10/09/2018

Kiểm tra, đánh giá kết quả:

-Điểm chuyên cần (hệ số 0.1):
KINH TẾ LƯỢNG Dự lớp đầy đủ: 10 điểm.
(ECONOMETRICS) Vắng 1 ngày hoặc đi trễ 2 ngày: trừ 1
điểm.
GV. Phan Trung Hiếu
Chỉ được vắng 1 ngày có phép.
45 tiết -Bài kiểm tra giữa kì (hệ số 0.3):
Tự luận, không được sử dụng tài liệu.
-Bài kiểm tra cuối kì (hệ số 0.6):
LOG Tự luận, không được sử dụng tài liệu.
O
2

Điểm cộng, trừ giờ bài tập:
-Điểm cộng vào bài kiểm giữa kỳ:
1 lần xung phong lên bảng làm đúng 1
câu:+0,5 điểm (nếu làm sai thì không
trừ điểm).
Chỉ được cộng tối đa 2 điểm.
Điểm cộng, trừ giờ bài tập:
-Điểm trừ vào bài kiểm giữa kỳ:
Khi SV đã được +2 điểm mà vẫn tự ý lên làm
bài: -0,5 điểm/lần.
Khi không có SV xung phong lên làm thì GV
sẽ gọi 1 SV lên làm theo danh sách thứ tự từ
trên xuống:
-Nếu SV làm đúng thì +0,5 điểm/lần,
-Nếu làm sai hoặc không biết làm thì -0,5
điểm/lần.

3 4

Trang web môn học: Nội dung:

SV download tài liệu, xem điểm cộng, trừ hàng Chương 1: Giới thiệu về kinh tế lượng
tuần, điểm quá trình trên trang web sau: Chương 2: Hồi quy hai biến
Chương 3: Hồi quy nhiều biến
https://sites.google.com/site/sgupth Chương 4: Hồi quy với biến giả
Chương 5: Đa cộng tuyến

5 6

1
 10/09/2018

Tài liệu học tập: Dụng cụ hỗ trợ học tập:

Tài liệu bắt buộc: Bài giảng trên lớp. Máy tính FX 500MS, FX 570MS,
Tài liệu tham khảo: FX 570ES, FX 570ES Plus.
[1] Hoàng Ngọc Nhậm, Giáo trình Kinh tế
lượng, NXB Lao động xã hội, 2009.
[2] Hoàng Ngọc Nhậm, Bài tập Kinh tế
lượng với sự trợ giúp của EVIEWS, NXB
Lao động xã hội, 2009.

7 8

I. Kinh tế lượng là gì:

Chương 1:
Toán học
GIỚI THIỆU VỀ
Econo metrics
KINH TẾ LƯỢNG
Thống kê

Kinh tế Đo lường

Đo lường kinh tế
LOG
O
10

I. Kinh tế lượng là gì:
Kinh tế lượng được định nghĩa như sự
phân tích định lượng các hiện tượng
kinh tế bằng các công cụ lý thuyết kinh
tế, toán học và thống kê.
II. Một số ứng dụng của kinh tế lượng:
-Ước lượng quan hệ kinh tế: ước lượng
bằng số về những mối quan hệ kinh tế.
-Kiểm định giả thiết: kiểm định bằng thực
nghiệm các lý thuyết kinh tế.
-Dự báo: đề ra chiến lược và chính sách phù
hợp cho tương lai.

11 12

2
 10/09/2018

III. Phương pháp luận của KTL: IV. Ví dụ:

Bước 1: Phát biểu lý thuyết hoặc giả thuyết. Bước 1: Phát biểu lý thuyết hoặc giả thuyết.
Bước 2: Xác định đặc trưng của mô hình toán kinh tế
cho lý thuyết hoặc giả thuyết. Lý thuyết về chi tiêu & thu nhập của Keynes:
Bước 3: Xác định đặc trưng của mô hình kinh tế “chi tiêu tăng khi thu nhập tăng (quan hệ
lượng cho lý thuyết hoặc giả thuyết.
Bước 4: Thu thập dữ liệu. cùng chiều), chi tiêu có xu hướng tăng ít hơn
Bước 5: Ước lượng các tham số của mô hình kinh tế so với sự gia tăng thu nhập”.
lượng.
Bước 6: Kiểm định giả thuyết.
Bước 7: Dự báo.
Bước 8: Sử dụng mô hình để quyết định chính sách.
13 14

Bước 3: Xác định đặc trưng của mô hình

Bước 2: Xác định đặc trưng của mô hình
kinh tế lượng cho lý thuyết hoặc giả thuyết.
toán kinh tế cho lý thuyết hoặc giả thuyết.

Y  1   2 X Y   1   2 X U
Chi tiêu Thu nhập
Sai số ngẫu nhiên
tham số
tham số ta cần xác định

15 16

Bước 4: Thu thập dữ liệu. Bước 5: Ước lượng các tham số của mô hình kinh tế
Số thứ tự Năm Chi tiêu (Y) GDP (X) lượng.
1
2
1982
1983
3081,5
3240,6
4620,3
4803,7
 
Ước lượng bằng phương trình Y   X
i 1 2 i
3 1984 3407,6 5140,1
4 1985 3566,5 5323,5  : ước lượng về tiêu dùng khi cho trước quan sát thu
Yi
5 1986 3708,7 5487,7 nhập.
6 1987 3822,3 5649,5
7 1988 3972,7 5865,2
 ,
  : tham số ước lượng của các tham số tổng thể.
1 2
8 1989 4064,6 6062,0
9 1990 4132,2 6136,3 Bằng phương pháp bình phương nhỏ nhất (OLS):
  184, 0780  2  0, 706408
10 1991 4105,8 6079,4
11 1992 4219,8 6244,4  1
12 1993 4343,6 6389,6
13
14
1994
1995
4486,0
4595,3
6610,7
6742,1
  184,0708  0, 706408 X
Yi i
15 1996 4714,1 6928,4
Bảng 1: Chi tiêu cá nhân và GDP của Mỹ, giai đoạn 1982-1996.
17 18

3
 10/09/2018

Bước 6: Kiểm định giả thuyết. Bước 7: Dự báo.

“chi tiêu tăng khi thu nhập tăng (quan hệ
cùng chiều), chi tiêu có xu hướng tăng ít hơn
so với sự gia tăng thu nhập”.
nghĩa là ta cần kiểm định giả thuyết
 2  (0;1)
Cần đánh giá mức độ ý nghĩa thống kê của con số
 2  0, 706408
Từ kết quả
Yi  184, 0708  0, 706408 Xi
Nếu ước tính giá trị GDP của Mỹ năm 1997 là
7269,8 tỷ USD thì giá trị của tiêu dùng cho năm 1997
là:

Y  184, 0708  0, 706408  7269,8  4951,3167  4951
i
tỷ USD
Thực tế: Giá trị tiêu dùng năm 1997 là 4913,5 tỷ USD,
nghĩa là chênh lệch 37, 82 tỷ USD.

19 20

Bước 8: Sử dụng mô hình để quyết định chính sách.

Giả sử chính phủ Mỹ có cơ sở cho rằng: Nếu chi tiêu V. Số liệu cho nghiên cứu KTL:
năm 1997 đạt mức 5000 tỷ USD thì sẽ duy trì được tỷ Số liệu theo thời gian: nhiều thời điểm trên 1
lệ thất nghiệp ở mức 6,5%. Như vậy, cần kiểm soát thực thể
hoặc đề xuất chính sách để đảm bảo GDP ở mức nào Năm 1998 1999 2000 2001 2002
đó để duy trì được tỷ lệ thất nghiệp đó. GDP 360 374 401 413 440

Từ phương trình ước lượng, ta có Số liệu về GDP bình quân của Việt Nam theo các năm từ 1998-2002.

Số liệu theo không gian: nhiều thực thể tại 1

5000  184, 0708  0, 706408 X 1997 thời điểm
 X 1997  7338, 6 tỷ USD Nước Việt Nam Lào Campuchia Thái Lan Philippines
Vậy, GDP cần đạt mức 5882,4 tỷ USD để duy trì tỷ lệ GDP 655 570 459 2959 1361
thất nghiệp ở mức 6,5%. Số liệu về GDP bình quân trong năm 2006 tại 5 nước.

21 22

Số liệu hỗn hợp: nhiều thời điểm và nhiều thực thể Số liệu định tính:
IV. Số liệu cho nghiên cứu KTL: IV. Số liệu cho nghiên cứu KTL:
Năm Y D Y D Y D Y D Y D
2000 2001 2002 2003 1345 0 1234 0 1345 0 2365 0 3307 1
Nước
2435 1 1345 0 2167 1 1345 0 3833 1
Việt Nam 402 412,9 439,9 491,9 1715 1 1345 0 1402 1 1839 0 1839 1
Lào 326,2 326 338,7 389,7 1461 1 3389 1 2115 1 2613 1 1461 0
1639 1 1839 1 2218 1 2533 1 1433 1
Số liệu về GDP bình quân của Việt Nam & Lào từ 2000-2003. 1345 0 981 1 3575 1 1602 0 2115 0
1602 0 1345 0 1972 1 1839 0 1839 1
1144 0 1566 0 1234 0 2218 1 1288 1
Tiền lương trong 1 tháng của 40 nhân viên,
trong đó Y: tiền lương (USD), D: giới tính (D = 0: nữ, D = 1: nam).

23 24

4
 10/09/2018

VI. Phần mềm chuyên dùng cho KTL: VII. Phân tích hồi quy:
EVIEWS 7.1. Phân tích hồi quy (Regression Analysis):
Tìm quan hệ phụ thuộc của biến phụ thuộc vào một
SPSS
hoặc nhiều biến độc lập nhằm mục đích ước lượng
hoặc tiên đoán giá trị trung bình của biến phụ
thuộc khi biết trước giá trị của biến độc lập.
7.2. Biến phụ thuộc (Dependent variable) và
biến độc lập (Independent variable):
Y: Biến phụ thuộc (là biến ngẫu nhiên).
X , X 1 , X 2 , X 3 ... : Biến độc lập (nhận những giá trị xác định).
Biến phụ thuộc chịu tác động của biến độc lập, biến
độc lập là biến gây ra ảnh hưởng cho biến độc lập.
25 26

Ví dụ: Hãy chỉ ra biến phụ thuộc, biến độc lập
a) Chi tiêu & Thu nhập
Y X
b) Diện tích nhà & Giá bán nhà
X Y
Trong mỗi câu trên, biến phụ thuộc còn có
thể chịu tác động của những biến độc lập
nào khác nữa không?
Phân tích hồi quy giải quyết các vấn đề:
Ước lượng giá trị trung bình của biến
phụ thuộc với giá trị đã cho của biến
độc lập.
Kiểm định giả thiết về bản chất của
sự phụ thuộc.
Dự báo giá trị trung bình của biến
phụ thuộc khi biết giá trị của các biến
độc lập.

27 28

Tổng thể và mẫu: Tổng thể và mẫu:

Tổng thể: Tập hợp “mẹ” chứa rất nhiều Nhận xét: Kích thước tổng thể thường
phần tử. rất lớn, chứa rất nhiều phần tử, do đó
Mẫu: Tập hợp “con” được lấy ra từ tổng rất khó nghiên cứu, khảo sát trên tổng
thể. thể (giới hạn về tiền bạc, thời gian, công
Tổng thể sức,… phá vỡ tổng thể, không xác định
được chính xác tổng thể,…)

Mẫu Mẫu Mẫu

29 30

5
 10/09/2018

VIII. Hàm hồi quy tổng thể PRF: Ví VII.

dụ 1.1:
Hàm hồi quy tổng thể PRF:
-Được xây dựng dựa trên kết quả khảo sát một tổng
thể. 1) E (Y | Xi )  1   2 Xi
-Nếu PRF (Population Regression Function) có 1 biến
2) E (Y | Xi )  1   2 X i   3 Xi2 Hàm hồi quy đơn
độc lập thì gọi là hàm hồi quy đơn (hồi quy hai biến):
E (Y | Xi )  f ( Xi ) 3) E (Y | X i )  1  2 ln Xi
E(Y | Xi ): trung bình cuûa Y khi X nhaän giaù trò Xi 4) E (Y | X 2 i , X3i )  1  2 X 2i  3 X3 i
Hàm hồi quy tổng thể cho biết giá trị trung bình  Hàm hồi quy bội
của Y sẽ thay đổi như thế nào khi biến X nhận 5) E (Y | X2i , X3i )  1  2  3 X3i
X2 i
các giá trị khác nhau.
-Nếu PRF có từ 2 biến độc lập trở lên thì gọi là hàm
hồi quy bội (hồi quy nhiều biến).
31 32

Giải thích thuật ngữ “tuyến tính”:

Xét trường hợp đơn giản nhất là PRF có dạng
tuyến tính: DẠNG XÁC ĐỊNH Hàm hồi quy tổng thể được gọi là tuyến tính
E (Y | X )     X (1.4)
i 1 2 i nếu hàm đó là hàm bậc nhất đối với tham số.
Gọi U i  Yi  E (Y | Xi ). Khi đó: DẠNG NGẪU NHIÊN

(1.5)
Yi  1   2 Xi  U i
giá trị quan sai số ngẫu
sát thứ i của Hệ số hồi quy
nhiên
biến Y

33

34

Ví dụ 1.2: IX. Hàm hồi quy mẫu SRF:

Mô hình nào sau đây là mô hình hồi quy tuyến tính? SRF (Sample Regression Function)
 1  -Được xây dựng trên cơ sở dữ liệu của một mẫu
a ) Yi  1   2 Xi2  Ui b) Yi  1   2    Ui -Được biểu diễn theo hàm hồi quy tổng thể tương ứng
TT TT  Xi  PRF SRF
1 1 E(Y | Xi )  1   2 Xi i  
Y    X
1 2 i
c ) Yi    2 ln Xi  Ui d ) Yi   Ui
1 1  e 1   2 X i Yi  1   2 Xi  Ui   i
Yi   1   2 Xi  U
KTT KTT
Chú ý: Ta có thể biến đổi một số mô hình hồi quy Ước lượng
không tuyến tính về dạng tuyến tính bằng các phép
Tổng Thể Mẫu
biến đổi thích hợp.
35 36

6
 10/09/2018

X. Ví dụ minh họa: Xi 80 100 120 140 160 180 200 220 240 260
E (Y | X i ) 65 77 89 101 113 125 137 149 161 173
X X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
Y 80 100 120 140 160 180 200 220 240 260 Y PRF
55 65 79 80 102 110 120 135 137 150 200

60 70 84 93 107 115 136 137 145 152 180

160
65 74 90 95 110 120 140 140 155 175
140
70 80 94 103 116 130 144 152 165 178
120
75 85
98 108 118 135 145 157 175 180
100
88
114 125 140 160 189 185
80 75
115 162 191 70
60 65
60
Tổng 325 462 445 707 678 750 685 1043 966 1211 55

O X
X: thu nhập hàng tuần (USD). Y: chi tiêu trong tuần (USD). 60 80 100 120 140 160 180 200 220 240 260 300
38

37

Mẫu 1: Xi 80 100 120 140 160 180 200 220 240 260
IX.Y Ví70dụ65minh
i 90 họa:
95 110 115 120 140 155 150 XI. Phân biệt các loại quan hệ:

Mẫu 2: Xi 80 100 120 140 160 180 200 220 240 260 Quan hệ thống kê Quan hệ hàm số
Yi 55 88 90 80 118 120 145 135 145 175
Ứng với mỗi giá trị
của biến độc lập có Ứng với mỗi giá trị
thể có nhiều giá trị của biến độc lập có
khác nhau của biến duy nhất một giá trị
phụ thuộc. của biến phụ thuộc.

39 40

Quan
XI. hệ nhân
Phân quảcác loại quan
biệt Phân tích
hệ: hồi quy PhânXI.
tích tương
Phân quan
biệt Phân tích
các loại quan hệ: hồi quy
X và Y gọi là có quan Đo mức độ mạnh yếu
Phân tích hồi quy là
hệ nhân quả nếu X là của mối quan hệ tuyến
phân tích mối quan hệ
nguyên nhân đem lại tính giữa hai biến số. Vai trò của biến độc lập
giữa một biến phụ thuộc
kết quả là Y và ngược Do đó, không có sự và biến phụ thuộc phải
với một hoặc nhiều biến
lại nếu có kết quả là Y phân biệt giữa các được phân biệt rõ ràng
độc lập khác. Điều này
thì có thể suy luận là biến, vai trò giữa các
không đòi hỏi giữa biến
do nguyên nhân X. biến là như nhau.
độc lập và các biến phụ
Trong quan hệ nhân
thuộc có mối quan hệ
quả, X là biến độc lập,
nhân quả.
Y là biến phụ thuộc.

41 42

7
 Bài tập Kinh tế lượng
Bài tập Chương 1

Bài 1: Phân loại các dữ liệu sau đây

a) Giá vàng tại TP. HCM vào các ngày đầu tháng trong năm 2017.
b) Doanh số bán hàng của một siêu thị tính theo từng quý trong năm 2017.
c) Năng suất lúa tại các tỉnh thuộc đồng bằng sông Cửu Long năm 2017.
d) Lượng điện tiêu thụ của các hộ tại một địa phương trong tháng 8 năm 2017.
e) Lượng điện tiêu thụ từng tháng của các hộ tại một địa phương trong năm 2017.
Bài 2: Cho mô hình hồi quy tổng thể Yi  1   2 Xi  Ui . Dựa vào các kiến thức về kinh tế xã hội, ...
Hãy cho biết dấu của hệ số  2 trong mô hình hồi quy trên ứng với các tình huống cụ thể sau
a) Mức cầu của một loại hàng hóa (Y) và giá bán (X).
b) Doanh số bán hàng của một loại hàng (Y) và giá bán (X).
c) Giá bán nhà (Y) và diện tích của căn nhà (X).
d) Lượng khác đi xe bus (Y) và giá bán lẻ xăng (X).
Bài 3: Một nhà nghiên cứu muốn nghiên cứu mối quan hệ giữa lượng thịt gà tiêu thụ tại TP. HCM và
giá bán thịt gà tại TP. HCM . Giả sử, nhà nghiên cứu chọn mô hình hồi quy tuyến tính.
a) Nhà nghiên cứu chọn mô hình tuyến tính bao nhiêu biến? Biến nào là biến độc lập (X), biến nào là
biến phụ thuộc (Y)?
b) Viết mô hình hồi quy tổng thể và mô hình hồi quy mẫu.
c) Ngoài biến X tác động đến Y, hãy cho biết còn biến nào có thể tác động đến Y hay không? Kể tên.
Bài 4: Mô hình nào sau đây là mô hình hồi quy tuyến tính?
 1 
a) Yi  1   2 ln Xi  Ui . b) ln Yi  1   2   Ui .
 X 
 i 
c) Yi  1  (  2 )3 Xi  U i . d) Yi  e 1  2 ln Xi Ui .
e) ln Yi  ln 1   2 ln X i  Ui . f) Yi  1   2 Xi   3 X i2  Ui .
Bài 5: Hãy biến đổi các mô hình sau đây về mô hình hồi quy tuyến tính.
1 Xi
a) Yi  . b) Yi  .
1   2 Xi  Ui 1   2 Xi
1
c) Yi  e 1  2 ln Xi Ui . d) Yi  .
1   2 X i U i
1 e

8
GV. Phan Trung Hiếu
 18/09/2018

KINH TẾ LƯỢNG Chương 2:

(ECONOMETRICS) HỒI QUY HAI BIẾN

GV. Phan Trung Hiếu

i  
-Biết cách tìm hàm hồi quy mẫu SRF: Y    X
45 tiết 1 2 i

-Biết cách tìm khoảng ƯL cho các tham số và KĐ các giả thiết.

-Sử dụng mô hình hồi quy tìm được để dự báo.

LOG LOG
O O

I. Phương pháp bình phương nhỏ nhất OLS

Nhắc lại: (Ordinary Least Square):
Tổng thể PRF Mẫu SRF Giả sử có n cặp quan sát thực tế ( X i , Yi )
Giá trị ước lượng: Y i   1   2 Xi
E (Y | Xi )  1   2 Xi Y i  
 
1
 X
2 i Mong muốn: Y SRF
Yi
  i 
Y i càng gần Yi càng tốt i
Yi  1   2 Xi  Ui Yi   1   2 Xi  U U
U  i caøng nhoû caøng toát  Yi
Giá trị trung bình
 i : öôùc löôïn g ñieåm cuûa E (Y | X )
Y của Y
Xét:
i n 2 n 2


 ( heä soá chaën) : öôùc löôïn g ñieåm cuûa  U   Y     X 
i i 1 2 i min
i  Y Y
i
1 1
 1 ,  2 ? U
i1 i1 i

 ( heä soá goùc) : öôùc löôïng ñieåm cuûa  Bài toán: Tìm
n
 1 ,  2 sao2 cho
 2 2  ,
f ( 1
 )
2  Yi   1   2 Xi
   min
O Xi

U i ( phaàn dö ) : öôùc löôïng ñieåm cuûa U i
i 1
X

U  Y Y i
i i
3 4

n n

 X Y  n.X .Y i i x y i i Ý nghĩa của các hệ số hồi quy:

 2  i 1
 i 1 Chú ý:  cho biết: khi X nhận giá trị 0 thì giá trị trung bình
n 2 n 
X 2
 
n X
x 2 2 1
 đơn vị.
 X   X 
2
i
i 1 i
i
của Y là  1
i 1 i
 1  Y   2 X   0 cho biết: khi X tăng 1 đơn vị thì giá trị trung
 2
n n
 đơn vị (trong điều kiện
bình của Y sẽ tăng 
X i  Yi 2
X i 1
: trung bình của X. Y i 1
: trung bình của Y. các yếu tố khác không thay đổi).
n n

  2  0 cho biết: khi X tăng 1 đơn vị thì giá trị trung
xi  Xi  X , yi  Yi  Y : độ lệch giá trị của biến so với bình của Y sẽ giảm  đơn vị (trong điều
trung bình. 2
kiện các yếu tố khác không thay đổi).

1
 18/09/2018

Ví dụ Bảng
Ví1:dụ 2.1:sauTìm
cho SRF
số liệu về mức chi tiêu cho
  1  24, 4545 cho biết:
tiêu dùng Y (đôla/tuần) và thu nhập X (đôla/tuần)
X 80 100 120 140 160 180 200 220 240 260
Y 70 65 90 95 110 115 120 140 155 150
Hãy ước lượng hàm hồi quy tuyến tính của chi tiêu
theo thu nhập. Nêu ý nghĩa của các hệ số hồi quy.
Giải   0,5091 cho biết:

n 2

X Y
X  Y  r
 
 1
 2 
( SRF ) :
7 8

II. Tính chất của SRF theo phương pháp OLS: III. Các tổng bình phương độ lệch:
n 2
Yi CĐ
2.1. Tính chất của các hệ số hồi quy:
RSS SRF  TSS   Yi  Y  
  1 và  2 được xác định một cách duy nhất với n cặp i
Y TSS TĐ
i 1
n
giá trị quan sát ( Xi , Yi ) 2
ESS  Y i
2
n Y 
  và  là các đại lượng ngẫu nhiên, với các mẫu
1 2
Y i 1

CĐ  Y
n 2
khác nhau, giá trị của chúng sẽ khác nhau.
5.2. Tính chất của hàm hồi quy mẫu:
. O
 ESS   Y i
i 1
 
n X Xi X n
 
Y    X  U i  0 n    X
  2
2
2 
 n.( X ) 2 
1 2 n i  0
 X i U
i

 i 1
TSS  ESS  RSS
i 1
 Yi n i 1 n
i
2

  , với Y  i1
Y Y  Y i U
n
i  0

i 1  RSS  TSS  ESS
 RSS   Yi  Y
i 1
 
9 10

IV. Hệ số xác định R :

2
V. Hệ số tương quan r:
-Là đại lượng để đo mức độ phù hợp của SRF -Là đại lượng để đo mức độ chặt chẽ của quan hệ
RSS ESS tuyến tính giữa X và Y.
R2  1  
TSS TSS n n

Ý nghĩa của R 2 : biến X giải thích được  R 2  100  % X i 1

i 
 X Yi  Y  x y
i 1
i i

sự thay đổi của biến Y, 100   R 2 100   % sự thay r 

n 2 n 2 n n
đổi còn lại của Y do các yếu tố ngẫu nhiên khác gây X
i 1
i
X   Y  Y 
.
i 1
i x y
i 1
2
i
i 1
i
2

ra
Chú ý :  0  R2  1
 R 2  0 : SRF không thích hợp r   R2
 R 2  1 : SRF phù hợp hoàn hảo
2
Theo kinh nghiệm, với số liệu theo thời gian thì R  0, 9 được 
r cùng dấu với  2
xem là tốt, với số liệu chéo thì R 2  0, 7 được xem là tốt.
11 12

2
 18/09/2018

Ý nghĩa của r :
 X và Y có mối quan hệ tương quan không chặt chẽ
 X và Y có quan hệ đồng biến.

r:

 X và Y không có quan hệ tương quan

 X và Y có quan hệ nghịch biến.

13 14

Ví dụ 2: Với bảng số liệu trong Ví dụ 1. Hãy

a) Tính các tổng bình phương độ lệch, hệ số xác định V. Các giả thiết của phương pháp OLS:
nêu ý nghĩa.  Mô hình hồi quy có dạng tuyến tính đối với các tham số.
b) Tính hệ số tương quan và nêu ý nghĩa.  Biến độc lập X là phi ngẫu nhiên, nghĩa là các giá trị của X được
Giải xác định trước.
2
a) TSS  n. Y2  ESS  n.  2  . X2   E (Ui | Xi )  0
RSS  TSS  ESS 
R2  r 2 
Vậy, trong mô hình SRF, biến thu nhập X giải thích
được…………..sự thay đổi của biến chi tiêu Y;……..
sự thay đổi còn lại của Y là do các yếu tố ngẫu nhiên
gây ra.
b) r 
Ta thấy r ……… nên X và Y có quan hệ ………. 15 16

VI. Các giả thiết của phương pháp OLS: Định lý Gauss-Markov:
2
 Var (Ui | Xi )   Với các giả thiết từ  đến  ở trên, các ước lượng của
phương pháp OLS sẽ là các ước lượng
i tuyến tính, không chệch và có phương sai nhỏ nhất.
Vì thế, phương pháp OLS đưa ra ước lượng không thiên
E (Y | Xi ) lệch tuyến tính tốt nhất.

Phương sai có điều kiện không đổi. Phương sai có điều kiện thay đổi.

 cov(U i ,U j )  0, i  j
 cov(Ui , X i )  0

17 18

3
 18/09/2018

Gọi  2  var(Ui | X i ) là phương sai của sai số ngẫu nhiên

VI. Phương sai và sai số chuẩn của ước lượng:
 là ước lượng của  2
2
 2 RSS  
n2
Phương sai của các hệ số hồi quy:
n
2
X i
var(  1 )   
2
i 1
n
  2

Kỳ vọng (trung bình):

n   Xi 2  n X 
 i 1 
 
 ) 
E( 1 1
 2

var(  2 ) 
 )
E(2 2

n 2
X
i 1
i
2
n X  
19 20

Sai số chuẩn (độ lêch chuẩn) của các hệ số hồi quy: VII. Khoảng tin cậy của 1 ,  2 :
 )  var( 
se(   )
1 1

 )  var( 
se(   )
2 2

:
Sai số chuẩn của đường hồi quy 

2
  
1 2 2
? ? ? ? ? ?
( ) ( ) ( )
 1  2 
2

21 22

-Giả thiết: Có cỡ mẫu n. Ví dụ 3: Với bảng số liệu trong Ví dụ 1. Hãy tìm

 i   i  i   i
Có  i (i  1,2) khoảng tin cậy tối đa cho hệ số chặn với độ tin cậy
( )
Có độ tin cậy   i 95%.
Giải
(i  1,2) RSS
-Mục tiêu: Tìm  i  
2
  1   RSS  
n2
(sai số của ước lượng hay độ chính xác của ước Khoảng tin cậy cho 1 :
   X  
2 2
lượng) sao cho  )
var(   1    
i   i   i ; 
    :Khoảng tin cậy đối xứng.
 1
n   X  
i i  

i  (;  i   i ):Khoảng tin cậy tối đa.  )  var 
se(   
 
1 1

   ; ):Khoảng tin cậy tối thiểu.

i  (  tn2 
i i
với độ tin cậy   1  tn  2  se(  1 ) 
2

-Phương pháp: Xem  trang Vậy, 1    ;  1  1   với độ tin cậy 95%

23 24

4
 18/09/2018

Ví dụ 4: Với bảng số liệu trong Ví dụ 1. Khi thu nhập

hàng tuần tăng 1 đôla thì chi tiêu trung bình hàng tuần VIII. Khoảng tin cậy của phương sai  2 :
tăng trong khoảng nào với độ tin cậy 95%? -Giả thiết: Có cỡ mẫu n, có  , có độ tin cậy
2

Giải
Khoảng tin cậy cho  2: -Mục tiêu: Cần tìm (a,b) sao cho  2  (a, b)

2 với độ tin cậy 
 )
var(  
2
n. X2 -Phương pháp: Xem  trang
 )  var 
 
se(  2 2  
8
t n 2  t0,025 
 2  t n 2  se(  2 ) 
2

 2   2   2 ;  2   2 
  với độ tin cậy 95%
Vậy, khi thu nhập hàng tuần tăng 1 đôla thì chi tiêu
trung bình hàng tuần tăng trong khoảng
25 đô la 26

Ví dụ 5: Với bảng số liệu trong Ví dụ 1. Hãy tìm

khoảng tin cậy cho phương sai, với độ tin cậy 95%.
IX. Kiểm định giả thuyết:
Giải -Kiểm tra xem một điều gì đó đúng hay sai, nội dung
  1   RSS  thông tin mà ta nhận được có đáng tin cậy không.
-Kiểm tra kết quả tìm được từ một số liệu thực tế có
 2;( n  2)  phù hợp với một giả thiết nào đó nêu ra hay không.
2

2
 1 2 ;( n  2)

 
Vậy,  2   RSS
2
; 2
RSS

   ;( n  2) 1 2 ;( n  2)

 2  với độ tin cậy 95%

27 28

Giả sử  là tham số cần kiểm định theo thực tế.

(  1 ,  2 ,  2 ) Các bước kiểm định tổng quát:
 0 là giá trị đã biết theo 1 ý kiến nào đó. -Bước 1: Đặt cặp giả thuyết thống kê.
( 0  10 ,  20 ,  02 ) -Bước 2: Kiểm định giả thuyết thống kê.
Kiểm định Kiểm định
-Bước 3: Kết luận (chấp nhận hay bác bỏ H).
2 phía 1 phía
Kiểm định Kiểm định
phía trái phía phải
 H :   0
  H :    0  H :    0
 H :   0  
 H :    0  H :    0

29 30

5
 18/09/2018

Ví dụ 6: Với bảng số liệu trong Ví dụ 1. Có ý kiến cho

X. Kiểm định các hệ số hồi quy:
1 ,  2 : là hệ số cần kiểm định theo thực tế.
10 ,  20 : cho trước.
Cho trước mức ý nghĩa
-Phương pháp: Xem  trang
rằng khi không có thu nhập hàng tuần thì chi tiêu trung
bình hàng tuần ít hơn 25 đôla. Với mức ý nghĩa 5%, ý
kiến này có đáng tin không?
Giải
Phương pháp khoảng tin cậy:
 H :

.   H :
  1  
Theo Ví dụ 3, ta có 1    ;  1  1  
Vì……………………nên ta ………….H. Vậy, với
mức ý nghĩa 5%, ý kiến ………………..

31 32

Phương pháp giá trị tới hạn: Ví dụ 7: Với bảng số liệu trong Ví dụ 1. Với mức ý
 H : nghĩa 5%, hãy cho biết thu nhập có thực sự ảnh hưởng
 đến chi tiêu hay không?
  H :
Giải
C  tn2  Phương pháp khoảng tin cậy:
 H :
  25
 
t1  1    H :
 (  )
se 1   1  
Vì …………………..nên ta …………… H. Vậy, với Theo Ví dụ 4, ta có
mức ý nghĩa 5%, ý kiến …………………. Vì ……………........nên ta ……………..H. Vậy, với
mức ý nghĩa 5%, thu nhập………………....................
……………………………………………………………….

33 34

Phương pháp giá trị tới hạn: Ví dụ 8: Sử dụng Eviews, ta được bảng kết quả cho ví
 H : dụ 1, như sau

 H :

C  tn 2 
2


 2
t2  
  )
se(  2

Vì …………………….nên ta ………………..H. Vậy,

với mức ý nghĩa 5%, thu nhập…………………………
…………………………………………………………..

Với mức ý nghĩa 5%, hãy cho biết thu nhập có thực sự
ảnh hưởng đến chi tiêu hay không?
35 36

6
 18/09/2018

Giải 2
Phương pháp p-value: XI. Kiểm định phương sai  :
 H :

 H :
  0 :là một giá trị số cho trước theo một ý kiến
p2   p  value  2  nào đó.
Cho trước mức ý nghĩa .
Vì ……………………..nên ta …………….H. Vậy, với
mức ý nghĩa 5%, thu nhập ………………...................... -Phương pháp: Xem  trang
………………………………………………………………….

37 38

Ví dụ 9: Với bảng số liệu trong Ví dụ 1. Có một tài

Phương pháp giá trị tới hạn:
liệu cho rằng phương sai của tổng thể là 85. Với mức ý
 H :
nghĩa 5%, hãy cho biết nguồn tài liệu này có đáng tin 
cậy không?   H :
Giải
Phương pháp khoảng tin cậy: C1  12  ;( n 2) 
2

 H : 2
 C2    ;( n  2) 
 H : 2

 RSS
 02  
  1   85
Theo Ví dụ 5, ta có Vì ………………..nên ta ………………. H. Vậy, với
Vì ……………………………nên ta ……………H. mức ý nghĩa 5%, nguồn tài liệu này …………………..
Vậy, với mức ý nghĩa 5%, nguồn tài liệu này ………….
……………….
39 40

Ví dụ 10: Với bảng số liệu trong Ví dụ 1. Hãy đánh giá

XII. Kiểm định sự phù hợp của mô hình: mức độ phù hợp của mô hình hồi quy mẫu với mức ý
-Mục tiêu: đánh giá mức độ phù hợp của mô hình hồi nghĩa 5%.
Giải
quy. Phương pháp giá trị tới hạn:
-Ý tưởng chính: như đã biết, ở phần trước, hệ số  H :
xác định R2 là đại lượng để đo mức độ phù hợp của 
  H :
mô hình hồi quy. Nếu R2 = 0 thì mô hình không phù
hợp. Vì vậy, ta kiểm định giả thuyết C  F (1, n  2) 

 H : R  0
2
R 2 ( n  2)
F0  
 2 1  R2
 H : R  0
-Phương pháp: Xem 10 trang Vì ……………………nên ta …………………H. Vậy,
mô hình ……………………., với mức ý nghĩa 5%.
41 42

7
 18/09/2018

Ví dụ 11: Sử dụng Eviews, ta được bảng kết quả cho ví Giải

dụ 1, như sau Phương pháp p-value:
 H :

 H :

p  value 
Vì………………….nên ta …………..H. Vậy, với mức
ý nghĩa 5%, thu nhập…………………………………...

Hãy đánh giá mức độ phù hợp của mô hình hồi quy
mẫu với mức ý nghĩa 5%.
43 44

13.1.XIV.
Dự báo giá trị trung bình: E (Y | X )
XIII. Ứng dụng phân tích hồi quy vào dự báo: Dự báo bằng mô hình hồi quy hai0 biến:
-Phương pháp: Xem 11 trang
Số liệu 13.2. Dự báo giá trị riêng biệt:Y0
SRF : Y i  
 
1
 X
2 i
của mẫu -Phương pháp: Xem 12 trang
Cho tröôùc X  X 0

Dự báo
E (Y | X 0 ) Y0
Y 0
0 
  0;Y
?
0  Y 0
0 
 0;Y 0 
? ? ?
45 46

Ví dụ 12: Với bảng số liệu trong Ví dụ 1. Hãy dự báo Ví dụ 13: Với bảng số liệu trong Ví dụ 1. Hãy dự báo
chi tiêu tiêu dùng trung bình khi thu nhập ở mức 100 giá trị cá biệt của chi tiêu khi thu nhập ở mức 100
đôla/tuần với độ tin cậy 95%. đôla/tuần với độ tin cậy 95%.
Giải X0  Giải X0 
  1     1  
Y 0  
 
1
 X 
2 0 Y 0  
 
1
 X 
2 0

   X 0  X      X 0  X  
2 2 2 2

var(Y 0 )  var(Y0  Y 0 )   
2
1     1    
n   X   n   X  
   
Vậy Vậy
se(Y 0 )  var(Y 0 ) se(Y  Y 0 )  var(Y  Y 0 ) 
E (Y X 0 )  Y 0   ; Y 0  
  Y0  Y 0   ; Y 0  
0 0

t n  2  t n 2 
 
2 2

  t n2  se(Y 0 )  với độ tin cậy 95%   t n2  se(Y0  Y 0 )  với độ tin cậy 95%
2 2

47 48

8
 18/09/2018

Ngoài ra, ta còn có:

XVIII. Đổi đơn vị đo của biến:
*2 2
 
-Mô hình cũ: Y    X U
i   k12  2
RXY  RX2 *Y *
i 1 2 i
 
-Mô hình mới: Yi *    X*  U
* *
i *
2

var(  1 )  k12 var( 

 )  * )   k1  var( 
*
1 2 i
var(   )
1 2   2
k  k2 
 1  k1  1 ,  2  1  2
* *

k2  )
* k1  )
se(  1 )  k1 se(  1 )
*
se(  2 se(  2
k2

Yi *  k1Yi , Xi*  k2 Xi

49 50

Ví dụ 14: Viết lại hàm hồi quy mẫu trong ví dụ 1 nếu Ví dụ 15: Viết lại hàm hồi quy mẫu trong ví dụ 1 nếu
chi tiêu và thu nhập đều được tính theo đơn vị chi tiêu tính theo đơn vị ngàn đôla/tuần và thu nhập
đôla/tháng. tính theo đôla/tuần.
Giải Giải
1 đôla/tuần = …… đôla/tháng 1 ngàn đôla/tuần = ……… đôla/tuần

  1  k1 
    1  k1 
 
* *
1 1

k k
 2  1  2   2  1  2 
* *

k2 k2
Vậy Vậy
51 52

9
 Các yêu cầu thường gặp và cách giải Chương 2
Các yêu cầu thường gặp và cách giải Chương 2
YÊU CẦU CÁCH GIẢI
Cho bảng số liệu
X X1 X2 … Xn
Y Y1 Y2 … Yn
Bước 1 (nhập số liệu vào máy tính):
w  3:STAT  2: A+BX  nhập số liệu. Nhập xong nhấn C
Chú ý: Muốn tắt cột tần số (FREQ), ta bấm
q  w  R  4:STAT  OFF.
Bước 2 (ghi kết quả):
n  q  1  4:Var  1:n  =
X  q  1  4:Var  2: x  =
Tìm hàm Y  q  1  4:Var  5: y  = hoặc nhìn Eviews: Mean dependent var  Y
hồi quy mẫu  X  q  1  4:Var  3: x n ( x )  =
SRF của Y
 Y  q  1  4:Var  6: y n ( y )  =
theo X.
r  q  1  5:Reg  3: r  =
  q  1  5:Reg  1:A  =
1

 2  q  1  5:Reg  2:B  =
Vậy, (SRF): Y i  
 
1
 X .
2 i

Cho bảng Eviews:

Included observations: n
Variable Coefficient
C  1

X  2
 cho biết khi X bằng 0 thì Y trung bình là 
 đơn vị.
1 1
Nêu ý   0 cho biết khi X tăng 1 đơn vị thì Y trung bình sẽ tăng
  2 đơn vị.
2
nghĩa của
các hệ số hồi   0 cho biết khi X tăng 1 đơn vị thì Y trung bình sẽ giảm
2  2 đơn vị.
quy Chú ý:
 : hệ số chặn, hệ số tự do.
  : hệ số góc, hệ số hồi quy của biến X.

1 2

Cho bảng số liệu:

2
Tính các  . 2 .
tổng bình
TSS  n. Y2 . ESS  n.  
2 X RSS  TSS  ESS .

phương độ TSS
Cho bảng Eviews: S.D dependent var = .
lệch n 1
Sum squared resid = RSS.

10
GV. Phan Trung Hiếu
 Các yêu cầu thường gặp và cách giải Chương 2
Cho bảng số liệu: R 2  r 2 .
Tính hệ số Cho bảng Eviews: R-squared = R 2 .
xác định và Ý nghĩa: Trong mô hình SRF, biến X giải thích được  R 2  100  % sự thay đổi của biến Y,
nêu ý nghĩa
100   R 2 100   % sự thay đổi còn lại của Y do các yếu tố ngẫu nhiên khác gây ra.
 
Cho bảng số liệu: Bấm máy  r .
Cho bảng Eviews: Tìm R 2  r   R 2 . ( r cùng dấu với   .)
Tính hệ số 2

tương quan Ý nghĩa:

và nêu ý  r gần 1 hoặc r = 1: X và Y có quan hệ đồng biến.
nghĩa  r gần -1 hoặc r = -1: X và Y có quan hệ nghịch biến.
 r gần 0: X và Y có quan hệ tương quan không chặt chẽ.
 r = 0: X và Y không có quan hệ tương quan.
Khoảng đối xứng Khoảng tối đa Khoảng tối thiểu
   ;         ; 
Bước
 k  ; 
k k k   k k   k k 
1  1 .
2 RSS
RSS
  hoặc nhìn Eviews: S.E.of regression = 
2
 Tìm 3
n2
khoảng tin
 2   X 2 
 2

cậy cho các  )  1    )
4 var(  1   var(  2 .
hệ số hồi n   X   n. X2
 
quy với độ
 )  var 

tin cậy  5 se(  k k   hoặc nhìn Eviews: cột Std.Error.
cho trước tn  2
6 tn 2
2

7  k  t n  2  se(  k )  k  tn 2  se(  k )

2

8  k   k   k ;  k   k
   k   ;  k   k
   k   k   k ; 
 
t n  2 , tn  2 : tra bảng phân phối Student hoặc đề cho.
2

Khoảng Khoảng tối đa Khoảng tối thiểu

Bước
Tìm a ; b   ; b   a;  
khoảng tin 1  1 .
cậy cho RSS hoặc nhìn Eviews: Sum Squared resid
2
phương sai
3  2;( n 2) và 12  ;( n  2) 12 ; ( n  2) 2 ;( n  2)
với độ tin 2 2

cậy  cho  RSS RSS   RSS   RSS 

trước 4  2  2 ; 2   2    ; 2   2  2 ;  
   ;( n  2) 1  ;( n  2)   1 ; ( n 2)    ;( n 2) 
 2 2    
 2;( n 2) , 12  ;( n  2) , 12 ; ( n  2) , 2 ;( n  2) : tra bảng phân phối Khi bình phương hoặc đề cho.
2 2

11
GV. Phan Trung Hiếu
 Các yêu cầu thường gặp và cách giải Chương 2
Phương pháp khoảng tin cậy:
0 0 0
 H :  k   k  H :  k   k  H :  k   k
Bước  0
 0
 0
 H :  k   k  H :  k   k  H :  k   k
1
Tìm khoảng  k   k ;  k   k
   
 ;  k 
k  k   k ; 
  
tin cậy
Chấp
  ;     k0   ;  k   k  k0   k   k ; 
2
0
nhận  k   
k k k k     
Kết H
luận Bác
 k0   k   k ;  k   k
  k0   ;  k   k
  k0   k   k ; 
   
bỏ H
Chú ý: Ta chỉ nên dùng phương pháp khoảng tin cậy khi đã tìm khoảng tin cậy với cùng
một  .
Phương pháp giá trị tới hạn:
 H :  k   k0  H :  k   k0  H :  k   k0
Bước  0
 0
 0
 H :  k   k  H :  k   k  H :  k   k

Kiểm định 1 C  t n  2 C  tn 2

2

các hệ số  k   k0
hồi quy với 2 tk 
 (
se  )
k
mức ý nghĩa
 cho trước 3 Chấp nhận H C  tk C  tk C  tk
Kết luận Bác bỏ H C  tk C  tk C  tk

 k
Chú ý: Nếu  k0  0 thì tk  là các giá trị trong cột t-Statistic của Eviews.
 (
se  )
k

Phương pháp p-value: Chỉ dùng cho trường hợp  k0  0.

 H :  k  0  H :  k  0  H :  k  0
Bước   
 H :  k  0  H :  k  0  H :  k  0

1 pk   p  value  k
 p  value k
pk 
2
2 Chấp nhận H pk   pk  
Kết luận Bác bỏ H pk   pk  
Chú ý:  p  value k là các giá trị trong cột Prob. của Eviews.

12
GV. Phan Trung Hiếu
 Các yêu cầu thường gặp và cách giải Chương 2
Phương pháp khoảng tin cậy:
2 2 2
 H :    0  H :    0  H :    0
Bước  2
 2
 2
 H :    0  H :    0  H :    0
1
Tìm  RSS RSS   RSS   RSS 
 2 ; 2    ; 2   2 ;  
   ;( n  2) 1  ;( n  2)  1 ;( n  2)  
khoảng tin
 2 2     ;( n  2) 
cậy
Chấp  RSS RSS   RSS   RSS 
nhận  0   2 ; 2   0    ; 2
  0  2 ;  
2    ;( n  2) 1  ;( n  2)   1 ;( n 2)    ;( n  2)



H  2 2 
Kết
Bác  RSS
luận RSS   RSS   RSS 
bỏ 0  2 ; 2   0    ; 2  0  2 ;  
   ;( n  2) 1  ;( n  2)   1 ;( n 2)    ;( n  2) 
Kiểm định H  2 2    
phương sai Chú ý: Ta chỉ nên dùng phương pháp khoảng tin cậy khi đã tìm khoảng tin cậy với cùng
với mức ý một  .
nghĩa  cho Phương pháp giá trị tới hạn:
trước
 H :  2   0  H :  2   0  H :  2   0
Bước  2
 2
 2
 H :    0  H :    0  H :    0
C1  12  ;( n  2)
2

1 và C  12 ;( n  2) C  2 ;( n  2)
C2   2; (n 2)
2

RSS
2  02 
0
Chấp nhận H C1   02  C2  02  C  02  C
3  02  C1
Kết luận Bác bỏ H hay  02  C  02  C
 02  C2
Phương pháp giá trị tới hạn:
 H : R 2  0
Bước  2
 Kiểm  H : R  0
định sự phù 1 C  F (1, n  2)
hợp của mô
hình với R 2 (n  2)
2 F0  hoặc nhìn Eviews: F-statistic = F0
mức ý nghĩa 1  R2
 cho trước 3 Chấp nhận H C  F0
Kết luận Bác bỏ H C  F0
F (1, n  2) : tra bảng phân phối Fisher hoặc đề cho trước.

13
GV. Phan Trung Hiếu
 Các yêu cầu thường gặp và cách giải Chương 2
Phương pháp p-value:
 H : R 2  0
Bước  2
 H : R  0
1 Nhìn Eviews: Prob (F-statistic) = p  value
2 Chấp nhận H p  value  
Kết luận Bác bỏ H p  value  

Bước
1  1
11. Dự báo 2 Y 0  
 
1
 X (nhớ chú ý đơn vị trước khi thế vào)
2 0

giá trị
   X 0  X  
2 2
 1  
trung bình 3 var(Y 0 )   
khi X = X0 n   X  
 
với độ tin
4 se(Y 0 )  var(Y 0 )
cậy  cho
trước 6 tn  2
2

7   tn  2  se(Y 0 )
2

8 E (Y X 0 )  Y 0   ; Y 0  
 
Bước
1  1
2 Y 0  
 
1
 X (nhớ chú ý đơn vị trước khi thế vào)
2 0
12. Dự báo
giá trị cá 2
   X  X 2 
var(Y0  Y 0 )   
2
3 1   0  
biệt khi n    X  
X = X0 với
độ tin cậy  4 se(Y0  Y 0 )  var(Y0  Y 0 )
cho trước tn  2
6 2

7   tn 2  se(Y0  Y 0 )
2

8 Y0  Y 0   ; Y 0  
 
13. Đổi đơn
Xem trong Slide bài giảng.
vị đo

14
GV. Phan Trung Hiếu
Các yêu cầu thường gặp và cách giải Chương 2
Đọc bảng kết quả Eviews

Tiếng Anh Ý nghĩa Ký hiệu Công thức

Dependent Variable Tên biến phụ thuộc Y
Phương pháp: Bình
Method: Least Squares OLS
phương nhỏ nhất
Sample Mẫu
Included observations Cỡ mẫu (Số quan sát) n
Các biến giải thích có C: hằng số
Variable
trong mô hình X: biến độc lập
 k

Variable Coefficient
Coefficient Giá trị các hệ số hồi quy
C  1

X  2

 
se  k

Variable Std. Error

Sai số chuẩn của các hệ số  )  var 

Std. Error
hồi quy C se 
  1
se(  k k  

se  
X  2

Giá trị thống kê tk

(Dùng trong kiểm định Variable t-Statistic  k
t-Statistic tk 
các hệ số hồi quy với vế C t1  (
se  )
k

phải = 0) X t2

Giá trị p-value

 p  value k
Variable Prob.
(Dùng trong kiểm định
Prob. C  p  value 1
các hệ số hồi quy với vế
X
 p  value 2
phải = 0)

R-squared Hệ số xác định R2 R2  r 2

2 n 1
Hệ số xác định có hiệu 2 R  1  (1  R 2 )
Adjusted R-squared R nk
chỉnh
k là số lượng hệ số
RSS
 
2
S.E. of regression Sai số chuẩn của hồi quy 
n2
Tổng bình phương phần
Sum squared resid RSS RSS  TSS  ESS
dư

15
GV. Phan Trung Hiếu
Các yêu cầu thường gặp và cách giải Chương 2
n

Giá trị trung bình của biến

Y
i 1
i

Mean dependent var Y Y

phụ thuộc n
 
hoặc Y    X
1 2

Độ lệch chuẩn mẫu có

TSS
S.D. dependent var hiệu chỉnh của biến phụ
n 1
thuộc
R 2 (n  k )
F0 
F-statistic Giá trị của thống kê F F0 (1  R 2 )(k  1)
k là số lượng hệ số
Giá trị p-value
Prob (F-statistic) p  value
(Dùng trong kiểm định F)

GV. Phan Trung Hiếu 16

 Bài tập Kinh tế lượng
Bài tập Chương 2
Bài 1: Bảng sau cho số liệu về lãi suất ngân hàng X (% / năm) và tổng vốn đầu tư Y (tỷ đồng) trên địa
bàn của tỉnh A qua 10 năm liên tiếp
X 7,0 6,5 6,5 6,0 6,0 6,0 5,5 5,5 5,0 4,5
Y 28 32 30 34 32 35 40 42 48 50
Các kết quả quy tròn đến 4 chữ số thập phân.
a) Hãy ước lượng hàm hồi quy tuyến tính của tổng vốn đầu tư theo lãi suất ngân hàng. Nêu ý nghĩa của
các hệ số hồi quy.
b) Hãy cho biết khi lãi suất ngân hàng tăng 1,5%/năm thì tổng vốn đầu tư trung bình trên địa bàn tỉnh
A sẽ tăng hay giảm bao nhiêu tỷ đồng?
c) Ước lượng khoảng tin cậy của hệ số góc, với độ tin cậy 90%, nêu ý nghĩa khoảng tin cậy tìm được.
d) Ước lượng khoảng tin cậy của hệ số chặn, với độ tin cậy 95%, nêu ý nghĩa khoảng tin cậy tìm được.
e) Ước lượng khoảng tin cậy cho phương sai của nhiễu, với độ tin cậy 95%.
f) Với mức ý nghĩa 5%, có thể xem hệ số góc của mô hình hồi quy bằng -11 được không?
g) Một chuyên gia trong lĩnh vực ngân hàng cho rằng khi lãi suất ngân hàng tăng 1%/năm thì tổng vốn
đầu tư trung bình trên địa bàn tỉnh A giảm 10 tỷ đồng. Với mức ý nghĩa 10%, ý kiến trên có đáng tin
cậy không?
h) Có tài liệu cho rằng: phương sai của nhiễu là 2. Với mức ý nghĩa 10%, hãy cho ý kiến về tài liệu đó.
i) Kiểm định sự phù hợp của mô hình với mức ý nghĩa là 1%.
j) Viết lại kết quả hồi quy nếu vốn đầu tư được tính theo triệu đô la Mỹ, giả sử rằng tỷ giá quy đổi áp
dụng là 1USD = 15000VNĐ.
Bài 2: Giả sử hàm hồi quy tuyến tính nghiên cứu sự phụ thuộc của năng suất một loại cây trồng (Y:
tạ/ha) theo mức phân bón (X: tạ/ha) có dạng Y  1   2 X  U . Kết quả hồi quy bằng Eviews được
cho bởi bảng sau

a) Viết phương trình hồi quy SRF biểu diễn mối liên hệ giữa hai biến Y và X được nêu trên.
b) Tìm hệ số xác định và giải thích ý nghĩa kết quả đó.
c) Tìm khoảng tin cậy cho các hệ số hồi quy, với độ tin cậy 95%.
d) Với mức ý nghĩa 5%, hãy cho biết mức phân bón có ảnh hưởng đến năng suất của loại cây trồng
này không?
e) Hãy đánh giá mức độ phù hợp của mô hình hồi quy mẫu với mức ý nghĩa 5%.

17
GV. Phan Trung Hiếu
 Bài tập Kinh tế lượng
f) Với mức ý nghĩa 5%, hãy đánh giá về nhận định: “Nếu không bón phân cho loại cây trồng này thì
năng suất trung bình của loại cây trồng này lớn hơn 27 tạ/ha”.
g) Có tài liệu cho rằng khi mức phân bón tăng 1 tạ/ha thì năng suất trung bình của loại cây trồng này sẽ
tăng ít nhất 2 tạ/ha. Với mức ý nghĩa 5%, tài liệu này có đáng tin cậy không?
h) Nếu mức phân bón là 20 tạ/ha thì năng suất trung bình của loại cây trồng này là 64 tạ/ha, có thể
chấp nhận ý kiến này không, với mức ý nghĩa 5%?
i) Hãy dự báo giá trị cá biệt của năng suất khi mức phân bón là 20 tạ/ha với độ tin cậy 95%.
Bài 3: Giả sử từ một mẫu số liệu, ta tính được các đại lượng sau đây
n n n n
2
n  10;  X Y  1528;  X
i 1
i i
i 1
i  1905; X
i 1
i  133 ;  Y  108 ;
i 1
i

n n n n n n

 y  y  U
2 2 2
2 2 2
y
i 1
i  63, 6 ;
i 1
i  61, 6491 ;
i 1
i  61, 6491 ;
i 1
i  1,9509 ; y
i 1
i  63, 6 ; x
i 1
i  136,1 ,

 i  Y  Y i .
trong đó xi  X i  X , yi  Yi  Y và U i

 ,
a) Xác định X , Y ,   . b) Xác định TSS , ESS , RSS .
1 2

c) Xác định  , R 2 , F0 .  ), se( 

 ).
2
d) Xác định se(  1 2

Bài 4: Một công ty bất động sản muốn nghiên cứu mối quan hệ giữa giá một ngôi nhà ( Y : triệu đồng)
và diện tích ngôi nhà đó ( X 1 : m 2 ). Dữ liệu thu thập gồm 15 ngôi nhà. Hàm PRF nghiên cứu sự phụ
thuộc của Y vào X 1 có dạng: Y  1   2 X 1  U . Kết quả hồi quy bằng Eviews được cho bởi bảng sau
Dependent Variable: Y
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 181.2998 7.0794 0.0000
X1 32.3904 56.5305 0.0000
R-squared 0.9959 S.E. of regression 633.0852
Adjusted R-squared 0.9956 Sum squared resid 5210360.
a) Viết phương trình hồi quy SRF biểu diễn mối liên hệ giữa hai biến Y và X 1 được nêu trên.
b) Kiểm định sự phù hợp của mô hình với mức ý nghĩa là 1%.
c) Hãy tìm khoảng tin cậy của hệ số góc với mức ý nghĩa là 1%.
d) Có ý kiến cho rằng với độ tin cậy là 99% nếu diện tích tăng 1 m 2 thì giá trung bình của ngôi nhà
đó tăng 40 triệu đồng. Hãy cho ý kiến về nhận định trên.
e) Viết lại hàm hồi quy mẫu khi giá nhà có đơn vị là tỷ đồng.
Bài 5: Cho hàm SRF: Y i (triệu đồng/tháng)  5  7 X (năm). Nếu đơn vị đo của Y là triệu đồng/năm và
i

X là kg thì hàm hồi quy thay đổi thế nào?

18

GV. Phan Trung Hiếu

FMA − SGU

CÁC BẢNG SỐ THÔNG DỤNG

x
X e−λλk
Bảng 1: Hàm phân phối Poisson: Fλ(x) =
k!
k=0

x λ
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 0,9048 0,8187 0,7408 0,6703 0,6065 0,5488 0,4966 0,4493 0,4066 0,3679
1 0,9953 0,9825 0,9631 0,9384 0,9098 0,8781 0,8442 0,8088 0,7725 0,7358
2 0,9998 0,9989 0,9964 0,9921 0,9856 0,9769 0,9659 0,9526 0,9371 0,9197
3 1,0000 0,9999 0,9997 0,9992 0,9982 0,9966 0,9942 0,9909 0,9865 0,9810
4 1,0000 1,0000 1,0000 0,9999 0,9998 0,9996 0,9992 0,9986 0,9977 0,9963
5 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9998 0,9997 0,9994
6 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999
x 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
0 0,3329 0,3012 0,2725 0,2466 0,2231 0,2019 0,1827 0,1653 0,1496 0,1353
1 0,6990 0,6626 0,6268 0,5918 0,5578 0,5249 0,4932 0,4628 0,4337 0,4060
2 0,9004 0,8795 0,8571 0,8335 0,8088 0,7834 0,7572 0,7306 0,7037 0,6767
3 0,9743 0,9662 0,9569 0,9463 0,9344 0,9212 0,9068 0,8913 0,8747 0,8571
4 0,9946 0,9923 0,9893 0,9857 0,9814 0,9763 0,9704 0,9636 0,9559 0,9473
5 0,9990 0,9985 0,9978 0,9968 0,9955 0,9940 0,9920 0,9896 0,9868 0,9834
6 0,9999 0,9997 0,9996 0,9994 0,9991 0,9987 0,9981 0,9974 0,9966 0,9955
7 1,0000 1,0000 0,9999 0,9999 0,9998 0,9997 0,9996 0,9994 0,9992 0,9989
8 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9999 0,9998 0,9998
x 3 4 5 6 7 8 9 10 11 12
0 0,0498 0,0183 0,0067 0,0025 0,0009 0,0003 0,0001 0,0000 0,0000 0,0000
1 0,1991 0,0916 0,0404 0,0174 0,0073 0,0030 0,0012 0,0005 0,0002 0,0001
2 0,4232 0,2381 0,1247 0,0620 0,0296 0,0138 0,0062 0,0028 0,0012 0,0005
3 0,6472 0,4335 0,2650 0,1512 0,0818 0,0424 0,0212 0,0103 0,0049 0,0023
4 0,8153 0,6288 0,4405 0,2851 0,1730 0,0996 0,0550 0,0293 0,0151 0,0076
5 0,9161 0,7851 0,6160 0,4457 0,3007 0,1912 0,1157 0,0671 0,0375 0,0203
6 0,9665 0,8893 0,7622 0,6063 0,4497 0,3134 0,2068 0,1301 0,0786 0,0458
7 0,9881 0,9489 0,8666 0,7440 0,5987 0,4530 0,3239 0,2202 0,1432 0,0895
8 0,9962 0,9786 0,9319 0,8472 0,7291 0,5925 0,4557 0,3328 0,2320 0,1550
9 0,9989 0,9919 0,9682 0,9161 0,8305 0,7166 0,5874 0,4579 0,3405 0,2424
10 0,9997 0,9972 0,9863 0,9574 0,9015 0,8159 0,7060 0,5830 0,4599 0,3472
11 0,9999 0,9991 0,9945 0,9799 0,9467 0,8881 0,8030 0,6968 0,5793 0,4616
12 1,0000 0,9997 0,9980 0,9912 0,9730 0,9362 0,8758 0,7916 0,6887 0,5760
13 1,0000 0,9999 0,9993 0,9964 0,9872 0,9658 0,9261 0,8645 0,7813 0,6815
14 1,0000 1,0000 0,9998 0,9986 0,9943 0,9827 0,9585 0,9165 0,8540 0,7720
15 1,0000 1,0000 0,9999 0,9995 0,9976 0,9918 0,9780 0,9513 0,9074 0,8444
16 1,0000 1,0000 1,0000 0,9998 0,9990 0,9963 0,9889 0,9730 0,9441 0,8987
17 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9947 0,9857 0,9678 0,9370
18 1,0000 1,0000 1,0000 1,0000 0,9999 0,9993 0,9976 0,9928 0,9823 0,9626
19 1,0000 1,0000 1,0000 1,0000 1,0000 0,9997 0,9989 0,9965 0,9907 0,9787
20 1,0000 1,0000 1,0000 1,0000 1,0000 0,9999 0,9996 0,9984 0,9953 0,9884

108
 FMA − SGU

1 − x2
2
Bảng 2: Giá trị hàm Gauss: f (x) = √ e
2π
x 0 1 2 3 4 5 6 7 8 9
0,0 0,3989 0,3989 0,3989 0,3988 0,3986 0,3984 0,3982 0,3980 0,3977 0,3973
0,1 0,3970 0,3965 0,3961 0,3956 0,3951 0,3945 0,3939 0,3932 0,3925 0,3918
0,2 0,3910 0,3902 0,3894 0,3885 0,3876 0,3867 0,3857 0,3847 0,3836 0,3825
0,3 0,3814 0,3802 0,3790 0,3778 0,3765 0,3752 0,3739 0,3725 0,3712 0,3697
0,4 0,3683 0,3668 0,3653 0,3637 0,3621 0,3605 0,3589 0,3572 0,3555 0,3538
0,5 0,3521 0,3503 0,3485 0,3467 0,3448 0,3429 0,3410 0,3391 0,3372 0,3352
0,6 0,3332 0,3312 0,3292 0,3271 0,3251 0,3230 0,3209 0,3187 0,3166 0,3144
0,7 0,3123 0,3101 0,3079 0,3056 0,3034 0,3011 0,2989 0,2966 0,2943 0,2920
0,8 0,2897 0,2874 0,2850 0,2827 0,2803 0,2780 0,2756 0,2732 0,2709 0,2685
0,9 0,2661 0,2637 0,2613 0,2589 0,2565 0,2541 0,2516 0,2492 0,2468 0,2444
1,0 0,2420 0,2396 0,2371 0,2347 0,2323 0,2299 0,2275 0,2251 0,2227 0,2203
1,1 0,2179 0,2155 0,2131 0,2107 0,2083 0,2059 0,2036 0,2012 0,1989 0,1965
1,2 0,1942 0,1919 0,1895 0,1872 0,1849 0,1826 0,1804 0,1781 0,1758 0,1736
1,3 0,1714 0,1691 0,1669 0,1647 0,1626 0,1604 0,1582 0,1561 0,1539 0,1518
1,4 0,1497 0,1476 0,1456 0,1435 0,1415 0,1394 0,1374 0,1354 0,1334 0,1315
1,5 0,1295 0,1276 0,1257 0,1238 0,1219 0,1200 0,1182 0,1163 0,1145 0,1127
1,6 0,1109 0,1092 0,1074 0,1057 0,1040 0,1023 0,1006 0,0989 0,0973 0,0957
1,7 0,0940 0,0925 0,0909 0,0893 0,0878 0,0863 0,0848 0,0833 0,0818 0,0804
1,8 0,0790 0,0775 0,0761 0,0748 0,0734 0,0721 0,0707 0,0694 0,0681 0,0669
1,9 0,0656 0,0644 0,0632 0,0620 0,0608 0,0596 0,0584 0,0573 0,0562 0,0551
2,0 0,0540 0,0529 0,0519 0,0508 0,0498 0,0488 0,0478 0,0468 0,0459 0,0449
2,1 0,0440 0,0431 0,0422 0,0413 0,0404 0,0396 0,0387 0,0379 0,0371 0,0363
2,2 0,0355 0,0347 0,0339 0,0332 0,0325 0,0317 0,0310 0,0303 0,0297 0,0290
2,3 0,0283 0,0277 0,0270 0,0264 0,0258 0,0252 0,0246 0,0241 0,0235 0,0229
2,4 0,0224 0,0219 0,0213 0,0208 0,0203 0,0198 0,0194 0,0189 0,0184 0,0180
2,5 0,0175 0,0171 0,0167 0,0163 0,0158 0,0154 0,0151 0,0147 0,0143 0,0139
2,6 0,0136 0,0132 0,0129 0,0126 0,0122 0,0119 0,0116 0,0113 0,0110 0,0107
2,7 0,0104 0,0101 0,0099 0,0096 0,0093 0,0091 0,0088 0,0086 0,0084 0,0081
2,8 0,0079 0,0077 0,0075 0,0073 0,0071 0,0069 0,0067 0,0065 0,0063 0,0061
2,9 0,0060 0,0058 0,0056 0,0055 0,0053 0,0051 0,0050 0,0048 0,0047 0,0046
3,0 0,0044 0,0043 0,0042 0,0040 0,0039 0,0038 0,0037 0,0036 0,0035 0,0034
3,1 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 0,0025 0,0025
3,2 0,0024 0,0023 0,0022 0,0022 0,0021 0,0020 0,0020 0,0019 0,0018 0,0018
3,3 0,0017 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 0,0013 0,0013
3,4 0,0012 0,0012 0,0012 0,0011 0,0011 0,0010 0,0010 0,0010 0,0009 0,0009
3,5 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007 0,0007 0,0007 0,0006
3,6 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005 0,0005 0,0005 0,0005 0,0004
3,7 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003 0,0003 0,0003 0,0003
3,8 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002 0,0002 0,0002 0,0002 0,0002
3,9 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0001 0,0001
4,0 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001

109
 FMA − SGU

Bảng 3: Phân phối chuẩn: X ∼ N (0, 1)

Z x 2
1 t
ϕ(x) = √ e− 2 dt
2π 0
x 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
4,0 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000

110
 FMA − SGU

Bảng 4: Phân phối Student: X ∼ t(n)

P[X > t(n, α)] = α

n Mức ý nghĩa α
0,4 0,3 0,2 0,1 0,05 0,025 0,02 0,01 0,005 0,001
1 0,325 0,727 1,376 3,078 6,314 12,706 15,895 31,821 63,657 318,309
2 0,289 0,617 1,061 1,886 2,920 4,303 4,849 6,965 9,925 22,327
3 0,277 0,584 0,978 1,638 2,353 3,182 3,482 4,541 5,841 10,215
4 0,271 0,569 0,941 1,533 2,132 2,776 2,999 3,747 4,604 7,173
5 0,267 0,559 0,920 1,476 2,015 2,571 2,757 3,365 4,032 5,893
6 0,265 0,553 0,906 1,440 1,943 2,447 2,612 3,143 3,707 5,208
7 0,263 0,549 0,896 1,415 1,895 2,365 2,517 2,998 3,499 4,785
8 0,262 0,546 0,889 1,397 1,860 2,306 2,449 2,896 3,355 4,501
9 0,261 0,543 0,883 1,383 1,833 2,262 2,398 2,821 3,250 4,297
10 0,260 0,542 0,879 1,372 1,812 2,228 2,359 2,764 3,169 4,144
11 0,260 0,540 0,876 1,363 1,796 2,201 2,328 2,718 3,106 4,025
12 0,259 0,539 0,873 1,356 1,782 2,179 2,303 2,681 3,055 3,930
13 0,259 0,538 0,870 1,350 1,771 2,160 2,282 2,650 3,012 3,852
14 0,258 0,537 0,868 1,345 1,761 2,145 2,264 2,624 2,977 3,787
15 0,258 0,536 0,866 1,341 1,753 2,131 2,249 2,602 2,947 3,733
16 0,258 0,535 0,865 1,337 1,746 2,120 2,235 2,583 2,921 3,686
17 0,257 0,534 0,863 1,333 1,740 2,110 2,224 2,567 2,898 3,646
18 0,257 0,534 0,862 1,330 1,734 2,101 2,214 2,552 2,878 3,610
19 0,257 0,533 0,861 1,328 1,729 2,093 2,205 2,539 2,861 3,579
20 0,257 0,533 0,860 1,325 1,725 2,086 2,197 2,528 2,845 3,552
21 0,257 0,532 0,859 1,323 1,721 2,080 2,189 2,518 2,831 3,527
22 0,256 0,532 0,858 1,321 1,717 2,074 2,183 2,508 2,819 3,505
23 0,256 0,532 0,858 1,319 1,714 2,069 2,177 2,500 2,807 3,485
24 0,256 0,531 0,857 1,318 1,711 2,064 2,172 2,492 2,797 3,467
25 0,256 0,531 0,856 1,316 1,708 2,060 2,167 2,485 2,787 3,450
26 0,256 0,531 0,856 1,315 1,706 2,056 2,162 2,479 2,779 3,435
27 0,256 0,531 0,855 1,314 1,703 2,052 2,158 2,473 2,771 3,421
28 0,256 0,530 0,855 1,313 1,701 2,048 2,154 2,467 2,763 3,408
29 0,256 0,530 0,854 1,311 1,699 2,045 2,150 2,462 2,756 3,396
30 0,256 0,530 0,854 1,310 1,697 2,042 2,147 2,457 2,750 3,385
40 0,255 0,529 0,851 1,303 1,684 2,021 2,123 2,423 2,704 3,307
50 0,255 0,528 0,849 1,299 1,676 2,009 2,109 2,403 2,678 3,261
60 0,254 0,527 0,848 1,296 1,671 2,000 2,099 2,390 2,660 3,232
70 0,254 0,527 0,847 1,294 1,667 1,994 2,093 2,381 2,648 3,211
80 0,254 0,526 0,846 1,292 1,664 1,990 2,088 2,374 2,639 3,195
90 0,254 0,526 0,846 1,291 1,662 1,987 2,084 2,368 2,632 3,183
100 0,254 0,526 0,845 1,290 1,660 1,984 2,081 2,364 2,626 3,174

111
 FMA − SGU

Bảng 5: Phân phối Khi bình phương: X ∼ χ2(n)

P X > χ2(n, α) = α
 

n Mức ý nghĩa α
0,99 0,975 0,95 0,90 0,10 0,05 0,025 0,02 0,01
1 0,0002 0,0010 0,0039 0,0158 2,7055 3,8415 5,0239 5,4119 6,6349
2 0,0201 0,0506 0,1026 0,2107 4,6052 5,9915 7,3778 7,8240 9,2103
3 0,1148 0,2158 0,3518 0,5844 6,2514 7,8147 9,3484 9,8374 11,3449
4 0,2971 0,4844 0,7107 1,0636 7,7794 9,4877 11,1433 11,6678 13,2767
5 0,5543 0,8312 1,1455 1,6103 9,2364 11,0705 12,8325 13,3882 15,0863
6 0,8721 1,2373 1,6354 2,2041 10,6446 12,5916 14,4494 15,0332 16,8119
7 1,2390 1,6899 2,1673 2,8331 12,0170 14,0671 16,0128 16,6224 18,4753
8 1,6465 2,1797 2,7326 3,4895 13,3616 15,5073 17,5345 18,1682 20,0902
9 2,0879 2,7004 3,3251 4,1682 14,6837 16,9190 19,0228 19,6790 21,6660
10 2,5582 3,2470 3,9403 4,8652 15,9872 18,3070 20,4832 21,1608 23,2093
11 3,0535 3,8157 4,5748 5,5778 17,2750 19,6751 21,9200 22,6179 24,7250
12 3,5706 4,4038 5,2260 6,3038 18,5493 21,0261 23,3367 24,0540 26,2170
13 4,1069 5,0088 5,8919 7,0415 19,8119 22,3620 24,7356 25,4715 27,6882
14 4,6604 5,6287 6,5706 7,7895 21,0641 23,6848 26,1189 26,8728 29,1412
15 5,2293 6,2621 7,2609 8,5468 22,3071 24,9958 27,4884 28,2595 30,5779
16 5,8122 6,9077 7,9616 9,3122 23,5418 26,2962 28,8454 29,6332 31,9999
17 6,4078 7,5642 8,6718 10,0852 24,7690 27,5871 30,1910 30,9950 33,4087
18 7,0149 8,2307 9,3905 10,8649 25,9894 28,8693 31,5264 32,3462 34,8053
19 7,6327 8,9065 10,1170 11,6509 27,2036 30,1435 32,8523 33,6874 36,1909
20 8,2604 9,5908 10,8508 12,4426 28,4120 31,4104 34,1696 35,0196 37,5662
21 8,8972 10,2829 11,5913 13,2396 29,6151 32,6706 35,4789 36,3434 38,9322
22 9,5425 10,9823 12,3380 14,0415 30,8133 33,9244 36,7807 37,6595 40,2894
23 10,1957 11,6886 13,0905 14,8480 32,0069 35,1725 38,0756 38,9683 41,6384
24 10,8564 12,4012 13,8484 15,6587 33,1962 36,4150 39,3641 40,2704 42,9798
25 11,5240 13,1197 14,6114 16,4734 34,3816 37,6525 40,6465 41,5661 44,3141
26 12,1981 13,8439 15,3792 17,2919 35,5632 38,8851 41,9232 42,8558 45,6417
27 12,8785 14,5734 16,1514 18,1139 36,7412 40,1133 43,1945 44,1400 46,9629
28 13,5647 15,3079 16,9279 18,9392 37,9159 41,3371 44,4608 45,4188 48,2782
29 14,2565 16,0471 17,7084 19,7677 39,0875 42,5570 45,7223 46,6927 49,5879
30 14,9535 16,7908 18,4927 20,5992 40,2560 43,7730 46,9792 47,9618 50,8922
40 22,1643 24,4330 26,5093 29,0505 51,8051 55,7585 59,3417 60,4361 63,6907
50 29,7067 32,3574 34,7643 37,6886 63,1671 67,5048 71,4202 72,6133 76,1539
60 37,4849 40,4817 43,1880 46,4589 74,3970 79,0819 83,2977 84,5799 88,3794
70 45,4417 48,7576 51,7393 55,3289 85,5270 90,5312 95,0232 96,3875 100,425
80 53,5401 57,1532 60,3915 64,2778 96,5782 101,880 106,629 108,069 112,329
90 61,7541 65,6466 69,1260 73,2911 107,565 113,145 118,136 119,649 124,116
100 70,0649 74,2219 77,9295 82,3581 118,498 124,342 129,561 131,142 135,807

112
 BẢNG PHÂN PHỐI FISHER VỚI α=0,01

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6083 6106 6126 6143 6157 6170 6181 6192 6201 6209
2 98.50 99.00 99.17 99.25 99.30 99.33 99.36 99.37 99.39 99.40 99.41 99.42 99.42 99.43 99.43 99.44 99.44 99.44 99.45 99.45
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.35 27.23 27.13 27.05 26.98 26.92 26.87 26.83 26.79 26.75 26.72 26.69
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55 14.45 14.37 14.31 14.25 14.20 14.15 14.11 14.08 14.05 14.02
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05 9.96 9.89 9.82 9.77 9.72 9.68 9.64 9.61 9.58 9.55
6 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.66 7.60 7.56 7.52 7.48 7.45 7.42 7.40
7 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.54 6.47 6.41 6.36 6.31 6.28 6.24 6.21 6.18 6.16
8 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.61 5.56 5.52 5.48 5.44 5.41 5.38 5.36
9 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26 5.18 5.11 5.05 5.01 4.96 4.92 4.89 4.86 4.83 4.81
10 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.77 4.71 4.65 4.60 4.56 4.52 4.49 4.46 4.43 4.41
11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.46 4.40 4.34 4.29 4.25 4.21 4.18 4.15 4.12 4.10
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.22 4.16 4.10 4.05 4.01 3.97 3.94 3.91 3.88 3.86
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.91 3.86 3.82 3.78 3.75 3.72 3.69 3.66
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.75 3.70 3.66 3.62 3.59 3.56 3.53 3.51

113
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.61 3.56 3.52 3.49 3.45 3.42 3.40 3.37
16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69 3.62 3.55 3.50 3.45 3.41 3.37 3.34 3.31 3.28 3.26
17 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.46 3.40 3.35 3.31 3.27 3.24 3.21 3.19 3.16
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.43 3.37 3.32 3.27 3.23 3.19 3.16 3.13 3.10 3.08
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.24 3.19 3.15 3.12 3.08 3.05 3.03 3.00
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.29 3.23 3.18 3.13 3.09 3.05 3.02 2.99 2.96 2.94
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31 3.24 3.17 3.12 3.07 3.03 2.99 2.96 2.93 2.90 2.88
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26 3.18 3.12 3.07 3.02 2.98 2.94 2.91 2.88 2.85 2.83
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21 3.14 3.07 3.02 2.97 2.93 2.89 2.86 2.83 2.80 2.78
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17 3.09 3.03 2.98 2.93 2.89 2.85 2.82 2.79 2.76 2.74
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13 3.06 2.99 2.94 2.89 2.85 2.81 2.78 2.75 2.72 2.70
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09 3.02 2.96 2.90 2.86 2.81 2.78 2.75 2.72 2.69 2.66
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06 2.99 2.93 2.87 2.82 2.78 2.75 2.71 2.68 2.66 2.63
 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03 2.96 2.90 2.84 2.79 2.75 2.72 2.68 2.65 2.63 2.60
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00 2.93 2.87 2.81 2.77 2.73 2.69 2.66 2.63 2.60 2.57
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.91 2.84 2.79 2.74 2.70 2.66 2.63 2.60 2.57 2.55
31 7.53 5.36 4.48 3.99 3.67 3.45 3.28 3.15 3.04 2.96 2.88 2.82 2.77 2.72 2.68 2.64 2.61 2.58 2.55 2.52
32 7.50 5.34 4.46 3.97 3.65 3.43 3.26 3.13 3.02 2.93 2.86 2.80 2.74 2.70 2.65 2.62 2.58 2.55 2.53 2.50
33 7.47 5.31 4.44 3.95 3.63 3.41 3.24 3.11 3.00 2.91 2.84 2.78 2.72 2.68 2.63 2.60 2.56 2.53 2.51 2.48
34 7.44 5.29 4.42 3.93 3.61 3.39 3.22 3.09 2.98 2.89 2.82 2.76 2.70 2.66 2.61 2.58 2.54 2.51 2.49 2.46
35 7.42 5.27 4.40 3.91 3.59 3.37 3.20 3.07 2.96 2.88 2.80 2.74 2.69 2.64 2.60 2.56 2.53 2.50 2.47 2.44
36 7.40 5.25 4.38 3.89 3.57 3.35 3.18 3.05 2.95 2.86 2.79 2.72 2.67 2.62 2.58 2.54 2.51 2.48 2.45 2.43
37 7.37 5.23 4.36 3.87 3.56 3.33 3.17 3.04 2.93 2.84 2.77 2.71 2.65 2.61 2.56 2.53 2.49 2.46 2.44 2.41
38 7.35 5.21 4.34 3.86 3.54 3.32 3.15 3.02 2.92 2.83 2.75 2.69 2.64 2.59 2.55 2.51 2.48 2.45 2.42 2.40
39 7.33 5.19 4.33 3.84 3.53 3.30 3.14 3.01 2.90 2.81 2.74 2.68 2.62 2.58 2.54 2.50 2.46 2.43 2.41 2.38
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80 2.73 2.66 2.61 2.56 2.52 2.48 2.45 2.42 2.39 2.37
41 7.30 5.16 4.30 3.81 3.50 3.28 3.11 2.98 2.87 2.79 2.71 2.65 2.60 2.55 2.51 2.47 2.44 2.41 2.38 2.36
42 7.28 5.15 4.29 3.80 3.49 3.27 3.10 2.97 2.86 2.78 2.70 2.64 2.59 2.54 2.50 2.46 2.43 2.40 2.37 2.34
43 7.26 5.14 4.27 3.79 3.48 3.25 3.09 2.96 2.85 2.76 2.69 2.63 2.57 2.53 2.49 2.45 2.41 2.38 2.36 2.33
44 7.25 5.12 4.26 3.78 3.47 3.24 3.08 2.95 2.84 2.75 2.68 2.62 2.56 2.52 2.47 2.44 2.40 2.37 2.35 2.32

114
45 7.23 5.11 4.25 3.77 3.45 3.23 3.07 2.94 2.83 2.74 2.67 2.61 2.55 2.51 2.46 2.43 2.39 2.36 2.34 2.31
46 7.22 5.10 4.24 3.76 3.44 3.22 3.06 2.93 2.82 2.73 2.66 2.60 2.54 2.50 2.45 2.42 2.38 2.35 2.33 2.30
47 7.21 5.09 4.23 3.75 3.43 3.21 3.05 2.92 2.81 2.72 2.65 2.59 2.53 2.49 2.44 2.41 2.37 2.34 2.32 2.29
48 7.19 5.08 4.22 3.74 3.43 3.20 3.04 2.91 2.80 2.71 2.64 2.58 2.53 2.48 2.44 2.40 2.37 2.33 2.31 2.28
49 7.18 5.07 4.21 3.73 3.42 3.19 3.03 2.90 2.79 2.71 2.63 2.57 2.52 2.47 2.43 2.39 2.36 2.33 2.30 2.27
50 7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70 2.63 2.56 2.51 2.46 2.42 2.38 2.35 2.32 2.29 2.27
51 7.16 5.05 4.19 3.71 3.40 3.18 3.01 2.88 2.78 2.69 2.62 2.55 2.50 2.45 2.41 2.37 2.34 2.31 2.28 2.26
52 7.15 5.04 4.18 3.70 3.39 3.17 3.00 2.87 2.77 2.68 2.61 2.55 2.49 2.45 2.40 2.37 2.33 2.30 2.27 2.25
53 7.14 5.03 4.17 3.70 3.38 3.16 3.00 2.87 2.76 2.68 2.60 2.54 2.49 2.44 2.40 2.36 2.33 2.29 2.27 2.24
54 7.13 5.02 4.17 3.69 3.38 3.16 2.99 2.86 2.76 2.67 2.60 2.53 2.48 2.43 2.39 2.35 2.32 2.29 2.26 2.24
55 7.12 5.01 4.16 3.68 3.37 3.15 2.98 2.85 2.75 2.66 2.59 2.53 2.47 2.42 2.38 2.34 2.31 2.28 2.25 2.23
56 7.11 5.01 4.15 3.67 3.36 3.14 2.98 2.85 2.74 2.66 2.58 2.52 2.47 2.42 2.38 2.34 2.30 2.27 2.25 2.22
57 7.10 5.00 4.15 3.67 3.36 3.14 2.97 2.84 2.74 2.65 2.58 2.51 2.46 2.41 2.37 2.33 2.30 2.27 2.24 2.22
 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
58 7.09 4.99 4.14 3.66 3.35 3.13 2.96 2.83 2.73 2.64 2.57 2.51 2.45 2.41 2.36 2.33 2.29 2.26 2.23 2.21
59 7.08 4.98 4.13 3.65 3.34 3.12 2.96 2.83 2.72 2.64 2.56 2.50 2.45 2.40 2.36 2.32 2.29 2.26 2.23 2.20
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63 2.56 2.50 2.44 2.39 2.35 2.31 2.28 2.25 2.22 2.20
61 7.07 4.97 4.12 3.64 3.33 3.11 2.95 2.82 2.71 2.63 2.55 2.49 2.44 2.39 2.35 2.31 2.28 2.25 2.22 2.19
62 7.06 4.96 4.11 3.64 3.33 3.11 2.94 2.81 2.71 2.62 2.55 2.49 2.43 2.38 2.34 2.30 2.27 2.24 2.21 2.19
63 7.06 4.96 4.11 3.63 3.32 3.10 2.94 2.81 2.70 2.62 2.54 2.48 2.43 2.38 2.34 2.30 2.27 2.23 2.21 2.18
64 7.05 4.95 4.10 3.63 3.32 3.10 2.93 2.80 2.70 2.61 2.54 2.48 2.42 2.37 2.33 2.29 2.26 2.23 2.20 2.18
65 7.04 4.95 4.10 3.62 3.31 3.09 2.93 2.80 2.69 2.61 2.53 2.47 2.42 2.37 2.33 2.29 2.26 2.23 2.20 2.17
66 7.04 4.94 4.09 3.62 3.31 3.09 2.92 2.79 2.69 2.60 2.53 2.47 2.41 2.36 2.32 2.28 2.25 2.22 2.19 2.17
67 7.03 4.94 4.09 3.61 3.30 3.08 2.92 2.79 2.68 2.60 2.52 2.46 2.41 2.36 2.32 2.28 2.25 2.22 2.19 2.16
68 7.02 4.93 4.08 3.61 3.30 3.08 2.91 2.78 2.68 2.59 2.52 2.46 2.40 2.36 2.31 2.28 2.24 2.21 2.18 2.16
69 7.02 4.93 4.08 3.60 3.29 3.08 2.91 2.78 2.68 2.59 2.52 2.45 2.40 2.35 2.31 2.27 2.24 2.21 2.18 2.15
70 7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59 2.51 2.45 2.40 2.35 2.31 2.27 2.23 2.20 2.18 2.15
71 7.01 4.92 4.07 3.60 3.29 3.07 2.90 2.77 2.67 2.58 2.51 2.45 2.39 2.34 2.30 2.26 2.23 2.20 2.17 2.15
72 7.00 4.91 4.07 3.59 3.28 3.06 2.90 2.77 2.66 2.58 2.50 2.44 2.39 2.34 2.30 2.26 2.23 2.20 2.17 2.14
73 7.00 4.91 4.06 3.59 3.28 3.06 2.89 2.77 2.66 2.57 2.50 2.44 2.38 2.34 2.29 2.26 2.22 2.19 2.16 2.14
74 6.99 4.90 4.06 3.58 3.28 3.06 2.89 2.76 2.66 2.57 2.50 2.43 2.38 2.33 2.29 2.25 2.22 2.19 2.16 2.14

115
75 6.99 4.90 4.05 3.58 3.27 3.05 2.89 2.76 2.65 2.57 2.49 2.43 2.38 2.33 2.29 2.25 2.22 2.18 2.16 2.13
76 6.98 4.90 4.05 3.58 3.27 3.05 2.88 2.75 2.65 2.56 2.49 2.43 2.37 2.33 2.28 2.25 2.21 2.18 2.15 2.13
77 6.98 4.89 4.05 3.57 3.26 3.05 2.88 2.75 2.65 2.56 2.49 2.42 2.37 2.32 2.28 2.24 2.21 2.18 2.15 2.12
78 6.97 4.89 4.04 3.57 3.26 3.04 2.88 2.75 2.64 2.56 2.48 2.42 2.37 2.32 2.28 2.24 2.21 2.17 2.15 2.12
79 6.97 4.88 4.04 3.57 3.26 3.04 2.87 2.75 2.64 2.55 2.48 2.42 2.36 2.32 2.27 2.24 2.20 2.17 2.14 2.12
80 6.96 4.88 4.04 3.56 3.26 3.04 2.87 2.74 2.64 2.55 2.48 2.42 2.36 2.31 2.27 2.23 2.20 2.17 2.14 2.12
81 6.96 4.88 4.03 3.56 3.25 3.03 2.87 2.74 2.63 2.55 2.47 2.41 2.36 2.31 2.27 2.23 2.20 2.17 2.14 2.11
82 6.95 4.87 4.03 3.56 3.25 3.03 2.87 2.74 2.63 2.54 2.47 2.41 2.35 2.31 2.27 2.23 2.19 2.16 2.13 2.11
83 6.95 4.87 4.03 3.55 3.25 3.03 2.86 2.73 2.63 2.54 2.47 2.41 2.35 2.30 2.26 2.22 2.19 2.16 2.13 2.11
84 6.95 4.87 4.02 3.55 3.24 3.02 2.86 2.73 2.63 2.54 2.47 2.40 2.35 2.30 2.26 2.22 2.19 2.16 2.13 2.10
85 6.94 4.86 4.02 3.55 3.24 3.02 2.86 2.73 2.62 2.54 2.46 2.40 2.35 2.30 2.26 2.22 2.19 2.15 2.13 2.10
86 6.94 4.86 4.02 3.55 3.24 3.02 2.85 2.73 2.62 2.53 2.46 2.40 2.34 2.30 2.25 2.22 2.18 2.15 2.12 2.10
87 6.94 4.86 4.02 3.54 3.24 3.02 2.85 2.72 2.62 2.53 2.46 2.40 2.34 2.29 2.25 2.21 2.18 2.15 2.12 2.10
 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
88 6.93 4.85 4.01 3.54 3.23 3.01 2.85 2.72 2.62 2.53 2.46 2.39 2.34 2.29 2.25 2.21 2.18 2.15 2.12 2.09
89 6.93 4.85 4.01 3.54 3.23 3.01 2.85 2.72 2.61 2.53 2.45 2.39 2.34 2.29 2.25 2.21 2.17 2.14 2.12 2.09
90 6.93 4.85 4.01 3.53 3.23 3.01 2.84 2.72 2.61 2.52 2.45 2.39 2.33 2.29 2.24 2.21 2.17 2.14 2.11 2.09
91 6.92 4.85 4.00 3.53 3.23 3.01 2.84 2.71 2.61 2.52 2.45 2.39 2.33 2.28 2.24 2.20 2.17 2.14 2.11 2.09
92 6.92 4.84 4.00 3.53 3.22 3.00 2.84 2.71 2.61 2.52 2.45 2.38 2.33 2.28 2.24 2.20 2.17 2.14 2.11 2.08
93 6.92 4.84 4.00 3.53 3.22 3.00 2.84 2.71 2.60 2.52 2.44 2.38 2.33 2.28 2.24 2.20 2.17 2.13 2.11 2.08
94 6.91 4.84 4.00 3.53 3.22 3.00 2.84 2.71 2.60 2.52 2.44 2.38 2.33 2.28 2.24 2.20 2.16 2.13 2.10 2.08
95 6.91 4.84 3.99 3.52 3.22 3.00 2.83 2.70 2.60 2.51 2.44 2.38 2.32 2.28 2.23 2.20 2.16 2.13 2.10 2.08
96 6.91 4.83 3.99 3.52 3.21 3.00 2.83 2.70 2.60 2.51 2.44 2.38 2.32 2.27 2.23 2.19 2.16 2.13 2.10 2.07
97 6.90 4.83 3.99 3.52 3.21 2.99 2.83 2.70 2.60 2.51 2.44 2.37 2.32 2.27 2.23 2.19 2.16 2.13 2.10 2.07
98 6.90 4.83 3.99 3.52 3.21 2.99 2.83 2.70 2.59 2.51 2.43 2.37 2.32 2.27 2.23 2.19 2.16 2.12 2.10 2.07
99 6.90 4.83 3.99 3.51 3.21 2.99 2.83 2.70 2.59 2.51 2.43 2.37 2.32 2.27 2.22 2.19 2.15 2.12 2.09 2.07
100 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50 2.43 2.37 2.31 2.27 2.22 2.19 2.15 2.12 2.09 2.07

116
 BẢNG PHÂN PHỐI FISHER VỚI α=0,05

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 161 199 216 225 230 234 237 239 241 242 243 244 245 245 246 246 247 247 248 248
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40 19.40 19.41 19.42 19.42 19.43 19.43 19.44 19.44 19.44 19.45
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.73 8.71 8.70 8.69 8.68 8.67 8.67 8.66
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.94 5.91 5.89 5.87 5.86 5.84 5.83 5.82 5.81 5.80
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.66 4.64 4.62 4.60 4.59 4.58 4.57 4.56
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.03 4.00 3.98 3.96 3.94 3.92 3.91 3.90 3.88 3.87
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.53 3.51 3.49 3.48 3.47 3.46 3.44
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.26 3.24 3.22 3.20 3.19 3.17 3.16 3.15
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.05 3.03 3.01 2.99 2.97 2.96 2.95 2.94
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.89 2.86 2.85 2.83 2.81 2.80 2.79 2.77
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.82 2.79 2.76 2.74 2.72 2.70 2.69 2.67 2.66 2.65
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.72 2.69 2.66 2.64 2.62 2.60 2.58 2.57 2.56 2.54
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.58 2.55 2.53 2.51 2.50 2.48 2.47 2.46
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.57 2.53 2.51 2.48 2.46 2.44 2.43 2.41 2.40 2.39

117
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.51 2.48 2.45 2.42 2.40 2.38 2.37 2.35 2.34 2.33
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.46 2.42 2.40 2.37 2.35 2.33 2.32 2.30 2.29 2.28
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.33 2.31 2.29 2.27 2.26 2.24 2.23
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.29 2.27 2.25 2.23 2.22 2.20 2.19
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.18 2.17 2.16
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.31 2.28 2.25 2.22 2.20 2.18 2.17 2.15 2.14 2.12
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32 2.28 2.25 2.22 2.20 2.18 2.16 2.14 2.12 2.11 2.10
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30 2.26 2.23 2.20 2.17 2.15 2.13 2.11 2.10 2.08 2.07
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27 2.24 2.20 2.18 2.15 2.13 2.11 2.09 2.08 2.06 2.05
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.22 2.18 2.15 2.13 2.11 2.09 2.07 2.05 2.04 2.03
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24 2.20 2.16 2.14 2.11 2.09 2.07 2.05 2.04 2.02 2.01
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22 2.18 2.15 2.12 2.09 2.07 2.05 2.03 2.02 2.00 1.99
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20 2.17 2.13 2.10 2.08 2.06 2.04 2.02 2.00 1.99 1.97
 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19 2.15 2.12 2.09 2.06 2.04 2.02 2.00 1.99 1.97 1.96
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.14 2.10 2.08 2.05 2.03 2.01 1.99 1.97 1.96 1.94
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.13 2.09 2.06 2.04 2.01 1.99 1.98 1.96 1.95 1.93
31 4.16 3.30 2.91 2.68 2.52 2.41 2.32 2.25 2.20 2.15 2.11 2.08 2.05 2.03 2.00 1.98 1.96 1.95 1.93 1.92
32 4.15 3.29 2.90 2.67 2.51 2.40 2.31 2.24 2.19 2.14 2.10 2.07 2.04 2.01 1.99 1.97 1.95 1.94 1.92 1.91
33 4.14 3.28 2.89 2.66 2.50 2.39 2.30 2.23 2.18 2.13 2.09 2.06 2.03 2.00 1.98 1.96 1.94 1.93 1.91 1.90
34 4.13 3.28 2.88 2.65 2.49 2.38 2.29 2.23 2.17 2.12 2.08 2.05 2.02 1.99 1.97 1.95 1.93 1.92 1.90 1.89
35 4.12 3.27 2.87 2.64 2.49 2.37 2.29 2.22 2.16 2.11 2.07 2.04 2.01 1.99 1.96 1.94 1.92 1.91 1.89 1.88
36 4.11 3.26 2.87 2.63 2.48 2.36 2.28 2.21 2.15 2.11 2.07 2.03 2.00 1.98 1.95 1.93 1.92 1.90 1.88 1.87
37 4.11 3.25 2.86 2.63 2.47 2.36 2.27 2.20 2.14 2.10 2.06 2.02 2.00 1.97 1.95 1.93 1.91 1.89 1.88 1.86
38 4.10 3.24 2.85 2.62 2.46 2.35 2.26 2.19 2.14 2.09 2.05 2.02 1.99 1.96 1.94 1.92 1.90 1.88 1.87 1.85
39 4.09 3.24 2.85 2.61 2.46 2.34 2.26 2.19 2.13 2.08 2.04 2.01 1.98 1.95 1.93 1.91 1.89 1.88 1.86 1.85
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08 2.04 2.00 1.97 1.95 1.92 1.90 1.89 1.87 1.85 1.84
41 4.08 3.23 2.83 2.60 2.44 2.33 2.24 2.17 2.12 2.07 2.03 2.00 1.97 1.94 1.92 1.90 1.88 1.86 1.85 1.83
42 4.07 3.22 2.83 2.59 2.44 2.32 2.24 2.17 2.11 2.06 2.03 1.99 1.96 1.94 1.91 1.89 1.87 1.86 1.84 1.83
43 4.07 3.21 2.82 2.59 2.43 2.32 2.23 2.16 2.11 2.06 2.02 1.99 1.96 1.93 1.91 1.89 1.87 1.85 1.83 1.82
44 4.06 3.21 2.82 2.58 2.43 2.31 2.23 2.16 2.10 2.05 2.01 1.98 1.95 1.92 1.90 1.88 1.86 1.84 1.83 1.81

118
45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05 2.01 1.97 1.94 1.92 1.89 1.87 1.86 1.84 1.82 1.81
46 4.05 3.20 2.81 2.57 2.42 2.30 2.22 2.15 2.09 2.04 2.00 1.97 1.94 1.91 1.89 1.87 1.85 1.83 1.82 1.80
47 4.05 3.20 2.80 2.57 2.41 2.30 2.21 2.14 2.09 2.04 2.00 1.96 1.93 1.91 1.88 1.86 1.84 1.83 1.81 1.80
48 4.04 3.19 2.80 2.57 2.41 2.29 2.21 2.14 2.08 2.03 1.99 1.96 1.93 1.90 1.88 1.86 1.84 1.82 1.81 1.79
49 4.04 3.19 2.79 2.56 2.40 2.29 2.20 2.13 2.08 2.03 1.99 1.96 1.93 1.90 1.88 1.85 1.84 1.82 1.80 1.79
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03 1.99 1.95 1.92 1.89 1.87 1.85 1.83 1.81 1.80 1.78
51 4.03 3.18 2.79 2.55 2.40 2.28 2.20 2.13 2.07 2.02 1.98 1.95 1.92 1.89 1.87 1.85 1.83 1.81 1.79 1.78
52 4.03 3.18 2.78 2.55 2.39 2.28 2.19 2.12 2.07 2.02 1.98 1.94 1.91 1.89 1.86 1.84 1.82 1.81 1.79 1.78
53 4.02 3.17 2.78 2.55 2.39 2.28 2.19 2.12 2.06 2.01 1.97 1.94 1.91 1.88 1.86 1.84 1.82 1.80 1.79 1.77
54 4.02 3.17 2.78 2.54 2.39 2.27 2.18 2.12 2.06 2.01 1.97 1.94 1.91 1.88 1.86 1.83 1.82 1.80 1.78 1.77
55 4.02 3.16 2.77 2.54 2.38 2.27 2.18 2.11 2.06 2.01 1.97 1.93 1.90 1.88 1.85 1.83 1.81 1.79 1.78 1.76
56 4.01 3.16 2.77 2.54 2.38 2.27 2.18 2.11 2.05 2.00 1.96 1.93 1.90 1.87 1.85 1.83 1.81 1.79 1.78 1.76
57 4.01 3.16 2.77 2.53 2.38 2.26 2.18 2.11 2.05 2.00 1.96 1.93 1.90 1.87 1.85 1.82 1.81 1.79 1.77 1.76
 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
58 4.01 3.16 2.76 2.53 2.37 2.26 2.17 2.10 2.05 2.00 1.96 1.92 1.89 1.87 1.84 1.82 1.80 1.78 1.77 1.75
59 4.00 3.15 2.76 2.53 2.37 2.26 2.17 2.10 2.04 2.00 1.96 1.92 1.89 1.86 1.84 1.82 1.80 1.78 1.77 1.75
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99 1.95 1.92 1.89 1.86 1.84 1.82 1.80 1.78 1.76 1.75
61 4.00 3.15 2.76 2.52 2.37 2.25 2.16 2.09 2.04 1.99 1.95 1.91 1.88 1.86 1.83 1.81 1.79 1.78 1.76 1.75
62 4.00 3.15 2.75 2.52 2.36 2.25 2.16 2.09 2.03 1.99 1.95 1.91 1.88 1.85 1.83 1.81 1.79 1.77 1.76 1.74
63 3.99 3.14 2.75 2.52 2.36 2.25 2.16 2.09 2.03 1.98 1.94 1.91 1.88 1.85 1.83 1.81 1.79 1.77 1.75 1.74
64 3.99 3.14 2.75 2.52 2.36 2.24 2.16 2.09 2.03 1.98 1.94 1.91 1.88 1.85 1.83 1.80 1.78 1.77 1.75 1.74
65 3.99 3.14 2.75 2.51 2.36 2.24 2.15 2.08 2.03 1.98 1.94 1.90 1.87 1.85 1.82 1.80 1.78 1.76 1.75 1.73
66 3.99 3.14 2.74 2.51 2.35 2.24 2.15 2.08 2.03 1.98 1.94 1.90 1.87 1.84 1.82 1.80 1.78 1.76 1.75 1.73
67 3.98 3.13 2.74 2.51 2.35 2.24 2.15 2.08 2.02 1.98 1.93 1.90 1.87 1.84 1.82 1.80 1.78 1.76 1.74 1.73
68 3.98 3.13 2.74 2.51 2.35 2.24 2.15 2.08 2.02 1.97 1.93 1.90 1.87 1.84 1.82 1.79 1.78 1.76 1.74 1.73
69 3.98 3.13 2.74 2.50 2.35 2.23 2.15 2.08 2.02 1.97 1.93 1.90 1.86 1.84 1.81 1.79 1.77 1.76 1.74 1.72
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97 1.93 1.89 1.86 1.84 1.81 1.79 1.77 1.75 1.74 1.72
71 3.98 3.13 2.73 2.50 2.34 2.23 2.14 2.07 2.01 1.97 1.93 1.89 1.86 1.83 1.81 1.79 1.77 1.75 1.73 1.72
72 3.97 3.12 2.73 2.50 2.34 2.23 2.14 2.07 2.01 1.96 1.92 1.89 1.86 1.83 1.81 1.79 1.77 1.75 1.73 1.72
73 3.97 3.12 2.73 2.50 2.34 2.23 2.14 2.07 2.01 1.96 1.92 1.89 1.86 1.83 1.81 1.78 1.76 1.75 1.73 1.72
74 3.97 3.12 2.73 2.50 2.34 2.22 2.14 2.07 2.01 1.96 1.92 1.89 1.85 1.83 1.80 1.78 1.76 1.74 1.73 1.71

119
75 3.97 3.12 2.73 2.49 2.34 2.22 2.13 2.06 2.01 1.96 1.92 1.88 1.85 1.83 1.80 1.78 1.76 1.74 1.73 1.71
76 3.97 3.12 2.72 2.49 2.33 2.22 2.13 2.06 2.01 1.96 1.92 1.88 1.85 1.82 1.80 1.78 1.76 1.74 1.73 1.71
77 3.97 3.12 2.72 2.49 2.33 2.22 2.13 2.06 2.00 1.96 1.92 1.88 1.85 1.82 1.80 1.78 1.76 1.74 1.72 1.71
78 3.96 3.11 2.72 2.49 2.33 2.22 2.13 2.06 2.00 1.95 1.91 1.88 1.85 1.82 1.80 1.77 1.76 1.74 1.72 1.71
79 3.96 3.11 2.72 2.49 2.33 2.22 2.13 2.06 2.00 1.95 1.91 1.88 1.85 1.82 1.79 1.77 1.75 1.74 1.72 1.70
80 3.96 3.11 2.72 2.49 2.33 2.21 2.13 2.06 2.00 1.95 1.91 1.88 1.84 1.82 1.79 1.77 1.75 1.73 1.72 1.70
81 3.96 3.11 2.72 2.48 2.33 2.21 2.12 2.05 2.00 1.95 1.91 1.87 1.84 1.82 1.79 1.77 1.75 1.73 1.72 1.70
82 3.96 3.11 2.72 2.48 2.33 2.21 2.12 2.05 2.00 1.95 1.91 1.87 1.84 1.81 1.79 1.77 1.75 1.73 1.71 1.70
83 3.96 3.11 2.71 2.48 2.32 2.21 2.12 2.05 1.99 1.95 1.91 1.87 1.84 1.81 1.79 1.77 1.75 1.73 1.71 1.70
84 3.95 3.11 2.71 2.48 2.32 2.21 2.12 2.05 1.99 1.95 1.90 1.87 1.84 1.81 1.79 1.77 1.75 1.73 1.71 1.70
85 3.95 3.10 2.71 2.48 2.32 2.21 2.12 2.05 1.99 1.94 1.90 1.87 1.84 1.81 1.79 1.76 1.74 1.73 1.71 1.70
86 3.95 3.10 2.71 2.48 2.32 2.21 2.12 2.05 1.99 1.94 1.90 1.87 1.84 1.81 1.78 1.76 1.74 1.73 1.71 1.69
87 3.95 3.10 2.71 2.48 2.32 2.20 2.12 2.05 1.99 1.94 1.90 1.87 1.83 1.81 1.78 1.76 1.74 1.72 1.71 1.69
 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
88 3.95 3.10 2.71 2.48 2.32 2.20 2.12 2.05 1.99 1.94 1.90 1.86 1.83 1.81 1.78 1.76 1.74 1.72 1.71 1.69
89 3.95 3.10 2.71 2.47 2.32 2.20 2.11 2.04 1.99 1.94 1.90 1.86 1.83 1.80 1.78 1.76 1.74 1.72 1.70 1.69
90 3.95 3.10 2.71 2.47 2.32 2.20 2.11 2.04 1.99 1.94 1.90 1.86 1.83 1.80 1.78 1.76 1.74 1.72 1.70 1.69
91 3.95 3.10 2.70 2.47 2.31 2.20 2.11 2.04 1.98 1.94 1.90 1.86 1.83 1.80 1.78 1.76 1.74 1.72 1.70 1.69
92 3.94 3.10 2.70 2.47 2.31 2.20 2.11 2.04 1.98 1.94 1.89 1.86 1.83 1.80 1.78 1.75 1.73 1.72 1.70 1.69
93 3.94 3.09 2.70 2.47 2.31 2.20 2.11 2.04 1.98 1.93 1.89 1.86 1.83 1.80 1.78 1.75 1.73 1.72 1.70 1.68
94 3.94 3.09 2.70 2.47 2.31 2.20 2.11 2.04 1.98 1.93 1.89 1.86 1.83 1.80 1.77 1.75 1.73 1.71 1.70 1.68
95 3.94 3.09 2.70 2.47 2.31 2.20 2.11 2.04 1.98 1.93 1.89 1.86 1.82 1.80 1.77 1.75 1.73 1.71 1.70 1.68
96 3.94 3.09 2.70 2.47 2.31 2.19 2.11 2.04 1.98 1.93 1.89 1.85 1.82 1.80 1.77 1.75 1.73 1.71 1.70 1.68
97 3.94 3.09 2.70 2.47 2.31 2.19 2.11 2.04 1.98 1.93 1.89 1.85 1.82 1.80 1.77 1.75 1.73 1.71 1.69 1.68
98 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.98 1.93 1.89 1.85 1.82 1.79 1.77 1.75 1.73 1.71 1.69 1.68
99 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.98 1.93 1.89 1.85 1.82 1.79 1.77 1.75 1.73 1.71 1.69 1.68
100 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93 1.89 1.85 1.82 1.79 1.77 1.75 1.73 1.71 1.69 1.68

120