Trắc nghiệm lý thuyết Kinh tế lượng – Đề số 6

Thông tin
Làm trắc nghiệm
Đáp án
Số câu: 44 câu
Thời gian: 50 phút
Độ khó: Trung bình
Năm thi: 2023
Môn học: Kinh tế lượng
Trường: Tổng hợp
Người ra đề: Tổng hợp
Hình thức: Trắc nghiệm
Loại đề: Thi qua môn
Đối tượng: Sinh viên

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 6

Câu 1: Trong hồi quy tuyến tính, điều kiện nào là cần thiết để mô hình hồi quy có thể sử dụng phương pháp bình phương tối thiểu?
A. Các biến độc lập phải không tương quan với nhau.
B. Sai số ngẫu nhiên phải có phân phối chuẩn.
C. Hệ số hồi quy phải có giá trị dương.
D. Biến phụ thuộc phải là biến nhị phân.

Câu 2: Khi nào ta có thể nói rằng mô hình hồi quy bị sai lệch do thiếu biến?
A. Khi mô hình có hệ số R2R^2R2 quá cao.
B. Khi các biến độc lập không có tương quan với biến phụ thuộc.
C. Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.
D. Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

Câu 3: Kiểm định RESET của Ramsey được sử dụng để kiểm tra điều gì trong mô hình hồi quy?
A. Tính đồng nhất của phương sai.
B. Tính đặc thù của mô hình (misspecification).
C. Tính tuyến tính của mối quan hệ giữa các biến.
D. Tính độc lập của các sai số.

Câu 4: Trong mô hình hồi quy, nếu hệ số R2R^2R2 điều chỉnh (adjusted R2R^2R2) lớn hơn hệ số R2R^2R2, điều này cho thấy:
A. Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.
B. Mô hình hồi quy rất tốt.
C. Mô hình có các biến độc lập không quan trọng.
D. Mô hình hồi quy bị sai lệch.

Câu 5: Mối quan hệ nào sau đây có thể dẫn đến hiện tượng tự tương quan trong mô hình hồi quy?
A. Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.
B. Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.
C. Khi các biến độc lập không có mối quan hệ với nhau.
D. Khi biến phụ thuộc không phải là biến liên tục.

Câu 6: Một mô hình hồi quy tuyến tính có thể bị ảnh hưởng bởi hiện tượng đa cộng tuyến nếu:
A. Các biến độc lập không có tương quan với nhau.
B. Sai số ngẫu nhiên không có phân phối chuẩn.
C. Có một mối tương quan cao giữa các biến độc lập.
D. Hệ số R2R^2R2 điều chỉnh quá thấp.

Câu 7: Để phát hiện hiện tượng tự tương quan trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?
A. Kiểm định Breusch-Pagan.
B. Kiểm định Durbin-Watson.
C. Kiểm định F.
D. Kiểm định chi bình phương.

Câu 8: Khi ppp-value của kiểm định F trong mô hình hồi quy tuyến tính là 0.0001, điều này cho thấy:
A. Mô hình hồi quy tổng thể là có ý nghĩa thống kê.
B. Các hệ số hồi quy đều bằng 0.
C. Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.
D. Mô hình hồi quy không phù hợp với dữ liệu.

Câu 9: Khi các biến độc lập có tương quan với nhau, hiện tượng gì có thể xảy ra trong mô hình hồi quy?
A. Sai số ngẫu nhiên sẽ có phương sai lớn.
B. Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.
C. Hệ số R2R^2R2 sẽ tăng lên.
D. Mô hình sẽ không còn có ý nghĩa thống kê.

Câu 10: Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phương sai của sai số ngẫu nhiên thay đổi theo các giá trị của biến độc lập, hiện tượng này gọi là gì?
A. Đa cộng tuyến.
B. Phương sai thay đổi (heteroscedasticity).
C. Tự tương quan.
D. Phân phối không chuẩn.

Câu 11: Trong mô hình hồi quy bội, việc thêm biến độc lập không liên quan vào mô hình sẽ:
A. Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.
B. Tăng cả giá trị R2R^2R2R2R^2R2 điều chỉnh.
C. Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.
D. Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

Câu 12: Khi hệ số hồi quy của một biến độc lập có giá trị âm, điều này có nghĩa là:
A. Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.
B. Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.
C. Biến độc lập không có mối quan hệ với biến phụ thuộc.
D. Mô hình hồi quy không phù hợp.

Câu 13: Trong hồi quy logistic, hệ số hồi quy biểu diễn điều gì?
A. Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.
B. Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.
C. Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.
D. Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

Câu 14: Khi hiện tượng đa cộng tuyến xảy ra trong mô hình hồi quy, điều gì có thể được sử dụng để giảm bớt vấn đề này?
A. Sử dụng thêm các biến độc lập khác.
B. Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.
C. Tăng kích thước mẫu.
D. Sử dụng kiểm định F.

Câu 15: Nếu mô hình hồi quy có hệ số R2R^2R2 rất cao nhưng các hệ số hồi quy không có ý nghĩa thống kê, điều này có thể do:
A. Hiện tượng đa cộng tuyến.
B. Mẫu dữ liệu không đủ lớn.
C. Mô hình hồi quy bị sai lệch.
D. Mối quan hệ giữa các biến là phi tuyến tính.

Câu 16: Mục tiêu của phương pháp bình phương tối thiểu trong mô hình hồi quy là gì?
A. Tối đa hóa R2R^2R2 điều chỉnh.
B. Tối thiểu hóa R2R^2R2 điều chỉnh.
C. Tối thiểu hóa tổng bình phương của sai số dự báo.
D. Tối đa hóa độ dốc của đường hồi quy.

Câu 17: Khi kiểm tra giả định về tính độc lập của sai số, nếu kiểm định Durbin-Watson có giá trị gần 2, điều này cho thấy:
A. Không có hiện tượng tự tương quan trong sai số.
B. Có hiện tượng đa cộng tuyến.
C. Có hiện tượng phương sai thay đổi.
D. Mô hình không phù hợp với dữ liệu.

Câu 18: Khi một mô hình hồi quy có nhiều biến độc lập và biến phụ thuộc là biến nhị phân, mô hình nào sau đây là phù hợp nhất?
A. Mô hình hồi quy tuyến tính.
B. Mô hình hồi quy logistic.
C. Mô hình hồi quy phi tuyến.
D. Mô hình hồi quy Ridge.

Câu 19: Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn nên làm gì?
A. Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).
B. Sử dụng thêm các biến độc lập khác.
C. Loại bỏ biến phụ thuộc.
D. Sử dụng kiểm định Durbin-Watson.

Câu 20: Trong mô hình hồi quy, giá trị ppp-value nhỏ hơn mức ý nghĩa αalphaα cho thấy điều gì?
A. Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.
B. Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.
C. Mô hình hồi quy không phù hợp với dữ liệu.
D. Không có kết luận nào đúng.

Câu 21: Nếu ppp-value của hệ số hồi quy trong mô hình hồi quy tuyến tính là 0.08 với mức ý nghĩa α=0.05alpha = 0.05α=0.05, điều này có nghĩa là gì?
A. Hệ số hồi quy này có ý nghĩa thống kê.
B. Hệ số hồi quy này không có ý nghĩa thống kê.
C. Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.
D. Mô hình hồi quy không phù hợp.

Câu 22: Trong mô hình hồi quy tuyến tính, nếu kiểm định Breusch-Pagan cho thấy ppp-value nhỏ hơn 0.05, điều này có nghĩa là gì?
A. Có hiện tượng phương sai thay đổi.
B. Không có hiện tượng phương sai thay đổi.
C. Các biến độc lập không có mối quan hệ với biến phụ thuộc.
D. Mô hình hồi quy không phù hợp với dữ liệu.

Câu 23: Khi kiểm định giả định về tính đồng nhất của phương sai, kiểm định Breusch-Pagan thường được sử dụng để phát hiện điều gì?
A. Hiện tượng phương sai thay đổi (heteroscedasticity).
B. Hiện tượng đa cộng tuyến.
C. Hiện tượng tự tương quan.
D. Hiện tượng phân phối không chuẩn.

Câu 24: Khi một mô hình hồi quy có hệ số R2R^2R2 gần bằng 0, điều này cho thấy điều gì?
A. Mô hình hồi quy rất tốt.
B. Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.
C. Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.
D. Mô hình không giải thích được biến thiên của biến phụ thuộc.

Câu 25: Nếu R2R^2R2 trong mô hình hồi quy tuyến tính là 0.9, điều này cho thấy điều gì?
A. Biến độc lập không có ảnh hưởng đến biến phụ thuộc.
B. 90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.
C. Mô hình hồi quy không phù hợp với dữ liệu.
D. Tất cả các biến độc lập đều có ý nghĩa thống kê.

Câu 26: Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh thường được sử dụng để:
A. Điều chỉnh cho số lượng biến độc lập trong mô hình.
B. Tăng giá trị R2R^2R2.
C. Giảm giá trị R2R^2R2.
D. Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

Câu 27: Một mô hình hồi quy logistic có thể được sử dụng khi:
A. Biến phụ thuộc là biến liên tục.
B. Biến độc lập là biến nhị phân.
C. Biến phụ thuộc là biến nhị phân.
D. Mối quan hệ giữa các biến là phi tuyến tính.

Câu 28: Khi kiểm tra giả định về tính độc lập của sai số, kiểm định Durbin-Watson được sử dụng để phát hiện điều gì?
A. Hiện tượng đa cộng tuyến.
B. Hiện tượng phương sai thay đổi.
C. Hiện tượng tự tương quan.
D. Hiện tượng phân phối không chuẩn.

Câu 29: Trong mô hình hồi quy tuyến tính, hệ số hồi quy âm có nghĩa là gì?
A. Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.
B. Khi biến độc lập tăng, biến phụ thuộc cũng tăng.
C. Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.
D. Không có mối quan hệ nào giữa biến độc lập và biến phụ thuộc.

Câu 30: Hồi quy phi tuyến thường được sử dụng khi:
A. Mối quan hệ giữa các biến là tuyến tính.
B. Mối quan hệ giữa các biến không rõ ràng.
C. Mối quan hệ giữa các biến không phải là tuyến tính.
D. Dữ liệu không có sự biến đổi.

Câu 31: 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?
A. Tăng kích thước mẫu.
B. Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).
C. Loại bỏ các biến độc lập không quan trọng.
D. Sử dụng kiểm định t.

Câu 32: Khi kiểm tra giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn có thể làm gì?
A. Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).
B. Loại bỏ các biến độc lập không quan trọng.
C. Thêm biến độc lập mới vào mô hình.
D. Sử dụng kiểm định F.

Câu 33: Mục tiêu của phương pháp bình phương tối thiểu là:
A. Tối đa hóa R2R^2R2.
B. Tối thiểu hóa R2R^2R2.
C. Tối thiểu hóa tổng bình phương sai số (residuals).
D. Tối đa hóa hệ số hồi quy.

Câu 34: Khi kiểm định giả định về tính độc lập của sai số trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?
A. Kiểm định Durbin-Watson.
B. Kiểm định Breusch-Pagan.
C. Kiểm định t.
D. Kiểm định F.

Câu 35: Trong mô hình hồi quy logistic, biến phụ thuộc thường là:
A. Biến nhị phân (binary).
B. Biến liên tục.
C. Biến định lượng.
D. Biến danh định (categorical).

Câu 36: Khi ppp-value của một hệ số hồi quy trong mô hình hồi quy tuyến tính lớn hơn 0.05, điều này có nghĩa là gì?
A. Hệ số hồi quy có ý nghĩa thống kê.
B. Hệ số hồi quy không có ý nghĩa thống kê.
C. Mô hình hồi quy phù hợp với dữ liệu.
D. Mô hình hồi quy không phù hợp.

Câu 37: Kiểm định Durbin-Watson trong mô hình hồi quy tuyến tính được sử dụng để kiểm tra điều gì?
A. Tính đồng nhất của phương sai.
B. Tính tự tương quan của các sai số.
C. Tính tuyến tính của mối quan hệ giữa các biến.
D. Tính độc lập của các biến độc lập.

Câu 38: Khi kiểm tra giả định về tính đồng nhất của phương sai, kiểm định nào sau đây thường được sử dụng?
A. Kiểm định Breusch-Pagan.
B. Kiểm định t.
C. Kiểm định F.
D. Kiểm định chi bình phương.

Câu 39: Khi hệ số hồi quy của một biến độc lập có ppp-value nhỏ hơn 0.05, ta có thể kết luận rằng:
A. Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.
B. Biến độc lập này không ảnh hưởng đến biến phụ thuộc.
C. Mô hình hồi quy không phù hợp.
D. Không có kết luận nào đúng.

Câu 40: Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:
A. Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.
B. Mối quan hệ giữa các biến độc lập.
C. Mối quan hệ phi tuyến tính giữa các biến.
D. Mức độ phù hợp của mô hình.

Nội dung bài trắc nghiệm

1

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

  • Các biến độc lập phải không tương quan với nhau.

  • Sai số ngẫu nhiên phải có phân phối chuẩn.

  • Hệ số hồi quy phải có giá trị dương.

  • Biến phụ thuộc phải là biến nhị phân.

  • Khi mô hình có hệ số R2R^2R2 quá cao.

  • Khi các biến độc lập không có tương quan với biến phụ thuộc.

  • Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

  • Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

  • Tính đồng nhất của phương sai.

  • Tính đặc thù của mô hình (misspecification).

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các sai số.

  • Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

  • Mô hình hồi quy rất tốt.

  • Mô hình có các biến độc lập không quan trọng.

  • Mô hình hồi quy bị sai lệch.

  • Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

  • Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

  • Khi các biến độc lập không có mối quan hệ với nhau.

  • Khi biến phụ thuộc không phải là biến liên tục.

  • Các biến độc lập không có tương quan với nhau.

  • Sai số ngẫu nhiên không có phân phối chuẩn.

  • Có một mối tương quan cao giữa các biến độc lập.

  • Hệ số R2R^2R2 điều chỉnh quá thấp.

  • Kiểm định Breusch-Pagan.

  • Kiểm định Durbin-Watson.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

  • Các hệ số hồi quy đều bằng 0.

  • Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Sai số ngẫu nhiên sẽ có phương sai lớn.

  • Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

  • Hệ số R2R^2R2 sẽ tăng lên.

  • Mô hình sẽ không còn có ý nghĩa thống kê.

  • Đa cộng tuyến.

  • Phương sai thay đổi (heteroscedasticity).

  • Tự tương quan.

  • Phân phối không chuẩn.

  • Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

  • Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

  • Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

  • Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

  • Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

  • Tăng kích thước mẫu.

  • Sử dụng kiểm định F.

  • Hiện tượng đa cộng tuyến.

  • Mẫu dữ liệu không đủ lớn.

  • Mô hình hồi quy bị sai lệch.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Tối đa hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa tổng bình phương của sai số dự báo.

  • Tối đa hóa độ dốc của đường hồi quy.

  • Không có hiện tượng tự tương quan trong sai số.

  • Có hiện tượng đa cộng tuyến.

  • Có hiện tượng phương sai thay đổi.

  • Mô hình không phù hợp với dữ liệu.

  • Mô hình hồi quy tuyến tính.

  • Mô hình hồi quy logistic.

  • Mô hình hồi quy phi tuyến.

  • Mô hình hồi quy Ridge.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ biến phụ thuộc.

  • Sử dụng kiểm định Durbin-Watson.

  • Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

  • Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Không có kết luận nào đúng.

  • Hệ số hồi quy này có ý nghĩa thống kê.

  • Hệ số hồi quy này không có ý nghĩa thống kê.

  • Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Có hiện tượng phương sai thay đổi.

  • Không có hiện tượng phương sai thay đổi.

  • Các biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Hiện tượng phương sai thay đổi (heteroscedasticity).

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Mô hình hồi quy rất tốt.

  • Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

  • Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

  • Mô hình không giải thích được biến thiên của biến phụ thuộc.

  • Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • 90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Tất cả các biến độc lập đều có ý nghĩa thống kê.

  • Điều chỉnh cho số lượng biến độc lập trong mô hình.

  • Tăng giá trị R2R^2R2.

  • Giảm giá trị R2R^2R2.

  • Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

  • Biến phụ thuộc là biến liên tục.

  • Biến độc lập là biến nhị phân.

  • Biến phụ thuộc là biến nhị phân.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng phương sai thay đổi.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

  • 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.

  • Mối quan hệ giữa các biến là tuyến tính.

  • Mối quan hệ giữa các biến không rõ ràng.

  • Mối quan hệ giữa các biến không phải là tuyến tính.

  • Dữ liệu không có sự biến đổi.

  • Tăng kích thước mẫu.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Sử dụng kiểm định t.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Thêm biến độc lập mới vào mô hình.

  • Sử dụng kiểm định F.

  • Tối đa hóa R2R^2R2.

  • Tối thiểu hóa R2R^2R2.

  • Tối thiểu hóa tổng bình phương sai số (residuals).

  • Tối đa hóa hệ số hồi quy.

  • Kiểm định Durbin-Watson.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Biến nhị phân (binary).

  • Biến liên tục.

  • Biến định lượng.

  • Biến danh định (categorical).

  • Hệ số hồi quy có ý nghĩa thống kê.

  • Hệ số hồi quy không có ý nghĩa thống kê.

  • Mô hình hồi quy phù hợp với dữ liệu.

  • Mô hình hồi quy không phù hợp.

  • Tính đồng nhất của phương sai.

  • Tính tự tương quan của các sai số.

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các biến độc lập.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

  • Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Không có kết luận nào đúng.

  • Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

  • Mối quan hệ giữa các biến độc lập.

  • Mối quan hệ phi tuyến tính giữa các biến.

  • Mức độ phù hợp của mô hình.


2

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

  • Các biến độc lập phải không tương quan với nhau.

  • Sai số ngẫu nhiên phải có phân phối chuẩn.

  • Hệ số hồi quy phải có giá trị dương.

  • Biến phụ thuộc phải là biến nhị phân.

  • Khi mô hình có hệ số R2R^2R2 quá cao.

  • Khi các biến độc lập không có tương quan với biến phụ thuộc.

  • Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

  • Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

  • Tính đồng nhất của phương sai.

  • Tính đặc thù của mô hình (misspecification).

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các sai số.

  • Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

  • Mô hình hồi quy rất tốt.

  • Mô hình có các biến độc lập không quan trọng.

  • Mô hình hồi quy bị sai lệch.

  • Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

  • Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

  • Khi các biến độc lập không có mối quan hệ với nhau.

  • Khi biến phụ thuộc không phải là biến liên tục.

  • Các biến độc lập không có tương quan với nhau.

  • Sai số ngẫu nhiên không có phân phối chuẩn.

  • Có một mối tương quan cao giữa các biến độc lập.

  • Hệ số R2R^2R2 điều chỉnh quá thấp.

  • Kiểm định Breusch-Pagan.

  • Kiểm định Durbin-Watson.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

  • Các hệ số hồi quy đều bằng 0.

  • Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Sai số ngẫu nhiên sẽ có phương sai lớn.

  • Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

  • Hệ số R2R^2R2 sẽ tăng lên.

  • Mô hình sẽ không còn có ý nghĩa thống kê.

  • Đa cộng tuyến.

  • Phương sai thay đổi (heteroscedasticity).

  • Tự tương quan.

  • Phân phối không chuẩn.

  • Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

  • Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

  • Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

  • Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

  • Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

  • Tăng kích thước mẫu.

  • Sử dụng kiểm định F.

  • Hiện tượng đa cộng tuyến.

  • Mẫu dữ liệu không đủ lớn.

  • Mô hình hồi quy bị sai lệch.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Tối đa hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa tổng bình phương của sai số dự báo.

  • Tối đa hóa độ dốc của đường hồi quy.

  • Không có hiện tượng tự tương quan trong sai số.

  • Có hiện tượng đa cộng tuyến.

  • Có hiện tượng phương sai thay đổi.

  • Mô hình không phù hợp với dữ liệu.

  • Mô hình hồi quy tuyến tính.

  • Mô hình hồi quy logistic.

  • Mô hình hồi quy phi tuyến.

  • Mô hình hồi quy Ridge.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ biến phụ thuộc.

  • Sử dụng kiểm định Durbin-Watson.

  • Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

  • Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Không có kết luận nào đúng.

  • Hệ số hồi quy này có ý nghĩa thống kê.

  • Hệ số hồi quy này không có ý nghĩa thống kê.

  • Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Có hiện tượng phương sai thay đổi.

  • Không có hiện tượng phương sai thay đổi.

  • Các biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Hiện tượng phương sai thay đổi (heteroscedasticity).

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Mô hình hồi quy rất tốt.

  • Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

  • Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

  • Mô hình không giải thích được biến thiên của biến phụ thuộc.

  • Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • 90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Tất cả các biến độc lập đều có ý nghĩa thống kê.

  • Điều chỉnh cho số lượng biến độc lập trong mô hình.

  • Tăng giá trị R2R^2R2.

  • Giảm giá trị R2R^2R2.

  • Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

  • Biến phụ thuộc là biến liên tục.

  • Biến độc lập là biến nhị phân.

  • Biến phụ thuộc là biến nhị phân.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng phương sai thay đổi.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

  • 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.

  • Mối quan hệ giữa các biến là tuyến tính.

  • Mối quan hệ giữa các biến không rõ ràng.

  • Mối quan hệ giữa các biến không phải là tuyến tính.

  • Dữ liệu không có sự biến đổi.

  • Tăng kích thước mẫu.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Sử dụng kiểm định t.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Thêm biến độc lập mới vào mô hình.

  • Sử dụng kiểm định F.

  • Tối đa hóa R2R^2R2.

  • Tối thiểu hóa R2R^2R2.

  • Tối thiểu hóa tổng bình phương sai số (residuals).

  • Tối đa hóa hệ số hồi quy.

  • Kiểm định Durbin-Watson.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Biến nhị phân (binary).

  • Biến liên tục.

  • Biến định lượng.

  • Biến danh định (categorical).

  • Hệ số hồi quy có ý nghĩa thống kê.

  • Hệ số hồi quy không có ý nghĩa thống kê.

  • Mô hình hồi quy phù hợp với dữ liệu.

  • Mô hình hồi quy không phù hợp.

  • Tính đồng nhất của phương sai.

  • Tính tự tương quan của các sai số.

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các biến độc lập.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

  • Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Không có kết luận nào đúng.

  • Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

  • Mối quan hệ giữa các biến độc lập.

  • Mối quan hệ phi tuyến tính giữa các biến.

  • Mức độ phù hợp của mô hình.


3

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

  • Các biến độc lập phải không tương quan với nhau.

  • Sai số ngẫu nhiên phải có phân phối chuẩn.

  • Hệ số hồi quy phải có giá trị dương.

  • Biến phụ thuộc phải là biến nhị phân.

  • Khi mô hình có hệ số R2R^2R2 quá cao.

  • Khi các biến độc lập không có tương quan với biến phụ thuộc.

  • Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

  • Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

  • Tính đồng nhất của phương sai.

  • Tính đặc thù của mô hình (misspecification).

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các sai số.

  • Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

  • Mô hình hồi quy rất tốt.

  • Mô hình có các biến độc lập không quan trọng.

  • Mô hình hồi quy bị sai lệch.

  • Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

  • Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

  • Khi các biến độc lập không có mối quan hệ với nhau.

  • Khi biến phụ thuộc không phải là biến liên tục.

  • Các biến độc lập không có tương quan với nhau.

  • Sai số ngẫu nhiên không có phân phối chuẩn.

  • Có một mối tương quan cao giữa các biến độc lập.

  • Hệ số R2R^2R2 điều chỉnh quá thấp.

  • Kiểm định Breusch-Pagan.

  • Kiểm định Durbin-Watson.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

  • Các hệ số hồi quy đều bằng 0.

  • Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Sai số ngẫu nhiên sẽ có phương sai lớn.

  • Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

  • Hệ số R2R^2R2 sẽ tăng lên.

  • Mô hình sẽ không còn có ý nghĩa thống kê.

  • Đa cộng tuyến.

  • Phương sai thay đổi (heteroscedasticity).

  • Tự tương quan.

  • Phân phối không chuẩn.

  • Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

  • Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

  • Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

  • Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

  • Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

  • Tăng kích thước mẫu.

  • Sử dụng kiểm định F.

  • Hiện tượng đa cộng tuyến.

  • Mẫu dữ liệu không đủ lớn.

  • Mô hình hồi quy bị sai lệch.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Tối đa hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa tổng bình phương của sai số dự báo.

  • Tối đa hóa độ dốc của đường hồi quy.

  • Không có hiện tượng tự tương quan trong sai số.

  • Có hiện tượng đa cộng tuyến.

  • Có hiện tượng phương sai thay đổi.

  • Mô hình không phù hợp với dữ liệu.

  • Mô hình hồi quy tuyến tính.

  • Mô hình hồi quy logistic.

  • Mô hình hồi quy phi tuyến.

  • Mô hình hồi quy Ridge.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ biến phụ thuộc.

  • Sử dụng kiểm định Durbin-Watson.

  • Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

  • Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Không có kết luận nào đúng.

  • Hệ số hồi quy này có ý nghĩa thống kê.

  • Hệ số hồi quy này không có ý nghĩa thống kê.

  • Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Có hiện tượng phương sai thay đổi.

  • Không có hiện tượng phương sai thay đổi.

  • Các biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Hiện tượng phương sai thay đổi (heteroscedasticity).

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Mô hình hồi quy rất tốt.

  • Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

  • Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

  • Mô hình không giải thích được biến thiên của biến phụ thuộc.

  • Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • 90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Tất cả các biến độc lập đều có ý nghĩa thống kê.

  • Điều chỉnh cho số lượng biến độc lập trong mô hình.

  • Tăng giá trị R2R^2R2.

  • Giảm giá trị R2R^2R2.

  • Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

  • Biến phụ thuộc là biến liên tục.

  • Biến độc lập là biến nhị phân.

  • Biến phụ thuộc là biến nhị phân.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng phương sai thay đổi.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

  • 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.

  • Mối quan hệ giữa các biến là tuyến tính.

  • Mối quan hệ giữa các biến không rõ ràng.

  • Mối quan hệ giữa các biến không phải là tuyến tính.

  • Dữ liệu không có sự biến đổi.

  • Tăng kích thước mẫu.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Sử dụng kiểm định t.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Thêm biến độc lập mới vào mô hình.

  • Sử dụng kiểm định F.

  • Tối đa hóa R2R^2R2.

  • Tối thiểu hóa R2R^2R2.

  • Tối thiểu hóa tổng bình phương sai số (residuals).

  • Tối đa hóa hệ số hồi quy.

  • Kiểm định Durbin-Watson.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Biến nhị phân (binary).

  • Biến liên tục.

  • Biến định lượng.

  • Biến danh định (categorical).

  • Hệ số hồi quy có ý nghĩa thống kê.

  • Hệ số hồi quy không có ý nghĩa thống kê.

  • Mô hình hồi quy phù hợp với dữ liệu.

  • Mô hình hồi quy không phù hợp.

  • Tính đồng nhất của phương sai.

  • Tính tự tương quan của các sai số.

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các biến độc lập.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

  • Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Không có kết luận nào đúng.

  • Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

  • Mối quan hệ giữa các biến độc lập.

  • Mối quan hệ phi tuyến tính giữa các biến.

  • Mức độ phù hợp của mô hình.


4

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

  • Các biến độc lập phải không tương quan với nhau.

  • Sai số ngẫu nhiên phải có phân phối chuẩn.

  • Hệ số hồi quy phải có giá trị dương.

  • Biến phụ thuộc phải là biến nhị phân.

  • Khi mô hình có hệ số R2R^2R2 quá cao.

  • Khi các biến độc lập không có tương quan với biến phụ thuộc.

  • Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

  • Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

  • Tính đồng nhất của phương sai.

  • Tính đặc thù của mô hình (misspecification).

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các sai số.

  • Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

  • Mô hình hồi quy rất tốt.

  • Mô hình có các biến độc lập không quan trọng.

  • Mô hình hồi quy bị sai lệch.

  • Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

  • Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

  • Khi các biến độc lập không có mối quan hệ với nhau.

  • Khi biến phụ thuộc không phải là biến liên tục.

  • Các biến độc lập không có tương quan với nhau.

  • Sai số ngẫu nhiên không có phân phối chuẩn.

  • Có một mối tương quan cao giữa các biến độc lập.

  • Hệ số R2R^2R2 điều chỉnh quá thấp.

  • Kiểm định Breusch-Pagan.

  • Kiểm định Durbin-Watson.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

  • Các hệ số hồi quy đều bằng 0.

  • Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Sai số ngẫu nhiên sẽ có phương sai lớn.

  • Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

  • Hệ số R2R^2R2 sẽ tăng lên.

  • Mô hình sẽ không còn có ý nghĩa thống kê.

  • Đa cộng tuyến.

  • Phương sai thay đổi (heteroscedasticity).

  • Tự tương quan.

  • Phân phối không chuẩn.

  • Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

  • Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

  • Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

  • Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

  • Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

  • Tăng kích thước mẫu.

  • Sử dụng kiểm định F.

  • Hiện tượng đa cộng tuyến.

  • Mẫu dữ liệu không đủ lớn.

  • Mô hình hồi quy bị sai lệch.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Tối đa hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa tổng bình phương của sai số dự báo.

  • Tối đa hóa độ dốc của đường hồi quy.

  • Không có hiện tượng tự tương quan trong sai số.

  • Có hiện tượng đa cộng tuyến.

  • Có hiện tượng phương sai thay đổi.

  • Mô hình không phù hợp với dữ liệu.

  • Mô hình hồi quy tuyến tính.

  • Mô hình hồi quy logistic.

  • Mô hình hồi quy phi tuyến.

  • Mô hình hồi quy Ridge.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ biến phụ thuộc.

  • Sử dụng kiểm định Durbin-Watson.

  • Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

  • Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Không có kết luận nào đúng.

  • Hệ số hồi quy này có ý nghĩa thống kê.

  • Hệ số hồi quy này không có ý nghĩa thống kê.

  • Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Có hiện tượng phương sai thay đổi.

  • Không có hiện tượng phương sai thay đổi.

  • Các biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Hiện tượng phương sai thay đổi (heteroscedasticity).

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Mô hình hồi quy rất tốt.

  • Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

  • Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

  • Mô hình không giải thích được biến thiên của biến phụ thuộc.

  • Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • 90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Tất cả các biến độc lập đều có ý nghĩa thống kê.

  • Điều chỉnh cho số lượng biến độc lập trong mô hình.

  • Tăng giá trị R2R^2R2.

  • Giảm giá trị R2R^2R2.

  • Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

  • Biến phụ thuộc là biến liên tục.

  • Biến độc lập là biến nhị phân.

  • Biến phụ thuộc là biến nhị phân.

  • Mối quan hệ giữa các biến là phi tuyến tính.

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng phương sai thay đổi.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

  • 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.

  • Mối quan hệ giữa các biến là tuyến tính.

  • Mối quan hệ giữa các biến không rõ ràng.

  • Mối quan hệ giữa các biến không phải là tuyến tính.

  • Dữ liệu không có sự biến đổi.

  • Tăng kích thước mẫu.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Sử dụng kiểm định t.

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Thêm biến độc lập mới vào mô hình.

  • Sử dụng kiểm định F.

  • Tối đa hóa R2R^2R2.

  • Tối thiểu hóa R2R^2R2.

  • Tối thiểu hóa tổng bình phương sai số (residuals).

  • Tối đa hóa hệ số hồi quy.

  • Kiểm định Durbin-Watson.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Biến nhị phân (binary).

  • Biến liên tục.

  • Biến định lượng.

  • Biến danh định (categorical).

  • Hệ số hồi quy có ý nghĩa thống kê.

  • Hệ số hồi quy không có ý nghĩa thống kê.

  • Mô hình hồi quy phù hợp với dữ liệu.

  • Mô hình hồi quy không phù hợp.

  • Tính đồng nhất của phương sai.

  • Tính tự tương quan của các sai số.

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các biến độc lập.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Kiểm định chi bình phương.

  • Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

  • Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Không có kết luận nào đúng.

  • Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

  • Mối quan hệ giữa các biến độc lập.

  • Mối quan hệ phi tuyến tính giữa các biến.

  • Mức độ phù hợp của mô hình.


5

Trong hồi quy tuyến tính, điều kiện nào là cần thiết để mô hình hồi quy có thể sử dụng phương pháp bình phương tối thiểu?

  • Các biến độc lập phải không tương quan với nhau.

  • Sai số ngẫu nhiên phải có phân phối chuẩn.

  • Hệ số hồi quy phải có giá trị dương.

  • Biến phụ thuộc phải là biến nhị phân.


6

Khi nào ta có thể nói rằng mô hình hồi quy bị sai lệch do thiếu biến?

  • Khi mô hình có hệ số R2R^2R2 quá cao.

  • Khi các biến độc lập không có tương quan với biến phụ thuộc.

  • Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

  • Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.


7

Kiểm định RESET của Ramsey được sử dụng để kiểm tra điều gì trong mô hình hồi quy?

  • Tính đồng nhất của phương sai.

  • Tính đặc thù của mô hình (misspecification).

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các sai số.


8

Trong mô hình hồi quy, nếu hệ số R2R^2R2 điều chỉnh (adjusted R2R^2R2) lớn hơn hệ số R2R^2R2, điều này cho thấy:

  • Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

  • Mô hình hồi quy rất tốt.

  • Mô hình có các biến độc lập không quan trọng.

  • Mô hình hồi quy bị sai lệch.


9

Mối quan hệ nào sau đây có thể dẫn đến hiện tượng tự tương quan trong mô hình hồi quy?

  • Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

  • Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

  • Khi các biến độc lập không có mối quan hệ với nhau.

  • Khi biến phụ thuộc không phải là biến liên tục.


10

Một mô hình hồi quy tuyến tính có thể bị ảnh hưởng bởi hiện tượng đa cộng tuyến nếu:

  • Các biến độc lập không có tương quan với nhau.

  • Sai số ngẫu nhiên không có phân phối chuẩn.

  • Có một mối tương quan cao giữa các biến độc lập.

  • Hệ số R2R^2R2 điều chỉnh quá thấp.


11

Để phát hiện hiện tượng tự tương quan trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?

  • Kiểm định Breusch-Pagan.

  • Kiểm định Durbin-Watson.

  • Kiểm định F.

  • Kiểm định chi bình phương.


12

Khi ppp-value của kiểm định F trong mô hình hồi quy tuyến tính là 0.0001, điều này cho thấy:

  • Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

  • Các hệ số hồi quy đều bằng 0.

  • Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.


13

Khi các biến độc lập có tương quan với nhau, hiện tượng gì có thể xảy ra trong mô hình hồi quy?

  • Sai số ngẫu nhiên sẽ có phương sai lớn.

  • Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

  • Hệ số R2R^2R2 sẽ tăng lên.

  • Mô hình sẽ không còn có ý nghĩa thống kê.


14

Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phương sai của sai số ngẫu nhiên thay đổi theo các giá trị của biến độc lập, hiện tượng này gọi là gì?

  • Đa cộng tuyến.

  • Phương sai thay đổi (heteroscedasticity).

  • Tự tương quan.

  • Phân phối không chuẩn.


15

Trong mô hình hồi quy bội, việc thêm biến độc lập không liên quan vào mô hình sẽ:

  • Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

  • Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

  • Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

  • Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.


16

Khi hệ số hồi quy của một biến độc lập có giá trị âm, điều này có nghĩa là:

  • Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.


17

Trong hồi quy logistic, hệ số hồi quy biểu diễn điều gì?

  • Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

  • Xác suất của việc xảy ra hoặc không xảy ra sự kiện.


18

Khi hiện tượng đa cộng tuyến xảy ra trong mô hình hồi quy, điều gì có thể được sử dụng để giảm bớt vấn đề này?

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

  • Tăng kích thước mẫu.

  • Sử dụng kiểm định F.


19

Nếu mô hình hồi quy có hệ số R2R^2R2 rất cao nhưng các hệ số hồi quy không có ý nghĩa thống kê, điều này có thể do:

  • Hiện tượng đa cộng tuyến.

  • Mẫu dữ liệu không đủ lớn.

  • Mô hình hồi quy bị sai lệch.

  • Mối quan hệ giữa các biến là phi tuyến tính.


20

Mục tiêu của phương pháp bình phương tối thiểu trong mô hình hồi quy là gì?

  • Tối đa hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa R2R^2R2 điều chỉnh.

  • Tối thiểu hóa tổng bình phương của sai số dự báo.

  • Tối đa hóa độ dốc của đường hồi quy.


21

Khi kiểm tra giả định về tính độc lập của sai số, nếu kiểm định Durbin-Watson có giá trị gần 2, điều này cho thấy:

  • Không có hiện tượng tự tương quan trong sai số.

  • Có hiện tượng đa cộng tuyến.

  • Có hiện tượng phương sai thay đổi.

  • Mô hình không phù hợp với dữ liệu.


22

Khi một mô hình hồi quy có nhiều biến độc lập và biến phụ thuộc là biến nhị phân, mô hình nào sau đây là phù hợp nhất?

  • Mô hình hồi quy tuyến tính.

  • Mô hình hồi quy logistic.

  • Mô hình hồi quy phi tuyến.

  • Mô hình hồi quy Ridge.


23

Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn nên làm gì?

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Sử dụng thêm các biến độc lập khác.

  • Loại bỏ biến phụ thuộc.

  • Sử dụng kiểm định Durbin-Watson.


24

Trong mô hình hồi quy, giá trị ppp-value nhỏ hơn mức ý nghĩa αalphaα cho thấy điều gì?

  • Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

  • Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Không có kết luận nào đúng.


25

Nếu ppp-value của hệ số hồi quy trong mô hình hồi quy tuyến tính là 0.08 với mức ý nghĩa α=0.05alpha = 0.05α=0.05, điều này có nghĩa là gì?

  • Hệ số hồi quy này có ý nghĩa thống kê.

  • Hệ số hồi quy này không có ý nghĩa thống kê.

  • Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.


26

Trong mô hình hồi quy tuyến tính, nếu kiểm định Breusch-Pagan cho thấy ppp-value nhỏ hơn 0.05, điều này có nghĩa là gì?

  • Có hiện tượng phương sai thay đổi.

  • Không có hiện tượng phương sai thay đổi.

  • Các biến độc lập không có mối quan hệ với biến phụ thuộc.

  • Mô hình hồi quy không phù hợp với dữ liệu.


27

Khi kiểm định giả định về tính đồng nhất của phương sai, kiểm định Breusch-Pagan thường được sử dụng để phát hiện điều gì?

  • Hiện tượng phương sai thay đổi (heteroscedasticity).

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.


28

Khi một mô hình hồi quy có hệ số R2R^2R2 gần bằng 0, điều này cho thấy điều gì?

  • Mô hình hồi quy rất tốt.

  • Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

  • Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

  • Mô hình không giải thích được biến thiên của biến phụ thuộc.


29

Nếu R2R^2R2 trong mô hình hồi quy tuyến tính là 0.9, điều này cho thấy điều gì?

  • Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

  • 90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

  • Mô hình hồi quy không phù hợp với dữ liệu.

  • Tất cả các biến độc lập đều có ý nghĩa thống kê.


30

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 R2R^2R2.

  • Giảm giá trị R2R^2R2.

  • Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.


31

Một mô hình hồi quy logistic có thể được sử dụng khi:

  • Biến phụ thuộc là biến liên tục.

  • Biến độc lập là biến nhị phân.

  • Biến phụ thuộc là biến nhị phân.

  • Mối quan hệ giữa các biến là phi tuyến tính.


32

Khi kiểm tra giả định về tính độc lập của sai số, kiểm định Durbin-Watson được sử dụng để phát hiện điều gì?

  • Hiện tượng đa cộng tuyến.

  • Hiện tượng phương sai thay đổi.

  • Hiện tượng tự tương quan.

  • Hiện tượng phân phối không chuẩn.


33

Trong mô hình hồi quy tuyến tính, hệ số hồi quy âm có nghĩa là gì?

  • Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

  • Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

  • 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.


34

Hồi quy phi tuyến thường được sử dụng khi:

  • Mối quan hệ giữa các biến là tuyến tính.

  • Mối quan hệ giữa các biến không rõ ràng.

  • Mối quan hệ giữa các biến không phải là tuyến tính.

  • Dữ liệu không có sự biến đổi.


35

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 ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Sử dụng kiểm định t.


36

Khi kiểm tra giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn có thể làm gì?

  • Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

  • Loại bỏ các biến độc lập không quan trọng.

  • Thêm biến độc lập mới vào mô hình.

  • Sử dụng kiểm định F.


37

Mục tiêu của phương pháp bình phương tối thiểu là:

  • Tối đa hóa R2R^2R2.

  • Tối thiểu hóa R2R^2R2.

  • Tối thiểu hóa tổng bình phương sai số (residuals).

  • Tối đa hóa hệ số hồi quy.


38

Khi kiểm định giả định về tính độc lập của sai số trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?

  • Kiểm định Durbin-Watson.

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.


39

Trong mô hình hồi quy logistic, biến phụ thuộc thường là:

  • Biến nhị phân (binary).

  • Biến liên tục.

  • Biến định lượng.

  • Biến danh định (categorical).


40

Khi ppp-value của một hệ số hồi quy trong mô hình hồi quy tuyến tính lớn hơn 0.05, điều này có nghĩa là gì?

  • Hệ số hồi quy có ý nghĩa thống kê.

  • Hệ số hồi quy không có ý nghĩa thống kê.

  • Mô hình hồi quy phù hợp với dữ liệu.

  • Mô hình hồi quy không phù hợp.


41

Kiểm định Durbin-Watson trong mô hình hồi quy tuyến tính được sử dụng để kiểm tra điều gì?

  • Tính đồng nhất của phương sai.

  • Tính tự tương quan của các sai số.

  • Tính tuyến tính của mối quan hệ giữa các biến.

  • Tính độc lập của các biến độc lập.


42

Khi kiểm tra giả định về tính đồng nhất của phương sai, kiểm định nào sau đây thường được sử dụng?

  • Kiểm định Breusch-Pagan.

  • Kiểm định t.

  • Kiểm định F.

  • Kiểm định chi bình phương.


43

Khi hệ số hồi quy của một biến độc lập có ppp-value nhỏ hơn 0.05, ta có thể kết luận rằng:

  • Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

  • Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

  • Mô hình hồi quy không phù hợp.

  • Không có kết luận nào đúng.


44

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

  • Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

  • Mối quan hệ giữa các biến độc lập.

  • Mối quan hệ phi tuyến tính giữa các biến.

  • Mức độ phù hợp của mô hình.

Trắc nghiệm lý thuyết Kinh tế lượng – Đề số 6

Thông tin
Làm trắc nghiệm
Đáp án
Số câu đã làm 0/44
Thời gian còn lại
50:00
Đã làm
Chưa làm
Kiểm tra lại
1

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:


2

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:


3

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:


4

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:


5

Trong hồi quy tuyến tính, điều kiện nào là cần thiết để mô hình hồi quy có thể sử dụng phương pháp bình phương tối thiểu?


6

Khi nào ta có thể nói rằng mô hình hồi quy bị sai lệch do thiếu biến?


7

Kiểm định RESET của Ramsey được sử dụng để kiểm tra điều gì trong mô hình hồi quy?


8

Trong mô hình hồi quy, nếu hệ số R2R^2R2 điều chỉnh (adjusted R2R^2R2) lớn hơn hệ số R2R^2R2, điều này cho thấy:


9

Mối quan hệ nào sau đây có thể dẫn đến hiện tượng tự tương quan trong mô hình hồi quy?


10

Một mô hình hồi quy tuyến tính có thể bị ảnh hưởng bởi hiện tượng đa cộng tuyến nếu:


11

Để phát hiện hiện tượng tự tương quan trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?


12

Khi ppp-value của kiểm định F trong mô hình hồi quy tuyến tính là 0.0001, điều này cho thấy:


13

Khi các biến độc lập có tương quan với nhau, hiện tượng gì có thể xảy ra trong mô hình hồi quy?


14

Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phương sai của sai số ngẫu nhiên thay đổi theo các giá trị của biến độc lập, hiện tượng này gọi là gì?


15

Trong mô hình hồi quy bội, việc thêm biến độc lập không liên quan vào mô hình sẽ:


16

Khi hệ số hồi quy của một biến độc lập có giá trị âm, điều này có nghĩa là:


17

Trong hồi quy logistic, hệ số hồi quy biểu diễn điều gì?


18

Khi hiện tượng đa cộng tuyến xảy ra trong mô hình hồi quy, điều gì có thể được sử dụng để giảm bớt vấn đề này?


19

Nếu mô hình hồi quy có hệ số R2R^2R2 rất cao nhưng các hệ số hồi quy không có ý nghĩa thống kê, điều này có thể do:


20

Mục tiêu của phương pháp bình phương tối thiểu trong mô hình hồi quy là gì?


21

Khi kiểm tra giả định về tính độc lập của sai số, nếu kiểm định Durbin-Watson có giá trị gần 2, điều này cho thấy:


22

Khi một mô hình hồi quy có nhiều biến độc lập và biến phụ thuộc là biến nhị phân, mô hình nào sau đây là phù hợp nhất?


23

Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn nên làm gì?


24

Trong mô hình hồi quy, giá trị ppp-value nhỏ hơn mức ý nghĩa αalphaα cho thấy điều gì?


25

Nếu ppp-value của hệ số hồi quy trong mô hình hồi quy tuyến tính là 0.08 với mức ý nghĩa α=0.05alpha = 0.05α=0.05, điều này có nghĩa là gì?


26

Trong mô hình hồi quy tuyến tính, nếu kiểm định Breusch-Pagan cho thấy ppp-value nhỏ hơn 0.05, điều này có nghĩa là gì?


27

Khi kiểm định giả định về tính đồng nhất của phương sai, kiểm định Breusch-Pagan thường được sử dụng để phát hiện điều gì?


28

Khi một mô hình hồi quy có hệ số R2R^2R2 gần bằng 0, điều này cho thấy điều gì?


29

Nếu R2R^2R2 trong mô hình hồi quy tuyến tính là 0.9, điều này cho thấy điều gì?


30

Trong mô hình hồi quy bội, giá trị R2R^2R2 điều chỉnh thường được sử dụng để:


31

Một mô hình hồi quy logistic có thể được sử dụng khi:


32

Khi kiểm tra giả định về tính độc lập của sai số, kiểm định Durbin-Watson được sử dụng để phát hiện điều gì?


33

Trong mô hình hồi quy tuyến tính, hệ số hồi quy âm có nghĩa là gì?


34

Hồi quy phi tuyến thường được sử dụng khi:


35

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?


36

Khi kiểm tra giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn có thể làm gì?


37

Mục tiêu của phương pháp bình phương tối thiểu là:


38

Khi kiểm định giả định về tính độc lập của sai số trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?


39

Trong mô hình hồi quy logistic, biến phụ thuộc thường là:


40

Khi ppp-value của một hệ số hồi quy trong mô hình hồi quy tuyến tính lớn hơn 0.05, điều này có nghĩa là gì?


41

Kiểm định Durbin-Watson trong mô hình hồi quy tuyến tính được sử dụng để kiểm tra điều gì?


42

Khi kiểm tra giả định về tính đồng nhất của phương sai, kiểm định nào sau đây thường được sử dụng?


43

Khi hệ số hồi quy của một biến độc lập có ppp-value nhỏ hơn 0.05, ta có thể kết luận rằng:


44

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:


Trắc nghiệm lý thuyết Kinh tế lượng – Đề số 6

Thông tin
Làm trắc nghiệm
Đáp án

Hoàn thành

Bạn muốn xem đáp án? Bấm vào đây nhé!

Làm lại bài thi

Trắc nghiệm lý thuyết Kinh tế lượng – Đề số 6

Thông tin
Làm trắc nghiệm
Đáp án

Điểm số của bạn là

0/0

Hoàn thành!

0
Câu đúng
0
Câu sai
0
Câu phân vân

Trắc nghiệm lý thuyết Kinh tế lượng – Đề số 6

Thông tin
Làm trắc nghiệm
Đáp án

Đáp án chi tiết

Câu 1:

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

Các biến độc lập phải không tương quan với nhau.

Sai số ngẫu nhiên phải có phân phối chuẩn.

Hệ số hồi quy phải có giá trị dương.

Biến phụ thuộc phải là biến nhị phân.

Khi mô hình có hệ số R2R^2R2 quá cao.

Khi các biến độc lập không có tương quan với biến phụ thuộc.

Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

Tính đồng nhất của phương sai.

Tính đặc thù của mô hình (misspecification).

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các sai số.

Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

Mô hình hồi quy rất tốt.

Mô hình có các biến độc lập không quan trọng.

Mô hình hồi quy bị sai lệch.

Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

Khi các biến độc lập không có mối quan hệ với nhau.

Khi biến phụ thuộc không phải là biến liên tục.

Các biến độc lập không có tương quan với nhau.

Sai số ngẫu nhiên không có phân phối chuẩn.

Có một mối tương quan cao giữa các biến độc lập.

Hệ số R2R^2R2 điều chỉnh quá thấp.

Kiểm định Breusch-Pagan.

Kiểm định Durbin-Watson.

Kiểm định F.

Kiểm định chi bình phương.

Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

Các hệ số hồi quy đều bằng 0.

Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Sai số ngẫu nhiên sẽ có phương sai lớn.

Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

Hệ số R2R^2R2 sẽ tăng lên.

Mô hình sẽ không còn có ý nghĩa thống kê.

Đa cộng tuyến.

Phương sai thay đổi (heteroscedasticity).

Tự tương quan.

Phân phối không chuẩn.

Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

Sử dụng thêm các biến độc lập khác.

Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

Tăng kích thước mẫu.

Sử dụng kiểm định F.

Hiện tượng đa cộng tuyến.

Mẫu dữ liệu không đủ lớn.

Mô hình hồi quy bị sai lệch.

Mối quan hệ giữa các biến là phi tuyến tính.

Tối đa hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa tổng bình phương của sai số dự báo.

Tối đa hóa độ dốc của đường hồi quy.

Không có hiện tượng tự tương quan trong sai số.

Có hiện tượng đa cộng tuyến.

Có hiện tượng phương sai thay đổi.

Mô hình không phù hợp với dữ liệu.

Mô hình hồi quy tuyến tính.

Mô hình hồi quy logistic.

Mô hình hồi quy phi tuyến.

Mô hình hồi quy Ridge.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Sử dụng thêm các biến độc lập khác.

Loại bỏ biến phụ thuộc.

Sử dụng kiểm định Durbin-Watson.

Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

Mô hình hồi quy không phù hợp với dữ liệu.

Không có kết luận nào đúng.

Hệ số hồi quy này có ý nghĩa thống kê.

Hệ số hồi quy này không có ý nghĩa thống kê.

Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Có hiện tượng phương sai thay đổi.

Không có hiện tượng phương sai thay đổi.

Các biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Hiện tượng phương sai thay đổi (heteroscedasticity).

Hiện tượng đa cộng tuyến.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Mô hình hồi quy rất tốt.

Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

Mô hình không giải thích được biến thiên của biến phụ thuộc.

Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

Mô hình hồi quy không phù hợp với dữ liệu.

Tất cả các biến độc lập đều có ý nghĩa thống kê.

Điều chỉnh cho số lượng biến độc lập trong mô hình.

Tăng giá trị R2R^2R2.

Giảm giá trị R2R^2R2.

Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

Biến phụ thuộc là biến liên tục.

Biến độc lập là biến nhị phân.

Biến phụ thuộc là biến nhị phân.

Mối quan hệ giữa các biến là phi tuyến tính.

Hiện tượng đa cộng tuyến.

Hiện tượng phương sai thay đổi.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

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.

Mối quan hệ giữa các biến là tuyến tính.

Mối quan hệ giữa các biến không rõ ràng.

Mối quan hệ giữa các biến không phải là tuyến tính.

Dữ liệu không có sự biến đổi.

Tăng kích thước mẫu.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Sử dụng kiểm định t.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Thêm biến độc lập mới vào mô hình.

Sử dụng kiểm định F.

Tối đa hóa R2R^2R2.

Tối thiểu hóa R2R^2R2.

Tối thiểu hóa tổng bình phương sai số (residuals).

Tối đa hóa hệ số hồi quy.

Kiểm định Durbin-Watson.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Biến nhị phân (binary).

Biến liên tục.

Biến định lượng.

Biến danh định (categorical).

Hệ số hồi quy có ý nghĩa thống kê.

Hệ số hồi quy không có ý nghĩa thống kê.

Mô hình hồi quy phù hợp với dữ liệu.

Mô hình hồi quy không phù hợp.

Tính đồng nhất của phương sai.

Tính tự tương quan của các sai số.

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các biến độc lập.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Kiểm định chi bình phương.

Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Không có kết luận nào đúng.

Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

Mối quan hệ giữa các biến độc lập.

Mối quan hệ phi tuyến tính giữa các biến.

Mức độ phù hợp của mô hình.

Câu 2:

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

Các biến độc lập phải không tương quan với nhau.

Sai số ngẫu nhiên phải có phân phối chuẩn.

Hệ số hồi quy phải có giá trị dương.

Biến phụ thuộc phải là biến nhị phân.

Khi mô hình có hệ số R2R^2R2 quá cao.

Khi các biến độc lập không có tương quan với biến phụ thuộc.

Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

Tính đồng nhất của phương sai.

Tính đặc thù của mô hình (misspecification).

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các sai số.

Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

Mô hình hồi quy rất tốt.

Mô hình có các biến độc lập không quan trọng.

Mô hình hồi quy bị sai lệch.

Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

Khi các biến độc lập không có mối quan hệ với nhau.

Khi biến phụ thuộc không phải là biến liên tục.

Các biến độc lập không có tương quan với nhau.

Sai số ngẫu nhiên không có phân phối chuẩn.

Có một mối tương quan cao giữa các biến độc lập.

Hệ số R2R^2R2 điều chỉnh quá thấp.

Kiểm định Breusch-Pagan.

Kiểm định Durbin-Watson.

Kiểm định F.

Kiểm định chi bình phương.

Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

Các hệ số hồi quy đều bằng 0.

Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Sai số ngẫu nhiên sẽ có phương sai lớn.

Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

Hệ số R2R^2R2 sẽ tăng lên.

Mô hình sẽ không còn có ý nghĩa thống kê.

Đa cộng tuyến.

Phương sai thay đổi (heteroscedasticity).

Tự tương quan.

Phân phối không chuẩn.

Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

Sử dụng thêm các biến độc lập khác.

Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

Tăng kích thước mẫu.

Sử dụng kiểm định F.

Hiện tượng đa cộng tuyến.

Mẫu dữ liệu không đủ lớn.

Mô hình hồi quy bị sai lệch.

Mối quan hệ giữa các biến là phi tuyến tính.

Tối đa hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa tổng bình phương của sai số dự báo.

Tối đa hóa độ dốc của đường hồi quy.

Không có hiện tượng tự tương quan trong sai số.

Có hiện tượng đa cộng tuyến.

Có hiện tượng phương sai thay đổi.

Mô hình không phù hợp với dữ liệu.

Mô hình hồi quy tuyến tính.

Mô hình hồi quy logistic.

Mô hình hồi quy phi tuyến.

Mô hình hồi quy Ridge.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Sử dụng thêm các biến độc lập khác.

Loại bỏ biến phụ thuộc.

Sử dụng kiểm định Durbin-Watson.

Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

Mô hình hồi quy không phù hợp với dữ liệu.

Không có kết luận nào đúng.

Hệ số hồi quy này có ý nghĩa thống kê.

Hệ số hồi quy này không có ý nghĩa thống kê.

Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Có hiện tượng phương sai thay đổi.

Không có hiện tượng phương sai thay đổi.

Các biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Hiện tượng phương sai thay đổi (heteroscedasticity).

Hiện tượng đa cộng tuyến.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Mô hình hồi quy rất tốt.

Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

Mô hình không giải thích được biến thiên của biến phụ thuộc.

Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

Mô hình hồi quy không phù hợp với dữ liệu.

Tất cả các biến độc lập đều có ý nghĩa thống kê.

Điều chỉnh cho số lượng biến độc lập trong mô hình.

Tăng giá trị R2R^2R2.

Giảm giá trị R2R^2R2.

Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

Biến phụ thuộc là biến liên tục.

Biến độc lập là biến nhị phân.

Biến phụ thuộc là biến nhị phân.

Mối quan hệ giữa các biến là phi tuyến tính.

Hiện tượng đa cộng tuyến.

Hiện tượng phương sai thay đổi.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

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.

Mối quan hệ giữa các biến là tuyến tính.

Mối quan hệ giữa các biến không rõ ràng.

Mối quan hệ giữa các biến không phải là tuyến tính.

Dữ liệu không có sự biến đổi.

Tăng kích thước mẫu.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Sử dụng kiểm định t.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Thêm biến độc lập mới vào mô hình.

Sử dụng kiểm định F.

Tối đa hóa R2R^2R2.

Tối thiểu hóa R2R^2R2.

Tối thiểu hóa tổng bình phương sai số (residuals).

Tối đa hóa hệ số hồi quy.

Kiểm định Durbin-Watson.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Biến nhị phân (binary).

Biến liên tục.

Biến định lượng.

Biến danh định (categorical).

Hệ số hồi quy có ý nghĩa thống kê.

Hệ số hồi quy không có ý nghĩa thống kê.

Mô hình hồi quy phù hợp với dữ liệu.

Mô hình hồi quy không phù hợp.

Tính đồng nhất của phương sai.

Tính tự tương quan của các sai số.

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các biến độc lập.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Kiểm định chi bình phương.

Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Không có kết luận nào đúng.

Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

Mối quan hệ giữa các biến độc lập.

Mối quan hệ phi tuyến tính giữa các biến.

Mức độ phù hợp của mô hình.

Câu 3:

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

Các biến độc lập phải không tương quan với nhau.

Sai số ngẫu nhiên phải có phân phối chuẩn.

Hệ số hồi quy phải có giá trị dương.

Biến phụ thuộc phải là biến nhị phân.

Khi mô hình có hệ số R2R^2R2 quá cao.

Khi các biến độc lập không có tương quan với biến phụ thuộc.

Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

Tính đồng nhất của phương sai.

Tính đặc thù của mô hình (misspecification).

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các sai số.

Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

Mô hình hồi quy rất tốt.

Mô hình có các biến độc lập không quan trọng.

Mô hình hồi quy bị sai lệch.

Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

Khi các biến độc lập không có mối quan hệ với nhau.

Khi biến phụ thuộc không phải là biến liên tục.

Các biến độc lập không có tương quan với nhau.

Sai số ngẫu nhiên không có phân phối chuẩn.

Có một mối tương quan cao giữa các biến độc lập.

Hệ số R2R^2R2 điều chỉnh quá thấp.

Kiểm định Breusch-Pagan.

Kiểm định Durbin-Watson.

Kiểm định F.

Kiểm định chi bình phương.

Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

Các hệ số hồi quy đều bằng 0.

Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Sai số ngẫu nhiên sẽ có phương sai lớn.

Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

Hệ số R2R^2R2 sẽ tăng lên.

Mô hình sẽ không còn có ý nghĩa thống kê.

Đa cộng tuyến.

Phương sai thay đổi (heteroscedasticity).

Tự tương quan.

Phân phối không chuẩn.

Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

Sử dụng thêm các biến độc lập khác.

Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

Tăng kích thước mẫu.

Sử dụng kiểm định F.

Hiện tượng đa cộng tuyến.

Mẫu dữ liệu không đủ lớn.

Mô hình hồi quy bị sai lệch.

Mối quan hệ giữa các biến là phi tuyến tính.

Tối đa hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa tổng bình phương của sai số dự báo.

Tối đa hóa độ dốc của đường hồi quy.

Không có hiện tượng tự tương quan trong sai số.

Có hiện tượng đa cộng tuyến.

Có hiện tượng phương sai thay đổi.

Mô hình không phù hợp với dữ liệu.

Mô hình hồi quy tuyến tính.

Mô hình hồi quy logistic.

Mô hình hồi quy phi tuyến.

Mô hình hồi quy Ridge.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Sử dụng thêm các biến độc lập khác.

Loại bỏ biến phụ thuộc.

Sử dụng kiểm định Durbin-Watson.

Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

Mô hình hồi quy không phù hợp với dữ liệu.

Không có kết luận nào đúng.

Hệ số hồi quy này có ý nghĩa thống kê.

Hệ số hồi quy này không có ý nghĩa thống kê.

Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Có hiện tượng phương sai thay đổi.

Không có hiện tượng phương sai thay đổi.

Các biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Hiện tượng phương sai thay đổi (heteroscedasticity).

Hiện tượng đa cộng tuyến.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Mô hình hồi quy rất tốt.

Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

Mô hình không giải thích được biến thiên của biến phụ thuộc.

Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

Mô hình hồi quy không phù hợp với dữ liệu.

Tất cả các biến độc lập đều có ý nghĩa thống kê.

Điều chỉnh cho số lượng biến độc lập trong mô hình.

Tăng giá trị R2R^2R2.

Giảm giá trị R2R^2R2.

Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

Biến phụ thuộc là biến liên tục.

Biến độc lập là biến nhị phân.

Biến phụ thuộc là biến nhị phân.

Mối quan hệ giữa các biến là phi tuyến tính.

Hiện tượng đa cộng tuyến.

Hiện tượng phương sai thay đổi.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

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.

Mối quan hệ giữa các biến là tuyến tính.

Mối quan hệ giữa các biến không rõ ràng.

Mối quan hệ giữa các biến không phải là tuyến tính.

Dữ liệu không có sự biến đổi.

Tăng kích thước mẫu.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Sử dụng kiểm định t.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Thêm biến độc lập mới vào mô hình.

Sử dụng kiểm định F.

Tối đa hóa R2R^2R2.

Tối thiểu hóa R2R^2R2.

Tối thiểu hóa tổng bình phương sai số (residuals).

Tối đa hóa hệ số hồi quy.

Kiểm định Durbin-Watson.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Biến nhị phân (binary).

Biến liên tục.

Biến định lượng.

Biến danh định (categorical).

Hệ số hồi quy có ý nghĩa thống kê.

Hệ số hồi quy không có ý nghĩa thống kê.

Mô hình hồi quy phù hợp với dữ liệu.

Mô hình hồi quy không phù hợp.

Tính đồng nhất của phương sai.

Tính tự tương quan của các sai số.

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các biến độc lập.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Kiểm định chi bình phương.

Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Không có kết luận nào đúng.

Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

Mối quan hệ giữa các biến độc lập.

Mối quan hệ phi tuyến tính giữa các biến.

Mức độ phù hợp của mô hình.

Câu 4:

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

Các biến độc lập phải không tương quan với nhau.

Sai số ngẫu nhiên phải có phân phối chuẩn.

Hệ số hồi quy phải có giá trị dương.

Biến phụ thuộc phải là biến nhị phân.

Khi mô hình có hệ số R2R^2R2 quá cao.

Khi các biến độc lập không có tương quan với biến phụ thuộc.

Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

Tính đồng nhất của phương sai.

Tính đặc thù của mô hình (misspecification).

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các sai số.

Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

Mô hình hồi quy rất tốt.

Mô hình có các biến độc lập không quan trọng.

Mô hình hồi quy bị sai lệch.

Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

Khi các biến độc lập không có mối quan hệ với nhau.

Khi biến phụ thuộc không phải là biến liên tục.

Các biến độc lập không có tương quan với nhau.

Sai số ngẫu nhiên không có phân phối chuẩn.

Có một mối tương quan cao giữa các biến độc lập.

Hệ số R2R^2R2 điều chỉnh quá thấp.

Kiểm định Breusch-Pagan.

Kiểm định Durbin-Watson.

Kiểm định F.

Kiểm định chi bình phương.

Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

Các hệ số hồi quy đều bằng 0.

Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Sai số ngẫu nhiên sẽ có phương sai lớn.

Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

Hệ số R2R^2R2 sẽ tăng lên.

Mô hình sẽ không còn có ý nghĩa thống kê.

Đa cộng tuyến.

Phương sai thay đổi (heteroscedasticity).

Tự tương quan.

Phân phối không chuẩn.

Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

Sử dụng thêm các biến độc lập khác.

Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

Tăng kích thước mẫu.

Sử dụng kiểm định F.

Hiện tượng đa cộng tuyến.

Mẫu dữ liệu không đủ lớn.

Mô hình hồi quy bị sai lệch.

Mối quan hệ giữa các biến là phi tuyến tính.

Tối đa hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa tổng bình phương của sai số dự báo.

Tối đa hóa độ dốc của đường hồi quy.

Không có hiện tượng tự tương quan trong sai số.

Có hiện tượng đa cộng tuyến.

Có hiện tượng phương sai thay đổi.

Mô hình không phù hợp với dữ liệu.

Mô hình hồi quy tuyến tính.

Mô hình hồi quy logistic.

Mô hình hồi quy phi tuyến.

Mô hình hồi quy Ridge.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Sử dụng thêm các biến độc lập khác.

Loại bỏ biến phụ thuộc.

Sử dụng kiểm định Durbin-Watson.

Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

Mô hình hồi quy không phù hợp với dữ liệu.

Không có kết luận nào đúng.

Hệ số hồi quy này có ý nghĩa thống kê.

Hệ số hồi quy này không có ý nghĩa thống kê.

Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Có hiện tượng phương sai thay đổi.

Không có hiện tượng phương sai thay đổi.

Các biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Hiện tượng phương sai thay đổi (heteroscedasticity).

Hiện tượng đa cộng tuyến.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Mô hình hồi quy rất tốt.

Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

Mô hình không giải thích được biến thiên của biến phụ thuộc.

Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

Mô hình hồi quy không phù hợp với dữ liệu.

Tất cả các biến độc lập đều có ý nghĩa thống kê.

Điều chỉnh cho số lượng biến độc lập trong mô hình.

Tăng giá trị R2R^2R2.

Giảm giá trị R2R^2R2.

Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

Biến phụ thuộc là biến liên tục.

Biến độc lập là biến nhị phân.

Biến phụ thuộc là biến nhị phân.

Mối quan hệ giữa các biến là phi tuyến tính.

Hiện tượng đa cộng tuyến.

Hiện tượng phương sai thay đổi.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

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.

Mối quan hệ giữa các biến là tuyến tính.

Mối quan hệ giữa các biến không rõ ràng.

Mối quan hệ giữa các biến không phải là tuyến tính.

Dữ liệu không có sự biến đổi.

Tăng kích thước mẫu.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Sử dụng kiểm định t.

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Thêm biến độc lập mới vào mô hình.

Sử dụng kiểm định F.

Tối đa hóa R2R^2R2.

Tối thiểu hóa R2R^2R2.

Tối thiểu hóa tổng bình phương sai số (residuals).

Tối đa hóa hệ số hồi quy.

Kiểm định Durbin-Watson.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Biến nhị phân (binary).

Biến liên tục.

Biến định lượng.

Biến danh định (categorical).

Hệ số hồi quy có ý nghĩa thống kê.

Hệ số hồi quy không có ý nghĩa thống kê.

Mô hình hồi quy phù hợp với dữ liệu.

Mô hình hồi quy không phù hợp.

Tính đồng nhất của phương sai.

Tính tự tương quan của các sai số.

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các biến độc lập.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Kiểm định chi bình phương.

Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Không có kết luận nào đúng.

Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

Mối quan hệ giữa các biến độc lập.

Mối quan hệ phi tuyến tính giữa các biến.

Mức độ phù hợp của mô hình.

Câu 5:

Trong hồi quy tuyến tính, điều kiện nào là cần thiết để mô hình hồi quy có thể sử dụng phương pháp bình phương tối thiểu?

Các biến độc lập phải không tương quan với nhau.

Sai số ngẫu nhiên phải có phân phối chuẩn.

Hệ số hồi quy phải có giá trị dương.

Biến phụ thuộc phải là biến nhị phân.

Câu 6:

Khi nào ta có thể nói rằng mô hình hồi quy bị sai lệch do thiếu biến?

Khi mô hình có hệ số R2R^2R2 quá cao.

Khi các biến độc lập không có tương quan với biến phụ thuộc.

Khi các biến độc lập bị loại bỏ do không có ý nghĩa thống kê.

Khi mô hình bỏ sót các biến quan trọng ảnh hưởng đến biến phụ thuộc.

Câu 7:

Kiểm định RESET của Ramsey được sử dụng để kiểm tra điều gì trong mô hình hồi quy?

Tính đồng nhất của phương sai.

Tính đặc thù của mô hình (misspecification).

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các sai số.

Câu 8:

Trong mô hình hồi quy, nếu hệ số R2R^2R2 điều chỉnh (adjusted R2R^2R2) lớn hơn hệ số R2R^2R2, điều này cho thấy:

Điều này không thể xảy ra; hệ số R2R^2R2 điều chỉnh luôn nhỏ hơn hoặc bằng R2R^2R2.

Mô hình hồi quy rất tốt.

Mô hình có các biến độc lập không quan trọng.

Mô hình hồi quy bị sai lệch.

Câu 9:

Mối quan hệ nào sau đây có thể dẫn đến hiện tượng tự tương quan trong mô hình hồi quy?

Khi các biến độc lập có mối quan hệ tuyến tính với biến phụ thuộc.

Khi các giá trị của sai số ngẫu nhiên tại các điểm khác nhau có liên quan đến nhau.

Khi các biến độc lập không có mối quan hệ với nhau.

Khi biến phụ thuộc không phải là biến liên tục.

Câu 10:

Một mô hình hồi quy tuyến tính có thể bị ảnh hưởng bởi hiện tượng đa cộng tuyến nếu:

Các biến độc lập không có tương quan với nhau.

Sai số ngẫu nhiên không có phân phối chuẩn.

Có một mối tương quan cao giữa các biến độc lập.

Hệ số R2R^2R2 điều chỉnh quá thấp.

Câu 11:

Để phát hiện hiện tượng tự tương quan trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?

Kiểm định Breusch-Pagan.

Kiểm định Durbin-Watson.

Kiểm định F.

Kiểm định chi bình phương.

Câu 12:

Khi ppp-value của kiểm định F trong mô hình hồi quy tuyến tính là 0.0001, điều này cho thấy:

Mô hình hồi quy tổng thể là có ý nghĩa thống kê.

Các hệ số hồi quy đều bằng 0.

Các biến độc lập không có ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Câu 13:

Khi các biến độc lập có tương quan với nhau, hiện tượng gì có thể xảy ra trong mô hình hồi quy?

Sai số ngẫu nhiên sẽ có phương sai lớn.

Các hệ số hồi quy sẽ trở nên không ổn định và khó giải thích.

Hệ số R2R^2R2 sẽ tăng lên.

Mô hình sẽ không còn có ý nghĩa thống kê.

Câu 14:

Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phương sai của sai số ngẫu nhiên thay đổi theo các giá trị của biến độc lập, hiện tượng này gọi là gì?

Đa cộng tuyến.

Phương sai thay đổi (heteroscedasticity).

Tự tương quan.

Phân phối không chuẩn.

Câu 15:

Trong mô hình hồi quy bội, việc thêm biến độc lập không liên quan vào mô hình sẽ:

Tăng giá trị R2R^2R2 nhưng có thể làm giảm giá trị R2R^2R2 điều chỉnh.

Tăng cả giá trị R2R^2R2 và R2R^2R2 điều chỉnh.

Giảm giá trị R2R^2R2 nhưng tăng giá trị R2R^2R2 điều chỉnh.

Không ảnh hưởng đến giá trị R2R^2R2 điều chỉnh.

Câu 16:

Khi hệ số hồi quy của một biến độc lập có giá trị âm, điều này có nghĩa là:

Mối quan hệ giữa biến độc lập và biến phụ thuộc là phi tuyến tính.

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Câu 17:

Trong hồi quy logistic, hệ số hồi quy biểu diễn điều gì?

Log-odds của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc không xảy ra sự kiện khi biến độc lập tăng một đơn vị.

Xác suất của việc xảy ra hoặc không xảy ra sự kiện.

Câu 18:

Khi hiện tượng đa cộng tuyến xảy ra trong mô hình hồi quy, điều gì có thể được sử dụng để giảm bớt vấn đề này?

Sử dụng thêm các biến độc lập khác.

Loại bỏ hoặc kết hợp các biến độc lập có tương quan cao.

Tăng kích thước mẫu.

Sử dụng kiểm định F.

Câu 19:

Nếu mô hình hồi quy có hệ số R2R^2R2 rất cao nhưng các hệ số hồi quy không có ý nghĩa thống kê, điều này có thể do:

Hiện tượng đa cộng tuyến.

Mẫu dữ liệu không đủ lớn.

Mô hình hồi quy bị sai lệch.

Mối quan hệ giữa các biến là phi tuyến tính.

Câu 20:

Mục tiêu của phương pháp bình phương tối thiểu trong mô hình hồi quy là gì?

Tối đa hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa R2R^2R2 điều chỉnh.

Tối thiểu hóa tổng bình phương của sai số dự báo.

Tối đa hóa độ dốc của đường hồi quy.

Câu 21:

Khi kiểm tra giả định về tính độc lập của sai số, nếu kiểm định Durbin-Watson có giá trị gần 2, điều này cho thấy:

Không có hiện tượng tự tương quan trong sai số.

Có hiện tượng đa cộng tuyến.

Có hiện tượng phương sai thay đổi.

Mô hình không phù hợp với dữ liệu.

Câu 22:

Khi một mô hình hồi quy có nhiều biến độc lập và biến phụ thuộc là biến nhị phân, mô hình nào sau đây là phù hợp nhất?

Mô hình hồi quy tuyến tính.

Mô hình hồi quy logistic.

Mô hình hồi quy phi tuyến.

Mô hình hồi quy Ridge.

Câu 23:

Khi kiểm định giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn nên làm gì?

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Sử dụng thêm các biến độc lập khác.

Loại bỏ biến phụ thuộc.

Sử dụng kiểm định Durbin-Watson.

Câu 24:

Trong mô hình hồi quy, giá trị ppp-value nhỏ hơn mức ý nghĩa αalphaα cho thấy điều gì?

Hệ số hồi quy của biến độc lập có ý nghĩa thống kê.

Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê.

Mô hình hồi quy không phù hợp với dữ liệu.

Không có kết luận nào đúng.

Câu 25:

Nếu ppp-value của hệ số hồi quy trong mô hình hồi quy tuyến tính là 0.08 với mức ý nghĩa α=0.05alpha = 0.05α=0.05, điều này có nghĩa là gì?

Hệ số hồi quy này có ý nghĩa thống kê.

Hệ số hồi quy này không có ý nghĩa thống kê.

Biến độc lập này giải thích phần lớn biến thiên của biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Câu 26:

Trong mô hình hồi quy tuyến tính, nếu kiểm định Breusch-Pagan cho thấy ppp-value nhỏ hơn 0.05, điều này có nghĩa là gì?

Có hiện tượng phương sai thay đổi.

Không có hiện tượng phương sai thay đổi.

Các biến độc lập không có mối quan hệ với biến phụ thuộc.

Mô hình hồi quy không phù hợp với dữ liệu.

Câu 27:

Khi kiểm định giả định về tính đồng nhất của phương sai, kiểm định Breusch-Pagan thường được sử dụng để phát hiện điều gì?

Hiện tượng phương sai thay đổi (heteroscedasticity).

Hiện tượng đa cộng tuyến.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Câu 28:

Khi một mô hình hồi quy có hệ số R2R^2R2 gần bằng 0, điều này cho thấy điều gì?

Mô hình hồi quy rất tốt.

Mô hình hồi quy giải thích được hầu hết biến thiên của biến phụ thuộc.

Tất cả các biến độc lập có tương quan mạnh với biến phụ thuộc.

Mô hình không giải thích được biến thiên của biến phụ thuộc.

Câu 29:

Nếu R2R^2R2 trong mô hình hồi quy tuyến tính là 0.9, điều này cho thấy điều gì?

Biến độc lập không có ảnh hưởng đến biến phụ thuộc.

90% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình.

Mô hình hồi quy không phù hợp với dữ liệu.

Tất cả các biến độc lập đều có ý nghĩa thống kê.

Câu 30:

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 R2R^2R2.

Giảm giá trị R2R^2R2.

Kiểm tra tính tuyến tính của mối quan hệ giữa các biến.

Câu 31:

Một mô hình hồi quy logistic có thể được sử dụng khi:

Biến phụ thuộc là biến liên tục.

Biến độc lập là biến nhị phân.

Biến phụ thuộc là biến nhị phân.

Mối quan hệ giữa các biến là phi tuyến tính.

Câu 32:

Khi kiểm tra giả định về tính độc lập của sai số, kiểm định Durbin-Watson được sử dụng để phát hiện điều gì?

Hiện tượng đa cộng tuyến.

Hiện tượng phương sai thay đổi.

Hiện tượng tự tương quan.

Hiện tượng phân phối không chuẩn.

Câu 33:

Trong mô hình hồi quy tuyến tính, hệ số hồi quy âm có nghĩa là gì?

Khi biến độc lập tăng, biến phụ thuộc có xu hướng giảm.

Khi biến độc lập tăng, biến phụ thuộc cũng tăng.

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.

Câu 34:

Hồi quy phi tuyến thường được sử dụng khi:

Mối quan hệ giữa các biến là tuyến tính.

Mối quan hệ giữa các biến không rõ ràng.

Mối quan hệ giữa các biến không phải là tuyến tính.

Dữ liệu không có sự biến đổi.

Câu 35:

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 ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Sử dụng kiểm định t.

Câu 36:

Khi kiểm tra giả định về tính đồng nhất của phương sai, nếu phát hiện hiện tượng phương sai thay đổi, bạn có thể làm gì?

Sử dụng phương pháp ước lượng hồi quy mạnh (robust regression).

Loại bỏ các biến độc lập không quan trọng.

Thêm biến độc lập mới vào mô hình.

Sử dụng kiểm định F.

Câu 37:

Mục tiêu của phương pháp bình phương tối thiểu là:

Tối đa hóa R2R^2R2.

Tối thiểu hóa R2R^2R2.

Tối thiểu hóa tổng bình phương sai số (residuals).

Tối đa hóa hệ số hồi quy.

Câu 38:

Khi kiểm định giả định về tính độc lập của sai số trong mô hình hồi quy, kiểm định nào sau đây thường được sử dụng?

Kiểm định Durbin-Watson.

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Câu 39:

Trong mô hình hồi quy logistic, biến phụ thuộc thường là:

Biến nhị phân (binary).

Biến liên tục.

Biến định lượng.

Biến danh định (categorical).

Câu 40:

Khi ppp-value của một hệ số hồi quy trong mô hình hồi quy tuyến tính lớn hơn 0.05, điều này có nghĩa là gì?

Hệ số hồi quy có ý nghĩa thống kê.

Hệ số hồi quy không có ý nghĩa thống kê.

Mô hình hồi quy phù hợp với dữ liệu.

Mô hình hồi quy không phù hợp.

Câu 41:

Kiểm định Durbin-Watson trong mô hình hồi quy tuyến tính được sử dụng để kiểm tra điều gì?

Tính đồng nhất của phương sai.

Tính tự tương quan của các sai số.

Tính tuyến tính của mối quan hệ giữa các biến.

Tính độc lập của các biến độc lập.

Câu 42:

Khi kiểm tra giả định về tính đồng nhất của phương sai, kiểm định nào sau đây thường được sử dụng?

Kiểm định Breusch-Pagan.

Kiểm định t.

Kiểm định F.

Kiểm định chi bình phương.

Câu 43:

Khi hệ số hồi quy của một biến độc lập có ppp-value nhỏ hơn 0.05, ta có thể kết luận rằng:

Biến độc lập này có ảnh hưởng đáng kể đến biến phụ thuộc.

Biến độc lập này không ảnh hưởng đến biến phụ thuộc.

Mô hình hồi quy không phù hợp.

Không có kết luận nào đúng.

Câu 44:

Trong mô hình hồi quy tuyến tính, hệ số hồi quy đại diện cho:

Sự thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị.

Mối quan hệ giữa các biến độc lập.

Mối quan hệ phi tuyến tính giữa các biến.

Mức độ phù hợp của mô hình.

Scroll to top