Đề thi, bài tập trắc nghiệm online Kinh tế lượng – Đề 11

Để một biến được coi là một công cụ hợp lệ, nó phải đáp ứng hai điều kiện chính: (1) **Tính liên quan (relevance):** Công cụ phải có tương quan mạnh với biến độc lập nội sinh. (2) **Tính ngoại sinh (exogeneity):** Công cụ không được tương quan với sai số trong phương trình cấu trúc (ngoại trừ thông qua ảnh hưởng của nó lên biến nội sinh).

Mô hình tác động cố định phù hợp khi nghi ngờ có mối tương quan giữa các tác động riêng của từng đơn vị và các biến độc lập. Mô hình này loại bỏ tác động của các yếu tố bất biến theo thời gian có thể gây ra biến số bỏ sót (omitted variable bias).

Sai số loại II xảy ra khi chúng ta không bác bỏ giả thuyết null (H₀) mặc dù thực tế H₀ là sai. Nói cách khác, chúng ta bỏ lỡ việc phát hiện ra một hiệu ứng hoặc mối quan hệ thực sự tồn tại.

Một chuỗi thời gian được gọi là dừng nếu các đặc tính thống kê của nó, chẳng hạn như trung bình và phương sai, không thay đổi theo thời gian. Tính dừng là một yêu cầu quan trọng cho nhiều mô hình chuỗi thời gian để đảm bảo các ước lượng và dự báo là đáng tin cậy.

Kinh tế lượng tập trung vào việc 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 kiểm định các lý thuyết kinh tế.

Sai phân bậc nhất là một kỹ thuật biến đổi dữ liệu chuỗi thời gian bằng cách lấy hiệu giữa giá trị hiện tại và giá trị kỳ trước của chuỗi. Phương pháp này thường được sử dụng để loại bỏ xu hướng và làm cho chuỗi thời gian không dừng trở nên dừng, giúp mô hình hóa và dự báo hiệu quả hơn.

Mô hình Logit và Probit là các mô hình hồi quy tuyến tính tổng quát (GLM) được sử dụng khi biến phụ thuộc là biến nhị phân, tức là chỉ có hai giá trị có thể xảy ra (ví dụ: 0 hoặc 1, thành công hoặc thất bại).

Phương pháp biến công cụ (IV) là một kỹ thuật kinh tế lượng được sử dụng để ước lượng mối quan hệ nhân quả khi có sự hiện diện của nội sinh. Biến công cụ là một biến có tương quan với biến độc lập nội sinh nhưng không tương quan với sai số.

Kiểm định Durbin-Watson là một kiểm định thống kê được sử dụng để phát hiện sự hiện diện của tự tương quan bậc nhất trong phần dư (sai số) của phân tích hồi quy.

Biến số bỏ sót xảy ra khi một biến quan trọng, có ảnh hưởng đến biến phụ thuộc và đồng thời tương quan với ít nhất một biến độc lập đã được đưa vào mô hình, bị bỏ qua khỏi mô hình. Điều này dẫn đến ước lượng hệ số của các biến đã bao gồm trong mô hình bị chệch.

Sai số chuẩn là ước lượng độ lệch chuẩn của phân phối lấy mẫu của một thống kê, thường là ước lượng hệ số hồi quy. Nó đo lường độ không chắc chắn của ước lượng hệ số, với sai số chuẩn càng nhỏ, ước lượng càng chính xác.

Đa cộng tuyến là tình trạng xảy ra khi hai hoặc nhiều biến độc lập trong mô hình hồi quy có mối tương quan tuyến tính cao với nhau, gây khó khăn trong việc phân biệt tác động riêng rẽ của từng biến.

Biến giả là biến định lượng được tạo ra để biểu diễn các biến định tính, thường nhận giá trị 0 hoặc 1 để phân biệt giữa các nhóm hoặc trạng thái khác nhau (ví dụ: giới tính, khu vực địa lý, sự kiện).

Khi một biến định tính được biểu diễn bằng biến giả trong mô hình hồi quy, hệ số của biến giả đó đo lường sự khác biệt trung bình về biến phụ thuộc giữa nhóm được mã hóa (biến giả = 1) và nhóm tham chiếu (biến giả = 0), khi các biến độc lập khác được giữ không đổi. Nó thể hiện tác động riêng biệt của biến định tính đó.

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

Kiểm định Hausman là một kiểm định thống kê được sử dụng để quyết định xem nên sử dụng mô hình tác động cố định (fixed effects) hay mô hình tác động ngẫu nhiên (random effects) trong phân tích dữ liệu bảng. Kiểm định này kiểm tra sự khác biệt có hệ thống giữa các ước lượng từ hai mô hình.

Trong mô hình log-log (cả biến phụ thuộc và biến độc lập đều được lấy logarit), hệ số của biến độc lập được diễn giải xấp xỉ là phần trăm thay đổi của biến phụ thuộc khi biến độc lập tăng lên 1 phần trăm. Nó đo lường độ co giãn.

Giả định sai số có phân phối chuẩn là một giả định mong muốn cho các kiểm định thống kê và suy diễn, nhưng không phải là một trong những giả định CẦN THIẾT để OLS là ước lượng BLUE (Best Linear Unbiased Estimator). Các giả định cốt lõi bao gồm tuyến tính, không tự tương quan, không đa cộng tuyến hoàn hảo, và trung bình sai số bằng 0.

R-squared đo lường tỷ lệ phần trăm phương sai tổng cộng của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình hồi quy. Giá trị R-squared càng cao (gần 1), mô hình càng phù hợp với dữ liệu.

Phương sai sai số thay đổi không làm cho các ước lượng OLS trở nên chệch, nhưng chúng không còn là ước lượng tuyến tính không chệch tốt nhất (BLUE). Sai số chuẩn của các hệ số sẽ bị ước lượng sai lệch, dẫn đến các kiểm định giả thuyết không tin cậy.

Lệnh tích hợp cho biết số lần cần phải lấy sai phân (difference) của chuỗi thời gian để biến nó thành một chuỗi dừng. Ví dụ, một chuỗi I(1) cần được sai phân một lần để trở thành dừng.

ARIMA (Autoregressive Integrated Moving Average) là một lớp mô hình chuỗi thời gian mạnh mẽ được sử dụng để mô hình hóa và dự báo cả chuỗi thời gian dừng và không dừng. Nó kết hợp các thành phần tự hồi quy (AR), tích hợp (I - sai phân), và trung bình trượt (MA).

P-value là xác suất quan sát được một thống kê kiểm định có giá trị cực đoan ít nhất bằng giá trị thống kê kiểm định tính từ dữ liệu mẫu, giả định rằng giả thuyết null (H₀) là đúng. Nó thể hiện xác suất mắc lỗi loại I nếu ta bác bỏ H₀.

Kiểm định Wald và kiểm định Likelihood Ratio (LR) là các kiểm định thống kê thường được sử dụng để kiểm định các giả thuyết về các ràng buộc đối với các hệ số trong mô hình kinh tế lượng, đặc biệt trong các mô hình phi tuyến hoặc mô hình ước lượng hợp lý cực đại (MLE).

Khoảng tin cậy là một khoảng giá trị được xây dựng từ dữ liệu mẫu, sao cho có một mức độ tin cậy nhất định (ví dụ: 95%) rằng tham số tổng thể thực sự nằm trong khoảng đó. Nó cung cấp một ước lượng khoảng cho tham số tổng thể thay vì chỉ một ước lượng điểm.

OLS là phương pháp phổ biến để ước lượng các hệ số chưa biết trong mô hình hồi quy tuyến tính bằng cách giảm thiểu tổng bình phương phần dư.

Mô hình VAR là một mô hình chuỗi thời gian đa biến, được sử dụng để phân tích mối quan hệ tương tác và động giữa nhiều chuỗi thời gian cùng một lúc. Nó xem mỗi biến trong hệ thống như một hàm của chính nó và các biến khác trong hệ thống trễ đi một số kỳ.

Hệ số chặn trong mô hình hồi quy bội (thường ký hiệu là β₀) biểu thị giá trị kỳ vọng của biến phụ thuộc khi tất cả các biến độc lập trong mô hình đều được giữ ở mức 0.

Mức ý nghĩa (α) là xác suất tối đa mà chúng ta sẵn sàng chấp nhận mắc lỗi loại I (bác bỏ giả thuyết null khi nó đúng). Mức ý nghĩa phổ biến nhất trong kinh tế lượng và thống kê là α = 0.05 (5%), nghĩa là chúng ta chấp nhận rủi ro 5% bác bỏ giả thuyết null khi nó thực sự đúng.

Dữ liệu bảng kết hợp cả chiều không gian (các đơn vị quan sát khác nhau) và chiều thời gian, cho phép kiểm soát các yếu tố không quan sát được, bất biến theo thời gian (fixed effects) mà có thể gây ra biến số bỏ sót trong phân tích dữ liệu cắt ngang hoặc chuỗi thời gian.