CHƯƠNG 3 NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.2. Xác định mô hình hồi qui
Mô hình hàm tiêu dùng :C =F(TN,KVTN,CCTL) Hay Y=a0+a1TN+a2KVTN+a3CCTL
Bảng 3.1 Các Biến của Hàm Tiêu Dùng
Kí hiệu Mô tả Đo lường Kì vọng dấu
Biến phụ thuộc C
C Mức tiêu dùng của người dân
triệu đồng/tháng
Biến độc lập
Thu nhập TN Mức thu nhập bình quân triệu đồng/tháng + Kì vọng
thu nhập
KVTN Kì vọng thu nhập tương lai
triệu đồng/tháng
+ Của cải
tích luỹ
CCTL Của cải tích luỹ được của cá nhân
Triệu đồng
+
Nguồn tin: tính toán và ước lượng Giải thích:
Thu nhập bình quân: (TN) là thu nhập trung bình của từng cá nhân trong 1 tháng.Vì khi thu nhập tăng lên thì mức tiêu dùng của mọi người tăng lên. Kì vọng dấu(+)
Kì vọng thu nhập:(KVTN) là thu nhập bình quân mà cá nhân kì vọng ở tương lai. Khi thu nhập ở tương lai càng cao thì moi người có xu hướng tiêu dùng nhiều cho hiện tại. Kì vọng dấu (+)
28
Của cải tích luỹ: (CCTL) là của cải mà người tiêu dùng tích luỹ được. Khi người tiêu dùng có nhiều của cải tích luỹ thì họ sẽ tiêu dùng nhiều hơn. Kì vọng dấu (+).
3.2.1. Kiểm định giả thiết a) Kiểm định T(student)
Đặt giả thiết hàm tiêu dùng là hàm mô tả mối quan hệ giữa mức tiêu dùng và các yếu tố đầu vào. Để chứng minh cho mối quan hệ này ta đặt giả thiết như sau:
H0:α 0=0 H1:αi≠0 Với i = (0,1,...,4)
Trong đó: ti là giá trị t_statistic của biế n độc lập thứ i αi là thông số ước lượng thứ i
N là số mẫu quan sát
Sαi độ lệch chuẩn của tham số Quyết định :
Sau khi có ti dược tính toán qua bảng kết quả hồi qui.sau đó thông qua bảng phân phối student ta tính được t_tra bảng theo công thức sau:
T_tra bảng = t α ,(n-k-1)=tα ,df Trong đó:α là mức ý nghĩa
N tổng số mẫu quan sát (N=60) K số biến độc lập
Từ t tra bảng ta so sánh hai giá trị t statistic và t tra bảng ta có hai trường hợp:
Trường hợp 1: Nếu /t stat/ < tα ,(n-k-1), chấp nhận giả thiết H0, bác bỏ giả thiết H1. Có nghĩa là (α i=0) các biến độc lập không ảnh hưởng gì đến mức tiêu dùng của ở mưc ý nghĩa α
Trường hợp 2:nếu /tstat/>t α,(n-k-1), bác bỏ giả thiết H0 ,chấp nhận giả thiết H1. Điều này có nghĩ là các biến độc lập có ảnh hưởng đến mức tiêu dùng ở mức ý nghĩa α tức là (αi≠0) với (i=0.1,..,4)
29
b) Kiểm định F(phân phối Fisher)
Để kiểm định giả thuyết của mô hình ta còn có thể dùng kiểm định F để xem mô hình có hiệu lực hay không .
Đặt giả thuyết:
H0:Sự biến động của các biến phụ thuộc không được giải thích bởi các biến độc lập(tức làα 1=α2=α 3)
H1 :có ít nhất 1 hệ số α i nào đó khác 0 (tức là αi # 0) Kiểm định F:
Ftính:
Công thức tổng quát|:F=TBPHQ:k:TBPSS:(n-k) Trong đó :
TBPHQ: tổng bình phương hồi qui, là phần biến đô.ng mức tiêu dùng được giải thích bởi mô hình.
TBPSS: tổng bình phương sai số, là phần biến động mức tiêu dùng của người dân không được giải thích bởi mô hình.
K Số biến độc lập N tổng số mẫu quan sát
Ta tính được F thông qua kết quả chạy hồi qui Quyết định :
F tra bảng:
F(k-1),(n-k) được tra trong bảng phân phối Fisher Trường hợp 1:
Nếu F tính > F(k-1),(n-k) thì bác bỏ giả thiết H0, chấp nhận giả thiết H1.Tức là sự biến động của biến phụ thuộc được giải thích bởi ít nhất 1 biến độc lập.
Trường hợp 2:
Nếu F tính < -F(k-1),(n-k) thì bác bỏ giả thiết H1. Tức là sự biến động của biến phụ thuộc không được giải thích bởi ít nhất 1 biến độc lập.
c) Kiểm định sự vi phạm giả thuyết của mô hình 1.Hiện tượng phương sai không đồng đều
30
Hiện tượng phương sai không đồng đều là hiện tượng mà các phương sai của đường hồi qui của tổng thể ứng với các giá trị của biến độc lập là khác nhau (phương sai không đồng đều là hằng số).
Khi hiện tượng phương sai không đồng đều xảy ra sẽ dẫn đến những hậu quả sau:
Các hệ số ước lượng là tuyến tính, không thiên lệch và nhất quán.
Các hệ số ước lượng không còn là tốt nhất (Not Best)
Các ước lượng của phương sai của các hệ số (Sα ihat) là thiên lệch.
Do đó các kiểm dịnh mức ý nghĩa và khoảng tin cậy theo phân phối T và F không còn đáng tin cậy nữa, nó dẫn đến sai lầm trong các kiểm định giả thuyết. Để kiểm tra hiện tượng này chúng tôi tiến hành kiểm định White (White test).
Các bước thực hiện kiểm định White:
Thu thập đại lượng sai số của phương trình hồi qui gốc.
Xây dựng mô hình hồi qui nhân tạo gồm các biến đầu vào là biến độc lập và biến phụ thuộc là bình phương của các số hạng sai số ε2.
ε2 =α 0 + α1TN+α 2KVTN+α3CCTL+α4TN*KVTN + α5TN*CCTL+
α 6KVTN*CCTL+α7TN2+α8 KVTN2 +α9 CCTL2 Trong đó: U2 bình phương sai số của mô hình gốc
R2aux là hệ số xác định của mô hình hồi qui nhân tạo.
Tính trị thống kê white stastistic(Wstat):
Wstat=N* R2aux
N số mẫu quan sát Xác định : χ2 α ;df=k Với mức ý nghĩa α
Df =k :số biến độc lập trong mô hình hồi qui nhân tạo Đặt giả thiết:
H0: không có hiện tượng phương phương sai không đồng đều.
H1: có hiện tượng phương sai không đồng đều.
Nếu W stat>χ2 α ;df=k thì bác bỏ giả thiết H0, tức là mô hình có hiện tượng phương sai không đồng đều.
31
Nếu W stat <χ2 α;df=k thì chấp nhận giả thiết H1, tức là mô hình không có hiện tượng phương sai không đồng đều .
2. Hiện tượng đa cộng tuyến
Hiện tượng đa cộng tuyến là hiện tượng xảy ra khi mà tồn tại 1 mối quan hệ tuyến tính hoàn hảo hay sấp xỉ hoàn hảo giữa 1 vài hay tất cả các biến số“giải thích trong mô hình hồi qui.
Khi xảy ra hiện tượng đa cộng tuyến sẽ dẫn đến hậu quả sau:
Các hệ số ước lượng hồi qui không xác định đuợc . Sai số của các mô hình lớn.
Kiểm định student và fisher sẽ không có ý nghĩa.
Để phát hiện hiện tượng này ta lần lượt lập các mô hình hồi qui bổ sung, các mô hình này có biến phụ thuộc lần lượt là biến độc lập của mô hình gốc.