Câu hỏi: 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 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: 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 3: Mô hình hồi quy có tự tương quan nếu?

A. Các sai số ngẫu nhiên có mối quan hệ tương quan

B. Các biến độc lập và biến xu thế thời gian có mối quan hệ tương quan

C. Các biến độc lập có mối quan hệ tương quan

D. Biến độc lập và sai số ngẫu nhjiên có mối quan hệ tương quan

Câu 4: Trong kiểm định Lagrange để phát hiện mô hình hồi quy bị thiếu biến ta phải tính qs2 . Nếu qs2 =nR2>χα(1) thì kết luận mô hình thiếu biến. Các kết luận sau, kết luận nào đúng?

A. Nếu qs2 =nR2>χα(1) thì kết luận mô hình thiếu biến

B. Nếu qs2 =nR2>χα(1) thì kết luận mô hình không thiếu biến

C. Nếu qs2 =nR2>χα(2) thì kết luận mô hình thiếu biến

D. Nếu qs2 =nR2>χα(2) thì kết luận mô hình không thiếu biến

Câu 5: Under the five extended least squares assumptions, the homoskedasticity-only tdistribution in this chapter:

A. has a Student t distribution with n-2 degrees of freedom

B. has a normal distribution

C. has a Student t distribution with n degrees of freedom

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