TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG   PHÂN TÍCH ẢNH HƯỞNG CỦA CÁC NHÂN TỐ ĐẾN TỈ LỆ TỬ VONG Ở TRẺ SƠ SINH Báo cáo Kinh tế lượng Hà Nội, tháng 04 năm 2014 Nhóm 10.1 – Bộ số liệu 58 TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG   BÁO CÁO KINH TẾ LƯỢNG Bộ số liệu 58 – LOWBRTH PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN TỈ LỆ TỬ VONG Ở TRẺ SƠ SINH Họ tên GV hướng dẫn : Tiến sỹ Đinh Thị Thanh Bình Lớp : KTE309.11 MSV Nguyễn Đình Khương 1213310052 Hoàng Khánh Lam 1211110330 Nguyễn Thị Liên 1213320083 - Nhiệm vụ Chạy hồi quy (II.1, II.2) Phân tích kết hồi quy (II.4) Làm phần mô tả (I) Kiểm định F đa ràng buộc tuyến tính hồi quy đơn biến (II.5.b II.5.c) Kiểm định phương sai sai số thay đổi (III.1) đa cộng tuyến (III.2) Viết lời mở đầu, Tổng hợp Báo cáo Phân tích tương quan biến độc lập (II.3) Kiểm định phù hợp mô hình (II.5.a) Kiểm định phân phối chuẩn (III.3) Viết Kết luận Nhóm 10.1 – Bộ số liệu 58 BÁO CÁO KINH TẾ LƯỢNG Bộ số liệu 58 – LOWBRTH - Nội dung: Phân tích ảnh hưởng nhân tố đến tỉ lệ tử vong trẻ sơ sinh Đây vấn đề nhận nhiều quan tâm nhiều quốc gia giới Việc nghiên cứu để giảm tỉ lệ tử vong trẻ sơ sinh mang tính xã hội nhân văn sâu sắc Nó không giúp giảm nỗi đau cho gia đình mà giảm gánh nặng cho xã hội, quan trọng cải thiện chất lượng dân số; góp phần cải thiện số lượng chất lượng nguồn lao động Trong báo cáo thường niên tình trạng sức khỏe bà mẹ trẻ sơ sinh State of World Mothers số 14 tổ chức Save the Children cho biết tỷ lệ từ vong trẻ sơ sinh Việt Nam giảm 48% từ năm 1990 đến 2011 Việt Nam xếp thứ 86 bảng xếp hạng nơi tốt cho bà mẹ Việt Nam tiến trình đạt mục tiêu thiên niên kỷ giảm tỷ lệ tử vong bà mẹ trẻ em Chính vậy, việc nghiên cứu Tỉ lệ tử vong trẻ sơ sinh nhân tố ảnh hưởng để tìm biện pháp hữu hiệu giảm thiểu tỉ lệ cần thiết hết - Các biến chọn: + infmort + lowbrth + popul + pcinc + afdcpay + physicpc - Bài cáo cáo gồm phần: + Phần I: Mô tả biến với lệnh DES, TAB, SUM + Phần II: Phân tích hồi quy tương quan Mô hình tổng quát Quan hệ tương quan biến độc lập (Dùng lệnh Corr) Chạy hồi quy Phân tích kết chạy hồi quy Một số kiểm định F + Phần III: Kiểm tra khuyết tật mô hình Kiểm định phương sai sai số thay đổi Kiểm định đa cộng tuyến (bằng phương pháp khác lệnh Corr) Kiểm định phân phối chuẩn nhiễu + Kết luận I Phần I – MÔ TẢ BIẾN Sử dụng lệnh DES - Thông tin quan trọng thu chạy lệnh Des ý nghĩa biến (Variable label) Nhóm 10.1 – Bộ số liệu 58 des infmort lowbrth popul pcinc afdcpay physicpc Variable name infmort lowbrth popul pcinc afdcpay physicpc Storage type Display format float float int int int float %9.0g %9.0g %9.0g %9.0g %9.0g %9.0g Value label Variable label infant mortality rate perc births low weight population, 1000s per capita income avg monthly AFDC payment physicians per capita Bảng I.1 Kết chạy lệnh mô tả DES - Sử dụng lệnh des giúp hiểu rõ ý nghĩa biến Theo kết thì: Biến infmort: Tỉ lệ trẻ sơ sinh tử vong Biến lowbrth: Tỉ lệ trẻ (sơ sinh) sinh thiếu cân Biến popul: Dân số (nghìn người) Biến pcinc: Thu nhập bình quân đầu người Biến afdcpay: Trợ cấp trung bình hàng tháng từ AFDC (tổ chức hỗ trợ cho gia đình có nhỏ phụ thuộc) Biến physicpc: tỷ lệ bác sĩ/ người dân Sử dụng lệnh SUM - Kết lệnh Sum cho ta biết số quan sát (Obs), giá trị trung bình (Mean), độ lệch chuẩn (Std Dev.), giá trị lớn (Max), giá trị nhỏ (Min) biến sum infmort lowbrth popul pcinc afdcpay physicpc Bảng I.2 Kết chạy lệnh mô tả SUM Theo kết bảng trên, ta thấy: - Infmort: Tỉ lệ tử vong trẻ sơ sinh 100 quan sát có giá trị trung bình 9.503% với độ lệch chuẩn 1.461524% Tỉ lệ đạt nhỏ 6.2% cao 13.7% - Lowbrth: Tỉ lệ trẻ sinh thiếu cân trung bình 6.707% với độ lệch chuẩn 1.166039; tỉ lệ nhỏ 4.8% lớn lên tới 9.6% - Popul: Dân số trung bình 4910.01 (nghìn người), độ lệch chuẩn 5317.505 nghìn người; dân số lúc thấp 454 nghìn người lúc cao 29760 nghìn người - Phân tích tương tự với biến lại Sử dụng lệnh TAB1 - Sử dụng lệnh Tab1 cho phép miêu tả lúc nhiều biến với thông tin tần số (Freq.), tần suất (Percent) giá trị biến, tổng cộng gộp Si (Cum.) Nhóm 10.1 – Bộ số liệu 58 tab1 infmort lowbrth popul pcinc afdcpay physicpc  tabulation of infmort infant mortality rate Freq Percent Cum 6.2 6.4 6.7 7.1 7.2 7.3 7.5 … 9.9 … 11.8 11.9 12.1 12.2 12.4 12.7 13.7 1 1 1 1 … … 1 1 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 … 2.00 … 1.00 1.00 1.00 1.00 1.00 2.00 1.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 … 65.00 … 93.00 94.00 95.00 96.00 97.00 99.00 100.00 Total 100 100.00 Bảng I.4 Kết chạy lệnh mô tả TAB1 với biến infmort - Ví dụ phân tích liệu bảng: + Tỉ lệ tử vong trẻ sơ sinh có giá trị từ 6.2% đến 13.7% + Có 65% tổng số quan sát mà tỉ lệ tử vong trẻ sơ sinh < 9.9%  tabulation of lowbrth Perc births low weight Freq Percent Cum 4.8 4.9 5.1 5.2 5.3 5.4 5.5 2.00 3.00 2.00 4.00 1.00 5.00 4.00 3.00 2.00 5.00 7.00 11.00 12.00 17.00 21.00 24.00 … 8.2 8.4 8.6 8.7 9.2 9.6 … 1 1 … 3.00 1.00 1.00 3.00 1.00 1.00 1.00 … 92.00 93.00 94.00 97.00 98.00 99.00 100.00 Total 100 100 Bảng I.3 Kết chạy lệnh mô tả TAB1 với biến lowbrth Nhóm 10.1 – Bộ số liệu 58 - Dấu … đại diện cho liệu khoảng không liệt kê số lượng quan sát lớn - Ví dụ phân tích liệu bảng: + Tỉ lệ trẻ sinh thiếu cân có giá trị từ 4.8% đến 9.6% 100 quan sát + Ý nghĩa Cum : có 24% tổng số 100 số quan sát mà tỉ lệ trẻ sinh thiếu cân < 5.5%  tabulation of popul population, 1000s Freq Percent Cum 454 490 524 547 550 563 … 4244 … 16781 16987 17835 17990 27653 29760 1 1 1 … … 1 1 1 1.00 1.00 1.00 1.00 1.00 1.00 … 1.00 … 1.00 1.00 1.00 1.00 1.00 1.00 1.00 2.00 3.00 4.00 5.00 6.00 … 60.00 … 95.00 96.00 97.00 98.00 99.00 100.00 Total 100 100.00 Bảng I.5 Kết chạy lệnh mô tả TAB1 với biến popul - Có 95% tổng số quan sát mà dân số < 16781 nghìn người  tabulation of pcinc Per capita income Freq Percent Cum 10301 11013 11421 11506 11530 11797 11889 … 17422 … 21258 21258 21915 22068 22558 24977 25528 1 1 1 … … 1 1 1 1.00 1.00 1.00 1.00 1.00 1.00 1.00 … 1.00 … 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 … 69.00 … 94.00 95.00 96.00 97.00 98.00 99.00 100.00 Total 100 100.00 Bảng I.6 Kết chạy lệnh mô tả TAB1 biến pcinc Nhóm 10.1 – Bộ số liệu 58  tabulation of afdcpay avg monthly AFDC payment Freq Percent Cum 114 115 117 120 149 165 167 … 571 581 637 651 1 1 1 … 1 1 1.00 1.00 1.00 1.00 1.00 1.00 1.00 … 1.00 1.00 1.00 1.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 … 97.00 98.00 99.00 100.00 Total 100 100.00 Bảng I.7 Kết chạy lệnh mô tả TAB1 với biến afdcpay  tabulation of physicpc physicians per capita Freq Percent Cum .0081989 0087513 0100709 010302 0160767 0168857 … 2947531 2987988 3061674 4460695 4493783 1 1 1 … 1 1 1.00 1.00 1.00 1.00 1.00 1.00 … 1.00 1.00 1.00 1.00 1.00 1.00 2.00 3.00 4.00 5.00 6.00 … 96.00 97.00 98.00 99.00 100.00 Total 100 100.00 Bảng I.8 Kết chạy lệnh mô tả TAB1 với biến physicpc II PHẦN II – HỒI QUY VÀ TƯƠNG QUAN Thiết lập mô hình tổng quát a Mô hình tổng quát Hàm hồi quy tổng thể biểu diễn mối liên hệ biến phụ thuộc lowbrth với biến độc lập infmort, popul, pcinc, afdcpay, physicpc có dạng: 𝒊𝒏𝒇𝒎𝒐𝒓𝒕 = 𝛽0 + 𝛽1 × 𝒍𝒐𝒘𝒃𝒓𝒕𝒉 + 𝛽2 × 𝒑𝒐𝒑𝒖𝒍 + 𝛽3 × 𝒑𝒄𝒊𝒏𝒄 + 𝛽4 × 𝒂𝒇𝒅𝒄𝒑𝒂𝒚 + 𝛽5 × 𝒑𝒉𝒚𝒔𝒊𝒄𝒑𝒄 + 𝒖𝒊 b Ý nghĩa biến  Biến phụ thuộc: Nhóm 10.1 – Bộ số liệu 58 Infmort (Y): Tỷ lệ tử vong trẻ sơ sinh (%)  Biến độc lập (𝑋𝑖 ) Tên biến Biến định lượng Dấu kì vọng Ý nghĩa Đơn vị tính Lowbrth (𝑿𝟏 ) Tỷ lệ trẻ sinh thiếu cân + % Popul (𝑿𝟐 ) Dân số + 1000 người Pcinc (𝑿𝟑 ) Thu nhập bình quân - USD Afdcpay (𝑿𝟒 ) Trợ cấp trung bình hàng tháng nhận từ AFDC - USD Physicpc (𝑿𝟓 ) Tỷ lệ bác sỹ đầu người - % Diễn giải Tỷ lệ trẻ sinh thiếu cân cao tỉ lệ tử vong trung bình trẻ sơ sinh cao Dân số cao tỉ lệ tử vong trung bình trẻ sơ sinh cao Thu nhập bình quân cao tỉ lệ tử vong trung bình trẻ sơ sinh thấp Trợ cấp hàng tháng cao tỉ lệ tử vong trung bình trẻ sơ sinh thấp Tỷ lệ bác sỹ đầu người cao tỉ lệ tử vong trung bình trẻ sơ sinh thấp Bảng II.1 Ý nghĩa biến độc lập Phân tích mối tương quan biến độc lập - Sử dụng lệnh: corr lowbrth popul pcinc afdcpay physicpc  Kết thu được: lowbrth popul lowbrth 1.0000 0.1789 popul pcinc 1.0000 afdcpay physicpc Nhóm 10.1 – Bộ số liệu 58 pcinc afdcpay physicpc -0.1395 -0.5808 -0.3821 0.2658 0.1798 -0.5520 1.0000 0.6150 0.0094 1.0000 0.2702 1.0000 Bảng II.2 Kết chạy lệnh corr biến đốc lập Theo kết trên, hệ số tương quan 𝑟𝑖𝑗 có giá trị tuyệt đối nhỏ 0.8  Không có tượng đa cộng tuyến mô hình Chạy hồi quy - Sử dụng lệnh reg infmort lowbrth popul pcinc afdcpay physicpc  Kết thu được: Source | SS df MS -+ -Model | 110.351338 22.0702675 Residual | 101.117751 94 1.07572076 -+ -Total | 211.469089 99 2.1360514 Number of obs F( 5, 94) Prob > F R-squared Adj R-squared Root MSE = = = = = = 100 20.52 0.0000 0.5218 0.4964 1.0372 -infmort | Coef Std Err t P>|t| [95% Conf Interval] -+ -lowbrth | 7119426 1230073 5.79 0.000 4677087 9561765 popul | 0000113 0000265 0.43 0.671 -.0000413 0000639 pcinc | -.0001369 0000459 -2.98 0.004 -.0002281 -.0000457 afdcpay | -.000353 001489 -0.24 0.813 -.0033094 0026033 physicpc | -.9808367 1.499449 -0.65 0.515 -3.958029 1.996355 _cons | 7.098026 1.063575 6.67 0.000 4.986273 9.209779 Bảng II.3 Kết chạy hồi quy Từ kết bảng trên, ta có: - Phương trình hồi quy tổng thể: 𝒊𝒏𝒇𝒎𝒐𝒓𝒕 = 7.098026 + 0.7119426 × 𝒍𝒐𝒘𝒃𝒓𝒕𝒉 + 0.0000113 × 𝒑𝒐𝒑𝒖𝒍 − 0.0001369 × 𝒑𝒄𝒊𝒏𝒄 − 0.000353 × 𝒂𝒇𝒅𝒄𝒑𝒂𝒚 − 0.9808367 × 𝒑𝒉𝒚𝒔𝒊𝒄𝒑𝒄 + ̂ 𝒖𝒊 - Phương trình hồi quy mẫu: ̂ = 7.098026 + 0.7119426 × 𝒍𝒐𝒘𝒃𝒓𝒕𝒉 + 0.0000113 × 𝒑𝒐𝒑𝒖𝒍 − 0.0001369 𝒊𝒏𝒇𝒎𝒐𝒓𝒕 × 𝒑𝒄𝒊𝒏𝒄 − 0.000353 × 𝒂𝒇𝒅𝒄𝒑𝒂𝒚 − 0.9808367 × 𝒑𝒉𝒚𝒔𝒊𝒄𝒑𝒄 Hay ̂ = 7.098026 + 0.7119426 × 𝑿𝟏 + 0.0000113 × 𝑿𝟐 − 0.0001369 × 𝑿𝟑 − 0.000353 𝒀 × 𝑿𝟒 − 0.9808367 × 𝑿𝟓 Phân tích kết hồi quy - Phần tổng bình phương độ lệch giá trị quan sát Yi với giá trị trung bình TSS = 211.469089 - Phần tổng bình phương giải thích mô hình (biến giải thích) ESS = 110.351338 - Phần tổng bình phương không giải thích (phần dư) RSS = 101.117751 - R2 = 52.18% có nghĩa yếu tố: Tỷ lệ trẻ sinh thiếu cân, Dân số, Thu nhập bình quân đầu người, Trợ cấp trung bình hàng tháng nhận từ AFDC, Tỷ lệ bác sỹ đầu người giải thích 52.18% tỷ lệ trẻ tử vong trẻ sơ sinh Nhóm 10.1 – Bộ số liệu 58 - Trong giá trị p-value bảng trên, giá trị p-value biến popul, afdcpay physicpc 0.671, 0.813 0.515 lớn mức ý nghĩa α = 0.05  Không có sở để bác bỏ Ho (giả thuyết 𝛽𝑖 = 0) Như ba biến popul, afdcpay physicpc ý nghĩa thống kê, tức không gây ảnh hưởng đến tỉ lệ tử vong trẻ sơ sinh - Ý nghĩa tham số mô hình  𝛽0= 7.098026 có nghĩa điều kiện nhân tố khác không đổi giá trị biến độc lập tỷ lệ tử vong trẻ sơ sinh trung bình 7.098026 %  𝛽1= 0.7119426 có nghĩa điều kiện nhân tố khác không đổi, tỷ lệ trẻ sinh thiếu cân tăng % tỷ lệ tử vong trung bình trẻ sơ sinh tăng 0.7119426%  𝛽2= 0.0000113, ý nghĩa thông kê  𝛽3= -0.0001369 có nghĩa điều kiện yếu tố khác không đổi, thu nhập bình quân tăng đơn vị tỷ lệ tử vong trung bình trẻ sơ sinh giảm 0.0001369 %  𝛽4 = -0.000353, ý nghĩa thống kê  𝛽5= -0.9808367, ý nghĩa thống kê Một số kiểm định F a Kiểm tra phù hợp mô hình Ta có giả thuyết: { - Dùng công thức: 𝐻0 : 𝑅2 = 𝐻1 : 𝑅2 ≠ 0,5218⁄ 𝑅2⁄ 𝑘 F= = (1−0,5218) = 20.514 (1−𝑅 )⁄ ⁄(100−5−1) (𝑛−𝑘−1) Mà F= 20.514> 2.32  Bác bỏ H0 5,94 𝐶0,05 = 2.32 Vậy mô hình hồi quy tìm phù hợp - Kiểm tra lại lệnh stata : test lowbrth popul pcinc afdcpay physicpc  Kết thu được: (1) (2) (3) (4) (5) infmort = popul = pcinc = afdcpay = physicpc = F (5, 94) = 20.52 Prob > F = 0.0000 Kiểm định F cho toàn hệ số hồi quy 20.52; Prob > F có giá trị nhỏ α = 0.05 nên bác bỏ giả thuyết Ho Kết thu từ stata giống với dùng công thức Nhóm 10.1 – Bộ số liệu 58 b Kiểm định 𝛽𝑖 = 𝐻𝑜: 𝛽𝑖 = Cặp giả thuyết thống kê: { 𝐻1: 𝛽𝑖 ≠ ̂ 𝛽 −𝛽 Sử dụng thống kê 𝑇 = 𝑖 ̂ 𝑖, giá trị kiểm định cột t bảng kết 𝑠𝑒 𝛽𝑖 chạy hồi quy  Cách 1: Dùng khoảng tin cậy Ho 𝛽1 = H1 𝛽1 ≠ T 5.79 Khoảng tin cậy 0.4677087 0.9561765 𝛽2 = 𝛽2 ≠ 0.43 -0.0000413 0.0000639 𝛽3 = 𝛽3 ≠ -2.98 -0.0002281 -0.0000457 𝛽4 = 𝛽4 ≠ -0.24 -0.0033094 0.0026033 𝛽5 = 𝛽5 ≠ -0.56 -3.958029 1.996355 𝛽0 = 𝛽0 ≠ 6.67 4.986273 9.209779 Bảng II.4 Kiểm định dùng khoảng tin cậy Kết luận Bác bỏ Ho Không đủ sở bác bỏ Ho Bác bỏ Ho Không đủ sở bác bỏ Ho Không đủ sở bác bỏ Ho Bác bỏ Ho  Như 𝛽2 , 𝛽4 , 𝛽5  Cách 2: Sử dụng P-value Ho 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 𝛽0 = H1 𝛽1 ≠ 𝛽2 ≠ 𝛽3 ≠ 𝛽4 ≠ 𝛽5 ≠ 𝛽0 ≠ P-value α Kết luận 0.000 Bác bỏ Ho Không đủ sở bác bỏ Ho 0.671 Bác bỏ Ho 0.004 0.05 Không đủ sở bác bỏ Ho 0.813 Không đủ sở bác bỏ Ho 0.515 Bác bỏ Ho 0.000 Bảng II.5 Kiểm định dùng P-value  Cách 3: Sử dụng phương pháp giá trị tới hạn (𝟗𝟒) 𝑪𝟎.𝟎𝟐𝟓 = 𝒕𝟎.𝟎𝟐𝟓 = 𝟐 𝟑𝟔𝟖 Ho 𝛽1 = H1 𝛽1 ≠ Miền bác bỏ T 5.79 Kết luận Bác bỏ Ho Không đủ 0.43 𝛽2 = 𝛽2 ≠ sở bác bỏ Ho Bác bỏ Ho -2.98 𝛽3 = 𝛽3 ≠ -2.368 2.368 Không đủ -0.24 𝛽4 = 𝛽4 ≠ sở bác bỏ Ho Không đủ -0.56 𝛽5 = 𝛽5 ≠ sở bác bỏ Ho Bác bỏ Ho 6.67 𝛽0 = 𝛽0 ≠ Bảng II.6 Kiểm định dùng phương pháp giá trị tới hạn  Kiểm tra lại stata - Dùng lệnh: test [var] 10 Nhóm 10.1 – Bộ số liệu 58 Bản chất lệnh test stata chạy lại mô hình hồi quy sau bỏ biến cần kiểm định, sau tính F Ví dụ: Kiểm định 𝛽2 = test popul  Kết thu được: (1) popul = F (1,94) = Prob > F = 0.18 0.6710 Prob > F có giá trị lớn α = 0.05 nên sở bác bỏ Ho, tức 𝛽2 c Kiểm định 𝛽𝑖 = 𝛽𝑗 = 𝐻𝑜: 𝛽𝑖 = 𝛽𝑗 = Cặp giả thuyết thống kê: { 𝐻1: 𝑀ộ𝑡 𝑡𝑟𝑜𝑛𝑔 ℎ𝑎𝑖 𝛽 ≠ Ví dụ: Kiểm định 𝜷𝟏 = 𝜷𝟐 = 𝟎  Cách 1: Chạy hồi quy mô hình 𝑆𝑆𝑅𝑢𝑟 = 101.117751 𝑆𝑆𝑅𝑟 = 140.302815 Áp dụng công thức: (𝑆𝑆𝑅𝑟 − 𝑆𝑆𝑅𝑢𝑟) /𝑞 (140.302815 − 101.117751)/2 𝐹= = = 18.2134 𝑆𝑆𝑅𝑢𝑟 /(𝑛 − 𝑘 − 1) 101.117751/(100 − − 1) (2,94) 𝐶0.05 = 3.10 (2,94) F > 𝐶0.05 => Bác bỏ Ho, tức có hai β có giá trị khác  Cách 2: Dùng lệnh stata test lowbrth popul  Kết thu được: (1) (2) infmort = popul = F (2, 94) = 18.21 Prob > F = 0.0000 Prob > F nhỏ α = 0.05 nên bác bỏ Ho, tức có hai 𝛽1 ℎ𝑜ặ𝑐 𝛽2 khác III PHẦN III – KIỂM TRA CÁC KHUYẾT TẬT Kiểm định phương sai sai số thay đổi a Dựa vào đồ thị - Bước 1: Chạy hồi quy mô hình đầy đủ - Bước 2: Dùng lệnh rvfplot  Kết thu 11 Nhóm 10.1 – Bộ số liệu 58 Hình III.1 Kết chạy lệnh rvfplot Dựa vào đồ thị ta thấy mô hình bị mắc “bệnh” phương sai sai số thay đổi Các điểm phân bố không theo quy luật b Sử dụng lệnh imtest, white  Kết thu được: White's test for Ho: homoscedasticity against Ha: unrestricted heteroskedasticity chi2(19) = 47.41 Prob > chi2 = 0.0005 Cameron & Trivedi's decomposition of IM-test Source Heteroskedasticity Skewness Kurtosis Total chi2 df p 47.41 16.55 1.80 20 0.0005 0.0054 0.1792 65.76 26 0.0000 Bảng III.1 Kết chạy lệnh imtest, white Prob ( >chi2) = 0.0005 < α=0.05 nên bác bỏ Ho (có phương sai sai số thay đổi) Như mô hình có tượng phương sai sai số thay đổi, hay nói cách khác giả thuyết phương sai không thỏa mãn c Sử dụng kiểm định Breusch-Pagan - Lệnh hettest  Kết quả: Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of lowbrth chi2(1) = 3.16 Prob > chi2 = 0.0753  Kết lệnh hettest cho thấy có phương sai sai số thay đổi d Cách sửa: chạy lại hồi quy với lệnh robust reg infmort lowbrth popul pcinc afdcpay physicpc, robust  Kết thu được: 12 Nhóm 10.1 – Bộ số liệu 58 Linear regression Number of obs = 100 F (5, 94) = 14.95 Prob > F = 0.0000 R-squared = 0.5218 Root MSE = 1.0372 infmort Coef Robust Std Err lowbrth popul pcinc afdcpay physicpc cons 7119426 0000113 -.0001369 -.000353 -.9808367 7.098026 1333468 0000258 0000372 0018645 1.636684 1.139736 t 5.34 0.44 0.44 -0.19 -0.60 6.23 P>|t| 0.000 0.663 0.000 0.850 0.550 0.000 [95% Conf Interval] 4471794 -.00004 -.0002109 -.0040551 -4.230511 4.835054 9767059 0000626 -.0000629 0033491 2.268838 9.360998 Bảng III.2 Kết chạy lệnh hồi quy với robust Ta thu ác giá trị se (𝛽𝑗 ) mà phương sai sai số Kiểm định đa cộng tuyến a Dùng lệnh corr Dựa vào bảng kết thấy biến độc lập tương quan mạnh với nhau, mô hình tượng đa cộng tuyến b Vif (variance inflation factor) - Chạy hồi quy phụ để tính 𝑅𝑗2 Chạy hồi quy lên 𝑿𝒋 𝑹𝟐𝒋 VIF (𝑿𝒋 ) = 𝟏/(𝟏 − 𝑹𝟐𝒋 ) 0.4718 1.89322 𝑋1 0.4528 1.82748 𝑋2 0.4582 1.84570 𝑋3 0.6781 3.10655 𝑋4 0.4537 1.83050 𝑋5 Bảng III.3 Kết sử dụng phương pháp nhân tử phóng đại phương sai Các giá trị VIF < 10 -> Không có tượng đa cộng tuyến Kiểm định phân phối chuẩn Cặp giả thuyết: 𝐻: 𝐶ó 𝑝ℎâ𝑛 𝑝ℎố𝑖 𝑐ℎ𝑢ẩ𝑛 { 𝐻1 : 𝐾ℎô𝑛𝑔 𝑝ℎâ𝑛 𝑝ℎố𝑖 𝑐ℎ𝑢ẩ𝑛 a Dùng đồ thị - Bước 1: dùng lệnh predict r, resid - Bước 2: dùng lệnh kdensity r, normal  Kết thu đồ thị 13 Nhóm 10.1 – Bộ số liệu 58 Hình III.2 Đồ thị thu chạy kdensity r, normal - Dựa vào đồ trị ta thấy hai đồ thị không trùng  Nhiễu không phân phối chuẩn b Dùng lệnh Sktest r  Kết thu được: Bảng III.4 Kết chạy Sktest r Prob>chi2 = 0.0315 < α = 0.05  Bác bỏ Ho (giả định phân phối chuẩn) Như kết giống với cách dùng đồ thị Vậy giả thuyết nhiễu phân phối chuẩn không thỏa mãn với mô hình - Cách chữa: cần phải chạy lại mẫu khác 14 Nhóm 10.1 – Bộ số liệu 58 KẾT LUẬN Sau phân tích số liệu, ta nhận thấy ảnh hưởng nhân tố đến tỉ lệ trẻ sơ sinh bị tử vong mức độ ảnh hưởng chúng Trong đó, quan trọng nhân tố: tỉ lệ trẻ sinh thiếu cân thu nhập bình quân đầu người ● Tỉ lệ trẻ sinh thiếu cân ảnh hưởng tiêu cực đến tỉ lệ trẻ sơ sinh tử vong trẻ sinh thiếu cân yếu không đủ sức khỏe để thích nghi với môi trường bên sau chào đời ● Thu nhập bình quân đầu người ảnh hưởng đến tỉ lệ trẻ sơ sinh tử vong Thu nhập bình quân đầu người phần phản ảnh mức độ sống người dân quốc gia Thu nhập cao gia đình có điều kiện đầy đủ hơn, tốt để chăm sóc sức thành viên, đặc biệt người mẹ trẻ sơ sinh Từ phân tích kết hợp với việc tìm hiểu thông tin, đưa số phương pháp để hạn chế tỉ lệ trẻ sơ sinh tử vong: - Chăm sóc cho bà mẹ mang thai theo cách hợp lí, để trẻ cung cấp đủ chất dinh dưỡng lượng, không bị thiếu cân - Nâng cao đời sống vật chất tinh thần người dân - Xây dựng sỏ vật chất đại đầy đủ cho bệnh viện, sở y tế khám chữa bệnh để đáp ứng đủ tốt nhu cầu khám, chữa bệnh 15