Câu hỏi: Cho mô hình hồi quy:

A. Y sản lượng , X là vốn đầu tư

B. Y là lương tháng của công nhân, X là số năm làm việc

C. Y là lượng một loại hàng bán được , X là giá hàng thay thế của loại hàng đó

D. Y là số xe máy bán được của một cửa hàng kinh doanh trong 1 tháng, X là giá xăng trung bình trong tháng

Câu 1: 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 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: The EG-ADF test:

A. Is the similar to the DF-GLS test

B. Is a test for cointegration

C. Has as a limitation that it can only test if two variables, but not more than two, are cointegrated

D. Uses the ADF in the second step of its procedure

Câu 4: A VAR with five variables, 4 lags and constant terms for each equation will have a total of:

A. 21 coefficients

B. 100 coefficients

C. 105 coefficients

D. 84 coefficients

Câu 5: 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 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