kinh te1babf lc6b0e1bba3ng cc483n be1baa3n phe1baa7n 1 the1baa7y kie1bb87t

9/17/2013 KINH TẾ LƯNG CƠ BẢN (PHẦN 1) KHÁI NIỆM Kinh tế lượng công cụ nghiên cứu mối liên hệ phụ thuộc biến (gọi biến phụ thuộc hay biến giải thích) với hay nhiều biến khác (gọi biến độc lập hay biến giải thích) Ví dụ : - Nghiên cứu ảnh hưởng thu nhập đến chi tiêu, - Nghiên cứu ảnh hưởng giá bán sản phẩm, chi phí quảng cáo, sách hậu đến doanh thu bán hàng Kinh tế lượng kết hợp lý thuyết kinh tế, toán học xác suất thống kê để xây dựng mô hình cụ thể Kinh tế lượng sử dụng công cụ phân tích hồi quy để nghiên cứu mối liên hệ tương tác 9/17/2013 CÁC BƯỚC TIẾN HÀNH MỘT PHÂN TÍCH HỒI QUY NÊU RA GIẢ THUYẾT THIẾT LẬÂP MÔ HÌNH TOÁN ƯỚC LƯNG CÁC THAM SỐ PHÂN TÍCH KẾT QUẢ ƯỚC LƯNG DỰ BÁO VÀ RA QUYẾT ĐỊNH 1- Nêu giả thuyết : Dựa vào lý thuyết kinh tế, kinh nghiệm để xây dựng mối quan hệ Ví dụ : Theo lý thuyết kinh tế : Mức tiêu dùng hộ gia đình quan hệ đồng biến với thu nhập khả dụng Lượng cầu loại hàng hoá quan hệ nghịch biến với giá hàng hoá Theo kinh nghiệm : Doanh thu tiêu thụ tỷ lệ thuận với chi phí quảng cáo sách hậu tỷ lệ nghịch với giá bán sản phẩm 9/17/2013 2- Thiết lập mô hình toán để mô tả mối quan hệ biến : Ví dụ : Nghiên cứu ảnh hưởng thu nhập khả dụng đến chi tiêu cho tiêu dùng Gọi : Y chi tiêu cho tiêu dùng , X thu nhập khả dụng → Ta xây dựng mô hình toán sau : Y = β1 + β2.X + U 3- Ước lượng tham số mô hình : Việc ước lượng nhằm xác định mức độ ảnh hưởng biến số độc lập đến biến số phụ thuộc Ví dụ : Giả sử với số liệu điều tra 10 hộ gia đình sau : (1.000đ/ngày) X 80 100 120 140 160 180 200 220 240 260 Y 70 65 90 95 110 115 120 140 155 150 Kết hợp công thức tính toán, ta tìm tham số mô hình : Y = 24.45 + 0.509 * X + U 4- Phân tích kết ước lượng : Dựa vào lý thuyết kinh tế kinh nghiệm để phân tích đánh giá kết nhận Lý thuyết tiêu dùng thu nhập Keynes: Tiêu dùng tăng thu nhập tăng lên, mức tăng tiêu dùng không vượt mức tăng thu nhập Do đó, hệ số ước lượng β2 mô hình phù hợp : < β2 < Theo kết ước lượng, < β = 0.509 < ⇒ phuø hợp với lý thuyết đề 5- Dự báo định : Nếu mô hình phù hợp sử dụng để dự báo giá trị biến phụ thuộc tương lai hay đưa định nhằm đáp ứng mục tiêu đề Ví dụ : Với mức thu nhập 280.000 đ/ngày ta dự báo chi tiêu trung bình : Y = 24,45 + 0,509*280 = 166.970 đ/ngày 9/17/2013 CÁC LOẠI DỮ LIỆU Dữ liệu theo thời gian : Là số liệu thu thập khoảng thời gian khác Ví dụ số liệu GDP, tỷ lệ thất nghiệp, lượng cung tiền…qua năm Dữ liệu chéo : Là số liệu thu thập thời điểm không gian khác Ví dụ nghiên cứu phụ thuộc suất trồng ảnh hưởng yếu tố đầu vào (giống, phân bón, công lao động, kinh nghiệm…) Số liệu biến thu thập thời gian nông hộ khác địa bàn nghiên cứu Dữ liệu hổn hợp : Sự kết hợp hai loại liệu Ví dụ số liệu giá vàng hàng ngày thành phố lớn nước NGUỒN GỐC CÁC DỮ LIỆU Dữ liệu thực nghiệm : Có tiến hành thực nghiệm Ví dụ : nhà khoa học muốn nghiên cứu tác động lượng phân đạm đến suất loại trồng, ông ta tiến hành trồng lô đất có điều kiện khác, thay đổi lượng phân đạm bón, từ ghi chép lại kết suất đạt từ lượng phân bón khác Dữ liệu phi thực nghiệm : Có không thực nghiệm mà xảy ngày theo sống Ví dụ : số liệu GDP, tỷ lệ thất nghiệp, giá cổ phiếu…nằm tầm kiểm soát người nghiên cứu làm ảnh hưởng đến độ xác mô hình tìm 9/17/2013 MÔ HÌNH HỒI QUY ĐƠN BIẾN MÔ HÌNH HỒI QUY ĐƠN BIẾN CỦA TỔNG THỂ : Giả sử địa phương có 60 gia đình (tổng thể) chia thành 10 nhóm có thu nhập khác sau : - X : thu nhập ngày (1000 đồng) - Y : Chi tiêu ngày (1000 đồng) X Y E(Y/Xi) 80 55 60 65 70 75 65 100 65 70 74 80 85 88 77 120 79 84 90 94 98 89 140 80 93 95 103 108 113 115 101 160 102 107 110 116 118 125 113 180 110 115 120 130 135 140 125 200 120 136 140 144 145 137 220 135 137 140 152 157 160 162 149 240 137 145 155 165 175 189 161 260 150 152 175 178 180 185 191 173 • Biểu diễn điểm đồ thị : E(Y/Xi) = f(Xi) Y = β + β 2.Xi 200 150 100 50 X 80 100 120 140 160 180 200 220 240 260 E(Y/Xi) = f(Xi) = β + β 2.Xi : Hàm hồi quy tổng thể (PRF) 10 9/17/2013 SAI SỐ NGẪU NHIÊN VÀ BẢN CHẤT CỦA SAI SỐ NGẪU NHIÊN Giả sử PRF hàm tuyến tính : E(Y/Xi) = β + β 2.Xi E(Y/Xi) giá trị trung bình biến Yi với giá trị Xi biết Do đó, Yi E(Y/Xi) tồn lượng chênh lệch Ui = Yi – E(Y/Xi) Lúc : Yi = β + β 2.Xi + Ui Với ví dụ với X = 80 ta coù : Y1 = 55 = β + β 2.80 + U1 Y2 = 60 = β + β 2.80 + U2 Y3 = 65 = β + β 2.80 + U3 Y4 = 70 = β + β 2.80 + U4 Y5 = 75 = β + β 2.80 + U5 11 ⇒ Ngoaøi biến giải thích X có mô hình, có yếu tố khác ảnh hưởng đến biến phụ thuộc Y Các yếu tố đại diện yếu tố ngẫu nhiên Ui Làm loại trừ yếu tố ngẫu nhiên khỏi mô hình ? Tính giá trị kỳ vọng hai vế, ta : E(Yi/Xi) = E(β β + β 2.Xi + Ui) = E(β β + β 2.Xi) + E( Ui) = E(Y/Xi) + E(Ui) Mà E(Yi/Xi) = E(Y/Xi) (tính không thiên lệch) ⇒ E(Ui) = : Ảnh hưởng trung bình yếu tố Lúc : E(Y/Xi) = β + β 2.Xi 12 9/17/2013 MÔ HÌNH HỒI QUY ĐƠN BIẾN CỦA MẪU Trong trường hợp không xác định tổng thể tiếp cận cách chọn mẫu ngẫu nhiên từ tổng thể dùng kết từ mẫu để ước lượng cho mô hình tổng thể Hàm hồi quy xây dựng sở mẫu ngẫu nhiên gọi hàm hồi quy mẫu Từ tổng thể thực tế, ta chọn nhiều mẫu khác Ví dụ : Với tổng thể 60 hộ ví dụ trên, ta chọn hai mẫu ngẫu nhiên gồm 10 hộ sau : X 80 100 120 140 160 180 200 220 240 260 Y1 70 65 90 95 110 115 120 140 155 150 X 80 100 120 140 160 180 200 220 240 260 Y2 55 80 79 93 116 135 120 140 165 180 13 Với số liệu trên, ta có đồ thị sau : 250 Chi tiêu 200 150 100 50 0 50 100 150 200 250 300 Thu nhập Vấn đề đặt đường hồi quy mẫu gần với đường hồi quy tổng thể? 14 9/17/2013 CƠ SỞ ƯỚC LƯNG MÔ HÌNH HỒI QUY HAI BIẾN Giả sử có mô hình hồi quy tổng thể PRF : E(Y/Xi) = β + β 2.Xi Lúc giá trị quan sát Yi = E(Y/Xi) + Ui = β + β 2.Xi + Ui Gọi mô hình hồi quy mẫu SRF : i = β Â1 + β Â2.Xi : i, β Â1, β Â2 ước lượng E(Y/Xi), β 1, β Lúc : Yi = i + ei (ei : ước lượng Ui) Giả sử có n cặp quan sát (Yi, Xi) Ta cần tìm i cho gần với giá trị thực Yi tốt Để đạt điều : n ∑ i=1 e 2i = n ∑ (Y i=1 i − Yˆ i ) ⇒ 15 Ta có đồ thị sau : PRF } ei Yi i SRF Xi 16 9/17/2013 PHƯƠNG PHÁP BÌNH PHƯƠNG BÉ NHẤT OLS (Ordinary Least Square) Ta có : n ∑ i=1 n e 2i = ∑ i=1 n ˆ )2 = (Y i − Y i Do Yi, Xi (i = 1, n) biết nên ∑ (Y i= n ∑e i i − βˆ − βˆ X i ) ⇒ laø hàm βˆ1 βˆ : i =1 n n i= i=1 f(βˆ , βˆ ) = ∑ e 2i = ∑ (Y i − βˆ − βˆ X i ) ⇒ Đạo hàm riêng phần hàm f theo βˆ vaø βˆ : n ∂f = ∑ 2(Yi − βˆ − βˆ X i )( −1) = ∂βˆ i = (1) n ∂f = ∑ 2(Yi − βˆ − βˆ X i )( − X i ) = (2) ∂βˆ i =1 17 Từ (1) (2) ta tìm βˆ vaø βˆ : n βˆ = n n n ∑ Y i X i − ∑ X i ∑ Y i i=1 n i=1 i= n n i=1 i=1 n ∑ X i2 − ∑ X i ∑ X i i=1 n βˆ = n ∑Y i=1 n i - βˆ ∑X i=1 n i = Y − βˆ X 18 9/17/2013 VÍ DỤ : MÔ HÌNH THU NHẬP VÀ CHI TIÊU INCO (X) (Thu nhập) 80 100 120 140 160 180 200 220 240 260 CONS (Y) (Chi tieâu) 70 65 110 115 120 140 155 150 90 95 Ta có mô hình mẫu SRF : = βÂ1 + βÂ2.X Sử dụng công thức , ta tính : n βˆ = n n n.∑ Yi X i − ∑ X i ∑ Yi i =1 n n i =1 n i =1 n.∑ X 2i − ∑ X i ∑ X i i =1 i =1 = 0.509 i =1 βˆ = Y − βˆ X = 24.45 Ta mô hình ước lượng : = 24.45 + 0.509 * X Nhận xét : Khi thu nhập tăng đơn vị chi tiêu trung bình tăng 0.509 đơn vị 19 Phương pháp tính toán : STT 10 Cộng X Y 80 100 120 140 160 180 200 220 240 260 1700 Y*X 70 65 90 95 110 115 120 140 155 150 1110 5600 6500 10800 13300 17600 20700 24000 30800 37200 39000 205500 X^2 6400 10000 14400 19600 25600 32400 40000 48400 57600 67600 322000 20 10 9/17/2013 Kỳ vọng dấu hệ số ước lượng β i mô hình : β2 < Do INTRATE chi phí sử dụng vốn nên INTRATE tăng xu hướng số lượng nhà xây (HOUSING) giảm β3 > Do GNP thu nhập người tiêu dùng Khi thu nhập tăng xu hướng số lượng nhà xây (HOUSING) tăng 43 Tường thuật đánh giá chất lượng mô hình : HOUSING = 687.89 – 169.66*INTRATE + 0.91*GNP – Dấu hệ số ước lượng βÂ2 < ⇒ phù hợp với kỳ vọng – Một giả thiết kiểm định tồn biến INTRATE mô hình : Ho : β2 = t-stat = -3.87 ⇒ P-Value = 0.0009 ⇒ Bác bỏ Ho ⇒ Khi INTRATE tăng đơn vị ⇒ HOUSING giảm trung bình 169.66 đơn vị – Dấu hệ số ước lượng βÂ3 > ⇒ phù hợp với kỳ vọng – Một giả thiết kiểm định tồn biến INTRATE mô hình : Ho : β3 = t-stat = 3.63 ⇒ P-Value = 0.0016 ⇒ Bác bỏ Ho ⇒ Khi GNP tăng đơn vị ⇒ HOUSING tăng trung bình 0.91 đơn vị 44 22 9/17/2013 – Adjusted R-squared = 0.3753 ⇒ Mô hình giải thích 37.53% biến thiên HOUSING – Một kiểm định tồn mô hình : Ho : β2 = β3 = F-stat = 7.6 ⇒ P-Value = 0.003 ⇒ Bác bỏ Ho ⇒ Thực HOUSING giải thích INTRATE GNP 45 Bài : Cho mẫu gồm giá trị quan sát sau : YI Xi Zi 10 12 9 10 11 10 11 11 Trong : Y lượng khách xe buýt (đơn vị : 100 ngàn người ) X giá vé ( đơn vị : ngàn đồng ) Z giá xăng ( đơn vị ngàn đồng/lít ) u cầu : a) Hãy lập mơ hình hồi qui tuyến tính mẫu biểu diễn mối phụ thuộc Y theo X Z Kỳ vọng dấu tham số mơ hình b) Dựa vào kết ước lượng, nêu ý nghĩa kinh tế hệ số hồi quy tìm c) Kiểm định chất lượng cuả mơ hình ước lượng 46 23 9/17/2013 Kết ước lượng : 47 Bài : Cho mẫu gồm giá trị quan sát sau : Năm 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 YI 20 21 22 23 24 23 25 24 25 23 X2 45 43 42 43 41 40 40 42 41 43 X3 50 52 51 53 52 53 51 53 54 53 Trong : Y : Lượng thịt heo tiêu thụ TB cá nhân (10g / người / ngày ) X2 : Giá bán lẻ trung bình thịt heo ( đơn vị :1000 đồng /kg ) X3 : Giá bán lẻ trung bình thịt bị ( đơn vị : 1000 đồng/kg ) Yêu cầu : a Hãy lập mơ hình hồi qui tuyến tính biểu diễn mối phụ thuộc Y theo X2 X3 Kỳ vọng dấu tham số mơ hình b Dựa vào kết ước lượng, nêu ý nghĩa kinh tế hệ số hồi quy tìm c Kiểm định chất lượng cuả mơ hình ước lượng 48 24 9/17/2013 Kết ước lượng : 49 HOÀI QUY VỚI BIẾN GIẢ (DUMMY VARIABLE) Biến giả biến định tính, thể có tính chất Ví dụ : - Nghiên cứu giới tính : có hai thuộc tính Nam Nữ - Nghiên cứu trình độ văn hóa : Mù chữ, cấp 1, cấp 2, cấp 3, trung cấp, đại học, sau đại học Để nghiên cứu tác động biến định tính đến biến phụ thuộc hàm hồi quy, người ta dùng kỷ thuật biến giả Ví dụ : Khi nghiên cứu tác động giới tính đến tiền lương, ta tạo biến giả giới tính gán giá trị quan sát nam quan sát nữ (hoặc ngược lại) 50 25 9/17/2013 VÍ DỤ VỀ SỰ ẢNH HƯỞNG CỦA GIỚI TÍNH ĐẾN TIỀN LƯƠNG Giả sử có hai nhân viên công ty có tuổi, kinh nghiệm…nhưng người nam người nữ Vấn đề đặt : CÓ SỰ KHÁC BIỆT VỀ TIỀN LƯƠNG GIỮA NHÂN VIÊN NAM VÀ NỮ HAY KHÔNG ? Dữ liệu tiền lương (1000 đồng) 49 nhân viên có điều kiện, khác giới tính (23 nữ, 26 nam) thu thập bảng sau : 51 STT GT Lương STT GT Lương STT GT Lương STT GT Lương 1345 14 3389 27 1972 40 1461 2435 15 1839 28 1234 41 3307 1715 16 981 29 1926 42 3833 1461 17 1345 30 2165 43 1839 1639 18 1566 31 2365 44 1461 1345 19 1187 32 1345 45 1433 1602 20 1345 33 1839 46 2115 1144 21 1345 34 2613 47 1839 1566 22 2167 35 2533 48 1288 10 1496 23 1402 36 1602 49 1288 11 1234 24 2115 37 1839 12 1345 25 2218 38 2218 13 1345 26 3575 39 1529 Trong : Nữ : : Nam : số liệu GT-TL.xls 52 26 9/17/2013 CÁC BIẾN ĐỊNH TÍNH CHỈ CÓ MỘT LỰA CHỌN Ta ước lượng mô hình hồi quy với biến giả sử dụng biến giải thích Mô hình có dạng : Yi = β1 + β2.Di + Ui Giá trị kỳ vọng có điều kiện Y với D cho trước sau : o E(Yi / D = 1) = β1 + β2 : Tiền lương trung bình Nam o E(Yi / D = 0) = β1 : Tiền lương trung bình Nữ Trong : * β1 gọi lương trung bình nhóm điều khiển (Nhóm mã hóa 0) * β2 khác biệt kỳ vọng lương trung bình hai nhóm cho tổng thể 53 Dùng phương pháp OLS để ước lượng tham số hồi quy mô hình tổng thể, ta phương trình chuẩn sau : ΣYi = n.β βÂ1 + βÂ2.Σ ΣDi (1) ΣYi.Di = βÂ1.Σ ΣDi + βÂ2.Σ ΣDi2 = (β βÂ1 + βÂ2) ΣDi (2) Trong : ΣDi = số nhân viên nam ; ΣYi.Di = Tổng lương nhân viên nam Chia hai vế (2) cho ΣDi ta : (Σ ΣYi.Di)/ ΣDi = βÂ1 + βÂ2 = lương TB nam Trừ hai vế (1) (2) ta : ΣYi - ΣYi.Di = n.β βÂ1 - βÂ1.Σ ΣDi = βÂ1.(n - ΣDi) ⇒ (Σ ΣYi - ΣYi.Di)/(n - ΣDi) = βÂ1 = lương TB nữ 54 27 9/17/2013 Sử dụng phần mềm Eview để chạy liệu thu thập bảng sau, ta kết sau : solieubg.wf1 STT GT Lương STT GT Lương STT GT Lương STT GT Lương 1345 14 3389 27 1972 40 1461 2435 15 1839 28 1234 41 3307 1715 16 981 29 1926 42 3833 1461 17 1345 30 2165 43 1839 1639 18 1566 31 2365 44 1461 1345 19 1187 32 1345 45 1433 1602 20 1345 33 1839 46 2115 1144 21 1345 34 2613 47 1839 1566 22 2167 35 2533 48 1288 10 1496 23 1402 36 1602 49 1288 11 1234 24 2115 37 1839 12 1345 25 2218 38 2218 13 1345 26 3575 39 1529 55 Ta mô hình ước lượng : TL = 1.518,69 + 568,23 * Di Lương trung bình nam 2.086,92 (1000 đồng) Lương trung bình nữ 1.518,69 (1000 đồng) 56 28 9/17/2013 HỒI QUY MỘT BIẾN LƯNG VỚI MỘT BIẾN CHẤT CÓ HAI PHẠM TRÙ Xét mối quan hệ : Tiền lương = f (Giới tính, Kinh nghiệm) Vấn đề nghiên cứu : Giữa hai nhân viên có kinh nghiệm có tiền lương trung bình có khác biệt giới tính ? Xét mô hình hồi quy : Yi = β1 + β2.Di + β3.Xi + Ui Trong : Yi : tiền lương (1000 đồng) (WAGE) Di : Giới tính (Nam = ; Nữ = 0) (GENDER) Xi : Kinh nghiệm (số năm làm việc) (EXPER) 57 Từ mô hình ta ước lượng : - Lương trung bình nam : nam = (β βÂ1 + β 2) + βÂ3.Xi - Lương trung bình nữ : nữ = βÂ1 + βÂ3.Xi Một giả thiết cần kiểm định khác biệt lương trung bình hai nhóm : Ho : β2 = H1 : β2 ≠ ⇒ Kiểm định thích hợp kiểm định t với độ bậc tự tương ứng df = n-3 Ví dụ : Xét mối quan hệ tiền lương, giới tính kinh nghiệm làm việc 49 công nhân liệu DATA7-2 58 29 9/17/2013 STT WAGE GENDER EXPER STT WAGE GENDER EXPER STT WAGE GENDER 1345 18 1566 35 2533 EXPER 2435 18 19 1187 36 1602 1715 20 1345 10 37 1839 18 1461 21 1345 38 2218 1 1639 22 2167 17 39 1529 10 1345 23 1402 40 1461 10 1602 24 2115 15 41 3307 22 1144 25 2218 11 42 3833 1566 23 26 3575 1 43 1839 14 10 1496 15 27 1972 1 44 1461 11 1234 28 1234 45 1433 12 1345 29 1926 46 2115 15 13 1345 14 30 2165 15 47 1839 13 14 3389 16 31 2365 12 48 1288 15 1839 20 32 1345 49 1288 16 981 33 1839 14 17 1345 10 34 2613 14 solieubg.wf1 59 60 30 9/17/2013 HỒI QUY MỘT BIẾN LƯNG VỚI MỘT BIẾN CHẤT CÓ HƠN HAI PHẠM TRÙ Số lựa chọn biến chất nhiều hai Ví dụ : - Nghiên cứu thu nhập hàng năm cán giảng dạy đại học chịu ảnh hưởng vùng (nơi giảng dạy) thâm niên công tác Biến vùng có ba phạm trù : miền Bắc, miền Trung miền Nam - Nghiên cứu tác động kinh nghiệm (Exper), trình độ văn hoá (Cấp 1, Cấp 2, Cấp 3) đến đến tiền lương (Wage) Nếu biến định tính có N biểu (phạm trù) ta đưa vào mô hình hồi quy N-1 biến giả làm biến giải thích 61 Theo ví dụ thu nhập giảng viên, ta có mô hình hồi quy : Yi = β + β 2.D1i + β 3.D2i + β 4.Xi + Ui Trong : Yi : Thu nhập (1000 đồng) Xi : Thâm niên công tác (năm) D1 = : giảng viên miền Bắc ; = : giảng viên không miền Bắc D2 = : giảng viên miền Nam ; = : giảng viên không miền Nam ⇒ Giảng viên miền Trung nhóm điều khiển Từ mô hình ta có giá trị ước lượng sau : Bắc = (β β Â1 + β Â2) + β Â4.Xi : Thu nhập TB giảng viên miền Bắc Nam = (β β Â1 + β Â3) + β Â4.Xi : Thu nhaäp TB giảng viên miền Nam Trung = β Â1 + β Â4.Xi : Thu nhập TB giảng viên miền Trung 62 31 9/17/2013 Nghiên cứu tác động kinh nghiệm (Exper), trình độ văn hoá (Cấp 1, Cấp2, Cấp3) đến đến tiền lương (Wage) Mô hình có daïng : Yi = β + β 2.D1i + β 3.D2i + β 4.Xi + Ui Trong : Yi : Tiền lương (1000 đồng) Xi : Kinh nghiệm (năm) D1 = : Trình độ văn hoá cấp ; = : Trình độ văn hoá khác cấp D2 = : Trình độ văn hoá cấp ; = : Trình độ văn hoá khác cấp ⇒ Trình độ văn hoá cấp nhóm điều khiển Từ mô hình ta có giá trị ước lượng sau : Cấp II = (β β Â1 + β Â2) + β Â4.Xi : TL TB nhân viên có TĐVH cấp YÂCaáp III = (β β Â1 + β Â3) + β Â4.Xi : TL TB nhân viên có TĐVH caáp YÂCaáp I = β Â1 + β Â4.Xi : TL TB nhân viên có TĐVH cấp Sử dụng liệu DATA7-5, ta : 63 STT WAGE EXPER CAP3 CAP2 STT WAGE EXPER CAP3 1345 0 26 3575 1 CAP2 2435 18 27 1972 1 1715 28 1234 0 1461 29 1926 0 1639 30 2165 15 1345 0 31 2365 12 1602 32 1345 1144 0 33 1839 14 0 1566 23 34 2613 14 10 1496 15 35 2533 11 1234 0 36 1602 12 1345 37 1839 18 13 1345 14 0 38 2218 1 14 3389 16 39 1529 10 0 15 1839 20 0 40 1461 10 0 16 981 0 41 3307 22 17 1345 42 3833 18 1566 0 43 1839 14 0 19 1187 1 44 1461 20 1345 45 1433 21 1345 46 2115 15 22 2167 17 47 1839 13 0 23 1402 48 1288 0 24 2115 15 49 1288 0 25 2218 11 solieubg wf1 64 32 9/17/2013 WAGE Caáp = 1289.5 + 22.8 * EXPER WAGE Caáp = (1289.5 + 238.2) + 22.8 * EXPER = 1527.7 + 22.8 * EXPER WAGE Caáp = (1289.5 + 1220.3) + 22.8 * EXPER = 2509.8 + 22.8 * EXPER 65 HỒI QUY MỘT BIẾN LƯNG VỚI HAI BIẾN CHẤT Kỷ thuật biến giả cho phép nghiên cứu mô hình hồi quy có biến giả Ví dụ : Xét mối quan hệ tiền lương, giới tính, trình độ văn hoá kinh nghiệm làm việc công nhân Mô hình hồi quy có dạng : Yi = β + β 2.D1i + β 3.D2i + β 4.D3i + β 5.Xi + Ui Trong : Yi : tiền lương (1000 đồng) D1i : Giới tính (Nam = ; Nữ = 0) D2i : Trình độ văn hoá (= Trình độ văn hoá cấp ; = Trình độ văn hoá khác cấp ) D31 : Trình độ văn hoá (= Trình độ văn hoá cấp ; = Trình độ văn hoá khác cấp ) Xi : Kinh nghiệm (số năm làm việc) Sử dụng liệu data7-6, ta có kết sau : 66 33 9/17/2013 STT CAP3 CAP2 WAGE 1345 GENDER EXPER 0 STT 26 WAGE 3575 GENDER EXPER CAP3 CAP2 2435 18 27 1972 1 1715 28 1234 0 1461 29 1926 0 1639 30 2165 15 1345 0 31 2365 12 1602 32 1345 1144 0 33 1839 14 0 1566 23 34 2613 14 10 1496 15 35 2533 11 1234 0 36 1602 12 1345 37 1839 18 13 1345 14 0 38 2218 1 14 3389 16 39 1529 10 0 15 1839 20 0 40 1461 10 0 16 981 0 41 3307 22 17 1345 10 42 3833 18 1566 0 43 1839 14 0 19 1187 1 44 1461 20 1345 10 45 1433 21 1345 46 2115 15 22 2167 17 47 1839 13 0 23 1402 48 1288 0 24 2115 15 49 1288 0 25 2218 11 solieubg.wf1 67 WAGE = 254.97*GENDER + 13.89*EXPER + 1155.61*CAP3 + 222.42*CAP2 + 1245.5 68 34 9/17/2013 HỒI QUY MỘT BIẾN LƯNG VỚI HAI BIẾN CHẤT Mô hình hồi quy ước lượng : YÂi = 1245.5 + 254.97 * D1i + 222.4 * D2i + 1156.6 * D3i + 13.89 * Xi Từ mô hình ta ước lượng : - Lương trung bình nam có trình độ văn hoá cấp : Y = (β β Â1 + β  + β  4) + β Â5.Xi = 2657.07 + 13.89 * Xi - Lương trung bình nam có trình độ văn hoá cấp : = (β β Â1 + β  + β  3) + β Â5.Xi = 1722.87 + 13.89 * Xi - Lương trung bình nam có trình độ văn hoá cấp : = (β β Â1 + β  2) + β Â5.Xi = 1500.47 + 13.89 * Xi - Lương trung bình nữ có trình độ văn hoá cấp : = (β β Â1 + β  4) + β Â5.Xi = 2402.1 + 13.89 * Xi - Lương trung bình nữ có trình độ văn hoá cấp : = (β β Â1 + β  3) + β Â5.Xi = 1467.9 + 13.89 * Xi - Lương trung bình nữ có trình độ văn hoá cấp : Y = β Â1 + β Â3.X5 = 1245.5 + 13.89 * Xi 69 Bài : Cho mẫu gồm giá trị quan sát sau : YI 0,3 0,5 0,4 0,55 0,5 0,6 0,58 0,62 0,6 0,65 Xi 1,5 1,8 2,1 2,5 2,8 3,2 3,4 Zi 1 1 Trong : Y : Mức chi tiêu quần áo (Triệu đồng/tháng ) X : Thu nhập người tiêu dùng (Triệu đồng /tháng) Z : Giới tính ( = nam, = nữ.) u cầu : a Hãy lập mơ hình hồi qui tuyến tính mẫu biểu diễn mối phụ thuộc Y theo X Z Kỳ vọng dấu tham số mơ hình b Dựa vào kết ước lượng, nêu ý nghĩa kinh tế hệ số hồi quy tìm c Kiểm định chất lượng cuả mơ hình ước lượng 70 35 9/17/2013 Kết ước lượng : 71 36 ... 37 18 39 18 14 61 21 1345 38 2 218 1 1639 22 216 7 17 39 15 29 10 13 45 23 14 02 40 14 61 10 16 02 24 211 5 15 41 3307 22 11 44 25 2 218 11 42 3833 15 66 23 26 3575 1 43 18 39 14 10 14 96 15 27 19 72 1 44 14 61. .. 41 3307 17 15 16 9 81 29 19 26 42 3833 14 61 17 13 45 30 216 5 43 18 39 16 39 18 15 66 31 2365 44 14 61 1345 19 11 87 32 13 45 45 14 33 16 02 20 13 45 33 18 39 46 211 5 11 44 21 1345 34 2 613 47 18 39 15 66 22 216 7... 16 02 12 13 45 37 18 39 18 13 13 45 14 0 38 2 218 1 14 3389 16 39 15 29 10 0 15 18 39 20 0 40 14 61 10 0 16 9 81 0 41 3307 22 17 13 45 42 3833 18 15 66 0 43 18 39 14 0 19 11 87 1 44 14 61 20 13 45 45 14 33 21 1345