Câu hỏi ôn KTL

● Câu hỏi loại 1 điểm
Câu hỏi 1.1: Kinh tế lượng là gì? Trình bày phương pháp luận của kinh tế lượng? Cho thí dụ.
Câu hỏi 1.2: Chọn câu đúng và giải thích ngắn gọn :
a. Hồi qui là một phương trình thể hiện mối quan hệ giữa hai biến ngẫu nhiên.
b. Hồi qui là một giá trị thể hiện mối quan hệ giữa hai biến ngẫu nhiên.
c. Hồi qui là một phương trình thể hiện mối quan hệ giữa ít nhất hai biến ngẫu nhiên.
d. Hồi qui là một giá trị thể hiện mối quan hệ giữa ít nhất hai biến ngẫu nhiên.
e. Tất cả các câu trên đều sai.
Câu hỏi 1.3: Từ một mẫu ngẫu nhiên, ta có thể ước lượng được:
a. Một mô hình hồi quy mẫu duy nhất
b. Hai mô hình hồi quy mẫu khác nhau
c. Ba mô hình hồi quy mẫu khác nhau
d. Bốn mô hình hồi quy mẫu khác nhau
Câu hỏi 1.4: So sánh khoảng tin cậy trong dự báo cho trung bình của Y và cho giá trị cá biệt của
Y với cùng 1 giá trị của X, khoảng tin cậy cho trung bình sẽ:
a. Rộng hơn
b. Hẹp hơn
c. Như nhau
d. Không xác định
Câu hỏi 1.5: Nếu hệ số xác định là 0,975, điều này sau đây là đúng đối với hệ số góc?
a. Ta chỉ có thể nói rằng nó dương
b. Nó bằng 0,975
c. Nó bằng 0,987
d. Ta không thể biết dấu và giá trị của nó
Câu hỏi 1.6: Sai số tiêu chuẩn của ước lượng cho biết:
a. Biến thiên của Y quanh đường hồi quy mẫu.
b. Biến thiên của X quanh đường hồi quy mẫu
c. Biến thiên của Y quanh đường giá trị trung bình của nó
d. Biến thiên của Y quanh đường giá trị trung bình của nó
Câu hỏi 1.7: Trong mô hình hồi quy bội có k biến độc lập và n quan sát, bậc tự do của RSS là:
a. k – 1.
b. n – k
c. n – 1
d. n – k – 1
Câu hỏi 1.8: Trong kiểm định Glejser phát hiện phương sai của sai số thay đổi, giá trị nào sẽ
được sử dụng cho biến phụ thuộc trong mô hình hồi quy phụ:
a. Sai số tiêu chuẩn của hàm hồi quy
b. Bình phương của phần dư
c. Phần dư
d. Giá trị tuyệt đối của phần dư
Câu hỏi 1.9: Nếu dL < d < dU, khi đó:
a. Kiểm định về tự tương quan bậc nhất dương là không có kết luận
b. Có tự tương quan bậc nhất dương
c. Có tự trương quan bậc hai dương
d. Có tự tương quan bậc ba dương
Câu hỏi 1.10: Phần dư được định nghĩa là sai lệch giữa:
a. Giá trị quan sát của Y và giá trị ước lượng của Y
b. Giá trị quan sát của X và giá trị ước lượng của X
c. Giá trị quan sát của Y và giá trị ước lượng của X
d. Giá trị quan sát của X và giá trị ước lượng của Y
Câu 1.11 Giải thích ý nghĩa của các hệ số góc (và hệ số chặn nếu có thể) trong các mô hình hồi
quy tổng thể sau. Các hệ số mang dấu như thế nào thì phù hợp với lý thuyết kinh tế?
a.CT = β1 + β2TN + u Với CT là tiêu dùng, TN là thu nhập của hộ gia đình
b.Q = β1 + β2P + u Với Q là lượng bán, P là giá của một loại hàng bình thường
c. TC = β1 + β2Q + u với TC là tổng chi phí, Q là sản lượng của DN
d. EX = β1 + β2GDP + u với EX là xuất khẩu, GDP là tổng sản phẩm quốc nội
e. GDP = β1 + β2FDI + u với FDI là đầu tư trực tiếp nước ngoài
f. EX = β1 + β2USD + u với USD là giá đồng đô la (VND/USD)
g. M = β1 + β2R + u với M là cầu về tiền mặt, R là lãi suât.
Câu 1.12 Các khẳng định sau đây có chính xác không? Hãy cẩn thận suy xét và giải thích các
câu trả lời:
a. Các ước lượng bình phương nhỏ nhất thông thường (OLS) cho hệ số góc được ước tính chính
xác hơn nếu như các giá trị của X gần với các giá trị trung bình mẫu hơn.
b. Nếu Xi và ui tương quan với nhau, thì các hàm ước lượng (OLS) vẫn là không chệch.
c. Các hàm ước lượng không thể là ước lượng không chệch tuyến tính tốt nhất (BLUE) trừ khi
các ui đều có phân phối chuẩn.
d. Nếu phương sai của ui lớn thì các khoảng tin cậy đối với các hệ số sẽ rộng hơn.
e. Nếu các giá trị của X có một phương sai lớn thì các khoảng tin cậy sẽ hẹp hơn.
f. Một giá trị p cao có nghĩa là hệ số này khác không ở mức độ có ý nghĩa về mặt thống kê.
Câu 1.13 Sai số ngẫu nhiên trong mô hình KTL thể hiện những điều sau, trừ:
a. Sai số của các biến khi thực hiện các phép đo?
b. Ảnh hưởng của các yếu tố ngoài mô hình lên biến phụ thuộc?
c. Các biến độc lập không hoàn toàn tương ứng với biến trong mô hình lý thuyết?
d. Sai số khi thực hiện phương pháp OLS ước lượng mô hình?
Câu 1.14 -Trong mô hình hồi quy ta có: TSS = 200; RSS = 50; ESS = 150. Khi đó biến thiên của
Y được giải thích bởi sự biến thiên của X là:
a. 25%; b. 75%; c. 33%; d. 50%
- Để kiểm định sự phù hợp của hàm hồi quy một mô hình gồm 5 biến độc lập và có 30 quan sát,
bậc tự do của giá trị phân phối F là:
a. 5 và 30; b. 6 và 29; c. 5 và 24; d. 6 và 25.
Câu 1.15 - Mô hình hồi quy tổng thể hai biến (PRF) có thể viết dưới dạng:
a. Yi = β1 + β2X2i; b. ; c. E(Y/Xi) = β1 + β2X2i; d.

- Hàm hồi quy mẫu có thể viết:
a. Yi = β1 + β2X2i; b. ; c. Yi = β1 + β2X2i; d.
Câu hỏi 2.1: a. Các mô hình sau đây có tuyến tính theo các tham số hay tuyến tính theo các
biến? Mô hình nào là mô hình hồi quy tuyến tính?
b. Hãy biến đổi các mô hình sau đây về mô hình hồi quy tuyến tính:
Câu hỏi 2.2 : Trong kiểm định giả thuyết thống kê. Một quyết định được gọi là sai lầm loại 2
khi:
a. Bác bỏ H0 khi H0 đúng
b. Chấp nhận H0 khi H0 đúng
c. Chấp nhận H0 khi H0 sai.
d. Bác bỏ H0 khi H0 sai
e. Tất cả các câu trên đều sai
Câu hỏi 2.3 : Cho các giả thiết ở cột (1). Hãy chỉ ra rằng các giả thiết ở cột (2) là tương đương.
Các giả thiết của mô hình hồi quy cổ điển:
(1) (2)
E(Ui/Xi) = 0 E(Yi/Xi) = β1 + β2Xi
Cov(Ui, Uj) = 0 (i ≠ j) Cov(Yi, Yj) = 0 (i ≠ j)
Var(Ui/Xi) = 0 Var(Yi/Xi) =
Câu hỏi 2.4 : Giả sử chúng ta có mô hình sau:
Yi = β1 + β2D2i + β3D3i + β4(D2i D3i) + β5Xi + Ui
Trong đó: Y: Cầu về điện của hộ gia đình
X: Thu nhập khả dụng
1 nếu hộ gia đình ở thành phố

D2i =
0 nếu hộ gia đình ở nông thôn
D3i = 1 nếu hộ gia đình có TV, tủ lạnh

0 nếu hộ gia đình không có TV, tủ lạnh
a. Số hạng (D2i D3i) biểu thị ảnh hưởng tương tác, điều này có nghĩa là gì? Hãy giải thích.
b. Hãy giải thích ý nghĩa của hệ số β4
c. Tìm kỳ vọng E(Yi/Xi; D2= 1, D3 = 1, Xi) và giả thích ý nghĩa của kết quả nhận được?
Câu hỏi 2.5 : Trong các tính chất của hệ số tương quan đa biến sau tính chất nào sai?
a- R = Sqr(1 – (RSS/TSS))
b.
c. R2 = ESS/TSS
d. -1 ≤ R ≤ 1
Câu hỏi 2.6 : Hãy nêu định nghĩa của kỳ vọng, phương sai, độ lệch chuẩn của một biến ngẫu
nhiên. Hãy chứng minh những tính chất sau đây của kỳ vọng và phương sai, trong đó X là một
biến ngẫu nhiên và a, b là những hằng số.
(a) E[a] = a (b) E[bX] = bE[X]

(c) E[a + bX] = a + bE[X] (d) VAR[a] = 0
(e) VAR[bX] = b2VAR[X] (f) VAR[a + bX] = b2VAR[X]
Câu hỏi 2.7: Giả sử ta có phương trình: Yi = β1 + β2Xt + Ut, Ut tuân theo AR(2). Khi đó cần thực
hiện phép biến đổi biến số như thế nào để khắc phục được hiện tượng tự tương quan? Nếu
phương trình có thêm biến X3 thì phương trình sai phân tổng quát có dạng như thế nào?
Câu hỏi 2.8: Để kiểm tra tính độc lập trong việc chấm điểm của hai giám khảo, người ta tiến
hành thu thập số liệu sau:
Điểm của GK A 95 90 86 84 75 70 62 60 57 50
Điểm của GK B 92 93 83 80 55 60 45 72 62 70
Hãy sử dụng kiểm định Spearman với mức ý nghĩa α = 5% để trả lời câu hỏi: Hai giám khảo
cho điểm độc lập? Nếu α = 1% thì có kết luận gì? Biết t0,025(8) = 2,306; t0,05(8) = 3,335
Câu hỏi 2.9: Giá trị của thống kê Durbin – Watson nằm trong khỏang:
a. -4 ≤ d ≤ 4
b. -2 ≤ d ≤ 2
c. 0 ≤ d ≤ 4
d. 0 ≤ d ≤ 2
Câu hỏi 2.10: Cho biết phần dư khi hồi quy tiêu dùng phụ thuộc vào thu nhập với n = 10, ta có
kết quả sau:
4,818182; -10,3636; 4,454545; -0,72727; 4,090909;
-1,09091; -6,27273; 3,54545, 8,363636, -6,81818
Hãy sử dụng kiểm định JB để trả lời câu hỏi: Ui có phân phối chuẩn hay không với α = 5%.
Biết χ2(2) = 3,4
Câu hỏi 2.11: Xem kết quả của phân tích hồi quy sau:
Se = (0.0976) (0.1961)
r2 = 0.397 RSS = 0.0544 ESS = 0.0358
Trong đó: Y là tỷ lệ tham gia lực lượng lao động của nữ năm 1972
X là tỷ lệ tham gia lực lượng lao động của nữ năm 1968
Kết quả phân tích hồi quy này có được từ một mẫu gồm 19 thành phố của Mỹ.
a. Giải thích ý nghĩa của các hệ số hồi quy ước lượng được.
b. Kiểm định giả thiết: H0: β2 = 1; H1: β2 > 1 với mức ý nghĩa 5%.
Biết t0,05 (17) = 1,740
c. Từ kết quả phân tích hồi quy trên, chứng minh rằng:
σ 2 = 0.0032; ∑ x 2i = 0.0832; X̄ = 0.4932
d. Giả sử rằng tỷ lệ tham gia lực lượng lao động của nữ năm 1968 là 0,58 (hay 58%). Trên cơ sở
kết quả của phân tích hồi quy ở trên, giá trị trung bình của tỷ lệ tham gia lực lượng lao động của
nữ năm 1972 là bao nhiêu? Thiết lập khoảng tin cậy 95% cho giá trị dự báo trung bình này.
Câu hỏi 2.12: Giải thích ý nghĩa của các hệ số ước lượng ứng với biến X3 và Ln(X3) trong các
mô hình sau:
MH 1: Y = 234 – 27,14X2 + 11X3 + ui
MH 2: Ln(Y) = 34,5 + 14,37X2 + 0,19X3+ ui
MH 3: Ln(Y) = 12,45 – 0,52Ln(X2) – 0,11Ln(X3) + ui
MH 4: Y = 450 + 129Ln(X2) – 117Ln(X3) + ui
Câu hỏi 2.13: Cho kết quả hồi quy sau:
Mea { n wage i=−0. 014453+0 . 724097 Educationi ¿
se = (0.874624) ( A )
t = ( B ) (10.40648) r2 = 0.9078 n = 13
Trong đó: Meanwage là tiền lương trung bình một giờ (USD/giờ)
Education là số năm được đào tạo.
a. Hãy điền vào chỗ trống ( A, B) các giá trị thích hợp?
b. Giải thích ý nghĩa của hệ số góc.
c. Education có ảnh hưởng đến Meanwage không? Tại sao? Biết t/2(n-2) = t0.025 (11) = 2.201
d. Đánh giá mức độ phù hợp của mô hình.
Câu hỏi 2.14 : Hãy nêu định nghĩa của kỳ vọng, phương sai, độ lệch chuẩn của một biến ngẫu
nhiên. Hãy chứng minh những tính chất sau đây của kỳ vọng và phương sai, trong đó X là một
biến ngẫu nhiên và a, b là những hằng số.
(a) E[a] = a (b) E[bX] = bE[X]
(c) E[a + bX] = a + bE[X] (d) VAR[a] = 0
(e) VAR[bX] = b2VAR[X] (f) VAR[a + bX] = b2VAR[X]
(g) VAR[X] = E[X2] - (E[X])2
Câu hỏi 2.15 : Cho kết quả hồi quy sau, với QA là lượng bán của hãng nước giải khát A, PA là
giá bán của hãng A, PB là giá bán của hãng B, QB là lượng bán của hãng B.
Dependent Vairiable: QA
Method: Least Square
Sample: 2001Q1 2006Q4
Included observaitions: 24
Variable Coefficient Std. Error t-Statistic Prob
C 13265,76 28173,04 0,470867 0,6428

PA -58,18860 9,661317 -6,022844 0,0000
PB -434,7366 1126,757 -0,385830 0,7037
QB -6,111723 14,04066 -4,35288 0,6680
R-Squared 0,664147 F-Statistic 13,18329

Adjusted Squared 0,613769 Prob (F-Statistic) 0,000056
Durbin-Watson Stat 2,442813 Mean dependent var 923,5833
a. Viết hàm hồi quy mẫu? Có nhận xét gì về dấu và giá trị các ước lượng hệ số hồi quy?
b. Có nhận xét gì về ý nghĩa thống kê của biến PB?
c. Nghi ngờ mô hình có đa cộng tuyến, hãy nêu một cách để kiểm tra hiện tượng đó?
d. Cho hai kết quả hồi quy phụ sau trên cùng bộ số liệu, hãy cho biết hai kết quả đó dùng để làm
gì? Và có kết luận gì về hiện tượng đa cộng tuyến qua từng hồi quy phụ đó.
Hồi quy phụ thứ nhất
Dependent Vairiable: PA
Sample: 2001Q1 2006Q4

Hồi quy phụ thứ hai:
Dependent Vairiable: QB
Sample: 2001Q1 2006Q4
C 2006,367 5,633796 356,1306 0,0000

PA 0,141990 0,146923 0,966426 0,3448
PB -80,23378 0,347384 -230,9659 0,0000
R-Squared 0,999643 F-Statistic 29441.88

Durbin-Watson Stat 2,548328 Prob (F-Statistic) 0,0000
e. Mô hình QA phụ thuộc PA, PB, QB có hệ số chặn có hiện tượng đa cộng tuyến không? Đa
cộng tuyến thuộc loại nào?
f. Hãy nêu một cách khắc phục đơn giản hiện tượng đa cộng tuyến ở câu trên?
g. Khi bỏ biến QB khỏi mô hình, hồi quy QA theo PA, PB có hệ số chặn ta có kết quả:
Dependent Vairiable: QA
Sample: 2001Q1 2006Q4
C 1003,407 355,4275 2,823098 0,0102

PA -59,05641 9,269155 -6,371283 0,0000
PB 55,63005 21,91590 2,534382 0,0191

Durbin-Watson Stat 2,489845 Prob (F-Statistic) 0,000012
thì mô hình này có chắc chắn khắc phục được hiện tượng đa cộng tuyến hay không? Nếu không,
hãy nêu một cách kiểm định có thể sử dụng?
Câu hỏi 3.1: Tính tác động cận biên và hệ số co giãn của các hàm hồi quy sau:
1) Y = β1 + β2X; 2) Y = β1 + β2lnX; 3) Y = β1 + β2(1/X); 4) Y = β1 + β2X + β3X2
5) lnY = β1 + β2X; 6) lnY = β1 + β2(1/X);
7) lnY = β1 + β2X + β3X2, 8) lnY = β1 + β2lnX; 9) ln[Y/(1-Y)] = β1 + β2X
Có thể dùng R2 để so sánh hàm hồi quy có biến phụ thuộc là Y và lnY hay không? Tại sao?
Câu hỏi 3.2 : Giả sử ta có bảng số liệu sau:
Y -19 -8 -6 -4 -2 0 2 4 6 8 10
X2 1 2 3 4 5 6 7 8 9 10 11
X3 1 3 5 7 9 11 13 15 17 19 21
Ta hồi quy Y đối với X2 và X3 dưới dạng mô hình sau:
Y = β1 + β2X2i + β3X3i + Ui
a. Có thể ước lượng được tất cả các tham số của mô hình hay không? Tại sao?
b. Nếu không ước lượng được hãy chỉ ra hàm tuyến tính nào của các tham số này mà bạn có thể
ước lượng được?
Câu hỏi 3.3 :Trưởng bưu cục trung tâm muốn kiểm định xem hiệu quả làm việc của 2 giao dịch
viên có như nhau hay không. Để làm điều đó trưởng bưu cục đã thống kê doanh thu của mỗi giao
dịch viên bình quân trong một tháng như sau:(Đơn vị: triệu đồng )
Giao dịch viên A: 35 44 39 50 48 29 60 75 49 66
Giao dịch viên B: 17 23 13 24 33 21 18 16 32
Hãy sử dụng kiểm định đoạn mạch để kiểm định cặp giả thiết sau:
H0: Hiệu quả làm việc của hai giao dịch viên là như nhau
H1: Hiệu quả làm việc của hai giao dịch viên là khác nhau
với mức ý nghĩa α = 5%. Z0,025 = 1,96
Câu hỏi 3.4 : Một khu vực có 2000 hộ gia đình. Để điều tra nhu cầu tiêu dùng về một loại dịch
vụ viễn thông tại khu vực đó người ta lấy mẫu ngẫu nhiên 100 hộ gia đình và thấy có 60 hộ gia
đình có nhu cầu về dịch vụ viễn thông đó. Với mức ý nghĩa α = 5% hãy ước lượng khoảng tin
cậy đối xứng số gia đình trong khu vực có nhu cầu về dịch vụ viễn thông này? Biết u0,025(n>120) =
1,96.
Câu hỏi 3.5 : Từ một mẫu kích thức n = 2 ta xét 2 ước lượng sau đây của trung bình tổng thể m
a. Xét xem và X* có phải là ước lượng không chệch của m hay không?
b. Ước lượng nào hiệu quả hơn?
Câu hỏi 3.6 : Trọng lượng của một loại sản phẩm là một biến ngẫu nhiên phân phối theo quy luật
chuẩn với độ lệch chuẩn là 1 gam. Cân thử 25 sản phẩm loại này ta thu được kết quả như sau:
Trọng lượng(gam) 18 19 20 21
Số SP tương ứng 3 5 15 2
- Với mức ý nghĩa 5% hãy tìm khoảng tin cậy đối xứng của trọng lượng trung bình của loại
sản phẩm nói trên? Biết u0,025 = 1,96.
- Nếu yêu cầu độ chính xác của ước lượng chỉ là 0,1 và giữ nguyên độ tin cậy 1 - α = 0,95 thì
phải điều tra mẫu kích thước bằng bao nhiêu?
Câu hỏi 3.7 : Y
là tổng sản lượng thực (Triệu USD); X2 là ngày công lao động
(ngày); X3 là vốn thực (Triệu USD). n = 15. Ta có hối quy:
Ln(Yi) = -1,44987 + 1,49877LnX2 + 0,4896LnX3
(Se) (1,0638) (0,5398) (0,10204)
(t) (-1,363) (2,77651) (4,798)
(p) (0,1979) (0,0168) (0,0004)
R2 = 0,889 Mean..= 4,384869
S.E = 0,03249 S.D = 0,090296
RSS = 0,01267 Akaike..= -3,83894
DW = 0,89108 Schawrz…= -3,69733
F-Statistic = 48,06885[0,000002]
1. KĐ GT: H0: β2 = 0; H0: β3 = 0 với α = 5%; t0,025(12) = 2,179
2. Giải thích ý nghĩa của β2 và β3
3. KĐGT: H0: β2 + β3 = 1 hay β3 = 1 - β2
Câu hỏi 3.8 : Cho các biến số: Y - tiết kiệm; X - thu nhập khả dụng; D - biến giả, D = 1 nếu
quan sát thuộc thời kỳ 1946 - 1954, D = 0 nếu không thuộc thời kỳ trên. Dựa vào các số liệu
1946 - 1963, người ta ước lượng được mô hình sau:
= -1,7502 + 1,4839Di + 0,1504Xi - 0,1034(Di*Xi)

(Se) (0,3319) (0,4704) (0,0163) (0,0332) α = 5%; t0,025(14) = 2,145.
a. Hãy viết hàm hồi quy mẫu ứng với các thời kỳ 1946 - 1954 và 1955 - 1963?
b. Có sự khác nhau về hệ số góc và hệ số chặn giữa hai thời kỳ này hay không? Hãy giải
thích?
c. Biến (D*X) được hiểu như thế nào?
d. Trong thời kỳ 1945 - 1955, mô hình có ước lượng hệ số tiêu dùng biên nhỏ hơn so với
thời kỳ 1956 - 1963. Hãy giải thích?
Câu hỏi 3.9 : Cho kết quả hồi quy với Y là sản lượng, K là vốn, L là lao động, LOG là lôgarít tự
nhiên của các biến tương ứng.
Dependent Vairiable: LOG(Y)
Included observaitions: 20 after adjusting endpoints
C 0,764682 0,713780 1,071314 0,2990

LOG(K) 0,510023 0,126959 4,017220 0,0009
LOG(L) 0,599932 0,248400 2,415183 0,0273
R-Squared 0,910215 Mean dependent var 6,298380

Adjusted R-Squared 0,899652 SD. Dependent var 0,180753
SE. of Regression 0,057258 F-Statistic 86,17070
Sum Squared resid 0,055735 Prob (F-Statistic) 0,00000
Hiệp phương sai ước lượng hai hệ số góc bằng: -0,027736

a. Viết hàm hồi quy tổng thể, hàm hồi quy mẫu với các biến Y, K, L và giải thích ý nghĩa kết quả
ước lượng các hệ số hồi quy?
b. Phải chăng cả hai biến độc lập đều khộng giải thích cho sự biến động của biến phụ thuộc?
c. Khi vốn tăng thêm 1%, lao động không đổi thì sản lượng tăng tối đa bao nhiêu?
d. Khi lao động tăng thêm 1%, vốn không đổi thì sản lượng tăng tối thiểu bao nhiêu?
e. Khi vốn và lao động cùng tăng 1% thì sản lượng thay đổi như thế nào?
f. Tăng vốn 1% đồng thời giảm lao động 1% thì sản lượng có thay đổi không?
g. Có thể cho rằng quá trình sản xuất có hiệu quả tăng theo quy mô hay không?
h. Khi bỏ biến LOG(L) khỏi mô hình thì hệ số xác định còn 0,8794 và tổng bình phương phần dư
bằng 0,07486. Vậy có nên bỏ biến đó không?
Câu hỏi 3.10: Cho biến số TCOST-Tổng chi phí; Q-Sản lượng. Hãy ước lượng hàm tổng chi phí
bằng OLS. Dựa vào 28 quan sát, dùng MFIT3 và phương pháp OLS, ta có kết quả sau:
Ordinary Least Squares Estimation
****************************************************************
Dependent variable is TCOST
28 observations used for estimation from 1 to 28
****************************************************************
Regressor Coefficient Standard Error T-Raitio[Prob]
INPT 72,7743 35,7335 2,0366[.053]
Q 83,6586 23,6548 3.5367[.002]
Q2 -13,7959 4,5968 -3,0012[.006]
3
Q 1,1911 0,27208 4,3779[.000]
****************************************************************
R-Squared 0,98607 F-statistic F(3,24) 566,3987[.000]
R-Bar-Squared 0,98433 SE.of Regression 18,0237
Residual Sum of Squareds 7796,5 Mean of dependent Variable 346,3929
SD.of dependent Variable 143,989 Maximum of Log-likelihood -118,539
DW-statistic 0,68388
****************************************************************
Diagnostic Tests
****************************************************************
* Test Statistic * LM Version * F Version *
****************************************************************
* A: Serial Correlation*CHI-SQ(1) = 0,53311[0.465]* F(1,23) = 0,44641[.511] *
* B: Functional Form *CHI-SQ(1) = 6,0363[0.014] * F(1,23) = 6,3211[.019] *
* C: Normality * CHI-SQ(2) = 0,70226[0.704] * Not applicable *
*D:Heteroscedasticity *CHI(1)=7,8996[0.005] *F(1,26) =10,2182[.004]
a. Viết hàm hồi quy tổng thể và hàm hồi quy mẫu?
b. Dấu của các hệ số hồi quy có phù hợp về mặt lý thuyết không?
c. Kiểm định hiện tượng phương sai của sai số thay đổi và tự tương quan với mức ý nghĩa 2%?
d. Nếu có khuyết tật hãy đề xuất biện pháp khắc phục?
Câu hỏi 3.11 : Nếu mô hình có biến độc lập gồm 1 biến định lượng và 2 biến định tính, mỗi biến
định tính có 2 thuộc tính, khi đó mô hình có bao nhiêu biến độc lập nếu ta giả thiết các thuộc tính
khác nhau cả hệ số chặn và hệ số góc, đồng thời có tương tác giữa 2 biến định tính.
Câu hỏi 3.12 : Sai số tiêu chuẩn của ước lượng là 20, n = 10 khi đó RSS là:
a. 400
b. 3,20
c. 4,0
d. 40,0
Câu hỏi 3.13 : Cho Y là số căn hộ (đơn vị tính 1000) có tại một quốc gia trong năm t;
X2t là tỷ lệ thế chấp nhà mới (%)
X3t là dân số của quốc gia đó tại năm t (Đơn vị tính: Triệu người)
X4t là tổng sản phẩm quốc gia (Đơn vị tính: tỷ USD theo giá cố dịnh)
Người ta tiến hành ước lượng biến phụ thuộc Y theo các biến còn lại với 3 mô hình A, B, C. Kết
quả ước lượng như sau:
Biến MHA MHB MHC
INPT -3812,93 687,90 -1315,75
(-2,4) (1,8) (-0,27)
X2t -198,40 -169,66 -184,75
(-3,87) (-3,87) (-3,18)
X3t 33,82 - 14,90
(3,61) - (0,41)
X4t - 0,91 0,52
- (3,64) (0,54)
************************************************************************
df 20 20 19
0,371 0,375 0,348
r2,3 = 0,91; r2,4 = 0,88; r3,4 = 0,99. Các giá trị trong ngoặc là thống kê t tương ứng.
a. Viết hàm hồi quy mẫu ứng với từng mô hình? Giải thích ý nghĩa kinh tế và ý nghia về mặt
thống kê của các hệ số hồi quy của mỗi mô hình?
b. Theo Anh (chị) mô hình C có khuyết tật gì? Tại sao?
c. Các hệ số r2,3, r2,4, r3,4 gọi là hệ số gì? Giải thích ý nghĩa? Có kết luận gì?
d. Các hệ số hồi quy trong mô hình A và mô hình B có ý nghĩa thống kê không?
Biết t0,01(20) = 2,528; t0,01(19) = 2,539.
e.Nếu loại bỏ X3 và X4 ra khỏi mô hình C, người ta tính được giá trị thóng kê F = 6,42, với α =
1% thì có kết luận như thế nào? Biết F0,01(1,21) = 3,1.
Câu hỏi 3.14 : Dưới đây là kết quả hồi quy mô hình:
Yi = β1 + β2Ki + Ui
Trong đó: Y là GDP tính theo giá cố định 1994. K là vốn cơ bản của một tỉnh trong thời gian
1990 - 1999 (Đơn vị triệu đồng). Cho α = 5%.
****************************************************************
Dependent variable is Y
****************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
K 0,110012 0,0014041 78,35054[0.000]
INPT 550673,8 57835,86 9,521321[0.000]
****************************************************************
R-Squared 0,8847 F-statistic F(1,8) 61,3848[0,000]
Residual Sum of Squareds 7.39E+10 Mean of dependent Variable 936192
SD.of dependent Variable 26686 9 Maximum of Log-likelihood -127,8066
DW-statistic 2,352
****************************************************************
a. Hãy viết hàm hồi quy mẫu và cho biết kết quả ước lượng có phù hợp với lý thuyết kinh tế
không?
b. Hãy cho biết vốn cơ bản tăng 1 triệu đồng thì GDP tăng bao nhiêu?
c. Cho biết K có ảnh hưởng đến GDP hay không? Giải thích?
d. Hãy giải thích ý nghĩa kinh tế của ước lượng hệ số chặn? Hệ số này khác không hay
không ? Hãy đưa ra lí do giải thích cho hệ số này?
e. Hãy giải thích ý nghĩa của R2? Trong trường hợp này R2 có bằng không?
f. Hãy tìm ước lượng phương sai của yếu tố ngẫu nhiên?
g. Hãy tính TSS, ESS và RSS?
h. Dự báo giá trị trung bình và giá trị các biệt của GDP nếu K = 30000triệu đồng?
Biết t0,025(8) = 2,306; χ20,025(8) = 17,5346; χ20,975(8) = 2,17973; F0,05(1,8) = 5,32
Câu hỏi 3.15 : Một nghiên cứu về đánh giá chất lượng giảng dạy qua một mẫu 200 lớp của các
trường phổ thông cơ sở, mục đích để nghiên cứu xem việc đánh giá giảng dạy có gắn với các
biến thâm niên giảng dạy, tình trạng giáo viên, cỡ lớp, điểm số,…người ta thu được kết quả như
sau :
Variable Coef Std Error T Prob
X1 0.85 0.148 3.68 0.0000
X2 -0.099 0.0769 -1.299 0.197
X3 -18.87 4.466 -3.487 0.001
Const 13.81 10.662 1.267 0.208
Trong đó : Biến phụ thuộc (Y) là đánh giá giảng dạy .

X1 : Điểm số trung bình của lớp.
X2 : Số học sinh của lớp.
1 nếu giáo viên không có nghề phụ
X3 =
0 nếu giáo viên có nghề phụ
a. Viết hàm hồi quy trong 2 trường hợp (giáo viên không có nghề phụ và giáo viên có nghề
phụ) ?
b. Các hệ số hồi quy có ý nghĩa về mặt lý thuyết và thống kê không ?
c. Việc làm thêm nghề phụ của giáo viên có ảnh hưởng đến chất lượng học tập của học sinh hay
không ?
Câu hỏi 4.1: Bảng sau đây cho biết số liệu về tổng sản phẩm trong nước (Y-1000tỷ đồng) phụ
thuộc vào số máy điện thoại (X2 - 1000 máy) và sản lượng điện (X3 - tỷ Kwh)
Y1 16,3 17,2 18,7 20,1 21,8 23,0 23,8 24,7 25,9 28,0 29,5 31,3 34,0 36,7 40,0 43,8
X2 90,6 97,4 98,5 103,8 108.7 103,1 113,5 116, 109,1 110,7 114,4 121,1 132,1 268,3 420 600
1
X3 3,6 3,8 4,1 4,3 5,0 5,2 5,7 6,2 7,0 7,9 8,8 9,3 9,8 10,9 12,5 14,7
Từ số liệu trên ta tính được: = 27,194; = 169,2125; = 7,425; = 12831,95;

= 764823,74; = 1048,2; = 26053,09. = 87926,03; =
2 2
3635,9; α = 5%; t0,025(13) = 2,16; χ 0,975(13) = 5,00874; χ 0,025(13) = 24,7356; F0,05(2,13) = 3,806
a. Giả thiết rằng: E(Y/X2,X3) = β1 + β2X2i + β3X3i . Dựa vào mẫu trên hãy tìm
đường hồi quy mẫu?
b. Tìm ước lượng phương sai của các hệ số hồi quy mẫu?
c. Hãy kiểm định sự bằng không của từng hệ số hồi quy riêng và ý nghĩa rút ra từ
các kiểm định đó?
d. Tìm khoảng tin cậy đối xứng cho các hệ số hồi quy (biết t0,025(13) = 2,16)
e. Tìm R2 , và giải thích ý nghĩa?
f. Phải chăng cả hai yếu tố "Số máy điện thoại" và"Sản lượng điện" đều không ảnh
hưởng đến tổng sản phẩm trong nước? Biết F0,05(2,13) = 3,81.
Câu hỏi 4.2: Nghiên cứu tiết kiệm (S) phụ thuộc vào thu nhập (M) và thời gian (T) tại một quốc
gia, người ta đã thống kê 18 năm (1946 - 1963). Cho kết quả hồi quy [1]:
[1] Ordinary Least Squares Estimation
***************************************************************
Dependent variable is S
****************************************************************
Regressor Coefficient Standard Error T-Raitio[Prob]
M 0,30459 0,040807 7,4642[0,000]
T -0,18476 0.039961 -4,6235[0.000]
INPT -2,2671 0,2737 -8,2832[0,000]
****************************************************************
F0,05(2,15) = 215,7763[0,000] d.DW = 1,651 α = 5%
****************************************************************
Diagnostic Tests
****************************************************************
A. Serial Correlation* CHI-SQ(1) = 0,27236[0,602]* F(1,14) = 0,21509[0,650]
B. Functional Form* CHI-SQ(1) = 0,96616 * F(1,14) = 0,79408
C. Normality* CHI-SQ(2) = 1,1466[0,564]* Not applicable
D. Heteroscedasticity*CHI-SQ(1) = 2,3391[0,126]* F(1,16) = 2,3898[0,142]
****************************************************************
a. Viết hàm hồi quy tổng thể và hàm hồi quy mẫu?
b.Giải thích cách tính giá trị thống kê CHI-SQ(1) trong mục D (trong phần Diagnostic Tests)?
Có kết luận gì từ kết quả này?
c. Có ý kiến cho rằng chỉ thu nhập và xu thế thời gian thì không đủ giải thích cho tiết kiệm, vì
vậy mô hình [1] thiếu biến. Hãy kiểm tra ý kiến này?
d. Theo kết quả trên nếu trong năm t có ý kiến cho rằng thu nhập cao hơn dự định 100 đơn vị
thì mức tăng tiết kiệm tối đa hi vọng là bao nhiêu? Biết α = 5%.
e. Nếu năm t + 1 thu nhập tăng 1 đơn vị so với năm t thì mức thay đổi tiết kiệm trung bình hi
vọng là bao nhiêu?
f. Có ý kiến cho rằng chính thu nhập cũng phụ thuộc vào thời gian và tiến hành 2 hồi quy sau:
Mt = a + bT + vt với R2 = 0,09623 (*)
LnMt = a + bT + vt với R2 = 0,4213 (**)
Từ mỗi kết quả hồi quy này có thể kết luận mô hình [1] có hiện tượng đa cộng tuyến hay
không?
Biết: t0,05(15) = 1,753; t0,025(15) = 2,131; F0,05(1,14) = 4,6; χ2005(1) = 3,84; F0,05(1,16) = 4,49
Câu hỏi 4.3: Nghiên cứu một khu vực gồm 73 quốc gia đang phát triển về nợ nước ngoài (Y) và
tổng sản phẩm trong nước (X) (được tính theo triệu USD năm 1988). Sau khi hồi quy có kết quả
như sau:
**************************************************************
*************************************************************
INPT 3521,957 1066,371 e 3,30275[.0015]
X 0,275643 0,001761 15,6497[.0000]
**************************************************************
S.E of regression 8150,046 Mean dependent var 10982,11
Sum squared resid 4,72E+09 SD dependent var 17071,75
Durbin - Watson star 2,081218
**************************************************************
Yêu cầu:
a. Viết hàm hồi quy mẫu và giải thích ý nghĩa của hệ số hồi quy ứng với biến tổng sản phẩm
trong nước? F(1,71) cho biết điều gì? Hệ số hồi quy ứng với biến X có ý nghĩa về mặt thống kê hay
không? Giải thích ý nghĩa của hệ số chặn?
b. Thực hiện kiểm định Park với α = 5% đối với hiện tượng phương sai của sai số không đồng
đều người ta có kết quả như sau:n
**********************************************************
Dependent variable is Ln(E2)
****************************************************************
INPT 0,549893 1,169225 5,89782[.0000]
Ln(X) 0,675378 0,177575 3,80334[.0000]
****************************************************************
Sum squared resid 380,3532 SD dependent var 2,5169
********************************************************************
Viết phương trình kiểm định của Park? Hãy kiểm định giả thiết H0: β2 = 0, với mức ý nghĩa α =
5% (t0,05(71) = 1,671).
c. Khi sử dụng kiểm định BPG người ta thu được kết quả sau:
****************************************************************
Dependent variable is P
****************************************************************
INPT 0,257327 0,319571 5,198727[.0000]
X 2,74E-05 5,28E-06 0,805225[.0000]
****************************************************************
Sum squared resid 423,5429 SD dependent var 2,84987
********************************************************************
Viết phương trình P? Kiểm định giả thiết H0: phương sai đồng đều, với mức ý nghĩa α = 5%
(χ20,05(1) = 3,84)
Câu hỏi 4.4: Với Q là lượng gas bán được (bình), PG là giá một bình gas (nghìn đồng/bình); PE
là giá điện sinh hoạt (nghìn đồng/kwh); PE là giá bếp gas (nghìn đồng/bếp).
a. Khi hồi quy Q phụ thuộc PG có hệ số chặn, có thể có hiện tượng đa cộng tuyến không?
b. Cho mô hình [1]
****************************************************************
Dependent variable is Q
27 observations used for estimation from 97M1 to 99M3
****************************************************************
INPT 1053,6 123,0625 8,5615[.000]
PG -6,9435 0,626036 -11,0912[.000]
PC -0,001737 0,001815 -0,95703[.349]
PE 338,15 128,23 2,6371[.015]
****************************************************************
****************************************************************
Nghi ngờ trong mô hình [1]: Q phụ thuộc PG, PE có hệ số chặn có thể có hiện tượng đa cộng
tuyến, vì thống kê t của hệ số ứng với biến PC nhỏ mà R 2 lớn. Hãy nêu một cách kiểm tra hiện
tượng đó?
c. Tiến hành hồi quy được kết quả sau đây:
***************************************************************
Dependent variable is PC
****************************************************************
PE -7,3608 3,6730 -2,0040[.056]
PG 0,34168 0,02091 16,3406[.000]
INPT 555,7082 50,9517 10,9066[.000]
****************************************************************
****************************************************************
d. Mô hình [2] nhằm mục đích gì?
e. Biến PC có phụ thuộc tuyến tính vào biến PE không? Có phụ thuộc tuyến tính vào biến PG
không?
f. Mô hình [1] có khuyết tật đa cộng tuyến không? Nếu có, thì đa cộng tuyến này là đa công
tuyến hoàn hảo hay không hoàn hảo? Các ước lượng của mô hình [1] còn là ước lượng tốt nhất
không?
g. Nêu môt cách khắc phục đơn giản khuyết tật trong mô hình [1]?
h. Khi bỏ biến PC khỏi mô hình [1], tiến hành hồi quy Q theo PG và PE có hệ số chặn thu được
R2 = 0,9821. Có nên bỏ biến PC không? Tại sao?
i. Để kiểm tra mô hình Q phụ thuộc PG, PE và hệ số chặn có khuyết tật không, người ta hồi quy
PG theo PE có hệ số chặn thu được hệ số xác định bằng 0,1215. Mô hình đó dùng để làm gi? Có
kết luận gì thu được?
Câu hỏi 4.5: Cho kết quả hồi quy sau với Y là tổng giá trị sản lượng ngành công nghiệp, phụ
thuộc X1 là tổng tiền lương, tiền công trong ngành, X 2 là tổng chi phí nguyên, nhiên vật liệu, X 3
là tổng khấu hao máy móc, thiết bị, nhà xưởng,.tương ứng 16 khu vực kinh tế khác nhau (Đơn vị
tính tỷ đồng). L là logarit của các biến tương ứng. Cho α = 5%.
***************************************************************
Dependent variable is LY
16 observations used for estimation from 1to 16
****************************************************************
LX1 0,23889 0,094941 2,5162[ ]
LX2 0,595124 1,4564[0.008]
LX3 0,38846 0,88688 [0,000]
INPT 1,44343 0,31171 [0,018]
****************************************************************
R-Squared 0,9979 F-statistic F(3,12)
SD.of dependent Variable 0,82792 DW-statistic 1,5344
****************************************************************
Diagnostic Tests
****************************************************************
B. Functional Form* CHI-SQ(1) = 2,3423 * F(1,11) = 1,8865[0,197]
D. Heteroscedasticity*CHI-SQ(1) = 3,9272[0,034]* F(1,14) = 4,4162[0,033]
****************************************************************
a. Viết hàm hồi quy gốc và hàm hồi quy mẫu và cho biết ý nghĩa của các kết quả nhận được?
b.Hàm hồi quy có được coi là phù hợp với lý thuyết kinh tế và thực tế hay không?
c. Các yếu tố khác không đổi, nếu chi cho nguyên, nhiên vật liệu thêm 1% thì hi vọng sản
lượng đầu ra tăng tối thiểu bao nhiêu?
d. Bằng ước lượng điểm, nếu sản lượng đầu ra tăng được 10% thì tất cả các yếu tố đầu vào trên
cùng tăng lên là bao nhiêu % ?(Tăng đồng thời và cùng tỷ lệ).
e. Nếu các yếu tố khác không đổi, có thể nói tốc độ gia tăng tổng giá trị sản lượng ngành công
nghiệp tăng bàng một nửa tốc độ gia tăng của khấu hao được không?
f. Kiểm định DW và các kiểm định CHI-SQ, F trong mục A của Diagnostic Tests có mâu thuẫn
với nhau không? Kết luận như thế nào về khuyết tật tương ứng?
g. Hồi quy mô hình thu được các phần dư ei. Người ta hồi quy mô hình sau:
= 0,233 + 0,9252LX2i +vi
(Se) (0,491) (0,152)
Biết: t0,05(14) = 1,761
Hãy cho biết mô hình trên dùng để làm gì? Dựa trên giả thiết nào? Kết luận gì về mô hình gốc?
h. Trong số 16 khu vực kinh tế trên có các khu vực có vốn đầu tư nước ngoài. Có ý kiến cho
rằng đối với các khu vực này ảnh hưởng của tiền lương, tiền công (X 1) tới sản lượng lớn hơn so
với các khu vực khác. Hãy đề xuất một mô hình và các phân tích để có nhận xét về ý kiến này?
Câu hỏi 4.6: Cho kết quả quả hồi quy tuyến tính về các yếu tố ảnh hưởng đến điểm trung bình
học tập ở học kỳ 1 của 74 sinh viên như sau:
ĐIEMTB = 5,729045 – 0,010191KCi + 0, 186606TGTHi + (?)TGTVi +
(Se) (?) (0,15832) (0,057092) (0,061147)
(t) (29,57623) (-0,643724) (3,268493) (4,670822)
(p) (0,0000) (0,5219) (0,0017) (0,0000)
+ 0,25426ĐILAM – 0,157488Maytinh
(Se) (0,144414) (0,119983)
(t) (1,760624) (?)
(p) (0,0828) (0,1937)
2
R = 0,528789 Mean dependent var = 6,422703
= (?) S.D = 0,698859
S.E = 0,497054 Akaike = 1,51737
RSS = 16,80029 Scharrz = 1,704186
Log Likelihood = -50,1427 F- Statistic = (?)[0,0000]
Trong đó:
ĐIEMTB: Điểm trung bình học kỳ 1
KC : Khoảng cách đi học mỗi ngày (Km)
TGTH : Thời gian tự học (giờ/ngày)
TGTV : Thời gian học và đọc sách ở thư viện (giờ/ngày)
DILAM : 1 nếu có đi làm
MAYTINH : 1 nếu có máy tính.
Yêu cầu:
a. Hãy điền vào những chổ (?)
b. Giải thích ý nghĩa của R2?
c Với α = 10% biến KC có ảnh hưởng đến ĐIEMTB hay không? Tại sao?
d Với α = 10% mô hình có phù hợp hay không? Tại sao? Biết t0,1(58) = 1,671
e. Giải thích ý nghĩa của TGTV?
f. Giải thích ý nghĩa của DILAM?
g Có người cho rằng sinh viên có máy tính sẽ mê chơi game, nghe nhạc hoặc xem phim nên
ảnh hưởng xấu đến kết quả học tập. Theo bạn, với α = 10% bạn có đồng ý với nhận định đó hay
không?
h. Theo bạn, để nghiên cứu các yếu tố ảnh hưởng đến điểm trung bình học tập của sinh viên, ta
cần đưa vào mô hình những biến độc lập nào nữa? Giải thích? Dw = 1,704267
Câu hỏi 4.7: Cho kết quả hồi quy sau với Y là lượng xăng tiêu thụ tại một khu vực trong một
tháng (nghìn lít), XM là số xe máy của khu vực (nghìn chiếc), PX là giá xăng (nghìn đồng/lít).
Cho α = 5%; t0,05(14) = 1,761; t0,025(15) = 2,131
***************************************************************
****************************************************************
XM 8,9353 0,094941 94,1142[0,003]
PX -1,5901 2,9945 0,6490[0.609]
INPT 779,93 72,965 10,6891[0,000]
****************************************************************
R-Squared 0,94585 F-statistic F(2,14) 122,2705[0,000]
SD.of dependent Variable 6,9582 DW-statistic 1,86818
****************************************************************
Diagnostic Tests
****************************************************************
B. Functional Form* CHI-SQ(1) = 1,0367 * F(1,13) = 0,7523[0,322]
D. Heteroscedasticity*CH-SQ(1) = 0,19458[0,659]* F(1,15) = 0,17367[0,683]
Giả thiết dạng phụ thuộc: Yi = β1 + β2XMi + β3PXi + Ui
a. Nếu giá xăng là 5.400đồng/lít, hãy ước lượng điểm lượng tiêu thụ xăng trong một tháng của
tất cả các nhu cầu khác ngoài nhu cầu cho xe máy?
b. Có ý kiến cho rằng vì xăng là hàng hóa thiết yếu đối với người có xe máy nên lượng tiêu thụ
xăng không phụ thuộc vào giá xăng mà chỉ phụ thuộc vào lượng xe máy. Hãy nhận xét ý kiến
này?
c. Nếu trong năm 2000, số xe máy hàng tháng tăng lên trung bình 100 chiếc thì lượng xăng cần
cung ứng cho khu vực này phải tăng lên tối thiểu bao nhiêu để đáp ứng đủ nhu cầu?
d. Có ý kiến cho rằng nếu số xe máy giảm được 1000 chiếc thì lượng xăng cũng có thể giảm đi
ít nhất 10.000 lít. Hãy nhận xét ý kiến này?
e. Phải chăng lượng tiêu thụ xăng dao động không như nhau giữa các tháng?
f. Có ý kiến cho rằng nếu trong khu vực có thêm phương tiện giao thông công cộng (Xe Bus),
người dân sẽ ít đi xe máy hơn, số xe bus tăng thêm thì có thể giảm lượng tiêu thụ xăng đi. Hãy
nêu cách phân tích để có thể đánh giá nhận xét đó nếu có số liệu về xe bus?
g. Nếu hồi quy mô hình có thêm biến giải thích XB là số xe bus, gọi là mô hình [2] thì thu được
hệ số xác định bằng 0,9823. Vậy có nên đưa biến đó vào mô hình hay không? Biết F0,05(1,13) =
4,67
h. Hồi quy số xe máy theo số xe bus có hệ số chặn thu được hệ số góc bằng -0,0127 và độ lệch
chuẩn tương ứng bằng 0,00232. Cho biết kết quả đó dùng để làm gì, kết luận gì về mô hình [2]?
Biết t0,025(15) = 2,131
Câu hỏi 4.8: Nghiên cứu tổng tiêu dùng (Yt) phụ thuộc vào tổng thu nhập (Xt) trong thời kỳ
1960 - 1986 của một quốc gia (Triệu USD). Ta có kết quả hồi quy như sau:
***************************************************************
Dependent variable is Yt
****************************************************************
Xt 0,597069 0,060594 9,853648[0,000]
INPT 155,2230 203,4712 0,762879[0,4527]
****************************************************************
r2 = 0,79524 = 2037,44 RSS = 3316021
= 364,1989 SY = 789,223 F0,05(1,25) = 97,0943[0,000]
d.DW = 0,46283 α = 5%
****************************************************************
a. Viết hàm hồi quy mẫu? Giải thích ý nghĩa kinh tế?
b. Tiến hành kiểm định d của Durbin - Watson? Với k' = 1; n = 27; dL = 1,316; dU = 1,496
c. Kiểm định theo tiêu chuẩn BG ta có kết quả sau:
***************************************************************
Dependent variable is et
****************************************************************
Xt 0,029856 0,041799 0,714270[0,4822]
et-1 0,779569 0,134048 5,815588[0,0000]
INPT -94,07972 142,2876 -0,661194[0,5151]
****************************************************************
r2 = 0,5954 = -5,3809 RSS = 1333379
= 240,7758 Se = 363,081 F0,05(2,23) = 16,9243[0,000]
d.DW = 1,87279 α = 5%
Viết phương trình et phụ thuộc Xt và et-1. Cho biết mô hình có hiện tượng tự tương quan bậc
nhất hay không? Biết χ20,05(1) = 3,841
d. Để khắc phục hiện tượng tự tương quan, người ta đưa thêm biến trễ Yt-1 vào vế phải của mô
hình và sau khi ước lượng bằng phần mềm ta có kết quả sau:
***************************************************************
Dependent variable is Yt
****************************************************************
Xt 0,207495 0,064345 3,224707[0,0038]
Yt-1 0,695319 0,094013 7,396025[0,0000]
INPT 3,962031 122,4302 0,032362[0,9745]
****************************************************************
r2 = 0,937124 = 2068,73 RSS = 975068,9
= 205,8988 SY = 787,5963 F0,05(1,25) = 171,398[0,000]
d.DW = 1,919159 α = 5%
Hãy cho biết hiện tượng tự tương quan đã được khắc phục chưa? (Sử dụng kiểm định Durbin h)
Câu hỏi 4.9: Mô hình hồi quy số lao động ngành CNTT (ngìn người) phụ thuộc lương bình
quân/tháng (ngìn USD/tháng) của các ngành khác (RW),lương bình quân /tháng (ngìn
USD/tháng) ngành CNTT(IW), chi phí đào tạo(C) (ngìn USD), Mức tăng trưởng (G) (ngìn USD)
và số lao động của thời kỳ trước (Lt-1) (ngìn người)
Kết quả hồi quy(SRF)
Lt = 11,53214 – 1,822161RWt + 2,332665IWt - 1,4414Ct + 1,8843Gt + 0,86Lt-1
(se) (6,502) (0,6006) (1,555862) (0,683097) (1,25178) (0,086365)
(t) (1,7734) (-3,033898) (1,499275) (-2,553246) (1,4973) (10,01914)
(p) (0,0914) (0,0066)
R2 = 0,984062 , n = 26
1. Viết hàm hồi quy tổng thể (PRF) và hàm hồi quy tổng thể ngẫu nhiên.
2. Viết hàm hồi quy mẫu (SRF) và hàm hồi quy mẫu ngẫu nhiên.
3. Hàm hồi quy có phù hợp không?
4. Giải thích ý nghĩa của các hệ số hồi quy và R2?
5. Có thể cho rằng chi phí đào tạo ngành CNTT tăng thì lao động ngành CNTT giảm? Biết t 0,05(20) =
1,725
6. Trong điều kiện các yếu tố khác không đổi, nếu RW giảm thì số lao động ngành CNTT tăng hay
không?
7. Trong điều kiện các yếu tố khác không đổi, chi phí đào tạo giảm 100USD thi lao động ngành
CNTT tăng lên trong khoảng nào?
8. Trong điều kiện các yếu tố khác không đổi, mức tăng trưởng ngành CNTT thay đổi thì số lượng
lao động ngành CNTT thay đổi như thế nào?
9. Trong điều kiện các yếu tố khác không đổi, IW tăng 100USD thì L tăng tối đa bao nhiêu?
10. Trong điều kiện các yếu tố khác không đổi, nếu C tăng 200USD thì L giảm tối đa bao nhiêu lao
động?
11. Có thể cho rằng IW giảm 500USD thì L giảm 100 lao động được không?
12. Có thể cho rằng khi C giảm 200USD thì L tăng nhiều hơn 250 lao động được không?
13. Số lao động ngành CNTT năm trước tăng thì số lao động CNTT năm sau có thực sự tăng lên
không?
Câu hỏi 4.10: Cho kết quả hồi quy với Y là sản lượng, L là lao động, K là vốn
Bảng 1
Dependent Variable: Y Method: Least Squares
Included observations: 20 after adjusting endpoints
Variable Coefficient Std. Error t- statistic Prob
C -41,51425 82,67264 -0,502152 0,6220

L 2,208128 0,981281 2,250251 0,0380
K 1,780819 0,386295 4,609999 0,0002
R – Squared 0,905040 Prob(F-Statistic) 0,00000
a. Với phần dư thu được của mô hình ban đầu ký hiệu là RESID, hãy viết mô hình hồi quy
phụ trong bảng 2 và cho biết kết quả đó dùng để làm gì? Kết luận gì thu được. Với α =
5%
Bảng 2
White Heteroskedasticity Test – Cross term
F – Statistics 3,972746 Probability 0,018776

Obs*R-squared 11,73157 Probability 0,038657
Test Equation: Dependent Variable: RESID^2

Included observations: 20
C -27854,36 293672,6 -0,094848 0,9258

L 2857,590 8260,616 0,345929 0,7345
L^2 -35,55875 60,76231 -0,585211 0,5677
L*K 38,06234 50,11640 0,759479 0,4602
K -2063,946 3473,158 -0,594256 0,5618
K^2 -7,627837 10,22040 -0,746335 0,4678
R – Squared 0,5865 78 Prob(F-Statistic) 0,018776

b. Với kết quả tại bảng 3, hãy viết mô hình và thực hiện kiểm định để có kết luận
Bảng 3
White Heteroskedasticity Test – No Cross term

c. Cho biết kết quả hồi quy dưới đây dùng để làm gì, có kết luận gì về mô hình gốc ban đầu, biết
RESID là phần dư và ABS là hàm lấy giá trị tuyệt đối
Bảng 4
Dependent Variable: ABS(RESID) 20 observations
C -433,5278 146,6376 -2,956457 0,0084

L 3,893503 1,096448 3,551013 0,0023
R-Squared 0,411951 Prob(F-Statistic) 0,002283
d. Khi hồi quy ln của bình phương ei theo ln của biến K, có hệ số chặn, thì hệ số xác định của mô
hình này bằng 0,105. Hãy cho biết kết quả đó dùng để làm gì, có kết luận gì thu được?
e. Hồi quy bình phương phần dư ei theo bình phương giá trị ước lượng biến phụ thuộc trong mô
hình gốc, có hệ số chặn, thì thu được ước lượng điểm hệ số góc bằng 0,852 và sai số chuẩn tương
ứng bằng 0,126. Hãy cho biết kết quả đó dùng để làm gì, dựa trên giả thiết nào, có kết luận gì thu
được về mô hình gốc? Biết χ2(1) = 27,5871.
f. Dựa trên kết luận ở câu trên, hãy nêu một cách khắc phục hiện tượng phát hiện được?
g. Cho kết quả sau đây, hãy cho biết kết quả đó dùng để làm gì và đạt được mục đích chưa?
Bảng 5
Dependent Variable: Y/L Sample: 1: 20 observations
1/L -56,81014 72,62494 -0,782240 0,4448

C 2,430546 0,931296 2,609852 0,0183
K/L 1,696025 0,393030 4,315255 0,0005
White Heteroskedasticity Test –Cross term

h.Với bảng kết quả trên, viết lại mô hình với các biến Y, L, K. Khi đó nếu lao động tăng một đơn
vị thì sản lượng tăng tối đa bao nhiêu?
Câu hỏi 4.11: Cho kết quả hồi quy sau, với Q là số sản phẩm bán được (tấn), P là giá bán của
sản phẩm (nghìn đồng), DA là chi phí quảng cáo (100.000đồng). Cho α = 5%
Dependent Vairiable: Q
Sample: 1:20
C 1035,384 154,9886 6,88039 0,0000

P -127,9250 24,12982 -5,301531 0,0001
AD 162,3604 65,19387 2,490424 0,0241
AD^2 -32,68586 8,521540 -3,835675 0,0000

Adjusted Squared 0,839116 Prob (F-Statistic) 0,0000
Durbin-Watson Stat 2,849392 Mean dependent var 460,200
a. Viết hàm hồi quy mẫu? Có nhận xét gì về dấu và giá trị các ước lượng hệ số hồi quy?
b. Nếu giữ nguyên chi phí quảng cáo và giảm giá bán một nghìn đồng/sản phẩm thì hi vọng số
lượng sản phẩm trung bình bán được tăng bao nhiêu?
c. Nếu giữ nguyên giá bán nhưng tăng chi phí cho quảng cáo 100.000đồng, hi vọng số sản phẩm
bán được tăng bao nhiêu?
d. Có ý kiến cho rằng, vì thị trường mới nên hãy tăng chi phí quảng cáo và giữ nguyên giá ở mức
nào đó, khi đó sẽ tăng số sản phẩm bán được. Hãy nhận xét ý kiến này? Đề xuất mức chi phí tối
đa cho quảng cáo?
e. Nếu chi phí trung bình để sản xuất một sản phẩm là 1000 đồng và giả thiết rằng chi phí này
không đổi, khi đó lợi nhuận từ các sản phẩm bán được tính như thế nào?
f. Nếu chi cho quảng cáo 280.000 đồng khi đó nên đặt mức giá là bao nhiêu?
g. Nếu đặt giá sản phẩm là 5.000 đồng thì cần chi phí cho quảng cáo bao nhiêu để mang lại lợi
nhuận tối đa?
h. Trên địa bàn có một doanh nghiệp khác bán sản phẩm tương tự với giá 3.000 đồng. Giám đốc
quyết định không bán sản phẩm với giá cao hơn mức này. Vậy nên quảng cáo bao nhiêu để đạt
được lợi nhuận tối đa?
Biết t0,025(16) = 2,12;
Câu hỏi 4.12: Cho kết quả hồi quy sau, với QA là lượng bán của hãng nước giải khát A, PA là
giá bán của hãng A, PB là giá của hãng B, QB là lượng bán của hãng B.Biết dL = 1,273; dU =
1,446; χ2( 0,05,1) = 3,84146.
Bảng 1
Dependent Variable: QA
C 1814,139 174,1613 10,41643 0,0000

PA -51,75140 9,840903 -5,258806 0,0000

Adjusted R-squared 0,536804 S.D.dependent var 292,7673
Logkilihood -160,0802 F-Statistic 27,65504
Durbin – Watson Stat 0,480522 Prob(F-Statistic) 0,000028
a. Dùng kiểm định Durbin – Watson để kiểm định về hiện tượng tự tương quan bậc nhất của mô
hình?
b. Cho kết quả tự tương quan bậc nhất – AR(1) dưới đây. Hãy viết mô hình hồi quy phụ để kiểm
định, cho biết số quan sát trên lý thuyết là bao nhiêu và số quan sát thực tế là bao nhiêu? Thực
hiện kiểm định và kết luận?
Bảng 2
Breusch – Godfrey seral correlation LM Test – AR(1)
F-Statistic 10,64234 Probability 0,003724

Test Equation: Dependent Variable: RESID

Presample missing value lagged residuals set to zero
C 43,95483 89,61990 0,490458 0,6289

PA -2,595093 5,069180 -0,511935 0,6140
RESID(-1) 0,587992 0,180241 3,262259 0,0037
c. Cho kết quả sau, hãy cho biết mô hình có tự tương quan bậc hai không?
Bảng 3
Test Equation: Dependent Variable: RESID
Presample missing value lagged residuals set to zero
C 30,29069 92,52208 0,327389 0,7468

PA -1,804521 5,238252 -0,344489 0,7341
RESID(-1) 0,678521 0,220174 3,081753 0,0059
RESID(-2) -0,165000 0,225132 -0,732902 0,4721
d. Với kết quả kiểm định trên, hãy nêu một cách khắc phục khuyết tật của mô hình gốc dựa trên
thống kê Durbin – Watson?
e. Cho kết quả ước lượng sau, cho biết kết quả này dùng để làm gì, đã đạt được mục đích chưa?
Bảng 4
Dependent Variable: QA – 0,67*QA(-1)
Samble (adjusted): 2:24
C 367,4280 46,56235 7,891097 0,0000

PA-0,67QA(-1) -48,2352 11,88927 -4,057035 0,0006

Breusch – Godfrey Serial Corrilation LM Test – AR(1)

OBS* R-Squared 0,503464 Probability 0,477982
f. Với kết quả ước lượng trên, cho biết ước lượng điểm hệ số chặn, hệ số góc trong mô hình hồi
quy QA theo PA, viết hàm hồi quy mẫu. Từ đó ước lượng mức thay đổi của lượng bán khi giá
tăng một đơn vị? Biết t0,025(22) = 2,074
i. Khi thêm trễ bậc một của biến QA vào mô hình gốc, có kết quả sau; hãy kiểm định hiện tượng
tự tương quan bậc 1 của mô hình này? Cho biết kiểm định BG được thực hiện như thế nào?
Bảng 5
Samble (adjusted): 2:24
C 990,5671 402,1343 2,463274 0,0230

PA -56,55842 10,25072 -5,517509 0,0000
QA(-1) 54,23958 24,38371 2,224419 0,0378

Breush – Godfrey Serial Corrilation LM Test: AR(1)
F- Statistic 1,579754 Probability 0,224029

Obs*R-Squared 1,765539 Probability 0,183935
Câu hỏi 4.13: Cho kết quả hồi quy sau, với QA là lượng bán của hãng nước giải khát A, PA là
giá của hãng A, PB là giá của hãng B, QB là lượng bán của hãng B. Cho α = 5%
Bảng 1
C 1814,139 174,1613 10,41643 0,0000

PA -51,75140 9,840903 -5,258806 0,0000

a. Hãy nêu cách để kiểm định dạng hàm hồi quy, sự thiếu biến của mô hình?
b. Cho kết quả kiểm định Ramsey REST dưới đây, viết lại hồi quy phụ, thực hiện kiểm định để
cho kết luận về định dạng của mô hình. Biết F0,05(1,22) = 4,52
Bảng 2
Ramsey RESET Test: number of fitted term: 1

Log likelihood ratio 7,109707 Probability 0,007667
Test Equation:
C 2921,071 439,1535 6,651594 0,0000

PA -58,87232 9,079991 -6,483743 0,0000
FITTED^2 -16395,22 6092,986 -2,690834 0,0137

b. Cho kết quả dưới đây, với RESID là phần dư từ mô hình gốc. Hãy cho biết kết quả đó dùng để
làm gì? Có kết luận gì về mô hình gốc?
Bảng 3
Dependent Variable: RESID Sample: 1:24
C 1106,932 439,1535 2,520604 0,0199

PA -7,120926 9,079991 -0,784244 0,4417
FITTED^2 -16395,22 6092,986 -2,690834 0,0137
R-Squared 0,256389 Mean dependent var -4,87E-13

d. Khi thêm biến PB vào mô hình, được kết quả dưới đây, hãy viết các hồi quy phụ ứng với các
kiểm định Ramsey, và thực hiện kiểm định để cho kết luận?
Bảng 4
Dependent Variable: QA Included observations: 24
C 1003,407 355,4275 2,823098 0,0102

PA -59,05641 9,269155 -6,371283 0,0000
PB 55,63005 21,91590 2,538342 0,0191

Ramsey RESET Test: number of fitted terms: 1

Ramssey RESET Test: number of fitted terms: 2

e. Sau khi hồi quy mô hình trong bảng 8.4 thu được phần dư và giá trị ước lượng. hồi quy phần
dư theo PA, PB và bình phương giá trị ước lượng thì thu được kết quả có hệ số xác định bằng
0,088. Hãy cho biết kết quả đó dung để làm gì? Và có kết luận gì thu được?
Câu hỏi 4.14: a. Với kết quả ở bảng 1, 2 và 3 sau đây, thực hiện các kiểm định về khuyết tật có
thể có và nhận xét về tính chất của các ước lượng?
Bảng 1
Dependent Variable: Log(Y) Method: Least Squared
Included observations: 20 after adjusting endpoins
C 2,319090 0,347622 6,671290 0,0000

Log(K) 0,779698 0,068054 11,45703 0,0000

Adjusted R-Squared 0,872708 S.D dependent var 0,180753
S.E. of regression 0,064489 Akaike info criterion -2,550009
Sum squared resid 0,074859 Schwarz criterion -2,450436
Log likelihood 27,50009 F-Statistic 131,2634
White Heteroskedasticity Test: Cross terms

Obs* R- Squared 11,21171 Probability 0,003676
Breusch – Godfrey Serial Correlation LM Test: AR(1)

Ramssey RESET Test:

Bảng 2
Dependent Variable: Log(Y) Method: Least Squared
C 0,764682 0,713780 1,071314 0,2990

Log(K) 0,510023 0,126959 4,017220 0,0009
Log(L) 0,599932 0,248400 2,415183 0,0273



Ramssey RESET Test: number of fitted term: 2

Bảng 3
Dependent Variable: Log(Y/L) Method: Least Squared
C 1,289333 0,025077 51,41567 0,0000

Log(K/L) 0,567178 0,099110 5,722710 0,0000



Ramssey RESET Test: number of fitted term: 2

b. Với các kiểm định, hãy viết phương trình hồi quy phụ của các kiểm định đó?
c. Hãy so sánh ba bảng kết quả hồi quy 1, 2,3 và nêu ra nhận xét về mối quan hệ giữa các biến
sản lượng, vốn, lao động?
Câu hỏi 4.15: Cho kết quả hồi quy sau:
Dependent Variable: Q
Methol: Least Squares
Sample (adjusted): 1:24
C 196,8505 17,50745 11,24381 0,0000

P -8,581141 1,734056 -4,948595 0,0001
PC 6,886668 2,159423 3,188386 0,0044

Adjusted R-squared 0,553123 S.D.dependent var 24,01856
S.E. of regression 16,05614 Akake info criterion 8,506528
Sumsquared resid 5413,793 Schwarz criterion 8,653785
Logkilihood -99,07834 F-Statistic 15,23413
Durbin – Watson Stat 0,503434 Prob(F-Statis tic) 0,000082
Hiệp phương sai ước lượng hai hệ số góc bằng –0,3294
Trong đó : Q là lượng hàng bán được của cửa hàng (Nghìn chiếc)
P là giá của cửa hàng (USD/chiếc)
PC là giá của cửa hàng cạnh tranh (USD/chiếc)
a. Viết hàm hồi quy và giải thích ý nghĩa của các hệ số góc?
b. Giải thích ý nghĩa của hệ số xác định ? Hàm hồi quy có phù hợp không ?
c. Các hệ số hồi quy có ý nghĩa về mặt thống kê không ?
d. Giá của cửa hàng cạnh tranh tăng một USD, giá bán của cửa hàng không đổi thì lượng bán
trung bình có tăng không ?
e. Giá bán của cửa hàng tăng một USD, giá của cửa hàng cạnh tranh không đổi thì lượng bán
trung bình có giảm không ?
f. Nếu giá bán của cửa hàng và của cửa hàng cạnh tranh cùng tăng 1 USD thì lượng bán có thay
đổi không ? Nếu có thì trong khoảng nào ?
g. Kiểm định giả thuyết cho rằng khi giá bán của cửa hàng tăng một USD, yếu tố khác không đổi
thì lượng bán trung bình giảm 10.000 chiếc ?
h. Khi bỏ biến PC khỏi mô hình thì RSS mới bằng 8034,534. Bằng kiểm định thu hẹp hồi quy, có
nên bỏ biến PC không ?
i. Khi bỏ biến P ra khỏi mô hình thì R2 của mô hình mới là 0,116. Vậy có nên bỏ biến P hay
không ?

Câu hỏi ôn KTL

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Câu hỏi ôn KTL

Uploaded by

Copyright:

Available Formats

● Câu hỏi loại 1 điểm

a. Yi = β1 + β2X2i; b. ; c. E(Y/Xi) = β1 + β2X2i; d.

1 nếu hộ gia đình ở thành phố

D3i = 1 nếu hộ gia đình có TV, tủ lạnh

(a) E[a] = a (b) E[bX] = bE[X]

Mea { n wage i=−0. 014453+0 . 724097 Educationi ¿

Variable Coefficient Std. Error t-Statistic Prob

C 13265,76 28173,04 0,470867 0,6428

R-Squared 0,664147 F-Statistic 13,18329

Variable Coefficient Std. Error t-Statistic Prob

Variable Coefficient Std. Error t-Statistic Prob

C 2006,367 5,633796 356,1306 0,0000

R-Squared 0,999643 F-Statistic 29441.88

Variable Coefficient Std. Error t-Statistic Prob

C 1003,407 355,4275 2,823098 0,0102

R-Squared 0,660965 F-Statistic 20,47028

= -1,7502 + 1,4839Di + 0,1504Xi - 0,1034(Di*Xi)

Variable Coefficient Std. Error t-Statistic Prob

C 0,764682 0,713780 1,071314 0,2990

R-Squared 0,910215 Mean dependent var 6,298380

Hiệp phương sai ước lượng hai hệ số góc bằng: -0,027736

Trong đó : Biến phụ thuộc (Y) là đánh giá giảng dạy .

Từ số liệu trên ta tính được: = 27,194; = 169,2125; = 7,425; = 12831,95;

Variable Coefficient Std. Error t- statistic Prob

C -41,51425 82,67264 -0,502152 0,6220

R – Squared 0,905040 Prob(F-Statistic) 0,00000

F – Statistics 3,972746 Probability 0,018776

Test Equation: Dependent Variable: RESID^2

Variable Coefficient Std. Error t- statistic Prob

C -27854,36 293672,6 -0,094848 0,9258

R – Squared 0,5865 78 Prob(F-Statistic) 0,018776

White Heteroskedasticity Test – No Cross term

F – Statistics 4,961715 Probability 0,009471

Variable Coefficient Std. Error t- statistic Prob

C -433,5278 146,6376 -2,956457 0,0084

R-Squared 0,411951 Prob(F-Statistic) 0,002283

Variable Coefficient Std. Error t- statistic Prob

1/L -56,81014 72,62494 -0,782240 0,4448

R-Squared 0,672855 Prob(F-Statistic) 0,000075

White Heteroskedasticity Test –Cross term

F – Statistics 1,069752 Probability 0,471838

Variable Coefficient Std. Error t-Statistic Prob

C 1035,384 154,9886 6,88039 0,0000

R-Squared 0,864519 F-Statistic 34,0325

Variable Coefficient Std. Error t- statistic Prob

C 1814,139 174,1613 10,41643 0,0000

R-Squared 0,556943 Mean dependent var 923,5833

F-Statistic 10,64234 Probability 0,003724

Test Equation: Dependent Variable: RESID

Variable Coefficient Std. Error t- statistic Prob

C 43,95483 89,61990 0,490458 0,6289

R-Squared 0,336332 Prob(F-Statistic) 0,013505

Variable Coefficient Std. Error t- statistic Prob

C 30,29069 92,52208 0,327389 0,7468

R-Squared 0,353690 Prob(F-Statistic) 0,030162

Variable Coefficient Std. Error t- statistic Prob

C 367,4280 46,56235 7,891097 0,0000

R-Squared 0,439395 Mean dependent var 186,7652

Breusch – Godfrey Serial Corrilation LM Test – AR(1)

F-Statistic 0,447593 Probability 0,511130

Variable Coefficient Std. Error t- statistic Prob

C 990,5671 402,1343 2,463274 0,0230

R-Squared 0,608809 Mean dependent var 905,1304

Breush – Godfrey Serial Corrilation LM Test: AR(1)