STTHọ và tênCông việc tham gia5-LT1Nguyễn Chúc AnChạy EVIEWS, kiểm định sự ảnh hưởng của các biến độc lập lên biến phụ thuộc, Khoảng tin cậy của các hệ số hồi quy và PSSSNN7-LT1Phạm Hồng
TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
Vấn đề nghiên cứu
“Công nghiệp hóa - Hiện đại hóa - Đô thị hóa ” là một xu thế tất yếu của mọi quốc gia trên thế giới và đặc biệt nó đóng một vai trò rất quan trọng đối với một quốc gia đang phát triển như Việt Nam hiện nay Xét trên bình diện chung có thể thấy, Đô thị hóa đã mang lại điểm sáng cho bức tranh chung của xã hội và đất nước Tuy nhiên cũng phải nhìn nhận một thực tế rằng, Quá trình Đô thị hóa cũng đem lại nhiều mặt tối cho sự phát triển Đó là di dân tự do một cách ồ ạt từ nông thôn ra thành thị dẫn tới quá tải về việc làm, cơ sở hạ tầng chưa đáp ứng đủ nhu cầu đi lại của người dân, là mối nguyên nhân cho tai tệ nạn mất an toàn xã hội; ô nhiễm môi trường; gây mất mỹ quan đô thị và đặc biệt là sự gia tăng một cách chóng mặt của các phương tiện cá nhân đã làm cho vấn đề về ùn tắc giao thông ngày càng trở nên nhức nhối, tạo nên nét vẽ xấu trong bức tranh chung của đô thị Điển hình cho vấn đề này là thủ đô Hà Nội Nhìn nhận được vấn đề này, các nhà quản lý trong khu vực công đã nỗ lực và cung ứng nhiều dịch vụ tiện ích nhằm tháo gỡ những khó khăn và góp phần ổn định tình hình Đặc biệt trong lĩnh vực giao thông đó là dịch vụ xe bus công cộng Hà Nội là một địa phương đi đầu trong cả nước về lĩnh vực này và đã thu được những kết quả đáng ghi nhận Xe bus công cộng đã thu hút được số lượng lớn hành khách thường xuyên tham gia giao thông bằng phương tiện công cộng góp phần giảm thiểu số lượng lớn các phương tiện cá nhân tham gia giao thông Tạo ra được loại hình giao thông giá rẻ tiện ích giảm thiểu chi phí cho nhiều đối tượng tham gia giao thông
Nhận thấy tầm quan trọng của xe bus công cộng đối với đời sống hiện nay, nhóm quyết định lựa chọn đề tài “Nghiên cứu các nhân tố ảnh hưởng đến nhu cầu đi lại bằng xe bus của người dân ở Thành phố Hà Nội” với mong muốn gửi tới cái nhìn đa chiều về loại hình dịch vụ giao thông công cộng xe Bus trên địa bàn Thành phố Hà Nội, để từ đó có những tư duy và quan điểm đề xuất giải pháp góp phần thúc đẩy sự phát triển của giao thông công cộng của Hà Nội và tô điểm thêm nét đẹp cho bức tranh Thủ đô.
Mục tiêu nghiên cứu
Nghiên cứu sự ảnh hưởng của các yếu tố: FARE (X1) - Giá vé, GASPRICE (X2) - Giá xăng, INCOME (X3) - Thu nhập, POP (X4) - Dân số tới BUSTRAVL (Y) - nhu cầu đi lại bằng xe bus của người dân Hà Nội Đưa ra mô hình đánh giá
- Kiểm định sự phù hợp của hàm hồi quy.
- Kiểm định sự phù hợp dấu của các hệ số hồi quy.
- Kiểm định sự phù hợp giữa các biến độc lập và phụ thuộc.
- Kiểm định khuyết tật của mô hình.
Đối tượng và phạm vi nghiên cứu
Đối tượng: Nhu cầu đi lại bằng xe bus của người dân Hà Nội - BUSTRAVL (Y) Phạm vi: Thành phố Hà Nội
XÂY DỰNG MÔ HÌNH KINH TẾ LƯỢNG
Độ tin cậy của nghiên cứu
Độ tin cậy của nghiên cứu là 95%
Các biến nghiên cứu
TÊN BIẾN Ý nghĩa Đơn vị Dấu kì vọng
BUSTRAVL Nhu cầu đi lại bằng xe bus Nghìn người/năm
FARE Giá vé Nghìn VND -
GASPRICE Giá xăng Nghìn VND +
INCOME Thu nhập bình quân đầu người Nghìn VND -
POP Dân số Nghìn người +
Bảng 1: Các biến của mô hình
Mô hình hồi quy
- Mô hình hồi quy tổng thể
PRM: BUSTRAVL= β + β FARE + β GASPRICE + β INCOME + β POP + 1 2 3 4 5 u i
- Mô hình hồi quy mẫu
SRM: ^ BUSTRAVL i = ^ β 1 + ^ β 2 FARE i + ^ β 3 GASPRICE i + ^ β 4 INCOME i + ^ β 5 POP i + ei
Kỳ vọng về dấu
- β2 < 0: Trong điều kiện các yếu tố khác không đổi, khi giá vé tăng 1 nghìn VND thì nhu cầu đi lại bằng xe bus tăng trung bình β nghìn người/năm2
- β3 > 0: Trong điều kiện các yếu tố khác không đổi, khi giá xăng dầu tăng 1 nghìn VND thì nhu cầu đi lại bằng xe bus tăng trung bình β3 nghìn người/năm
- β4 < 0: Trong điều kiện các yếu tố khác không đổi, khi thu nhập bình quân đầu người tăng 1 nghìn VND thì nhu cầu đi lại bằng xe bus giảm trung bình | β4 | nghìn người/năm
- β5 > 0: Trong điều kiện các yếu tố khác không đổi, khi dân số tăng 1 nghìn người thì nhu cầu đi lại bằng xe bus tăng trung bình β nghìn người/năm5
THU THẬP SỐ LIỆU
YEAR BUSTRAVL FARE GASPRICE INCOME POP
ƯỚC LƯỢNG MÔ HÌNH HỒI QUY SỬ DỤNG
Với số liệu từ mẫu trên, sử dụng phần mềm Eview để ước lượng, ta được báo cáo kết quả ước lượng như sau:
Variable Coefficient Std Error t-Statistic Prob.
R-squared 0.827161 Mean dependent var 4314.455 Adjusted R-squared 0.711936 S.D dependent var 2133.116 S.E of regression 1144.878 Akaike info criterion 17.22694 Sum squared resid 7864478 Schwarz criterion 17.40780 Log likelihood -89.74817 Hannan-Quinn criter 17.11293 F-statistic 7.178614 Durbin-Watson stat 3.068806 Prob(F-statistic) 0.017976
Báo cáo 1: Kết quả ước lượng mô hình BUSTRAVL theo FARE, GASPRICE,
INCOME, POP Với hàm hồi quy trên, ta ước lượng được hàm hồi quy mẫu:
BUSTRAVLi = 276799.2 - 113.8546 FAREi + 0,036666 GASPRICEi + 11.33205 INCOMEi – 3,292028 POPi Ý nghĩa kinh tế:
- ^ β 1= 276799.2: Khi giá vé, giá xăng, thu nhập bình quân đầu người, dân số đều bằng 0 thì nhu cầu đi lại bằng xe bus là 276799.2 nghìn người/năm
- ^ β 2= - 113.8546: Trong điều kiện các yếu tố khác không đổi, khi giá vé tăng 1 nghìn VND thì nhu cầu đi lại bằng xe bus giảm trung bình 113.8546 nghìn người/năm
- ^ β 3= 0.036666: Trong điều kiện các yếu tố khác không đổi, khi giá xăng dầu tăng 1 nghìn VND thì nhu cầu đi lại bằng xe bus tăng trung bình 0.036666 nghìn người/năm
- ^ β 4= 11.33205 : Trong điều kiện các yếu tố khác không đổi, khi thu nhập bình quân đầu người tăng 1 nghìn VND thì nhu cầu đi lại bằng xe bus giảm trung bình 11.33205 nghìn người/năm
- ^ β 5= -3.292028 Trong điều kiện các yếu tố khác không đổi, khi dân số tăng 1 nghìn người thì nhu cầu đi lại bằng xe bus giảm trung bình 3.292028 nghìn người/năm
Các hệ số hồi quy phù hợp với lí thuyết kinh tế
KIỂM ĐỊNH SỰ PHÙ HỢP CỦA HÀM HỒI QUY
Kiểm định sự phù hợp của hàm hồi quy
Kiểm định cặp giả thuyết:
Kiểm định cặp giả thuyết:
H 1 : Môhình hồiquy phùhợp(R 2 >0) Theo bảng báo cáo EViews: P-value (F)= 0.017976 < α= 0.05
=> Bác bỏ giả thuyết H , chấp nhận đối thuyết H 0 1
Kết luận: Với mức ý nghĩa 5%, mô hình hồi quy phù hợp.
Sự phù hợp về dấu của các hệ số hồi quy
Ta có hàm hồi quy mẫu:
PRM: BUSTRAVL = 276799.2 – 113.8546FARE +i i 0.036666GASPRICEi + 11.33205INCOMEi – 3.292028POP i
Nhận xét về dấu của hệ số ước lượng hồi quy: β2 = - 113.8546 chứng tỏ khi giá vé tăng thì nhu cầu đi xe bus giảm.
=> Phù hợp với lý thuyết kinh tế. β3 = 0.036666 chứng tỏ khi giá xăng tăng thì nhu cầu đi xe bus tăng.
=> Phù hợp với lý thuyết kinh tế. β4 = 11.33205 chứng tỏ khi thu nhập bình quân đầu người tăng thì nhu cầu đi xe bus tăng.
=> Không phù hợp với lý thuyết kinh tế. β5 = - 3.292028 chứng tỏ khi dân số tăng thì nhu cầu đi xe bus tăng.
=> Phù hợp với lý thuyết kinh tế.
KIỂM ĐỊNH SỰ ẢNH HƯỞNG CỦA CÁC BIẾN ĐỘC LẬP LÊN BIẾN PHỤ THUỘC
Kiểm định β2
Kiểm định cặp giả thuyết:
Theo báo cáo Eviews: p-value (T) = 0.8784 > α = 0.05
=> Chưa đủ cơ sở bác bỏ giả thuyết H 0, tạm thời chấp nhận H 0.
Kết luận: Vậy với mức ý nghĩa 5% thì cho thấy Giá vé không ảnh hưởng đến nhu cầu đi lại bằng xe bus của người dân ở thành phố Hà Nội.
Kiểm định β3
Kiểm định cặp giả thuyết:
Theo báo cáo Eviews: p-value (T) = 0.7526 > α = 0.05
=> Chưa đủ cơ sở bác bỏ giả thuyết H 0, tạm thời chấp nhận H 0.
Kết luận: Vậy với mức ý nghĩa 5% thì cho thấy Giá xăng không ảnh hưởng đến nhu cầu đi lại bằng xe bus của người dân ở thành phố Hà Nội.
Kiểm định β4
Kiểm định cặp giả thuyết:
Theo báo cáo Eviews: p-value (T) = 0.0023 < α = 0.05
=> Bác bỏ giả thuyết H 0, chấp nhận đối thuyết H1.
Kết luận: Vậy với mức ý nghĩa 5% thì cho thấy Thu nhập bình quân đầu người có ảnh hưởng đến nhu cầu đi lại bằng xe bus của người dân ở thành phố Hà Nội.
Kiểm định β5
Kiểm định cặp giả thuyết:
Theo báo cáo Eviews: p-value (T) = 0.0019 < α = 0.05
=> Bác bỏ giả thuyết H 0, chấp nhận đối thuyết H1.
Kết luận: Vậy với mức ý nghĩa 5% thì cho thấy Dân số có ảnh hưởng đến nhu cầu đi lại bằng xe bus của người dân ở thành phố Hà Nội.
KIỂM ĐỊNH KHUYẾT TẬT
Kiểm định đa cộng tuyến
7.1.1 Kiểm định đa cộng tuyến bằng mô hình hồi quy phụ
- Hồi quy biến FARE theo các biến GASPRICE, INCOME, POP: Ước lượng mô hình hồi quy phụ:
INCOME i =α 1 +α 2 FARE i +α 3 GASPRICE i +α 4 POP i +V i thu được R 3
Kiểm định cặp giả thuyết:
{ H 0 : FARE ,GASPRICE ,POP khôngcó quanhệ tuyếntính vớiINCOME
(4−1 ,n− 4 )} Dựa vào bảng Eviews, ta có: P-value (F) = 0.000014 < α = 0.05
=> Bác bỏ giả thuyết H 0, chấp nhận H 1.
Vậy với mức ý nghĩa α=0.05 cho rằng mô hình gốc có đa cộng tuyến (3)
- Hồi quy biến POP theo các biến FARE, GASPRICE, INCOME:
Variable Coefficient Std Error t-Statistic Prob.
Adjusted R-squared 0.952438 S.D dependent var 3.173678 S.E of regression 0.692137 Akaike info criterion 2.377221 Sum squared resid 3.353373 Schwarz criterion 2.521910 Log likelihood -9.074717 Hannan-Quinn criter 2.286015
Báo cáo 5 : Kiểm định đa cộng tuyến của mô hình hồi quy Ước lượng mô hình hồi quy phụ:
POP i =α 1 +α 2 FARE i +α 3 GASPRICE i +α 4 INCOME i +V i thu được R 4 2
Kiểm định cặp giả thuyết:
{ H 0 : FARE ,GASPRICE ,INCOME khôngcó quanhệtuyếntính với FARE.
Dựa vào bảng Eviews, ta có: P-value (F) = 0.000015 < α = 0.05
=> Bác bỏ giả thuyết H 0, chấp nhận H 1.
Vậy với mức ý nghĩa α=0.05 cho rằng mô hình gốc có đa cộng tuyến (4)
Kết luận: Từ (1), (2), (3), (4) có thể kết luận rằng mô hình gốc không có hiện tượng đa cộng tuyến.
7.1.2 Kiểm định đa cộng tuyến bằng phương pháp Theil
- Hồi quy mô hình (Mô hình bỏ biến FAREi):
BUSTRAVLi = β + β1 2GASPRICEi + β3INCOMEi + β4POPi + ui
Variable Coefficient Std Error t-Statistic Prob.
R-squared 0.826427 Mean dependent var 4314.455 Adjusted R-squared 0.752039 S.D dependent var 2133.116 S.E of regression 1062.200 Akaike info criterion 17.04936 Sum squared resid 7897877 Schwarz criterion 17.19405 Log likelihood -89.77147 Hannan-Quinn criter 16.95815 F-statistic 11.10964 Durbin-Watson stat 3.090764 Prob(F-statistic) 0.004717
Báo cáo 6: Kiểm định đa công tuyến mô hình bỏ biến FARE
- Hồi quy mô hình (Mô hình bỏ biến GASPRICEi):
BUSTRAVLi = β + β1 2FAREi + β3INCOMEi + β4POPi + ui
Variable Coefficient Std Error t-Statistic Prob.
R-squared 0.824025 Mean dependent var 4314.455 Adjusted R-squared 0.748607 S.D dependent var 2133.116 S.E of regression 1069.525 Akaike info criterion 17.06310 Sum squared resid 8007184 Schwarz criterion 17.20779 Log likelihood -89.84707 Hannan-Quinn criter 16.97190 F-statistic 10.92613 Durbin-Watson stat 3.020127 Prob(F-statistic) 0.004944
Báo cáo 7: Kiểm định đa cộng tuyến mô hình bỏ biến GASPRICE
- Hồi quy mô hình (Mô hình bỏ biến INCOMEi):
BUSTRAVLi = β + β1 2FAREi + β3GASPRICEi + β4POPi + ui
Variable Coefficient Std Error t-Statistic Prob.
R-squared 0.083338 Mean dependent var 4314.455Adjusted R-squared -0.309518 S.D dependent var 2133.116
S.E of regression 2441.014 Akaike info criterion 18.71350 Sum squared resid 41709830 Schwarz criterion 18.85819 Log likelihood -98.92426 Hannan-Quinn criter 18.62230 F-statistic 0.212133 Durbin-Watson stat 2.026404 Prob(F-statistic) 0.884921
Báo cáo 8: Kiểm định đa cộng tuyến mô hình bỏ biến INCOME
- Hồi quy mô hình (Mô hình bỏ biến POPi):
BUSTRAVLi = β + β1 2FAREi + β3GASPRICEi + β4INCOMEi + ui
Variable Coefficient Std Error t-Statistic Prob.
R-squared 0.028468 Mean dependent var 4314.455 Adjusted R-squared -0.387903 S.D dependent var 2133.116 S.E of regression 2513.009 Akaike info criterion 18.77164 Sum squared resid 44206494 Schwarz criterion 18.91633 Log likelihood -99.24400 Hannan-Quinn criter 18.68043
Báo cáo 9: Kiểm định đa cộng tuyến mô hình bỏ biến POP
Từ mô hình hồi quy ban đầu thu được R = 0.827161 2
Theo công thức tính Độ đo Theil: m = R - 2 ∑ j=4
Kết luận: Với mức ý nghĩa 5%, mô hình ban đầu không có đa cộng tuyến. Như vậy, thông qua kiểm định đa cộng tuyến bằng phương pháp hồi quy phụ và độ đo Theil, với mức ý nghĩa α=5 % , ta có thể kết luận rằng: Mô hình gốc không có hiện tượng đa cộng tuyến.
Kiểm định phương sai sai số ngẫu nhiên
7.2.1 Kiểm định White Ước lượng mô hình hồi quy gốc:
BUSTRAVLi = β + β1 2FAREi + β3GASPRICEi + β4INCOMEi + β5POPi + u ithu được ei 2
Mô hình White có dạng: ei 2 = α + α1 2FAREi 2 + α3FARE GASPRICEi i + α4FARE INCOMEi i + α FARE POP5 i i + α6FAREi + α7GASPRICEi 2 + α8GASPRICE INCOME +i i α GASPRICE POP9 i i + α10GASPRICEi + α11INCOMEi 2 + α12INCOME POPi i + α INCOME13 i + α14POPi 2 + α15POPi thu được R w
2 = 0.728560 Kiểm định cặp giả thuyết:
Obs*R-squared 8.125175 Prob Chi-Square(4) 0.0871
Variable Coefficient Std Error t-Statistic Prob.
S.E of regression 685088.9 Akaike info criterion 30.01544 Sum squared resid 2.82E+12 Schwarz criterion 30.19630 Log likelihood -160.0849 Hannan-Quinn criter 29.90143
}Theo bảng báo cáo EViews: P-value (F) = 0 057407 > α = 0.05
Chưa có cơ sở bác bỏ giả thuyết H0, tạm thời chấp nhận H0.
Kết luận: Với mức ý nghĩa 5%, theo phương pháp kiểm định White, mô hình ban đầu có phương sai sai số ngẫu nhiên không đổi.
7.2.2 Kiểm định Glejser Ước lượng mô hình hồi quy:
BUSTRAVLi = β + β1 2FAREi + β3GASPRICEi + β4INCOMEi + β5POPi + u i thu được phần dư => | |ei 2 𝑒𝑖
Mô hình Glejser có dạng:
|𝑒𝑖| = + 𝛼1 𝛼2FAREi + 𝛼3GASPRICE𝑖 + 𝛼4INCOMEi+ 𝛼5POP𝑖 + 𝑣𝑖 thu được R G 2 = 0.796342 Kiểm định cặp giả thuyết:
{ H 0 : Phương saisai số ngẫunhiênkhông đổi.
H 1 : Phươngsaisai số ngẫunhiên thay đổi.
Obs*R-squared 8.759758 Prob Chi-Square(4) 0.0674 Scaled explained SS 6.109028 Prob Chi-Square(4) 0.1912
Variable Coefficient Std Error t-Statistic Prob.
Adjusted R-squared 0.660569 S.D dependent var 604.4721 S.E of regression 352.1696 Akaike info criterion 14.86906 Sum squared resid 744140.4 Schwarz criterion 15.04992 Log likelihood -76.77982 Hannan-Quinn criter 14.75505 F-statistic 5.865275 Durbin-Watson stat 3.519682 Prob(F-statistic) 0.058627
Báo cáo 11: Kiểm định phương sai sai số ngẫu nhiên mô hình Glejser
(k G −1 ,n−k G )} Theo bảng báo cáo EViews: P-value (F) = 0 058627 > α = 0.05
=> Bác bỏ giả thuyết H , chấp nhận H 0 1
Kết luận: Với mức ý nghĩa 5%, theo phương pháp kiểm định Glejser, mô hình ban đầu có phương sai sai số ngẫu nhiên không đổi.
Như vậy, thông qua kiểm định White và Kiểm định Glejser, với mức ý nghĩa α=5 % , ta có thể kết luận rằng: Mô hình gốc có hiện tượng phương sai sai số ngẫu nhiên thay đổi.
Kiểm định khuyết tật tự tương quan
7.3.1 Kiểm định Durbin – Watson Ước lượng mô hình hồi quy:
BUSTRAVLi = β + β1 2FAREi + β3GASPRICEi + β4INCOMEi + β5POPi + u i thu được và ei 𝑒𝑖-1
Variable Coefficient Std Error t-Statistic Prob.
Adjusted R-squared 0.711936 S.D dependent var 2133.116 S.E of regression 1144.878 Akaike info criterion 17.22694 Sum squared resid 7864478 Schwarz criterion 17.40780 Log likelihood -89.74817 Hannan-Quinn criter 17.11293
Báo cáo 12: Kiểm định khuyết tật tự tương quan mô hình Durbin – Watson Tiêu chuẩn kiểm định: d ∑ i=2 n
Theo báo cáo Eviews, ta có: d = 3.068806qs
Với n = 11, k’ = 4, α = 5%, ta có: dL = 0.444 4 – d = 3.556L dU = 2.283 4 – d = 1.717U
Không có tự tương quan
Kết luận: Với mức ý nghĩa 5%, không có kết luận về mô hình ban đầu
7.3.2 Kiểm định Breusch – Godfrey (Kiểm định BG) Ước lượng mô hình hồi quy:
BUSTRAVLi = β + β1 2FAREi + β3GASPRICEi + β4INCOMEi + β5POPi + u i thu được và và hệ số xác định ei ei-1 R 2 BG.
Mô hình BG có dạng: ei = α 1 + α2FAREi + α3GASPRICEi + α4INCOMEi + α5POPi + α 6 e i−1 + α 7 e i−2 + α 8 e i−3 + α 9 e i−4 + V i thu được R 2 BG = 0.307234
Kiểm định cặp giả thuyết:
{ H 0 : Mô hìnhbanđầukhôngcó tự tương quanbậc2.
Breusch-Godfrey Serial Correlation LM Test:
Null hypothesis: No serial correlation at up to 1 lag
Obs*R-squared 3.379577 Prob Chi-Square(1) 0.0660
Presample missing value lagged residuals set to zero.
Variable Coefficient Std Error t-Statistic Prob.
Adjusted R-squared -0.385531 S.D dependent var 886.8189 S.E of regression 1043.862 Akaike info criterion 17.04169 Sum squared resid 5448241 Schwarz criterion 17.25873 Log likelihood -87.72932 Hannan-Quinn criter 16.90488 F-statistic 0.443489 Durbin-Watson stat 2.609840 Prob(F-statistic) 0.803481
Báo cáo 13: Kiểm định khuyết tật tự tương quan mô hình Breusch - Godfrey Tiêu chuẩn kiểm định:
} Theo bảng báo cáo EViews: P-value (F) = 0.803481> α = 0.05
=> Chưa có cơ sở bác bỏ giả thuyết H , tạm thời chấp nhận H 0 0
Kết luận: Với mức ý nghĩa 5%, mô hình ban đầu không có tự tương quan bậc 2.
Kiểm định thiếu biến
Sử dụng Kiểm định Ramsey để tiến hành kiểm định thiếu biến cho mô hình Hồi quy mô hình:
BUSTRAVLi = α 1 + α2FAREi + α3GASPRICEi + α4INCOMEi + α5POPi + α 6
Kiểm định cặp giả thuyết:
Omitted Variables: Powers of fitted values from 2 to 3
Specification: BUSTRAVL C FARE GASPRICE INCOME POP
Sum of Sq df Mean
Variable Coefficient Std Error t-Statistic Prob.
R-squared 0.988757 Mean dependent var 4314.455 Adjusted R-squared 0.971893 S.D dependent var 2133.116 S.E of regression 357.6221 Akaike info criterion 14.85796 Sum squared resid 511574.2 Schwarz criterion 15.11116 Log likelihood -74.71876 Hannan-Quinn criter 14.69835 F-statistic 58.62984 Durbin-Watson stat 2.692024 Prob(F-statistic) 0.000747
Báo cáo 14: Kiểm định thiếu biến mô hình Ramsey
} Theo bảng báo cáo EViews: P-value (F) = 0.0042 < α = 0.05
=> Bác bỏ giả thuyết H , chấp nhận H 0 1
Kết luận: Với mức ý nghĩa 5%, mô hình ban đầu bỏ sót biến.
Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên
Sử dụng Kiểm định Jarque – Bera, ước lượng mô hình gốc thu được e và đồ thị i phần dư như sau:
Báo cáo 15: Báo cáo kiểm định Jarque – Bera của mô hình hồi quy
Kiểm định cặp giả thuyết:
{ H 0 :Sai số ngẫunhiên có phân phối chuẩn.
H 1 : Sai số ngẫu nhiênkhôngcó sai số chuẩn.
= 5.9915 Theo bảng báo cáo Eviews, ta có: JB = 0.058413 < qs X 0.05
=> Chưa có cơ sở bác bỏ giả thuyết H , tạm thời chấp nhận H 0 0
Kết luận: Với mức ý nghĩa 5%, sai số ngẫu nhiên của mô hình ban đầu có phân phối chuẩn.
KHOẢNG TIN CẬY CỦA CÁC HỆ SỐ HỒI QUY VÀ PHƯƠNG SAI
Khoảng tin cậy của các hệ số hồi quy
Khoảng tin cậy 2 phía của β 1
Khoảng tin cậy trái củaβ 1 β 1 ≤ ^ β 1 + Se( ^ β 1 ¿.T α (n−5 )
Khoảng tin cậy phải của β 1 β 1 ≥ ^ β 1 −¿ Se( ^ β 1 ¿.T α
Khoảng tin cậy 2 phía của β 2
Vậy với α=0.05, nếu Giá vé tăng 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân Thành phố Hà Nội thay đổi trong khoảng (−1859.175; 1631.466) nghìn người/năm
Khoảng tin cậy trái của β 2 β 2 ≤ ^ β 2 + Se( ^ β 2 ¿.T α (n−5 )
Vậy với α=0.05 , nếu Giá vé tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội tăng tối đa là1271.988Nghìn người/năm. Khoảng tin cậy phải của β 2 β 2 ≥ ^ β 2 −¿ Se( ^ β 2 ¿.T α
Vậy vớiα=0.05 ,nếu Giá vé tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội giảm tối thiểu là 1499.698 nghìn người/năm.
Khoảng tin cậy 2 phía của β 3
Vậy với α=0.05 , khi Giá xăng tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội thay đổi trong khoảng (−0.235251 0.308583 ; ¿ nghìn người/ năm.
Khoảng tin cậy trái của β 3 β 3 ≤ ^ β 3 + Se( ^ β 3 ¿.T α
Vậy vớiα=0.05 ,nếu Giá xăng tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội tăng tối đa là 0.252577 nghìn người/năm.
Khoảng tin cậy phải của β 3 β 3 ≥ ^ β 3 −¿ Se( ^ β 3 ¿.T α
Vậy vớiα=0.05 ,nếu Giá xăng tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội giảm tối thiểu là 0.179245 nghìn người/năm.
Khoảng tin cậy 2 phía của β 4
Vậy với α=0.05, khi Thu nhập bình quân đầu người tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội thay đổi trong khoảng ( 5.875068 ;16.78903¿ nghìn người/ năm.
Khoảng tin cậy trái của β 4 β 4 ≤ ^ β 4 + Se( ^ β 4 ¿.T α
Vậy với α=0.05 , nếu Thu nhập bình quân đầu người tăng lên 1 nghìn VND thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội tăng tối đa là 15.66507 nghìn người/năm.
Khoảng tin cậy phải của β 4 β 4 ≥ ^ β 4 −¿ Se( ^ β 4 ¿.T α
Vậy vớiα=0.05 ,nếu Thu nhập bình quân đầu người tăng lên 1 nghìn VND thìNhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội tăng tối thiểu là
Khoảng tin cậy 2 phía của β5
Vậy với α=0.05, khi Dân số tăng lên 1 nghìn người thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội thay đổi trong khoảng (−4.821889;−1.762166 ¿ nghìn người/ năm.
Khoảng tin cậy bên phải của β5
Vậy vớiα=0.05 ,nếu Dân số tăng lên 1 nghìn người thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội giảm tối thiểu là 4.506789 nghìn người/năm.
Khoảng tin cậy bên trái của β5 β 5 ≤ ^ β 5 +Se( ^ β 5 ).T α (n−5 )
Vậy với α=0.05 , nếu Dân số tăng lên 1 nghìn người thì Nhu cầu đi lại bằng xe bus của người dân thành phố Hà Nội tăng tối đa là2.077266Nghìn người/năm.
Khoảng tin cậy của phương sai sai số ngẫu nhiên
8.2.1 Khoảng tin cậy 2 phía của σ 2
Với mức ý nghĩa 5%, ta có khoảng tin cậy 2 phía của σ 2 là:
- Dựa vào báo cáo eviews ta có: RSS=¿7864478
Vậy với α=0.05, phương sai sai số ngẫu nhiên biến động trong khoảng (544277.1 ; 6356160.9) (%) 2
8.2.2 Khoảng tin cậy phải của σ 2
Với mức ý nghĩa 5%, ta có khoảng tin cậy phải của σ 2 là: σ 2 ≥ RSS χ α
- Dựa vào báo cáo eviews ta có: RSS=¿ 7864478
Vậy với α=0.05 , phương sai sai số ngẫu nhiên tổi thiểu là 624581.3(%) 2
8.2.3 Khoảng tin cậy trái của σ 2
Với mức ý nghĩa 5%, ta có khoảng tin cậy trái của σ 2 là: σ 2 ≤ RSS χ 1−α 2 (n−5)
- Dựa vào báo cáo eviews ta có: RSS=¿7864478
Vậy với α=0.05, phương sai sai số ngẫu nhiên tối đa là 6865541.6 (%) 2