Tiểu luận Xây dựng mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỞ THÀNH PHỐ HỒ CHÍ MINH ----- ----- Môn: PHÂN TÍCH ĐNNH LƯỢNG Tiểu luận: Danh sách nhóm 7: Phạm Anh Tuấn Nguyễn Trọng An Hoàng Ngọc Lâm Đoàn Ngọc Châu Nguyễn Thành Sơn Tôn Thất Kỳ Nam 2009 DANH SÁCH CÁC THÀNH VIÊN NHÓM 7 STT MSHV HỌ VÀ TÊN 1 MBA.0832 Phạm Anh Tuấn 2 MBA.0801 Nguyễn Trọng An 3 MBA.0814 Hoàng Ngọc Lâm 4 MBA.0805 Đoàn Ngọc Châu 5 MBA.0826 Nguyễn Thành Sơn 6 MBA.0816 Tôn Thất Kỳ Nam ĐẠI HỌC MỞ BÁN CÔNG CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM TP HỒ CHÍ MINH Độc lập – Tự do – Hạnh phúc ------------- ------------------- ĐỀ KIỂM TRA MÔN: PHÂN TÍCH ĐNN H LƯỢN G LỚP: MBA8 Ghi chú: Sinh viên làm bài theo nhóm Yêu cầu: Sử dụng dữ liệu trong file World 95 Tieng Viet.sav đính kèm, bạn hãy tự xây dựng cho mình một mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới. Bạn được tự do lựa chọn các biến giải thích để đưa vào mô hình cũng như tự quyết định dạng thức của các liên hệ giữa biến giải thích và biến kết quả. Hãy mô tả chi tiết quá trình xây dựng mô hình của bạn và tăng tính thuyết phục của mô hình này bằng các công cụ chNn đoán và đánh giá mô hình. Giải thích ý nghĩa các kết quả của mô hình rút ra. Sản phẩm nộp: 1. Bài làm dạng file Word (có ghi tên các thành viên của nhóm ở trang đầu) 2. File output SPSS Cả 2 file được đặt tên như sau MBA8_KT_nhomX (X là số thứ tự nhóm) Hình thức: File Word định dạng khổ giấy A4 (canh lề 2cm mỗi phía), font chữ Time N ew Roman, cỡ 12 points Cách đoạn (Spacing before) 6 points, giãn dòng (line spacing) 1.2 Chúc thành công! Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Mục Lục LỜI N ÓI ĐẦU. I. MÔ HÌN H HỒI QUI ĐƠN TUYẾN TÍN H: 1. Xây dựng phương trình của mô hình hồi đơn tuyến tính từ dữ liệu mẫu. 2. Đánh giá độ phù hợp của mô hình. 3. Kiểm định các giả thiết. a. Kiểm định giả thiết về độ phù hợp của mô hình (phân tích phương sai) b. Kiểm định giả thiết về ý nghĩa của hệ số hồi qui. 4. Vận dụng để xây dựng một mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới. II. MÔ HÌN H HỒI QUI TUYẾN TÍN H BỘI: 1. Xem xét ma trận hệ số tương quan. 2. Xây dựng mô hình. 3. Đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội. 4. Kiểm định độ phù hợp của mô hình. 5. Ý nghĩa các hệ số hồi qui riêng phần trong mô hình. 6. Lựa chọn biến cho mô hình. KẾT LUẬN . ----- ----- Trang 1 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 LỜI NÓI ĐẦU Phân tích định lượng là một môn khoa học về đo lường các mối quan hệ kinh tế xã hội diễn ra trong thực tế. N gày nay, nó là sự kết hợp giữa các lý thuyết kinh tế hiện đại, thống kê toán học và máy vi tính, nhằm định lượng các mối quan hệ kinh tế xã hội, dự báo khả năng phát triển hay diễn biến của các hiện tượng kinh tế xã hội và phân tích chính sách. Một khía cạnh quan trọng trong nghiên cứu kinh tế xã hội là nghiên cứu để tìm hiểu, đưa ra các quyết định thay đổi cho tương lai. Phán đoán tốt, trực giác và quan tâm đến thực trạng của nền kinh tế, môi trường kinh doanh và môi trường xã hội có thể cho người nghiên cứu một ý tưởng sơ bộ hay “cảm giác” về những gì có thể xảy ra trong tương lai. Tuy nhiên, chuyển từ cảm giác thành con số để có thể sử dụng một cách hiệu quả thì khá khó khăn. Phân tích dữ liệu thống kê giúp các nhà nghiên cứu và quản lý dự đoán thực tế phức tạp của kinh tế và xã hội trong tương lai ít rủi ro hơn. N hững người ra quyết định và người quản lý thành công nhất chính là những người có thể hiểu thông tin và sử dụng thông tin hiệu quả. Một trong những nội dung chính của môn phân tích định lượng là phân tích hồi qui – nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc) vào một hay nhiều biến khác (các biến độc lập), với ý tưởng là ước lượng (hay dự đoán) giá trị trung bình của biến phụ thuộc trên cơ sở các giá trị biết trước của các biến độc lập. Đây là nội dung chính của tiểu luận mà nhóm chúng em sẽ trình bày. N hân đây, chúng em muốn tỏ lòng biết ơn sâu sắc đến thầy Hoàng Trọng, người đã hết lòng tận tụy truyền đạt những kiến thức quý báu và chia sẻ những kinh nghiệm thực tế của bản thân cho khóa học MBA8 và chúng em cũng xin kính chúc Thầy được dồi dào sức khỏe và luôn luôn thành công trong con đường sự nghiệp. Tp.HCM, ngày 20 tháng 02 năm 2009 Các thành viên nhóm 7 Trang 2 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 I. MÔ HÌNH HỒI QUI ĐƠN TUYẾN TÍNH: Một đồ thị phân tán là công cụ hữu ích có thể cho chúng ta thấy nhiều loại liên hệ giữa hai biến ta đang khảo sát. Một số dạng liên hệ thường gặp giữa hai biến định lượng: Không có tương quan Tương quan nghịch Tương quan thuận N gười ta dùng một số thống kê có tên là hệ số tương quan Pearson (ký hiệu là r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Trong đó: -1 ≤ r ≤ 1 9 r có thể âm hoặc dương, trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. 9 Trị tuyệt đối của r = 1 : Khi tất cả các điểm phân tán xếp thành một đường thẳng. 9 Giá trị r = 0 : Khi hai biến không có mối liên hệ tuyến tính Phân tích hồi qui trước hết là đo mức độ tuyến tính giữa hai biến, nhằm ước lượng hay dự báo một biến trên cơ sở giá trị đã cho của một biến khác. Về mặt kỹ thuật, trong phân tích hồi qui, các biến không có tính chất đối xứng. Biến phụ thuộc là đại lượng ngẫu nhiên, biến giải thích là phi ngẫu nhiên, giá trị của chúng đã được xác định. 1. Xây dưng phương trình của mô hình hồi đơn tuyến tính từ dữ liệu mẫu: Xét mối liên hệ tuyến tính giữa một biến phụ thuộc và một biến độc lập. Mô hình được xây dựng từ dữ liệu mẫu có dạng đường thẳng như sau: Ŷi = B0 + B1*X Trong đó: 9 Xi : là trị quan sát thứ i của biến độc lập 9 Ŷi : là giá trị dự đoán (hay giá trị lý thuyết) thứ i của biến phụ thuộc, dấu mũ đại diện cho giá trị dự đoán. Trang 3 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 9 B0 và B1 : là hệ số hồi qui. Phương pháp dùng để xác định B0 (tung độ của vị trí tại đó đường thẳng cắt trục tung) và B1 (độ dốc) là phương pháp bình phương nhỏ nhất thông thường (OLS – Ordinary Least Square), nghĩa là ta phải tìm ra Ŷi sao cho nó càng gần với giá trị thực (Yi) càng tốt. Đường thẳng được tìm ra dựa trên nguyên tắc nó cực tiểu hóa tổng các độ lệch bình phương giữa tung độ của các điểm dữ liệu quan sát và đường thẳng. Khi chỉ có một biến độc lập thì mô hình hồi qui tuyến tính tổng thể có thể được mô tả như sau: Yi = β0 + β1 * X + ei 9 β1, β0 : là các hệ số độ dốc và hằng số của tổng thể 9 ei : sai số thực, là chênh lệch giữa giá trị thực Yi quan sát được và giá trị dự báo (do ảnh hưởng của các yếu tố khác chưa nghiên cứu tới), tức là: ei = (Y - Ŷi) = Yi – (β0 + β1 * X) 2. Đánh giá độ phù hợp của mô hình: Một công việc quan trọng của bất kỳ thủ tục thống kê xây dựng mô hình từ dữ liệu mẫu nào cũng đều là chứng minh sư phù hợp của mô hình. Để biết mô hình hồi qui tuyến tính đã xây dựng phù hợp đến mức độ nào, ta dùng một thước đo là hệ số xác định R2 (Coefficient of Determination). SST SSRR =2 0 ≤ R2 ≤ 1 Trong đó: 9 SST (Total Sum of Squares) : là tổng bình phương của tất cả các sai lệch giữa các giá trị quan sát Yi với giá trị trung bình của chúng. 9 SSR (Sum of Squares explained by Regression) : là tổng bình phương của tất cả các sai lệch giữa giá trị của biến Y tính theo hàm hồi qui mẫu với giá trị trung bình. Phần này đo độ chính xác của hàm hồi qui. 9 Mặt khác: SST = SSR + SSE ¾ N ếu R2 = 1 : thì đường hồi qui phù hợp “hoàn hảo”, tất cả sai lệch của Y (so với giá trị trung bình) đều giải thích được bởi mô hình hồi qui. ¾ N ếu R2 = 0 : chứng tỏ các biến X và Y không có quan hệ. N ếu hàm hồi qui mẫu phù hợp tốt với các số liệu quan sát thì SSR sẽ càng lớn hơn SSE. N ếu tất cả các giá trị quan sát của Yi đều nằm trên đường hồi qui (Ŷ) thì SSR sẽ bằng SST và do đó SSE=0. N gược lại, nếu hàm hồi qui mẫu kém phù hợp với các giá trị quan sát thì SSE sẽ càng lớn hơn SSR. (xem hình) Trang 4 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 5 3. Kiểm định các giả thiết: Ta tiến hành qua hai bước sau: a. Kiểm định giả thiết về độ phù hợp của mô hình (phân tích phương sai): Xây dựng xong mô hình hồi qui tuyến tính, ta phải xem xét độ phù hợp của mô hình đối với tập dữ liệu qua giá trị R2. Để kiểm định độ phù hợp của mô hình hồi qui tổng thể, ta đặt giả thiết R2=0. N ếu sau khi kiểm định ta có đủ bằng chứng bác bỏ giả thiết H0 : R2 pop=0 thì kết luận mô hình hồi qui tuyến tính xây dựng được phù hợp với tổng thể. Đại lượng F được sử dụng cho kiểm định này. N ếu xác suất F nhỏ thì giả thiết R2pop=0 bị bác bỏ. Tính F theo công thức sau: Trong SPSS, số liệu tính F được lấy từ bảng phân tích phương sai ANOVA(b): b. Kiểm định giả thiết về ý nghĩa của hệ số hồi qui: Mặc dù mô hình hồi qui tuyến tính mẫu ta xây dựng được có giá trị độ dốc B1 ≠ 0, nhưng ta chưa thể chắc chắn độ dốc của mô hình tổng thể khác 0. Vì vậy, ta phải làm kiểm định để có kết luân về β1. Giả thiết dùng để kiểm định giả thiết này là H0: β1=0, ta kỳ vọng giả thiết này sẽ bị bác bỏ vì nếu β1=0, nghĩa là Y độc lập với X. Do đó, mối quan hệ tương quan tuyến tính ta nhận thấy ở mẫu xảy ra là do ngẫu nhiên, mô hình hồi qui tuyến tính ta đã xây dựng được dựa trên một mối quan hệ “giả” giữa hai biến. Trị thống kê dùng để kiểm định giả thiết là: Trong SPSS, ta xem số liệu ở hai cột cuối cùng (là t và Sig. - hệ số độ dốc) trong bảng Coefficients(a): 1 )( Y)-Y^( 1 2 1 2 −− − = ∑ ∑ = = pN Y pF N i i N i Yi^ sidualSquareMean gressionMeanSquareF Re Re= 1 1 BS Bt = Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 4. Vận dụng để xây dựng một mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới: Trong mô hình này, với: ƒ Tuổi thọ TB của phụ nữ là biến phụ thuộc ƒ Lần lượt xét từng chỉ tiêu còn lại với vai trò là biến độc lập. Trong SPSS, ta thực hiện các thao tác sau: ƒ Graphs / Scatter … : để vẽ đồ thị phân tán cho từng cặp biến (giữa biến phụ thuộc với một biến độc lập). ƒ Analyze / Correlate / Bivariate … : để tính được r của mẫu và thực hiện kiểm định giả thiết về hệ số tương quan tuyến tính của tổng thể. ƒ Analyze / Regression / Linear … : Xây dựng mô hình hồi qui đơn tuyến tính a. Vẽ đồ thị phân tán cho từng cặp biến: + Tuổi thọ trung bình của phụ nữ theo Số lượng dân: Sè l−îng d©n 1400000 1200000 1000000 800000 600000 400000 200000 0 -200000 T uæ i t hä T B c ña p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Soá löôïng daân Pearson Correlation 1 -.071 Sig. (2-tailed) . .461 Tuoåi thoï TB phuï nöõ N 109 109 Pearson Correlation -.071 1 Sig. (2-tailed) .461 . Soá löôïng daân N 109 109 Trang 6 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 + Tuổi thọ trung bình phụ nữ với Mật độ dân số (người/Km2): MËt ®é d©n sè (ng−êi/Km2) 6000500040003000200010000-1000 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Maät ñoä daân soá (ngöôøi/km2) Pearson Correlation 1 .128 Sig. (2-tailed) . .186 Tuoåi thoï TB phuï nöõ N 109 109 Pearson Correlation .128 1 Sig. (2-tailed) .186 . Maät ñoä daân soá (ngöôøi/km2) N 109 109 + Tuổi thọ trung bình phụ nữ với Tỉ lệ dân sống ở vùng đô thị (%): TØ lÖ d©n sèng ë vïng ®« thÞ (%) 120100806040200 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Tæ leä daân soáng ôû vuøng ñoâ thò (%) Pearson Correlation 1 .743(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 108 Pearson Correlation .743(**) 1 Sig. (2-tailed) .000 . Tæ leä daân soáng ôû vuøng ñoâ thò (%) N 108 108 ** Correlation is significant at the 0.01 level (2-tailed). + Tuổi thọ trung bình phụ nữ với Tỉ lệ dân biết chữ (%): TØ lÖ d©n biÕt ch÷ (%) 120100806040200 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Tæ leä daân bieát chöõ (%) Pearson Correlation 1 .865(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 107 Pearson Correlation .865(**) 1 Sig. (2-tailed) .000 . Tæ leä daân bieát chöõ (%) N 107 107 ** Correlation is significant at the 0.01 level (2-tailed). Trang 7 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 + Tuổi thọ trung bình phụ nữ với Tốc độ tăng dân số (%/năm): Tèc ®é t¨ng d©n sè (%/n¨m) 6543210-1 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Toác ñoä taêng daân soá (%/naêm) Pearson Correlation 1 -.579(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 109 Pearson Correlation -.579(**) 1 Sig. (2-tailed) .000 . Toác ñoä taêng daân soá (%/naêm) N 109 109 ** Correlation is significant at the 0.01 level (2-tailed). + Tuổi thọ trung bình phụ nữ với Tỉ suất tử trẻ sơ sinh o/oo: TØ suÊt tö trÎ s¬ sinh o/oo 2001000-100 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Tæ suaát töû treû sô sinh o/oo Pearson Correlation 1 -.962(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 109 Pearson Correlation -.962(**) 1 Sig. (2-tailed) .000 . Tæ suaát töû treû sô sinh o/oo N 109 109 ** Correlation is significant at the 0.01 level (2-tailed). + Tuổi thọ trung bình phụ nữ với GDP tính trên đầu người (USD): Correlations GDP tÝnh trªn ®Çu ng−êi (USD) 3000020000100000-10000 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 GDP tính Tuoåi thoï treân ñaàu TB phuï nöõ ngöôøi (USD) Pearson 1 .642(**) Correlation Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 109 Pearson .642(**) 1 Correlation Sig. (2-tailed) .000 . GDP tính treân ñaàu ngöôøi (USD) N 109 109 ** Correlation is significant at the 0.01 level (2-tailed). Trang 8 Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 9 + Tuổi thọ trung bình phụ nữ với Calori nạp hàng ngày trung bình một người: Calori n¹p hμng ngμy TB mét ng−êi 4000300020001000 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 + Tuổi thọ trung bình phụ nữ với Tỉ suất sinh o/oo: TØ suÊt sinh o/oo 6050403020100 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 + Tuổi thọ trung bình phụ nữ với Số con trung bình của một phụ nữ: Sè con TB cña mét phô n÷ 987654321 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 Correlations Tuoåi thoï TB phuï nöõ Calori naïp haøng ngaøy TB 1 ngöôøi Pearson Correlation 1 .775(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 75 Pearson Correlation .775(**) 1 Sig. (2-tailed) .000 . Calori naïp haøng ngaøy TB 1 ngöôøi N 75 75 ** Correlation is significant at the 0.01 level (2-tailed). Correlations Tuoåi thoï TB phuï nöõ Tæ suaát sinh o/oo Pearson Correlation 1 -.862(**) Sig. (2- tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 109 Pearson Correlation -.862(**) 1 Sig. (2- tailed) .000 . Tæ suaát sinh o/oo N 109 109 ** Correlation is significant at the 0.01 level (2-tailed). Correlations Tuoåi thoï TB phuï nöõ Soá con TB cuûa 1 phuï nöõ Pearson Correlation 1 -.838(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 107 Pearson Correlation -.838(**) 1 Sig. (2-tailed) .000 . Soá con TB cuûa 1 phuï nöõ N 107 107 ** Correlation is significant at the 0.01 level (2-tailed). Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 10 + Tuổi thọ trung bình phụ nữ với Tỉ lệ nữ giới biết chữ (%): TØ lÖ n÷ giíi biÕt ch÷ (%) 120100806040200 T uæ i t hä T B p hô n ÷ 90 80 70 60 50 40 b. Hệ số tượng quan r: Quan sát trên các bảng Correlations, tại vị trí (**), ta chọn giá tr ệt đối a nó càng tiến gần đến 1, điều đó có nghĩa là hai biến có mối tương quan tuyến tính chặt chẽ. Ta có thể chọn một trong các biến sau làm biến giải thích: ¾ Tương quan thuận: ƒ Tỉ lệ dân sống ở vùng đô thị, ứng với r = 0.743 ƒ Tỉ lệ dân biết chữ (%), ứng với r = 0.865 ƒ Calori nạp hàng ngày TB một người, ứng v i r = 0.775 ƒ Tỉ lệ nữ giới biết chữ (%), ứng với r = 0.819 ¾ Tương quan nghịch: ƒ Tỉ suất tử trẻ sơ sinh o/oo, ứng với r = -0.962 ƒ Tỉ suất sinh, ứng với r = -0.862 em xin chọn biến “Số con TB của một phụ nữ” làm biến giải thích. Correla ị nào mà có giá trị tuy củ ớ ƒ Số con TB của một phụ nữ, ứng với r = -0.838 Trong các trường hợp nêu trên, tions Tuoåi thoï TB phuï nöõ Tæ leä nöõ giôùi bieát chöõ (%) Pearson Correlation 1 .819(**) Sig. (2-tailed) . .000 Tuoåi thoï TB phuï nöõ N 109 85 Pearson Correlation .819(**) 1 Sig. (2-tailed) .000 . Tæ leä nöõ giôùi bieát chöõ (%) N 85 85 ** Correlation is significant at the 0.01 level (2-tailed). Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 11 ồi đơn tuyến tính từ dữ liệu mẫu: Sử dụng SPSS ào menu Analyze / Regression / Linear … Vớ ƒ Phụ thuộc (Dependent) là “Tuổi thọ TB phụ nữ” ết quả thu được như sau: Regression Variables Entered/Removed(b) c. Xây dưng phương trình của mô hình h để tính toán ra đường thẳng này, bằng cách v i biến: ƒ Và biến độc lập (Independents) là “Số con TB của một phụ nữ” K Model Variables Entered Variables Removed Method 1 Soá con TB cuûa 1 phuï nöõ(a) . Enter a All requested variables entered. b Dependent Variable: Tuoåi thoï TB phuï nöõ Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .838(a) .702 .699 5.827 a Predictors: (Constant), Soá con TB cuûa 1 phuï nöõ NOVA(b) A Model Sum of Squares df Mean Square F Sig. 1 Regression 8379.723 1 837 39.72 246.790 .000(a) Residual 3565.267 105 33.955 Total 11944.991 106 a Predictors: (Constant), Soá con TB cuûa 1 phuï nöõ Dependent Variable: Tuoåi thoï TB phuï nöõ Coefficients(a) b Model Unsta dardized nCoefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 86.661 1.200 72.194 .000 Soá con TB cuûa 1 phuï nöõ -4.674 .297 -.838 -15.710 .000 a Dependent Variable: Tuoåi thoï TB phuï nöõ Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 12 Từ bảng cients( cho t ược t g tin ố hồi qui mà ph pháp OLS ước lượng đ c, độ d số hiện trong cộ iết ươ ồi qui tuyến tính đơn biến có d : 4.674*X Hay : ố con TB của một phụ nữ Ý nghĩ ủa hàm hồi qui này: Với B1= -4.674 < 0 cho biết: xét tuổi thọ trung bình phụ nữ giữa các quốc gia trê iới nằm trong khoảng (43; 82), lên trung bình phụ nữ giảm khoảng 4.674 tuổi. d. Đánh giá độ phù ™ Kiểm định giả thiết về độ phù ch phương sai): Ta đặt giả thiết R2=0. N ếu sau khi kiểm định ta có đủ bằng chứng bác bỏ giả thiết H0 : R2 pop=0 thì kết luận mô hình hồi qui tuyến tính xây dựng được phù hợp với tổng thể. Coeffi a) a biết đ hôn về hệ s ương ượ ốc và hằng được thể t B. Ta v được ph ng trình h ạng sau Ŷi = 86.661 – Tuổi thọ TB phụ nữ = 86.661 – 4.674 * S a c n thế g khi số con tăng 1 thì tuổi thọ hợp của mô hình: Từ bảng Model Summary, ta có R Square = 0.702 (tiến gần đến 1). Vậy mô hình này là phù hợp. e. Kiểm định các giả thiết: hợp của mô hình (phân tí ANOVA(b) Model Sum of Squares df Mean Square F Sig. 1 Regression 8379.723 1 8379.723 246.790 .000(a) Residual 3565.267 105 33.955 Total 11944.991 106 a Predictors: (Constant), Soá con TB cuûa 1 phuï nöõ b Dependent Variable: Tuoåi thoï TB phuï nöõ 1 (cột Sig.). Ta an 0 được phù hợp với Từ bảng AN OVA(b) tương ứng với mức ý nghĩa quan sát được là 0.000 toàn bác bỏ giả thiết H và kết luận mô hình hồi qui tuyến tính xây dựng tổng thể. Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 13 ™ K m định hiết về ý ng số hồi qui: H0: β1=0, ta kỳ vọng giả thiết này sẽ bị bác bỏ 1 . iể giả t hĩa của hệ Giả thiết dùng để kiểm định giả thiết này là vì nếu β =0, nghĩa là Y độc lập với X Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 86.661 1.200 72.194 .000 Soá con TB cuûa 1 phuï nöõ -4.674 .297 -.838 -15.710 .000 a Dependent Variable: Tuoåi thoï TB phuï nöõ Từ bảng Coefficients(a), ta thấy mức ý nghĩa quan sát được đối với hệ số độ dốc của Tuổi thọ trung ị bác bỏ. Vậy độ dốc của mô hình tổng thể khác 0 II. MÔ HÌNH HỒI QUI TUYẾN TÍNH BỘI: Trên thực hình h đơ g th ng lý thuyết kinh tế ít khi đơn giản như vậy. Do đó, ta phải xem xét mô hình hồi qui có n ai biến. Đó là mô hình hồi qui bội. Các bước thực hiện cũng giống như mô ui đơn Mô hình hồi quy ng mô hình hồi qui hai biến bằng cách thêm vào một số biến độc lập để ải th h có dạng sau: n giá trị của biến độc lập thứ p tại quan sát thứ i. ƒ βk : Là hệ số hồi qui riêng phần (Partial RegressionCoefficients) hân phối chuNn với trung bình là 0 và phương sai không đổi σ2. ếu tồn tại một quan hệ yến tính như vậy, khi đó xảy ra hiện tượng đa cộng tuyến. bình phụ nữ = 0.0001. Chứng tỏ rằng giả thiết H0: β1=0 b (hay β1 ≠ 0). tế, mô ồi qui n biến (có 2 biến) là khôn ỏa đáng, nhữ hiều hơn h hình hồi q tuyến tính. bội mở rộ gi ích tốt hơn cho biến phụ thuộc. Mô hìn Yi = βo + β1X1i + β2X2i + β3X3i + … + βpXpi + ei Trong đó: ƒ Xpi : Biểu hiệ ƒ ei : Là một biến độc lập ngẫu nhiên có p Một giả định quan trọng đối với mô hình hồi qui tuyến tính là không có biến giải thích nào có thể được biểu thị dưới dạng tổ hợp tuyến tính với những biến giải thích còn lại. N tu Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 14 t ma trận hệ số tương quan: Đầu tiên, khi tiến hành phân tích hồi qui tuyến tính bội là xem xét các mối tương quan tuyến tính ập với biến phụ thuộc và 9 Calori nạp hàng ngày trung bình một người. 9 Số con trung bình của một phụ nữ. Correlations 1. Xem xé giữa tất cả các biến, xem xét tổng quát mối quan hệ giữa từng biến độc l chính giữa các biến độc lập với nhau. Ta xây dựng ma trận tương quan giữa tất cả các biến cho mục đích này. Trong tiểu luận này, ta xem xét Tuổi thọ trung bình phụ nữ giữa các quốc gia trên thế giới phụ thuộc như thế nào vào: 9 Tỉ lệ dân sống ở vùng đô thị (%). 9 Tỷ lệ nữ giới biết chữ. Sử dụng SPSS, ta có ma trận sau: Tuoåi thoï TB phuï nöõ Tæ leä daân soáng ôû vuøng ñoâ thò (%) Calori naïp haøng ngaøy TB 1 ngöôøi Soá con TB cuûa 1 phuï nöõ Tæ leä nöõ giôùi bieát chöõ (%) Tuoåi thoï TB phuï nöõ Pearson Correlation 1 .743(**) .775(**) -.838(**) .819(**) Sig. (2-tailed) . .000 .000 .000 .000 N 109 108 75 107 85 Tæ leä daân soáng ôû vuøng ñoâ thò (%) Pearson Correlation .743(**) 1 .692(**) -.619(**) .612(**) Sig. (2-tailed) .000 . .000 .000 .000 N 108 108 74 106 85 Calori naïp haøng ngaøy TB 1 ngöôøi Pearson Correlation .775(**) .692(**) 1 -.696(**) .548(**) Sig. (2-tailed) .000 .000 . .000 .000 N 75 74 75 75 59 Soá con TB cuûa 1 phuï nöõ Pearson Correlation -.838(**) -.619(**) -.696(**) 1 -.839(**) Sig. (2-tailed) .000 .000 .000 . .000 N 107 106 75 107 85 Tæ leä nöõ giôùi bieát chöõ (%) Pearson Correlation .819(**) .612(**) .548(**) -.839(**) 1 Sig. (2-tailed) .000 .000 .000 .000 . N 85 85 59 85 85 ** Correlation is sig eve . nificant at the 0.01 l l (2-tailed) Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 15 Trong mô hình h càng lớn thì liê ồ u biến lập, biến nào có trị tuyệ i của hệ ương quan n h g Correl ho thấy t ng c biến độc lập vớ ng bình ph như sau: ¾ Số con trung bình của một phụ nữ r = 0.838) ¾ Tỉ lệ nữ giới biết chữ (%). (r = 0.819) ¾ Calori n trung bình t người. (r = 0.775) dâ thị c số 1 trên đườ chéo là hệ số tương quan tính được gi một biế ới chính nó. Ta chỉ c ía dưới đường chéo, vì chúng đối xứng nhau qua ng chéo. t luận các biến độc lập này có thể đưa vào mô hình để giải thích cho Tuổi thọ trung bình phụ nữ. 2. Xây dựng mô hình: Sử dụng SPSS ta có các bảng số liệu sau: Variables Entered/Removed(b) (Bảng 01) i qui bội với nhiề ệ tuyến tính càng m độc t đố số t ạnh. Bản ations c ươ quan giảm dần giữa cá i Tuổi thọ tru ụ nữ . ( ạp hàng ngày mộ ¾ Tỉ lệ n sống ở vùng đô (%). (r = 0.743) Cá ng ữa n v ần quan tâm đến tam giác phía trên hay tam giác ph đườ Từ bảng Correlations ta thấy: Hệ số tương quan giữa Tuổi thọ trung bình phụ nữ và các biến độc lập còn lại đều cao (thấp nhất là 0.743). Sơ bộ ta có thể kế Regression Model Variables Entered Variables Removed Method 1 Tæ leä nöõ giôùi bieát chöõ (%), Calori naïp haøng ngaøy TB 1 ngöôøi, Tæ leä daân soáng ôû vuøng ñoâ thò (%), Soá con TB cuûa 1 phuï nöõ(a) . Enter a All requested variables entered. hoï TB phuï nöõ ary (Bảng 02) b Dependent Variable: Tuoåi t Model Summ Model R R Square Adjusted R Square Std. Error of the Estimate 1 .901(a) .812 .798 4.977 a Predictors: (Constant), Tæ leä nö , Tæ leä daân soáng ôû vuøng ñoâ thò ), Soá con TB cuûa 1 phuï nöõ õ giôùi bieát chöõ (%), Calori naïp haøng ngaøy TB 1 ngöôøi (% Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 16 ảng 03) ANOVA(b) (B Model Sum of Squares df Mean Square F Sig. Regression 5780.805 4 1445.201 58.348 .000(a) Residual 1337.500 54 24.769 1 Total 7118.305 58 a Predictors: (Constant), Tæ leä nöõ giôùi bieát chöõ (%), Calori naïp haøng ngaøy TB 1 ngöôøi, Tæ leä daân soáng ôû vuøng ñoâ thò Dependent Variable: Tuoåi thoï TB phuï nöõ Coefficients(a) (Bảng 04) (%), Soá con TB cuûa 1 phuï nöõ b Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 47.467 7.016 6.765 .000 Tæ leä daân soáng ôû vuøng ñoâ thò (%) .110 .039 .251 2.811 .007 C g ngaøy Talori naïp haøn B 1 ngöôøi .005 .002 .216 2.525 .015 S TB cuûa 1 phuï noá con öõ -1.648 .646 -.275 - 50 2.5 .014 1 Tæ leä nöõ giôùi bieát chöõ (%) .128 .046 .312 2.764 .008 a Dependent Variable: Tuoåi thoï TB phuï nöõ 3. Đánh giá độ phù hợp của mô hìn Mô hình càng có nhiều biến độc lập vào thì R càng tăng. Tuy nhiên, không phải mô hình càng có nhiều bi thì càng phù hợp hơn với dữ N hư v khuyn ớng là mộ c lượng lạc quan củ ự phù hợp của mô hình ới dữ rong trường h có biến thích trong mô hình. Mô hình thường không phù hợp vớ ệu thực t giá thể T ng tì 2 ỉnh (Adjusted R Square thể hiện ở cột thứ 4 trong bảng 02) từ R2 được sử ồi qui tính n. R2 chỉnh kh kh ương tr ó là đo sự hợp đượ ống h nó khô ụ th o độ h hồi qui tuyến tính bội: 2 ến liệu. ậy, R2 có h hư t ướ a thước đo s đối v liệu t ợp hơn 1 giải i dữ li ế như trị R2 hiện. ro nh huống này, R điều ch dụng để phản ảnh sát hơn mức độ phù của m h h i nhiều biế ph ồi qui tuy nh đa vì ư sau: hợp ô hìn tuyến đa biế điều ông nhất thiết tăng lên n được thêm vào ình, n thước phù c sử dụng cho tình hu ến tí biến ng ph uộc và lệch phóng đại của R2. R2 điều chỉnh được tính nh Trong đó: ƒ P : là biến độc lập trong phương trình. 1−−−= pNRR )1( 222 − Rp Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 17 Model Summary (Bảng 02) Model R R Square Adjusted R Square Std. Error of the Estimate 1 .901(a) .812 .798 4.977 a Predictors: (Constant), Tæ leä nöõ giôùi bieát chöõ (%), Calori naïp haøng ngaøy TB 1 ngöôøi, Tæ leä daân soáng ôû vuøng ñoâ thò (%), Soá con TB cuûa 1 phuï nöõ ảng 02, so sánh 2 giá trị R Square và Adjusted R Square, ta thấy Adjusted R Square nhỏ ơn, dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hình. . Kiểm định độ phù hợp của mô hình: Kiểm định F s tro bảng ột iết về độ phù hợp của mô hình hồi qui tuy ổ ể. Ý tưởng c ểm định này là xem ụ thuộc Y có liên hệ tuy iả thiết Ho : β1 = β2 = β3 = β4 =0 i của Y, điều này cũng có nghĩa là mô hình ta xây dựng phù hợp với tập dữ liệu. OVA(b) (Bảng 03) Trong b h hợp của mô 4 ử dụng ng phân tích phương sai là m phép kiểm định giả th ến tính t ng th ủa ki biến ph ến tính với toàn bộ các biến độc lập hay không. G N ếu giả thiết Ho bị bác bỏ thì ta kết luận là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổ AN Model Sum of Squares df Mean Square F Sig. Regression 5780.805 4 1445.201 58.348 .000(a) Residual 1337.500 54 24.769 1 Total 7118.305 58 a Predictors: (Constant), Tæ leä nöõ giôùi bieát chöõ (%), Calori naïp haøng ngaøy TB 1 ngöôøi, Tæ leä daân soáng uûa 1 phuï nöõ b Dependent Variable: Tuoåi thoï TB phuï nöõ g số) mô hình hồi qui yến tính bội của ta phù hợp với tập dữ liệu và có thể sử dụng được. ôû vuøng ñoâ thò (%), Soá con TB c Trị thống kê F được tính từ giá trị R Square của mô hình đầy đủ, giá trị Sig. rất nhỏ cho thấy ta an toàn bác bỏ giả thiết Ho cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằn tu Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 18 5. Ý ngh các h i riêng ng mô hì : ĩa ệ số hồi qu phần tro nh Coefficients(a) ảng 04) (B Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta (Constant) 47.467 7.016 6.765 .000 Tæ leä daân soáng ôû vuøng ñoâ thò (%) .110 .039 .251 2.811 .007 Calori naïp haøng ngaøy TB 1 ngöôøi .005 .002 .216 2.525 .015 Soá con TB cuûa 1 phuï nöõ -1.648 .646 -.275 -2.550 .014 1 Tæ leä nöõ giôùi bieát chöõ (%) .128 .046 .312 2.764 .008 a Dependent Variable: Tuoåi thoï TB phuï nöõ ảng 04, các hệ số hồi qui của từng biến độc lập trong mô hình hồi qui tuyến tính bội được ọi là hệ số hồi qui riêng phần. Ý của hệ số hồi qui riêng phần là : tro ung b h Y k thay đổi 1 đơn vị, giữ các biến độc lập còn lại không đổi. Các hệ số hể cần đượ ực hiện định đồng iả Ho: 0 a thấy Sig. rất nh o nên n ý nghĩa tro h ữ phụ thu ến ậ Yi = 47.467 + 0.11X1i + 0.005X2i – 1.648X3i + 0.128X4 + ei Trong b g nghĩa βk đo lường sự thay đổi ng giá trị tr ìn khi X hồi qui riêng phần của tổng t c th kiểm thời g thiết βk = . T R Square khá cao và giá trị ỏ. Ch ó có ng mô ình. Ta có phương trình thể hiện Tuổi thọ trung bình phụ n ộc vào các bi độc l p: * Ý nghĩa của các hệ số độ dốc: ƒ Hệ số β =0.11 cho biết: khi 1 Tỉ lệ dân số sống ở đô thị tăng thêm 1%, trong điều kiện lượng Calori nạp hằng ngày trung bình một người, Số con trung bình của một phụ nữ và Tỉ lệ nữ ƒ Hệ số β2=0.005 cho biết: khi lượng Calori nạp hằng ngày trung bình một người tăng thêm ƒ Hệ số β3= -1.648 cho biết: khi Số con trung bình của một phụ nữ tăng thêm 1, trong điều i và Tỉ lệ c lượng sẽ giảm bớt trung bình 1.645 tuổi. giới biết chữ không đổi thì Tuổi thọ trung bình phụ nữ được ước lượng sẽ tăng thêm trung bình 0.11 tuổi. 1 (đơn vị), trong điều kiện Tỉ lệ dân số sống ở đô thị , Số con trung bình của một phụ nữ và Tỉ lệ nữ giới biết chữ không đổi thì Tuổi thọ trung bình phụ nữ được ước lượng sẽ tăng thêm trung bình 0.005 tuổi. kiện Tỉ lệ dân số sống ở đô thị, lượng Calori nạp hằng ngày trung bình một ngườ nữ giới biết chữ không đổi thì Tuổi thọ trung bình phụ nữ được ướ Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 19 ƒ Hệ số β4=0.128 cho biết: khi Tỉ lệ nữ giới biết chữ tăng thêm 1%, trong điều kiện Tỉ lệ dân số sống ở đô thị, lượng Calori nạp hằng ngày trung bình một người và Số con trung bình của một phụ nữ không đổi thì Tuổi thọ trung bình phụ nữ được ước lượng sẽ tăng thêm trung bình 0.128 tuổi. ô hình, phần nào có tính chất chủ quan. Một số biến có thể không rong trường hợp này, ta muốn chắc chắn giá trị thực của R Square Change trong tổng thể theo công thức sau và được gọi là đại lượng kiểm định F riêng: N : là số quan sát. Với giả thiết cho rằng mức độ thay đổi bằng 0, ta có th ức ý nghĩa của giá trị FCh từ phân hối F với q và (N -p-1) bậc tự do. Mức ý nghĩa quan sát của kiểm định này được tính trong bảng ến ta đưa vào có ý nghĩa giải thích đối với Tuổi thọ trung bình phụ nữ. ta có các bảng sau: 6. Lựa chọn biến cho mô hình: Sự lựa chọn biến để đưa vào m được đưa vào mà ta không lường được vai trò quan trọng của nó. Trong khi đó, có một vài biến được sử dụng có thể lại không phải là biến quyết định cho biến thiên của biến phụ thuộc. Do vậy, ta phải xem xét các kết quả khi ta đưa vào hay bỏ ra các biến trong phương trình hồi qui để quyết định. T (R2change(pop) ) cũng khác 0 hay không. N ghi ngờ này được kiểm định bằng giả thiết: Ho : (R2change(pop) ) = 0 Đại lượng kiểm định F được tính Trong đó: ƒ ƒ p : là tổng số biến độc lập trong phương trình. ƒ q : là số biến được đưa vào phương trình trong bước này. ể tính m p Model Summary bên dưới. Với mức ý nghĩa quan sát này, ta an toàn bác bỏ giả thiết Ho. Vậy 4 bi Dùng SPSS, Regression )1( )1( 2Rq pNR F changechange −= 2 −− Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 20 Variables Entered/Removed(b) Model Variables Entered Variables Removed Method 1 Tæ leä daân soáng ôû vuøng ñoâ thò (%)(a) . Enter 2 Calori naïp haøng ngaøy TB 1 ngöôøi(a) . Enter 3 Soá con TB cuûa 1 phuï nöõ(a) . Enter 4 Tæ leä nöõ giôùi bieát chöõ (%)(a) . Enter a All requested variables entered. uï nöõ Model Summary b Dependent Variable: Tuoåi thoï TB ph Change Statistics Model R R Square Adjusted R Square Std. Error of the Estimate R Square Change F Change df1 df2 Sig. F Change 1 .741(a) .549 .541 7.505 .549 69.376 1 57 .000 2 .797(b) .635 .622 6.812 .086 13.188 1 56 .001 3 .886(c) .786 .774 5.269 .151 38.616 1 55 .000 4 .901(d) .812 .798 4.977 .027 7.639 1 54 .008 a P ict ñoâ thò (%) b P ict ñoâ thò (%), alori n g ngaøy TB 1 ngöôøi c P ict g ôû vuøng ñoâ thò (%), alori n g ngaøy TB 1 ngöôøi, Soá con TB cuûa 1 phuï nöõ d P ict ôû vuøng ñoâ thò (%), alori n g ngaøy TB 1 ngöôøi, Soá con TB cuûa 1 phuï ANOVA(e) red ors: (Constant), Tæ leä daân soáng ôû vuøng red ors: (Constant), Tæ leä daân soáng ôû vuøng C aïp haøn red ors: (Constant), Tæ leä daân soán C aïp haøn red ors: (Constant), Tæ leä daân soáng C aïp haøn nöõ, Tæ leä nöõ giôùi bieát chöõ (%) Model Sum of Squares df Mean Square F Sig. Regression 3907.711 1 3907.711 69.376 .000(a) Residual 3210.594 57 56.326 1 Total 7118.305 58 Regression 4519.688 2 2259.844 48.699 .000(b) Residual 2598.617 56 46.404 2 Total 7118.305 58 Regression 5591.608 3 1863.869 67.147 .000(c) Residual 1526.697 55 27.758 3 Total 7118.305 58 Regression 5780.805 4 1445.201 58.348 .000(d) Residual 1337.500 54 24.769 4 Total 7118.305 58 a Predictors: (Constant), Tæ leä daân soáng ôû ò (%) Predictors: (Constant), Tæ leä daân soáng ò (%), Calori naïp haøng ngaøy TB 1 ngöôøi Predictors: (Constant), Tæ leä daân soáng ôû vuøng ñoâ thò (%), Calori naïp haøng ngaøy TB 1 ngöôøi, Soá con TB cuûa 1 phuï nö d Predictors: (Con tant), Tæ áng ôû vuøng ñoâ thò ori naïp h g ngaøy TB ôøi, Soá con TB cuûa 1 phuï nöõ, T ä nö õ (% e Depende : Tuoåi nöõ vuøng ñoâ th b ôû vuøng ñoâ th c õ s leä daân so (%), Cal aøn 1 ngö æ le õ giôùi bieát chö ) nt Variable thoï TB phuï Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 21 oeffic C ients(a) Model Unstandardized Coefficients St d andardize Coefficients t Sig. B Std. Error Beta (Constant) 49.613 2.178 22.774 .000 Tæ leä daân g ñoâ thò ) soáng ôû vuøn (% .326 .039 .741 8.329 .000 Calori naï øy TB 1 n øi p haøng nga göô Soá con TB cuûa 1 phuï nöõ 1 Tæ leä nöõ giôùi bieát chöõ (%) (Constant) 33.412 4.880 6.847 .000 Tæ leä daân soáng ôû vuøng ñoâ thò (%) .208 .048 .473 4.330 .000 Calori naïp haøng ngaøy TB 1 ngöôøi .009 .002 .397 3.632 .001 Soá con TB cuûa 1 phuï nöõ 2 Tæ leä nöõ giôùi bieát chöõ (%) (Constant) 59 6.91 5.695 10.520 .000 Tæ leä daân soáng ôû vuøng ñoâ thò (%) .152 .038 .346 3.981 .000 Calori naïp haøng ngaøy TB 1 ngöôøi .004 .002 .198 2.185 .033 Soá con TB cuûa 1 phuï nöõ -2.938 .473 -.491 -6.214 .000 3 Tæ leä nöõ giôùi bieát öõ (%) ch (Constant) 47 7.46 7.016 6 65.7 .000 Tæ leä daân soáng ôû vuøng ñoâ thò (%) .110 .039 .251 2.811 .007 Calori naïp haøng ngaøy TB 1 ngöôøi .005 .002 .216 2.525 .015 Soá con TB cuûa 1 phuï nöõ -1.648 .646 -.275 -2.550 .014 4 Tæ leä nöõ giôùi bieát chöõ (%) .128 .046 .312 2.764 .008 a Dependent Varia Khi có nhiều bi phư rình tr ột bước, kiể h iế độ thay đổi thự đương với kiểm định đồng thời các hệ số c tất cả các bi độc lập bằng 0. Giả thiết Ho : β g bác iả thiế . Từ bảng Coeffi ị Sig. của phép kiểm đị nghĩa của hệ i qui là rấ . Do đó, ta bác b iến ta đưa vào có ý nghĩ giải thích đối v Tuổi t ọ trung bình phụ nữ. ble: Tuoåi thoï TB phuï nöõ ến độc lập cùng được c của R2 bằng 0 tương đưa vào ơng t ong m m địn giả th t mức ến ủa 1 = β2 = β3 = β4 =0, với hy vọn bỏ g t Ho cients(a), ta thấy giá tr nh ý số hồ t nhỏ ỏ giả thiết Ho. Vậy 4 b a ới h Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 22 Excluded Variables(d) Model Beta In t Sig. Partial Correlation Collinearity Statistics Tolerance 1 Calori naïp haøng ngaøy TB 1 ngöôøi .397(a) 3.632 .001 .437 .546 Soá con TB cuûa 1 phuï nöõ -.552(a) -7.236 .000 -.695 .716 Tæ leä nöõ giôùi bieát chöõ (%) .577(a) 6.649 .000 .664 .598 2 Calori naïp haøng ngaøy TB 1 ngöôøi Soá con TB cuûa 1 phuï nöõ -.491(b) -6.214 .000 -.642 .626 Tæ leä nöõ giôùi bieát chöõ (%) .520(b) 6.354 .000 .651 .571 3 Calori naïp haøng ngaøy TB 1 ngöôøi Soá con TB cuûa 1 phuï nöõ Tæ leä nöõ giôùi bieát chöõ (%) .312(c) 2.764 .008 .352 .273 a Predictors in the Model: (Constant), Tæ leä daân soáng ôû vuøng ñoâ thò (%) Predictors in the Model: (Constant), Tæ leä daân soáng ôû vuøng ñoâ thò (%), Calori naïp haøng ngaøy TB 1 ngöôøi Predictors in the Model: (Constant), Tæ leä daâ ori naïp haøng ngaøy TB 1 ngöôøi, Soá con TB cuûa 1 phuï nöõ Dependent Variable: Tuoåi thoï TB phuï nöõ ận xét về mô hình: b c n soáng ôû vuøng ñoâ thò (%), Cal d Nh Qua các phân nh k và ki nh t lạ ấy 4 độc l đưa vào đều c g có ý ng ích biến T ọ trung bình phụ Điều cho t đa cộng tu n. Cho nê , mô hình y là phù p. tích trên, ta thấy R2 của mô hì há cao ểm đị i cho th biến ập ta hấp nhận được vì chún hĩa giải th cho uổi th nữ. này hấy không tồn tại hiện tượng yế n nà hợ Tiểu luận: Phân Tích Định Lượng N hóm 7 - MBA8 Trang 23 KẾT LUẬN Mục đích chính của môn học này là cung cấp nội dung thực nghiệm cho lý luận kinh tế và đưa các lý luận kinh tế đi kiểm định xem đúng hay sai. Song nó sẽ coi lý luận như vậy là một giả thuyết và có thể tiến hành kiểm định, tìm ý nghĩa thống kê giữa một biến kết quả với một hoặc nhiều biến nguyên nhân, hay xem giả thuyết trên có thể chấp nhận được hay không. Phương pháp thống kê quan trọng nhất trong môn phân tích định lượng là phân tích hồi quy. Phương pháp này quan trọng đối với kinh tế lượng bởi vì các nhà kinh tế không có cơ hội tiến hành các thử nghiệm có kiểm soát. Vấn đề các dữ liệu quan sát chệch do thiếu biến và các vấn đề khác cũng cần phải được giải quyết về mặt thống kê nhờ các mô hình kinh tế lượng. Các nhà kinh tế lượng thường tìm cách làm sáng tỏ các thực nghiệm tự nhiên trong khi thiếu bằng chứng từ các thực nghiệm có kiểm soát. Với những kiến thức mà chúng em lĩnh hội được từ môn học này dưới sự hướng dẫn tận tình của thầy Hoàng Trọng. N ay chúng em thể hiện những kiến thức đó thông qua tiểu luận môn học với hy vọng nhận được những nhận xét và đánh giá của Thầy để chúng em có được sự chuNn bị tốt cho việc thực hiện khóa luận tốt nghiệp của mình sau này. Một lần nữa, chúng em kính chúc Thầy được dồi dào sức khỏe, thành công và hạnh phúc. -----Hết-----