BỘ GIÁO DỤC VÀ ĐÀO TẠO KỲ THI KẾT THÚC HỌC PHẦN

HỆ ĐẠI HỌC CHÍNH QUY – KHÓA 2019

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM
Đề 1

MÔN: KINH TẾ LƯỢNG

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)

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)

Kết quả hồi quy từ phần mềm R như sau:

> hoiquy1 <- lm(wage ~ educ + exper + tenure + feduc + black, data=wage2)
> summary(hoiquy1)

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

Residual standard error: 366.2399 on 456 degrees of freedom

Multiple R-squared: ????, Adjusted R-squared: ????
F-statistic: 19.08475 on 5 and 456 DF, p-value: < 2.2204e-16

1) Viết hàm hồi quy tổng thể?

2) Viết hàm hồi quy mẫu?
3) Xác định số tham số của mô hình hồi quy 1?
4) Xác định cỡ mẫu dùng trong mô hình 1?
5) Tính SSR?
2
6) Tính R2 và R ?

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

Residual standard error: ???? on 457 degrees of freedom

Multiple R-squared: 0.1524784, Adjusted R-squared: 0.1450603
F-statistic: ???? on ???? and ???? DF, p-value: 1.370351e-15

1) Điền các con số bị thiếu vào dòng sau:

F-statistic: ???? on ???? and ???? DF, p-value: 1.370351e-15

2) Giá trị F này dùng để làm gì?

3) Bảng phân tích phương sai:
> anova(hoiquy2)
Analysis of Variance Table

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

Điền con số bị thiếu vào dòng sau:

Residual standard error: ???? on 457 degrees of freedom

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

Residual standard error: 0.3298 on 136 degrees of freedom

Multiple R-squared: 0.2379, Adjusted R-squared: 0.2154
F-statistic: 10.61 on 4 and 136 DF, p-value: 1.635e-07

> # Lay phan du

> phandu1=resid(hoiquy1)

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)

Shapiro-Wilk normality test

data: phandu1
W = 0.9893, p-value = 0.3537
> # Kiem dinh Anderson-Darling
> ad.test(phandu1)

Anderson-Darling normality test

data: phandu1
A = 0.60863, p-value = 0.1116
> # Kiem dinh Kolmogorov-Smirnov
> lillie.test(phandu1)

Lilliefors (Kolmogorov-Smirnov) normality test

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

Model 1: restricted model

Model 2: wage ~ educ + exper + tenure + feduc:black

Res.Df RSS Df Sum of Sq F Pr(>F)

1 459 64375146
2 457 62685554 2 1689593 6.15887 0.0022943 **

Câu 9:
Kiểm định giả thuyết H0: exper = 10 và giả thuyết đối bên trái, với mức ý nghĩa 11%

> linearHypothesis(hoiquy1, c("exper=10"))

Linear hypothesis test

Hypothesis:
exper = 10

Model 1: restricted model

Model 2: wage ~ educ + exper + tenure + feduc + black

Res.Df RSS Df Sum of Sq F Pr(>F)

1 457 61268287
2 456 61164032 1 104255.1 0.77726 0.37845

Hết

Page 5 of 5