1.

Kiểm định đồ phù hợp hàm hồi quy (với mức ý nghĩa 5%)
H0: Hàm hồi quy không phù hợp
H1: Hàm hồi quy phù hợp
Fqs= 52.99619
F∝(k-1,n-k) = F0,05 (5-1,40-4) = F0,05(4,)=2,65
Fqs > F∝(k-1,n-k) => Bác bỏ H0, Chấp nhận H1
Vậy với mức ý nghĩa 5%, có thể cho rằng hàm hồi quy phù hợp
2. Kiểm định tác động của các nhân tố đến biến phụ thuộc (với mức ý nghia 5%)
 H0: 𝛽 ^2 =0
H1: 𝛽 ^2≠ 0
P-value (=0.0000) < ∝=> Bác bỏ H0, Chấp nhận H1.
Vậy với mức ý nghĩa 5%, có thể cho rằng biến Diện tích có tác động đến biến Giá đất .
 H0: 𝛽 ^^3=0
H1: 𝛽 ^3≠ 0
P-value (=0.0058) < ∝ => Bác bỏ H0, Chấp nhận H1.
Vậy với mức ý nghĩa 5%, có thể cho rằng biến Loại hình căn nhà có tác động đến biến Giá đất.
 H0: 𝛽 ^4=0
H1: 𝛽 ^4≠ 0
0P-value (=0.0330) < => Bác bỏ H0, Chấp nhận H1.
Vậy với mức ý nghĩa 5%, có thể cho rằng biến Tên Phường có tác động đến biến Giá đất.
3. Nêu ý nghĩa của các hệ số hồi qui. Các hệ số có phù hợp với lí thuyết kinh tế không?

+β^2 = 0.277515: Cho biết nếu diện tích tặng trung bình 1 mét vuông và số phòng ngủ,
số phòng tắm không đổi , không tính phân loại căn nhà thì giá tiền nhà tăng trung bình 0.277515
tỷ đồng.
+
β^3: = 9,214935: Cho biết nếu số phòng ngủ tăng trung bình 1 phòng và diện tích, số
phòng tắm không đổi, không tính phân loại căn nhà thì giá tiền nhà tăng trung bình tăng 9,
214935 tỷ đồng.
+ β^4 = -6.371617: Cho biết nếu số phòng tắm tăng trung bình 1 phòng, và số phòng ngủ,
diện tích không đổi, không tính phân loại căn nhà thì giá tiền giảm trung bình 6.371617 tỷ đồng.
+ β^5 = 22.15643 : Cho biết giá tiền nhà ở mặt tiền sẽ cao hơn giá tiền nhà ở hẻm
22.15643 tỷ đồng khi có cùng diện tích, số phòng ngủ, số phòng tắm.
Các hệ số có phù hợp với lí thuyết kinh tế vì :
+β^2 = 0.277515: Hệ số ước lượng của biến DT có giá trị dương, cho thấy diện tích của
căn nhà có tác động cùng chiều đến giá tiền. Điều này có nghĩa là những căn nhà có diện
tích lớn hơn sẽ có giá cao hơn những căn nhà có diện tích nhỏ hơn.
+
β^3: = 9,214935: Hệ số ước lượng của biến SPN cũng có giá trị dương, cho thấy số phòng ngủ
của căn nhà có tác động chiều đến giá tiền. Điều này có nghĩa là những căn nhà có số phòng ngủ
lớn hơn sẽ có giá cao hơn những căn nhà có số phòng ngủ nhỏ hơn
+ β^4 = -6.371617: Hệ số ước lượng của biến SPT có giá trị âm, cho thấy số phòng tắm
của căn nhà có tác động đến giá tiền. Điều này có thể được giải thích bởi việc những căn
nhà có nhiều phòng tắm thường chiếm diện tích, nên có giá thành thấp hơn những căn
nhà có ít phòng tắm hơn

+ β^5 = 22.15643 : Hệ số ước lượng của biến Z có giá trị dương, cho thấy loại hình căn
nhà mặt tiền có tác động dương đến giá tiền. Điều này có thể được giải thích bởi việc
những căn nhà mặt tiền thường có vị trí thuận lợi, dễ dàng tiếp cận các tiện ích và dịch
vụ, do đó có giá cao hơn những căn nhà trong hẻm.
.
4. Nhận xét về mức độ phù hợp của hàm hồi quy. Giải thích ý nghĩa của hệ số xác định?

+ R-squared = 0.858291: cho thấy hàm hồi quy có độ phù hợp cao
R-squared = 0.858291 : cho thấy biến số diện tích, số phòng ngủ, số phòng tắm giải thích được
85,8291% sự thay đổi của biến giá tiền
5. Kiểm tra các giải thiết của phương pháp OLS.
5.1 Vấn đề 1: Vấn đề kì vọng sai số ngẫu nhiên khác 0.
- Cách kiểm định: sử dụng kiểm định Ramsey Reset

H0: Chưa phát hiện mô hình gốc có dạng hàm sai.

H1: Mô hình gốc có dạng hàm sai do thiếu biến.
P- value = 0,1607>5% => Chưa đủ cơ sở bác bỏ H0.
Kết luận : với mức ý nghĩa 5%, chưa phát hiện mô hình gốc có dạng hàm sai
5.2 Vấn đề 2 : Phương sai sai số thay đổi.
Sử dụng kiểm định White

H0: Chưa phát hiện mô hình có hiện tượng phương sai sai số thay đổi
H1: Mô hình có hiện tượng phương sai sai số thay đổi
P-value= 0,0248 <5% => Bác bỏ H0, Chấp nhận H1
Vậy với mức ý nghĩa 5%, có thể cho rằng mô hình có hiện tượng phương sai sai số thay
đổi
Hậu quả:
+ Ước lượng không chệch do đó các kết quả bài toán ước lượng vẫn đáng tin
+ Phương sai của hệ số ước lượng chệch do đó các kết quả bài toán khoảng tin cậy và kiểm định
không đáng tin
Cách khắc phục:
Do phương sai của hệ số ước lượng chệch nên ta sử dụng phương pháp HAC để làm cho
mô hình đáng tin cậy hơn.
Vấn đề 3: Đa cộng tuyến

Cách kiểm định: VIF > 10 > Mô hình có hiện tượng đa cộng tuyến cao
+ VIF của biến DT = 1.966467
+ VIF của biến SPN = 8.977182
+ VIF của biến SPT = 7.321618
+ VIF của biến Z = 2.648952
=> Vậy có thể cho rằng mô hình không có hiện tượng đa cộng tuyến cao.
- Vấn đề 4: Tự tương quan
-
5. Phân phối chuẩn của sai số ngẫu nhiên.