TIỂU LUẬN ỨNG DỤNG PHẦN MỀM EVIEWS TRONG NGHIÊN CỨU

ĐỀ TIỂU LUẬN SỐ 05 MÔN HỌC : ỨNG DỤNG PHẦN MỀM EVIEWS TRONG NGHIÊN CỨU Từ liệu : DATA-01 Đề xuất lập mơ hình hồi quy theo dạng sau: SUB = C(1) + C(2)*HOME + C(3)*INST + C(4)* TV +C(5)*AGE + C(6)*AIR + C(7)*Y +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 mơ 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: HOME = 250 INST = 5,5 TV = 20 AGE = 15 AIR = 10 Y = 10900 Cho độ tin cậy 1-α = 95% Trang BẢNG SỐ LIỆU: DATA-01 SUB 105 HOME INST 350 14,9 TV 16 AGE 11,83 90 255,631 AIR Y SVC 9839 10 10606 7,5 15 15 11,42 14 31 15 11 7,33 10455 11,7 34,84 10 22 6,92 8958 11741 10 46 153,434 25 20 26 11,217 26,621 15 18 8,83 9378 7,66 12 18 15 12 13,08 10433 7,5 6,428 9,324 15 17 5,58 10167 20,1 32 10 10 12,42 9218 5,6 8,5 28 15 4,92 10519 6,5 1,6 17,5 4,08 10025 7,5 1,1 15 4,25 9714 8,95 4,355 15,204 10 10,67 9294 78,91 97,889 24,9 12 17,58 9784 9,49 19,6 93 20 8,08 8173 7,5 9,95 13 0,17 8967 10 1,65 2,6 25 13,25 10133 7,55 13,4 18,284 15,5 11 12,67 9361 6,3 18,708 55 15 16 5,25 9085 Trang 1,352 1,7 20 15 10067 5,6 170 270 15 15 17 8908 8,75 15,388 46,54 15 6,83 9632 8,73 6,555 20,417 5,95 10 5,67 8995 5,95 40 120 25 10 7787 6,5 19,9 46,39 15 11,25 8890 7,5 2,45 14,5 9,95 2,92 8041 6,25 3,762 9,5 20 2,17 8605 6,5 24,882 81,98 18 7,08 8639 7,5 21,187 39,7 20 12,17 8781 3,487 4,113 10 11 13,08 8551 6,85 10 0,17 9306 7,95 42,1 99,75 9,95 7,67 8346 5,73 20,35 33,379 15 10,33 8803 7,5 23,15 35,5 17,5 12,25 8942 6,5 9,866 34,775 15 11 8591 8,25 42,608 64,84 10 11 13,08 9163 10,371 30,556 20 7683 7,5 5,164 16,5 14,9 7924 6,95 31,15 70,515 9,95 10 4,67 8454 18,35 42,04 20 8429 - SUB : số người thuê bao cho hệ thống (nghìn thuê bao): 1-170 - Home: số nhà hệ thống qua (nghìn): 1,7-350 - Inst: Phí lắp đặt tính USD: 5,6-10 - Tv: Số kênh truyền hình hệ thống tải đi: từ 6-22 - Age: Tuổi hệ thống tính số năm: 0,17-26 - Air: số kênh truyền hình thu được: từ 4-13 Trang - Y: thu nhập bình quân đầu người mỗ thị trường cáp TV tình USD: 7.686-11.741 - SVC: phí dịch vụ hàng tháng hệ thống: 5,6-10 Trang THỰC HÀNH TRÊN EVIEW PHẦN 1: Lập ma trận tương quan phân tích mối quan hệ Tiến hành copy liệu từ file excel sang Eview, chọn Past as new workfile, chọn finish ta workfile sau: Chọn biến: sub, home, inst, age, air, y, svc mở dạng group sau: Trang Ta kết sau: Trang Vào View => chọn Covariance Analysis… ta kết sau: Chọn mục Correlation => OK ta được: Trang Phân tích mối quan hệ : - Biến Home giải thích tốt cho biến phụ thuộc Sub Biến Age, biến TV biến SVC giải thích cho biến phụ thuộc Sub Các biến Inst, Air Y giải thích yếu cho biến phụ thuộc Sub - Ta thấy có tương quan cao biến Home với biến TV, biến Age, biến Air biến SVC Giữa biến TV với biến Air SVC Giữa biến Age biến Y Giữa biến Air, biến Y biến SVC Có thể xảy tượng đa cộng tuyển biến Trang PHẦN : 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 mơ hình, tính hệ số hồi quy chuẩn hóa.) 2.1 Mơ hình hồi quy Mở biến dạng Equation ta có mơ hình hồi quy sau : Mơ hình hồi quy có dạng : SUB = C(1) + C(2)*HOME + C(3)*INST+ C(4)*TV + C(5)*AGE + C(6)*AIR + C(7)*Y +ei Vào View chọn Representations Trang 10 Ta viết lại sau: SUB = 0.405549*HOME - 0.52642*INST + 0.7565078*TV + 1.193511*AGE 5.111142*AIR + 0.001655*Y + 2.038732*SVC - 6.8077256 Trên cửa sổ làm việc Eview ta gõ: scalar f=@qfdist(0.95,7,33) để tìm Fα = (k1,n-k) Ta kết F(k-1,n-k) = 2.303 Nhận xét: - Hệ số Adjusted R-squared = 0.8632, cho thấy mơ hình giải thích tương đối tốt thay đổi biến SUB - Ta thấy giá trị kiểm định F-Statistic = 36.15343>F(k-1,n-k) hay P-valueα=0.05 nên ta chấp nhận giả thiết H0 tức không xảy tượng tự tương quan bậc Trang 26 PHẦN : 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: HOME = 250 INST = 5,5 TV = 20 AGE = 15 AIR = 10 Y = 10900 Cho độ tin cậy 1-α = 95% Bước 1: Chạy mơ hình hồi quy lập câu (ln mở mơ hình hồi quy suốt trình làm dự báo) Bước 2: Tạo thêm biến quan sát thứ n+1, điền giá trị biến độc lập Trang 27 Tại cửa số Workfile, vào Proc > Structure /Resize Current Page… xuất hộp thoại sau: Tại ô Data range ta nhập tăng giá trị có lên đơn vị> Ok Mở biến Home, Air, Age dạng Group Chọn Edit +/- nhập: Home = 250, Air = 10, Age= 15 vào ô thứ 41 Trang 28 Bước 3: Tạo biến giá trị vô hướng Tại mơ hình hồi quy bước 1, hộp thoại Forecast xuất Trong khung Series name: - Tại mục Forecast name: Đặt tên biến dự báo cho biến phụ thuộc Subf (Eview mặc định) - Tại mục S.E.(Optional), ta khai báo “se_1dubao” =>Ok Ta : Trang 29 Mở đồng thời biến Subf se_1dubao ta thấy quan sát cuối (quan sát thứ 41) giá trị Subf giá trị Ŷ0 = 98.22262 giá trị se_1dubao giá trị SE(Ŷ0) = 13.60864 Trang 30 Lập biến se_2dubao thông qua se_1dubao S.E of regression (sigma ước lượng) Nhập lệnh scalar sigma = @se để khởi tạo giá trị sigma Trang 31 Tại hình làm việc Eview, ta nhập: genr se_2dubao=sqr(se_1dubao^2-sigma^2) để tính se_2dubao Kết sau: Trang 32 Tính giá trị tα/2(n-k) với n-k=40-4=36, α/2=0.05/2=0,025 Tại cửa sổ Eview, gõ scalar tinv=@qtdist(0.95,40) để tính giá trị tinv Kết sau: Trang 33 Bước 4: Thiết lập cận cận cho khoảng dự báo trung bình cá biệt a Tiến hành dự báo: Từ hình làm việc Eview, nhập câu lệnh sau: genr upperTB=subf+tinv*se_2dubao => Enter genr lowerTB=subf-tinv*se_2dubao => Enter genr upperCB=subf+tinv*se_1dubao => Enter genr lowerCB=subf-tinv*se_1dubao => Enter Trang 34 Ta kết sau : Mở kết uppertb, lowertb, uppercb, lowercb dạng group Ta kết sau: Trang 35 Từ bảng cho ta thấy: Khoảng dự báo trung bình cho số người thuê bao hệ thống tương ứng với: Home=250, Air=10, Age=15 với độ tin cậy 1-α = 5% là: [89.03657;1074087] Khoảng dự báo cá biệt là: [75.30777;121.1375] Biểu thị đồ thị: - Vẽ đồ thị dự báo trung bình cho số người thuê bao hệ thống Mở biến uppertb, lowertb, sub, subf dạng group Trang 36 Vào View chọn Graph: Trang 37 - Tương tự ta vẽ đồ thị dự báo cá biệt cho số người thuê bao hệ thống: Trang 38 KẾT LUẬN Bài tiểu luận tiến hành phân tích, kiểm định dự báo số người thuê bao hệ thống với biến phụ thuộc Sub biến giải thích Home - số nhà mà hệ thống cáp TV ngang qua, Age - số tuổi hệ thống, Air - số kênh truyền hình thu Trong biến độc lập biến độc lập Home giải thích cho biến Sub tốt so với biến độc lập khác Mơ hình hồi quy sau: SUB = 12.86928+ 0.411502*HOME - 3.461827*AIR + 1.139739*AGE Mơ hình khơng cịn tượng đa cộng tuyến có tượng phương sai sai số thay đổi Phần dư mơ hình e1 khơng có phân phối chuẩn Tuy nhiên, hệ số P-value kiểm định F đạt yêu cầu Ngoài kiểm định BG cho thấy mơ hình khơng có tương quan bậc 1, mơ hình chấp nhận để thực dự báo Mơ hình tốt việc lựa chọn biến đưa vào mơ hình có ý nghĩa Việc dự báo sát với giá trị thực Cho thấy mơ hình dự báo tốt Có thể ứng dụng mơ hình để dự báo số người thuê bao hệ thống cho công ty lĩnh vực để tham khảo cho lĩnh vực có liên quan Trang 39 ... Trang 37 - Tương tự ta vẽ đồ thị dự báo cá biệt cho số người thuê bao hệ thống: Trang 38 KẾT LUẬN Bài tiểu luận tiến hành phân tích, kiểm định dự báo số người thuê bao hệ thống với biến phụ thuộc... có hệ số hồi quy chuẩn hóa 0.327192 Trang 21 PHẦN 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,... đưa vào mơ hình có ý nghĩa Việc dự báo sát với giá trị thực Cho thấy mơ hình dự báo tốt Có thể ứng dụng mơ hình để dự báo số người thuê bao hệ thống cho công ty lĩnh vực để tham khảo cho lĩnh vực