BÀI TẬP THỰC HÀNH KINH TẾ LƯỢNG

Error t-Statistic Prob... Error t-Statistic Prob... từ kết quả trên ta thấy nhân tố ảnh hưởng mạnh nhất đến sự tăng hay giảm của lượng cầu hoa hồng là biến xu thế X5 do có hệ số tương qu

Trang 1

BÀI 1

câu 1

a)dùng exiews và excel để ước lượng 2 hàm cầu trên

)dùng excel để ước lượng hàm cầu :Y1=1 2X2T 3X3T 4X4T 5X5T UT

Ta có bảng kết quả sau:

SUMMARY OUTPUT

Regression Statistics

Multiple R 0,913619

R Square 0,834699

Adjusted R

Square 0,77459

Standard

Error 969,8744

Observations 16

ANOVA

df SS MS F Significanc e F

Regression 4 52249136 13062284 13,88635 0,000281

Residual 11 10347220 940656,3

Trang 2

Total 15 62596356

Coefficient s

Standard Error t Stat P-value Lower 95%

Upper 95%

Lower 95,0%

Upper 95,0%

Intercept 10816,04 5988,348 1,806181 0,098296 -2364,22 23996,31 2364,22- 23996,31 x2 -2227,7 920,4657 -2,42019 0,033995 -4253,64 -201,773 4253,64- -201,773 x3 1251,141 1157,021 1,081347 0,302679 -1295,44 3797,726 1295,44- 3797,726 x4 6,282986 30,62166 0,205181 0,841178 -61,1148 73,6808 61,1148- 73,6808

x5 -197,4 101,5612 -1,94365 0,077955 -420,935 26,13482

-420,935 26,13482 Theo b ảng trên ta có hệ số hồi quy như sau

1



 =10816.04

 2

 =-2227.704 3=1251.141



4

 =6.2829 

5

 =-197.39 Vậy hàm hồi quy ước lượng là:



Y =10816.04-2227.704 X2t +1251.141X3t +6.2829X4t -197.39X5t

)dùng evews ta có kết quả như sau:

Method: Least Squares

Date: 03/19/10 Time: 21:51

Sample: 1 16

Included observations: 16

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.834699 Mean dependent var 7645.000 Adjusted R-squared 0.774590 S.D dependent var 2042.814 S.E of regression 969.8744 Akaike info criterion 16.84252

Trang 3

Sum squared resid 10347220 Schwarz criterion 17.08395 Log likelihood -129.7401 F-statistic 13.88635 Durbin-Watson stat 2.333986 Prob(F-statistic) 0.000281

Vậy ta có kết quả hàm hồi quy như sau:



Y =10816.04-2227.704 X2t +1251.141X3t +6.2829X4t -197.39X5t

) dùng evews để ước lượng hàm sau:

Ln(Yt)= 1   2Ln(X2t)   3Ln(X3t)   4Ln(X4t)   5Ln(X5t) et

Ta có kết quả sau khi thực hiện evews

Dependent Variable: LOG(Y)

Date: 03/19/10 Time: 21:52

Sample: 1 16

LOG(X2) -1.273555 0.526649 -2.418224 0.0341 LOG(X3) 0.937305 0.659191 1.421902 0.1828 LOG(X4) 1.712976 1.200843 1.426478 0.1815 LOG(X5) -0.181597 0.127893 -1.419907 0.1833 R-squared 0.777953 Mean dependent var 8.902209 Adjusted R-squared 0.697208 S.D dependent var 0.306877 S.E of regression 0.168864 Akaike info criterion -0.469145 Sum squared resid 0.313664 Schwarz criterion -0.227711 Log likelihood 8.753157 F-statistic 9.634745 Durbin-Watson stat 1.782659 Prob(F-statistic) 0.001343

Từ bảng trên ta có hàm hồi quy là:

ln( 

Y )=0.6268-1.2735ln(X2t)+0.9373ln(X3t )+1.7129ln(X4t )-0.1816ln(X5t )

b)giải thích hệ số:

: đối với hàm : 

Y =10816.04-2227.704 X2t +1251.141X3t +6.2829X4t-197.39X5t

:  1

 =10816.04:có nghĩa khi tất cả các yếu tố khác bằng không thì lượng cầu trung bình của hoa hồng là 10861.04(lố/quý)



2

 =-2227.704:có nghĩa khi Giá bán trung bình của hoa hồng trong quý tăng lên hay giảm xuống 1 usd/lố thì lượng cầu trung bình của hoa hồng sẽ giảm xuống hay tăng lên 1 lượng tương ứng là 2227.704(lố/quý), trong điều kiện các yếu tố khác không đổi



3

 =1251.141:có nghĩa khi Giá bán trung bình của hoa cẩm chướng trong quý tăng lên 1 usd/lố thì lượng cầu trung bình của hoa hồng sẽ tăng lên 1 lượng tương ứng là 1251.141(lố/quý), trong điều kiện các yếu tố khác không đổi

Trang 4

4

 =6.2829 có nghĩa khi thu nhập khả dụng hộ gia đình trong quý tăng lên 1 usd/lố thì lượng cầu trung bình của hoa hồng sẽ tăng lên 1 lượng tương ứng là 6.2829(lố/quý), trong điều kiện các yếu tố khác không đổi



5

 =-197.39 có nghĩa khi biến xu thế trong quý tăng lên hay giảm xuống 1 usd/lố thì lượng cầu trung bình của hoa hồng sẽ giảm xuống hay tăng lên 1 lượng tương ứng là 197.39(lố/quý), trong điều kiện các yếu tố khác không đổi

đối với hàm:ln( 

Y )=0.6268-1.2735ln(X2t)+0.9373ln(X3t )+1.7129ln(X4t )-0.1816ln(X

t

5 )



1

 =0.6268 2 =-1.2735 3=0.9373



4

 =1.7129 

5

 =-0.1816

Giải thích:



1

 =0.6268 có nghĩa khi các yếu tố khác bằng không thì lượng cầu trung bình của hoa hồng sẽ tăng 0.6268%



2

 =-1.2735 có nghĩa khi giá bán trung bình của hoa hồng trong quý tăng hay giảm 1% thì lượng cầu trung bình của hoa hồng sẽ giảm hoặc tăng tương ứng là 1.2835% trong khi các yếu tố khác là không đổi



3

 =0.9373 có nghĩa khi giá bán trung bình của hoa cẩm chướng trong quý tăng 1% thì lượng cầu trung bình của hoa hồng sẽ tăng tương ứng là 0.9373% trong khi các yếu tố khác là không đổi



4

 =1.7129 có nghĩa khi thu nhập khả dụng hộ gia đình trong quý tăng 1% thì lượng cầu trung bình của hoa hồng sẽ tăng tương ứng là 1.7129% trong khi các yếu tố khác là không đổi



5

 =-0.1816 có nghĩa khi biến xu thế trong quý tăng lên hay giảm xuống 1 %thì lượng cầu trung bình của hoa hồng sẽ giảm xuống hay tăng lên 1 lượng tương ứng là 0.1861%, trong điều kiện các yếu tố khác không đổi

c)để xác định nhân tố nào ảnh hưởng mạnh nhất đến sự tăng hay giảm của lượng cầu hoa hồng ta xét đến ma trận tương quan sau:

Trang 5

từ kết quả trên ta thấy nhân tố ảnh hưởng mạnh nhất đến sự tăng hay giảm của lượng cầu hoa hồng là biến xu thế (X5) do có hệ số tương quan giữa chúng là lớn nhất vì R5=0.851760 LÀ LỚN NHẤT

câu 2:

a)đề xuất mô hình:

Y= 1 2X2i 3X3i 4X4i 5X5i+ui

Giải thích kì vọng của tác động biên của các biến độc lập trong mô hình

)theo lí thuyết khi GNP tăng thì nhu cầu lắp cáp điện thoại tăng vậy ta kì vọng rằng 2 mang dấu dương

)khi dân cư tăng thì nhu cầu lắp cáp cũng từ đó mà tăng lên nên ta sẽ kì vọng rằng 3 mang dấu dương

)khi tỷ lệ thất nghiệp tăng thì thu nhập của người dan giảm nên nhu cầu lắp cáp cũng từ đó giảm theo nên ta kỳ vọng rằng dấu của 4 mang dấu âm

)khi lãi suất khách hàng tăng lên thì người ta sẽ vay ít lại chính vì vậy nhu cầu láp cáp sẽ giảm vì thế ta kỳ vọng dấu của 5mang dấu âm

)khi tỷ lệ hiệu quả của đường dây tăng ta sẽ kỳ vọng người dân láp cáp nhiều hơn nên ta cũng sẽ kỳ vọng rằng dấu của 6mang dấu dương

b)Tiến hành hồi quy

)dùng excel

SUMMARY OUTPUT

Multiple R 0,907056

R Square 0,82275

Adjusted R

Square 0,734125

Standard

Error 627,6005

Observations 16

ANOVA

Trang 6

e F

Regression 5 18283048 3656610 9,283507 0,001615

Residual 10 3938824 393882,4

Total 15 22221872

Coefficie nts Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%

Intercept 5962,656 2507,724 2,377716 0,038763 375,0981 11550,21 375,0981 11550,21 x2 4,883663 2,512542 1,943714 0,080584 -0,71463 10,48196 -0,71463 10,48196 x3 2,363956 0,843559 2,802361 0,018719 0,48439 4,243522 0,48439 4,243522 x4 -819,129 187,7072 -4,36386 0,001413 -1237,37 -400,891 -1237,37 -400,891 x5 12,01048 147,0496 0,081676 0,936516 -315,637 339,6575 -315,637 339,6575 x6 -851,393 292,1447 -2,91428 0,015451 -1502,33 -200,454 -1502,33 -200,454

)dùng eviews ta có kết quả sau:

Dependent Variable: Y

Date: 03/22/10 Time: 10:10

Sample: 1 16

R-squared 0.822750 Mean dependent var 7543.125 Adjusted R-squared 0.734125 S.D dependent var 1217.152 S.E of regression 627.6005 Akaike info criterion 16.00168 Sum squared resid 3938824 Schwarz criterion 16.29140 Log likelihood -122.0134 F-statistic 9.283507 Durbin-Watson stat 2.484497 Prob(F-statistic) 0.001615

c)

giải thích hệ số hồi quy:

ta có hàm hồi quy ước lượng la:



i

Y =5962.656+4.883X2i+2.364X3i -819.128X4i +12.01X5i -851.3936i

)  1

 =5962.656 có nghĩa khi các biến đồng thời bằng 0 thì lượng cáp trung bình được lắp đặt hàng năm là 5962.656(triệu mét/năm)

Trang 7

) 

2

 =4.883 có nghĩa khi GNP tăng lên 1 USD thi lượng cáp lắp đặt trung bình hàng năm tăng là 4.883( triệu met/năm) trong điều kiện các yếu tố khác không đổi

) 

3

 =2.364 có nghĩa khi dân cư tăng lên 1000 nhà /năm thì lượng cáp lắp đặt trung bình hàng năm tăng là 2.364 (triệu mét/năm) trong điều kiện các yếu tố khác không đổi

) 

4

 =-819.128 có nghĩa khi tỉ lệ thất nghiệp tăng lên 1% thì lượng cáp lắp đặt trung bình hàng năm giảm là 819.128(triệu mét/năm) trong điều kiện các yếu tố khác không đổi

) 

5

 =12.01 có nghĩa khi tỷ suất cơ bản khách hàng vay tăng 1% thì lượng cáp lắp đặt trung bình hàng năm tăng là 12.01 (triệu mét/năm) trong điều kiện các yếu tố khác không đổi

) 

6

 =-851.393 có nghĩa khi tỉ lệ hiệu quả đường dây khách hàng được hưởng tăng lên 1% thì lượng cáp lắp đặt trung bình hàng năm giảm là 851.393(triệu mét/năm) trong điều kiện các yếu tố khác không đổi

)hệ số hồi quy có ý nghĩa hay không ở mức 5%?

(ta sẽ dựa vào bảng của excell để nhận xét)

Ta thấy:

Cách 1:

)ta thấy giá trị P-value của các hệ số hồi quy 

2

 là : 0,080584 ,và của 

5

 là : 0,936516 dều lớn hơn mức 5% do vậy các hệ số này không có ý nghĩa về mặt thống kê

)ta thấy giá trị P-value của các hệ số hồi quy 

1

 ,  3

 ,  4

 ,  6

 lần lượt là: 0,015451; 0,018719; 0,001413;0,038763 đều bé hơn mức 5% do vậy các hệ số này có ý nghĩa về mặt thống kê

d) mô hình trên xảy ra hiện tượng đa cộng tuyến vì:

R2 =0.82275 lớn trong khi tỷ số t lại nhỏ

Hệ số tương quan giữa các biến giải thích cao:

Xét ma trận tương quan

Trang 8

Cách 2:

Thiết lập mô hình hồi qui phụ

Thiết lập giả thiết: H0: R2=0 (giữa các biến độc lập X không có mối quan hệ với nhau)

H1: R2>0 (giữa các biến độc lập X có mối quan hệ với nhau) Tính trị thống kê F:

R=

) ( ) 1

(

) 1 (

2

k n R

k R



=

10 1772 0

5 8228 0

=9.2867

F=9.2867>F0.05(5,10)=3.3258

=> Bácbỏ H0

=> Xảy ra hiện tượng đa cộng tuyến

)ta sẽ xây dựng mô hình X2 theo X3,X4,X5,X6 ta được kết quả sau:

Dependent Variable: X2

Date: 04/05/10 Time: 22:25

Sample: 1 16

R-squared 0.855181 Mean dependent var 1287.044 Adjusted R-squared 0.802519 S.D dependent var 169.4772 S.E of regression 75.31363 Akaike info criterion 11.73151 Sum squared resid 62393.57 Schwarz criterion 11.97294 Log likelihood -88.85205 F-statistic 16.23919 Durbin-Watson stat 1.072638 Prob(F-statistic) 0.000138

) dùng excell:ta có bảng sau

SUMMARY OUTPUT

Multiple R 0,92476

R Square 0,855181

Adjusted R

Square

0,802519 Standard 75,31363

Trang 9

Observatio

ns

16

ANOVA

Regression 4 368444 92111,01 16,23919 0,000138

Residual 11 62393,57 5672,143

Total 15 430837,6

Coefficients Standard

Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%

Intercept 67,51455 300,2439 0,224866 0,826206 -593,318 728,3469 -593,318 728,3469 x3 0,22931 0,07394 3,101321 0,01008 0,06657 0,39205 0,06657 0,39205 x4 37,57709 19,46853 1,930145 0,079767 -5,27286 80,42704 -5,27286 80,42704 x5 48,12526 10,04209 4,792354 0,00056 26,02276 70,22776 26,02276 70,22776 x6 39,60582 32,96162 1,201574 0,25476 -32,9422 112,1539 -32,9422 112,1539

Mo hình hồi quy phụ X2 theo X3,X4,X5,X6 là:

X2 =67.514+0.229X3+37.577X4 +48.125X5+39.606X6+ei

t= (0.2248) (3.1013) (1.9301) (4.7923) (1.2015)

R2 =0.8851

F=16.2391

Mặt khác F0 05(4,11)=3.36

Ta thấy F=16.2391> F0 05(4,11)=3.36

)qua trên ta thấy mô hình xảy ra đa cộng tuyến

BÀI 2

Câu1

a)dùng excel và eviews để ước lượng mô hình

dùng excel để ước lượng mô hình

SUMMARY OUTPUT

Multiple R 1

Adjusted R

Square 0,888889

Trang 10

Observations 11

ANOVA

df SS MS F Significanc e F

Regression 2 440 220 #NUM! #NUM!

Coefficient

s Standard Error t Stat value P- Lower 95% Upper 95% 95,0% Lower Upper 95,0%

Dùng eviews để ước lượng mô hình

không hồi quy được và nó báo lỗi là: “near singlar matrix”

b) giải thích nguyên nhân không hồi quy được?

xét ma trận hệ số tương quan sau:

Hàm đã cho không hồi quy được vì hệ số tương quan đều là 1 và ta cũng nhận ra là X3=2*X2-1 Nên mối quan hệ giữa X2 và X3 hoàn toàn chặt chẽ Do đó xảy ra hiện tượng đa cộng tuyến hoàn hảo

c)hồi quy Y theo X2

Dùng eviews để ước lượng mô hình có dạng: Y=1+2X2 +Ui

Date: 04/08/10 Time: 22:58

Sample: 1 10

R-squared 1.000000 Mean dependent var -1.000000 Adjusted R-squared 1.000000 S.D dependent var 6.055301

Trang 11

S.E of regression 8.77E-15 Sum squared resid 6.15E-28 F-statistic 4.29E+30 Durbin-Watson stat 0.106550 Prob(F-statistic) 0.000000

Ta có mô hình: 

Y =-12+2X2

Ý nghĩa của các hệ số:



1

 =-12 có nghiã khi X2=0 thì Y=0



2

 =2 có nghĩa khi X2 tăng lên 1 đơn vị thì Y tăng trung bình tương ứng là 2

(ngoài ra ta cũng có thể ước lượng mô hình của Y theo X3)

d)giải thích hạn chế của mô hình do đăc điểm của dữ liệu?

nếu chỉ hồi quy Y theo X2 thì chỉ giải thích được sự phụ thuộc của X2 đối với Y mà thôi( hoặc X3

đối với Y) chứ ta không giải thích được sự phụ thuộc của cả X3, X2 đối với Y

câu 2

a)hồi quy các mô hình( ta sẽ dùng eviews)

bước 1:Yt =1+2X2t +Ut

ta có kết quả như sau:

Date: 04/08/10 Time: 23:20

Sample: 1 14

Dựa vào bảng trên ta có:



t

Y =23.5321+0.9299 

t

X2

Bước 2: Y t =1+2X2t + 3X3t +et

Date: 04/08/10 Time: 23:21

Sample: 1 14

Trang 12

C 19.28947 6.404864 3.011691 0.0118



t

Y =1902894+0.4414X2t +1.3798X3t

Bước 3: Y t =12X2t 3X3t 4X4t v t

Date: 04/08/10 Time: 23:21

Sample: 1 14





Y 18 7026 0 3802 2 1 4185 3 0 5331 4

b)nhận xét kết quả hồi quy:

+) khi mô hình bước 2 thêm biến thu nhập không từ tiền lương và phi nông nghiệp thì hệ số từ thu nhập tiền lương giảm từ 0.9299 còn 0.4413(USD/năm)

+) khi mô hình bước 3 thêm biến thu nhập từ nông nghiệp thì hệ số hồi quy tăng từ 1.3798 lên 1.4185 (USD/năm)

Định dạng
Số trang	14
Dung lượng	581,5 KB