Professional Documents
Culture Documents
Câu 1:
WAGE: tiền lương (USD/giờ), EDUC: số năm đi học (năm), EXPER: số năm kinh nghiệm (năm),
TENURE: số năm thâm niên (năm) của người con , BLACK (=1 nếu là người da màu)
FEDUC: số năm đi học của cha (năm), MEDUC: số năm đi học của mẹ (năm)
Call:
lm(formula = wage ~ educ + exper + tenure + feduc + black, data = wage2)
Residuals:
Min 1Q Median 3Q Max
-711.13660 -249.71859 -42.31844 197.96344 1614.92574
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -249.217225 154.311103 -1.61503 0.1069956
educ 60.594085 9.387409 6.45483 2.7756e-10 ***
exper 14.238158 4.807222 2.96183 0.0032179 **
tenure 6.900708 3.476058 1.98521 0.0477197 *
feduc 20.252088 5.857808 3.45728 0.0005968 ***
black -112.091597 63.186867 -1.77397 0.0767354 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Page 1 of 5
Câu 2:
Với cùng mẫu trong hồi quy 1.
> hoiquy2 <- lm(wage ~ educ + exper + tenure + feduc:black, data=wage2)
> summary(hoiquy2)
Call:
lm(formula = wage ~ educ + exper + tenure + feduc:black, data = wage2)
Residuals:
Min 1Q Median 3Q Max
-709.29974 -260.20318 -16.82457 211.41293 1556.28345
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -192.594631 154.020256 -1.25045 0.2117751
educ 72.893423 8.888922 8.20048 2.4445e-15 ***
exper 13.094912 4.849170 2.70044 0.0071818 **
tenure 6.708348 3.510106 1.91115 0.0566103 .
feduc:black -16.340592 6.873685 -2.37727 0.0178521 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Response: wage
Df Sum Sq Mean Sq F value Pr(>F)
educ 1 8466681 8466680.6 61.72512 2.8505e-14 ***
exper 1 1476288 1476287.8 10.76266 0.0011149 **
tenure 1 559662 559662.3 4.08014 0.0439731 *
feduc:black 1 775189 775188.9 5.65140 0.0178521 *
Residuals 457 62685554 137167.5
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Page 2 of 5
2
4) Dùng tiêu chuẩn lựa chọn mô hình: R , AIC, BIC. Bạn sẽ chọn mô hình 1 hay mô hình 2, tại sao?
> AIC(hoiquy1)
[1] 6773.698499
> BIC(hoiquy1)
[1] 6802.647454
> AIC(hoiquy2)
[1] 6783.050634
> BIC(hoiquy2)
[1] 6807.864023
Câu 3:
y: chi tiêu của gia đình (triệu đ)
x1: thu nhập của vợ (USD)
x2: số năm đi học của vợ (năm)
x3: thu nhập của chồng (triệu đ)
Các hệ số hồi quy (ở từng mô hình) sẽ thay đổi như thế nào nếu đơn vị của các biến là:
y*: chi tiêu của gia đình (trăm ngàn đ)
x1* : thu nhập của vợ (trăm USD)
x2*: số năm đi học của vợ (tháng)
x3*: thu nhập của chồng (USD) ; 1 USD = 20 ngàn đ
Xét mô hình 1:
y 0 1 x1 2 x2 3 x3 u
Xét mô hình 2:
y 0 1 x1 2 x2 3 log( x3 ) u
Xét mô hình 3:
log( y ) 0 1 x1 2 x2 3 x3 u
Xét mô hình 4:
log( y ) 0 1 log( x1 ) 2 x2 3 x3 u
Câu 4:
Xét mô hình Y 0 1 X 1 2TT 3 X 1 * TT U (MH5)
Trong đó: Y= chi tiêu (triệu đ/tháng), X1= thu nhập (triệu đ/tháng),
TT= nơi sống (TT=5: sống ở thành thị, TT= 0: sống ở nông thôn)
Nếu bây giờ đặt: NT= nơi sống (NT= 5: sống ở nông thôn, NT= 0: sống ở thành thị)
Hãy viết hàm hồi quy của Y theo NT dựa vào mô hình (MH5)?
Page 3 of 5
Câu 5:
Chạy hồi quy bằng R.
> hoiquy1 <- lm(colGPA ~ hsGPA+ACT+skipped+age, data=gpa1)
> summary(hoiquy1)
Call:
lm(formula = colGPA ~ hsGPA + ACT + skipped + age, data = gpa1)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.90206 0.65037 1.387 0.16771
hsGPA 0.43379 0.09709 4.468 1.65e-05 ***
ACT 0.01449 0.01058 1.370 0.17309
skipped -0.08066 0.02617 -3.082 0.00249 **
age 0.01990 0.02284 0.872 0.38498
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Các kết quả này dùng để làm gì? Kết luận với mức ý nghĩa 9%?
> jarqueberaTest(phandu1)
Title:
Jarque - Bera Normalality Test
Test Results:
STATISTIC:
X-squared: 1.5592
P VALUE:
Asymptotic p Value: 0.4586
> shapiro.test(phandu1)
data: phandu1
W = 0.9893, p-value = 0.3537
> # Kiem dinh Anderson-Darling
> ad.test(phandu1)
data: phandu1
A = 0.60863, p-value = 0.1116
> # Kiem dinh Kolmogorov-Smirnov
> lillie.test(phandu1)
data: phandu1
D = 0.071506, p-value = 0.07439
Page 4 of 5
Câu 6:
Kết quả này dùng để làm gì? Kết luận?
> vif(hoiquy1)
educ exper tenure feduc black
1.44735236 1.37408885 1.09224690 1.24655182 1.03807768
Câu 7:
Kết quả này dùng để làm gì? Kết luận cho biến educ?
> confint(hoiquy1, level = 0.93)
3.5 % 96.5 %
(Intercept) -529.473232136 31.03878183
educ 43.544904880 77.64326415
exper 5.507401655 22.96891529
tenure 0.587576229 13.21383881
feduc 9.613281792 30.89089374
black -226.850020840 2.66682653
Câu 8:
Kết quả này dùng để làm gì? Kết luận với mức ý nghĩa 3%?
> linearHypothesis(hoiquy2, matchCoefs(hoiquy2, "exper|feduc"))
Linear hypothesis test
Hypothesis:
exper = 0
feduc:black = 0
Câu 9:
Kiểm định giả thuyết H0: exper = 10 và giả thuyết đối bên trái, với mức ý nghĩa 11%
Hypothesis:
exper = 10
Hết
Page 5 of 5