TIỂU LUẬN ỨNG DỤNG PHẦN MỀM EVIEWS TRONG NGHIÊN CỨU

ĐỀ TIỂU LUẬN SỐ 05
MÔN HỌC : ỨNG DỤNG PHẦN MỀM EVIEWS TRONG NGHIÊN CỨU

Từ dữ liệu : DATA-01
Đề xuất lập mơ hình hồi quy theo dạng sau:
SUB = C(1) + C(2)*HOME + C(3)*INST + C(4)* TV +C(5)*AGE + C(6)*AIR +
C(7)*Y +ei
Trên đây là dạng mơ hình chưa phù hợp và chưa hoàn chỉnh. Bằng lý thuyết kinh
tế lượng và phần mềm EVIEWS ứng dụng đã học, anh chị hãy thực hiện các nôi dung
sau đây:
1/ Lập ma trận tương quan và phân tích các mối quan hệ.
2/ Tuyển lọc lại từ tập hợp các biến giải thích để chọn biến phù hợp đưa vào mơ
hình hồi quy mới (kiểm định Wald, kiểm định F-sự phù hợp mơ hình, tính các hệ số
hồi quy chuẩn hóa.)
3/ Tiến hành kiểm tra sự vi phạm các gỉa thiết hồi quy cổ điển (kiểm định Jarque
bera về phân phối chuẩn cho phần dư, kiểm định tính chất đa cộng tuyến, kiểm định
tính chất phương sai thay đổi,kiểm định Durbin-Watson hoặc BG)
4/ Hãy tiến hành dự báo khoảng giá trị trung bình và cá biệt của tổng thể theo mơ
hình hồi quy phù hợp vừa chọn như ở câu 2 với các gíá trị biến giải thích cho trước
như sau:

HOME = 250
INST = 5,5
TV

= 20

AGE

=

15

AIR

=

10

Y

=

10900

Cho độ tin cậy 1-α = 95%
Trang 2


BẢNG SỐ LIỆU:
DATA-01

SUB
105

HOME

INST

350

14,9

TV
16

AGE
11,83

5
90

255,631

AIR

Y

SVC

1

9839

10

1

10606

7,5

3
15

15

11,42
1

14

31

15

11

7,33

9

10455

7

11,7

34,84

10

22

6,92

1

8958

7

1

11741

10

0
46

153,434

25

20

26
2

11,217

26,621

15

18

8,83

8

9378

7,66

12

18

15

12

13,08

8

10433

7,5

6,428

9,324

15

17

5,58

7

10167

7

20,1

32

10

10

12,42

8

9218

5,6

8,5

28

15

6

4,92

6

10519

6,5

1,6

8

17,5

8

4,08

6

10025

7,5

1,1

5

15

9

4,25

9

9714

8,95

4,355

15,204

10

7

10,67

7

9294

7

78,91

97,889

24,9

12

17,58

7

9784

9,49

5
19,6

93

20

9

8,08

7

8173

7,5

1

3

9,95

13

0,17

6

8967

10

1,65

2,6

25

6

13,25

5

10133

7,55

13,4

18,284

15,5

11

12,67

5

9361

6,3

18,708

55

15

16

5,25

6

9085

7
Trang 3


1,352

1,7

20

6

15

6

10067

5,6

170

270

15

15

17

5

8908

8,75

15,388

46,54

15

9

6,83

6

9632

8,73

6,555

20,417

5,95

10

5,67

6

8995

5,95

40

120

25

10

7

5

7787

6,5

19,9

46,39

15

9

11,25

7

8890

7,5

2,45

14,5

9,95

6

2,92

4

8041

6,25

3,762

9,5

20

6

2,17

5

8605

6,5

24,882

81,98

18

8

7,08

4

8639

7,5

21,187

39,7

20

9

12,17

4

8781

6

3,487

4,113

10

11

13,08

4

8551

6,85

3

8

10

9

0,17

6

9306

7,95

42,1

99,75

9,95

8

7,67

5

8346

5,73

20,35

33,379

15

8

10,33

4

8803

7,5

23,15

35,5

17,5

8

12,25

5

8942

6,5

9,866

34,775

15

11

2

4

8591

8,25

42,608

64,84

10

11

13,08

6

9163

6

10,371

30,556

20

8

1

6

7683

7,5

5,164

16,5

14,9

8

4

5

7924

6,95

5
31,15

70,515

9,95

10

4,67

4

8454

7

18,35

42,04

20

6

3

4

8429

7

-

SUB : số người thuê bao cho mỗi hệ thống (nghìn thuê bao): 1-170

-

Home: số nhà mỗi hệ thống đi qua (nghìn): 1,7-350

-

Inst: Phí lắp đặt tính bằng USD: 5,6-10

-

Tv: Số kênh truyền hình được mỗi hệ thống tải đi: từ 6-22

-

Age: Tuổi mỗi hệ thống tính bằng số năm: 0,17-26

-

Air: số kênh truyền hình thu được: từ 4-13
Trang 4


-

Y: thu nhập bình quân đầu người của mỗ thị trường cáp TV tình USD:

7.686-11.741
-

SVC: phí dịch vụ hàng tháng đối với hệ thống: 5,6-10

Trang 5

THỰC HÀNH TRÊN EVIEW 9
PHẦN 1: Lập ma trận tương quan và phân tích các mối quan hệ.
Tiến hành copy dữ liệu từ file excel sang Eview, chọn Past as new workfile, chọn
finish ta được workfile như sau:

Chọn lần lượt các biến: sub, home, inst, age, air, y, svc và mở ở dạng group như
sau:

Trang 6


Ta được kết quả sau:

Trang 7


Vào View => chọn Covariance Analysis… ta được kết quả sau:

Chọn mục Correlation => OK ta được:

Trang 8


Phân tích các mối quan hệ :
-

Biến Home giải thích tốt nhất cho biến phụ thuộc Sub. Biến Age, biến

TV và biến SVC giải thích khá cho biến phụ thuộc Sub. Các biến Inst, Air và Y

giải thích yếu cho biến phụ thuộc Sub.
-

Ta thấy có sự tương quan khá cao giữa biến Home với các biến TV, biến

Age, biến Air và biến SVC. Giữa biến TV với các biến Air và SVC. Giữa biến
Age và biến Y. Giữa biến Air, biến Y và biến SVC. Có thể xảy ra hiện tượng
đa cộng tuyển giữa các biến này.

Trang 9


PHẦN 2 : Tuyển lọc lại từ tập hợp các biến giải thích để chọn biến phù
hợp đưa vào mơ hình hồi quy mới (kiểm định Wald, kiểm định F-sự phù hợp
mơ hình, tính các hệ số hồi quy chuẩn hóa.)
2.1. Mơ hình hồi quy.
Mở các biến ở dạng Equation ta có được mơ hình hồi quy như sau :

Mơ hình hồi quy có dạng :
SUB = C(1) + C(2)*HOME + C(3)*INST+ C(4)*TV + C(5)*AGE + C(6)*AIR +
C(7)*Y +ei
Vào View chọn Representations.

Trang 10


Ta viết lại được như sau:
SUB = 0.405549*HOME - 0.52642*INST + 0.7565078*TV + 1.193511*AGE 5.111142*AIR + 0.001655*Y + 2.038732*SVC - 6.8077256
Trên cửa sổ làm việc của Eview ta gõ: scalar f=@qfdist(0.95,7,33) để tìm Fα = (k1,n-k). Ta được kết quả là F(k-1,n-k) = 2.303.
Nhận xét:

- Hệ số Adjusted R-squared = 0.8632, cho thấy mơ hình giải thích tương đối tốt sự
thay đổi của biến SUB.
- Ta thấy giá trị kiểm định F-Statistic = 36.15343>F(k-1,n-k) hay P-value<0,05 cho
thấy mơ hình trên là phù hợp.
Trang 11


- Độ lệch chuẩn SE. of regression = 12.40453.
- Giá trị P-value của các biến Home, Air, Age nhỏ hơn α=0,05 cho thấy các biến
độc lập tham gia giải thích cho biến phụ thuộc SUB khá tốt. P-value của các biến Inst,
Tv, Y, SVC lớn hơn α=0.05.
=> Cần kiểm định Wald để xác định các biến đưa vào mơ hình có phù hợp
khơng.
2.2. Kiểm định Wald.
Kiểm định Wald nhằm mục đích xác định các biến đưa vào mơ hình có phù hợp
hay khơng. Từ đó cho ta biết biến nào nên đưa vào mơ hình và biến nào nên loại bỏ
khỏi mơ hình.
Từ mơ hình hồi quy : Vào View => Coefficient Diagnostic => Wald Test Cofficient Restrictions…
Xuất hiện hộp thoại Wald Test dưới đây và nhập vào hộp thoại cú pháp :
C(1)=C(2)=C(3)=C(4)=C(5)=C(6)=C(7)=0

Trang 12


Bấm OK ta được kết quả sau:

Trang 13


Nhận xét:

Trên bảng ta thấy Probability của F-statistic = 0,0000<0,05 (mức ý nghĩa α=5%),
bác bỏ giả thiết H0 tức là các biến Home, Inst, Tv, Air, Age, Y, SVC đều ảnh hưởng
đến biến phụ thuộc Sub.
2.2.1. Kiểm định Wald với biến HOME.
Nhập vào hộp thoại Wald Test: C(1)=0, ta có kết quả sau:

Trang 14


Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,0000<0,05 (mức ý
nghĩa 5%) > Bác bỏ giả thiết H0, tức là biến Home đưa vào mơ hình là hợp lý.
2.2.2. Kiểm định Wald với biến INST.
Nhập vào hộp thoại Wald Test: C(2)=0, ta có kết quả sau:

Trang 15


Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,2771>0,05 (mức ý
nghĩa 5%) => Chấp nhận giả thiết H0, tức là biến INST đưa vào mơ hình là khơng hợp
lý.
2.2.3. Kiểm định Wald với biến TV.
Nhập vào hộp thoại Wald Test: C(3)=0, ta có kết quả sau:

Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,2796>0,05 (mức ý
nghĩa 5%) => Chấp nhận giả thiết H0, tức là biến TV đưa vào mơ hình là khơng hợp
lý.
2.2.4. Kiểm định Wald với biến Age.
Nhập vào hộp thoại Wald Test: C(4)=0, ta có kết quả sau:

Trang 16

Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,0237<0,05 (mức ý
nghĩa 5%) > Bác bỏ giả thiết H0, tức là biến Age đưa vào mơ hình là hợp lý.
2.2.5. Kiểm định Wald với biến Air.
Nhập vào hộp thoại Wald Test: C(5)=0, ta có kết quả sau:

Trang 17


Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,0020<0,05 (mức ý
nghĩa 5%) > Bác bỏ giả thiết H0, tức là biến Air đưa vào mơ hình là hợp lý.
2.2.6. Kiểm định Wald với biến Y.
Nhập vào hộp thoại Wald Test: C(6)=0, ta có kết quả sau:

Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,6365>0,05 (mức ý
nghĩa 5%) => Chấp nhận giả thiết H0, tức là biến Y đưa vào mơ hình là khơng hợp lý.
2.2.7. Kiểm định Wald với biến SVC.
Nhập vào hộp thoại Wald Test: C(7)=0, ta có kết quả sau:

Trang 18


Nhận xét: Ta thấy P-value (Probabiltity của F-statistics) = 0,3450>0,05 (mức ý
nghĩa 5%) => Chấp nhận giả thiết H0, tức là biến SVC đưa vào mơ hình là khơng hợp
lý.
Kết luận: Việc kiểm định Wald đồng thời và kiểm định Wald cho từng biến cho
thấy các biến Home, Age, Air đưa vào mơ hình là đều cần thiết và có ý nghĩa giải
thích cho mơ hình. Cịn các biến Inst, TV, Y, SVC đưa vào mơ hình là chưa hợp lý.
2.3. Kiểm định sự phù hợp của mơ hình.

Sau khi loại bỏ các biến Inst, TV, Y, SVC. Chạy mô hình hồi quy với biến phụ
thuộc Sub và các biến độc lập Home, Air, Age. Ta được như sau:

Trang 19


Mơ hình hồi quy được viết như sau:
SUB = 12.86928+ 0.411502*HOME - 3.461827*AIR + 1.139739*AGE
Nhận xét:
-

Hệ số Adjusted R-squared = 0.8618, cho thấy mơ hình giải thích tương đối tốt
sự thay đổi của biến SUB.

-

Ta thấy giá trị kiểm định F-Statistic = 82.07009>F(k-1,n-k) hay P-value<0,05
cho thấy mơ hình trên là phù hợp.

-

Độ lệch chuẩn SE. of regression = 12.46731.

-

Giá trị P-value của các biến Home, Air, Age nhỏ hơn α=0,05 cho thấy các biến
độc lập tham gia giải thích cho biến phụ thuộc SUB khá tốt.

=> Mơ hình trên khá phù hợp.
2.4. Các hệ số hồi quy chuẩn hóa.

Để tính các hệ số hồi quy chuẩn hóa, ta cùng mơ hình hồi quy gốc để tính.
Trang 20


Từ bảng mơ hình hồi quy gốc đã chạy ta chọn View/Coefficient Diagnostis/Scaled
Coefficients ta được:

Nhận xét: Từ kết quả bảng trên ta thấy biến HOME có giá trị tuyệt đối hệ số hồi
quy chuẩn hóa lớn nhất là 0.962854, nên biến HOME sẽ ảnh hưởng lên biến phụ thuộc
là lớn nhất, tiếp đến là biến AGE, ảnh hưởng ít nhất lên biến phụ thuộc là biến TV có
hệ số hồi quy chuẩn hóa là 0.327192

Trang 21


PHẦN 3: Tiến hành kiểm tra sự vi phạm các gỉa thiết hồi quy cổ điển (kiểm
định Jarque bera về phân phối chuẩn cho phần dư, kiểm định tính chất đa cộng
tuyến, kiểm định tính chất phương sai thay đổi,kiểm định Durbin-Watson hoặc
BG)
3.1. Kiểm định Jarque bera về phân phối chuẩn cho phần dư.
Giả thiết H0: ei có phân phối chuẩn
Từ bảng hồi quy mơ hình 2 chọn: View/Residual Diagnostics/HistogramNormality Test:

Ta thấy đại lượng Jarque-Bera = 32.91156, với P-value= 0.00000<0.05 nên bác bỏ
giả thiết H0, tức là phần dư của mơ hình khơng có phân phối chuẩn.
3.2. Kiểm tra hiện tượng đa cộng tuyến.
Từ mơ hình 2 ta lập ma trận tương quan với biến độc lập Sub và biến phụ thuộc
Home, Air, Age như sau:

Trang 22

Phân tích các mối quan hệ:
-

Biến Home giải thích tốt nhất cho biến phụ thuộc Sub. Biến Age giải

thích khá cho biến phụ thuộc Sub. Biến Air giải thích yếu cho biến phụ thuộc
Sub.
-

Ta thấy có sự tương quan khá cao giữa biến Home với các biến Age,

biến Air. Có thể xảy ra hiện tượng đa cộng tuyển giữa các biến này.
Ta tiến hành kiểm tra tính chất đa cộng tuyến bằng tiêu chuẩn hệ số phương sai
phóng đại VIF.
Tiếp tục ở mơ hình hồi quy 2: Vào View/Cofficient Diagnostics/Variance Inflation
Factors, ta được:

Nhận xét: Các hệ số VIF<2.5 nên không xảy ra hiện tượng đa cộng tuyến.
Trang 23


3.3. Kiểm định tính chất phương sai thay đổi.
Dùng kiểm định White để kiểm định tính chất phương sai thay đổi của mơ hình
Từ bảng kết quả hồi quy mơ hình 2 ta chọn View => Residual Diagnostics =>
Heteroskedasticity Test => Chọn kiểm định White, được kết quả sau:

Nhận xét: Ta thấy P-value (Prob. Chi-Squared(9)= 0.0000<α=0.05 nên ta bác bỏ
giả thiết H0 tức là mơ hình xảy ra hiện tượng phương sai thay đổi.

3.4. Kiểm định hiện tượng tự tương quan (Kiểm định BG).
Từ bảng kết quả hồi quy mô hình 2: Vào View/Residual Diagnostics/Serial
Correlation LM Test, chọn độ trễ (lags to include) = 1.
Trang 24


Ta được kết quả sau:

Trang 25


Từ bảng ta thấy (n-p)R2 = 1.848226 có xác suất P-value=0.1740>α=0.05 nên ta
chấp nhận giả thiết H0 tức là không xảy ra hiện tượng tự tương quan bậc nhất.

Trang 26