Tải bản đầy đủ (.pdf) (19 trang)

TIỂU LUẬN KINH TẾ LƯỢNG Đề tài: Sự thay đổi trong tiền lương và những nhân tố ảnh hưởng đến tiền lương.

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (320.27 KB, 19 trang )

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA TÀI CHÍNH NGÂN HÀNG

TIỂU LUẬN KINH TẾ LƯỢNG
Đề tài: WAGE2.DTA
Giảng viên hướng dẫn:
TS. Đinh Thị Thanh Bình
Sinh viên thực hiện: Lớp KTE309.7
Khương Thị Thanh Loan

1113320237

Vũ Thị Thu Hoài
Vương Thị Phương Mai
Phạm Thị Nguyệt Anh
Ngọ Hồng Vy
Lê Thu Trang

1111330036
1113330066
1111330053
1111330022
1113330060

Hà Nội, tháng 7 /2013


LỜI MỞ ĐẦU
Như chúng ta đã biết, tiền lương là một bộ phận của sản phẩm xã hội. được tính
bằng tiền trả cho những người lao động dựa trên số lượng và chất lượng lao động của
mỗi người dùng để bù đắp lại hao phí lao động của họ. Do đó, tiền lương luôn là một


vấn đề thiết thực đối với các cán bộ, công nhân viên. Tiền lương được quy định một
cách đúng đắn, là yếu tố kích thích sản xuất mạnh mẽ, nó kích thích người lao động ra
sức sản xuất và làm việc, nâng cao trình độ tay nghề, cải tiến kỹ thuật nhằm nâng cao
năng suất lao động.
Người lao động sau khi sử dụng sức lao động tạo ra sản phẩm thì được trả một
số tiền công nhất định. Xét về hiện tượng, ta thấy sức lao động được đem ra trao đổi
để lấy tiền công. Vậy có thể coi sức lao động là hàng hoá, một loại hàng hoá đặc biệt.
Và tiền lương chính là giá cả của hàng hoá đặc biệt đó - hàng hoá sức lao động. Trên
thực tế, tiền lương của mỗi người không phải đều giống hệt nhau bởi tiền lương chịu
ảnh hưởng của rất nhiều yếu tố, ví dụ như Trình độ học vấn, Kinh nghiệm,… Chẳng
hạn, trong nghiên cứu của Acemoglu và Angrist (1999) ở Mỹ cho thấy mỗi năm học
thêm mức lương trung bình tăng 7.5%; hay nghiên cứu gần đây của Caponi và Plesca
(2007) chỉ ra rằng những người tốt nghiệp Đại học có thu nhập cao hơn những người
chỉ tốt nghiệp Phổ thông Trung học từ 30 tới 40%. Để tìm hiểu sâu hơn về vấn đề này,
nhóm em quyết định chọn nghiên cứu đề tài “Sự thay đổi trong tiền lương và những
nhân tố ảnh hưởng đến tiền lương.”
Trong quá trình làm bài tiểu luận, dù đã rất cố gắng nhưng chắc chắn không
tránh khỏi những sai sót, kính mong được cô góp ý để nhóm chúng em có thể hoàn
thiện hơn bản báo cáo này.
Chúng em xin chân thành cảm ơn cô!


MỤC LỤC


NỘI DUNG
A. Mô tả dữ liệu
I. Cơ sở lí thuyết
1. Số giờ làm việc:
Thực tế cho thấy số giờ làm việc ảnh hưởng trực tiếp đến thu nhập hàng tháng

của mỗi cá nhân, làm việc nhiều thu nhập nhiều, làm việc ít thu nhập ít là điều
đương nhiên. Nghiên cứu cho thấy những ng công nhân làm tăng ca 10-14h/
tuần sẽ có thu nhập cao hơn những ng k làm tăng ca trung bình là 300-500$/
tuần
2. Chỉ số IQ:
Chỉ số IQ cũng là nhân tố ảnh hưởng nhiều đến tiền lương, 1 người có chỉ số
IQ cao hơn sẽ có cơ hội kiếm được công việc tốt hơn cũng như tiền lương cao
hơn
3. Chỉ số KWW:
Đây là chỉ số để kiểm tra năng lực liên quan đến công việc. Hiện nay chỉ số
này được các công ty nươc ngoài dùng phổ biến hơn chỉ số IQ bởi tính sát thực
gần gũi hơn của nó tới công việc, có thể kiểm tra được hiểu biết, khả năng của
ứng viên trong công việc, liệu có phù hợp với vị trí đang thi tuyển vào hay
không.
4. Trình độ học vấn
Trình độ học vấn của một người quyết định đến thu nhập của họ. Ảnh hưởng
số năm học vấn tới thu nhập của từng người tương đối phức tạp. Nếu số năm
học nhỏ hơn 12, trình độ học vấn của người đó chỉ nằm ở mức phổ thông.
Trình độ học vấn có mối quan hệ tỷ lệ thuận với thu nhập. Tức là, khi số năm
trình độ học vấn tăng (giảm) thì thu nhập tăng (giảm).
5. Kinh nghiệm làm việc
Kinh nghiệm làm việc cho thấy những trải nghiệm việc làm, tinh thần trách
nhiệm khi làm việc và khả năng hòa nhập của người lao động với những người
khác. Thực tế cho thấy những người có nhiều năm kinh nghiệm làm việc
thường sẽ gây được ấn tượng tốt hơn cho nhà tuyển dụng, có thể ứng cử hay
được đề bạt vào các vị trí quan trọng và có mức lương cao những người chưa
có kinh nghiệm hoặc có ít năm kinh nghiệm hơn.
6. Số năm tuổi:
Người ở độ tuổi trưởng thành hơn. Lớn hơn sẽ đi kèm với việc có nhiều kinh
nghiệm hơn, kiến thức hơn và thường sẽ đi kèm với tiền lương cao hơn. Tuy



nhiên điều này chưa hẳn đúng, bởi có những công việc chỉ phù hợp với 1 số độ
tuổi nhất định
7.

Mô tả dữ liệu:

Mô tả dữ liệu trong file WAGE2.DTA từ phần mềm Stata, ta thu được kết quả như
sau:
. des
Contains
data
from
C:\Users\Duong\Downloads\Statafiles.
wooldridge\WAGE2.DTA
obs:
935
vars:
17
14 Apr 1999 13:41
size:
24,310 (99.9% of memory free)
---------------------------------------------------------------------------storage display
value
variable name
type
format
label
variable label

---------------------------------------------------------------------------wage
int
%9.0g
monthly earnings
hours
byte
%9.0g
average weekly hours
IQ
int
%9.0g
IQ score
KWW
byte
%9.0g
knowledge of world work
score
educ
byte
%9.0g
years of education
exper
byte
%9.0g
years of work experience
tenure
byte
%9.0g
years with current employer
age

byte
%9.0g
age in years
married
byte
%9.0g
=1 if married
black
byte
%9.0g
=1 if black
south
byte
%9.0g
=1 if live in south
urban
byte
%9.0g
=1 if live in SMSA
sibs
byte
%9.0g
number of siblings
brthord
byte
%9.0g
birth order
meduc
byte
%9.0g

mother's education
feduc
byte
%9.0g
father's education
lwage
float %9.0g
natural log of wage
----------------------------------------------------------------------------

Thông tin về dữ liệu cho thấy đây là thống kê về các yếu tố ảnh hưởng đến mức thu
nhập hàng tháng dựa trên 935 mẫu quan sát ở Mỹ năm 1980 (tham khảo tại:
Sau khi xem xét kĩ các biến, nhóm chúng
em quyết định chọn biến phụ thuộc là wage, các biến độc lập gồm 5 biến: hours, IQ,


KWW, educ, exper, và age. Định dạng và ý nghĩa của các biến được mô tả ở Bảng 1
dưới đây:
Bảng 1: Định dạng và ý nghĩa của các biến
Tên biến
wage
Hour
IQ
KWW
educ
exper
age

Dạng dữ liệu
integer

byte
byte
integer
byte
byte
byte

Đơn vị
US Dollar
giờ

năm
năm
năm

Ý nghĩa biến
Thu nhập hàng tháng
Số giờ làm việc trung bình mỗi tuần
Chỉ số IQ
Chỉ số KWW (knowledge of world work)
Số năm đi học
Số năm đi làm
Số năm tuổi

Tiếp tục sử dụng lệnh sum để miêu tả dữ liệu. Lệnh sum cho biết số lượng quan sát
(Obs), giá trị trung bình (mean), độ lệch chuẩn (std. dev.) cũng như giá trị lớn nhất
(max) và nhỏ nhất (min) của các biến.
. sum wage hours IQ KWW educ exper age
Variable |
Obs

Mean
Std. Dev.
Min
Max
-------------+-------------------------------------------------------wage |
935
957.9455
404.3608
115
3078
hours |
935
43.92941
7.224256
20
80
IQ |
935
101.2824
15.05264
50
145
KWW |
935
35.74439
7.638788
12
56
educ |
935

13.46845
2.196654
9
18
-------------+-------------------------------------------------------exper |
935
11.56364
4.374586
1
23
age |
935
33.08021
3.107803
28
38

Có thể nhận thấy thu nhập hàng tháng có sự chênh lệch khá lớn giữa mức cao nhất và
mức thấp nhất, lên tới xấp xỉ 27 lần, cao hơn hẳn so với các biến còn lại. Ngoài ra,
nhìn vào độ tuổi khảo sát từ 28 đến 38 cũng cho thấy đối tượng khảo sát được hướng
đến là những người đã bắt đầu ổn định trong công việc.
Tiếp tục sử dụng lệnh tab để thực hiên một vài phân tích kĩ hơn, ta có kết quả như
sau:
. tab educ
years of |
education |

Freq.

Percent


Cum.


------------+----------------------------------9 |
10
1.07
1.07
10 |
35
3.74
4.81
11 |
43
4.60
9.41
12 |
393
42.03
51.44
13 |
85
9.09
60.53
14 |
77
8.24
68.77
15 |
45

4.81
73.58
16 |
150
16.04
89.63
17 |
40
4.28
93.90
18 |
57
6.10
100.00
------------+----------------------------------Total |
935
100.00
. tab age
age in |
years |
Freq.
Percent
Cum.
------------+----------------------------------28 |
45
4.81
4.81
29 |
86
9.20

14.01
30 |
120
12.83
26.84
31 |
98
10.48
37.33
32 |
99
10.59
47.91
33 |
81
8.66
56.58
34 |
69
7.38
63.96
35 |
61
6.52
70.48
36 |
95
10.16
80.64
37 |

82
8.77
89.41
38 |
99
10.59
100.00
------------+----------------------------------Total |
935
100.00

Thống kê thứ nhất chỉ ra tình trạng được đào tạo về trường lớp, cho thấy có một số
lượng lớn người được khảo sát (42%) đã học hết 12 năm học, tương ứng với học hết
bậc phổ thông rồi đi làm ngay mà không học lên cao hơn. Thống kê thứ hai cho biết
phân bố độ tuổi của những người được khảo sát, cho thấy rằng các nhóm tuổi được
phân bố khá đồng đều, chiếm từ 4.81% đến 12.83% và không có sự chênh lệch nào
quá lớn.


B. Phân tích hồi quy
1. Thiết lập mô hình tổng quát
a. Mô hình tổng quát
Hàm hồi quy tổng thể biểu diễn mối quan hệ giữa biến phụ thuộc là thu nhập hàng
tháng wage với các biến độc lập hours, IQ, KWW, educ, exper, và age có dạng:
b. Giải thích biến
Các biến được giải thích ở Bảng 2 dưới đây:
Bảng 2: Giải thích biến
Tên biến
Biến phụ
thuộc


wage
hours
IQ

Ý nghĩa
Thu nhập hàng
tháng
Số giờ làm việc
trung bình mỗi
tuần
Chỉ số IQ

Dấu kì
vọng

Diễn giải

+

Làm việc càng nhiều thì thu
nhập hàng tháng càng nhiều

+

Chỉ số IQ càng cao thì cơ hội
tang mức thu nhập hang tháng
Chỉ số KWW càng cao thì cơ
hội tăng mức thu nhập hàng
tháng


KWW

Chỉ số KWW

+

educ

Số năm đi học

+

exper

Số năm đi làm

+

Số năm tuổi

+

Biến độc
lập

age

2. Lập bảng tương quan


Bậc học càng cao thì thu nhập
hàng tháng càng cao
Kinh nghiệm làm việc càng
nhiều thì thu nhập hàng tháng
càng cao
Những người có độ tuổi cao
hơn sẽ có mức thu nhập hang
tháng cao hơn


MỤC LỤC


IQ |

4.030096

.9822516

4.10

0.000

2.102404

5.957788

KWW |

8.025221


1.996581

4.02

0.000

4.106884

11.94356

educ |

46.25634

7.401504

6.25

0.000

31.73072

60.78197

exper |

11.1259

3.68989


3.02

0.003

3.884407

18.3674

age |

6.308391

5.055275

1.25

0.212

-3.612705

16.22949

_cons |

-563.5638

178.0838

-3.16


0.002

-913.0574

-214.0702

------------------------------------------------------------------------------

4. Phương trình hồi quy
Từ kết quả chạy hồi quy, nhóm tóm tắt các giá trị thu được ở bảng 3:
Bảng 3: Kết quả hồi quy
Biến

Hệ số
B1

hours
IQ
KWW
educ
exper
age

B2
B3
B4
B5
B6
B7


Giá trị
-563.5638
-3.047275
4.030096
8.025221
46.25634
11.1259
6.308391

Thống kê t
-3.16
-1.82
4.10
4.02
6.25
3.02
1.25

P-value
0.002
0.069
0.000
0.000
0.000
0.003
0.212

Từ bảng 3, ta có phương trình hồi quy:
Wage = -563.5638 + -3.047275 (hours) + 4.030096 (IQ) + 8.025221 (KWW) +

46.25634 (educ) + 11.1259 ( exper) + 6.308391 (age)
5. Phân tích kết quả hồi quy
- Số quan sát đưa vào phân tích obs = 935.
- Phần tổng bình phương các độ lệch giữa giá trị quan sát Yi với giá trị trung bình của
nó TSS=152716168.
- Phần tổng bình phương được giải thích bởi mô hình (biến giải thích)
ESS=28464599.
- Phần tổng bình phương không giải thích được (phần dư) RSS=124251570.
- Độ lệch bình phương bình quân (phương sai) của các bộ phận trên là
MSm=4744099.77 và MSr=133891.778
- Sai số chuẩn của ước lượng RMSE=365.91, nhỏ hơn độ lệch chuẩn của biến phụ
thuộc là SD = = 404.3682. Vậy ước lượng của hồi quy là chấp nhận được.


- Mức độ phù hợp của mô hình so với thực tế là R2 = 18.64% cho thấy các biến độc
lập đã giải thích được 18.64% sự thay đổi của biến phụ thuộc.- Ý nghĩa các tham số
trong mô hình:
8. b1= -563.5638 có nghĩa là trong điều kiện các yếu tố khác không đổi và giá
trị các biến độc lập bằng 0 thì thu nhập trung bình hàng tháng sẽ là 563.5638 USD.
9. b2= -3.047275 có p-value = 0.069 > 0.05 nên không có ý nghĩa thống kê.
Do đó, số giờ làm việc trung bình hàng tuần không có tác động lên thu nhập
hàng tháng.
10. b3= 4.030096 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố
khác không đổi, nếu chỉ số IQ tăng thêm 1 đơn vị thì thu nhập hàng tháng
trung bình tăng lên 4.030096 USD.
11. b4= 8.025221 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố
khác không đổi, nếu chỉ số KWW tăng lên 1 đơn vị thì thu nhập hàng tháng
trung bình tăng lên 8.025221 USD.
12. b5= 46.25634 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố
khác không đổi, nếu số năm đi học tăng thêm 1 năm thí thu nhập trung bình

hàng tháng tăng lên 46.25634 USD.
13. b6= 11.1259 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố
khác không đổi, nếu số năm đi làm tăng thêm 1 năm thí thu nhập trung bình
hàng tháng tăng lên 11.1259 USD.
14. b7= 6.308391 có p-value = 0.212 > 0.05 nên không có ý nghĩa thống kê.
Do đó, tuổi tác không có tác động lên thu nhập hàng tháng.


III. Kiểm định mô hình
1. Kiểm định sự phù hợp của mô hình
Để kiểm định sự phù hợp của mô hình, xét cặp giả thuyết sau:
H0: b1 = b2 = b3 = b4 = b5 = b6 = b7
H1: Có ít nhất môt trong các hệ số khác 0
Kết quả của kiểm định được cho ở bảng dưới đây:
. test hours IQ KWW educ exper age
( 1)

hours = 0

( 2)

IQ = 0

( 3)

KWW = 0

( 4)

educ = 0


( 5)

exper = 0

( 6)

age = 0
F(

6,

928) =

Prob > F =

35.43
0.0000

P-value = 0.0000 < 0.05 nên giả thuyết H0 bị bác bỏ, thừa nhận sự phù hợp của mô
hình hồi quy.
15.

Kiểm định đa cộng tuyến

Mô hình hồi quy tuyến tính cổ điển giả định các biến độc lập không có mối
quan hệ tuyến tính với nhau, tức là các hệ số hồi quy đối với một biến cụ thể là
số đo tác động riêng phần của biến tương ứng khi tất cả các biến khác trong mô
hình được giữ cố định. Tuy nhiên trong thực tế, do nhiều nguyên nhân mà giả
thiết này bị vi phạm. Nếu điều này xảy ra thì sẽ có hiện tượng đa cộng tuyến, đó

là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện
được dưới dạng hàm số.
Nguyên nhân xảy ra đa cộng tuyến có nhiều nhưng chủ yếu là 3 nguyên
nhân cơ bản sau:
- Do thu thập số liệu ít, không toàn diện.
- Do bản chất của các biến độc lập là tương quan nhau.
- Do một số dạng mô hình sản sinh ra đa cộng tuyến.
Hậu quả của đa cộng tuyến:
- Ước lượng phương sai trở nên kém chính xác.


- Giá trị tới hạn t trở nên nhỏ hơn so với thực tế trong khi R2 là khá cao.
Kiểm định T và F trở nên kém hiệu quả.
- Các giá trị ước lượng biến động mạnh khi thay đổi số liệu trong mô hình.
- Các giá trị của các ước lượng có khả năng biến động mạnh khi thay đổi (rút
ra hoặc thêm vào) các biến có tham gia vào hiện tượng đa cộng tuyến.
Chúng ta có thể dùng lệnh vif sau hồi quy để kiểm tra tính đa cộng tuyến. Lệnh
vif đặc trưng cho yếu tố lạm phát phương sai, nếu một biến có giá trị vif > 10
thì mô hình có khả năng xảy ra đa cộng tuyến.
Sử dụng lệnh vif trong phần mềm stata, ta có kết quả sau:
. vif
Variable |

VIF

1/VIF

-------------+---------------------educ |

1.84


0.542305

exper |

1.82

0.550182

age |

1.72

0.580778

KWW |

1.62

0.616289

IQ |

1.52

0.655747

hours |

1.02


0.982221

-------------+---------------------Mean VIF |

1.59

Các giá trị VIF đều nhỏ hơn 10, do đó có thể đi đến kết luận mô hình không có hiện
tượng đa cộng tuyến.
16.

Kiểm đinh phương sai sai số thay đổi

Khi nghiên cứu mô hình hồi quy tuyến tính cổ điển, chúng ta đã đưa ra giả
thiết rằng: Phương sai của mỗi một ngẫu nhiên Ui trong điều kiện giá trị đã
cho của biến giải thích Xi là không đổi, nghĩa là
u1 = u2 =…. = ui ; i = 1,2,3…n
Tuy nhiên, trong thực tế, do bản chất kinh tế xã hội, quá trình thu thập, xử lí,
làm trơn số liệu hay do mô hình định dạng sai mà giả thiết này bị vi phạm dẫn
đến hiện tượng phương sai sai số thay đổi. Hậu quả của phương sai sai số thay
đổi là các ước lượng bình phương nhỏ nhất vẫn là không chệch nhưng không
còn hiệu quả nữa, cùng với đó ước lượng của các phương sai sẽ bị chệch, như
vậy làm mất hiệu lực của kiểm định.
a. Phương pháp định tính


NỘI DUNG
A. Mô tả dữ liệu
I. Cơ sở lí thuyết
1. Số giờ làm việc:

Thực tế cho thấy số giờ làm việc ảnh hưởng trực tiếp đến thu nhập hàng tháng
của mỗi cá nhân, làm việc nhiều thu nhập nhiều, làm việc ít thu nhập ít là điều
đương nhiên. Nghiên cứu cho thấy những ng công nhân làm tăng ca 10-14h/
tuần sẽ có thu nhập cao hơn những ng k làm tăng ca trung bình là 300-500$/
tuần
2. Chỉ số IQ:
Chỉ số IQ cũng là nhân tố ảnh hưởng nhiều đến tiền lương, 1 người có chỉ số
IQ cao hơn sẽ có cơ hội kiếm được công việc tốt hơn cũng như tiền lương cao
hơn
3. Chỉ số KWW:
Đây là chỉ số để kiểm tra năng lực liên quan đến công việc. Hiện nay chỉ số
này được các công ty nươc ngoài dùng phổ biến hơn chỉ số IQ bởi tính sát thực
gần gũi hơn của nó tới công việc, có thể kiểm tra được hiểu biết, khả năng của
ứng viên trong công việc, liệu có phù hợp với vị trí đang thi tuyển vào hay
không.
4. Trình độ học vấn
Trình độ học vấn của một người quyết định đến thu nhập của họ. Ảnh hưởng
số năm học vấn tới thu nhập của từng người tương đối phức tạp. Nếu số năm
học nhỏ hơn 12, trình độ học vấn của người đó chỉ nằm ở mức phổ thông.
Trình độ học vấn có mối quan hệ tỷ lệ thuận với thu nhập. Tức là, khi số năm
trình độ học vấn tăng (giảm) thì thu nhập tăng (giảm).
5. Kinh nghiệm làm việc
Kinh nghiệm làm việc cho thấy những trải nghiệm việc làm, tinh thần trách
nhiệm khi làm việc và khả năng hòa nhập của người lao động với những người
khác. Thực tế cho thấy những người có nhiều năm kinh nghiệm làm việc
thường sẽ gây được ấn tượng tốt hơn cho nhà tuyển dụng, có thể ứng cử hay
được đề bạt vào các vị trí quan trọng và có mức lương cao những người chưa
có kinh nghiệm hoặc có ít năm kinh nghiệm hơn.
6. Số năm tuổi:
Người ở độ tuổi trưởng thành hơn. Lớn hơn sẽ đi kèm với việc có nhiều kinh

nghiệm hơn, kiến thức hơn và thường sẽ đi kèm với tiền lương cao hơn. Tuy


. estat imtest, white
White's test for Ho: homoskedasticity
against Ha: unrestricted heteroskedasticity
chi2(27)

=

74.17

Prob > chi2

=

0.0000

Cameron & Trivedi's decomposition of IM-test
--------------------------------------------------Source |

chi2

df

p

---------------------+----------------------------Heteroskedasticity |

74.17


27

0.0000

Skewness |

19.71

6

0.0031

Kurtosis |

5.56

1

0.0184

---------------------+----------------------------Total |

99.44

34

0.0000

---------------------------------------------------


Do cả hai kiểm định đều có giá trị p-value = 0.0000 < 0.05 nên giả thuyết H0 về
phương sai sai số thuần nhất (homoskedasticity) bị bác bỏ. Vậy chúng em kết luận
rằng mô hình có hiện tượng phương sai sai số thay đổi.
Khắc phục phương sai sai số thay đổi:
Để khắc phục hiện tượng này, nhóm em sử dụng 2 phương pháp là hồi quy Robust và
logarit hóa số liệu.
a) Phương pháp hồi quy Robust:
Robust là một tùy chọn cho hồi quy OLS, để khắc phục khi biết mô hình có hiện
tượng phương sai sai số thay đổi. Sử dụng tùy chọn vce(hc3) sau lệnh hồi quy, ta thu
được kết quả mô hình với các chỉ số như sau:
. regress wage hours IQ KWW educ exper age, vce(hc3)
Linear regression

Number of obs =
F(

6,

935

928) =

33.65

Prob > F

=

0.0000


R-squared

=

0.1864

Root MSE

=

365.91

-----------------------------------------------------------------------------|
wage |

Robust HC3
Coef.

Std. Err.

t

P>|t|

[95% Conf. Interval]

-------------+---------------------------------------------------------------hours |

-3.047275


2.213989

-1.38

0.169

-7.392281

1.29773


IQ |

4.030096

.9458199

4.26

0.000

2.173902

5.88629

KWW |

8.025221


2.030041

3.95

0.000

4.041219

12.00922

educ |

46.25634

7.576703

6.11

0.000

31.38689

61.1258

exper |

11.1259

3.843771


2.89

0.004

3.582412

18.6694

age |

6.308391

5.069098

1.24

0.214

-3.639833

16.25662

_cons |

-563.5638

191.8851

-2.94


0.003

-940.1429

-186.9847

-----------------------------------------------------------------------------. estat ic
----------------------------------------------------------------------------Model |

Obs

ll(null)

ll(model)

df

AIC

BIC

-------------+--------------------------------------------------------------. |

935

-6938.365

-6841.932

7


13697.86

13731.75

----------------------------------------------------------------------------Note:

N=Obs used in calculating BIC; see [R] BIC note

b) Phương pháp logarit hóa số liệu:
Lần lượt logarit hóa biến phụ thuộc và biến độc lập và thực hiện hồi quy, ta thu được
kết quả mô hình với các chỉ số như sau:
. reg lwage

lhours lIQ lKWW leduc lexper lage

Source |

SS

df

MS

Number of obs =

-------------+------------------------------

F(


6,

935

928) =

34.00

Model |

29.8542439

6

4.97570732

Prob > F

=

0.0000

Residual |

135.802039

928

.146338404


R-squared

=

0.1802

Adj R-squared =

0.1749

Root MSE

.38254

-------------+-----------------------------Total |

165.656283

934

.177362188

=

-----------------------------------------------------------------------------lwage |

Coef.

Std. Err.


t

P>|t|

[95% Conf. Interval]

-------------+---------------------------------------------------------------lhours |

-.2313731

.0827978

-2.79

0.005

-.3938657

-.0688806

lIQ |

.486781

.0976831

4.98

0.000


.2950757

.6784863

lKWW |

.1694984

.0670268

2.53

0.012

.0379568

.30104

leduc |

.6239758

.1011052

6.17

0.000

.4255546


.8223971

lexper |

.0907378

.0310513

2.92

0.004

.0297988

.1516767

lage |

.4668831

.1595918

2.93

0.004

.1536804

.7800857


_cons |

1.347582

.6946963

1.94

0.053

-.0157759

2.71094

-----------------------------------------------------------------------------. hettest
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of lwage


chi2(1)

=

0.09

Prob > chi2

=


0.7684

. estat ic
----------------------------------------------------------------------------Model |

Obs

ll(null)

ll(model)

df

AIC

BIC

-------------+--------------------------------------------------------------. |

935

-517.6373

-424.7372

7

863.4744

897.3582


----------------------------------------------------------------------------Note:

N=Obs used in calculating BIC; see [R] BIC note

Lựa chọn mô hình: Dễ thấy kiểm định Breusch-Pagan đã chỉ ra rằng sau khi logarit
hóa số liệu thì mô hình đã hết hiện tượng phương sai sai số thay đổi (p-value = 0.7684
> 0.05). Để lựa chọn ra mô hình tốt hơn giữa mô hình logarit và mô hình Robust,
nhóm em sử dụng chỉ số AIC để só sánh. Có thể thấy được AIC của mô hình logarit
nhỏ hơn rất nhiều so với mô hình Robust (863.4744 và 13697.86), dẫn đến mô hình
logarit có độ phù hợp cao hơn Robust. Hơn nữa khi chuyển sang dạng logarit, tất cả
các biến độc lập đều trở nên có ý nghĩa thống kê và hệ số tương quan R2 thay đổi rất
ít, vậy nên nhóm em quyết định lựa chọn mô hình tối ưu nhất để khắc phục hiện
tượng phương sai sai số thay đổi có dạng như sau:
4. Kiểm định bỏ sót biến
Để kiểm định mô có bị bỏ sót biến hay không, nhóm em dùng kiểm định RESET của
Ramsey.

Cặp giả thuyết cần kiểm định:
Nếu giá trị p-value nhỏ hơn mức ý nghĩa , chúng ta bác bỏ giả thiết H0 và
chấp nhận giả thiết H1.
Kết quả của kiểm định như sau:
. ovtest
Ramsey RESET test using powers of the fitted values of lwage
Ho:

model has no omitted variables
F(3, 925) =
Prob > F =


0.77
0.5112

Giá trị p-value = 0.5112 > 0.05 nên chấp nhận giả thuyết H0 và đi đến kết luận mô
hình
không
bị
bỏ
sót
biến.


KẾT LUẬN VÀ ĐỀ XUẤT
Tổng kết lại, sau khi thực hiện phân tích và thực nghiệm trên dữ liệu đã chọn, nhóm
chúng em xin đề xuất mô hình tốt nhất để lượng hóa ảnh hưởng của các yếu tố đến thu
nhập hàng tháng của người dân Mỹ thời điểm năm 1980 như sau:
Trong đó, nhân tố về bậc học có mức ảnh hướng cao nhất, tiếp đến tới chỉ số IQ, tuổi
tác, số giờ làm việc hàng tuần, chỉ số KWW và cuối cùng mới đến số năm kinh
nghiệm đi làm. Điều này có thể thấy rằng càng học cao cơ hội có thu nhập càng cao
hơn. Đây có thể là quan niệm của các nhà tuyển dụng Mỹ thời điểm 1980, tuy nhiên
hiện tại thì chỉ số KWW và số năm kinh nghiệm thường được đánh giá cao hơn so với
bằng cấp. Chúng ta- những sinh viên năm 2- trước hết hãy cố gắng tích lũy những
kiến thức trong sách vở rồi sau đố đến những kiến thức thực tế bên ngoài đồng thời
cùng những kĩ năng mềm, để trang bị cho mình hành trang tốt nhất, tạo bước đà để
kiếm được 1 công việc tốt và thu thập cao.
Bài tiểu luận của chúng em đến đây là kết thúc, em xin cám ơn sự giúp đỡ và hướng
dẫn tận tình của cô giáo Ts. Đinh Thị Thanh Bình qua những giời học bổ ích trên lớp
đã giúp chúng em có thêm kiến thức về môn kinh tế lượng cũng như giúp ích cho việc
đi làm sau này của chúng em.
Chúng em xin chân thành cảm ơn cô!



TÀI LIỆU THAM KHẢO
Sách, giáo trình
Nguyễn Quang Dong, giáo trình “bài giảng kinh tế lượng”, nhà xuất
bản giao thông vận tải, Hà Nội, 1998.
e)
Nguyễn Cao Văn, Trần Thái Ninh, giáo trình “lý thuyết xác suất và
thống kê toán”, nhà xuất bản Khoa học và Kỹ thuật, 1996.
f)
Các trang web
/>c)
d)

/> /> /> />


×