BÀI tập KINH tế LƯỢNG

BÀI TẬP NHÓM KINH TẾ LƯỢNG
Lớp ĐH Kế Toán 9
Nhóm 01
Thành Viên :

I.

MSSV:

Ngô Bảo Linh

14D340301033

Nguyễn Huỳnh Như Ngọc

14D340301050

Trần Thị Như Quỳnh

14D340301078

Lại Thị Nguyệt Anh

14D340301005

Nguyễn Thị Tuyết Nghi

14D340301053

Trương Thúy Nguyền

14D340301054

Nguyễn Hà Phương Giang

14D340301155

Nguyễn Hà Phương Vũ

14D340301170

Nguyễn Thị Kim Cương

14D340301008

Tiền Thị Thái Mỹ

14D340301045

Mô hình hồi quy của nhu cầu hoa hồng (1)
Y=10816.04-2227.704X1+1251.141X2+6.28X3-197.4X4+ut.
Với xác suất là 0.0003 nhỏ hơn 5% (mức ý nghĩa) nên ta bác bỏ H0 =>

mô hình hoàn toàn có ý nghĩa thống kê tại mức ý nghĩa 5%.


Từ mô hình ta có: nếu giá sỉ hoa hồng giảm 1$/chục hoa thì lượng cầu
hoa hồng sẽ tăng 2227.704 với giả thuyết các biến khác không đổi.
Tương tự, nếu giá hoa cẩm chướng tăng 1$/chục hoa thì lượng cầu hoa
hồng sẽ tăng 1251.141 các biến khác không đổi.
Nếu thu nhập khả dụng hàng tuần trung bình của hộ tăng 1$/tuần thì nhu

cầu hoa hồng sẽ tăng 6.28 với điều kiện các biến khác không đổi.
Với t=0.034 < 5% nên chỉ có biến độc lập X2 mới tác động tới biến phụ
thuộc Y.


Với R2 =0.8347 (tức là 83.47%) điều này cho ta thấy rằng, các biến độc
lập trong mô hình ảnh hưởng tới 83.47% tới biến phụ thuộc.
Cụ thể là với k giá sỉ hoa hồng sẽ ảnh hưởng đến n nhu cầu hoa hồng.
Với mean vif= 2.84 < 10 vì vậy mô hình có hiện tượng đa cộng tuyến.
 giữa các biến có sự tương quan nhất định.


Cách khắc phục bỏ bớt biến. Do chỉ có P>|t|của X2 nhỏ hơn 5% nên chỉ
có X2 mới tác động đến biến phụ thuộc.

Mô hình hồi quy của nhu cầu hoa hồng có ln (2)
Y=0.6267931-1.273553X1+0.9373004X2+1.712982X3 0.1815971X4+ut.

Với xác suất là 0.0013 nhỏ hơn 5% ( mức ý nghĩa ) nên ta bác bỏ H0 =>
mô hình hoàn toàn có ý nghĩa thống kê tại mức ý nghĩa 5%.


Với t=0.034 < 5% nên chỉ có biến độc lập X2 mới tác động tới biến phụ
thuộc Y.

Với R2 =0.7780 ( tức nghĩa 77.8%) điều này cho ta thấy rằng, các biến
độc lập trong mô hình ảnh hưởng tới 77.8% tới biến phụ thuộc.

Cụ thể là với k giá sỉ hoa hồng sẽ ảnh hưởng đến n nhu cầu hoa hồng.

II.

Hãy kiểm định giả thuyết về sự tương quan của các quan sát.
Dùng một biện pháp để khắc phục hiện tượng tương tự quan nếu
có
Với mean vif= 2.84 < 10 vì vậy mô hình có đa cộng tuyến.
Giữa các biến có sự tương quan nhất định.

Cách khắc phục hiện tượng tự tương quan ta sử dụng biện pháp bỏ bớt
biến. Do chỉ có P>|t| của X2 <5% nên chỉ có X2 mới tác động đến biến
phụ thuộc (Y).

Bỏ sót biến


Với pro>F =0.5259 >5% mô hình không bỏ sót biến. Tức là ta đang xét
mô hình có đầy đủ tính độc lập, ngoài biến này ra không còn biến nào
giải thích cho biến độc lập. Mô hình không bỏ sót biến.

Phương sai thay đổi
Với prob > chi2 =0.2728 >5%(0.05) nên phương trình không có hiện
tượng phương sai sai số thay đổi.


III.

Trước khi ước lượng các tham số trên, bạn giả định gì về dấu của
các hệ số β2, β3, β4? Kết quả ước lượng có ủng hộ giả định của
bạn không?

Dấu của β2 mang dấu(-) β3 mang dấu(+) β4 mang dấu(+)
Sau khi chạy kết quả ước lượng có ủng hộ giả định đặt ra.
IV) Độ co giãn của cầu theo giá:
Độ co giãn của cầu (price elasticity of demand)thể hiện độ nhạy
của lượng cầu trước thay đổi về giá của hàng hoá. Độ co giãn của
cầu theo giá được ký hiệu là ED, ED được đo bởi trị tuyệt đối của
thương số giữa phần trăm thay đổi trong cầu chia cho phần trăm
thay đổi trong giá cả.

ED=
Khi cầu co giãn, mức giá hàng hoá tăng 1% sẽ khiến lượng cầu
giảm hơn 1%. Nếu cầu là co giãn đơn vị, lượng cầu sẽ giảm 1%
khi giá hàng hoá tăng 1%. Giá tăng 1% sẽ khiến lượng cầu giảm
mức nhỏ hơn 1% nếu cầu không co giãn.


Độ co giãn của cầu theo giá chéo (cross-price elasticity of demand)
thể hiện sự nhạy cảm của lượng cầu một hàng hóa đối với sự thay
đổi giá của một hàng hóa khác. Xét 2 hàng hóa x và y, độ co giãn
của lượng cầu hàng hóa x theo sự thay đổi của giá hàng hóa y được
tính bởi:
Tính hệ số co giãn theo thu nhập:
V) Dựa vào những phân tích của bạn, bạn sẽ chọn mô hình nào
trong hai mô hình trên trong ứng dụng thực tế? Tại sao?
Chọn mô hình (1) vì R_squared = 0.8347 > R_squared = 0.7780 ở
mô hình (2) nên độ tin cậy của mô hình (1) cao hơn mô hình (2) và
với R2 mô hình (1) giải thích mức độ ảnh hưởng X lên Y 83.47%


trong khi với mô hình (2) chỉ giải thích được 77.8 % mức độ ảnh

hưởng X lên Y.

-------------------------------THE END------------------------------------