Giải thích ý nghĩa các chỉ số trong kinh tế lượng

GIẢI THÍCH Ý NGHĨA CÁC CHỈ SỐ TRONG KINH TẾ LƯỢNGDependent Variable: Y Method: Least Squares Date: 10/13/14 Time: 19:51 Sample: 1 38 Included observations: 38 Variable Coefficient Std..

GIẢI THÍCH Ý NGHĨA CÁC CHỈ SỐ TRONG KINH TẾ LƯỢNG

Dependent Variable: Y

Method: Least Squares

Date: 10/13/14 Time: 19:51

Sample: 1 38

Included observations: 38

Variable Coefficient Std Error t-Statistic Prob

R-squared 0,180368 Mean dependent var 1820,204

Adjusted

S.E of regression 385,0953 Akaike info criterion 2.230.789

Sum squared

Log likelihood -4.218.500 Hannan-Quinn criter 2.233.856

F-statistic 18,60476 Durbin-Watson stat 1.783506

Prob(F-statistic) 0,002112

1 Giải thích ý nghĩa các chỉ số:

Cách trình bày kết quả hồi quy đã được thể hiện ở phần giải thích kết quả

của EXCEL

Dependent Varable : Y ->Biến phụ thuộc là Y

Method : Least Squares -> Phương pháp bình phương nhỏ nhất

Sample : 1 38 ->Bộ mẫu

Included observations : 38 -> Gồm 38 quan sát

Variable (biến số), cột này cho ta biết mô hình hồi quy có bao nhiêu biến giải thích

Trong thí dụ này thì có 1 biến giải thích là cp ,hằng số c cũng được coi là 1 biến giải thích Coefficient (Hệ số hồi quy), đây chính là các tham số ước lượng alpha mũ và beta mũ của tham số tổng thể,chưa biết alpha và beta

1 R-squared: Hệ số xác định R2

Hệ số xác định Trong 100% sự biến động của biến phụ thuộc Y thì có bao nhiêu % sự biến động là do các biến độc lập X ảnh hưởng còn lại là do sai số

2 S.E of regression = Độ lệch chuẩn của sai số hồi quy

3 Sum squared resid = RSS

4 Log Likehood : (Ln hàm hợp lý)

5 F-statistic = Trị thống kê F

F: Trị số F-Fisher dùng làm căn cứ để kiểm định độ tin cậy về mặt khoa học (thống kê) của toàn bộ phương trình hồi quy

6 Prob(F-statistic) = Giá trị p của F

7 Mean dependent var = Giá trị trung bình của biến phụ thuộc

8 S.D dependent var = Độ lệch chuẩn của biến phụ thuộc

9 Akaike info criterion : Tiêu chuẩn Akaike

10 Schwarz criterion : Tiêu chuẩn Schwarz

11 Durbin-Watson stat : Thống kê Durbin-Watson

Ta chỉ tập trung phân tích các biến sau qua ví dụ mẫu:

BƯỚC 1:

Lập mô hình hồi quy mẫu bằng cách viết phương trình và kiểm tra tính phù hợp của

mô hình

Dạng phương trình hồi quy:

Y = β1 + β2 * x2 + β3 * x3+ β4 * x4 + β5 * x5

Với Y là biến phụ thuộc

x2 , x3 , x4, x5 là các biến không phụ thuộc

β1 là hằng số

Nhận xét

- Hệ số xác định R2 = 0,683879 nghĩa là mô hình giải thích tương đối tốt sự thay đổi của biến phụ thuộc WAGE

- Giá trị kiểm định F-statistic = 18,60476 > Fα(k-1,n-k) = F0,05(5,43) =

2,432236472 ( tra bảng Fisher với mức ý nghĩa 0,05% nên mô hình kiểm định là hợp lý

- Sai số tiêu chuẩn S.E of regression = 385,0953, giá trị trung bình của biến phụ

thuộc WAGE là Mean dependent var = 1820,204.

- Giá trị p-value của các biến giải thích đều nhỏ hơn 0,05 nên độ phù hợp của các biến độc lập là rất tốt

+ Kết luận: Mô hình phù hợp ở mức độ khá

Phần này ta nhận xét xem các yếu tố x2, x3, x4, x5 ( ví dụ: chi phí, chất lượng dịch vụ ) có ảnh hưởng đến Y ( doanh thu ) hay không Thông thường, người ta so sánh với mức ý nghĩa là 0,05 ( em tra bên bảng chạy hồi quy SPSS ô Sig )

BƯỚC 2: Phát hiện hiện tượng tự tương quan ( theo mô hình hồi quy SPSS )

Xét giả thuyết H0 : Không có tự tương quan dương hoặc âm.

Từ kết quả hồi quy mô hình bằng SPSS ta có:

d =

∑

∑ − −

2

2

1) (

i

i i e

e e

= 1.783506

với n=38 ; α = 5%

k = 4⇒k' = 4 - 1= 3

Tra bảng ( có đính kèm trong mail ) ta có:

L

d =1.503

dU = 1.696

dU d 4 – dU

 1.696 < 1.783506 < 2.304 hay dU < d < 4 - dU

Do đó theo quy tắc kiểm định thì ta không bác bỏ H0

⇒ Mô hình không có tự tương quan dương hoặc âm.

BƯỚC 3: Nhận xét hiện tượng đa cộng tuyến

Nhận thấy Prob(F-statistic) = 0,002112 < α = 0,05 (mức ý nghĩa α =5%) nên ta kết

luận mô hình hồi quy phụ này tồn tại Vậy thực sự có hiện tượng cộng tuyến giữa 2

biến này R-squared = 0,180368 = 18,04% cho thấy 18,04% sự thay đổi của biến này

do biến kia giải thích, sự cộng tuyến giữa 2 biến độc lập này ở mức chấp nhận được