Câu hỏi: Asymptotic distribution theory is:

A. not practically relevant, because we never have an infinite number of observations

B. only of theoretical interest

C. of interest because it tells you what the distribution approximately looks like in small samples

D. the distribution of statistics when the sample size is very large

Câu 1: The order of integration:

A. can never be zero

B. is the number of times that the series needs to be differenced for it to be stationary

C. is the value of \({\phi _1}\) in the quasi difference \(\Delta {Y_t} – {\phi _1}{Y_{t – 1}}\)

D. depends on the number of lags in the VAR specification

Câu 2: Câu nào trong những câu trên là đúng?

A. Mô hình có dạng hàm không đúng là mô hình mắc sai lầm khi chỉ định

B. Nếu một biến cần thiết mà bị bỏ sót không đưa vào mô hình thì mô hình vẫn được coi là chỉ định đúng

C. Nếu mô hình hồi quy chỉ định sai thì vẫn có thể dùng để phân tích và dự báo

D. Một biến đưa vào mô hình hồi quy không thích hợp thì mô hình vẫn được coi là chỉ định đúng

Câu 3: Câu nào sau đây đúng?

A. Nếu có biến trễ của biến phụ thuộc là biến độc lập thì không thể dùng kiểm định d- Durbin-Watson

B. Nếu có biến trễ của biến độc lập thì không thể dùng kiểm định d- Durbin-Watson

C. Mô hình hồi qui không có hệ số chặn thì có thể kiểm định tự tương quan theo cách kiểm định d- Durbin

D. Có các quan sát bị mất trong dữ liệu thì có thể kiểm định tự tương quan theo cách kiểm định d- Durbin

Câu 4: Cho hàm hồi quy mẫu với hệ số xác định R2 =0,98699, TSS=10286,7025

A. ESS= 10158,272

B. ESS= 101,5287

C. ESS= 10152,8725

D. ESS= 1015,2872

Câu 5: Trong báo cáo kết quả hồi quy có thông tin * D:Heteroscedasticity *CHI-SQ(1) được dùng để kiểm định khuyết tật nào trong các khuyết tật sau:

A. Phương sai sai số thay đổi

B. Sai số ngẫu nhiên không theo quy luật chuẩn

C. Tự tương quan

D. Dạng hàm sai

Câu 6: If the errors are heteroskedastic, then:

A. the OLS estimator is still BLUE as long as the regressors are nonrandom

B. the usual formula cannot be used for the OLS estimator

C. your model becomes overidentified

D. the OLS estimator is not BLUE