You are on page 1of 30

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC HOA SEN
KHOA KINH TẾ THƢƠNG MẠI

Đề án:

KINH TẾ LƢỢNG
Đề tài:

Chi tiêu cho việc đi lại bằng xe máy trong một tháng
Nhóm 11:
Huỳnh Lệ Phƣơng Thanh (092097)
Phạm Lê Thuý Ngọc (092081)
Huỳnh Tấn Phú (091867)
Lê Thị Diễm My (092075)
Nguyễn Thị Diệp Liên (092069)

GV:

Nguyễn Lƣu Bảo Đoan

Ngày:

26/06/2011

Đề án Kinh Tế Lƣợng _ Nhóm11

L8

LÝ DO CHỌN ĐỀ TÀI
Ở Việt Nam, trong khi ngƣời dân chƣa tạo đƣợc thói quen sử dụng những phƣơng tiện
đi lại công cộng , các loại xe du lịch nhiều chỗ lại là món hàng xa xỉ thì xe máy đƣợc xem là
phƣơng tiện giao thông phổ biến và đƣợc ƣa chuộng nhất.Tuy nhiên, trong tình hình giá cả ngày
càng leo thang thì chỉ việc chi tiêu cho việc đi lại để học hành, làm việc.. nhƣ thế nào cho hợp lý
cũng là một bài toán khó. Mặc dù chính phủ đã có những biện pháp nhằm ổn định giá xăng dầu
so với thế giới nhƣng việc giá xăng dầu cứ mỗi ngày một tăng nhƣ hiện nay đã ít nhiều ảnh
hƣởng đến cuộc sống của ngƣời dân. Cứ hễ giá xăng tăng thì những mặt hàng khác cũng đƣợc
dịp tăng đến chống mặt nhƣ giá gạo, giá giữ xe…. Đặc biệt, thành phố Hồ Chí Minh việc đi lại
là thƣờng xuyên và xa, cũng nhƣ tình trạng kẹt xe diễn ra hằng ngày , nên vấn đề về giá xăng
vẫn luôn đƣợc đặt lên hàng đầu. Cũng là ngƣời chịu sự tác động trên, chúng tôi thấu hiểu đƣợc
mối quan tâm của ngƣời dân về vấn đề chi tiêu nhạy cảm này vì thế nhóm chúng tôi quyết định
chọn đề tài chi tiêu cho việc đi lại bằng xe máy trong một tháng. Chúng tôi hy vọng sẽ tìm ra
đƣợc những yếu tố nào có tác động mạnh mẽ đến việc chi tiêu cho phƣơng tiện đi lại bằng xe
máy từ đó sẽ giúp mọi ngƣời hạn chế đƣợc những chi phí không cần thiết.Các yếu tố chúng tôi
xem xét đến là độ tuổi của xe, giá của xe, độ tuổi của ngƣời sử dụng, hãng xe và nghề nghiệp
của ngƣời sử dụng.

ii

Đề án Kinh Tế Lƣợng _ Nhóm11

L8

LỜI CẢM ƠN
Chúng tôi xin chân thành gửi lời cảm ơn đến thầy Nguyễn Lƣu Bảo Đoan - giảng
viên bộ môn Kinh tế lƣợng đã cung cấp những kiến thức căn bản và tận tình
hƣớng dẫn giúp nhóm thực hiện tốt đề án này.

iii

.......................................iv 3....... Phƣơng pháp nghiên cứu và thực hiện đề tài ...... Giải thích các biến ........................................................... Hiện tƣợng đa cộng tuyến ............................... 5 7...... 4 6..................... Phát hiện sự có mặt của các biến không cần thiết ................................. 4 6....................................................... 22 KẾT LUẬN ... 3 5... 24 v .. Kiểm định giả thuyết sai số ngẫu nhiên có phân phối chuẩn..................2....................iv 2................................................................................ Ƣớc lƣợng mô hình hồi quy mẫu và kiểm định sự phù hợp của mô hình..........................1.................................... ii LỜI CẢM ƠN ....iv 1........................................... 4 6........ Vẽ đồ thị scatter và linear của mô hình ............................................................................................................... Đánh giá kết quả của mô hình hồi qui: .................... 17 9............ Thống kê mô tả kết quả khảo sát ................... 8 7..................1......................................................................2................................................................... 21 11............................Đề án Kinh Tế Lƣợng _ Nhóm11 L8 MỤC LỤC LÝ DO CHỌN ĐỀ TÀI ........................................................................... 17 10.............................................................. Hệ số tƣơng quan giữa các mô hình................1............................. 5 7....................................................................... Dự báo .........................................3...................................................................... 5 7.................. 14 8..... Ƣớc lƣợng mô hình hồi qui mẫu ......... Hiện tƣợng phƣơng sai thay đổi.. 1 4............. Hiện tƣợng phƣơng sai thay đổi............................................................................................... Ƣớc lƣợng khoảng tin cậy của các hệ số hồi quy ..... Kiểm định khuyết tật cho mô hình mới .............. Kiểm định khuyết tật.. iii MỤC LỤC ...................................................... 15 9................

Thu thập số liệu: nhóm đã phát phiếu khảo sát để thu thập thông tin. thay thế cao.Xử lý số liệu: dùng sự trợ giúp của các phần mềm nhƣ Eview 5.Tổng hợp kết quả và hoàn chỉnh bài viết. +/- .Giới trẻ thƣờng tân trang xe theo phong cách riêng . . .định lƣợng Đơn Dấu vị kỳ tính vọng Tên biến Ý nghĩa X1 Độ Năm tuổi của xe X2 Giá mua xe X3 Tuổi của ngƣời sử dụng Triệu VND Tuổi Diễn giải + . giá phụ tùng của chính hãng thƣờng cao hơn nên dẫn đến chi phí sửa chữa. MS Excel . xe sử dụng lâu năm thì chi phí sửa chữa cũng xe lớn hơn. bảo trì. Ngoài ra.1.Sự hao mòn máy móc (bố nồi .Xe tay ga thƣờng có giá cao hơn nhƣng tốn nhiên liệu hơn .Chất lƣợng của các bộ phận máy móc tốt hơn do dó không tốn nhiều tiền để sửa chữa. tốn nhiều cho việc mua phụ tùng xe. các công nhân viên chức cũng nhƣ những ngƣời dân ở các khu dân cƣ. Kết quả khảo sát : Số phiếu phát ra 250 Số phiếu thu lại 250 Số phiếu hợp lệ 250 2. ý kiến và số liệu trực tiếp từ các bạn sinh viên trƣờng đại học Hoa Sen.Ngƣời lớn tuổi chăm sóc xe kĩ hơn nên sẽ chi cho khoảng sửa chữa ít hơn.0.Tuy nhiên. Giải thích các biến Biến phụ thuộc Ý nghĩa Tên biến Đơn vị Chi tiêu cho việc đi lại bằng xe gắn máy Y 1000 VND Biến độc lập . . bình xăng con…) sẽ ảnh hƣởng đến chi phí tiền xăng. thay đổi. Phƣơng pháp nghiên cứu và thực hiện đề tài . - .

8185 0.00000 7.976975 6.298 0.000000 Sum Sum Sq.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Biến độc lập . 96750.767075 1. Thống kê mô tả kết quả khảo sát Biến định lƣợng Mean Median Maximum Minimum Std.00000 0.0000 1600.5967 3262.00000 18.373 0.029 7024.50000 53.00 16440250 896.18400 20.918914 14.799893 12.09600 23.000000 27. Skewness Kurtosis Y 387. Dev.34678 2.16898 X1 3.81552 X2 28.586387 2.546489 11.500000 15.80239 X3 24.00000 110.0000 5.000 15021.000000 1077.000000 1809.000 100.0000 256.000 58645.54 1 . Dev.000000 273.0000 300.238 0.619464 2.9535 2. Ngành nghề khác +/- Ngành nghề khác +/- Ngành nghề khác +/- Tùy vào đặc thù của ngành nghề của ngƣời sử dụng mà chi tiêu cho việc đi lại sẽ khác nhau 3.định tính Lựa chọn Dấu Tên kì biến Ý nghĩa 1 D1 Hãng xe Hãng xe Honda D2 Hãng xe Hãng xe Yamaha D3 Hãng xe Hãng xe Suzuki D4 Nghề nghiệp Công nhân viên chức D5 Nghề nghiệp Sinh viên D6 Nghề nghiệp Dịch vụ 0 vọng Diễn giải Hãng xe khác +/- Hãng xe khác +/- Hãng xe khác +/- Sự tiêu hao nhiên liệu và độ bền của các hãng xe khác nhau ảnh hƣởng đến chi tiêu đi lại trong tháng.263872 Jarque-Bera Probability 1202.000000 3.36 6046.

Độ tuổi trung bình của ngƣời sử dụng xe gắn máy là 24 tuổi . Ta có hàm hồi qui tổng quát sau đây : Yi = 1 + 2X1i + 3X2i + 4X3i + 5D1i + 6D2i + 7D3i + 8D4i + 9D5i + 10D6i 2 .Độ tuổi của xe trung bình là 3.5 năm .Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Observations 250 250 250 250 Dựa vào bảng số liệu trên ta có thể rút ra kết luận cho mẫu quan sát đƣợc nhƣ sau: .Trung bình ngƣời ta chi cho phƣơng tiện đi lại trong 1 tháng là 387000 VND .Giá xe trung bình là 28 triệu VND Biến định tính  Hãng xe: 140 125 120 100 80 65 60 31 29 suzuki khác 40 20 0 hon da yamaha  Nghề nghiệp của ngƣời sử dụng xe: 180 160 160 140 120 100 80 60 37 40 35 18 20 0 cnvc dịch vụ sinh viên khác Dựa vào biểu đồ dễ thấy Honda là hãng xe đƣợc ƣa chuộng nhất và sinh viên là đối tƣợng đƣợc khảo sát nhiều nhất (theo số liệu mẫu mà chúng tôi thu thập đƣợc).

Vẽ đồ thị scatter và linear của mô hình Quan sát đồ thị ta nhận thấy X2. 3 .Đề án Kinh Tế Lƣợng _ Nhóm11 L8 4. X3 đều có quan hệ tuyến tính đồng biến với Y trong khi X1 lại không có mối quan hệ rõ ràng với Y.

Hệ số tƣơng quan giữa các mô hình Nhìn vào ma trận tƣơng quan giữa các biến trong mô hình. ảnh hƣởng nhiều nhất đến Y.312506 cao nhất nên có thể nói biến X2 có quan hệ chặc chẽ nhất với Y. Còn hệ số tƣơng quan còn lại với biến Y rất nhỏ nên có thể nói các biến đó không giải thích nhiều cho biến Y. 6. Ƣớc lƣợng mô hình hồi quy mẫu và kiểm định sự phù hợp của mô hình 6. không ảnh hƣởng nhiều đến biến Y. Ƣớc lƣợng mô hình hồi qui mẫu Ta có kết quả hồi qui sau: 4 .Đề án Kinh Tế Lƣợng _ Nhóm11 L8 5. ta thấy chỉ có hệ số tƣơng quan giữa X2 với Y là 0.1.

Gía mua xe cao thƣờng các phụ tùng máy móc cũng chất lƣợng hơn và chỉ do chính hãng cung cấp nên giá mua các phụ tùng đó sẽ cao hơn. D5. Hiện tƣợng đa cộng tuyến Cách 1: Dựa trên hệ số R2 và t 5 . bể bánh do quá cũ… 6.240063D1i 43.807152 X1i  4.  Gía mua xe tăng lên 1 triệu VND thì chi tiêu trung bình sẽ tăng 4.80584 D2i  119.70838  1. trái với kỳ vọng ban đầu. Ngƣời lớn tuổi sẽ đòi hỏi mức độ an toàn cao do đó sẽ thƣờng xuyên đi kiểm tra xe hơn tránh trƣờng hợp bị mòn thắng. - Dựa vào bảng hồi quy gốc ta thấy các biến X1. khá thấp.87 nghìn đồng.45613D6i  Khi độ tuổi của xe tăng lên 1 năm thì chi tiêu trung bình cho việc đi lại bằng xe máy giảm là 1. Hiện nay.4921D3i  71.8 nghìn đồng.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Yi  98.12323D4i  31. D4. 7. nghĩa là không ảnh hƣởng nhiều đến vấn đề đang xét. mềm bánh.1. Có thể khi xe càng đƣợc sử dụng lâu năm thì ngƣời ta sẽ hạn chế mức độ sử dụng (do xe hay chết máy hoặc không thích do xe đã quá cũ…). D1.24 nghìn đồng.838331X 3i  8. xe có giá cao trên thị trƣờng thƣờng là xe tay ga.7078%. Kiểm định khuyết tật 7.25481D5i  52.872876 X 2i  8. Điều này trái với kỳ vọng ban đầu của chúng tôi. D2. chi phí cho tiền xăng do đó cũng nhiều hơn. D3.2. D6 không có ý nghĩa về mặt thống kê Không có ảnh hƣởng đến biến Y.  Khi độ tuổi ngƣời sử dụng tăng 1 tuổi thì chi tiêu trung bình cho việc đi lại bằng xe sẽ tăng 8.Đánh giá kết quả của mô hình hồi qui: - Mức độ phù hợp của mô hình so với thực tế là R2 = 19. đƣợc đánh giá là tiêu hao nhiên liệu nhiều hơn. Tuy nhiên với mức ý nghĩa 5% thì X1 không có ý nghĩa về mặt thống kê.

và P-value của kiểm định F rất nhỏ  độ phù hợp của mô hình không cao.197078 (<0. Trong mô hình trên ta nhận thấy : o R2 = 0. o Đa số các T_ratio nhỏ. thể hiện ở sự mâu thuẫn giữa các kiểm định. Cách 2 : Tƣơng quan giữa các cặp biến giải thích 6 .Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Ta biết rằng khi có đa cộng tuyến gần hoàn hảo. Nếu có mâu thuẫn giữa các kiểm định T về các hệ số góc và kiểm định F về sự phù hợp của hàm hồi quy.8) rất nhỏ. Kiểm định F có F-statistic = 6. hậu quả quan sát đƣợc.545352 nhỏ. có thể nói có đa cộng tuyến. P_value của kiểm định T lớn  các hệ số góc không có ý nghĩa về mặt thống kê Không có mâu thuẫn giữa kiểm định T và Kiểm định F Không có dấu hiệu của hiện tƣợng đa cộng tuyến.

0156 X3 -0.834355 0.283802 -2. C 38.34678 S.7895 R-squared 0.059316 Mean dependent var 28.284699 0.035306 0.435139 0.168048 -0.12969 Akaike info criterion 8.691097 0.210096 0.548592 3.7) nên có thể kết luận không không có dấu hiệu của hiện tƣợng đa cộng tuyến Cách 3 : Sử dụng mô hình hồi quy phụ Dùng eview hồi quy biến Gía mua xe theo các biến còn lại ta đƣợc hàm hồi quy sau Dependent Variable: X2 Method: Least Squares Date: 06/16/11 Time: 10:43 Sample: 1 250 Included observations: 250 Variable Coefficient Std.121385 -1.384129 0.306532 7 . of regression 15.638603 6.479964 0.682851 -1.2123 D6 -1.6377 D5 -3.1676 D3 -9. dependent var 15.0000 X1 -0.028090 S.957823 -2.684981 3.53621 5.D.815259 3.387436 3.09600 Adjusted R-squared 0.267229 0.384786 -1.089428 4.E.0856 D2 -4. Error t-Statistic Prob.355292 2.725976 0.8338 D1 -5.0138 D4 1.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Từ bảng số liệu trên cho ta thấy hệ số tƣơng quan giữa các biến giải thích không cao(<0.076754 -0.471456 0.250644 0.

2.060748 > = 0.525897 Prob(F-statistic) 0.548592 D4 .035306 (tuổi ngƣời sử dụng) 5.9.899575 Durbin-Watson stat 1.0.691097 (độ tuổi của xe) .Đề án Kinh Tế Lƣợng _ Nhóm11 Sum squared resid 55166.355292 D5 .05 Chấp nhận H0 (với mức ý nghĩa 5%) Kết luận: Biến X2 không tƣơng quan tuyến tính với các biến khác.1. Cách 4: Sử dụng nhân tử phóng đại phƣơng sai (VIF) Vì đây là mô hình hồi quy đa biến nên ta sử dụng: R2 VIF = = 1.089428 D6 Ta cần kiểm định giả thiết: H0: R2 = 0 (không có đa cộng tuyến) H1: R2 0 (có đa cộng tuyến) Ta có: Prob(F-statistic)=0.387436 D1 – 4.74 Schwarz criterion 8.063 < 10 Kết luận: không có hiện tƣợng đa cộng tuyến 7.060748 L8 Mô hình hồi qui phụ có dạng nhƣ sau: (giá mua xe) = 38.433304 Log likelihood -1029.316 F-statistic 1. thực hiện lệnh vẽ đồ thị phân tán của e theo Yf ta đƣợc kết quả nhƣ hình trên 8 .684981D2 . Hiện tƣợng phƣơng sai thay đổi Cách 1: Quan sát đồ thị phần dƣ e theo ̂ (Yf) Trên Eviews.53621 – 0.815259 D3 + 1.3.

Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Quan sát đồ thị ta thấy sự phân bố của e có khuynh hƣớng tăng giảm không đồng đều khi ̂ tăng.4110 34.863721 5. Cách 2: Sử dụng kiểm định Park Ta hồi quy lne2 theo ln ̂ i đƣợc kết quả sau: Dependent Variable: LOG(RESID^2) Method: Least Squares Date: 06/29/11 Time: 19:56 Sample: 1 250 Included observations: 250 Variable Coefficient Std.973502 3. C LOG(YF) -8.173683 1171.0003 9 .314896 4.865454 0.774 -547.506952 -2.004410 0.8363 1. Ta kết luận giả thiết có hiện tƣợng phƣơng sai thay đổi.D.863584 Mean dependent var S.603793 2. C -124.426862 34.118283 2.0045 0. of regression Sum squared resid Log likelihood Durbin-Watson stat 0. Error t-Statistic Prob. Error t-Statistic Prob. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 8.999977 2.0000 R-squared Adjusted R-squared S.E.10317 -3.398691 4.40355 0.648077 0.121824 0.000000 Ta cần kiểm định giả thiết: H0: 2=0 (không có phƣơng sai thay đổi) H1: 2 0 (có phƣơng sai thay đổi) Ta thấy xác suất để chấp nhận giả thiết H0 p_value = 0% < H0 = 5% Ta bác bỏ giả thiết Có hiện tƣợng phƣơng sai thay đổi Cách 3: Kiểm định Gleijer Hồi quy | | theo Yf ta đƣợc kết quả hồi quy sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/29/11 Time: 20:05 Sample: 1 250 Included observations: 250 Variable Coefficient Std.

-1609.308 2715.118628 0.21963 9.877 3.031644 117337.3 3.58 -2.44 119239.0000 152.1 26.89587 12.41E+12 -3271.933 1.1722 5742781.3249 172.54587 0.984 1.022710 0.991125 Mean dependent var S.458479 Mean dependent var S.002768 < = 0.220769 152. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.Đề án Kinh Tế Lƣợng _ Nhóm11 YF 0.084540 8.19146 26. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) L8 0.D.E.715080 R-squared Adjusted R-squared S.223899 0.3861 12.E.736398 0.035533 0.002768 Ta cần kiểm định giả thiết: H0: 2=0 (không có hiện tƣợng phƣơng sai thay đổi) H1: 2 0 (có phƣơng sai thay đổi) Xác suất để chấp nhận giả thiết H0 p_value= 0. Error t-Statistic Prob.92404 71.05 Ta bác bỏ giả thiết H0 Có hiện tƣợng phƣơng sai thay đổi Hồi quy ei theo ta đƣợc kết quả hồi quy sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/24/11 Time: 23:20 Sample: 1 250 10 . C -113193.000000 Ta cần kiểm định giả thiết: H0: 2=0 (không có hiện tƣợng phƣơng sai thay đổi) H1: 2 0 (có phƣơng sai thay đổi) Xác suất để chấp nhận giả thiết H0 p_value= 0% < = 5% Ta bác bỏ giả thiết H0 Có hiện tƣợng phƣơng sai thay đổi Hồi quy | | theo√ ta đƣợc kết quả hồi quy sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/24/11 Time: 23:17 Sample: 1 250 Included observations: 250 Variable Coefficient Std.136777 0. of regression Sum squared resid Log likelihood Durbin-Watson stat 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 46737.0028 R-squared Adjusted R-squared S.0351 SQR(YF) 8209.D.2 53427.

14798 0. Error t-Statistic Prob.018455 0.089 1.3 2.05288 16.0270 R-squared Adjusted R-squared S.599957 -2.019573 0.45365 101. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) H0: 2=0 (không có hiện tƣợng phƣơng sai thay đổi) H1: 2 0 (có phƣơng sai thay đổi) Xác suất để chấp nhận giả thiết H0 p_value= 0.52 -20892179 27023. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 66.D.D.97E+12 -3254.05 Ta bác bỏ giả thiết Có hiện tƣợng phƣơng sai thay đổi Hồi quy | | theo √ ta đƣợc kết quả hồi quy sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/26/11 Time: 11:57 Sample: 1 250 Included observations: 250 Variable Coefficient Std.061132 0. C YF^(-1/2) 254.08076 4.E.0000 0.390928 -4.0004 0. 3. of regression Sum squared resid Log likelihood Durbin-Watson stat 0. C YF^-1 97282.3886 12. Error t-Statistic Prob.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Included observations: 250 Variable Coefficient Std.057347 98.842150 Mean dependent var S.05259 26.21176 895.24 9389490.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.98 110331.225060 0.0001 R-squared Adjusted R-squared S.43852 2403155.026977 = 0. -1501.02471 12.4 26.950892 0.015619 109466.574 2.5152 -3596.000078 Ta cần kiểm định giả thiết: P_value = 0% < H0: 2=0 (không có hiện tƣợng phƣơng sai thay đổi) H1: 2 0 (có phƣơng sai thay đổi) = 5% Ta bác bỏ giả thiết H0 Có hiện tƣợng phƣơng sai thay đổi 11 .017434 Ta cần kiểm định giả thiết: Mean dependent var S.935 47.026977< H0 39160.1041 5.

140447 0.578535 -1.60 39536. C X1 X1^2 X2 X2^2 X3 X3^2 D1 D2 D3 D4 D5 D6 -76025.344 269.1158 0. Error t-Statistic Prob.95 -31663. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.4893 0.0415 1990.4780 0.4295 0.29 26849. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 52800.2232 0.861 -29.22E+12 -3324.466912 -1.791453 -0.D.6410 0.527 341.70396 26.19270 -12758.0333 0.4627 0.459487 0.1458 0.000062 Ta cần kiểm định giả thiết: H0: không có phương sai thay đổi H1: có phương sai thay đổi Từ kết quả bảng trên ta thấy p_value rất bé Bác bỏ H0 Có phƣơng sai thay đổi 12 .995 1.745686 0.886799 Mean dependent var S.147988 0.4566 R-squared Adjusted R-squared S.11 -0.8 26.410758 -1.97 157392.735602 -0.6816 0.587506 0.43069 Probability Probability 0.20679 7832.40 162825.14 -48883.710587 2.579 42.38 33493.83 -48288.110873 148411.692529 -0.8530 0.7 6938.01 18593.153723 0.221360 -1.38 33716.3486 31060.587506 38.23 157.719 19.2 5.185529 -0.000062 0.000131 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/24/11 Time: 23:41 Sample: 1 250 Included observations: 250 Variable Coefficient Std.9184 -1414.71868 10648.E.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Cách 4: Sử dụng kiểm định White White Heteroskedasticity Test: F-statistic Obs*R-squared 3.23 -7965.34 42462.30 -53222.2521 0.88708 3.

nên sai số khi tính toán sẽ rất lớn. Nếu các yếu tố sai số ngẫu nhiên khác không đổi và không ảnh hƣởng nhiều đến phƣơng sai của Ui thì chính sự biến thiên của yếu tố khoảng cách này sẽ làm phƣơng sai của Ui.…) nên đối tƣợng chúng tôi khảo sát nhiều nhất là sinh viên.Ví dụ quan sát biến độ tuổi của xe ta thấy xe sử dụng lâu nhất là 27 năm trong khi đó có xe chỉ sử dụng đƣợc nửa năm.5 năm.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Kết luận: Mô hình có hiện tƣợng phƣơng sai thay đổi do những nguyên nhân sau: - Trong mẫu chúng tôi quan sát đƣợc có những giá trị quá lớn và quá bé so với giá trị của các quan sát khác. 13 .xem nó nhƣ một yêu tố sai số ngẫu nhiên không đáng kể trong khi sự biến thiên của chúng lại có tác động mạnh mẽ đến biến Y. - Do hạn chế nhiều mặt(thời gian.Có sự biến thiện rất lớn quanh với giá trị trung bình là 3. Và chúng tôi đã bỏ xót yếu tố này.Nhƣng do nhà anh A ở quận 3 nên chi tiêu cho việc đi lại sẽ ít hơn anh B nhà ở quận 12 trong khi giá cả luôn tăng cao.Ví dụ anh A và B cùng làm dịch vụ ở quận 1. - Do tính chất công việc cũng nhƣ khoảng cách từ nơi ở đến nơi làm việc khác nhau nên chi tiêu của những ngƣời cùng nhóm công việc sống ở các quận khác nhau sẽ có sự biến thiên không giống nhau.

Vậy sai số ngẫu nhiên có phân phối chuẩn.3 vì JB = 672.2456 2.985 -537.3987 > X 2 nên có thể bác bỏ giả thiết H0 .099238 9.850042 Jarque-Bera Probability 672.3.2748 230.000000 Sum Sum Sq. Kiểm định giả thuyết sai số ngẫu nhiên có phân phối chuẩn Mean Median Maximum Minimum Std.28532 1239.35E-12 13200241 Observations 250 Xét giả thiết : H0: Sai số ngẫu nhiên có phân phối chuẩn H1: Sai số ngẫu nhiên không có phân phối chuẩn 2 Với =5% thì X = 18. Dev. 14 .3987 0. Dev. 2. Skewness Kurtosis RESID 1.69E-14 -40.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 7.

80584 52. Phát hiện sự có mặt của các biến không cần thiết Ta dùng kiểm định Wald để phát hiện sự có mặt của các biến không cần thiết trong mô hình hồi quy gốc. D1.452963 C(5) 8.Ví dụ hãng Yamaha có chất lƣợng phụ tùng.4921 62.1272 > 0. Theo kết quả ở bảng trên.05 nên ta chấp nhận giả thiết H0. D2.93906 C(9) -31. D6 đều không cần thiết đƣa vào mô hình.12323 50.240063 48. C(2) -1. ta có F = 1.=C10=0 Wald Test: Equation: Untitled Test Statistic Value df Probability F-statistic 1.45613 63.1213 Normalized Restriction (= 0) Value Std.1272 Chi-square 11. D3…. Ta có giả thiết: H0: C2=C5=C6=….807152 4. Err.68221 C(6) -43.67516 C(7) -119.631517 có p-value là 0. máy móc tốt hơn hãng Honda nhƣng lại tiêu hao nhiên liệu hơn Honda. 240) 0. -Biến hãng xe không có ảnh hƣởng đến sự thay đổi của Y có lẽ do không có sự khác biệt về chất lƣợng cũng nhƣ việc tiêu hao nhiên liệu hoặc các hãng bù trừ tính năng cho nhau.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 8.20247 Null Hypothesis Summary: Restrictions are linear in coefficients.72117 C(10) -52.25481 41. 15 . Tức là các biến X1.631517 (7.12745 C(8) -71.42062 7 0.

78265 13. đi làm thêm.158870 0.211232 8.05 có ý nghĩa về mặt thống kê 16 . of regression Sum squared resid Log likelihood Durbin-Watson stat 0.760436 5.930571 0.Trên thực tế sinh viên không chỉ sử dụng xe cho việc đi học mà còn đi chơi.000000 Đánh giá mô hình  Mức độ phù hợp của mô hình so với thực tế là R2 = 15.0000 0.152774 Mean dependent var S. Error t-Statistic Prob.239640 0.4477 0.0000 R-squared Adjusted R-squared S.07442 0.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 -Biến nghề nghiệp ngƣời sử dụng không cần thiết đƣa vào mô hình tức không có sự chênh lệch cao trong việc chi tiêu trong tháng cho việc đi lại giữa các nhóm ngành nghề.9535 13.184925 56.32630 0.E. C X2 X3 42.0000 256. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 387.333525 4.  Dựa vào bảng hồi quy gốc ta thấy các biến X2 .8870%.D. X3 có p_value =0 < =0.82491 23.152059 236.6123 13828387 -1719.831 1.… ngƣợc lại ngƣời làm trong lĩnh vực dịch vụ không hẳn phải chi tiêu cho việc này nhiều nhất nếu ngƣời đó làm bán thời gian hoặc nơi làm việc gần nơi ở của họ… Vì những lý do kể trên chúng tôi đề nghị một mô hình mới nhƣ sau Ƣớc lƣợng mô hình hồi quy mới: Dependent Variable: Y Method: Least Squares Date: 06/25/11 Time: 23:42 Sample: 1 250 Included observations: 250 Variable Coefficient Std. khá thấp.64099 5.977071 1.

0001 0.667392 Mean dependent var S.088209 3. Kiểm định park Dependent Variable: LOG(RESID^2) Method: Least Squares Date: 06/26/11 Time: 12:06 Sample: 1 250 Included observations: 250 Variable Coefficient Std.439965 1476. 17 .000000 Ta cần kiểm định giả thiết: H0: = 0 (không có phƣơng sai thay đổi) H1: 0 (có phƣơng sai thay đổi) Xác suất để ủng hộ giả thiết H0 =0% Không chấp nhận giả thiết H0 với mức ý nghĩa 5%. C LOG(YF) -15. of regression Sum squared resid Log likelihood Durbin-Watson stat 0. ta kết luận có hiện tƣợng phƣơng sai thay đổi.130765 0. Kiểm định khuyết tật cho mô hình mới 9.7265 1.30829 0.29415 4. Hiện tƣợng phƣơng sai thay đổi Chủ quan Dựa vào đồ thị ta thấy phần dƣ có xu hƣớng giảm dần khi ̂ i tăng .669315 -3.108051 0.657984 37. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 8.127260 2.1.0000 R-squared Adjusted R-squared S.450 -576.947184 2.850733 6.D.629812 4.E.971749 0. Error t-Statistic Prob.611807 4. Vậy có hiện tƣợng phƣơng sai thay đổi.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 9.

Vậy kết luận có phƣơng sai thay đổi Hồi quy│ei│theo √ ̂ i ta đƣợc kết quả nhƣ sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/26/11 Time: 13:59 Sample: 1 250 Included observations: 250 Variable Coefficient Std. of regression 1.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Cách 3: Kiểm định Glejser Hồi quy│ei│theo ̂ i ta đƣợc kết quả nhƣ sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/26/11 Time: 13:56 Sample: 1 250 Included observations: 250 Variable Coefficient Std. Error t-Statistic Prob.036138 Mean dependent var 1.735882 S. dependent var 1.704279 Adjusted R-squared 0.003222 0.E.944265 Log likelihood -487.707660 Akaike info criterion 3.032252 S. C 2.014673 1.540998 -0.925365 -2.071398 0.001057 -3.1937 Schwarz criterion 3.0001 0.032906 3.951200 0.D.E.05 Ta bác bỏ giả thiết H0. C SQR(YF) 2.258433 3.249166 386.9832 Mean dependent var S.422941 6.002542 Ta cần kiểm định giả thiết: H0: = 0 (không có phƣơng sai thay đổi) H1: 0 (có phƣơng sai thay đổi) P_value = 0.907569 Prob(F-statistic) 0.146933 1.977806 0.290797 3.049311 0.647328 0.0310 R-squared Adjusted R-squared S.018630 0.0025 < 0.916093 Sum squared resid 723.318969 18 .5116 F-statistic 9. of regression Sum squared resid 0. dependent var Akaike info criterion Schwarz criterion 1.0025 R-squared 0.D.298297 Durbin-Watson stat 1.0000 YF -0. Error t-Statistic Prob.169789 0.

C YF^-1 0. Error t-Statistic Prob.6978 0. Error t-Statistic Prob.864956 5.019082 Ta cần kiểm định giả thiết: H0: = 0 (không có phƣơng sai thay đổi) P_value=0.018009 0.977983 0.049038 19 .736760 1.7665 0.781087 F-statistic Prob(F-statistic) L8 4.311076 111.7631 -352.Vậy kết luận có phƣơng sai thay đổi √̂ ta đƣợc kết quả nhƣ sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/26/11 Time: 14:04 Sample: 1 250 Included observations: 250 Variable Coefficient Std.E.Đề án Kinh Tế Lƣợng _ Nhóm11 Log likelihood Durbin-Watson stat -409.912415 0.D.359364 0.566598 0.707985 0.05 H1: 0 (có phƣơng sai thay đổi) Ta bác bỏ giả thiết H0.836784 2.D.4303 1.446935 18.995480 245.3497 1.840968 175.499442 2.015531 0.3924 -310.520014 0.756000 Mean dependent var S.3643 0.011561 0. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 0.018007 263. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.63042 0.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.5980 1.021953 0.845872 2.05 Ta bác bỏ giả thiết H0.767842 Mean dependent var S.0490 R-squared Adjusted R-squared S.418898 -0.004567 2.527614 3. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 0.03< 0.0191 R-squared Adjusted R-squared S.057886 2.908882 1.030973 Ta cần kiểm định giả thiết: H0: = 0 (không có phƣơng sai thay đổi) P_value = 0.019 < Hồi quy│ei│theo H1: 0 ( có phƣơng sai thay đổi) 0. C YF^(-1/2) -0.Vậy kết luận có phƣơng sai thay đổi Hồi quy│ei│theo ̂ ta đƣợc kết quả nhƣ sau Dependent Variable: ABS(RESID) Method: Least Squares Date: 06/26/11 Time: 14:01 Sample: 1 250 Included observations: 250 Variable Coefficient Std.9539 0.491741 9.

000002 Ta cần kiểm định giả thiết H0: không có phương sai thay đổi H1: có phương sai thay đổi Từ kết quả bảng trên ta thấy p-value rất nhỏ Ta bác bỏ giả thiết H0 với mức ý nghĩa 5%.2 26.Vậy kết luận có phƣơng sai thay đổi Cách 4: Kiểm định White White Heteroskedasticity Test: F-statistic Obs*R-squared 8.610 1.5096 0.28072 -6801.000002 0.3 2071.0 6.049 < H1: 0 (có phƣơng sai thay đổi) 0.386678 0.55 167656.80488 26. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 55313.000005 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/26/11 Time: 14:06 Sample: 1 250 Included observations: 250 Variable Coefficient Std.0331 0.0598 141250.106075 158515.16E+12 -3345.120435 0.4632 0.421 143.734756 1.748983 -0.154589 0.D.206 166. C X2 X2^2 X3 X3^2 105794.837847 Mean dependent var S.386678 30.1 -1368.87531 8.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 Ta cần kiểm định giả thiết: H0: = 0 (không có phƣơng sai thay đổi) P_value=0. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.10869 Probability Probability 0.8259 0.4546 0.861 20.2494 R-squared Adjusted R-squared S.05 Ta bác bỏ giả thiết H0.65868 9256. Nghĩa là có phƣơng sai thay đổi 20 . Error t-Statistic Prob.E.143444 -0.660403 2.264 44.

tra Excel ta có đƣợc Khoảng tin cậy của mức ý nghĩa 5% của 3.930571. ta có : Y = 42.382444 < (247) = 1.64099 + 5.211232 + 8.969615 là : < 7.804 < là : < 153.969615 là : < 1198741 21 .184925 Ƣớc lƣợng khoảng tin cậy của : Se( ) = 56. tra Excel ta có đƣợc Khoảng tin cậy của mức ý nghĩa 5% của -67.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 10.135685 Ƣớc lƣợng khoảng tin cậy của : Se( ) = 1.977071.286778 < (247) = 1. tra Excel ta có đƣợc Khoảng tin cậy của mức ý nghĩa 5% của 4. Ƣớc lƣợng khoảng tin cậy của các hệ số hồi quy Ƣớc lƣợng khoảng tin cậy của các hệ số hồi quy: Với mô hình hồi quy sau khắc phục khuyết tật.07442.969615 ( 247) = 1.086 Ƣớc lƣợng khoảng tin cậy của : Se( ) = 0.

3066 nghìn đồng cho việc đi lại trong 1 tháng  Dự báo khoảng Ta đã dự báo đượcY251 22 .tức ngƣời này sẽ phải chi số tiền là 346.  Dự báo điểm Dùng phương pháp dự báo điểm ̂ trên Eview ta có kết quả dự báo sau Dựa vào kết quả dự báo đƣợc.3066 nghìn đồng .Đề án Kinh Tế Lƣợng _ Nhóm11 L8 12.ta có Y251 =346. Dự báo Với hàm hồi quy mới ta thực hiện dự báo chi tiêu cho việc đi lại bằng xe máy trong một tháng với giá mua xe là 30 triệu VND và độ tuổi của ngƣời sử dụng là 18 tuổi.

247)=1.05.Đề án Kinh Tế Lƣợng _ Nhóm11 se1= ̂ L8 =237.969615 Dự báo chi tiêu cho việc đi lại bằng xe máy trong tháng sẽ trong khoảng (308.4126.2393 và TINV(0.3932 Se= ̂ =19.384.2006) 23 .

Điều này có thể là do tính chát nghề nghiệp.… cũng nhƣ là sự tiêu hao nhiên liệu.Nếu bạn đặt vấn đề tiết kiệm lên trên những nhu cầu khác nhƣ kiểu dáng. Các hãng xe không có sự khác biệt nhiều về chất lƣợng và tiêu hao nhiên liệu. 24 . họp mặt bạn bè…. mẫu mã. giá xe càng cao thì việc chi tiêu cũng càng nhiều. sữa chữa máy móc.… thì nên chọn loại xe có giá cả trung bình từ đó sẽ tiết kiệm một số chi phí nhƣ thay thế.Theo đó.Ngoài ra. bảo trì…Tuy nhiên.Đề án Kinh Tế Lƣợng _ Nhóm11 L8 KẾT LUẬN Từ những kết quả nhận đƣợc ta thấy hai yếu tố có tác động đến việc chi tiêu cho phƣơng tiện đi lại bằng xe máy là giá của xe và độ tuổi ngƣời sử dụng. do sự phù hợp của mô hình là không cao nên những yếu tố trên không phải là nguyên nhân tác động mạnh mẽ đến chi tiêu cho việc đi lại bằng xe máy trong tháng. phụ tùng chính hãng. sinh hoạt thƣờng ngày ( đƣa con đi học. ngƣời sử dụng càng lớn tuổi thì chi tiêu càng nhiều.) nên có mức độ đi lại thƣờng xuyên hoặc do tính cẩn thận nên sẽ thƣờng xuyên chăm sóc. tính năng.

Đề án Kinh Tế Lƣợng _ Nhóm11 L8 25 .