số lần hẹn hò trong một tuần của sinh viên khi ye
DESCRIPTION
Đời sống của mỗi sinh viên rất phong phú và đa dạng: năng động với những hoạt động đoàn thể, hăng say trong những đề tài học tập và nghiên cứu, với chất xúc tác đặc biệt không thể thiếu trong cuộc sống tươi đẹp đấy chính là: Tình yêu. Bạn có thể nghĩ rằng, sinh viên có nhiều thời gian để hẹn hò, nhưng liệu có đúng như thế?TRANSCRIPT
BÀI TẬP KINH TẾ LƯỢNG
Rất mong nhận được sự ủng hộ và góp ý của các
bạn. Mình mong muốn sẽ có thêm nhiều tài liệu để
chia sẻ cùng các bạn hơn nữa. Nếu cần tài liệu gì các
bạn có thể gửi email hoặc inbox mình để có thông
tin phản hồi nhanh nhất nha. Xin cảm ơn!
Nguyễn Hoàng Hải
Email: [email protected]
FB: Fb.com/hainh.tmdt
Web: hoicudem.com/
Skype: Hainh.tmdt
Tên đề tài:
SỐ LẦN HẸN HÒ TRONG MỘT
TUẦN CỦA SINH VIÊN KHI YÊU
I. Lý do chọn đề tài
• Đời sống của mỗi sinh viên rất phong phú và đa
dạng: năng động với những hoạt động đoàn thể,
hăng say trong những đề tài học tập và nghiên
cứu, với chất xúc tác đặc biệt không thể thiếu
trong cuộc sống tươi đẹp đấy chính là: Tình yêu.
• Bạn có thể nghĩ rằng, sinh viên có nhiều thời
gian để hẹn hò, nhưng liệu có đúng như thế?
II. Phương pháp thực hiện
• - Mẫu: 300 sinh viên thuộc các trường: Đại học Ngoại thương cơ sở II, Đại học Văn Lang, Đại học Giao thông vận tải, Đại học Hồng Bàng.
• - Hình thức: phát phiếu điều tra dưới dạng câu hỏi trắc nghiệm và điền số liệu.
• - Số lượng: 300 phiếu, trong đó có 180 phiếu không hợp lệ và 120 phiếu hợp lệ.
• - Excel, Eviews để hoàn thành đề tài.
III. Thiết lập mô hình
• 1. Chọn biến
a. Biến phụ thuộc:
Y: Số lần hẹn hò trong một tuần của
sinh viên khi yêu. (lần/tuần)
b. Biến độc lập:
LOẠI
BIẾN
BIẾN KÍ
HIỆU
ĐƠN VỊ GIÁ
TRỊ
DIỄN GIẢI
Định
lượng
Thời gian quen nhau X2 tháng
Thu nhập hàng tháng X3 Triệu
đồng/tháng
Thời gian học và làm trong
một ngày
X4 Giờ/ngày
Định
tính
Giới tính D1 0: nữ
1:nam
Khoảng cách nơi ở hiện tại
của hai bạn.
D2 0: sai
1:đúng
Khoảng cách gần
D3 0: sai
1:đúng
Khoảng cách xa
Phương tiện đi lại chính. D4 0: sai
1:đúng
Xe đạp
D5 0: sai
1:đúng
Xe máy
Chịu sự quản lý thời gian của
gia đình.
D6 0: không
1:có
2. Dấu kì vọng:
BIẾN
ĐỘC LẬP DẤU DIỄN GIẢI
X2 + Thời gian quen nhau càng lâu thì mức độ gặp mặt càng
nhiều.
X3 + Thu nhập càng tăng thì số lần gặp mặt càng nhiều.
X4 - Càng bận rộn thì thời gian gặp mặt càng ít.
D1 +/-
D2 + Khoảng cách càng gần thì thời gian gặp nhau càng nhiều.
D3 - Khoảng cách càng xa thì càng ít gặp nhau.
D4 - Đi lại bằng xe đạp thì ít gặp nhau.
D5 + Đi lại bằng xe máy thì sẽ gặp nhau nhiều hơn
D6 - Khi chịu sự quản lý càng nhiều của gia đình thì gặp nhau
càng ít.
3. Mô hình tổng quát
• Y = C(1) + C(2)*X2 + C(3)*X3 + C(4)*X4 +
C(5)*D1 + C(6)*D2 + C(7)*D3 + C(8)*D4 +
C(9)*D5 + C(10)*D6
Variable
Coefficien
t Std. Error t-Statistic Prob.
C 0.182495 1.212002 0.150573 0.8806
X2 0.027758 0.014342 1.935477 0.0555
X3 0.287276 0.275666 1.042114 0.2996
X4 -0.059938 0.070495 -0.850245 0.3970
D1 0.718563 0.484559 1.482921 0.1410
D2 2.497446 0.543438 4.595639 0.0000
D3 1.017118 0.619486 1.641872 0.1035
D4 0.934535 1.063254 0.878939 0.3814
D5 0.727655 0.898926 0.809471 0.4200
D6 0.846258 0.515878 1.640422 0.1038
4. Bảng hồi quy gốc
4. Bảng hồi quy gốc
R-squared 0.261081 Mean dependent var 3.320833
Adjusted R-
squared 0.200624 S.D. dependent var 2.638910
S.E. of
regression 2.359393 Akaike info criterion 4.634341
Sum squared
resid 612.3409 Schwarz criterion 4.866632
Log likelihood -268.0605 F-statistic 4.318449
Durbin-Watson
stat 1.825706 Prob(F-statistic) 0.000079
5. Phương trình hồi quy gốc
• Y = 0.182494979 + 0.02775817528*X2 +
0.2872756775*X3 - 0.05993761396*X4 +
0.7185634689*D1 + 2.497445537*D2 +
1.017117547*D3 + 0.9345348469*D4 +
0.7276548938*D5 + 0.8462581077*D6
Nhận xét
• - Mức độ phù hợp của mô hình so với
thực tế là R2 =0.261081.
• - Ta thấy D2 có p_value < 0.05
=> D2 có ý nghĩa thống kê.
Các biến còn lại có p_value > 0.05 nên
các biến này không có ý nghĩa thống kê.
*** Để tăng mức ý nghĩa của các biến độc
lập đối với mô hình, nhóm đã tiến hành
giảm bớt số biến ( bỏ biến X4, D4, D5,
D6) và sử dụng mô hình hồi quy qua gốc
tọa độ, được bảng hồi quy sau:
Variable Coefficient Std. Error t-Statistic Prob.
X2 0.027351 0.013188 2.073886 0.0403
X3 0.434136 0.189894 2.286207 0.0241
D1 0.973248 0.446451 2.179968 0.0313
D2 2.892735 0.460157 6.286403 0.0000
D3 1.216404 0.573423 2.121302 0.0360
R-squared 0.225451 Mean dependent var 3.320833
Adjusted R-squared 0.198510 S.D. dependent var 2.638910
S.E. of regression 2.362510 Akaike info criterion 4.598100
Sum squared resid 641.8670 Schwarz criterion 4.714245
Log likelihood -270.8860 Durbin-Watson stat 1.795559
• * Phương trình hồi quy gốc:
Y = 0.02735056001*X2 + 0.4341360546*X3
+ 0.973248194*D1 + 2.892734846*D2 +
1.216403549*D3
* Ý nghĩa các hệ số hồi quy:
• C(X2) = 0.027351: nếu thời gian quen nhau tăng 1 tháng thì số lần gặp nhau trong 1 tuần tăng 0.027351 lần.
• C(X3) = 0.434136: nếu thu nhập tăng 1 triệu đồng/tháng thì số lần gặp nhau trong 1 tuần tăng 0,434136 lần.
• C(D1) = 0.973248194: số lần gặp nhau của sinh viên nam nhiều hơn so với sinh viên nữ trong điều kiện các yếu tố khác giống nhau là 0.973248194 lần.
• C(D2) = 2.892734846: nghĩa là những bạn ở gần thì gặp nhau nhiều hơn so với các bạn ở rất xa trong điều kiện các yếu tố khác giống nhau là 2.892734846 lần.
• C(D3) = 1.216403549: nghĩa là những bạn ở xa thì gặp nhau nhiều hơn so với các bạn ở rất xa trong điều kiện các yếu tố khác giống nhau là 1.216403549 lần.
IV. Kiểm định
1. Kiểm định sự có mặt của biến không
cần thiết
Kiểm định Wald test:
Wald Test:
Equation: EQ03_X2X3D1D2D3
Test Statistic Value df Probability
F-statistic 54.11434 (5, 115) 0.0000
Chi-square 270.5717 5 0.0000
• Dựa vào kết quả trên, ta thấy:
p- value= 0.0000 < α = 0.05
=> mô hình có ít nhất 1 biến không thừa.
2.Kiểm định bỏ sót biến:
Thực hiện kiểm định Ramsay reset test:
Ramsey RESET Test:
F-statistic 0.580926 Prob. F(1,114) 0.447524
Log likelihood ratio 0.609948 Prob. Chi-Square(1) 0.434807
• Dựa vào kết quả kiểm định trên, ta thấy:
p – value = 0.434807 > α= 0.05
=> mô hình không bỏ sót biến.
3. Kiểm định đa cộng tuyến
a. Ma trận tương quan
Dựa vào ma trận tương quan trên, ta thấy giữa D2 và D3 có sự tương quan tuyến tính mạnh nên có thể xảy ra đa cộng tuyến.
X2 X3 D1 D2 D3
X2 1
-
0.13145176485
8609
-
0.1733919143
9819
0.045974280318
5905
-
0.14326957999
0452
X3
-
0.13145176485
8609 1
-
0.1322067122
63471
-
0.264922299501
05
0.20097700568
8931
D1
-
0.17339191439
819
-
0.13220671226
3471 1
0.012729818945
7092
-
0.00921316654
704626
D2
0.04597428031
85905
-
0.26492229950
105
0.0127298189
457092 1
-
0.72374686445
5746
D3
-
0.14326957999
0452
0.20097700568
8931
-
0.0092131665
4704626
-
0.723746864455
746 1
• b. Thực hiện hồi quy phụ
* Hồi quy các biến còn lại theo D2
Variable Coefficient Std. Error t-Statistic Prob.
X2 0.008065 0.002666 3.025339 0.0032
X3 0.248484 0.037983 6.542024 0.0000
D1 0.266812 0.093037 2.867825 0.0051
D3 -0.679914 0.105320 -6.455720 0.0000
R-squared 0.132357 Mean dependent var 0.550000
Adjusted R-
squared 0.105243 S.D. dependent var 0.500000
S.E. of regression 0.472958 Akaike info criterion 1.379558
Sum squared
resid 21.47417 Schwarz criterion 1.483765
Log likelihood -64.97789 Durbin-Watson stat 1.461101
*) Kiểm định sự phù hợp của mô hình hồi
quy phụ theo biến D2:
- Từ bảng hồi quy phụ theo D2, ta có F0 =
4,3857
- Tính phân phối F (Fisher_Snédécor)
Với =5% ta tính được F = 2.450570.
Nhận thấy F0 =4,3857> F = 2.450570
=> không có hiện tượng đa cộng tuyến.
4.Kiểm định tự tương quan
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.083275 Probability 0.300168
Obs*R-squared 1.066551 Probability 0.301726
• Kiểm định giả thiết Ho: Không có tự
tương quan
Bằng phương pháp p-value
Với mức ý nghĩa =0.05 và
P_value = 0.301726
Chấp nhận giả thiết Ho, nên ta tin rằng
với mức ý nghĩa này không xảy ra hiện
tượng tự tương quan.
5.Kiểm định phương sai thay đổi
White Heteroskedasticity Test:
F-statistic 1.360688 Probability 0.228978
Obs*R-squared 9.405304 Probability 0.224851
• Kiểm định giả thiết
Ho: Không có phương sai thay đổi
Bằng phương pháp p-value
Với =0.05 và P_value = 0.224851, ta
thấy:
P_value > với mức ý nghĩa này
không xảy ra hiện tượng phương sai thay
đổi.
4. Ưu điểm và nhược điểm
• a. Ưu điểm
Xác định được yếu tố nào tác động đến
số lần hẹn hò trong tuần của sinh viên
đang yêu.
• b. Nhược điểm
- Mô hình có giá trị thực tế chưa cao.
- Kích thước mẫu nhỏ, không có tính đại
diện cao.
c. Hướng khắc phục
• Điều tra với mẫu lớn hơn.
• Đa dạng hóa đối tượng khảo sát, mở rộng
thêm sinh viên các trường đại học khác.