Đang tải... (xem toàn văn)
MỤC LỤC LỜI MỞ ĐẦU 3 NỘI DUNG 4 I. MÔ TẢ SỐ LIỆU 4 1. Mô tả tổng quan 4 2. Mô tả chi tiết các biến trong mô hình 6 II. PHÂN TÍCH HỒI QUY 12 1. Phương trình hồi quy tuyến tính 12 2. Lập bảng tương quan và phân tích mối quan hệ tương quan giữa các biến 12 2.1. Lập bảng tương quan 12 2.2. Phân tích mối quan hệ tương quan giữa các biến 13 3. Chạy mô hình hồi quy và phân tích kết quả 13 3.1. Chạy mô hình hồi quy 13 3.2. Phân tích kết quả sau khi chạy mô hình 14 4. Kiểm định giả thuyết về hệ số hồi quy 15 5. Một số kiểm định F 18 5.1. Kiểm định sự phù hợp của mô hình 18 5.2. Kiểm định đa ràng buộc tuyến tính 18 6. Kiểm tra khuyết tật của mô hình 19 6.1. Đa cộng tuyến 19 6.2. Phương sai sai số thay đổi 21 7. Sửa lỗi mô hình 23 KẾT LUẬN 25 LỜI MỞ ĐẦU Kinh tế lượng (Econometrics) là môn khoa học xã hội trong đó các công cụ của lý thuyết kinh tế, toán học và suy đoán thống kê được áp dụng để phân tích các vấn đề kinh tế. Kinh tế lượng sử dụng các công cụ phương pháp của thống kê toán để tìm ra bản chất của các số liệu thống kê, đưa ra kết luận về các số liệu thống kê thu thập được từ đó có thể đưa ra các dự báo về các hiện tượng kinh tế. Từ khi ra đời đến nay, kinh tế lượng đã đem lại cho các nhà kinh tế một công cụ đo lường sắc bén để đo các quan hệ kinh tế. Là những sinh viên đang theo học khối ngành kinh tế, chúng em nhận thấy được sự cần thiết của việc học tập và tìm hiểu về Kinh tế lượng trong việc phân tích logic và nghiên cứu vấn đề. Để hiểu sâu hơn về việc đưa Kinh tế lượng vào trong thực tế cuộc sống và áp dụng Kinh tế lượng sao cho đúng và hiệu quả, nhóm em xin xây dựng bài BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG dưới sự hướng dẫn của TS. Đinh Thị Thanh Bình. Trong bài báo cáo, nhóm đã em sử dụng công cụ phân tích kinh tế lượng là phần mềm stata để phân tích, nghiên cứu dựa trên số liệu của file dữ liệu: 13_CRIME2.DTA: Phân tích sự ảnh hưởng của một số yếu tố đến tổng số vụ phạm tội.” Chúng em xin chân thành cảm ơn giảng viên hướng dẫn – TS. Đinh Thị Thanh Bình đã giúp đỡ chúng em thực hiện bài báo cáo này. Trong quá trình làm bài báo cáo, dù đã rất cố gắng nhưng chắc chắn chúng em không thể tránh khỏi những sai sót, kính mong được cô góp ý để nhóm chúng em có thể hoàn thiện hơn bản báo cáo này.
TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ QUỐC TẾ =====000===== BÁO CÁO KINH TẾ LƯỢNG NHÓM 13: THỰC HIỆN NGHIÊN CỨU BỘ SỐ LIỆU 13_CRIME2 Giảng viên hướng dẫn: TS Đinh Thị Thanh Bình Nhóm sinh viên thực hiện: Đỗ Trung Hiếu Nguyễn Thị Thanh Hoa Nguyễn Việt Hoa (Nhóm trưởng) Bùi Ngọc Hoa - 1311160050 - 1311110252 - 1311110253 - 1311110258 - 25% - 25% - 30% - 20% HÀ NỘI – THÁNG 12 NĂM 2014 MỤC LỤC Kinh tế lượng (Econometrics) môn khoa học xã hội đó các công cụ của ly thuyết kinh tế, toán học suy đoán thống kê áp dụng để phân tích các vấn đề kinh tế Kinh tế lượng sử dụng các công cụ phương pháp của thống kê toán để tìm bản chất của các số liệu thống kê, đưa kết luận về các số liệu thống kê thu thập từ đó có thể đưa các dự báo về các hiện tượng kinh tế Từ đời đến nay, kinh tế lượng đã đem lại cho các nhà kinh tế một công cụ đo lường sắc bén để đo các quan hệ kinh tế Là những sinh viên theo học khối ngành kinh tế, chúng em nhận thấy sự cần thiết của việc học tập tìm hiểu về Kinh tế lượng việc phân tích logic nghiên cứu vấn đề Để hiểu sâu về việc đưa Kinh tế lượng vào thực tế cuộc sống áp dụng Kinh tế lượng cho đúng hiệu quả, nhóm em xin xây dựng BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG dưới sự hướng dẫn của TS Đinh Thị Thanh Bình Trong báo cáo, nhóm đã em sử dụng công cụ phân tích kinh tế lượng phần mềm stata để phân tích, nghiên cứu dựa số liệu của file dữ liệu: 13_CRIME2.DTA: "Phân tích ảnh hưởng số yếu tố đến tổng số vụ phạm tội.” Chúng em xin chân thành cảm ơn giảng viên hướng dẫn – TS Đinh Thị Thanh Bình đã giúp đỡ chúng em thực hiện báo cáo Trong quá trình làm báo cáo, dù đã rất cố gắng chắc chắn chúng em không thể tránh khỏi những sai sót, kính mong cô góp y để nhóm chúng em có thể hoàn thiện bản báo cáo NỘI DUNG I MÔ TẢ SỐ LIỆU Mô tả tổng quan Trong bối cảnh xã hội ngày phát triển với tốc độ đô thị hóa cao việc đất nước mạnh dạn mở cửa để tiếp thu với các nền văn hóa khác thì tình trạng vi phạm pháp luật ngày trở thành một vấn đề đáng lo ngại Có rất nhiều yếu tố tác động đến tổng số vụ phạm tội Sau xem xét y nghĩa của từng biến file số liệu 13_CRIME2.DTA, nhóm em đã định chọn mô hình hồi quy gồm các biến sau: Biến phụ thuộc: Y: crimes Biến độc lập: gồm biến: X1: south X2: area X3: popden X4: lawexpc X5: polpc Mô tả dữ liệu bẳng lệnh des, ta thu kết quả sau: des crimes south area popden lawexpc polpc storage variable name type display format crimes south area popden lawexpc polpc %9.0g %9.0g %9.0g %9.0g %9.0g %9.0g float byte float float float float Ta có bảng sau: Tên biến Đơn vị tính crimes Vụ án south - area popden lawexpc polpc dặm vuông người/dặm vuông $ Cảnh sát value label variable label total number index crimes =1 if city in south land area, square miles people per sq mile law enforce expend pc, $ police per 1000 people Ý nghĩa biến Tổng số vụ phạm tội = người phạm tội sống phía nam = người phạm tội sống những vùng khác Diện tích vùng đất khảo sát Mật độ dân số dặm vuông Chi phí thực thi pháp luật bình quân đầu người Số lượng cảnh sát 1000 người dân Tiếp tục sử dụng lệnh sum để mô tả dữ liệu Lệnh sum cho biết số lượng quan sát (Obs), giá trị trung bình (mean), độ lệch chuẩn (std dev.) giá trị lớn nhất (max) nhỏ nhất (min) của các biến sum crimes south area popden lawexpc polpc Variable Obs Mean crimes south area popden lawexpc 92 92 92 92 92 39663.53 326087 122.7304 4984.489 958.643 polpc 92 2.251738 Std Dev Min Max 29692.1 4713482 125.5295 3172.98 313.88 4124 13 703.7964 377.54 164452 604 16550.28 2262.44 6315045 1.283939 4.619234 Dựa theo kết quả trên, ta có bảng tổng hợp sau: Tên biến Số quan sát Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ Giá trị lớn crimes 92 39663.53 29692.1 4124 164452 south 92 0.326087 0.4713482 area 92 122.7304 125.5295 13 604 popden 92 4984.489 3172.98 703.7964 16550.28 lawexpc 92 958.643 313.88 377.54 2262.44 polp 92 2.251738 0.6315045 1.283939 4.619234 Có thể nhận thấy biến tổng số vụ phạm tội có sự chênh lệch khá lớn giữa mức cao nhất mức thấp nhất, lên tới xấp xỉ 40 lần, cao hẳn so với các biến lại Mô tả chi tiết biến mô hình Để mô tả chi tiết các biến đã chọn, ta dùng lệnh tab Sử dụng lệnh tab cho phép miêu tả các biến với các thông tin tần suất (Freq.), phần trăm (Percent), phần trăm tích lũy cộng phần trăm từ xuống (Cum.) a) Crimes (tổng số tội phạm) tab crimes total number index crimes Freq Percent Cum 4124 5276 5596 5708 6533 7207 8511 11648 13122 13188 14537 15233 15698 15931 16806 16953 17136 17306 18703 18915 19082 19438 1 1 1 1 1 1 1 1 1 1 1 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 2.17 3.26 4.35 5.43 6.52 7.61 8.70 9.78 10.87 11.96 13.04 14.13 15.22 16.30 17.39 18.48 19.57 20.65 21.74 22.83 23.91 more Tổng số vụ phạm tội dao động từ 4124 vụ án đến 164452 vụ án Tất cả các giá trị số vụ phạm tội đều chiếm tỉ trọng 1.09% − Có 23.91% tổng số 92 số quan sát mà tổng số vụ phạm tội ≤ 19438 vụ án − b) Vùng miền (south) tab south =1 if city in south Freq Percent Cum 62 30 67.39 32.61 67.39 100.00 Total 92 100.00 Biến giả south nhận giá trị = người phạm tội sống phía nam, xuất hiện 30 lần chiếm 32.61% − Biến giả south nhận giá trị = người phạm tội không sống phía nam, xuất hiện 62 lần chiếm 67.39% − Nhìn chung, số lượng người phạm tội sống phía nam chiếm tỉ lệ thấp so với số lượng người phạm tội sống những vùng khác mối quan hệ với tổng số vụ phạm tội − c) Diện tích đất (area) tab area land area, square miles Freq Percent Cum 13 17.8 18.9 20.8 21.9 24.1 24.2 25.3 27.4 34.2 34.3 41.8 44.6 46.4 49.8 52.9 53 54.4 55.1 55.3 55.4 55.9 61.1 74 78 79 95.8 97.3 100.5 104.2 106.8 113.9 131.2 135.6 169.2 186.8 199.4 255.9 258.5 264.1 316.4 329 331.4 352 375 604 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 2.17 4.35 6.52 8.70 10.87 13.04 15.22 17.39 19.57 21.74 23.91 26.09 28.26 30.43 32.61 34.78 36.96 39.13 41.30 43.48 45.65 47.83 50.00 52.17 54.35 56.52 58.70 60.87 63.04 65.22 67.39 69.57 71.74 73.91 76.09 78.26 80.43 82.61 84.78 86.96 89.13 91.30 93.48 95.65 97.83 100.00 Total 92 100.00 Diện tích vùng đất khảo sát dao động từ 13 dặm vuông đến 604 dặm vuông Mỗi giá trị đều xuất hiện lần với tỉ lệ 2.17% − Có 63.04% tổng số 92 số quan sát mà diện tích đất ≤ 100.5 dặm vuông − d) Mật độ dân số dặm vuông (popden) tab popden people per sq mile 703.7964 730.8079 1050.75 1314.366 1329.261 1359.923 1404.494 1426.666 1590.438 1596.368 1672.36 1727.662 2170.811 2220.036 2385.081 2488.472 2497.993 2498.724 2570.054 2700.385 2725.987 2743.34 2755.948 2793.656 more Freq Percent Cum 1 1 1 1 1 1 1 1 1 1 1 1 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 2.17 3.26 4.35 5.43 6.52 7.61 8.70 9.78 10.87 11.96 13.04 14.13 15.22 16.30 17.39 18.48 19.57 20.65 21.74 22.83 23.91 25.00 26.09 Mật độ dân số dặm vuông dao động trải đều từ 703.7964 đến 16550.28 người/dặm vuông Mỗi giá trị xuất hiện lần với tỉ lệ 1.09% − Có 26.09% tổng số 92 số quan sát mà mật độ dân số ≤ 2793.656 người/dặm vuông − e) Chi phí thực thi pháp luật bình quân đầu người (lawexpc) tab lawexpc law enforce expend pc, $ 377.54 554.7 556.8 570 570.63 582.56 586.72 608.44 635.7 641.55 655.1799 660.15 660.3 661.5 668.1 671.56 672.75 702.96 710.52 714 726.45 731.64 more Freq Percent Cum 1 1 1 1 1 1 1 1 1 1 1 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 2.17 3.26 4.35 5.43 6.52 7.61 8.70 9.78 10.87 11.96 13.04 14.13 15.22 16.30 17.39 18.48 19.57 20.65 21.74 22.83 23.91 Chi phí thực thi pháp luật bình quân đầu người dao động trải đều từ 377.54$ đến 2262.44$ Mỗi giá trị xuất hiện một lần với tỉ lệ 1.09% − Có 23.91% tổng số 92 số quan sát mà chi phí thực thi pháp luật bình quân đầu người ≤ 731.64$ − 10 f) Số lượng cảnh sát 1000 người (popden) tab polpc police per 1000 people 1.283939 1.300569 1.350198 1.351552 1.366975 1.388133 1.420306 1.434222 1.478796 1.481664 1.487614 1.515053 1.517768 1.568048 1.577169 1.608299 1.632377 1.685959 1.688117 1.697174 1.737621 1.74235 1.747294 1.764359 more Freq Percent Cum 1 1 1 1 1 1 1 1 1 1 1 1 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 1.09 2.17 3.26 4.35 5.43 6.52 7.61 8.70 9.78 10.87 11.96 13.04 14.13 15.22 16.30 17.39 18.48 19.57 20.65 21.74 22.83 23.91 25.00 26.09 Số cảnh sát 1000 người dân dao động khoảng 1.283939% đến 4.619234% Mỗi giá trị xuất hiện một lần với tỉ lệ 1.09% − Có 26.09% tổng số 92 số quan sát mà số cảnh sát 1000 người dân ≤ 1.764359% − 11 II PHÂN TÍCH HỒI QUY Phương trình hồi quy tuyến tính Chọn biến phụ thuộc Y crimes, các biến độc lập X1, X2, X3, X4, X5, X6 lần lượt unem, pcinc, area, popden, lawexpc, polpc Ta có: − Hàm hồi quy tổng thể: (PRF): crimes = β0 + β1south + β2area + β3popden + β4lawexpc + β5polpc + ui − Hàm hồi quy mẫu: (SRF): = + south + area + popden + lawexpc + polpc Trong đó: ui yếu tố ngẫu nhiên (nhiễu) Lập bảng tương quan phân tích mối quan hệ tương quan biến 2.1 Lập bảng tương quan Trước chạy mô hình hồi quy, chúng ta xem xét mức độ tương quan giữa các biến cách sử dụng lệnh corr crimes south area popden lawexpc polpc Ta thu bảng tương quan giữa các biến sau: corr crimes south area popden lawexpc polpc (obs=92) crimes crimes south area popden lawexpc polpc south area popden lawexpc polpc 1.0000 0.0600 0.4801 0.0477 0.2322 0.3304 1.0000 0.2163 -0.2847 -0.2294 -0.0586 1.0000 -0.5490 -0.2358 -0.2109 1.0000 0.3654 0.4798 1.0000 0.3965 1.0000 Kết luận: Nhìn chung các biến độc lập có tương quan với biến phụ thuộc không cao Tất cả các biến độc lập đều có hệ số tương quan dương, cho thấy tác động chiều lên biến phụ thuộc 12 Mối quan hệ tương quan giữa các biến độc lập với không cao, hệ số tương quan cao nhất 0.4798 giữa biến popden polpc Do không có hệ số tương quan có độ lớn vượt quá 0.8 nên có thể dự đoán mô hình không xảy hiện tượng đa cộng tuyến hồi quy 2.2 Phân tích mối quan hệ tương quan biến Từ bảng tương quan ta thấy: - Hệ số tương quan giữa biến crimes south 0.0600 - Hệ số tương quan giữa biến crimes area 0.4801 - Hệ số tương quan giữa biến crimes popden 0.0477 - Hệ số tương quan giữa biến crimes lawexpc 0.2322 - Hệ số tương quan giữa biến crimes polpc 0.3304 Như vậy, các nhân tố nghiên cứu, biến area có mối tương quan mạnh nhất đến crimes, hay diện tích đất có ảnh hưởng khá lớn đến tổng số vụ phạm tội Hệ số tương quan giữa biến mang dấu dương thể hiện mối quan hệ chiều giữa biến, diện tích đất tăng thì tổng số vụ phạm tội tăng Ngược lại, biến popden ít ảnh hưởng nhất đến crimes, hay mối tương quan giữa mật độ dân số dặm vuông tổng số vụ phạm tội không mạnh các nhân tố khác Hệ số tương quan giữa biến mang dấu dương thể hiện mối quan hệ chiều giữa biến, mật độ dân số dặm vuông tăng thì tổng số vụ phạm tội tăng tăng không đáng kể Ngoài ra, vì giá trị tuyệt đối của các số đều nhỏ 0.8 nên dự đoán mô hình không xảy hiện tượng đa cộng tuyến Chạy mô hình hồi quy phân tích kết 3.1 Chạy mô hình hồi quy Để chạy mô hình hồi quy, ta thực hiện lệnh reg sau: 13 reg crimes south area popden lawexpc polpc Source SS df MS Model Residual 3.9943e+10 4.0284e+10 86 7.9887e+09 468419090 Total 8.0227e+10 91 Number of obs F( 5, 86) Prob > F R-squared Adj R-squared Root MSE 881620871 crimes Coef south area popden lawexpc polpc _cons 2380.125 168.0235 2.192713 19.75433 13507.01 -42015.36 Std Err 5128.681 21.76537 9861742 8.203154 4307.702 10856.3 t 0.46 7.72 2.22 2.41 3.14 -3.87 P>|t| 0.644 0.000 0.029 0.018 0.002 0.000 = = = = = = 92 17.05 0.0000 0.4979 0.4687 21643 [95% Conf Interval] -7815.356 124.7554 232264 3.447003 4943.584 -63596.97 12575.61 211.2916 4.153163 36.06166 22070.44 -20433.75 Từ đó ta có bảng số liệu sau: Tên biến Hệ số tự south area popden lawexpc polpc Hệ số hồi quy -42015.36 2380.125 168.0235 2.192713 19.75433 13507.01 Thống kê t -3.87 0.46 7.72 2.22 2.41 3.14 P-value 0.000 0.644 0.000 0.029 0.018 0.002 Khoảng tin cậy [-63596.97 ; -20433.75] [-7815.356 ; 12575.61] [124.7554 ; 211.2916] [0.232264 ; 4.153163] [3.447003 ; 36.06166] [4943.584; 22070.44] Từ bảng ta có phương trình hàm hồi quy mẫu SRF: = -42015.36 + 2380.125south + 168.0235area + 2.192popden + 19.754lawexpc + 13507.01polpc 3.2 Phân tích kết sau chạy mô hình − − − − − − − Số quan sát Obs = 92 Tổng bình phương sai số giải thích SSE = 3.9943e+10 Tổng bình phương các phần dư SSR = 4.0284e+10 Tổng bình phương sai số tổng cộng SST = 8.0227e+10 Bậc tự của phần giải thích Dfm = Bậc tự của phần dư Dfr =86 Hệ số xác định R2 = 0.4979 có nghĩa các biến X mô hình giải thích 53.31% sự dao động của biến Y Hay các biến vùng miền, diện tích đất, mật độ dân số 14 dặm vuông, chi phí thực thi pháp luật bình quân đầu người số cảnh sát 1000 người giải thích 49.79% sự dao động của biến tổng số tội phạm − Hệ số xác định điều chỉnh = 0.4687 − Ý nghĩa của các hệ số hồi quy mô hình: β1 = 2380.125>0 nghĩa tổng số vụ phạm tội xảy phía nam cao tổng số vụ phạm tội xảy không phía nam 2380.125 vụ án điều kiện các yếu tố khác không đổi β2 = 168.0235>0 nghĩa diện tích đất tăng dặm vuông thì tổng số vụ phạm tội tăng 168.0235 vụ án điều kiện các yếu tố khác không đổi = 2.192713>0 nghĩa mật độ dân số tăng người/dặm vuông thì tổng số vụ phạm tội tăng 2.192713 vụ án điều kiện các yếu tố khác không đổi β4 = 19.75433>0 nghĩa chi phí thực thi pháp luật tăng 1$ thì tổng số vụ phạm tội tăng 19.75433 vụ án điều kiện các yếu tố khác không đổi β5 = 13507.01>0 nghĩa cứ tăng thêm cảnh sát 1000 người dân thì tổng số vụ phạm tội tăng 13507.01 vụ án điều kiện các yếu tố khác không đổi (điều có thể hiểu là: tăng số lượng cảnh sát điều tra thì chứng tỏ có nhiều vụ án xảy nên biến độc lập số lượng cảnh sát 1000 người tỷ lệ thuận với biến phụ thuộc tổng số vụ phạm tội phù hợp với thực tế) β0 = -42015.36 F = R-squared = Root MSE = crimes Coef south area popden lawexpc polpc _cons 2380.125 168.0235 2.192713 19.75433 13507.01 -42015.36 Robust Std Err 4999.456 37.32388 814641 8.280635 4638.13 14229.47 t 0.48 4.50 2.69 2.39 2.91 -2.95 P>|t| 0.635 0.000 0.009 0.019 0.005 0.004 92 6.67 0.0000 0.4979 21643 [95% Conf Interval] -7558.464 93.82607 5732607 3.292975 4286.716 -70302.62 12318.71 242.2209 3.812166 36.21569 22727.31 -13728.11 Từ bảng ta thấy biến south có p-value = 0.635 > 0.05 các biến độc lập khác đều có p-value > 0.05 nên có biến south không có ảnh hưởng mang y nghĩa thống kê đến biến crimes a) south: Có: ⇒ chưa có sở để bác bỏ H0 với mức y nghĩa 5% Biến south không có ảnh hưởng mang y nghĩa thống kê đến biến crimes Kết luận: Vùng miền không có ảnh hưởng mang y nghĩa thống kê đến tổng số tội phạm b) area: Có ⇒ Bác bỏ H0, chấp nhận H1 với mức y nghĩa 5% Biến area có ảnh hưởng mang y nghĩa thống kê đến biến crimes Kết luận: − − − Diện tích đất có ảnh hưởng mang y nghĩa thống kê đến tổng số vụ phạm tội Diện tích đất tăng thì tổng số vụ phạm tội tăng Kết quả chạy mô hình hồi quy dựa mẫu cụ thể cho thấy diện tích đất tăng dặm vuông thì tổng số vụ phạm tội tăng 168.0235 vụ án với điều kiện các yếu tố khác không đổi 16 c) popden: Có: ⇒ Bác bỏ H0, chấp nhận H1 với mức y nghĩa 5% Biến popden có ảnh hưởng mang y nghĩa thống kê đến biến crimes Kết luận: − − − d) Mật độ dân số dặm vuông có ảnh hưởng mang y nghĩa thống kê đến tổng số tội phạm Mật độ dân số dặm vuông tăng thì tổng số tội phạm tăng Kết quả chạy mô hình hồi quy dựa mẫu cụ thể cho thấy cứ tăng thêm người/dặm vuông thì tổng số vụ phạm tội tăng 2.192713 vụ án với điều kiện các yếu tố khác không đổi lawexpc Có: ⇒ Bác bỏ H0, chấp nhận H1 với mức y nghĩa 5% biến lawexpc có ảnh hưởng mang y nghĩa thống kê đến biến crimes Kết luận: − − − e) Chi phí thực thi pháp luật bình quân đầu người có ảnh hưởng mang y nghĩa thống kê đến tổng số vụ phạm tội Chi phí thực thi pháp luật bình quân đầu người tăng thì tổng số vụ phạm tội tăng Kết quả chạy mô hình hồi quy dựa mẫu cụ thể cho thấy chi phí thực thi pháp luật bình quân đầu người tăng 1$ thì tổng số vụ phạm tội tăng 19.75433 vụ án với điều kiện các yếu tố khác không đổi polpc Có: ⇒ Bác bỏ H0, chấp nhận H1 với mức y nghĩa 5% Biến polpc có ảnh hưởng mang y nghĩa thống kê đến biến crimes Kết luận: Số cảnh sát 1000 người dân có ảnh hưởng mang y nghĩa thống kê đến tổng số tội phạm − Số cảnh sát 1000 người dân tăng thì tổng số tội phạm tăng − Kết quả chạy mô hình hồi quy dựa mẫu cụ thể cho thấy cứ tăng thêm cảnh sát 1000 người dân thì tổng số vụ phạm tội tăng 13507.01 vụ án với điều kiện các yếu tố khác không đổi − Vậy biến độc lập, với mức ý nghĩa 5%, có biến south ảnh hưởng mang ý nghĩa thống kê đến biến crimes 17 Một số kiểm định F 5.1 Kiểm định phù hợp mô hình Kiểm định nhằm xem xét trường hợp các tham số của biến độc lập đồng thời có thể xảy hay không Cặp giả thuyết thống kê: hoặc: Cách 1: Phương pháp giá trị tới hạn 17.05 = =1.987 Ta có: F=17.056 > 1.987 => Bác bỏ H0, chấp nhận H1 Cách 2: Phương pháp p-value Nếu giá trị Prob > F nhỏ mức y nghĩa α = 0.05 thì bác bỏ H 0, chấp nhận H1 tức mô hình hồi quy phù hợp Ta có: Prob > F = 0.0000 < 0.05 => Bác bỏ H0, chấp nhận H1 Kết luận: Mô hình phù hợp mức ý nghĩa 5% Kiểm định đa ràng buộc tuyến tính Giả sử yếu tố south, lawexpc polpc không ảnh hưởng đến crimes 5.2 Cặp giả thuyết thống kê: Ta tiến hành chạy mô hình bị ràng buộc với q= biến độc lập south, lawexpc polpc bị loại khỏi mô hình trên, tức chạy lênh hồi quy với biến độc lập area popden reg crimes area popden Source SS df MS Model Residual 2.9615e+10 5.0613e+10 89 1.4807e+10 568683453 Total 8.0227e+10 91 Number of obs F( 2, 89) Prob > F R-squared Adj R-squared Root MSE 881620871 crimes Coef area popden _cons 171.406 4.169318 -2155.116 Std Err 23.82601 9426052 7203.629 t 7.19 4.42 -0.30 P>|t| 0.000 0.000 0.766 = = = = = = 92 26.04 0.0000 0.3691 0.3550 23847 [95% Conf Interval] 124.0642 2.296382 -16468.57 218.7477 6.042255 12158.34 18 Phương trình không bị ràng buộc: (UR): Phương trình bị ràng buộc (R): Thống kê F dùng để bỏ biến là: F = = = 7.355 F0 = Fq; n-k-1 = F3; 86 = 2.71 F = 7.355 > F0 = 2.71 => Bác bỏ H0, chấp nhận H1 Không thể bỏ biến south, lawexpc polpc khỏi mô hình Kiểm tra khuyết tật mô hình 6.1 Đa cộng tuyến a Bản chất: Mô hình tốt mô hình phải đạt các tính chất BLUE (tuyến tính, không chệch, hiệu quả nhất) Tuy nhiên thực tế xây dựng sai mô hình bản chất của dữ liệu, dẫn tới mô hình không đạt đầy đủ các tính chất Một những vấn đề ảnh hưởng đến mô hình mà ta gọi vi phạm các giả định, đó đa cộng tuyến Đa cộng tuyến một lỗi của mô hình phân tích hồi quy, xảy giữa các biến độc lập Xi mô hình hồi quy đa biến có tương quan tuyến tính với Nguyên nhân: Có nguyên nhân gây vấn đề đa cộng tuyến: Đa cộng tuyến hoàn hảo xảy đặt mô hình sai, thực tế hiện tượng đa cộng tuyến hoàn hảo ít xảy Đa cộng tuyến không hoàn hảo xảy bản chất hiện tượng kinh tế xã hội mà các biến độc lập đã có sẵn mối quan hệ cộng tuyến với Đa cộng tuyến không hoàn hảo xảy số liệu điều tra không đủ lớn, hay số liệu điều tra không ngẫu nhiên b Cách phát đa cộng tuyến: Cách 1: Dùng lệnh corr để kiểm tra đa cộng tuyến Nếu các biến độc lập có tương quan mạnh với (r > 0.8) thì có thể xảy hiện tượng đa cộng tuyến Sử dụng lệnh corr, ta thu kết quả sau: c 19 corr crimes south area popden lawexpc polpc (obs=92) crimes crimes south area popden lawexpc polpc south area popden lawexpc polpc 1.0000 0.0600 0.4801 0.0477 0.2322 0.3304 1.0000 0.2163 -0.2847 -0.2294 -0.0586 1.0000 -0.5490 -0.2358 -0.2109 1.0000 0.3654 0.4798 1.0000 0.3965 1.0000 Từ kết quả trên, ta thấy hệ số tương quan giữa các biến độc lập tương đối thấp đều nhỏ 0.8 Do vậy có thể kết luận mô hình không xảy tượng đa cộng tuyến Cách 2: Sử dụng thừa số tăng phương sai VIF (variance inflation factor) Nếu VIF > 10 thì xảy hiện tượng đa cộng tuyến Sử dụng lệnh vif phần mềm stata, ta thu kết quả sau: vif Variable VIF 1/VIF popden area polpc lawexpc south 1.90 1.45 1.44 1.29 1.14 0.525716 0.689556 0.695583 0.776434 0.880842 Mean VIF 1.44 Ta thấy tất cả các giá trị VIF đều chi2] < 0.05 thì bác bỏ giả thiết H0 chấp nhận giả thiết H1 Cách 1: Kiểm định white Ta sử dụng lệnh imtest, white để kiểm định: 21 imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(19) Prob > chi2 = = 54.53 0.0000 Cameron & Trivedi's decomposition of IM-test Source chi2 df p Heteroskedasticity Skewness Kurtosis 54.53 9.54 -4116.08 19 0.0000 0.0895 1.0000 Total -4052.01 25 1.0000 Kết quả kiểm định lệnh imtest, white cho thấy Prob>chi2 = 0.0000 < 0.05 Do đó mô hình mắc lỗi phương sai sai số thay đổi 22 Cách 2: Kiểm định Breusch-Pagan Thực hiện lệnh hettest ta thu kết quả sau: hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of crimes chi2(1) Prob > chi2 = = 76.97 0.0000 Kết quả kiểm định lệnh hettest cho thấy Prob>chi2 = 0.0000 < 0.05 Do đó mô hình mắc lỗi phương sai sai số thay đổi Kết luận: Từ cách kiểm định kết luận mô hình mắc lỗi phương sai sai số thay đổi Sửa lỗi mô hình Mô hình đã mắc lỗi phương sai sai số thay đổi, để sửa lỗi mô hình ta sử dụng lệnh reg, robust sau: reg crimes south area popden lawexpc polpc, robust Linear regression Number of obs = F( 5, 86) = Prob > F = R-squared = Root MSE = crimes Coef south area popden lawexpc polpc _cons 2380.125 168.0235 2.192713 19.75433 13507.01 -42015.36 Robust Std Err 4999.456 37.32388 814641 8.280635 4638.13 14229.47 t 0.48 4.50 2.69 2.39 2.91 -2.95 P>|t| 0.635 0.000 0.009 0.019 0.005 0.004 92 6.67 0.0000 0.4979 21643 [95% Conf Interval] -7558.464 93.82607 5732607 3.292975 4286.716 -70302.62 12318.71 242.2209 3.812166 36.21569 22727.31 -13728.11 23 Từ việc kiểm định mô hình đã sửa lỗi trên, ta thấy có biến south không có ảnh hưởng mang y nghĩa thống kê đến biến crimes mô hình Ta tiến hành chạy mô hình mới để kiểm tra sau: reg crimes area popden lawexpc polpc Source SS df MS Model Residual 3.9843e+10 4.0385e+10 87 9.9606e+09 464194550 Total 8.0227e+10 91 Number of obs F( 4, 87) Prob > F R-squared Adj R-squared Root MSE 881620871 crimes Coef area popden lawexpc polpc _cons 168.6107 2.102858 19.11096 13771.01 -40841.1 Std Err 21.63036 9626099 8.048618 4250.678 10509.6 t 7.80 2.18 2.37 3.24 -3.89 P>|t| 0.000 0.032 0.020 0.002 0.000 = = = = = = 92 21.46 0.0000 0.4966 0.4735 21545 [95% Conf Interval] 125.618 1895665 3.11346 5322.329 -61730.07 211.6033 4.016149 35.10846 22219.69 -19952.13 Sau chạy hồi quy mô hình mới, mức độ phù hợp của mô hình R = 0.4966, giảm một chút so với trước đó R2 = 0.4977 Các giá trị p-value đều nhỏ 0.05 nên các biến độc lập mô hình đều có y nghĩa thống kê mức y nghĩa 5% Như vậy lỗi phương sai sai số thay đổi của mô hình đã khắc phục 24 KẾT LUẬN Bản báo cáo hoàn thành sở sự đóng góp của các thành viên với vốn kiến thức đúc kết từ quá trình học nghiên cứu môn Kinh tế lượng Đây một hội thực hành khiến chúng em có thể hiểu rõ về các phân tích kiểm định đặc trưng có liên quan, áp dụng kiến thức giảng đường để tự tìm hiểu rút kết luận bổ ích về những hiện tượng những mối tương quan khác sự ảnh hưởng lẫn giữa các hiện tượng kinh tế xã hội Nhóm chúng em đã hoàn thành xong mô hình kinh tế lượng về các yếu tố ảnh hưởng đến tổng số vụ phạm tội Mô hình đã lượng hóa cho các yếu tố để chúng ta có thể có những biện pháp, chiến lược phá án hiệu quả Ngoài ra, vẫn nhiều yếu tố ảnh hưởng đến biến phụ thuộc nghiên cứu chưa đưa vào mô hình dân số, sự thay đổi tỉ lệ phạm tội… cần xem xét để có báo cáo với kết quả chính xác Qua đây, nhóm 13 chúng em xin chân thành cảm ơn sự hướng dẫn giảng dạy nhiệt tình của cô Đinh Thị Thanh Bình Do vốn kiến thức kĩ hạn chế nên chắc hẳn bản báo cáo không thể tránh khỏi sai sót, chúng em rất mong nhận sự góp y động viên của cô để chúng em có thể hoàn thiện hơn, áp dụng tốt các công việc sau 25