Đề thi, bài tập trắc nghiệm online Kinh tế lượng – Đề 5

Giá trị p (p-value) là xác suất để quan sát được kết quả thống kê, hoặc một kết quả cực đoan hơn, nếu giả thuyết gốc (H0) là đúng. Giá trị p nhỏ (thường nhỏ hơn mức ý nghĩa α, ví dụ 0.05) cung cấp bằng chứng chống lại giả thuyết gốc.

Vấn đề nhận dạng (identification problem) là một thách thức trung tâm trong kinh tế lượng ứng dụng, liên quan đến việc phân biệt mối quan hệ nhân quả thực sự giữa các biến với tương quan đơn thuần. Nó đặt ra câu hỏi liệu dữ liệu có đủ thông tin để ước tính một cách đáng tin cậy các tham số của mối quan hệ nhân quả mà chúng ta quan tâm hay không.

Hiệu ứng cố định (fixed effects) trong dữ liệu bảng được sử dụng để kiểm soát các yếu tố không quan sát được (unobserved heterogeneity) là không đổi theo thời gian nhưng khác nhau giữa các đơn vị quan sát (ví dụ, các quốc gia, các công ty). Nó loại bỏ ảnh hưởng của các yếu tố này để tập trung vào tác động của các biến quan sát được.

Kiểm định tính vững (robustness check) là một phần quan trọng của phân tích kinh tế lượng. Mục đích là để kiểm tra xem kết quả chính của nghiên cứu có 'vững chắc' hay không, tức là có nhạy cảm với những thay đổi nhỏ trong các giả định, phương pháp phân tích, hoặc dữ liệu được sử dụng hay không. Kết quả vững chắc làm tăng độ tin cậy của nghiên cứu.

Kinh tế lượng sử dụng các phương pháp thống kê để đo lường và kiểm định các mối quan hệ kinh tế dựa trên dữ liệu thực tế, từ đó định lượng hóa và kiểm chứng các lý thuyết kinh tế.

Đa cộng tuyến (multicollinearity) xảy ra khi có mối tương quan tuyến tính mạnh giữa hai hoặc nhiều biến độc lập trong mô hình hồi quy. Điều này gây khó khăn trong việc phân biệt tác động riêng rẽ của từng biến độc lập lên biến phụ thuộc.

Kiểm định Durbin-Watson là một kiểm định thống kê được sử dụng phổ biến để phát hiện tự tương quan bậc nhất (tương quan giữa sai số của một thời kỳ với sai số của thời kỳ trước đó) trong sai số của các mô hình chuỗi thời gian.

Phương sai sai số thay đổi (heteroscedasticity) không làm cho ước lượng OLS trở nên chệch, nhưng nó làm cho ước lượng trở nên không hiệu quả (phương sai lớn hơn) và các kiểm định giả thuyết (ví dụ, kiểm định t, kiểm định F) trở nên không tin cậy do phương sai của các hệ số ước lượng bị ước tính sai.

Phương pháp 'sai phân trong sai phân' (DID) là một phương pháp kinh tế lượng bán thực nghiệm được sử dụng rộng rãi để ước lượng tác động nhân quả của một chính sách hoặc can thiệp. Nó đặc biệt phù hợp khi có một 'nhóm được can thiệp' (treatment group) và một 'nhóm đối chứng' (control group), và can thiệp xảy ra tại một thời điểm cụ thể.

Phương pháp biến công cụ (IV) là một kỹ thuật kinh tế lượng được sử dụng để giải quyết vấn đề nội sinh. IV hoạt động bằng cách tìm một biến công cụ có tương quan với biến độc lập nội sinh nhưng không tương quan với sai số.

Tính dừng (stationarity) trong chuỗi thời gian là một thuộc tính quan trọng, có nghĩa là các đặc tính thống kê của chuỗi, như trung bình, phương sai và tự tương quan, không thay đổi theo thời gian. Nhiều phương pháp phân tích chuỗi thời gian yêu cầu chuỗi phải dừng.

Biến giả (dummy variable) là biến định lượng nhận giá trị 0 hoặc 1 để biểu diễn các thuộc tính định tính, ví dụ như giới tính, khu vực địa lý, hoặc sự kiện đặc biệt. Chúng cho phép đưa các yếu tố định tính vào mô hình hồi quy.

Bootstrapping là một kỹ thuật lấy mẫu lại được sử dụng để ước tính sai số chuẩn, khoảng tin cậy và giá trị p, đặc biệt hữu ích khi các giả định OLS không được đáp ứng hoặc khi phân phối lý thuyết của thống kê kiểm định không được biết hoặc khó xác định. Nó dựa trên việc lấy mẫu có hoàn lại từ dữ liệu gốc.

Sai số chuẩn (standard error) của hệ số hồi quy ước lượng là ước tính độ lệch chuẩn của phân phối lấy mẫu của hệ số đó. Nó đo lường mức độ biến động của ước lượng hệ số qua các mẫu khác nhau, và do đó, độ chính xác của ước lượng.

Kiểm định F trong hồi quy đa biến kiểm tra giả thuyết gốc rằng tất cả các hệ số của các biến độc lập (ngoại trừ hệ số chặn) đồng thời bằng 0. Nó đánh giá xem liệu nhóm các biến độc lập có ý nghĩa thống kê chung trong việc giải thích biến phụ thuộc hay không.

Odds Ratio trong mô hình Logit là tỷ lệ giữa 'odds' thành công và 'odds' thất bại. 'Odds' là tỷ lệ giữa xác suất thành công và xác suất thất bại. Odds Ratio cho biết sự thay đổi tương đối trong 'odds' khi biến độc lập thay đổi một đơn vị.

Mô hình hồi quy lượng tử (Quantile Regression) là một phương pháp hồi quy cho phép ước lượng trung vị và các phân vị khác (ví dụ, phân vị 25%, 75%) của phân phối có điều kiện của biến phụ thuộc, thay vì chỉ ước lượng giá trị trung bình có điều kiện như trong hồi quy OLS truyền thống. Điều này cho phép phân tích tác động của biến độc lập lên các phần khác nhau của phân phối biến phụ thuộc.

'Overfitting' (quá khớp) xảy ra khi một mô hình kinh tế lượng trở nên quá phức tạp và 'học thuộc lòng' dữ liệu mẫu được sử dụng để ước lượng. Mặc dù mô hình có thể phù hợp rất tốt với dữ liệu mẫu, nhưng nó thường có khả năng dự báo kém trên dữ liệu mới hoặc dữ liệu ngoài mẫu do đã bắt được cả 'nhiễu' trong dữ liệu mẫu.

Phương pháp Maximum Likelihood Estimation (MLE) là một phương pháp ước lượng tham số thống kê bằng cách tìm các giá trị tham số làm cực đại hóa hàm правдоподобие (likelihood function). Hàm правдоподобие đo lường mức độ 'khả правдоподобие' (likelihood) của việc quan sát dữ liệu mẫu, giả định một phân phối xác suất cụ thể cho dữ liệu.

Kiểm định Hausman là một kiểm định thống kê được sử dụng trong phân tích dữ liệu bảng để giúp lựa chọn giữa mô hình hiệu ứng cố định (fixed effects) và mô hình tác động ngẫu nhiên (random effects). Kiểm định này dựa trên sự khác biệt giữa các ước lượng từ hai mô hình.

Mô hình CGE, mặc dù liên quan đến kinh tế và có thể sử dụng dữ liệu, nhưng thường thuộc về lĩnh vực mô hình hóa kinh tế và phân tích chính sách hơn là kinh tế lượng truyền thống. Kinh tế lượng tập trung vào các phương pháp thống kê để phân tích dữ liệu kinh tế.

Các giả định OLS cơ bản (Gauss-Markov) không yêu cầu biến độc lập tuân theo phân phối chuẩn. Các giả định chính bao gồm tính tuyến tính, ngoại sinh của biến độc lập, sai số có phương sai không đổi, không tự tương quan và trung bình của sai số bằng 0.

Phương pháp sai phân bậc nhất (first differencing) trong dữ liệu bảng có thể giúp loại bỏ ảnh hưởng của các yếu tố không quan sát được không đổi theo thời gian, từ đó giảm thiểu vấn đề nội sinh do bỏ sót biến và cải thiện tính nhất quán của ước lượng.

R-squared (hệ số xác định) đo lường tỷ lệ phần trăm biến thiên tổng cộng của biến phụ thuộc được giải thích bởi mô hình hồi quy. Giá trị R-squared càng cao (gần 1) thì mô hình càng phù hợp với dữ liệu.

Nội sinh (endogeneity) xảy ra khi có mối tương quan giữa biến độc lập và sai số trong mô hình hồi quy. Điều này vi phạm giả định ngoại sinh của OLS và dẫn đến ước lượng chệch và không nhất quán.

Hệ số chặn (intercept) trong hồi quy tuyến tính biểu thị giá trị trung bình của biến phụ thuộc khi tất cả các biến độc lập bằng 0. Đây là điểm cắt của đường hồi quy với trục tung.

Phương pháp GMM (Generalized Method of Moments) là một phương pháp ước lượng linh hoạt và tổng quát. Ưu điểm chính của GMM là tính nhất quán và hiệu quả trong nhiều tình huống, đặc biệt là khi có nội sinh và phương sai sai số thay đổi, và không yêu cầu giả định phân phối chặt chẽ như phương pháp Maximum Likelihood.

Mô hình VAR (Vector Autoregression) là một phương pháp phân tích chuỗi thời gian được sử dụng để mô hình hóa mối quan hệ tương tác và phụ thuộc lẫn nhau giữa nhiều chuỗi thời gian. VAR cho phép tất cả các biến trong hệ thống là nội sinh.

Mô hình Probit và Logit là các mô hình hồi quy phi tuyến được sử dụng khi biến phụ thuộc là biến nhị phân (binary) hoặc biến định tính, tức là biến chỉ nhận hai giá trị (ví dụ, 0 hoặc 1, thành công hoặc thất bại).

Nghiệm đơn vị (unit root) là một đặc điểm của chuỗi thời gian không dừng. Sự hiện diện của nghiệm đơn vị cho thấy chuỗi có tính chất ngẫu nhiên và các cú sốc có tác động kéo dài vĩnh viễn.