KHOA học DỊCH vụ SPOHRER CROISSANT

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ KHOA HỌC DỊCH VỤ SPOHRER & CROISSANT / 43 MỤC LỤC: SPOHRER Chương 21: Mơ hình tính tốn dịch vụ giới thực cho xã hội sáng tạo I.Tóm tắt 1.Giới thiệu 2.Thu thập liệu liên hệ với khách hàng 3.Mơ hình hóa hành vi khách hàng dựa liệu tổng hợp liệu nhân 4.Mơ hình điều kiện kinh doanh 12 5.Kết luận .13 6.Lời cảm ơn 13 7.Tham khảo 13 Chương 22: Phân tích nghiên cứu điển hình dịch vụ giáo dục đại học hợp tác với doanh nghiệp I.Tóm tắt 14 II.Giới thiệu .15 1.Project 16 2.Phạm vi 16 2.1 Phương pháp luận .16 2.2 Khung thuật ngữ cho dự án 17 2.3 Tìm tòi khám phá 17 3, Kết luận 20 4, Tài liệu tham khảo 20 Chương 23: Hợp tác tạo giá trị thông qua dịch vụ thông tin phương tiện giao thông công cộng I Tổng quan .20 II Giới thiệu 21 / 43 Hệ thống Tiramisu .21 Đóng góp người sử dụng 23 2.1 Các kiểu báo cáo 23 2.2 Các hành vi người sử dụng 26 2.3 Các chủ đề báo cáo 26 2.4 Kết 27 3.Bàn luận 28 CROISSANT 5.1.3 Kiểm thử tăng cường giả thuyết tuyến tính 28 5.2 Bình phương tối thiểu khơng giới hạn 32 5.2.1.1 GGLS gộp chung 33 5.2.1.2 Các mức cố định GLS 35 5.2.1.3 Sự khác sai phân bậc GLS 36 5.2.2 Ví dụ ứng dụng 37 / 43 SPOHRER Chương 21: Mơ hình tính tốn dịch vụ giới thực cho xã hội sáng tạo Takeshi Takenaka, Hitoshi Koshiba, Yoichi Motomura National Institute for Advanced Industrial Science and Technology (AIST) Tokyo, JAPAN takenaka-t@aist.go.jp I Tóm tắt Bài viết trình bày thảo luận chiến lược để mơ hình hóa hành vi khách hàng điều kiện kinh doanh sử dụng liệu khác có thơng qua dịch vụ thực tế Trong dịch vụ có liên hệ với khách hàng dịch vụ bán lẻ nhà hàng, mơ hình hóa hành vi khách hàng nhu cầu khách hàng quan trọng việc cải thiện hệ thống dịch vụ thực tế Tuy nhiên, nhà quản lý không dễ dàng mô hành vi khách hàng sử dụng liệu kinh doanh khác công nghệ ràng buộc kinh doanh Bài báo trình bày thảo luận cơng nghệ kỹ thuật dịch vụ nhằm hỗ trợ việc định kinh doanh dựa động thái yếu tố môi trường, hành vi khách hàng định kinh doanh Từ khóa: kỹ thuật dịch vụ, hành vi khách hàng, mơ hình hóa, dự báo nhu cầu Giới thiệu Trong tồn cầu hóa mạng thơng tin lan rộng nhanh chóng, dịch vụ ngành công nghiệp sinh hoạt hàng ngày ngành bán lẻ nhà hàng phải đối mặt với điều kiện khắc nghiệt thay đổi nhân học suy thối kinh tế Ví dụ, Nhật Bản, dân số suy giảm mang lại cạnh tranh gay gắt công ty nước gây bất tiện lo lắng cho người tiêu dùng Trong ngành vậy, nhiều người tham gia với tư cách khách hàng nhân viên cộng đồng địa phương, phải ý đến lợi ích chung bên liên quan xem xét tăng trưởng bền vững ngành công nghiệp dịch vụ xã hội đồng sáng tạo Ví dụ: nhà hàng, nhiều khách hàng không xác định ghé thăm cách không thường xuyên.Một số khách hàng khơng trở lại họ khơng thích nhà hàng Tuy nhiên, khó để xác định nhu cầu khách hàng hài lòng họ cách sử dụng liệu mua hàng đơn giản Hơn nữa, nhu cầu khách hàng đa dạng, đơn mô khách hàng trung bình khơng đủ cho mơ hình hành vi khách hàng Hành vi hài lòng khách hàng liên quan chặt chẽ đến quy trình cung cấp dịch vụ Do đó, điều cần hiểu bối cảnh rộng / 43 bao gồm yếu tố môi trường, động lực khách hàng hành động kinh doanh quảng cáo cửa hàng, kiểm sốt hàng hóa lập kế hoạch nhân viên Kỹ thuật dịch vụ lĩnh vực nghiên cứu đa ngành dự định để nâng cao suất ngành kinh doanh dịch vụ suất dịch vụ ngành công nghiệp sản xuất (Sakao & Shimomura, 2007, Ueda, Takenaka, Váncza, & Monostori, 2009, Takenaka cộng sự, 2010) Dự án nghiên cứu kỹ thuật dịch vụ bắt đầu vào năm 2008 với hỗ trợ Bộ Kinh tế, Thương mại Công nghiệp Nhật Bản (METI) Dự án đặc biệt kiểm tra hành vi người giá trị liên quan đến dịch vụ, phát triển công nghệ trợ giúp khách hàng, nhân viên người quản lý Hình trình bày chiến lược phát triển phát triển cơng nghệ, kiểm tra cụ thể yếu tố người dịch vụ Hình 1: Chiến lược phát triển công nghệ kỹ thuật dịch vụ: công nghệ tăng cường liên hệ khách hàng, công nghệ hỗ trợ nhân viên, công nghệ hỗ trợ định cho người quản lý Những công nghệ rơi vào ba nhóm: cơng nghệ để tăng cường liên hệ với khách hàng, công nghệ hỗ trợ nhân viên công nghệ hỗ trợ định cho người quản lý Đối với phát triển cơng nghệ đó, chúng tơi nhấn mạnh mơ hình hoạt động người Về cơng nghệ tăng cường tính liên lạc với khách hàng, phát triển thiết bị tương tác sử dụng máy tính bảng, đặt tên Point of Service Interaction Design Organizer / 43 (POSEIDON), nơi thu hút nhu cầu hài lòng khách hàng, giới thiệu sản phẩm phù hợp thông qua tương tác tự nhiên Về công nghệ hỗ trợ nhân viên, Kurata nhóm ơng phát triển cảm biến trực quan hóa cơng nghệ cho hành vi người, đặc biệt để sử dụng ngành kinh doanh dịch vụ cần nhiều lao động nhà hàng dịch vụ chăm sóc điều dưỡng (Kurata et al., 2011) Những công nghệ cảm biến trực quan sử dụng cho hoạt động kiểm soát chất lượng tự nguyện nhân viên Đối với công nghệ hỗ trợ định quản lý, chúng tơi có phương pháp trực quan hóa phát triển cho hành vi mô khách hàng điều kiện kinh doanh cho nhà quản lý cấp khác Trong báo này, việc thu thập liệu trình tiếp xúc khách hàng phương pháp mơ hình hố hành vi khách hàng môi trường kinh doanh thảo luận Thu thập liệu liên hệ với khách hàng Trong trình liên hệ khách hàng nhà hàng, thực đơn khuyến cửa hàng quan trọng cho lựa chọn sản phẩm khách hàng Nhiều khách hàng, đặc biệt khách hàng mới, chọn sản phẩm dựa kỳ vọng họ thay trải nghiệm họ Do đó, sản phẩm bán chạy không thiết sản phẩm thỏa mãn Hơn nữa, để mơ hình hóa nhu cầu hành vi khách hàng, phải xem xét đa dạng sở thích khách hàng lý hài lòng khách hàng POSEIDON, thiết bị tương tác sử dụng máy tính bảng để liên hệ với khách hàng, giới thiệu sản phẩm liệu gợi ý liên quan đến nhu cầu hài lịng khách hàng thơng qua tương tác tự nhiên Hình ảnh chụp hình ảnh chụp hình thiết bị Bên trái hình ảnh quảng cáo số sản phẩm Bên phải cho thấy hài lòng khách hàng đánh giá cho sản phẩm sau ăn Hình Ảnh chụp hình POSEIDON: quảng bá sản phẩm (trái), đánh giá mức độ hài lòng khách hàng sản phẩm sau ăn (bên phải) Hình cho thấy kết xếp hạng khách hàng số sản phẩm chuỗi nhà hàng người Nhật (Ganko Food Service Co Ltd.) Các sản phẩm bán chạy chuỗi nhà hàng theo liệu mua hàng toàn diện Tuy nhiên, xếp hạng chủ quan khách hàng thay đổi tùy theo loại sản phẩm Ví dụ, sản phẩm A ăn bao gồm đậu phụ 50% người trao "Giải Vàng" Tuy nhiên, điều tra thêm cho thấy hài lịng khác khách hàng quay lại khách hàng Hình cho thấy khác biệt xếp hạng sản phẩm Sản phẩm khách hàng quay lại đánh giá cao khách hàng Hơn nữa, liệu khác có / 43 cách sử dụng POSEIDON cho thấy khách hàng quay lại chọn sản phẩm thường xuyên khách hàng Vì thế, sản phẩm có tiềm để nâng cao hài lịng khách hàng Hình Mẫu đánh giá khách hàng sản phẩm sản phẩm bán chạy chuỗi nhà hàng Hình Kết xếp hạng khách hàng sản phẩm, so sánh khách hàng quay lại khách hàng / 43 Mặc dù liệu POSEIDON cung cấp thông tin phong phú liên quan đến nhu cầu khách hàng hài lòng, áp dụng POSEIDON cho nhiều khách hàng nhà hàng khó khăn địi hỏi tạo thêm cơng việc cho nhân viên Trên thực tế, khó để có hàng trăm liệu vài nhà hàng tháng số khách hàng khơng thích sử dụng thiết bị Do đó, chúng tơi cho điều quan trọng kết hợp liệu chất lượng cao có giới hạn liệu định lượng liệu mua hàng để mô hình hóa hành vi khách hàng Trong phần tiếp theo, chúng tơi giới thiệu ngắn gọn ví dụ nghiên cứu kết mô hành vi khách hàng sử dụng liệu mua hàng tổng hợp liệu nhân Mơ hình hóa hành vi khách hàng dựa liệu tổng hợp liệu nhân Các tác giả phát triển cơng nghệ để mơ hình hóa hành vi khách hàng cách sử dụng liệu mua hàng không nhận dạng ngành dịch vụ Đầu tiên, phát triển phương pháp khai thác danh mục phân loại tự động ăn khách hàng tới số lớp tiềm ẩn cách sử dụng lập mục ngữ nghĩa tiềm ẩn (PLSI) (Ishigaki), Takenaka & Motomura, 2010a, 2010b, 2010c) Chúng phát triển phương pháp dự báo nhu cầu sử dụng liệu mua hàng tổng hợp yếu tố môi trường liệu nhân quả(Takenaka, Ishigaki, Motomura, 2011; Takenaka et al 2011) Sử dụng phương pháp này, nghiên cứu cụ thể yếu tố chung hành vi khách hàng liệu nhân Chúng tơi phân tích tác động số yếu tố lên doanh số số lượng khách hàng (số khách hàng) sử dụng liệu mua hàng nhà hàng siêu thị thực tế 2-3 năm Phương pháp ước tính doanh thu số lượng khách hàng sử dụng 50 tham số với mơ hình hồi quy nhiều bao gồm việc lựa chọn thông số theo bước Bài báo giới thiệu kết mô hành vi khách hàng nhà hàng dựa không tổng số khách hàng mà số lượng khách hàng phân loại thành nhiều danh mục phương pháp khai thác danh mục Trong trường hợp này, phân loại tất khách hàng chuỗi nhà hàng thành 19 danh mục sử dụng phương thức khai phá danh mục có hai năm liệu nhận làm tập liệu Chi tiết mơ hình cung cấp báo khác tác giả trình bày hội nghị (Koshiba, Takenaka & Motomura, 2012) Hình cho thấy kết ước tính số lượng khách hàng cho nhà hàng Osaka thuộc sở hữu Ganko Food Service Co.Ltd / 43 Hình Ví dụ xếp hạng sản phẩm khách hàng Các sản phẩm sản phẩm bán chạy chuỗi nhà hàng Chúng áp dụng mơ hình dự báo nhu cầu cho tất khách hàng nhà hàng cho khách hàng phân loại thành 19 danh mục khách hàng Hình cho thấy số lượng khách hàng thực tế ước tính hai danh mục: danh mục “Sushi” khách hàng đến nhà hàng vào ban đêm mà khơng đặt phịng chủ yếu đặt hàng từ thực đơn sushi có khơng có đồ uống; Danh mục "Bữa trưa" khách hàng thích ăn trưa với mức giá thấp Để ước tính số lượng khách hàng, sử dụng liệu mua hàng năm (Tháng năm 2009 - tháng năm 2010) số lượng khách hàng ước tính tháng (tháng năm 2010) Hệ số xác định (r^2) 0.84 Chúng tơi tính xác mơ hình với số thực tế cách sử dụng cơng thức sau (1) Độ xác mơ hình p biểu thị tỷ lệ khách hàng ước tính e với số lượng khách hàng thực tế a Độ xác trung bình mơ hình cho tất khách hàng kỳ (30 ngày) 87,8% Tuy nhiên, tính tương ứng xác mơ hình cho khách hàng “Sushi” “Bữa trưa” 86,6% 79,7% Bảng trình bày tham số chọn hệ số đa hồi quy chúng cho tất khách hàng Nó cho thấy xu hướng chung nhà hàng này: nhiều khách hàng đến đến nhà hàng đặc biệt vào cuối tuần ngày lễ số lượng khách hàng chịu ảnh hưởng mạnh mẽ kiện theo mùa kiện địa phương Hiện tượng liên quan đến thực tế nhà hàng nằm trung tâm thành phố Osaka / 43 Bảng 1.Các tham số chọn hệ số đa hồi quy chúng (tất khách hàng) Tuy nhiên, mơ hình dành cho khách hàng loại "Bữa trưa" có xu hướng khác nhau, thể Bảng Khách hàng loại rõ ràng bị ảnh hưởng ngày tuần mùa tất khách hàng 10 / 43 Trong vấn đề Tiramisu giải việc chỉnh sửa phần mềm, khơng có báo cáo từ người dùng cho thấy họ nhận khách biệt Tương tự vậy, thiếu phương pháp tốt cho việc tương tác với đại diện nhà cung cấp dịch vụ Rõ ràng người dùng mong muốn nhận phản hồi nhanh chóng từ Tiramisu nhà cung cấp dịch vụ giao thông công cộng Một số báo cáo cho thấy mong muốn phần mềm có chức chia sẻ vị trí xe bus độ lệch thực tế so với lịch biểu cho người sử dụng khác Tăng cường tương tác thời gian thực cải thiện chất lượng trải nghiệm người dùng chất lượng dịch vụ giao thông công cộng Chúng lên kế hoạch tâm phát triển phần mềm theo hướng 3.Bàn luận Kết cho thấy chiến lược nhóm sử dụng để cộng tác tạo giá trị hiệu với tất người Điều phủ định luận điểm cho hành khách bình thường (khơng khuyết tật) sử dụng chức báo cáo Phát cho thấy điện thoại thông minh mô hình điện tốn mang tính xã hội khác thành công dịch vụ công cộng Tuy nhiên, rõ ràng khách hàng mong muốn vòng phản hồi chức cho phép người sử dụng đóng góp thơng tin phải thiết kế thật cẩn thận Sự yếu trong công tác dẫn đến thất bại sản phẩm Làm việc hệ thống hợp tác cung cấp dịch vụ công cộng, điều quan trọng phải cung cấp cho nhà kinh doanh dịch vụ chức dễ sử dụng, nhanh chóng cung cấp phản hồi báo cáo Vấn đề tương tác liệu mà người dùng cung cấp sách chất lượng dịch vụ Cí dụ: hệ thống báo cáo bên thứ 3, Tiramisu, không chấp nhận mặt pháp lý Tuy nhiên, liệu cho phép nhà cung cấp dịch vụ đối chiếu với liệu riêng họ Những phản hồi tích cực địi hỏi nghiêm ngặt khâu thu thập liệu Lập tuyến đường mới, cải thiện dịch vụ nỗ lực hợp tác từ bên thứ khác gặp phải khó khăn CROISSANT 5.1.3 Kiểm thử tăng cường giả thuyết tuyến tính Cách sử dụng ước tính hiệp phương sai tăng cường thể qua hàm kiểm định package lmtest car Chúng ta thấy trường hợp đặc biệt thử nghiệm giới hạn loại trừ đơn thông qua hàm coeftest: theo thứ tự tăng tổng quát, giới hạn chung kiểm định thơng qua hàm waldtest, linearHypothesis package car cho phép ta kiểm định giả thuyết tuyến tính chung thơng số mơ hình Ví dụ 5.7 kiểm định với ma trận hiệp phương sai tăng cường - Từ tập liệu Produc Tất hàm thường cho phép truyền tham số vcov dạng ma trận làm hàm Tham số truyền vào bỏ trống để tự động giá trị mặc định, cách gọi hàm đơn giản nhất; cần cụ thể hơn, ta thực tính tốn hiệp phương sai bên hàm gọi coeftest, ta truyền vào ma trận: 29 / 43 hoặc, thay vào đó, xác định hàm thích hợp bên lời gọi hàm Trong trường hợp này, tham số tùy chọn cung cấp sau: Đối với số thử nghiệm, ví dụ, với nhiều so sánh mơ hình waldtest, ta luôn cần phải cung cấp hàm vào làm tham số Ví dụ 5.8 Kiểm định với ma trận hiệp phương sai tăng cường - Tập liệu chẵn lẻ (Parity) Ví dụ cho thấy cách mở rộng so sánh mô hình với loại khác mức cố định, sử dụng linearHypothesis từ package car Coakley cộng vào năm 2006 trình bày hồi quy sức mua ngang hàng (ppp) bảng "dài" liệu hàng quý từ 1973-Q1 đến 1998-Q4 cho 17 nước phát triển Từ dẫn đề, ta có biến N = 17 T = 104 Mơ hình ước tính áp dụng là: Snt tỷ giá hối đoái tương đối so với USD (Δp - Δp∗)nt chênh lệch lạm phát quốc gia Hoa Kỳ Ta thực nạp liệu tạo mơ sau: Giả thuyết quan tâm =1 , có nghĩa khác biệt lạm phát phản ánh đầy đủ tỷ giá hối đoái Chúng ta xem phần kiểm định Wald tăng cường tương ứng từ linearHypothesis gói car, thực qua thao tác sau: đầu gán vào bảng nhỏ cung cấp ước lượng phương sai hiệp phương sai khác cho mơ hình bao gồm: OLS, one-way time mức cố định quốc gia mức cố định hai chiều 30 / 43 Và bảng Rõ ràng từ kết quả, ta thấy giả thuyết ppp không bị từ chối, mức tối thiểu mức cố định quốc gia nhóm theo nhóm a Một ứng dụng kiểm định Hausman tăng cường Bên cạnh hình thức bậc hai thơng thường, kiểm định Hausman thực hình thức tương đương dựa kiểm định giới hạn tuyến tính mơ hình tuyến tính bổ sung Đặc biệt, tính tốn thơng qua phép hồi quy phần (quasi-demanded) hồi quy phần (quasi-demanded) từ các mức ngẫu nhiên tăng cường với triệt tiêu hoàn toàn (fully demanded) biến hồi quy từ mơ hình bên trong: Kiểm định Hausman sau kiểm định phần dư WX, nghĩa là, kiểm định giới hạn = Phiên hồi quy thử nghiệm dễ dàng tăng cường cách sử dụng ma trận hiệp phương sai tăng cường 31 / 43 Ví dụ 5.9 kiểm định Hausman dựa hồi quy - Tập liệu Grunfeld Chúng ta so sánh thử nghiệm Hausman dạng gốc dựa hồi quy cho liệu Grunfeld Hàm phtest cho phép phương thức đối số tùy chọn, mặc định 'chisq’ (Mẫu ban đầu); tham số phương pháp định 'aux', phép thử thực thông qua hồi quy bổ sung Dưới so sánh hai phiên bản, sử dụng ma trận hiệp phương sai ước tính mặc định hồi quy bổ sung Không ngạc nhiên, kết từ thử nghiệm Hausman gốc hồi quy quán với nhau: hai hỗ trợ giả thuyết mức ngẫu nhiên Ví dụ 5.10 thử nghiệm Hausman tăng cường - Tập liệu RDSpillovers Dữ liệu RDSpillovers có tính dị thường cao Trong tình này, kiểm định Hausman gốc cho kết thiên từ chối, phiên dựa hồi quy thay khơng tăng cường Cái sau tính theo dạng tăng cường, cách sử dụng ma trận hiệp phương sai tăng cường thử nghiệm giới hạn hồi quy bổ sung Nếu phương pháp 'aux', hàm phtest nhận thêm đối số vcov nữa, cho phép định việc sử dụng ước tính tăng cường cho hiệp phương sai Như thấy từ bảng bên dưới, kết thay đổi đáng kể: 32 / 43 Phiên kiểm định Hausman tăng cường không bác bỏ giả thuyết mức ngẫu nhiên 5.2 Bình phương tối thiểu khơng giới hạn Nếu trình tạo liệu là: có cấu trúc chung, ước tính bình phương nhỏ cho khơng hiệu có phù hợp Theo định lý Aitken bình phương nhỏ (GLS) ước tính hiệu cho tham số mơ hình biết Ω Ơng ước tính: Các quy trình GLS khả thi khác tồn dựa ước lượng quán Ω, sau gắn vào ước lượng GLS Mấu chốt để đạt ước tính qn Ω, nói chung để xác định đủ cấu trúc để biểu thị cách trung thực đặc điểm giữ thơng số ước tính mức quản lý Trong mơ hình thành phần lỗi chiều tiêu chuẩn, thấy, giá trị gây nhiễu viết dạng nt = n + nt n biểu thị mức riêng (bất biến) nt lỗi riêng Các quan sát giá trị n chia sẻ n mức giống nhau, lỗi tương đối tự tương quan Cấu trúc mức ngẫu nhiên cách phân tích đa dạng để giải thích tính khơng đồng riêng lẻ, mở rộng nhiều thứ nguyên, ví dụ cách định quy trình tự động khơng thời gian cho nt thành phần riêng biệt Theo đặc tả mức ngẫu nhiên, ma trận phương sai-hiệp phương sai lỗi Ω= ma trận đường chéo với Ω = IN⊗ΣT Phía tiêu chuẩn đặc tả bảng mức ngẫu nhiên Nó phân tích cú pháp hiệp phương sai lỗi tham số đó, có khả ứng dụng tổng quát loại mẫu Trong bảng với chiều lớn nhiều so với kích thước khác (thường bảng lớn ngắn) - hướng tiếp cận khả thi áp dụng, GLS chung (general GLS) Nó cho phép hiệp phương sai khơng đồng có tương quan lỗi, miễn chúng giữ nguyên mô hình cho đối tượng 5.2.1 Khả thi chung bình phương nhỏ Nếu người ta giả định Ω = IN ⊗ ΣT để cấu trúc ΣT hồn tồn tự do, thay điều kiện tiên việc xác định đối xứng dương: 33 / 43 lỗi riêng lẻ phát triển theo thời gian với lượng khơng giới hạn tính khơng đồng tự tương quan, chúng cho không tương quan chúng miền giao, cấu trúc giả định không đổi thành phần khác Theo giả định này, thành phần st ΣT ước tính dựa kích thước miền giao nhau, sử dụng trung bình thành phần tích ngồi số dư từ phép ước tính: phần số dư OLS cho n riêng lẻ Công cụ ước tính gọi GLS khả thi chung, GGLS đơi gọi ước tính Park, theo quan sát Driscoll Kraay (1998), biến thể SUR ước tính Zellner (1962) Greene (2003) trình bày ước tính ngữ cảnh chuỗi thời gian gộp, với N cố định T "rộng" Bỏ qua thông số hiệp phương sai lỗi nhóm nội bộ, để hồn tồn tự thay đổi chiến lược hay, với điều kiện N T ≫ số lượng tham số phương sai ước tính với NT điểm liệu T (T + 1) ∕ Đây tình điển hình bảng nhỏ khảo sát thu nhập hộ gia đình, N hàng nghìn T thường ngắn để chí ước tính hiệp phương sai khơng giới hạn, nhiều bậc tự trống Các ứng dụng ban đầu thay trường chuỗi thời gian gộp, nhằm vào việc tính tốn tương quan chéo tính khơng đồng Trong bối cảnh này, Driscoll Kraay (1998) quan sát mức độ thiếu tự ước tính hiệp phương sai lỗi dẫn đến lỗi tiêu chuẩn sai lệch hướng xuống, khiến ta đánh giá cao ý nghĩa tham số Beck Katz (1995) thảo luận số thành kiến nghiêm trọng ước lượng mẫu nhỏ Cả hai chuỗi thời gian gộp, hai quan tâm đến độ mạnh miền giao Trong hướng này, hầu hết trích mà ước tính phụ thuộc vào đến từ lĩnh vực ứng dụng đặc thù Đặc biệt tài liệu Beck Katz (1995) tài liệu tham khảo (do Alvarez cộng biên soạn, 1991) áp dụng cho liệu khoa học trị với kích thước mẫu khiêm tốn; mô gần Chen cộng (2009) cho thấy tình FGLS hiệu so với đề xuất lựa chọn thay (OLS với lỗi tiêu chuẩn PCSE) Nguyên tắc GGLS áp dụng cho tình khác nhau, phù hợp với chế độ xem khác tính khơng đồng (giả thuyết mức cố định so với cố định) tình trạng khơng ổn định (ví dụ, mơ hình lần khác biệt) Điều chuyển thành áp dụng ước lượng GLS không giới hạn trực tiếp cho liệu quan sát chuyển đổi chúng Khung cho phép cấu trúc hiệp phương sai lỗi bên nhóm (nếu mức đặt thành đối tượng) quan sát hồn tồn khơng hạn chế chống lại cách mạnh mẽ hiệp phương sai không đồng nhóm tương quan nối tiếp Cấu trúc giả định giống hệt nhóm FGLS tổng qt khơng hiệu nhóm khơng đồng Sự tương quan phần giao loại trừ ưu tiên Trong ngữ cảnh chuỗi thời gian gộp (các mức đặt thành 'thời gian'), đối xứng, ước tính tính đến mối tương quan chéo tùy ý, miễn sau thời gian bất biến Trong trường hợp này, tương quan nối tiếp phải giả định ước lượng phù hợp với chiều thời gian, giữ N cố định 34 / 43 5.2.1.1 GGLS gộp chung Theo đặc tả mơ tả đầu phần này, số dư ước tính qn OLS sau sử dụng để ước tính ΣT Sử dụng Ω = ̂ IN ⊗ Σ ̂ T, ước lượng FGLS là: Ước tính ma trận Σ ̂ T cung cấp cho đánh giá cấu trúc, có, lỗi hiệp phương sai, dẫn đến thông số chi tiết (nếu tất đường chéo yếu tố đường biên tương ứng có độ lớn tương tự) cần đặc tả AR hiệp phương sai cặp phần tử đường biên với khoảng cách trở nên nhỏ Trong ngữ cảnh T nhỏ, N lớn này, người ta thường muốn bao gồm các mức cố định thời gian để giảm thiểu tương quan chéo, giả định từ số dư Khi t có hàm pggls dùng để ước tính mơ hình FGLS chung, có khơng có mức cố định liệu sai phân bậc Trong phần sau minh họa liệu EmplUK Ví dụ 5.11 ước tính GLS tổng quát - Tập liệu EmplUK Bộ liệu EmplUK ứng cử viên tốt cho ước tính GGLS mẫu ngẫu nhiên lớn công ty quan sát số năm định Tương đương "các mức ngẫu nhiên", GLS chung, ước tính cách xác định đối số mơ 'pooling' (gộp chung): 35 / 43 Hàm pggls tương tự hàm plm nhiều khía cạnh Một ngoại lệ ước tính ma trận hiệp phương sai nhóm (sigma, ma trận) thể đối tượng mô hình thay phương sai ước tính thơng thường hai thành phần lỗi Nó hiển thị sau: Như thấy, tương quan cặp phần dư (đồng thời) cho đối tượng ko đồng thời khoảng cách Ước tính lỗi hiệp phương sai giống với cấu trúc mức ngẫu nhiên, với thành phần chung �2 thành phần �2 (chứng kiến sai khác nhỏ giá trị đường chéo) 5.2.1.2 Các mức cố định GLS Nếu không đồng thành phần xuất không tin tưởng vào giả thiết mức ngẫu nhiên, lỗi lại dự kiến hiển thị tính khơng đồng tương quan nối tiếp, ước lượng FE sử dụng với ma trận hiệp phương sai tăng cường; kích thước phần giao đủ giả định số ma trận hiệp phương sai số thực, áp dụng phương pháp GGLS cho liệu theo thời gian phân loại cung cấp thay hiệu hơn, gọi ước lượng mức cố định GLS (FEGLS) Lỗi cho ma trận hiệp phương sai cụ thể là: phần số dư FE (bên trong) cho n riêng lẻ Sử dụng liệu chuyển đổi bên trong, ước lượng FEGLS là: Bộ ước lượng này, ban đầu Kiefer (1980) ý đến hai tương quan nối tiếp lỗi ban đầu nt hồn tồn số gây suy giảm Vì lý này, kết hợp hai, ước tính Σ ̂ không đưa đánh giá trực tiếp cấu trúc lỗi gốc Ví dụ 5.12 FEGLS estimator - Tập liệu EmplUK mức cố định pggls dựa ước tính mơ hình bên trong bước đầu tiên, 36 / 43 điều rõ ràng người dùng; ước tính sau cần phải xác định model = ’within’ Vì lý độ mạnh, xảy với plm, phương pháp mặc định Nó ước tính bởi: Chức phtest sử dụng để đánh giá cần thiết cho các mức cố định thông qua Hausman kiểm định: Bài kiểm định Hausman ủng hộ mạnh mẽ mơ hình mức cố định 5.2.1.3 Sự khác sai phân bậc GLS Tương tự, nguyên tắc GGLS áp dụng cho liệu khác sai phân bậc 1, cách cho FEGLS, làm tăng khác sai phân bậc cho ước tính GLS (FDGLS) Trong trường hợp này, lỗi sai số hiệp phương sai đối tượng là: 37 / 43 phần số dư sai phân bậc cho n Sử dụng Ω ̂ (FDGLS) = liệu khác nhau, ước tính FDGLS là: Sự khác sai phân bậc giúp loại bỏ tính khơng đồng khơng thay đổi thời gian, vòng chuyển đổi; khác biệt khoảng thời gian bị cho cá nhân Phương pháp sai phân bậc phải ưu tiên liệu gốc có khả khơng ổn định, sau sai phân bậc cịn lại biến đổi Một lần nữa, yếu tố Σ ̂ (FDGLS) không trực tiếp đại diện cho cấu trúc tương quan số dư tương quan gây khác biệt từ đầu Để chọn phương pháp để sử dụng, người ta xem xét đặc tính số dư Nếu số dư ước lượng FEGLS khơng phải bất định, sau FDGLS thích hợp ước tính Ví dụ 5.13 FDGLS estimator - Tập liệu EmplUK Chỉ định model='fd', thu ước tính FDGLS 5.2.2 Ví dụ ứng dụng Ví dụ 5.14 ước lượng GLS tổng quát - Tập liệu RiceFarms Bộ số liệu canh tác lúa có quan sát 171 trang trại năm; đó, số lượng thơng số hiệp phương sai ước tính 1026 điểm liệu quản lý 21 Trang trại đến từ vùng khác nhau, vùng có đặc điểm riêng Lấy mẫu ngẫu nhiên giả định hợp lý 38 / 43 khu vực, người ta nghi ngờ quan sát từ khu vực để chia sẻ số đặc điểm chung, đặc điểm liên quan đến biến hồi quy: khuyến khích bao gồm mức cố định khu vực, để kiểm sốt khơng đồng có liên quan đến khu vực dọc theo dòng Wooldridge Vì lý nêu trên, chia các mức thời gian để kiểm soát tương quan đồng thời miền giao nhau; thay theo dõi ứng dụng gốc Druska Horrace thêm giả định cho mùa mưa trái ngược với mùa khô, đơn giản giới thiệu riêng biệt mức thời gian 39 / 43 Khu vực dường khơng quan trọng lắm, có Ciwangi khác biệt đáng kể từ đường sở; thử nghiệm giới hạn chung từ chối: Về mặt chất lượng, kết dường không thay đổi nhiều thêm các mức cố định riêng lẻ Giả thiết sau kiểm sốt khu vực, tất khơng đồng lại loại mức ngẫu nhiên kiểm tra thức phương tiện kiểm định Hausman: 40 / 43 Thực tế, kiểm định Hausman ko bị phủ nhận Do tầm quan trọng thấp các mức khu vực, người ta tự hỏi liệu đặc tả "các mức ngẫu nhiên" đầy đủ đánh giá hay khơng Đặc tả GGLS cập nhật dễ dàng so sánh với mơ hình FEGLS ước tính: Trong thực tế, chí bỏ qua các mức khu vực cố định, đặc tả GGLS vượt qua kiểm định Hausman 171 trang trại lúa gạo thực xem rút thăm ngẫu nhiên từ dân số, mà không cần đến mức cố định riêng lẻ khu vực Ví dụ 5.15 Ước tính GLS tổng quát - Tập liệu RDSpillovers Ước lượng hàm sản xuất tĩnh Eberhardt cộng (2013) ví dụ điển hình có vấn đề kỹ thuật GGLS, xem xét; mẫu cho phép không đồng (hiệp phương sai không đồng nhất) tự nối tiếp cấu trúc tương quan mẫu công ty sản xuất Các mẫu quan sát khoảng thời gian tương đối dài, ghi chép cẩn thận, đánh giá thực với kết xác thời gian thực tương đối lớn Thật vậy, kết thu có nhiều thông số hiệp phương sai, thảo luận trên, việc dẫn đến đánh giá thấp lỗi tiêu chuẩn có ý nghĩa sai, kết rõ nét cần xem xét cách hoài nghi Ví dụ hữu ích cho mục đích minh họa, đặc biệt form so sánh chuẩn so với phân tích kỹ thuật tồn diện báo gốc Vì sau cùng, cách tiếp cận GGLS lại dường có phần thỏa đáng trường hợp Ta thực hiện: 41 / 43 Bài kiểm định Hausman phủ nhận đặc tả "các mức ngẫu nhiên" GGL Cho tương quan khơng đồng dường có mặt mẫu này, thay để loại bỏ biến đổi khác sai phân bậc 1: Lựa chọn áp dụng phương pháp FEGLS FDGLS phụ thuộc vào tính chất biến đổi số dư Số dư FEGLS cho thấy mức độ bền bỉ cao, phép thử tương quan nối tiếp đơn giản Chúng ta tạo data.frame số dư, sau ước tính (gộp) mơ hình hồi quy tự động: 42 / 43 Các số dư FEGLS dường gần khơng bất định Ước tính tự tương quan phần dư FDGLS thấp nhiều: khuyến khích giả thuyết sử dụng ước tính FDGLS: Kết quả: số lượng bậc tự hạn chế ước tính ΣT, phù hợp với phân tích phức tạp báo gốc Eberhardt cộng (2013, Bảng 7) với đặc tả sai phân bậc ưu tiên Bảng Hơn nữa, dự kiến sai số giảm, sai số chuẩn khơng q xa so với mơ hình sai phân bậc đề cập 43 / 43 ... việc phân phối dịch vụ HEI danh nghiệp đối tác, trải nghiệm học tập học viên khoảng cách dịch vụ tiềm Các phân tích bổ sung bao gồm:  Nhận thức học viên mức độ nâng cao dịch vụ HEI gì?  Trải... thơng qua dịch vụ thực tế Trong dịch vụ có liên hệ với khách hàng dịch vụ bán lẻ nhà hàng, mơ hình hóa hành vi khách hàng nhu cầu khách hàng quan trọng việc cải thiện hệ thống dịch vụ thực tế... họ học tập sâu hơn, cách so sánh cấp cao thực kết học tập cho nhóm từ năm học 2009-2010 đến 2010-2011 Trong năm học 2009-2010, 55 học viên đăng ký vào khóa học EBusiness tự chọn năm học 61 học