Bài tập phương sai sai số thay đổi

Chia sẻ: Nguyễn Thị Toàn | Ngày: | Loại File: DOC | Số trang:3

0
481
lượt xem
103
download

Bài tập phương sai sai số thay đổi

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Người ta sử dụng số liệu quan sát tại 40 thành phố của Mỹ năm 1988 để nghiên cứu môi quan hệ của nhu cầu sử dụng xe bus 1 giờ( busdeman d -tính bằng đơn vị 1000 người ) với các biến số khác là giá vé xe bus ( far e -đo bằng dollars), giá 1 thùng dầu hỏa( gasprice -đo bằng dollars) thu nhập bình quân đầu người của thành phố(income:đo bằng dollars/ năm) dân số của thành phố(pop đo bằng nghìn người) và mật độ dân số( Density đo bằng số người trên 1 dặm vuông....

Chủ đề:
Lưu

Nội dung Text: Bài tập phương sai sai số thay đổi

  1. Bài tập phương sai sai số thay đổi. Người ta sử dụng số liệu quan sát tại 40 thành phố của Mỹ năm 1988 để nghiên cứu môi quan hệ của nhu cầu sử dụng xe bus 1 giờ(     -tính bằng đơn vị 1000 người ) với các biến busdemand  số khác là giá vé xe bus (     bằng dollars), giá 1 thùng dầu hỏa( gasprice -đo bằng fare -đo dollars) thu nhập bình quân đầu người của thành phố(income:đo bằng dollars/ năm) dân số của thành phố(pop đo bằng nghìn người) và mật độ dân số( Density đo bằng số người trên 1 dặm vuông. Như vậy ta hồi qui trên mô hinh sau: busdemand i =β1 +β 2 farei +β3 gaspricei +β 4 incomei +β5 popi +β 6 densityi +ε i .Dùng STATA ta nhận được kết quả sau:       Source |       SS       df       MS              Number of obs =      40 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           F(  5,    34) =   78.25        Model |   212184332     5  42436866.3           Prob > F      =  0.0000     Residual |  18439936.9    34  542351.084           R­squared     =  0.9200 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           Adj R­squared =  0.9083        Total |   230624268    39  5913442.78           Root MSE      =  736.44 ­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­    busdemand |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval] ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­         fare |  ­310.3075   433.8628    ­0.72   0.479    ­1192.023    571.4078     gasprice |   714.8923   2618.163     0.27   0.786    ­4605.855     6035.64       income |  ­.2005684   .0636879    ­3.15   0.003    ­.3299978    ­.071139          pop |   1.586886    .124422    12.75   0.000      1.33403    1.839742      density |   .1451475   .0388827     3.73   0.001     .0661283    .2241666        _cons |   2470.836   2584.192     0.96   0.346    ­2780.873    7722.545 1. Hệ số ước lượng trên density bằng bao nhiêu? Độ lệch tiêu chuẩn tương ứng bằng bao nhiêu? 2. Làm kiểm định Breusch-Pagan với Chi bình phương và rút ra được các kết quả sau: Biến số Thống kê của kiểm định Quyết định về phương sai Chi- bình phương đồng nhất? fare 2.45 ? gasprice 0.81 ? income 0.01 ? pop 3.53 ? density 0.12 ? Ta quyết định thế nào về vấn đề phương sai đồng nhất? 3. Làm kiểm định Breusch-Pagan cùng 1 lúc với hai biến Fare và Pop( bằng Chi- bình phương) và thu được thống kê Chi bình phương bằng 6.07. Kết luận gì về vấn đề phương sai sai số thay đổi. hettest fare pop        Breusch­Pagan / Cook­Weisberg test for heteroskedasticity           Ho: Constant variance          Variables: fare pop                 chi2(2)      =     6.07          Prob > chi2  =   0.0480 4. Nghi ngờ density là nguyên nhân dẫn đến vấn đề phương sai sai số thay đổi người ta sắp xếp số liệu theo density, rồi chia nhỏ và làm hồi qui OLS. Làm kiểm định Goldfeld-Quandt với mỗi mẫu nhỏ có 15 quan sát và rút ra kết luận? .sort dénity .regress busdemand fare gasprice income pop density if _n
  2.        Model |  3211452.92     5  642290.583           Prob > F      =  0.2233     Residual |  3337837.75     9  370870.861           R­squared     =  0.4904 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           Adj R­squared =  0.2072        Total |  6549290.67    14  467806.476           Root MSE      =  608.99 .regress busdemand fare gasprice income pop density if _n>25       Source |       SS       df       MS              Number of obs =      15 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           F(  5,     9) =   47.55        Model |   160480088     5  32096017.5           Prob > F      =  0.0000     Residual |  6074413.32     9  674934.813           R­squared     =  0.9635 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           Adj R­squared =  0.9433        Total |   166554501    14  11896750.1           Root MSE      =  821.54 Làm kiểm định White và thu được kết quả sau. Hãy mô tả lại kiển định White và rút ra kết luận. 5. whitetst       White's general test statistic :  31.07551  Chi­sq(20)  P­value =  .0542. 6. Làm kiểm định Ramsey Reset và thu được kết quả sau. Hãy mô tả lại kiểm định này và rút ra kết luận ovtest Ramsey RESET test using powers of the fitted values of busdemand        Ho:  model has no omitted variables                   F(3, 31) =      4.17                   Prob > F =      0.0136 7. Ta tạm tin rằng do dân số pop là nguyên nhân dẫn đến phương sai sai số thay đổi và chỉnh lại mô hình bằng cách sử dụng phương pháp WLS: var(ui ) = σ / popi . 2 Hồi qui bằng WLS với câu lệnh sau: reg busdemand fare gasprice income pop density [aweight=pop] và thu được kết quả:       Source |       SS       df       MS              Number of obs =      40 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           F(  5,    34) =  268.60        Model |   865706802     5   173141360           Prob > F      =  0.0000     Residual |  21916583.1    34  644605.384           R­squared     =  0.9753 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           Adj R­squared =  0.9717        Total |   887623385    39    22759574           Root MSE      =  802.87 ­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­    busdemand |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval] ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­         fare |  ­1367.114   425.2522    ­3.21   0.003    ­2231.331   ­502.8979     gasprice |   1163.041   3391.929     0.34   0.734    ­5730.188    8056.269       income |   ­.197205   .0902789    ­2.18   0.036    ­.3806739   ­.0137361          pop |   1.684187   .1088307    15.48   0.000     1.463016    1.905357      density |    .081208   .0411698     1.97   0.057    ­.0024592    .1648751        _cons |   3359.844   3388.495     0.99   0.328    ­3526.407     10246.1  Nhận xét và gaiir thích kết quả vưa thu được. 8. Kiểm định Ramsey nói với chúng ta rằng có lẽ chúng ta nên giải thích mô hình với mô hình log log và giải thích bằng đọ co dãn. Giải thích kết quả vừa thu được? gen  lnbusdemand=log( busdemand)       . gen lnincome=log(income) .  regress lnbusdemand fare gasprice lnincome pop density
  3.       Source |       SS       df       MS              Number of obs =      40 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           F(  5,    34) =    8.52        Model |  29.0603858     5  5.81207716           Prob > F      =  0.0000     Residual |  23.1959939    34  .682235115           R­squared     =  0.5561 ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­           Adj R­squared =  0.4908        Total |  52.2563797    39  1.33990717           Root MSE      =  .82598 ­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­  lnbusdemand |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval] ­­­­­­­­­­­­­+­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­         fare |   .3053295   .4865871     0.63   0.535    ­.6835344    1.294193     gasprice |   .0716445   2.937378     0.02   0.981    ­5.897825    6.041114     lnincome |  ­4.481243   1.176696    ­3.81   0.001    ­6.872577    ­2.08991          pop |   .0003364   .0001396     2.41   0.022     .0000526    .0006201      density |   .0001353   .0000433     3.12   0.004     .0000472    .0002233        _cons |    49.0144   11.87455     4.13   0.000     24.88241    73.14639

CÓ THỂ BẠN MUỐN DOWNLOAD

Đồng bộ tài khoản