Đề tài: Phân tích sản lượng và doanh thu ngành bưu chính viễn thông (giai đoạn 1995-2011). pptx

LỜI NÓI ĐẦU
1
MỤC LỤC
STT Họ và tên Công việc Ghi chú
1 LƯƠNG ĐÌNH LƯU
2 PHẠM DUY KHÁNH
3 TRẦN QUANG HỢP
2
CHƯƠNG I- PHÂN TÍCH BÀI TOÁN – BẢNG SỐ LIỆU
I. Phân tích bài toán
1. Tên đề tài: Phân tích sản lượng và doanh thu ngành bưu chính viễn thông
(giai đoạn 1995-2011).
2. Tập dữ liệu mà nhóm 13 nghiên cứu gồm 8 yếu tố với 17 bộ dữ liệu
Chúng ta nhận thấy biến phụ thuộc là biến Doanh thu (tỉ đồng). Ở dữ liệu này
có 6 biến độc lập là: Bưu phẩm đi có cước, Bưu kiện đi có cước, Thư và điện
chuyển tiền, Báo chí phát hành, Điện báo có cước, Điện thoại đường dài. Các
biến độc lập này dùng để dự đoán được biến phụ thuộc (Doanh thu).
3. Phương pháp phân tích bài toán
Với tập dữ liệu này ta sẽ dùng các phương pháp là hồi quy tuyến tính, phân
tích đặc trưng và phân tích chuỗi thời gian.
II. Bảng số liệu
3
Năm
Bưu phẩm đi có
cước (triệu cái)
Bưu kiện đi có
cước
(nghìn cái)
Thư và điện
chuyển tiền
(nghìn bức)

Báo chí phát
hành (triệu tờ)
Điện báo có
cước (triệu
tiếng)
1995 116.5 162.0 1365.0 223.5 49.6
1996 121.4 230.0 1744.0 238.9 45.9
1997 124.9 307.0 2408.0 214.8 42.0
1998 135.0 433.0 3358.0 225.6 35.0
1999 146.7 962.0 3751.0 239.6 28.2
2000 155.0 709.0 4412.0 299.1 0.0
2001 148.1 1080.0 4883.0 286.8 0.0
2002 162.3 789.9 5625.0 285.4 0.0
2003 181.6 1080.3 6518.0 307.9 0.0
2004 191.8 1378.0 7174.0 411.6 0.0
2005 238.3 1344.0 7723.0 432.3 0.0
2006 166.7 1297.0 8139.0 404.2 0.0
2007 234.7 1559.0 8786.0 396.5 0.0
2008 251.3 1753.0 8664.0 430.7 0.0
2009 332.9 2402.1 8183.0 577.2 0.0
2010 342.1 2526.0 9010.0 553.3 0.0
2011 393.4 2778.6 9460.0 608.6 0.0
4
CHƯƠNG II- PHÂN TÍCH ĐẶC TRƯNG
I- Phân tích đặc trưng
Chúng ta tiến hành phân tích từng thành phần số liệu riêng của từng sản
lượng của từng yếu tốvà rút ra các bảng kết quả sau:
 Chú thích
o Count: Số lượng mẫu.
o Average: Số trung bình.

o Median: Trung vị.
o Mode: Số trội.
o Variance: Phương sai.
o Standard deviation: Độ lệch chuẩn.
o Coeff. of variation: Hệ số biến thiên.
o Standard Error: Sai số chuẩn.
o Minimum: Trị số quan sát bé nhất.
o Maximum: Trị số quan sát lớn nhất.
o Range: Độ biến thiên.
o Skewness: Độ lệch của phân bố.
o Kurtosis: Độ nhọn của phân bố.
o Sum: Tổng các trị số quan sát.
Làm ví dụ với yếu tố “Bưu phẩm đi có cước”. Để phân tích đặc trưng ta
chọn: Analyze > Variable Data > One – Variable Analysis…
5
Đây là bảng phân tích đặc trưng nhận được
 Cách tính các giá trị trong bảng:
 Median Med=
 Variance S
2
=
 Standard deviation S
f
= = 84.3966
 Coeff. of variation C
v
= = 41.6749%
 Standard error

S

 Range = Maximum – Minimum
 Skewness == 1.89988
 Kurtosis = = 0.227539s
Kết luận:
 Nhận xét sơ bộ: Nhìn vào bảng kết quả ta quan tâm đến các thông số sau:
Skewness có giá trị >0 nên tập số liệu có xu hướng lớn hơn giá trị trung bình
và đồ thị phân bố có xu hướng “lệch trái” so với giá trị trung bình.
Kurtosis có giá trị >0 nên tập số liệu có xu hướng phân bố xung quanh giá trị
trung bình (Đồ thị phân bố của tập số liệu này “nhọn hơn phân phối chuẩn”)
6
CHƯƠNG III- PHÂN TÍCH HỒI QUY
I- Khái niệm
1. Khái niệm
Phân tích hồi quy là tìm quan hệ phụ thuộc của một biến, được gọi là biết
phụ thuộc vào một hoặc nhiều biến khác, được gọi là biến độc lập nhằm mục
đích ước lượng hoặc tiên đoán giá trị kỳ vọng của biến phụ thuộc khi biết trước
giá trị của biến độc lập.
2. Mục đích hồi quy:
+ Ước lượng trung bình biến phụ thuộc trong những điều kiện xác định của biến
giải thích.
+ Ước lượng các tham số.
+ Kiểm định về mối quan hệ.
+ Dự báo giá trị biến phụ thuộc khi biến giả thích thay đổi
3. Một số dạng hàm cơ bản trong phân tích hồi qui
3.1. Dạng hàm tuyến tính:
- Phương trình: Y
i
= β
1
+ β

2
X
i
+ u
i
- Ưu điểm:
+ Có tính đơn giản.
+ Mỗ lần X tăng thêm một đơn vị thì Y tăng thêm β
2
đơn vị
- Nhược điểm:
+ Tính đơn giản của hàm tuyến tính,bất kỳ lúc nào tác động của X phụ thuộc
vào các giá trị của X hoặc Y, thì dạng hàm tuyến tính không thể là dạng hàm
phù hợp.
3.2. Dạng hàm Bậc hai:
- Phương trình: Y
i
= β
1
+ β
2
X
i
+ β
3
X
i
2
+ u
i

7
- Khi X tăng thêm một đơn vị thì Y tăng thêm β
2
+ 2β
3
X
i
đơn vị. Nếu β
3
>0, thì
khi tăng lên
- Nếu β
3
< 0, thì khi X tăng lên tác động bổ sung của X đến Y giảm xuống.
- Nếu có đường biểu diễn chi phí thì chi phí biên sẽ là MC= β
2
+ 2β
3
Q
3.3. Dạng hàm logarit
- Phương trình: lnY
i
= β
1
+ β
2
lnX
i
+ u
i

- Nếu X thay đổi 1% thì Y sẽ thay đổi B
2
%; đây là tính chất đặc biệt của quan
hệ logarit.
II- Các thông số đánh giá
1. Hệ số tương quan R (Coefficient of correlation)
- Yếu tố nào có R càng lớn thì ảnh hưởng càng nhiều
- Theo như kết quả kiểm duyệt:
R < 0.3  không tương quan
0.3 < R < 0.7  có dấu hiệu
0.5 < R < 0.7  hơi tương quan
0.7 < R < 0.9 tương quan
R > 0.9  rất tương quan
2. Bình phương của hệ số tương quan (R square)
8
- Yếu tố nào có R
2
càng lớn thì mối quan hệ giữa yếu tố đó và biến y càng chặt
chẽ:
Trong đó:
SSE (Sum of Square
Error):
SST (Sum of Square Total):
Adjusted R –Square:
3. Sai số chuẩn (standard error – với hồi quy đơn là N-2)
4. Hệ số hồi quy B-độ nghiêng B (regression coefficient)
- Yếu tố nào có B cao thì ảnh hưởng nhiều hơn, tuy nhiên các yếu tố có đơn vị
khác nhau (năm, triệu cái, nghìn cái, triệu tờ, triệu tiếng,…) nên không thể so
sánh mức ảnh hưởng giữa các yếu tố. Nếu muốn so sánh phải đổi các yếu tố có
cùng đơn vị là độ lệch chuẩn, lúc đó ta có hệ số hồi qui chuẩn hóa: B

s
= B. /
( Với Sx là độ lệch chuẩn của x tương ứng và Sy là độ lệch chuẩn của y).
III- Hồi quy đơn biến
Xét độ nghiêng của đồ thị để xem mô hình có thể chấp nhận Ho hay Ha. Tức
là ta phải tính giá trị t
tính
và so sánh với giá trị t
bảng
:
- Nếu t
tính
> t
bảng
: chấp nhận Ha và kết luận mô hình đưa ra khá thích hợp với
dự báo
- Ngược lại nếu t
tính
< t
bảng
: chấp nhận Ho và kết luận mô hình không có ý
nghĩa, không đủ năng lực dự báo.
Phần mềm sử dụng là STATGRAPHIC.
Để phân tích hồi quy đơn biến ta làm như sau: vào Improve  Regression
Analysis  One factor  Simple Regression
1. Yếu tố “Bưu phẩm đi có cước”
Coefficients
Least Squares Standard T
Parameter Estimate Error Statistic P-Value
9

Intercept -31864.0 4116.35 -7.74084 0.0000
Slope 307.918 18.8445 16.3399 0.0000
Analysis of Variance
Source Sum of
Squares
Df Mean
Square
F-Ratio P-Value
Model 1.08054E10 1 1.08054E10 266.99 0.0000
Residual 6.0706E8 15 4.04707E7
Total (Corr.) 1.14124E10 16
Correlation Coefficient = 0.97304
R-squared = 94.6807 percent
R-squared (adjusted for d.f.) = 94.3261 percent
Standard Error of Est. = 6361.65
Mean absolute error = 3972.39
Durbin-Watson statistic = 2.40009 (P=0.7247)
Lag 1 residual autocorrelation = -0.231529
y = -31864 + 307.918*x1
Trong đó:
- Correlation Coefficient: Hệ số tương quan
- R-squared: hệ số xác định (bình phương R)
- Standard Error of Est: độ lệch chuẩn
- Mean absolute erro: trung bình lỗi
10
Đánh giá yếu tố “Bưu phẩm đi có cước” với biến phụ thuộc là “Doanh thu”
để xem số lượng bưu phẩm đi có cước ảnh hưởng thế nào đến doanh thu:
• Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là R=0.97304
điều đó cho thấy “Bưu phẩm đi có cước” rất tương quan với “Doanh thu”.
• Tiếp theo đến hệ số xác định R

2
= 94,6807% điều đó khẳng định được rằng yếu
tố “Bưu phẩm đi có cước” có khả năng giải thích khoảng 94,6807% sự thay đổi
của biến phụ thuộc chính là “Doanh thu”
• Ta so sánh đến giá trị P-value của biến độc lập này.
- Trước hết xin nói rõ ý nghĩa của giá trị P-value trong phân tích thống kê số liệu:
khi nhà nghiên cứu đã nghiên cứu ra một giả thuyết thì ông cũng pải định nghĩa
giả thuyết đảo cho nó (null hypothesis) tức là một giả thuyết ngược lại với
những gì mình nghiên cứu và tin nó là thật. Ví dụ như theo truyền thống trong y
học nếu giá trị xác suất nhỏ hơn 5% nhà nghiên cứu có thể bác bỏ đi giả thuyết
đảo còn nếu giá trị xác suất mà lớn 5% thì không có lý do gì để bác bỏ nó hay
chưa có bằng chứng đầy đủ dể bác bỏ nó nhưng cũng không có nghĩa là giả
thuyết đảo là đúng là sự thật.
11
Với yếu tố này Pvalue = 0.0000 điều này có nghĩa là yếu tố mà ta đang xét
gần như bác bỏ giả thuyết đảo của nó, và cũng gần như chấp nhận giả thuyết
đang tin tưởng đó là yếu tố “Bưu phẩm đi có cước” có ảnh hưởng nhiều đến
Doanh thu
• Đánh giá với độ lệch chuẩn: hầu hết ta mong đợi các giá trị quan sát của y nằm
trong khoảng phạm vi 2s của các giá trị y tính toán theo phương pháp bình
phương cực tiểu của chúng
• Ta sẽ kiểm định giả thuyết với giá trị độ dốc B
- Bác bỏ Ha nếu B = 0 và ngược lại bác bỏ Ho nếu B ≠ 0 (B > 0 hoặc B < 0)
- Giả định độ tin cậy P = 95%
Ta cót
tính
= 16.3399
So sánht
bảng
=

Ta nhậnthấyt
tính
>t
bảng
 Ta chấp nhận Ha và bác bỏ Ho. Điều này cho thấy mô hình mà ta đang xét với
một biến độc lập (Bưu phẩm đi có cước) là khá phù hợp và biến này có khả năng
giải thích cho biến phụ thuộc là Doanh thu.
2. Yếu tố “Bưu kiện đi có cước (nghìn cái)”
Coefficients
Least Squares Standard T
Parameter Estimate Error Statistic P-Value
Intercept -9231.65 3273.69 -2.81996 0.0129
Slope 32.4815 2.26514 14.3398 0.0000
Analysis of Variance
Source Sum of
Squares
Df Mean
Square
F-Ratio P-Value
Model 1.06365E10 1 1.06365E10 205.63 0.0000
Residual 7.75902E8 15 5.17268E7
Total (Corr.) 1.14124E10 16
Correlation Coefficient = 0.965408
R-squared = 93.2013 percent
R-squared (adjusted for d.f.) = 92.748 percent
12
Standard Error of Est. = 7192.14
Mean absolute error = 5576.68
Durbin-Watson statistic = 1.16837 (P=0.0163)
Lag 1 residual autocorrelation = 0.369967

Đánh giá yếu tố “Bưu kiện đi có cước” với biến phụ thuộc là “Doanh thu” để
xem số lượng bưu phẩm đi có cước ảnh hưởng thế nào đến doanh thu:
• Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là
R=0.965408 điều đó cho thấy “Bưu kiện đi có cước” rất tương quan với “Doanh
thu”.
13
• Tiếp theo đến hệ số xác định R
2
= 93,2013% điều đó khẳng định được rằng yếu
tố “Bưu kiện đi có cước” có khả năng giải thích khoảng 93,2013% sự thay đổi
của biến phụ thuộc chính là “Doanh thu”
• Ta so sánh đến giá trị P-value của biến độc lập này.
Với yếu tố này Pvalue = 0.0000 điều này có nghĩa là yếu tố mà ta đang xét
gần như bác bỏ giả thuyết đảo của nó, và cũng gần như chấp nhận giả thuyết
đang tin tưởng đó là yếu tố “Bưu kiện đi có cước” có ảnh hưởng nhiều đến
Doanh thu
- Giả định độ tin cậy P = 95%
Ta cót
tính
= 14,3398
So sánht
bảng
=
Ta nhậnthấyt
tính
>t
bảng
 Ta chấp nhận Ha và bác bỏ Ho. Điều này cho thấy mô hình mà ta đang xét với
một biến độc lập (Bưu kiện đi có cước) là khá phù hợp và biến này có khả năng
giải thích cho biến phụ thuộc là Doanh thu.

3. Yếu tố “Thư và điện chuyển tiền (nghìn bức)”
Coefficients
Least Squares Standard T
Parameter Estimate Error Statistic P-Value
Intercept -18892.3 8846.12 -2.13566 0.0496
Slope 8.29571 1.3586 6.10609 0.0000
Analysis of Variance
Source Sum of Squares Df Mean Square F-Ratio P-Value
Model 8.13829E9 1 8.13829E9 37.28 0.0000
Residual 3.27415E9 15 2.18277E8
Total (Corr.) 1.14124E10 16
Correlation Coefficient = 0.844457
R-squared = 71.3107 percent
R-squared (adjusted for d.f.) = 69.3981 percent
Standard Error of Est. = 14774.2
Mean absolute error = 11928.4
14
Durbin-Watson statistic = 0.278645 (P=0.0000)
Lag 1 residual autocorrelation = 0.755119
Đánh giá yếu tố “Thư và điện chuyển tiền” với biến phụ thuộc là “Doanh
thu” để xem số thư và điện chuyển tiền ảnh hưởng thế nào đến doanh thu:
• Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là
R=0.844457 điều đó cho thấy “Thư và điện chuyển tiền” tương quan với
“Doanh thu”.
• Tiếp theo đến hệ số xác định R
2
= 71,3107% điều đó khẳng định được rằng yếu
tố “Thư và điện chuyển tiền” có khả năng giải thích khoảng 71,3107% sự thay
đổi của biến phụ thuộc chính là “Doanh thu”
15

• Ta so sánh đến giá trị P-value của biến độc lập này.
Với yếu tố này Pvalue = 0.0000 điều này có nghĩa là yếu tố mà ta đang xét
gần như bác bỏ giả thuyết đảo của nó, và cũng gần như chấp nhận giả thuyết
đang tin tưởng đó là yếu tố “Thư và điện chuyển tiền” có ảnh hưởng nhiều đến
Doanh thu
- Giả định độ tin cậy P = 95%
Ta cót
tính
= 6,10609
So sánht
bảng
=
Ta nhậnthấyt
tính
>t
bảng
Ta chấp nhận Ha và bác bỏ Ho. Điều này cho thấy mô hình mà ta đang xét
với một biến độc lập (Thư và điện chuyển tiền) là khá phù hợp và biến này có
khả năng giải thích cho biến phụ thuộc là Doanh thu.
4. Yếu tố “Báo chí phát hành (triệu tờ)”
Coefficients
Least Squares Standard T
Parameter Estimate Error Statistic P-Value
Intercept -41489.8 5407.16 -7.67312 0.0000
Slope 199.431 14.1525 14.0915 0.0000
Analysis of Variance
Source Sum of Squares Df Mean Square F-Ratio P-Value
Model 1.06109E10 1 1.06109E10 198.57 0.0000
Residual 8.01543E8 15 5.34362E7
Total (Corr.) 1.14124E10 16

Correlation Coefficient = 0.964244
R-squared = 92.9766 percent
R-squared (adjusted for d.f.) = 92.5084 percent
Standard Error of Est. = 7310.01
Mean absolute error = 5100.44
Durbin-Watson statistic = 1.23012 (P=0.0238)
Lag 1 residual autocorrelation = 0.377733
16
Đánh giá yếu tố “Báo chí phát hành” với biến phụ thuộc là “Doanh thu” để
xem số lượng Báo chí phát hành ảnh hưởng thế nào đến doanh thu:
• Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là
R=0.964244 điều đó cho thấy “Báo chí phát hành” tương quan với “Doanh thu”.
17
• Tiếp theo đến hệ số xác định R
2
= 92,9766% điều đó khẳng định được rằng yếu
tố “Báo chí phát hành” có khả năng giải thích khoảng 92,9766% sự thay đổi của
biến phụ thuộc chính là “Doanh thu”
• Ta so sánh đến giá trị P-value của biến độc lập này.
Với yếu tố này Pvalue = 0.0000 điều này có nghĩa là yếu tố mà ta đang xét
gần như bác bỏ giả thuyết đảo của nó, và cũng gần như chấp nhận giả thuyết
đang tin tưởng đó là yếu tố “Báo chí phát hành” có ảnh hưởng nhiều đến Doanh
thu
- Giả định độ tin cậy P = 95%
Ta cót
tính
= 14,0915
So sánht
bảng
=

Ta nhậnthấyt
tính
>t
bảng
Ta chấp nhận Ha và bác bỏ Ho. Điều này cho thấy mô hình mà ta đang xét
với một biến độc lập (Báo chí phát hành) là khá phù hợp và biến nàycó khả năng
giải thích cho biến phụ thuộc là Doanh thu.
5. Điện báo có cước (triệutiếng)
Coefficients
Least Squares Standard T
Parameter Estimate Error Statistic P-Value
Intercept 39873.6 6465.78 6.16687 0.0000
Slope -794.566 291.723 -2.7237 0.0157
Analysis of Variance
Source Sum of Squares Df Mean Square F-Ratio P-Value
Model 3.7765E9 1 3.7765E9 7.42 0.0157
Residual 7.63594E9 15 5.09062E8
Total (Corr.) 1.14124E10 16
Correlation Coefficient = -0.575249
R-squared = 33.0911 percent
R-squared (adjusted for d.f.) = 28.6305 percent
Standard Error of Est. = 22562.4
18
Mean absolute error = 16018.1
Durbin-Watson statistic = 0.170905 (P=0.0000)
Lag 1 residual autocorrelation = 0.791327
Đánh giá yếu tố “Điện báo có cước” với biến phụ thuộc là “Doanh thu” để
xem số lượng Điện báo có cước ảnh hưởng thế nào đến doanh thu:
19
• Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là R=-

0.575249 điều đó cho thấy “Điện báo có cước” không tương quan với “Doanh
thu”.
• Tiếp theo đến hệ số xác định R
2
= 33,0911% điều đó khẳng định được rằng yếu
tố “Điện báo có cước” có khả năng giải thích khoảng 33,0911% sự thay đổi của
biến phụ thuộc chính là “Doanh thu”
• Với yếu tố này Pvalue = 0.0157
- Giả định độ tin cậy P = 95%
Ta cót
tính
= -2,7237
So sánht
bảng
=
Ta nhậnthấyt
tính
<t
bảng
Điều này cho thấy mô hình mà ta đang xét với một biến độc lập (Điện báo có
cước) là không phù hợp và biến này không có khả năng giải thích cho biến phụ
thuộc là Doanh thu.
6. Yếu tố “Điện thoại đường dài (triệu phút)”
Coefficients
Least Squares Standard T
Parameter Estimate Error Statistic P-Value
Intercept 8351.48 16592.7 0.503322 0.6220
Slope 7.56734 5.25046 1.44127 0.1701
Analysis of Variance
Source Sum of Squares Df Mean Square F-Ratio P-Value

Model 1.3882E9 1 1.3882E9 2.08 0.1701
Residual 1.00242E10 15 6.68282E8
Total (Corr.) 1.14124E10 16
Correlation Coefficient = 0.348768
R-squared = 12.1639 percent
R-squared (adjusted for d.f.) = 6.30819 percent
Standard Error of Est. = 25851.2
Mean absolute error = 19037.0
Durbin-Watson statistic = 0.162886 (P=0.0000)
20
Lag 1 residual autocorrelation = 0.759609
Đánh giá yếu tố “Điện thoại đường dài” với biến phụ thuộc là “Doanh thu”
để xem số lượng Điện thoại đường dài ảnh hưởng thế nào đến doanh thu:
21
• Nhìn vào kết quả phân tích ở trên ta thấy hệ số tương quan của nó là
R=0.348768 điều đó cho thấy “Điện thoại đường dài” có dấu hiệu tương quan
với “Doanh thu”.
• Tiếp theo đến hệ số xác định R
2
= 12,1639% điều đó khẳng định được rằng yếu
tố “Điện thoại đường dài” có khả năng giải thích khoảng 12,1639% sự thay đổi
của biến phụ thuộc chính là “Doanh thu”.
• Ta so sánh đến giá trị P-value của biến độc lập này.
Với yếu tố này Pvalue = 0.1701
- Giả định độ tin cậy P = 95%
Ta cót
tính
= 1,44127
So sánht
bảng

=
Ta nhậnthấyt
tính
t
bảng
.
IV- Hồi quy đa biến
1. Hồi quy đa biến tổng quát.
- Hàm hồi quy bộ tổng thể(PRF) : Y=
Trong đó:
+ : là hệ số tự do( hệ số chặn)
+ : là hệ số hồi qui riêng
: sai số ngẫu nhiên
- Hàm hồi quy mẫu(SRF):
Trong đó:
+ là ước lượng của giá trị trung bình của đối với biến đã biết
+ là ước lượng của
2. Hồi quy đa biến với bài toán
Multiple Regression - y
Dependent variable: y (doanhthu)
Independent variables:
x1 (buupham di co cuoc)
x2 (buukien di co cuoc)
x3 (thuvadienchuyentien)
x4 (Báo chí phát hành)
x5 (dienbao co cuoc)
22
x6 (dienthoaiduongdai)
Standard T
Parameter Estimate Error Statistic P-Value

CONSTANT -30039.9 9112.93 -3.2964 0.0081
x1 2.9149 75.8131 0.0384485 0.9701
x2 7.8266 7.85596 0.996263 0.3426
x3 7.26757 2.6746 2.71725 0.0217
x4 75.6154 40.1981 1.88107 0.0894
x5 244.327 132.18 1.84844 0.0943
x6 -7.88502 3.34897 -2.35446 0.0403
Analysis of Variance
Source Sum of Squares Df Mean Square F-Ratio P-Value
Model 1.12103E10 6 1.86838E9 92.44 0.0000
Residual 2.02128E8 10 2.02128E7
Total (Corr.) 1.14124E10 16
R-squared = 98.2289 percent
R-squared (adjusted for d.f.) = 97.1662 percent
Standard Error of Est. = 4495.87
Mean absolute error = 2514.35
Durbin-Watson statistic = 2.63941 (P=0.7280)
Lag 1 residual autocorrelation = -0.368815
23
y=-30039.9+2.9149*x1+7.8266*x2+7.26757*x3+75.6154*x4+244.327*x5-
7.88502*x6
- Theo bảng kết quả trên ta có R
2
= 98,2289% với giá trị này ta có thể đánh mô
hình rất thích hợp để lựa chọn.
- So sánh F
tính
và F
bảng
để kiểm định mô hình chấp nhận Ha hay Ho.

- Nhìn vào giá trị P-value ở cột bên trên thì ta nhận thấy hầu như không yếu tố
nào có giá trị thống kê. Ta nhận thấy trong phân tích hồi quy đơn (riênglẻ) thì
hầu hết các yếu tố có ý nghĩa thống kê.
24
V- Kết luận về mức độ ảnh hưởng của các yếu tố tới doanh thu
STT Cácyếutố Β α R R
2
P
1 Bưuphẩmđicócước 0,97304
2 Bưukiệnđicócước 0.965408
3 Thưvàđiệnchuyểntiền 0,844457
4 Báo chí phát hành 0,964244
5 Điện báo có cước -0,575249
6 Điện thoại đường dài 0.348768
Trongđó:
Β:Hệsốhồi qui α: điểmcắttrêntrụctung
R: hệsốtươngquan P: ý nghĩathốngkê
Ta cóthểviếtcácphươngtrìnhtuyếntínhđơnsau:
1. Doanhthu= -31864 + 307,918 *(Bưuphẩmđicócước)
2. Doanhthu = -9231,65 + 32,4815*(Bưukiệnđicócước)
3. Doanhthu = -18892,3 + 8,29571 *(Thưvàđiệnchuyểntiền)
4. Doanhthu = -41489,8 + 199,431 *(Báo chí phát hành)
5. Doanhthu = 39873,6–794,566 *(Điện báo có cước)
6. Doanhthu = 8351,48 + 7,56734 *(Điện thoại đường dài)
Nhìn vào bảng phân tích đơn biến ta thấy hệ số tương quan R của Bưu phẩm
đi có cước cao nhất (0,97304) > Bưu kiện đi có cước (0.965408) > Báo chí phát
hành (0,964244) > Thư và điện chuyển tiền (0,844457) > Điện thoại đường dài
(0.348768) > Điện báo có cước (-0,575249). Như vậy chỉ có Điện báo có cước
là yếu tố hầu như không có ảnh hưởng đến doanh thu.
Nếu nhìn trị số p ( P-value) ta thấy hầu hết các yếu tố đều có ý nghĩa thống

kê (trừ Điện thoại đường dài và Điện báo có cước).
25