WorksheetsCâu hỏi về tự tương quan
Total questions: 59
Worksheet time: 30mins
Tự tương quan là gì?
Hiện tượng các sai số ngẫu nhiên không độc lập với nhau
Mối quan hệ giữa biến độc lập và biến phụ thuộc
Sự sai lệch trong việc xác định dạng mô hình
Hiện tượng biến trễ trong chuỗi thời gian
Một trong các nguyên nhân của tự tương quan là gì?
Biến độc lập bị bỏ sót
Số liệu không đầy đủ
Số liệu điều chỉnh gây nhiễu
Tất cả các đáp án trên
Nếu giá trị thống kê Durbin-Watson (d) = 2, thì điều này cho biết gì?
Không có tự tương quan
Có tự tương quan âm
Có tự tương quan dương
Cả tự tương quan âm và dương
Hậu quả của việc sử dụng OLS khi có tự tương quan là gì?
Ước lượng không còn hiệu quả
Các kiểm định t và F không còn đáng tin cậy
Phương sai ước lượng bị chệch
Tất cả các đáp án trên
Phương pháp nào được sử dụng để phát hiện tự tương quan?
Kiểm định d của Durbin-Watson
Kiểm định Breusch-Godfrey (BG)
Phương pháp đồ thị
Tất cả các đáp án trên
Khi mô hình hồi quy tuyến tính có tự tương quan, điều gì xảy ra với các sai số ngẫu nhiên?
Các sai số không còn độc lập
Các sai số vẫn độc lập
Các sai số không còn tuyến tính
Các sai số có phương sai không đổi
Trong thống kê, tự tương quan không gian thường xảy ra trong trường hợp nào?
Quan sát theo chuỗi thời gian
Quan sát trên các địa điểm khác nhau
Khi bỏ sót biến trong mô hình
Khi dữ liệu có tính chu kỳ
Đối với mô hình AR(1), yếu tố nào quyết định mức độ tự tương quan?
Hệ số hồi quy
Hệ số tương quan p
Sai số chuẩn
Giá trị phần dư
Một giá trị thống kê Durbin-Watson nhỏ hơn 1 cho thấy điều gì?
Không có tự tương quan
Có tự tương quan âm
Có tự tương quan dương
Không thể kết luận
Phương pháp nào được sử dụng để ước lượng hồi quy khi biết hệ số tự tương quan?
Phương pháp OLS
Phương pháp GLS
Phương pháp sai phân cấp 1
Phương pháp Durbin-Watson
Trong kiểm định Breusch-Godfrey, điều kiện để bác bỏ giả thuyết H0 là gì?
( (n-p)R2 )
( d > d_u )
( p > 1 )
( R^2 < 0.5 )
Tự tương quan có thể dẫn đến hậu quả nào?
Phương sai của ước lượng bị sai lệch
Khoảng tin cậy bị bó hẹp
Giá trị R^2 bị ước lượng thấp hơn
Không ảnh hưởng gì
Khi hệ số tương quan ( p ) = -1, điều này biểu thị điều gì?
Không có tự tương quan
Tự tương quan dương hoàn hảo
Tự tương quan âm hoàn hảo
Tự tương quan không gian
Phương pháp Newey-West dùng để làm gì?
Ước lượng hệ số tự tương quan
Điều chỉnh sai số chuẩn của OLS
Phát hiện hiện tượng tự tương quan
Loại bỏ dữ liệu lỗi
Kiểm định x^2 về tính độc lập của các phần dư dựa trên điều kiện nào?
Các phần dư không độc lập
Các phần dư phân phối chuẩn
Các hàng và cột trong bảng không độc lập
Giá trị Durbin-Watson nhỏ hơn 1
Khi xảy ra tự tương quan, khoảng tin cậy của các ước lượng OLS có xu hướng như thế nào?
Tăng lên
Giảm đi
Không đổi
Tùy thuộc vào hệ số p
Hệ số tự tương quan ( p ) được ước lượng như thế nào trong phương pháp Cochrane-Orcutt?
Dựa vào phần dư từ hồi quy OLS
Tính từ giá trị Durbin-Watson
Dựa trên các giá trị dự đoán
Không thể ước lượng
Đa cộng tuyến là gì?
Mối quan hệ phi tuyến giữa các biến độc lập
Mối quan hệ tuyến tính hoàn hảo hoặc gần hoàn hảo giữa các biến độc lập
Mối quan hệ giữa biến độc lập và biến phụ thuộc
Không có mối liên hệ nào giữa các biến
Nếu tồn tại một tập các hệ số λ sao cho: với các λ không đồng thời bằng 0, thì đây là biểu hiện của:
Đa cộng tuyến không hoàn hảo
Tương quan giả
Đa cộng tuyến hoàn hảo
Phương sai thay đổi
Trong trường hợp có đa cộng tuyến hoàn hảo, điều gì xảy ra với các hệ số hồi quy?
Vẫn có thể ước lượng chính xác
Phương sai giảm
Hệ số không xác định, sai số chuẩn vô hạn
Tăng độ chính xác của mô hình
Trong thực tế, loại đa cộng tuyến nào thường gặp hơn?
Hoàn hảo
Không hoàn hảo
Không có loại nào
Tương quan phi tuyến
Đâu KHÔNG phải là hậu quả của đa cộng tuyến?
Tăng sai số chuẩn
Tăng ý nghĩa thống kê của các biến
Dấu hệ số hồi quy có thể sai
R² cao như
Đâu KHÔNG phải là hậu quả của đa cộng tuyến?
Tăng sai số chuẩn
Tăng ý nghĩa thống kê của các biến
Dấu hệ số hồi quy có thể sai
R² cao nhưng các kiểm định t không có ý nghĩa
Nếu R² cao nhưng các t-statistic nhỏ, điều này có thể chỉ ra:
Mô hình hoàn hảo
Không có đa cộng tuyến
Có thể tồn tại đa cộng tuyến
Biến độc lập không ảnh hưởng Y
Một biến có VIF > 10 thường được coi là:
Biến cần giữ lại
Có đa cộng tuyến cao
Có ảnh hưởng tốt
Không liên quan
Kỹ thuật nào sau đây giúp giảm đa cộng tuyến bằng cách sử dụng thông tin bên ngoài?
Tăng kích thước mẫu
Hồi quy sóng
Thông tin tiên nghiệm
Dạng độ lệch
Phương pháp sai phân cấp một được dùng để:
Tăng R²
Loại bỏ sai số ngẫu nhiên
Giảm tương quan giữa các biến
Loại bỏ dữ liệu không cần thiết
Đa cộng tuyến không làm sai lệch ước lượng của các hệ số, nhưng gây ra vấn đề gì?
Làm sai mô hình hồi quy
Tăng phương sai và làm giảm độ tin cậy của hệ số
Làm tăng số bậc tự do
Làm tăng R² giả tạo
Khi phát hiện đa cộng tuyến, bước KHÔNG nên làm là gì?
Kiểm tra hệ số phóng đại phương sai (VIF)
Xem ma trận tương quan giữa các biến độc lập
Loại bỏ biến phụ thuộc
Kết hợp biến bằng chỉ số tổng hợp
Biện pháp nào sau đây KHÔNG trực tiếp khắc phục được đa cộng tuyến?
Tăng kích thước mẫu
Loại bỏ biến giải thích liên quan mạnh
Chuẩn hóa dữ liệu (standardization)
Sử dụng hồi quy Ridge hoặc Lasso
yến?
Tăng kích thước mẫu
Loại bỏ biến giải thích liên quan mạnh
Chuẩn hóa dữ liệu (standardization)
Sử dụng hồi quy Ridge hoặc Lasso
Câu 14: Dạng đa cộng tuyến thường phát sinh khi:
Mô hình có quá nhiều biến độc lập
Biến phụ thuộc là biến rỗng
Dữ liệu bị thiếu giá trị
Có nhiều quan sát ngoại lai
Câu 15: Khi một biến độc lập bị đa cộng tuyến với biến khác, điều gì có thể xảy ra?
Hệ số của biến đó rất lớn, nhưng không có ý nghĩa thống kê
Hệ số luôn âm
Hệ số luôn bằng 0
Biến đó sẽ bị mô hình tự động loại bỏ
Câu 16: Khi biến giả (dummy variables) bị đa cộng tuyến, hiện tượng này còn gọi là:
Dummy variable trap
Logical trap
Multinomial crisis
Redundant encoding
Câu 17: Ma trận nào có thể dùng để kiểm tra đa cộng tuyến?
Ma trận phương sai hiệp phương sai của sai số
Ma trận chéo giữa các sai số
Ma trận tương quan giữa các biến độc lập
Ma trận hệ số chuẩn hóa
Câu 18: Trong hồi quy bội, dấu hiệu của đa cộng tuyến có thể thấy khi:
Một biến có R² riêng rất thấp nhưng mô hình tổng thể lại có R² rất cao
Tất cả hệ số có ý nghĩa
Giá trị Durbin-Watson = 2
Các hệ số nhỏ và sai số chuẩn cũng nhỏ
Câu 19: Phương pháp Ridge Regression giúp xử lý đa cộng tuyến bằng cách:
Giảm số lượng quan sát
Gán trọng số nhỏ cho các biến tương quan
Thêm ràng buộc vào tổng bình phương hệ số
Biến đổi các biến độc lập thành chỉ số tương quan chính
Câu 1: Mục đích chính của việc kiểm định mô hình hồi quy là gì?
Xác định hệ số tương quan giữa các biến.
Ước lượng sai số chuẩn.
Đánh giá sự phù hợp và ý nghĩa của mô hình.
Tính toán giá trị trung bình của biến phụ thuộC.
Câu 2: Kiểm định F trong mô hình hồi quy tuyến tính dùng để:
Kiểm định từng hệ số riêng lẻ.
So sánh giữa hai mô hình khác nhau.
Kiểm định tính đồng phương sai.
Kiểm định tổng thể sự phù hợp của mô hình.
Câu 3: Nếu giá trị p-value của kiểm định F < 0.05, điều đó có nghĩa là:
Mô hình không có ý nghĩa thống kê.
Tất cả hệ số hồi quy đều bằng 0.
Có ít nhất một biến độc lập có ảnh hưởng đến biến phụ thuộc.
Dữ liệu bị tự tương quan.
Câu 4: Một trong những tiêu chí để lựa chọn mô hình tốt là:
Mô hình có R² thấp nhất.
Mô hình có sai số chuẩn lớn nhất.
Mô hình có số biến càng nhiều càng tốt.
Mô hình có AIC hoặc BIC nhỏ nhất.
Câu 5: Khi kiểm định giả thiết cho từng hệ số hồi quy, ta thường sử dụng:
Kiểm định F
Kiểm định Durbin-Watson
Kiểm định t
Kiểm định Granger
Câu 6: Tiêu chí AIC và BIC có đặc điểm chung là:
Càng lớn càng tốt.
Không phụ thuộc vào số biến độc lập.
Dùng để đánh giá độ phù hợp của mô hình và phạt số biến quá nhiều.
Chỉ dùng được trong mô hình phi tuyến.
Câu 7: Mô hình bị hiện tượng đa cộng tuyến khi:
Các biến độc lập không có mối quan hệ nào với nhau.
Biến phụ thuộc không tuyến tính với biến độc lập.
Có mối tương quan tuyến tính mạnh giữa các biến độc lập.
Dữ liệu có phân phối chuẩn.
Câu 8: Một cách kiểm tra hiện tượng đa cộng tuyến là:
Dùng kiểm định F
Kiểm định tự tương quan
Xem hệ số VIF
Kiểm định bình phương trung bình sai số
Trong mô hình hồi quy tuyến tính, nếu kiểm định t cho một hệ số β cho p-value > 0.05, điều này nghĩa là:
Hệ số có ý nghĩa thống kê
Hệ số không có ý nghĩa thống kê ở mức 5%
Biến độc lập là biến giải thích chính
Mô hình bị tự tương quan
Khi nào nên sử dụng kiểm định t thay vì kiểm định F?
Khi muốn đánh giá toàn bộ mô hình
Khi kiểm định nhiều hệ số cùng lúc
Khi đánh giá riêng từng hệ số hồi quy
Khi kiểm định phương sai sai số
Điều nào sau đây là mục tiêu chính của lựa chọn mô hình?
Chọn mô hình phức tạp nhất có thể
Chọn mô hình với R² cao nhất bất kể số biến
Chọn mô hình đơn giản và giải thích tốt nhất
Chọn mô hình có nhiều biến giả
Trong mô hình hồi quy, hiện tượng overfitting xảy ra khi:
Mô hình không giải thích được dữ liệu
Mô hình quá đơn giản, bỏ sót biến quan trọng
Mô hình quá phức tạp, khớp quá sát với dữ liệu huấn luyện
Mô hình có phương sai đồng nhất
Khi sử dụng tiêu chí BIC, mô hình được ưu tiên chọn là:
Mô hình có BIC cao nhất
Mô hình có BIC thấp nhất
Mô hình có nhiều biến độc lập
Mô hình có hệ số chuẩn hóa
R² điều chỉnh (Adjusted R²) khác gì với R² thông thường?
Luôn nhỏ hơn hoặc bằng R² và có tính đến số biến trong mô hình
Luôn lớn hơn R²
Chỉ tính sai số chuẩn
Không bị ảnh hưởng bởi số lượng biến
Trong kiểm định F, nếu F quan sát nhỏ hơn F lý thuyết:
Bác bỏ giả thiết H₀
Không bác bỏ giả thiết H₀
R² = 1
Tất cả hệ số đều khác 0
Câu 16: Một mô hình hồi quy được cho là "tốt" khi:
Tất cả hệ số có p-value < 0.05
Hệ số hồi quy lớn
Sai số chuẩn của mô hình nhỏ, R² điều chỉnh cao
Biến độc lập càng nhiều càng tốt
Câu 17: Trong kiểm định mô hình, nếu biến độc lập có p-value lớn:
Biến đó có ảnh hưởng lớn đến biến phụ thuộc
Biến đó có thể bị loại ra khỏi mô hình
Biến đó là cần thiết
Biến đó có phương sai không đổi
Câu 18: AIC (Akaike Information Criterion) có công thức liên quan đến:
Phương sai sai số và số lượng quan sát
Log-likelihood và số biến trong mô hình
Độ chệch của hệ số
Giá trị trung bình của sai số
Câu 19: Kiểm định RESET của Ramsey dùng để:
Kiểm định giả thiết cho hệ số hồi quy
Kiểm định hiện tượng tự tương quan
Kiểm định sai số chuẩn
Kiểm định tính đúng đắn dạng hàm của mô hình
Câu 20: Mô hình bị thiếu biến quan trọng có thể dẫn đến:
Sai số chuẩn giảm
Hệ số bị chệch (bias)
Tăng độ chính xác
Không ảnh hưởng đến mô hình
Câu 21: Nếu thêm một biến không có ý nghĩa thống kê vào mô hình:
R² tăng, nhưng R² điều chỉnh có thể giảm
R² điều chỉnh chắc chắn tăng
Mô hình trở nên tốt hơn
AIC và BIC giảm
Câu 22: Mục đích chính của kiểm định từng phần là:
Kiểm định tính dừng của chuỗi thời gian
Kiểm tra phương sai sai số
Đánh giá vai trò riêng lẻ của từng biến độc lập
Kiểm định hiện tượng đa cộng tuyến
