Font size
WorksheetsUntitled Quiz
Total questions: 60
Worksheet time: 30mins
Phân tích tương quan dùng để nghiên cứu điều gì?
Quan hệ nhân quả
Mức độ chặt chẽ của mối liên hệ giữa các biến
Dự báo giá trị biến phụ thuộc
Ước lượng tham số tổng thể
Hệ số tương quan Pearson đo lường:
Mối quan hệ phi tuyến
Mối quan hệ tuyến tính giữa hai biến
Quan hệ nhân quả
Sai số hồi quy
Giá trị của hệ số tương quan r luôn nằm trong khoảng:
(0; 1)
(-∞; +∞)
[-1; 1]
[0; +∞)
Khi r = 0, kết luận nào đúng?
Hai biến có quan hệ nghịch
Hai biến có quan hệ thuận
Hai biến không có quan hệ tuyến tính
Hai biến độc lập hoàn toàn
Khi r < 0, mối quan hệ giữa hai biến là:
A. Thuận
B. Nghịch
C. Không xác định
D. Phi tuyến
Mục đích chính của kiểm định tương quan là:
Ước lượng tham số
Kiểm tra ý nghĩa của hệ số tương quan
Xây dựng mô hình hồi quy
Dự báo
Giả thuyết H0 trong kiểm định tương quan thường là:
(a)
Hồi quy phản ánh:
Quan hệ nhân quả tuyệt đối
Quan hệ trung bình của Y theo X
Mối liên hệ ngẫu nhiên
Sự phụ thuộc phi tuyến
Trong hồi quy tuyến tính đơn, biến Y được gọi là:
Biến độc lập
Biến giải thích
Biến phụ thuộc
Biến kiểm soát
Phương trình hồi quy tuyến tính tổng thể có dạng:
Y = a + bX
Ŷ = a + bX
Y = α + βX + U
Ŷ = α + βX
Trong phương trình Y = α + βX + U, U là:
Hệ số hồi quy
Sai số ngẫu nhiên
Biến giải thích
Hằng số
Phương pháp dùng để ước lượng các hệ số hồi quy là:
Cực đại hóa khả năng
Bình phương bé nhất
Lấy trung bình cộng
Phương pháp chọn mẫu
Nguyên tắc của phương pháp bình phương bé nhất là:
Tối đa hóa tổng sai số
Tối thiểu hóa tổng bình phương sai số
Tối đa hóa R²
Giảm phương sai của X
Hệ số β trong hồi quy tuyến tính đơn biểu thị:
Giá trị trung bình của Y
Mức thay đổi trung bình của Y khi X tăng 1 đơn vị
Hệ số a trong phương trình hồi quy là:
Tung độ gốc
Hệ số gốc
Hệ số tương quan
Phương sai sai số
Giá trị dự đoán của Y được ký hiệu là:
y
ŷ
ỳ
e
Sai số hồi quy ei được xác định bằng:
yi – ȳ
yi – ŷ
ŷi – yi
ȳi – yi
Tổng bình phương sai số được ký hiệu là:
SST
SSR
SSE
MSR
Mối quan hệ đúng là:
SST = SSE – SSR
SST = SSR + SSE
SSR = SST + SSE
SSE = SST + SSR
Hệ số xác định R² cho biết:
Mức độ phù hợp của mẫu
Tỷ lệ biến thiên của Y được giải thích bởi mô hình
Sai số dự báo
Độ lệch chuẩn của Y
R² càng lớn thì:
Mô hình càng kém
Mô hình càng phù hợp
Sai số càng lớn
Giá trị R² nằm trong khoảng:
(-1; 1)
(0; +∞)
[0; 1]
(-∞; +∞)
Kiểm định tham số β trong hồi quy dùng thống kê:
z
χ²
t
F
Giả thuyết H0 khi kiểm định β thường là:
β ≠ 0
β > 0
β < 0
β = 0
Nếu bác bỏ H0: β = 0 thì kết luận:
X không ảnh hưởng đến Y
X có ảnh hưởng tuyến tính đến Y
Mô hình không phù hợp
Không có tương quan
Phân tích phương sai hồi quy dùng để:
Ước lượng tham số
Kiểm định sự tồn tại mối quan hệ tuyến tính
Tính hệ số tương quan
Dự báo
Trong ANOVA hồi quy, thống kê kiểm định là:
t
z
F
χ²
Quy tắc bác bỏ giả thuyết H0 trong ANOVA hồi quy là:
F < F tới hạn
F = 0
F > F tới hạn
p-value > α
Hồi quy tuyến tính bội là hồi quy có:
Một biến độc lập
Hai biến phụ thuộc
Nhiều biến độc lập
Một biến phụ thuộc và một hằng số
Mô hình hồi quy tuyến tính bội có dạng:
Y = a + bX
Y = α + β1X1 + ... + βkXk + U
Y = a + bX
Y = βX
βi trong hồi quy bội thể hiện:
Tác động riêng của Xi lên Y khi các biến khác không đổi
Tác động chung của các biến
Sai số mô hình
Hệ số tương quan
Một giả định quan trọng của hồi quy bội là:
A. Các Xi độc lập với nhau
B. Y phân phối đều
C. X và Y độc lập
D. R² = 1
Kiểm định từng tham số βi dùng thống kê:
z
t
F
χ²
Nếu p-value < α thì:
Chấp nhận H0
Bác bỏ H0
Không kết luận
Tăng cỡ mẫu
Khoảng tin cậy của hệ số hồi quy dùng phân phối:
Chuẩn
Chi-bình phương
t-Student
F
Bậc tự do trong hồi quy tuyến tính đơn là:
n – 1
n – 2
n – k
k – 1
Dự báo trong hồi quy là:
Ước lượng β
Ước lượng Y khi biết X
Kiểm định giả thuyết
Tính R²
Dự báo điểm sử dụng:
Giá trị trung bình
Phương trình hồi quy
Phân phối F
Bảng ANOVA
Dự báo khoảng cho Y có độ tin cậy (1 – α) sử dụng:
Phân phối chuẩn
Phân phối χ²
Phân phối t
Phân phối Poisson
Khoảng dự báo thường:
Hẹp hơn khoảng tin cậy trung bình
Rộng hơn khoảng tin cậy trung bình
Bằng khoảng tin cậy
Không xác định
Mô hình log-log có dạng:
Y = α + βX
lnY = α + βlnX + U
Y = α + βlnX
lnY = α + βX
Trong mô hình log-log, β được gọi là:
Hệ số chặn
Hệ số co giãn
Sai số
Hệ số xác định
Câu 43. Mô hình bán log có dạng nào sau đây?
Y = a + b log(X)
Y = a log(X) + b
Y = aX + b
Y = a + bX
Mô hình lin–log có dạng:
lnY = α + βX
Y = α + βlnX
lnY = α + βlnX
Y = α + βX
Mô hình nghịch đảo có dạng:
Y = α + βX
Y = α + β/X
lnY = α + βlnX
Y = α×β
Nếu β > 0 thì mối quan hệ giữa X và Y là:
Nghịch
Thuận
Không xác định
Phi tuyến
Nếu β < 0 thì mối quan hệ giữa X và Y là:
A. Thuận
B. Nghịch
C. Không liên hệ
D. Phi tuyến
Hệ số tương quan cao luôn đồng nghĩa với:
Quan hệ nhân quả
Mô hình đúng tuyệt đối
Mối liên hệ tuyến tính chặt chẽ
Không có sai số
Hồi quy khác tương quan ở điểm nào?
Hồi quy nghiên cứu quan hệ nhân quả
Tương quan cho phép dự báo
Hồi quy xác định chiều tác động
Không có sự khác biệt
Trong hồi quy, biến độc lập còn gọi là:
(a)
Trong ANOVA hồi quy, MSR là:
Phương sai sai số
Phương sai hồi quy
Tổng bình phương sai số
Tổng bình phương hồi quy
Trong ANOVA hồi quy, MSE là:
Phương sai hồi quy
Phương sai sai số
Tổng bình phương
Hệ số xác định
Nếu Sig.F rất nhỏ thì kết luận:
Không có quan hệ tuyến tính
Có quan hệ tuyến tính giữa X và Y
Mô hình không phù hợp
Sai số lớn
Hồi quy tuyến tính đơn có bao nhiêu tham số cần ước lượng?
1
2
3
4
Trong hồi quy bội, số tham số cần ước lượng là:
k
k - 1
k + 1
n
Khi thêm biến độc lập vào mô hình, R² thường:
Giảm
Không đổi
Tăng hoặc không đổi
Luôn bằng 1
Điều kiện để ước lượng OLS không chệch là:
U có kỳ vọng bằng 0
R² cao
Hồi quy tuyến tính bội cho phép:
Phân tích tác động đồng thời của nhiều biến
Chỉ phân tích một biến
Không kiểm định giả thuyết
Không dự báo
Biến giải thích trong hồi quy bội phải:
Phụ thuộc lẫn nhau
Độc lập với sai số
Phụ thuộc vào Y
Có R2 lớn
Mục đích cuối cùng của phân tích hồi quy là:
Tính trung bình
Kiểm định giả thuyết
Giải thích và dự báo
So sánh mẫu
