Trắc nghiệm Kinh tế lượng là một phần quan trọng trong môn học Kinh tế lượng, được giảng dạy cho sinh viên các ngành Kinh tế, Quản trị Kinh doanh, Tài chính, và Kinh tế phát triển tại nhiều trường đại học hiện nay. Môn học này giúp sinh viên nắm vững các phương pháp phân tích định lượng để nghiên cứu và dự đoán các hiện tượng kinh tế, bao gồm các mô hình hồi quy, phân tích dữ liệu, và kiểm định giả thuyết.
Trắc nghiệm lý thuyết Kinh tế lượng – Đề số 7
Trong mô hình hồi quy tuyến tính, nếu R2R^2R2 tăng khi thêm một biến độc lập mới vào mô hình, điều này có nghĩa là:
Biến độc lập mới giúp cải thiện mô hình.
Biến độc lập mới không ảnh hưởng đến mô hình.
Biến độc lập mới làm giảm tính chính xác của mô hình.
Biến phụ thuộc không còn ý nghĩa.
Khi mô hình hồi quy tuyến tính có hệ số hồi quy âm, điều này có nghĩa là:
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính.
Khi biến độc lập tăng, biến phụ thuộc giảm.
Khi biến độc lập tăng, biến phụ thuộc tăng.
Trong mô hình hồi quy tuyến tính, kiểm định t được sử dụng để kiểm tra:
Sự đồng nhất của phương sai.
Mức độ phù hợp của mô hình.
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự tự tương quan của các sai số.
Khi sử dụng hồi quy logistic, biến phụ thuộc phải là:
Biến liên tục.
Biến nhị phân.
Biến định lượng.
Biến danh định.
Khi kiểm định giả định về tính độc lập của các sai số, kiểm định nào sau đây thường được sử dụng?
Kiểm định Durbin-Watson.
Kiểm định t.
Kiểm định Breusch-Pagan.
Kiểm định chi bình phương.
Trong mô hình hồi quy bội, khi hệ số R2R^2R2 điều chỉnh thấp, điều này có nghĩa là:
Mô hình hồi quy không giải thích tốt biến phụ thuộc.
Mô hình hồi quy giải thích tốt biến phụ thuộc.
Mô hình hồi quy rất phù hợp với dữ liệu.
Mô hình hồi quy không có mối quan hệ tuyến tính.
Khi ppp-value của hệ số hồi quy nhỏ hơn 0.05, điều này cho thấy:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Khi hiện tượng phương sai thay đổi xảy ra, điều này có thể ảnh hưởng đến:
Tính tuyến tính của mô hình.
Độ tin cậy của các ước lượng trong mô hình.
Sự tự tương quan của các sai số.
Mối quan hệ giữa các biến độc lập.
Một mô hình hồi quy tốt thường có giá trị R2R^2R2 như thế nào?
R2R^2R2 bằng 0.
R2R^2R2 gần 1.
R2R^2R2 âm.
R2R^2R2 bằng 0.5.
Trong mô hình hồi quy tuyến tính, kiểm định F được sử dụng để kiểm tra:
Sự phù hợp tổng thể của mô hình.
Sự đồng nhất của phương sai.
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự tự tương quan của các sai số.
Khi hiện tượng đa cộng tuyến xảy ra, điều này có thể gây ra vấn đề gì?
Mô hình hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy có R2R^2R2 thấp.
Hệ số hồi quy không ổn định và khó diễn giải.
Biến phụ thuộc không có mối quan hệ với biến độc lập.
Khi ppp-value của kiểm định F nhỏ hơn 0.05, điều này có nghĩa là:
Mô hình hồi quy có ý nghĩa thống kê tổng thể.
Mô hình hồi quy không có ý nghĩa thống kê.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Hệ số hồi quy không có ý nghĩa thống kê.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy βbetaβ đại diện cho:
Mối quan hệ giữa các biến độc lập.
Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.
Độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi R2R^2R2 trong mô hình hồi quy logistic cao, điều này có nghĩa là:
Mô hình không phù hợp với dữ liệu.
Mô hình có nhiều biến độc lập không cần thiết.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Mô hình không giải thích được biến thiên của biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, hiện tượng tự tương quan có thể dẫn đến:
Sự phù hợp của mô hình tăng.
Mối quan hệ giữa các biến độc lập tăng.
Sai số chuẩn của các ước lượng bị sai lệch.
Hệ số hồi quy âm.
Khi kiểm định Breusch-Pagan cho kết quả ppp-value nhỏ hơn 0.05, điều này cho thấy:
Không có hiện tượng phương sai thay đổi.
Có hiện tượng phương sai thay đổi.
Mô hình hồi quy không phù hợp.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Khi một mô hình hồi quy có R2R^2R2 gần bằng 1, điều này cho thấy:
Mô hình không phù hợp với dữ liệu.
Mô hình giải thích hầu hết biến thiên của biến phụ thuộc.
Mô hình có sự tự tương quan.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy dương có nghĩa là:
Khi biến độc lập tăng, biến phụ thuộc có xu hướng tăng.
Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.
Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.
Không có mối quan hệ nào giữa biến độc lập và biến phụ thuộc.
Khi hiện tượng phương sai thay đổi xảy ra, phương pháp nào sau đây có thể được sử dụng để xử lý vấn đề này?
Tăng kích thước mẫu.
Sử dụng phương pháp hồi quy mạnh (robust regression).
Loại bỏ các biến độc lập không quan trọng.
Sử dụng kiểm định F.
Kiểm định nào sau đây thường được sử dụng để kiểm tra giả định về tính độc lập của sai số?
Kiểm định Durbin-Watson.
Kiểm định Breusch-Pagan.
Kiểm định t.
Kiểm định chi bình phương.
Khi R2R^2R2 trong mô hình hồi quy tuyến tính là 0.7, điều này cho thấy:
Mô hình hồi quy không phù hợp.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
70% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, nếu ppp-value của một hệ số hồi quy nhỏ hơn 0.05, điều này có nghĩa là:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Khi hệ số hồi quy trong mô hình hồi quy tuyến tính là 0, điều này có nghĩa là:
Khi biến độc lập thay đổi, biến phụ thuộc tăng.
Khi biến độc lập thay đổi, biến phụ thuộc không thay đổi.
Biến độc lập không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh thường được sử dụng để:
Điều chỉnh cho số lượng biến độc lập trong mô hình.
Tăng giá trị của R2R^2R2.
Giảm giá trị của R2R^2R2.
Đánh giá sự tự tương quan của các sai số.
Khi hiện tượng đa cộng tuyến xảy ra, điều này có thể dẫn đến:
Mô hình hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy có R2R^2R2 thấp.
Các hệ số hồi quy không ổn định và khó diễn giải.
Biến phụ thuộc không có mối quan hệ với biến độc lập.
Kiểm định nào sau đây thường được sử dụng để kiểm tra giả định về tính độc lập của sai số?
Kiểm định Durbin-Watson.
Kiểm định Breusch-Pagan.
Kiểm định t.
Kiểm định chi bình phương.
Khi R2R^2R2 trong mô hình hồi quy tuyến tính là 0.7, điều này cho thấy:
Mô hình hồi quy không phù hợp.
70% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, nếu ppp-value của một hệ số hồi quy nhỏ hơn 0.05, điều này có nghĩa là:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Khi hệ số hồi quy trong mô hình hồi quy tuyến tính là 0, điều này có nghĩa là:
Khi biến độc lập thay đổi, biến phụ thuộc tăng.
Khi biến độc lập thay đổi, biến phụ thuộc không thay đổi.
Biến độc lập không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh thường được sử dụng để:
Điều chỉnh cho số lượng biến độc lập trong mô hình.
Tăng giá trị của R2R^2R2.
Giảm giá trị của R2R^2R2.
Đánh giá sự tự tương quan của các sai số.
Khi hiện tượng đa cộng tuyến xảy ra, điều này có thể dẫn đến:
Mô hình hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy có R2R^2R2 thấp.
Các hệ số hồi quy không ổn định và khó diễn giải.
Biến phụ thuộc không có mối quan hệ với biến độc lập.
Khi ppp-value của kiểm định F nhỏ hơn 0.05, điều này có nghĩa là:
Mô hình hồi quy có ý nghĩa thống kê tổng thể.
Mô hình hồi quy không có ý nghĩa thống kê.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Hệ số hồi quy không có ý nghĩa thống kê.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy βbetaβ đại diện cho:
Mối quan hệ giữa các biến độc lập.
Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.
Độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi R2R^2R2 trong mô hình hồi quy logistic cao, điều này có nghĩa là:
Mô hình không phù hợp với dữ liệu.
Mô hình có nhiều biến độc lập không cần thiết.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Mô hình không giải thích được biến thiên của biến phụ thuộc.
Khi ppp-value của kiểm định t lớn hơn 0.05, điều này cho thấy:
Mô hình hồi quy có ý nghĩa thống kê.
Biến độc lập có ảnh hưởng đến biến phụ thuộc.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy giải thích tốt biến thiên của biến phụ thuộc.
Khi hệ số hồi quy có giá trị âm, điều này có nghĩa là:
Biến độc lập và biến phụ thuộc có mối quan hệ nghịch biến.
Biến độc lập và biến phụ thuộc không có mối quan hệ.
Khi biến độc lập tăng, biến phụ thuộc cũng tăng.
Hệ số hồi quy không có ý nghĩa thống kê.
Một mô hình hồi quy tốt thường có:
R2R^2R2 cao và ppp-value nhỏ.
R2R^2R2 thấp và ppp-value nhỏ.
R2R^2R2 cao và ppp-value lớn.
R2R^2R2 thấp và ppp-value lớn.
Khi ppp-value của kiểm định Breusch-Pagan lớn hơn 0.05, điều này cho thấy:
Không có hiện tượng phương sai thay đổi.
Có hiện tượng phương sai thay đổi.
Mô hình hồi quy không phù hợp.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, kiểm định t được sử dụng để kiểm tra:
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự đồng nhất của phương sai.
Mức độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi một mô hình hồi quy có R2R^2R2 thấp, điều này có nghĩa là:
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Biến độc lập có ý nghĩa thống kê.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Mô hình không giải thích tốt biến thiên của biến phụ thuộc.
Hoàn thành!
Trong mô hình hồi quy tuyến tính, nếu R2R^2R2 tăng khi thêm một biến độc lập mới vào mô hình, điều này có nghĩa là:
Biến độc lập mới giúp cải thiện mô hình.
Biến độc lập mới không ảnh hưởng đến mô hình.
Biến độc lập mới làm giảm tính chính xác của mô hình.
Biến phụ thuộc không còn ý nghĩa.
Khi mô hình hồi quy tuyến tính có hệ số hồi quy âm, điều này có nghĩa là:
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính.
Khi biến độc lập tăng, biến phụ thuộc giảm.
Khi biến độc lập tăng, biến phụ thuộc tăng.
Trong mô hình hồi quy tuyến tính, kiểm định t được sử dụng để kiểm tra:
Sự đồng nhất của phương sai.
Mức độ phù hợp của mô hình.
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự tự tương quan của các sai số.
Khi sử dụng hồi quy logistic, biến phụ thuộc phải là:
Biến liên tục.
Biến nhị phân.
Biến định lượng.
Biến danh định.
Khi kiểm định giả định về tính độc lập của các sai số, kiểm định nào sau đây thường được sử dụng?
Kiểm định Durbin-Watson.
Kiểm định t.
Kiểm định Breusch-Pagan.
Kiểm định chi bình phương.
Trong mô hình hồi quy bội, khi hệ số R2R^2R2 điều chỉnh thấp, điều này có nghĩa là:
Mô hình hồi quy không giải thích tốt biến phụ thuộc.
Mô hình hồi quy giải thích tốt biến phụ thuộc.
Mô hình hồi quy rất phù hợp với dữ liệu.
Mô hình hồi quy không có mối quan hệ tuyến tính.
Khi ppp-value của hệ số hồi quy nhỏ hơn 0.05, điều này cho thấy:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Khi hiện tượng phương sai thay đổi xảy ra, điều này có thể ảnh hưởng đến:
Tính tuyến tính của mô hình.
Độ tin cậy của các ước lượng trong mô hình.
Sự tự tương quan của các sai số.
Mối quan hệ giữa các biến độc lập.
Một mô hình hồi quy tốt thường có giá trị R2R^2R2 như thế nào?
R2R^2R2 bằng 0.
R2R^2R2 gần 1.
R2R^2R2 âm.
R2R^2R2 bằng 0.5.
Trong mô hình hồi quy tuyến tính, kiểm định F được sử dụng để kiểm tra:
Sự phù hợp tổng thể của mô hình.
Sự đồng nhất của phương sai.
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự tự tương quan của các sai số.
Khi hiện tượng đa cộng tuyến xảy ra, điều này có thể gây ra vấn đề gì?
Mô hình hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy có R2R^2R2 thấp.
Hệ số hồi quy không ổn định và khó diễn giải.
Biến phụ thuộc không có mối quan hệ với biến độc lập.
Khi ppp-value của kiểm định F nhỏ hơn 0.05, điều này có nghĩa là:
Mô hình hồi quy có ý nghĩa thống kê tổng thể.
Mô hình hồi quy không có ý nghĩa thống kê.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Hệ số hồi quy không có ý nghĩa thống kê.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy βbetaβ đại diện cho:
Mối quan hệ giữa các biến độc lập.
Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.
Độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi R2R^2R2 trong mô hình hồi quy logistic cao, điều này có nghĩa là:
Mô hình không phù hợp với dữ liệu.
Mô hình có nhiều biến độc lập không cần thiết.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Mô hình không giải thích được biến thiên của biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, hiện tượng tự tương quan có thể dẫn đến:
Sự phù hợp của mô hình tăng.
Mối quan hệ giữa các biến độc lập tăng.
Sai số chuẩn của các ước lượng bị sai lệch.
Hệ số hồi quy âm.
Khi kiểm định Breusch-Pagan cho kết quả ppp-value nhỏ hơn 0.05, điều này cho thấy:
Không có hiện tượng phương sai thay đổi.
Có hiện tượng phương sai thay đổi.
Mô hình hồi quy không phù hợp.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Khi một mô hình hồi quy có R2R^2R2 gần bằng 1, điều này cho thấy:
Mô hình không phù hợp với dữ liệu.
Mô hình giải thích hầu hết biến thiên của biến phụ thuộc.
Mô hình có sự tự tương quan.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy dương có nghĩa là:
Khi biến độc lập tăng, biến phụ thuộc có xu hướng tăng.
Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.
Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.
Không có mối quan hệ nào giữa biến độc lập và biến phụ thuộc.
Khi hiện tượng phương sai thay đổi xảy ra, phương pháp nào sau đây có thể được sử dụng để xử lý vấn đề này?
Tăng kích thước mẫu.
Sử dụng phương pháp hồi quy mạnh (robust regression).
Loại bỏ các biến độc lập không quan trọng.
Sử dụng kiểm định F.
Kiểm định nào sau đây thường được sử dụng để kiểm tra giả định về tính độc lập của sai số?
Kiểm định Durbin-Watson.
Kiểm định Breusch-Pagan.
Kiểm định t.
Kiểm định chi bình phương.
Khi R2R^2R2 trong mô hình hồi quy tuyến tính là 0.7, điều này cho thấy:
Mô hình hồi quy không phù hợp.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
70% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, nếu ppp-value của một hệ số hồi quy nhỏ hơn 0.05, điều này có nghĩa là:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Khi hệ số hồi quy trong mô hình hồi quy tuyến tính là 0, điều này có nghĩa là:
Khi biến độc lập thay đổi, biến phụ thuộc tăng.
Khi biến độc lập thay đổi, biến phụ thuộc không thay đổi.
Biến độc lập không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh thường được sử dụng để:
Điều chỉnh cho số lượng biến độc lập trong mô hình.
Tăng giá trị của R2R^2R2.
Giảm giá trị của R2R^2R2.
Đánh giá sự tự tương quan của các sai số.
Khi hiện tượng đa cộng tuyến xảy ra, điều này có thể dẫn đến:
Mô hình hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy có R2R^2R2 thấp.
Các hệ số hồi quy không ổn định và khó diễn giải.
Biến phụ thuộc không có mối quan hệ với biến độc lập.
Kiểm định nào sau đây thường được sử dụng để kiểm tra giả định về tính độc lập của sai số?
Kiểm định Durbin-Watson.
Kiểm định Breusch-Pagan.
Kiểm định t.
Kiểm định chi bình phương.
Khi R2R^2R2 trong mô hình hồi quy tuyến tính là 0.7, điều này cho thấy:
Mô hình hồi quy không phù hợp.
70% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, nếu ppp-value của một hệ số hồi quy nhỏ hơn 0.05, điều này có nghĩa là:
Hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Khi hệ số hồi quy trong mô hình hồi quy tuyến tính là 0, điều này có nghĩa là:
Khi biến độc lập thay đổi, biến phụ thuộc tăng.
Khi biến độc lập thay đổi, biến phụ thuộc không thay đổi.
Biến độc lập không có ý nghĩa thống kê.
Mô hình hồi quy không phù hợp.
Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh thường được sử dụng để:
Điều chỉnh cho số lượng biến độc lập trong mô hình.
Tăng giá trị của R2R^2R2.
Giảm giá trị của R2R^2R2.
Đánh giá sự tự tương quan của các sai số.
Khi hiện tượng đa cộng tuyến xảy ra, điều này có thể dẫn đến:
Mô hình hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy có R2R^2R2 thấp.
Các hệ số hồi quy không ổn định và khó diễn giải.
Biến phụ thuộc không có mối quan hệ với biến độc lập.
Khi ppp-value của kiểm định F nhỏ hơn 0.05, điều này có nghĩa là:
Mô hình hồi quy có ý nghĩa thống kê tổng thể.
Mô hình hồi quy không có ý nghĩa thống kê.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Hệ số hồi quy không có ý nghĩa thống kê.
Trong mô hình hồi quy tuyến tính, hệ số hồi quy βbetaβ đại diện cho:
Mối quan hệ giữa các biến độc lập.
Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.
Độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi R2R^2R2 trong mô hình hồi quy logistic cao, điều này có nghĩa là:
Mô hình không phù hợp với dữ liệu.
Mô hình có nhiều biến độc lập không cần thiết.
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Mô hình không giải thích được biến thiên của biến phụ thuộc.
Khi ppp-value của kiểm định t lớn hơn 0.05, điều này cho thấy:
Mô hình hồi quy có ý nghĩa thống kê.
Biến độc lập có ảnh hưởng đến biến phụ thuộc.
Hệ số hồi quy không có ý nghĩa thống kê.
Mô hình hồi quy giải thích tốt biến thiên của biến phụ thuộc.
Khi hệ số hồi quy có giá trị âm, điều này có nghĩa là:
Biến độc lập và biến phụ thuộc có mối quan hệ nghịch biến.
Biến độc lập và biến phụ thuộc không có mối quan hệ.
Khi biến độc lập tăng, biến phụ thuộc cũng tăng.
Hệ số hồi quy không có ý nghĩa thống kê.
Một mô hình hồi quy tốt thường có:
R2R^2R2 cao và ppp-value nhỏ.
R2R^2R2 thấp và ppp-value nhỏ.
R2R^2R2 cao và ppp-value lớn.
R2R^2R2 thấp và ppp-value lớn.
Khi ppp-value của kiểm định Breusch-Pagan lớn hơn 0.05, điều này cho thấy:
Không có hiện tượng phương sai thay đổi.
Có hiện tượng phương sai thay đổi.
Mô hình hồi quy không phù hợp.
Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
Trong mô hình hồi quy tuyến tính, kiểm định t được sử dụng để kiểm tra:
Ý nghĩa thống kê của từng hệ số hồi quy.
Sự đồng nhất của phương sai.
Mức độ phù hợp của mô hình.
Sự tự tương quan của các sai số.
Khi một mô hình hồi quy có R2R^2R2 thấp, điều này có nghĩa là:
Mô hình giải thích tốt biến thiên của biến phụ thuộc.
Biến độc lập có ý nghĩa thống kê.
Biến độc lập không ảnh hưởng đến biến phụ thuộc.
Mô hình không giải thích tốt biến thiên của biến phụ thuộc.
