Trong đó: WAGE = Tiền lương hằng tháng triệu đồng/ tháng EXPER = Số năm kinh nghiệm EDUC = Số năm đi học AGE = tuổi năm GENDER = Giới tính mang giá trị 1 nếu là nam a Trước khi chạy hồi
Trang 1ĐẠI HỌC DÂN LẬP HÙNG VƯƠNG Bài tập số 4 Khoa Quản Trị Kinh Doanh
Môn học: KINH TẾ LƯỢNG
Lớp: 06QK2 (Năm học 2007 – 2008)
Bài tập số 4: DẠNG HÀM
Ngày phát: Thứ Ba, ngày 27 tháng 11 năm 2007
Ngày nộp: Thứ Ba, ngày 11 tháng 12 năm 2007
Nghiên cứu các yếu tố ảnh hưởng tiền lương (theo dữ liệu trong file Data7-2 thuộc bộ dữ liệu Ramanathan)
Trong đó:
WAGE = Tiền lương hằng tháng (triệu đồng/ tháng)
EXPER = Số năm kinh nghiệm
EDUC = Số năm đi học
AGE = tuổi (năm)
GENDER = Giới tính (mang giá trị 1 nếu là nam)
a) Trước khi chạy hồi qui anh/chị hãy dự báo mối quan hệ của các biến EXPER, EDUC và AGE, GENDER với biến WAGE Lý giải sự lựa chọn của mình
b) Hãy xây dựng mô hình tuyến tính và ước lượng các hệ số trong mô hình Giải thích ý nghĩa của mô hình tối ưu
c) Xây dựng lại bằng mô hình đa thức sau :
WAGEi = 1 + 2EXPER + 3(EXPER)2 + 4EDUC + 5AGE + 6(AGE)2 + ui
Giải thích ý nghĩa của mô hình tối ưu
(1) Anh/ chị hãy ước lượng các tham số của mô hình trên Từ kết quả trên anh/chị có nghi ngờ có sự đa cộng tuyến trong mô hình không? Tại sao?
(2) Thực hiện tiếp các hồi qui sau:
EXPER = A1 + A2AGE + ui
EDUC = B1 + B2AGE + ui
Dựa trên các kết quả hồi quy có được, anh/ chị nhận xét gì về mức độ đa cộng tuyến trong
bộ dữ liệu? Giải thích sự nhận xét của mình
(3) Giải sử trong mô hình ban đầu có hiện tượng đa cộng tuyến nhưng các tham số đều có ý nghĩa về mặt thống kê ở mức ý nghĩa 5% và thống kê F cũng có ý nghĩa Trong trường hợp này, chúng ta có nên lo lắng về hiện tượng đa cộng tuyến không?
d) Anh/ chị hãy chạy hồi quy lại với mô hình log kép:
Ln WAGEi = 1 + 2 ln EXPER + 3 ln EDUC + 4 ln AGE + ut
Giải thích ý nghĩa của mô hình tối ưu
e) Một sinh viên cho rằng nên bổ sung thêm biến giới tính (GENDER) vào Dạng mô hình đề nghị là một trong các mô hình sau :
(1) WAGEi = 1 + 2EXPER + 3EDUC + 4AGE + 5GENDER + ui
(2) WAGEi = 1 + 2EXPER + 3EDUC + 4AGE + 5GENDER + 5(GENDER)2 +ui
(3) Ln(WAGE) = 1 + 2 ln(EXPER) + 3 ln(EDUC) + 4 ln(AGE)+5GENDER + ut
(4) Ln(WAGE) = 1 + 2 ln(EXPER) + 3 ln(EDUC) + 4 ln(AGE)+5 ln(GENDER) + ut
Anh/ chị hãy cho biết mô hình nào có ý nghĩa về mặt kinh tế? Tại sao?
f) Trong tất cả các mô hình tối ưu đã tính được ở trên, theo anh/chị mô hình nào phù hợp nhất
để giải thích mối quan hệ của biến WAGE
1