Giả định nào sau đây KHÔNG phải là một trong các giả định OLS (Ordinary Least Squares) tiêu chuẩn trong hồi quy tuyến tính?

• A. Sai số có phân phối chuẩn với trung bình bằng 0.
• B. Các sai số có phương sai không đổi (tính đồng nhất phương sai).
• C. Không có đa cộng tuyến hoàn hảo giữa các biến độc lập.
• D. Các biến độc lập phải có phân phối chuẩn.

Trong phân tích hồi quy, 'biến trễ' (lagged variable) thường được sử dụng để:

• A. Đại diện cho các biến định tính.
• B. Mô hình hóa tác động của các giá trị quá khứ của một biến lên giá trị hiện tại của biến khác hoặc chính nó.
• C. Giảm hiện tượng đa cộng tuyến.
• D. Cải thiện độ chính xác của dự báo.

Phương pháp nào sau đây thường được sử dụng để kiểm tra tính dừng của chuỗi thời gian?

• A. Kiểm định Breusch-Pagan.
• B. Kiểm định Durbin-Watson.
• C. Kiểm định Augmented Dickey-Fuller (ADF).
• D. Kiểm định Shapiro-Wilk.

Trong mô hình ARIMA, thành phần 'I' đại diện cho:

• A. Trung bình trượt (Moving Average).
• B. Tích hợp (Integration) - số lần sai phân cần thiết để làm cho chuỗi dừng.
• C. Tự hồi quy (Autoregression).
• D. Tính mùa vụ (Seasonality).

Khi nào thì nên sử dụng mô hình Poisson regression?

• A. Khi biến phụ thuộc là biến liên tục.
• B. Khi biến phụ thuộc là biến đếm (count variable).
• C. Khi biến phụ thuộc là biến nhị phân.
• D. Khi có hiện tượng đa cộng tuyến.

Trong phân tích chuỗi thời gian, một chuỗi được coi là dừng (stationary) nếu:

• A. Trung bình và phương sai của chuỗi không đổi theo thời gian.
• B. Chuỗi có xu hướng tăng hoặc giảm rõ rệt.
• C. Chuỗi có tính mùa vụ mạnh.
• D. Chuỗi có tự tương quan bằng 0.

Nếu một biến độc lập trong mô hình hồi quy có p-value lớn hơn mức ý nghĩa (ví dụ: 0.05), điều này có nghĩa là:

• A. Biến độc lập đó có ý nghĩa thống kê và nên được giữ lại trong mô hình.
• B. Biến độc lập đó không có ý nghĩa thống kê và có thể bị loại bỏ khỏi mô hình.
• C. Có hiện tượng đa cộng tuyến trong mô hình.
• D. Mô hình hồi quy không phù hợp.

Trong phân tích dữ liệu bảng, kiểm định Hausman được sử dụng để:

• A. Kiểm tra tính dừng của chuỗi thời gian.
• B. Kiểm tra phương sai sai số thay đổi.
• C. Lựa chọn giữa mô hình tác động cố định và mô hình tác động ngẫu nhiên.
• D. Kiểm tra đa cộng tuyến.

Mô hình nào sau đây phù hợp nhất để dự báo dữ liệu chuỗi thời gian có tính mùa vụ?

• A. Mô hình hồi quy tuyến tính đơn.
• B. Mô hình ARIMA không mùa vụ.
• C. Mô hình ARIMA mùa vụ (SARIMA).
• D. Mô hình GARCH.

Hệ số tương quan phần (partial correlation coefficient) đo lường điều gì?

• A. Mối tương quan giữa hai biến sau khi kiểm soát ảnh hưởng của các biến khác.
• B. Mối tương quan giữa tất cả các biến trong mô hình.
• C. Mức độ phù hợp của mô hình hồi quy.
• D. Mức độ thay đổi của biến phụ thuộc khi biến độc lập thay đổi.

Trong hồi quy tuyến tính bội, hệ số xác định (R-squared) điều chỉnh được sử dụng để:

• A. Đo lường mối quan hệ tuyến tính giữa các biến độc lập.
• B. Ước lượng phương sai của sai số ngẫu nhiên.
• C. Đánh giá mức độ phù hợp của mô hình, có tính đến số lượng biến độc lập trong mô hình.
• D. Kiểm tra sự phù hợp của mô hình hồi quy tuyến tính đơn.

Trong mô hình hồi quy, biến giả (dummy variable) thường được sử dụng để:

• A. Đại diện cho các biến định tính (qualitative variables).
• B. Giảm hiện tượng đa cộng tuyến.
• C. Cải thiện độ chính xác của dự báo.
• D. Đo lường tác động phi tuyến tính của các biến độc lập.

Kiểm định Durbin-Watson được sử dụng để kiểm tra:

• A. Phương sai sai số thay đổi.
• B. Tự tương quan (autocorrelation) trong các sai số.
• C. Đa cộng tuyến.
• D. Tính dừng của chuỗi thời gian.

Ý nghĩa của hệ số chặn (intercept) trong mô hình hồi quy là gì?

• A. Giá trị của biến phụ thuộc khi tất cả các biến độc lập bằng 0.
• B. Mức độ thay đổi của biến phụ thuộc khi một biến độc lập thay đổi một đơn vị.
• C. Độ dốc của đường hồi quy.
• D. Phương sai của sai số.

Phương pháp nào sau đây thường được sử dụng để phát hiện hiện tượng phương sai sai số thay đổi (heteroscedasticity)?

• A. Kiểm định Durbin-Watson.
• B. Kiểm định Breusch-Pagan.
• C. Kiểm định Shapiro-Wilk.
• D. Kiểm định Augmented Dickey-Fuller.

Điều gì KHÔNG phải là một vấn đề tiềm ẩn trong phân tích hồi quy?

• A. Đa cộng tuyến.
• B. Phương sai sai số thay đổi.
• C. Tự tương quan.
• D. Tính đồng nhất.

Khi nào thì kiểm định F được sử dụng trong phân tích hồi quy?

• A. Để kiểm tra xem một biến độc lập cụ thể có ý nghĩa thống kê hay không.
• B. Để kiểm tra xem toàn bộ mô hình hồi quy có ý nghĩa thống kê hay không.
• C. Để kiểm tra tính đa cộng tuyến giữa các biến độc lập.
• D. Để kiểm tra tính dừng của chuỗi thời gian.

Phương pháp nào sau đây thường được sử dụng để xử lý phương sai sai số thay đổi?

• A. Sử dụng sai số chuẩn mạnh (robust standard errors).
• B. Sử dụng kiểm định Durbin-Watson.
• C. Loại bỏ các biến độc lập.
• D. Tăng kích thước mẫu.

Khi nào thì nên sử dụng mô hình Logit hoặc Probit thay vì hồi quy tuyến tính?

• A. Khi biến phụ thuộc là biến liên tục.
• B. Khi biến phụ thuộc là biến nhị phân (binary).
• C. Khi có hiện tượng đa cộng tuyến.
• D. Khi các sai số không có phân phối chuẩn.

Hàm phản ứng đẩy (impulse response function) trong mô hình VAR được sử dụng để:

• A. Đo lường tác động của một cú sốc (shock) đối với một biến lên các biến khác trong hệ thống theo thời gian.
• B. Kiểm tra tính dừng của chuỗi thời gian.
• C. Ước lượng các hệ số trong mô hình hồi quy.
• D. Phát hiện phương sai sai số thay đổi.

Trong mô hình VAR (Vector Autoregression), mục tiêu chính là:

• A. Dự báo một biến duy nhất dựa trên các giá trị quá khứ của nó.
• B. Mô hình hóa mối quan hệ tương tác giữa nhiều chuỗi thời gian.
• C. Kiểm tra tính dừng của chuỗi thời gian.
• D. Phát hiện phương sai sai số thay đổi.

Hiện tượng đa cộng tuyến (multicollinearity) xảy ra khi:

• A. Có mối tương quan tuyến tính hoàn hảo hoặc gần hoàn hảo giữa hai hoặc nhiều biến độc lập trong mô hình hồi quy.
• B. Phương sai của sai số thay đổi theo giá trị của biến độc lập.
• C. Các sai số không độc lập với nhau.
• D. Mô hình hồi quy không tuyến tính.

Điều gì KHÔNG phải là một biện pháp để giảm thiểu tác động của đa cộng tuyến?

• A. Tăng kích thước mẫu.
• B. Loại bỏ một hoặc nhiều biến độc lập có tương quan cao.
• C. Biến đổi các biến độc lập (ví dụ: tạo biến tương tác).
• D. Sử dụng kiểm định Durbin-Watson.

Điều gì KHÔNG phải là một lợi ích của việc sử dụng dữ liệu bảng?

• A. Kiểm soát các biến số không quan sát được không đổi theo thời gian.
• B. Nghiên cứu động lực học của sự thay đổi.
• C. Giảm hiện tượng đa cộng tuyến.
• D. Tăng kích thước mẫu và độ mạnh của kiểm định.

Điều gì xảy ra nếu bạn bỏ qua một biến quan trọng trong mô hình hồi quy?

• A. Các ước lượng hệ số sẽ không chệch và hiệu quả.
• B. Các ước lượng hệ số có thể bị chệch và không nhất quán.
• C. Phương sai của sai số sẽ giảm.
• D. R-squared sẽ tăng lên.

Nếu bạn nghi ngờ rằng có một mối quan hệ phi tuyến tính giữa biến độc lập và biến phụ thuộc, bạn có thể:

• A. Loại bỏ biến độc lập đó khỏi mô hình.
• B. Sử dụng biến giả.
• C. Biến đổi biến độc lập (ví dụ: lấy logarit) hoặc thêm các số hạng bậc cao của biến đó vào mô hình.
• D. Sử dụng kiểm định Durbin-Watson.

Hàm tự tương quan (ACF) được sử dụng để:

• A. Đo lường mức độ tương quan giữa một chuỗi thời gian và các giá trị trễ của chính nó.
• B. Phát hiện phương sai sai số thay đổi.
• C. Kiểm tra tính dừng của chuỗi thời gian.
• D. Ước lượng các hệ số trong mô hình hồi quy.

Mục tiêu của việc dự báo chuỗi thời gian là:

• A. Giải thích các mối quan hệ nhân quả giữa các biến.
• B. Ước lượng các hệ số trong mô hình hồi quy.
• C. Dự đoán các giá trị tương lai của chuỗi dựa trên các giá trị quá khứ.
• D. Phát hiện phương sai sai số thay đổi.

Trong mô hình GARCH, mục tiêu chính là:

• A. Dự báo giá trị trung bình của một chuỗi thời gian.
• B. Mô hình hóa phương sai thay đổi theo thời gian (time-varying volatility).
• C. Kiểm tra tính dừng của chuỗi thời gian.
• D. Mô hình hóa mối quan hệ tuyến tính giữa các biến.

Khi nào thì nên sử dụng mô hình tác động cố định (fixed effects model) so với mô hình tác động ngẫu nhiên (random effects model) trong phân tích dữ liệu bảng?

• A. Khi các tác động riêng của các đơn vị (ví dụ: cá nhân, công ty) không tương quan với các biến độc lập.
• B. Khi các tác động riêng của các đơn vị có tương quan với các biến độc lập.
• C. Khi kích thước mẫu nhỏ.
• D. Khi không có biến độc lập nào.