Bài toán về kiểm định có dấu khi n 10 năm 2024
(hệ số góc): cho biết khi biến độc lập Xm tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝜷𝒎| đơn vị, với điều kiện các yếu tố khác không đổi. Show
𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽3. 𝑋𝑖2 + 𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập X bằng 0 thì trung bình biến phụ thuộc là 𝛽1 đơn vị. +) Xét dấu hệ số 𝛽3 (vẽ đồ thị): 𝛽3 \> 0 có cực tiểu, 𝛽3 < 0 có cực đại. Mối quan hệ X-Y: 𝛽3 \> 0 thì ban đầu X tăng Y giảm rồi sau đó X tăng Y tăng, 𝛽3 < 0 thì ban đầu X tăng Y tăng rồi sau đó X tăng Y giảm. +) Tại điểm X0 cụ thể: 𝑌x0, \= 𝛽2 + 2𝛽3. 𝑋0 \= 𝑎 Cho biết tại điểm X0, khi X tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝒂| đơn vị. +) Điểm cực trị: 𝑋∗ \=
𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽3. 𝑍𝑖 + 𝛽4. 𝑋𝑖 ∗ 𝑍𝑖 + 𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập X=Z=0 thì trung bình biến phụ thuộc là 𝛽1 đơn vị. 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝜷𝟐| đơn vị, với điều kiện các yếu tố khác =0. 𝛽3(hệ số góc): cho biết khi biến độc lập Z tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝜷𝟑| đơn vị, với điều kiện các yếu tố khác =0. 𝛽4(hệ số góc): cho biết tác động của X đến Y phụ thuộc vào độ lớn của Z và tác động của Z đến Y phụ thuộc độ lớn của X.
𝑌𝑖 \= 𝛽1 + 𝛽2/𝑋𝑖 + 𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập 𝑋 → ∞ thì trung bình biến phụ thuộc đạt cực trị là 𝛽1 đơn vị. +) Xét dấu hệ số 𝛽2 (vẽ đồ thị): 𝛽2 \> 0 thì trung bình biến phụ thuộc đạt cực tiểu là 𝛽1 đơn vị, 𝛽2 < 0 thì trung bình biến phụ thuộc đạt cực đại là 𝛽1 đơn vị. +) Mối quan hệ X-Y: 𝛽2 \> 0 thì X tăng Y giảm, 𝛽2 < 0 thì X tăng Y tăng.
𝑙𝑜𝑔𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑙𝑜𝑔𝑋𝑖 + 𝑢𝑖 𝑌𝑖\= 𝑒𝛽1 . 𝑋𝑖𝛽2. 𝑒𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập cùng bằng 1 đơn vị thì trung bình biến phụ thuộc là 𝑒𝛽1đơn vị. 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 % thì trung bình biến phụ thuộc thay đổi |𝛽𝟐| %, với điều kiện các yếu tố khác không đổi.
𝑙𝑜𝑔𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝑢𝑖 𝑌𝑖 \= 𝑒𝛽1+𝛽2.𝑋𝑖+𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập bằng 0 thì trung bình biến phụ thuộc là 𝑒𝛽1 đơn vị. 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝛽𝟐| × 𝟏𝟎𝟎%. 𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑙𝑜𝑔𝑋𝑖 + 𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập bằng 1 đơn vị thì trung bình biến phụ thuộc là 𝛽1 đơn vị. 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 % thì trung bình biến phụ thuộc thay đổi |𝛽𝟐|/𝟏𝟎𝟎 đơn vị.
𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽3. 𝐷 + 𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập bằng 0 thì trung bình biến phụ thuộc ở trạng thái D=0 là 𝛽1 đơn vị. 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝛽𝟐| đơn vị. 𝛽3(hệ số góc): cho biết ở các mức X tương ứng thì trung bình biến phụ thuộc ở trạng thái D=1 chênh lệch so với trạng thái D=0 là |𝖰𝟑| đơn vị. 𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽4. 𝐷𝑋𝑖 + 𝑢𝑖 𝛽1(hệ số chặn): cho biết khi biến độc lập bằng 0 thì trung bình biến phụ thuộc là 𝛽1 đơn vị. 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc ở trạng thái D=0 thay đổi |𝛽𝟐| đơn vị. 𝛽4(hệ số góc): cho biết khi X tăng (giảm) 1 đơn vị thì mức thay đổi trung bình biến phụ thuộc ở trạng thái D=1 chênh lệch so với trạng thái D=0 là |𝛽𝟒| đơn vị.
𝑌𝑡 \= 𝛼 + 𝛽0. 𝑋𝑡 + 𝛽1. 𝑋𝑡−1 + 𝛽2. 𝑋𝑡−2 + ⋯ + 𝛽𝑝. 𝑋𝑡−𝑝 + 𝑢𝑡 𝛼 (hệ số chặn): cho biết khi biến độc lập ở các thời kỳ cùng bằng 0 thì trung bình biến phụ thuộc là 𝛼 đơn vị. 𝛽0(hệ số góc): cho biết khi biến độc lập X hiện tại tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc ở thời điểm hiện tại thay đổi |𝖰𝟎| đơn vị. 𝛽1(hệ số góc): cho biết khi biến độc lập X trước đó 1 thời kỳ tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc ở thời điểm hiện tại thay đổi |𝖰𝟏| đơn vị, với điều kiện các yếu tố khác không đổi. cho biết khi biến độc lập X hiện tại tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc ở sau đó 1 thời kỳ thay đổi |𝖰𝟏| đơn vị, với điều kiện các yếu tố khác không đổi.
𝑌𝑡 \= 𝛽1 + 𝛽2. 𝑋𝑡 + 𝛽3. 𝑇 + 𝑢𝑡 𝛽1(hệ số chặn): cho biết khi biến độc lập bằng 0 ở thời điểm gốc (T=0) thì trung bình biến phụ thuộc là 𝛽1 đơn vị (lưu ý trường hợp cho T=1 là gốc) 𝛽2(hệ số góc): cho biết khi biến độc lập X tăng (giảm) 1 đơn vị thì trung bình biến phụ thuộc ở thời điểm hiện tại thay đổi |𝖰𝟐| đơn vị. 𝛽3(hệ số góc): cho biết cứ sau 1 thời kỳ thì trung bình biến phụ thuộc có xu thế thay đổi |𝖰𝟑| đơn vị, với điều kiện các yếu tố khác không đổi. * Yêu cầu:
DẠNG 2: SUY DIỄN THỐNG KÊ
2.2.Lý thuyết cần nhớ Bước 1: Xác định hệ số cần ước lượng/ kiểm định (xem lại ý nghĩa kinh tế các hệ số) - Hệ số riêng 𝛽𝑗 - Hệ số đồng thời 𝛽 \= 𝑎𝛽𝑖 ± 𝑏𝛽𝑗 (cách tính 𝛽̂, 𝑠𝑒(𝛽̂)) Khoảng thay đổi của Y khi 2 biến thay đổi: Mức thay đổi Xi Mức thay đổi Xj Mức thay đổi Y Tăng a Tăng b Tăng a Giảm b Giảm a Tăng b Giảm a Giảm b Bước 2: Xác định bài toán ước lượng:
Công thức khoảng tin cậy của hệ số: KTC đối xứng: KTC tối đa: KTC tối thiểu: Bước 3: Xác định bài toán kiểm định (suy luận với |𝛽̂| và |𝛽|)
- Kết luận: 𝑇𝑞𝑠 ∈ 𝑊𝛼: bác bỏ H0 𝑇𝑞𝑠 ∉ 𝑊𝛼: chưa có cơ sở bác bỏ H0 Kiểm định Tiêu chuẩn Miền bác bỏ 𝐻0: 𝛽 \= 𝛽∗ {𝐻1: 𝛽 ≠ 𝛽∗ 𝑊 \= {𝑇: |𝑇| > 𝑡(𝑛−𝑘)} 𝛼 𝛼/2 𝐻0: 𝛽 ≥ 𝛽∗ {𝐻1: 𝛽 < 𝛽∗ 𝑊 \= {𝑇: 𝑇 < −𝑡(𝑛−𝑘)} 𝛼 𝛼 𝐻0: 𝛽 ≤ 𝛽∗ {𝐻1: 𝛽 \> 𝛽∗ 𝑊 \= {𝑇: 𝑇 \> 𝑡(𝑛−𝑘)} 𝛼 𝛼 * Lưu ý các kiểm định đặc biệt:
𝐻0: 𝛽𝑗 \= 0 {𝐻1: 𝛽𝑗 ≠ 0
𝐻0: 𝛽𝑗 \= 0 {𝐻1: 𝛽𝑗 ≠ 0 X có ảnh hưởng đến Y 𝐻0: 𝛽𝑗 ≤ 0 {𝐻1: 𝛽𝑗 \> 0 X có ảnh hưởng cùng chiều đến Y 𝐻0: 𝛽𝑗 ≥ 0 {𝐻1: 𝛽𝑗 < 0 X có ảnh hưởng ngược chiều đến Y
𝐻0: |𝛽𝑖| = |𝛽𝑗| {𝐻1: |𝛽𝑖| ≠ |𝛽𝑗| Xi, Xj tác động như nhau đến Y 𝐻0: |𝛽𝑖| ≤ |𝛽𝑗| {𝐻1: |𝛽𝑖| > |𝛽𝑗| Xi tác động mạnh hơn Xj 𝐻0: |𝛽𝑖| ≥ |𝛽𝑗| {𝐻1: |𝛽𝑖| < |𝛽𝑗| Xi tác động yếu hơn Xj
𝐻0: 𝛽2 + 𝛽3 \= 1 {𝐻1: 𝛽2 + 𝛽3 ≠ 1 Hàm SX không đổi (thay đổi) {𝐻0: 𝛽2 + 𝛽3 ≤ 1 𝐻1: 𝛽2 + 𝛽3 \> 1 Hàm SX tăng {𝐻0: 𝛽2 + 𝛽3 ≥ 1 𝐻1: 𝛽2 + 𝛽3 < 1 Hàm SX giảm
{𝐻0: 𝛽3 \= 0 𝐻1: 𝛽3 ≠ 0 Không có chênh lệch hệ số chặn 𝐻0: 𝛽4 \= 0 {𝐻1: 𝛽4 ≠ 0 Không có chênh lệch hệ số góc {𝐻0: 𝛽3 \= 𝛽4 \= 0 𝐻1: 𝛽2 + 𝛽2 ≠ 0 3 4 Không có chênh lệch 2 hệ số
DẠNG 3: PHÂN TÍCH HÀM HỒI QUY3. Các câu hỏi thường gặp
3.2.Lý thuyết cần nhớ
Cách 1: sử dụng miền bác bỏ 2 𝐹 \= 𝑅 /(𝑘−1) (1−𝑅2)/(𝑛−𝑘) 𝑊 \= {𝐹: 𝐹 \> 𝑓(𝑘−1,𝑛−𝑘)} 𝛼 𝛼 − 𝐹𝑞𝑠 ∈ 𝑊𝛼: bác bỏ − 𝐹𝑞𝑠 ∉ 𝑊𝛼: chưa có cơ sở bác bỏ H0 Cách 2: sử dụng p-value
Xác định mô hình lớn (có nhiều biến), mô hình nhỏ (có ít biến) Cặp kiểm định tương ứng (theo các hệ số thêm vào hoặc bớt đi) Tiêu chuẩn kiểm định: Miền bác bỏ 𝑊 : − 𝐹𝑞𝑠 ∈ 𝑊𝛼: bác bỏ − 𝐹𝑞𝑠 ∉ 𝑊𝛼: chưa có cơ sở bác bỏ H0 * Lưu ý: ứng dụng kiểm định bỏ biến cho kiểm định với hàm có biến giả (hàm hồi quy đồng nhất, kiểm định biến X hoặc D có ảnh hưởng đến Y) DẠNG 4: ĐÁNH GIÁ MÔ HÌNH
4.2.Lý thuyết cần nhớ TT Giả thiết OLS Vi phạm Khuyết tật Hậu quả Phát hiện Khắc phục Lưu ý 1 𝑬(𝑼⁄𝑿) = 𝟎 𝑬(𝑼⁄𝑿) ≠ 𝟎 Định dạng hàm sai (Mô hình thiếu biến) - Ước lượng OLS bị chệch à Không thể dùng dự báo hay suy diễn thống kê Kiểm định Ramsey - Thêm biến Gây hậu quả nghiêm trọng nhất (1) 2 𝒗𝒂𝒓(𝑼⁄𝑿) ≡ 𝝈𝟐 hay 𝒗𝒂𝒓(𝑼𝒊) \= 𝒗𝒂𝒓(𝑼𝒋) 𝒗𝒂𝒓(𝑼⁄𝑿) ≅ 𝝈𝟐 hay 𝒗𝒂𝒓(𝑼𝒊) ≠ 𝒗𝒂𝒓(𝑼𝒋) Phương sai sai số thay đổi
Kiểm định White
quát GLS Hay xảy ra với số liệu chéo (2) 3 𝑼~𝑵(𝟎, 𝝈𝟐) 𝑼 ≁ 𝑵(𝟎, 𝝈𝟐) Sai số ngẫu nhiên không phân phối chuẩn
suy diễn thống kê không đáng tin cậy Kiểm định JB (Jacque- Bera) - Tăng kích thước mẫu Gây ít hậu quả nhất, không có hồi quy phụ (5) 4 𝒄𝒐𝒗(𝑿𝒊, 𝑿𝒋) = 𝟎 𝒄𝒐𝒗(𝑿𝒊, 𝑿𝒋) ≠ 𝟎 Đa cộng tuyến
* Tuy nhiên đây vẫn là ước lượng tuyến tính không chệch, tốt nhất cho mẫu nhưng có thể không có ý nghĩa kinh tế. Hồi quy phụ các biến độc lập
Chỉ xảy ra với mô hình hồi quy bội (có ≥ 2 biến độc lập) (4) 5 𝒄𝒐𝒗(𝑼𝒕, 𝑼𝒔) = 𝟎 𝒄𝒐𝒗(𝑼𝒕, 𝑼𝒔) ≠ 𝟎 Tự tương quan
Kiểm định DW (Durbin- Watson) Kiểm định BG (Breusch- Godfrey)
phân tổng quát
Orcutt Hay xảy ra với số liệu chuỗi (số liệu chéo không xét) (2) Kết quả ước lượng bằng Eviews Dependent Variable: Y Method: Least Squares Sample(adjusted): 1 12 Included observations: 12 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 32.27726 6.253073 5.161823 0.0006 X2 2.505729 0.328573 7.626105 0.0000 X3 4.758693 0.410384 11.59572 0.0000 R-squared 0.975657 Mean dependent var 141.3333 Adjusted R-squared 0.970247 S.D. dependent var 23.20789 S.E. of regression 4.003151 Akaike info criterion 5.824358 Sum squared resid 144.2269 Schwarz criterion 5.945585 Log likelihood -31.94615 F-statistic 180.3545 Durbin-Watson stat 2.527238 Prob(F-statistic) 0.000000 1.Kiểm định dạng hàm bằng kiểm định Ramsey RESET Ramsey RESET Test: number of fitted term: 1 F-statistic 0.434041 Probability 0.528515 Log likelihood ratio 0.634014 Probability 0.425887 Test Equation: Dependent Variable: Y Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C 15.89090 25.69746 0.618384 0.5535 X2 3.676299 1.808903 2.032337 0.0766 X3 6.810923 3.143733 2.166508 0.0622 FITTED^2 -0.001588 0.002410 -0.658818 0.5285 R-squared 0.976909 F-statistic 112.8200 Durbin-Watson stat 2.805915 Prob(F-statistic) 0.000001
White Heteroskedasticity Test: cross term F-statistic 0.843820 Probability 0.564521 Obs*R-squared 4.954369 Probability 0.421474 Test Equation: Dependent Variable: RESID^2 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C -302.2919 201.0729 -1.503394 0.1834 X2 31.71005 20.36090 1.557400 0.1704 X2^2 -0.879882 0.520465 -1.690568 0.1419 X2*X3 0.206625 0.536312 0.385270 0.7133 X3 0.587451 10.18193 0.057695 0.9559 X3^2 -0.075395 0.534322 -0.141104 0.8924 R-squared 0.412864 F-statistic 0.843820 Durbin-Watson stat 2.579780 Prob(F-statistic) 0.564521 3.Kiểm định hiện tượng sai số ngẫu nhiên phân phối chuẩn bằng kiểm định Jarque-Bera Normality Test: JB 0.985686 Probability 0.349875
Dependent Variable: X2 Included observations: 12 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 13.11995 4.359437 3.009550 0.0131 X3 0.599730 0.346453 1.731059 0.1141 R-squared 0.230566 F-statistic 2.996565 Durbin-Watson stat 1.684565 Prob(F-statistic) 0.114120 Dependent Variable: X3 Included observations: 12 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 4.317495 4.620929 0.934335 0.3721 X2 0.384449 0.222089 1.731059 0.1141 R-squared 0.230566 F-statistic 2.996565 Durbin-Watson stat 1.819293 Prob(F-statistic) 0.114120 5.a.Kiểm định hiện tượng tự tương quan bằng kiểm định Durbin-Watson Với α = 5%, kích thước mẫu = n và số biến giải thích là k’ = k-1: Durbin – Watson đã xây dựng bảng các giá trị cận dưới d (Lower), cận trên d (Upper) để làm căn cứ kết luận. 0 ---- dL- dU - 4-dU -- 4-dL----- 4 5.b.Kiểm định hiện tượng tự tương quan bằng kiểm định Breusch-Godfrey Breusch-Godfrey Serial Correlation LM Test: AR(1) F-statistic 0.985686 Probability 0.349875 Obs*R-squared 1.316342 Probability 0.251250 Test Equation: Dependent Variable: RESID Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C -0.801269 6.309879 -0.126986 0.9021 X2 0.038385 0.331099 0.115931 0.9106 X3 0.009196 0.410815 0.022385 0.9827 RESID(-1) -0.348885 0.351409 -0.992817 0.3499 R-squared 0.109695 F-statistic 0.328562 Durbin-Watson stat 1.853452 Prob(F-statistic) 0.805069 *Cách thực hiện kiểm định các khuyết tật theo ví dụ trên: Mô hình gốc: ${{\gamma }_{i}}={{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2i}}+{{\beta }_{3}}.{{X}_{3i}}+{{u}_{i}}$
Khuyết tật 1: Định dạng hàm sai
${{\gamma }_{i}}={{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2i}}+{{\beta }_{3}}.{{X}_{3i}}+{{\alpha }_{m}}.\overset{\wedge }{\mathop{\gamma }}\,_{i}^{m+1}+{{u}_{i}}$ ***REPAIRED***
Tiêu chuẩn kiểm định:$F=\frac{(R_{P}{2}-{{R}{2}})/m}{(1-R_{P}{2})/(n-k-m)}$ Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ F:F>f_{\alpha }{(m.n-k-m)}\left. {} \right\} \right.$ Lưu ý: số nhâm tử thêm vào (number of fitted) Khuyết tật 2: Phương sai sai số thay đổi
$e_{i}{2}={{\alpha }_{1}}+{{\alpha }_{2}}.{{X}_{2i}}+{{\alpha }_{3}}.{{X}_{3i}}+{{\alpha }_{4}}.X_{2i}{2}+{{\alpha }_{5}}.X_{3i}{2}+{{\alpha }_{6}}.{{X}_{2i}}.{{X}_{3i}}+{{v}_{i}}(P)$ Xây dựng mô hình hồi quy phụ (no cross – không có tích chéo) $e_{i}{2}={{\alpha }_{1}}+{{\alpha }_{2}}.{{X}_{2i}}+{{\alpha }_{3}}.{{X}_{3i}}+{{\alpha }_{4}}.X_{2i}{2}+{{\alpha }_{5}}.X_{3i}{2}+{{v}_{i}}(P)$
Lưu ý: chỉ dùng cross hoặc no-cross, số hệ số trong hồi quy phụ là m Khuyết tật 3: sai số nẫu nhiên không phân phối chuẩn
Tiêu chuẩn kiểm định:${{\chi }{2}}=n.(\frac{{{S}{2}}}{6}+\frac{{{(K-3)}^{2}}}{24})$ Miền bác bỏ: ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ {{\chi }{2}}:{{\chi }{2}}>\chi _{\alpha }^{2(2)} \right\}$ Khuyết tật 4: Đa cộng tuyến - Bước 1: Xây dựng mô hình hồi quy phụ - Bước 2: kiểm định khuyết tật Khuyết tật 5: Tự tương quan (BG) - Bước 1: Ước lượng mô hình gốc thu được phần dư e và các trễ của nó - Bước 2: Xây dựng mô hình hồi quy phụ $\begin{align} & {{e}_{t}}=({{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2t}}+{{\beta }_{3}}.{{X}_{3t}})+{{p}_{1}}.{{e}_{t-1}}+...+{{p}_{p}}.{{e}_{t-p}}+{{v}_{t}}\left( L \right) \\ & {{e}_{t}}=({{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2t}}+{{\beta }_{3}}.{{X}_{3t}})+{{v}_{t}}\left( N \right) \\ \end{align}$ - Bước 3: Kiểm định khuyết tật Tiêu chuẩn kiểm định: $F=\frac{(R_{L}{2}-R_{N}{2})/p}{(1-R_{L}^{2})/(n-k-p)}$ Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ F:F>f_{\alpha }^{(p,n-k-p)} \right\}$ Tiêu chuẩn kiểm định: ${{X}{2}}=n.R_{L}{2}$ Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ {{X}{2}}:{{X}{2}}>X_{\alpha }^{2(p)} \right\}$ Lưu ý: Bậc tự tương quan kiểm định AR(p), số hệ số trong hồi quy phụ là (k+p), số quan sát theo lý thuyết là (n-p) nhưng phần mềm tự thay bằng giá trị 0 nên số quan sát thực tế là n. |