BÀI TẬP 1

I. Lý thuyết
Cho bộ số liệu từ năm 1980 đến 2015 về một số biến kinh tế như sau:
EI : Số lao động được tuyển dụng thêm trong ngành công nghiệp
WI : Mức lương bình quân/giờ của ngành công nghiệp
WS : Mức lương bình quân/giờ của ngành dịch vụ
WA : Mức lương bình quân/giờ của ngành nông nghiệp
KV : Biến giả: KV = 0 nếu là khu vực nông thôn, KV = 1 nếu là khu vực thành thị.
Câu 1. Có ý kiến cho rằng số lao động tuyển dụng thêm trong ngành công nghiệp (EI) phụ thuộc vào
mức lương bình quân/giờ của ngành công nghiệp (WI) và của ngành dịch vụ (WS). Ý kiến này còn cho
rằng, khi WI tăng thì EI cũng tăng; tuy nhiên, khi WS tăng thì EI sẽ giảm. Hãy xây dựng mô hình kinh
tế lượng tương ứng (mô hình [1]) và kiểm định ý kiến trên.
Câu 2. Giả sử bạn đang thực hiện kiểm định Durbin-Watson để phát hiện xem mô hình [1] có hiện tượng
tự tương quan không. Kết quả cho thấy thống kê kiểm định Durbin – Watson's d nằm trong khoảng (0,
dL). Bạn kết luận như thế nào về mô hình [1]. Hãy đề xuất một biện pháp khắc phục.
Câu 3. Khi đưa thêm biến lương bình quân/giờ của ngành nông nghiệp (WA) vào mô hình [1], kết quả
ước lượng mô hình mới (mô hình [2]) cho tổng bình phương các phần dư (RSS) bằng 0,87 tổng bình
phương các phần dư của mô hình [1] (đó là, RSS[2]/RSS[1] = 0,87). Với thông tin đã cho, theo bạn có
(1,32)
nên đưa thêm biến WA vào mô hình [1] không? Biết F0,05 = 4,149 .
Câu 4. Có ý kiến cho rằng ở mô hình [1], tác động của WI và WS lên EI là khác nhau giữa khu vực thành
thị và nông thôn. Hãy dùng kiểm định Chow để kiểm định ý kiến này.

II. Bài tập

Cho bộ số liệu điều tra 149 hộ gia đình ở khu vực X về một số biến kinh tế trong tháng như sau:
ELECi: Lượng điện sinh hoạt tiêu thụ trong tháng của hộ i (kw/h);
PEi: Giá điện sinh hoạt trong tháng phải trả của hộ i (1.000đ/kw/h);
PGi: Giá ga (gas) trong tháng phải trả của hộ i (1.000đ/kg);
Ii: Thu nhập trong tháng của hộ i (triệu đồng/tháng);
với i =1, 2,..., 149. Chọn mức ý nghĩa α = 0.05 .
Nhà nghiên cứu A xây dựng một mô hình kinh tế lượng và kết quả ước lượng bằng OLS như sau:
Mô hình [3]
Source | SS df MS Number of obs = 149
-------------+---------------------------------- F(3, 145) = 232.17
Model | 247702.47 3 82567.4901 Prob > F = 0.0000
Residual | 51566.7157 145 355.632522 R-squared = 0.8277
-------------+---------------------------------- Adj R-squared = 0.8241
Total | 299269.186 148 2022.08909 Root MSE = 18.858

------------------------------------------------------------------------------
ELEC | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PE | -63.44016 19.55119 -3.24 0.001 -102.0823 -24.79804
PG | 2.728657 .4448888 6.13 0.000 1.849352 3.607962
I | 2.046429 .8925467 2.29 0.023 .2823469 3.810512
_cons | 90.77086 47.72258 1.90 0.059 -3.550897 185.0926
------------------------------------------------------------------------------

Trang 1|15
 
Kết quả ước lượng ma trận hiệp phương sai, COV( βˆ ) , của các hệ số hồi quy là:
Covariance matrix of coefficients of regress model
e(V) | PE PG I _cons
-------------+------------------------------------------------
PE | 382.24885
PG | 3.9837332 .19792607
I | 8.6254447 -.17859871 .79663968
_cons | -921.33864 -9.7624025 -23.279779 2277.4448

Câu 5. Hãy viết hàm hồi quy tổng thể và hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [3].
Câu 6. Kiểm tra ý kiến cho rằng lượng điện sinh hoạt tiêu thụ trong tháng của hộ không đổi nếu thu nhập
trong tháng của hộ tăng 2.5 triệu đồng/tháng và giá ga trong tháng giảm 2.000đ/kg , giữ nguyên các
yếu tố khác trong mô hình.
Câu 7. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [4 ] dưới đây. Cho biết kết quả
ước lượng ở mô hình [4] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Resid là phần dư thu đư ợc từ mô hình [3], Resid(-1); Resid (-2) là các giá trị trễ của Resid.
Mô hình [4]
Source | SS df MS Number of obs = 147
-------------+---------------------------------- F(5, 141) = 0.10
Model | 173.910195 5 34.7820391 Prob > F = 0.9926
Residual | 50831.951 141 360.510291 R-squared = 0.0034
-------------+---------------------------------- Adj R-squared = -0.0319
Total | 51005.8612 146 349.355213 Root MSE = 18.987

------------------------------------------------------------------------------
Resid | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PE | 3.075277 19.93526 0.15 0.878 -36.33536 42.48591
PG | .0152229 .4545096 0.03 0.973 -.8833113 .9137572
I | .046978 .9029754 0.05 0.959 -1.738142 1.832098
Resid(-1) | -.0498017 .0851251 -0.59 0.559 -.2180883 .1184848
Resid(-2) | .0231225 .08474 0.27 0.785 -.1444027 .1906476
_cons | -6.151542 48.63866 -0.13 0.900 -102.3068 90.00375
------------------------------------------------------------------------------

Câu 8. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [5 ] dưới đây. Cho biết kết quả
ước lượng ở mô hình [5] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]?
Mô hình [5]
Source | SS df MS Number of obs = 149
-------------+---------------------------------- F(2, 146) = 343.01
Model | 4.37161074 2 2.18580537 Prob > F = 0.0000
Residual | .930369099 146 .006372391 R-squared = 0.8245
-------------+---------------------------------- Adj R-squared = 0.8221
Total | 5.30197983 148 .035824188 Root MSE = .07983

------------------------------------------------------------------------------
PE | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PG | -.0104218 .0016741 -6.23 0.000 -.0137304 -.0071132
I | -.022565 .0032844 -6.87 0.000 -.029056 -.016074
_cons | 2.410311 .0318834 75.60 0.000 2.347298 2.473324
------------------------------------------------------------------------------

Trang 2|15
Câu 9. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [6 ] dưới đây. Cho biết kết quả
ước lượng ở mô hình [6] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Resid là phần dư thu được từ mô hình [3].
Mô hình [6]
Source | SS df MS Number of obs = 149
-------------+---------------------------------- F(6, 142) = 1.21
Model | 1068507.89 6 178084.649 Prob > F = 0.3032
Residual | 20852592.4 142 146849.242 R-squared = 0.0487
-------------+---------------------------------- Adj R-squared = 0.0085
Total | 21921100.3 148 148115.543 Root MSE = 383.21
------------------------------------------------------------------------------
Resid^2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PE | 2262.376 3881.582 0.58 0.561 -5410.777 9935.53
PE^2 | -827.6091 1142.768 -0.72 0.470 -3086.646 1431.428
PG | -4.598249 45.82385 -0.10 0.920 -95.18333 85.98684
PG^2 | .0383354 .6461387 0.06 0.953 -1.238959 1.315629
I | -47.95266 98.23496 -0.49 0.626 -242.1446 146.2393
I^2 | .4534883 2.408952 0.19 0.851 -4.308554 5.215531
_cons | -254.2162 3095.248 -0.08 0.935 -6372.936 5864.503
------------------------------------------------------------------------------

Câu 10. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [7 ] dưới đây. Cho biết kết quả
ước lượng ở mô hình [7] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Fitted là giá trị ước lượng của ELEC từ mô hình [3].
Mô hình [7]
Source | SS df MS Number of obs = 149
-------------+---------------------------------- F(6, 142) = 116.75
Model | 248826.825 6 41471.1375 Prob > F = 0.0000
Residual | 50442.3652 142 355.227924 R-squared = 0.8314
-------------+---------------------------------- Adj R-squared = 0.8243
Total | 299269.19 148 2022.08912 Root MSE = 18.847
------------------------------------------------------------------------------
ELEC | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PE | 39.10382 454.3423 0.09 0.932 -859.045 937.2527
PG | -1.668845 19.53933 -0.09 0.932 -40.2944 36.95671
I | -1.757234 14.68271 -0.12 0.905 -30.78217 27.2677
Fitted^2 | .0091413 .0934483 0.10 0.922 -.1755883 .1938709
Fitted^3 | .0000241 .0005242 0.05 0.963 -.0010121 .0010604
Fitted^4 | -1.99e-07 1.07e-06 -0.19 0.852 -2.31e-06 1.91e-06
_cons | 15.60204 455.737 0.03 0.973 -885.3039 916.508
------------------------------------------------------------------------------

* Một số giá trị tới hạn dùng để tham khảo:

142 144 145 150 142 150
t0.025 ≈ ... ≈ t0.025 ≈ 1.977 t0.025 ≈ ... ≈ t0.025 ≈ 1.976 ; t0.05 ≈ ... ≈ t0.05 ≈ 1.655
F0.05 ( 2, 143) ≈ F0.05 ( 2, 146 ) ≈ 3.058 ; F0.05 ( 3, 142 ) ≈ F0.05 ( 3, 145 ) ≈ 2.667 ;
F0.05 ( 5, 143) ≈ 2.277 ; F0.05 ( 6, 142 ) ≈ 2.163
χ 0.05
2
(1) ≈ 3.84 ; χ 0.05
2
(2) ≈ 6.0 ; χ 0.05
2
(3) ≈ 7.8 ; χ 0.05
2
(4) ≈ 9.5 ; χ 0.05
2
(5) ≈ 11.07 ; χ 0.05
2
(6) ≈ 12.6

Trang 3|15
 BÀI TẬP 2

I. Lý thuyết
Cho bộ số liệu về cầu đi lại bằng xe buýt tại 23 thành phố của một quốc gia như sau:
BUYT: Cầu đi lại bằng xe buýt (nghìn giờ)
PB: Giá vé đi lại bằng xe buýt (nghìn đồng/km)
TN: Thu nhập bình quân đầu người (triệu đồng)
DS: Tổng dân số (nghìn người)
MD: Mật độ dân (người/km2)
PT: Giá vé đi lại bằng taxi (nghìn đồng/km)

Câu 1. Xây dựng mô hình hồi quy trong đó cầu đi lại bằng xe buýt phụ thuộc vào giá vé đi lại bằng xe
buýt và thu nhập bình quân đầu người (mô hình [1]). Trình bày cách kiểm định để đánh giá sự
phù hợp của mô hình [1]
Câu 2. Có ý kiến khác cho rằng mô hình [1] là chưa đầy đủ, cần thêm các biến DS, MD và PT vào mô
hình. Hãy xây dựng mô hình mới (mô hình [2]) và kiểm định giả thuyết nghiên cứu cho rằng đi
lại bằng xe buýt và đi lại bằng taxi là hai hàng hóa thay thế.
Câu 3. Nếu mô hình [2] có tổng bình phương các phần dư (RSS) bằng 0,85 tổng bình phương các
3, 17
phần dư của mô hình [1], đó là: RSS[2]/RSS[1] = 0,85 và biết F0.05 = 3, 2 . Kết luận cụ thể của
bạn về việc đưa thêm ba biến DS, MD và PT vào mô hình [1] là như thế nào?
Câu 4. Kiểm định giả thuyết nghiên cứu cho rằng khi giá vé đi lại bằng xe buýt tăng 1 nghìn đồng/km
và giá vé đi lại bằng taxi tăng 2 nghìn đồng/km, giữ nguyên các yếu tố khác trong mô hình, thì
cầu đi lại bằng xe buýt không đổi. Xây dựng khoảng tin cậy đối xứng cho sự biến động này.

II. Bài tập

Cho bộ số liệu điều tra 72 địa phương như sau:
QHi: Lượng xe máy Honda tiêu thụ ở địa phương i (1.000 chiếc);
PHi: Giá xe máy Honda ở địa phương i (triệu đồng/chiếc);
PYi: Giá xe máy Yamaha ở địa phương i (triệu đồng/chiếc);
TNi: Thu nhập trung bình tháng của các hộ ở địa phương i (triệu đồng/tháng);
MDi: Mật độ dân ở địa phương i (người/km2).

Nhà nghiên cứu A xây dựng một mô hình kinh tế lượng và kết quả ước lượng bằng OLS như sau:
Mô hình [3]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(4, 67) = 36.17
Model | 3219.01653 4 804.754133 Prob > F = 0.0000
Residual | 1490.6054 67 22.2478418 R-squared = 0.6835
-------------+---------------------------------- Adj R-squared = 0.6646
Total | 4709.62193 71 66.3327033 Root MSE = 4.7168
------------------------------------------------------------------------------
QH | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PH | -.2982731 .1149651 -2.59 0.012 -.5277444 -.0688018
PY | .4610602 .1250296 3.69 0.000 .2115 .7106204
TN | .8202744 .3612393 2.27 0.026 .0992377 1.541311
MD | .0146495 .007989 1.83 0.071 -.0012966 .0305957
_cons | 21.74271 6.26452 3.47 0.001 9.238673 34.24674
------------------------------------------------------------------------------

Kết quả ước lượng ma trận hiệp phương sai, COV ( βˆ ) , của các hệ số hồi quy là:

Trang 4|15
Covariance matrix of coefficients of regress model
e(V) | PH PY TN MD _cons
-------------+------------------------------------------------------------
PH | .01321698
PY | .00587227 .01563241
TN | .01462976 -.02165927 .13049386
MD | -.00008419 .00003582 -.00004963 .00006382
_cons | -.620475 -.53214558 -.49847845 -.01068346 39.244216

Chọn mức ý nghĩa α = 0.05.

Câu 6. Viết hàm hồi quy tổng thể và hàm hồi quy mẫu dựa vào mô hình [3]. Kiểm định giả thuyết
nghiên cứu cho rằng khi giá xe Honda tăng 2 triệu đồng/chiếc và giá xe Yamaha tăng 1 triệu
đồng/chiếc, giữ nguyên các yếu tố khác trong mô hình, thì lượng xe máy Honda tiêu thụ không
đổi.
Câu 7. Cho biết kết quả ước lượng ở mô hình [4] thường dùng để làm gì? Bạn kết luận như thế nào về
mô hình [3]? Biết Resid là phần dư thu được từ mô hình [3], ln là logarit cơ số tự nhiên.
Mô hình [4]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(1, 70) = 3.07
Model | 15.3863807 1 15.3863807 Prob > F = 0.0842
Residual | 350.948508 70 5.01355012 R-squared = 0.0420
-------------+---------------------------------- Adj R-squared = 0.0283
Total | 366.334889 71 5.15964632 Root MSE = 2.2391
------------------------------------------------------------------------------
lnResid^2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnTN | .9977685 .5695531 1.75 0.084 -.1381694 2.133706
_cons | .2077256 1.013884 0.20 0.838 -1.814402 2.229853
------------------------------------------------------------------------------

Câu 8. Cho biết kết quả ước lượng ở mô hình [5] thường dùng để làm gì? Bạn kết luận như thế nào về
mô hình [3]? Biết Resid là phần dư thu được từ mô hình [3] và Resid_1, Resid_2 là các
biến trễ của biến Resid.
Mô hình [5]
Source | SS df MS Number of obs = 70
-------------+---------------------------------- F(6, 63) = 0.33
Model | 44.1711389 6 7.36185648 Prob > F = 0.9161
Residual | 1385.52116 63 21.9923994 R-squared = 0.0309
-------------+---------------------------------- Adj R-squared = -0.0614
Total | 1429.6923 69 20.7201782 Root MSE = 4.6896
------------------------------------------------------------------------------
Resid | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PH | .0060153 .1149485 0.05 0.958 -.223691 .2357216
PY | .0187886 .1313858 0.14 0.887 -.243765 .2813423
TN | -.1600638 .381145 -0.42 0.676 -.9217213 .6015936
MD | -.0038925 .0083581 -0.47 0.643 -.0205947 .0128097
Resid_1 | .0100729 .130353 0.08 0.939 -.2504167 .2705625
Resid_2 | .1552577 .1259444 1.23 0.222 -.0964221 .4069376
_cons | 1.072665 6.427487 0.17 0.868 -11.77164 13.91697
------------------------------------------------------------------------------

Câu 9. Cho biết kết quả ước lượng ở mô hình [6] thường dùng để làm gì? Bạn kết luận như thế nào về
mô hình [3]? Biết QH_mu là giá trị ước lượng của QH ở mô hình [3].
Mô hình [6]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(6, 65) = 26.98
Model | 3360.21813 6 560.036355 Prob > F = 0.0000
Residual | 1349.4038 65 20.7600585 R-squared = 0.7135
-------------+---------------------------------- Adj R-squared = 0.6870
Total | 4709.62193 71 66.3327033 Root MSE = 4.5563

Trang 5|15
------------------------------------------------------------------------------
QH | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PH | 3.703149 2.272022 1.63 0.108 -.8343924 8.240691
PY | -5.716266 3.478081 -1.64 0.105 -12.66247 1.229942
TN | -10.23928 6.326572 -1.62 0.110 -22.87431 2.39576
MD | -.1763707 .1096634 -1.61 0.113 -.3953836 .0426422
QH_mu2 | .4306124 .2262793 1.90 0.061 -.0212985 .8825233
QH_mu3 | -.0044699 .0022091 -2.02 0.047 -.0088817 -.0000581
_cons | -135.804 83.2248 -1.63 0.108 -302.0154 30.40745
------------------------------------------------------------------------------

Câu 10. Cho biết kết quả ước lượng ở mô hình [7] thường dùng để làm gì? Bạn kết luận như thế nào
về mô hình [3]?
Mô hình [7]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(6, 65) = 1.13
Model | 141.201597 6 23.5335995 Prob > F = 0.3530
Residual | 1349.40379 65 20.7600583 R-squared = 0.0947
-------------+---------------------------------- Adj R-squared = 0.0112
Total | 1490.60539 71 20.9944421 Root MSE = 4.5563
------------------------------------------------------------------------------
Resid | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PH | 4.001423 2.272022 1.76 0.083 -.5361193 8.538964
PY | -6.177326 3.478081 -1.78 0.080 -13.12353 .7688817
TN | -11.05955 6.326572 -1.75 0.085 -23.69459 1.575486
MD | -.1910202 .1096634 -1.74 0.086 -.4100331 .0279927
QH_mu2 | .4306124 .2262793 1.90 0.061 -.0212985 .8825233
QH_mu3 | -.0044699 .0022091 -2.02 0.047 -.0088817 -.0000581
_cons | -157.5467 83.2248 -1.89 0.063 -323.7581 8.664742
------------------------------------------------------------------------------

Cho các giá trị tới hạn:

. display invttail(df,p)
65
t.05 66
≈ t.05 67
≈ t.05 68
≈ t.05 69
≈ t.05 70
≈ t.05 71
≈ t.05 ≈ 1.67 ; t.025
65 66
≈ t.025 67
≈ t.025 68
≈ t.025 69
≈ t.025 70
≈ t.025 71
≈ t.025 ≈ 2.00

. display invFtail(df1,df2,p)
1, 65
F.05 ≈ 3.99; F.052, 65 ≈ 3.14 ; F.053, 65 ≈ 2.75; F.054, 65 ≈ 2.51; F.05
5, 65
≈ 2.36
1, 67
F.05 ≈ 3.98; F.052, 67 ≈ 3.13 ; F.053, 67 ≈ 2.74; F.054, 67 ≈ 2.51; F.05
5, 67
≈ 2.35; F.056, 67 ≈ 2.24
1, 70
F.05 ≈ 3.98; F.052, 70 ≈ 3.13 ; F.053, 70 ≈ 2.74; F.054, 70 ≈ 2.50; F.05
5, 70
≈ 2.35

. display invchi2tail(df,p)

χ.05
2
(1) ≈ 3.84; χ.05
2
(2) ≈ 5.99; χ.05
2
(3) ≈ 7.81; χ.05
2
(4) ≈ 9.49; χ.05
2
(5) ≈ 11.07; χ.05
2
(6) ≈ 12.59

Trang 6|15
 BÀI TẬP 3
I. Lý thuyết
Cho số liệu về các biến kinh tế của 1 quốc gia từ quý 1 năm 1996 đến quý 4 năm 2016, gồm:
IM: Mức nhập khẩu hàng hóa tiêu dùng (1.000 USD)
GDP: Tổng sản phẩm quốc nội (1.000 USD)
EX: Tỷ giá hối đoái (đồng nội tệ/USD)
D: Là biến mùa vụ (biến giả) với D =1 nếu quan sát thuộc quý 1 hoặc quý 4; D =0 nếu
quan sát thuộc quý 2 hoặc quý 3.

Câu 1. Hãy xây dựng mô hình hồi quy (mô hình [1]) dựa trên ý kiến cho rằng mức nhập khẩu hàng hóa
tiêu dùng phụ thuộc vào tổng sản phẩm quốc nội và tỷ giá hối đoái. Nêu cách kiểm định giả thuyết
cho rằng khi tỷ giá hối đoái tăng thì mức nhập khẩu hàng hóa tiêu dùng giảm.
Câu 2. Dựa trên mô hình [1], có ý kiến cho rằng khi tỷ giá hối đoái và tổng sản phẩm quốc nội đồng thời
cùng tăng lên 1 đơn vị thì mức nhập khẩu hàng hóa tiêu dùng không đổi. Hãy nêu cách kiểm tra ý
kiến này.
Câu 3. Hồi quy mô hình sau (mô hình [2]):
α1 + α 2 IMˆ i2 + vi
ei2 =
với e là phần dư và IMˆ là ước lượng của IM có được sau khi ước lượng mô hình [1].
i i
Kết quả hồi quy ở mô hình [2] thường dùng để làm gì? Nếu R2 của mô hình [2] có ý nghĩa thống kê
thì mô hình [1] có hiện tượng gì? Trình bày cách khắc phục hiện tượng đó.
Câu 4. Cũng với mô hình [1], có ý kiến cho rằng mức nhập khẩu hàng hóa tiêu dùng ở các quý 1 hoặc 4
khác với các quý 2 hoặc 3. Hãy dùng kiểm định Chow để kiểm định giả thuyết này.

II. Bài tập

Cho bộ số liệu điều tra 155 hộ gia đình ở tỉnh X về một số biến kinh tế trong tháng như sau:
ELECi: Lượng điện sinh hoạt tiêu thụ trong tháng của hộ i (kw)
PEi: Giá điện sinh hoạt trong tháng phải trả của hộ i (1.000đ/kw)
PGi: Giá ga (gas) trong tháng phải trả của hộ i (1.000đ/kg)
INi: Thu nhập trong tháng của hộ i (triệu đồng/tháng)
với i =1, 2,..., 155. Chọn mức ý nghĩa α = 0.05 .
Một nhà nghiên cứu đã xây dựng mô hình kinh tế lượng về mối quan hệ giữa các biến và ước lượng
mô hình bằng phương pháp bình phương bé nhất OLS với kết quả như sau:
Mô hình [3]
Source | SS df MS Number of obs = 155
-------------+---------------------------------- F(3, 151) = 213.77
Model | 256302.241 3 85434.0803 Prob > F = 0.0000
Residual | 60346.4466 151 399.645342 R-squared = 0.8094
-------------+---------------------------------- Adj R-squared = 0.8056
Total | 316648.687 154 2056.16031 Root MSE = 19.991
------------------------------------------------------------------------------
ELEC | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PE | -85.37388 19.7116 -4.33 0.000 -124.32 -46.42773
PG | 1.58742 .3791109 4.19 0.000 .8383729 2.336467
IN | 3.37102 .8677076 3.88 0.000 1.656604 5.085436
_cons | 140.4796 48.39331 2.90 0.004 44.86418 236.0951
------------------------------------------------------------------------------

Trang 7|15
 
Kết quả ước lượng ma trận hiệp phương sai, COV( βˆ ) , của các hệ số hồi quy là:
Covariance matrix of coefficients of regress model
e(V) | PE PG IN _cons
-------------+------------------------------------------------
PE | 388.54707
PG | 2.9956155 .14372511
IN | 10.942255 -.10461469 .75291656
_cons | -941.12928 -7.6799033 -28.783366 2341.9122

Câu 5. Hãy viết hàm hồi quy tổng thể và hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [3].

Câu 6. Có ý kiến cho rằng khi giá điện sinh hoạt trong tháng giảm 1.000đ/kw thì lượng điện sinh hoạt
tiêu thụ bình quân trong tháng của hộ tăng không quá 90 kw, nếu các yếu tố khác trong mô hình
không đổi. Hãy kiểm tra ý kiến đó.

Câu 7. Xây dựng khoảng tin cậy đối xứng cho sự biến động về lượng điện sinh hoạt tiêu thụ bình quân
trong tháng của hộ khi thu nhập trong tháng của hộ tăng 1,5 triệu đồng/tháng và giá ga trong tháng
giảm 2.500đ/kg, giữ các yếu tố khác trong mô hình không đổi.

Câu 8. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [4] dưới đây. Cho biết kết quả
ước lượng ở mô hình [4] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]?
Mô hình [4]
Source | SS df MS Number of obs = 155
-------------+---------------------------------- F(2, 152) = 336.09
Model | 4.54852422 2 2.27426211 Prob > F = 0.0000
Residual | 1.02856352 152 .006766865 R-squared = 0.8156
-------------+---------------------------------- Adj R-squared = 0.8131
Total | 5.57708774 154 .036214855 Root MSE = .08226
------------------------------------------------------------------------------
PE | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PG | -.0077098 .0014292 -5.39 0.000 -.0105334 -.0048862
IN | -.028162 .0027442 -10.26 0.000 -.0335837 -.0227402
_cons | 2.422176 .0324871 74.56 0.000 2.357991 2.48636
------------------------------------------------------------------------------

Câu 9. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [5] dưới đây. Cho biết kết quả
ước lượng ở mô hình [5] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Fitted là giá trị ước lượng của ELEC và Resid là phần dư thu được từ mô hình [3].
Mô hình [5]
Source | SS df MS Number of obs = 155
-------------+---------------------------------- F(4, 150) = 0.21
Model | 331.94957 4 82.9873924 Prob > F = 0.9340
Residual | 60014.497 150 400.096647 R-squared = 0.0055
-------------+---------------------------------- Adj R-squared = -0.0210
Total | 60346.4466 154 391.860043 Root MSE = 20.002
------------------------------------------------------------------------------
Resid | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PE | -20.71464 30.1027 -0.69 0.492 -80.19473 38.76545
PG | .5116702 .6778207 0.75 0.452 -.8276394 1.85098
IN | 1.018329 1.415503 0.72 0.473 -1.778571 3.81523
Fitted^2| -.0011512 .0012638 -0.91 0.364 -.0036483 .001346
_cons | 15.3363 51.26446 0.30 0.765 -85.95741 116.63
------------------------------------------------------------------------------

Trang 8|15
Câu 10. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [6] dưới đây. Cho biết kết quả
ước lượng ở mô hình [6] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Resid là phần dư thu được từ mô hình [3], Ln là logarit cơ số tự nhiên.
Mô hình [6]
Source | SS df MS Number of obs = 155
-------------+---------------------------------- F(1, 153) = 1.13
Model | 4.41122093 1 4.41122093 Prob > F = 0.2892
Residual | 596.762268 153 3.90040698 R-squared = 0.0073
-------------+---------------------------------- Adj R-squared = 0.0008
Total | 601.173489 154 3.90372395 Root MSE = 1.9749
------------------------------------------------------------------------------
lnResid^2| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lnIN | -.7762882 .7299591 -1.06 0.289 -2.218388 .665812
_cons | 7.26148 2.168162 3.35 0.001 2.978079 11.54488
------------------------------------------------------------------------------

Một số giá trị tới hạn dùng để tham khảo:

t 0150 151 152 153 151
.025 ≈ t 0.025 ≈ t 0.025 ≈ t 0.025 = 1.976; t 0.05 = 1.655

F0(.05
2 ,152 )
= 3.056; F0(.105,150 ) = 3.904; F0(.105,153) = 3.903; F0(.05
4 ,150 )
= 2.432
χ 02.05 (1) = 3.841; χ 02.05 (2) = 5.991; χ 02.05 (3) = 7.815; χ 02.05 (4) = 9.488; χ 02.05 (5) = 11.070; χ 02.05 (6) = 12.592

Trang 9|15
 BÀI TẬP 4

I. Lý thuyết
Cho số liệu về các biến kinh tế từ quý 1 năm 1996 đến quý 4 năm 2015:
W: Tổng quỹ lương xã hội
GDP: Tổng sản phẩm quốc nội
I: Đầu tư xã hội
L: Lực lượng lao động
EL: Lực lượng lao động được tuyển dụng
Câu 1. Có ý kiến cho rằng tổng quỹ lương xã hội phụ thuộc vào tổng sản phẩm quốc nội, đầu tư xã hội và
lực lượng lao động được tuyển dụng. Xây dựng mô hình hồi quy [mô hình 1] và nêu cách phân tích
mô hình để biết được mô hình 1 có phù hợp hay không?
Câu 2. Thực hiện kiểm định Durbin-Watson để phát hiện mô hình [1] có hiện tượng tự tương quan
không, kết quả thu được thống kê DW nằm trong khoảng d L và dU . Khi đó kết luận như thế nào
về mô hình [1]. Trình bày một kiểm định khác để khảng định mô hình [1] có hiện tượng tự tương
quan hay không.
Câu 3. Hồi quy mô hình sau [mô hình 2]:
ei2 =α1 + α 2GDPi + α 3 I i + α 4 ELi + α 5GDPi 2 + α 6 I i2 + α 7 EL2i + vi .
Hồi quy mô hình [2] dùng để làm gì? Nếu α 7 của mô hình [2] có ý nghĩa thống kê nhưng các hệ số
hồi quy α 2 , α 3 , α 4 , α 5 , α 6 không có ý nghĩa thống kê thì mô hình [1] có hiện tượng gì? Trình bày
cách khắc phục hiện tượng đó. ( ei là các phần dư thu được khi ước lượng mô hình [1])
Câu 4. Nếu cho rằng mô hình [1] là chưa đầy đủ và cần đưa thêm biến lực lượng lao động vào mô hình
[1]. Hãy xây dựng mô hình mới [mô hình 3] và nêu hai cách để kiểm tra xem có nên đưa thêm biến
đó vào mô hình hay không?

II. Bài tập

Cho bộ số liệu điều tra về hoạt động xuất khẩu cà phê của 64 doanh nghiệp ở các tỉnh Tây Nguyên
năm 2016 gồm các biến sau:
EXi Lượng cà phê xuất khẩu (nghìn tấn),
PCi Giá cà phê xuất khẩu (nghìn USD/tấn),
CEi Chi phí bình quân trên 1 ha cà phê (nghìn USD /ha),
PRi Năng suất cà phê (tấn/ha).
với i =1, 2,..., 64 cho biết số liệu là của doanh nghiệp thứ i. Chọn mức ý nghĩa α = 0.05 .
Chạy hồi quy lượng cà phê xuất khẩu lên các biến giải thích cho kết quả như sau:
Mô hình [4]
Source | SS df MS Number of obs = 64
-------------+---------------------------------- F(3, 60) = 44.30
Model | 660783.459 3 220261.153 Prob > F = 0.0000
Residual | 298310.163 60 4971.83605 R-squared = 0.6890
-------------+---------------------------------- Adj R-squared = 0.6734
Total | 959093.622 63 15223.7083 Root MSE = 70.511

------------------------------------------------------------------------------
EX | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PC | .1285621 .0610938 2.10 0.040 .0063562 .250768
CE | -.395182 .1138776 -3.47 0.001 -.622971 -.1673929
PR | 49.14664 24.46711 2.01 0.049 .2051289 98.08815
_cons | 272.0928 163.1492 1.67 0.101 -54.25414 598.4397
------------------------------------------------------------------------------

Trang 10|15
 
Kết quả ước lượng ma trận hiệp phương sai, COV ( βˆ ) , của các hệ số hồi quy là:

Covariance matrix of coefficients of regress model

e(V) | PC CE PR _cons
-------------+------------------------------------------------
PC | .00373246
CE | .00344019 .0129681
PR | -.77344618 .73004359 598.63954
_cons | -6.3890442 -17.598666 -1003.2224 26617.65

Câu 5. Hãy viết hàm hồi quy tổng thể và hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [4].
Câu 6. Năng suất cà phê tăng 1 đơn vị có tác động đến lượng cà phê xuất khẩu không? Nếu có thì lượng
cà phê xuất khẩu có tăng nhiều hơn 50 đơn vị không?
Câu 7. Xây dựng khoảng tin cậy đối xứng cho sự biến động về lượng cà phê xuất khẩu khi chi phí bình
quân cho 1 ha cà phê giảm một đơn vị đồng thời giá cà phê xuất khẩu tăng hai đơn vị, giữ các yếu
tố khác trong mô hình không đổi.
Câu 8. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [5] dưới đây. Cho biết kết quả
ước lượng ở mô hình [5] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [4]?
Mô hình [5]
Source | SS df MS Number of obs = 64
-------------+---------------------------------- F(2, 61) = 50.34
Model | 13.7082776 2 6.85413882 Prob > F = 0.0000
Residual | 8.30522497 61 .136151229 R-squared = 0.6227
-------------+---------------------------------- Adj R-squared = 0.6104
Total | 22.0135026 63 .349420676 Root MSE = .36899

------------------------------------------------------------------------------
PR | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PC | .001292 .0002736 4.72 0.000 .0007449 .0018391
CE | -.0012195 .0005751 -2.12 0.038 -.0023695 -.0000695
_cons | 1.675837 .8263602 2.03 0.047 .0234279 3.328246
------------------------------------------------------------------------------

Câu 9. Biết Resid là phần dư thu được từ mô hình [4], hãy cho biết kết quả ước lượng ở mô hình [6]
dưới đây thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [4]?
Mô hình [6]
Source | SS df MS Number of obs = 64
-------------+---------------------------------- F(6, 57) = 2.83
Model | 620507629 6 103417938 Prob > F = 0.0176
Residual | 2.0838e+09 57 36557993.4 R-squared = 0.2295
-------------+---------------------------------- Adj R-squared = 0.1483
Total | 2.7043e+09 63 42925607.2 Root MSE = 6046.3

------------------------------------------------------------------------------
Resid^2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PC | 54.00511 39.81168 1.36 0.180 -25.7164 133.7266
PC^2 | -.0176285 .0126572 -1.39 0.169 -.0429741 .0077171
CE | -8.210596 96.90838 -0.08 0.933 -202.2663 185.8451
CE^2 | -.0085513 .060351 -0.14 0.888 -.129402 .1122995
PR | 18396.85 11189.01 1.64 0.106 -4008.766 40802.46
PR^2 | -3444.004 2098.98 -1.64 0.106 -7647.139 759.1309
_cons | -46660.39 53897.78 -0.87 0.390 -154588.8 61268.06
------------------------------------------------------------------------------

Trang 11|15
Câu 10. Biết Fitted là giá trị ước lượng của EX từ mô hình [4], hãy cho biết kết quả ước lượng ở mô
hình [7] dưới đây thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [4]?
Mô hình [7]
Source | SS df MS Number of obs = 64
-------------+---------------------------------- F(6, 57) = 3.89
Model | 86666.643 6 14444.4405 Prob > F = 0.0025
Residual | 211643.52 57 3713.04421 R-squared = 0.2905
-------------+---------------------------------- Adj R-squared = 0.2158
Total | 298310.163 63 4735.08195 Root MSE = 60.935

------------------------------------------------------------------------------
Resid | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PC | -2.988682 2.117891 -1.41 0.164 -7.229686 1.252323
CE | 9.270196 6.500941 1.43 0.159 -3.747713 22.2881
PR | -1155.4 807.2409 -1.43 0.158 -2771.872 461.0722
Fitted^2 | .1122218 .0934918 1.20 0.235 -.0749923 .2994358
Fitted^3 | -.0002153 .0002259 -0.95 0.344 -.0006676 .000237
Fitted^4 | 1.37e-07 1.96e-07 0.70 0.487 -2.56e-07 5.31e-07
_cons | -4736.854 3444.46 -1.38 0.174 -11634.27 2160.559
------------------------------------------------------------------------------

Một số giá trị tới hạn dùng để tham khảo:

t 057.025 = 2,002; t 060.025 ≈ t 061.025 = 2,000; t 060.05 = 1,671; χ 01.05 = 3.841; χ 02.05 (2) = 5,991; χ 02.05 (3) = 7,815; χ 02.05 (6) = 12,592
, 57
F02.05, 61 = 3,148; F06.05,57 = 2,263; F03.05 = 2,766; F03.05
, 60
= 2,758

Trang 12|15
 BÀI TẬP 5

I. Lý thuyết
Cho số liệu về các biến kinh tế từ quý 1 năm 1997 đến quý 4 năm 2016:
IM: Mức nhập khẩu hàng hóa tiêu dùng của 1 quốc gia
GDP: Tổng sản phẩm quốc nội
EX: Tỷ giá hối đoái (đồng nội tệ/USD)
D: Là biến mùa vụ (D=1 nếu quan sát thuộc quý 1 và quý 4; D=0 nếu quan sát thuộc quý 2
và quý 3)

Câu 1. Có ý kiến cho rằng mức nhập khẩu hàng hóa tiêu dùng phụ thuộc vào tổng sản phẩm quốc nội, tỷ
giá hối đoái. Xây dựng mô hình hồi quy [mô hình 1] và nêu cách phân tích mô hình để biết được có
ít nhất một biến độc lập giải thích cho sự biến động của mức nhập khẩu hàng hóa tiêu dùng?
Câu 2. Với mô hình [1], có ý kiến cho rằng khi tỷ giá hối đoái tăng 1 đơn vị và tổng sản phẩm quốc nội
tăng 2 đơn vị thì mức nhập khẩu hàng hóa tiêu dùng không đổi. Hãy nêu cách kiểm tra.
λ1 λ2GDPi + λ3 EX i + λ4 ei −1 + λ5ei − 2 + vi . Hồi quy mô hình
Câu 3 Hồi quy mô hình sau [mô hình [2]: ei =+
[2] dùng để làm gì? Nếu λ5 của mô hình [2] có ý nghĩa thống kê thì mô hình [1] có hiện tượng gì?
Khi đó, các ước lượng nhận được từ mô hình [1] còn là ước lượng BLUE không? Vì sao? ( ei là các
phần dư thu được khi ước lượng mô hình [1])
Câu 4. Với mô hình [1], có ý kiến cho rằng mức nhập khẩu hàng hóa tiêu dùng của quý 1 và quý 4 khác
với quý 2 và quý 3. Hãy trình bày kiểm định thích hợp để kiểm định giả thiết này.

II. Bài tập

Cho bộ số liệu điều tra 72 địa phương năm 2017 về một số biến kinh tế như sau:
QHi: Lượng xe máy Hon da tiêu thụ của địa phương i (1.000 chiếc)
PHi: Giá xe máy Hon da ở địa phương i (triệu đồng/chiếc)
PYi: Giá xe máy Yamaha ở địa phương i (triệu đồng/chiếc)
Ii: Thu nhập bình quân tháng của hộ ở địa phương i (triệu đồng/tháng)
với i =1, 2,..., 72. Chọn mức ý nghĩa α = 0.05 .

Một nhà nghiên cứu đã xây dựng mô hình kinh tế lượng về mối quan hệ giữa các biến và ước lượng
mô hình bằng phương pháp bình phương bé nhất OLS với kết quả như sau:
Mô hình [3]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(3, 68) = 45.53
Model | 3144.20842 3 1048.06947 Prob > F = 0.0000
Residual | 1565.41338 68 23.020785 R-squared = 0.6676
-------------+---------------------------------- Adj R-squared = 0.6529
Total | 4709.6218 71 66.3327014 Root MSE = 4.798

------------------------------------------------------------------------------
QH | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PH | -.27895 .1164528 -2.40 0.019 -.511328 -.046572
PY | .4528373 .1271012 3.56 0.001 .1992109 .7064637
I | .8316659 .3674066 2.26 0.027 .0985175 1.564814
_cons | 24.19487 6.225531 3.89 0.000 11.77201 36.61772
------------------------------------------------------------------------------
Durbin-Watson d-statistic(4, 72) = 1.893869

Trang 13|15
 
Kết quả ước lượng ma trận hiệp phương sai, COV( βˆ ) , của các hệ số hồi quy là:
Covariance matrix of coefficients of regress model
e(V) | PH PY I _cons
-------------+------------------------------------------------
PH | .01356126
PY | .00612518 .01615471
I | .0150703 -.02238294 .1349876
_cons | -.65661309 -.54442852 -.52439281 38.757234

Câu 5. Hãy viết hàm hồi quy tổng thể và hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [3].

Câu 6. Có ý kiến cho rằng khi giá xe máy Yamaha (PY) giảm 2 đơn vị và thu nhập bình quân tháng của
hộ (I) tăng 1 đơn vị thì lượng xe máy Hon da tiêu thụ (QH) không đổi, nếu giữ nguyên các yếu tố
khác trong mô hình. Hãy kiểm tra ý kiến này.

Câu 7. Có ý kiến cho rằng mô hình 3 có hiện tượng tự tương quan bậc 1. Hãy kiểm tra ý kiến trên.

Câu 8. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [4] dưới đây. Cho biết kết quả
ước lượng ở mô hình [4] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]?
Mô hình [4]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(2, 69) = 44.78
Model | 2203.15787 2 1101.57894 Prob > F = 0.0000
Residual | 1697.53999 69 24.6020288 R-squared = 0.5648
-------------+---------------------------------- Adj R-squared = 0.5522
Total | 3900.69787 71 54.9394066 Root MSE = 4.96
------------------------------------------------------------------------------
PH | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PY | -.4516676 .1196151 -3.78 0.000 -.6902931 -.2130421
I | -1.111275 .3554743 -3.13 0.003 -1.820427 -.4021235
_cons | 48.41829 2.728291 17.75 0.000 42.97549 53.86108
------------------------------------------------------------------------------

Câu 9. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [5] dưới đây. Cho biết kết quả
ước lượng ở mô hình [5] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Fitted là giá trị ước lượng của QH và Resid là phần dư thu được từ mô hình [3].
Mô hình [5]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(1, 70) = 1.28
Model | 600.559387 1 600.559387 Prob > F = 0.2614
Residual | 32793.6133 70 468.480189 R-squared = 0.0180
-------------+---------------------------------- Adj R-squared = 0.0040
Total | 33394.1726 71 470.34046 Root MSE = 21.644

------------------------------------------------------------------------------
Resid^2 | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
Fitted^2 | .0063537 .0056117 1.13 0.261 -.0048385 .0175458
_cons | 13.15789 7.999117 1.64 0.104 -2.795845 29.11163
------------------------------------------------------------------------------

Trang 14|15
Câu 10. Hãy viết hàm hồi quy mẫu dựa vào kết quả ước lượng ở mô hình [6] dưới đây. Cho biết kết quả
ước lượng ở mô hình [6] thường dùng để làm gì? Bạn kết luận như thế nào về mô hình [3]? Biết
Fitted là giá trị ước lượng của QH thu được từ mô hình [3].
Mô hình [6]
Source | SS df MS Number of obs = 72
-------------+---------------------------------- F(5, 66) = 30.8469
Model | 3298.24278 5 659.648555 Prob > F = 0.0000
Residual | 1411.37900 66 21.3845303 R-squared = 0.7003
-------------+---------------------------------- Adj R-squared = 0.6776
Total | 4709.62178 71 66.3327011 Root MSE = 1.5762
------------------------------------------------------------------------------
QH | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
PH | 4.218587 2.418292 1.74 0.086 -0.609689 9.046863
PY | -6.820803 3.865580 -1.76 0.082 -14.53868 0.897076
I | -12.57931 7.249253 -1.74 0.087 -27.05291 1.894290
Fitted^2 | 0.506016 0.253085 2.00 0.049 -0.000715 1.011317
Fitted^3 | -0.00517 0.002441 -2.12 0.038 -0.010044 -0.00029
_cons | -199.3908 114.0561 -1.75 0.085 -427.1111 28.32955
------------------------------------------------------------------------------

Một số giá trị tới hạn dùng để tham khảo:

t 068.025 ≈ t 069.025 = 1.995; t 070.025 = 1,994; t 068.05 = 1.668
F0(.305, 68) = 2,740; F0(.05
2 , 69 )
= 3,130; F0(.105, 70 ) = 3,978; F0(.05
2 , 66 )
= 3,136; F0(.5025
, 66 )
= 2,354
χ 02.05 (1) = 3.841; χ 02.05 (2) = 5.991; χ 02.05 (3) = 7.815; χ 02.05 (4) = 9.488; χ 02.05 (5) = 11.070; χ 02.05 (6) = 12.592
n = 72, k , = 3, d L = 1,525, dU = 1,703

Trang 15|15