.

Mục Lục

.................................................................................................................................................................1

Mục Lục..........................................................................................................................1

Câu 1: Thực hiện các yêu cầu phân tích hồi quy bội..................................................1

1.1. Mối Liên hệ giữ mô hình hồi quy đơn biến va hồi quy bội..............................2

1.2. Thực hiện mô hình hồi quy 3 biến ....................................................................2

1.3 .Mô hình hồi quy k biến...................................................................................7

1.4. Hướng dẫn phân tích hồi quy 3 biến băng phần mềm SPSS.........................10

Câu 2: Phân tích xu thế chuỗi thời gian....................................................................13

2.1. Mô hình phân tích chuỗi thời gian...................................................................13

a. Phương pháp phân rã:...................................................................................13

b. Đánh giá sự biến đổi theo mùa........................................................................15

2.2.Thực hiện phân tích chuỗi thời gian trong phần mềm SPSS.........................18

Câu 3 : Thực hiện tập dữ liệu trên SPSS...................................................................22

3.1 .Hàm hồi quy bội............................................................................................22

3.2.Ước lượng hồi.....................................................................................................23

3.2.Kiểm định các khuyết tật của mô hình.............................................................25

3.3.Kiểm định sự phù hợp của mô hình hồi quy....................................................26

3.4.Phân tích dựa vào kết quả ước lượng (Khoảng tin cậy )..............................27

3.5 Tìm khoản tin cậy..............................................................................................28

3.6 .Dùng SPSS để dự báo kết quả..........................................................................29

3.6 Đánh giá mô hình...........................................................................................30

Tài Liệu Tham Khảo......................................................................................................30

1

Câu 1: Thực hiện các yêu cầu phân tích hồi quy bội

Hồi quy bội còn gọi là phương pháp hồi quy đa biến, dùng phân tích mối quan hệ

giữa nhiều biến số độc lập (tức biến giải thích hay biến nguyên nhân) ảnh hưởng đến 1

biến phụ thuộc (tức biến phân tích hay biến kết quả).

Trong thực tế, có rất nhiều bài toán kinh tế - cả lĩnh vực kinh doanh và kinh tế học,

phải cần đến phương pháp hồi quy đa biến. Chẳng hạn như phân tích những nhân tố ảnh

hưởng đến thu nhập quốc dân, sự biến động của tỷ giá ngoại hối; xét doanh thu trong

trường hợp có nhiều mặt hàng; phân tích tổng chi phí với nhiều nhân tố tác động; phân

tích giá thành chi tiết; những nguyên nhân ảnh hưởng đến khối lượng tiêu thụ…

Một chỉ tiêu kinh tế chịu sự tác động cùng lúc của rất nhiều nhân tố thuận chiều

hoặc trái chiều nhau. Chẳng hạn như doanh thu lệ thuộc và giá cả, thu nhập bình quân xã

hội, lãi suất tiền gửi, mùa vụ, thời tiết, quảng cáo tiếp thị… Mặt khác, giữa những nhân

tố lại cũng có sự tương quan tuyến tính nội tại với nhau. Phân tích hồi quy giúp ta vừa

kiểm định lại giả thiết về những nhân tố tác động và mức độ ảnh hưởng, vừa định lượng

được các quan hệ kinh tế giữa chúng. Từ đó, làm nền tảng cho phân tích dự báo và có

những quyết sách phù hợp, hiệu quả, thúc đẩy tăng trưởng.

Mô hình hồi quy tuyến tính k biến (PRF):

E(Y/X2i,…,Xki) = b1+ b2X2i +…+ bkXki

Yi = b1+ b2X2i + …+ bkXki + Ui

Trong đó :Y - biến phụ thuộcX2,…,Xk - các biến độc lậpUi: Sai số ngẫu nhiênb1 là hệ số tự dobj là các hệ số hồi quy riêng, bj cho biết khi Xj tăng 1 đơn vị thì trung bình của Y sẽ thay đổi bj đơn vị trong trường hợp các yếu tố khác không đổi (j=2,…,k)

Khi k=3 ta sẽ có mô hình hồi quy tuyến tính 3 biến E(Y/X2, X3) = b1+ b2X2 + b3X3 (PRF)

Yi = b1+ b2X2i + b3X3i + Ui (PRM)

1.1. Mối Liên hệ giữ mô hình hồi quy đơn biến va hồi quy bội

2

Báng so sánh về dạng hàm của mô hình hồi quy đa biến so với trường hợp đơn biến

Hồi quy đơn biến Hồi quy đa biếnVí Dụ Dạng mô Hình Với mỗi quan sat

Như vậy hồi quy đa biến là sự mở rộng tự nhiên của trường hợp đơn biến ,khi số biến giải thích lớn hơn 2, kể cả hằng sô.

1.2. Thực hiện mô hình hồi quy 3 biến .a. Ứớc lượng các tham số cho mô hình hồi quy ba biến

E(Y/X2, X3) = b1+ b2X2 + b3X3 (PRF) Yi = b1+ b2X2i + b3X3i + Ui (PRM)

Hồi quy mẫuGiả sử có một mẫu gồm n quan sát các giá trị (Yi, X2i, X3i). Theo phương pháp OLS,

Tìm (j= 1,2,3) phải thoả mãn :

Q= Tức là:

Giải hệ ta có:

3

=> hồi quy mẫu đi qua gốc tọa độ

b. Phương sai của các ước lượng là:

Trong đó : Trong đó : s2 = Var(Ui) (s2 là phương sai của Ui )s2 chưa biết nên trong thực tế người ta dùng ước lượng không chệch của nó

c . Hệ số xác định bội R2 và Hệ số xác định hiệu chỉnh

TSS = ESS + RSS

Hệ số xác định bội R2

R2= =1- =1-

Mô hình hồi quy 3 biến

R2=

Hệ số xác định hiệu chỉnh

Với k là tham số của môi hình kể cả hệ số tự do Mối quan hệ giữa R và

4

Nếu k=1 thì R2= Nếu k>=1 thì R2= có thể âm Người ta dùng để xem sét việc đưa thêm 1 biến vào mô hình .Biến mới đưa vào mô

hình phải thỏa mãn 2 điều kiện Làm tăng Khi kiểm định giả thiết hệ số của biến này trong mô hình với giả thiết H 0 thì

phải bác bỏ H0

d. Khoảng tin cậy của tham sốKhoảng tin cậy của tham sô với mức ý nghĩa hay độ tin cậy 1-

Với độ tin cậy 1- cho trước ,khoảng tin cậy của các hệ số hồi quy

(j=1,2)

=SE(e. Phương sai 2:

f. Kiểm định giả thiết Kiểm định giả thiết H0

Nguyên tắc quyết địnhNếu < hoặc <- : bác bỏ H0

Nếu - - :chấp nhận H0

Kiểm định giả thiết đồng thời bằng không

H0: ( H1 : ít nhất 1 trong 2 tham số 0

F=

Nguyên tắc quyết định F> : Bác bỏ H0 :mô hình phù hợp F :Chấp nhận H0: mô hình không phù hợp

Ví dụ :

5

Ta có 3 giá trị sau: Y: Bushels per acre of corn;

X1: Fertilizer; X2: Insecticides

Với bảng dữ liệu sau

Y X1 X2 y x1 x2

40444648525860687480

6101214161822242632

445791214202124

-17-13-11-9-513111723

-12-8-6-4-2046814

-8-8-7-5-3028912

Tính toán :

x1y x2y x1x2 x12 x2

2

20410466361001266136322

1361047745150688153276

966442206084872168

14464361640163664196

646449259046481144

Thực hiện trên ta được

6

Tính R2 và FTa có bảng thực hiện như sau:

Y X1 X2 e y2

40444648525860687480

6101214161822242632

445791214202124

40.3242.9245.3348.8552.3757.0061.8269.7872.1979.42

-0.321.080.67-0.85-0.371.00-1.82-1.781.810.58

0.10241.16640.44890.72250.13691.00003.31243.16843.27610.3364

289169121802519121289529

và với ta tính F

1.3 .Mô hình hồi quy k biến

a. Mô hình :Mô hình hồi quy trog đó biến phụ thuộc Y phụ thuộc vào k-1 biến giải thích X2,…,Xk có dạng

E(Yi) = b1+ b2X2i + …+ bkXki+ Ui (PRF) Yi= (PRM)

(i = 1,…, n)Hàm hồi quy mẫu

Với i=1..n ta có dạng ma trận sau

…

Y=X +U E(Y)=X Tương tự ,đặt

7

b. Sử dụng phương pháp OLS(phương pháp bình phương nhỏ nhất)Tìm thỏa mãn

Tương đương ta sẽ có

…

c. Các tham số dưới dạng ước lượngKỳ vọng :

Phương sai

Với được ước lượng bởi

d. Hàm số xác định bội và bội hiệu chỉnh

Hàm số xác định bội

8

Cho biết tỉ lệ sự biến đọng của biến phụ thuộc được giải thích bởi tất cả các biến giải thích có trong mô hình

R2 có các tính chất sau: + 0 Tính chất này dùng đẻ đánh giá mức độ thích hợp của hàm hồi quy + Giá trị của R2 đồng biến với số biến giải thích của mô hình .Tuy nhiên không thể lấy

điều đó xem xét việc đã thêm biến giải thischvaof mô hình

Hệ số xác định bội hiệu chỉnh

hay

có các tính chất sau :- có thể âm, trong trường hợp âm, ta coi giá trị của nó bằng 0.- Khi số biến giải thích của mô hình tăng lên thì tăng chậm hơn

Tính chất này được dùng làm căn cứ xem sét việc đã thêm biến giải thích vào mô hình

Các sử dụng để quyết định đưa thêm biến vào mô hình

Mô hình hai biến Mô hình ba biến

Nếu thì chọn mô hình (1) tức là không cần thêm biến X3 vào ngược lại hì chọn mô hình (2)

e. Khoảng tin cậu của tham số kiểm định các giả thiết hồi quy

Khoảng tin cậy của tham số

9

Khoảng tin cậy của tham sô với mức ý nghĩa hay độ tin cậy 1-

Với độ tin cậy 1- cho trước ,khoảng tin cậy của các hệ số hồi quy

(j=1,2)

=SE(f. Phương sai 2

g .Kiểm định giả tiếtKiểm định giả thiết H0 :

Nguyên tắc quyết định

Nếu hoặc : bác bỏ H0

Nếu : chấp nhận H0

h Xác định sự phù hợp của mô hình

Kiểm định sự phù hợp của mô hình tức là kiểm định giả thiết đồng thời bằng không H0: ;(H1 :ít nhất 1 trong k tham số khác 0)

Nguyên tắc quyết địnhNếu :Bác bỏ H0 mô hình phù hợpNếu : Chấp nhận H0 : mô hình không phù hợp

1.4. Hướng dẫn phân tích hồi quy 3 biến băng phần mềm SPSS

10

Giả sử ta có tập dữ liệu như sau :

Y:tổng doanh thuX2:doanh thu bình quânX3: mức doanh thu

Bây giờ tiến hành hồi quy biến Y theo X1,X2 bắt đầu từ Menu Analyze, chọn mục Regression

Và Linear biến y đưa vào Dependent(biến phụ thuộc)còn biến x2 và x3 đưa vào Independent (biến độc lập)

11

Ta sẽ thu được 4 bảng Bảng 1:

Bảng 2 : Bảng đánh giá sự phù hợp của mô hình mẫu

Hệ số tương quan :R=0.346 R2=0.119Bảng 3: Bảng đánh giá sự phù hợp của mô hình hồi quy tổng thể(Anovab)

12

Tổng bình phương hồi quy :0.918Tổng bình phương phần dư là:13.544Trung bình bình phương hồi qui: 1.836/ 2 (bậc tự do)=0.918Trung bình bình phương phần dư: 13.544/ 7(bậc tự do=n-2)=1.935F=0.474Bảng 4 :Đánh giá ý nghĩa của các hệ số hồi quy

phương trình hồi quy: i=6.046-0.518X2+0.252X3

Câu 2: Phân tích xu thế chuỗi thời gian.

Từ xu hướng phát triển của hiện tượng nghiên cứu ta xác định được phương trình hồi quy lý thuyết , đó là phương trình phù hợp với xu hướng và đặc điểm biến động của hiện tượng nghiên cứu , từ đó có thể ngoại suy hàm su thế để xác định mức độ phát triển trong tương lai

2.1. Mô hình phân tích chuỗi thời gian

Phân tích chuỗi thời gian được chia làm hai phương pháp Phương pháp phân rã Phương pháp Box-RenKins

a. Phương pháp phân rã: Chuỗi dữ liệu được nghiên cứu tách biệt thành hai yếu tố Xu thế dữ liệu (vĩ mô) Biến đổi theo mùa(vi mô)

13

Phân tích xu thế : Đây là một phân tích liên quan đến chuỗi nhiều năm, do đó ta sẽ sử dụng số liệu hàng năm để phân tích .một cách tổng quát ta cần phải một chuỗi dài ít là 10->15 năm

Để đánh giá yếu tố xu thế, phương pháp sử dụng phổ biến là phương pháp bình phương tối thiểu (BPTT)

Đấy là phương pháp cho phép xác định được đường cong (thẳng) hoặc mặt phẳng biểu thị xu thế số liệu ,giới thiệu tốt nhất số liệu trong quá khứ

Trong trường hợp cá biệt khi nhận thấy xu thế của biến khảo sát trong thời gian dài là tuyến tính ,.Phương trình sẽ được xác định bởi

Y=a+btt: biểu thị thời giana,b:là những tham số quy định vị trí của đường hồi quy

Từ phương trình này,bằng phương pháp bình phương nhỏ nhất hoặc thông qua việc đặt thứ tự thời gian (t) trong dãy số để tính tham số a,b

Gọi là khoảng cách thẳng đứng từ điểm quan sát (ti ,Yi )đến đường thẳng cần xác định .Ta cần định nghĩa hàm mục tiêu

D=

Yi: Quan sát a: Xu thếĐây là một hàm hai biến a và b, để cho D cực trị (với ý nghĩa vật lý của bài toán ta biết đó là cực tiểu) ta phải có

14

Từ đó :

[1]

[2]

Giải hệ phương trình trên ta có

Chú ý trong trường hợp xu thế không phải tuyến tính ta có thể xét đến dạng đường cong hàm mũ y=abt hoặc dạng parabol y=a+bt+ct2. Các tham số a,b,c vẫn xác định dựa vào khái niệm bình phương tối thiểu mà ta vừa nghiên cứu trên

b. Đánh giá sự biến đổi theo mùa Để nhận biết ảnh hưởng của thành phần mùa lên chuỗi thời gian khảo sát ta dùng thông số gọi là chỉ số mùa

- Nếu số liệu theo tháng, ta có 12 tháng giá trị is.- Nếu số liệu theo quý ,ta có 12 giá trị is.

- Nếu giá trị tính theo 6 tháng ,ta có 2 giá trị is.Tính chỉ số mùaTừ số liệu quan trắc chỉ số mùa được tính từ is,t như sau:

is,t=[giá trị quan trắc]/[giá trị cho bởi y=[a+bt]t Chú ý: Có bao nhiêu số liệu quan trắc có bấy nhiêu is,t và giá trị is,t thay đổi quanh giá trị 1

Từ các giá trị đại biểu is,t , các giá trị đại biểu is được tính bằng giá trị trung bình của các tháng (quý) tương ứng :

Theo tháng

is,k=

Theo quý

15

is,k=

Với N (số tháng ,quý,…) có trong chuỗi số liệu phân tích

Giá trị chỉ số mùa hiệu chỉnh

Ta phải có :

Hiệu chỉnh

Chuỗi CVS(loại bỏ ảnh hưởng mùa trong chuỗi giá trị quan sát)

Sự hiệu chỉnh mùa này cho phép chúng ta muốn so sánh kết quả của các tháng khác nhau trog một mùa nhằm để biết nếu có sự tăng hay giảm đã xảy ra so với giá trị bình thường .Giá trị hiệu chỉnh mùa sẽ được tính như sau

chuỗi CVS

k=1,12 (số liệu tháng) hay 1,4( số liệu quý)

Dự báo với mô hình phân rã

Giá trị dự báo tại thời điểm t của biến nghiên cứu được xác định như sau:

: giá trị cho bởi đường xu thếk:ứng với tháng (mùa) tại thời điểm t

Ví dụ : số liệu kinh doanh của quý (CA, tỷ đồng) của Công ty cho 6 năm gần nhất như sau

16

a. Xác định xu thế biểu diễn bởi đường thảng bằng phương pháp bình phương tối thiểu .Từ đó xác định hệ số biến đổi mùa đại biểu cho 4 quý.

b. Xác định doanh thu tính từ mô hình (quý 1/năm 1 đến quý 2/ năm 6)c. Hãy dự báo doanh thu cho quý 3 và 4 của năm cuối cùng và quý 1,2 của năm kế tiếp

Bài làm :

17

Áp dụng phương pháp bình phương tối thiểu : ta thu được kết quả : a= 33.49 , b=1.347 và mô hình dự báo

2.2.Thực hiện phân tích chuỗi thời gian trong phần mềm SPSS

Giả sử ta có bảng dữ liệu như sau:

18

Ban đầu bạn chọn chế độ hiển thị cho biểu đồ chuỗi thời gianBạn chon Graphs-Legacy Dialogs –Line (chọn kiểu khung hiển thị ví dụ :Line(đường dây). Bar (hình cột ) hoặc 3-D Bar …) tiếp đó cửa sổ Line Chart hiện ra bạn chọn (Simple cho thể hiện 1 đường ,Multiple cho 2 đường hoặc Drop-Line): Simple và trong ô Data in Are là Values of individual cases để hiển thị giá trị

Bấm Define cửa cổ mới xuất hiện bạn điền thông tin trong ô Line Represents (đường dây thuộc tính muốn thể hiện ):CA và Variable (sự biến thiên theo giá trị ví dụ: thời gian) chọn :DATE_ thì ta đã có biêu đồ dạng như sau:

19

Bây giờ tiến hành phân tích chuỗi thời gian Bắt đầu chon :Analyze –Forecasting-Create modelTrong hộp thoại Time series Modeler:

Tab Valiables đưa biến cần dự báo (biến CA) ,và chọn Exponential smoothing ở khung Methord,chọn Criteria để khai báo là mô hình nhân tính hay công tính

Tab Statistics ,đánh dấu Root mean square để tính RMSE của mô hình.Đánh dấu Display forecasts để thể hiện kết quả dự báo trên mà hình Viewer

Chọn Tab Plots,và đánh dấu Forecasts,Fit Values để vẽ đường biểu diễn cả giá trị dự báo và giá trị thực tế lên cùng một đồ thị để nhằm đánh giá độ chính xác

Tab Options, Nhấp chọn First case after end of estimation period through a special date , và nhập vào ô Year ,và ô Qarter, gồm thông tin dự báo tháng nào ? năm bao nhiêu…?.Nếu bạn muốn lưu các giá trị dự báo về File dữ liệu thì bấm vào Tab Save

Click Ok ta có kết quả dự báo như sau

20

Mô hình dự báo bằng đồ thị

Và các mô hình 1. Mô hình Model Fit

2.Mô hình thống kê

3.Mô hình dự báo (ForeCast)

21

Câu 3 : Thực hiện tập dữ liệu trên SPSS

Tìm tập dữ liệu (trong các tạp chí quốc tế hoặc Việt Nam) áp dụng phương pháp phân tích dữ liệu thích hợp cho tập dữ liệu đó

Bài làm :Tập dữ liệuTrong các loại cây lương thực lấy hạt ở Việt Nam thì lúa và ngô và khoai là ba loại cây

lương thực chính, song so với tổng sản lượng của ba loại cây này thì sản lượng ngô chỉ vào khoảng trên dưới 10%. Sản lượng ba loại cây này tăng liên tục trong những năm qua Nguyên nhân tăng năng suất và sản lượng lúa, ngô ,khoai là do những thay đổi về cơ chế chính sách đầu tư vốn và sự kết hợp đẩy mạnh ứng dụng các tiến bộ kỹ thuật mới vào sản xuất như giống mới,

Đây là kết quả mối quan hệ về sản lượng nông nghiệp với sản lượng thóc ,sản lượng khoai lang và sản lượng ngô năm 2001.

Nguồn dữ liệu trang Wed : http://www.gso.gov.vn

Đơn vị :ngàn tấn

Trong đó Y:tổng sản lượng nông nghiệp

X2:Sản lượng thóc X3: Sản lượng khoai lang X4:Sản lượng ngôBài làm3.1 .Hàm hồi quy bội

Ta có tập dữ liệu 4 biến nên dùng phương pháp hồi quy bội có hàm như sau:Yi = b1 + b2 X2 + b3 X3 + b4X4

Trong đó : Yi :là biến phụ thuộc X2, X3 ,X4 là biến giải thích b1 :là hệ số chặn b2,b3,b4 :là hệ số góc Trên cơ sở đó ta có mô hình hồi quy tổng thể’:

obs Y X2 X3 X41994 1748.000 1508.000 163.0000 82.000001995 1665.000 1418.000 99.00000 48.000001996 1685.000 1413.000 92.00000 77.000001997 1935.000 1660.000 94.00000 78.000001998 1996.000 1675.000 108.0000 110.00001999 2384.000 2103.000 81.00000 96.000002000 2541.000 2202.000 118.0000 117.00002001 2654.000 2335.000 101.0000 112.00002002 2853.000 2417.000 194.0000 124.00002003 2787.000 2375.000 150.0000 143.00002004 3000.000 2529.000 175.0000 204.0000

22

Yi = b1 + b2 X2 + b3 X3 + b4X4 + Ui (1)3.2.Ước lượng hồi Ước lượng hồi quy tổng khối lượng hàng hóa vận chuyển theo khối lượng hàng hóa vận chuyển bằng đường sắt và đường biển

Bằng việc sử dụng phần mềm SPSS ta thực hiện tập dữ liệu sau:

Thực hiện phân tích hồi quy đa biến Click Analyze –Regression – Linear

23

Với Y:là biến phụ thuộc và X2, X3 là biến độc lập ta thu được kết quả như sau

Bảng có các thông tin cho ta: =50.245 = 1.058 = 0.497 =0.944

Từ kết quả ước lượng nêu trên ta thu được hàm hồi quy mẫu như sau:

i =50.245 + 1.058*X2 +0.497 *X3 + 0.944*X4

Và kết quả ước lượng:

24

R2=0.997 (tương ứng 99.7% sự thay đổi vốn đầu tư là sự thay đổi của các sản lượng)

, , 0 phù hợp với lý thuyết thống kê

Ý nghĩa của các hệ số trong mô hình :

:khi không có sự tăng trưởng vốn đầu tư thì tổng sản lượng là :50,245 nghìn tấn

=1.058 cho biết khi sản lượng lúa tăng lên 1 nghìn tấn thì tổng sản lượng tăng1.058 nghìn tấn

=0.497 cho biết khi sản lượng khoai tăng lên 1 nghìn tấn thì tổng sản lượng tăng 0.497 nghìn tấn

=0.944 cho biết khi sản lượng ngô tăng lên 1 nghìn tấn thì tổng sản lượng tăng 0.944 nghìn tấn

3.2.Kiểm định các khuyết tật của mô hình 3.2.1 Kiểm định β2

Kiểm định giả thiết : H0: β2=0; H1: β2 0Tiêu chuẩn kiểm định

Kiểm định giả thiết H0

T = T(n-3).

Miền bác bỏ :: Wα = T/ T T

Theo kết quả báo cáo mức 1(mức ý nghĩa ta có:

Tqs =26.718> T0.025(8) = 2.306

Tqs Є Wα => Bác bỏ H0 chấp nhận H1

Vậy biến X2 trong mô hình phù hợp 3.2.2 Kiểm định β3

Kiểm định cặp giả thuyết : H0: β3=0;

H1: β3 0 Ta sử dụng tiêu chuẩn kiểm định

T = T(n-3).

Miền bác bỏ : Wα = T/ T T Theo kết quả báo cáo 1(mức ý nghĩa = 0.05) ta có:

Tqs =1.567< T0.025(8) = 2.306

Tqs Wα=> Chưa đủ cơ sở để bác bỏ H0 Vậy X3 trong mô hình phù hợp

25

3.2.3 Kiểm định β4Kiểm định cặp giả thuyết :

H0: β4=0; H1: β4 0

Ta sử dụng tiêu chuẩn kiểm định

T = T(n-3).

Miền bác bỏ : Wα = T/ T T Theo kết quả báo cáo mức 1(mức ý nghĩa ta có:

Tqs =2.073< T0.025(8) = 2.306

Tqs Wα=> Chưa đủ cơ sở để bác bỏ H0 Vậy biến X4 của mô hinh phù hợp

3.3.Kiểm định sự phù hợp của mô hình hồi quy

Ramsey RESET Test:

F-statistic 0.940047     Prob. F(1,6) 0.369710

Log likelihood ratio 1.601040     Prob. Chi-Square(1) 0.205756

Kiểm định cặp giả thuyết : H0 : mô hình (1) không phù hợp H1 : mô hình (1) phù hợp +) Sử dụng tiêu chuẩn kiểm định F = ~ F ( k -1, n-k )

Trong đó k là số biến có mặt trong (1) , R12 là hệ số xác định bội của (1) , n là số quan sát.

Miền bác bỏ : Wα = { Fq/s / Fq/s > Fα ( k-1 , n-k ) }

Với = 0,05, n = 11 thì F0,05(1,6) =5,99Theo báo cáo : Fqs = 0,940047Ta có Fqs< F0,05(1,6) nên chưa đủ cơ sở để bác bỏ H0

Vậy mô hình đã cho phù hợp

3.4.Phân tích dựa vào kết quả ước lượng (Khoảng tin cậy )

3.4.1.Với biến độc lập X2

26

Khi một biến độc lập thay đổi một đơn vị thì biến phụ thuộc thay đổi như thế nào? Khi sản lượng thóc thay đổi 1 nghìn tấn với điều kiện sản lượng khoai lang và

sản lượng ngô không thay đổi thì tổng sản lượng nông nghiệp thay đổi trong khoảng:

-Se( ) t0.025(11) < < +Se( )*t0.025

(11)

1.058 – 0.04*2.2010 < < 1.058 + 0.04*2.2010

0.971 < < 1.145

Khi sản lượng thóc tăng 1 nghìn tấn với điều kiện sản lượng khoai lang và sản

lượng ngô không thay đổi thì tổng sản lượng nông nghiệp tăn tối đa

+Se( )*t0.05(11)

1.058+ 0.04*1.7960

1.128954

Khi sản lượng thóc tăng 1 nghìn tấn với điều kiện sản lượng khoai lang và sản

lượng ngô không thay đổi thì tổng sản lượng nông nghiệp tăn tối thiểu

-Se( )* t0.05(11)

1.058 - 0.04*1.7960

0.986616

3.4.2.Với biến độc lập X3

Khi sản lượng khoai lang thay đổi 1 nghìn tấn với điều kiện sản lượng thóc và sản lượng ngô không thay đổi thì tổng sản lượng nông nghiệp thay đổi trong khoảng :

-Se( ) * t0.025(11) < < +Se( )*t0.025

(11)

0.497– 0.317*2.2010 < < 0.497 + 0.317 *2.2010

-0.200717 < < 1.194717

Khi sản lượng khoai lang tăng 1 nghìn tấn với điều kiện sản lượng thóc và sản lượng ngô không thay đổi thì tổng sản lượng nông nghiệp tăng tối đa

+Se( )t0.05(11)

0.497 + 0.317 *1.7960

27

1.066332

Khi sản lượng thóc tăng 1 nghìn tấn với điều kiện sản lượng khoai lang và sản lượng ngô không thay đổi thì tổng sản lượng nông nghiệp tăng tối thiểu :

-Se( ) * t0.05(11)

0.497 - 0.317 *1.7960

-0.072332

3.4.3.Với biến độc lập X4

Khi sản lượng ngô thay đổi 1 nghìn tấn với điều kiện sản lượng thóc và sản lượng khoai lang không thay đổi thì tổng sản lượng nông ngiệp thay đổi trong khoảng

4 - Se( 4) *t0.025(11) < 4 < 4 + Se( 4)*t0.025

(11)

0.944 – 0.455 *2.2010 < 4 < 0.944 + 0.455 *2.2010

-0.057455 < 4 < 1.945455

Khi sản lượng ngô tăng 1 nghìn tấn với điều kiện sản lượng khoai và sản lượng thóc không thay đổi thì tổng sản lượng nông nghiệp tăng tối đa

4 4 + Se( 4)*t0.05(11)

4 0.944 + 0.455 *1.7960

4 1.76118

Khi sản lượng ngô tăng 1 ngàn tấn với điều kiện sản lượng khoai lang và sản lượng thóc không thay đổi thì tổng sản lượng nông nghiệp tăng tối thiểu :

4 - Se( 4) * t0.05(11) 4

0.944 – 0.455 *1.7960 4

0.12682 4

3.5 Tìm khoản tin cậy Tìm khoản tin cậy của 2 phía 2 với DTC 95%

(n-4)* ^2 / /22(n-4) 2 (n-4)* ^2 / 1- /2

2(n-3) }

7*275.8398 / 2(7) 0.025 2 7*275.8398 / 2(7)0.975

120.58 2 1142.62

Vậy với DTC 95% sự biến động của tốc dọ tăng trưởng hàng hóa vận chuyển phụ thuộc vào phương sai do yếu tố ngẫu nhiên gây ra nằm trong đoạn :[120:58;1142.62]

28

3.6 .Dùng SPSS để dự báo kết quả Từ mô hình ban đầu

Ta có thể dự báo mô hình sản lượng từ các năm 2001 đến năm 2011 như sau :

29

3.6 Đánh giá mô hình

Mô hình trên cho ta thấy được mức ảnh hưởng của 3 nhân tố về tổng sản lượng nông nghiệp và xu hướng dự đoán cho từng sản lượng.

Tài Liệu Tham Khảo

1. Giáo Trình Kinh Tế Lượng PGS.TS.Nguyễn Thống Trường Cao Đẳng Kinh Tế Kỹ Thuật Sài Gon

2. Phân tích và dự báo kinh tế của Th.s NGUYỄN VĂN HUÂN & VŨ XUÂN NAM

3. Thống kê kinh doanh và SPSS của Trương Minh Chiến Sưu tập và biên soạn4. Giáo trình kinh tế lượng Đại Học Quốc Gia –TPHCM5. Phân tích hoạt động kinh doanh –TS .Tăng Thị Thanh Thủy6. Cộng đồng Cao Học Kinh tế(http://caohockinhte.info/forum/)7. Trang Wed Tổng cục thống kê (http://www.gso.gov.vn/default.aspx?tabid=217)………………………………………………………………………………. Và một số tài liệu sử dụng SPSS trong quá trình thực hiện đề tài

-----------------The End-------------

30