GIẢI THÍCH Ý NGHĨA CÁC CHỈ SỐ TRONG KINH TẾ LƯỢNG
Dependent Variable: Y
Method: Least Squares
Date: 10/13/14 Time: 19:51
Sample: 1 38
Included observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 19387.72 3.672.373 5.279.345 0.0000
X2 0.256896 0.568428 1.528987 0.0000
X3 0.458973 0.268894 1.235889 0.0568
X4 0.289535 0.568985 1.558256 0.1789
X5 0.342446 0.213122 1.606.809 0.1168
R-squared 0,180368 Mean dependent var 1820,204
Adjusted R-
squared 0.040999 S.D. dependent var 16820.31
S.E. of regression 385,0953 Akaike info criterion 2.230.789
Sum squared
resid 9.77E+09 Schwarz criterion 2.239.408
Log likelihood -4.218.500 Hannan-Quinn criter. 2.233.856
F-statistic 18,60476 Durbin-Watson stat 1.783506
Prob(F-statistic) 0,002112
1
1. Giải thích ý nghĩa các chỉ số:
Cách trình bày kết quả hồi quy đã được thể hiện ở phần giải thích kết quả
của EXCEL.
Dependent Varable : Y ->Biến phụ thuộc là Y
Method : Least Squares -> Phương pháp bình phương nhỏ nhất .
Sample : 1 38 ->Bộ mẫu
Included observations : 38 -> Gồm 38 quan sát.
Variable (biến số), cột này cho ta biết mô hình hồi quy có bao nhiêu biến giải thích .
Trong thí dụ này thì có 1 biến giải thích là cp ,hằng số c cũng được coi là 1 biến giải thích.
Coefficient (Hệ số hồi quy), đây chính là các tham số ước lượng alpha mũ và beta mũ của
tham số tổng thể,chưa biết alpha và beta .
1. R-squared: Hệ số xác định R
2
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.
2. S.E of regression = Độ lệch chuẩn của sai số hồi quy
3. Sum squared resid = RSS
4. Log Likehood : (Ln hàm hợp lý)
5. F-statistic = Trị thống kê F
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.
6. Prob(F-statistic) = Giá trị p của F
7. Mean dependent var = Giá trị trung bình của biến phụ thuộc
8. S.D. dependent var = Độ lệch chuẩn của biến phụ thuộc
9. Akaike info criterion : Tiêu chuẩn Akaike
10. Schwarz criterion : Tiêu chuẩn Schwarz
11. Durbin-Watson stat : Thống kê Durbin-Watson
Ta chỉ tập trung phân tích các biến sau qua ví dụ mẫu:
BƯỚC 1:
Lập mô hình hồi quy mẫu bằng cách viết phương trình và kiểm tra tính phù hợp của
mô hình
Dạng phương trình hồi quy:
Y =
β
1
+
β
2
* x2 +
β
3
* x3+
β
4
* x4 +
β
5
* x5
Với Y là biến phụ thuộc
x2 , x3 , x4, x5 là các biến không phụ thuộc
β
1
là hằng số
Nhận xét
- Hệ số xác định R2 = 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 > Fα(k-1,n-k) = F0,05(5,43) =
2,432236472 ( tra bảng Fisher với mức ý nghĩa 0,05% 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
2
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
Phần này ta nhận xét xem các yếu tố x2, x3, x4, x5 ( ví dụ: chi phí, chất lượng dịch
vụ ) có ảnh hưởng đến Y ( doanh thu ) hay không. Thông thường, người ta so sánh với
mức ý nghĩa là 0,05 ( em tra bên bảng chạy hồi quy SPSS ô Sig. )
BƯỚC 2: Phát hiện hiện tượng tự tương quan ( theo mô hình hồi quy SPSS )
Xét giả thuyết H
0
: Không có tự tương quan dương hoặc âm.
Từ kết quả hồi quy mô hình bằng SPSS ta có:
d =
∑
∑
−
−
2
2
1
)(
i
ii
e
ee
= 1.783506
với n=38 ;
5%α
=
k = 4
⇒
k' = 4 - 1= 3
Tra bảng ( có đính kèm trong mail ) ta có:
L
d
=1.503
d
U
= 1.696
d
U
d 4 – d
U
1.696 < 1.783506 < 2.304 hay d
U
< d < 4 - d
U
Do đó theo quy tắc kiểm định thì ta không bác bỏ H
0
⇒
Mô hình không có tự tương quan dương hoặc âm.
BƯỚC 3: Nhận xét hiện tượng đa cộng tuyến
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.
3