Hướng dẫn chi tiết cách thực hành phân tích dự báo trên excel và eview 6
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.92 MB, 45 trang )
MỤC LỤC
LỜI CÁM ƠN 1
LỜI MỞ 2
ĐỀ TÀI TIỂU LUẬN SỐ 39 3
PHẦN MỘT: THỰC HIỆN TRÊN EXCEL 5
1. Thiết lập mô hình hồi quy mẫu 5
2. Phân tích kết quả thực nghiệm 5
PHẦN HAI: THỰC HIỆN TRÊN EVIEW 6 8
A - LÝ THUYẾT KIỂM ĐỊNH 8
1. Kiểm định Wald 8
2. Kiểm định White (minh họa với trường hợp 3 biến, trường hợp k biến được tổng quát
hóa tương tự) 8
3. Kiểm định Breusch – Godfrey (BG) 9
B – THỰC HÀNH TRÊN EVIEW 6 10
1. Chuyển dữ liệu từ Excel sang Eview 6 10
a. Lập bảng tham số thống kê của các biến độc lập và vẽ đồ thị 10
b. Lập ma trận Correlation gồm cả biến phụ thuộc và tất cả các biến độc lập 17
c. Ước lượng phương trình hồi quy trên Eview 6 20
2. Kiểm định Wald – Kiểm tra sự có mặt của biến không cần thiết 23
a. Kiểm định Wald với biến MAINT 24
b. Kiểm định Wald với biến GENDER 25
c. Kiểm định Wald với biến EXPER 25
d. Kiểm định Wald với biến CRAFTS 26
e. Kiểm định Wald với biến CLERICAL 26
3. Kiểm định White và kiểm định BG cho mô hình 28
a. Kiểm định White 28
b. Kiểm định BG 32
4. Dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân 34
KẾT LUẬN 44
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
LỜI CÁM ƠN
Em xin gởi lời cảm ơn chân thành tới:
- Ban Giám Hiệu trường Đại học Công Nghiệp TP.HCM đã tạo mọi điều kiện thuận
lợi nhất cho chúng em có một môi trường học tập và nghiên cứu có hiệu quả nhất.
- Th.S Đinh Kiệm đã tận tình giảng dạy, giúp em nắm bắt và vận dụng những kiến
thức từ môn Kinh tế lượng vào thực tế cũng như hướng dẫn chi tiết cách thực hành
phân tích, dự báo trên Excel và Eview 6 để em có thể hoàn thành đề tài tiểu luận một
cách tốt nhất.
Thành phố Hồ Chí Minh, ngày 30 tháng 10 năm 2012
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
LỜI MỞ
Kinh tế lượng là một bộ phận của Kinh tế học, được hiểu theo nghĩa rộng là
môn khoa học kinh tế giao thoa giữa thống kê học và toán kinh tế; hiểu theo nghĩa hẹp,
là ứng dụng toán, đặc biệt là các phương pháp thống kế vào kinh tế. Hai mục đích
chính của kinh tế lượng là: kiểm nghiệm lý thuyết kinh tế bằng cách xây dựng các mô
hình kinh tế (mà có khả năng kiểm định được) và chạy mô hình để kiểm tra các mô
hình đó xem chúng đưa ra kết quả chấp nhận hay phủ định lý thuyết kinh tế. Và Eview
là một công cụ “chuyên gia” có ưu điểm chính là có thể cho chúng ta kết quả nhanh
chóng khi tiến hành ước lượng, phân tích hồi quy cho các mô hình kinh tế.
Những năm gần đây, trong bối cảnh nền kinh tế đầy khó khăn, vấn đề lương và
tăng lương cho công nhân đã làm tốn không ít giấy mực của báo chí. Nhiều ý kiến,
quan điểm được đề xuất nhằm cải thiện tình hình nhưng tới nay, vấn đề điều chỉnh
mức lương vẫn còn gặp khá nhiều khó khăn và bất cập. Lương thấp, chế độ chưa thỏa
đáng, sự trì trệ trong việc trả lương của các doanh nghiệp khiến công nhân liên tục
“nhảy việc” để tìm kiếm lương cao nhưng thực tế tình trạng này đang gây ra không ít
khó khăn cho chính bản thân những công nhân này, những doanh nghiệp và cả các cơ
quan quản lý.
Đề tài tiểu luận số 39: Phân tích mô hình và dự báo mức lương hàng tháng của
công nhân với biến phụ thuộc WAGE và các biến giải thích MAINT, EXPER,
GENDER, CRAFTS, CLERICAL là một đề tài rất hay và mang tính thực tế. Sử dụng
phần mềm Eview 6, qua các bước đặt ra các giả thiết liên quan, thiết lập mô hình, ước
lượng tham số của mô hình, từ đó đánh giá sự phù hợp hay không của mô hình để đi
tới quyết định áp dụng nó vào dự báo thực tế…
Mặc dù đã rất cố gắng nhưng chắc chắn không tránh khỏi những sơ suất, cả về
hình thức cũng như nội dung của bài tiểu luận, mong thầy thông cảm và góp ý để em
có thể rút kinh nghiệm làm tốt hơn những bài tiểu luận về sau. Một lần nữa, em xin gởi
lời cảm ơn chân thành tới thầy – ThS. Đinh Kiệm.
Sinh viên thực hiện
Phạm Lộc
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
ĐỀ TÀI TIỂU LUẬN SỐ 39
Phần I : Trên Excel
Sử dụng dữ liệu Data BT 6 trên Excel, dùng Regression trên Data Analysis để ước
lượng hàm hồi quy mẫu có dạng sau :
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT
+ B6*CLERICAL
WAGE = mức lương tháng của công nhân (USD)
MAINT = 1 cho công nhân bảo trì, = 0 cho công nhân khác
GENDER = 1 cho nam giới , = 0 cho nữ
EXPER = Số năm làm việc cho công ty này
CRAFTS = 1 nếu làm trong nghề thủ công, = 0 nghề khác
CLERICAL = 1 cho công nhân văn phòng, = 0 cho công nhân khác
Phần II : Trên Eviews
a/ Hãy chuyển dữ liệu từ file Excel ở phần 1 sang thành dữ liệu dưới dạng workfile của
Eviews và lưu lại dưới tên : Data TL 39. Sau đó dùng công cụ Eviews để:
- Lập bảng các tham số thống kê của các biến độc lập, vẽ đồ thị các biến độc lập trên
cùng một bảng.
- Lập ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả các biến độc lập.
- Ước lượng phương trình hồi quy dưới dạng như ở câu phần I
b/ Hãy kiểm định Wald ( biến thừa ) cho 5 biến độc lập nêu trên
c/ Từ mô hinh câu a phần II hãy kiểm định White và BG cho mô hình này
d/ Hãy dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân theo
mô hình sau:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT
+ B6*CLERICAL
Cho biết EXPER = 27 năm, MAINT = 1, GENDER = 1, CRAFT = 1, CLERICAL = 0.
Và độ tin cậy 1- = 95% .
Biểu diễn trực quan đồ thị dự báo bằng cách vẽ đồ thị khoảng dự báo trung bình, dự
báo cá biệt, tương ứng với các cận trên và cận dưới theo số quan sát làm biến trên trục
hoành chung cho các đại lượng khác.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
BẢNG SỐ LIỆU:
STT
WAGE
MAINT
GENDER
EXPER
CRAFTS
CLERICAL
1
1345
0
0
2
0
1
2
2435
0
1
18
1
0
3
1715
1
1
4
0
0
4
1461
0
1
4
0
1
5
1639
0
1
3
1
0
6
1345
0
0
8
0
1
7
1602
0
0
6
0
1
8
1144
1
0
3
0
0
9
1566
1
1
23
0
0
10
1496
1
1
15
0
0
11
1234
0
0
9
0
1
12
1345
0
0
3
0
1
13
1345
0
0
14
0
1
14
3389
0
1
16
0
0
15
1839
1
1
20
0
0
16
981
1
1
5
0
0
17
1345
0
0
10
0
1
18
1566
0
0
4
0
1
19
1187
0
0
1
0
1
20
1345
0
0
10
0
1
21
1345
0
0
2
0
1
22
2167
1
1
17
0
0
23
1402
0
1
2
0
1
24
2115
0
1
15
1
0
25
2218
0
1
11
1
0
26
3575
0
1
1
0
0
27
1972
0
1
1
1
0
28
1234
0
0
2
0
1
29
1926
1
1
9
0
0
30
2165
0
0
15
0
0
31
2365
0
0
12
0
0
32
1345
0
0
5
0
1
33
1839
0
0
14
0
0
34
2613
0
1
14
1
0
35
2533
0
1
3
0
0
36
1602
0
0
5
0
1
37
1839
0
0
18
1
0
38
2218
0
1
1
0
0
39
1529
0
0
10
0
1
40
1461
0
1
10
1
0
41
3307
0
1
22
1
0
42
3833
0
1
3
0
0
43
1839
1
1
14
0
0
44
1461
0
0
5
0
1
45
1433
0
1
3
1
0
46
2115
0
0
15
0
0
47
1839
1
1
13
0
0
48
1288
1
1
9
0
0
49
1288
0
0
4
1
0
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
PHẦN MỘT: THỰC HIỆN TRÊN EXCEL
1. Thiết lập mô hình hồi quy mẫu
i 1 2 2i 3 3i 4 4i 5 5i 6 6i i
Y B B X B X B X B X B X e
Biến phụ thuộc:
WAGE : Mức lương tháng (USD).
Biến giải thích:
X
2i
= MAINT : Giá trị là 1 nếu là công nhân bảo trì, là 0 nếu là công nhân khác.
X
3i
= GENDER : Giá trị là 1 nếu là nam giới, là 0 nếu là nữ giới.
X
4i
= EXPER : Số năm làm việc cho công ty này.
X
5i
= CRAFTS : Giá trị là 1 nếu làm trong nghề thủ công, là 0 nếu là nghề khác.
X
6i
= CLERICAL : Giá trị là 1 cho công nhân văn phòng, là 0 nếu là công nhân khác.
2. Phân tích kết quả thực nghiệm
a. Kết quả chạy mô hình từ Excel:
Ta lập được mô hình hồi quy mẫu :
i
2i 3i 4i
5i 6i i
Y = 2093,84399-1353,91998X +629,49664X + 25,49901X
- 855,64872X -917,28246X e
Trong đó:
- B
1
= 2093,84399: Khi các biến giải thích MAINT, GENDER, EXPER, CRAFTS,
CLERICAL đồng thời bằng 0 thì trung bình mức lương tháng (WAGE) của công nhân
là 2093,84399 USD/tháng.
Regression Statistics
Multiple R 0.826969671
R Square 0.683878837
Adjusted R Square 0.647120562
Standard Error 385.0953216
Observations 49
ANOVA
df SS MS F Significance F
Regression 5 13795280.47 2759056.094 18.60475885 0.0000000008
Residual 43 6376831.488 148298.4067
Total 48 20172111.96
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 2093.843991 184.5291762 11.34695355 0.000000000 1721.70544 2465.982541 1721.70544 2465.982541
MAINT -1353.919978 185.479599 -7.299562781 0.000000005 -1727.975238 -979.8647172 -1727.975238 -979.8647172
GENDER 629.4966388 152.7576896 4.120883476 0.000168685 321.4313979 937.5618796 321.4313979 937.5618796
EXPER 25.49901114 9.944328907 2.564176163 0.013918591 5.44436061 45.55366168 5.44436061 45.55366168
CRAFTS -855.6487246 179.4415316 -4.768398468 0.000021532 -1217.527062 -493.7703875 -1217.527062 -493.7703875
CLERICAL -917.282458 176.3356609 -5.201911248 0.000005212 -1272.89721 -561.6677061 -1272.89721 -561.6677061
SUMMARY OUTPUT
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
- B
2
= -1353,91998: Trong điều kiện các yếu tố khác không đổi thì lương tháng của
công nhân bảo trì thấp hơn công nhân khác là 1353,91998 USD.
- B
3
= 629,49664: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công
nhân nam cao hơn công nhân nữ là 629,49664 USD.
- B
4
= 25,49901: Trong điều kiện các yếu tố khác không đổi, khi số năm làm việc của
công nhân tăng lên 1 năm sẽ làm lương tháng công nhân đó tăng 25,49901 USD.
- B
5
= -855,64872: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công
nhân làm trong nghề thủ công thấp hơn công nhân làm trong nghề khác 855,64872
USD.
- B
6
= -917,28246: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công
nhân văn phòng thấp hơn công nhân khác 917,28246 USD.
b. Giải thích một số ký hiệu:
- R Square: Hệ số xác định. Trong 100% sự biến động của biến phụ thuộc Y thì có
bao nhiêu % sự biến động là do các biến độc lập X ảnh hưởng, còn lại là do sai số
- Standard Error: Sai số chuẩn của Y do hồi quy.
- Observation: Số quan sát hay dung lượng mẫu.
- F: Trị số F-Fisher dùng làm căn cứ để kiểm định độ tin cậy về mặt khoa học (thống
kê) của toàn bộ phương trình hồi quy.
- Residual (cột MS): Trị số sigma ước lượng bình phương.
- t Stat: Tiêu chuẩn t dùng làm căn cứ để kiểm định độ tin cậy về mặt khoa học của
mối liên hệ giữa biến độc lập với biến phụ thuộc.
- P-value: Xác suất để t
kd
> t Stat, là các trị xác suất tiêu chuẩn tới hạn.
- Coefficients: Hệ số chặn và các hệ số hồi quy riêng.
- Lower 95%, Upper 95%, Lower 98%, Upper 98%: Cận dưới và cận trên của
khoảng ước lượng cho các tham số với độ tin cậy 95% và độ tin cậy 98%.
c. Nhận xét:
- R Square = R
2
= 0,683878837 ≈ 68,39%. Nghĩa là trong 100% sự biến động của
biến phụ thuộc WAGE thì có 68,39 % sự biến động là do các biến độc lập ảnh hưởng,
còn lại là do sai số ngẫu nhiên hoặc các các yếu tố khác ngoài mô hình.
- F = F
kd
= 18,60475885 > F
α
(k-1,n-k) = F
0.05
(6-1,49-6) = 2,43223647
Ta đi tìm F
α
(k-1,n-k) bằng hàm FINV với cú pháp :
=FINV(probability, deg_freedom1, deg_freedom2)
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Trong đó: probability là mức ý nghĩa, deg_freedom1 và deg_freedom2 là các số bậc tự
do thứ nhất (k-1) và thứ hai (n-k) (với k là số biến độc lập và n là số quan sát của mô
hình)
Thực hiện hàm =FINV(0.05,5,43) cho F
0.05
(6-1,49-6) trong Excel ta được kết quả
F
0.05
(6-1,49-6) = 2.43223647
- Các giá trị P-value của các biến độc lập đều nhỏ hơn mức ý nghĩa α=0,05. Vậy các
biến đưa vào mô hình là hợp lý.
Kết luận: Mô hình phù hợp ở mức độ khá.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
PHẦN HAI: THỰC HIỆN TRÊN EVIEW 6
A - LÝ THUYẾT KIỂM ĐỊNH
1. Kiểm định Wald
Xét 2 mô hình:
1 2 2 m m m 1 m 1 k k
(U):Y X X X X U
(mô hình không giới hạn)
1 2 2 m m
(R):Y X X V
(mô hình giới hạn)
Lập giả thiết:
0 m 1 m 2 k
H : 0
Nghĩa là mô hình không tồn tại, hay các biến độc lập hoàn toàn không giải thích cho
biến phụ thuộc
Giả thiết đối:
1
H:
Có ít nhất một β
j
≠ 0
Sử dụng trị thống kê kiểm định đối với giả thiết này là:
RU
c
U
[RSS RSS ]/ (K m)
F
RSS / (n K)
Với:
RSS
R
(hay ESS): tổng bình phương phần dư e
i
của mô hình giới hạn.
RSS
U
: tổng bình phương phần dư e
i
của mô hình không giới hạn.
Nguyên tắc ra quyết định:
Ta bác bỏ giả thiết H
0
nếu F
c
> F
(K-m, n-K,α)
là trị số F
tra bảng
, điều đó có nghĩa mô hình
trên là tồn tại.
Hoặc ta có thể dùng tiêu chuẩn so sánh giá trị của thống kê p-value = P (F>F
0
) < α
(nhỏ hơn mức ý nghĩa cho trước) ta đi đến kết luận bác bỏ giả thiết H
0
.
2. Kiểm định White (minh họa với trường hợp 3 biến, trường hợp k biến được
tổng quát hóa tương tự)
Xét mô hình:
i 1 2 2i 3 3i i
Y X X U
Bước 1: Trước tiên ta ước lượng phương trình trên để tính các phần dư e
i
Bước 2: Ta thực hiện hồi quy mô hình phụ dưới dạng sau:
2 2 2
i 1 2 2i 3 3i 4 2 i 5 3i 6 2i 3i i
e X X (X ) (X ) X X V
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Bước 3: Tính trị thống kê kiểm định nR
2
, với n là số quan sát của mẫu, R
2
là hệ số xác
định bội của mô hình phụ
Bước 4: Từ giả thiết H
0
:
23456
0
(không có hiện tượng phương sai
thay đổi) xem xét nếu nR
2
>
2
(df)
ta bác bỏ giả thiết H
0
, nghĩa là có hiện tượng
phương sai thay đổi (df là bậc tự do, tức là thông số hồi quy m của mô hình phụ không
tính hằng số C ở bước 2)
3. Kiểm định Breusch – Godfrey (BG)
Xét mô hình hồi quy gốc có dạng: Y
i
= a + bX
i
+ U
i
Giả sử trong mô hình xảy ra hiện tượng tự tương quan bậc p, ký hiệu AR(p), tức là các
phần dư được biểu diễn dưới dạng sau:
i 1 1 i 1 2 i 2 3 i 3 p i p i
U U U U U
Với ε
i
thỏa các giả thiết OLS. Ta có giả thiết kiểm định như sau:
0 1 2 3 p
H : 0
(mô hình U
i
là không tồn tại và mô hình hồi quy gốc
không xảy ra hiện tượng tự tương quan)
Bước 1: Ước lượng mô hình hồi quy gốc để tính các phần dư e
i
Bước 2:
i i 1 i 1 2 i 2 p i p i
e X e e e V
và tính R
2
(1c)
Bước 3: So sánh nếu (n-p)R
2
(1c)
>
2
(p)
thì bác bỏ giả thiết H
0
, có nghĩa là mô hình
gốc có hiện tượng tự tương quan bậc p.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
B – THỰC HÀNH TRÊN EVIEW 6
1. Chuyển dữ liệu từ Excel sang Eview 6
a. Lập bảng tham số thống kê của các biến độc lập và vẽ đồ thị
Lập bảng tham số thống kê:
Chọn các biến giải thích, phải chuột vào vùng chọn, chọn Open > as Group
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Xuất hiện bảng:
Vào View > Descriptive Stats > Common Sample
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Ta có bảng thống kê như sau:
Giải thích:
Mean: Giá trị trung bình
Median: Trung vị
Maximum: Giá trị lớn nhất
Minimum: Giá trị nhỏ nhất
Std. Dev. (Standard Deviation): Độ lệch chuẩn
Skenewness: Độ bất cân xứng
Kurtosis: Độ nhọn
Jarque - Bera: Giá trị phân phối Jarque-Bera dùng để kiểm định phân phối chuẩn
Probability: Giá trị xác suất tới hạn
Sum: Tổng các giá trị
Sum Sq. Dev. (Sum Square Deviation): Tổng bình phương các sai số tiêu chuẩn
Observations: Số quan sát
Nhận xét:
- Thứ nhất, ta thấy được độ lệch chuẩn của biến EXPER (=6,256153) là khá cao, trong
khi giá trị trung bình là 8,836735, điều đó cho thấy độ phân tán của biến này xung
quanh giá trị trung bình khá cao. Hơn nữa, biến này có giá trị lớn nhất là 23 và giá trị
nhỏ nhất là 1, qua đó có thể kết luận được, biến EXPER trong các quan sát không có
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
mức độ tương đồng cao mà rải rác ở nhiều giá trị khác nhau. Nghĩa là số năm làm việc
của công nhân trong công ty chênh lệch nhau khá nhiều.
- Thứ hai, giá trị trung bình của biến MAINT là 0,224490 < 0,5 cho thấy số công nhân
bảo trì trong công ty chiếm không tới một nửa số công nhân; giá trị trung bình của
biến GENDER là 0,530612 > 0,5 cho thấy số công nhân nam trong công ty đông hơn
số công nhân nữ; giá trị trung bình của biến CRAFTS là 0,224490 < 0,5 cho thấy số
công nhân làm trong nghề thủ công trong công ty chiếm không tới một nửa số công
nhân; giá trị trung bình của biến CLERICAL là 0,367347 < 0,5 cho thấy số công nhân
văn phòng trong công ty chiếm không tới một nửa số công nhân.
Vẽ đồ thị các biến độc lập:
Thực hiện lại các thao tác ở trên để có được bảng sau :
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Vào View > Graph…
Xuất hiện hộp thoại Graph Options, tại đây ta chuyển đổi giữa các Tab để thiết lập các
mục để có được biểu đồ theo ý muốn, sau đó nhấn OK.
Ở đây chọn kiểu đồ thị là Distributation:
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Các biến MAINT, GENDER, CLERICAL, CRAFTS là các biến giả nên chỉ có 2 giá
trị là 1 và 0. Tần suất của các giá trị của biến độc lập EXPER và biến phụ thuộc
WAGE chênh lệch nhau khá nhiều.
Thực hiện thống kê mô tả cho biến EXPER: Từ hộp lệnh của Eview 6 ta gõ hist
exper và nhấn Enter trên bàn phím.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Nhận thấy Probability = 0,157548 > α = 0,05 nên ta kết luận, biến exper có phân
phối chuẩn.
Thực hiện thống kê mô tả cho biến WAGE: Từ hộp lệnh của Eview 6 ta gõ hist
wage và nhấn Enter trên bàn phím.
Nhận thấy Probability = 0,157548 > α = 0,05 nên ta kết luận, biến exper có phân
phối chuẩn.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
b. Lập ma trận Correlation gồm cả biến phụ thuộc và tất cả các biến độc lập
Mở các biến ở chế độ Group:
Vào View > Covariance Analysis…
Xuất hiện hộp thoại Covariance Analysis > Tại mục Statistics chọn Correlation.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Ta có ma trận Correlation Matrix :
Nhận xét:
Các biến CLERICAL và GENDER giải thích ở mức tương đối cho biến WAGE; các
biến CRAFTS, EXPER, MAINT giải thích không tốt lắm cho biến WAGE.
Mức tương quan giữa biến GENDER với các biến CLERICAL, MAINT là khá cao,
mô hình có thể xảy ra hiện tượng cộng tuyến giữa các biến này.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
- Chạy mô hình hồi quy phụ giữa biến GENDER với biến CLERICAL:
Nhận thấy Prob(F-statistic) = 0,000000 < α = 0,05 (mức ý nghĩa α =5%) nên ta kết
luận mô hình hồi quy phụ này tồn tại. Vậy thực sự có hiện tượng cộng tuyến giữa 2
biến này. R-squared = 0,416544 = 41,65% cho thấy 41,65% sự thay đổi của biến này
do biến kia giải thích, sự cộng tuyến giữa 2 biến độc lập này khá cao, không thực sự
tốt cho mô hình.
- Chạy mô hình hồi quy phụ giữa biến GENDER với biến MAINT:
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Nhận thấy Prob(F-statistic) = 0,002112 < α = 0,05 (mức ý nghĩa α =5%) nên ta kết
luận mô hình hồi quy phụ này tồn tại. Vậy thực sự có hiện tượng cộng tuyến giữa 2
biến này. R-squared = 0,180368 = 18,04% cho thấy 18,04% sự thay đổi của biến này
do biến kia giải thích, sự cộng tuyến giữa 2 biến độc lập này ở mức chấp nhận được.
c. Ước lượng phương trình hồi quy trên Eview 6
Mở biến phụ thuộc và các biến giải thích ở chế độ as Equation… (Phải chọn biến phụ
thuộc trước rồi mới chọn lần lượt các biến giải thích).
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Giao diện kết quả chạy hồi quy:
Ta lập được mô hình hồi quy mẫu :
i
2i 3i 4i
5i 6i i
Y = 2093,844-1353,920X +629,4966X + 25,49901X
-855,6487X -917,2825X e
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Từ hộp lệnh của Eview 6 ta gõ scalar f=@qfdist(0.95,5,43) để tìm F
α
(k-1,n-k)
Nhận xét:
- Hệ số xác định R
2
= 0,683879 nghĩa là mô hình giải thích tương đối tốt sự thay đổi
của biến phụ thuộc WAGE.
- Giá trị kiểm định F-statistic = 18,60476 > F
α
(k-1,n-k) = F
0,05
(5,43) = 2,432236472
nên mô hình kiểm định là hợp lý.
- Sai số tiêu chuẩn S.E. of regression = 385,0953, giá trị trung bình của biến phụ
thuộc WAGE là Mean dependent var = 1820,204.
- Giá trị p-value của các biến giải thích đều nhỏ hơn 0,05 nên độ phù hợp của các biến
độc lập là rất tốt.
Kết luận: Mô hình phù hợp ở mức độ khá.
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
2. Kiểm định Wald – Kiểm tra sự có mặt của biến không cần thiết
Tiến hành kiểm định đồng thời, ta vào View > Coefficient Tests > Wald – Coefficient
Restrictions…
Hộp thoại Wald Test xuất hiện, gõ C(1)=C(2)=C(3)=C(4)=C(5)=0 để kiểm định đồng
thời:
Kết quả kiểm định:
Blog “Share to be shared” – Blogger Phạm Lộc
Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com
BLOG “SHARE TO BE SHARED”
Nhận xét:
Từ kết quả trên, ta thấy được giá trị Probability của F-statistic là 0,0000<0,05 (mức ý
nghĩa α=0,05), vậy bác bỏ giả thiết H
0
, nghĩa là các biến giải thích MAINT, GENDER,
EXPER, CRAFTS, CLERICAL đồng thời ảnh hưởng tới biến phụ thuộc WAGE.
a. Kiểm định Wald với biến MAINT
Gõ vào hộp thoại Wald Test: C(1)=0
