Bài tập thực hành eview

Bài tập thực hành eview cải thiện điểm
Sinh viên: Trần Thị Lan

Mã sv: 11G4020033

Lớp: Thứ 6 Ca 3

Lúa là một loại cây lương thực được trồng rất nhiều ở nước ta, chiếm phần lớn
tổng sản lượng cây lương thực có hạt trên cả nước.
Để nghiên cứu mối quan hệ giữa tổng sản lượng lương thực có hạt TSL(nghìn tấn)
với sản lượng lúa diện tích canh tác lúa DT(nghìn ha) và năng suất lúa NS(tạ/ha)
của cả nước trong giai đoạn 1995-2013. Chúng ta có thể xây dựng mô hình kinh tế
lượng cho các biến TSL, DT, NS.
Ta có bảng số liệu1 sau:

OBS
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009

2010
2011
2012
2013

TSL
26.142,50
27.935,70
29.182,90
30.758,60
33.150,10
34.538,90
34.272,90
36.960,70
37.706,90
39.581,00
39.621,60
39.706,20
40.247,40
43.305,40
43.323,40
44.632,20
47.235,50
48.712,60
49.270,90

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>
DT

NS
7.324,30
7.620,60
7.768,20
8.016,00
8.348,60
8.399,10
8.224,70
8.322,50
8.366,70
8.437,80
8.383,40
8.359,70
8.304,70
8.542,20
8.527,40
8.615,90
8.777,60
8.918,90
9.073,00

36,9
37,7
38,8
39,6
41
42,4
42,9
45,9

46,4
48,6
48,9
48,9
49,9
52,3
52,4
53,4
55,4
56,4
55,8


Hồi quy mô hình: LS TSL C DT NS

Estimation Command:
=========================
LS TSL C DT NS
Estimation Equation:
=========================
TSL = C(1) + C(2)*DT + C(3)*NS
Substituted Coefficients:
=========================
TSL = -34081.72645 + 3.93660773155*DT + 839.917169678*NS

Với mức ý nghĩa α =5%, kết quả hồi quy mô hình thu được như trên (n=19; k=3)
Sau đây chúng ta sẽ thực hiện các kiểm định để phát hiện và khắc phục các khuyết
tật có trong mô hình.

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

1. Phát hiện khuyết tật đa cộng tuyến
Hồi quy mô hình: LS TSL C DT NS

Từ kết quả hồi quy, ta thấy cho thấy hệ số cao, F cao nhưng tỷ số T của DT
nhỏ. Do đó nghi ngờ có đa cộng tuyến.
Hồi quy mô hình phụ:

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

Từ kết quả hồi quy ta thấy Prob(F-statistic)< 0.05 nên bác bỏ Ho
Do đó mô hình không có hiện tượng đa cộng tuyến giữa biến NS và DT
2. Phát hiện và khắc phục khuyết tật phương sai sai số ngẫu nhiên thay
đổi.
 Phát hiện:
-Hồi quy mô hình gốc: LS TSL C DT NS thu được:
TSL = -34081.72645 + 3.93660773155*DT + 839.917169678*NS (2.1)
-Sử dụng kiểm định White

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

Kiểm định cặp giả thiết:
H0: Mô hình không có khuyết tật phương sai sai số ngẫu nhiên thay đổi.
H1: Mô hình có khuyết tật phương sai sai số ngẫu nhiên thay đổi.

Ta thấy �2qs= 14,81365> �20.05=12,5916 nên �2qs � Wα
⇒Bác bỏ H0, thừa nhận H1, mô hình có khuyết tật phương sai
sai số ngẫu nhiên thay đổi.
 Cách khắc phục:
Để khắc phục khuyết tật, thực hiện chia 2 vế của (2.1)
cho biến DT
Gọi TSL*=TSL/NS; DT*=DT/NS; NS*=1/NS.
Kết quả hồi quy như sau:

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

TSL/NSt = 846.313478904 + 3.68945514501*DT/NSt - 32326.3709334*1/NSt
(2.2)

Thực hiện kiểm định White (không bao gồm tích chéo)
cho (2.2). kết quả cho Prob của tiêu chuẩn kiểm định
�2> 0,05nên chưa có cơ sở bác bỏ H0. Nói cách khác
thừa nhận mô hình không còn khuyết tật PSSSNN thay
đổi. Kết quả như sau:

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

Thu được mô hình (2.3):
(phương sai sai số tỷ lệ với bình phương của biến giải
thích)
Nhân cả 2 vế của (2.3) cho NS ta được mô hình tốt.

846.313478904+3.68945514501*DTt - 32326.3709334*NSt

3. Phát hiện khuyết tật tự tương quan giữa các sai số ngẫu nhiên.
Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

Ta thấy P-Value = 0,0022 < α = 0,05
Kết luận: Bác bỏ H0. Vậy mô hình có hiện tượng tự tương quan.
Cách khắc phục đơn giản nhất là sử dụng ước lượng dựa trên thống kê DurbinWatson.
Ở mô hình gốc:
Durbin-Watson stat

0.364361

Ta có:
TSLt = -34081.72645 + 3.93660773155*DTt + 839.917169678*NSt+ Ut
Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

TSLt-1 = -34081.72645 + 3.93660773155*DTt-1 + 839.917169678*NSt-1+Ut-1
⇒
Đây là mô hình không còn khuyết tật tự tương quan
nữa.
4. Kiểm định sự có mặt của “biến không cần thiết”
Giả sử nghi ngờ biến NS không cần thiết.
Giả thiết:

H0 : β3 =0 (biến NS không cần thiết)

H1: β3 ≠ 0 (biến NS cần thiết)

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

Ta thấy Prob(F-Statistic)=0,0000 < α =0,05 nên bác bỏ H0
Kết luận: Biến NS là biến cần thiết trong mô hình.

5. Kiểm định “biến bị bỏ sót”

- Ước lượng mô hình (LS TSL C DT NS)
-Sử dụng kiểm định Ramsey để kiểm tra:

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

H0: Mô hình gốc không thiếu biến, dạng hàm đúng.
H1: Mô hình gốc thiếu biến, dạng hàm sai.
Ta thấy Prob(F-Statistic)=0,0000 < α =0,05 Mô hình thiếu biến độc lập, dạng hàm
sai.

6. Kiểm định tính phân phối chuẩn của các sai số ngẫu nhiên.
Sử dụng Histogram Normal Test.... để kiểm tra:

Với H0: các sai số ngẫu nhiên trong mô hình có phân phối chuẩn
Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>

H1: các sai số ngẫu nhiên trong mô hình không có phân phối chuẩn.
JB= 3,077766 với xác suất 0,214621 > 0,05 nên chấp nhận H0.
Chứng tỏ trong mô hình, các sai số ngẫu nhiên có phân phối chuẩn.
Trên đây là bài thực hành của em. Mong thầy xem xét ạ!
Em cảm ơn thầy ạ!.

Bảng số liệu: nguồn từ web tổng cục thống kê Việt Nam

/>