BÁO CÁO KẾT QUẢ THỰC HÀNH KINH TẾ LƯỢNG

Tên thành viên của nhóm:

Tên thành viên Mã SV Phân công công việc

- Lựa chọn, tổng hợp số liệu bảng số
liệu thống kê.
- Sử dụng phần mềm eviews để thu
được bảng kết quả và kết luận.

- Lựa chọn, tổng hợp số liệu bảng số

liệu thống kê.
- Sử dụng phần mềm eviews để thu
được bảng kết quả và kết luận.

Hãy tự chọn số liệu cho nhóm sao cho phù hợp với tên các biến được chọn như sau,
lấy tham chiếu mức ý nghĩa là 5%, n = 15.
Y: Tuổi thọ trung bình dự kiến - Life expectancy at birth (năm)
X2: Chi tiêu cho y tế - Health expenditure (% trên GDP)
X3: Chi tiêu cho giáo dục - Expenditure on education (% trên GDP)
D: Mức độ ảnh hưởng của biến đổi khí hậu (D = 1 nếu ảnh hưởng cao, D = 0 nếu ảnh
hưởng bình thường)
PHẦN 1. HỒI QUY MÔ HÌNH Y, C, X2, TA THU ĐƯỢC BẢNG KẾT QUẢ
NHƯ SAU:
MOHINH 1
Dependent Variable: Y
Method: Least Squares
Date: 12/15/23 Time: 15:32
Sample: 1 15
Included observations: 15

Variable Coefficient Std. Error t-Statistic Prob.

C 69.72075 1.607366 43.37577 0.0000

X2 1.135876 0.196584 5.778059 0.0001

R-squared 0.719743 Mean dependent var 78.52000

Adjusted R-squared 0.698185 S.D. dependent var 3.625544
S.E. of regression 1.991792 Akaike info criterion 4.339512
Sum squared resid 51.57404 Schwarz criterion 4.433919
Log likelihood -30.54634 Hannan-Quinn criter. 4.338506
F-statistic 33.38597 Durbin-Watson stat 1.419026
Prob(F-statistic) 0.000064
 TSS = 184.02397 RSS = 51.57404 ̂1 = 69.72075
𝛽 ̂2 = 1.135876
𝛽
̂1 ) = 2.5836 Var(𝛽
Var( 𝛽 ̂2 )= 0.038645416 F = 33.38597 R2 = 0.719743

rxy= -0.848838 𝑌̅= 78.52 𝑋̅ = 7.75 cov(𝛽̂1 , 𝛽

̂2 ) =
- 0.299373157

1. Hãy cho biết giá trị trung bình của Y không phụ thuộc vào X2 đạt 80 được
không?
KĐGT: H0: β1 = 80
H1: β1 ≠ 80

Wald Test:
Equation: MOHINH1

Test Statistic Value df Probability

t-statistic -6.395091 13 0.0000

F-statistic 40.89719 (1, 13) 0.0000
Chi-square 40.89719 1 0.0000

Null Hypothesis: C(1) = 80

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

-80 + C(1) -10.27925 1.607366

Restrictions are linear in coefficients.

Ta có:
α = 0.05; prob = 0.00 => p < α
=> Bác bỏ giả thiết H0.
Vậy, với mức ý nghĩa 5%, không thể nói “giá trị trung bình của Y không phụ thuộc
vào X2 đạt 80".
2. Mô hình có phù hợp không? Tại sao?
KĐGT: H0: R2 = 0
H1: R2 ≠ 0
Redundant Variables Test
Null hypothesis: X2 are jointly insignificant
Equation: MOHINH1
Specification: Y C X2
Redundant Variables: X2

Value df Probability
t-statistic 5.778059 13 0.0001
F-statistic 33.38597 (1, 13) 0.0001
Likelihood ratio 19.08071 1 0.0000

F-test summary:
Sum of Sq. df Mean Squares
Test SSR 132.4500 1 132.4500
Restricted SSR 184.0240 14 13.14457
Unrestricted SSR 51.57404 13 3.967234

LR test summary:
Value
Restricted LogL -40.08670
Unrestricted LogL -30.54634

Ta có:
α = 0.05; prob. = 0.0001 => p < α
=> Bác bỏ giả thiết H0.
Vậy, với mức ý nghĩa 5%, mô hình có phù hợp.
3. Có thể nói rằng khi X2 tăng lên 10 đơn vị thì Y giảm 5 đơn vị được không?
KĐGT: H0: β2 = - 0.5
H1: β2 ≠ - 0.5

Wald Test:
Equation: MOHINH1

Test Statistic Value df Probability

t-statistic 8.321497 13 0.0000

F-statistic 69.24731 (1, 13) 0.0000
Chi-square 69.24731 1 0.0000

Null Hypothesis: C(2) = -0.5

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

0.5 + C(2) 1.635876 0.196584

Restrictions are linear in coefficients.

Ta có:
α = 0.05; prob. = 0.000 => p < α
=> Bác bỏ giả thiết H0.
Vậy, với mức ý nghĩa 5%, không thể nói “khi X2 tăng lên 10 đơn vị thì Y giảm 5 đơn
vị”
4. Hãy cho biết phần thay đổi của Y do X2 thay đổi 1 đơn vị bằng 1/10 lần phần
giá trị của Y không phụ thuộc vào X2 được không?
KĐGT H0: β1 = 10β2
H1: β1 ≠ 10β2

Wald Test:
Equation: MOHINH1

Test Statistic Value df Probability

t-statistic 16.54993 13 0.0000

F-statistic 273.9003 (1, 13) 0.0000
Chi-square 273.9003 1 0.0000

Null Hypothesis: C(1)=10*C(2)

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

C(1) - 10*C(2) 58.36199 3.526419

Restrictions are linear in coefficients.

Ta có:
α = 0.05; prob. = 0.000 => p < α
=> Bác bỏ giả thiết H0.
Vậy, với mức ý nghĩa 5%, không thể nói “phần thay đổi của Y do X2 thay đổi 1 đơn vị
bằng 1/10 lần phần giá trị của Y không phụ thuộc vào X2”
5. Có thể nói rằng mô hình cần có thêm biến X3, bằng kiểm định thích hợp hãy
cho biết nhận định trên có cơ sở không?
Tiến hành hồi quy mô hình Y, C, X2, X3, ta thu được bảng sau:
MOHINH 2
Dependent Variable: Y
Method: Least Squares
Date: 12/16/23 Time: 18:43
Sample: 1 15
Included observations: 15
 Variable Coefficient Std. Error t-Statistic Prob.

C 66.70546 2.057311 32.42361 0.0000

X2 1.031060 0.183319 5.624402 0.0001
X3 0.730395 0.356033 2.051482 0.0627

R-squared 0.792512 Mean dependent var 78.52000

Adjusted R-squared 0.757931 S.D. dependent var 3.625544
S.E. of regression 1.783788 Akaike info criterion 4.172212
Sum squared resid 38.18278 Schwarz criterion 4.313822
Log likelihood -28.29159 Hannan-Quinn criter. 4.170703
F-statistic 22.91733 Durbin-Watson stat 2.168869
Prob(F-statistic) 0.000080

KĐGT H0: β3 = 0
H1: ∃ 1 βj ≠ 0
Redundant Variables Test
Null hypothesis: X3 are jointly insignificant
Equation: MOHINH2
Specification: Y C X2 X3
Redundant Variables: X3

Value df Probability
t-statistic 2.051482 12 0.0627
F-statistic 4.208577 (1, 12) 0.0627
Likelihood ratio 4.509508 1 0.0337

F-test summary:
Sum of Sq. df Mean Squares
Test SSR 13.39126 1 13.39126
Restricted SSR 51.57404 13 3.967234
Unrestricted SSR 38.18278 12 3.181898

LR test summary:
Value
Restricted LogL -30.54634
Unrestricted LogL -28.29159

Ta có:
α = 0.05; prob. = 0.0627 => p > α
=> Không đủ cơ sở bác bỏ giả thiết H0.
Vậy, không nên đưa thêm biết X3 hay không thể nói “mô hình cần có thêm biến X3”
PHẦN 02: HỒI QUY MÔ HÌNH Y, C, X2, X3, D, X2.D, X3.D, TA THU
ĐƯỢC BẢNG SAU:
MOHINH 3
Dependent Variable: Y
Method: Least Squares
Date: 12/15/23 Time: 15:33
Sample: 1 15
Included observations: 15

Variable Coefficient Std. Error t-Statistic Prob.

C 68.33872 4.340001 15.74625 0.0000

X2 1.011174 0.211449 4.782124 0.0010
X3 0.346099 0.766159 0.451733 0.6622
D01 -2.375944 5.238248 -0.453576 0.6609
X2*D01 0.158020 0.490335 0.322270 0.7546
X3*D01 0.455513 0.904050 0.503858 0.6265

R-squared 0.832977 Mean dependent var 78.52000

Adjusted R-squared 0.740186 S.D. dependent var 3.625544
S.E. of regression 1.848009 Akaike info criterion 4.355269
Sum squared resid 30.73624 Schwarz criterion 4.638489
Log likelihood -26.66452 Hannan-Quinn criter. 4.352252
F-statistic 8.976960 Durbin-Watson stat 2.240286
Prob(F-statistic) 0.002641

1. Hãy cho biết khi X2, X3 đồng thời bằng 0 thì giá trị trung bình của Y có
khác nhau giữa 2 phạm trù được không? Vì sao?
KĐGT H0: β4 = 0
H1: β4 ≠ 0
Wald Test:
Equation: MOHINH3

Test Statistic Value df Probability

t-statistic -0.453576 9 0.6609

F-statistic 0.205731 (1, 9) 0.6609
Chi-square 0.205731 1 0.6501

Null Hypothesis: C(4) = 0

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

C(4) -2.375944 5.238248

Restrictions are linear in coefficients.

Ta có:
α = 0.05; prob. = 0.6609 => p > α
=> Không đủ cơ sở bác bỏ giả thiết H0.
Vậy, khi X2, X3 đồng thời bằng 0 thì giá trị trung bình của Y không khác nhau
giữa 2 phạm trù.
2. Khi X2 tăng lên 1 đơn vị thì sự thay đổi của Y có khác nhau giữa 2 phạm
trù không? Tại sao?
KĐGT H0: β5 = 0
H1: β5 ≠ 0
Wald Test:
Equation: MOHINH3

Test Statistic Value df Probability

t-statistic 0.322270 9 0.7546

F-statistic 0.103858 (1, 9) 0.7546
Chi-square 0.103858 1 0.7472

Null Hypothesis: C(5) = 0

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std. Err.

C(5) 0.158020 0.490335

Restrictions are linear in coefficients.

Ta có:
α = 0.05; prob. = 0.7546 => p > α
=> Không đủ cơ sở bác bỏ giả thiết H0.
Vậy, khi X2 tăng lên 1 đơn vị thì sự thay đổi của Y không có sự khác nhau giữa
2 phạm trù.
3. Có thể nói rằng giá trị trung bình của biến phụ thuộc Y không có liên
quan gì đến phạm trù của hiện tượng? Tại sao?
KĐGT H0: β4 = β5 = β6 = 0
H1: ∃ 1 βj ≠ 0
Redundant Variables Test
Null hypothesis: D01 X2*D01 X3*D01 are jointly insignificant
Equation: MOHINH2
Specification: Y C X2 X3 D01 X2*D01 X3*D01
Redundant Variables: D01 X2*D01 X3*D01

Value df Probability
F-statistic 0.726818 (3, 9) 0.5612
Likelihood ratio 3.254136 3 0.3541
F-test summary:
Sum of Sq. df Mean Squares
Test SSR 7.446545 3 2.482182
Restricted SSR 38.18278 12 3.181898
Unrestricted SSR 30.73624 9 3.415137

LR test summary:
Value
Restricted LogL -28.29159
Unrestricted LogL -26.66452

Ta có:
α = 0.05; prob. = 0.5612 => p > α
=> Không đủ cơ sở bác bỏ giả thiết H0.
Vậy, có thể nói giá trị trung bình của biến phụ thuộc Y không có liên quan gì đến
phạm trù của hiện tượng.
4. Giữa 2 mô hình ta nên chọn mô hình nào?
KĐGT H0: β3 = β4 = β5 = β6 = 0
H1: ∃ 1 βj ≠ 0
Redundant Variables Test
Null hypothesis: X3 D01 X2*D01 X3*D01 are jointly insignificant
Equation: MOHINH2
Specification: Y C X2 X3 D01 X2*D01 X3*D01
Redundant Variables: X3 D01 X2*D01 X3*D01

Value df Probability
F-statistic 1.525400 (4, 9) 0.2744
Likelihood ratio 7.763644 4 0.1006

F-test summary:
Sum of Sq. df Mean Squares
Test SSR 20.83781 4 5.209452
Restricted SSR 51.57404 13 3.967234
Unrestricted SSR 30.73624 9 3.415137

LR test summary:
Value
Restricted LogL -30.54634
Unrestricted LogL -26.66452

Ta có:
α = 0.05; prob. = 0.2744 => p > α
=> Không đủ cơ sở bác bỏ giả thiết H0.
Vậy, chọn Mô hình 1 để dự báo.