Bài tiểu luận học phần kinh tế lượng Đa cộng tuyến – tự tương quan

Dựa vào mẫu dữ liệu với 30 quan sat ta kỳ vọng vào dấu tham số hồi quy: 8, mang dấu dương: thu nhập của cá nhân tác động cùng chiều với chỉ tiêu cho du lịch.. Như vậy, việc biết được dấu

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP HỒ CHÍ MINH

KHOA QUẢN TRỊ KINH DOANH

BÀI TIỂU LUẬN

Học phần: Kinh tế lượng - Mã học phần: DHQT19A -

Nhóm thực hiện: NHÓM 3

Giáo viên hướng dẫn: TS Huỳnh Đạt Hùng

Tp Hồ Chí Minh, ngày 10 tháng 11 năm 2024

TRUONG DAI HOC CONG NGHIEP TP HO CHi MINH

KHOA QUAN TRI KINH DOANH

Lập đề cương,

237212 | Triệu Quan isu Suan | thuyét trinh: làm câu 4, Š; 100%

31 | Truong > 3

chỉnh sửa word

MỤC LỤC

MỤC LLỤC G55 2< 2223 1 21213215 21211111 011115111111 011 011111111111 3

DANH MỤC HÌNH ẢNH -2-©22-SE<SEEEEEEE2E3273221211 1111k, 5

2 ƯỚC LƯỢNG MÔ HÌNH -22-©2sSt E211 111111111 xe 9

Y NGHIA THONG KE CUA CÁC THAM SỐ HỘI QUY, R2, F 25

3 ĐÁNH GIÁ DẤU THAM SỐ HÒI QUY, DẤU HIỆU ĐA CỘNG

TUYYẾNN 2c 2< 121121011211 21110115 1111110111111 T1 TT g0 g0 gu du 32

4 KIỂM TRA ĐA CỘNG TUYẾN Ở MÔ HÌNH 2 - 34

AUXILIARY REGRESSION - HÔI QUY PHỤ, 2- 5c 36

LOẠI BỚT BIEN cccccccccssscsssesssecssestsecsseterestressrerereserectresaretiretseesareraretsetees 48

NHAN XET CHUNG - SO SÁNH SỰ HIỆU QUÁ CỦA HAI PHƯƠNG

PHÁP 5s S122 1221122711221 21 12012 1 2 2 ng 2c re rg 50

6 Ý NGHĨA KINH TẾ CỦA THAM SỐ HỒI QUY Ở MÔ HÌNH

7 HỒI QUY TUYẾN TÍNH BÌNH THƯỜNG MÔ HÌNH 3 - MÔ

HÌNH 4 2 2c 221 21 2212111011111 211111111011 11 1111 11011111111 52

8 KIỂM TRA TƯƠNG TỰ QUAN MÔ HÌNH 4 55

PHƯƠNG PHÁP KIÊM ĐỊNH DURBIN - WATSON (DW' 55

PHƯƠNG PHÁP KIÊM ĐỊNH BREUSCH - GODFREY (BG) 59

9 KHU TUONG TU QUAN .vssssssscsssscccssssssssesssssecesssssssessesseessneveeesssees 63

10 ĐỀ XUẤT HÀM Y QUAN TRI CHO CONG TY DU LICH XYZ

DANH

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 2

Hình 3

MỤC HÌNH ẢNH

1 Bảng điều tra về chi tiêu du lịch của 30 người 10

2 Tim SPSS bằng nút Window - ccccccc cà, 11 3 Giao diện làm việc của SPSS cà 11 4 Giao diện ở cửa sổ Variable Vi©W cà, 12 5 Khai báo biến tại Variable VIGW c cuc co 13 6 Các biến sau khi khai báo xong - 13

7 Nhập dữ liệu vào Dafa VỈOW tt chao 14 8 Bước bắt đầu chạy mô hình hồi quy 15

9 Cửa sổ Linear Regression cc cà ceiicse: 16 10 Điền biến vào cửa số Linear Regression 16

11 Thiết lập thông số tại StatistiCs c 17 12 Thiết lập thông số tại Save c co 17 13 Bảng Model Summary của mô hình 1 18

14 Bang Coefficient của mô hình 1 19

15 Tạo biến bằng Compute Variable -: 20

16 Điền công thức biến tại Compute Variable 21

17 Đưa biến mô hình 2 vào Linear Regression 21

18 Thông số trong Statistics và Save 22

19 Bảng Summary của mô hình 2 - 22

20 Bảng Coefficient của mô hình 2 23

21 Bang Coefficient mô hình 1 cccc cv 26 22 Bảng Coeficient mô hình 2 cà 28 23 Bảng Model Summary mô hình 1 30

24 Bảng Model Summary mô hình 2 31

1 Bảng Coefficient ở mô hình 1 và mô hình 2 33

Hình 4 1 Nhập biến vào Bivariate Corrlations 35

Hình 4 2 Bảng Ma trận hệ số tương quan - Correlations 35

Hình 4 3 Bước 1 của hồi quy phụ seo 37 Hình 4 4 Nhập biến hồi quy phụ vào Linear Regression 37

Hình 4 5 Thông số tại Statistics và Save caro 38 Hình 4 6 Bảng Model Summary và Coefficients hồi quy phụ 1 HE kh ĐK KH KĐT KĐT Ki TK ĐK Tạ Ki Ki Ki KV Ki ĐK ĐK 38 Hình 4 7 Bảng Model Summary và Coefficients của hồi quy 0702 39

Hình 4 8 Bảng Model Summary và Coefficients của hồi quy 317 1 a 39

Hình 5 1 Tạo biến phân sai bậc 1 bằng Compute 43

Hình 5 2 Công thức biến phân sai bậc 1 :-: 43

Hình 5 3 Các biến phân sai bậc 1 đã tạo 44

Hình 5 4 Công thức biến hồi quy của hàm sai phân bậc 1 45

Hình 5 5 Các biến đã tạo ở màn hình Variable View 45

Hình 5 6 Hồi quy mô hình phân sai bậc 1 46

Hình 5 7 Nhập biến mô hình phân sai bậc 1 vào Linear Bi ố 46 Hình 5 8 Bảng Model Summary và Coefficient của mô hình phân sai bậc 1 cc TT Hs TH nh» nh khe 47 Hình 5 9 Mô hình hồi quy loại bớt biến - mô hình 3 48

Hinh 5 10 Bang Model Summary va Coefficient m6 hinh 3 49

Hình 6 1 Bảng Coefficient của mô hình 2 (đã loại biến) 51

Hình 7 3 Bảng Model Summary, ANOVA và Coefficients của mô

Hình 7 4 Bảng Model Summary, ANOVA, Coefficients của mô

n0 na 54

Hình 8 2 Kiểm định Durbin-Watson cải biên 56 Hình 8 3 Bước 1 của Kiểm định Durbin-Watson 56

Hình 8 4 Đưa biến mô hình 4 vào kiểm định Durbin-Watson .57

Hình 8 6 Bảng Model Summary của kiểm định Durbin-Watson

¬— EE DEE EEA EEE AEE EEE EASE ES EEE EEE ES EE DEEE EEE EE SESE ESSE EEG ESEEEE SEES EES 58

Hình 8 7 Bảng thống kê d (Durbin-Watson) 58 Hình 8 8 Thiết lập thông số Save ở kiểm định Breusch-

Hình 8 10 Hồi quy bằng kiểm định Breusch-Grodfrey G1

Hình 8 11 Bảng Model Summary kiểm định tương tự quan bậc

TT ccc ec nec eee eee eens cece eee eee ee EES EEA EA EEA EE SEES ES ESA ES ES EES SES GEESE EES ESGE EEE ES EES 61 Hình 8 12 Bảng giá trị tới hạn phân phối Chi-Square (Nguồn: (Dương, 2024, P Ö)) TT nh nhe 62

Hinh 8 13 Bang Model Summary kiém dinh tuong tu quan bac

Hình 8 14 Bảng Model Summary kiểm định tương tự quan bậc

1 KỲ VỌNG DẤU THAM SỐ HỒI QUY

Việc kỳ vọng vào dấu của tham số hồi quy nhằm tìm ra mối quan hệ thuận nghịch, tác động cùng hướng hay ngược hướng giữa đại lượng giải thích và được giải thích Vì vậy, việc kỳ vọng vào dấu của hệ số hồi quy là vô cùng quan trọng để đánh giá được tác động và chiều ảnh hưởng của biến độc lập lên biến giải thích

Dựa vào mẫu dữ liệu với 30 quan sat ta kỳ vọng vào dấu tham

số hồi quy:

8, mang dấu dương: thu nhập của cá nhân tác động cùng chiều với chỉ tiêu cho du lịch Nghĩa là khi thu nhập tăng khiến nhu cầu đi chơi hay du lịch của người tiêu dùng tăng đồng nghĩa với chỉ tiêu du lịch tăng và ngược lại

8: mang dấu dương: trị giá tài sản tác động cùng chiều với

chi tiêu du lịch của họ Theo nhà kinh tế học Arthur Pigou -

người đầu tiên đề cập đến khái niệm “Wealth effect” (tạm dịch: hiệu ứng của cải) một người sẽ sẵn sàng chỉ tiêu nhiều hơn nếu như anh ta sỡ hữu nhiều tài sản hơn và sẵn sàng chỉ tiêu ít đi nếu như họ có ít tài sản Khi trị giá tài sản thấp đồng nghĩa với người đó có ít của cải thì chi tiêu du lịch của họ ít đi và ngược

lại

8, mang dấu âm: giá của một chuyến đi tác động ngược chiều đến chỉ du lịch Khi vé tăng lên, con người ít sẵn sàng bỏ tiền ra hơn đồng nghĩa với chi tiêu du lịch giảm Ngược lại, khi giá vé giảm họ chỉ tiêu cho du lịch ít hơn

Như vậy, việc biết được dấu của tham số hồi quy cần tìm không chỉ giúp ta đánh giá chính xác mối quan hệ giữa biến độc lập và phụ thuộc mà còn xác định đúng mô hình cần tìm

2 ƯỚC LƯỢNG MÔ HÌNH

Quy trình ước lượng mô hình từ việc nhập, xử lý số liệu và cho

kết quả đầu ra có thể chia làm những mục chính sau:

- Nhập dữ liệu vào phan mém SPSS

- Ước lượng mô hình hồi quy cổ điển (Mô hình 1) trong đó biến phụ thuộc CHIDULICH và biến độc lập lần lượt là GIATOUR;

TAISAN; va THUNHAP

- Ước lượng mô hình LOG-LIN (Mô hình 2) trong đó biến phụ

thuộc Log(CHIDULICH) và biến độc lập lân lượt là GIATOUR;

TAISAN; va THUNHAP

- Giải thích ý nghĩa thống kê của các tham số hồi quy, R? và

F ở mô hình 1 và mô hình 2

Một số quy ước về ký hiệu và phần mềm mà nhóm tác giả sử

dụng trong quá trình thực hiện:

-_ Nhóm tác giả sử dụng phần mềm SPSS - là phần mềm phổ biến dễ dàng sử dụng để nhập và phân tích dữ liệu Để tiện làm việc, chúng tôi đã cài đặt và thiết lập phần mềm trước đó Ngoài phần mềm SPSS còn có một số phần mềm khác có thể

dùng như Eviews, Stata,

- Tên biến được viết thường, không viết hoa, khoảng cách giữa 2 chữ dùng dấu “_”

NHẬP DỮ LIỆU VÀO PHẦN MỀM SPSS

Giả sử ta có bộ dữ liệu điều tra 30 người về những yếu tố tác

động đến chỉ tiêu du lịch của họ Cụ thể như sau:

Dựa vào bộ dữ liệu trên ta có các thông số cơ bản như sau:

- Có 30 quan sát được thu thập (n = 30)

-_ Biến phụ thuộc là CHIDULICH

- Những biến độc lập có tác động đến CHIDULICH là

THUNHAP, TAISAN, và GIATOUR

Với bộ dữ liệu trên, ta tiến hành mở phần mềm SPSS khai báo biến và nhập dữ liệu

Sau khi đã tải xong, ấn vào nút Window, trên thanh tìm

BQeeOFOMG= @aucudlealore

Phần mềm sau khi được mở sẽ có giao diện như sau:

Giao diện làm việc của SPSS có 2 cửa sổ làm việc được khoanh hình vuông như trên hình

- Data View: nơi dùng để nhập dữ liệu

- Variable: nơi dùng để nhập và khai báo biến

Để nhập dữ liệu vào SPSS, bước đầu tiên vào cửa sổ Variable

lÙ) 5 5

* a c *

Hình 2 4 Giao diện ở cửa sổ Variable view

và khai báo biến

Tại đây, ta cần quan tâm các thông số cơ bản sau để khai báo biến:

- Name: tên biến, lưu ý đặt tên biến không chứa space (khoảng trắng), các biến nên được viết bình thường để tiện

quan sát

- Type: kiểu dữ liệu của biến, kiểu dữ liệu chủ yếu được sử

dụng trong bài này là kiểu số - Numeric

- Width: độ rộng của dữ liệu được nhập vào, ví dụ như

“12.6” thì width là 4, lưu ý nên cài đặt Width phù hợp với bộ dữ

liệu

- Decimals: dùng để cài đặt chữ số sau phần thập phân

- Label: tên gán cho biến, có thể viết dấu và khoảng cách tùy ý thường dùng hiển thị ý nghĩa tên biến trong biểu đồ, vân

van

-_Columns: độ rộng của cột dữ liệu

10

- Measure: đơn vị đo lường, dùng để phân loại dữ liệu thuộc vào những loại nào bao gồm:

Scale: dữ liệu thang đo, thường là các giá trị số như GDP,

tỉ lệ thất nghiệp, vân vân Đây cũng là loại measure chính được dùng trong bài

Norminal: loại dữ liệu thể hiện các giá trị roi rac, không có thứ tự như giới tính, màu sắc, quốc gia

Ordinal: dữ liệu có thứ tự như mức đệ hài lòng, loại vé hạng 1, 2,

Khi đã hiểu rõ các thông số trên, chúng ta tiến hành nhập biến

23n8i« + Sia tà mS „ ni ola)

Name Type Width | Decimals Label Vai Missing Colums Align Measure Role

1 pbs Numeric 5 0 Quan sat None Nene 8 lett @ Scale SN Input

theo thu tu obs, thunhap, taisan, giatour va chidulich Sau day

la vi du vé bién obs, cac bién con lai khai bao tuong tu

Hình 2 5 Khai báo biến tại Variable view

Dưới đây là hình ảnh các biến bao gồm biến phụ thuộc và biến độc lập sau khi đã nhập xong

se say [Ds:a5Zf] - IIM SP See Ble Eat Data _Transtorm gnats Graphs nates Extensions Window Help

ae Rea BLS Hã5 at ole

Nene | Type [woah | Dscinats Missing | ohms [Ain HH mm

1 5 9 one None Bet # Scale Ninpt >

2 1 None 8 an #} Scale SV input

3 1 None 8 Brgt + se \ input

4 6 1 None a Rợv # Seie \ input

8 None 5 WRight # Scale \ input

Hình 2 6 Các biến sau khi khai báo xong

Tiếp theo, chúng ta chuyển sang giao diện Data View - nơi các biến đã khai báo xuất hiện dưới dạng cột và nhiệm vụ tiếp theo là nhập dữ liệu vào Dưới đây là hình ảnh minh họa

| @# obs # thunhap @taisan | giatour @ chidulich - log_chidulich

3.2 T14 9.5 + 1 10.0 225

Hình 2 7 Nhập dữ liệu vào Data view

Trên đây là tất cả các bước của phần nhập dữ liệu Hãy đảm

bảo rằng quá trình khai báo biến và nhập dữ liệu chính xác để tránh sai xót trong quá trình thực hiện Chúng ta sẽ thực hiện

chạy mô hình hồi quy trên SPSS ngay sau khi đã có dữ liệu

12

ƯỚC LƯỢNG MÔ HÌNH 1

Mô hình 1 là mô hình hồi quy bội nhiều biến Với số biến k = 3,

mô hình có dạng:

Y= Bi+B2Xo+ Bs Xai+Ba Xai

Với bộ dữ liệu để bài, thay biến phụ thuộc chidulich, biến độc

lập thunhap, taisan, giatour vào ta được mô hình cần tìm như

sau:

chidulich, = B,+ B.t hun hap,+B,taisan, +B, giatour,

Để tìm được mô hình hồi quy dựa trên mẫu dự liệu khảo sát ta phải biết được hệ số chặn Ø, và các hệ số hồi quy khác Vì vậy

để tìm chúng, ta sẽ thực hiện theo các bước sau trong SPSS Bước 1: tại giao diện Data View, trên thanh công cụ ấn

_ Bayesian Statistics Missing Columns Align Measure Role

1 Tables >» Hone None 8 & lett # Scale Ninput

2 thunhap Numeric Compere Means » None None 8 Right @ Scale ® Input

3 taisan Numeric a » Hone None 8 3@ Right # Scale ~ input

4 giatour N lumeric số Loài tang „ Noni Hone N lone 8 5 Right Right # Scale I inpul 1

5 chidulich Numenc , None None 8 @ Right @ Scale ® Input

6 log_chidulich Numeric Correlate » Hone | None 5 3% Right @ Scale ® Input

[Bi Automatic Linear Modeling

Loolinear »

Neural Networks ii cune Estimation

GB Partial Least Squares

1 Multiple Response > | El Nontinesr

1 EB missing value Analysis Fa Weight Estimation

chon Analyze, sau đó chọn tiếp vào Regression va ấn vào Linear như hình bên dưới

13

Sau khi thực hiện xong bước 1, cửa sổ Linear Regression

sẽ xuất hiện có dạng như hình bên dưới

@ Standardized Resi

@ Standardized Resi @œ WLS Weight:

Z2 [tReeet)| Cang) ,.Hep,)

Hình 2 9 Cửa sổ Linear Regression

# Quan sat [obs] 2 Chi du lich [chidulich} \

#` Thu nhập [thunhap] Block 1 ơ 1 - Tai san (taisan) =

£# Giá Tour [giatour) Preyious (Linen)

£ Log_Chidulich 'ứ :

@ Phansai_taisan # Thu nhập Rhunhapì

@ Phansai_thunhap («) @ Taisan [talsanj

& Phansai_giatour £# Giá Tour [giatour]

Hình 2 10 Điền biến vào cửa số Linear Regression

quả hoàn thành sẽ có dạng giống hình bên dưới

Bước 3: thiết lập các thông số như sau

Sau khi đã nhập xong biến độc lập và biến phụ thộc, ấn chọn Statistics và cài đặt như hình bên dưới và sau đó nhấn

a Linear Regression

Regression Coefficien [M Model fit

WV Estimates VW R squared change

#Confidence intervals (M Descriptives

4 Phans Level(%): ¥ Part and partial correlations

@ Phansai_| ©) Covariance matrix (M Collinearity diagnostics

(5 Casewise diagnostics

sa :

(Goninue] | cancel _ Help

" Unstandardized Dong andardiz k »| Bae.) —==

Standardized d Block 1 of 1

S.E of mean predictions Deleted Independent(s):

© Studentized deleted Thu nhdp tthunhap] (sme ) Distances Influence Statistics (+) @ Tai san [taisan] ( Bootstrap

| Mahalanobis © DiBetats) Giá Tour [glatour

| Cook's Standardized DfBeta(s) Metho Enter = |

| Leverage values DfFft

Prediction intervals Standardized DIFit Satection Vartabie:

7 Mean © inaivigual Covariance ratio :

Confidence Interval: % | Sase Labels:

L

Hình 2 12 Thiết lập thông số tại Save

1ó

Bước 4: Đọc kết quả hồi quy từ bảng Model Summary và bảng

a Predictors: (Constant), Giá Tour, Tài sản, Thu nhập

b Dependent Variable: Chi du lich

Hình 2 13 Bảng Model Summary cua mô hình 1

R (0,995): đây là hệ số thể hiện sự tương quan giữa biến độc lập và biến phụ thuộc

° R Square (0,991): hệ số xác định mô hình, với g? = 0,991 suy ra mô hình phù hợp và các biến thunhap, taisai, gitour giải thích được 99,1% biến phụ thuộc ch¡idulich

° Adfiusted R Square (0,990): Hệ số xác định điều chỉnh, đánh giá mức độ phù hợp của mô hình với dữ liệu khi có nhiều biến độc lập Giá trị 0,990 cho thấy rằng biến độc lập giải thích được 99,0% biến thiên của biến phụ thuộc

Mô hình rất phù hợp

* Std Error of the Estimate (1,4379): Độ lệch chuẩn của sai

số ước lượng nó cho biết mức độ sai lệch trung bình giữa giá trị thực tế và giá trị dự đoán

° F Change (928,543): Gia trị kiểm định F kiểm tra sự phù hợp của mô hình, xem mô hình có ý nghĩa thống kê hay không

» Sig F Change (1,5065E-26): đây là giá trị pvalue tương ứng với F Change dùng để kiểm định sự phù hợp của mô

17

hình Giá trị p nhỏ bằng 1,5065E-26 nhỏ hơn 0,05 cho thấy mô hình có ý nghĩa thống kê cao

18

Dựa vào bảng Coefficents ta có một kết quả quan trọng sau:

Coefficient’

Standard ized Unstandardized Coefficie Coefficients nts Correlations Collinearity Statistics Std Zero- Toleranc Model B Error Beta t Sig order Partial Part = VIF

1 (Constant) 532 825 645 524

Thu nhập -022 116 -018 -190 851 933 -.037 -.004 042 24.047 Tai san 801 273 235 2.936 007 911 499 055 055 18.086 Gia Tour 928 050 801 18400 000 989 964 347 188 5.331

a Dependent Variable: Chi du lich

Hình 2 14 Bảng Coefficient của mô hình 1 -

° Unstandardized: hệ số hồi quy chưa chuẩn hóa Ứng với

bộ dữ liệu ta có các hệ số như sau

* Constant (0,532): hé s6 chan Vi vay Ung với mô hình hồi

quy cần tìm ta có 8, = 0,532

giá trị âm và p-value = 0,851 > 0.05 có khả năng cao là biến thunhap không có ý nghĩa thống kê

° 8, (0,801): hệ số hồi quy của taisan

- 8, (0,928): hệ số hồi quy của giatour

° Sig : giá trị p-value, kiểm định ý nghĩa của các hệ số hồi

19

RỶ=99,1%

20

ƯỚC LƯỢNG MÔ HÌNH 2

Mô hình 2 là dạng mô hình Bán logarit (Semilog Models) Biến Y được lấy logarit (trong phần này chúng tôi lấy logarit theo cơ

số tự nhiên - LN), các biến độc lập giữ nguyên (Hùng & cs.,

2024, p 110) Mô hình 2 sẽ có dạng như sau

logé

Với bộ dữ liệu để bài, thay biến phụ thuộc chidulich, biến độc

lập thunhap, taisan, giatour vào ta được mô hình cần tìm như

sau:

log é

Tương tự như mô hình 1, để tìm được mô hình hồi quy ta cũng tìm hệ số chặn Ø, và các hệ số hồi quy khác Tuy nhiên, vì mô hình lấy logarit ở biến phụ thuộc nên ta thêm bước tạo biến

Quy trình thực hiện như sau:

Bước 1: Tạo biến mới lấy logarit biến chidulich và đặt tên

là log_chidulich Tại thanh công cụ, vào mục Transform chọn

Compute Variable nhu trong hinh

File Edit View Data Analyze Graphs Utilities Extensions Window Help

f@ Cgunt Values within Cases a

# obs 4 Shift Values ch # |g chidulich £ saiphan_

1 1 ¬ D = : B.6 225

2 2 Recode into Same Variables lo 240

3 3 Recode into Different Variables b3 251

Cửa sổ Compute Variable hiện ra, ta nhập tên biến mới vào Target Variable, ở đây chúng tôi đặt tên biến là

Expression nhập vào “LN(chidulich)” sau đó nhấn “OK” để

Hư Ieeee=enei log_ chidulich = | UN(chidulich) |

‹£? Chi du lịch (chid Arithmetic

em Gale) Ean) [estore

@ saiphan_thunhap Conversion

sme (j@j@jWÔ@Wj@BỒ [>>>

@ saiphan_giatour Date Arithmetic

@ saiphan_chidulich Date Creation

@ chenhiech_thun unctions and Special Variables

(Gaocptionat case selection condition)

; ( # } taste | eset cancel) _Hete_) hoan tat Taye bide BR BAAD EA Ge Kai Compute

Variable

Bước 2: Sau khi đã có biến log_chidulich ta tiến hành hồi

quy như mô hình 1 Vào Analyze chọn Regression và chọn tiếp Linear

Bước 3: Cửa sổ Linear Regression hiện ra, hãy nhập biến

@ Thu nhap [thunhap] (sue)

- # Tai san [taisan] { Bootstrap

# Giá Tour [giatour]

Sau đó, nhấn OK để chạy mô hình Dưới đây là hình ảnh minh

họa

Bước 4: Cài đặt thông số trong Statistics, Save như phần cài đặt ở mô hình 1

Regression Coefficien VY Mocel mt Predicted Values Residuals

v Estimates V R squared change Unstancarazed Upstandarazed

¥ Confidence intervals ý Descnptves Standardized v Standardized

Level(%} [95 ¥ Part anc partial correlations Adjusted Studentzed Coyanance matra ‘J Collinearity diagnostcs SE_ of mean predictions Deleteơ

Studgntzec deleted Residuals 1

j Leverage values Ora

ee | » Prediction Intervals Standardized DiFit

(come) cnc ioe) ( Men waa cay

enemas T ] ‘ Confidence interval *

| + Coeficient statistics

Create coefficient statstcs

_ — | Rr)

Ứ Indude me covariance ee

(Gonanve) cancel |_ Help

Hình 2 18 Thông số trong Statistics và Save

R R the Square F Sig F Durbin-

Model R Square Squae Estimate Change Change = df1 df2 Change Watson

1 990° 980 978 07819 980 434.478 3 26 000 1.661

a Predictors: (Constant), Giá Tour, Tài sản, Thu nhập

b Dependent Variable: Log(Chi du lich)

Hình 2 19 Bảng Summary của mô hình 2

23

-Ò R (0,990): sự tương quan giữa các biến độc lập và biến

* Std Error of the Estimate (0,0782): độ lệch chuẩn của sai

số ước lượng rất nhỏ, cho thấy giá trị ước lượng gần với giá trị thực tế

° F Change (434,478): Gia trị kiểm định F kiểm tra sự phù hợp của mô hình

» Sig F Change (2,5389E-22): đây là giá trị p-value tương

ứng với F Change dùng để kiểm định sự phù hợp của mô hình Giá trị p nhỏ bằng 2,5389E-22 nhỏ hơn 0.05 cho thấy mô hình có ý nghĩa thống kê cao

Kết quả ở bảng Coefficients:

Statistics Standard

ized Unstandardized Coefficie Coefficients nts Correlations Collinearity Statistics Std Zero- Toleranc Model Variables B Error Beta t Sig order Partial Part e VIF

1 (Constant) 1.942 045 43.270 000 Thu nhập 023 006 490 3647 001 977 582 100 042 24.047 Tài sản 021 015 161 1.383 178 955 262 038 055 18.086 Gia Tour 016 003 366 5.785 000 948 750 159 188 §.331

a Dependent Variable: Log(Chi du lich)

Hinh 2 20 Bang Coefficient cua m6 hinh 2

* Unstandardized: hé s6 héi quy chua chudn hoa Ung véi

bộ dữ liệu ta có giá trị của hệ số hồi quy như sau

* Constant (1,942): hệ số chặn Ứng với mô hình hồi quy

cần tìm ta có ổ, = 1,942

»° 8, (0,023): hệ số hồi quy của thunhap

24

° 8, (0,021): hệ số hồi quy của taisan

* ÿ, (0,016): hệ số hồi quy của giatour

° Sig : giá trị p-value, kiểm định ý nghĩa của các hệ số hồi quy Cả 3 biến thunhap, taisan, giatour và hệ số chặn đều

có giá trị p-value nhỏ hơn 0.05 cho nên tất cả chúng đều

có ý nghĩa thống kê và đều có tác động đến biến log_chidulich

Bước 6: Viết mô hình từ các kết quả vừa tìm được

log(chidulich 3= 1,942+ 0,023 thunhap, + 0,021taisan, + 0,016 giafour;

R?=98,0% NHẬN XÉT 2 MÔ HÌNH

Đối với mô hình 1, dựa vào bộ dữ liệu và độ tin cậy 95% ta có thể phát biểu về các hệ số hồi quy ô,, 8,, 8., 8, như sau:

8, = 0.532 = Ÿ„„ (khi thunhap = taisan = giatour = 0)

(thunhap = taisan = giatour = 0) đồng nghĩa với khi thu

nhập không có, tài sản có thể mất hết và giá tour giảm cực thấp Chỉ tiêu du lịch tối thiểu trung bình được ghi nhận là 532

000 đồng/năm

~

8, = -0.222 < 0, thu nhập cá nhân và chỉ tiêu du lịch

nghịch biến Tuy nhiên, do p-value = 0.851 > 0.05 nên thunhap không có ý nghĩa thống kê Hay nói các khác, thu nhập cá nhân không ảnh hưởng đến chỉ tiêu du lịch trong mô hình này

B; = 0.801 > 0, trị giá tài sản và chỉ tiêu du lịch đồng biến Khi thu nhập cá nhân và giá 1 chuyến đi du lịch giữ

nguyên Nếu trị giá tài sản tăng (hoặc giảm) 1 tỷ đồng thì chỉ tiêu du lịch tăng (hoặc giảm) trung bình 801 000 đồng/năm

8, = 0.928 > 0, giá 1 chuyến du lịch đồng biến với chỉ tiêu

du lịch

25

Khi thu nhập cá nhân và trị giá tài sản giữ nguyên Nếu giá cho 1 chuyến đi tăng (hoặc giảm) 1 triệu đồng thì chi tiêu cho

du lịch tăng (hoặc giảm) trung bình 928 000 đồng/năm Điều này có thể giải thích rằng người tiêu dùng sẵn sàng chỉ nhiều hơn khi giá trị tour (chất lượng, trải nghiệm) tăng lên

Đối với mô hình 2, dựa vào bộ dữ liệu trên, với độ tin cậy

95% ta có thể phát biểu về các hệ số hồi quy 8,, 8,, 8,, 8, như

sau:

8, = 1.942 = Log(Ÿ¡¿¿, ~ ?,—e'*?=6,973 Với điều kiện (khi thunhap = taisan = giatour = 0) Ÿ,=6,973 nghĩa là khi các yếu tố khác không đổi, chỉ tiêu du lịch bình quân của người dân là 6 973 000 đồng/năm

F Change = 434, 478 > Fsø:zs;=2.947.Hàm hồi quy hoàn toàn phù hợp và có thể đại diện được cho tổng thể Hay nói cách khác, ít nhất một trong 3 biến độc lập là thu nhập cá nhân, trị giá tài sản hoặc giá một chuyến đi giải thích được cho chỉ tiêu

du lịch

26

Ý NGHĨA THỐNG KÊ CỦA CÁC THAM SỐ HỒI QUY, n, F

Kiểm định các tham số hồi quy 0

Để xem xét các hệ số hồi quy có ý nghĩa thống kê ở độ tin cậy 95% hay không ta có thể thực hiện theo 2 phương pháp: kiểm định t và sử dụng giá trị p-value

- Bước 3: So sánh giá trị t với giá trị tới han core

- Bước 4: Kết luận bác bỏ hay chấp nhận Ho

Phương phap p-value

- Bước 1: Đặt cặp giả thuyết: H,:B,z0

-_ Bước 2: Tính giá trị boa p= Bi

se( B;)

- Bước 3: Tính giá trị p-value = p(lt,zs lap >ltl)

- Bước 4: So sánh giá trị p-value với a = 0,05 và kết luận

Đối với mô hình 1:

Chúng tôi sử dụng phương pháp p-value để dễ dàng kiểm định

ý nghĩa của hệ số hồi quy trên SPSS Tuy nhiên, thay vì tính tay trực tiếp thì trong SPSS đã tính sẵn giá trị p-value (nằm ở cột

27

Sig ) trong SPSS Như vậy ta chỉ cần đặt giả thuyết sau đó so sánh giá trị p-value của từng hệ số hồi quy với a = 0,05 và kết

luận

Standard ized Unstandardized Coefficie Coefficients nts Correlations Collinearity Statistics Std Zero- Toleranc Model B Error Beta t Sig order Partial Part e VIF

1 (Constant) 532 825 645 524

Thu nhap -.022 116 -018 -.190 851 933 -.037 -.004 042 24.047 Tai san 801 273 235 2.936 007 911 499 055 055 18.086 Gia Tour 928 050 801 18400 000 989 964 347 188 5.331

+ Chap nhan Ho, hệ số chặn không có ý nghĩa thống kê đối với

mô hình Nghĩa là, khi thu nhập và tài sản bằng 0 (hoàn toàn không có thu nhập) và giá tour giảm cực thấp thì chi tiêu du lịch trung bình là một số bằng 0 Hay nói cách khác khi không

có thu nhập, tài sản thì không chỉ tiêu cho du lịch

Kiểm định B,

> nw * Hạ:B,=0

Giả thuyết răng H,:B, 20

Dua vao bang Coefficient ta cé:

p-value = 0,851 > 0,05

—- Chấp nhận Ho, hệ số 8; không có ý nghĩa thống kê Nghĩa là, thu nhập không giải thích được cho chỉ tiêu du lịch trong mô hình này

Kiểm định ổ;

28

Trong 4 hệ số hồi quy (bao gồm hệ số chặn) chỉ có B; va 8; là có

ý nghĩa thống kê: khi có tài sản thì có chi tiêu du lịch và đồng thời phụ thuộc vào giá của chuyến đi đó Mặc khác nếu như

không có thu nhập và không có tài sản thì không đi du lịch

29

Đối với mô hình 2:

Các bước thực hiện tương tự như mô hình 1: sử dụng p-value so

sánh với z và kết luận

Statistics

Standard ized Unstandardized Coefficie Coefficients nts Correlations Collinearity Statistics

Std Zero- Toleranc Model Variables B Error Beta t Sig order Partial Part e VIF

1 (Constant) 1.942 045 43.270 000 Thu nhap 023 006 490 3.647 001 977 582 100 042 24.047 Tai san 021 015 161 1.383 178 955 262 038 055 18.086 Gia Tour 016 003 366 5.785 000 948 750 159 188 5.331

a Dependent Variable: Log(Chi du lich)

- Bác bỏ Ho, hệ số Bg, có ý nghĩa thống kê Nghĩa là, khi thu

nhập và tài sản bằng 0 (hoàn toàn không có thu nhập) và giá

tour giảm cực thấp thì chỉ tiêu du lịch bình quân của người dân

là 6 973 000 đồng/năm

Kiểm định B,

Giả thuyết rằng Hp 20 Dua vao bang Coefficient ta cé:

p-value = 0,001 < 0,05

~ Bác bỏ Ho, hệ số Ø; có ý nghĩa thống kê Nghĩa là, thu nhập

có tác động đến chỉ tiêu du lịch trong mô hình 2

Kiểm định 8;

Hạ:B;=0

Gia thuyét rang |, :8, z0

30

Dựa vào bảng Coefficient ta có:

Nhận xét chung:

Ở mô hình 2, chỉ có Ø,, 6; và 8, là có ý nghĩa thống kê: khi có

thu nhập thì có chỉ tiêu du lịch, đồng thời phụ thuộc vào giá của chuyến đi đó Mặc khác khi không có tài sản thì không đi

Mô hình 2

Hệ số xác định Rr’? = 0,980 cho biết: mô hình giải thích được

khoảng 98% sự biến động của chỉ tiêu du lịch Hay nói cách khác, các biến độc lập thu nhập của cá nhân, giá trị tài sản và chi phí cho 1 chuyến đi giải thích được 98% sự thay đổi của chỉ tiêu du lịch; còn lại 2% do các yếu tố ngẫu nhiên gây ra

Kiểm định F

31

Kiểm định F hay còn gọi là kiểm định R nhằm xác nhận mức độ phù hợp của mô hình, xem xét các biến độc lập có tác động đến biến phụ thuộc hay không Các bước thực hiện như sau:

- Bước 1: Đặt cặp giả thuyết: H,:R?⁄0

- Bước 2: Tính giá trị kiểm định F

_R7/Œ-1) (1-R?Y(n-k)

- Bước 3: Tra bảng giá trị tới hạn F„„_u„ ¿,¿

Sau đây ta tiến hành kiểm định ở 2 mô hình:

Mô hình 1

Model Summary"

Std Change Statistics Adjusted Error of R

R R the Square F Sig F Durbin- Model R Square Square Estimate Change Change df1 df2 Change Watson

1 995° 991 990 1.4379 991 928.543 3 26 000 1.833

a Predictors: (Constant), Gia Tour, Tai san, Thu nhập

b Dependent Variable: Chi du lich

Hình 2 23 Bảng Model Summary m6 hinh 1

ạ: RỶ=0: hàm hồi quy không phù hợp

y 9 H,:R”Z0: hàm hồi quy phù hợp

Ta CO Foos-6-27) = 2,947 Dua vao bang Model Summary ta cé:

F = 928, 543 > Fo os-b:271 = 2,947

32

- Bác bỏ Ho, hàm hồi quy phù hợp Nói các khác, ít nhất một

trong 3 biến độc lập có giải thích cho chỉ tiêu du lịch

Mô hình 2

Std Change Statistics Adjusted Error of R

R R the Square P Sig F Dưrbin- Model R Square Square Estimate Change Change df1 df2 Change Watson

1 990° 980 978 07819 980 434.478 3 26 000 1.661

a Predictors: (Constant), Gia Tour, Tai san, Thu nhap

b Dependent Variable: Log(Chi du lich)

Hình 2 24 Bảng Model Summary mô hình 2

Ta CÓ F ops: 8-27) = 2,947 Dua vao bang Model Summary ta cé:

F = 434,478 > Foos 2) = 2,947

-„ Bác bỏ Ho, hàm hồi quy phù hợp Nói các khác, ít nhất một

trong 3 biến độc lập có giải thích cho chỉ tiêu du lịch

33

3 ĐÁNH GIÁ DẤU THAM SỐ HỒI QUY, DẤU HIỆU ĐA

CỘNG TUYẾN

Như đã trình bày ở câu 1, ta kỳ vòng vào ổ; mang dấu dương, 8; dương và 8, âm Sau khi phân tích dữ liệu dựa trên phân mềm SPSS thu được 2 phương trình hồi quy ta kiểm tra xem dấu của các tham số có đúng như kỳ vọng không

Đối với mô hình 1:

chidulich,= 0.532+ -0.222thunhap, + 0.801 taisan,+ 0.928 giatour,

- 8; mang dấu (-): không đúng như kỳ vọng Theo đó, nếu thu nhập của cá nhân tăng lên dẫn đến chỉ tiêu du lịch giảm hay khi thu nhập giảm dẫn đến chỉ tiêu du lịch tăng Điều này

trái với kỳ vọng và hoàn toàn không đúng trên thực tế

- 8; mang dấu (+): đúng như kỳ vọng, trị giá tài sản có mối quan hệ cùng chiều với chi tiêu du lịch

- B, mang dau (+): không đúng như kỳ vọng Khi giá vé chuyến đi tăng, chỉ tiêu du lịch tăng và giá vé giảm làm cho chỉ tiêu giảm Điều này hoàn toàn không phù hợp và trái với kỳ vọng Tuy nhiên, điều này có thể chấp nhận vì họ sẽ sẵn sàng

bỏ ra mức giá cao hơn để sỡ hữu chất lượng và dịch vụ tốt hơn

Đối với mô hình 2:

log( chidulich ),= 1,942+ 0,023 thunhap, + 0,021 taisan, + 0,016 giatour,

- 8; mang dấu (+): đúng như kỳ vọng vì khi thu nhập tăng lên họ có xu hướng chỉ tiêu nhiều hơn cho các hoạt động giải trí chẳng hạn như du lịch

- ; mang dấu (+): đúng như kỳ vọng cho thấy rằng khi giá trị tài sản tăng khiến cho 1 người chỉ tiêu du lịch nhiều hơn vì

họ có điều kiện tài chính tốt và sẵn sàng chỉ tiêu cho các hoạt động như du lịch

34

- ổ, mang dấu (+): không đúng như kỳ vọng, giá tour tăng làm tăng chỉ tiêu du lịch Một cách phổ biến, giá vé ảnh hưởng rất lớn đến chỉ tiêu du lịch Khi giá vé tăng có xu hướng làm chi tiêu du lịch giảm Tuy nhiên, điều này có thể chấp nhận vì họ sẵn sàng bỏ ra mức giá cao hơn để sỡ hữu chất lượng và dịch

1 (Constant) 532 825 645 524 Thu nhép -022 116 -018 -.180 851 93 -037 -004 042 24.047 Tài sản 801 273 235 2936 007 911 499 055 055 18.086 Giá Tour 928 050 801 18.400 000 989 964 347 188_ 5.331

a Dependent Variable: Chi du lich

1 (Constant) 1,942 045 43270 000 Thu nhập 023 006 490 3647 001 977 582 100 042 24.047

¬ có hiện tượng đa cộng tuyến vì VIF > 2 ở cả 3 biến Tuy

nhiên, xảy ra hiện tượng đa cộng tuyến cao giữa biến thunhap

và biến taisan vì VIF của 2 biến này lớn hơn 10

Việc xảy ra hiện tượng đa cộng tuyến là rất nghiêm trọng làm giảm tính chính xác của ước lượng OLS Vì vậy để làm rõ hơn