MỤC LỤC LỜI CÁM ƠN 1 LỜI MỞ 2 ĐỀ TÀI TIỂU LUẬN SỐ 39 3 PHẦN MỘT: THỰC HIỆN TRÊN EXCEL 5 1. Thiết lập mô hình hồi quy mẫu 5 2. Phân tích kết quả thực nghiệm 5 PHẦN HAI: THỰC HIỆN TRÊN EVIEW 6 8 A - LÝ THUYẾT KIỂM ĐỊNH 8 1. Kiểm định Wald 8 2. Kiểm định White (minh họa với trường hợp 3 biến, trường hợp k biến được tổng quát hóa tương tự) 8 3. Kiểm định Breusch – Godfrey (BG) 9 B – THỰC HÀNH TRÊN EVIEW 6 10 1. Chuyển dữ liệu từ Excel sang Eview 6 10 a. Lập bảng tham số thống kê của các biến độc lập và vẽ đồ thị 10 b. Lập ma trận Correlation gồm cả biến phụ thuộc và tất cả các biến độc lập 17 c. Ước lượng phương trình hồi quy trên Eview 6 20 2. Kiểm định Wald – Kiểm tra sự có mặt của biến không cần thiết 23 a. Kiểm định Wald với biến MAINT 24 b. Kiểm định Wald với biến GENDER 25 c. Kiểm định Wald với biến EXPER 25 d. Kiểm định Wald với biến CRAFTS 26 e. Kiểm định Wald với biến CLERICAL 26 3. Kiểm định White và kiểm định BG cho mô hình 28 a. Kiểm định White 28 b. Kiểm định BG 32 4. Dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân 34 KẾT LUẬN 44 Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” LỜI CÁM ƠN Em xin gởi lời cảm ơn chân thành tới: - Ban Giám Hiệu trường Đại học Công Nghiệp TP.HCM đã tạo mọi điều kiện thuận lợi nhất cho chúng em có một môi trường học tập và nghiên cứu có hiệu quả nhất. - Th.S Đinh Kiệm đã tận tình giảng dạy, giúp em nắm bắt và vận dụng những kiến thức từ môn Kinh tế lượng vào thực tế cũng như hướng dẫn chi tiết cách thực hành phân tích, dự báo trên Excel và Eview 6 để em có thể hoàn thành đề tài tiểu luận một cách tốt nhất. Thành phố Hồ Chí Minh, ngày 30 tháng 10 năm 2012 Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” LỜI MỞ Kinh tế lượng là một bộ phận của Kinh tế học, được hiểu theo nghĩa rộng là môn khoa học kinh tế giao thoa giữa thống kê học và toán kinh tế; hiểu theo nghĩa hẹp, là ứng dụng toán, đặc biệt là các phương pháp thống kế vào kinh tế. Hai mục đích chính của kinh tế lượng là: kiểm nghiệm lý thuyết kinh tế bằng cách xây dựng các mô hình kinh tế (mà có khả năng kiểm định được) và chạy mô hình để kiểm tra các mô hình đó xem chúng đưa ra kết quả chấp nhận hay phủ định lý thuyết kinh tế. Và Eview là một công cụ “chuyên gia” có ưu điểm chính là có thể cho chúng ta kết quả nhanh chóng khi tiến hành ước lượng, phân tích hồi quy cho các mô hình kinh tế. Những năm gần đây, trong bối cảnh nền kinh tế đầy khó khăn, vấn đề lương và tăng lương cho công nhân đã làm tốn không ít giấy mực của báo chí. Nhiều ý kiến, quan điểm được đề xuất nhằm cải thiện tình hình nhưng tới nay, vấn đề điều chỉnh mức lương vẫn còn gặp khá nhiều khó khăn và bất cập. Lương thấp, chế độ chưa thỏa đáng, sự trì trệ trong việc trả lương của các doanh nghiệp khiến công nhân liên tục “nhảy việc” để tìm kiếm lương cao nhưng thực tế tình trạng này đang gây ra không ít khó khăn cho chính bản thân những công nhân này, những doanh nghiệp và cả các cơ quan quản lý. Đề tài tiểu luận số 39: Phân tích mô hình và dự báo mức lương hàng tháng của công nhân với biến phụ thuộc WAGE và các biến giải thích MAINT, EXPER, GENDER, CRAFTS, CLERICAL là một đề tài rất hay và mang tính thực tế. Sử dụng phần mềm Eview 6, qua các bước đặt ra các giả thiết liên quan, thiết lập mô hình, ước lượng tham số của mô hình, từ đó đánh giá sự phù hợp hay không của mô hình để đi tới quyết định áp dụng nó vào dự báo thực tế… Mặc dù đã rất cố gắng nhưng chắc chắn không tránh khỏi những sơ suất, cả về hình thức cũng như nội dung của bài tiểu luận, mong thầy thông cảm và góp ý để em có thể rút kinh nghiệm làm tốt hơn những bài tiểu luận về sau. Một lần nữa, em xin gởi lời cảm ơn chân thành tới thầy – ThS. Đinh Kiệm. Sinh viên thực hiện Phạm Lộc Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” ĐỀ TÀI TIỂU LUẬN SỐ 39 Phần I : Trên Excel Sử dụng dữ liệu Data BT 6 trên Excel, dùng Regression trên Data Analysis để ước lượng hàm hồi quy mẫu có dạng sau : WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL WAGE = mức lương tháng của công nhân (USD) MAINT = 1 cho công nhân bảo trì, = 0 cho công nhân khác GENDER = 1 cho nam giới , = 0 cho nữ EXPER = Số năm làm việc cho công ty này CRAFTS = 1 nếu làm trong nghề thủ công, = 0 nghề khác CLERICAL = 1 cho công nhân văn phòng, = 0 cho công nhân khác Phần II : Trên Eviews a/ Hãy chuyển dữ liệu từ file Excel ở phần 1 sang thành dữ liệu dưới dạng workfile của Eviews và lưu lại dưới tên : Data TL 39. Sau đó dùng công cụ Eviews để: - Lập bảng các tham số thống kê của các biến độc lập, vẽ đồ thị các biến độc lập trên cùng một bảng. - Lập ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả các biến độc lập. - Ước lượng phương trình hồi quy dưới dạng như ở câu phần I b/ Hãy kiểm định Wald ( biến thừa ) cho 5 biến độc lập nêu trên c/ Từ mô hinh câu a phần II hãy kiểm định White và BG cho mô hình này d/ Hãy dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân theo mô hình sau: WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL Cho biết EXPER = 27 năm, MAINT = 1, GENDER = 1, CRAFT = 1, CLERICAL = 0. Và độ tin cậy 1-  = 95% . Biểu diễn trực quan đồ thị dự báo bằng cách vẽ đồ thị khoảng dự báo trung bình, dự báo cá biệt, tương ứng với các cận trên và cận dưới theo số quan sát làm biến trên trục hoành chung cho các đại lượng khác. Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” BẢNG SỐ LIỆU: STT WAGE MAINT GENDER EXPER CRAFTS CLERICAL 1 1345 0 0 2 0 1 2 2435 0 1 18 1 0 3 1715 1 1 4 0 0 4 1461 0 1 4 0 1 5 1639 0 1 3 1 0 6 1345 0 0 8 0 1 7 1602 0 0 6 0 1 8 1144 1 0 3 0 0 9 1566 1 1 23 0 0 10 1496 1 1 15 0 0 11 1234 0 0 9 0 1 12 1345 0 0 3 0 1 13 1345 0 0 14 0 1 14 3389 0 1 16 0 0 15 1839 1 1 20 0 0 16 981 1 1 5 0 0 17 1345 0 0 10 0 1 18 1566 0 0 4 0 1 19 1187 0 0 1 0 1 20 1345 0 0 10 0 1 21 1345 0 0 2 0 1 22 2167 1 1 17 0 0 23 1402 0 1 2 0 1 24 2115 0 1 15 1 0 25 2218 0 1 11 1 0 26 3575 0 1 1 0 0 27 1972 0 1 1 1 0 28 1234 0 0 2 0 1 29 1926 1 1 9 0 0 30 2165 0 0 15 0 0 31 2365 0 0 12 0 0 32 1345 0 0 5 0 1 33 1839 0 0 14 0 0 34 2613 0 1 14 1 0 35 2533 0 1 3 0 0 36 1602 0 0 5 0 1 37 1839 0 0 18 1 0 38 2218 0 1 1 0 0 39 1529 0 0 10 0 1 40 1461 0 1 10 1 0 41 3307 0 1 22 1 0 42 3833 0 1 3 0 0 43 1839 1 1 14 0 0 44 1461 0 0 5 0 1 45 1433 0 1 3 1 0 46 2115 0 0 15 0 0 47 1839 1 1 13 0 0 48 1288 1 1 9 0 0 49 1288 0 0 4 1 0 Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” PHẦN MỘT: THỰC HIỆN TRÊN EXCEL 1. Thiết lập mô hình hồi quy mẫu i 1 2 2i 3 3i 4 4i 5 5i 6 6i i Y B B X B X B X B X B X e       Biến phụ thuộc: WAGE : Mức lương tháng (USD). Biến giải thích: X 2i = MAINT : Giá trị là 1 nếu là công nhân bảo trì, là 0 nếu là công nhân khác. X 3i = GENDER : Giá trị là 1 nếu là nam giới, là 0 nếu là nữ giới. X 4i = EXPER : Số năm làm việc cho công ty này. X 5i = CRAFTS : Giá trị là 1 nếu làm trong nghề thủ công, là 0 nếu là nghề khác. X 6i = CLERICAL : Giá trị là 1 cho công nhân văn phòng, là 0 nếu là công nhân khác. 2. Phân tích kết quả thực nghiệm a. Kết quả chạy mô hình từ Excel: Ta lập được mô hình hồi quy mẫu : i  2i 3i 4i 5i 6i i Y = 2093,84399-1353,91998X +629,49664X + 25,49901X - 855,64872X -917,28246X e Trong đó: - B 1 = 2093,84399: Khi các biến giải thích MAINT, GENDER, EXPER, CRAFTS, CLERICAL đồng thời bằng 0 thì trung bình mức lương tháng (WAGE) của công nhân là 2093,84399 USD/tháng. Regression Statistics Multiple R 0.826969671 R Square 0.683878837 Adjusted R Square 0.647120562 Standard Error 385.0953216 Observations 49 ANOVA df SS MS F Significance F Regression 5 13795280.47 2759056.094 18.60475885 0.0000000008 Residual 43 6376831.488 148298.4067 Total 48 20172111.96 Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0% Intercept 2093.843991 184.5291762 11.34695355 0.000000000 1721.70544 2465.982541 1721.70544 2465.982541 MAINT -1353.919978 185.479599 -7.299562781 0.000000005 -1727.975238 -979.8647172 -1727.975238 -979.8647172 GENDER 629.4966388 152.7576896 4.120883476 0.000168685 321.4313979 937.5618796 321.4313979 937.5618796 EXPER 25.49901114 9.944328907 2.564176163 0.013918591 5.44436061 45.55366168 5.44436061 45.55366168 CRAFTS -855.6487246 179.4415316 -4.768398468 0.000021532 -1217.527062 -493.7703875 -1217.527062 -493.7703875 CLERICAL -917.282458 176.3356609 -5.201911248 0.000005212 -1272.89721 -561.6677061 -1272.89721 -561.6677061 SUMMARY OUTPUT Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” - B 2 = -1353,91998: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công nhân bảo trì thấp hơn công nhân khác là 1353,91998 USD. - B 3 = 629,49664: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công nhân nam cao hơn công nhân nữ là 629,49664 USD. - B 4 = 25,49901: Trong điều kiện các yếu tố khác không đổi, khi số năm làm việc của công nhân tăng lên 1 năm sẽ làm lương tháng công nhân đó tăng 25,49901 USD. - B 5 = -855,64872: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công nhân làm trong nghề thủ công thấp hơn công nhân làm trong nghề khác 855,64872 USD. - B 6 = -917,28246: Trong điều kiện các yếu tố khác không đổi thì lương tháng của công nhân văn phòng thấp hơn công nhân khác 917,28246 USD. b. Giải thích một số ký hiệu: - R Square: Hệ số xác định. Trong 100% sự biến động của biến phụ thuộc Y thì có bao nhiêu % sự biến động là do các biến độc lập X ảnh hưởng, còn lại là do sai số - Standard Error: Sai số chuẩn của Y do hồi quy. - Observation: Số quan sát hay dung lượng mẫu. - F: Trị số F-Fisher dùng làm căn cứ để kiểm định độ tin cậy về mặt khoa học (thống kê) của toàn bộ phương trình hồi quy. - Residual (cột MS): Trị số sigma ước lượng bình phương. - t Stat: Tiêu chuẩn t dùng làm căn cứ để kiểm định độ tin cậy về mặt khoa học của mối liên hệ giữa biến độc lập với biến phụ thuộc. - P-value: Xác suất để t kd > t Stat, là các trị xác suất tiêu chuẩn tới hạn. - Coefficients: Hệ số chặn và các hệ số hồi quy riêng. - Lower 95%, Upper 95%, Lower 98%, Upper 98%: Cận dưới và cận trên của khoảng ước lượng cho các tham số với độ tin cậy 95% và độ tin cậy 98%. c. Nhận xét: - R Square = R 2 = 0,683878837 ≈ 68,39%. Nghĩa là trong 100% sự biến động của biến phụ thuộc WAGE thì có 68,39 % sự biến động là do các biến độc lập ảnh hưởng, còn lại là do sai số ngẫu nhiên hoặc các các yếu tố khác ngoài mô hình. - F = F kd = 18,60475885 > F α (k-1,n-k) = F 0.05 (6-1,49-6) = 2,43223647 Ta đi tìm F α (k-1,n-k) bằng hàm FINV với cú pháp : =FINV(probability, deg_freedom1, deg_freedom2) Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Trong đó: probability là mức ý nghĩa, deg_freedom1 và deg_freedom2 là các số bậc tự do thứ nhất (k-1) và thứ hai (n-k) (với k là số biến độc lập và n là số quan sát của mô hình) Thực hiện hàm =FINV(0.05,5,43) cho F 0.05 (6-1,49-6) trong Excel ta được kết quả F 0.05 (6-1,49-6) = 2.43223647 - Các giá trị P-value của các biến độc lập đều nhỏ hơn mức ý nghĩa α=0,05. Vậy các biến đưa vào mô hình là hợp lý.  Kết luận: Mô hình phù hợp ở mức độ khá. Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” PHẦN HAI: THỰC HIỆN TRÊN EVIEW 6 A - LÝ THUYẾT KIỂM ĐỊNH 1. Kiểm định Wald Xét 2 mô hình: 1 2 2 m m m 1 m 1 k k (U):Y X X X X U              (mô hình không giới hạn) 1 2 2 m m (R):Y X X V        (mô hình giới hạn) Lập giả thiết: 0 m 1 m 2 k H : 0         Nghĩa là mô hình không tồn tại, hay các biến độc lập hoàn toàn không giải thích cho biến phụ thuộc Giả thiết đối: 1 H: Có ít nhất một β j ≠ 0 Sử dụng trị thống kê kiểm định đối với giả thiết này là: RU c U [RSS RSS ]/ (K m) F RSS / (n K)    Với: RSS R (hay ESS): tổng bình phương phần dư e i của mô hình giới hạn. RSS U : tổng bình phương phần dư e i của mô hình không giới hạn. Nguyên tắc ra quyết định: Ta bác bỏ giả thiết H 0 nếu F c > F (K-m, n-K,α) là trị số F tra bảng , điều đó có nghĩa mô hình trên là tồn tại. Hoặc ta có thể dùng tiêu chuẩn so sánh giá trị của thống kê p-value = P (F>F 0 ) < α (nhỏ hơn mức ý nghĩa cho trước) ta đi đến kết luận bác bỏ giả thiết H 0 . 2. Kiểm định White (minh họa với trường hợp 3 biến, trường hợp k biến được tổng quát hóa tương tự) Xét mô hình: i 1 2 2i 3 3i i Y X X U       Bước 1: Trước tiên ta ước lượng phương trình trên để tính các phần dư e i Bước 2: Ta thực hiện hồi quy mô hình phụ dưới dạng sau: 2 2 2 i 1 2 2i 3 3i 4 2 i 5 3i 6 2i 3i i e X X (X ) (X ) X X V             Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Bước 3: Tính trị thống kê kiểm định nR 2 , với n là số quan sát của mẫu, R 2 là hệ số xác định bội của mô hình phụ Bước 4: Từ giả thiết H 0 : 23456 0          (không có hiện tượng phương sai thay đổi) xem xét nếu nR 2 > 2 (df)   ta bác bỏ giả thiết H 0 , nghĩa là có hiện tượng phương sai thay đổi (df là bậc tự do, tức là thông số hồi quy m của mô hình phụ không tính hằng số C ở bước 2) 3. Kiểm định Breusch – Godfrey (BG) Xét mô hình hồi quy gốc có dạng: Y i = a + bX i + U i Giả sử trong mô hình xảy ra hiện tượng tự tương quan bậc p, ký hiệu AR(p), tức là các phần dư được biểu diễn dưới dạng sau: i 1 1 i 1 2 i 2 3 i 3 p i p i U U U U U                  Với ε i thỏa các giả thiết OLS. Ta có giả thiết kiểm định như sau: 0 1 2 3 p H : 0         (mô hình U i là không tồn tại và mô hình hồi quy gốc không xảy ra hiện tượng tự tương quan) Bước 1: Ước lượng mô hình hồi quy gốc để tính các phần dư e i Bước 2: i i 1 i 1 2 i 2 p i p i e X e e e V                và tính R 2 (1c) Bước 3: So sánh nếu (n-p)R 2 (1c) > 2 (p)   thì bác bỏ giả thiết H 0 , có nghĩa là mô hình gốc có hiện tượng tự tương quan bậc p. [...]... hình Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” 3 Kiểm định White và kiểm định BG cho mô hình a Kiểm định White Từ cửa sổ kết quả ước lượng mô hình hồi quy, vào View > Residual Tests > Heteroskedasticity Tests… Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website:... biến độc lập này khá cao, không thực sự tốt cho mô hình - Chạy mô hình hồi quy phụ giữa biến GENDER với biến MAINT: Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Nhận thấy Prob(F-statistic) = 0,002112 < α = 0,05 (mức ý nghĩa α =5%) nên ta kết luận mô hình hồi quy phụ này tồn tại Vậy thực sự có hiện tượng... Ước lượng phương trình hồi quy trên Eview 6 Mở biến phụ thuộc và các biến giải thích ở chế độ as Equation… (Phải chọn biến phụ thuộc trước rồi mới chọn lần lượt các biến giải thích) Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Giao diện kết quả chạy hồi quy: Ta lập được mô hình hồi quy mẫu : Yi = 2093,844... phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Từ hộp lệnh của Eview 6 ta gõ scalar f=@qfdist(0.95,5,43) để tìm Fα(k-1,n-k) Nhận xét: - Hệ số xác định R2 = 0,683879 nghĩa là mô hình giải thích tương đối tốt sự thay đổi của biến phụ thuộc WAGE - Giá trị kiểm định F-statistic = 18,60476 > Fα(k-1,n-k) = F0,05(5,43) = 2,432236472 nên mô hình kiểm định là hợp lý - Sai số tiêu chuẩn S.E of regression = 385,0953,... MAINT là khá cao, mô hình có thể xảy ra hiện tượng cộng tuyến giữa các biến này Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” - Chạy mô hình hồi quy phụ giữa biến GENDER với biến CLERICAL: Nhận thấy Prob(F-statistic) = 0,000000 < α = 0,05 (mức ý nghĩa α =5%) nên ta kết luận mô hình hồi quy phụ này tồn... 0,0139 Wald – Coefficient Restrictions… Hộp thoại Wald Test xuất hiện, gõ C(1)=C(2)=C(3)=C(4)=C(5)=0 để kiểm. .. b Kiểm định BG Từ cửa sổ kết quả chạy mô hình hồi quy, vào View > Residual Tests > Serial Correlation LM Test: Trong cửa sổ này, ở mục Lags to include (là bậc tương quan hay còn gọi là độ trễ trong tương quan) Ta chọn giá trị là 1, chọn OK Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Kết quả kiểm định: ... phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” 4 Dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân Mô hình: WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFTS + B6*CLERICAL Bước 1: Ta ước lượng mô hình hồi quy: Chú ý: Không được thoát mô hình này trong quá trình thực hiện các bước còn lại Bước 2: Tạo thêm biến quan sát thứ (n+1) điền các giá trị của các biến độc lập:... BE SHARED” Nhận xét: Từ kết quả trên, ta thấy được giá trị Probability của F-statistic là 0,0000 . HIỆN TRÊN EXCEL 5 1. Thiết lập mô hình hồi quy mẫu 5 2. Phân tích kết quả thực nghiệm 5 PHẦN HAI: THỰC HIỆN TRÊN EVIEW 6 8 A - LÝ THUYẾT KIỂM ĐỊNH. trình hồi quy trên Eview 6 20 2. Kiểm định Wald – Kiểm tra sự có mặt của biến không cần thiết 23 a. Kiểm định Wald với biến MAINT 24 b. Kiểm định Wald