WorksheetsThống kê 9
Total questions: 56
Worksheet time: 28mins
Mô hình hồi quy tuyến tính đơn mô tả quan hệ giữa:
Hai biến định tính
Một biến Y và một biến X
Nhiều biến X
Không có quan hệ giữa các biến
Nếu quan hệ X–Y là quan hệ 1:1 theo hàm toán học, ta có thể:
Không thể ước lượng β1, β2
Ước lượng chính xác β1 và β2
Chỉ ước lượng được β1
Chỉ ước lượng được β2
Trong thực tế, ta chỉ biết:
Hàm Y = β1 + β2X
Các giá trị quan sát, không biết đường quan hệ thật
Hàm số luôn tuyến tính
Không thể ước lượng
Giá trị ước lượng của Y được ký hiệu là:
Y
X
Ŷ
u
Phần dư được ký hiệu là:
Ŷ – Y
Y – Ŷ
X – Y
β2 – β1
Mục tiêu của OLS là:
Tối đa hóa RSS
Tối thiểu hóa RSS
Tối thiểu hóa ESS
Tối đa hóa ESS
RSS là:
Tổng bình phương Y
Tổng bình phương dự báo
Tổng bình phương các phần dư
Tổng của β1 và β2
Không dùng tổng phần dư vì:
Tổng phần dư luôn âm
Tổng phần dư luôn dương
Tổng phần dư bằng 0
Tổng phần dư không tồn tại
Công thức tìm b1, b2 đến từ:
Lấy đạo hàm RSS theo b1 và b2
Lấy đạo hàm ESS
Lấy đạo hàm p-value
Lấy đạo hàm R²
Hệ số hồi quy cho biết:
Mức thay đổi của X khi Y tăng 1 đơn vị
Mức thay đổi của Y khi X tăng 1 đơn vị
Trung bình của phần dư
Độ lệch chuẩn của X
11. Hệ số cons có thể:
A. Luôn có ý nghĩa thực tế
B. Không có ý nghĩa thực tế
C. Luôn bằng 0
D. Luôn bằng 1
Khi thay đổi đơn vị đo lường của X:
β2 không thay đổi
β2 thay đổi
Y không thay đổi
Không ảnh hưởng đến mô hình
Hệ số xác định R² do lường:
Mức giải thích của X đối với Y
Mức giải thích của Y đối với X
RSS
Trung bình phần dư
R² là tỷ lệ phần trăm của:
ESS / TSS
RSS / ESS
RSS / TSS
TSS / ESS
R² gần 1 nghĩa là:
Mô hình giải thích tốt
Mô hình giải thích kém
Không có quan hệ
Phần dư lớn
16. R² gần 0 nghĩa là:
Giải thích tốt
X giải thích rất ít sự thay đổi của Y
Luôn sai
β2 = 0
Giả định 1:
Mẫu không được ngẫu nhiên
Mẫu là ngẫu nhiên, độc lập
X là biến định tính
X là biến rời rạc
Giả định 2:
Y là biến liên tục
Y là biến nhị phân
Y là biến danh nghĩa
Y là biến không đổi
Giả định 3 yêu cầu:
X phải thay đổi ở một vài quan sát
X luôn bằng hằng số
X không liên quan đến Y
X phải là biến rời rạc
Giả định 4 là:
Var(u|X) = 0
E(ui) = 0
X độc lập
u độc lập
Kiểm định beta = 0 là:
Kiểm định một phía
Kiểm định hai phía
Không phải kiểm định
Kiểm định tỷ lệ
Hàm phân phối của hệ số hồi quy:
Nhị thức
Chuẩn
Poisson
Mũ
Khi phương sai phần dư lớn → phương sai beta:
Nhỏ
Bằng 0
Lớn
Không đổi
Khi X biến thiên nhiều → phương sai beta:
Nhỏ
Lớn
Không xác định
Bằng 0
26. Hồi quy bội cần thiết khi:
Var(u|x) = σ² không đổi
Var(u|x) thay đổi theo X
RSS = 0
X phải chuẩn
Mô hình hồi quy bội dạng tổng quát là:
Y = b1 + b2X
Y = b1 + b2X + b3Z
Y = b2X
Y = 0
Phần dư trong hồi quy bội ký hiệu là:
b3
Y
u
SSE
Các biến độc lập có thể:
Không bao giờ phụ thuộc vào nhau
Có thể có tương quan
Phải luôn độc lập tuyệt đối
Không được là liên tục
Giả thiết 6 yêu cầu:
Không có đa cộng tuyến (hoàn hảo)
u phải bằng 0
X là hằng số
Y phải là rời rạc
Biến giá là biến:
Liên tục
Nhận giá trị 0–1
Nhận giá trị 2–5
Bất kỳ giá trị nào
Biến có n phạm trù cần:
n biến giá
n – 1 biến giá
n + 1 biến giá
0 biến giá
Trong ví dụ chi phí trường học, OCC = 1 là:
Trường thường
Trường nghề
Trường quốc tế
Trường trung cấp
Đa cộng tuyến xảy ra khi:
u tương quan với Y
Các biến độc lập có tương quan cao
Y không đổi
RSS = 0
Hậu quả của đa cộng tuyến:
Tăng độ chính xác
Sai số chuẩn lớn, t nhỏ
t lớn
Không ảnh hưởng
Cách khắc phục đa cộng tuyến:
Giữ nguyên mô hình
Bỏ bớt biến
Bỏ biến phụ thuộc
Loại Y
Phương sai sai số thay đổi xảy ra khi:
Var(u|x) = σ² không đổi
Var(u|x) thay đổi
u = 0
X không đổi
Tự tương quan xảy ra khi:
u tại t phụ thuộc u tại t-1
u không đổi
X có tương quan với u
Y = hằng số
Phương sai dự báo nhỏ khi:
Mẫu nhỏ
Mẫu lớn
X không thay đổi
R² = 0
Với mỗi giá trị X*, ta có thể tính:
t-test
Khoảng tin cậy 95%
VIF
RSS
Khoảng tin cậy 95% của P* tạo thành:
Một đường thẳng
Một vùng khoảng tin cậy
Một điểm duy nhất
Một đường cong
OLS tạo ra ước lượng β gọi là:
Ước lượng cực đại
Ước lượng bình phương nhỏ nhất
Ước lượng trọng số
Ước lượng logistic
ESS là:
Phần biến thiên được giải thích bởi mô hình
Phần dư
TSS − RSS
Cả A và C
RSS lớn → mô hình:
Tốt
Xấu
Không thay đổi
Chuẩn
û càng lớn thì:
Dự báo càng chính xác
Sai số dự báo lớn
R² tăng
β2 = 0
Mối quan hệ phi tuyến sẽ làm:
R² = 1
Mô hình tuyến tính sai dạng
RSS = 0
Không ảnh hưởng
Khi β2 không ý nghĩa thống kê:
X không giải thích được Y
Y không giải thích X
Mô hình sai
TSS = RSS
p-value < 0.05 nghĩa là:
Không bác bỏ H0
Bác bỏ H0
Không có kết luận
u = 0
F-test dùng để kiểm định:
Từng hệ số riêng lẻ
Toàn bộ mô hình hồi quy bội
R²
RSS
Nếu tất cả β2...βk = 0 → mô hình:
Không có ý nghĩa
Có ý nghĩa
R² = 1
Dự báo tốt
R² điều chỉnh dùng cho:
Hồi quy đơn
Hồi quy bội
Hồi quy phi tuyến
Kiểm định t
Biến giả giúp:
Mã hoá biến phi số
Ước lượng mô hình tuyến tính nhiều nhóm
Tách nhóm
Tất cả
Tự tương quan thường gặp trong:
Dữ liệu chéo
Dữ liệu chuỗi thời gian
Dữ liệu thực nghiệm
Dữ liệu thiếu
Kiểm định phương sai thay đổi gồm:
A. White, Goldfeld
B. Durbin–Watson
C. t-test
D. Z-test
Đa cộng tuyến hoàn hảo khiến mô hình:
Không xác định hệ số hồi quy
Xác định hoàn toàn
Không ảnh hưởng
β = 0
Một dấu hiệu tự tương quan là:
Phần dư ngẫu nhiên
Phần dư theo chu kỳ lặp lại
VIF cao
R² thấp
Dự báo Ý tốt khi:
RSS lớn
Sai số dự báo nhỏ
û lớn
Var(u|x) thay đổi
