TIỂU LUẬN KINH TẾ LƯỢNG

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP HỒ CHÍ MINH

……

TIỂU LUẬN

MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO

GVHD: Ths. Đinh Kiệm.

SVTH: Trần Hào Quang.

Tiểu luận số 12.

TP HỒ CHÍ MINH 28/11

http://img.photo.zing.vn/file_uploads/gallery/w642h/q42008/2009/10/19/11/31211255968858.jpg

Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm

TIỂU LUẬNMÔN KINH TẾ LƯỢNG VÀ DỰ BÁO

TL SỐ 12

Phần I : trên ExcelSử dụng dữ liệu Data BT 6 trên Excel, dùng Regression trên Data Analysis để ước lượng hàm

hồi quy mẫu có dạng sau :

WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL

WAGEmức lương tháng của công nhân

(USD)MAINT = 1 cho công nhân bảo trì, = 0 cho công nhân khác

GENDER = 1 cho nam giới , = 0 cho nữEXPER = Số năm làm việc cho công ty này

CRAFTS = 1 nếu làm trong nghề thủ công, =0 nghề khácCLERICAL =1 cho công nhân văn phòng, = 0 cho công nhân khác

Phần II : trên Eviews a/ Hãy chuyển dữ liệu từ file Excel ở phần 1 sang thành dữ liệu dưới dạng workfile của Eviews và lưu lại dưới tên : Data TL 12. Sau đó dùng công cụ Eviews để:- Lập bảng các tham số thống kê của các biến độc lập, vẽ đồ thị các biến độc lập trên cùng

một bảng.- Lập ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả các biền độc lập.- Ước lượng phương trình hồi quy dưới dạng như ở câu phần I

b/ Hãy kiểm định Wald ( biến thừa ) cho 5 biến độc lập nêu trên c/ Từ mô hinh câu a phần II hãy kiểm định White và BG cho mô hình này d/ Hãy dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân theo mô hình sau:

WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL

Cho biết EXPER = 24 năm, MAINT = 1, GENDER = 0, CRAFT = 1, CLERICAL = 0, Và độ tin cậy 1- = 95% .

Biểu diễn trực quan đồ thị dự báo bằng cách vẽ đồ thị khoảng dự báo trung bình, dự báo cá biệt, tương ứng với các cận trên và cận dưới theo số quan sát làm biến trên trục hoành chung cho các

đại lượng khác

Trang 2


PHẦN TRÌNH BÀY

1. Giới thiệu

Sử dụng chương trình Excel và phần mềm Eviews để tiến hành ước lượng, phân tích về

hàm hồi quy cho mô hình chứa dừ liệu chéo là mức lương tháng của công nhân (WAGE)

với các biến độc lập đó là MAINT (công nhân bảo trì / công nhân khác), GENDER (giới

tính), EXPER (số năm làm việc), CRAFTS (nghề làm việc), CLERICAL (công nhân văn

phòng / công nhân khác). Có hàm hồi quy mẫu dạng như sau:

WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT

+ B6*CLERICAL

2. Nội dung:

2.1. Bảng số liệu thống kê:

Với:

WAGE: mức lương hàng tháng của công nhân.

MAINT: = 1 cho công nhân bảo trì, = 0 cho công nhân khác.

GENDER: = 1 cho nam giới , = 0 cho nữ.

EXPER: Số năm làm việc cho công ty này.

CRAFTS: = 1 nếu làm trong nghề thủ công, =0 nghề khác.

CLERICAL: =1 cho công nhân văn phòng, = 0 cho công nhân khác.

Trang 3


Trang 4


2.2. Nội

dung đề tài:

2.2.1. Phần 1: Thực hiện trên Excel

Ta dùng Regression trên Data Analysis để ước lượng hàm hồi quy mẫu có dạng:


+ B6*CLERICAL

Ta được bảng sau:

Ta được các kết quả sau:

Giá trị hệ số chặn B1(Intercept): 2093.843991.

Giá trị hệ số hồi quy riêng B2 (biến MAINT): -1353.919978.

Giá trị hệ số hồi quy riêng B3 (biến EXPER): 25.49901114.

Giá trị hệ số hồi quy riêng B4 (biến GENDER): 629.4966388.

Trang 5


Giá trị hệ số hồi quy riêng B5 (biến CRAFTS): -855.6487246.

Gía trị hệ số hồi quy riêng B6 (biến CLERICAL): -917.282458

Suy ra phương trình hồi quy như sau:

WAGE = 2093.843991 – 1353.919978*MAINT + 25.49901114*EXPER +

629.4966388*GENDER – 855.6487246*CRAFTS – 917.282458*CLERICAL.

2.2.2. Phần 2: Thực hiện trên Eviews

2.2.2.1. Bảng

các tham số thống kê của các biến độc lập:

Trang 6


2.2.2.2. Đồ thị các biến độc lập:

Trang 7


2.2.2.3. Ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả các biền độc

lập:

2.2.2.4. Ước lượng phương trình hồi quy dưới dạng:


+ B6*CLERICAL

Chạy hồi quy sử dụng phương pháp bình phương nhỏ nhất (Least Squarees) với biến phụ

thuộc là WAGE và các biến giải thích là MAINT, EXPER, GENDER, CRAFTS,

CLERICAL và hằng số c. Số lượng biến quan sát là 49 ta được:

Trang 8


Hệ số hồi quy thu được:

B1 = 2093.843991, B2 = -1353.919978, B3 = 25.49901114, B4 = 629.4966388,

B5 = -855.6487246, B6 = -917.282458.

Vậy phương trình hồi quy có dạng:

WAGE = 2093.843991 – 1353.919978*MAINT + 25.49901114*EXPER +

629.4966388*GENDER – 855.6487246*CRAFTS – 917.282458*CLERICAL.

2.2.2.5. Kiểm định Wald cho 5 biến MAINT, EXPER, GENDER, CRAFTS và

CLERICAL.

Kiểm định Wald cho biến MAINT:

Từ kết quả ở bảng trên ta thấy giá trị p-value (xác suất Prob) = 0.0000 < α = 0.05 cho

nên biến MAINT không phải là biến thừa.

Kiểm định Wald cho 2 biến EXPER và GENDER:

Trang 9


Từ kết quả ở bảng trên ta thấy giá trị p-value(xác suất Prob) = 0.0002 < α = 0.05 cho nên

hai biến EXPER và GENDER kiểm định ở trên không phải là biến thừa.

Kiểm định Wald cho 2 biến CRAFTS và CLERICAL:

Từ kết quả ở bảng trên ta thấy giá trị p-value(xác suất Prob) = 0.0000 < α = 0.05 cho nên

hai biến CRAFTS và CLERICAL kiểm định ở trên không phải là biến thừa.

2.2.2.6 . Kiểm định White:

Trang 10


Từ kết quả ở bảng trên ta thấy:

Obr*R-squared = nR2 = 23.09802 >

Vậy có thể kết luận phương sai thay đổi.

Trang 11


2.2.2.7. Kiểm định BG:

Theo bảng kết quả trên thì (n-p)R2 = 0.001928 có xác suất (p-value) là 0.9650 lớn hơn

mức ý nghĩa α = 0.05 nên chấp nhận giả thiết H0 tức là không có sự tương quan bậc nhất.

2.2.2.8. Dự báo giá trị trung bình và giá trị cá biệt của mức lương tháng của công

nhân.

Trang 12


Theo bảng trên ta có kết quả:

Khoảng dự báo giá trị trung bình là: [0 ; 1064.499]

Khoảng dự báo giá trị cá biệt là : [0 ; 1458.562]

Trang 13


2.2.2.9. Đồ thị biểu diễn khoảng giá trị trung bình mức lương tháng của công nhân:

_ Đồ thị biểu diễn khoảng giá trị cá biệt mức lương hàng tháng của công nhân:

Trang 14

Documents

TIỂU LUẬN KINH TẾ LƯỢNG