệm Kinh tế lượng NEU Chương 13 Kinh tế lượng Chuỗi thời gian Time Series Analysis Mô hình ARIMA Quy trình Box-Jenkins Kiểm định tính dừng Dự báo kinh tế Bài tập Kinh tế lượng Ôn thi cuối kỳ Mô hình AR MA Nghiệm đơn vị

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

419,015 lượt xem 32,231 lượt làm bài

Xem trước nội dung
Câu 1: 0.25 điểm
Giả sử một quá trình ngẫu nhiên được biểu diễn bởi phương trình Yt=ϕ0+ϕ1Yt−1+ϕ2Yt−2+...+ϕpYt−p+utY_{t}=\phi_{0}+\phi_{1}Y_{t-1}+\phi_{2}Y_{t-2}+...+\phi_{p}Y_{t-p}+u_{t}, trong đó utu_t là nhiễu trắng. Đây là mô hình nào?
A.  
Mô hình trung bình trượt MA(p)
B.  
Mô hình tự hồi quy vector VAR(p)
C.  
Mô hình tự hồi quy AR(p)
D.  
Mô hình ARIMA(p,d,q)
Câu 2: 0.25 điểm
Điều kiện để một quá trình tự hồi quy AR(p) là một chuỗi dừng (stationary) là gì?
A.  
Tất cả các nghiệm của phương trình đặc trưng phải nằm bên trong vòng tròn đơn vị
B.  
Tổng các hệ số hồi quy phải bằng 1
C.  
Các nghiệm của phương trình đặc trưng phải nằm trên đường tròn đơn vị
D.  
Tất cả các nghiệm của phương trình đặc trưng phải nằm bên ngoài vòng tròn đơn vị
Câu 3: 0.25 điểm
Cho mô hình MA(q): Yt=ut+θ1ut−1+...+θqut−qY_{t}=u_{t}+\theta_{1}u_{t-1}+...+\theta_{q}u_{t-q}. Điều kiện để chuỗi này khả nghịch (invertible) là gì?
A.  
Tổng bình phương các phần dư phải đạt cực tiểu
B.  
Phương sai của sai số σ2\sigma^2 phải là hằng số
C.  
Chuỗi luôn luôn khả nghịch không cần điều kiện
D.  
Nghiệm của phương trình đặc trưng liên quan đến các tham số θ\theta nằm trong vòng tròn đơn vị
Câu 4: 0.25 điểm
Một chuỗi thời gian YtY_t được gọi là tích hợp bậc 1, ký hiệu I(1), khi nào?
A.  
Khi chuỗi YtY_t là chuỗi dừng ngay tại gốc
B.  
Khi sai phân bậc nhất ΔYt=Yt−Yt−1\Delta Y_t = Y_t - Y_{t-1} là một chuỗi dừng
C.  
Khi sai phân bậc hai Δ2Yt\Delta^2 Y_t mới là chuỗi dừng
D.  
Khi chuỗi có xu thế tất định tuyến tính
Câu 5: 0.25 điểm
Trong ký hiệu mô hình ARIMA(p,d,q), các tham số p, d, q đại diện cho điều gì?
A.  
p là bậc sai phân, d là bậc tự hồi quy, q là bậc trung bình trượt
B.  
p là bậc trung bình trượt, d là bậc sai phân, q là bậc tự hồi quy
C.  
p là bậc tự hồi quy, d là bậc tích hợp (sai phân), q là bậc trung bình trượt
D.  
p là số quan sát, d là độ trễ, q là số biến độc lập
Câu 6: 0.25 điểm
Dựa vào lược đồ tương quan (Correlogram), đặc điểm nhận dạng của quá trình AR(p) lý thuyết là gì?
A.  
Hàm tự tương quan (ACF) giảm dần (tắt dần), Hàm tự tương quan riêng (PACF) cắt cụt tại bậc p
B.  
Hàm tự tương quan (ACF) cắt cụt tại bậc p, Hàm tự tương quan riêng (PACF) giảm dần
C.  
Cả ACF và PACF đều cắt cụt tại bậc p
D.  
Cả ACF và PACF đều giảm dần về 0 mà không cắt cụt
Câu 7: 0.25 điểm
Bạn quan sát lược đồ tương quan của một chuỗi dừng và thấy: PACF giảm dần về 0, trong khi ACF có giá trị khác 0 đáng kể ở trễ 1 và 2, sau đó bằng 0 ở các trễ cao hơn. Mô hình nào phù hợp nhất?
A.  
AR(2)
B.  
MA(2)
C.  
ARMA(1,1)
D.  
ARIMA(2,1,0)
Câu 8: 0.25 điểm
Nếu cả hàm tự tương quan (ACF) và hàm tự tương quan riêng (PACF) đều giảm dần về 0 (tắt dần) chứ không cắt cụt rõ ràng, quá trình này có khả năng là gì?
A.  
Một chuỗi bước ngẫu nhiên (Random Walk)
B.  
Quá trình AR thuần túy
C.  
Quá trình MA thuần túy
D.  
Quá trình ARMA
Câu 9: 0.25 điểm
Để xác định giá trị d trong mô hình ARIMA(p,d,q), phương pháp nào thường được sử dụng đầu tiên?
A.  
Sử dụng tiêu chuẩn Akaike (AIC)
B.  
Vẽ đồ thị phần dư của mô hình hồi quy
C.  
Sử dụng kiểm định nghiệm đơn vị (như ADF hoặc PP) và quan sát đồ thị chuỗi gốc
D.  
Tính hệ số tương quan giữa biến phụ thuộc và biến độc lập
Câu 10: 0.25 điểm
Điều gì xảy ra nếu ta lấy sai phân quá nhiều lần (over-differencing) đối với một chuỗi thời gian?
A.  
Sai số của mô hình sẽ tăng lên và xuất hiện thành phần MA không cần thiết, làm phức tạp việc ước lượng
B.  
Chuỗi sẽ trở nên mượt hơn và dễ dự báo hơn
C.  
Chuỗi sẽ trở thành một hằng số
D.  
Không có ảnh hưởng gì đáng kể
Câu 11: 0.25 điểm
Trong phương pháp Box-Jenkins, bước "Kiểm định" (Diagnostic Checking) có mục đích chính là gì?
A.  
Tìm ra bộ tham số p và q tối ưu ngay lập tức
B.  
Kiểm tra xem phần dư của mô hình ước lượng có phải là nhiễu trắng hay không
C.  
Tính toán sai số dự báo cho tương lai xa
D.  
So sánh dữ liệu thực tế với dữ liệu lý thuyết kinh tế
Câu 12: 0.25 điểm
Thống kê Q của Ljung-Box được tính theo công thức Q∗=n(n+2)∑k=1mρ^k2n−kQ^* = n(n+2)\sum_{k=1}^m \frac{\hat{\rho}_k^2}{n-k} dùng để làm gì?
A.  
Kiểm định phân phối chuẩn của phần dư
B.  
Kiểm định tính dừng của chuỗi số liệu gốc
C.  
Kiểm định ý nghĩa thống kê của từng hệ số hồi quy riêng lẻ
D.  
Kiểm định giả thuyết H0 rằng tập hợp các hệ số tự tương quan của phần dư bằng 0 (phần dư không có tự tương quan)
Câu 13: 0.25 điểm
Tiêu chuẩn thông tin Akaike (AIC) được tính bằng công thức AIC(p,q)=ln⁡(σ^2)+2(p+q)nAIC(p,q) = \ln(\hat{\sigma}^2) + \frac{2(p+q)}{n}. Ý nghĩa của số hạng thứ hai 2(p+q)n\frac{2(p+q)}{n} là gì?
A.  
Thưởng cho mô hình có độ chính xác cao
B.  
Điều chỉnh sai lệch do kích thước mẫu nhỏ
C.  
Phạt mô hình có quá nhiều tham số để tránh hiện tượng quá khớp (overfitting)
D.  
Đo lường phương sai của sai số dự báo
Câu 14: 0.25 điểm
So sánh giữa tiêu chuẩn AIC và tiêu chuẩn Schwarz (BIC/SIC), phát biểu nào sau đây là đúng khi kích thước mẫu n lớn?
A.  
Tiêu chuẩn Schwarz phạt nặng hơn đối với việc thêm tham số, nên thường chọn mô hình tiết kiệm (ít tham số) hơn AIC
B.  
Tiêu chuẩn AIC phạt nặng hơn đối với việc thêm tham số
C.  
Hai tiêu chuẩn này luôn đưa ra kết quả giống hệt nhau
D.  
AIC thích hợp cho mẫu lớn, còn Schwarz chỉ dùng cho mẫu nhỏ
Câu 15: 0.25 điểm
Phương pháp ước lượng hợp lý cực đại (MLE) trong mô hình ARIMA thường yêu cầu giả định gì về sai số utu_t?
A.  
Sai số có phân phối Student
B.  
Sai số có phân phối chuẩn (Normal distribution)
C.  
Sai số có phân phối Chi bình phương
D.  
Sai số không cần tuân theo quy luật phân phối nào
Câu 16: 0.25 điểm
Kiểm định Jarque-Bera (JB) được sử dụng trong quy trình Box-Jenkins để làm gì?
A.  
Kiểm định tính dừng của chuỗi
B.  
Kiểm định tự tương quan của phần dư
C.  
Kiểm định tính ổn định của các tham số ước lượng
D.  
Kiểm định xem phần dư có phân phối chuẩn hay không
Câu 17: 0.25 điểm
Khi xây dựng mô hình ARIMA, nguyên tắc "Tiết kiệm" (Parsimony) nghĩa là gì?
A.  
Chọn mô hình đơn giản nhất (ít tham số nhất) mà vẫn mô tả đầy đủ dữ liệu
B.  
Chọn mô hình có chi phí tính toán thấp nhất
C.  
Chọn mô hình sử dụng ít dữ liệu đầu vào nhất
D.  
Chọn mô hình có R bình phương cao nhất bất kể số lượng biến
Câu 18: 0.25 điểm
Kiểm định nhân tử Lagrange (LM test) trong bối cảnh mô hình ARMA dùng để làm gì?
A.  
Kiểm định đa cộng tuyến
B.  
Kiểm định phương sai sai số thay đổi
C.  
Kiểm định giả thuyết về việc mở rộng bậc của mô hình (ví dụ từ ARMA(p,q) lên ARMA(p+r, q))
D.  
Kiểm định tính mùa vụ của chuỗi
Câu 19: 0.25 điểm
Giả sử mô hình ước lượng là Yt=0.8Yt−1+utY_t = 0.8Y_{t-1} + u_t. Nếu Y10=50Y_{10} = 50, dự báo điểm cho Y11Y_{11} (biết E(u11)=0E(u_{11})=0) là bao nhiêu?
A.  
50
B.  
40
C.  
0.8
D.  
62.5
Câu 20: 0.25 điểm
Tiếp tục câu trên, với Yt=0.8Yt−1+utY_t = 0.8Y_{t-1} + u_t và Y10=50Y_{10} = 50. Dự báo cho bước thứ 2 (Y12Y_{12}) tại thời điểm t=10 là bao nhiêu?
A.  
40
B.  
25.6
C.  
50
D.  
32
Câu 21: 0.25 điểm
Cho mô hình MA(1): Yt=ut−0.5ut−1Y_t = u_t - 0.5u_{t-1}. Tại thời điểm t, ta biết ut=2u_t = 2. Dự báo giá trị Yt+1Y_{t+1} là bao nhiêu?
A.  
-1
B.  
1
C.  
0
D.  
-0.5
Câu 22: 0.25 điểm
Khoảng tin cậy dự báo của mô hình ARIMA sẽ thay đổi như thế nào khi tầm dự báo (h) càng xa?
A.  
Khoảng tin cậy thu hẹp lại
B.  
Khoảng tin cậy không đổi
C.  
Khoảng tin cậy mở rộng ra (lớn hơn)
D.  
Khoảng tin cậy biến động theo hình sin
Câu 23: 0.25 điểm
Để dự báo một chuỗi thời gian không dừng (đã lấy sai phân bậc 1 để xây dựng mô hình), sau khi có kết quả dự báo của chuỗi sai phân, ta cần làm gì để có dự báo của chuỗi gốc?
A.  
Giữ nguyên kết quả dự báo của chuỗi sai phân
B.  
Cộng dồn kết quả dự báo sai phân vào giá trị quan sát cuối cùng của chuỗi gốc (tích hợp lại)
C.  
Lấy logarit của kết quả dự báo
D.  
Bình phương kết quả dự báo
Câu 24: 0.25 điểm
Trong mô hình SARIMA(p,d,q)(P,D,Q)s, ký hiệu s=4 thường dùng cho loại dữ liệu nào?
A.  
Dữ liệu theo năm
B.  
Dữ liệu theo tháng
C.  
Dữ liệu theo ngày
D.  
Dữ liệu theo quý
Câu 25: 0.25 điểm
Toán tử sai phân thời vụ với chu kỳ s, ký hiệu ΔsYt\Delta_s Y_t, được tính như thế nào?
A.  
Yt−Yt−sY_t - Y_{t-s}
B.  
Yt−Yt−1Y_t - Y_{t-1}
C.  
Yt−sY_t - s
D.  
(Yt−Yt−1)s(Y_t - Y_{t-1})^s
Câu 26: 0.25 điểm
Nếu một chuỗi số liệu có tính mùa vụ (ví dụ doanh số bán kem tăng vào mùa hè), biểu hiện trên lược đồ ACF thường là gì?
A.  
ACF giảm đều đặn về 0
B.  
ACF bằng 0 tại mọi độ trễ
C.  
ACF có các "đỉnh" (spikes) nổi bật tại các độ trễ là bội số của chu kỳ mùa vụ (s, 2s, 3s...)
D.  
PACF cắt cụt tại trễ 1
Câu 27: 0.25 điểm
Mô hình Yt=ϕ1Yt−1+ϕ4Yt−4+utY_t = \phi_1 Y_{t-1} + \phi_4 Y_{t-4} + u_t (với ϕ4\phi_4 là hệ số tự hồi quy mùa vụ quý) có thể viết dưới dạng toán tử trễ L như thế nào? (Giả sử chỉ có thành phần AR)
A.  
(1−ϕ1L−ϕ4L4)Yt=ut(1 - \phi_1 L - \phi_4 L^4) Y_t = u_t
B.  
(1−ϕ1L)(1−ϕ4L4)Yt=ut(1 - \phi_1 L)(1 - \phi_4 L^4) Y_t = u_t
C.  
(1+ϕ1L+ϕ4L4)Yt=ut(1 + \phi_1 L + \phi_4 L^4) Y_t = u_t
D.  
Yt=(1−ϕ1)(1−ϕ4)utY_t = (1 - \phi_1)(1 - \phi_4) u_t
Câu 28: 0.25 điểm
Bạn đang nghiên cứu chuỗi GDP theo quý. Kết quả kiểm định ADF cho thấy chuỗi GDP không dừng, nhưng chuỗi sai phân bậc 1 của nó (DGDP) là dừng. Bạn nên bắt đầu với mô hình ARIMA có tham số d bằng bao nhiêu?
A.  
d = 2
B.  
d = 0
C.  
d = 4
D.  
d = 1
Câu 29: 0.25 điểm
Khi so sánh các mô hình ARIMA khác nhau cho cùng một bộ dữ liệu, mô hình nào được coi là "tốt nhất" dựa trên tiêu chuẩn sai số dự báo?
A.  
Mô hình có RMSE (Căn bậc hai sai số bình phương trung bình) trên tập kiểm tra (out-of-sample) nhỏ nhất
B.  
Mô hình có R bình phương lớn nhất
C.  
Mô hình có bậc p và q lớn nhất
D.  
Mô hình có tổng các hệ số bằng 1
Câu 30: 0.25 điểm
Trong một mô hình ARIMA(0,1,1), phương trình có dạng ΔYt=ut+θ1ut−1\Delta Y_t = u_t + \theta_1 u_{t-1}. Đây còn được gọi là mô hình gì?
A.  
San bằng mũ giản đơn (Simple Exponential Smoothing)
B.  
Hồi quy tuyến tính
C.  
Bước ngẫu nhiên (Random Walk)
D.  
Bước ngẫu nhiên có trôi dạt
Câu 31: 0.25 điểm
Nếu đồ thị phần dư (residuals) theo thời gian cho thấy biên độ dao động ngày càng lớn dần (hình phễu), điều này vi phạm giả định gì?
A.  
Giả định về tính chuẩn
B.  
Giả định về phương sai sai số không đổi (Homoscedasticity)
C.  
Giả định về tính dừng của kỳ vọng
D.  
Giả định về tính độc lập
Câu 32: 0.25 điểm
Kiểm định McLeod và Li dựa trên hệ số tự tương quan của bình phương phần dư (u^t2\hat{u}_t^2) dùng để phát hiện vấn đề gì?
A.  
Tự tương quan bậc 1 tuyến tính
B.  
Đa cộng tuyến
C.  
Sai số quy định mô hình
D.  
Hiệu ứng ARCH (Tự hồi quy phương sai có điều kiện) hoặc sự phụ thuộc phi tuyến
Câu 33: 0.25 điểm
Một quá trình AR(1) Yt=ϕ1Yt−1+utY_t = \phi_1 Y_{t-1} + u_t với ∣ϕ1∣>1|\phi_1| > 1 sẽ có đặc điểm gì?
A.  
Là một chuỗi bùng nổ (explosive), không dừng
B.  
Là một chuỗi dừng
C.  
Là một chuỗi dao động ổn định
D.  
Hội tụ về 0 rất nhanh
Câu 34: 0.25 điểm
Trong thực hành dự báo bằng ARIMA trên phần mềm (như EViews, SPSS), tại sao ta thường chia dữ liệu thành hai phần: mẫu xây dựng (estimation sample) và mẫu kiểm tra (forecast/validation sample)?
A.  
Để tiết kiệm thời gian tính toán
B.  
Để làm phức tạp quy trình
C.  
Để đánh giá khả năng dự báo thực tế (ex-post forecast) của mô hình trên dữ liệu chưa được sử dụng để ước lượng
D.  
Để tăng số bậc tự do
Câu 35: 0.25 điểm
Cho mô hình ARIMA(1,0,0) với Yt=10+0.5Yt−1+utY_t = 10 + 0.5Y_{t-1} + u_t. Giá trị kỳ vọng (trung bình) dài hạn của chuỗi YtY_t là bao nhiêu?
A.  
10
B.  
20
C.  
15
D.  
5
Câu 36: 0.25 điểm
Khi nào thì ta nên sử dụng biến giả (Dummy variable) kết hợp với mô hình ARIMA (ARIMAX)?
A.  
Khi muốn chuyển đổi dữ liệu sang logarit
B.  
Khi dữ liệu không có tính dừng
C.  
Khi sai số không có phân phối chuẩn
D.  
Khi có các sự kiện bất thường (như cú sốc chính sách, khủng hoảng, thay đổi chế độ) ảnh hưởng đến chuỗi tại các thời điểm cụ thể
Câu 37: 0.25 điểm
Hàm mật độ phổ (Spectral density) ít được dùng trong phương pháp Box-Jenkins, nhưng nó liên quan mật thiết đến công cụ nào sau đây?
A.  
Hàm tự tương quan (ACF) - qua biến đổi Fourier
B.  
Hàm hồi quy tuyến tính
C.  
Kiểm định t-student
D.  
Ma trận hiệp phương sai
Câu 38: 0.25 điểm
Một nhà nghiên cứu ước lượng mô hình ARIMA và thu được kết quả các hệ số AR và MA đều có ý nghĩa thống kê, nhưng R2R^2 khá thấp. Nhà nghiên cứu nên làm gì?
A.  
Bác bỏ mô hình ngay lập tức vì R2R^2 thấp
B.  
Thêm thật nhiều biến trễ vào để tăng R2R^2
C.  
Kiểm tra các tiêu chuẩn chẩn đoán phần dư (Q-stat, AIC, BIC) để đánh giá. R2R^2 không phải là tiêu chuẩn quan trọng nhất trong ARIMA sai phân
D.  
Chuyển sang mô hình hồi quy chéo
Câu 39: 0.25 điểm
Xét mô hình Yt=ut+0.8ut−1Y_t = u_t + 0.8u_{t-1}. Đây là mô hình gì?
A.  
AR(1)
B.  
MA(1)
C.  
ARMA(1,1)
D.  
ARIMA(1,1,1)
Câu 40: 0.25 điểm
Trong dự báo khoảng cho mô hình ARIMA, tại sao ta thường giả định sai số utu_t có phân phối chuẩn?
A.  
Để dễ dàng xây dựng khoảng tin cậy đối xứng dựa trên các giá trị tới hạn của phân phối chuẩn (như 1.96 cho 95%)
B.  
Vì phần mềm bắt buộc
C.  
Vì dữ liệu kinh tế luôn chuẩn
D.  
Để làm giảm phương sai dự báo