Chương 1.

MÔ HÌNH HỒI QUY HAI BIẾN

▪ Giới thiệu mô hình hồi quy giữa một biến phụ thuộc
và một biến độc lập
▪ Mối quan hệ về mặt trung bình được thể hiện qua
mô hình gọi là mô hình hồi quy
▪ Mối quan hệ ở hai mức độ: Tổng thể và Mẫu

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 1

Chương 1. Mô hình hồi quy hai biến

NỘI DUNG CHƯƠNG 1

1.1. Mô hình hồi quy
1.2. Phương pháp ước lượng OLS
1.3. Tính không chệch và độ chính xác
1.4. Độ phù hợp của hàm hồi quy mẫu
1.5. Trình bày kết quả ước lượng
1.6. Một số vấn đề bổ sung

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 2

Chương 1. Mô hình hồi quy hai biến

1.1. MÔ HÌNH HỒI QUY

▪ Đánh giá tác động của một biến X lên một biến Y
▪ Ví dụ: X là thu nhập, Y là chi tiêu
▪ Thể hiện quan hệ hàm số
Chi tiêu = f(Thu nhập)
▪ Đơn giản nhất là dạng tuyến tính:
Chi tiêu = β1 + β2Thu nhập
▪ Thực tế luôn có sai số
Chi tiêu = β1 + β2Thu nhập + u

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 3

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Ví dụ minh họa
▪ Chi tiêu và thu nhập của một số hộ gia đình
▪ Giá và lượng bán một loại hàng tại một số cửa hàng
Consumption Quantity
••• •
• • ••• •• •
•• • •
•• • • • • • • •
• •
• • • • • •
Income Price

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 4

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Mô hình hồi quy tuyến tính hai biến

▪ Tổng quát: Y = β1 + β2X + u
▪ Các biến số:
▪ Y là biến phụ thuộc (dependent variable)
▪ X là biến độc lập, biến giải thích, biến điều khiển
(independent, explanatory, control variable)
▪ Sai số ngẫu nhiên (random error): u
▪ Các hệ số hồi quy (regression coefficient): β1, β2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 5

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Hàm hồi quy tổng thể - PRF

▪ Giả thiết: E(u | X) = 0
▪ Suy ra: E(Y | X) = β1 + β2X
▪ Gọi là hàm hồi quy tổng thể - PRF (Population
Regression Function)
▪ β1 : Hệ số chặn (intercept): E(Y | X = 0)
▪ β2 : Hệ số góc (slope): tác động trung bình của X
• β2 = 0: không tác động
• β2 > 0: X  () 1 đơn vị thì TB của Y  () β2 đ.vị
• β2 < 0: X  () 1 đơn vị thì TB của Y  () | β2| đ.vị

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 6

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Hàm hồi quy tổng thể - PRF

▪ Ví dụ: Giải thích ý nghĩa hệ số khi giả sử PRF:
• E(Chi tiêu | Thu nhập) = 120 + 0,7 Thu nhập
• E(Lượng bán | Giá) = 2000 – 2,5 Giá

Phân tích hồi quy:

• Đánh giá tác động của biến độc lập lên
trung bình biến phụ thuộc
• Kiểm nghiệm lý thuyết về mối liên hệ
• Dự báo về biến phụ thuộc

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 7

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Ví dụ minh họa
▪ Chi tiêu (Y) và Thu nhập (X)

Y E(Y | X) 
(Y | X) 




KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 8

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Ví dụ minh họa
▪ Hàm PRF dạng tuyến tính

Y
u (+) 

β1  u (–)

 E(Y | X) = β1 + β2X

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 9

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Hàm hồi quy mẫu - SRF

▪ Mẫu hai chiều kích thước n: {(Xi ,Yi) ; i =1÷n}
▪ Hàm trong mẫu để ước lượng cho hàm hồi quy tổng
thể, thể hiện xu thế trung bình của mẫu, có dạng:
𝑌෠ = 𝛽መ1 + 𝛽መ2 𝑋
▪ Hoặc với từng quan sát Xi
𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖
▪ Gọi là hàm hồi quy mẫu – SRF (Sample Regression
Function)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 10

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Phần dư
▪ Giá trị 𝑌෠𝑖 có sai số so với Yi
▪ Đặt: 𝑒𝑖 = 𝑌𝑖 − 𝑌෠𝑖
▪ Hay: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖
▪ Ví dụ: Chi_tiêui = 110 + 0,67 Thu_nhậpi + ei
▪ 𝛽መ1 , 𝛽መ2 là hệ số hồi quy mẫu, hệ số ước lượng, là ước
lượng (estimator) cho hệ số tổng thể β1, β2
▪ Phần dư e là phản ánh sai số u trong tổng thể
▪ Ŷi là giá trị ước lượng (fitted value) cho E(Y | Xi)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 11

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Ví dụ minh họa
▪ PRF và SRF

• Ŷi
•
• •
• • •
β1• • •
• • • β̂1 • •
• • • Yi
E(Y | X)
Xi

Tổng thể (chưa biết) Mẫu (số liệu)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 12
Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Tính tuyến tính của mô hình hồi quy

▪ Dựa trên tham số: Hàm hồi quy tuyến tính (linear
regression function) nếu tuyến tính theo tham số
E(Y | X ) = 1 + 2X 2
E(Y | X ) = 1 + 2lnX
▪ Hàm hồi quy phi tuyến
1
E (Y | X ) =
1 +  2 X
E (Y | X ) = 1 X  2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 13

Chương 1. Mô hình hồi quy hai biến 1.1. Mô hình hồi quy

Tóm tắt
▪ Tổng thể: Y = 𝛽1 + 𝛽2 𝑋 + 𝑢
𝐸(𝑌|𝑋) = 𝛽1 + 𝛽2 𝑋
▪ Mẫu: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖
𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖

▪ 𝛽መ1 , 𝛽መ2 là ước lượng cho 𝛽1 , 𝛽2

▪ e là đại diện cho u
▪ Ŷ là ước lượng cho E(Y | X)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 14

Chương 1. Mô hình hồi quy hai biến

1.2. PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

▪ Phương pháp bình phương nhỏ nhất thông thường
OLS (Ordinary Least Squares)
▪ Tìm 𝛽መ1 , 𝛽መ2 để
• 𝑅𝑆𝑆 = σ𝑛𝑖=1 𝑒𝑖2 = σ𝑛𝑖=1(𝑌𝑖 − 𝑌෠𝑖 )2 → min

▪ Với 𝑥𝑖 = 𝑋𝑖 − 𝑋ത và 𝑦𝑖 = 𝑌𝑖 − 𝑌ത
𝛽መ1 = 𝑌ത − 𝛽መ2 𝑋ത ;
σ 𝑥𝑖 𝑦𝑖
𝛽መ2 =
σ 𝑥𝑖2
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 15
Chương 1. Mô hình hồi quy hai biến 1.2. Phương pháp ước lượng OLS

Ví dụ 1.1: Thu nhập theo kinh nghiệm

▪ Với biến phụ thuộc Y là thu nhập
▪ Biến độc lập X là số năm kinh nghiệm
▪ Mô hình: Y = β1 + β2X + u
E(Y | X) = β1 + β2X
▪ (a) Giải thích ý nghĩa của các hệ số β1, β2?
▪ (b) Với mẫu 5 người, ước lượng các hệ số
X 1 2 2 3 4
Y 4 6 5 7 9

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 16

Chương 1. Mô hình hồi quy hai biến 1.2. Phương pháp ước lượng OLS

Ví dụ 1.1 (tiếp)
i Xi Yi xi yi xiyi xi2 Ŷi ei
(1) 1 4 -1.4 -2.2 3.08 1.96 3.88 0.12
(2) 2 6 -0.4 -0.2 0.08 0.16 5.54 0.46
(3) 2 5 -0.4 -1.2 0.48 0.16 5.54 -0.54
(4) 3 7 0.6 0.8 0.48 0.36 7.19 -0.19
(5) 4 9 1.6 2.8 4.48 2.56 8.85 0.15
∑ 12 31 0 0 8.6 5.2 31 0
TB 2,4 6,2 6,2

▪ 𝛽መ2 = 8,6/5,2 = 1,65 ; 𝛽መ1 = 6,2 − 1,65 × 2,4 = 2,23

▪ Ŷi = 2,23 + 1,65 Xi
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 17
Chương 1. Mô hình hồi quy hai biến 1.2. Phương pháp ước lượng OLS

Ví dụ 1.1 (tiếp)
▪ Với Y là thu nhập, X là số năm kinh nghiệm
Ŷi = 2,23 + 1,65 Xi
▪ (c) Giải thích ý nghĩa kết quả?
▪ (d) Ước lượng Thu nhập trung bình của người có 5
năm kinh nghiệm?
▪ (e) Giải thích ý nghĩa của cột giá trị ước lượng Ŷi và
cột phần dư ei trong bảng trước
▪ (f) Nếu thay giá trị Y5 = 9 trong mẫu bởi Y5 = 14 thì
kết quả như thế nào?
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 18
Chương 1. Mô hình hồi quy hai biến

1.3. TÍNH KHÔNG CHỆCH VÀ ĐỘ CHÍNH XÁC

▪ Các ước lượng ngẫu nhiên, xét tính không chệch và
hiệu quả của chúng → Các giả thiết OLS
▪ Giả thiết 1: Mẫu là ngẫu nhiên, độc lập
▪ Giả thiết 2: Kì vọng sai số ngẫu nhiên bằng 0
E(u | X ) = 0 hay E(ui | Xi ) = 0 i
▪ Giả thiết 3: Phương sai sai số ngẫu nhiên không đổi
Var(u | X ) = 2
Var(ui | Xi) = Var(uj |Xj ) i ≠ j

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 19

Chương 1. Mô hình hồi quy hai biến 1.3. Tính không chệch và độ chính xác

Tính không chệch

▪ Định lý: Khi Giả thiết 2 được thỏa mãn thì ước
lượng OLS là không chệch:
𝐸 𝛽መ1 = 𝛽1 ; 𝐸 𝛽መ1 = 𝛽1
▪ Khi các giả thiết 1 đến 3 được thỏa mãn thì:
𝜎 2 σ 𝑋𝑖2 𝜎2
𝑉𝑎𝑟 𝛽መ1 = ; 𝑉𝑎𝑟 መ2 =
𝛽
𝑛 σ 𝑥𝑖2 σ 𝑥𝑖2
▪ Phương sai sai số ngẫu nhiên σ2 ước lượng bởi:
σ 2
2
𝑒𝑖
𝜎ො =
𝑛−2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 20

Chương 1. Mô hình hồi quy hai biến 1.3. Tính không chệch và độ chính xác

Sai số chuẩn (Standard Error)

▪ Sai số chuẩn của hồi quy (Standard Error of
regression)
σ 𝑒𝑖2
𝜎ො =
𝑛−2
▪ Sai số chuẩn của các ước lượng hệ số
𝜎ො 2 σ 𝑋𝑖2 𝜎ො 2
𝑆𝑒 𝛽መ1 = ; 𝑆𝑒 𝛽መ2 =
𝑛 σ 𝑥𝑖2 σ 𝑥𝑖2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 21

Chương 1. Mô hình hồi quy hai biến

1.4. SỰ PHÙ HỢP CỦA HÀM HỒI QUY MẪU

▪ Đo mức độ biến động trong mẫu (khi có hệ số chặn)
2
σ𝑛𝑖=1 𝑌𝑖 − 𝑌ത 2 = σ𝑛𝑖=1 𝑌෠𝑖 − 𝑌ത + σ𝑛𝑖=1 𝑒𝑖2
TSS = ESS + RSS
▪ TSS (Total Sum of Squares): độ biến động của biến
phụ thuộc quanh trung bình
▪ ESS (Explained Sum of Squares): biến động của biến
phụ thuộc được giải thích biến độc lập
▪ RSS (Residual Sum of Squares): biến động của biến
phụ thuộc được giải thích bởi các yếu tố ngẫu nhiên.
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 22
Chương 1. Mô hình hồi quy hai biến 1.4. Sự phù hợp của hàm hồi quy mẫu

Hệ số xác định
▪ Đặt đại lượng R2
𝐸𝑆𝑆 𝑅𝑆𝑆
= =1−𝑅2
𝑇𝑆𝑆 𝑇𝑆𝑆
▪ Khi có hệ số chặn: 0  R2  1
▪ R 2 là hệ số xác định (coefficient of determination)
▪ Ý nghĩa: Hệ số xác định cho biết tỉ lệ (%) sự biến
động của biến phụ thuộc trong mẫu được giải thích
bởi mô hình (bởi sự biến động của biến độc lập)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 23

Chương 1. Mô hình hồi quy hai biến 1.4. Sự phù hợp của hàm hồi quy mẫu

Tính chất của hệ số xác định

▪ Mô hình có hệ số xác định lớn thì giải thích được
nhiều hơn cho sự biến động của biến phụ thuộc
(trong mẫu)
▪ R2 = 0  𝛽መ2 = 0
▪ Không có hệ số chặn thì có thể TSS ≠ ESS + RSS nên
R2 có thể âm
▪ Hệ số xác định bằng bình phương hệ số tương quan
mẫu: R2 = (r Ŷ, Y )2 = (rX ,Y)2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 24

Chương 1. Mô hình hồi quy hai biến 1.4. Sự phù hợp của hàm hồi quy mẫu

Ví dụ 1.1 (tiếp)
▪ Tính các đại lượng khác
0,577
i xi2 ei2 Xi2 𝑌𝑖 − 𝑌ത 2 σˆ =
2
= 0,192
5−2
(1) 1.96 0.013 1 4.84
(2) 0.16 0.213 4 0.04 ˆ 0,192  34
Se( β1 ) =
(3) 0.16 0.290 4 1.44 5  5,2
(4) 0.36 0.037 9 0.64 = 0,5
(5) 2.56 0.024 16 7.84
ˆ 0,192
∑ 5.2 0.577 34 14.8 Se( β2 ) = = 0,19
5,2
TB (RSS) (TSS)
14,223
2
ESS = 14,8 − 0,577 = 14,223 R = = 0,961
14,8
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 25
Chương 1. Mô hình hồi quy hai biến

1.5. TRÌNH BÀY KẾT QUẢ ƯỚC LƯỢNG

▪ Với kết quả tính toán từ ví dụ 1.1
• Ŷi = 2,23 + 1,65 Xi
• Se (0,5) (0,192)
• n=5 RSS = 0,677 R2 = 0,961
▪ (g) Giải thích ý nghĩa của hệ số xác định trong kết
quả trên?

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 26

Chương 1. Mô hình hồi quy hai biến 1.5. Trình bày kết quả ước lượng

Bảng kết quả Microsoft Excel

SUMMARY OUTPUT
Regression Statistics
Multiple R 0.980
R Square 0.961
Adjusted R sq 0.948
Standard Error 0.436
Observations 5
ANOVA
df SS MS F Sig. F
Regression 1 14.223 14.223 73.96 0.003
Residual 3 0.577 0.192
Total 4 14.8
Coef. S.Error t Stat P-value Lower 95% Upper 95%
Intercept 2.231 0.501 4.448 0.021 0.635 3.827
X 1.654 0.192 8.6 0.003 1.042 2.266
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 27
Chương 1. Mô hình hồi quy hai biến 1.5. Trình bày kết quả ước lượng

Bảng kết quả Eviews

Dependent varible: Y Method: Least Squares
Sample: 1 5 Included observation: 5
Variable Coef. Std.Error t-Statistic Prob.
C 2.230769 0.501477 4.448397 0.0211
X 1.653846 0.192308 8.600000 0.0033
R-squared 0.961019 Mean dep. var 6.2
Adjusted R-sq 0.948025 S.D dep. var 1.923538
S.E.of regression 0.438529 Akaike info criterion
Sum squared resid 0.576923 Schwarz criterion
Log likelihood F-statistic 73.96
Durbin-Watson stat Prob(F-statistic) 0.003305
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 28
Chương 1. Mô hình hồi quy hai biến

1.6. MỘT SỐ VẤN ĐỀ BỔ SUNG

Vấn đề hệ số chặn
▪ Không phải lúc nào cũng có ý nghĩa kinh tế
▪ Khi không có ý nghĩa, không phân tích hệ số chặn
▪ Hệ số chặn có ý nghĩa kĩ thuật, để tránh các sai lệch
▪ Nếu không có hệ số chặn, R 2 mất ý nghĩa

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 29

Chương 1. Mô hình hồi quy hai biến 1.6. Một số vấn đề bổ sung

Vấn đề đơn vị của biến độc lập

▪ Giá trị của X tăng m lần (đơn vị giảm m lần):
• X * = mX
▪ Hàm hồi quy cũ và mới:
• 𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 và 𝑌෠𝑖 = 𝛽መ1∗ + 𝛽መ2∗ 𝑋𝑖
▪ ƯL hệ số chặn không đổi, hệ số góc giảm m lần:
• 𝛽መ1∗ = 𝛽መ1 𝛽መ2∗ = 𝛽መ2 /𝑚
• 𝑆𝑒(𝛽መ1∗ ) = 𝑆𝑒(𝛽መ1 ) 𝑆𝑒(𝛽መ2∗ ) = 𝑆𝑒(𝛽መ2 )/𝑚
• 𝑌෠𝑖∗ = 𝑌෠𝑖 𝑅2∗ = 𝑅2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 30

Chương 1. Mô hình hồi quy hai biến 1.6. Một số vấn đề bổ sung

Vấn đề đơn vị của cả hai biến

▪ Giá trị của X tăng m lần, giá trị của Y tăng s lần
X * = mX và Y * = sY
▪ Hàm hồi quy cũ và mới:
• 𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 và 𝑌෠𝑖 = 𝛽መ1∗ + 𝛽መ2∗ 𝑋𝑖
𝑠
• 𝛽መ1∗ = 𝑠 ∙ 𝛽መ1 𝛽መ2∗ = 𝛽መ2
𝑚
𝑠
• 𝑆𝑒(𝛽መ1∗ ) = 𝑠 ∙ 𝑆𝑒(𝛽መ1 ) 𝑆𝑒(𝛽መ2∗ ) = 𝑆𝑒(𝛽መ2 )
𝑚

• 𝑌෠𝑖∗ = 𝑠 ∙ 𝑌෠𝑖 𝑅2∗ = 𝑅2

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 31

Chương 1. Mô hình hồi quy hai biến

Tóm tắt chương 1

▪ Khái niệm hồi quy và các biến
▪ Hàm hồi quy tổng thể, hồi quy mẫu
▪ Các hệ số và ước lượng hệ số
▪ Các sai số chuẩn
▪ Các giả thiết OLS
▪ Hệ số xác định và ý nghĩa

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 32

Chương 1. Mô hình hồi quy hai biến

THỰC HÀNH CHƯƠNG 1

▪ Với số liệu ví dụ 1.1
▪ Nhập số liệu:
• [Eviews] File  New  Workfile
• [Workfile structure]  Unstructured / Undated
•  Observation: 5
• [Eviews] Quick  Empty group
• [Group] Nhập các giá trị tương ứng
▪ [Group] View  Descripive Statistics  Common
▪ [Lệnh] LS Y C X
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 33
Chương 1. Mô hình hồi quy hai biến

Thống kê mô tả
▪ Descriptive statistics Hệ số tương quan
X Y
X Y
Mean 2.400 6.200
X 1 0.980
Median 2.000 6.000
Y 0.980 1
Maximum 4.000 9.000
Y vs. X
Minimum 1.000 4.000 10
Std. Dev. 1.140 1.923 9
Skewness 0.271 0.395 8
Kurtosis 1.955 1.994 7

Y 6
Jarque-Bera 0.288 0.341 5
Probability 0.865 0.843
4

3
Sum 12.00 31.00 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5

Sum Sq. Dev. 5.200 14.80 X

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 34