Trang chủ Đề thi 32221

Trắc nghiệm ôn tập kiến thức chương 3 - Kinh tế lượng (NEU)

Tổng hợp bộ câu hỏi trắc nghiệm Kinh tế lượng Chương 3 biên soạn theo giáo trình Đại học Kinh tế Quốc dân (NEU). Đề thi tập trung vào các kiến thức cốt lõi: Quy luật phân phối của thống kê mẫu, xây dựng khoảng tin cậy cho hệ số hồi quy, kiểm định giả thuyết thống kê (Kiểm định t, Kiểm định F, Kiểm định Wald), và bài toán dự báo giá trị biến phụ thuộc. Bộ đề bao gồm cả lý thuyết và bài tập tính toán từ cơ bản đến nâng cao, đi kèm giải thích chi tiết giúp sinh viên củng cố kiến thức và ôn thi hiệu quả.

Từ khoá: Kinh tế lượng Econometrics Trắc nghiệm kinh tế lượng chương 3 Suy diễn thống kê Dự báo từ mô hình hồi quy Kiểm định giả thuyết Khoảng tin cậy Kiểm định t Kiểm định F Bài tập kinh tế lượng NEU OLS Kiểm định Wald Sai số dự báo

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

418,885 lượt xem 32,221 lượt làm bài

Xem trước nội dung
Câu 1: 0.25 điểm
Trong mô hình hồi quy tuyến tính cổ điển, giả thiết nào sau đây đảm bảo rằng các ước lượng OLS không chỉ là ước lượng không chệch tốt nhất (BLUE) mà còn tuân theo quy luật chuẩn?
A.  
Kỳ vọng của sai số ngẫu nhiên bằng 0.
B.  
Sai số ngẫu nhiên tuân theo quy luật chuẩn ui∼N(0,σ2)u_i \sim N(0, \sigma^2).
C.  
Phương sai của sai số ngẫu nhiên không đổi.
D.  
Không có đa cộng tuyến hoàn hảo giữa các biến độc lập.
Câu 2: 0.25 điểm
Khi thực hiện kiểm định giả thuyết về hệ số hồi quy, nếu phương sai sai số (σ2\sigma^2) chưa biết và được thay thế bằng ước lượng không chệch (σ^2\hat{\sigma}^2), thống kê kiểm định sẽ tuân theo quy luật phân phối nào?
A.  
Phân phối chuẩn hóa N(0,1)N(0,1).
B.  
Phân phối Khi bình phương (χ2\chi^2).
C.  
Phân phối Fisher (F).
D.  
Phân phối Student (t) với bậc tự do n−kn-k.
Câu 3: 0.25 điểm
Khoảng tin cậy đối xứng 1−α1-\alpha cho hệ số hồi quy βj\beta_j được xác định bởi công thức nào sau đây?
A.  
(β^j−tα/2,n−k⋅se(β^j);  β^j+tα/2,n−k⋅se(β^j))(\hat{\beta}_j - t_{\alpha/2, n-k} \cdot se(\hat{\beta}_j); \,\, \hat{\beta}_j + t_{\alpha/2, n-k} \cdot se(\hat{\beta}_j))
B.  
(β^j−tα,n−k⋅var(β^j);  β^j+tα,n−k⋅var(β^j))(\hat{\beta}_j - t_{\alpha, n-k} \cdot var(\hat{\beta}_j); \,\, \hat{\beta}_j + t_{\alpha, n-k} \cdot var(\hat{\beta}_j))
C.  
(β^j−Zα/2⋅se(β^j);  β^j+Zα/2⋅se(β^j))(\hat{\beta}_j - Z_{\alpha/2} \cdot se(\hat{\beta}_j); \,\, \hat{\beta}_j + Z_{\alpha/2} \cdot se(\hat{\beta}_j))
D.  
(β^j−Fα,n−k⋅se(β^j);  β^j+Fα,n−k⋅se(β^j))(\hat{\beta}_j - F_{\alpha, n-k} \cdot se(\hat{\beta}_j); \,\, \hat{\beta}_j + F_{\alpha, n-k} \cdot se(\hat{\beta}_j))
Câu 4: 0.25 điểm
Yếu tố nào sau đây sẽ làm giảm độ rộng của khoảng tin cậy cho hệ số hồi quy (tức là làm ước lượng chính xác hơn)?
A.  
Tăng mức ý nghĩa α\alpha (ví dụ từ 1% lên 5%).
B.  
Giảm kích thước mẫu n.
C.  
Tăng phương sai của sai số ngẫu nhiên σ2\sigma^2.
D.  
Tăng đa cộng tuyến giữa các biến độc lập.
Câu 5: 0.25 điểm
Giả sử bạn muốn kiểm định xem biến độc lập XjX_j có thực sự tác động đến biến phụ thuộc Y hay không. Cặp giả thuyết thống kê phù hợp là gì?
A.  
H0:βj=0H_0: \beta_j = 0 và H1:βje0H_1: \beta_j e 0
B.  
H0:βje0H_0: \beta_j e 0 và H1:βj=0H_1: \beta_j = 0
C.  
H0:β^j=0H_0: \hat{\beta}_j = 0 và H1:β^je0H_1: \hat{\beta}_j e 0
D.  
H0:βj>0H_0: \beta_j > 0 và H1:βj<0H_1: \beta_j < 0
Câu 6: 0.25 điểm
Trong bài toán kiểm định giả thuyết H0:βj=0H_0: \beta_j = 0, nếu giá trị tuyệt đối của thống kê kiểm định ∣tqs∣|t_{qs}| lớn hơn giá trị tới hạn tα/2,n−kt_{\alpha/2, n-k}, kết luận nào sau đây là đúng?
A.  
Chấp nhận giả thuyết H0H_0.
B.  
Có đủ cơ sở để bác bỏ giả thuyết H0H_0.
C.  
Biến XjX_j không có ý nghĩa thống kê.
D.  
Mô hình hồi quy không phù hợp.
Câu 7: 0.25 điểm
Cho mô hình hồi quy Y=β1+β2X2+β3X3+uY = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + u. Để kiểm định giả thuyết cho rằng tác động của X2X_2 đến YY lớn hơn tác động của X3X_3 đến YY, cặp giả thuyết nào sau đây là đúng?
A.  
H0:β2≥β3;  H1:β2<β3H_0: \beta_2 \ge \beta_3; \,\, H_1: \beta_2 < \beta_3
B.  
H0:β2−β3=0;  H1:β2−β3e0H_0: \beta_2 - \beta_3 = 0; \,\, H_1: \beta_2 - \beta_3 e 0
C.  
H0:β2=β3;  H1:β2>β3H_0: \beta_2 = \beta_3; \,\, H_1: \beta_2 > \beta_3
D.  
H0:β2−β3≤0;  H1:β2−β3>0H_0: \beta_2 - \beta_3 \le 0; \,\, H_1: \beta_2 - \beta_3 > 0
Câu 8: 0.25 điểm
Khi thực hiện kiểm định F để kiểm định đồng thời nhiều ràng buộc, nếu giả thuyết H0H_0 đúng thì sự khác biệt giữa tổng bình phương phần dư của mô hình có ràng buộc (RSSRRSS_R) và mô hình không ràng buộc (RSSURSS_U) sẽ như thế nào?
A.  
RSSRRSS_R sẽ nhỏ hơn rất nhiều so với RSSURSS_U.
B.  
RSSRRSS_R sẽ bằng 0.
C.  
Sự khác biệt giữa RSSRRSS_R và RSSURSS_U là nhỏ (không đáng kể).
D.  
RSSURSS_U sẽ lớn hơn RSSRRSS_R.
Câu 9: 0.25 điểm
Cho kết quả hồi quy với n=30n=30, k=3k=3. Giá trị quan sát thống kê t của biến X2X_2 là 2.3. Biết t0.025,27=2.052t_{0.025, 27} = 2.052. Giá trị P-value (hai phía) của hệ số này sẽ có đặc điểm gì?
A.  
Nhỏ hơn 0.05.
B.  
Lớn hơn 0.05.
C.  
Bằng đúng 0.05.
D.  
Không thể xác định nếu thiếu phương sai.
Câu 10: 0.25 điểm
Biểu thức nào sau đây dùng để tính sai số chuẩn của một tổ hợp tuyến tính (aβ^2+bβ^3)(a\hat{\beta}_2 + b\hat{\beta}_3)?
A.  
a2var(β^2)+b2var(β^3)\sqrt{a^2 var(\hat{\beta}_2) + b^2 var(\hat{\beta}_3)}
B.  
a⋅se(β^2)+b⋅se(β^3)a \cdot se(\hat{\beta}_2) + b \cdot se(\hat{\beta}_3)
C.  
a2var(β^2)+b2var(β^3)+2abcov(β^2,β^3)\sqrt{a^2 var(\hat{\beta}_2) + b^2 var(\hat{\beta}_3) + 2ab cov(\hat{\beta}_2, \hat{\beta}_3)}
D.  
var(β^2)+var(β^3)−2cov(β^2,β^3)var(\hat{\beta}_2) + var(\hat{\beta}_3) - 2cov(\hat{\beta}_2, \hat{\beta}_3)
Câu 11: 0.25 điểm
Để kiểm định sự phù hợp của hàm hồi quy (kiểm định xem tất cả các hệ số hồi quy riêng có đồng thời bằng 0 hay không), ta sử dụng cặp giả thuyết nào?
A.  
H0:R2=1;  H1:R2<1H_0: R^2 = 1; \,\, H_1: R^2 < 1
B.  
H0:β1=β2=...=βk=0;  H1:∃βje0 (j>1)H_0: \beta_1 = \beta_2 = ... = \beta_k = 0; \,\, H_1: \exists \beta_j e 0 \, (j>1)
C.  
H0:β2+β3+...+βk=0;  H1:β2+β3+...+βke0H_0: \beta_2 + \beta_3 + ... + \beta_k = 0; \,\, H_1: \beta_2 + \beta_3 + ... + \beta_k e 0
D.  
H0:β2=β3=...=βk=0;  H1:β22+β32+...+βk2e0H_0: \beta_2 = \beta_3 = ... = \beta_k = 0; \,\, H_1: \beta_2^2 + \beta_3^2 + ... + \beta_k^2 e 0
Câu 12: 0.25 điểm
Trong trường hợp mô hình có ràng buộc và mô hình không ràng buộc có cùng biến phụ thuộc, ta có thể tính thống kê F dựa trên hệ số xác định R2R^2. Công thức nào sau đây là đúng?
A.  
F=(RR2−RU2)/m(1−RR2)/(n−k)F = \frac{(R^2_R - R^2_U)/m}{(1 - R^2_R)/(n-k)}
B.  
F=(RU2−RR2)/m(1−RU2)/(n−k)F = \frac{(R^2_U - R^2_R)/m}{(1 - R^2_U)/(n-k)}
C.  
F=(RU2−RR2)/(n−k)(1−RU2)/mF = \frac{(R^2_U - R^2_R)/(n-k)}{(1 - R^2_U)/m}
D.  
F=(1−RU2)/m(RU2−RR2)/(n−k)F = \frac{(1 - R^2_U)/m}{(R^2_U - R^2_R)/(n-k)}
Câu 13: 0.25 điểm
Mối liên hệ giữa thống kê t (với n−kn-k bậc tự do) và thống kê F (với bậc tự do 1, n−kn-k) khi kiểm định một ràng buộc duy nhất là gì?
A.  
tn−k=F1,n−kt_{n-k} = F_{1, n-k}
B.  
tn−k≈F1,n−kt_{n-k} \approx F_{1, n-k} khi n lớn.
C.  
tn−k2=F1,n−kt^2_{n-k} = F_{1, n-k}
D.  
Không có mối liên hệ trực tiếp.
Câu 14: 0.25 điểm
Khi kích thước mẫu lớn nhưng sai số ngẫu nhiên không tuân theo quy luật chuẩn, các kiểm định t và F vẫn có thể sử dụng được nhờ vào:
A.  
Tính chất tiệm cận (xấp xỉ phân phối).
B.  
Định lý Gauss-Markov.
C.  
Phương pháp bình phương nhỏ nhất (OLS).
D.  
Giả thiết về tính tuyến tính của mô hình.
Câu 15: 0.25 điểm
Trong bài toán dự báo điểm, phương sai của sai số dự báo tại giá trị X0X_0 phụ thuộc vào khoảng cách từ X0X_0 đến giá trị trung bình Xˉ\bar{X}. Điều này có ý nghĩa gì?
A.  
Dự báo càng chính xác khi X0X_0 càng lớn.
B.  
Dự báo càng chính xác khi mẫu càng nhỏ.
C.  
Dự báo càng chính xác khi phương sai sai số lớn.
D.  
Dự báo càng chính xác khi X0X_0 càng gần giá trị trung bình mẫu Xˉ\bar{X}.
Câu 16: 0.25 điểm
Chỉ tiêu nào sau đây dùng để đánh giá sai số dự báo mà không phụ thuộc vào đơn vị đo của biến phụ thuộc?
A.  
RMSE (Căn bậc hai của trung bình bình phương sai số).
B.  
MAPE (Sai số trung bình tuyệt đối tính theo phần trăm).
C.  
MAE (Sai số trung bình tuyệt đối).
D.  
RSS (Tổng bình phương phần dư).
Câu 17: 0.25 điểm
Giả sử bạn có mô hình hồi quy tiền lương theo số năm đi học (Edu) và kinh nghiệm (Exp). Bạn muốn kiểm định giả thuyết "Kinh nghiệm không ảnh hưởng đến tiền lương". Giả thuyết H0H_0 là gì?
A.  
βExp>0\beta_{Exp} > 0
B.  
βExp=0\beta_{Exp} = 0
C.  
βEdu=βExp\beta_{Edu} = \beta_{Exp}
D.  
βExpe0\beta_{Exp} e 0
Câu 18: 0.25 điểm
Cho mô hình Y=β1+β2X2+β3X3+uY = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + u. Bạn muốn kiểm định giả thuyết H0:β2+β3=1H_0: \beta_2 + \beta_3 = 1. Đây là dạng kiểm định nào?
A.  
Kiểm định về một ràng buộc tuyến tính giữa các hệ số.
B.  
Kiểm định sự phù hợp của hàm hồi quy.
C.  
Kiểm định ý nghĩa thống kê của từng hệ số riêng lẻ.
D.  
Kiểm định phi tham số.
Câu 19: 0.25 điểm
Khi sử dụng phần mềm Eviews, giá trị "Prob." (hay P-value) đi kèm với thống kê F-statistic trong bảng kết quả hồi quy dùng để làm gì?
A.  
Kiểm định xem phương sai sai số có đổi hay không.
B.  
Kiểm định xem từng hệ số hồi quy có bằng 0 hay không.
C.  
Kiểm định giả thuyết các hệ số hồi quy có phân phối chuẩn không.
D.  
Kiểm định sự phù hợp chung của mô hình (tất cả các hệ số góc đồng thời bằng 0).
Câu 20: 0.25 điểm
Nếu khoảng tin cậy 95% cho hệ số β2\beta_2 là (0.5;1.2)(0.5; 1.2). Với mức ý nghĩa 5%, ta có thể kết luận gì về kiểm định H0:β2=0H_0: \beta_2 = 0?
A.  
Chấp nhận H0H_0.
B.  
Chưa đủ cơ sở kết luận.
C.  
Bác bỏ H0H_0.
D.  
Hệ số β2\beta_2 không có ý nghĩa thống kê.
Câu 21: 0.25 điểm
Tính toán: Cho β^2=0.8\hat{\beta}_2 = 0.8, se(β^2)=0.2se(\hat{\beta}_2) = 0.2. Giá trị quan sát của thống kê t để kiểm định H0:β2=0H_0: \beta_2 = 0 là bao nhiêu?
A.  
0.25
B.  
4.0
C.  
1.6
D.  
0.16
Câu 22: 0.25 điểm
Tính toán: Cho mô hình hồi quy có R2=0.8R^2 = 0.8, kích thước mẫu n=22n=22, số hệ số k=2k=2. Giá trị quan sát của thống kê F kiểm định sự phù hợp của mô hình là bao nhiêu?
A.  
80
B.  
40
C.  
4
D.  
20
Câu 23: 0.25 điểm
Trong một kiểm định giả thuyết hai phía với mức ý nghĩa α=0.05\alpha = 0.05 và bậc tự do 20. Nếu giá trị thống kê t tính được là -2.5 và t0.025,20=2.086t_{0.025, 20} = 2.086. Kết luận nào đúng?
A.  
Chấp nhận H0H_0 vì -2.5 < 2.086.
B.  
Chấp nhận H0H_0 vì -2.5 < 0.
C.  
Bác bỏ H1H_1.
D.  
Bác bỏ H0H_0 vì ∣−2.5∣>2.086|-2.5| > 2.086.
Câu 24: 0.25 điểm
Để xây dựng mô hình có ràng buộc (Restricted Model) từ mô hình Y=β1+β2X2+β3X3+uY = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + u với giả thuyết H0:β3=0H_0: \beta_3 = 0, mô hình cần ước lượng sẽ có dạng nào?
A.  
Y=β1+β2X2+β3X3+uY = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + u
B.  
Y=β1+uY = \beta_1 + u
C.  
Y=β1+β2X2+uY = \beta_1 + \beta_2 X_2 + u
D.  
Y=β2X2+β3X3+uY = \beta_2 X_2 + \beta_3 X_3 + u
Câu 25: 0.25 điểm
Một nhà nghiên cứu muốn kiểm định xem liệu chi tiêu cho quảng cáo (X2X_2) có mang lại lợi nhuận (YY) hay không. Hệ số hồi quy là β2\beta_2. Giả thuyết đối (H1H_1) phù hợp nhất để khẳng định quảng cáo CÓ mang lại lợi nhuận (tác động dương) là gì?
A.  
H1:β2e0H_1: \beta_2 e 0
B.  
H1:β2>0H_1: \beta_2 > 0
C.  
H1:β2<0H_1: \beta_2 < 0
D.  
H1:β2=0H_1: \beta_2 = 0
Câu 26: 0.25 điểm
Tính toán: Cho var(β^2)=0.04var(\hat{\beta}_2) = 0.04, var(β^3)=0.09var(\hat{\beta}_3) = 0.09 và cov(β^2,β^3)=−0.01cov(\hat{\beta}_2, \hat{\beta}_3) = -0.01. Sai số chuẩn của (β^2+β^3)(\hat{\beta}_2 + \hat{\beta}_3) là bao nhiêu?
A.  
0.11\sqrt{0.11} (xấp xỉ 0.331)
B.  
0.5
C.  
0.11
D.  
0.15\sqrt{0.15} (xấp xỉ 0.387)
Câu 27: 0.25 điểm
Điều gì xảy ra với độ dài khoảng tin cậy của hệ số hồi quy khi hiện tượng đa cộng tuyến giữa các biến độc lập tăng lên (các yếu tố khác không đổi)?
A.  
Độ dài khoảng tin cậy giảm đi.
B.  
Độ dài khoảng tin cậy không đổi.
C.  
Độ dài khoảng tin cậy tiến về 0.
D.  
Độ dài khoảng tin cậy tăng lên (rộng ra).
Câu 28: 0.25 điểm
Cho mô hình Y=β1+β2X2+β3X3+uY = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + u. Để kiểm định xem tổng tác động của X2X_2 và X3X_3 lên YY có bằng 1 hay không, thống kê t được tính theo công thức nào?
A.  
t=β^2+β^3se(β^2+β^3)t = \frac{\hat{\beta}_2 + \hat{\beta}_3}{se(\hat{\beta}_2 + \hat{\beta}_3)}
B.  
t=β^2+β^3+1se(β^2+β^3)t = \frac{\hat{\beta}_2 + \hat{\beta}_3 + 1}{se(\hat{\beta}_2 + \hat{\beta}_3)}
C.  
t=(β^2+β^3)−1se(β^2+β^3)t = \frac{(\hat{\beta}_2 + \hat{\beta}_3) - 1}{se(\hat{\beta}_2 + \hat{\beta}_3)}
D.  
t=(β^2+β^3)−1se(β^2)+se(β^3)t = \frac{(\hat{\beta}_2 + \hat{\beta}_3) - 1}{se(\hat{\beta}_2) + se(\hat{\beta}_3)}
Câu 29: 0.25 điểm
Trong bảng kết quả Eviews, nếu cột "Prob." của một biến độc lập có giá trị 0.0000, điều này có nghĩa là gì?
A.  
Biến đó chắc chắn không tác động đến biến phụ thuộc.
B.  
Biến đó có ý nghĩa thống kê ở mức ý nghĩa rất nhỏ (ví dụ 1%).
C.  
Mô hình bị sai dạng hàm.
D.  
Dữ liệu bị khuyết thiếu.
Câu 30: 0.25 điểm
Khi so sánh hai mô hình: Mô hình 1 (có ràng buộc) và Mô hình 2 (không ràng buộc, chứa Mô hình 1), phát biểu nào sau đây về RSS (Tổng bình phương phần dư) là đúng?
A.  
RSSRaˋngbuộc≥RSSKho^ngraˋngbuộcRSS_{Ràng buộc} \ge RSS_{Không ràng buộc}
B.  
RSSRaˋngbuộc<RSSKho^ngraˋngbuộcRSS_{Ràng buộc} < RSS_{Không ràng buộc}
C.  
RSSRaˋngbuộc=0RSS_{Ràng buộc} = 0
D.  
RSSKho^ngraˋngbuộc=RSSRaˋngbuộcRSS_{Không ràng buộc} = RSS_{Ràng buộc} trong mọi trường hợp.
Câu 31: 0.25 điểm
Nếu một khoảng tin cậy 95% cho βj\beta_j là (−2.5;−0.5)(-2.5; -0.5). Phát biểu nào sau đây là SAI?
A.  
Ta bác bỏ giả thuyết βj=0\beta_j = 0 ở mức ý nghĩa 5%.
B.  
Ta tin tưởng 95% rằng khi XjX_j tăng 1 đơn vị, YY giảm trong khoảng từ 0.5 đến 2.5 đơn vị.
C.  
Giá trị βj\beta_j có thể nhận giá trị dương.
D.  
Hệ số β^j\hat{\beta}_j có ý nghĩa thống kê.
Câu 32: 0.25 điểm
Kiểm định Wald, kiểm định tỷ số hợp lý (LR) và kiểm định nhân tử Lagrange (LM) có đặc điểm chung nào sau đây?
A.  
Chỉ áp dụng được cho mẫu nhỏ.
B.  
Luôn tuân theo phân phối chuẩn.
C.  
Luôn tuân theo phân phối Student.
D.  
Các thống kê kiểm định có phân phối xấp xỉ Khi-bình-phương (χ2\chi^2) khi mẫu lớn.
Câu 33: 0.25 điểm
Tính toán: Bạn cần kiểm định giả thuyết β2=1\beta_2 = 1. Kết quả hồi quy cho β^2=1.5\hat{\beta}_2 = 1.5, se(β^2)=0.25se(\hat{\beta}_2) = 0.25. Giá trị thống kê t là bao nhiêu?
A.  
6
B.  
2
C.  
0.5
D.  
4
Câu 34: 0.25 điểm
Tại sao khi kiểm định giả thuyết về sự bằng nhau của hai hệ số hồi quy (H0:β2=β3H_0: \beta_2 = \beta_3), ta không thể đơn giản là so sánh hai khoảng tin cậy riêng lẻ của chúng?
A.  
Vì các hệ số ước lượng thường có tương quan với nhau (cov e e 0), việc kiểm định riêng lẻ bỏ qua thông tin này.
B.  
Vì kiểm định t không chính xác.
C.  
Vì phương sai sai số thay đổi.
D.  
Vì số bậc tự do bị giảm.
Câu 35: 0.25 điểm
Cho mô hình hồi quy Y=β1+β2X2+uY = \beta_1 + \beta_2 X_2 + u. Nếu R2=0R^2 = 0, điều này ngụ ý gì về thống kê F kiểm định sự phù hợp của mô hình?
A.  
F = 1
B.  
F tiến tới vô cùng.
C.  
Không xác định được F.
D.  
F = 0
Câu 36: 0.25 điểm
Để xây dựng khoảng tin cậy cho giá trị trung bình của YY (E(Y∣X0)E(Y|X_0)), ta cần dùng phân phối xác suất nào?
A.  
Phân phối chuẩn hóa Z.
B.  
Phân phối Khi bình phương.
C.  
Phân phối Student (t) với n−kn-k bậc tự do.
D.  
Phân phối Fisher (F).
Câu 37: 0.25 điểm
Trong ngữ cảnh của kiểm định giả thuyết, "Ý nghĩa thống kê" (Statistical Significance) khác với "Ý nghĩa kinh tế/thực tiễn" ở điểm nào?
A.  
Ý nghĩa thống kê quan trọng hơn.
B.  
Ý nghĩa kinh tế luôn suy ra ý nghĩa thống kê.
C.  
Không có gì khác nhau.
D.  
Một hệ số có thể có ý nghĩa thống kê (khác 0) nhưng tác động quá nhỏ nên không có ý nghĩa thực tiễn.
Câu 38: 0.25 điểm
Để kiểm định giả thuyết H0:β2=0H_0: \beta_2 = 0 và β3=0\beta_3 = 0 đồng thời, ta cần ước lượng mô hình không ràng buộc và mô hình có ràng buộc. Mô hình có ràng buộc trong trường hợp này là gì?
A.  
Y=β1+uY = \beta_1 + u (chỉ hồi quy theo hệ số chặn).
B.  
Y=β1+β2X2+uY = \beta_1 + \beta_2 X_2 + u
C.  
Y=β1+β3X3+uY = \beta_1 + \beta_3 X_3 + u
D.  
Y=β2X2+β3X3+uY = \beta_2 X_2 + \beta_3 X_3 + u
Câu 39: 0.25 điểm
Khi kích thước mẫu n tăng lên vô cùng, khoảng tin cậy của các hệ số hồi quy sẽ có xu hướng như thế nào?
A.  
Rộng ra vô cùng.
B.  
Co hẹp lại về một điểm (hội tụ về giá trị thực).
C.  
Không đổi.
D.  
Biến động ngẫu nhiên.
Câu 40: 0.25 điểm
Cho RSSU=100RSS_U = 100, RSSR=120RSS_R = 120, số ràng buộc m=2m=2, mẫu n=24n=24, số biến mô hình gốc k=4k=4. Giá trị thống kê F là bao nhiêu?
A.  
4
B.  
5
C.  
2
D.  
10