Các Đề thi kinh tế lượng có lời giải - P7

Tài liệu tham khảo cho các bạn sinh viên học chuyên ngành kinh tế có tư liệu ôn thi tốt đạt kết quả cao trong các kì thi giữa kì và cuối kì

Trang 1

ĐẠI HỌC DÂN LẬP HÙNG VƯƠNG Bài tập số 2

Môn học: KINH TẾ LƯỢNG

Lớp: 04QK, 04QB, 04QB (Năm học 2006 – 2007)

Gợi ý đáp án Bài tập số 2 : MÔ HÌNH HỒI QUI BỘI

Câu 1: (40điểm) Xem xét dữ liệu về tiêu dùng thịt gà ở Mỹ giai đọan 1960 đến 1982 được trình bày

trong file Table 7.9 thuộc bộ dữ liệu của Gujarati (hoặcc file chicken demand) Trong đó:

Các anh/chị hãy:

a) Xây dựng mô hình theo phương pháp từ phức tạp đến đơn giản và cho biết mô hình nào là mô

hình tối ưu Giải thích quá trình thực hiện và các kiểm định cần thiết ( α=5%)

Mô hình hồi qui tổng thể của lượng thịt gà tiêu thụ bình quân đầu người (Y) theo thu nhập khả dụng bình

quân đầu người (X2), giá bán lẻ của thịt gà (X3), giá bán lẻ của thịt bò (X4), giá bán lẻ của thịt heo (X5),

Giá bán lẻ bình quân có trọng số của thịt bò và thịt heo (X6)

(PRF): Y = β1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 +ui Chạy Eview với mô hình trên ta có:

Dependent Variable: Y Method: Least Squares Date: 04/30/07 Time: 14:23 Sample: 1960 1982

Included observations: 23 Variable Coefficient Std Error t-Statistic Prob

C 38.59691 4.214488 9.158150 0.0000 X2 0.004889 0.004962 0.985370 0.3383 X3 -0.651888 0.174400 -3.737889 0.0016 X4 0.243242 0.089544 2.716443 0.0147 X5 0.104318 0.070644 1.476674 0.1580 X6 -0.071110 0.098381 -0.722805 0.4796 R-squared 0.944292 Mean dependent var 39.66957

Adjusted R-squared 0.927908 S.D dependent var 7.372950 S.E of regression 1.979635 Akaike info criterion 4.423160 Sum squared resid 66.62224 Schwarz criterion 4.719376 Log likelihood -44.86635 F-statistic 57.63303 Durbin-Watson stat 1.100559 Prob(F-statistic) 0.000000 Với kết quả của bảng trên ta thấy các hệ số P_value của các biến X2, X5, X6 đều lớn hơn α = 5% vì vậy

ta thực hiện kiểm định Wald với:

H0: β2 = β5 = β6 = 0

H1: có ít nhất một giá trị βi ≠ 0 với (i = 2, 5, 6) Chạy Eview ta có kết quả:

Wald Test:

Equation: EQ01 Test Statistic Value df Probability F-statistic 7.852143 (3, 17) 0.0017 Chi-square 23.55643 3 0.0000 Null Hypothesis Summary:

Trang 2

Normalized Restriction (= 0) Value Std Err

Restrictions are linear in coefficients

P_value sau khi chạy Wald test trong kiểm định trên ta có:

P_value =0.0017 < α = 5%

Vì vậy ta bác bỏ giả thuyết H0, vậy có ít nhất một giá trị βi ≠ 0 với (i = 2, 5, 6)

Để thực hiện việc xây dựng mô hình từ đơn giản đến phức tạp, ta căn cứ vào hệ số P_value của các biến

độc lập Biến được loại ra khỏi mô hình là biến có hệ số P_value lớn

- Đầu tiên ta bỏ biến X6 ra khỏi mô hình vì biến này có P_value = 0.4796 (P_value lớn nhất) Lúc này

kết quả Eview như sau:

C 37.23236 3.717695 10.01490 0.0000 X2 0.005011 0.004893 1.024083 0.3194 X3 -0.611174 0.162849 -3.753010 0.0015 X4 0.198409 0.063721 3.113734 0.0060 X5 0.069503 0.050987 1.363144 0.1896 R-squared 0.942580 Mean dependent var 39.66957

Adjusted R-squared 0.929821 S.D dependent var 7.372950 S.E of regression 1.953198 Akaike info criterion 4.366473 Sum squared resid 68.66969 Schwarz criterion 4.613320 Log likelihood -45.21444 F-statistic 73.87052 Durbin-Watson stat 1.065034 Prob(F-statistic) 0.000000

- Căn cứ vào kết quả chạy Eview sau khi bỏ biến X6, ta nhận thấy vẫn còn có các biến X2, X5 có

P_value lớn hơn α = 5% Ta tiếp tục bỏ biến X2 do P_value = 0.3194 (P_value lớn nhất) và được kết

quả như sau:

C 35.68084 3.399337 10.49641 0.0000 X3 -0.654097 0.157564 -4.151300 0.0005 X4 0.232528 0.054387 4.275460 0.0004 X5 0.115422 0.024303 4.749224 0.0001 R-squared 0.939235 Mean dependent var 39.66957

Adjusted R-squared 0.929641 S.D dependent var 7.372950 S.E of regression 1.955702 Akaike info criterion 4.336146 Sum squared resid 72.67063 Schwarz criterion 4.533624 Log likelihood -45.86568 F-statistic 97.89329 Durbin-Watson stat 1.251523 Prob(F-statistic) 0.000000 Lúc này các biến X3, X4, X6 đều có P_value nhỏ hơn α = 5% Vậy mô hình trên có thể là mô hình phù

hợp nhất Tuy nhiên, để kiểm tra lại có phải việc loại bỏ biến X6, và X2 ra khổi mô hình là phù hợp Ta

thực hiện lại việc kiểm định Wald với:

H0: β2 = β6 = 0

H1: có ít nhất một giá trị βi ≠ 0 với (i = 2, 6) Chạy Eview ta có kết quả:

Trang 3

Wald Test:

Equation: HOIQUI_U Test Statistic Value df Probability F-statistic 0.771684 (2, 17) 0.4778 Chi-square 1.543368 2 0.4622 Null Hypothesis Summary:

P_value =0.4778 > α = 5%

Vì vậy ta chấp nhận giả thuyết H0, điều này có nghĩa việc loại bỏ 2 biến thu nhập khả dụng bình quân

đầu người (X2 và giá bán lẻ bình quân có trọng số của thịt bò và thịt heo (X6) ra khỏi mô hình là phù

hợp

Mô hình hồi qui phù hợp nhất là:

Yˆ = 35.68083973 - 0.6540969702*X3 + 0.2325281315*X4 + 0.1154218668*X5

b) Giải thích ý nghĩa các tham số của mô hình phù hợp nhất:

Ta có:

β1 = 35.68083973 không giả thích được vì có ẩn chứa những biến bỏ sót ngoài mô hình hoặc chọn hàm

sai

β3 = - 0.6540969702: tác động biên của X3 lên Y Trong điều kiện các biến khác không đổi, theo thông

tin từ dữ liệu mẫu ta có nếu giá bán lẻ của thịt gà tăng lên 1 cent/pound thì lượng thịt gà tiêu thụ bình

quân đầu người sẽ giảm đi 0.6540969702pound

β4 = 0.2325281315 tác động biên của X4 lên Y Trong điều kiện các biến khác không đổi, theo thông tin

từ dữ liệu mẫu ta có nếu giá bán lẻ của thịt bò tăng lên 1 cent/pound thì lượng thịt gà tiêu thụ bình quân

đầu người sẽ tăng lên 0.2325281315 pound

β5 = 0.1154218668 tác động biên của X5 lên Y Trong điều kiện các biến khác không đổi, theo thông tin

từ dữ liệu mẫu ta có nếu giá bán lẻ của thịt heo tăng lên 1 cent/pound thì lượng thịt gà tiêu thụ bình quân

đầu người sẽ tăng lên 0.1154218668 pound

(Với hệ số β4 và β5 cho thấy thịt gà có thể là sản phẩm thay thế cho thịt bò và thịt heo)

Câu 2: (40 điểm) Xem xét dữ liệu về các yếu tố ảnh hưởng đền giá nhà trong fike Data7-3 thuộc bộ

dữ liệu Ramanathan Trong đó:

Famroom = nhận giá trị 1 nếu nhà có phòng gia đình và giá trị 0 cho trường hợp ngược lại

Các anh/chị hãy:

a) Xây dựng các mô hình sau theo phương pháp từ phức tạp đến đơn giản và cho biết mô hình

nào là mô hình tối ưu (xem xét các mô hình tổng quát dưới đây) Giải thích quá trình thực hiện

và các kiểm định cần thiết ( α=5%)

a Price = β1 + β2 Baths + β3 Bedrms + β4 Famroom + β5 Firepl + β6 Pool + β7 Sqft

Chạy mô hình trên với Eview, ta có kết quả:

Dependent Variable: PRICE Method: Least Squares Date: 04/30/07 Time: 15:19

Trang 4

Sample: 1 14 Included observations: 14 Variable Coefficient Std Error t-Statistic Prob

C 39.05715 89.53975 0.436199 0.6758 BATHS -0.263691 41.45465 -0.006361 0.9951 BEDRMS -7.045531 28.73627 -0.245179 0.8134 FAMROOM -21.34471 42.87340 -0.497854 0.6338 FIREPL 26.18799 53.84537 0.486355 0.6416 POOL 53.19581 22.06352 2.411030 0.0467 SQFT 0.146551 0.030101 4.868577 0.0018 R-squared 0.911504 Mean dependent var 317.4929

Adjusted R-squared 0.835650 S.D dependent var 88.49816 S.E of regression 35.87726 Akaike info criterion 10.30494 Sum squared resid 9010.244 Schwarz criterion 10.62447 Log likelihood -65.13456 F-statistic 12.01657 Durbin-Watson stat 2.602259 Prob(F-statistic) 0.002213 Với kết quả của bảng trên ta thấy các hệ số P_value của các biến Baths, Bedrms, Famroom, Firepl đều

lớn hơn α = 5% vì vậy ta thực hiện kiểm định Wald với:

H0: β2 = β3 = β4 = β5 = 0

H1: có ít nhất một giá trị βi ≠ 0 với (i = 2, 3, 4, 5) Chạy Eview ta có kết quả:

Wald Test:

Equation: Untitled Test Statistic Value df Probability F-statistic 0.086452 (4, 7) 0.9839 Chi-square 0.345807 4 0.9867 Null Hypothesis Summary:

P_value = 0.9839 > α = 5%

Vì vậy ta chấp nhận giả thuyết H0, vậy các hệ số trước các biến Baths, Bedrms, Famroom, Firepl đều

bằng 0; hay các biến số phòng tắm, số phòng ngủ, có phòng gia đình, có thiết bị báo cháy không ảnh

hưởng đến giá nhà Vì vậy ta có thể bỏ các biến trên ra khỏi mô hình Lúc này ta có mô hình:

Dependent Variable: PRICE Method: Least Squares Date: 04/30/07 Time: 15:29 Sample: 1 14

C 22.67277 29.50580 0.768417 0.4584 POOL 52.78980 16.48172 3.202931 0.0084 SQFT 0.144415 0.014185 10.18086 0.0000 R-squared 0.907132 Mean dependent var 317.4929

Trang 5

Với các giá trị P_value trước biến Pool và biến sqft đều nhỏ hơn 5% Vì vậy chấp nhận hô hình này

Vậy phương trình hồi qui lúc này:

PRICE = 22.67277002 + 52.78979633*POOL + 0.1444149156*SQFT +uˆi

b Price = β1 + β2 Baths + β Bedrms + β Famroom + β 3 4 5 Firepl + β Pool + β 6 7 Sqft + β8

Firepl* Sqft

C -391.6926 362.2206 -1.081365 0.3211 BATHS -5.049608 40.23999 -0.125487 0.9042 BEDRMS 0.068210 28.36362 0.002405 0.9982 FAMROOM -21.67260 41.42130 -0.523223 0.6196 FIREPL 437.6739 340.0121 1.287230 0.2454 POOL 65.52753 23.57464 2.779578 0.0320 SQFT 0.502063 0.291755 1.720837 0.1361 FIREPL*SQFT -0.355295 0.290125 -1.224627 0.2666

R-squared 0.929200 Mean dependent var 317.4929 Adjusted R-squared 0.846601 S.D dependent var 88.49816 S.E of regression 34.66139 Akaike info criterion 10.22469 Sum squared resid 7208.472 Schwarz criterion 10.58986 Log likelihood -63.57282 F-statistic 11.24945 Durbin-Watson stat 2.524457 Prob(F-statistic) 0.004472 Với kết quả của bảng trên ta thấy các hệ số P_value của các biến Baths, Bedrms, Famroom, Firepl, Sqft,

Firepl* Sqft đều lớn hơn α = 5% vì vậy ta thực hiện kiểm định Wald với:

H : β0 2 = β = β = β = β = β = 0 3 4 5 7 8

H : có ít nhất một giá trị β ≠ 0 với (i = 2, 3, 4, 5, 7, 8) 1 i Chạy Eview ta có kết quả:

Wald Test:

P_value = 0.0035> α = 5%

Vì vậy ta bác bỏ giả thuyết H , vậy có ít nhất một giá trị β ≠ 0 với (i = 2, 3, 4, 5, 7, 8) 0 i

Để thực hiện việc xây dựng mô hình từ đơn giản đến phức tạp, ta căn cứ vào hệ số P_value của các biến

độc lập Biến được loại ra khỏi mô hình là biến có hệ số P_value lớn

Trang 6

- Đầu tiên ta bỏ biến Bedrms ra khỏi mô hình vì biến này có P_value = 0.9982 (P_value lớn nhất) Lúc

này kết quả Eview như sau:

C -391.3735 312.0440 -1.254225 0.2500 BATHS -5.013808 34.61187 -0.144858 0.8889 FAMROOM -21.69964 36.90877 -0.587926 0.5751 FIREPL 437.5656 312.0188 1.402370 0.2036 POOL 65.50844 20.55132 3.187553 0.0153 SQFT 0.501915 0.264005 1.901154 0.0990 FIREPL*SQFT -0.355152 0.262910 -1.350849 0.2188

R-squared 0.929200 Mean dependent var 317.4929 Adjusted R-squared 0.868515 S.D dependent var 88.49816 S.E of regression 32.09023 Akaike info criterion 10.08183 Sum squared resid 7208.479 Schwarz criterion 10.40136 Log likelihood -63.57283 F-statistic 15.31173 Durbin-Watson stat 2.525083 Prob(F-statistic) 0.001044

- Căn cứ vào kết quả chạy Eview sau khi bỏ biến Bedrms, ta nhận thấy các hệ số P_value của các biến

Baths, Famroom, Firepl, Sqft, Firepl* Sqft đều lớn hơn α = 5% Ta tiếp tục bỏ biến Baths, do

P_value = 0.8889 (P_value lớn nhất) và được kết quả như sau

C -396.8103 290.2054 -1.367343 0.2087 FAMROOM -23.43309 32.70893 -0.716412 0.4941 FIREPL 437.8164 292.2995 1.497835 0.1726 POOL 66.06998 18.90720 3.494435 0.0081 SQFT 0.498254 0.246188 2.023872 0.0776 FIREPL*SQFT -0.354257 0.246230 -1.438725 0.1882

R-squared 0.928988 Mean dependent var 317.4929 Adjusted R-squared 0.884606 S.D dependent var 88.49816 S.E of regression 30.06262 Akaike info criterion 9.941969 Sum squared resid 7230.087 Schwarz criterion 10.21585 Log likelihood -63.59378 F-statistic 20.93140 Durbin-Watson stat 2.543786 Prob(F-statistic) 0.000210

- Căn cứ vào kết quả chạy Eview sau khi bỏ biến Bedrms, Baths; ta nhận thấy các hệ số P_value của

các biến Famroom, Firepl, Sqft, Firepl* Sqft đều lớn hơn α = 5% Ta tiếp tục bỏ biến Famroom, do

P_value = 0.4941 (P_value lớn nhất) và được kết quả như sau:

C -376.6690 280.9210 -1.340836 0.2128 FIREPL 402.0001 280.0962 1.435221 0.1850

POOL 63.03432 17.92106 3.517331 0.0065 SQFT 0.482192 0.238444 2.022249 0.0739

Trang 7

FIREPL*SQFT -0.340550 0.238755 -1.426357 0.1875 R-squared 0.924432 Mean dependent var 317.4929 Adjusted R-squared 0.890846 S.D dependent var 88.49816 S.E of regression 29.23837 Akaike info criterion 9.861294 Sum squared resid 7693.940 Schwarz criterion 10.08953 Log likelihood -64.02906 F-statistic 27.52457 Durbin-Watson stat 2.550994 Prob(F-statistic) 0.000046

- Căn cứ vào kết quả chạy Eview sau khi bỏ biến Bedrms, Baths, Famroom; ta nhận thấy các hệ số

P_value của các biến Firepl, Sqft, Firepl* Sqft đều lớn hơn α = 5% Ta tiếp tục bỏ biến Firepl* Sqft,

do P_value = 0.1875 (P_value lớn nhất) và được kết quả như sau:

C 21.73385 31.51070 0.689729 0.5061 FIREPL 4.317827 28.16788 0.153289 0.8812

POOL 52.95961 17.30140 3.061001 0.0120 SQFT 0.142938 0.017711 8.070628 0.0000 R-squared 0.907350 Mean dependent var 317.4929

- Tiếp tục bỏ biến Firepl do P_value = 0.8812 > 0.05 ta có:

Adjusted R-squared 0.890247 S.D dependent var 88.49816 S.E of regression 29.31856 Akaike info criterion 9.781728 Sum squared resid 9455.359 Schwarz criterion 9.918669 Log likelihood -65.47210 F-statistic 53.72383 Durbin-Watson stat 2.526380 Prob(F-statistic) 0.000002 Với các giá trị P_value trước biến Pool và biến sqft đều nhỏ hơn 5% Vì vậy chấp nhận hô hình này

c Price = β1 + β2 Baths + β Bedrms + β Famroom + β 3 4 5 Firepl + β Pool + β 6 7 Sqft +

Trang 8

Điều này có nghĩa mô hình có hiện tượng đa cộng tuyến hoàn hảo

Lúc này ta tạo biến mới Famroom_Bedrms và lập bảng ma trận tương quan để xác định cá biến bị đa cộng

tuyến Ta có:

PRICE BATHS BEDRMS FAMROOM FIREPL POOL SQFT FAMROOM

_BEDRMS PRICE 1.000000 0.669612 0.315634 0.472715 0.495681 0.179062 0.905827 0.477140

BATHS 0.669612 1.000000 0.532327 0.534885 0.457693 -0.185695 0.787318 0.615893

BEDRMS 0.315634 0.532327 1.000000 0.337350 0.547723 -0.377778 0.464730 0.532557

0.968264

FAMROOM 0.472715 0.534885 0.337350 1.000000 0.781736 0.025950 0.520220

FIREPL 0.495681 0.457693 0.547723 0.781736 1.000000 -0.121716 0.551010 0.756927

POOL 0.179062 -0.185695 -0.377778 0.025950 -0.121716 1.000000 -0.124679 -0.060671

SQFT 0.905827 0.787318 0.464730 0.520220 0.551010 -0.124679 1.000000 0.559476

0.968264

FAMROOM

_BEDRMS

0.477140 0.615893 0.532557 0.756927 -0.060671 0.559476 1.000000 Lúc này ta có hệ số tương quan giữa hai biến FAMROOM và FAMROOM_BEDRMS bằng 0.968264 (gần

bằng 1) Vậy có hiện tượng đa cộng tuyến là do 2 biến trên có mối quan hệ chặt chẽ với nhau vì vậy ta bỏ 1

trong 2 biến; giả sử bỏ biến FAMROOM ta có kết quả chạy Eview như sau:

C 23.04862 96.48374 0.238886 0.8180 BATHS -0.263691 41.45465 -0.006361 0.9951 BEDRMS -1.709353 27.73050 -0.061642 0.9526 FIREPL 20.85181 46.43392 0.449064 0.6670 POOL 53.19581 22.06352 2.411030 0.0467 SQFT 0.146551 0.030101 4.868577 0.0018 FAMROOM_BEDR

MS

-5.336177 10.71835 -0.497854 0.6338

R-squared 0.911504 Mean dependent var 317.4929 Adjusted R-squared 0.835650 S.D dependent var 88.49816 S.E of regression 35.87726 Akaike info criterion 10.30494 Sum squared resid 9010.244 Schwarz criterion 10.62447 Log likelihood -65.13456 F-statistic 12.01657 Durbin-Watson stat 2.602259 Prob(F-statistic) 0.002213 Với kết quả của bảng trên ta thấy các hệ số P_value của các biến Baths, Bedrms, Firepl, Famroom* Bedrms

đều lớn hơn α = 5% vì vậy ta thực hiện kiểm định Wald với:

H : β0 2 = β = β = β = 0 3 5 8

H : có ít nhất một giá trị β ≠ 0 với (i = 2, 3, 5, 8) 1 i

Chạy Eview ta có kết quả:

Wald Test:

Equation: Untitled Test Statistic Value df Probability F-statistic 0.086452 (4, 7) 0.9839

Trang 9

Null Hypothesis Summary:

P_value = 0.9839 > α = 5%

Vì vậy ta chấp nhận giả thuyết H0, vậy các hệ số trước các biến Baths, Bedrms, Firepl, Famroom*

Bedrms đều bằng 0; hay các biến số phòng tắm, số phòng ngủ, có thiết bị báo cháy và biến ảnh hưởng

của có phòng gia đình lên số lượng phòng ngủ không ảnh hưởng đến giá nhà Vì vậy ta có thể bỏ các

biến trên ra khỏi mô hình Lúc này ta có mô hình:

Adjusted R-squared 0.890247 S.D dependent var 88.49816 S.E of regression 29.31856 Akaike info criterion 9.781728 Sum squared resid 9455.359 Schwarz criterion 9.918669 Log likelihood -65.47210 F-statistic 53.72383 Durbin-Watson stat 2.526380 Prob(F-statistic) 0.000002 Với các giá trị P_value trước biến Pool và biến sqft đều nhỏ hơn 5% Vì vậy chấp nhận hô hình này

d Price = β1 + β2 Baths + β Bedrms + β Famroom + β 3 4 5 Firepl + β Pool + β 6 7 Sqft +

β8 Pool*Sqft

C 76.93417 64.38956 1.194824 0.2772 BATHS -10.24209 29.37901 -0.348619 0.7393 BEDRMS 4.867122 20.64732 0.235727 0.8215 FAMROOM -10.51463 30.40630 -0.345804 0.7413 FIREPL -1.107752 39.07848 -0.028347 0.9783 POOL -85.25082 50.95585 -1.673033 0.1453 SQFT 0.124680 0.022526 5.534876 0.0015 POOL*SQFT 0.074512 0.026121 2.852620 0.0291 R-squared 0.962442 Mean dependent var 317.4929 Adjusted R-squared 0.918624 S.D dependent var 88.49816 S.E of regression 25.24543 Akaike info criterion 9.590727 Sum squared resid 3823.992 Schwarz criterion 9.955903

Trang 10

Log likelihood -59.13509 F-statistic 21.96456 Durbin-Watson stat 2.150252 Prob(F-statistic) 0.000712

Với kết quả của bảng trên ta thấy các hệ số P_value của các biến Baths, Bedrms, Famroom, Firepl, Pool đều

lớn hơn α = 5% vì vậy ta thực hiện kiểm định Wald với:

H : β0 2 = β = β = β = β = 0 3 4 5 6

H : có ít nhất một giá trị β ≠ 0 với (i = 2, 3, 4, 5, 6) 1 i

Chạy Eview ta có kết quả:

Wald Test:

P_value = 0.6581 > α = 5%

Vì vậy ta chấp nhận giả thuyết H0, vậy các hệ số trước các biến Baths, Bedrms, Famroom, Firepl, Pool

đều bằng 0; hay các biến số phòng tắm, số phòng ngủ, có phòng gia đình, có thiết bị báo cháy, có hồ bơi

không ảnh hưởng đến giá nhà Vì vậy ta có thể bỏ các biến trên ra khỏi mô hình Lúc này ta có mô hình:

C 42.79643 22.36292 1.913723 0.0820 SQFT 0.132927 0.011257 11.80854 0.0000 POOL*SQFT 0.031857 0.006697 4.757055 0.0006 R-squared 0.941294 Mean dependent var 317.4929 Adjusted R-squared 0.930620 S.D dependent var 88.49816 S.E of regression 23.31047 Akaike info criterion 9.323092 Sum squared resid 5977.157 Schwarz criterion 9.460032 Log likelihood -62.26164 F-statistic 88.18710 Durbin-Watson stat 2.756228 Prob(F-statistic) 0.000000

Với các giá trị P_value trước biến Pool*Sqft và biến Sqft đều nhỏ hơn 5% Vì vậy chấp nhận hô hình này

PRICE = 42.7964305 + 0.132927069*SQFT + 0.03185742065*(POOL*SQFT) +uˆi

e Price = β1 + β2 Baths + β Bedrms + β Famroom + β 3 4 5 Firepl + β Pool + β 6 7 Sqft +

β8 Famroom* Bedrms + β9 Firepl* Sqft + β10 Pool*Sqft + β11 Firepl*Bedrms+

β Pool*Baths 10

Tiêu đề	Bài Tập Số 2
Người hướng dẫn	GV: Nguyễn Thị Mai Bình
Trường học	Đại Học Dân Lập Hùng Vương
Chuyên ngành	Kinh Tế Lượng
Thể loại	Bài Tập
Năm xuất bản	2006 – 2007

Định dạng
Số trang	13
Dung lượng	662,56 KB