phân tích kết quả mô hình xem có phù hợp hay không và đi tới quyết định có sử dụng nó vào trong dự báo

Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

LỜI CẢM ƠN

Em xin gửi lời cảm ơn chân thành tới:
-

Ban Giám Hiệu và các thầy cô đang công tác tại trường Đại học Cơng

Nghiệp Thành phố Hồ Chí Minh đã tạo điều kiện về thời gian, cơ sở vật chất giúp chúng
em có được thuận lợi trong suốt q trình học tập tại trường.
-

Th.S Đinh Kiệm đã tận tình hướng dẫn chỉ bảo để chúng em hoàn thành

đúng và đủ nội dung của bài tiểu luận qua đó chúng em có thể học tốt môn Kinh tế
lượng và dự báo, một trong những điều kiện để trở thành một nhà kinh tế tài giỏi trong
tương lai.

TP Hồ Chí Minh, ngày 20 tháng 11 năm 2011

Nguyễn Thị Kim Yến

3

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

NHẬN XÉT CỦA GIẢNG VIÊN
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................
....................................................................................................................................

Nguyễn Thị Kim Yến

4

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

LỜI MỞ ĐẦU

Kinh tế lượng là một môn khoa học ra đời trong những năm 30 của thế kỷ 20. Sự ra đời
của kinh tế lượng liên quan đến việc phát triển rộng rãi những phép toán và thống kê
trong các lĩnh vực đa ngành như: sinh vật học, tâm lý học, xã hội học, đặc biệt việc tốn
học hóa đã có chú trọng nhiều đến lĩnh vực kinh tế.
Kinh tế lượng là tập hợp các cơng cụ nhằm mục đích dự báo các biến số kinh tế. Và
Eviews là một công cụ có ưu điểm chính là có thể cho chúng ta kết quả nhanh chóng khi
tiến hành ước lượng, phân tích và hàm hồi quy cho các mơ hình kinh tế.
Do đó khi thực hiện đề tài tiểu luân số 17 liên quan tới phân tích mơ hình và dự báo giá
bán nhà tại quận Cam bang California với biến phụ thuộc là SALEPRIC và 4 biến độc
lập SQFT, GARAGE, CITY, AGE, em đã sử dụng phần mềm Eviews 6 cho đề tài tiểu
luận này. Qua các bước đặt ra các giả thiết liên quan, thiết lập mơ hình, ước lượng tham
số của mơ hình, phân tích kết quả mơ hình xem có phù hợp hay khơng và đi tới quyết
định có sử dụng nó vào trong dự báo.

Nguyễn Thị Kim Yến

5

Mssv: 09205301

Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

ĐỀ TL SỐ 17

Phần I : trên Excel
Sử dụng dữ liệu Data BT 11 trên Excel, dùng Regression trên Data Analysis để ước
lượng hàm hồi quy mẫu có dạng sau :
SALEPRIC = B1 + B2*SQFT + B3*GARAGE +B4*CITY + B5*AGE
SALEPRIC : giá bán nhà tại quận Cam,bang California (nghìn USD)
SQFT :
diện tích nhà tính bằng feet vng
GARAGE : số chỗ đậu xe hơi trong garage
CITY : =
1 đối với nhà ở Coto de Caza, = 0 nếu ở Dove Canyon
AGE :
tuổi thọ căn nhà tinh theo năm
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 17. Sau đó dùng cơng 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 biền độc lập.
- Ước lượng phương trình hồi quy dưới dạng như ở câu phần I
b/ Hãy kiểm định Wald ( biến thừa ) cho 4 biến độc lập nêu trên
c/ Từ mô hinh câu a phần II hãy kiểm định White và BG cho mơ hình này
d/ Hãy dự báo giá trị trung bình và giá trị cá biệt của giá bán nhà theo mơ hình sau:
SALEPRIC = C1 + C2*SQFT + C3*GARAGE +C4*CITY + C5*AGE

Cho biết: SQFT = 7400, GARAGE = 4 ,CITY = 0, AGE = 10
Và độ tin cậy 1- α = 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.

Nguyễn Thị Kim Yến

6

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

BẢNG SỐ LIỆU
Số liệu được cho như sau:
SALEPRIC: Giá bán tính bằng nghìn USD
SQFT:Diện tích nhà tính bằng feet vng
GARAGE: Số chỗ đậu xe hơi
CITY: =1 nếu nhà ở city Côt de Caza, = 0 nếu ở Dove Canyon
AGE: Tuổi thọ của nhà tính bằng năm
obs
1
2
3
4
5

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

SALEPRIC SQFT GARAGE CITY AGE
350
2583

3
0
5
360
3308
3
0
3
365
2926
3
0
2
372
3050
3
0
8
373
3528
3
0
3
373
2830
3
0
4
375
3521

3
0
7
349
3003
3
0
4
380
3230
3
0
8
380
3230
3
0
7
380
3230
3
0
7
380
2900
3
0
7
380
3080

3
0
3
370
3080
3
0
3
380
3525
3
0
4
385
3050
3
0
7
385
3050
3
0
8
389
3528
3
0
4
390
2680

3
0
3
390
3500
3
0
8
390
3521
3
0
7
390
2700
3
0
2
392
2662
3
0
4
392
3371
3
0
3
392
3371

3
0
4
393
3371
3
0
3
395
2900
3
0
4
395
3275
3
0
8
399
3080
3
0
2
400
3155
3
0
3
400
3155

3
0
3

Nguyễn Thị Kim Yến

7

Mssv: 09205301


Kinh tế lượng và dự báo
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73

400
399.9
400
401
402.5

405
405
407
410
410
412
412
415.984
416
418
419.95
425
425
426
430
430
432
432
434
435
439.402
440
440
565
605
609.9
620
653
670
440

445
459.9
449.96
450
450
459.5
460

Nguyễn Thị Kim Yến

GVHD: Đinh Kiệm
3308
3371
3050
2789
3275
3180
3512
3275
3512
2789
3371
3275
3155
3757
3275
3879
3275
3515
3700

3110
3770
3512
3371
3367
3700
3515
3770
3413
3500
3757
3757
3879
4035
4035
3525
3308
3528
3515
3371
3528
3757
2600

3
3
3
3
3
3

3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

3
3
3
3
3
2
8

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

7
2
7
4
7
8
8
6
8

4
3
6
3
2
7
2
5
2
5
9
9
7
2
8
5
2
7
2
3
2
7
3
2
2
4
6
4
2
4

4
2
3
Mssv: 09205301


Kinh tế lượng và dự báo
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96

97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115

549.95
460
462
449.9
464.82
464.9
465
457.325
449.95
475

475
419.95
479.95
480
482.75
489.95
490
495
497.5
499.9
500
510
510
514.9
514.9
527.5
535
535
539
539
547
552
556.7
480
485
485
487
490
492
495

504
505

Nguyễn Thị Kim Yến

GVHD: Đinh Kiệm
2879
4000
3757
3500
3515
3308
3100
3879
3515
3929
4000
3879
4136
3512
3879
3879
4035
3500
3770
4035
3800
4035
3500
4018

3308
3757
4035
3879
3854
3500
4035
4136
3700
2865
3384
3568
3384
3305
3227
3295
3259
3668

3
3
3
4
3
3
3
3
3
3
3

3
3
3
3
3
3
4
3
3
3
3
4
3
3
3
3
3
3
3
3
3
4
3
3
3
3
3
3
3
3

3
9

0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

0
0
0
0
0
0
1
1
1
1
1
1
1
1
1

3
5
2
3
2
6
8
2
3
5
6
2
2
9

2
2
2
4
8
2
8
2
4
8
8
2
2
3
3
4
2
3
3
11
5
8
4
9
4
8
5
7
Mssv: 09205301

Kinh tế lượng và dự báo
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143

144
145
146
147
148
149
150
151
152
153
154
155
156
157

517
520
525
526
529
530
530
531.05
532.5
535
535
535
540
540
545

547.5
571
550
555
555
560
560
560
562
565
565
570
570
570
575
575
575
580
580
583
585
589
590
591
597.5
600
600

Nguyễn Thị Kim Yến

GVHD: Đinh Kiệm
3685
3350
2800
3170
3300
3475
3380
3620
3305
3475
3305
3900
4389
3305
3500
3369
3485
3920
3475
3781
2735
3390
3700
3668
4089
4170
2812
4010
3379

3920
3865
4579
3968
3750
4000
3457
3400
3427
4500
3970
4818
4600

3
3
3
3
3
3
3
3
3
2
3
3
3
3
3
3

3
3
3
3
3
3
3
3
2
3
3
3
3
3
3
3
4
4
3
3
3
3
3
3
3
3
10

1
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1

9
3
11
8
9
11
9
1
9
19
8
8
8
9
11
10
11
6
10

8
11
8
9
7
8
1
10
9
9
5
12
8
2
8
8
9
9
2
8
9
10
6
Mssv: 09205301


Kinh tế lượng và dự báo
158
159
160

161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190

191
192
193
194
195
196
197
198
199

600
600
610
620
625
625
627.5
629.9
640
645
651
657
663
675
690
695
700
700
710
712.95

720
730
730
740
749
750
750
760
765
774.95
780
795
814
842
880
885
920
925
925
925
944
981

Nguyễn Thị Kim Yến

GVHD: Đinh Kiệm
3685
3457
3700
4100

4300
3820
4160
3712
4200
4000
4500
3818
3885
3968
4839
3637
4335
4300
4870
4459
3741
4400
4500
4579
3450
4402
4350
4400
4600
4024
3900
3900
4000
4569

4581
5000
5000
4650
4300
4400
4387
4970

3
3
3
3
3
3
3
3
3
3
3
3
4
3
3
3
3
3
3
4
3

3
3
3
3
3
3
3
3
4
3
3
3
3
3
3
5
4
3
3
4
4
11

1
1
1
1
1
1
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
1
1
1
1

8
11
8
1
2
5
1
1
7
7
9
13
2
2
9
2
2
3
7
0
10
8
2
8

8
9
6
8
2
0
2
4
7
7
2
6
8
2
9
7
1
1
Mssv: 09205301


Kinh tế lượng và dự báo
200
201
202
203
204
205
206
207

208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224

985
994
2600
2900
1010
1100
1100
1112
1120
1135
1235
1350

1380
1395
1400
1400
1425
1475
1520
1600
1625
1750
1775
1800
2500.5

GVHD: Đinh Kiệm
5126
5076
8685
11000
5517
5500
4900
5800
8300
5506
6000
5475
6649
5400
10000

5862
7000
6338
6593
7000
8300
7338
9500
7948
9000

3
4
5
3
4
3
3
3
3
4
5
4
3
4
4
4
3
4
5

5
4
4
4
5
7

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

1
1

9
1
16
9
1
2
2
2
7
1
5
2
5
9
3
2
9
8
2
5
8
1
8
1
11

Phần 1: Trên Excel

Để ước lượng hàm hồi quy trên Excel ta vào Tools → Data Analysis → Regression →
OK ta có bảng kết quả như sau:

Nguyễn Thị Kim Yến

12

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Dựa vào bảng trên ta có :
B1 = -752.9956 ; B2 = 0.220565
B3 = 135.4504 ; B4 = 87.24892
B5 = 6.214612
Vậy hàm hồi quy mẫu là:
SALEPRIC = -752.9956+ 0.220565*SQFT + 135.4504*GARAGE
+87.24892*CITY + 6.214612*AGE
Ý nghĩa của hàm hồi quy:
Nguyễn Thị Kim Yến

13

Mssv: 09205301


Kinh tế lượng và dự báo

-

GVHD: Đinh Kiệm

Trong điều kiện các yếu tố khác khơng đổi, khi diện tích căn nhà tăng lên 1 feet
vng thì giá bán nhà tại quận Cam bang California tăng lên 0,220565 nghìn
USD.
Trong điều kiện các yếu tố khác không đổi nếu số chỗ đậu xe tăng lên 1 thì giá
bán nhà tại quận Cam bang California tăng lên 135,45 nghìn USD.
Trong điều kiện các yếu tố khác không đổi nếu nhà ở Coto de Caza thì giá bán nhà
tại quận Cam bang California tăng lên 87,25 nghìn USD.
Trong điều kiện các yếu tố khác không đổi nếu độ tuổi của căn nhà tăng lên 1 thì
giá bán của căn nhà tăng lên 6, 215 nghìn USD.

Phần 2 : Trên Eviews
a) Chuyển dữ liệu từ file Excel sang dữ liệu dữ liệu Workfile của Eviews và lưu lại
dưới tên: Data DL 17.

Bảng các tham số thống kê của các biến độc lập

Nguyễn Thị Kim Yến

14

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

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 chuẩn.
Observations : Số quan sát.
Nhận xét:
Độ lệch chuẩn của biến SQFT là lớn (1275.312), cho thấy độ phân tán của nó xung
quanh giá trị trung bình cao, từ giá trị nhỏ nhất là 2583 đến giá trị lớn nhất là 11000. Do
đó biến SQFT trong các quan sát khơng có mức độ tương đồng cao, mà rải rác ở rất
nhiều giá trị rất khác nhau.
Độ lệch chuẩn của biến GARAGE = 0.519634, CITY = 0.500400 và AGE = 3.254414
thì tương đối nhỏ cho thấy độ phân tán của các biến xung quanh giá trị trung bình thấp.
Dựa vào giá trị Min, Max là thấy rằng các biến này trong các quan sát có mức độ tương
đồng.
Đồ thị các biến độc lập:

Nguyễn Thị Kim Yến

15

Mssv: 09205301

Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả biến độc lập

Nhận xét:
Quan sát ta thấy biến độc lập SQFT giải thích rất tốt cho biến SALEPRIC, 91.93%.
Biến độc lập GARAGE giải thích tương đối tốt cho biến SALEPRIC, 65.36%.Biến độc
Nguyễn Thị Kim Yến
16
Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

lập CITY giải thích tương đói tốt cho biến SALEPRIC,50.33%. Biến AGE giải thích
khơng tốt lắm cho biến SALEPRIC, 8.999%.
Mức tương quan giữa biến SQFT và các biến GARAGE và CITY tương đối khá lớn lần
lượt là 58.18% và 42.75%.
Ước lượng phương trình hồi quy:

Mơ hình hồi quy là:
SALEPRIC = -752.9956 + 0.220565 * SQFT + 135.4504 * GARAGE + 87.24892 *
CITY + 6.214612 * AGE
Nhận xét bảng hồi quy:
Hệ số xác định R2 là 0.884225 tức là các biến độc lập giải thích được cho biến

phụ thuộc tới 88.44225%. Độ phù hợp của mơ hình này là khá cao.
Giá trị kiểm định Fisher là 418.1480 tương đối lớn nên ta có thể kết luận mơ hình
có tính hợp lý và bền vững cao.
P-value của tất cả các biến độc lập đều nhỏ hơn 0.05 nên ta có thể nói độ phù
hợp (có mặt) của các biến độc lập là rất tốt.
Vậy đây là mơ hình tốt và bền vững.
Nguyễn Thị Kim Yến

17

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

b) Kiểm định Wald (biến thừa) cho 4 biến độc lập:

Nhận xét:
Dựa vào bảng kết quả trên, ta thấy giá trị p-value = 0.0000 < 0.05 (mức ý nghĩa
α=5%) nên ta bác bỏ giả thiết. Nghĩa là cả 4 biến độc lập SQFT, GARAGE, CITY,
AGE đều đồng thời ảnh hưởng đến biến phụ thuộc SALEPRIC, điều đó có nghĩa
hàm hồi quy mẫu phù hợp.

Kiểm định Wald (biến thừa) cho biến độc lập: SQFT
Nguyễn Thị Kim Yến

18

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Nhận xét:
Từ bảng kết quả trên, ta thấy P-value = 0.0000 < 0.05 (mức ý nghĩa α = 5%) nên ta bác
bỏ giả thiết. => Biến SQFT thực sự là một biến cần thiết cho mơ hình.

Nguyễn Thị Kim Yến

19

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Kiểm định Wald (biến thừa) cho biến độc lập: GARAGE

Nhận xét:
Từ bảng kết quả trên cho thấy: giá trị P-value = 0.0000 < 0.05 (mức ý nghĩa α = 5%)
nên ta bác bỏ giả thiết.
 Biến GARAGE thực sự là một biến cần thiết cho mơ hình.

Kiểm định Wald (biến thừa) cho biến độc lập: CITY

Nguyễn Thị Kim Yến

20

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Nhận xét:
Từ bảng kết quả trên cho thấy: giá trị P-value = 0.0000 < 0.05 (mức ý nghĩa α = 5%)
nên ta bác bỏ giả thiết.
 Biến CITY thực sự là một biến cần thiết cho mơ hình.

Kiểm định Wald (biến thừa) cho biến độc lập: AGE

Nguyễn Thị Kim Yến

21

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Nhận xét:

Từ bảng kết quả trên cho thấy: giá trị P-value = 0.0270 < 0.05 (mức ý nghĩa α = 5%)
nên ta bác bỏ giả thiết.
 Biến AGE thực sự là một biến cần thiết cho mơ hình.
Qua việc thực hiên kiểm định Wald cho 4 biến rồi lần lượt cho từng biến, ta nhận thấy
cả 4 biến SQFT, GARAGE, CITY, AGE đều cần thiết cho mơ hình, khơng thừa và
khơng gây ảnh hưởng khơng tốt cho mơ hình.

c) Kiểm định White

Nguyễn Thị Kim Yến

22

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Từ bảng kết quả trên ta thấy:
Obs*R-squared =nR2 = 165.7949 > Xα2(df) = X20.05(13)= 22.3620324948
 ta bác bỏ giả thiết Ho, tức là mơ hình hồi quy xảy ra hiện tượng phương sai thay
đổi.
Do đó ta khắc phục hiện tượng phương sai thay đổi, ta dùng phương pháp FGL
để hồi quy lại phần dư sau đó kiểm định lại phương sai để giảm tối đa phương
sai thay đổi.
Kiểm định BG

Nguyễn Thị Kim Yến

23

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Từ bảng ước lượng ta chọn View / Residual Tests/ Serial Correlation LM Test.
Và trong cửa sổ Lag Speciffication, ở mục Lags to includeta chọn p=1 (p là bậc tương
quan hay còn gọi là độ trễ trong tương quan). Chọn OK ta có bảng kết quả sau đây.

Theo bảng kết quả trên (n-p)R2 = 1.844992 có xác suất (p-value) là 0.1744 lớn
hơn mức ý nghĩa α = 0.05, nên ta chấp nhận giả thiết Ho, tức là khơng có tự tương quan
bậc nhất.

Dự báo giá trị trung bình và giá trị cá biệt của giá bán nhà theo mơ hình
SALEPRIC = C1 + C2*SQFT + C3*GARAGE +C4*CITY + C5*AGE
Nguyễn Thị Kim Yến

24

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

B1: Ta ước lượng mơ hình hồi quy

B2: Tạo thêm biến quan sát thứ (n+1) điền các giá trị của các biến độc lập

Nguyễn Thị Kim Yến

25

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

B3: Ta lần lượt đặt tên biến dự báo cho biến phụ thuộc (SALEPRIC) là Salepricf, cho
biến sai số dự báo (sai số dự báo SE(Yo)) là Se_1dubao, và với SE (Yo^) là Se_2dubao,
tiếp đến tính trị số tra bảng tα/2(n-k) được đặt tên là Tinv.
Cụ thể trên cửa sổ Equation có chứa phương trình hồi quy, chọn Forecast

Nguyễn Thị Kim Yến

26

Mssv: 09205301


Kinh tế lượng và dự báo

GVHD: Đinh Kiệm

Lập biến Se_2dubao thơng qua Se_1dubao và Sigma ước lượng

Để tính giá trị tα/2(n-k) với n-k=224-5=219, α/2= 2.5%.Ta vào dòng trắng dùng để thao
tác lệnh trên Workfile chính, gõ Scalar Tinv=@qtdist(0.975,219).

B4: Thiết lập các cận trên (Upper) và cận dưới (Lower) cho các khoảng dự báo trung
bình(TB) và cá biệt (CB)
Ta vào dịng trắng dùng để thao tác lệnh trên Workfile chính, lần lượt tạo các lệnh
Genr UpperTB=salepricf + tinv*Se_2dubao
Genr LowerTB=salepricf - tinv*Se_2dubao
Genr UpperCB=salepricf + tinv*Se_1dubao
Genr LowerCB=salepricf - tinv*Se_1dubao

Từ bảng giá trị các biến trên đây cho ta biết :
Giá trị của khoảng dự báo giá trị trung bình của giá bán nhà tại quận Cam California
tương ứng với diện tích nhà SQFT = 7400 feet vuông, số chỗ đậu xe hơi GARAGE = 4,
nhà ở Dove Canyon CITY =0, tuổi thọ AGE = 10 năm là: [ 1410.144; 1556.127 ]
Và khoảng dự báo cá biệt tương ứng là: [ 1221.441; 1744.830 ]
Nguyễn Thị Kim Yến

27

Mssv: 09205301