phương pháp xác định sự hài lòng của khách hàng thông qua phản ứng vô thức

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ BÀI TIỂU LUẬN MÔN HỌC Khoa học dịch vụ MỤC LỤC BẢNG CHÚ GIẢI VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt PHẦN 1: PHÂN CÔNG CƠNG VIỆC CỦA NHĨM SINH VIÊN Số TT Họ tên sinh viên Công việc thực Nguyễn Đắc Duy Thực chương 13 13 Có tham gia biên soạn tài liệu chung Nguyễn Kim Đại Thực chương 14 13 Có tham gia biên soạn tài liệu chung Nguyễn Bá Khiêm Thực chương 15 13 Có tham gia biên soạn tài liệu chung Hoàng Xuân Cường Thực mục 4.3 19 Có tham gia biên soạn tài liệu chung Lê Thành Cơng Thực mục 4.4 19 Có tham gia biên soạn tài liệu chung PHẦN 2: TỔNG QUAN VỀ PHƯƠNG PHÁP XÁC ĐỊNH SỰ HÀI LÒNG CỦA KHÁCH HÀNG THÔNG QUA PHẢN ỨNG VÔ THỨC 2.1 Tổng quan phương pháp xác định hài lòng khách hàng thông qua phản ứng vô thức Xã hội hoàn cảnh tự nhiên mang lại cho người cảm xúc, kích thích khác Các kích thích từ viết, thơng tin, lượng,… cung cấp từ nhà sản xuất thông qua dịch vụ Nhưng nhà cung cấp thường mong muốn để biết dịch vụ mà cung cấp làm hài lòng khác hàng đến mức Tuy nhiên, sử dụng câu hỏi khảo sát để nhận câu trả lời từ khách hàng lựa chọn tối ưu Do câu trả lời đưa điều chỉnh nhiều lý do, kiến thức, cân nhắc định, nói cách khác khơng thể khách quan hồn tồn Và viết mơ tả phương pháp tìm câu trả lời xác cách ghi nhận phản ứng vô thức đến từ người dùng sau sử dụng dịch vụ Để chứng minh, có số trường hợp áp dụng phương pháp công nhận rộng rãi mẫu gót chân, số đồ ngủ tạo cảm giác thoải mái,… Con người hệ thống phức tạp Ở đây, ta coi người hệ thống có đầu vào đầu Các dịch vụ đưa tới đầu vào dù cố ý hay vơ ý, sau hệ thống (con người) bị ảnh hưởng tạo phản hồi, tức đầu Con người có kiểu phản ứng phản ứng có ý thức phản ứng vô thức Ở đây, thông tin, lượng, viết, lao động coi ví dụ cho đầu vào Chả hạn, có tín hiệu sinh học tạo cách kích thích cảm biến, tức dịch vụ Từ ta có kênh xử lý liên tiếp để từ thứ đầu vào ta đáp trả lại tương ứng đầu Đầu tiên, ta tiếp nhận kích thích thơng qua thị giác (hay giác quan khác) kênh 1, tiếp đến xử lý dạng hoạt động tinh thần kênh -> hoạt động thể chất kênh -> tương tác thể chất tinh thần kênh Hoạt động tinh thần tốt, chả hạn hài lịng hay cảm xúc tốt, làm cho hoạt động thể chất tốt Hoạt động thể chất tốt giúp cho tinh thần trở nên thoải mái Do đó, hoạt động tinh thần đáp lại dịch vụ kênh vs kênh Tuy nhiên, có kết khơng thỏa mãn tín hiệu tinh thần đơi bị bóp méo nhiều lý từ nhận định người khác Đầu phản hồi có ý thức, câu trả lời khơng phải lúc xác bị bóp méo lý phía Tuy nhiên, phía xét phản ứng có ý thức Ở phản ứng vơ thức, sau xác nhận tín hiệu kết hợp từ hoạt động thể chất tinh thần, kết hiển thị kênh Do phản ứng vô thức nên ta thu câu trả lời trung thực khơng bị bóp méo lý Hình 1: Hệ thống phản ứng người trước dịch vụ Hình 2: Các loại phản ứng trạng thái khác Tình trạng vật lý tạo phản ứng vơ thức hình xác định hệ số c Sau đó, ta giả định yếu tố c sản phẩm liên quan đến sức khỏe (yếu tố h) dịch vụ liên quan (yếu tố s) Nếu yếu tố thực delta chúng thay đổi lượng nhỏ đơn giản hóa thì: c + ∆c = (h + ∆h) (s + ∆s) = (1 + ∆h) (1 + ∆s) Sau đó, biến thể ∆c cho bởi, ∆c = ∆h + ∆s Như hình 1, mơi trường dễ bị ảnh hưởng dịch vụ đầu vào mà yếu tố sức khỏe cố định, đầu chủ yếu xảy dạng ∆c = ∆s Cuộc sống hàng ngày phân thành loại tình huống, lúc tỉnh táo lúc ngủ Các hoạt động tinh thần tạo phản ứng có ý thức Ngược lại, trạng thái vô thức kiểm soát hệ thần kinh tự trị, cho kết trung thực hơn, không bị ảnh hưởng bới lý yếu tố khác Do lý ta cần tìm câu trả lời trạng thái phản ứng vô thức Đầu vào dịch vụ phân làm loại, hình Các viết thực phẩm ví dụ loại có kênh 2,3 Thơng tin ví dụ đầu vào loại mà khơng có kênh Các phản ứng vơ thức tích lũy thể xuất lúc ngủ Trong ngủ, trạng thái vô thức, không bị ảnh hưởng lý người xung quanh Các dịch vụ ga trải giường, đầu vào cho hệ thống người mà không nhận thức ngủ, loại mà khơng có kênh vs 2.2 Phương pháp lấy câu trả lời từ phản ứng vô thức 2.2.1 Phương pháp Phản ứng vô thức biểu thông qua hô hấp xung hoạt động phản ánh hệ thần kinh tự trị Một cảm biến áp suất khơng khí (MIL), đặt giường để đo áp suất khơng khí phát sinh cảm biến với thể đối tượng ta xét hình Cảm biến chuyển thành tín hiệu điện biểu thang đo máy tính cá nhân với cơng cụ chun dụng khác Ngồi ra, thể ngủ, số chuyển động liên tục tạo dẫn đến hô hấp, xung hay hành động vô thức khác, ta cần thu thập tất điều thể với đại lượng mang tên sóng áp suất Sóng áp suất thu điện tâm đồ hay dịng khí hơ hấp mà thực chuyển động thể kết sinh từ chuyển động Đại lượng sóng áp suất đặt tên BMW Sóng lọc thành thnhf phần BMW-sóng hơ hấp P-BMWsóng xung Phương pháp không áp dụng để kiểm tra ảnh hưởng dịch vụ đến thể mà kiểm tra tình trạng sức khỏe sống hàng ngày đánh giá môi trường sống phúc lợi trình bày phần Hình 3: Phương pháp lấy câu trả lời từ phản ứng vô thức lúc ngủ 2.2.2 Các thử nghiệm để chứng minh độ tin cậy phương pháp Để kiểm tra phương pháp này, liệu lấy đêm liên tiếp đối tượng điều kiện: Cả ngày trạng thái thức tỉnh diễn môi trường ngủ Kết ta thấy hình 4: - Tốc độ hơ hấp nhịp tim hình hình đầu tương tự - Các chu kì tăng giảm giống - Với tình trạng thể chất xấu thiếu ngủ thử nghiệm không hiển thị đây, khác biệt ngày diễn rõ ràng Hình 4: Kết sau tái tạo phương pháp độ xác Thử nghiệm sau diễn thêm ngày nữa, tổng cộng kiểm tra tình trạng để thử nghiệm trên, ngày sau, dịch vụ dùng cho việc kích thích thử nghiệm Trong nghiên cứu này, ta sử dụng dịch vụ chữa bệnh, thư giãn cải thiện hoàn cảnh áp dụng sau: Hương thơm Âm nhạc Rêu thực vật Đầu tiên với hương thơm, đối tượng dành thời gian với mùi hương mà thân chọn vòng 1-2 h trước ngủ Đối với âm nhạc, đối tượng nghe nhạc chọn khoảng 30p-1h khoảng thời giam 2h đến 0.5h trước ngủ Đối với rêu, đối tượng lại khu vực có rêu 30p ngày lại 10 Các thử nghiệm mạnh mẽ cho phép phân biệt tồn lỗi bất biến thời gian (các hiệu ứng ngẫu nhiên) tồn thời gian phân rã (các lỗi tự động), kết luận có lợi cho lần thứ hai Cuối cùng, thử nghiệm có điều kiện tối ưu Baltagi Li cho tương quan nối tiếp, cho phép hiệu ứng ngẫu nhiên độ lớn nào, tính hàm pbltest, sử dụng số dư ước lượng khả tối đa hiệu ứng ngẫu nhiên: 5.3 Likelihood Ratio Tests for AR(1) and Individual Effects Các thử nghiệm tỷ lệ likelihood (lr) cho hạn chế dựa khả từ mơ hình chung mơ hình bị hạn chế Thống kê kiểm tra đơn giản gấp đôi khác biệt giá trị hàm log-likelihood: (�2[ln (� L(� ) − ln L(� )] (�(�∼ m � � vectơ đầy đủ ước tính tham số từ mơ hình khơng hạn chế � � từ mơ hình bị giới hạn, m số lượng hạn chế kiểm thử Likelihood ratio cho tương quan nối tiếp số dư riêng biệt thực hiện, nói chung, thử nghiệm mơ hình lồng so sánh mơ hình với số dư riêng biệt hình cầu với thay tổng quát tính ar (1) dư Nếu hai mơ hình ước tính cho phép hiệu ứng ngẫu nhiên, phép thử trở thành có điều kiện tính thứ hai Như vậy, R|( LR| = 2[ln L ,( , Ví dụ 4.5 Likelihood ratio tests – Grunfeld data set Hình Ước tính khả tối đa mơ hình tuyến tính có khơng có hiệu ứng riêng lẻ ngẫu nhiên lỗi tương quan với hệ số ước tính, ví dụ: với chức từ gói nlme Trong ký hiệu nó, đặc tả 're' mơ hình có hiệu ứng ngẫu nhiên hồi quy: đánh chặn Dưới báo cáo hệ số mơ hình Grunfeld ước tính cách GLS sau ML 41 Các mơ hình tuyến tính với cấu trúc theo nhóm phụ thuộc thời gian trang bị gls, xác định cấu trúc tương quan tùy chọn tương quan tương tự bảng điều khiển hiệu ứng ngẫu nhiên, ví dụ: ar (1) lỗi (xem Baltagi, 2013, Ch 5) phù hợp lme định thêm chặn ngẫu nhiên bổ sung Hãy để so sánh với thay hạn chế Mơ hình gls mà khơng có tương quan số dư giống ols, người ta sử dụng lm cho mơ hình bị hạn chế Ở chúng tơi ước tính gls Thử nghiệm ar (1) mơ hình hiệu ứng ngẫu nhiên thực theo cách, cách sử dụng đối tượng mơ hình hiệu ứng ngẫu nhiên ước tính Một thử nghiệm tỷ lệ khả cho hiệu ứng ngẫu nhiên so sánh thơng số có khơng có hiệu ứng ngẫu nhiên lỗi đặc trưng hình cầu Các hiệu ứng ngẫu nhiên, mơ hình lỗi ar (1) tổ chức mơ hình gộp (1); đó, việc kiểm tra tỷ lệ khả cho hiệu ứng ngẫu nhiên lỗi phụ ar (1) thực hiện, lần nữa, cách so sánh hai đặc tả kỹ thuật tự động: 5.4 Áp dụng kiểm định tương quan nối tiếp truyền thống cho bảng liệu Một thủ tục kiểm tra chung cho tương quan nối tiếp hiệu ứng cố định (fe), hiệu ứng ngẫu nhiên (RE), mơ hình bảng mạch gộp-ols dựa cân nhắc (Wooldridge, 2010, 10.7.2) Đối với mơ hình hiệu ứng ngẫu nhiên, Wooldridge (2010) quan sát thấy giá trị khơng đồng khơng có tương quan nối tiếp lỗi riêng biệt, số dư từ hồi quy bán lẻ phải hình cầu Khác, hiệu ứng cá nhân xóa sổ demeaning, mối tương quan nối tiếp lại phải thành phần riêng biệt Do đó, cách đơn giản để kiểm tra mối tương quan nối tiếp áp dụng phép thử tương quan nối tiếp chuẩn cho mơ hình bán lẻ Điều tương tự áp dụng mơ hình gộp, liệu gốc Trường hợp fe khác Nó biết lỗi mơ hình ban đầu khơng tương quan, số dư fe tương quan âm tính với cor 42 (�nt, � � ns) = - ∕ (T - 1) cho t, s (xem Wooldridge, 2010, 10.5 4) Mối tương quan rõ ràng chết T tăng lên, loại thử nghiệm ar áp dụng cho đối tượng mơ hình cho T “đủ lớn” Baltagi Li (1995) lấy xét nghiệm T-asymptotic tương tự cho mối tương quan nối tiếp bậc mơ hình bảng điều khiển fe xét nghiệm Breusch-Godfrey lm phần dư (xem Baltagi Li, 1995, mệnh 2.3 công thức 12) Họ quan sát thấy thử nghiệm khoản dư sử dụng để thử nghiệm mơ hình RE, 'phép biến đổi bên loại bỏ hiệu ứng riêng lẻ, dù cố định hay ngẫu nhiên.' Tổng quát kiểm tra Durbin-Watson cho mơ hình fe cách áp dụng cho hiệu ứng cố định cịn lại ghi lại Bhargava et al (1982) Trên đàm thoại, bảng ngắn, thử nghiệm bị thiên vị nghiêm trọng việc từ chối (hoặc, tương quan gây âm, chấp nhận trường hợp kiểm tra Durbin-Watson mặt với tập thay thành 'lớn hơn') Xem phần để kiểm tra tương quan nối tiếp áp dụng cho mơ hình bảng điều khiển 'ngắn' Ví dụ 4.6 Các thử nghiệm Breusch-Godfrey Durbin Watson - Tập liệu RiceFarms Các hàm pbgtest pdwtest ước tính lại mơ hình bán lẻ có liên quan ols áp dụng, tương ứng, kiểm tra Breusch-Godfrey DurbinWatson chuẩn từ gói lmtest tới số dư: Hình Các thử nghiệm chia sẻ tính đối tác ols chúng, đặc biệt pbgtest cho phép thử nghiệm cho tương quan nối tiếp bậc cao hơn, quan tâm đặc biệt cho liệu quý Vì hàm trình bao bọc đơn giản hướng tới bgtest dwtest, tất đối số từ hai sau áp dụng chuyển qua tốn tử ‘…’ 43 Như quan sát trên, việc áp dụng hàm pbgtest pdwtest cho mơ hình fe thích hợp kích thước thời gian đủ dài Trong trường hợp thường xuyên bảng 'ngắn', hai thủ tục kiểm tra Wooldridge (2010) mô tả phần nên sử dụng thay 5.5.1 Kiểm định bên Wooldridge Do quy trình demeaning, H0 khơng có tương quan nối tiếp (�lỗi, số dư mơ hình fe phải tương quan âm tính với cor (�nt, �ns) = - ∕ (T - 1) cho t, s Wooldridge đề xuất dựa thử nghiệm cho giả thuyết H0 có giá trị hồi quy gộp số dư fe độ trễ chúng �nt � = + � nt−1 + nt Từ chối hạn chế = −1 ∕ (T - 1) làm cho kết luận với giá trị rỗng ban đầu khơng có tương quan nối tiếp Hàm thực quy trình ước lượng mơ hình fe, lấy số dư, sau ước tính mơ hình phụ (gộp) ar (1), kiểm tra giới hạn nêu trên Bên trong, ma trận hiệp phương sai hiệp tự tương quan (vcovHC, xem chương tiếp theo) sử dụng, quy định ban đầu Thử nghiệm áp dụng cho mơ hình bảng fe đặc biệt “ngắn” với T nhỏ lớn N Ví dụ kiểm tra tương quan nối tiếp 4.7 cho mơ hình hiệu ứng cố định Tập liệu EmplUK Trong ví dụ sau, kiểm tra tương quan nối tiếp dựa Wooldridge áp dụng cho liệu EmplUK: Chúng mạnh mẽ từ chối gỉa thuyết H0 khơng có mối tương quan nối tiếp Nếu chứng bền bỉ mạnh, người ta nên tự hỏi liệu số dư có dừng lại không, liệu đặc điểm kỹ thuật khác biệt thích hợp hay khơng Trong phần tiếp theo, thấy thử nghiệm tương tự xem thiết bị đặc tả theo nghĩa 5.5.2 Kiểm định dựa khác biệt Wooldridge Trong bối cảnh mơ hình khác biệt đầu tiên, Wooldridge (2010, 10.6.3) đề xuất kiểm định tương quan nối tiếp xem kiểm định đặc tả để chọn cơng cụ ước tính hiệu ảnh hưởng cố định (bên trong) khác biệt (fd) 44 Điểm bắt đầu quan sát lỗi riêng mơ hình gốc nt khơng tương quan, lỗi mơ hình khác biệt (đầu tiên) ～fd nt ≡ nt( - ( nt − tương quan, với cor nt, ～nt − 1) = −0.5, ảnh hưởng bất biến thời gian bị xóa khác biệt Vì vậy, kiểm định tương quan nối tiếp cho mơ hình với hiệu ứng riêng lẻ hình thức dựa việc ước tính mơ hình phụ trợ � fd� nt = �fd nt−1 + nt kiểm tra giới hạn = −0.5, tương ứng với H0 khơng có tương quan nối tiếp mơ hình ban đầu Drukker (2003) cung cấp chứng Monte Carlo tính chất thực nghiệm tốt phép kiểm định Ở mặt khác (Như Wooldridge, 2010, 10.6.1 đề cập), lỗi khác khơng tương quan, nt bước ngẫu nhiên Trong trường hợp thứ hai này, ước lượng hiệu khác biệt (FD); trường hợp ảnh hưởng cố định Ví dụ 4.8 Kiểm dịnh khác biệt Wooldridge - Tập liệu EmplUK Chúng áp dụng thử nghiệm bối cảnh liệu EmplUK, bảng điều khiển lớn ngắn với tính khơng đồng cá nhân mạnh mẽ Chúng muốn kiểm tra mối tương quan nối tiếp hai lỗi sai số Hàm pwfdtest cho phép kiểm tra giả thuyết: hành vi mặc định h0 = 'fd' để kiểm tra mối tương quan nối tiếp lỗi sai số đầu tiên: Hình Trong định h0 = 'fe' giả thuyết H0 trở thành khơng có mối tương quan nối tiếp lỗi ban đầu, tương tự pwartest : 45 Hình 10 Khơng bác bỏ hai cho thấy phải sử dụng cơng cụ ước tính tương ứng với h0 Trong trường hợp này, phần dư ban đầu cho thấy mối tương quan nối tiếp bác bỏ sau kiểm định khác biệt Các kết gốc đơn vị lỗi Ví dụ 4.9 Kiểm tra khác biệt Wooldridge - Tập liệu RiceFarms Kết lúc rõ ràng Đối với ví dụ RiceFarms: Hình 11 Sự thật rõ ràng nằm (cả hai bị từ chối, trường hợp mạnh lại); trường hợp này, cơng cụ ước tính chọn có lỗi tương quan Do đó, nên sử dụng ma trận hiệp phương sai để xác định tương quan 46 PHẦN 6: KIỂM THỬ TƯƠNG QUAN CHÉO Mục 4.4 Sách Panel data Economitrics with R Bên cạnh vấn đề quen thuộc tương quan nối tiếp, phận khác phát triển phải giải vấn để tương quan chéo bảng, phát sinh Nếu có tương quan chéo, hậu là, mức tối thiểu, sử dụng ma trận hiệp phương sai tiêu chuẩn ước lượng thông thường không hiệu suy luận khơng hợp lệ Ví dụ, mơ hình với hiệu ứng khơng quan sát có tương quan chéo cấu trúc yếu tố không quan sát với yếu tố không tương quan với biến hồi quy Trong trường hợp bên lại quán, không hiệu Nếu yếu tố không quan sát tương quan với biến hồi quy, bị loại trừ, hậu nghiêm trọng hơn: người ước tính khơng qn 6.1 Hệ số tương quan theo cặp Tương quan chéo đa dạng Các thủ tục kiểm định phổ biến dựa việc xem xét tất mối tương quan cặp đơi có cặp đơn vị riêng biệt, ước tính đơn vị cách độc lập, cách khai thác thời gian kích thước liệu, sau tính tốn số biện pháp tổng hợp thống kê kiểm tra Cơ công cụ đánh giá mối tương quan theo cặp đơn vị n m riêng lẻ để lập mục kép vector z mn hệ số tương quan thời điểm sản phẩm, định nghĩa Hình 47 6.2 Kiểm thử cd-type cho tương quan chéo Một số thống kê để kiểm định giả thuyết H không tương quan chéo � mơ hình lỗi (model errors) dựa � Hàm pcdtest thực � tính tốn � abs, nhóm thử nghiệm tương quan chéo áp dụng cài đặt khác nhau, khác nhau, từ nơi mà T tăng dần với N cố định đến bảng điều khiển với kích thước N lớn vài khoảng thời gian Tất dựa (biến đổi) tương quan thời điểm sản phẩm hệ số phần dư mơ hình, xác định Thử nghiệm lm Breusch-Pagan, dựa bình phương , có giá trị cho T → ∞ với N cố định: nm Hình trường hợp bảng điều khiển không cân xem xét quan sát hồn chỉnh theo cặp, Tnm = (Tn, Tm) với Tn số lượng quan sát cho n; khác, bảng điều khiển cân bằng, T nm = T cho n, m Bài kiểm tra phân phối N(N - 1)/2 Nó khơng phù hợp Bất kích thước N lớn Một phiên thu nhỏ, áp dụng T → ∞ sau N → ∞ (Như số bối cảnh chuỗi thời gian gộp), định nghĩa là: Hình phân phối tiêu chuẩn bình thường Kiểm tra cd palaaran (2004) 48 Hình dựa � � nm mà khơng bình phương (cũng phân bố chuẩn) phù hợp cho N- T-tiệm cận Nó có đặc tính tốt mẫu có kích thước thực tế phù hợp mạnh mẽ cho loạt cài đặt Hạn chế lớn kiểm tra sức mạnh chống lại thay tương quan chéo tương quan trung bình 0, hệ số riêng lẻ khác khơng Một tình khơng phải phát sinh ví dụ với diện cấu trúc nhân tố không quan sát với hệ số tải trung bình 0, nghĩa số đơn vị phản ứng tích cực với cú sốc thông thường, người khác tiêu cực Một trường hợp khác thử nghiệm điện liệu cắt ngang mơ hình chứa hình nộm cụ thể theo thời gian (xem Sarafidis Wansbeek, 2012, trang 27) Trong trường hợp này, hệ số tương quan tuyệt đối � � �abs có khả bật lớn nhiều so với � 6.3 Ví dụ kiểm thử tương quan chéo - liệu RDSpillovers Eberhardt et al (2013) xem xét lợi nhuận nghiên cứu phát triển (R & D) chức sản xuất công ty châu Âu Họ ước tính thơng số kỹ thuật khác tiêu chuẩn hàm sản xuất (trong đầu hàm lao động vốn) tăng cường với R & D chi phí Hình Các thử nghiệm dựa tương quan cặp đơi ban đầu có nghĩa sử dụng phần dư ước lượng riêng biệt hồi quy chuỗi thời gian cho đơn vị tương quan Ta sử dụng phép kiểm thử pcdtest R 49 Hình Phần dư từ hồi quy chuỗi thời gian riêng biệt cho thấy chứng mạnh mẽ phụ thuộc chéo lỗi Nếu đặc điểm kỹ thuật mơ hình khác giả định quán, người ta sử dụng phần dư cho tests4 cách định kiểu mơ hình có liên quan Đối số hàm plm công thức data.frame; trường hợp thứ hai, trừ mơ hình đặt với NULL, tất tham số thông thường liên quan đến ước tính mơ hình plm truyền vào Các kiểm tra tương thích với mơ hình plm quán cho liệu tay, với đặc điểm kỹ thuật có hiệu lực; ví dụ: định hiệu ứng = Thời gian xếp hiệu ứng = Thời gian gấp đôi, cho phép thử nghiệm phụ thuộc cắt ngang lại sau giới thiệu hiệu ứng cố định thời gian để giải thích cho cú sốc phổ biến Chúng ta xem xét đặc tả hiệu ứng cố định hai chiều tĩnh Eberhardt et al.(2013, Bảng 5): Hình 50 Bây thử nghiệm khơng bác bỏ giả thuyết H0 có mối tương quan chéo p-value > 0.05 Người ta có ý tưởng xảy cách so sánh � �abs: Hình từ� thấy tương quan chéo đáng kể nào.âm nms � bù 6.4 Kiểm thử tương quan chéo pseries Bên cạnh thử nghiệm cho tương quan cắt ngang phần dư mơ hình, thử nghiệm họ cd sử dụng đánh giá thống kê sơ bộ, để xác định xem biến phụ thuộc giải thích cho thấy mối tương quan để bắt đầu với Cuối cùng, Hàm pcdtest có phương thức pseries, nghĩa áp dụng đối tượng pseries Người ta tính tốn thống kê mơ tả� �abs dùng đến kiểm tra thức 51 6.5 Ví dụ kiểm thử pseries - HousePriceUS data Holly cộng (2010) phân tích thay đổi giá nhà thực tế 49 tiểu bang Hoa Kỳ từ năm 1975 đến 2003 để đánh giá mức độ họ bị chi phối yếu tố thu nhập bình quân đầu người dùng lần, chi phí vay rịng tăng trưởng dân số Các phân tích thực nghiệm tiến hành từ đánh giá ban đầu phụ thuộc không gian biến; ta tái tạo đánh giá tương quan chéo cho biến phụ thuộc, số giá nhà (1980 = 100), lấy theo khác biệt nhật ký Hình Trung � bình tổng thể � abs có độ lớn lớn gần nhau, mối tương quan tích cực đáng kể Để điều tra xem hành vi có thống mặt địa lý hay khơng, người ta sâu vào đến cấp khu vực bảng tương quan vùng xây dựng chức pcdtest, cài đặt test = ‘rho’ tương quan trung bình hệ số Hàm cortab cung cấp để tự động hóa thủ tục này, xây dựng ma trận W phù hợp từ số nhóm cung cấp tính (mặc � định) � abs (nếu test = ‘rho’) cho vùng (đường chéo chính) cặp vùng (ngồi đường chéo) 52 Hình 10 Phân tích phụ thuộc khơng gian sơ nêu bật mối tương quan khu vực lân cận số trường hợp tương quan với khu vực xa xôi, trường hợp California số quốc gia phát triển Bờ Đông Theo tác giả, chứng phụ thuộc liên quan đến yếu tố: cú sốc phổ biến cơng nghệ kích thích tăng trưởng nhà nước tiên tiến không phân biệt địa lý gần 53 Tầm quan trọng mối tương quan chéo pseries đánh giá thơng qua thử nghiệm thức, xác thực cho phần dư mơ hình Cho rằng, bên cạnh văn phịng phẩm (mà ví dụ đảm bảo cách phân biệt liệu trước tiên), thuộc tính kiểm tra CD dựa trênn Giả thuyết khơng có mối tương quan nối tiếp, làm theo đề xuất Pesaran (2004) để loại bỏ định mô hình ar (2) đơn biến biến quan tâm tiến hành kiểm tra phần dư sau cho phụ thuộc cắt ngang Điều thực dễ dàng chức trễ plm Sau đây, kiểm tra mối tương quan cắt ngang giá nhà gỗ phần dư mơ hình ar (2) để kiểm soát tồn liệu: Hình 11 Cuộc thử nghiệm bác bỏ mạnh mẽ giả thuyết H0 p-value