Bài Báo Cao Kinh Tế Lương.pdf

Hồi quy với biến phụ thuộc TOTQTY dạng tuyến tính – tuyến tính1... Bước 4: Kiểm định mối quan hệ c漃Ā ý nghĩa giữa biến phụ thuộc v愃 Quan sát kết quả hồi quy mô hình ta thấy rằng các bi

BỘ GI䄃ĀO D唃⌀C V䄃 Đ䄃⌀I H伃⌀C KINH T쨃Ā - T䄃

B䄃 KINH T쨃Ā L唃ᬀỢNG

Th愃

Dữ liệu EXCEL: FISHnew.xls

I Mô t愃ऀ các biến:

/ (qtya + qtyw)

II Hồi quy với biến phụ thuộc TOTQTY dạng tuyến tính – tuyến tính

1 Bước 1: Chạy h愃

SRF: TOTQTY = 8681.049 - 1923.766 AVGPRC - 85.81448 SPEED2 - 64.26235 SPEED3 + 19.41845 WAVE2 + 58.47078 WAVE3 - 747.9728 MON - 2020.165 TUES - 1857.349 WED

- 125.0102 THURS + e i

Ý nghĩa: Theo số liệu gồm 97 quan sát với điều kiện các yếu tố khác không đổi:

β^avgprc = - 1923.766: Khi giá bán trung bình tăng 1 đơn vị thì tổng số lượng cá bán được trung bình giảm 1923.766 đơn vị

β^speed 2 = - 85.81448: Khi tốc độ gió tối thiểu của 2 ngày qua tăng 1 đơn vị thì tổng số lượng cá bán được trung bình giảm 85.81448 đơn vị

β^speed 3 = -64.26235: Khi tốc độ gió tối đa qua 3 ngày tăng 1 đơn vị thì tổng số lượng cá bán được trung bình giảm 64.26235 đơn vị

β^wave 2 = 19.41845: Khi chiều cao sóng trung bình tối đa qua 2 ngày tăng 1 đơn vị thì tổng số lượng cá bán được trung bình tăng 19.41845 đơn vị.

β^wave 3 = 58.47078: Khi chiều cao sóng trung bình tối đa qua 3 ngày tăng 1 đơn vị thì tổng số lượng cá bán được trung bình tăng 58.47078 đơn vị

β^mon = -747.9728: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Hai thấp hơnnhững thứ khác là 747.9728 đơn vị

β^tues= -2020.165: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Ba thấp hơn nhữngthứ khác là 2020.165 đơn vị

β^wed = -1857.349: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Tư thấp hơn nhữngthứ khác là 1857.349 đơn vị

β^thurs = -125.0102: Chênh lệch tổng số lượng cá bán được trung bình ở ngày thứ Năm thấp hơnnhững thứ khác là 125.0102 đơn vị

2 Bước 2: Gi愃ऀi thích ý nghĩa hệ số xác định v愃

Ý nghĩa hệ số xác định (R 2 ): Cho biết 25,54% sự biến động về tổng số lượng cá bán được giải

thích bởi giá bán trung bình, tốc độ gió tối thiểu 2 ngày qua, tốc độ gió tối đa qua 3 ngày, chiều cao sóng trung bình tối đa qua 2 ngày, chiều cao sóng trung bình tối đa qua 3 ngày có trong mô hình hồi quy mẫu gồm 97 quan sát, còn lại 84,46% được giải thích bởi các yếu tố ngoài mô hình

Kiểm định sự phù hợp của mô hình:

3 Bước 3: Xác định kho愃ऀng tin cậy v愃

β^avgprc ∈ (-3680,958; -166,5741): Khi giá bán trung bình tăng 1 đơn vị thì số lượng cá bán được trung bình giảm trong khoảng từ 3680,958 đến 166,5741 đơn vị

β^mon ∈ (-2330,617; 834,6710): Không có ý nghĩa

β^speed 2 ∈ (-236,9870; 65,35802): Không có ý nghĩa

β^speed 3 ∈ (-2330,617; 834,6710): Không có ý nghĩa

β^thurs ∈ (-2330,617; 834,6710): Không có ý nghĩa

β^wave 2 ∈ (-364,0548;402,8917): Không có ý nghĩa

β^wave 3 ∈ (-282,0238;389,9654): Không có ý nghĩa

β^wed ∈ (-3376,943; -337,7546): Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Tư vànhững thứ khác giảm trong khoảng từ 3376,943 đến 337,7546 đơn vị

β^tues∈ (-3594,736; -445,5944): Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Ba vànhững thứ khác giảm trong khoảng từ 3594,736 đến 445,5944 đơn vị

4 Bước 4: Kiểm định mối quan hệ c漃Ā ý nghĩa giữa biến phụ thuộc v愃

Quan sát kết quả hồi quy mô hình ta thấy rằng các biến độc lập avgprc, tues, wed đều có p_value

< α=0.05

Kết luận: Các biến đều có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%

Các biến độc lập còn lại có p_value > α=0.05

Kết luận: Các biến đều không có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%.

5 Bước 5: Kiểm định đa cộng tuyến:

Mô hình không có chỉ số VIF > 10 => Mô hình không bị đa cộng tuyến

6 Bước 6: Kiểm định thừa biến (biến không cần thiết):

Dựa tr攃Ȁn b愃ऀng: ta thấy mô hình có các biến speed2, wave2, wave 3, mon, thurs có p-value >

0,05 → Các biến này không có ý nghĩa

H0: Mô hình c漃Ā 6 biến thừa

Ta có: p-value=0.4076 > α=0.05 => chấp nhận H0

Kết luận: Mô hình có 6 biến thừa.

Sau khi loại biến thừa:

7 Bước 7 Kiểm định s漃Āt biến:

H0: Mô hình không bỏ s漃Āt biến

Ta có: p_value=0.6192 > α=0.05 => Chấp nhận H0

Kết luận: Mô hình không bỏ sót biến

8 Bước 8 Kiểm định phương sai thay đổi của sai số:

Tiến hành kiểm định phương sai sai số thay đổi cho mô hình mới:

H0: Phương sai sai số không đổi

Ta có: p_value =0.1881 > α=0.05 => chấp nhận H0

Kết luận: Phương sai sai số không đổi (BLUE) => ĐẠT

9 Bước 9 Kiểm định tự tương quan của sai số:

H0: Không c漃Ā tự tương quan

Ta có: p_value=0.1644> α=0.05 =>Chấp nhận H0

Kết luận: Mô hình không có hiện tượng tự tương quan tại mức ý nghĩa 5%.

III Hồi quy với biến phụ thuộc TOTQTY dạng LOG – LOG

1 Bước 1: Chạy h愃

SRF: LOG(TOTQTY)= 10,09318 0,376206 LOG(AVGPRC) 0,110132 LOG(SPEED2) 0,526538 LOG(SPEED3) - 0,023775 WAVE2 + 0,025181 WAVE3 - 0,237348 MON - 0,592949 TUES - 0,512110 WED + 0,029327 THURS + e i

-β^wave 2 = - 0,0238: Khi chiều cao sóng trung bình tối đa qua 2 ngày tăng đơn vị thì tổng số lượng

cá bán được trung bình giảm 2,38%

-β^wave 3= 0,0252: Khi Chiều cao sóng trung bình tối đa qua 3 ngày tăng 1 đơn vị thì tổng số lượng

cá bán được trung bình tăng 2,52%

-β^mon = - 0,2373: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Hai thấp hơn nhữngthứ khác là 23,73%

-β^tues = - 0,5929: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Ba thấp hơn nhữngthứ khác là 59,29%

-β^wed= - 0,5121: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Tư thấp hơn nhữngthứ khác là 51,21%

-β^thurs= 0,0293: Chênh lệch tổng số lượng cá bán được trung bình ở ngày thứ Năm cao hơnnhững thứ khác là 2,93%

2 Bước 2: Gi愃ऀi thích ý nghĩa hệ số xác định v愃

Ý nghĩa hệ số xác định định R2 :

Ta có: R2= 0,2527

Cho biết 25,77% sự biến động của tổng số lượng cá bán bán được giải thích bởi log(avgprc),log(speed2), log(speed3), wave2, wave3, mon, tues, wed, thurs Còn lại 74,23% sự biến độngcủa tổng số lượng cá bán được chưa giải thích được bởi các yếu tố bên ngoài mô hình

3 Bước 3: Xác định kho愃ऀng tin cậy v愃

Kho愃ऀng tin cậy:

log(speed 3 ) ∈ ( -1,145; 0,0919): Không có ý nghĩa

- β^wave 2 ∈ ( -0,1293; 0,0817): Không có ý nghĩa

- β^wave 3 ∈ ( -0,06; 0,136): Không có ý nghĩa

- β^mon ∈ ( -0,6955; 0,2208): Không có ý nghĩa

- β^tues ∈ ( -1,0482; -0,1377): Tổng số lượng cá bán trung bình của thứ Ba thấp hơn những thứkhác dao động từ 13,77% đến 104,82%, với điều kiện các yếu tố khác không đổi

- β^wed ∈ ( -0,9564; -0,0678): Tổng số lượng cá bán trung bình của thứ Tư thấp hơn những thứkhác dao động từ 6,78% đến 95,64%, với điều kiện các yếu tố khác không đổi

- β^thurs ∈ ( -0,42; 0,46): Không có ý nghĩa

Bước 4: Kiểm định mối quan hệ c漃Ā ý nghĩa giữa biến phụ thuộc v愃

Quan sát kết quả hồi quy mô hình ta thấy rằng các biến độc lập tues, wed đều có p_value < α=0.05

Kết luận: Các biến đều có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%

Các biến độc lập còn lại có p_value > α=0.05

Kết luận: Các biến đều không có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%.

5 Bước 5: Kiểm tra đa cộng tuyến:

Mô hình không có chỉ số VIF > 10 => Mô hình không bị đa cộng tuyến

Bước 6: Wald Test: Kiểm định thừa biến:

Dựa tr攃Ȁn b愃ऀng: ta thấy mô hình có các biến log(speed2), wave 2, wave3, mon, thurs có p-value

> 0,05 → Các biến này không có ý nghĩa → Có thể các biến này là biến không cần thiết (biến

thừa)

H0: Mô hình c漃Ā 5 biến thừa

Ta có: p-value=0.6616> α=0.05 => chấp nhận H0

Kết luận: Mô hình có 5 biến thừa.

Sau khi loại bỏ biến thừa:

Bước 7: Ramsay Test: Kiểm định s漃Āt biến:

H0: Mô hình không bỏ s漃Āt biến

Ta có: p_value=0.6474 > α=0.05 => Chấp nhận H0

Kết luận: Mô hình không bỏ sót biến

Bước 8: Kiểm định phương sai của sai số thay đổi

H0: Phương sai sai số không đổi

Ta có: p_value =0.9598 > α=0.05 => chấp nhận H0

Kết luận: Phương sai sai số không đổi (BLUE) => ĐẠT

Bước 9: Serial Correclation Test: Kiếm định hiện tượng tự tương quan của sai số

H0: Không c漃Ā tự tương quan

Ta có: p_value=0.1814> α=0.05 =>Chấp nhận H0

Kết luận: Mô hình không có hiện tượng tự tương quan tại mức ý nghĩa 5%.

IV Hồi quy với biến phụ thuộc LOG(TOTQTY) dạng LOG–LOG.

1 Bước 1: Chạy h愃

SRF: LOG(TOTQTY) = 8,894321 + 0,554176 LOG(PRCA) - 1,041778 LOG(PRCW) - 0,029882 SPEED2 - 0,0213118 SPEED3 + 0,005813 WAVE2 + 0,029254 WAVE3 - 0,130799 MON - 0,587236 TUES - 0,429797 WED + 0,057590 THURS + e i

-β^speed 2 = - 0,029882: Khi tốc độ gió tối thiểu 2 ngày qua tăng 1 đơn vị thì tổng số lượng cá bánđược trung bình giảm 2,9882%

-β^speed 3= - 0,021318: Khi tốc độ gió tối đa qua 3 ngày tăng 1 đơn vị thì tổng số lượng cá bánđược trung bình giảm 2,1318%

-β^wave 2= 0,005813: Khi chiều cao sóng trung bình tối đa qua 2 ngày tăng 1 đơn vị thì tổng sốlượng cá bán được trung bình giảm 0,5813%

-β^wave 3= 0,029254: Khi chiều cao sóng trung bình tối đa qua 3 ngày tăng 1 đơn vị thì tổng sốlượng cá bán được trung bình tăng 2,9254%

-β^MON = - 0,130799: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Hai thấp hơnnhững thứ khác là 13,0799%

β^tues = - 0,587236: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Ba thấp hơnnhững thứ khác là 58,7236%

-β^wed = - 0,429797: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ Tư thấp hơnnhững thứ khác là 42,9797%

-β^thurs= 0,057590: Chênh lệch tổng số lượng cá bán được trung bình ở ngày thứ Năm cao hơnnhững thứ khác là 5,759%

2 Bước 2: Gi愃ऀi thích ý nghĩa hệ số xác định v愃

Ý nghĩa hệ số xác định: Cho biết 28,94% sự biến động về số lượng cá bán được giải thích bởi

log(prca), log(prcw), speed2, speed3, wave2, wave3, mon, tues, wed, thurs trong mô hình hồi quy mẫu gồm 97 quan sát, còn lại 71,06% được giải thích bởi các yếu tố ngoài mô hình

3 Bước 3: Xác định kho愃ऀng tin cậy v愃

Kho愃ऀng tin cậy:

Ý nghĩa: Theo số liệu gồm 97 quan sát, với điều kiện các yếu tố khác không đổi:

- β^speed 3 ∈( -0,05; 0,008): Không có ý nghĩa

- β^wave 2 ∈( -0,10; 0,11): Không có ý nghĩa

- β^wave 3 ∈( -0,068; 0,12): Không có ý nghĩa

-β^mon ∈( -0,59; 0,33): Không có ý nghĩa

- β^tues ∈( -1.0391; -0,1353): Cho biết mức chênh lệch tổng số lượng cá bán được trung bình giữa thứ Ba thấp hơn những thứ khác từ 13,53% đến 103,91%

- β^wed ∈(- 0,87; 0,01): Không có ý nghĩa

- β^thurs ∈(-0,37; 0,49): Không có ý nghĩa

4 Bước 4: Kiểm định mối quan hệ c漃Ā ý nghĩa giữa biến phụ thuộc v愃

Quan sát kết quả hồi quy mô hình ta thấy rằng các biến độc lập log(prcw), tues đều có p_value <α=0.05

Kết luận: Các biến đều có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%

Các biến độc lập còn lại có p_value > α=0.05

Kết luận: Các biến đều không có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%.

5 Bước 5: Kiểm tra đa cộng tuyến:

Không có VIF nào > 10

Kết luận: Không có hiện tượng đa cộng tuyến

6 Bước 6: Wald Test: Kiểm định thừa biến:

H0: Mô hình c漃Ā 7 biến thừa

Ta có: p-value=0,2127 > α=0.05 => chấp nhận H0

Kết luận: Mô hình có 7 biến thừa

Sau khi loại bỏ biến thừa:

7 Bước 7: Ramsay Test: Kiểm định s漃Āt biến:

H0: Mô hình không bỏ s漃Āt biến

p_value=0.9839 > α=0.05 => Chấp nhận H0

Kết luận: Mô hình không sót biến

8 Bước 8: Kiểm định phương sai của sai số thay đổi

H0: Phương sai sai số không đổi

p_value =0.8759 > α=0.05 => chấp nhận H0

Kết luận: Phương sai sai số không đổi.

9 Bước 9: Serial Correclation Test: Kiếm định hiện tượng tự tương quan của sai số

H0: Không c漃Ā tự tương quan

p_value=0.0283 < α=0.05 => Bác bỏ H0

Kết luận: Mô hình có hiện tượng tự tương quan

V Hồi quy với biến phụ thuộc TOTQTY dạng tuyến tính – LOG

a Bước 1: Chạy h愃

SRF: TOTQTY = 6825,231 – 1523,461 LOG(AVGPRC) – 83,21085 SPEED2 – 65,23029 SPEED3 – 16,35688 WAVE2 + 54,94210 WAVE3 – 677,9918 MON – 1985,148 TUES – 1797,966 WED – 85,07294 THURS + e i

Ý nghĩa:

Với điều kiện các yếu tố khác không đổi:

-β^wave 3= 54,94210: Khi chiều cao sóng trung bình tối đa qua 3 ngày tăng 1 đơn vị thì tổng số

lượng cá bán được trung bình tăng 54,94210 đơn vị

-β^MON = - 677,9918: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ hai thấp hơnnhững thứ khác là 677,9918 đơn vị

β^tues = - 1985,148: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ ba thấp hơn nhữngthứ khác là 1985,148 đơn vị

-β^wed = - 1797,966: Chênh lệch tổng số lượng cá bán được trung bình giữa thứ tư thấp hơn nhữngthứ khác là 1797,966

-β^thurs= - 85,07294: Chênh lệch tổng số lượng cá bán được trung bình ở ngày thứ năm thấp hơnnhững thứ khác là 85,07294 đơn vị

2 Bước 2: Gi愃ऀi thích ý nghĩa hệ số xác định v愃

Ý nghĩa hệ số xác định: Cho biết 25,33% sự biến động về số lượng cá bán được giải thích bởi

log(avgprc), speed2, speed3, wave2, wave3, mon, tues, wed, thurs trong mô hình hồi quy mẫu gồm 97 quan sát, còn lại 74,67% được giải thích bởi các yếu tố ngoài mô hình

Kiểm định phù hợp

H0: R2 = 0

H1: R2 > 0

Fα = 1,91

➔ F = 3,280317 > Fα => bác bỏ H0

Kết luận: Mô hình phù hợp.

3 Bước 3: Xác định kho愃ऀng tin cậy v愃

Kho愃ऀng tin cậy:

Ý nghĩa Theo số liệu gồm 97 quan sát, với điều kiện các yếu tố khác không đổi:

(speed 3) ∈ (-166,9729; 36,5123): Không có ý nghĩa

- β^wave 2 ∈ (-388,5684; 355,8546): Không có ý nghĩa

- β^wave 3 ∈ (-285,733; 395,6172): Không có ý nghĩa

- β^mon ∈ (-2261,035; 905,0518): Không có ý nghĩa

- β^tues ∈ ( -3561,188; -409,1087) Tổng số lượng cá bán trung bình của thứ Ba thấp hơn những thứkhác dao động từ 4,09% đến 35,61%, với điều kiện các yếu tố khác không đổi

- β^wed ∈ ( -3321,247; -274,6845) Tổng số lượng cá bán trung bình của thứ Tư thấp hơn những thứkhác dao động từ 2,74% đến 33,21%, với điều kiện các yếu tố khác không đổi

- β^thurs ∈ ( -1599,396; 1429,25): Không có ý nghĩa

4 Bước 4: Kiểm định mối quan hệ c漃Ā ý nghĩa giữa biến phụ thuộc v愃

Quan sát kết quả hồi quy mô hình ta thấy rằng các biến độc lập log(avgprc), tues, wed đều có p_value < α=0.05

Kết luận: Các biến đều có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%

Các biến độc lập còn lại có p_value > α=0.05

Kết luận: Các biến đều không có ý nghĩa đối với biến phụ thuộc ở mức ý nghĩa 5%.

5 Bước 5: Kiểm tra đa cộng tuyến:

Không có VIF nào > 10

Kết luận: Không có hiện tượng đa cộng tuyến

6 Bước 6: Wald Test: Kiểm định thừa biến:

H0: Mô hình có 6 biến thừa

Ta có: p-value=0,3801 > α=0.05 => chấp nhận H0

Kết luận: Mô hình có 6 biến thừa

Sau khi loại bỏ biến thừa:

7 Bước 7: Ramsay Test: Kiểm định s漃Āt biến:

H0: Mô hình không bỏ s漃Āt biến

p_value=0.9855 > α=0.05 => Chấp nhận H0

Kết luận: Mô hình không sót biến

8 Bước 8: Kiểm định phương sai của sai số thay đổi

H0: Phương sai sai số không đổi

p_value =0,1309 > α=0.05 => chấp nhận H0

Kết luận: Phương sai sai số không đổi.

9 Bước 9: Serial Correclation Test: Kiếm định hiện tượng tự tương quan của sai số

H0: Không có tự tương quan

p_value=0.1577 > α=0.05 => Chấp nhận H0

Kết luận: Mô hình không có hiện tượng tự tương quan

VI Đánh giá lại mô hình cuối cùng

Từ các mô hình hồi quy nhóm đã thực hiện, nhóm lựa chọn trình bày mô hình hồi quy có kết quả đáp ứng được các yêu cầu kiểm định và có ý nghĩa hồi quy một cách tốt nhất Thực hiện đánh giá mô hình hiện có với 6 tiêu chuẩn chọn mô hình:

Tiêu chí lựa chọn mô hình:

STT

R2 (cànglớn càngtốt)

R2 hiệuchỉnh(càng lớncàng tốt)

Likelihood(càng lớncàng tốt)

Log-Akaik(càng nhỏcàng tốt)

Schwarz(càngnhỏ càngtốt)

Quin(càngnhỏ càngtốt)