BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC GIA ĐỊNH

TIỂU LUẬN KẾT THÚC HỌC PHẦN

Học phần: Kinh Tế Lượng
Chuyên ngành: Kế Toán

ĐỀ TÀI SỐ 19

Họ tên sinh viên:

Đỗ Thị Thủy - MSSV: 1911010167 - TLTG: 33.3%
Lê Đan Thùy - MSSV:1911020014 - TLTG: 33.3%
Vũ Thùy Trang - MSSV: 1911020022 - TLTG: 33.3%
Lớp: K13DCKT01
Giảng viên HD: TS. Trương Phi Cường

THÀNH PHỐ HỒ CHÍ MINH, THÁNG 1 NĂM 2022

NHẬN XÉT CỦA GIẢNG VIÊN

2
 MỤC LỤC

A. PHẦN MỞ ĐẦU ....................................................................................................... 4

1. Lời cảm ơn ................................................................................................................................ 4
2. Lời cam đoan ............................................................................................................................ 5
3. Lời mở đầu ................................................................................................................................ 6
B. PHẦN NỘI DUNG ................................................................................................... 7
Câu 1: Sử dụng Data “n” trong file “Dữ liệu câu 1”.......................................................... 7
Câu 2: Sử dụng Data “n” trong file “Dữ liệu câu 2”........................................................ 12
C. KẾT LUẬN ............................................................................................................. 33

3
 A. PHẦN MỞ ĐẦU

1. Lời cảm ơn
Trước tiên, nhóm em xin gửi lời cảm ơn chân thành đến thầy Trương Phi
Cường giảng dạy bộ môn Kinh Tế Lượng trường Đại học Gia Định đã truyền tải
kiến thức và hướng dẫn chúng em trong quá trình làm bài.
Bài tiểu luận là công sức nhiều tháng qua của em với toàn bộ sự say mê và
nhiệt huyết, tuy vậy, do kiến thức hạn chế và không có nhiều kinh nghiệm thực
tiễn nên khó tránh khỏi những thiếu sót trong quá trình nghiên cứu và trình bày.
Rất kính mong sự góp ý của thầy để bài tiểu luận của nhóm em được hoàn thiện
hơn.

4
2. Lời cam đoan
Nhóm em xin cam kết toàn bộ nội dung của đề tài là kết quả nghiên cứu của
riêng của nhóm. Các kết quả, số liệu trong đề tài là trung thực và hoàn toàn khách
quan. Nhóm em sẽ hoàn toàn chịu trách nhiệm về lời cam đoan của mình.

5
3. Lời mở đầu
“Kinh tế lượng” được dịch từ chữ “Econometrics” có nghĩa là : Đo lường kinh
tế. Thuật nữ này do A.K. Ragnar Frisch (Giáo sư Kinh tế học người Na Uy, ông
đã giành được giải Nobel về kinh tế nắm 1969) sử dụng lần đầu tiên vào khpangr
năm 1930. Cho đến nay, kinh tế lượng đã ngày càng phổ biến, nó là một công cụ
toán học được các nhà phân tích kinh tế, nhà kinh doanh thậm chí là chính phủ các
quốc gia và các tổ chức quốc tế trên thế giới để sử dụng đo lường, lượng hóa về
các vấn đề kinh tế nhằm giải thích lý thuyết kinh tế hiện đại, những vấn đề liên
quan đến thực tiễn đời sống con người nhằm đưa ra những chiến lược xây dựng,
đầu tư phù hợp với hoàn cảnh nghiên cứu.

6
 B. PHẦN NỘI DUNG

Câu 1 (4 điểm ): Sử dụng Data “n” trong file “Dữ liệu câu 1”
Hãy sử dụng Excel để giải quyết những yêu cầu sau đây:
Số liệu Doanh thu (Y) & Chi phí quảng cáo (X) ghi nhận trong 10 năm như sau:

DOANH THU CP QC
NĂM
(tỷ/năm) (tỷ/năm)
Yi Xi
1 16.0 1.2
2 17.0 1.3
3 18.0 1.2
4 18.0 1.4
5 20.0 1.6
6 22.0 1.6
7 20.0 1.9
8 25.0 2.2
9 30.0 2.5
10 34.0 2.8

BIỂU ĐỒ BIỂN DIỄN SỐ LIỆU

DOANH THU VÀ CHI PHÍ QUẢNG
CÁO TRONG 10 NĂM
40
35
30
25
20
15
10
05
-
0 0,5 1 1,5 2 2,5 3

Dựa vào đồ thị ta thấy Doanh thu (Y) và Chi phí quảng cáo (X) có tương
quan tuyến tính thuận với nhau vì các điểm trên đồ thị tập trung gần như 1 đường
thẳng dốc lên.
1. Kiểm định xem giữa biến phụ thuộc (Y) và biến độc lập (X) có tương quan

7
với nhau trong tổng thể không với độ tin cậy 90%.
N Doanh thu (tỷ/year) Q/cáo (tỷ/year)
Yi Xi (Xi-Xtb)^2 (Yi-Ytb)^2 (Xi-Xtb)*(Yi-Ytb)
1 16 1.2 0.3249 36 3.42
2 17 1.3 0.2209 25 2.35
3 18 1.2 0.3249 16 2.28
4 18 1.4 0.1369 16 1.48
5 20 1.6 0.0289 4 0.34
6 22 1.6 0.0289 0 0
7 20 1.9 0.0169 4 -0.26
8 25 2.2 0.1849 9 1.29
9 30 2.5 0.5329 64 5.84
10 34 2.8 1.0609 144 12.36
SSxx SSyy Ssxy
Tổng 220 17.7 2.861 318 29.1
n 10 TSS
Xtb 1.77
Ytb 22
r 0.965
t 10.37

Ta có r = 0.965 > 0 nghĩa là Doanh thu (Y) và Chi phí quảng cáo (X) có tương
quan thuận với nhau nghĩa là Chi phí quảng cáo (X) tăng thì Doanh thu (Y) càng
lớn
0.9 < |r| = 0.965 < 1.0 chi phí quảng cáo và doanh thu có mối quan hệ rất chặt.
- Kiểm định tương quan trong tổng thể.
Giả thuyết:
𝐻0 ∶  = 0 ( Doanh thu (Y)và Chi phí quảng cáo (X) 𝒌𝒉ô𝒏𝒈 𝒄ó 𝒕ươ𝒏𝒈 𝒒𝒖𝒂𝒏 𝑡𝑟𝑜𝑛𝑔 𝑡ổ𝑛𝑔 𝑡ℎể)
{
𝐻1 ∶  ≠ 0 ( Doanh thu (Y)và Chi phí quảng cáo (X) 𝒄ó 𝒕ươ𝒏𝒈 𝒒𝒖𝒂𝒏 𝑡𝑟𝑜𝑛𝑔 𝑡ổ𝑛𝑔 𝑡ℎể)

- Tính giá trị kiểm dịnh:

𝑟
𝑡= = 10.37
√(1−𝑟 2 )/(𝑛−2)

- Tra bảng tìm t với độ tin cậy 90%

t(n-2, 𝛼/2) = t(8, 0.05) = 1.860
Vậy t > t(n-2, 𝛼/2) (10.37> 1.860) nên ta bác bỏ giả thuyết H0 nghĩa là trên
tổng thể Doanh thu (Y) và Chi phí quảng cáo (X) có tương quan tổng thể và chấp
nhận H1.
2. Hãy ước lượng mô hình hồi quy thể hiện mối quan hệ giữa biến phụ thuộc
(Y) và biến độc lập (X). Đồng thời giải thích ý nghĩa thực tế của các hệ số hồi
quy nhận được.

Yˆi = ˆ1 + ˆ 2 X i + ei

8
 N Doanh thu (tỷ/year) Q/cáo (tỷ/year)
Yi Xi (Xi-Xtb)^2 (Yi-Ytb)^2 (Xi-Xtb)*(Yi-Ytb)
1 16 1.2 0.3249 36 3.42
2 17 1.3 0.2209 25 2.35
3 18 1.2 0.3249 16 2.28
4 18 1.4 0.1369 16 1.48
5 20 1.6 0.0289 4 0.34
6 22 1.6 0.0289 0 0
7 20 1.9 0.0169 4 -0.26
8 25 2.2 0.1849 9 1.29
9 30 2.5 0.5329 64 5.84
10 34 2.8 1.0609 144 12.36
SSxx SSyy Ssxy
Tổng 220 17.7 2.861 318 29.1
n 10 TSS
Xtb 1.77 β^2 10.17
Ytb 22 β^1 4.00
r 0.965
t 10.37

𝑆𝑆𝑥𝑦
𝛽̂2 = = 10.17
𝑆𝑆𝑥𝑥
𝛽̂1 = 𝑌̅ − 𝛽̂2 ∗ 𝑋̅ = 4

Như vậy ta có phương trình hồi qui

𝑌̂𝑖 = 4 + 10.17𝑋𝑖 + 𝑒𝑖

Nêu ý nghĩa của các hệ số hồi qui:

𝛽̂1 = 4 : Cho biết khi Chi phí quảng cáo (X) = 0 thì Doanh thu (Y) là 4
tỷ/năm
𝛽̂2 = 10.17 : Cho biết nếu Chi phí quảng cáo (X) tăng 1 tỷ/năm ( x tăng 1
tỷ/năm) thì Doanh thu (Y) sẽ tăng 10.17tỷ/năm ( y tăng 10.17 tỷ/năm)

3. Hãy tính độ lệch chuẩn của các hệ số hồi quy của hàm hồi quy mẫu i

Mô hình hồi quy mẫu:

𝑌̂𝑖 = 4 + 10.17𝑋𝑖 + 𝑒𝑖

Mô hình hồi qui tổng thể:

𝑌̂𝑖 = 𝛽̂1 + 𝛽̂2 𝑋𝑖 + 𝑈𝑖

phương sai mẫu 2.75

2 𝛽 1 3.29 se(𝛽1) 1.81
2 𝛽 2 0.96 se(𝛽2) 0.98

9
4. Hãy tính hệ số R2 và giải thích ý nghĩa của kết quả nhận được

N Doanh thu (tỷ/year) Q/cáo (tỷ/year)

Yi Xi (Xi-Xtb)^2 (Yi-Ytb)^2 (Xi-Xtb)*(Yi-Ytb) Y^ (Yi-Y^)^2 Xi^2
1 16 1.2 0.3249 36 3.42 16.20 0.04 1.44
2 17 1.3 0.2209 25 2.35 17.22 0.05 1.69
3 18 1.2 0.3249 16 2.28 16.20 3.23 1.44
4 18 1.4 0.1369 16 1.48 18.24 0.06 1.96
5 20 1.6 0.0289 4 0.34 20.27 0.07 2.56
6 22 1.6 0.0289 0 0 20.27 2.99 2.56
7 20 1.9 0.0169 4 -0.26 23.32 11.04 3.61
8 25 2.2 0.1849 9 1.29 26.37 1.89 4.84
9 30 2.5 0.5329 64 5.84 29.43 0.33 6.25
10 34 2.8 1.0609 144 12.36 32.48 2.32 7.84
SSxx SSyy Ssxy
Tổng 220 17.7 2.861 318 29.1 220 22.02 34
n 10 TSS RSS
Xtb 1.77 β^2 10.17
Ytb 22 β^1 4.00
r 0.965 R^2 0.93 93%
t 10.37

Vậy R2 = 0.93 = 93% cho biết:

Mô hình hồi quy về mối quan hệ giữa quảng cáo và doanh thu phù hợp 93%
so với thực tế.
Tỷ lệ doanh thu tác động 93% đến sự thay đổi của quảng cáo còn lại 7% sự
thay đổi là do yếu tố khác tác động.

5. Hãy dự báo giá trị trung bình và giá trị cá biệt của Y ứng với 1 giá trị X bất
kỳ (Sinh viên tự cho) với độ tin cậy 1-  =95%.

Trung bình Cá biệt

X0 50 50
var(y^0) 187.51 190.26
Se(Y0) 13.69 13.79
T(n-2, α/2) 2.306 2.306
sai số 31.58 31.81
Y^0 512.56 512.56
cận dưới 480.98 480.75
cận trên 544.14 544.37

Giá trị trung bình:

1 ( 𝑋̅ − 𝑋0 )
Var( 𝑌̂0 ) = σ2 ( + ∑ 𝑋𝑖2
) = 187.51
𝑛

SE( 𝑌̂0 ) = √𝑉 𝑟(𝑌̂0 ) = 13.69

Tra bảng tìm t( n-2, α/2) = t( 8, 0,025) = 2.306

є0 = SE( 𝑌̂0 )𝑡( n−2,α/2) = 31,58
Khoảng dự báo giá trị chi tiêu tiêu dùng (Y)
10
E(Y / 𝑋0 ) є ( 𝑌̂0 - є0 ; 𝑌̂0 +є0 )
(480.98;544.14)
Giá Trị cá biệt:
1 ( 𝑋− 𝑋 ) ̅
Var( 𝑌0 − 𝑌̂0 ) = σ2 (1 + + ∑ 20 ) = 190.26
𝑛 𝑋𝑖

SE(𝑌0 − 𝑌̂0 ) = √𝑉 𝑟(𝑌̂0 ) = 13.79

Tra bảng tìm t( n-2, α/2) = t( 7, 0,025) = 2.306

є0 = SE(𝑌0 − 𝑌̂0 )𝑡( n−2,α/2) = 31.81
Khoảng dự báo giá trị chi tiêu tiêu dùng (Y)
𝑌0 є ( 𝑌̂0 - є0 ; 𝑌̂0 +є0 )
(480.75;544.37)

11
Câu 2 (6 điểm): Sử dụng Data “n” trong file “Dữ liệu câu 2”
Hãy nêu rõ các bước thực hiện bằng phần mềm SPSS để giải quyết những yêu
cầu sau đây:
Mở phần mềm SPSS => Copy số liệu từ Excel qua => Điều chỉnh thông tin
biến. Ta được kết quả như sau:

1. Tiến hành mô tả và diễn giải đặc điểm các biến (có sử dụng đồ thị)?

1. Biến “PRICE”
Chọn Analyze => Descriptive Statistics => Descriptives. Ta được kết quả như
sau:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

PRICE 59 110.00 590.00 228.6294 112.43586

Valid N (listwise) 59

12
 Trong 59 mẫu được điều tra thì giá bán nhà thấp nhất là 110.00, cao nhất là
590.00 và trung bình là 228.6264 với độ lệch chuẩn là 112.43.586

2. Biến “AGE”
Thực hiện tương tự như biến “PRICE”. Ta được kết quả như sau:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

AGE 59 1 60 16.19 11.068

Valid N (listwise) 59

Trong 59 mẫu được điều tra thì tuổi thọ nhà thấp nhất là 1, lớn nhất là 60 và
trung bình là 16.19 với độ lệch chuẩn là 11.068.

3. Biến “AIRCON”
Chọn Analyze => Descriptive Statistics => Frequencies. Ta được kết quả như
sau:

Statistics

AIRCON

N Valid 59

Missing 0

13
 Trong 59 mẫu được điều tra, không có mẫu nào bị lỗi số liệu.

AIRCON

Frequency Percent Valid Percent Cumulative Percent

Valid neu khong co 57 96.6 96.6 96.6

neu co he thong
2 3.4 3.4 100.0
suoi trung tam

Total 59 100.0 100.0

Trong 59 căn nhà được điều tra thì có 57 căn nhà không có hệ thống sưởi
(96,61%) và còn lại 2 căn có hệ thống sưởi trung tâm (3,39%). Như vậy, đa số sử
dụng căn nhà không có hệ thống sưởi.

4. Biến “BATHS”
Thực hiện tương tự như biến “PRICE”. Ta được kết quả như sau:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

BATHS 59 1.00 5.00 2.2797 .72380

Valid N (listwise) 59

Trong 59 căn nhà được điều tra thì số phòng tắm ít nhất là 1, nhiều nhất là 5,
trung bình là 2.2797 với độ lệch chuẩn 0.72380
14
5. Biến “BEDRMS”
Thực hiện tương tự như biến “PRICE”. Ta được kết quả như sau:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

BEDRMS 59 2 5 3.46 .795

Valid N (listwise) 59

Trong 59 căn nhà được điều tra thì số phòng ngủ ít nhất là 2, nhiều nhất là 5,
trung bình là 3.46 với độ lệch chuẩn 0.795

6. Biến “COND”
Thực hiện tương tự như biến “AIRCON”. Ta được kết quả như sau:

Statistics
COND
N Valid 59
Missing
0

Trong 59 mẫu được điều tra, không có mẫu nào số liệu bị lỗi

COND

Frequency Percent Valid Percent Cumulative Percent

Valid 2 1 1.7 1.7 1.7

3 5 8.5 8.5 10.2

4 4 6.8 6.8 16.9

5 46 78.0 78.0 94.9

tinh trang can nha

3 5.1 5.1 100.0
tuyet hao

Total 59 100.0 100.0

15
 Trong 59 căn nhà được điều tra thì có 1 căn nhà đạt cấp độ 2 (1,69%), có 5
căn đạt cấp độ 3 (8.47%), có 4 căn nhà đạt cấp 4 (6.78%), 46 căn đạt cấp 5
(77,97%) và 3 căn nhà đạt cấp độ tuyệt hảo (5.08%). Như vậy, đa số căn nhà có
tình trạng tốt.

7. Biến “CORNER”
Thực hiện tương tự như biến “AIRCON”. Ta được kết quả như sau:

Statistics
CORNER
N Valid 59
Missing
0

Trong 59 mẫu được điều tra, không có mẫu nào bị lỗi số liệu

CORNER

Frequency Percent Valid Percent Cumulative Percent

Valid neu khong phai 53 89.8 89.8 89.8

neu o goc duong 6 10.2 10.2 100.0

Total 59 100.0 100.0

16
 Trong 59 căn nhà được điều tra thì có 53 căn nhà không nằm ở góc đường
(89,83%) và 6 căn nhà nằm ở góc đường (10,17%). Như vậy, đa số căn nhà không
nằm ở góc đường.

8. Biến “DISH”
Thực hiện tương tự như biến “AIRCON”. Ta được kết quả như sau:

Statistics
DISH
N Valid 59
Missing 0

Trong 59 mẫu được điều tra, không có mẫu nào bị lỗi số liệu

DISH

Frequency Percent Valid Percent Cumulative Percent

Valid neu khong co 6 10.2 10.2 10.2

neu can nha co

may rua chen gan 53 89.8 89.8 100.0
san

Total 59 100.0 100.0

17
 Trong 59 căn nhà được điều tra thì có 6 căn nhà không có máy rửa chén
(10,17%), còn lại 53 căn nhà có máy rửa chén gắn sẵn (89,83%). Như vậy, đa số
các căn nhà có máy rửa chén gắn sẵn

9. Biến “FIREPL”
Thực hiện tương tự như biến “PRICE”. Ta được kết quả như sau:

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

FIREPL 59 0 2 1.12 .528

Valid N (listwise) 59

Trong 59 căn nhà được điều tra thì số lò sưởi ít nhất là 0, nhiều nhất là 2, trung
bình là 1.12 với độ lệch chuẩn 0.528

2. Lập ma trận tương quan và phân tích các mối quan hệ giữa biến độc lập và
biến phụ thuộc và giữa các biến độc lập với nhau?
* Xét tương quan giữa biến phụ thuộc (Y) với các biến độc lập (X)
1. Biến “AGE”

18
 Chọn Analyze → Correlate → Bivariate

Xuất hiện cửa sổ Bivariate

Đưa biến phụ thuộc Y và biến độc lập X cần mô tả vào khung Variable

Cuối cùng chọn OK ta có kết quả như sau:

Correlations
AGE PRICE
AGE Pearson Correlation 1 .029
Sig. (2-tailed) .826
N 59 59
PRICE Pearson Correlation .029 1
Sig. (2-tailed) .826
N 59 59

19
 Nhìn vào bảng kết quả ta thấy tuổi thọ nhà và giá bán nhà không có tương
quan với nhau ở độ tin cậy là 95% vì: r = 0.029 > 0 và Sig. > 0.05.

2. Biến “AIRCON”
Thực hiện giống như biến AGE ta có kết quả:

Correlations
AIRCON PRICE
AIRCON Pearson Correlation 1 .052
Sig. (2-tailed) .694
N 59 59
PRICE Pearson Correlation .052 1
Sig. (2-tailed) .694
N 59 59

Nhìn vào bảng kết quả ta thấy hệ thống sưởi và giá bán nhà có tương quan thuận
với nhau ở độ tin cậy là 95% vì: r = 0.052 > 0 và Sig. < 0.05, tương quan yếu.

3. Biến “BATHS”
Thực hiện giống như biến AGE ta có kết quả:

Correlations

BATHS PRICE

BATHS Pearson Correlation 1 .380**

Sig. (2-tailed) .003

N 59 59

PRICE Pearson Correlation .380** 1

Sig. (2-tailed) .003

N 59 59

**. Correlation is significant at the 0.01 level (2-tailed).

Nhìn vào bảng kết quả ta thấy số phòng tắm và giá bán nhà có tương quan
thuận với nhau ở độ tin cậy là 99% vì: r = 0.380 > 0 và Sig. < 0.01, tương quan

20
trung bình.
4. Biến “BEDRMS”
Thực hiện giống như biến AGE ta có kết quả:

Correlations

BEDRMS PRICE

BEDRMS Pearson Correlation 1 .214

Sig. (2-tailed) .103

N 59 59

PRICE Pearson Correlation .214 1

Sig. (2-tailed) .103

N 59 59

Nhìn vào bảng kết quả ta thấy số phòng ngủ và giá bán nhà có tương quan
thuận với nhau ở độ tin cậy là 95% vì: r = 0.214 > 0 và Sig. < 0.05, tương quan
yếu.

5. Biến “COND”
Thực hiện giống như biến AGE ta có kết quả:

Correlations

COND PRICE

COND Pearson Correlation 1 .219

Sig. (2-tailed) .096

N 59 59

PRICE Pearson Correlation .219 1

Sig. (2-tailed) .096

N 59 59

Nhìn vào bảng kết quả ta thấy tình trạng căn nhà và giá bán nhà có tương quan

21
thuận với nhau ở độ tin cậy là 95% vì: r = 0.219 > 0 và Sig. < 0.05, tương quan yếu.

6. Biến “CORNER”
Thực hiện giống như biến AGE ta có kết quả:

Correlations

CORNER PRICE

CORNER Pearson Correlation 1 .094

Sig. (2-tailed) .477

N 59 59

PRICE Pearson Correlation .094 1

Sig. (2-tailed) .477

N 59 59

Nhìn vào bảng kết quả ta thấy căn nhà ở góc đường và giá bán nhà có tương
quan thuận với nhau ở độ tin cậy là 95% vì: r = 0.094 > 0 và Sig. < 0.05, tương
quan yếu.

7. Biến “DISH”
Thực hiện giống như biến AGE ta có kết quả:

Correlations

DISH PRICE
DISH Pearson Correlation 1 .140
Sig. (2-tailed) .289
N 59 59
PRICE Pearson Correlation .140 1
Sig. (2-tailed) .289
N 59 59

Nhìn vào bảng kết quả ta thấy căn nhà có máy rửa chén và giá bán nhà có tương
quan thuận với nhau ở độ tin cậy là 95% vì: r = 0.140 > 0 và Sig. < 0.05, tương quan
yếu.

22
8. Biến “FIREPL”
Thực hiện giống như biến AGE ta có kết quả:

Correlations
FIREPL PRICE
FIREPL Pearson Correlation 1 .362**
Sig. (2-tailed) .005
N 59 59
PRICE Pearson Correlation .362** 1
Sig. (2-tailed) .005
N 59 59
**. Correlation is significant at the 0.01 level (2-tailed).

Nhìn vào bảng kết quả ta thấy số lò sưởi và giá bán nhà có tương quan thuận
với nhau ở độ tin cậy là 99% vì: r = 0.362 > 0 và Sig. < 0.01, tương quan trung
bình.
* Xét sự tương quan giữa các biến độc lập (X)
Do có 1 biến độc lập là: AGE và biến PRICE là Y nên ta loại 2 biến này. Chỉ
còn 7 biến độc lập trong tổng số 9 biến. Ta xét tương quan giữa các biến độc lập
để phát hiện hiện tương đa cộng tuyến.
Chọn Analyze → Correlate → Bivariate

Xuất hiện cửa sổ Bivariate

Đưa các biến độc lập vào Variables trừ biến AGE và biến PRICE là biến Y

23
Cuối cùng chọn OK ta có kết quả như sau:

24
Correlations
AIRCON BATHS BEDRMS COND CORNER DISH FIREPL
AIRCON Pearson
1 -.008 -.109 .060 -.063 .063 -.042
Correlation
Sig. (2-
.954 .412 .653 .635 .635 .750
tailed)
N 59 59 59 59 59 59 59
BATHS Pearson
-.008 1 .545** .315* .084 .385** .284*
Correlation
Sig. (2-
.954 .000 .015 .528 .003 .029
tailed)
N 59 59 59 59 59 59 59
BEDRMS Pearson
-.109 .545** 1 .185 .018 .195 .156
Correlation
Sig. (2-
.412 .000 .160 .892 .138 .238
tailed)
N 59 59 59 59 59 59 59
COND Pearson
.060 .315* .185 1 .032 .345** .290*
Correlation

25
 Sig. (2-
.653 .015 .160 .810 .007 .026
tailed)
N 59 59 59 59 59 59 59
CORNER Pearson
-.063 .084 .018 .032 1 -.072 .031
Correlation
Sig. (2-
.635 .528 .892 .810 .586 .816
tailed)
N 59 59 59 59 59 59 59
DISH Pearson
.063 .385** .195 .345** -.072 1 .076
Correlation
Sig. (2-
.635 .003 .138 .007 .586 .566
tailed)
N 59 59 59 59 59 59 59
FIREPL Pearson
-.042 .284* .156 .290* .031 .076 1
Correlation
Sig. (2-
.750 .029 .238 .026 .816 .566
tailed)
N 59 59 59 59 59 59 59
**. Correlation is significant at the 0.01 level (2-tailed).

26
*. Correlation is significant at the 0.05 level (2-tailed).

Dựa vào bảng phân tích tương quan giữa các biến độc lập ta thấy hầu hết các biến có hệ số tương quan < 0.7. Nghĩa là sự tương quan
giữa các biến này là không đáng kể.
Vì vậy khả năng rất lớn sẽ xãy ra hiện tương đa cộng tuyến trong mô hình hồi qui. Khi xem xét mô hình hồi qui ta cần chú ý các cặp
biến này.

27
3. Xây dựng mô hình hồi quy về mối quan hệ giữa biến độc lập đối với biến
phụ thuộc ( biến Y trong số liệu), giải thích ý nghĩa của hệ số hồi quy?
Sau khi kiểm định tương quan thì ta thấy có 7 biến độc lập tác động lên biến
phụ thuộc.
Ta tiến hành thiết lập mô hình hồi quy đa biến thể hiện mối quan hệ giữa các
biến độc lập và biến phụ thuộc.
𝒀 = 𝜷𝟏 + 𝜷𝟐 𝑨𝑰𝑹𝑪𝑶𝑵 + 𝜷𝟑 𝑩𝑨𝑻𝑯𝑺 + ⋯ + 𝜷𝟕 𝑭𝑰𝑹𝑬𝑷𝑳 + 𝜺
Chọn Analyze → Regression → Linear

Xuất hiện bảng Linear Regression

Đưa biến Y vào Dependent và các biến độc lập vào Independent(s) trừ biến
AGE

28
Trong bảng Linear Regression nhấn vào Statistics → Collinearity diagnostics →
Continue

Nhấn Ok ta có kết quả như sau:

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity
Coefficients Coefficients Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 21.648 100.270 .216 .830
AIRCON 43.055 77.068 .070 .559 .579 .970 1.031
BATHS 42.611 25.342 .274 1.681 .099 .571 1.752
BEDRMS 3.066 20.993 .022 .146 .884 .690 1.450
COND 6.975 20.774 .047 .336 .738 .790 1.266
CORNER 24.067 46.063 .065 .522 .604 .974 1.027
DISH -2.169 51.625 -.006 -.042 .967 .775 1.290
FIREPL 57.269 28.239 .269 2.028 .048 .864 1.158
a. Dependent Variable: PRICE

29
 Nhìn vào bảng Coefficients ta thấy có 6 biến có sig. > 0.05 nên ta loại các
biến này ra khỏi mô hình hồi qui do các biến này không có ý nghĩa thống kê với
độ tin cậy 95% bao gồm: Căn nhà có hệ thống sưởi, số phòng tắm, số phòng ngủ,
tình trạng căn nhà, căn nhà ở góc đường, căn nhà có máy rửa chén gắn sẵn.
Có 1 biến với Sig. < 0.05 được giữ lại trong mô hình do nó có ý nghĩa thống
kê với độ tin cậy 95%: Số lò sưởi.
Tiếp tục thực hiện lai thao tác chạy hồi qui với 1 biến được giữ lại

Coefficientsa

Model Unstandardized Standardized t Sig. Collinearity

Coefficients Coefficients Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 142.331 32.470 4.384 .000

FIREPL 77.146 26.289 .362 2.934 .005 1.000 1.000

a. Dependent Variable: PRICE

Dựa vào kết quả trong bảng Coefficients ta thấy hệ số hồi qui có Sig. < 0.05
nên mô hình hồi qui ban đầu có 1 biến độc lập có ý nghĩa với độ tin cậy 95%.
Tuy nhiên, chung ta cần phải thực hiện các bước kiểm định khác:
4. Tiến hành kiểm định và đánh giá độ phù hợp của mô hình hồi qui, nêu ý
nghĩa của hệ số R2?
Kiểm định đa cộng tuyến: do VIF của tất cả các biến trong mô hình <10 nên
mô hình hồi qui không xãy ra hiện tượng đa cộng tuyến.

30
 Thực hiện các bước như xây dựng mối quan hệ giữa biến phụ thuộc (Y) và
các biến độc lập (X). Bỏ các biến có sig. > 0.05 giữ lại biến FIREPL.

Nhấn OK ta có kết quả như sau:

* Kiểm định R2

Model Summary

Model R R Square Adjusted R Square Std. Error of the

Estimate

1 .362a .131 .116 105.71340

a. Predictors: (Constant), FIREPL

ANOVAa
Model Sum of df Mean Square F Sig.
Squares
1 Regression 96232.266 1 96232.266 8.611 .005b
Residual 636993.451 57 11175.324
Total 733225.717 58
a. Dependent Variable: PRICE
b. Predictors: (Constant), FIREPL

Căn cứ vào bảng Model Summary ta thấy hệ số R2 hiệu chỉnh của mô hình
hồi qui là 0.116 và trong bảng Anova có Sig. < 0.05. Như vậy mô hình hồi quy có
ý nghĩa thống kê với độ tin cậy 95%.

31
 R2 = 0.116 cho biết mô hình hồi qui phù hợp 11.6% so với thực tế hay biến
Số lò sưởi tác động làm thay đổi 11.6% giá bán nhà, còn lại 88.4% là do các yếu
tố khác tác động.

Phương trình hồi qui:

𝑃𝑅𝐼𝐶𝐸 = 142.331 + 77.146 ∗ 𝐹𝐼𝑅𝐸𝑃𝐿 + 𝜀𝑖
5. Tiến hành kiểm định các vi phạm giả thiết của mô hình hồi qui?
Biến số lò sưởi có tương quan thuận với giá bán nhà. Khi các yếu tố khác
không đổi, nếu số lò sưởi tăng 1 cái thì giá bán nhà sẽ tăng 77.146 (77.146%).

32
 C. KẾT LUẬN

Qua đề tài tiểu luận trên, ta hiểu được ý nghĩa mô hình hồi quy tuyến tính và
áp dụng vào thực tế để giải quyết các bài toán về kinh tế một cách nhanh chóng.
Mục đích của kinh tế lượng là thiết lập mô hình và các công thức từ các nghiên
cứu thực nghiệm; ước lượng và kiểm định mô hình dựa vào các dữ liệu thực
nghiệm; sử dụng mô hình để dự báo và ra quyết định.
Đánh giá hệ số mô hình hồi quy của mỗi biến độc lập có ý nghĩa trong mô
hình hay không dựa vào kiểm định “t” với giả thuyết “𝐻0 ”. Mô hình hồi quy có
bao nhiêu biến độc lập, chúng ta sẽ đi kiểm tra bấy nhiêu giả thuyết 𝐻0 .

33