bài tập thực hành kinh tế lượng

Bằng trực quan, Anh/ chị hãy nhận xét ngắn gọn về mối quan hệ giữa 02 chỉ số trên dựa trên đồ thị này.. Sử dụng lệnh CORREL trong EXCEL, hãy xác định hệ số tương quan tuyến tính giữa TEL

BÀI TẬP THỰC HÀNH KINH TẾ LƯỢNG

Bài 1: Hồi quy tuyến tính đơn trên Excel và Eviews.

Câu 1:

Tìm hiểu về nhu cầu sử dụng điện thoại, ông Bình đã sử dụng bộ dữ liệu của Singapore giai đoạn 1960-1981 với 2 biến sau:

TEL: Số lượng máy điện thoại trên 1000 người.

GDP: Tổng sản phẩm quốc nội theo đầu người, tại mức giá cơ cấu tính theo

đô la Singapore năm 1968.

1961 37 1365 1972 102 3033

1962 38 1409 1973 114 3317

1963 41 1549 1974 126 3487

1964 42 1416 1975 141 3575

1965 45 1473 1976 163 3784

1966 48 1589 1977 196 4025

1967 54 1757 1978 223 4286

1968 59 1974 1979 262 4628

1969 67 2204 1980 291 5038

1970 78 2462 1981 317 5472

a Vẽ đồ thị phân tán điểm cho tập dữ liệu trên Dùng trục hoành cho biến GDP và trục tung cho biến TEL Bằng trực quan, Anh/ chị hãy nhận xét ngắn gọn về mối quan hệ giữa 02 chỉ số trên dựa trên đồ thị này.

b Hãy tính các trị thống kê tổng hợp cho các biến GDP và TEL (trung bình phương sai, độ lệch chuẩn, đồng phương sai).

c Sử dụng lệnh CORREL trong EXCEL, hãy xác định hệ số tương quan tuyến tính giữa TEL và GDP Giải thích ý nghĩa của hệ số tương quan.

d Anh/Chị hãy cho biết có mối tương quan tuyến tính giữa TEL và GDP ở mức ý nghĩa α = 5% hay không ?.

Câu 2:

Sử dụng dữ liệu câu 1 Chị Hiền, sinh viên khóa 50 đã đề nghị mô hình hồi quy tuyến tính cho vấn đề này như sau:

TELt = α + βGDPt + Ut Chị Hiền đã ước lượng các hệ số độ dốc và tung độ gốc của mô hình trên lần lượt bằng cả 4 cách sau đây:

- Tính toán dựa trên các công thức của Phương pháp bình phương tối thiểu thông thường (OLS).

- Sử dụng các lệnh SLOPE và INTERCEPT trong EXCEL.

- Sử dụng công cụ DATA ANALYSIS trong EXCEL.

- Dùng công cụ ADD TRENDLINE trong EXCEL.

a Anh chị hãy thực hiện lại các cách mà chị Hiền đã làm và viết phương trình hồi quy ước lượng của mô hình trên.

b Giải thích ý nghĩa của hệ số độ dốc và tung độ gốc của mô hình trên.

c Hãy xác định xem có mối quan hệ tuyến tính có ý nghĩa về mặt thống kê với mức ý nghĩa α = 5% giữa số lượng sở hữu máy điện thoại và chỉ số GDP theo đầu người tại Singapore?

d Hãy tính hệ số xác định r2 Giải thích ý nghĩa hệ số này?

e Hãy vẽ đồ thị của đại lượng sai số trong mẫu et (với et trên trục tung và thời gian (năm) trên trục hoành) Bằng trực quan, anh (chị) hãy nhận xét sự phân tán của các giá trị et trên đồ thị này.

Câu 3:

Hãy chuyển dữ liệu câu 1 sang phần mềm EVIEWS (dữ liệu về số lượng máy điện thoại trên 1000 người, tổng sản phẩm quốc nội theo đầu người của Singapore giai đoạn 1960-1981).

Sử dụng phần mềm EVIEWS thực hiện các yêu cầu sau:

a Vẽ đồ thị phân tán của hai biến trên (Dùng trục hoành cho biến GDP).

b Tính hệ số tương quan cho biến TEL và GDP và kiểm định hệ số tương quan với mức ý nghĩa 5%?

c Tính các trị thống kê tổng hợp cho biến TEL và GDP.

d Ước lượng phương trình hồi quy tuyến tính sau: TELt = α + βGDPt + Ut.

e Xác định khoảng tin cậy 95% cho hệ số độ dốc Anh/ Chị nhận xét gì về khoảng tin cậy này?

f Hãy vẽ đồ thị của đại lượng sai số trong mẫu (phần dư) et theo GDPt (với et trên trục tung) Anh/ Chị hãy nhận xét sự phân tán của các giá trị et trên đồ thị này.

Bài 2: Hồi quy tuyến tính bội trên Excel và Eviews.

Câu 1: Dữ liệu có các biến như sau:

Y : Lượng thịt gà tiêu dùng bình quân đầu người (pound)

X2 : Thu nhập khả dụng bình quân đầu người (USD)

X3 : Giá bán lẻ của thịt gà (cent/pound)

X4 : Giá bán lẻ của thịt bò (cent/pound)

X5 : Giá bán lẻ của thịt heo (cent/pound)

X6 : Giá bán lẻ bình quân có trọng số của thịt bò và thịt heo (cent/pound)

Ghi chú: Yếu tố lạm phát đã được loại trừ.

Yêu cầu:

a Anh/chị hãy hồi quy Y theo X2 X3 X4 và X5 Từ kết quả hồi quy cho biết thịt

bò và thịt heo là hàng hóa bổ sung hay hàng hóa thay thế cho thịt gà?

b Anh/chị hãy thêm biến X6 vào mô hình ở câu a và ước lượng lại các hệ số trong

mô hình Anh/chị có nhận xét gì về kết quả ước lượng?

c Hãy đề xuất một mô hình theo đó có thể ước lượng trực tiếp các hệ số co dãn của các X theo Y và so sánh với các hệ số co dãn tính gián tiếp từ mô hình mà anh chị xây dựng ở phần b.

YEAR Y X2 X3 X4 X5 X6

1970 40.4 768.2 38.6 73.2 106.1 93.3

1971 40.3 843.3 39.8 67.8 104.8 89.7

1973 40.4 931.1 52.1 95.4 124.1 113.5

1974 40.7 1021.5 48.9 94.2 127.6 115.3

1975 40.1 1165.9 58.3 123.5 142.9 136.7

1976 42.7 1349.6 57.9 129.9 143.6 139.2

1977 44.1 1449.4 56.5 117.6 139.2 132

1978 46.7 1575.5 63.7 130.9 165.5 132.1

1979 50.6 1759.1 61.6 129.8 203.3 154.4

1980 50.1 1994.2 58.9 128 219.6 174.9

1981 51.7 2258.1 66.4 141 221.6 180.8

1982 52.9 2478.7 70.4 168.2 232.6 189.4

Câu 2: Dữ liệu cho câu 2 chứa các biến được mô tả như sau:

Y : Lượng cầu hoa hồng (lố/quý)

X2: Giá bán trung bình hoa hồng trong quý ($/lố)

X3: Giá bán trung bình hoa cẩm chướng trong quý ($/lố)

X4: Thu nhập khả dụng của hộ gia đình ($/tuần)

Yt = β1 + β2X2t + β3X3t + β4X4t + Ut (1)

LnYt = α1 + α2LnX2t + α3LnX3t + α4LnX4t + εt (2)

TT Y X2 X3 X4

a Bằng lý thuyết cung cầu Anh/Chị hãy xác định dấu kỳ vọng của các hệ số β trong mô hình (1)

b Sử dụng Eviews để ước lượng mô hình (1) và (2) Giải thích kết quả ước lượng của từng mô hình.

c Theo Anh/Chị thì mô hình nào sẽ dự báo lượng cầu hoa hồng tốt hơn? Giải thích lập luận riêng của các anh chị.

Câu 3: Các biến trong dữ liệu câu 3 được giải thích như sau:

Y = Lượng cáp điện thoại lắp đặt hàng năm (triệu feet / năm)

X2 = GNP (tỉ Đô la)

X3 = Số lượng nhà dân cư (1000 nhà/năm)

X4 = Tỉ lệ thất nghiệp (%)

X5 = Lãi suất cơ bản khách hàng được vay (%)

X6 = Tỷ lệ hiệu quả đường dây khách hàng được hưởng (%)

1992 5873 1051.8 1503.6 3.6 5.8 5.9

Mô hình ước lượng cầu lắp đặt cáp điện thoại có dạng như sau:

Yt = α1 + α2X2t + α3X3t + α4X4t (3)

Yt = β1 + β2X2t + β3X3t + β4X4t + β5X5t + β6X6t + Ut (4)

a Bằng lý thuyết cung cầu Anh/Chị hãy nêu dấu kỳ vọng của các hệ số β trong mô hình (3) và (4).

b Ước lượng các hệ số trong mô hình (3) và (4) bằng Eviews.

c Anh/Chị chọn mô hình (3) hay (4)? Giải thích lập luận riêng của các anh chị.

Câu 4: File data- marketing chứa số liệu điều tra của 360 hộ dân tại Nha Trang

vào năm 2007 Số liệu gồm:

Cột 1 Mã hộ: đánh số thứ tự từ 1 –360.

Cột 2 Lượng thịt heo tiêu thụ bình quân/hộ/tuần (kg/hộ/tuần)

Cột 3 Lượng thịt bò tiêu thụ bình quân/hộ/tuần (kg/hộ/tuần)

Cột 4 Lượng thịt gà tiêu thụ bình quân/hộ/tuần (kg/hộ/tuần)

Cột 5 Giá thịt heo (đồng/kg)

Cột 6 Giá thịt bò (đồng/kg)

Cột 7 Giá thịt gà (đồng/kg)

Cột 8 Số người trong hộ (người/hộ)

Cột 9 Thu nhập bình quân đầu người/năm (triệu đồng/người/năm)

Cột 10 Độ tuổi bình quân/người của hộ điều tra (số tuổi bình quân/người)

Cột 11 Trình độ học vấn bình quân/người của hộ điều tra (số năm đến trường bình

quân/người)

HH code Pork/hh/w Beef/hh/w Chick/hh/w P pork P beef P chick HH size Income/cap Avg age Educational

1 4.20 0.20 0.90 40.000 60.000 25.000 3 8.00 31.0 6.3

2 3.50 0.63 1.00 20.000 40.000 20.000 6 2.40 19.1 9.8

3 1.50 0.40 0.50 32.000 50.000 30.000 6 5.00 41.3 4.7

4 2.30 0.50 1.20 30.000 40.000 20.000 5 5.40 31.6 9.8

5 3.50 0.33 0.42 32.000 50.000 30.000 5 7.20 24.8 7.3

6 3.50 0.40 0.50 18.000 50.000 20.000 6 2.40 33.6 4.2

7 1.50 1.20 0.50 29.000 40.000 20.000 3 5.20 29.0 10.0

8 0.90 0.20 1.05 32.000 50.000 20.000 3 9.00 22.3 14.0

9 0.40 0.40 0.45 35.000 50.000 20.000 6 5.80 24.5 8.5

10 2.00 0.00 0.23 32.000 40.000 20.000 3 10.00 53.0 2.7

11 2.00 0.40 0.39 30.000 50.000 20.000 6 4.40 21.9 5.0

12 0.71 0.20 0.50 32.000 40.000 20.000 3 5.48 21.7 8.5

13 1.00 0.29 1.50 32.000 50.000 18.000 4 4.50 31.0 12.8

14 3.50 1.00 1.00 32.000 40.000 35.000 6 6.00 37.3 9.8

15 2.00 0.60 0.40 30.000 40.000 20.000 3 27.20 24.0 9.5

16 3.50 0.50 0.25 32.000 40.000 30.000 3 8.00 29.7 15.7

17 3.50 0.29 0.50 35.000 50.000 18.000 4 3.15 31.0 12.0

18 1.71 0.30 1.00 30.000 45.000 25.000 4 10.20 36.8 8.5

19 3.00 0.30 2.00 35.000 45.000 18.000 4 6.30 29.0 8.0

20 2.00 1.00 1.00 35.000 40.000 20.000 3 7.20 20.9 14.0

21 1.00 0.30 0.35 32.000 45.000 28.000 4 3.60 19.0 9.5

22 2.50 1.40 2.00 29.000 40.000 20.000 5 7.74 35.0 7.4

23 4.00 2.00 1.00 30.000 34.000 20.000 10 18.00 29.9 8.4

24 0.60 0.00 0.67 35.000 32.000 22.000 5 3.60 22.8 5.8

25 3.50 0.30 0.35 32.000 35.000 28.000 4 7.63 28.8 13.3

26 2.50 0.60 2.00 30.000 40.000 20.000 7 5.83 29.3 8.5

27 1.00 0.60 0.70 35.000 40.000 28.000 8 4.50 27.9 9.7

28 1.20 0.45 0.54 35.000 40.000 28.000 6 4.40 29.5 11.0

29 2.00 0.60 1.80 35.000 40.000 20.000 3 8.40 20.0 10.5

30 2.50 1.80 1.00 35.000 40.000 28.000 3 4.40 32.7 9.7

31 1.00 0.50 1.00 35.000 40.000 20.000 5 4.32 22.6 8.5

32 3.50 2.00 2.00 35.000 40.000 28.000 4 7.80 24.3 9.0

33 0.20 0.00 0.38 35.000 40.000 22.000 3 5.38 43.7 6.0

34 0.80 0.40 1.00 35.000 40.000 25.000 4 35.90 26.0 7.7

35 2.40 0.83 0.25 30.000 40.000 20.000 5 10.66 27.8 3.0

36 0.50 1.00 0.60 35.000 40.000 28.000 4 5.24 19.5 7.0

37 1.70 0.30 2.00 30.000 40.000 20.000 4 12.35 24.8 8.8

38 1.40 0.30 0.50 32.000 40.000 20.000 5 7.34 21.2 6.6

39 1.40 0.20 1.00 30.000 40.000 27.000 4 4.50 20.3 6.5

40 1.40 0.13 0.25 30.000 40.000 20.000 3 9.20 54.3 6.3

41 0.50 1.00 0.75 35.000 40.000 35.000 4 6.00 19.0 8.7

42 3.00 0.50 1.00 30.000 40.000 20.000 4 5.48 21.0 9.0

43 0.40 0.50 0.50 35.000 40.000 20.000 5 2.99 42.0 7.0

44 1.00 1.00 2.10 35.000 40.000 15.000 5 7.76 27.2 9.4

45 0.50 0.13 0.25 35.000 40.000 20.000 3 2.08 52.0 2.2

46 1.50 0.60 1.00 35.000 40.000 20.000 8 1.59 32.4 6.3

47 0.80 0.50 1.00 35.000 40.000 25.000 5 3.60 15.0 7.7

48 1.50 1.00 1.00 35.000 40.000 22.000 8 3.30 23.5 10.3

49 0.30 0.53 3.00 40.000 40.000 20.000 7 3.09 24.1 6.2

50 2.80 0.30 0.50 25.000 40.000 20.000 5 4.80 36.6 8.5

51 3.50 0.80 3.50 35.000 45.000 24.000 5 9.60 31.2 3.5

52 3.00 0.50 1.00 32.000 45.000 28.000 5 3.60 33.6 12.8

53 0.40 1.00 0.55 35.000 45.000 28.000 6 5.40 37.0 11.0

54 2.00 0.45 0.56 30.000 45.000 28.000 6 3.00 37.2 7.4

55 2.00 0.39 0.70 30.000 45.000 20.000 5 2.84 36.2 6.8

56 1.00 0.32 0.50 32.000 45.000 25.000 4 0.90 27.0 2.8

57 2.00 1.00 1.67 32.000 45.000 18.000 7 4.03 29.3 8.0

58 0.33 0.00 0.38 35.000 45.000 26.000 4 3.00 30.3 9.0

59 0.60 0.32 2.80 35.000 45.000 22.000 4 3.80 26.3 9.3

60 7.00 0.50 1.20 32.000 45.000 22.000 5 12.09 32.6 7.8

61 5.00 0.47 0.70 35.000 50.000 28.000 4 12.17 30.0 7.5

62 3.00 0.00 4.00 30.000 40.000 16.000 8 8.79 39.9 9.4

63 1.00 1.00 0.75 35.000 40.000 22.000 6 4.35 31.8 3.0

64 3.50 0.50 1.00 35.000 45.000 20.000 6 13.15 26.5 12.2

65 2.00 1.60 1.40 35.000 35.000 25.000 2 18.25 58.5 6.0

66 2.00 0.00 1.50 25.000 40.000 18.000 3 8.11 20.6 13.0

67 0.50 0.50 0.38 35.000 40.000 26.000 4 4.87 22.3 7.5

68 1.00 0.20 1.00 32.000 45.000 20.000 4 3.04 17.5 4.6

69 2.10 0.23 0.23 35.000 40.000 20.000 3 3.24 16.7 10.0

70 0.50 0.45 0.23 32.000 32.000 25.000 2 3.65 36.0 14.0

71 0.23 0.42 0.28 35.000 40.000 20.000 5 3.77 18.8 4.8

72 0.77 0.60 0.29 35.000 40.000 26.000 3 1.66 34.6 7.0

73 0.70 1.40 1.97 30.000 40.000 18.000 7 4.69 28.7 3.4

74 5.60 0.00 9.10 30.000 30.000 18.000 13 11.62 28.6 9.0

75 3.00 1.00 2.50 35.000 40.000 20.000 5 14.55 32.0 8.0

76 1.00 0.40 1.20 30.000 40.000 22.000 4 5.17 18.8 8.3

77 0.50 0.00 1.00 35.000 45.000 28.000 4 7.91 40.3 8.0

78 7.00 1.50 4.20 32.000 40.000 24.000 6 20.28 28.8 13.0

79 1.00 0.30 1.00 32.000 45.000 28.000 3 6.67 50.7 3.3

80 2.50 0.42 0.50 32.000 40.000 20.000 5 2.88 40.2 8.3

81 3.00 2.80 0.70 35.000 50.000 25.000 4 8.40 28.5 10.0

82 0.50 0.25 0.80 30.000 40.000 20.000 6 4.00 34.8 4.4

83 2.00 0.50 0.50 35.000 40.000 25.000 9 1.76 25.7 7.8

84 0.50 0.20 1.50 35.000 30.000 20.000 3 3.97 38.0 5.0

85 1.05 0.50 1.40 35.000 40.000 25.000 4 6.00 23.8 6.0

86 1.80 0.15 0.80 30.000 40.000 20.000 3 4.80 34.3 9.7

87 1.20 0.00 2.00 30.000 40.000 23.000 5 2.40 33.6 4.0

88 1.20 1.36 1.00 32.000 40.000 23.000 4 6.00 23.3 5.8

89 1.00 0.50 0.30 32.000 40.000 20.000 3 6.00 25.0 6.3

90 0.40 0.25 1.25 35.000 35.000 25.000 5 10.20 23.6 7.0

91 1.25 0.50 0.50 35.000 40.000 22.000 6 3.00 27.7 7.3

92 2.00 1.50 3.75 35.000 40.000 24.000 5 5.76 29.0 9.4

93 1.00 0.33 1.20 30.000 40.000 20.000 4 4.80 38.5 8.8

94 0.15 0.00 0.25 30.000 40.000 30.000 5 1.20 25.0 8.6

95 1.50 0.26 0.30 35.000 40.000 20.000 3 6.00 54.0 8.3

96 1.00 0.30 2.00 35.000 40.000 20.000 3 5.20 35.0 10.3

97 1.00 0.30 0.70 30.000 45.000 20.000 4 5.50 22.0 10.0

98 0.20 0.60 0.30 30.000 40.000 20.000 3 5.57 32.0 11.0

99 0.20 0.20 0.40 30.000 50.000 20.000 2 2.20 38.0 6.0

100 0.60 0.60 1.50 30.000 40.000 20.000 3 6.11 36.0 9.0

101 0.50 1.00 3.00 25.000 40.000 25.000 4 25.00 32.0 11.0

102 0.40 0.00 0.82 30.000 40.000 28.000 6 0.25 20.0 6.0

103 1.00 0.00 1.00 35.000 40.000 18.000 6 2.93 36.0 8.0

104 1.50 0.60 0.60 30.000 40.000 20.000 6 2.60 30.0 8.0

105 1.40 0.60 1.50 32.000 40.000 20.000 6 6.33 31.0 9.0

106 0.20 0.20 0.30 35.000 40.000 16.000 2 2.30 64.0 12.0

107 2.00 0.50 0.40 35.000 40.000 20.000 4 8.70 23.0 13.0

108 2.00 0.60 0.50 35.000 40.000 20.000 5 6.24 28.0 12.0

109 2.00 1.00 1.75 35.000 35.000 22.000 4 9.00 14.0 9.0

110 1.50 0.60 0.67 32.000 40.000 22.000 5 7.68 21.0 8.0

111 1.00 0.50 1.40 32.000 36.000 23.000 5 5.84 37.0 9.0

112 0.40 0.00 0.50 35.000 45.000 25.000 10 3.96 28.0 4.0

113 1.50 0.30 0.90 32.000 40.000 22.000 5 5.28 39.0 7.0

114 1.50 0.00 0.80 32.000 45.000 23.000 3 9.20 27.0 11.0

115 2.00 0.60 1.00 35.000 40.000 26.000 4 3.90 21.0 8.0

116 1.00 0.50 1.50 30.000 40.000 25.000 5 3.58 27.0 6.0

117 0.50 0.40 1.00 32.000 40.000 18.000 4 3.30 26.0 7.0

118 1.20 0.20 0.50 33.000 40.000 22.000 3 12.70 30.0 11.0

119 1.80 0.40 0.70 35.000 40.000 22.000 4 9.55 26.0 8.0

120 1.00 0.20 0.58 35.000 45.000 18.000 2 9.70 30.0 12.0

121 4.00 0.50 1.50 32.000 40.000 25.000 5 12.88 43.7 11.5

122 5.00 0.50 1.30 30.000 50.000 25.000 6 8.60 34.3 8.8

123 0.60 0.40 0.60 35.000 40.000 20.000 4 9.13 41.3 2.3

124 2.10 1.00 2.15 35.000 40.000 20.000 10 5.28 34.2 6.7

125 1.60 0.40 1.00 35.000 40.000 20.000 4 9.00 32.0 6.3

126 0.50 0.20 0.93 30.000 40.000 20.000 2 36.00 32.0 8.0

127 1.20 0.40 1.00 35.000 40.000 20.000 4 5.52 43.3 5.5

128 0.80 0.60 1.00 35.000 45.000 25.000 4 9.00 24.8 6.8

129 1.50 0.40 0.70 35.000 40.000 20.000 4 12.06 42.8 5.3

130 2.10 0.30 0.75 30.000 40.000 25.000 3 8.00 46.0 5.0

131 1.50 0.50 0.50 34.000 40.000 20.000 5 4.80 23.8 7.8

132 2.00 0.50 0.35 32.000 40.000 25.000 5 8.16 30.8 4.8

133 0.30 0.70 0.70 35.000 40.000 18.000 7 2.84 46.9 4.1

134 0.90 0.60 1.50 30.000 40.000 25.000 6 7.63 34.7 5.8

135 4.00 1.10 1.00 33.000 40.000 25.000 11 8.73 38.5 4.7

136 0.30 0.73 0.88 25.000 40.000 20.000 7 3.46 38.3 6.0

137 3.00 0.45 0.50 30.000 40.000 18.000 4 6.00 22.5 2.0

138 3.00 0.70 0.70 40.000 40.000 18.000 6 4.83 38.5 2.8

139 2.50 0.60 3.00 35.000 45.000 20.000 12 5.31 27.3 11.7

140 0.60 0.00 0.60 45.000 45.000 22.000 5 8.03 41.6 4.2

141 1.00 0.72 0.84 35.000 40.000 25.000 6 8.32 37.2 4.2

142 1.50 0.72 0.50 30.000 40.000 25.000 6 3.00 38.5 9.3

143 2.00 0.60 0.33 35.000 40.000 20.000 5 6.00 21.6 6.0

144 1.00 0.36 1.50 35.000 40.000 25.000 3 8.00 53.0 12.0

145 1.00 0.00 0.58 35.000 40.000 28.000 6 4.00 30.5 5.8

146 1.50 0.00 0.35 35.000 40.000 25.000 6 4.43 17.7 6.5

147 0.50 0.60 1.00 35.000 40.000 20.000 5 12.00 27.4 8.8

148 1.00 0.30 1.62 35.000 40.000 20.000 6 6.00 40.5 11.5

149 0.60 1.40 0.67 32.000 40.000 20.000 7 5.40 36.9 5.4

150 0.30 0.00 1.44 32.000 40.000 15.000 6 1.86 26.8 3.8

151 0.70 0.00 0.80 32.000 40.000 22.000 6 1.40 41.5 3.8

152 0.30 0.00 0.60 35.000 40.000 20.000 4 4.03 58.5 2.3

153 0.40 0.00 0.40 35.000 40.000 20.000 3 4.80 50.3 3.3

154 0.60 0.00 1.10 35.000 40.000 22.000 2 4.80 60.0 5.0

155 2.00 0.96 0.82 35.000 45.000 20.000 6 4.00 36.8 2.7

156 2.00 0.00 1.00 30.000 40.000 20.000 5 3.60 21.4 3.0

157 2.00 1.12 0.50 35.000 40.000 20.000 5 4.30 32.8 5.0