Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng

ĐỀ BÀI ÔN TẬP KINH TẾ LƯỢNG
Giả sử có các số liệu về các biến số sau:
Q: tỷ lệ số ng sử dụng xe bus trên tổng dân cư ở thành phố (%).
P: Giá vé xe bus (nghìn đồng/vé).
KC: Khoảng cách giữa các bến chờ xe bus (tram mét).
TN: Thu nhập bình quân của người dân (triệu đ/ng/năm)
Số liệu chéo của 24 thành phố trên hai miền Nam, Bắc.
Bài I:
1.Xây dựng mô hình hồi quy tuyến tính nhằm đánh giá tác động của các yếu tố kể trên
lên lượng hành khách Q. Nêu các bước dùng để kiểm định ý kiến cho rằng KC có tác
động ngược chiều lên Q.
2.Có ý kiến cho rằng Q còn phụ thuộc vào việc thành phố đó ở miền Bắc hay miền Nam.
Nêu cách xây dựng mô hình và các bược thực hiện để kiểm định ý kiến trên.
Bài II: Cho các hệ số góc ước lượng sau, và
Dependent Variable: Q
Included observations: 24
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

54.80053

15.85217

3.456974

0.0024

P
KC
TN

-0.708182
-2.132785
-0.410313

0.171607
0.274945
0.116617

-4.126756
-7.362069
-3.518477

0.0005
0.0000
0.0020

R-squared

0.519724

Mean dependent var

14.72917

Durbin-Watson stat

1.741738

Prob(F-statistic)

0.000453

Breusch-Godfrey Serial Correlation LM Test: AR(1)
F-statistic
0.988504
Obs*R-squared
1.186887

Probability
Probability

0.332603
0.275958

Probability

0.031417

Ramsey RESET Test: number of fitted term: 1
F-statistic

10.46521


White Heteroskedasticity Test: cross terms
F-statistic
Obs*R-squared

1.018683
1.087069

Probability
Probability

0.353246
0.285423

Cho hiệp phương sai ước lượng hai hệ số góc bất kỳ xấp xỉ bằng 0.
3. Viết hàm hồi quy mẫu và giải thích ý nghĩa của các hệ số góc ước lượng.
4. Tỷ lệ giải thích của mô hình ước lượng bằng bao nhiêu? Từ đó cho biết mô hình có
phù hợp không?
5. KC có tác động đến Q không?
6. Khi KC giảm thêm 100m thì tỷ lệ Q tăng trong khoảng nào?
7. Khi Tn tăng thêm 1 triệu đồng/người/năm thì Q giảm nhiều hơn 0.3%
8. Nếu KC giảm 100m và P tăng thêm 2000đ thì tỷ lệ Q không đổi.
9. Kết quả kiểm định Ramsey cho biết điều gì? Các kết luận trong các câu 5-8 có đáng tin
cậy không?
10. Nêu một cách phát hiện khuyết tật đa cộng tuyến trong mô hình hồi quy?
BÀI LÀM
Bài I:
1. Mô hình hồi quy tuyến tính nhằm đánh giá tác động của các yếu tố P, KC và TN lên Q:

Q=

1   2 .P  3.KC   4 .TN  U

(1)
***Ý kiến cho rằng KC có tác động ngược chiều lên Q:
Cặp giả thuyết:

H 0 :  3  0

 H1 :  3  0
Tiêu chuẩn kiểm định:
Tqs =

ˆ3
Se( ˆ3 )

Với α = 5%, miền bác bỏ Ho:



W  T : T  t( n  k )



Nếu Tqs W thì bác bỏ H0, chấp nhận H1 hay b3^ < 0, KC có tác động ngược
chiều lên Q.


Nếu Tqs  W : chưa đủ cơ sở bác bỏ H0, b3^ >= 0, KC không có tác động ngược

chiều lên Q. (Chú ý dùng cụm từ Chưa đủ cơ sở bác bỏ Ho)
Kết luận ý kiến trên là đúng hay sai.  Chỉ viết thế này chưa đủ
Câu này em làm chưa được, khi kết luận phải nói rõ ràng, “Nếu..a thì b dư lào, Nếu
không thì dư lào”, Không nói rõ ràng không sẽ không được tối đa điểm. Khi làm trình
bày như phần anh đã sửa phía trên.
2. Xây dựng mô hình:
*)Đặt biến giả

 1 neu quan sat thuoc mien Bac
D1= 
0 neu quan sat thuoc mien Nam
*) Mô hình hồi quy:
Q=

1   2 .P  3.KC   4 .TN  5 .D1  U

(2)
Trong trường hợp đề bài không nói rõ ràng về tác động của D1 đến Q thì em phải
làm cho trường hợp tổng quát, tức là thêm cả D1 và D1*X vào, tuy nhiên em có thể nhận
định biến D1 khó có thể kết hợp được với biến nào trong biến P, KC, TN (giá xe bus nam
bắc khác nhau không rõ ràng, khoảng cách thì tuỳ vào địa chỉ nhà chứ k phụ thuộc vào
Nam, Bác, Thu nhập ng dân 2 miền Nam Bác cũng khác nhau k rõ ràng) nên không thêm
D1*X vào cũng đc. MH trên em làm vẫn đc điểm.
*****Kiểm định ý kiến cho rằng Q còn phụ thuộc vào việc thành phố đó ở miền Bắc hay
miền Nam.
Cặp giả thuyết:

H 0 :  5  0

 H1 :  5  0

Tiêu chuẩn kiểm định:
Tqs =

ˆ5
Se( ˆ5 )

Với α = 5%, miền bác bỏ Ho:


(nk ) 
W  T : T  t 
2




Nếu

Tqs W thì bác bỏ H0

Nếu

Tqs  W thì chấp nhận H0

Kết luận ý kiến trên là đúng hay sai.
Cũng nhưu bài trên, phải nêu rõ ràng, Bác bỏ Ho thì ntn, có tác động hay không; Chấp
nhận Ho thì ntn, có tác động hay không?
Nếu

Tqs W thì bác bỏ H0, chấp nhận H1 hay nói cách khác có sự khác biệt nhau

về sản lượng Q giữa 2 miền Nam – Bắc (Hay Q còn phụ thuộc vào thành phố ở miền
Nam hay miền Bắc).
Nếu

Tqs  W thì chưa đủ cơ sở

Bác bỏ H0, hay nói cách khác, Q không phụ

thuộc vào thành phố ở miền Nam hay miền Bắc.
Bài II:
3. Hàm hồi quy mẫu:

Qˆ  54.80053  0.708182 .P  2.132785 .KC  0.410313 .TN

(1)

Ý nghĩa các hệ số góc ước lượng:


 1 =54.80053: tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các thành phố

trung bình là 54.80053% khi giá xe bus, khoảng cách giữa các bến chờ xe bus và
thu nhập bình quân của người dân bằng 0.


 2 = -0.708182: Nếu các yếu tố khác không đổi, khi giá vé xe bus tăng 1(nghìn

đồng/vé) thì tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các thành phố
trung bình giảm 0.708182%

 β3=-2.132785: Nếu các yếu tố khác không đổi, khi khoảng cách giữa các bến chờ
xe bus tăng 1(trăm mét) thì tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các
thành phố trung bình giảm 2.132785%
 β4=-0.410313: Nếu các yếu tố khác không đổi, khi thu nhập bình quân của người
dân tăng 1(triệu đồng/người/năm) thì tỷ lệ số người sử dụng xe bus trên tổng số
dân cư ở các thành phố trung bình giảm 0.410313%.
 OK, tuy nhiên em cần chú ý; Người ta yêu cầu giải thích ý nghĩa của hệ số góc
cho nên không cần giải thích cho b1, còn nói rõ ràng HỆ SỐ GÓC ƯỚC


LƯỢNG nên em phải ghi là b2^ = -0,708182 < 0 cho biết ….; tương tự cho b3^
và b4^.
 Tại sao phải có từ TRUNG BÌNH, x2 tăng lên 1 đơn vị thì trung bình của y (hay y
trung bình) tăng lên beta2 đơn vị, ở đây KTL chỉ nghiên cứu xu thế chung, hiện
tượng số lớn chứ không nghiên cứu hiện tượng đơn lẻ nên sẽ dựa vào nhân tố đại
diện, mà ở đây đại diện là mức trung bình.
4. Vì hệ số xác định R^2 = …. => Tỷ lệ giải thích của mô hình ước lượng bằng 51.9724%
**Kiểm định sự phù hợp của hàm hồi quy:
Cặp giả thuyết:

H 0 : Hàm hoi quy không phù hop

 H1 : Hàm hoi quy phù hop
Có prob(F-statistic)=0.000453
α=0.05
=> Prob(F-statistic) < α
=> Bác bỏ H0: Hàm hồi quy phù hợp
Kết luận: Mô hình (1) có phù hợp.
5. Kiểm định cặp giả thuyết:

 H0 : 3  0

H1 :  3  0
Tiêu chuẩn kiểm định:

ˆ3
 2.132785
Tqs =
=
=-7.7571332
ˆ
Se(  3 )
0.274945
Với α=5%, miền bác bỏ H0:


 4) 
W  T : T  t 0( 20
.05 
2



 W  T : T  2.086

Ta có Tqs € Wα : Bác bỏ H0, chấp nhận H1 hay b3 # 0
Kết luận: KC có tác động đến Q.


6. Khi KC giảm thêm 100m, ta có với độ tin cậy 95%, khoảng tin cậy đối xứng của β3:

( 20 4 )

β3^– SE(β^3). t 0.05

( 20 4 )

<3< β^3 + SE(β^3). t 0.05
2

2

 -2.132785–0.274945x2.086<3< -2.132785 + 0.274945x2.086
 -2.70632 <3< -1.55925

Kết luận: Khi KC giảm thêm 100m thỳ tỷ lệ Q trung bình tăng trong khoảng từ
1.55925% đến 2.70632%.
Chú ý: Công thức có thể em gõ sai, nhưng làm trong bài thi mà sai là k có điểm đâu nha
:3, công thức và thay số đúng (em tự ktra kết quả)
7. Kiểm định cặp giả thuyết:

 H 0 :  4  0.3

H1 :  4  0.3
Tiêu chuẩn kiểm định:

Tqs =

ˆ4  (0.3)  0.410313  0.3
=
=-0.945943

Se( ˆ4 )
0.116617
Với α=5%, miền bác bỏ H0:



W  T : T  t0(.2005 4)



 W  T : T  1.725
Vậy Tqs  W : chưa đủ cơ sở để bác bỏ H0
Kết luận: Nếu TN tăng thêm 1 triệu/người/năm thì Q trung bình không giảm đi
nhiều hơn 0.3%.
Khi TN tăng thêm 1 triệu đồng/người/năm thì Q giảm nhiều hơn 0.3%
Theo mô hình, khi TN tăng thêm 1 trđ 1ng 1 năm thì Q tăng beta4 đơn vị, hay Q giảm đi
–beta4 đơn vị, tức là –beta4 > 0.3 hay beta4 < - 0.3 Vậy ta kiểm định cặp giả thuyết như
trong câu 7:


 H 0 :  4  0.3

H1 :  4  0.3
Chú ý: Ho luôn là đối của H1 và luôn chứa dấu =; H1 là > thì Ho là <=; H1 là # thì Ho là
= và H1 là < thì H0 là >=
dấu = ở Ho trên cặp giả thuyết viết là beta4 = -0.3 nhưng biểu thị beta4 >= -0.3
8. Kiểm định cặp giả thuyết:

 H 0 : 2. 2   4  0


H1 : 2. 2   4  0
Tiêu chuẩn kiểm định:

2.ˆ2  ˆ4
Tqs 
Se(2.ˆ2  ˆ4 )
Với

2
2
Se(2.ˆ2  ˆ4 ) = 4.(Se(  2 ))  ( Se(  4 ))  2.2.Se(  2 ).Se(  4 )

√
=0.051346
=> Tqs 

2 x0.171607  0.116617
=4.413138
0.051346

xem lại công thức của Se(bi^+bj^) nhé
Với α=5%, miền bác bỏ H0:


( 20 4 ) 
W  T : T  t 0.05 
2



 W  T : T  2.086
Ta có

Tqs  W : bác bỏ H0

Kết luận: Nếu KC giảm 100m và P tăng thêm 2000đ thì tỷ lệ Q là có thay đổi.


9. Kết quả kiểm định Ramsey cho biết dạng hàm đúng hay sai.
Ta có cặp giả thuyết

H 0 : Mô hình (1) có dang hàm đúng

H1 : Mô hình (1) có dang hàm sai
Theo Ramsey, kiểm định F:
Probability=0.031417
α=0.05
Vậy Probability<α : Bác bỏ H0
Kết luận: Dạng hàm của mô hình (1) là dạng hàm sai.
Mô hình (1) mắc phải khuyết tật, vi phạm giả thuyết 2. Do đó các ước lượng thu được là
ước lượng chệch. Chính vì vậy, các bài toán ước lượng và bài toán kiểm định hệ số hồi
quy không còn đáng tin cậy. Kết luận trong các câu 5-8 không đáng tin cậy.
5, 7, 8: Kiểm định T
6: Khoảng tin cậy:
Khi mắc khuyết tật dạng hàm sai thì để lại hậu quả:
+ Các tham số ước lượng sẽ bị chệch và không vững
+ Khoảng tin cậy và các kiểm định khoogn chính xác
Như vậy, kết luận ở câu 5,6,7,8, là không đáng tin cậy nữa.
10. Cách phát hiện khuyết tật đa cộng tuyến
Giả sử biến P cộng tuyến với các biến KC và TN, ta có mô hình hồi quy phụ sau:

P=α1 +α2.KC + α3.TN + v

(2)

Ước lượng OLS mô hình (2) thu được (R2)2.
Nếu (R2)2>0.9 thì mô hình (1) có hiện tượng đa cộng tuyến cao.


MỘT SỐ NỘI DUNG THỰC HÀNH SINH VIÊN CẦN NẮM VỮNG

Khởi động eviews
Nhập số liệu từ bàn phím
Tạo workfile
File\new\workfile (điền thông tin)
Lưu workfile (trên cửa sổ workfile chọn save …)
Tạo biến để nhập số liệu: quick\empty group\... (chú ý: edit, rename, …) --- khi
tạo biến giả mới cũng làm theo cách này.
Mở workfile có sẵn: File\open\workfile\....
Xem giá trị thống kê mô tả (Descriptive Statistics) của các biến số như là trung
bình, trung vị, độ lệch chuẩn, tối đa, tối thiểu, tổng,…
 Trên cửa sổ Group chọn View/Descriptive Stats/Common Sample.
Xem ma trận hệ số tương quan giữa các biến số [r(x,y)]: Trên cửa sổ group chọn
View/Correlation /Common Sample.
Xem ma trận hiệp phuơng sai giữa các biến số [Cov(x,y)]: Trên cửa sổ Group
chọn View/Covariance /Common Sample.
Ước lượng mô hình, có 3 cách sau:
Quick\estimate equation\... (gõ lần lượt tên biến phụ thuộc, c , các biến độc lập)
Chọn các biến bắt đầu từ biến phụ thuộc rồi đến các biến độc lập, chuột phải, open
as equation
Trên cửa sổ lệnh (màu trắng) gõ: ls y c x2 x3… (***)

Xem các kết quả liên quan đến ước lượng phương trình:
Xem phần dư - residual, giá trị thực tế - actual và giá trị ước lượng – fitted: trên
cửa sổ equation\view\actual, fitted, residual.
Ma trận hiệp phương sai của các hệ số ước lượng (bê ta mũ): trên cửa sổ equation
chọn view\covariance matrix
Kiểm định giả thuyết liên quan đến các hệ số (bêta)
Kiểm định một điều kiện ràng buộc (beta=0,beta=0,5…): trên cửa sổ equation
chọn view\coefficient tests\wald coefficient restrictions… (gõ: c(2)=0.5..)
Kiểm định nhiều điều kiện ràng buộc (b2=0.5 và b3=0.01) trên cửa sổ equation
chọn view\coefficient tests\wald coefficient restrictions… (gõ: c(2)=0.5,
c(3)=0.01)
Kiểm định nhiều điều kiện ràng buộc (b2=b3=0)
Cách 1: như 9.2
Cách 2: kiểm định thu hẹp hồi qui:
Nếu quan tâm việc mô hình có bỏ sót biến nào đó hay không (hay nói cách khác là
có nên bổ sung biến vào mô hình hay không) thì trên cửa sổ Equation chọn


view\coefficient tests\omitted variable; Nhập vào tên biến nghi ngờ bị bỏ sót
(hoặc muốn bổ sung).
Nếu quan tâm việc có nên bỏ bớt biến vào mô hình hay không thì trên cửa sổ
equation chọn view\coefficient tests\redundant variable; Nhập vào tên biết muốn
lược bỏ.
Dự báo
- change workfile range
 workfile\procs\change workfile range
-change sample
 workfile\procs\sample
- nhập giá trị của biến độc lập
- ước lượng lại phương trình

- forecast
Ghi lại phần dư:
Trên cửa sổ Equation chọn Procs\make residual series
Ghi lại giá trị ước lượng của biến phụ thuộc, có 2 cách:
Trên cửa sổ Equation chọn Procs\forecast
Trên cửa sổ Equation chọn Forecast


MỘT SỐ CÂU HỎI LUYỆN TẬP
Bài tập 1:
Nhập bộ số liệu sau và trả lời câu hỏi
Y

X2

X3

24.4

20

16

31.2

30

10

29.2

28

2

23.6

24

0

36

32

18

31.4

36

10

32.6

32

16

36.8

34

24

32.8

24

28

29.8

22

20

30.2

28

8

26.8

30

4

1. cho biết trung bình của X2 =

28.333333

2. Độ lệch chuẩn của Y=

4.960450

3. Hệ số lệch của X2=

-0,198458

4. Hệ số tương quan giữa X2, X3=

-0,049977

5. Hiệp phương sai giữa Y, X3=

20,7

6. Y có phân bố chuẩn không? (C/K)

Có
(Vì P-value
theo đk JB =
0,861737>0,05)

Ước lượng phương trình Y phụ thuộc vào X2 có hệ số chặn gọi là phương trình [1]


7. Hệ số góc ước lượng bằng bao nhiêu, có ý nghĩa thống kê

không?

0,521675

8. Hệ số xác định bằng bao nhiêu?
9. Hàm hồi qui có phù hợp không? Fqs=?

/

10. Số dư tại quan sát thứ 10=
11. Có phải X2 tăng 1 đơn vị thì Y tăng 0,7 đơn vị hay
không?
12. Có phải mô hình bỏ sót biến X3?
KIỂM ĐỊNH KHUYẾT TẬT CỦA MÔ HÌNH
-THỦ CÔNG
Ghi lại phần dư của mô hình [1] với tên là e, ước lượng của biến phụ thuộc với tên
là yf.
13. ước lượng mô hình Y phụ thuộc vào X2, yf2 có hệ số chặn, cho biết mô hình
này dùng để làm gì, kết luận tương ứng.
14. ước lượng mô hình e2 phụ thuộc vào X2 có hệ số chặn, cho biết mô hình này
dùng để làm gì, kết luận tương ứng.
15. ước lượng mô hình e2 phụ thuộc vào X2, X22 có hệ số chặn, cho biết mô hình
này dùng để làm gì, kết luận tương ứng.
16. ước lượng mô hình log(e2 ) phụ thuộc vào log(X2) có hệ số chặn, cho biết mô
hình này dùng để làm gì, kết luận tương ứng.
17. ước lượng mô hình Y phụ thuộc vào X2, log(X2) có hệ số chặn, hãy kết luận
về dạng hàm của mô hình [1].
18. Kết luận về tính phân phối chuẩn của sai số ngẫu nhiên trong mô hình [1].
MỘT SỐ KIỂM ĐỊNH ĐÃ ĐƯỢC LẬP TRÌNH TỰ ĐỘNG TRÊN EVIEWS
RAMSEY: [Equation] view\Stability tests\ Ramsey RESET test\

WHITE: [Equation] view\Residual tests\White Heteroskedasticity…
NORMALITY (U): [Equation] view\Residual tests\Histogram Normality test


KiỂM Định tự tương quan: [Equation] view\Residual tests\Serial Correlation LM
test
Tạo biến giả NAM nhận giá trị bằng 1 với quan sát có thứ tự lẻ, bằng 0 với quan
sát có thứ tự chẵn.
Ước lượng mô hình Y phụ thuộc vào X2, Nam, Nam*x2 có hệ số chặn.[2]
19. Mô hình [2] có phù hợp không?
20. Việc thêm biến giả vào mô hình [2] có cần thiết không?

Ước lượng mô hình Y phụ thuộc vào X2, X3 có hệ số chặn, gọi là mô hình [3]?
21. Hệ số góc ước lượng tương ứng với X3 bằng bao nhiêu, có ý
nghĩa thống kê không?
22. Hàm hồi qui có phù hợp không? Prob=?
23. có phải tổng hai hệ số góc bằng 1? (C/K)
24. Hiệp phương sai giữa hai hệ số góc ước lượng =
25. sai số ngẫu nhiên của mô hình có phân phối chuẩn hay
không? Prob=?
26. Mô hình có dạng hàm đúng không? (number of fitted
term=1)
27. Mô hình có phương sai sai số thay đổi? (C/K) (no-cross
term)
28. Ước lượng điểm của Y khi X2=30 và X3=10 là bao nhiêu?
Bài tập 2:
Sử dụng tệp số liệu: ch6bt3.wf1
Ước lượng mô hình d88 phụ thuộc vào y88 có hệ số chặn gọi là [1]
1. Mô hình có định dạng đúng hay sai? (number of fitted
term=2)

Sai
(Pvalue
<0,05)


Kiểm
định
Ramsey
2. Mô hình có phương sai sai số thay đổi? (C/K)

Có
(Pvalue
<0,05)
Kiểm
định
White
(no
cross
term)

3. Mô hình có tự tương quan bậc 1 hay không? giá trị Prob=?
4. sai số ngẫu nhiên của mô hình có phân phối chuẩn hay
không? Prob=?
Ước lượng mô hình log(d88) phụ thuộc vào log(y88) có hệ số chặn gọi là [2]
5. Hệ số góc ước lượng =? Có ý nghĩa thống kê không?
6. Hàm hồi qui có phù hợp không? Fqs =?
7. Tổng bình phương phần dư = ?
8. Ước lượng của biến phụ thuộc tại quan sát thứ 60=?
9. Mô hình có định dạng đúng hay sai? (number of fitted

term=2)
10. Mô hình có phương sai sai số thay đổi? (C/K) LMqs=?
11. Mô hình có tự tương quan bậc 2 hay không? giá trị Fqs=?
12. sai số ngẫu nhiên của mô hình có phân phối chuẩn hay
không? Prob=?
Bổ sung biến y882 vào mô hình [1] gọi là mô hình [3]
13. Biến mới bổ sung có tác động đến biến phụ thuộc hay
không?

0.808330
Có


14. Việc thêm biến mới vào mô hình có khắc phục được hiện
tượng phương sai sai số thay đổi trong mô hình [1] hay không?
Chia cả hai vế phương trình [1] cho y88 gọi là mô hình [4], ước lượng [4].
15. Mô hình [4] dùng để làm gì?
16. Đã đạt mục đích chưa?
17. Có thể sử dụng mô hình [4] để phân tích hay không?
Tại sao?

Một
mô
hình
sử
dụng
được
là mô
hình k
có

khuyết
tật
Chia hai vế mô hình [1] cho căn bậc hai của y88, gọi là mô hình [5], ước lượng
[5].

18. Mô hình [5] có khắc phục được khuyết tật trong mô hình [1]
hay không?
19. Có thể sử dụng mô hình [5] để phân tích hay không? Tại
sao?


Bài tập 3:
Sử dụng tệp số liệu chuỗi thời gian: ch7bt4.wf1
Ước lượng mô hình CONS phụ thuộc vào GDP có hệ số chặn gọi là [1]
1. Mô hình có định dạng đúng hay sai? (number of fitted
term=1)
2. Mô hình có phương sai sai số thay đổi? (C/K)
3. Mô hình có tự tương quan bậc 1 hay không? giá trị LMqs=?
4. Sai số ngẫu nhiên của mô hình có phân phối chuẩn hay
không? JBqs=?
Tạo biến xu thế (T) và thêm vào mô hình [1] gọi là mô hình [2]
5. Biến xu thế có tác động đến biến phụ thuộc hay không?tqs=?
6. Mô hình [2] có khắc phục được khuyết tật trong mô hình [1]
hay không?
Ghi lại phần dư của mô hình [1] với tên là E
Ước lượng mô hình [3]: E phụ thuộc vào trễ một kỳ của nó.
7. mô hình [3] dùng để làm gì?
8. Kết luận gì về mô hình [1]?
Áp dụng phương pháp sai phân tổng quát cho mô hình [1] với ước lượng của hệ số
tự tương quan thu được từ mô hình [3]. Gọi là mô hình [4]

9. Hệ số góc ước lượng trong mô hình [4] =?, có ý nghĩa thống
kê không?
10. Phương pháp sai phân tổng quát có khắc phục được khuyết
tật trong mô hình [1] hay không?
11. Có thể sử dụng mô hình đã biến đổi này để phân tích hay
không? Tại sao?
Áp dụng phương pháp sai phân tổng quát cho mô hình [1] với ước lượng của hệ số
tự tương quan thu được từ thống kê d (DW). Gọi là mô hình [5]


12. Phương pháp sai phân tổng quát có khắc phục được khuyết
tật trong mô hình [1] hay không?
13. Có thể sử dụng mô hình đã biến đổi này để phân tích hay
không? Tại sao?

14. Có ý kiến cho rằng xu hướng chi tiêu biên ngày càng giảm
dần, xây dựng mô hình để kiểm định ý kiến này và cho biết ý
kiến đúng hay sai?
15. Hệ số xác định bằng bao nhiêu?


Đề 2

Nhập chính xác số liệu với 10 quan sát sau, nếu sai sót sẽ sai toàn bộ
về sau
X
Y

8

9

12

14

12

13

15

17

19

25

13

15

19

16

17

18

21

26

29

31

Kiểm tra số liệu đã nhập, thực hiện yêu cầu và điền kết quả sau dấu
“=”
(chính xác, không làm tròn số). Cho  = 5%.
Đặt biến giả D1 = 1 với 5 quan sát đầu, D1 = 0 với các quan sát
còn lại
(Gọi là giai đoạn đầu và giai đoạn sau)
1.

Biến Y có phân phối chuẩn không? (C/K), P-value của kiểm định

=

C
0.595376

Hệ số tương quan của X và biến giả

=

-0.717741

Ước lượng điểm hệ số chặn của mô hình

=

3.815508

Hệ số chặn có ý nghĩa thống kê không (C/K)? P-value kiểm định đó

=

K

Kiểm định phương sai sai số theo White, thống kê F

=

1.213420

Theo đó, mô hình có phương sai sai số thay đổi hay đồng đều?

=

Kiểm định tự tương quan đến bậc 2 theo BG, thống kê 2

=

Theo đó, mô hình có tự tương quan đến bậc 2 không? (C/K)

=

Hồi quy Y theo X có hệ số chặn (MH [1]) bằng bình phương nhỏ

nhất
2.

3.

4.

0.1271

DD
0.672822
k

Với E là phần dư thu được từ mô hình [1]
Hồi quy E theo trễ bậc 1 của E, có hệ số chặn (mô hình [2])
5.

6.

Ước lượng điểm hệ số góc của hồi quy phụ

=

0.032942

Hệ số đó có ý nghĩa thống kê không? (C / K)

=

K

Trễ bậc 1 của phần dư giải thích bao nhiêu % sự biến động của E

=

3,3236

Theo hồi quy phụ này, mô hình [1] có tự tương quan bậc 1 không?

=

K


Thêm biến giả đã đặt vào mô hình [1], được mô hình [3]
7.

8.

Ước lượng điểm hệ số của biến giả

=

Hệ số đó có ý nghĩa thống kê không? (C / K)

=

Giá trị phần dư ứng với quan sát đầu tiên

=

0.04963

Hiệp phương sai ước lượng hai hệ số góc

=

0.292591

2.312500
K

043869241
Bvgf
Đặt biến phù hợp và thêm vào mô hình (được mô hình [4])
9.

Ước lượng điểm mức chênh lệch của hệ số chặn giữa hai giai đoạn

=

3.436321

Ước lượng điểm mức chênh lệch của hệ số góc giữa hai giai đoạn

=

-0.459906

Kiểm định dạng hàm của [4] bằng kiểm định Ramsey thêm 1 phần

tử
10. Thống kê F của kiểm định này
Mô hình có thiếu biến hay không? (C/K) Giá trị p_value của kiểm
định F

=
=

8.582739
C

0.032647


BẢNG CÁC THÔNG SỐ TRONG HỒI QUY EVIEW
Tiếng Anh

Tiếng Việt

Dependent var: Y

Biến phụ thuộc: Y

Method: Least Squares Phương pháp: Bình phương nhỏ nhất
Sample (adjusted): 1
10

Mâu (sau điều chỉnh): Từ 1 đến 10

Included observations:

10

Số quan sát được sử dụng: 10

Variable

Biến số (các biến độc lập)

C

Biến hằng số

X

Biến độc lập

Regression

Hồi quy

Coefficient

Ước lượng của các hệ số

Std. Error

Sai số chuẩn của ước lượng các hệ số

t-Statistic

Thống kê T
Mức xác suất P-value của cặp giả thiết
Chú ý:

Prob.

+ Prob >= 0,05  Chấp nhận H0 (Không đủ cơ sở bác bỏ
H0
+ Prob < 0,05  Chấp nhân H1 (Bác bỏ H0)
Hệ số xác định (bội): R2

R-squared

Adjusted R-squared

VD: R2 = 0,987 tức là mô hình (hay các biến độc lập)
giải thích được 98,7% cho sự thay đổi của biến phụ thuộc
(Y)
Hệ số xác định điều chỉnh

S.E. of regression

Sai số chuẩn của mô hình hồi quy σ

Var (variance)

Phương sai của hồi quy: Var = σ2 = SE2


Sum squared resid

Tổng bình phương phần dư: RSS

Durbin-Watson stat

Thống kê Durbin-Watson

Mean dependent var

Trung bình biến phụ thuộc

S.D. dependent var

Độ lệch chuẩn của biến phụ thuộc 

F-statistic

Thống kê F, kiểm định sự phù hợp của hàm hồi quy

TSS
n 1

Mức xác suất (P-value) của cặp giả thiết KĐ sự phù hợp
của hàm hồi quy:
H0: R2 = 0 (Hàm hồi quy không phù hợp)
H1: R2 ≠ 0 (Hàm hồi quy là phù hợp)
Prob(F-statistic)

Chú ý:
+ Prob >= 0,05  Chấp nhận H0 (Không đủ cơ sở bác bỏ

H0
+ Prob < 0,05  Chấp nhân H1 (Bác bỏ H0)