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: hainh.tmdt@gmail.com

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.