Tieu luan ung dung phan mem eviews trong nghien cuu KHoa hoc

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUỐC TẾ HỒNG BÀNG TIỂU LUẬN MÔN KINH TẾ LƯỢNG ỨNG DỤNG PHẦN MỀM EVIEWS TRONG NGHIÊN CỨU Giảng viên hướng dẫn: TS Đinh Kiệm Học viên thực hiện: Võ Thị Ngọc Huyền Lớp: AGVS18CH1-NH1 AN GIANG – NĂM 2018 DANH MỤC BIỂU BẢN Bảng 1.1: Mô tả số liệu Bảng 1.2: Giá bán nhà với yếu tố định với 224 điểm nhà DANH MỤC HÌNH Hình 2.1: Workfile tạo Hình 2.2: Thao tác chọn Correlations Hình 2.3: Hộp thoại Series List Hình 2.4: Bảng kết Correlation Matrix Hình 2.5: Thao tác lệnh chạy mơ hình hồi quy 10 Hình 2.6: Hộp thoại Equation Estimation 10 Hình 2.7: Kết mơ hình hồi quy .11 Hình 2.8: Bảng kiểm tra mơ hình hồi quy 11 Hình 2.9: Thao tác chọn lệnh kiểm định Wald 12 Hình 2.10: Thao tác chọn lệnh kiểm định Wald 13 Hình 2.11: Kết kiểm định Wald với biến đồng thời .13 Hình 2.12: Thao tác chọn lệnh kiểm định Wald với biến SQFT 14 Hình 2.13: Kết kiểm định Wald với biến SQFT 14 Hình 2.14: Thao tác chọn lệnh kiểm định Wald với biến BEDRMS 14 Hình 2.15: Kết kiểm định Wald với biến BEDRMS 15 Hình 2.16: Thao tác chọn lệnh kiểm định Wald với biến BATHS 15 Hình 2.17: Kết kiểm định Wald với biến BATHS 16 Hình 2.18: Thao tác chọn lệnh kiểm định Wald với biến GARAGE 16 Hình 2.19: Kết kiểm định Wald với biến GARAGE 17 Hình 2.20: Thao tác chọn lệnh kiểm định Wald với biến AGE 17 Hình 2.21: Kết kiểm định Wald với biến AGE .18 Hình 2.22: Thao tác chọn lệnh kiểm định Wald với biến CITY 18 Hình 2.23: Kết kiểm định Wald với biến CITY 19 Hình 2.24: Kết mơ hình hồi quy sau loại biến 19 Hình 2.25: Bảng kiểm tra mơ hình hồi quy sau loại biến 20 Hình 2.26 Thao tác chọn lệnh hồi quy chuẩn hóa 20 Hình 2.27 Kết mơ hình hồi quy chuẩn hóa 21 Hình 2.28: Thao tác chọn lệnh kiểm định Jarque- bera .22 Hình 2.29: Kết kiểm định Jarque- Bera 22 Hình 2.30: Thao tác chọn lệnh kiểm định tính chất đa cộng tuyến tiêu chuẩn hệ số phương sai phóng đại VIF 23 Hình 2.31: Bảng kết kiểm định tính chất đa cộng tuyến tiêu chuẩn hệ số phương sai phóng đại VIF 23 Hình 2.32: Thao tác chọn lệnh kiểm định White 24 Hình 2.33: Thao tác chọn lệnh kiểm định White 24 Hình 2.34: Kết kiểm định White 25 Hình 2.35: Thao tác thực lệnh kiểm định BG .26 Hình 2.36: Chọn Lag .26 Hình 2.37: Kết kiểm định BG 27 Hình 2.38: Thao tác chọn thêm biến 28 Hình 2.39: Tăng thêm biến 29 Hình 2.40: Thao tác thêm biến 29 Hình 2.41: Nhập thêm liệu data 30 Hình 2.42: Nhập liệu biến 31 Hình 2.43: Nhập biến vơ hướng 31 Hình 2.44: Kết SE(Y0) Y^0 .32 Hình 2.45: Tạo giá trị δ^ 32 Hình 2.46: Tạo biến giá trị T tra bảng 33 Hình 2.47: Kết biến se_2dubao 33 Hình 2.48: Kết dự báo giá trị trung bình cá biệt 34 Hình 2.49: Đồ thị dự báo trung bình 35 Hình 2.50: Đồ thị dự báo cá biệt 35 MỤC LỤC Danh mục biểu bảng i Danh mục hình .ii Mục lục iv PHẦN 1: ĐỀ TIỂU LUẬN PHẦN 2: NỘI DUNG 2.1 LẬP MA TRẬN TƯƠNG QUAN VÀ PHÂN TÍCH CÁC MỐI QUAN HỆ .8 2.1.1 Nhập liệu từ excel 2.1.2 Lập ma trận tương quan .8 2.2 TUYỂN LỌC LẠI TỪ TẬP HỢP CÁC BIẾN GIẢI THÍCH ĐỂ CHỌN BIẾN PHÙ HỢP ĐƯA VÀO MƠ HÌNH HỒI QUY MỚI (KIỂM ĐỊNH WALD, KIỂM ĐỊNH F-SỰ PHÙ HỢP MƠ HÌNH, TÍNH CÁC HỆ SỐ HỒI QUY CHUẨN HÓA) 10 2.2.1 Mơ hình hồi quy 10 2.2.2 Kiểm định WALD .12 2.2.3 Tính hệ số hồi quy chuẩn hóa 20 2.3 TIẾN HÀNH KIỂM TRA SỰ VI PHẠM CÁC GIẢ THIẾT HỒI QUY CỔ ĐIỂN (KIỂM ĐỊNH JARQUE BERA VỀ PHÂN PHỐI CHUẨN CHO PHẦN DƯ, KIỂM ĐỊNH TÍNH CHẤT ĐA CỘNG TUYẾN, KIỂM ĐỊNH TÍNH CHẤT PHƯƠNG SAI THAY ĐỔI, KIỂM ĐỊNH DURBIN-WATSON HOẶC BG) 21 2.3.1 Kiểm định Jarque Bera 21 2.3.2 Kiểm định tính chất đa cộng tuyến 23 2.3.3 Kiểm định tính chất phương sai thay đổi 24 2.3.4 Kiểm định BG 26 2.4 HÃY TIẾN HÀNH DỰ BÁO GIÁ TRỊ TRUNG BÌNH VÀ CÁ BIỆT CỦA TỔNG THỂ THEO MƠ HÌNH HỒI QUY PHÙ HỢP VỪA CHỌN NHƯ Ở CÂU VỚI CÁC GIÁ TRỊ BIẾN GIẢI THÍCH CHO TRƯỚC NHƯ SAU: 28 PHẦN 3: KẾT LUẬN .36 PHẦN ĐỀ TIỂU LUẬN Đề tiểu luận số 09 Từ liệu : DATA-02 Đề xuất lập mơ hình hồi quy theo dạng sau: SALEPRIC=C(1)+C(2)*SQFT+C(3)*BEDRMS+C(4)*BATHS +C(5)*GARAGE +C(6)* AGE +C(7)*CITY +ei Trên dạng mơ hình chưa phù hợp chưa hồn chỉnh Bằng lý thuyết kinh tế lượng phần mềm EVIEWS ứng dụng học, anh chị thực nôi dung sau đây: 1/ Lập ma trận tương quan phân tích mối quan hệ 2/ Tuyển lọc lại từ tập hợp biến giải thích để chọn biến phù hợp đưa vào mơ hình hồi quy (kiểm định Wald, kiểm định F-sự phù hợp mô hình, tính hệ số hồi quy chuẩn hóa.) 3/ Tiến hành kiểm tra vi phạm gỉa thiết hồi quy cổ điển (kiểm định Jarque bera phân phối chuẩn cho phần dư, kiểm định tính chất đa cộng tuyến, kiểm định tính chất phương sai thay đổi,kiểm định Durbin-Watson BG) 4/ Hãy tiến hành dự báo khoảng giá trị trung bình cá biệt tổng thể theo mơ hình hồi quy phù hợp vừa chọn câu với gíá trị biến giải thích cho trước sau: SQFT BEDRMS BATHS GARAGE AGE CITY = = = = = = 35000 5 Cho độ tin cậy 1- = 95% Bảng 1.1: Mô tả số liệu SALEPRIC SQFT GARAGE CITY BEDRMS BATHS AGE giá bán nhà tính theo ngàn USD diện tích sinh hoạt khu nhà tính theo feet vuông, từ 2000- 50000 số chỗ đậu xe , từ 3…7 =1 vùng Coto de Caza, =0 Dove Canyon số phòng ngủ, từ 2….7 số phòng tắm, từ 4…7 tuổi thọ nhà tính theo năm, từ 2…12 Bảng 1.2: Giá bán nhà với yếu tố định với 224 điểm nhà Stt 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Stt 29 30 31 SALEPRIC 350 360 365 372 373 373 375 349 380 380 380 380 380 370 380 385 385 389 390 390 390 390 392 392 392 393 395 395 SALEPRIC 399 400 400 SQFT 2583 3308 2926 3050 3528 2830 3521 3003 3230 3230 3230 2900 3080 3080 3525 3050 3050 3528 2680 3500 3521 2700 2662 3371 3371 3371 2900 3275 SQFT 3080 3155 3155 GARAGE 3 3 3 3 3 3 3 3 3 3 3 3 3 3 GARAGE 3 CITY 0 0 0 0 0 0 0 0 0 0 0 0 0 0 CITY 0 BEDRMS 4 4 4 4 4 5 4 4 4 4 5 BEDRMS 4 BATHS 3 3.5 2.75 4.5 3.5 3.5 3.5 3.5 4 3.5 4 3.5 3.5 4.5 3 4.5 4.5 4.5 3.5 BATHS 4.5 4.5 AGE 8 7 3 8 4 AGE 3 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 Stt 70 71 72 73 74 75 76 77 78 79 80 400 399.9 400 401 402.5 405 405 407 410 410 412 412 415.984 416 418 419.95 425 425 426 430 430 432 432 434 435 439.402 440 440 565 605 609.9 620 653 670 440 445 459.9 449.96 SALEPRIC 450 450 459.5 460 549.95 460 462 449.9 464.82 464.9 465 3308 3371 3050 2789 3275 3180 3512 3275 3512 2789 3371 3275 3155 3757 3275 3879 3275 3515 3700 3110 3770 3512 3371 3367 3700 3515 3770 3413 3500 3757 3757 3879 4035 4035 3525 3308 3528 3515 SQFT 3371 3528 3757 2600 2879 4000 3757 3500 3515 3308 3100 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 GARAGE 3 3 3 3 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 CITY 0 0 0 0 0 4 4 4 4 4 4 5 4 4 4 4 4 5 5 5 4 BEDRMS 4 5 5 4 3.5 4.5 3.5 3.5 3.5 3.5 3.5 3.5 4.5 4.5 3.5 4.5 3.5 4.5 3.5 4.5 3.5 2.75 3.5 4.5 4.5 3.5 3.5 4.5 3.5 3.5 4.5 4.5 4.5 4.5 3.5 3.5 3.5 4.5 BATHS 4.5 3.5 2.5 4.5 4.5 4.5 3.5 7 8 5 9 7 2 AGE 4 3 81 457.325 82 449.95 83 475 84 475 85 419.95 86 479.95 87 480 88 482.75 89 489.95 90 490 91 495 92 497.5 93 499.9 94 500 95 510 96 510 97 514.9 98 514.9 99 527.5 10 535 10 535 10 539 10 539 10 547 10 552 10 556.7 10 480 10 485 10 485 110 487 Stt SALEPRIC 111 490 112 492 113 495 114 504 115 505 116 517 117 520 3879 3515 3929 4000 3879 4136 3512 3879 3879 4035 3500 3770 4035 3800 4035 3500 4018 3308 3757 3 3 3 3 3 3 3 3 0 0 0 0 0 0 0 0 0 4 5 5 6 4 4.5 4.5 3.5 4.5 4.5 4.5 4.5 4.5 4.5 4.5 3.5 4.5 3.5 4.5 4.5 3.5 3.5 3 2 2 8 8 4035 4.5 3879 4.5 3854 4.5 3500 4.5 4035 4.5 4136 4.5 3700 4.5 2865 2.5 11 3384 5 3568 3384 SQFT 3305 3227 3295 3259 3668 3685 3350 3 GARAGE 3 3 3 1 CITY 1 1 1 5 BEDRMS 4 4 4.5 4.5 BATHS 4.5 3.5 3.5 3.5 4.5 2.75 AGE 9 118 119 12 12 12 12 12 12 12 12 12 12 13 13 13 13 13 13 13 13 13 13 14 14 14 525 526 2800 3170 3 1 4 2.5 11 529 3300 530 3475 3.5 11 530 3380 4.5 531.05 3620 4.5 532.5 3305 4.5 535 3475 2.5 19 535 3305 4.5 535 3900 3.5 540 4389 4.5 540 3305 545 3500 3.5 11 547.5 3369 3.5 10 571 3485 3.5 11 550 3920 3.5 555 3475 3.5 10 555 3781 3.5 560 2735 2.75 11 560 3390 4.5 560 3700 4.5 562 3668 4.5 565 4089 3.5 565 570 4170 2812 3 1 4.5 10 Dựa vào bảng kết Series Residual, ta thấy đại lượng Jaque- Bera = 813.1517 có Probability = 0.0000 < α (α= 5%), ta có điều kiện bác bỏ H0, tức phần dư Ui không theo phân phối chuẩn 2.3.2 Kiểm định tính chất đa cộng tuyến Từ bảng kết ước lượng hồi quy, ta chọn View Coefficient Diagnostics  Variance Inflation Factors Khi hình sau: Hình 2.30: Thao tác chọn lệnh kiểm định tính chất đa cộng tuyến tiêu chuẩn hệ số phương sai phóng đại VIF Ta kết sau: Hình 2.31: Bảng kết kiểm định tính chất đa cộng tuyến tiêu chuẩn hệ số phương sai phóng đại VIF 26 Từ bảng kết quả, giá trị trị cột Centered VIF biến α (α=5%), ta chấp nhận giả thiết H 0, mơ hình khơng có tượng tự tương quan bậc mơ hình 31 2.4 HÃY TIẾN HÀNH DỰ BÁO GIÁ TRỊ TRUNG BÌNH VÀ CÁ BIỆT CỦA TỔNG THỂ THEO MƠ HÌNH HỒI QUY PHÙ HỢP VỪA CHỌN NHƯ Ở CÂU VỚI CÁC GIÁ TRỊ BIẾN GIẢI THÍCH CHO TRƯỚC NHƯ SAU: SQFT = 35000 BEDRMS = BATHS = GARAGE = AGE = CITY = Cho độ tin cậy 1-α = 95% Với mơ hình hồi quy mẫu: SALEPRIC=C(1)+C(2)*SQFT+C(3)*BEDRMS+C(4)*BATHS +C(5)*GARAGE +C(6)* AGE +C(7)*CITY +ei Để thực dự báo giá trị trung bình giá trị cá biệt, ta thực bước sau: Tìm hàm hồi quy tuyến tính theo giá bán nhà với biến độc lập SQFT, BEDRMS, BATHS, GARAGE, AGE, CITY Nhập liệu SQFT= 35000; BEDRMS=5; BATHS=5; GARAGE=6; AGE=5; CITY=1 Sau chạy mơ hình hồi quy, để mở rộng mẫu thêm quan sát, từ cửa sổ Workfile chọn Proc, chọn Structure/Resize Current Page… Màn hình sau: Hình 2.38: Thao tác chọn thêm biến 32 Tại hộp thoại Workfile Structure, chọn Unstructured/ Undated trường Workfile Structure type, mục Data range ta tăng thêm giá trị có lên đơn vị Hình 2.39: Tăng thêm biến Chọn OK, hình xuất sau: Hình 2.40: Thao tác thêm biến Chọn Yes As Group biến, ta có bảng sau: 33 Hình 2.41: Nhập thêm liệu data Ta thực nhập liệu vào hàng số 225 có chữ NA sau: 34 Hình 2.42: Nhập liệu biến Tạo biến giá trị vô hướng, từ bảng Equation, chọn forecast hình xuất sau : Hình 2.43: Nhập biến vơ hướng Tạo d_dubao tạo giá trị se_1dubao ô Forecat name SE (option) 35 Hình 2.44: Kết SE(Y0) Y^0 Nhìn vào quan sát 225, ta thấy giá bán nhà 7,965.576 USD với giá diện tích 35,000 feet vng, với số lượng phòng ngủ, phòng tắm, chỗ đậu xe Căn nhà bán vùng Coto de Caz với tuổi năm Để tiến hành dự báo, ta làm bước sau: Tạo giá trị δ^ , vào Workfile, gõ dòng lệnh Scalar Sigma=@se Hình 2.45: Tạo giá trị δ^ Tạo giá trị t tra bảng, ta gõ dòng lệnh Scalar tin=@qtdist(0.975,222) 36 Hình 2.46: Tạo biến giá trị T tra bảng Tạo giá trị se_2dubao, ta gõ câu lệnh: Genr se_2dubao=sqr(se_1dubao^2sigma^2), ta có kết sau: Hình 2.47: Kết biến se_2dubao 37 Lập cận trên, cận cho khoảng dự báo trung bình cá biệt Từ Workfile ta gõ lệnh: Genr LowerTB=d_dubao-tin*se_2dubao Genr UpperTB=d_dubao+tin*se_2dubao Genr LowerCB=d_dubao-tin*se_1dubao Genr UpperCB=d_dubao+tin*se_1dubao Ta kết bảng sau: Hình 2.48: Kết dự báo giá trị trung bình cá biệt Từ bảng dự báo, ta thấy giá bán nhà trung bình với SQFT=35000, BEDRMS=5, BATHS=5, GARAG=6, AGE=5, CITY=1 là: [7293.117 ; 8638.035] Khoảng dự báo cá biệt tương ứng : [7247.733 ; 8683.419] 38 Vẽ đồ thị: Từ Workfile chọn biến cần vẽ đồ thị, nhấp chuột chọn Open  As Group  View  Graph Hình 2.49: Đồ thị dự báo trung bình Hình 2.50: Đồ thị dự báo cá biệt 39 PHẦN KẾT LUẬN EVIEW Là phần mềm thống kê tiên tiến, sử dụng chủ yếu cho phân tích thống kê theo thời gian phân tích thống kê kiểm định Eview cung cấp nhiều công cụ để dự báo, mô phỏng, phân tích thống kê kinh tế cho sinh viên, nhà nghiên cứu học thuật, nhà kinh tế Thông qua giao diện thuận tiện để xử lý liệu cho loại phân tích khác phân tích liệu chéo, phân tích tài chính, phân tích dự liệu bảng, ước lượng dự báo chuỗi thời gian nhiều tương tác phân tích khác… Trong trình học tập, với hướng dẫn Thầy Đinh Kiệm, học viên chúng em thực hành thực cách phân tích số liệu phần mềm Eview Qua việc ước lượng mơ hình hồi quy với biến phụ thuộc SALEPRIC biến giải thích SQFT, BEDRMS, BATHS, GARAGE, AGE, CITY Thực kiểm định Wald, ta thấy biến giải thích cần thiết cho mơ hình, có ảnh hưởng đến biến phụ thuộc Thực kiểm định White, mơ hình hồi quy xảy tượng phương sai thay đổi, để tránh hậu tượng gây , cần áp dụng biện pháp để khắc phục tượng Kiểm định BG cho thấy mơ hình khơng có tượng tự tương quan sai số ngẫu nhiên Các biến kiểm định dự báo cho ta thấy biến SQFT, BEDRMS, BATHS, GARAGE, AGE, CITY biến cần thiết cho mơ hình có ảnh hưởng đến biến SALEPRIC Giá trị dự báo mơ hình tương đối sát với giá trị thực, nên áp dụng mơ hình vào thực tế dự báo giá bán nhà 40 ... dạng mơ hình chưa phù hợp chưa hoàn chỉnh Bằng lý thuyết kinh tế lượng phần mềm EVIEWS ứng dụng học, anh chị thực nôi dung sau đây: 1/ Lập ma trận tương quan phân tích mối quan hệ 2/ Tuyển lọc lại... 11 PHẦN NỘI DUNG 2.1 LẬP MA TRẬN TƯƠNG QUAN VÀ PHÂN TÍCH CÁC MỐI QUAN HỆ 2.1.1 Nhập liệu từ excel Từ File Excel DATA-02.xls chứa số liệu đề cho, ta thực bước sau: Mở chương trình Eviews chọn... 2.47: Kết biến se_2dubao 33 Hình 2.48: Kết dự báo giá trị trung bình cá biệt 34 Hình 2.49: Đồ thị dự báo trung bình 35 Hình 2.50: Đồ thị dự báo cá biệt 35 MỤC