Nghiên cứu các yếu tố ảnh hưởng đến thu nhập cá nhân

Nghiên cứu các yếu tố ảnh hưởng đến thu nhập cá nhân

Đề tài: “ Nghiên cứu các yếu tố ảnh hưởng

đến thu nhập của cá nhân”

(sử dụng phân tích tương quan và hồi quy để

kiểm định mô hình)

• Giảng viên: TS Trần Quang Trung

• SVTH: Nhóm 5

1 Nguyễn Thanh Quế

2 Phạm Thị Hòa 6.Lê Minh Chính 10 Lê Thanh Điệp

3 Nguyễn Thị Thảo 7 Nguyễn Thị Thúy

11 Cao thị Thanh Thương

4 Trần Thị Thanh Vân 8 Nguyễn Thị Thanh Mai 12 Phạm Minh Tuấn

I Đặt vấn đề - Mục tiêu nghiên cứu

• Thu nhập của người dân ở mọi nơi đều thu hút sự quan tâm của các nhà nghiên cứu cho dù các quốc gia giàu mạnh, nghèo đói hay những địa phương nhỏ Vì thu nhập cá nhân là chỉ báo quan trọng có ý nghĩa kinh tế để đánh giá mức độ phát triển của một quốc gia, mức sống của một khu vực địa lý Thu nhập có thể khác nhau giữa các khu vực, giữa thành thị và nông thôn Riêng trong khu vực thành thị, thu nhập cũng khác nhau giữa các cá nhân và có sự chênh lệch lớn tạo nên bất bình đẳng xã hội tại khu vực đô thị Việc gia tăng thu nhập cá nhân, cải thiện mức sống người dân và giảm bất bình đẳng

xã hội là một vấn đề đang được chỉnh phủ các nước quan tâm

•Nhằm đưa ra những thông tin cần thiết để thực hiện cải thiện mức thu nhập của người dân, nhóm thực

hiện nghiên cứu “ Các yếu tố tác động đến thu

nhập của cá nhân”

I Đặt vấn đề - Mục tiêu nghiên cứu (tt)

II Các giả thuyết nghiên cứu

•H1: Tổng thu nhập của gia đình có tác động đến thu nhập cá nhân (Total family income)

•H2: Chỉ số kinh tế xã hội của cá nhân tác động đến thu nhập cá nhân (Respondent socieconomic index)

•H3: Tuổi cho lần kết hôn đầu tác động đến thu nhập cá nhân (Age when first maried)

II Các giả thuyết nghiên cứu (tt)

•H4: Tuổi của cá nhân có tác động đến thu nhập cá nhân (Respondent Age)

•H5: Tổng số năm đi học tác động đến thu nhập cá nhân (Highest year of school completed)

•H6: Trình độ học vấn có tác động đến thu nhập cá nhân (R’s highest degree)

III Phương Pháp và công cụ nghiên cứu

Chọn Mẫu: Dựa vào cơ sở dữ liệu GSS93 Kích thước mẫu 1500

• Công cụ

• + Sử dụng công cụ phân tích tương quan để kiểm tra mối tương quan giữa các biến độc lập với biến phụ thuộc (Respondent’s Income)

• + Sử dụng cụ phân tích hồi quy để tìm ra mối quan hệ tuyến tính giữa các biến và kiểm định mức độ phù hợp của mô hình

IV PHÂN TÍCH TƯƠNG QUAN BẰNG SPSS

4.1 TƯƠNG QUAN 2 BIẾN (BIVARIATE

CORRELATION)

Giả thuyết H0i: “ Biến i và biến rincom91 không có

mối quan hệ tuyến tính, tức hệ số tương quan bằng 0”

Trong đó: i lần lượt là income91, sei, degree, educ,

agewed, age

Xử lý bằng SPSS cho từng cặp biến:

+ Các bước thực hiện: Analyze  Correlate  Bivariate  đưa 2 biến cần xét tương quan vào module Variables, chọn hệ số tương quan, chọn loại kiểm định (2 phía hoặc 1 phía)  OK  Nhận kết quả ở file Output

Vd: Xét tương quan giữa 2 biến income91

& rincom91

Kết quả:

 Xử lý bằng SPSS cho toàn bộ các biến:

Kết quả:

+ sei & rincom91 có tương quan nghịch với hệ số là 0.425  Cá nhân

có chỉ số kinh tế xã hội càng cao thì thu nhập càng cao

+ degree& rincom91 có tương quan thuận với hệ số là 0,353 Cá nhân học vấn càng cao thì thu nhập càng cao

+ educ & rincom91 có tương quan thuận với hệ số là 0,342  cá nhân

có số năm đi học càng nhiều thì thu nhập càng cao

+ agewed & rincom91 có tương quan thuận với hệ số là 0,120  càng cưới trễ thì thu nhập càng cao

+ age & rincom91 có tương quan thuận với hệ số là 0,189 cá nhân có tuổi càng lớn thì thu nhập càng cao.

4.2 TƯƠNG QUAN RIÊNG PHẦN (PARTIAL

CORRELATION) Mục đích sử dụng: kiểm tra mối quan hệ tuyến tính

của hai biến khi loại trừ ảnh hưởng của yếu tố khác.

Từ bảng tương quan 2 biến trên, ta thấy biến degree có tương quan thuận với biến educ với hệ số tương quan là 0.864, tức là thời gian học càng dài (số năm học cao) thì trình độ học vấn càng cao  Như vậy ta thử loại bỏ tác động của biến educ khi xét mối tương quan của degree với rincom91

Kết quả:

Nhận xét: Sau khi đưa biến edu làm biến control thì hệ

số tương quan của biến degree và rincom91 sẽ giảm từ 0,352 xuống còn 0,114 nhưng sig=0.000  Như vậy có tác động của biến educ trong mối tương quan này, tuy nhiên

ta vẫn kết luận được rằng giữa 2 biến degree & rincome91 có tương quan với nhau.

V HỒI QUY ĐƠN BIẾN TUYẾN TÍNH

1 Mô tả các bước thực hiện trên SPSS 16.0

a) Mô hình hồi quy đơn biến

b) Vẽ biểu đồ

2 Kết quả mô hình hồi quy đơn biến tuyến tính

1 Mô tả các bước thực hiện trên SPSS 16.0 a) Mô hình hồi quy đơn biến.

•Bước 1: Vào Menu Analyze -> Regression -> Liner

•Bước 2: Đưa biến vào Ô Dependent, Independent Rồi nhấn vào Save => Continue => Ok

2 Kết quả mô hình hồi quy đơn biến tuyến tính.

•Giả thuyết H0: Không có tương quan tuyến tính giữa

2 biến Respondent’s Income và Total Family Incom

•Biến phụ thuộc: Respondent’s Income

•Biến độc lập: Total Family Income

K t qu nh sau ết quả như sau ả như sau ư sau

Adjusted R Square

Std Error

of the Estimate

Model Summary b

a Predictors: (Constant), Total Family Income

b Dependent Variable: Respondent's Income

• R square = 0,500 cho thấy biến Total Family Income giải thích được 50% biến Respondent’s Income Tỷ lệ phương sai giải thích được là 0,500 có nghĩa là Thu nhập của gia đình (Total Family Income) giải thích được 50% cho sự biến thiên của thu nhập của người được phỏng vấn

• Trung bình bình phương hồi qui: 15141,713/ 1 = 15141,713

•Trung bình bình phương phần dư: 15157,551/ 977=

115,514

• F= 234,752/1,212 = 193,643 và p<0,000

•R 2 = = = 0,500 Với sig = 0,00 suy ra bác bỏ giả thuyết

Ho, tức là có sự tương quan giữa 02 biến trên.

Sum of Squares df

Model Unstandardized

Coefficients Standardized

Coefficien ts

•Trong bảng này ta nhận thấy: số 0,848

mang dấu dương, có nghĩa là tổng thu

nhập của gia đình (Total family income) có tương quan thuận với Thu nhập của người được phỏng vấn (Respondent’s Income)

Từ đây ta có thể viết được phương trình

hồi quy đơn như sau: Respondent’s

Income = - 0,667 + 0,848 * Total family

income

Minimum Maximum Mean

Std

Deviation N Predicted Value ,18 17,98 12,86 3,935 979

Bi u đ th hi n ểu đồ thể hiện ồ thể hiện ểu đồ thể hiện ện

Sử dụng công cụ phân tích hồi quy bội đối với các biến tiếp theo là :

2 Biến phụ thuộc là Respondent’s Incom và biến độc lập là Highest Year of School

•Sau khi thực hiện phân tích hồi quy đơn

bội nhận thấy:

•+ Biến độc lập income91 (total family

income) giải thích được biến phụ thuộc rincome91 nhiều nhất với r square là

0.500 ~ 50%

•+ Biến agewed (age when first maried)

giải thích được biến rincome91 thấp nhất với r square là 0.014 ~ 1,4% có thể loại biến này ra khỏi mô hình

VI HỒI QUI BỘI

6.1 HỒI QUY BỘI – PHƯƠNG PHÁP ENTER

•Giá trị Standarized Coefficients của

Respondent Socioeconomic Index > Age When First Married nên biến này sẽ đóng góp vào mô hình nhiều hơn

6.1 HỒI QUY BỘI – PHƯƠNG PHÁP

ENTER(TT)

•Nhìn vào phần thứ 2 của bảng biểu

Coefficients chỉ ra rằng có thể có vấn đề với đa cộng tuyến

6 1 HỒI QUY BỘI – PHƯƠNG PHÁP

ENTER(TT)

• Hầu hết các biến khác có Partital & Part đều rất

nhỏ so với Zero-order, nhưng biến Total Family Income la các giá trị này gần bằng nhau Đều

này có nghỉa là nhiều biến nào được giải thích bởi Total Family Income thì cũng được giải thích bằng những biến khác.

HỒI QUY BỘI – PHƯƠNG PHÁP ENTER(TT)

•Tolerance là % của một biến mà không

được giải thích bằng biến khác

6.1 HỒI QUY BỘI – PHƯƠNG PHÁP

ENTER(TT)

•Khi tolerance gần bằng 0 thì đa cộng

tuyến tăng và standard error của

coefficients bị thổi phồng lên

6.1 HỒI QUY BỘI – PHƯƠNG PHÁP

ENTER(TT)

•Collinearity Diagnostics chỉ ra rằng có

nhiều vấn đề về cộng tuyến

HỒI QUY BỘI – PHƯƠNG PHÁP ENTER(TT

•Eigenvalue có nhiều giá trị gần bằng 0 chỉ

ra rằng các biến độc lập có quan hệ liên quan cao và một sự thay đổi nhỏ về giá trị dẫn đến sự thay đổi lớn trong sự ước

lượng Coefficent

6.1 HỒI QUY BỘI – PHƯƠNG PHÁP

ENTER(TT)

•Những giá trị lớn hơn 15 là có thể cộng

tuyến Những giá trị lớn 30 là nghiêm trọng

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Eigenvalue không có giá trị gần bằng 0

•Tất cả Condition Index nhỏ hơn 15.

•=> Sử dụng Stepwise không bị cộng

tuyến

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Adjusted R Square của hai phương pháp

gần bằng nhau

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Stepwise chọn giá biến Total Family

Income và Respondent Socioeconomic Index

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Cả hai đều ảnh hưởng thuận Nghĩa là Thu

nhập gia đình càng cao thì thu nhập người được phỏng vấn càng tăng

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Tương tự, chỉ số Kinh tế xã hội càng cao

thì thu nhập càng tăng

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Family’s total income được chọn trước bởi

vì nó tương quan cao nhất với

Respondent’s Income

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Beta In cho biêt biến nào nếu được chọn

kế tiếp Beta in càng lớn thì càng ưu tiên hơn

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Những biến độc lập có Sig < 0.05 là thích

hợp nếu nó được đưa vào mô hình

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Để chọn biến độc lập tốt nhất đưa vào mô

hình thì dựa vào biến nào có Partial

Correlation cao nhất

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Sau khi đưa biến Respondent

Socioeconomic Index vào mô hình thì

không còn biến nào có Sig nhỏ hơn 0.05

=> Không còn biến nào có thể đưa vào

mô hình

6.2 HỒI QUY BỘI – PHƯƠNG PHÁP

STEPWISE

•Sau khi đưa biến Respondent

Socioeconomic Index vào mô hình thì

không còn biến nào có Sig nhỏ hơn 0.05

=> Không còn biến nào có thể đưa vào

mô hình

K t Lu n ết quả như sau ận

•Sau khi thực hiện phân tích thông kê với 6

biến động lập income91,

sie,agwed,age,degree và edu với biến phụ thuộc rincome 91 thì kết quả cho thấy mô hình đưa ra chưa phù hợp Chỉ có 2 biến độc lập incom91 va sie giải thích được

50% biến độc lập rincome91 Các biến

còn lại có tác động rất nhỏ

•Cần thực hiên nghiên cứu khám phá để

đưa ra mô hình phù hợp hơn

NHÓM 5 XIN CHÂN

THÀNH CẢM ƠN THẦY VÀ CÁC BẠN ĐÃ QUAN TÂM