kinh te luong le kim long nhom 10 bang so lieu 15 va 39 copy cuuduongthancong com (1)

- Mục đích: kiểm định ảnh hưởng của từng biến độc lập lên giá trị trung bình của biến phụ thuộc crime.. → Hệ số hồi qui của các biến độc lập không đồng thời bằng 0, mô hình hồi quy phù h

c Trang

I : 6

1 : 6

1.1 : 6

1.2 : 7

2 : 8

2.1 Crime: 8

2.2 Enroll: 9

2.3 Priv: 10

2.4 Police: 11

2.5 Lenroll: 12

2.6 Lpolice: 13

II 14

1 : 14

2 : 16

3 : 18

3.1 : 18

3.2 : 19

3.3 : 19

III 21

1 ộ : 21

1.1 : 21

1.2 Nguyên nhân: 21

1.3 : 22

1.4 Cách khắc phục: 22

2 ố thay đổi: 23

2.1 : 23

2.2 Nguyên nhân: 23

2.3 ện dấu hiệu của phương sai sai số thay đồi: 23

3 Kiểm định vấn đề về phân phối chuẩn của sai số: 25

4 : 27

39

I : 29

1 29

1.1 : 29

1.2 : 31

2 : 32

2.1 ColGPA: 32

2.2 Hs GPA 32

2.3 ACT: 33

2.4 PC: 34

2.5 Bgfriend: 34

2.6 Skipped: 35

2.7 Voluntr: 35

II : 36

1 : 37

2 : 38

3 : 40

3.1 : 40

3.2 : 41

III 42

1 ộ : 42

1.1 : 42

1.2 Nguyên nhân: 42

1.3 : 42

ố thay đổi: 43

2.1 : 43

2.2 Nguyên nhân: 43

2.3 ện dấu hiệu của phương sai sai số thay đồi: 43

3 Kiểm định vấn đề về phân phối chuẩn của sai số: 45

4 : 47

-A U 15

(C

) : Campus

des crime enroll priv police lenroll lpolice

storage display value

variable name type format label variable label

-

-crime int %9.0g total campus -crimes enroll float %9.0g total enrollment

priv byte %9.0g =1 if private college police byte %9.0g employed officers

lenroll float %9.0g log(enroll)

lpolice float %9.0g log(police)

:

1.2 :

Tiếp tục sử dụng lện sum để mô tả số 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 giá trị nhỏ nhất( Min ) của các biến

:

“sum enroll priv police crime lcrime lenroll lpolice”

:

sum crime enroll priv police lenroll lpolice

Variable | Obs Mean Std Dev Min Max

Độ lệch chuẩn

Giá trị nhỏ nhất

Giá trị lớn nhất

Số lượng vụ án xảy ra tại KTX giao động từ 0 đến 414 trong đó phổ biến nhất là 170

vụ với mức tỉ lệ 3.09% Tần số của các không hoặc ít lặp lại

Chọn biến phụ thuộc Y là crime, các biến độc lập X1, X2, X3, X4, X5, lần lượt làenroll

priv, police, lenroll, lpolice

Như vậy ta có hàm hồi qui tổng thể PRF biểu diễn mối quan hệ phụ thuộc giữa Y và các biến X như sau:

Crime = β 0 + β 1 * enroll + β 2 * priv + β 3 * police + β 4 * lenroll + β 5 * lpolice + u i

= + * enroll + * priv + * police + * lenroll + * lpolice

(obs=97)

| crime enroll priv police lenroll lpolice -+ - crime | 1.0000

: “reg crime enroll priv police lenroll lpolice” :

reg crime enroll priv police lenroll lpolice

Source | SS df MS Number of obs = 97 -+ - F( 5, 91) = 52.60 Model | 15143382 5 3028676.39 Prob > F = 0.0000 Residual | 5239508.09 91 57577.012 R-squared = 0.7429 -+ - Adj R-squared = 0.7288 Total | 20382890 96 212321.771 Root MSE = 239.95

- crime | Coef Std Err t P>|t| [95% Conf Interval] -+ - enroll | .0315662 .0053609 5.89 0.000 0209175 042215 priv | 38.41752 80.93085 0.47 0.636 -122.3417 199.1767 police | 9.733369 3.946817 2.47 0.016 1.893502 17.57324 lenroll | -106.5999 76.66161 -1.39 0.168 -258.8788 45.67894 lpolice | -48.7223 76.75522 -0.63 0.527 -201.1871 103.7425 _cons | 815.5561 619.467 1.32 0.191 -414.9391 2046.051

Hệ số xác định R2(R-squared) = 0.7429thể hiện mức độ phù hợp của hàm hồi quy mẫu

là tương đố Bên cạnh đó, giá trị 0.7429 còn thể hiện

được giải thích bởi các biến độc lậ

- Mục đích: kiểm định ảnh hưởng của từng biến độc lập lên giá trị trung bình

của biến phụ thuộc crime

Có cặp giả thuyết thống kê:

= Nếu giá trị P-value nhỏ hơn mức ý nghĩa thì bác bỏ Ho, chấp nhận H1, tức là

biến độc lập đó có ý nghĩa thống kê đối với crime.

- Theo bảng chạy hồi qui ở mục 2, ta thấy:

crime

crime

o police: P-value = 0.016 0 police

- Mục đích: xem xét trường hợp các tham số của biến độc lập đồng thời bằng 0 có

thể xảy ra hay không

Có cặp giả thuyết thống kê:

Nếu giá trị Prob > F mức ý nghĩa thì bác bỏ Ho, chấp nhận H1 tức là hàm hồi quy mẫu phù hợp

: “test enroll priv police lenroll lpolice”

Như vậy, Prob > F = 0.05, vì thế Ho

→ Hệ số hồi qui của các biến độc lập không đồng thời bằng 0, mô hình hồi quy phù hợp

Giả sử 2 yếu tố là enroll và priv đều cùng không ảnh hưởng tới crime:

Cặp giả thuyết cần kiểm định:

Sử dụng lệnh test trong stata để kiểm định, : “test enroll priv”:

: test enroll priv

( 1) enroll = 0

( 2) priv = 0

F( 2, 91) = 17.68

Prob > F = 0.0000

Vì giá trị P-value = 0.0000< 0.05 nên bác bỏ H0, chấp nhận H1

Kết luận: Có ít nhất 1 trong 2 yếu tốenroll privảnh hưởng đến

crime

Giả sử 3 yếu tố là enroll, priv và police đều cùng không ảnh hưởng tới crime:

Cặp giả thuyết cần kiểm định:

Sử dụng lệnh test trong Stata để kiểm định :

“test enroll priv police”

: test enroll priv police

Vì giá trị P-value = 0.0000 < 0.05 nên bác bỏ H0, chấp nhận H1

Kết luận: Có ít nhất 1 trong 3 yếu tố enroll, priv vàpolice ảnh hưởng đến

Sử dụng lệnh test trong stata để kiểm định :

“test police lenroll lpolice”

: test police lenroll lpolice

Vì giá trị P-value = 0.0027< 0.05 nên bác bỏ H0, chấp nhận H1

Kết luận: Có ít nhất 1 trong 3 yếu tốpolice, lenroll vàlpolice ảnh hưởng đến

Đa cộngtuyến là một lỗicủamô hình phân tích hồi quy, xảyrakhigiữacácbiến độclập Xi

cótương quan tuyến tính với nhau

1.2 Nguyên nhân:

o Đa cộng tuyến hoàn hảo xảy ra khi đặt mô hình sai, trên thực tế hiện tượng đa cộng tuyến hoàn hảo ít khi xảy ra

o Đa cộng tuyến không hoàn hảo xảy ra do bản chất hiện tượng kinh tế xã hội

mà các biến độc lập đã có sẵn mối quan hệ cộng tuyến với nhau

o Đa cộng tuyến không hoàn hảo xảy ra do số liệu điều tra không đủ lớn, hay số liệu điều tra không ngẫu nhiên

1.3 :

Dùng lệnh corr [indep] để kiểm định đa cộng tuyến Nếu giữa 2 biến có giá trị corr>

0.8 thì mô hình có khả năng xảy ra đa cộng tuyến

Sử dụ ệnh corr, ta thu được kết quả như sau:

corr crime enroll priv police lenroll lpolice

(obs=97)

| crime enroll priv police lenroll lpolice -+ - crime | 1.0000

Vì đa cộng tuyến là đặc trưng của mẫu nên có thể có mẫu khác liên quan đến cùng các biến trong mẫu ban đầu mà cộng tuyến có thể không nghiêm trọng nữa Điều này thực hiện được khi chi phí cho việc lấy mẫu khác có thể chấp nhận được trong thực tế Đối với nghiên cứ

ể giảm tính nghiêm trọng của đa cộng tuyến

2 ố thay đổi:

Một vấn đề khác mà mô hình cũng có thể gặp phải, đó là phương sai của 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 Điều này làm cho mô hình kém hiệu quả hơn

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:

Khi giảthiết đó bị vi phạm thì mô hình mắclỗi phương sai sai sốthayđổi

Têngọicủalỗinàylà Heteroskedasticity

2.2 Nguyên nhân:

5 nguyên nhân ố thay đổi:

o Do bản chất của các hiện tượng kinh tế: Nếu các hiện tượng kinh tế theo không gian được điều tra trên những đối tượng có quy mô khác nhau hoặc các hiện tượng kinh tế theo thời gian được điều tra qua các giai đoạn có mức biến động khác nhau thì phương sai sai

số có thể không đồng đều

o Do định dạng không đúng dạng hàm của mô hình

o Do số liệu không phản ánh đúng bản chất của hiện tượng kinh tế, chẳng hạn xuất hiện các quan sát ngoại lai

o Do kỹ thuật thu thập, bảo quả ử lýsố liệu đượccải tiếnnên sai số có xu hướng giảm

o Họcđượccácsai lầm trongquákhứ, nhờ thế cảitiến tronghiện tại

2.3 ện dấu hiệu của phương sai sai số thay đồi:

 Cách 1:Xem xét đồ thị của phần dư:

Trong cách này ta sẽ sử dụng đồ thị của sai số của hồi qui e (phần dư) với giá trị dự đoán Yi (biểu diễn sự tương quan giữa e và Yi)

Từ cơ sở dữ liệu đã cho và phần mề rvfplot, yline (0) ta xây dựng

White's test for Ho: homoskedasticity

against Ha: unrestricted heteroskedasticity

, kết quả kiểm định bằng lệnh imtest, white cho thấy Prob > chi2 =

0.0229< 0.05 => Bác bỏ giả thiết H0, H1 đúng hay mô

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of crime

chi2(1) = 72.08

Prob > chi2 = 0.0000

Từ > chi2 = 0.0000 < 0.05 => Bác bỏ giả thiết H0

5%) :Với kết quả của các kiểm định trên ta có thể kết luận được rằng có xảy ra hiện tượng phương sai sai số thay đổi

3 Kiểm định vấn đề về phân phối chuẩn của sai số:

Bước 1: Dự đoán

- Tạo biến phần dư của mô hình, sử dụng lệnh : predict r, resid( với r là biến thể

hiện giá trị của phần dư residual)

- Sử dụng lệnh : kdensity r, normal

kernel = epanechnikov, bandwidth = 41.5518

Kernel density estimate

4 :

15

B 39

: GPA1_DTA

Như chúng ta đã biết và đặc biệt đối với các bạn sinh viên, GPA là một trong những thước

đo trình độ và năng lực của một cá nhân trong quá trình học tập và rèn luyện tại trường trung học và giảng đường đại học Được tính bởi điểm trung bình chung các môn học hay học phần tích lũy, GPA là kết quả học tập của cá nhân , dựa theo các thang điểm khác nhau của mỗi trường trung học và hệ cao đẳng đại học Nghiên cứu, xem xét sự ảnh hưởng của các yếu tố khác nhau lên điểm trung bình GPA góp phần đẩy mạnh cải cách và hoàn thiện giáo dục và hạn chế những ảnh hưởng tiêu cực từ môi trường xung quanh và bản thân mỗi cá nhân

Trong bài báo cáo này, chúng em xin được sử dụng bộ số liệu thống kê điểm GPA của sinh viên và một số thông số liên quan tại trường đại học bang Michigan, Hoa Kỳ để xem xét xem, liệu điểm GPA của sinh viên phụ thuộc vào những yếu tố nào và mức độ ảnh hưởng của các yếu tố đó ra sao Mong rằng nhờ có ứng dụng Stata – công cụ đo lường đặc trưng của kinh

tế lượng, bản báo cáo sẽ rút ra được nhiều điều thú vị và bổ ích

I :

1

Trong đề tài này chúng em nêu ra và phân tích các yếu tố ảnh hưởng đến điểm trung bình (GPA) tại Đại học bang Michigan (MSU) Theo đó có rất nhiều yếu tố ảnh hưởng đến điểm GPA của sinh viên như điểm GPA trung học, điểm ACT v.v…

storage display value

variable name type format label variable label

-

-age byte %9.0g in years

soph byte %9.0g =1 if sophomore

junior byte %9.0g =1 if junior

senior byte %9.0g =1 if senior

senior5 byte %9.0g =1 if fifth year senior male byte %9.0g =1 if male

campus byte %9.0g =1 if live on campus

business byte %9.0g =1 if business major

engineer byte %9.0g =1 if engineering major colGPA float %9.0g MSU GPA

hsGPA float %9.0g high school GPA

ACT byte %9.0g 'achievement' score

job19 byte %9.0g =1 if job <= 19 hours

job20 byte %9.0g =1 if job >= 20 hours

drive byte %9.0g =1 if drive to campus

bike byte %9.0g =1 if bicycle to campus walk byte %9.0g =1 if walk to campus

voluntr byte %9.0g =1 if do volunteer work

PC byte %9.0g =1 of pers computer at sch greek byte %9.0g =1 if fraternity or sorority

car byte %9.0g =1 if own car

siblings byte %9.0g =1 if have siblings

bgfriend byte %9.0g =1 if boy- or girlfriend more

Sau khi cân nhắc kĩ lưỡng chúng em quyết định chọn biến colGPA làm biến phụ thuộc

và các biến: ACT, hsGPA, PC, bgfriend, skipped, voluntr làm biến độc lập Tiến hành mô tả

biến độc lập và biến phụ thuộc bằng lệnh des ta thu được kết quả như sau:

des colGPA hsGPA ACT PC bgfriend skipped voluntr

storage display value

variable name type format label variable label

-

-colGPA float %9.0g MSU GPA

hsGPA float %9.0g high school GPA

ACT byte %9.0g 'achievement' score

PC byte %9.0g =1 of pers computer at sch

bgfriend byte %9.0g =1 if boy- or girlfriend

skipped float %9.0g avg lectures missed per week

voluntr byte %9.0g =1 if do volunteer work Theo bảng trên ta có thể hiểu được ý nghĩa của các biến như sau:

o colGPA: điểm GPA tại MSU

o hsGPA: điểm GPA tại trường trung học

o ACT: điểm trong kì thi ACT

o PC: biến giả cho biết có sở hữu máy vi tính hay không

o bgfriend: biến giả có bạn trai/bạn gái hay không

o skipped: số buổi nghỉ học trung bình một tuần

o voluntr: biến giả cho biết có tham gia tình nguyện hay không

Tiếp tục sử dụng lện sum để mô tả số 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 giá trị nhỏ nhất( Min ) của các biến

sum colGPA hsGPA ACT PC bgfriend skipped voluntr

Variable | Obs Mean Std Dev Min Max

-+ -

colGPA | 141 3.056738 .3723103 2.2 4

hsGPA | 141 3.402128 .3199259 2.4 4

ACT | 141 24.15603 2.844252 16 33

PC | 141 .3971631 .4910547 0 1

bgfriend | 141 .4751773 .5011638 0 1

-+ -

skipped | 141 1.076241 1.088882 0 5

voluntr | 141 .2198582 .4156269 0 1

:

Trong số 141 sinh viên được hỏi có 85 sinh viên không sở hữu máy tính (60.28%) và

56 sinh viên có sở hữu máy tính (39,72%)

Y( colGPA ):Điểm GPA bậc đại học tại MSU

Biến X ( biến độc lập ):

- X1 (hsGPA) : Điểm GPA tại trường trung học

- X2 (ACT) : Điểm trong kì thi ACT

- X3 (PC) : Có hay không có máy tính cá nhân tại trường ( biến giả, = 1 nếu có; =

0 nếu không có)

- X4 (bgfriend) : Có hay không có bạn trai hoặc bạn gái ( biến giả,= 1 nếu có ; = 0

nếu không có)

- X5 (skipped) : Số buổi nghỉ học trung bình một tuần( đv: buổi/tuần)

- X6 (voluntr) : Có tham gia tình nguyện hay không ( biến giả; =1 nếu có tham gia;

= 0 nếu không tham gia )

 Như vậy ta có hàm hồi qui tổng thể PRF biểu diễn mối quan hệ phụ thuộc giữa Y

và các biến X như sau:

ColGPA = β 0 + β 1 * hsGPA+ β 2 * ACT + β 3 * PC + β 4 * bgfriend + β 5 * skipped + *

voluntr + u i

= + * hsGPA + * ACT + * PC + * bgfriend + *

skipped + * voluntr