MỤC LỤC LỜI CÁM ƠN LỜI MỞ ĐỀ TÀI TIỂU LUẬN SỐ 39 PHẦN MỘT: THỰC HIỆN TRÊN EXCEL Thiết lập mơ hình hồi quy mẫu Phân tích kết thực nghiệm PHẦN HAI: THỰC HIỆN TRÊN EVIEW A - LÝ THUYẾT KIỂM ĐỊNH Kiểm định Wald Kiểm định White (minh họa với trường hợp biến, trường hợp k biến tổng quát hóa tương tự) Kiểm định Breusch – Godfrey (BG) B – THỰC HÀNH TRÊN EVIEW 10 Chuyển liệu từ Excel sang Eview 10 a Lập bảng tham số thống kê biến độc lập vẽ đồ thị 10 b Lập ma trận Correlation gồm biến phụ thuộc tất biến độc lập 17 c Ước lượng phương trình hồi quy Eview 20 Kiểm định Wald – Kiểm tra có mặt biến khơng 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 Kiểm định White kiểm định BG cho mơ hình 28 a Kiểm định White 28 b Kiểm định BG 32 Dự báo giá trị trung bình giá trị cá biệt mức lương tháng công nhân 34 KẾT LUẬN 44 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 tạo điều kiện thuận lợi cho chúng em có mơi trường học tập nghiên cứu có hiệu - Th.S Đinh Kiệm tận tình giảng dạy, giúp em nắm bắt vận dụng kiến thức từ môn Kinh tế lượng vào thực tế hướng dẫn chi tiết cách thực hành phân tích, dự báo Excel Eview để em hồn thành đề tài tiểu luận cách tốt 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 phận Kinh tế học, hiểu theo nghĩa rộng môn khoa học kinh tế giao thoa thống kê học toán kinh tế; hiểu theo nghĩa hẹp, ứng dụng toán, đặc biệt phương pháp thống kế vào kinh tế Hai mục đích kinh tế lượng là: kiểm nghiệm lý thuyết kinh tế cách xây dựng mơ hình kinh tế (mà có khả kiểm định được) chạy mơ hình để kiểm tra mơ hình xem chúng đưa kết chấp nhận hay phủ định lý thuyết kinh tế Và Eview công cụ “chun gia” có ưu điểm cho kết nhanh chóng tiến hành ước lượng, phân tích hồi quy cho mơ hình kinh tế Những năm gần đây, bối cảnh kinh tế đầy khó khăn, vấn đề lương tăng lương cho cơng nhân làm tốn khơng giấy mực báo chí Nhiều ý kiến, quan điểm đề xuất nhằm cải thiện tình hình tới nay, vấn đề điều chỉnh mức lương gặp nhiều khó khăn bất cập Lương thấp, chế độ chưa thỏa đáng, trì trệ việc trả lương doanh nghiệp khiến công nhân liên tục “nhảy việc” để tìm kiếm lương cao thực tế tình trạng gây khơng khó khăn cho thân cơng nhân này, doanh nghiệp quan quản lý Đề tài tiểu luận số 39: Phân tích mơ hình dự báo mức lương hàng tháng công nhân với biến phụ thuộc WAGE biến giải thích MAINT, EXPER, GENDER, CRAFTS, CLERICAL đề tài hay mang tính thực tế Sử dụng phần mềm Eview 6, qua bước đặt giả thiết liên quan, thiết lập mơ hình, ước lượng tham số mơ hình, từ đánh giá phù hợp hay khơng mơ hình để tới định áp dụng vào dự báo thực tế… Mặc dù cố gắng chắn không tránh khỏi sơ suất, hình thức nội dung tiểu luận, mong thầy thơng cảm góp ý để em rút kinh nghiệm làm tốt tiểu luận sau Một lần nữa, em xin gởi lời cảm ơn chân thành tới thầy – ThS Đinh Kiệm Sinh viên thực 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 liệu Data BT Excel, dùng Regression 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 công nhân (USD) MAINT = cho công nhân bảo trì, = cho cơng nhân khác GENDER = cho nam giới , = cho nữ EXPER = Số năm làm việc cho công ty CRAFTS = làm nghề thủ công, = nghề khác CLERICAL = cho cơng nhân văn phịng, = cho công nhân khác Phần II : Trên Eviews a/ Hãy chuyển liệu từ file Excel phần sang thành liệu dạng workfile Eviews lưu lại tên : Data TL 39 Sau dùng cơng cụ Eviews để: - Lập bảng tham số thống kê biến độc lập, vẽ đồ thị biến độc lập bảng - Lập ma trận Correlation Matrix gồm biến phụ thuộc tất biến độc lập - Ước lượng phương trình hồi quy dạng câu phần I b/ Hãy kiểm định Wald ( biến thừa ) cho biến độc lập nêu c/ Từ mô hinh câu a phần II kiểm định White BG cho mơ hình d/ Hãy dự báo giá trị trung bình giá trị cá biệt mức lương tháng cơng nhân theo mơ 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 = Và độ tin cậy 1-  = 95% Biểu diễn trực quan đồ thị dự báo cách vẽ đồ thị khoảng dự báo trung bình, dự báo cá biệt, tương ứng với cận cận theo số quan sát làm biến trục hoành chung cho 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 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 WAGE 1345 2435 1715 1461 1639 1345 1602 1144 1566 1496 1234 1345 1345 3389 1839 981 1345 1566 1187 1345 1345 2167 1402 2115 2218 3575 1972 1234 1926 2165 2365 1345 1839 2613 2533 1602 1839 2218 1529 1461 3307 3833 1839 1461 1433 2115 1839 1288 1288 MAINT 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 GENDER 1 1 0 1 0 1 0 0 1 1 1 0 0 1 0 1 1 1 1 EXPER 18 4 23 15 14 16 20 10 10 17 15 11 1 15 12 14 14 18 10 10 22 14 15 13 CRAFTS 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 CLERICAL 0 1 0 1 0 1 1 1 0 0 0 0 0 0 0 0 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 Thiết lập mơ hình hồi quy mẫu Yi  B1  B2 X2i  B3X3i  B4 X4i  B5X5i  B6X6i  ei Biến phụ thuộc: WAGE : Mức lương tháng (USD) Biến giải thích: X2i = MAINT : Giá trị công nhân bảo trì, cơng nhân khác X3i = GENDER : Giá trị nam giới, nữ giới X4i = EXPER : Số năm làm việc cho công ty X5i = CRAFTS : Giá trị làm nghề thủ công, nghề khác X6i = CLERICAL : Giá trị cho công nhân văn phịng, cơng nhân khác Phân tích kết thực nghiệm a Kết chạy mơ hình từ Excel: SUMMARY OUTPUT Regression Statistics Multiple R 0.826969671 R Square 0.683878837 Adjusted R Square 0.647120562 Standard Error 385.0953216 Observations 49 ANOVA df Regression Residual Total 43 48 SS MS F Significance F 13795280.47 2759056.094 18.60475885 0.0000000008 6376831.488 148298.4067 20172111.96 Coefficients Standard Error 2093.843991 184.5291762 -1353.919978 185.479599 629.4966388 152.7576896 25.49901114 9.944328907 -855.6487246 179.4415316 -917.282458 176.3356609 Intercept MAINT GENDER EXPER CRAFTS CLERICAL t Stat 11.34695355 -7.299562781 4.120883476 2.564176163 -4.768398468 -5.201911248 P-value 0.000000000 0.000000005 0.000168685 0.013918591 0.000021532 0.000005212 Lower 95% 1721.70544 -1727.975238 321.4313979 5.44436061 -1217.527062 -1272.89721 Upper 95% 2465.982541 -979.8647172 937.5618796 45.55366168 -493.7703875 -561.6677061 Lower 95.0% 1721.70544 -1727.975238 321.4313979 5.44436061 -1217.527062 -1272.89721 Upper 95.0% 2465.982541 -979.8647172 937.5618796 45.55366168 -493.7703875 -561.6677061 Ta lập mơ hình hồi quy mẫu : Yi = 2093,84399 - 1353,91998X2i + 629,49664X3i + 25,49901X4i - 855,64872X5i - 917, 28246X6i  ei Trong đó: - B1= 2093,84399: Khi biến giải thích MAINT, GENDER, EXPER, CRAFTS, CLERICAL đồng thời trung bình mức lương tháng (WAGE) công nhân 2093,84399 USD/tháng Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” - B2= -1353,91998: Trong điều kiện yếu tố khác không đổi lương tháng cơng nhân bảo trì thấp công nhân khác 1353,91998 USD - B3= 629,49664: Trong điều kiện yếu tố khác khơng đổi lương tháng công nhân nam cao công nhân nữ 629,49664 USD - B4= 25,49901: Trong điều kiện yếu tố khác không đổi, số năm làm việc công nhân tăng lên năm làm lương tháng cơng nhân tăng 25,49901 USD - B5= -855,64872: Trong điều kiện yếu tố khác khơng đổi lương tháng công nhân làm nghề thủ công thấp công nhân làm nghề khác 855,64872 USD - B6= -917,28246: Trong điều kiện yếu tố khác khơng đổi lương tháng cơng nhân văn phịng thấp cơng nhân khác 917,28246 USD b Giải thích số ký hiệu: - R Square: Hệ số xác định Trong 100% biến động biến phụ thuộc Y có % biến động biến độc lập X ảnh hưởng, lại sai số - Standard Error: Sai số chuẩn Y hồi quy - Observation: Số quan sát hay dung lượng mẫu - F: Trị số F-Fisher dùng làm để kiểm định độ tin cậy mặt khoa học (thống kê) tồn phương trình hồi quy - Residual (cột MS): Trị số sigma ước lượng bình phương - t Stat: Tiêu chuẩn t dùng làm để kiểm định độ tin cậy mặt khoa học mối liên hệ biến độc lập với biến phụ thuộc - P-value: Xác suất để tkd > t Stat, trị xác suất tiêu chuẩn tới hạn - Coefficients: Hệ số chặn hệ số hồi quy riêng - Lower 95%, Upper 95%, Lower 98%, Upper 98%: Cận cận khoảng ước lượng cho tham số với độ tin cậy 95% độ tin cậy 98% c Nhận xét: - R Square = R2 = 0,683878837 ≈ 68,39% Nghĩa 100% biến động biến phụ thuộc WAGE có 68,39 % biến động biến độc lập ảnh hưởng, lại sai số ngẫu nhiên các yếu tố khác ngồi mơ hình - F = Fkd = 18,60475885 > Fα(k-1,n-k) = F0.05(6-1,49-6) = 2,43223647 Ta tìm Fα(k-1,n-k) 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 mức ý nghĩa, deg_freedom1 deg_freedom2 số bậc tự thứ (k-1) thứ hai (n-k) (với k số biến độc lập n số quan sát mơ hình) Thực hàm =FINV(0.05,5,43) cho F0.05(6-1,49-6) Excel ta kết F0.05(6-1,49-6) = 2.43223647 - Các giá trị P-value biến độc lập nhỏ mức ý nghĩa α=0,05 Vậy biến đưa vào mơ hình hợp lý  Kết luận: Mơ hình phù hợp mức độ 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 A - LÝ THUYẾT KIỂM ĐỊNH Kiểm định Wald Xét mơ hình: (U) : Y  1  2X   m X m  m1X m1   k X k  U (mơ hình khơng giới hạn) (R) : Y  1  2X   mX m  V (mơ hình giới hạn) Lập giả thiết: H0 : m1  m2   k  Nghĩa mơ hình khơng tồn tại, hay biến độc lập hồn tồn khơng giải thích cho biến phụ thuộc Giả thiết đối: H1 : Có βj ≠ Sử dụng trị thống kê kiểm định giả thiết là: Fc  [RSSR  RSSU ] / (K  m) RSSU / (n  K) Với: RSSR (hay ESS): tổng bình phương phần dư ei mơ hình giới hạn RSSU: tổng bình phương phần dư ei mơ hình khơng giới hạn Nguyên tắc định: Ta bác bỏ giả thiết H0 Fc > F(K-m, n-K,α) trị số Ftra bảng, điều có nghĩa mơ hình tồn Hoặc ta dùng tiêu chuẩn so sánh giá trị thống kê p-value = P (F>F0) < α (nhỏ mức ý nghĩa cho trước) ta đến kết luận bác bỏ giả thiết H0 Kiểm định White (minh họa với trường hợp biến, trường hợp k biến tổng quát hóa tương tự) Xét mơ hình: Yi  1  2 X2i  3X3i  Ui Bước 1: Trước tiên ta ước lượng phương trình để tính phần dư ei Bước 2: Ta thực hồi quy mơ hình phụ dạng sau: ei  1   X 2i  3X3i  4 (X 2i )  5 (X3i )  6 X 2i X3i  Vi 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 nR2, với n số quan sát mẫu, R2 hệ số xác định bội mơ hình phụ Bước 4: Từ giả thiết H0: 2  3  4  5  6  (khơng có tượng phương sai thay đổi) xem xét nR2 >  (df ) ta bác bỏ giả thiết H0, nghĩa có tượng phương sai thay đổi (df bậc tự do, tức thông số hồi quy m mơ hình phụ khơng tính số C bước 2) Kiểm định Breusch – Godfrey (BG) Xét mơ hình hồi quy gốc có dạng: Yi = a + bXi + Ui Giả sử mơ hình xảy tượng tự tương quan bậc p, ký hiệu AR(p), tức phần dư biểu diễn dạng sau: Ui  1  1Ui 1  2 Ui 2  3 Ui 3    p U i p  i Với εi thỏa giả thiết OLS Ta có giả thiết kiểm định sau: H : 1  2  3   p  (mơ hình Ui khơng tồn mơ hình hồi quy gốc khơng xảy tượng tự tương quan) Bước 1: Ước lượng mơ hình hồi quy gốc để tính phần dư ei Bước 2: ei    X i  1ei 1   2ei 2    p ei p  Vi tính R2(1c) Bước 3: So sánh (n-p)R2(1c) >  (p) bác bỏ giả thiết H0, có nghĩa mơ hình gốc có tượng tự tương quan bậc p Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Kết kiểm định White xuất sau: Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” 2 Từ hộp lệnh Eview gõ scalar kd1=@qchisq(0.95,13) để tìm   (df )   0,05 (13) Nhận xét: Từ bảng ta thấy được: 2 Obs*R-squared = nR2 = 23,09802 >   (df )   0,05 (13)  22,3620324948 Ngồi ra, Prob Chi-Square(13) Obs*R-squared có giá trị 0,0405 < 0,05 (mức ý nghĩa α=0,05), ta bác bỏ giả thiết H0 Nghĩa mơ hình hồi quy xảy tượng phương sai thay đổi Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” b Kiểm định BG Từ cửa sổ kết chạy mô hình hồi quy, vào View > Residual Tests > Serial Correlation LM Test: Trong cửa sổ này, mục Lags to include (là bậc tương quan hay gọi độ trễ tương quan) Ta chọn giá trị 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 kiểm định: Từ bảng ta thấy (n-p)R2 = 0,001928 với xác suất Prob Chi-Square (1) = 0,9650 Giá trị p-value lớn mức ý nghĩa α = 0,05, chấp nhận giả thiết H0, nghĩa mơ hình khơng có tượng tự tương quan bậc Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Dự báo giá trị trung bình giá trị cá biệt mức lương tháng công nhân Mơ hình: WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFTS + B6*CLERICAL Bước 1: Ta ước lượng mô hình hồi quy: Chú ý: Khơng mơ hình q trình thực bước cịn lại Bước 2: Tạo thêm biến quan sát thứ (n+1) điền giá trị biến độc lập: Tại cửa sổ Workfile, vào Proc > Structure/Resize Current Page… Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Tại mục Workfile structure type chọn Unstructured/Undated, mục Data range ta tăng giá trị có lên đơn vị: Mở biến MAINT, EXPER, GENDER, CRAFTS, CLERICAL Group, chọn Edit+/- nhập: X0 = (MAINT = 1, EXPER = 27, GENDER = 1, CRAFTS = 1, CLERICAL = 0) vào Obs số 50 (Tương ứng có giá trị NA) Kết quả: Bước 3: Tạo biến giá trị vô hướng: Trở lại mơ hình hồi quy Bước 1, vào Forecast, hộp thoại Forecast xuất Trong khung Series name : + Tại mục Forecast name ta đặt tên biến dự báo cho biến phụ thuộc (Eview tự động đặt tên mặc định Yf, ví dụ wagef, tên thay tên khác hợp lệ) ˆ + Tại mục S.E (optional) ta khai báo biến sai số SE(Y0 ) “se_1dubao” Sau nhập xong, chọn OK Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Mở đồng thời biến wagef se_1dubao thấy quan sát cuối (quan sát số ˆ 50), giá trị wagef giá trị Y0 giá trị se_1dubao giá trị SE(Y0) Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” ˆ Ở đây, Y0  1202, 245 SE(Y0) = 456,2451 Lập biến se_2dubao thông qua se_1dubao S.E of regression (sigma ước lượng) Tại hộp lệnh Eview gõ scalar sigma=@se để khởi tạo giá trị sigma Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Tại hộp lệnh Eview gõ genr se_2dubao=sqr(se_1dubao^2-sigma^2) để tạo series se_2dubao Lập giá trị kiểm định tinv để tính giá trị tα/2(n-k) với n-k = 49-6 = 43, α/2 = 0,025 Tại hộp lệnh Eview gõ scalar tinv=@qtdist(0.975,43) để khởi tạo giá trị tinv Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Bước 4: Thiết lập cận trên, cận cho khoảng dự báo trung bình cá biệt a Tiến hành dự báo: Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Từ bảng giá trị biến cho ta biết: Khoảng dự báo giá trị trung bình mức lương tháng công nhân tương ứng với MAINT = 1, EXPER = 27 năm, , GENDER = 1, CRAFT = 1, CLERICAL = là: [ 708,8305 ; 1695,660 ] Và khoảng dự báo cá biệt tương ứng: [ 282,1394 ; 2122,351 ] Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” b Vẽ đồ thị: * Dự báo giá trị trung bình mức lương tháng cơng nhân: Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” * Dự báo giá trị cá biệt mức lương tháng công nhân: Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” Nhận xét: Từ đồ thị ta thấy được, giá trị dự báo trung bình giá trị dự báo cá biệt có vị trí chênh lệch định so với giá trị thực Nhưng nhìn tổng quan, giá trị dự báo bám sát theo giá trị thực, đồ thị dự báo tốt áp dụng dài hạn Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com BLOG “SHARE TO BE SHARED” KẾT LUẬN Qua việc ước lượng mơ hình hồi quy với biến phụ thuộc WAGE biến giải thích MAINT, EXPER, GENDER, CRAFTS, CLERICAL cộng với việc thực kiểm định Wald ta thấy biến giải thích cần thiết cho mơ hình, có ảnh hưởng lớn đến biến phụ thuộc Thực kiểm định White, mơ hình hồi quy xảy tượng phương sai thay đổi, để tránh hậu tượng gây ra, phải áp dụng biện pháp để khắc phục tượng Thực kiểm định BG, ta thấy mơ hình khơng có tượng tự tương quan bậc nhất, điểm tốt mơ hình Mặc dù mơ hình cịn khuyết điểm cịn xảy tượng phương sai thay đổi, khắc phục tượng đa cộng tuyến biến GENDER với CLERICAL mức chấp nhận Đánh giá chung, mơ hình hồi quy hợp lý Hơn nữa, giá trị dự báo dài hạn tương đối sát với giá trị thực, nên áp dụng mơ hình vào thực tế để dự báo mức lương tháng cơng nhân Đây mơ hình tham khảo để giúp cán quản lý thực việc điều chỉnh mức lương công nhân Blog “Share to be shared” – Blogger Phạm Lộc Facebook: facebook.com/phamloc120893 | Website: phamloc120893.blogspot.com ... lập - Ước lượng phương trình hồi quy dạng câu phần I b/ Hãy kiểm định Wald ( biến thừa ) cho biến độc lập nêu c/ Từ mô hinh câu a phần II kiểm định White BG cho mô hình d/ Hãy dự báo giá trị trung... (df bậc tự do, tức thơng số hồi quy m mơ hình phụ khơng tính số C bước 2) Kiểm định Breusch – Godfrey (BG) Xét mơ hình hồi quy gốc có dạng: Yi = a + bXi + Ui Giả sử mơ hình xảy tượng tự tương quan... thiết OLS Ta có giả thiết kiểm định sau: H : 1  2  3   p  (mơ hình Ui khơng tồn mơ hình hồi quy gốc không xảy tượng tự tương quan) Bước 1: Ước lượng mơ hình hồi quy gốc để tính phần dư