BỘ GIÁO DỤC VÀ ĐÀO TẠO KỲ THI

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM KẾT THÚC HỌC PHẦN 4/2018

Đề thi môn: KINH TẾ LƯỢNG - Đề số: 1

Thời gian làm bài: 75 phút
Tài liệu gốc: Sách in, vở ghi chép
Tài liệu photo: slide bài giảng, bảng tra số thống kê
Không trao đổi tài liệu, chỉ sử dụng máy tính tay
(Lấy 4 chữ số thập phân khi làm bài)

Wage : tiền lương theo giờ (USD/giờ) Black: biến giả, có giá trị là 1 nếu người da màu
Educ : số năm đi học Exper: số năm kinh nghiệm làm việc
Age : tuổi

Câu 1 (4đ): Sử dụng R, ta có kết quả hồi quy:

> hoiquy1 <- lm(log(wage) ~ age + educ + black, data=wage2)

> summary(hoiquy1)

Call:
lm(formula = log(wage) ~ age + educ + black, data = wage2)

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.364971 0.159112 33.718 < 2e-16 ***
age 0.021549 0.004087 5.273 1.67e-07 ***
educ 0.054168 0.005873 9.223 < 2e-16 ***
black -0.221111 0.038575 -5.732 1.34e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3878 on 931 degrees of freedom

Multiple R-squared: 0.1547, Adjusted R-squared: 0.152
> nobs(hoiquy1)
[1] 935

a. Hãy nêu ý nghĩa hệ số của biến AGE trong hàm hồi quy trên?
b. Hãy nêu ý nghĩa hệ số của biến BLACK trong hàm hồi quy trên?
c. Khi trình độ học vấn tăng lên một năm thì tiền lương có tăng lên 7% hay không, ở mức ý
nghĩa 5%?
d. Người da màu có tiền lương ít hơn người da trắng khi các yếu tố khác là như nhau, ở mức
ý nghĩa 3%? (Kiểm định 1 phía)
e. Tìm khoảng tin cậy của hệ số của biến AGE trong hàm hồi quy tổng thể, với độ tin cậy
95%?
Câu 2 (4đ): Với dữ liệu câu 1, nhưng sau khi thêm hai biến EXPER và EXPER^2 vào mô hình,
hồi quy được kết quả sau:

> hoiquy2 <- lm(log(wage) ~ age + educ + black + exper + I(exper^2), data=wage2)
> summary(hoiquy2)

Call:
lm(formula = log(wage) ~ age + educ + black + exper +
I(exper^2), data = wage2)

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.3057277 0.1867884 28.405 < 2e-16 ***
age 0.0127520 0.0051853 2.459 0.0141 *
educ 0.0660592 0.0069504 9.504 < 2e-16 ***
black -0.2190943 0.0383681 -5.710 1.52e-08 ***
exper 0.0201222 0.0135115 1.489 0.1368
I(exper^2) -0.0002803 0.0005928 -0.473 0.6364
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.3855 on 929 degrees of freedom

Multiple R-squared: 0.1666, Adjusted R-squared: 0.1621
> nobs(hoiquy2)
[1] 935

a. EXPER và EXPER^2 có ý nghĩa thống kê riêng lẻ ở mức 5%?

b. EXPER và EXPER^2 có ý nghĩa thống kê đồng thời ở mức 5%? (gợi ý: sử dụng thêm
thông tin ở câu 1)

BÀI LÀM:
Thông tin sinh viên: Phan Thị Thảo – 33191020358.

Bài 1: Phương trình tiền lương:

log(wage) = 𝛽0 + 𝛽1 age + 𝛽2 educ + 𝛽3 black + u
log⁡(̂
𝑤𝑎𝑔𝑒) = 5,3650 + 0,0215 age + 0,0542 educ – 0,2211 black
(0,1591) (0,0041) (0,0059) (0,0386)
n = 935, k = 3, bậc tự do: 931, 𝑅 2 = 0,1547
̂
a/ ý nghĩa hệ số của biến AGE trong hàm hồi quy: 𝜷𝐚𝐠𝐞 = 0,0215

Nếu số tuổi tăng lên 01 thì tiền lương theo giờ tăng lên 2,15% với điều kiện các biến độc
lập còn lại và các yếu tố khác không thay đổi.
b/ ý nghĩa hệ số của biến BLACK trong hàm hồi quy: 𝜷̂ black = – 0,2211
Nếu chúng ta xét một lao động người da trắng và một lao động là người da màu có cùng
số tuổi, số năm đi học thì tiền lương theo giờ của người da màu thấp hơn người da trắng
là 22,11% với điều kiện các yếu tố khác không thay đổi.
c/ Khi trình độ học vấn tăng lên một năm thì tiền lương có tăng lên 7% hay không, ở
mức ý nghĩa 5%?
Kiểm định giả thuyết:
𝐻0:⁡𝛽educ ⁡ = ⁡0,07
{
𝐻1 :⁡𝛽educ ⁡ ≠ ⁡0,07
̂𝑗 −𝑎𝑗
𝛽 0,0542−0,07
Ta có teduc = = = -2,6780
𝑠𝑒⁡(𝛽̂
𝑗) 0,0059

t0,025(931) = c = 1,960
vì |𝑡𝑒𝑑𝑢𝑐 | = 2,6780 > t0,025(931) = c = 1,960
=> Bác bỏ giả thuyết H0: nghĩa là khi trình độ học vấn tăng lên một năm thì tiền lương
không có tăng lên 7%, ở mức ý nghĩa 5%.

d/ Người da màu có tiền lương ít hơn người da trắng khi các yếu tố khác là như
nhau, ở mức ý nghĩa 3%? (Kiểm định 1 phía)
Kiểm định giả thuyết:
𝐻0 :⁡𝛽𝑏𝑙𝑎𝑐𝑘 ⁡ = ⁡0⁡(tiền⁡lương⁡bằng⁡nhau)
{
𝐻1:⁡𝛽𝑏𝑙𝑎𝑐𝑘 < 0⁡(tiền⁡lương⁡của⁡người⁡da⁡màu⁡thấp⁡hơn⁡người⁡da⁡trắng
1,34𝑒−08
Ta có, p-valueblack (1p) = = 6,07𝑒 − 09 < α = 0,03.
2
=> Bác bỏ giả thuyết H0 chấp nhận giả thuyết H1: nghĩa là người da màu có tiền lương ít
hơn người da trắng, với điều kiện các biến độc lập còn lại và các yếu tố khác không thay
đổi, ở mức ý nghĩa 3%.

e/ Tìm khoảng tin cậy của hệ số của biến AGE trong hàm hồi quy tổng thể, với độ
tin cậy 95%?
𝛽̂𝑗 - t0,025(n-k-1) * se(𝛽̂𝑗 ) ≤⁡𝛽𝑗 ⁡≤ 𝛽̂𝑗 + t0,025(n-k-1) * se(𝛽̂𝑗 )
hay ⁡𝛽𝑗 ∈ [𝛽̂𝑗 ± t0,025(n-k-1) * se(𝛽̂𝑗 )]
⁡𝛽𝑎𝑔𝑒 ∈ [0,0215 ± 1,96 * 0,0041], t0,025(931) = 1,96
⁡𝛽𝑎𝑔𝑒 ∈ [0,0135; 0,0295]
Vậy khoảng tin cậy là: (0,0135; 0,0295), với độ tin cậy 95%.

Bài 2: Phương trình tiền lương:

log(wage) = 𝛽0 + 𝛽1 age + 𝛽2 educ + 𝛽3 black + 𝛽4 exper + 𝛽5 I(exper^2) + u
a/ EXPER và EXPER^2 có ý nghĩa thống kê riêng lẻ ở mức 5%
. Kiểm định giả thuyết:
𝐻0 :⁡𝛽exper ⁡ = ⁡0⁡(biến⁡exper⁡không⁡có⁡ý⁡nghĩa⁡thống⁡kê⁡riêng⁡lẻ)
{
𝐻1:⁡𝛽exper ⁡ ≠ ⁡0
Ta có, p-valueexper (2p) = 0,1368 > α = 0,05
=> Chấp nhận giả thuyết H0, nghĩa là biến exper không có ý nghĩa thống kê riêng lẻ ở
mức 5%.
. Kiểm định giả thuyết:
𝐻0 :⁡𝛽exper^2 ⁡ = ⁡0⁡(biến⁡exper^2⁡không⁡có⁡ý⁡nghĩa⁡thống⁡kê⁡riêng⁡lẻ)
{
𝐻1 :⁡𝛽exper^2 ⁡ ≠ ⁡0
Ta có, p-valueexper^2 (2p) = 0,6364 > α = 0,05
=> Chấp nhận giả thuyết H0, nghĩa là biến exper^2 không có ý nghĩa thống kê riêng lẻ ở
mức 5%.
b/ EXPER và EXPER^2 có ý nghĩa thống kê đồng thời ở mức 5%? (gợi ý: sử dụng thêm
thông tin ở câu 1)
. Kiểm định giả thuyết:
𝐻0:⁡𝛽exper ⁡ = ⁡0, 𝛽exper^2 ⁡ = ⁡0⁡(hai⁡biến⁡không⁡có⁡ý⁡nghĩa⁡thống⁡kê⁡đồng⁡thời),
{
𝐻1:⁡𝐻0⁡𝑠𝑎𝑖
Khi đó, ta có: log(wage) = 𝛽0 + 𝛽1 age + 𝛽2 educ + 𝛽3 black + u
𝑆𝑆𝑅𝑟 −⁡𝑆𝑆𝑅𝑢𝑟 𝑛−𝑘−1 361,0418−⁡358,1295⁡ 935−3−1
F= x = x = 3,7855
𝑆𝑆𝑅𝑢𝑟 𝑞 358,1295⁡ 2

𝑆𝑆𝑅𝑢𝑟 = 𝛿̂2 * (n-k-1) = 0,3855 * 929 = 358,1295 (dữ liệu bài 2 là mô hình chưa gán ràng
buộc)
𝑆𝑆𝑅𝑟 = 𝛿̂2 * (n-k-1) = 0,3878 * 931 = 361,0418 (dữ liệu bài 1 là mô hình đã gán ràng
buộc)
α = 5% ta có giá trị tới hạn c = 3,00
Vì F = 3,7855 > c = 3,00
=> Bác bỏ H0 chấp nhận giả thuyết H1: nghĩa là hai biến EXPER và EXPER^2 có ý nghĩa
thống kê đồng thời ở mức 5%.