Bài tập kinh tế lượng

PHẦN I: CÂU HỎI LÝ THUYẾT Câu 1. Già sử mô hình hồi quy có dạng . Giả sử rằng trong mô hình (1), ta biết rõ rằng . Việc ước lượng tốt nhất (LS), không chệch, của các tham số sẽ được thực hiện như sau: (a) Chạy mô hình (1) trên eviews. (b) Bỏ các quan sát , và ước lượng bằng eviews (c) Thêm quan sát, rồi ước lượng (1) (d) Lập mô hình: và ước lượng bằng eviews. (e) Xem lại cơ sở lý thuyết cho việc lập mô hình. Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 2. Xét chuỗi các quan sát (đám mây dữ liệu) sau về lương Gỉang viên thuộc một Trường ĐH công lập ở VN: Dữ liệu A: Dữ liệu B: (tiền lương khởi điểm) (lương) x x x x x x…….x x x x x……..xxxx x x (bằng cấp của GV): (số giờ giảng trong HK): Việc ước lượng mô hình: theo hai bộ dữ liệu sẽ cho thấy: (a) Ước lượng theo dữ liệu A có (b) Ước lượng theo dữ liệu A có (c) Ước lượng theo dữ liệu A có hệ số là có ý nghĩa (d) Mô hình ước lượng theo dữ liệu A có cao hơn theo dữ liệu B. (e) Mô hình chạy theo dữ liệu A là hợp lý vì có quy luật nhân – quả chi phối dữ liệu quan sát Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 3 (tiếp theo Câu 2, với cùng bộ dữ liệu A và B): Việc ước lượng mô hình: theo hai bộ dữ liệu sẽ cho thấy: (a) Ước lượng theo dữ liệu B có một cách có ý nghĩa (b) Ước lượng theo dữ liệu B có (c) Ước lượng theo dữ liệu B có hệ số là không có ý nghĩa (d) Mô hình ước lượng theo dữ liệu A có cao hơn nên tốt hơn so với mô hình chạy dữ liệu B. (e) Mô hình chạy theo dữ liệu B là hợp lý vì có quy luật nhân – quả chi phối dữ liệu quan sát Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 4. Già sử mô hình hồi quy có dạng . Việc ước lượng tốt nhất (LS), sẽ cho thấy rằng: (a) Do đây là hồi quy đa biến, điểm trung bình sẽ không nằm trên đường hồi quy. (b) Do không nằm trên đường hồi quy, nên ta không thể lập mối quan hệ: , khi các biến còn lại ngoài được giữ nguyên, không thay đổi. (c) Công thức tính có ý nghĩa ngang hiệu chỉnh. (d) hiệu chỉnh không có liên quan gì tới (e) Nếu giảm mạnh khi ta tăng số biến giải thích K, thì tăng. Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 5: Xét hồi quy bội với K biến giải thích. Ước lượng LS cho ra kết luận rằng, . Vì vậy: (a) Điều này hàm ý LS là ước lượng không chệch (b) kết luận này chỉ đòi hỏi giả thuyết (c) Phân bố này cho phép kiểm định (d) cao thì độ chính xác của ước lượng thấp (e) Phân bố này cho phép kiểm định giả thuyết kép: Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 6: Xét hồi quy bội với K biến giải thích. Ước lượng LS cho ra kết luận rằng, . Vì vậy: (a) Khi ước lượng mô hình với tổng thể có độ đa dạng cao, hoặc mẫu điều tra không phản ánh đúng độ đa dạng của tổng thể, thì độ chính xác của hồi quy sẽ cao (hay sai số ước lượng sẽ thấp). (b) Giả sử mô hình hồi quy là nhằm giải thích giá nhà theo diện tích của nó. Chúng ta có bộ dữ liệu A là căn hộ tiêu chuẩn ở Quậnn 7. Và bộ dữ liệu B là nhà tư nhân ở Quận 3. Khi đó, độ chính xác của ước lượng theo dữ liệu B sẽ thấp hơn mô hình ước lượng theo dữ liệu A. (c) cao thì kiểm định càng ít có ý nghĩa (d) cao thì khoảng tin cậy của càng mở rộng. (e) Phân bố này cho phép kiểm định giả thuyết kép: Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 7. Già sử mô hình hồi quy có dạng . Giả sử rằng trong mô hình (7), ta biết rõ rằng . Khi đó: (a) Nên ước lượng (b) Nên ước lượng (c) Nên ước lượng: (d) Mô hình này không thể ước lượng được. (e) Mô hình này cho ra ước lượng LS, không chệch. Giải thích: …………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………….. Câu 8. Già sử mô hình hồi quy có dạng . Giả sử rằng trong mô hình (8), ta biết rõ rằng . Khi đó: (a) Nên ước lượng (b) Nên ước lượng (c) Nên ước lượng: (d) Mô hình phù hợp với mọi giả thuyết của OLS. (e) Mô hình này cho ra ước lượng LS, không chệch.

PHẦN I: CÂU HỎI LÝ THUYẾT Câu Già sử mô hình hồi quy có dạng hình (1), ta biết rõ y t = β + β xt + β xt + ε t , t = 1,2, , T (1) Giả sử mô β = Việc ước lượng tốt (LS), không chệch, tham số β , β thực sau: (a) Chạy mô hình (1) eviews (b) Bỏ quan sát xt , t = 1,2, , T , ước lượng eviews (c) Thêm quan sát, ước lượng (1) (d) Lập mô hình: y t − xt = β1 + β xt + ε t ước lượng eviews (e) Xem lại sở lý thuyết cho việc lập mô hình Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Câu Xét chuỗi quan sát (đám mây liệu) sau lương Gỉang viên thuộc Trường ĐH công lập VN: Dữ liệu A: yt Dữ liệu B: x x x x xx x x x y t (lương) (tiền lương khởi điểm) x x x x x x x x…….x x x x x…… xxxx x x x (bằng cấp GV): xt Việc ước lượng mô hình: (số giảng HK): xt y t = α + βxt + ε t , t = 1,2, , T (2) theo hai liệu cho thấy: (a) Ước lượng theo liệu A có (b) Ước lượng theo liệu A có ^ α =0 ^ β ≠0 ^ (c) Ước lượng theo liệu A có hệ số β có ý nghĩa (d) Mô hình ước lượng theo liệu A có R cao theo liệu B (e) Mô hình chạy theo liệu A hợp lý có quy luật nhân – chi phối liệu quan sát Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… 1/8 …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Câu (tiếp theo Câu 2, với liệu A B): Việc ước lượng mô hình: y t = α + βxt + ε t , t = 1,2, , T (2) theo hai liệu cho thấy: (a) Ước lượng theo liệu B có (b) Ước lượng theo liệu B có ^ α ≠ cách có ý nghĩa ^ β =0 ^ (c) Ước lượng theo liệu B có hệ số β ý nghĩa (d) Mô hình ước lượng theo liệu A có R cao nên tốt so với mô hình chạy liệu B (e) Mô hình chạy theo liệu B hợp lý có quy luật nhân – chi phối liệu quan sát Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Câu Già sử mô hình hồi quy có dạng y t = β + β xt + + β K xtK + ε t , t = 1,2, , T (4) Việc ước lượng tốt (LS), cho thấy rằng: (a) Do hồi quy đa biến, điểm trung bình (b) Do − − ' ( y , x ) không nằm đường hồi quy − ( y , x ' ) không nằm đường hồi quy, nên ta lập mối quan hệ: ∆y = β k ∆x k , biến lại x k giữ nguyên, không thay đổi (c) Công thức tính (d) − − R có ý nghĩa ngang R hiệu chỉnh − R hiệu chỉnh liên quan tới s = N − K ESS (e) Nếu ESS giảm mạnh ta tăng số biến giải thích K, − R tăng Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… σ βˆ k ~ N ( β k , ) Vì vậy: S kk Câu 5: Xét hồi quy bội với K biến giải thích Ước lượng LS cho kết luận rằng, (a) Điều hàm ý LS ước lượng không chệch 2/8 (b) kết luận đòi hỏi giả thuyết ε t ~ N (0, σ ) (c) Phân bố cho phép kiểm định H0 : βk = (d) S kk cao độ xác ước lượng thấp (e) Phân bố cho phép kiểm định giả thuyết kép: H : β1 = β = Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… σ ) Vì vậy: Câu 6: Xét hồi quy bội với K biến giải thích Ước lượng LS cho kết luận rằng, βˆ k ~ N ( β k , S kk (a) Khi ước lượng mô hình với tổng thể có độ đa dạng cao, mẫu điều tra không phản ánh độ đa dạng tổng thể, độ xác hồi quy cao (hay sai số ước lượng thấp) (b) Giả sử mô hình hồi quy nhằm giải thích giá nhà theo diện tích Chúng ta có liệu A hộ tiêu chuẩn Quậnn Và liệu B nhà tư nhân Quận Khi đó, độ xác ước lượng theo liệu B thấp mô hình ước lượng theo liệu A (c) S kk cao kiểm định H : β k = (d) S kk cao khoảng tin cậy β k mở rộng có ý nghĩa (e) Phân bố cho phép kiểm định giả thuyết kép: H : β1 = β = Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… y t = β + β xt + β xt + ε t , t = 1,2, , T (7) Giả sử mô hình (7), ta biết rõ xt = a1 + a xt , t = 1,2, , T Khi đó: Câu Già sử mô hình hồi quy có dạng (a) Nên ước lượng y t = β + β xt + ε t (b) Nên ước lượng y t = β + β xt + ε t (c) Nên ước lượng: xt = α + α x t + ε t (d) Mô hình ước lượng (e) Mô hình cho ước lượng LS, không chệch Giải thích: 3/8 …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… y t = β + β xt + β xt + ε t , t = 1,2, , T (8) Giả sử mô hình (8), ta biết rõ xt = 1, t = 1,2, , T Khi đó: Câu Già sử mô hình hồi quy có dạng (a) Nên ước lượng y t = β + β xt + ε t (b) Nên ước lượng y t = β + β xt + ε t (c) Nên ước lượng: xt = α + α x t + ε t (d) Mô hình phù hợp với giả thuyết OLS (e) Mô hình cho ước lượng LS, không chệch Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Câu Già sử ta muốn hồi quy mô hình income = β + β age + β edu + ε (9) Trong đó, income thu nhập, age tuổi đời, edu cấp cá nhân có Điều đáng ý mô hình (9) biến edu (bằng cấp) chia làm loại: Giáo sư, Tiến sĩ, Cao học, đại học, trung học phổ thông Khi đó: (a) Nên tính điểm cấp học vị từ đến cấp, Giáo sư 5, cao giảm dần đến trung học phổ thông 1, thấp nhất, chạy mô hình (b) Nên ước lượng mô hình với biến phân loại (Dummy) (c) Nên ước lượng mô hình với biến phân loại (d) Mô hình chảng có ý nghĩa gì, nhiều người có Tiến sĩ, chưa qua đại học quy (Do có đại học chuyên tu, có người có Cao học chưa qua đại học (cùng ngành), vân vân) (e) Mô hình ý nghĩa, người có Tiến sĩ có đại học, có danh hiệu Giáo sư, có Tiến sĩ Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Câu 10: Xét hai mô hình sau: 4/8 (U): Y = β1 X + β X + β X + ε (R): Y = β1 X + ~ ε (a) Nếu (R) đúng, mà ta lại dùng (U) làm tăng độ xác ước lượng (b) Ta có: ESS R < ESSU (c) Nếu (U) đúng, mà ta dùng (R) mô hình không sai nguyên tắc, làm sai số tăng (d) Ta chọn ( R) t-test áp dụng cho H : β = cho H : β = không giả thuyến bị bác bỏ (e) Ta chấp nhận (R) bác bỏ giả thuyết kép H : β = β = , sử dụng F-test Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Câu 11 Sử dụng lại mô (U) (R) câu (a) Nếu (R) đúng, mà dùng (U), ước lượng bị chệch (b) (R) đúng, mà dùng (U) sai số ước lượng giảm (c) Nếu (U) đúng, mà dùng (R) ước lượng bị chệch (d) (R) mà dùng (U) ước lượng bị chệch (e) dùng t-test xác định (U) hay (R) mô hình Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… Y = β1 + β X (12.3): Y = β + β / X Câu 12 Xét dạng hàm: (12.1): (12.2): ln Y = β1 + β ln X (a) Chỉ có (12.1) mô hình tuyến tính (b) Trong mô hình, độ co dãn dY dX = β (c) Trừ (12.3), đơn vị đo Y X vai trò (d) (12.3) mô hình hồi quy tuyến tính (e) Với (12.2) đơn vị đo lường Y X không đóng vai trò Giải thích: …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… …………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………… 5/8 PHẦN II: BÀI TOÁN Sài gòn nhiều quán bia Và không sinh viên tìm cách dự đoán nhu cầu uống bia dân Sài gòn Điều xẩy trường Mỹ Từ lý thuyết tiêu dùng Kinh tế Vi mô, biết rằng, nhu cầu uống bia ( Q , đo lít) phụ thuộc vào giá hàng hoá PB , vào giá hàng thay ( PL ), cụ thể rượu (liquor); giá trung bình hàng hoá dịch vụ giải trí khác ( PR ); vào thu nhập tiền mặt ( m ) (Giá thu nhập đo $; ta không nói đến thương hiệu cụ thể, nên yếu tố quảng cáo, brand name, vân vân, bỏ qua) Sử dụng số liệu điều tra ngẫu nhiên suốt 30 năm, từ gia đình người Mỹ, muốn nghiên cứu quan hệ nói trên, nhằm đánh giá lại lý thuyết tiêu dùng vi mô Dạng hàm hồi quy mô hình lựa chọn sau: Mô hình: ln(Q) = β1 + β ln( PB ) + β ln( PL ) + β ln( PR ) + β ln(m) Câu 13: Độ co dãn nhu cầu bia theo giá thu nhập Ví dụ, với giá bia: β = d ln(Q) / d ln( PB ) ; β = d ln(Q) / d ln( PL ) Vì bia rượu hai hàng hóa thay nhau: tức giá rượu tăng, người ta có xu hướng dùng bia nhiều Hiệu ứng thay (substituttion effect) khiến β giả định với rượu là: mang dấu dương Nhưng bia rượu thuộc chủng loại hàng hóa chung, nên thông tin giá rượu tăng, có nghĩa giá bia tăng Và vậy, người tiêu dùng hạn chế tiêu thụ bia, hiệu ứng tiêu thụ thực tế giảm, giá rượu bia tăng Hiệu ứng thu nhập (income effect), vậy, khiến cho β giả định mang dấu âm (a) Nếu hiệu ứng thu nhập lấn át hiệu ứng thay thế, (b) Tổng ( β tăng 1$ β mang dấu dương + β ) thể nhu cầu tiêu thụ bia giảm lít, giá bia tăng 1$, giá rượu (c) Tổng ( β + β ) thể nhu cầu tiêu thụ bia giảm % giá bia tăng 1%, giá rượu tăng 1%, hiệu ứng thu nhập mạnh hiệu ứng thay thế; yếu tố khác không đổi (d) Hiệu ( β − β ) thể nhu cầu tiêu thụ bia tăng lít giá bia giảm 1$, giá rượu tăng 1$ (e) Hệ số ước lượng 1$ β thể nhu cầu tiêu thụ bia tăng lên lít giá hàng hoá khác tăng Các câu sử dụng kết ước lượng mô hình (U) sau: Dependent Variable: LOG(Q) Method: Least Squares Date: 08/02/01 Time: 01:01 Sample: 30 Included observations: 30 Variable Coefficient Std Error t-Statistic Prob C LOG(PB) LOG(PL) LOG(PR) LOG(M) -3.243238 -1.020419 -0.582934 0.209545 0.922864 3.743000 0.239042 0.560150 0.079693 0.415514 -0.866481 -4.268787 -1.040674 2.629415 2.221016 0.3945 0.0002 0.3080 0.0144 0.0356 6/8 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.825389 0.797451 0.059973 0.089920 44.58235 2.630645 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Câu 14: Chúng ta nhận thấy rằng, hệ số ước lượng, kèm với giá rượu là: 4.018531 0.133258 -2.638823 -2.405290 29.54377 0.000000 ^ β = −0.5829 Tức là, income effect mạnh substitution effect Như nêu, điều xẩy ra, giá thị trường rượu tăng, người tiêu dùng đoán giá bia tăng; họ giảm nhu cầu bia Chúng ta để ý thêm rằng, hệ số ước lượng ^ β có ý nghĩa ( p-value= 0.308) Như gợi ý, vấn đề thông tin biến động giá hai loại hàng có tương quan đồng biến chặt với Trong kinh tế lượng, người ta gọi tượng đa cộng tuyến (Linear collinearity) Để kiểm tra nghi vấn có hay không, người ta chạy hồi quy bổ trợ (auxilliary regression), giá rượu bia sau: Dependent Variable: LOG(PB) Method: Least Squares Date: 06/10/09 Time: 15:36 Sample: 30 Included observations: 30 Variable Coefficient Std Error t-Statistic Prob C LOG(PL) -3.721925 2.275450 0.240880 0.113508 -15.45134 20.04664 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood Durbin-Watson stat 0.934864 0.932537 0.057223 0.091687 44.29050 1.317876 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 1.102373 0.220314 -2.819367 -2.725954 401.8677 0.000000 Từ kết ước lượng bổ trợ (auxiliary regression), liệu ta nói rằng: (a) Không có tượng đa cộng tuyến mô hình gốc (b) Nếu giá rượu tăng 1$ giá bia tăng 2.2$ (c) Hệ số R = 0.934 thể phù hợp quan hệ đồng biến giá bia rượu Vì vậy, tượng đa cộng tuyến (d) Hệ số R = 0.934 thể tương quan chặt việc thay đổi giá hai mặt hàng bia rượu Vì vậy, có tượng đa cộng tuyến (e) Sự phụ thuộc chặt xu tăng giá bia rượu làm cho độ xác việc đánh giá tác động mức tăng giá rượu lên mức tăng tiêu thụ bia, tức ^ β = −0.583 , mô hình ban đầu (U) trở nên xác 7/8 Câu 15: Yếu tố quan trọng tiếp theo, ảnh ưởng tới tiêu thụ bia, thu nhập Tuy nhiên, người đặt câu hỏi hệ số ước lượng kèm với yếu tố thu nhập lớn mức độ Cụ thể ^ β = 0.92 Tức là, thu nhập tăng 10%, nhu cầu tiêu thụ bia gần tăng lên gần 10% Vì vậy, cần phải có đánh giá thống kê bổ trợ, để xét xem kết ước lượng có hợp lý thực tế không Cụ thể, người ta muốn tính khoảng tin cậy 95% hệ số β kèm với thu nhập, m, mô hình gốc Biết rằng, t 0.025 ( 25) = 2.06 (a) Khoảng tin cậy 95% β = [0.066;1.780] Tức độ co dãn (elasticity) tiêu thụ bia so với thu nhập nhỏ nhiều lớn nhiều so với giá trị ước lượng Vì vậy, kết ước lượng chấp nhận (b) Khoảng tin cậy ^ β = [0.02;1.8] , rộng so với ước lượng β = 0.92 , nên mô hình thiếu biến giải thích (c) Khoảng tin cậy 95% bia β = [0.55;1.2] , nên kết ước lượng chấp nhận Người Mỹ thích (d) Khoảng tin cậy 95% β = [0.0125;0.475] nên kết ước lượng hợp lý, nhu cầu tăng tiêu thụ bia khôngquá cao thu nhập tăng (e) Khoảng tin cậy 95% β = [ −0.125;1.475] nên mô hình không phù hợp với lý thuyết tiêu dùng, có khả năng, thu nhập tăng mà nhu cầu tiêu thụ lại giảm HẾT 8/8 ... quy có dạng (a) Nên ước lượng y t = β + β xt + ε t (b) Nên ước lượng y t = β + β xt + ε t (c) Nên ước lượng: xt = α + α x t + ε t (d) Mô hình ước lượng (e) Mô hình cho ước lượng LS, không chệch... Việc ước lượng mô hình: y t = α + βxt + ε t , t = 1,2, , T (2) theo hai liệu cho thấy: (a) Ước lượng theo liệu B có (b) Ước lượng theo liệu B có ^ α ≠ cách có ý nghĩa ^ β =0 ^ (c) Ước lượng theo... dạng (a) Nên ước lượng y t = β + β xt + ε t (b) Nên ước lượng y t = β + β xt + ε t (c) Nên ước lượng: xt = α + α x t + ε t (d) Mô hình phù hợp với giả thuyết OLS (e) Mô hình cho ước lượng LS, không