ỦY BAN NHÂN DÂN THÀNH PHỐ HỒ CHÍ MINHTRƯỜNG ĐẠI HỌC SÀI GÒN KHOA TÀI CHÍNH - KẾ TOÁN --- --- TIỂU LUẬN MÔN: KINH TẾ LƯỢNG ĐỀ TÀI: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KẾT QUẢ HỌC TẬP CỦA SINH V
Trang 1ỦY BAN NHÂN DÂN THÀNH PHỐ HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC SÀI GÒN KHOA TÀI CHÍNH - KẾ TOÁN
- -
TIỂU LUẬN MÔN: KINH TẾ LƯỢNG
ĐỀ TÀI: CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN KẾT QUẢ HỌC
TẬP CỦA SINH VIÊN ĐẠI HỌC SÀI GÒN
GIẢNG VIÊN: PHAN TẤT HIỂN
LỚP: THỨ 3, TIẾT 345
NHÓM SINH VIÊN THỰC HIỆN:
Trang 2MỤC LỤC
CHƯƠNG I LỜI MỞ ĐẦU: 3
1 Lí do chọn chủ đề: 3
2 Phạm vi nghiên cứu: 3
3 Đối tượng nghiên cứu: 3
4 Phương pháp xử lí số liệu: 3
CHƯƠNG II GIỚI THIỆU MÔ HÌNH: 4
Giới thiệu và định nghĩa các nhân tố trong mô hình: 4
CHƯƠNG III GIỚI THIỆU BỘ DỮ LIỆU: 4
1 Báo cáo thống kê sơ bộ về bộ dữ liệu: 4
2 Thực trạng của mô hình: 5
CHƯƠNG IV CHẠY MÔ HÌNH VÀ KIỂM ĐỊNH MÔ HÌNH: 6
1 Kiểm định các giả thuyết thống kê: 6
2 Kiểm định tính phân phối chuẩn của phần dư: 8
3 Kiểm định hiện tượng đa cộng tuyến: 8
4 Kiểm định tự tương quan: 9
5 Kiểm định phương sai sai số: 10
CHƯƠNG V BÀN LUẬN VỀ MÔ HÌNH: 12
1 Ý nghĩa của các tham số trong mô hình: 12
2 Hệ số xác định: 12
3 Ước lượng khoảng cho mô hình: 13
4 Dự báo: 14
5 Khuyến nghị và chiến lược sử dụng mô hình trong thực tế: 14
CHƯƠNG I LỜI MỞ ĐẦU:
Trang 31 Lí do chọn chủ đề:
Nước ta đang trong thời kỳ đẩy mạnh hướng tới nền công nghiệp 4.0 (nền công nghiệp hiện đại hoá) Điều đó đòi hỏi một lực lượng tí thức trẻ có chuyên môn đạt năng lực làm việc cao Và sinh viên – một trong những lực lượng trí thức đó, đã và đang không ngừng nỗ lực học tập, trau dồi vốn kiến thức để có thể chủ động trong việc lựa chọn nghề nghiệp và hướng đi phù hợp cho bản thân sau khi tốt nghiệp, góp phần xây dựng để bảo vệ đất nước lớn mạnh, để sánh vai với các cường quốc năm châu như lời Bác đã dạy
Một thực tế hiện nay đã xảy ra trong nhiều trường đại học: Môi trường học tập của sinh viên trong đại học rất đa dạng nó có thể giúp sinh viên tiến bộ Song, cũng có những cám dỗ kéo theo Vì vậy đòi hỏi sinh viên phải có sự tự giác nỗ lực, đặt biệt là hình thức đào tạo theo tín chỉ Tuy nhiên, nhiều sinh viên hiện nay cũng không đạt được kết quả mong muốn mặc dù có chăm chỉ Có thể là phương pháp học tập chưa thực sự đúng đắn Thực tế cho thấy sinh viên đại học sau khi
ra trường muốn tìm một việc làm đúng chuyên ngành, lương cao và ổn định thì rất khó với tấm bằng trung bình và có cơ hội cao hơn khi học đạt những tấm bằng cao hơn đối với những người còn ngồi trên ghế nhà trường nói chung và sinh viên đại học nói riêng thì điểm trung bình học tập là yếu tố quan trọng nhất
để đánh giá kết quả học tập sau mỗi kì thi Kết quả mỗi kì sẽ quyết định xem sinh viên có được học bổng hoặc bị buộc thôi học hay không, xếp loại học lực gì và tấm bằng mà học đạt được sau khi kết thúc chương trình đào tạo của nhà trường…
Đứng trước thực tế đó chúng em đã chọn nghiên cứu chủ đề “Phân tích sự ảnh hưởng của các yếu tố đến kết quả học tập của sinh viên”
2 Phạm vi nghiên cứu:
Toàn sinh viên trường Đại học Sài Gòn Kết quả nghiên cứu của đề tài chỉ
có giá trị dựa trên thu thập dữ liệu của học kì II năm học 2019-2020
3 Đối tượng nghiên cứu:
Kết quả học tập HKII của năm học 2019-2020
4 Phương pháp xử lí số liệu:
Sử dụng phần mềm Eview 4.0
CHƯƠNG II GIỚI THIỆU MÔ HÌNH:
Giới thiệu và định nghĩa các nhân tố trong mô hình:
Bạn có thường xuyên chuẩn bị bài trước khi đến lớp không? (X1)
Trang 4 Bạn có học bài cũ trước khi đến lớp không? (X2)
Bạn có thường xuyên học nhóm không? (X3)
Bạn có thường xuyên sử dụng internet cho mục đích học tập không? (X4) ( 5 mức độ: 1:không bao giờ/ 2: hiếm khi/ 3: thỉnh thoàng/ 4: thường xuyên/ 5: luôn luôn)
Thời gian tự học trung bình của bạn 1 ngày là bao nhiêu? (X5)
Điểm trung bình học kì II 2019-2020 của bạn là bao nhiêu?(Y)
CHƯƠNG III GIỚI THIỆU BỘ DỮ LIỆU:
1 Báo cáo thống kê sơ bộ về bộ dữ liệu:
*Mô hình hồi qui mẫu:
Mô hình hồi qui có thể mô tả mối qian hệ giữa biến phụ thuộc Y vào các biến giải thích X1,X ,X ,X ,X 2 3 4 5 có dạng: Y i = B + B 0 1 X 1 + B 2 X 2 +B 3 X +B 3 4 X 4 +B X +U 5 5 i
Mô hình hồi qui mẫu: Y i = B 0 +B X +B 1 1 2 X 2 +B X +B 3 3 4 X 4 +B X +ei 5 5
*Biến phụ thuộc:
Y: điểm trung bình
*Biến độc lập:
X1: chuẩn bị bài
X2: học bài cũ
X3: học nhóm
X4: sử dụng internet cho việc học tập
X5: thời gian tự học
Dependent Variable: DTB
Method: Least Squares
Date: 11/09/20 Time: 20:35
Trang 5Sample: 1 112
Included observations: 112
Variable Coefficient Std Error t-Statistic Prob
Adjusted R-squared 0.945084 S.D dependent var 0.803766 S.E of regression 0.188356 Akaike info criterion -0.448884 Sum squared resid 3.760662 Schwarz criterion -0.303250
Durbin-Watson stat 2.192519 Prob(F-statistic) 0.000000
Từ kết quả nghiên cứu, ta có phương trình hồi quy của mô hình:
DTB = 3.0217 + 0.0568*CBBAI + 0.1958*HOCBAICU + 0.2512*HOCNHOM + 0.3072*SDINTERNET + 0.5372*TGTUHOC
Y = 3.0217 + 0.0568X1+ 0.1958X2 + 0.2512X3 + 0.3072X4 + 0.5372X5 + Ui (1)
2 Thực trạng của mô hình:
+ B =3.0217 chính là ảnh hưởng của các yếu tố khác nằm ngoài mô hình ảnh 0 hưởng đến giá trị trung bình của DTB Y khi mà các yếu tố Xi=0
+ B =0.0568 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ 1 chuẩn bị bài trước khi đến lớp thì DTB Y tăng 0.0568
+ B = 0.1958 cho biết với điều kiện các yếu tố khác không đổi khi tăng 1 giờ học 2 bài cũ thì DTB Y tăng 0.1958
+ B = 0.2512 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ học 3 nhóm thì DTB Y sẽ tăng 0.2512
+ B = 0.3072 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ sử 4 dụng internet cho việc học tập thì DTB Y sẽ tăng 0.3072
+ B5= 0.5372 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ tự học trong ngày thì DTB Y sẽ tăng 0.5372
Trang 6CHƯƠNG IV CHẠY MÔ HÌNH VÀ KIỂM ĐỊNH MÔ HÌNH:
1 Kiểm định các giả thuyết thống kê:
• Kiểm định B (chuẩn bị bài) 1
Giả thuyết: H : B = 0 (chưa kết luận được chuẩn bị bài có ảnh hưởng đến điểm trung 0 1 bình hay không)
H1: B ≠0 (chuẩn bị bài có ảnh hưởng đến điểm trung bình)1
Kiểm định: P-value > α
0.1183 > 0.05
=> Chấp nhận H0
Vậy chưa kết luận được chuẩn bị bài có ảnh hưởng đến điểm trung bình với mức ý nghĩa 5%
• Kiểm định B (học bài cũ) 2
Giả thuyết: H : B = 0 (chưa kết luận được học bài cũ có ảnh hưởng đến điểm trung 0 2 bình hay không)
H1: B ≠0 ( học bài cũ có ảnh hưởng đến điểm trung bình)2
Kiểm định: P-value < α
0.0062 < 0.05
=> Bác bỏ H 0
Vậy học bài cũ có ảnh hưởng đến điểm trung bình với mức ý nghĩa 5%
• Kiểm định B (học nhóm) 3
Giả thuyết: H : B = 0 (chưa kết luận được học nhóm có ảnh hưởng đến điểm trung 0 3 bình hay không)
H1: B ≠0 ( học nhóm có ảnh hưởng đến điểm trung bình )3
Kiểm định: P-value < α
0.0000 < 0.05
=> Bác bỏ H 0
Vậy học nhóm có ảnh hưởng đến điểm trung bình với mức ý nghĩa 5%
• Kiểm định B (sử dụng internet) 4
Trang 7Giả thuyết: H : B = 0 (chưa kết luận được sử dụng internet có ảnh hưởng đến điểm 0 4 trung bình hay không)
H1: B ≠0 ( sử dụng internet có ảnh hưởng đến điểm trung bình)4
Kiểm định: P-value < α
0.0000 < 0.05
=> Bác bỏ H0
Vậy sử dụng internet có ảnh hưởng đến điểm trung bình với mức ý nghĩa 5%
• Kiểm định B (tự học) 5
Giả thuyết: H0: B = 0 (chưa kết luận được tự học có ảnh hưởng đến điểm trung bình 5 hay không)
H1: B5≠0 ( tự học có ảnh hưởng đến điểm trung bình)
Kiểm định: P-value < α
0.0000 < 0.05
=> Bác bỏ H 0
Vậy tự học có ảnh hưởng đến điểm trung bình với mức ý nghĩa 5%
2 Kiểm định tính phân phối chuẩn của phần dư:
0
2
4
6
8
10
12
-0.50 -0.25 0.00 0.25
Series: Residuals Sample 1 112 Observations 112
Mean 1.17E-16 Median 0.028753 Maximum 0.380872 Minimum -0.476857 Std Dev 0.184065 Skewness -0.606536 Kurtosis 3.096522
Jarque-Bera 6.910670 Probability 0.031577
Kiểm định: Ho: Phân phối của phần dư không bị vi phạm
Trang 8H1: Phân phối chuẩn của phần dư là chuẩn
Với mức ý nghĩa 5%, ta có: P-value = 0.0316 < 0.05 nên bác bỏ Ho
=> Phân phối của phần dư là chuẩn.
3 Kiểm định hiện tượng đa cộng tuyến:
Xây dựng mô hình hồi qui phụ:
Dependent Variable: TGTUHOC
Method: Least Squares
Date: 11/08/20 Time: 12:54
Sample: 1 112
Included observations: 112
* Ta có mô hình hồi quy phụ:
TGTUHOC = 2.5680 - 0.2199*HOCBAICU + 0.3139*SDINTERNET +
0.0725*HOCNHOM + 0.2097*CBBAI
Có thể thấy TGTUHHOC có cộng tuyến với SDINTERNET
Dùng thông tin tiên nghiệm để khắc phục hiện tượng đa cộng tuyến này:
Đặt: TGH= TGTUHOC + SDINTERNET
Dependent Variable: DTB
Method: Least Squares
Date: 11/10/20 Time: 11:24
Sample: 1 112
Included observations: 112
Trang 9HOCBAICU 0.119658 0.064601 1.852256 0.0667
Adjusted R-squared 0.942417 S.D dependent var 0.803766 S.E of regression 0.192876 Akaike info criterion -0.409925 Sum squared resid 3.980515 Schwarz criterion -0.288563
Durbin-Watson stat 2.211260 Prob(F-statistic) 0.000000
* Thì mô hình trở thành:
DTB = 3.4105 + 0.0733*CBBAI + 0.1197*HOCBAICU + 0.2674*HOCNHOM +
0.3992*TGH
=> Đã khắc phục được hiện tượng đa cộng tuyến.
4 Kiểm định tự tương quan:
*Chạy mô hình tự tương quan:
Breusch-Godfrey Serial Correlation LM Test:
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 11/10/20 Time: 17:24
Presample missing value lagged residuals set to zero
Variable Coefficient Std Error t-Statistic Prob
Trang 10R-squared 0.012646 Mean dependent var 1.17E-16 Adjusted R-squared -0.053810 S.D dependent var 0.184065 S.E of regression 0.188952 Akaike info criterion -0.425897 Sum squared resid 3.713103 Schwarz criterion -0.231718
Durbin-Watson stat 1.998251 Prob(F-statistic) 0.986905
Kiểm định: Ho: p=0 (Mô hình không có tự tương quan)
H1: p≠0 (Mô hình có tự tương quan)
Với mức ý nghĩa 5%, ta có: Obs*R =1.4164 với P-value = 0.4925 > 0.05 nên chấp 2 nhận Ho
=> Mô hình không có tự tương quan.
5 Kiểm định phương sai sai số:
*Chạy mô hình phương sai sai số:
White Heteroskedasticity Test:
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/10/20 Time: 21:40
Sample: 1 112
Included observations: 112
Variable Coefficient Std Error t-Statistic Prob
Trang 11SDINTERNET -0.096147 0.039180 -2.453954 0.0158
Adjusted R-squared 0.301121 S.D dependent var 0.048836 S.E of regression 0.040827 Akaike info criterion -3.465910 Sum squared resid 0.168349 Schwarz criterion -3.198914
Durbin-Watson stat 1.715024 Prob(F-statistic) 0.000001
Kiểm định: Ho:R 2 =0 (Mô hình không có phương sai sai số thay đổi)
H1: ≠0 (Mô hình có phương sai sai số thay đổi)R 2
Với mức ý nghĩa 5%, ta có: P-value = 0.000012 < 0.05 nên bác bỏ Ho
=> Mô hình có phương sai sai số thay đổi.
CHƯƠNG V BÀN LUẬN VỀ MÔ HÌNH:
1 Ý nghĩa của các tham số trong mô hình:
+ B =3.0217 chính là ảnh hưởng của các yếu tố khác nằm ngoài mô hình ảnh 0 hưởng đến giá trị trung bình của Y khi mà các yếu tố Xi=0
+ B =0.0568 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ 1 chuẩn bị bài trước khi đến lớp thì DTB Y tăng 0.0568
+ B = 0.1958 cho biết với điều kiện các yếu tố khác không đổi khi tăng 1 giờ học 2 bài cũ thì DTB Y tăng 0.1958
+ B = 0.2512 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ học 3 nhóm thì DTB Y sẽ tăng 0.2512
+ B = 0.3072 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ sử 4 dụng internet cho việc học tập thì DTB Y sẽ tăng 0.3072
+ B5= 0.5372 cho biết với điều kiện các yếu tố khác không đổi, khi tăng 1 giờ tự học trong ngày thì DTB Y sẽ tăng 0.5372
2 Hệ số xác định:
*Ý nghĩa của hệ số xác định R : 2
Với hệ số xác định R = 0.947558 ta nhận thấy độ chặt chẽ của mô hình cao, nên thấy 2 rằng với các biến đã điều tra là chuẩn bị bài, học bài cũ, học nhóm, sử dụng internet,
Trang 12thời gian tự học nói lên nhiều ý nghĩa với biến Y có thể giải thích được 94.7% của điểm bình học kì Ta nhận thấy vấn đề học tập có ít các yếu tố khác tác động và quyết định đến
Hệ số tương quan bội: r=√R = 0.9734259, cho thấy mô hình hồi quy tuyến tính là phù 2 hợp
*Kiểm định độ phù hợp của mô hình:
• Kiểm định giả thuyết: H0: R = 0 (mô hình không phù hợp)2
H1: R2 ≠0 (mô hình phù hợp)
Tiêu chuẩn kiểm định:
F0=R *(n-k) (1-R2 / 2)*(k-1)= 383.0536
Fα(k-1,n-k)= F (4.107)= 2.460.05
Do F0 > Fα (k-1,n-k) (383.0536 > 2.46)
=> Bác bỏ H0
3 Ước lượng khoảng cho mô hình:(với mức ý nghĩa 5%) :
(α=0.05 ; n=112 ; k=5 )
Với mức ý nghĩa 5% : tα/2;n-k= t0.05/2;(112-5)=t0.025;107= 1.984
=> se(Bi)=B /ti i
Khoảng tin cậy B 1 (B 1 =0.0568) :
se(B )= 0.03611
Ɛ1 = se(B1)*tα/2;(n-k)= 0.0361*1.984= 0.0716
Vậy: khoảng tin cậy B : ( B - ≤ B ≤ B + ) 1 1 Ɛ1 1 1 Ɛ1
( 0.0207 ≤ B ≤ 0.0929) 1
Khoảng tin cậy B (B =0.1958) : 2 2
se(B )= 0.07012
Ɛ2 = se(B 2)*tα/2;(n-k)= 0.0701*1.984= 0.1391
Vậy: khoảng tin cậy B2: ( B - ≤ B ≤ B + )2 Ɛ2 2 2 Ɛ2
( 0.0567 ≤ B ≤ 0.3349) 2
Khoảng tin cậy B (B =0.2512) : 3 3
Trang 13se(B )= 0.05753
Ɛ3 = se(B 3)*t α/2;(n-k)= 0.0575*1.984= 0.11408
Vậy: khoảng tin cậy B3: ( B - ≤ B ≤ B + )3 Ɛ3 3 3 Ɛ3
( 0. 13712 ≤ B3 ≤ 0.36528)
Khoảng tin cậy B (B 4 4 =0.3072) :
se(B )= 0.04684
Ɛ4 = se(B4)*t α/2;(n-k)= 0.0468*1.984= 0.0929
Vậy: khoảng tin cậy B4: ( B - ≤ B ≤ B + )4 Ɛ4 4 4 Ɛ4
( 0.2143 ≤ B4 ≤ 0.4001)
Khoảng tin cậy B (B =0.5372) : 5 5
se(B )= 0.06245
Ɛ5 = se(B5)*t α/2;(n-k)= 0.0624*1.984= 0.1238
Vậy: khoảng tin cậy B5: ( B – ≤ B ≤ B + )5 Ɛ5 5 5 Ɛ5
( 0.4134 ≤ B5 ≤ 0.661)
4 Dự báo:
Dự báo điểm trung bình học kỳ II 2019-2020 là 7.5 với độ tin cậy 95%?
Độ tin cậy 95% : 1-α=95% => α= 5%
X=X0=7.5
5 Khuyến nghị và chiến lược sử dụng mô hình trong thực tế:
- Hầu hết sinh viên vẫn còn đang bị động trong quá trình học tập, tiếp thu kiến thức cho mình, thời gian hầu như còn rảnh rỗi, nếu như các bạn biết tận dụng thời gian tăng
số giờ học, phương pháp học tập phù hợp để đạt được mong muốn
- Môi trường Đại học là nơi sinh viên phải nâng cao tinh thần tự tìm tòi học hỏi Vì vậy mà mỗi sinh viên phải tự tìm cho bản thân mình một phương pháp học tập thích hợp để đạt được kết quả học tập như mong muốn Học bài cũ trước khi đến lớp là cách hữu hiệu để giúp sinh viên có thể nhớ bài lâu hơn, hiểu kĩ hơn vấn đề mà mình
đã học trên lớp và có thể tự tin hơn trước những câu hỏi của giảng viên
- Bên cạnh đó việc học nhóm cũng rất cần thiết ở Đại học, nó giúp chúng ta rèn luyện khả năng làm việc linh động, tự tin, bớt áp lực hơn so với việc phải làm một mình
Trang 14- Lên Đại học rồi thì ai cũng sẽ bận rộn hơn thời còn là học sinh cấp 1, 2, 3 vì vừa phải sống xa gia đình, đi làm thêm và còn nhiều thứ khác Vì vậy các bạn sinh viên cần phải sắp xếp thời gian tự học hợp lí hơn, ít việc sử dụng internet lại để đạt được kết quả như mong muốn
TÀI LIỆU THAM KHẢO
http://xcvietnam.vn/demo_web/dulieutoancau/kiem-dinh-phan-phoi-chuan-cua-phan-du
https://123doc.net/document/3547-tieu-luan-kinh-te-luong-phan-tich-moi-quan-he-doc.htm
Phần mềm xử lí số liệu eview 4.0
Giáo trình Bài giảng Kinh tế lượng – Phan Tất Hiển – Bộ môn Toán Kinh Tế - Khoa Toán-Ứng Dụng_ĐH Sài Gòn