Bai Tieu Luan kinh te luong

BỘ GIÁO DỤC VÀ ĐÀO TẠOTRƯỜNG ĐẠI HỌC HOA SENKHOA KINH TẾ THƯƠNG MẠI

Đề án:

KINH TẾ LƯỢNG

Đề tài:

Chi tiêu cho việc đi lại bằng xe máy trong một tháng

Nhóm 11:

Huỳnh Lệ Phương Thanh (092097)

Phạm Lê Thuý Ngọc (092081)

Huỳnh Tấn Phú (091867)

Lê Thị Diễm My (092075)

Nguyễn Thị Diệp Liên (092069)

GV: Nguyễn Lưu Bảo Đoan

Ngày: 26/06/2011

Đề án Kinh Tế Lượng _ Nhóm11 L8

LÝ DO CHỌN ĐỀ TÀI

Ở Việt Nam, trong khi người dân chưa tạo được thói quen sử dụng những phương tiện

đi lại công cộng , các loại xe du lịch nhiều chỗ lại là món hàng xa xỉ thì xe máy được xem là

phương tiện giao thông phổ biến và được ưa chuộng nhất.Tuy nhiên, trong tình hình giá cả ngày

càng leo thang thì chỉ việc chi tiêu cho việc đi lại để học hành, làm việc.. như thế nào cho hợp lý

cũng là một bài toán khó. Mặc dù chính phủ đã có những biện pháp nhằm ổn định giá xăng dầu

so với thế giới nhưng việc giá xăng dầu cứ mỗi ngày một tăng như hiện nay đã ít nhiều ảnh

hưởng đến cuộc sống của người dân. Cứ hễ giá xăng tăng thì những mặt hàng khác cũng được

dịp tăng đến chống mặt như giá gạo, giá giữ xe…. Đặc biệt, thành phố Hồ Chí Minh việc đi lại

là thường xuyên và xa, cũng như tình trạng kẹt xe diễn ra hằng ngày , nên vấn đề về giá xăng

vẫn luôn được đặt lên hàng đầu. Cũng là người chịu sự tác động trên, chúng tôi thấu hiểu được

mối quan tâm của người dân về vấn đề chi tiêu nhạy cảm này vì thế nhóm chúng tôi quyết định

chọn đề tài chi tiêu cho việc đi lại bằng xe máy trong một tháng. Chúng tôi hy vọng sẽ tìm ra

được những yếu tố nào có tác động mạnh mẽ đến việc chi tiêu cho phương tiện đi lại bằng xe

máy từ đó sẽ giúp mọi người hạn chế được những chi phí không cần thiết.Các yếu tố chúng tôi

xem xét đến là độ tuổi của xe, giá của xe, độ tuổi của người sử dụng, hãng xe và nghề nghiệp

của người sử dụng.

ii


LỜI CẢM ƠN

Chúng tôi xin chân thành gửi lời cảm ơn đến thầy Nguyễn Lưu Bảo Đoan - giảngviên bộ môn Kinh tế lượng đã cung cấp những kiến thức căn bản và tận tìnhhướng dẫn giúp nhóm thực hiện tốt đề án này.

iii


MỤC LỤC

LÝ DO CHỌN ĐỀ TÀI..........................................................................................ii

LỜI CẢM ƠN....................................................................................................... iii

MỤC LỤC.............................................................................................................iv

1. Phương pháp nghiên cứu và thực hiện đề tài................................................1

2. Giải thích các biến............................................................................................1

3. Thống kê mô tả kết quả khảo sát....................................................................2

4. Vẽ đồ thị scatter và linear của mô hình..........................................................4

5. Hệ số tương quan giữa các mô hình................................................................5

6. Ước lượng mô hình hồi quy mẫu và kiểm định sự phù hợp của mô hình...5

6.1. Ước lượng mô hình hồi qui mẫu..................................................................5

6.2. Đánh giá kết quả của mô hình hồi qui:........................................................6

7. Kiểm định khuyết tật.......................................................................................6

7.1. Hiện tượng đa cộng tuyến............................................................................6

7.2. Hiện tượng phương sai thay đổi...................................................................9

7.3. Kiểm định giả thuyết sai số ngẫu nhiên có phân phối chuẩn.....................15

8. Phát hiện sự có mặt của các biến không cần thiết.......................................16

9. Kiểm định khuyết tật cho mô hình mới........................................................18

9.1. Hiện tượng phương sai thay đổi.................................................................18

10. Ước lượng khoảng tin cậy của các hệ số hồi quy.......................................22

11. Dự báo...........................................................................................................23

KẾT LUẬN..........................................................................................................26

v

1. Phương pháp nghiên cứu và thực hiện đề tài

- Thu thập số liệu: nhóm đã phát phiếu khảo sát để thu thập thông tin, ý kiến và

số liệu trực tiếp từ các bạn sinh viên trường đại học Hoa Sen, các công nhân viên chức cũng như

những người dân ở các khu dân cư.

- Xử lý số liệu: dùng sự trợ giúp của các phần mềm như Eview 5.0, MS Excel

- Tổng hợp kết quả và hoàn chỉnh bài viết. Kết quả khảo sát :

Số phiếu phát ra 250

Số phiếu thu lại 250

Số phiếu hợp lệ 250

2. Giải thích các biến

Biến phụ thuộc

Tên biến Ý nghĩa Đơn vị

Y Chi tiêu cho việc đi lại bằng xe gắn máy 1000 VND

Biến độc lập - định lượng

Tên biến

Ý nghĩa

Đơn

vị

tính

Dấu

kỳ

vọng

Diễn giải

X1Độ tuổi của xe

Năm +-Sự hao mòn máy móc (bố nồi , bình xăng con…) sẽ ảnh

hưởng đến chi phí tiền xăng, bảo trì. Ngoài ra, xe sử dụng lâu năm thì chi phí sửa chữa cũng xe lớn hơn.

X2Giá mua xe

Triệu

VND+/-

-Xe tay ga thường có giá cao hơn nhưng tốn nhiên liệu hơn- Chất lượng của các bộ phận máy móc tốt hơn do dó không

tốn nhiều tiền để sửa chữa, thay đổi.Tuy nhiên, giá phụ tùng của chính hãng thường cao hơn nên dẫn đến chi phí sửa chữa, thay thế cao.

X3

Tuổi của người sử dụng

Tuổi -

-Người lớn tuổi chăm sóc xe kĩ hơn nên sẽ chi cho khoảng sửa chữa ít hơn.

- Giới trẻ thường tân trang xe theo phong cách riêng , tốn nhiều cho việc mua phụ tùng xe.


Biến độc lập - định tính

Tên

biến Ý nghĩa

Lựa chọn Dấu

kì

vọng Diễn giải1 0

D1 Hãng xe Hãng xe HondaHãng xe

khác +/-Sự tiêu hao nhiên

liệu và độ bền của các hãng xe khác nhau ảnh hưởng đến chi tiêu đi lại trong tháng.

D2 Hãng xe Hãng xe YamahaHãng xe

khác +/-

D3 Hãng xe Hãng xe SuzukiHãng xe

khác +/-

D4 Nghề nghiệp Công nhân viên chứcNgành

nghề khác +/- Tùy vào đặc thù của ngành nghề của người sử dụng mà chi tiêu cho việc đi lại sẽ khác nhau

D5 Nghề nghiệp Sinh viênNgành

nghề khác +/-

D6 Nghề nghiệp Dịch vụNgành

nghề khác +/-

3. Thống kê mô tả kết quả khảo sát

Biến định lượng

Y X1 X2 X3 Mean 387.0000 3.586387 28.09600 24.18400 Median 300.0000 2.000000 23.00000 20.50000 Maximum 1600.000 27.00000 110.0000 53.00000 Minimum 100.0000 0.000000 5.500000 18.00000 Std. Dev. 256.9535 3.619464 15.34678 7.767075 Skewness 2.799893 2.918914 2.546489 1.976975 Kurtosis 12.16898 14.81552 11.80239 6.263872

Jarque-Bera 1202.373 1809.238 1077.298 273.8185 Probability 0.000000 0.000000 0.000000 0.000000

Sum 96750.00 896.5967 7024.000 6046.000 Sum Sq. Dev. 16440250 3262.029 58645.36 15021.54

1


Observations 250 250 250 250 Dựa vào bảng số liệu trên ta có thể rút ra kết luận cho mẫu quan sát được như sau:

- Trung bình người ta chi cho phương tiện đi lại trong 1 tháng là 387000 VND

- Độ tuổi trung bình của người sử dụng xe gắn máy là 24 tuổi

- Độ tuổi của xe trung bình là 3.5 năm

- Giá xe trung bình là 28 triệu VND

Biến định tính

Hãng xe:

hon da yamaha suzuki khác0

20

40

60

80

100

120

140125

65

31 29

Nghề nghiệp của người sử dụng xe:

cnvc dịch vụ sinh viên khác0

20

40

60

80

100

120

140

160

180

37

18

160

35

Dựa vào biểu đồ dễ thấy Honda là hãng xe được ưa chuộng nhất và sinh viên là đối tượng

được khảo sát nhiều nhất (theo số liệu mẫu mà chúng tôi thu thập được).

Ta có hàm hồi qui tổng quát sau đây :

Yi = β1 + β2X1i + β3X2i + β4X3i + β5D1i + β6D2i + β7D3i + β8D4i + β9D5i + β10D6i

2


4. Vẽ đồ thị scatter và linear của mô hình

Quan sát đồ thị ta nhận thấy X2, X3 đều có quan hệ tuyến tính đồng biến với Y trong khi X1

lại không có mối quan hệ rõ ràng với Y.

3


5. Hệ số tương quan giữa các mô hình

Nhìn vào ma trận tương quan giữa các biến trong mô hình, ta thấy chỉ có hệ số tương quan

giữa X2 với Y là 0.312506 cao nhất nên có thể nói biến X2 có quan hệ chặc chẽ nhất với Y,

ảnh hưởng nhiều nhất đến Y. Còn hệ số tương quan còn lại với biến Y rất nhỏ nên có thể

nói các biến đó không giải thích nhiều cho biến Y, không ảnh hưởng nhiều đến biến Y.

6. Ước lượng mô hình hồi quy mẫu và kiểm định sự phù hợp của mô hình

6.1. Ước lượng mô hình hồi qui mẫu

4


Ta có kết quả hồi qui sau:

Khi độ tuổi của xe tăng lên 1 năm thì chi tiêu trung bình cho việc đi lại bằng xe máy

giảm là 1.8 nghìn đồng. Điều này trái với kỳ vọng ban đầu của chúng tôi. Có thể khi xe

càng được sử dụng lâu năm thì người ta sẽ hạn chế mức độ sử dụng (do xe hay chết máy

hoặc không thích do xe đã quá cũ…). Tuy nhiên với mức ý nghĩa 5% thì X1 không có ý

nghĩa về mặt thống kê, nghĩa là không ảnh hưởng nhiều đến vấn đề đang xét.

Gía mua xe tăng lên 1 triệu VND thì chi tiêu trung bình sẽ tăng 4.87 nghìn đồng. Gía

mua xe cao thường các phụ tùng máy móc cũng chất lượng hơn và chỉ do chính hãng

cung cấp nên giá mua các phụ tùng đó sẽ cao hơn. Hiện nay, xe có giá cao trên thị

trường thường là xe tay ga, được đánh giá là tiêu hao nhiên liệu nhiều hơn, chi phí cho

tiền xăng do đó cũng nhiều hơn.

Khi độ tuổi người sử dụng tăng 1 tuổi thì chi tiêu trung bình cho việc đi lại bằng xe sẽ

tăng 8.24 nghìn đồng, trái với kỳ vọng ban đầu. Người lớn tuổi sẽ đòi hỏi mức độ an

toàn cao do đó sẽ thường xuyên đi kiểm tra xe hơn tránh trường hợp bị mòn thắng, mềm

bánh, bể bánh do quá cũ…

6.2.Đánh giá kết quả của mô hình hồi qui:

- Mức độ phù hợp của mô hình so với thực tế là R2 = 19.7078%, khá thấp.

- Dựa vào bảng hồi quy gốc ta thấy các biến X1, D1, D2, D3, D4, D5, D6 không có ý

nghĩa về mặt thống kê → Không có ảnh hưởng đến biến Y.

7. Kiểm định khuyết tật

7.1.Hiện tượng đa cộng tuyến

Cách 1: Dựa trên hệ số R2 và t

5


Ta biết rằng khi có đa cộng tuyến gần hoàn hảo, hậu quả quan sát được, thể hiện ở sự mâu

thuẫn giữa các kiểm định. Nếu có mâu thuẫn giữa các kiểm định T về các hệ số góc và kiểm

định F về sự phù hợp của hàm hồi quy, có thể nói có đa cộng tuyến. Trong mô hình trên ta

nhận thấy :

o R2 = 0.197078 (<0.8) rất nhỏ, Kiểm định F có F-statistic = 6.545352 nhỏ, và P-value

của kiểm định F rất nhỏ độ phù hợp của mô hình không cao.

o Đa số các T_ratio nhỏ, P_value của kiểm định T lớn các hệ số góc không có ý

nghĩa về mặt thống kê

Không có mâu thuẫn giữa kiểm định T và Kiểm định F

Không có dấu hiệu của hiện tượng đa cộng tuyến.

Cách 2 : Tương quan giữa các cặp biến giải thích

6


Từ bảng số liệu trên cho ta thấy hệ số tương quan giữa các biến giải thích không cao(<0.7)

nên có thể kết luận không không có dấu hiệu của hiện tượng đa cộng tuyến

Cách 3 : Sử dụng mô hình hồi quy phụ

Dùng eview hồi quy biến Gía mua xe theo các biến còn lại ta được hàm hồi quy sau

7

Dependent Variable: X2

Method: Least Squares

Date: 06/16/11 Time: 10:43

Sample: 1 250

Included observations: 250

Variable Coefficient Std. Error t-Statistic Prob.

C 38.53621 5.638603 6.834355 0.0000

X1 -0.691097 0.283802 -2.435139 0.0156

X3 -0.035306 0.168048 -0.210096 0.8338

D1 -5.387436 3.121385 -1.725976 0.0856

D2 -4.684981 3.384786 -1.384129 0.1676

D3 -9.815259 3.957823 -2.479964 0.0138

D4 1.548592 3.284699 0.471456 0.6377

D5 -3.355292 2.682851 -1.250644 0.2123

D6 -1.089428 4.076754 -0.267229 0.7895

R-squared 0.059316 Mean dependent var 28.09600

Adjusted R-squared0.028090 S.D. dependent var 15.34678

S.E. of regression 15.12969 Akaike info criterion 8.306532

Sum squared resid55166.74 Schwarz criterion 8.433304

Log likelihood -1029.316 F-statistic 1.899575

Durbin-Watson stat1.525897 Prob(F-statistic) 0.060748


Mô hình hồi qui phụ có dạng như sau:(giá mua xe) = 38.53621 – 0.691097 (độ tuổi của xe) - 0.035306 (tuổi người sử dụng) -

5.387436 D1 – 4.684981D2 - 9.815259 D3 + 1.548592 D4 - 3.355292 D5 - 1.089428 D6

Ta cần kiểm định giả thiết: H0: R2 = 0 (không có đa cộng tuyến)H1: R2 ≠ 0 (có đa cộng tuyến)

Ta có: Prob(F-statistic)=0.060748 >α= 0.05 →Chấp nhận H0 (với mức ý nghĩa 5%)

Kết luận: Biến X2 không tương quan tuyến tính với các biến khác.

Cách 4: Sử dụng nhân tử phóng đại phương sai (VIF)

Vì đây là mô hình hồi quy đa biến nên ta sử dụng: R2

VIF =1

1−R2 = 1.063 < 10

Kết luận: không có hiện tượng đa cộng tuyến

7.2.Hiện tượng phương sai thay đổi

Cách 1: Quan sát đồ thị phần dư e theo Y i (Yf)

Trên Eviews, thực hiện lệnh vẽ đồ thị phân tán của e theo Yf ta được kết quả như hình trên

Quan sát đồ thị ta thấy sự phân bố của e có khuynh hướng tăng giảm không đồng đều khi

Y i tăng. Ta kết luận giả thiết có hiện tượng phương sai thay đổi.

Cách 2: Sử dụng kiểm định Park

8


Ta hồi quy lne2 theo lnY i được kết quả sau:

Dependent Variable: LOG(RESID^2)Method: Least SquaresDate: 06/29/11 Time: 19:56Sample: 1 250Included observations: 250


-8.603793 3.004410 -2.863721 0.0045LOG(YF) 2.973502 0.506952 5.865454 0.0000

R-squared 0.121824 Mean dependent var 8.999977Adjusted R-squared 0.118283 S.D. dependent var 2.314896S.E. of regression 2.173683 Akaike info criterion 4.398691Sum squared resid 1171.774 Schwarz criterion 4.426862Log likelihood -547.8363 F-statistic 34.40355Durbin-Watson stat 1.863584 Prob(F-statistic) 0.000000

Ta cần kiểm định giả thiết: H0:β2=0 (không có phương sai thay đổi)

H1:β2≠0 (có phương sai thay đổi)

Ta thấy xác suất để chấp nhận giả thiết H0 p_value = 0% < α = 5% →Ta bác bỏ giả thiết H0

→ Có hiện tượng phương sai thay đổi

Cách 3: Kiểm định Gleijer

Hồi quy |ei| theo Yf ta được kết quả hồi quy sau

Dependent Variable: ABS(RESID)Method: Least SquaresDate: 06/29/11 Time: 20:05Sample: 1 250Included observations: 250


-124.4110 34.10317 -3.648077 0.0003YF 0.715080 0.084540 8.458479 0.0000

R-squared 0.223899 Mean dependent var 152.3249Adjusted R-squared 0.220769 S.D. dependent var 172.3861S.E. of regression 152.1722 Akaike info criterion 12.89587Sum squared resid 5742781. Schwarz criterion 12.92404

9


Log likelihood -1609.984 F-statistic 71.54587Durbin-Watson stat 1.736398 Prob(F-statistic) 0.000000

Ta cần kiểm định giả thiết: H0:β2=0 (không có hiện tượng phương sai thay đổi)


Xác suất để chấp nhận giả thiết H0 p_value= 0% < α = 5% →Ta bác bỏ giả thiết H0→ Có

hiện tượng phương sai thay đổi

Hồi quy |ei| theo√Yf ta được kết quả hồi quy sau



C -113193.2 53427.58 -2.118628 0.0351

SQR(YF) 8209.308 2715.877 3.022710 0.0028

R-squared 0.035533 Mean dependent var 46737.44Adjusted R-squared0.031644 S.D. dependent var 119239.1S.E. of regression 117337.3 Akaike info criterion 26.19146Sum squared resid 3.41E+12 Schwarz criterion 26.21963Log likelihood -3271.933 F-statistic 9.136777Durbin-Watson stat 1.991125 Prob(F-statistic) 0.002768

Ta cần kiểm định giả thiết:H0:β2=0 (không có hiện tượng phương sai thay đổi)

H1:β2≠0 (có phương sai thay đổi)Xác suất để chấp nhận giả thiết H0 p_value= 0.002768 < α = 0.05 → Ta bác bỏ giả thiết H0


Hồi quy ei theo 1

YF ta được kết quả hồi quy sau



C 97282.52 27023.24 3.599957 0.0004YF^-1 -20892179 9389490. -2.225060 0.0270

R-squared 0.019573 Mean dependent var 39160.98Adjusted R-squared 0.015619 S.D. dependent var 110331.4S.E. of regression 109466.3 Akaike info criterion 26.05259

10


Sum squared resid 2.97E+12 Schwarz criterion 26.08076Log likelihood -3254.574 F-statistic 4.950892Durbin-Watson stat 2.017434 Prob(F-statistic) 0.026977

Ta cần kiểm định giả thiết: H0:β2=0 (không có hiện tượng phương sai thay đổi)


Xác suất để chấp nhận giả thiết H0 p_value= 0.026977< α = 0.05 →Ta bác bỏ giả thiết H0


Hồi quy |ei| theo1

√Yf ta được kết quả hồi quy sau



C 254.5152 47.21176 5.390928 0.0000YF^(-1/2) -3596.935 895.1041 -4.018455 0.0001

R-squared 0.061132 Mean dependent var 66.45365Adjusted R-squared 0.057347 S.D. dependent var 101.3886S.E. of regression 98.43852 Akaike info criterion 12.02471Sum squared resid 2403155. Schwarz criterion 12.05288Log likelihood -1501.089 F-statistic 16.14798Durbin-Watson stat 1.842150 Prob(F-statistic) 0.000078

Ta cần kiểm định giả thiết:H0:β2=0 (không có hiện tượng phương sai thay đổi)H1:β2≠0 (có phương sai thay đổi)

P_value = 0% < α = 5%→Ta bác bỏ giả thiết H0 → Có hiện tượng phương sai thay đổi

Cách 4: Sử dụng kiểm định White

White Heteroskedasticity Test:

F-statistic 3.587506 Probability 0.000062

11


Obs*R-squared 38.43069 Probability 0.000131

Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 06/24/11 Time: 23:41Sample: 1 250Included observations: 250


C -76025.23 162825.7 -0.466912 0.6410X1 -7965.344 6938.527 -1.147988 0.2521X1^2 269.9184 341.0415 0.791453 0.4295X2 -1414.579 1990.719 -0.710587 0.4780X2^2 42.20679 19.71868 2.140447 0.0333X3 7832.861 10648.23 0.735602 0.4627X3^2 -29.19270 157.3486 -0.185529 0.8530D1 -12758.30 31060.38 -0.410758 0.6816D2 -53222.83 33716.60 -1.578535 0.1158D3 -48288.14 39536.38 -1.221360 0.2232D4 -48883.01 33493.29 -1.459487 0.1458D5 18593.95 26849.34 0.692529 0.4893D6 -31663.40 42462.11 -0.745686 0.4566

R-squared 0.153723 Mean dependent var 52800.97Adjusted R-squared 0.110873 S.D. dependent var 157392.8S.E. of regression 148411.2 Akaike info criterion 26.70396Sum squared resid 5.22E+12 Schwarz criterion 26.88708Log likelihood -3324.995 F-statistic 3.587506Durbin-Watson stat 1.886799 Prob(F-statistic) 0.000062

Ta cần kiểm định giả thiết:

H0: không có phương sai thay đổi

H1: có phương sai thay đổi

Từ kết quả bảng trên ta thấy p_value rất bé → Bác bỏ H0

→ Có phương sai thay đổi

Kết luận:

Mô hình có hiện tượng phương sai thay đổi do những nguyên nhân sau:

- Trong mẫu chúng tôi quan sát được có những giá trị quá lớn và quá bé so với giá trị

của các quan sát khác.Ví dụ quan sát biến độ tuổi của xe ta thấy xe sử dụng lâu nhất là 27

12


năm trong khi đó có xe chỉ sử dụng được nửa năm.Có sự biến thiện rất lớn quanh với giá trị

trung bình là 3.5 năm.

- Do tính chất công việc cũng như khoảng cách từ nơi ở đến nơi làm việc khác nhau

nên chi tiêu của những người cùng nhóm công việc sống ở các quận khác nhau sẽ có sự

biến thiên không giống nhau.Ví dụ anh A và B cùng làm dịch vụ ở quận 1.Nhưng do nhà

anh A ở quận 3 nên chi tiêu cho việc đi lại sẽ ít hơn anh B nhà ở quận 12 trong khi giá cả

luôn tăng cao. Nếu các yếu tố sai số ngẫu nhiên khác không đổi và không ảnh hưởng nhiều

đến phương sai của Ui thì chính sự biến thiên của yếu tố khoảng cách này sẽ làm phương sai

của Ui. Và chúng tôi đã bỏ xót yếu tố này,xem nó như một yêu tố sai số ngẫu nhiên không

đáng kể trong khi sự biến thiên của chúng lại có tác động mạnh mẽ đến biến Y.

- Do hạn chế nhiều mặt(thời gian,…) nên đối tượng chúng tôi khảo sát nhiều nhất là

sinh viên, nên sai số khi tính toán sẽ rất lớn.

13


7.3.Kiểm định giả thuyết sai số ngẫu nhiên có phân phối chuẩn

RESID Mean 1.69E-14 Median -40.28532 Maximum 1239.985 Minimum -537.2748 Std. Dev. 230.2456 Skewness 2.099238 Kurtosis 9.850042

Jarque-Bera 672.3987 Probability 0.000000

Sum 2.35E-12 Sum Sq. Dev. 13200241

Observations 250

Xét giả thiết : H0: Sai số ngẫu nhiên có phân phối chuẩnH1: Sai số ngẫu nhiên không có phân phối chuẩn

Với α=5% thì X 2 = 18.3 vì JB = 672.3987 > X 2 nên có thể bác bỏ giả thiết H0 .Vậy sai số

ngẫu nhiên có phân phối chuẩn.

14


8. Phát hiện sự có mặt của các biến không cần thiết

Ta dùng kiểm định Wald để phát hiện sự có mặt của các biến không cần thiết trong mô hình

hồi quy gốc.

Ta có giả thiết: H0: C2=C5=C6=….=C10=0

Wald Test:

Equation: Untitled

Test Statistic Value df Probability

F-statistic 1.631517 (7, 240) 0.1272

Chi-square 11.42062 7 0.1213

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

C(2) -1.807152 4.452963

C(5) 8.240063 48.68221

C(6) -43.80584 52.67516

C(7) -119.4921 62.12745

C(8) -71.12323 50.93906

C(9) -31.25481 41.72117

C(10) -52.45613 63.20247

Restrictions are linear in coefficients.

Theo kết quả ở bảng trên, ta có F = 1.631517 có p-value là 0.1272 > 0.05 nên tachấp nhận giả thiết H0. Tức là các biến X1, D1, D2, D3…, D6 đều không cần thiếtđưa vào mô hình.-Biến hãng xe không có ảnh hưởng đến sự thay đổi của Y có lẽ do không có sự khác biệt về chất lượng cũng như việc tiêu hao nhiên liệu hoặc các hãng bù trừ tính năng cho nhau.Ví dụ hãng Yamaha có chất lượng phụ tùng, máy móc tốt hơn hãng Honda nhưng lại tiêu hao nhiên liệu hơn Honda.

15


-Biến nghề nghiệp người sử dụng không cần thiết đưa vào mô hình tức không có sự chênh lệch cao trong việc chi tiêu trong tháng cho việc đi lại giữa các nhóm ngành nghề.Trên thực tế sinh viên không chỉ sử dụng xe cho việc đi học mà còn đi chơi, đi làm thêm,… ngược lại người làm trong lĩnh vực dịch vụ không hẳn phải chi tiêu cho việc này nhiều nhất nếu người đó làm bán thời gian hoặc nơi làm việc gần nơi ở của họ…

Vì những lý do kể trên chúng tôi đề nghị một mô hình mới như sau

Ước lượng mô hình hồi quy mới:

Dependent Variable: YMethod: Least SquaresDate: 06/25/11 Time: 23:42Sample: 1 250Included observations: 250


C 42.64099 56.07442 0.760436 0.4477X2 5.211232 0.977071 5.333525 0.0000X3 8.184925 1.930571 4.239640 0.0000

R-squared 0.158870 Mean dependent var 387.0000Adjusted R-squared 0.152059 S.D. dependent var 256.9535S.E. of regression 236.6123 Akaike info criterion 13.78265Sum squared resid 13828387 Schwarz criterion 13.82491Log likelihood -1719.831 F-statistic 23.32630Durbin-Watson stat 1.152774 Prob(F-statistic) 0.000000

Đánh giá mô hình

Mức độ phù hợp của mô hình so với thực tế là R2 = 15.8870%, khá thấp.

Dựa vào bảng hồi quy gốc ta thấy các biến X2 , X3 có p_value =0 <α=0.05 có ý

nghĩa về mặt thống kê

16


9. Kiểm định khuyết tật cho mô hình mới

9.1.Hiện tượng phương sai thay đổi

Chủ quan

Dựa vào đồ thị ta thấy phần dư có xu hướng giảm dần khi Y i tăng , ta kết luận có hiện

tượng phương sai thay đổi.

Kiểm định park

Dependent Variable: LOG(RESID^2)Method: Least SquaresDate: 06/26/11 Time: 12:06Sample: 1 250Included observations: 250


C -15.29415 3.971749 -3.850733 0.0001LOG(YF) 4.088209 0.669315 6.108051 0.0000


Ta cần kiểm định giả thiết: H0: = 0 (không có phương sai thay đổi)

H1: 0 (có phương sai thay đổi)

Xác suất để ủng hộ giả thiết H0 =0% → Không chấp nhận giả thiết H0 với mức ý nghĩa 5%.

Vậy có hiện tượng phương sai thay đổi.

17


Cách 3: Kiểm định GlejserHồi quy│ei│theo Y i ta được kết quả như sau

Dependent Variable: ABS(RESID)

Method: Least Squares

Date: 06/26/11 Time: 13:56

Sample: 1 250



C 2.951200 0.422941 6.977806 0.0000

YF -0.003222 0.001057 -3.049311 0.0025

R-squared 0.036138 Mean dependent var 1.704279

Adjusted R-squared0.032252 S.D. dependent var 1.735882

S.E. of regression 1.707660 Akaike info criterion 3.916093

Sum squared resid723.1937 Schwarz criterion 3.944265

Log likelihood -487.5116 F-statistic 9.298297

Durbin-Watson stat1.907569 Prob(F-statistic) 0.002542

Ta cần kiểm định giả thiết: H0: = 0 (không có phương sai thay đổi)H1: 0 (có phương sai thay đổi)

P_value = 0.0025 <α=¿0.05 → Ta bác bỏ giả thiết H0.Vậy kết luận có phương sai thay đổi

Hồi quy│ei│theo √ Y i ta được kết quả như sau



C 2.540998 0.647328 3.925365 0.0001SQR(YF) -0.071398 0.032906 -2.169789 0.0310

R-squared 0.018630 Mean dependent var 1.146933Adjusted R-squared 0.014673 S.D. dependent var 1.258433S.E. of regression 1.249166 Akaike info criterion 3.290797Sum squared resid 386.9832 Schwarz criterion 3.318969

18


Log likelihood -409.3497 F-statistic 4.707985Durbin-Watson stat 1.781087 Prob(F-statistic) 0.030973

Ta cần kiểm định giả thiết: H0: = 0 (không có phương sai thay đổi)H1: 0 (có phương sai thay đổi)

P_value = 0.03<α=¿0.05 → Ta bác bỏ giả thiết H0.Vậy kết luận có phương sai thay đổi

Hồi quy│ei│theo 1Y i

ta được kết quả như sau

Dependent Variable: ABS(RESID)Method: Least SquaresDate: 06/26/11 Time: 14:01Sample: 1 250



C 0.018007 0.311076 0.057886 0.9539YF^-1 263.6978 111.7665 2.359364 0.0191


Ta cần kiểm định giả thiết: H0: = 0 (không có phương sai thay đổi)H1: 0 ( có phương sai thay đổi)

P_value=0.019 <α=¿0.05 → Ta bác bỏ giả thiết H0.Vậy kết luận có phương sai thay đổi

Hồi quy│ei│theo 1

√Y i ta được kết quả như sau



C -0.446935 0.491741 -0.908882 0.3643YF^(-1/2) 18.63042 9.418898 1.977983 0.0490


Ta cần kiểm định giả thiết: H0: = 0 (không có phương sai thay đổi)

19


H1: 0 (có phương sai thay đổi)P_value=0.049 <α=¿0.05 →Ta bác bỏ giả thiết H0.Vậy kết luận có phương sai thay đổi

Cách 4: Kiểm định White

White Heteroskedasticity Test:

F-statistic 8.386678 Probability 0.000002Obs*R-squared 30.10869 Probability 0.000005

Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 06/26/11 Time: 14:06Sample: 1 250Included observations: 250


C 105794.1 141250.3 0.748983 0.4546X2 -1368.264 2071.861 -0.660403 0.5096X2^2 44.28072 20.65868 2.143444 0.0331X3 -6801.206 9256.421 -0.734756 0.4632X3^2 166.0598 143.8259 1.154589 0.2494

R-squared 0.120435 Mean dependent var 55313.55Adjusted R-squared 0.106075 S.D. dependent var 167656.2S.E. of regression 158515.0 Akaike info criterion 26.80488Sum squared resid 6.16E+12 Schwarz criterion 26.87531Log likelihood -3345.610 F-statistic 8.386678Durbin-Watson stat 1.837847 Prob(F-statistic) 0.000002

Ta cần kiểm định giả thiết H0: không có phương sai thay đổi

H1: có phương sai thay đổi

Từ kết quả bảng trên ta thấy p-value rất nhỏ →Ta bác bỏ giả thiết H0 với mức ý nghĩa 5%.

Nghĩa là có phương sai thay đổi

10.Ước lượng khoảng tin cậy của các hệ số hồi quy20


Ước lượng khoảng tin cậy của các hệ số hồi quy:

Với mô hình hồi quy sau khắc phục khuyết tật, ta có :

Y = 42.64099 + 5.211232X2 + 8.184925X3

Ước lượng khoảng tin cậy của β1:

Se(β1) = 56.07442, tra Excel ta có được t 0.025(247) = 1.969615

Khoảng tin cậy của mức ý nghĩa 5% của β1 là :

-67.804 <β1 < 153.086

Ước lượng khoảng tin cậy của β2 :

Se(β2) = 0.977071, tra Excel ta có được t 0.025(247) = 1.969615


3.286778 <β2 < 7.135685

Ước lượng khoảng tin cậy của β3:

Se(β3) = 1.930571, tra Excel ta có được t 0.025 ( 247) = 1.969615


4.382444 <β3 < 1198741

11.

21


12.Dự báo

Với hàm hồi quy mới ta thực hiện dự báo chi tiêu cho việc đi lại bằng xe máy trong một tháng

với giá mua xe là 30 triệu VND và độ tuổi của người sử dụng là 18 tuổi.

Dự báo điểm

Dùng phương pháp dự báo điểm Y 0 trên Eview ta có kết quả dự báo sau

Dựa vào kết quả dự báo được,ta có Y251 =346.3066 nghìn đồng ,tức người này sẽ phải chi số

tiền là 346.3066 nghìn đồng cho việc đi lại trong 1 tháng

Dự báo khoảng

Ta đã dự báo đượcY251

se1=(Y ¿¿0−Y 0)¿=237.3932

22


Se=(Y 0)=19.2393 và TINV(0.05,247)=1.969615

Dự báo chi tiêu cho việc đi lại bằng xe máy trong tháng sẽ trong khoảng

(308.4126;384.2006)

23


KẾT LUẬN

Từ những kết quả nhận được ta thấy hai yếu tố có tác động đến việc chi tiêu cho phương tiện

đi lại bằng xe máy là giá của xe và độ tuổi người sử dụng.Theo đó, giá xe càng cao thì việc

chi tiêu cũng càng nhiều.Nếu bạn đặt vấn đề tiết kiệm lên trên những nhu cầu khác như kiểu

dáng, mẫu mã, tính năng,… thì nên chọn loại xe có giá cả trung bình từ đó sẽ tiết kiệm một

số chi phí như thay thế, sữa chữa máy móc, phụ tùng chính hãng,… cũng như là sự tiêu hao

nhiên liệu. Các hãng xe không có sự khác biệt nhiều về chất lượng và tiêu hao nhiên

liệu.Ngoài ra, người sử dụng càng lớn tuổi thì chi tiêu càng nhiều.Điều này có thể là do tính

chát nghề nghiệp, sinh hoạt thường ngày ( đưa con đi học, họp mặt bạn bè….) nên có mức độ

đi lại thường xuyên hoặc do tính cẩn thận nên sẽ thường xuyên chăm sóc, bảo trì…Tuy

nhiên, do sự phù hợp của mô hình là không cao nên những yếu tố trên không phải là nguyên

nhân tác động mạnh mẽ đến chi tiêu cho việc đi lại bằng xe máy trong tháng.

24

Documents

Bai Tieu Luan kinh te luong