Câu hỏi: 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

Câu 1: ARCH and GARCH models are estimated using the:

A. OLS estimation method

B. the method of maximum likelihood

C. DOLS estimation method

D. VAR specification

Câu 2: The advantage of using heteroskedasticity-robust standard errors is that:

A. that they are easier to compute than the homoskedasticity-only standard errors

B. they produce asymptotically valid inferences even if you do not know the form of the conditional variance function.

C. it makes the OLS estimator BLUE, even in the presence of heteroskedasticity

D. they do not unnecessarily complicate matters, since in real-world applications, the functional form of the conditional variance can easily be found

Câu 3: 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 4: Mô hình hồi quy có tự tương quan thì?

A. Ước lượng bình phương bé nhỏ nhất là các ước lượng không chệch nhưng không hiệu quả

B. Các ước lượng của hệ số xác định R2 có thể tin cậy được

C. Các ước lượng bình phương nhỏ nhất là các ước lượng chệch

D. Các kiểm định T và F có thể tin cậy được

Câu 5: 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 6: 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