BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG Đề tài 1 : “Lập mô hình phân tích sự ảnh hưởng của một số yếu tố đến tiền lương của CEO”

BÀI TẬP NHÓM KINH TẾ LƯỢNG TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG - - BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG Đề tài : “Lập mô hình phân tích ảnh hưởng số yếu tố đến tiền lương CEO” (file data: 19_CEOSAL2) Đề tài : “Lập mô hình phân tích ảnh hưởng số yếu tố đến điểm trung bình môn tích lũy sinh viên” (file data :41_GPA3) Giáo viên hướng dẫn: TS Đinh Thị Thanh Bình Lớp: KTE309(2-1314).11_LT Hà Nội, ngày 09 tháng 04 năm 2014 LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG DANHSÁCH NHÓM VÀ PHÂN CÔNG CÔNG VIỆC STT Họ tên Mã sinh viên Công việc Nguyễn Thu Trang 1211110687 File 41 : Thiết lập mô hình Nguyễn Ngọc Trâm 1213310118 File 41 : Kiểm định phát lỗi mô hình 1213310117 File 41 : Sửa lỗi đánh giá mô hình Nguyễn Khắc Tôn 1111210061 File 19 : Thiết lập mô hình Hoàng Thị Thùy Trang 1212230068 File 19 : Kiểm định phát lỗi mô hình Tống Minh Trang 1213310125 File 19 : Sửa lỗi đánh giá mô hình Lê Khánh Toàn – Nhóm trưởng LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG MỤC LỤC LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG LỜI MỞ ĐẦU Kinh tế lượng (Econometrics) môn khoa học xã hội đó các công cụ của lý thuyết kinh tế, toán học suy đoán thống kê áp dụng để phân tích các vấn đề kinh tế Kinh tế lượng sử dụng các công cụ phương pháp của thống kê toán để tìm bản chất của các số liệu thống kê, đưa kết luận về các số liệu thống kê thu thập từ đó có thể đưa các dự báo về các hiện tượng kinh tế Từ đời đến nay, kinh tế lượng đã đem lại cho các nhà kinh tế một công cụ đo lường sắc bén để đo các quan hệ kinh tế Là những sinh viên theo học khối ngành kinh tế, chúng em nhận thấy sự cần thiết của việc học tập tìm hiểu về Kinh tế lượng việc phân tích logic nghiên cứu vấn đề Để hiểu sâu về việc đưa Kinh tế lượng vào thực tế cuộc sống áp dụng Kinh tế lượng cho đúng hiệu quả, nhóm em xin xây dựng BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG dưới sự hướng dẫn của TS Đinh Thị Thanh Bình Trong tiểu luận, nhóm đã sử dụng công cụ phân tích kinh tế lượng phần mềm stata để phân tích, nghiên cứu dựa số liệu của file dữ liệu: •19_CEOSAL2: "Phân tích ảnh hưởng số yếu tố đến tiền lương CEO” •41_GPA3:"Phân tích ảnh hưởng yếu tố tới điểm trung bình môn tích lũy sinh viên" Đây lần đầu tiên nhóm nghiên cứu vấn đề việc ứng dụng dụng phương pháp kinh tế lượng Do những hạn chế về kiến thức thực tế, phương pháp nghiên cứu, thời gian nghiên cứu nên tiểu luận không tránh khỏi những thiếu sót Rất mong nhận đóng góp từ TS Đinh Thị Thanh Bình để nghiên cứu hoàn thiện Chúng em xin chân thành cảm ơn cô! LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG PHẦN I: FILE 19_CEOSAL2 I CƠ SỞ LÝ THUYẾT VỀ VẤN ĐỀ NGHIÊN CỨU Nghiên cứu cho thấy có nhiều yếu tố khác ảnh hưởng tới tiền lương của người lao động.sự tác động của yếu tố khác nhau.tại việt nam niên có độ tuổi từ 18 tới 25 có nhiều đóng góp họ không phải những người giàu có.ngược lại những người có độ tuổi >= 50 lại những người có thu nhập cao nhất Người có học vấn cao thì thu nhập cao Hay nghiên cứu gần của Caponi Plesca (2007) những người tốt nghiệp đại học thu nhập cao người tốt nghiệp phổ thông trung học từ 30 tới 40%.yếu tố ngành nghề một nhũng yếu tố định về tiền lương của người lao động Trên sở những lý thuyết liên quan, đề tài nghiên cứu của nhóm “Các yếu tố ảnh hưởng đến tiền lương CEO” phân tích, nghiên cứu xu hướng mức độ tác động của các nhân tố: lsales lmktval ceoten age comten grad lên lsalary II THIẾT LẬP, KIỂM ĐỊNH, PHÂN TÍCH LỖI, SỬA LỖI MÔ HÌNH THIẾT LẬP MÔ HÌNH a Chọn biến phụ thuộc biến độc lập Từ file số liệu 19_CEOSAL2và sử dụng lệnh “des” phần mềm stata, ta thu kết quả sau: des Contains data from D:\tailieu\ktl\file data\filedata\19_CEOSAL2.DTA obs: 177 vars: 15 17 Aug 1999 23:14 size: 6,549 storage display value variable name type format label variable label salary int %9.0g 1990 compensation, $1000s age byte %9.0g in years college byte %9.0g =1 if attended college LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG grad byte %9.0g =1 if attended graduate school comten byte %9.0g years with company ceoten byte %9.0g years as ceo with company sales float %9.0g 1990 firm sales, millions profits int %9.0g 1990 profits, millions mktval float %9.0g market value, end 1990, mills lsalary float %9.0g log(salary) lsales float %9.0g log(sales) lmktval float %9.0g log(mktval) comtensq int %9.0g comten^2 ceotensq int %9.0g ceoten^2 profmarg float %9.0g profits as % of sales Sorted by: File19_CEOSAL2được lập vào 23:44 ngày 17/08/1999 bao gồm 15 biến, 177 quan sát Dựa vào những lý thuyết nêu dự liệu của file 19_CEOSAL2, nhóm định chọn biến lsalarylà biến phụ thuộc, các biến lsales lmktval ceoten age comten gradlà các biến độc lập b − Mô hình hồi quy tổng thể hàm hồi quy mẫu Mô hình hồi quy tổng thể: (PRF): − Hàm hồi quy mẫu: (SRF): Trong đó: : yếu tố ngẫu nhiên (nhiễu) Biến độc lập Biến phụ thuộc lsalary Biến định lượng age comten ceoten lmktval Biến định tính lsales grad LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG c • Miêu tả biến Sử dụng lệnh “des lsales lmktval ceoten age comten grad” ta thu kết sau: des lsales lmktval ceoten age comten grad storage display value variable name type format label variable label lsales float %9.0g log(sales) lmktval float %9.0g log(mktval) ceoten byte %9.0g years as ceo with company age byte %9.0g in years comten byte %9.0g years with company grad byte %9.0g =1 if attended graduate school Giải thích biến: Tên biến Hiển thị dạng lsalary 9% Số thực Logarit của tiền lương trung bình năm 1990 của CEO age 9% Số nguyên Tuổi của CEO grad 9% Số nguyên =1 tốt nghiệp đại học comten 9% Số nguyên Số năm làm việc công ty lsales 9% Số nguyên Logarit của doanh thu công ty năm 1990 ceoten 9% Số nguyên Số năm làm CEO công ty lmktval 9% Số nguyên Logarit của giá trị thị trường công ty • Kiểu liệu Ý nghĩa Đơn vị Tuổi Năm Năm Sử dụng lệnh sum: sum lsalary lsales lmktval ceoten comten grad age Variable | Obs Mean Std Dev Min Max -+ -lsalary | 177 6.582848 6060594 4.60517 8.575274 LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG lsales | 177 7.231025 1.432086 3.367296 10.84545 lmktval | 177 7.39941 1.133414 5.958425 10.72327 ceoten | 177 7.954802 7.150826 37 comten | 177 22.50282 12.29473 58 -+ -grad | 177 5310734 5004492 age | 177 56.42938 8.42189 33 86 Giá trị nhỏ Giá trị lớn Số lượng quan sát thiếu giá trị 4.60517 8.575274 0 8.42189 33 86 22.50282 12.29473 58 177 7.954802 7.150826 37 lsales 177 7.231025 1.133414 3.367296 10.84545 lmktval 177 7.39941 1.133414 5.958425 10.72327 Tên biến Số quan sát Trung bình Độ lệch chuẩn lsalary 177 6.582848 0.6060594 grad 177 0.5310734 0.5004492 age 177 56.42938 Comten 177 Ceoten • Sử dụng lệnh “tab1 lsales lmktval ceoten comten grad age” để xem xét bảng phân phối tần suất giá trị biến: tab1 lsales lmktval ceoten comten grad age -> tabulation of lsales log(sales) | Freq Percent Cum + 3.367296 | 0.56 0.56 3.583519 | 0.56 1.13 3.912023 | 0.56 1.69 4.077538 | 0.56 2.26 4.174387 | 0.56 2.82 4.356709 | 0.56 3.39 4.59512 | 0.56 3.95 4.867535 | 0.56 4.52 LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG 4.905275 4.962845 5.003946 5.010635 5.068904 5.075174 5.129899 5.198497 5.347107 5.42495 5.442418 5.47227 5.517453 5.56452 5.624018 5.645447 5.652489 5.811141 5.817111 5.849325 5.860786 5.9428 5.961005 6.011267 6.045005 6.068426 6.084499 6.169611 6.216606 6.222576 6.240276 6.280396 6.284134 6.287858 6.327937 6.329721 6.33328 6.340359 6.347389 6.369901 6.37332 6.391917 6.395262 6.405229 6.413459 6.415097 6.45047 6.453625 6.456769 | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 1.13 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 5.08 5.65 6.21 6.78 7.34 7.91 8.47 9.04 9.60 10.17 10.73 11.30 11.86 12.43 12.99 13.56 14.12 14.69 15.25 15.82 16.38 16.95 17.51 18.08 18.64 19.21 19.77 20.34 20.90 21.47 22.60 23.16 23.73 24.29 24.86 25.42 25.99 26.55 27.12 27.68 28.25 28.81 29.38 29.94 30.51 31.07 31.64 32.20 32.77 LỚP KTE309.11 _ NHÓM 19 BÀI TẬP NHÓM KINH TẾ LƯỢNG 6.493754 6.510258 6.51323 6.575076 6.641182 6.665684 6.679599 6.703188 6.706862 6.768493 6.784457 6.79794 6.860664 6.901737 6.907755 7.003066 7.090077 7.17012 7.244227 7.301148 7.313221 7.377759 7.438384 7.495542 7.549609 7.600903 7.649693 7.696213 7.740664 7.783224 7.824046 7.863267 7.901007 7.937375 7.972466 8.006368 8.101678 8.160519 8.242756 8.34284 8.36637 8.389359 8.411833 8.433811 8.455317 8.476371 8.49699 8.556414 8.575462 | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | 1 1 1 1 1 1 1 1 3 1 4 1 2 1 1 1 1 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 0.56 1.13 3.95 1.69 1.13 3.39 0.56 0.56 1.13 1.69 1.69 0.56 0.56 0.56 2.26 1.13 2.26 1.13 2.82 1.69 0.56 0.56 1.13 1.13 1.13 0.56 0.56 0.56 0.56 0.56 0.56 0.56 1.13 0.56 0.56 1.13 33.33 33.90 34.46 35.03 35.59 36.16 36.72 37.29 37.85 38.42 38.98 39.55 40.11 40.68 41.81 45.76 47.46 48.59 51.98 52.54 53.11 54.24 55.93 57.63 58.19 58.76 59.32 61.58 62.71 64.97 66.10 68.93 70.62 71.19 71.75 72.88 74.01 75.14 75.71 76.27 76.84 77.40 77.97 78.53 79.10 80.23 80.79 81.36 82.49 LỚP KTE309.11 _ NHÓM 19 10 BÀI TẬP NHÓM KINH TẾ LƯỢNG 255 | 0.27 88.80 259 | 0.27 89.07 264 | 0.27 89.34 266 | 0.27 89.62 267 | 0.27 89.89 268 | 0.27 90.16 270 | 0.27 90.44 273 | 0.27 90.71 274 | 0.27 90.98 277 | 0.27 91.26 279 | 0.55 91.80 282 | 0.27 92.08 285 | 0.55 92.62 290 | 0.27 92.90 308 | 0.27 93.17 314 | 0.27 93.44 315 | 0.27 93.72 320 | 0.27 93.99 328 | 0.27 94.26 329 | 0.27 94.54 337 | 0.27 94.81 339 | 0.27 95.08 344 | 0.27 95.36 346 | 0.27 95.63 358 | 0.27 95.90 384 | 0.27 96.17 397 | 0.27 96.45 402 | 0.27 96.72 420 | 0.27 96.99 429 | 0.27 97.27 441 | 0.27 97.54 448 | 0.27 97.81 451 | 0.27 98.09 461 | 0.27 98.36 463 | 0.27 98.63 477 | 0.27 98.91 481 | 0.27 99.18 500 | 0.27 99.45 511 | 0.27 99.73 529 | 0.27 100.00 + Total | 732 100.00 -> tabulation of female =1 if | female | Freq Percent Cum + | 552 75.41 75.41 LỚP KTE309.11 _ NHÓM 19 42 BÀI TẬP NHÓM KINH TẾ LƯỢNG | 180 24.59 100.00 + Total | 732 100.00 -> tabulation of football =1 if | football | player | Freq Percent Cum + | 494 67.49 67.49 | 238 32.51 100.00 + Total | 732 100.00 l Lập bảng tương quan Trước chạy hồi quy mô hình, chúng ta xem xét mức độ tương quan giữa các biến sử dụng lệnh “corr cumgpa sat frstsem trmgpa hsrank female football”ta thu ma trận tương quan giữa các biến sau: corr cumgpa sat frstsem trmgpa hsrank female football (obs=732) | cumgpa sat frstsem trmgpa hsrank female football -+ cumgpa | 1.0000 sat | 0.1516 1.0000 frstsem | -0.8224 0.0673 1.0000 trmgpa | 0.3255 0.4941 -0.0547 1.0000 hsrank | -0.1786 -0.2252 0.0203 -0.3003 1.0000 female | 0.1084 0.0585 0.0482 0.3202 -0.2062 1.0000 football | -0.0161 -0.2596 -0.0648 -0.3097 0.0961 -0.3964 1.0000 Nhận xét: Từ ma trận tương quan, ta rút một số điểm sau: - Mức độ tương quan giữa biến phụ thuộc cumgpavới các biến độc lập sat, frstsem, trmgpa, hsrank, female, footballkhông đồng đều, tương quan của cumgpa với frstsem tương đối lớn (r = - 0.8224), tương quan của cumgpavới female, football lại yếu nhiều (r= 0.1084 r = - 0.0161) LỚP KTE309.11 _ NHÓM 19 43 BÀI TẬP NHÓM KINH TẾ LƯỢNG - Tương quan của các biến độc lập với không lớn, có tương quan của satvới trmgpalà cao cả (r= 0.4941) Kỳ vọng dấu: • r(cumgpa, sat) = 0.1516 > nên kỳ vọng có giá trị dương • r(cumgpa, frstsem) = - 0.8224 < nên kỳ vọng có giá trị âm • r(cumgpa, trmgpa) = 0.3255 > nên kỳ vọng có giá trị dương • r(cumgpa, hsrank) = - 0.1786 < nên kỳ vọng có giá trị âm • r(cumgpa, female) = 0,1084 > nên kỳ vọng có giá trị dương • r(cumgpa, football) = - 0.0161 < nên kỳ vọng có giá trị âm m • Chạy mô hình diễn giải ý nghĩa hệ số hồi quy Hồi quy biến cumgpa theo các biến sat, frstsem, trmgpa, hsrank, female, football lệnh reg, ta có: reg cumgpa sat frstsem trmgpa hsrank female football Source | SS df MS -+ -Model | 553.69403 92.2823383 Residual | 162.204525 725 223730379 -+ -Total | 715.898555 731 979341389 Number of obs F( 6, 725) Prob > F R-squared Adj R-squared Root MSE = = = = = = 732 412.47 0.0000 0.7734 0.7716 473 cumgpa | Coef Std Err t P>|t| [95% Conf Interval] -+ sat | 0006075 0001241 4.89 0.000 0003638 0008513 frstsem | -2.383864 0522033 -45.67 0.000 -2.486352 -2.281377 trmgpa | 2617042 0289609 9.04 0.000 2048469 3185614 hsrank | -.0005978 0001699 -3.52 0.000 -.0009313 -.0002643 female | 2022463 0467115 4.33 0.000 1105404 2939523 football | 1288797 0423934 3.04 0.002 0456513 2121081 _cons | 1.213671 1146507 10.59 0.000 9885841 1.438758 - Từ kết quả chạy hồi quy, ta có phương trình hồi quy mẫu: • - Phân tích kết hồi quy: Số quan sát đưa vào phân tích obs = 732 Phần tổng bình phương các độ lệch giữa giá trị cumgpa với giá trị trung bình của nó SST - = 715.898555 Tổng bình phương tất cả các sai lệch giữa giá trị của biến cumgpa nhận từ hàm hồi quy mẫu với giá trị trung bình của chúng SSE = 553.69403 LỚP KTE309.11 _ NHÓM 19 44 BÀI TẬP NHÓM KINH TẾ LƯỢNG - Tổng bình phương các phần dư SSR = 162.204525 Sai số chuẩn của ước lượng Root MSE = 0.473, nó nhỏ độ lệch chuẩn của biến phụ thuộc là: S.D = = = 0.979341 Vậy ước lượng hồi quy chấp nhận - Mức độ phù hợp của mô hình so với thực tế R = 0.7734 có nghĩa tính phù hợp của mô hình cao Nó thể hiện các biến độc lập mô hình giải thích 77.34% sự • thay đổi của điểm trung bình môn tích lũy của sinh viên Với độ tin cậy 95% ta có khoảng tin cậy phía hệ số hồi quy: Hệ số hồi quy • Khoảng tin cậy phía với độ tin cậy 95% 0.9885841 1.438758 0.000363 0.0008513 -2.486352 -2.281377 0.2048469 0.3185614 -0.0009313 -0.0002643 0.1105404 0.2939523 0.0456513 0.2121081 Giải thích ý nghĩa tham số: Với giả thiết các yếu tố khác không đổi, điếm SAT tăng thêm điểm khiến cho điểm trung bình môn tích lũy của học sinh tăng thêm điểm Với giả thiết các yếu tố khác không đổi, điểm trung bình môn tích lũy các học sinh theo học kỳ đầu tiên thấp điểm trung bình môn tích lũy của các học sinh theo học từ kỳ thứ hai trở điểm Với giả thiết các yếu tố khác không đổi, điểm trung bình môn của kỳ học tăng thêm điểm khiến cho điểm trung bình môn tích lũy của học sinh tăng thêm điểm < 0: Với giả thiết các yếu tố khác không đổi, thứ hạng của học sinh lớp giảm bậc khiến cho điểm trung bình môn tích lũy giảm điểm > 0: Với giả thiết các yếu tố khác không đổi, điểm trung bình môn tích lũy của học sinh nữ cao điểm trung bình môn tích lũy của học sinh nam điểm =0.1288797>0: Với giả thiết các yếu tố khác không đổi, điểm trung bình môn tích lũy của học sinh cầu thủ bóng đá cao của học sinh không cầu thủ 0.1288797 điểm LỚP KTE309.11 _ NHÓM 19 45 BÀI TẬP NHÓM KINH TẾ LƯỢNG KIỂM ĐỊNH MÔ HÌNH a Kiểm định ý nghĩa thống kê biến Với mô hình thiết lập trên, chúng ta tiến hành kiểm định ý nghĩa thống kê của các biến độc lập Giả thuyết kiểm định: - Sử dụng thống kê: t = ~T (n-k-1) - Phương pháp kiểm định: kiểm định phương pháp p-value - Quy tắc kiểm định: giá trị p-value lớn mức ý nghĩa α = 0,05 thì ta có sở bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 Từ kết quả chạy hồi quy, các giá trị p-value của các biến độc lập đều nhỏ mức ý nghĩa α = 0,05  Kết luận: Tất cả các biến độc lập mô hình đều có ý nghĩa thống kê tại mức ý nghĩa 5% n - Kiểm định phù hợp mô hình Phương pháp kiểm định: kiểm định phương pháp p-value Giả thuyết kiểm định: Giả thuyết tương đương với: - Tiêu chuẩn kiểm định: Trong đó: k số biến độc lập, k = n: số quan sát, n = 732 - Quy tắc kiểm định: Nếu giá trị p-value nhỏ mức ý nghĩa thì bác bỏ H0, chấp nhận H1 Dùng lệnh“test” kết quả thu được: test sat frstsem trmgpa hsrank female football ( 1) ( 2) ( 3) sat = frstsem = trmgpa = LỚP KTE309.11 _ NHÓM 19 46 BÀI TẬP NHÓM KINH TẾ LƯỢNG ( 4) ( 5) ( 6) hsrank = female = football = F( 6, 725) = Prob > F = 412.47 0.0000 Kết quả trả về cho thấy giá trị Prob > F = 0.0000 < 0.05 nên có sở bác bỏ H 0, chấp nhận H1  Kết luận: Mô hình hồi quy phù hợp o Kiểm định đa ràng buộc tuyến tính Sau chạy hồi qui hàm hồi qui mẫu, nhận thấy các giá trị ước lượng có giá trị rất nhỏ (0.0006075 -0.0005978) Đặt vấn đề : Có thể bỏ các biến sat hsrank khỏi mô hình hồi qui không? - Xây dựng giả thuyết kiểm định: Phương pháp kiểm định: Sử dụng phương pháp p-value Quy tắc kiểm định: giá trị p-value nhỏ mức ý nghĩa α=0.05 thì bác bỏ H0, chấp - nhận H1 Ta sử dụng lệnh test với biếnsat hsrank test sat hsrank ( 1) sat = ( 2) hsrank = F( 2, 725) = 20.53 Prob > F = 0.0000 Vì giá trị Prob > F = 0.0000 < 0.05 nên bác bỏ H0, chấp nhận H1  Kết luận: Không thể bỏ đồng thời biến sat hsrankra khỏi mô hình hồi qui vì có ít nhất biến có ảnh hưởng tới biến cumgpa  PHÂN TÍCH MÔ HÌNH a Kiểm định đa cộng tuyến Để kiểm định mô hình có mắc phải lỗi đa cộng tuyến hay không, nhóm đã sử dụng cách khác trình bày dưới đây: • Cách 1: R2 cao tỉ số |t| thấp LỚP KTE309.11 _ NHÓM 19 47 BÀI TẬP NHÓM KINH TẾ LƯỢNG - Nguyên tắc kiểm định: Trong trường hợp R2 cao (thường R2 > 0,8) mà tỉ số t thấp - (thường |t|< 1) thì mô hình có dấu hiệu của đa cộng tuyến Kết chạy hồi quy: reg cumgpa sat frstsem trmgpa hsrank female football Source | SS df MS -+ -Model | 553.69403 92.2823383 Residual | 162.204525 725 223730379 -+ -Total | 715.898555 731 979341389 Number of obs F( 6, 725) Prob > F R-squared Adj R-squared Root MSE = = = = = = 732 412.47 0.0000 0.7734 0.7716 473 cumgpa | Coef Std Err t P>|t| [95% Conf Interval] -+ sat | 0006075 0001241 4.89 0.000 0003638 0008513 frstsem | -2.383864 0522033 -45.67 0.000 -2.486352 -2.281377 trmgpa | 2617042 0289609 9.04 0.000 2048469 3185614 hsrank | -.0005978 0001699 -3.52 0.000 -.0009313 -.0002643 female | 2022463 0467115 4.33 0.000 1105404 2939523 football | 1288797 0423934 3.04 0.002 0456513 2121081 _cons | 1.213671 1146507 10.59 0.000 9885841 1.438758 - Từ kết quả hồi qui ta thấy, R2 = 0,7734< 0,8 các giá trị |t| đều lớn  Kết luận: Không phát hiện lỗi đa cộng tuyến mô hình • - Cách : Tương quan cặp biến độc lập cao Nguyên tắc kiểm định: hệ số tương quan cặp giữa các biến độc lập cao (r > 0.8) thì - có khả tồn tại đa cộng tuyến Kết bảng tương quan biến độc lập: corr sat frstsem trmgpa hsrank female football (obs=732) | sat frstsem trmgpa hsrank female football -+ -sat | 1.0000 frstsem | 0.0673 1.0000 trmgpa | 0.4941 -0.0547 1.0000 hsrank | -0.2252 0.0203 -0.3003 1.0000 female | 0.0585 0.0482 0.3202 -0.2062 1.0000 football | -0.2596 -0.0648 -0.3097 0.0961 -0.3964 1.0000 Từ bảng tương quan trên, nhận thấy tất cả các giá trị tương quan cặp của các biến độc lập đều nhỏ 0,8  Kết luận : Không phát hiện lỗi đa cộng tuyến mô hình LỚP KTE309.11 _ NHÓM 19 48 BÀI TẬP NHÓM KINH TẾ LƯỢNG • - Cách : Sử dụng nhân tử phóng đại phương sai Nguyên tắc kiểm định: Nếu Mean VIF > 10 thì mô hình có khả mắc lỗi đa cộng - tuyến Sử dụng lệnh “vif” ta có kết quả: vif Variable | VIF 1/VIF -+ -trmgpa | 1.58 0.634665 sat | 1.42 0.701968 female | 1.32 0.755400 football | 1.29 0.775062 hsrank | 1.13 0.881984 frstsem | 1.02 0.975653 -+ -Mean VIF | 1.30 - Từ kết quả phân tích trên, ta thấy các giá trị VIF Mean VIF đều nhỏ nhiều so với 10  Kết luận : Không phát hiện lỗi đa cộng tuyến mô hình  Kết luận chung lỗi đa cộng tuyến mô hình: Với cách kiểm định lỗi đa cộng tuyến đều cho kết quả không phát hiện lỗi Ta có thể kết luận mô hình không mắc đa cộng tuyến p Kiểm định phương sai sai số thay đổi Để kiểm định mô hình có lỗi phương sai sai số thay đổi hay không, nhóm sử dụng cách kiểm định sau : • - Cách : Xem xét biểu đồ phần dư giá trị dự đoán (định tính) Nguyên tắc kiểm định: độ rộng của biểu đồ rải của phần dư tăng giảm tăng - thì giả thiết về phương sai sai số không đổi có thể không thỏa mãn Sử dụng lệnh “rvfplot, yline(0)” ta thu đồ thị phần dư của giá trị dự đoán: LỚP KTE309.11 _ NHÓM 19 49 BÀI TẬP NHÓM KINH TẾ LƯỢNG - Từ biểuđồ trên, nhận thấyđộ rộng của biểuđồ rải của phần dư phân tán không đồng đều  Kết luận: Mô hình có khả có lỗi phương sai sai số thay đổi • - Cách 2: Sử dụng kiểm định White Giả thuyết kiểm định: Nguyên tắc kiểm định: với mức ý nghĩa , giá trị p-value < thì có sở bác bỏ - chấp nhận Sử dụng lệnh « imtest, white »ta thu kết quả: imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(23) Prob > chi2 = = 35.73 0.0440 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 35.73 23 0.0440 Skewness | 31.59 0.0000 Kurtosis | 13.93 0.0002 -+ Total | 81.25 30 0.0000 LỚP KTE309.11 _ NHÓM 19 50 BÀI TẬP NHÓM KINH TẾ LƯỢNG - - Từ kết quả ta nhận thấy Prob > chi2 = 0,0440 < 0,05 =>bác bỏ H0, chấp nhận H1  Kết luận: Mô hình có lỗi phương sai sai số thay đổi • - Cách : sử dụng kiểm định Breusch-Pagan Giả thuyết kiểm định: Nguyên tắc kiểm định: với mức ý nghĩa , giá trị p-value < thì có sở bác bỏ - chấp nhận Sử dụng lệnh hettestta thu kết quả: hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of cumgpa chi2(1) - = 8.04 Prob > chi2 = 0.0046 Từ kết quả trên, nhận thấy Prob > chi2 = 0,0046 < 0,05 => bác bỏ H0 chấp nhận H1  Kết luận: Mô hình có lỗi phương sai sai số thay đổi  Kết luận chung lỗi phương sai sai số thay đổi: Với cách kiểm định ta nhận thấy mô hình mắc lỗi phương sai sai số thay đổi q • Kiểm định định dạng mô hình Kiểm định thừa biến Theo kết quảở phần chạy hồi quy thì tất cả các hệ số hồi quy đều cóý nghĩa thống kêở mứcý nghĩa 5% nên các biếnđưa vào mô hình cần thiết không thể loại bỏ khỏi mô hình • Kiểm định thiếu biến Để kiểm tra mô hình có lỗiđịnh dạng sai thiếu biến hay không, nhómđã sử dụng kiểmđịnh Ramsey - Cặp giả thuyết cần kiểm định: Nguyên tắc kiểm định: với mức ý nghĩa , giá trị p-value < thì có sở bác bỏ - chấp nhận Sử dụng lệnh « ovtest », ta thu kết quả sau : ovtest Ramsey RESET test using powers of the fitted values of cumgpa LỚP KTE309.11 _ NHÓM 19 51 BÀI TẬP NHÓM KINH TẾ LƯỢNG Ho: F(3, 722) = model has no omitted variables 34.61 Prob > F = - 0.0000 Từ kết quả thu trên, nhận thấy giá trị Prob > F = 0,0000 < 0,05 nên có sở để bác bỏ giả thuyết H0 chấp nhận H1  Kết luận: Mô hình đã bỏ sót biến SỬA LỖI MÔ HÌNH Sửa lỗi phương sai sai số thay đổi mô hình hồi quy mẫu Trong phần này, để sửa lỗi phương sai sai số thay đổi nhóm sử dụng phương pháp biến đổi logarit (Theo giả thiết : Hạng hàm sai) Bởi vì, việc ước lượng hồi quy có thể làm giảm phương sai của sai số thay đổi tác động của phép biến đổi logarit Trong mô hình có biến độc lập, để có thể logarit hóa, thì biến đó phải dương, vì vậy nhóm định chọn biến hsrank để thực hiện logarit hóa Thực hiện phép biến đổi logarit với biến hsrank ta thu mô hình :  Trong đó : logrank = ln(hsrank) Tạo biến logrank Stata : gen logrank = ln(hsrank) Chạy hồi quy ta thu kết quả : reg cumgpa sat frstsem trmgpa logrank female football Source | SS df MS -+ -Model | 555.360773 92.5601288 Residual | 160.537782 725 221431423 -+ -Total | 715.898555 731 979341389 Number of obs F( 6, 725) Prob > F R-squared Adj R-squared Root MSE = = = = = = 732 418.01 0.0000 0.7758 0.7739 47057 -cumgpa | Coef Std Err t P>|t| [95% Conf Interval] -+ LỚP KTE309.11 _ NHÓM 19 52 BÀI TẬP NHÓM KINH TẾ LƯỢNG sat frstsem trmgpa logrank female football _cons | | | | | | | 0005407 -2.388602 253668 -.0649351 1870567 1206646 1.497875 0001255 0519206 0289519 014505 0467993 0422728 14428 4.31 -46.00 8.76 -4.48 4.00 2.85 10.38 0.000 0.000 0.000 0.000 0.000 0.004 0.000 0002943 -2.490534 1968285 -.0934119 0951785 0376728 1.214618 000787 -2.286669 3105075 -.0364584 278935 2036564 1.781131 Mô hình hồi quy : Sau chạy hồi quy mô hình mới, mức độ phù hợp của mô hình R = 0.7758, tăng lên một chút so với trước đó R2 = 0.7734 Đồng thời các giá trị p-value đều nhỏ 0,05 nên các biến độc lập mô hình đều có ý nghĩa thống kê mức ý nghĩa 5% Nhóm tiến hành kiểm tra lỗi phương sai sai số thay đổi mô hình hồi quy sau thêm trọng số kiểm định White: imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(23) Prob > chi2 = = 34.37 0.0599 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 34.37 23 0.0599 Skewness | 31.02 0.0000 Kurtosis | 13.75 0.0002 -+ Total | 79.14 30 0.0000 - Kết quả kiểm định có p-value = 0.0599 > 0.05 => có sở chấp nhận giả thuyết phương sai sai số không đổi  Kết luận: lỗi phương sai sai số thay đổi mô hình hồi quy mẫu ban đầu đã sửa • Tiến hành kiểm định lỗi đa cộng tuyến mô hình : LỚP KTE309.11 _ NHÓM 19 53 BÀI TẬP NHÓM KINH TẾ LƯỢNG vif Variable | VIF 1/VIF -+ -trmgpa | 1.59 0.628536 sat | 1.47 0.680112 female | 1.34 0.744836 football | 1.30 0.771478 logrank | 1.24 0.804669 frstsem | 1.02 0.976171 -+ -Mean VIF | 1.33 Từ kết quả nhận thấy tất cả các giá trị vif đều nhỏ 10 => mô hình sau logarit hóa biến hsrank không bị mắc lỗi đa cộng tuyến V ĐÁNH GIÁ MÔ HÌNH Mô hình hồi quy mẫu :  Tất cả các biến độc lập đưa vào mô hình đều có ý nghĩa thống kê mức ý nghĩa 5% Các biến độc lập giải thích 77.34% sự biến động của điểm tích lũy học tập Không có lỗi đa cộng tuyến, không có lỗi thừa biến mô hình Tuy nhiên mô hình hồi quy mẫu mắc lỗi phương sai sai số thay đổi, lỗi thiếu biến Mô hình tương đối tốt Mô hình hồi quy sau thực phép biến đổi logarit - Tất cả các biến độc lập đều có ý nghĩa thống kê mức 5% Các biến độc lập giải thích 77.58% mức trung bình phần trăm lương/lương khởi điểm - Mô hình không bị mắc các lỗi: đa cộng tuyến, phương sai sai số thay đổi, thừa biến - Tuy nhiên, mô hình vẫn bị lỗi thiếu biến  Mô hình rất tốt, tương đối hoàn hảo LỚP KTE309.11 _ NHÓM 19 54 BÀI TẬP NHÓM KINH TẾ LƯỢNG KẾT LUẬN Sau thực hành chạy mô hình kinh tế lương với file dữ liệu19_CEOSAL2 41_GPA3, nhóm chúng em đã có thêm nhiều kiến thức bổích cả về lý thuyết thực hành môn kinh tế lượng cácứng dụng của nó thực tiễnáp dụng vào phân tích các hiện tượng kinh tế Bài tiểu luận môn Kinh tế lượng của chúng em đếnđây kết thúc Chúng em xin cámơn sự giúp đỡ hướng dẫn củaTS Đinh Thị Thanh Bình qua những giờ học bổ ích lớp đã giúp chúng em có thêm kiến thức về môn Kinh tế lượng Điều đó giúp chúng em thêm nhiều quá trình học tập sắp tới tại Trường Đại học Ngoại thương cho việc làm sau của chúng em Chúng em xin chân thành cám ơn cô! LỚP KTE309.11 _ NHÓM 19 55 BÀI TẬP NHÓM KINH TẾ LƯỢNG TÀI LIỆU THAM KHẢO Nguyễn Quang Dong, 1998 Bài giảng kinh tế lượng Đại học kinh tế quốc dân Hà Nội: Nhà xuất bản Giao Thông Vận Tải Kenneth L.Simons Useful Stata Commands (for Stata Version 12) 25-Jan-2013 LỚP KTE309.11 _ NHÓM 19 56