intTypePromotion=1

Ôn tập kinh tế lượng có hướng dẫn

Chia sẻ: Nguyễn Phương Tùng | Ngày: | Loại File: DOC | Số trang:23

1
1.555
lượt xem
774
download

Ôn tập kinh tế lượng có hướng dẫn

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

Tài liệu tham khảo về Ôn tập kinh tế lượng, có hướng dẫn: Phương pháp ước lượng bình phương cực tiểu LS, là chọn các tham số ước lượng... sao cho làm cực đại độ phù hợp R2. Hơn nữa, điều đó đòi hỏi điều kiện rằng : TSS = ∑n ( y n − y ) 2 là bất biến với mọi sự lựa chọn tham số ước lượng...

Chủ đề:
Lưu

Nội dung Text: Ôn tập kinh tế lượng có hướng dẫn

  1. ÔN TẬP KINH TẾ LƯỢNG 1. Phương pháp ước lượng bình phương cực tiểu LS, là chọn các tham số ước ^ lượng β k , k = 1,2,.., K sao cho làm cực đại độ phù hợp R 2 . Hơn nữa, điều đó đòi − hỏi điều kiện rằng : TSS = ∑n ( y n − y ) 2 là bất biến với mọi sự lựa chọn tham số ước lượng. Đúng  Sai  Giải thích: ESS ^ R2 = 1− , phương pháp LS là chọn β k , k = 1,2,.., K sao cho cực tiểu ESS. Và TSS TSS không đổi với mọi lựa chọn. Nên Cực tiểu ESS đồng nghĩa với cực đại R 2 . Nhắc lại hồi thể được viết dưới dạng là quy LS có sau: 2. β k = β k + ∑ c nk ε n , k = 1,2,.., K . Việc chứng minh ước lượng này là không chệch: ˆ ˆ Eβ = β , k = 1,2.., K , đòi hỏi giả thuyết rằng ε n có phân bố chuẩn. k k Đúng  Sai  Giải thích: Eβ k = E ( β k + ∑ c nk ε n ) . Vì vậy, chỉ cần điều kiện: Eε n = 0, với mọi n là đủ. ˆ σ2 ^ Nhắc lại rằng, Var ( β k ) = . Trong đó, S kk là phương sai mẫu của biến X k . 3. S kk Điều này hàm ý rằng, việc lấy mẫu từ tổng thể càng đa dạng, thì hi ệu qu ả ước lượng càng tăng. Hay cũng vậy, việc lấy mẫu càng tương tự nhau, thì độ chính xác của ước lượng càng giảm. Đúng  Sai  Giải thích: σ2 ^ Vì Var ( β k ) = , nên khi S kk tăng thì sai số ước lượng giảm, hay hiệu quả ước lượng S kk tăng σ 2 ˆ 4. Nhắc lại, β k ~ N ( β k , ) . Kết luận này chỉ đòi hỏi sử dụng giả thuyết S kk ε n ~ N (0, σ 2 ) , mà không cần thêm bất cứ một giả thuy ết nào khác v ề sai s ố ng ẫu nhiên. Đúng  Sai  Giải thích: iid Chứng minh điều này yêu cầu rằng, ε n ~ N (0, σ 2 ) , hay các sai số ngẫu nhiên phải độc lập. Năm 2010 1
  2. 1 ∑e 5. Ước lượng không chệch của σ 2 là s = 2 2 . Nó được sử dụng để biến n N −K đổi phân bố chuẩn z k thành phân bố t-student với (N-K) bậc tự do: t k ~ t ( N − K ) . Đúng  Sai  Giải thích: ^ ˆ β −β β− β Vì rằng t = = ~ t ( N − 2) ^ s 2 S XX se( β ) H 0 : β k = 0 .vs. H 1 : β k ≠ 0 . Nếu p-value 6. Hãy xét việc kiểm định giả thuyết sau: nhỏ hơn 5%, thì ta nói β k có ý nghĩa 5%. Đúng  Sai  ' 7. Nếu tất cả các quan sát { y n , x n } có thể được biểu diễn thành một đám mây dữ liệu, nằm gọn trong không gian hai chiều (dùng đồ thị phẳng, với hai trục), thì việc tăng số biến giải thích lên hơn 2 biến sẽ không làm giảm R 2 . Nhưng nếu ' chuỗi các quan sát { y n , x n } cần phải biểu diễn trong không gian 3 chiều (đồ thị 3 trục), thì việc tăng số biến giải thích lên hơn 2 biến sẽ thực sự làm tăng R 2 . Đúng  Sai  Giải thích: Đây là nguyên tắc của LS. ESS /( N − K ) −2 8. Nhắc lại là R = 1 − . Khi đưa thêm biến vào mà sự cải thiện về độ TSS /( N − 1) 1 ∑ en2 tăng, và R cũng −2 phù hợp ít hơn so với sự mất mát độ tự do, thì s 2 = N −K tăng. Đúng  Sai  Giải thích: 1 ∑e 2 Từ công thức, ta thấy s 2 = − 2 phải giảm, và do vậy nên R mới tăng. n N −K Hai câu tiếp sau là về sự lựa chọn về mô hình: (U): Y = β1 X 1 + β 2 X 2 + β 3 X 3 + ε ~ (R): Y = β1 X 1 + ε Sai lầm loại I là mô hình (U) đúng, nhưng lại ước lượng bằng mô hình (R). Sai lầm loại II là ngược lại, mô hình (R) đúng, nhưng lại hồi quy mô hình (U). Mô hình (R) Chẳng qua chính là mô hình (U) với ràng buộc: H 0 : β 2 = β 3 = 0 . Nếu ta không thể bác bỏ giả thuyết này ( DNRH 0 ), mà vẫn hồi quy mô hình (U), thì s ự cải thiện về độ phù hợp so với (R) sẽ rất ít, trong khi độ mất mát về bậc tự do sẽ cao. Hay s 2 sẽ có xu hướng tăng. Dựa vào nhận định đó, hãy trả lời câu hỏi sau: Năm 2010 2
  3. ^ 9. Sử dụng hai tính chất thống kê của ước lượng LS: (1). E ( β k ) = E ( β k + ∑ c nk ε n ) ; và s2 ^ (2). đánh giá sai số ước lượng là Var ( β k ) = . Khi đó, ta có thể đi đến nhận định S kk rằng đưa thêm biến giải thích không cần thiết vào mô hình s ẽ vẫn cho ra ước lượng không chệch. Nhưng độ chính xác của ước lượng giảm đi. Đúng  Sai  Giải thích: ^ E ( β k ) = E ( β k + ∑ c nk ε n ) = β k , do giả thuyết về sai số ngẫu nhiên không bị vi phạm. Tuy s2 1 ^ ∑ e tăng, nên Var (β k ) = S nhiên, vì s = 2 2 cũng tăng, hay độ chính xác giảm. n N −K kk 10. Giả sử mô hình (U) là đúng, nhưng chúng ta lại hồi quy theo mô hình (R). Khi đó, các biến có ý nghĩa, nhưng bị bỏ quên không đưa vào mô hình s ẽ b ị c ộng d ồn l ại ~ ở sai số ngẫu nhiên. Tức là: ε = β 2 X 2 + β 3 X 3 + ε Dựa trên nhận xét đó, ta có thể nhận định rằng, việc bỏ quên các biến có ý nghĩa s ẽ làm cho ước lượng bị chệch, và mọi kiểm định thống kê trở nên vô nghĩa. Đúng  Sai  Giải thích: ~ Vì ε = β 2 X 2 + β 3 X 3 + ε ≠ 0 , nên ước lượng bị chệch. Do đó không thể lập t-test. 11. Giả thiết E (ε n | x n ) = 0 , tương đương với việc nói rằng, E ( y n | x n ) = x n β . ' ' ' Trả lời: Câu này đúng, vì rằng: y n = x n β + ε n ⇒ E ( y n | x n ) = x n β , nếu E (ε n | x n ) = 0 . ' ' ' ' ' 12. Giả thiết các véc tơ quan sát thứ n : x n không phải ngẫu nhiên bao hàm rankX = K . Trả lời: Câu này sai, vì đây là hai giả thiết khác nhau. 13. Giả thiết ε ~ N (0, σ I ) bao hàm rằng, cov(ε n , ε m ) = 0 , với ∀n ≠ m . 2 Trả lời: câu này đúng, vì Varε = σ 2 I , tức là cov(ε n , ε m ) = 0 , với ∀n ≠ m . 14. Giả thiết rankX = K là bảo đảm cho tồn tại ước lượng . Năm 2010 3
  4. Trả lời: Câu này đúng. Đòi hỏi rankX = K bảo đảm sự tồn tại của ma trận ( X ' X ) −1 , ^ mà đó là điều kiện để tính được β = ( X ' X ) −1 X ' Y . Xuất phát từ công thức 15. Giả thiết E (εε ' ) = σ I , bao hàm rằng, cov(ε n , ε m ) = 0 , với ∀n ≠ m . 2 Trả lời: Câu này đúng. Chứng minh hoặc lý giải các mệnh đề sau: Dưới dạng tổng quát, ước lượng β được viết như sau: ^ β = ( X ' X ) −1 X ' Y Mô hình hồi quy có dạng: y = Xβ + ε , X không phải là biến ngẫu nhiên; và ε ~ N (0, σ 2 I ) . 16. Chỉ ra rằng, trong kiểm định với F-test, nếu giả thi ết H 0 là đúng, thì F-stat nhận giá trị nhỏ hơn khi H 0 là sai. ( ESS − ESS ) / J Trả lời: F = ESS /( N − K ) . Nếu H 0 là đúng, thì việc thêm biến giải thích không làm R U U cải thiện nhiều độ phù hợp của mô hình. Tức là ESS R − ESSU nhận giá trị nhỏ; vì vậy F-value nhận giá trị nhỏ. 17. Chỉ ra rằng, với cả t-test và F-test, nếu H 0 bị bác bỏ thì p –value sẽ nhỏ hơn mức có ý nghĩa α %. Trả lời: p-value nhỏ chứng tỏ thống kê F (hoặc thống kê t) nằm bên ph ải c ủa Fα hoặc tα / 2 . Do vậy, cần phải bác bỏ H 0 . 18. Chỉ ra rằng, F- stat bao giờ cũng nhận giá trị dương. Trả lời: ESS R bao giờ cũng lớn hơn ESSU . ^ β k − βk ^ 19. Thống kê zk = ~ N (0,1) được rút ra từ giả thiết là β k ~ N ( β k , σ 2 / Skk ) . σ / S kk 2 Trả lời: Câu này đúng. ^ β k − βk 20. Thống kê zk = là một dạng viết khác của t k -stat. σ 2 / S kk ^ β k − βk Trả lời: Câu này sai. Vì tk = s 2 / Skk 21. Mô hình kinh tế lượng có thể viết dưới dạng: Y = X 1 β 1 + X 2 β 2 + .... + X K β K + ε = Xβ + ε Trả lời: Câu này đúng 22. Giải thích xem việc đưa p –value vào bảng kết suất có gì khác với báo cáo v ề giá trị của t-stat hoặc F-stat. Năm 2010 4
  5. Trả lời: P-value cho biết giá trị cuả F-stat (hoặc t-stat) nằm bên ph ải hay trái c ủa điểm tới hạn Fα (hoặc tα / 2 ). Do vậy, cần phải bác bỏ hay chấp nhận H 0 . 23. Chỉ ra là t-stat có thể nhận giá trị âm hoặc dương. ^ β k − βk ^ Trả lời: t k = ; và ước lượng β k có thể nằm bên trái hoặc bên phải giá trị thực s 2 S kk của tổng thể β k . 24. t-stat dùng để kiểm định tính có ý nghĩa của ph ương trình h ồi quy (overall significance test) Trả lời: Câu này sai. F-test mới có thể được dùng để kiểm định ý nghĩa của ph ương trình hồi quy. 25. Khi đưa thêm biến không cần thiết vào mô hình, standard error (se) c ủa các tham số có xu hướng nhỏ đi. Trả lời: Câu này sai. Vì làm như vật sẽ giảm độ chính xác của ước lượng. Do vậy, se có xu hướng tăng. 26. Eεε ' = σ 2 I bao hàm rằng, cov(ε n , ε m ) = 0 , với ∀n ≠ m . Trả lời: câu này đúng, vì lệch khỏi đường chéo của ma trận varian-covarian chính là cov(ε n , ε m ) = 0 . 27. Khi kiểm định giả thiết đơn: H 0 : β k = 0 Liệu t-test và F-test có thể đưa ra các kết luận khác nhau không? Chỉ ra tại sao. Trả lời: Khi kiểm định giả thiết đơn: H 0 : β k = 0 , F-test và t-test là hoàn toàn như nhau về ý nghĩa và kết luận, mặc dù là sử dụng 2 thống kê khác nhau. 28. Giải thích xem việc đưa p –value vào bảng kết suất có gì khác với báo cáo v ề giá trị của t-stat hoặc F-stat. Trả lời: P-value cho biết giá trị cuả F-stat (hoặc t-stat) nằm bên ph ải hay trái c ủa điểm tới hạn Fα (hoặc tα / 2 ). Do vậy, cần phải bác bỏ hay chấp nhận H 0 . 29. F-test là tổng quát hơn so với t-test. Trả lời: câu này đúng, vì F-test có thể kiểm định giả thiết kép, trong khi t-test ch ỉ có thể kiểm định giả thiết đơn. 30. Hồi quy đa biến có thể viết dưới nhiều dạng. Hãy xét đến 3 biểu diễn sau: (i) y n = xn β + ε n n = 1,2,.., N ' Năm 2010 5
  6. ^ ^ (ii) y n = xn β n = 1,2,.., N ' (iii) en = y n − y n ˆ Cả (i), (ii), (iii) là đúng 31. Hồi biến việc giải quy đa bao hàm bài toán sau: ^ ^ S ( β ) = ∑n en = ∑ ( y n − x n β ) 2 → min ^ 2 ' β Hãy xét mệnh đề sau: ^ Hệ số β k , k = 1,2,.., K được xác định bằng cách lấy đạo hàm riêng phần, và đặt: (i) ˆ ∂S ( β ) = 0. ^ ∂βk ˆ ∂S ( β ) , k = 1,2,..., K , và đặt chúng bằng nhau để xác định β , k = 1,2,.., K . ^ (ii) Chỉ cần tìm ^ ∂βk k Chỉ có (i) là đúng 32. Giả sử phương trình hồi quy có chứa biến constant: X 1 ≡ 1 . Xét các mệnh đề sau: ˆ ∂S ( β ) ∑e = 0 dẫn đến cái điều là = 0. (i) Việc giải: ^ n ∂β1 ∑e −^ − = 0 bao hàm cái điều là y = x ' β , hay đường hồi quy đi quan điểm (ii) Điều kiện n − − trung bình: ( y, x ' ) . Cả hai mệnh đề (i) và (ii) đều đúng 33. Hãy xét các mệnh đề sau: ^ (i) y n = y n + en − − ^ (ii) ( y n − y ) = y n − y + en . Hai mệnh đề này là tương đương nhau −^ − 34. Giả sử đường hồi quy đi qua điểm trung bình: y = x ' β . Hãy xét các mệnh đề sau: − − ^ (i) ( y n − y ) = y n − y + en − − ^ (ii) ( y n − y ) = ( x n − x ' ) β + en ' Mệnh đề (ii) là được suy ra từ mệnh đề (i), sử dụng điều kiện là đường hồi quy đi qua điểm trung bình. − − ^ ∑ ( y n − y ) 2 = ∑n ( y n − y ) 2 + ∑n en . 35. Xét quan hệ sau: 2 n (i) Quan hệ này có nghĩa là: TSS = RSS + ESS (ii) Quan hệ này được sử dụng để xác định hệ số R 2 Cả hai mệnh đề đều đúng Năm 2010 6
  7. 36. Phương pháp LS cho ta ước lượng: β k = β k + ∑ c nk ε n , ˆ k = 1,2,.., K . Hãy xét các mệnh đề sau: ^ (i) Ước lượng β k là một đại lượng ngẫu nhiên (ii) Nếu không có tác động ngẫu nhiên, thì việc hồi quy trở thành tầm th ường, vì ta ˆ luôn có: β k = β k . Cả hai mệnh đề (i) và (ii) đều đúng 37. Hãy xét tính không chệch của ước lượng LS: Eβ k = E ( β k + ∑ c nk ε n ) ˆ = βk Điều này đúng khi Eε n = 0, n = 1,2,.., N ^ 38. Hãy xét quan hệ sau: Varβ k = Var ( β k − β k ) ˆ ˆ Điều này đúng, khi Eβ k = β k σ2 ^ ˆ = Var ( β − β ) = , k = 1,2,.., K . 39. Trong chứng minh tính chất sau: Varβ k S kk k k Ta cần điều kiện ε n , n = 1,2,.., N là các biến ngẫu nhiên độc lập, và Varε n = σ 2 σ 2 ˆ 40. Để đi đến kết luận là β k ~ N ( β k , ) , ta có thể phải cần những yêu cầu sau: S kk ˆ Eβ k = β k (i) σ2 ^ Var ( β k ) = (ii) S kk Các biến ngẫu nhiên ε n , n = 1,2,.., N là theo phân bố chuẩn. (iii) Cần cả (i), (ii), và (iii) ^ ˆ βk − βk β k − βk 41. Kiểm định t-stat có dạng sau: t k = = ~ t ( N − K ) . Để xây dựng thống ^ s 2 S kk se( β k ) kê này, ta có thể cần các điều kiện sau: σ 2 ˆ β k ~ N (β k , ) (i) S kk 1 ∑e s2 = 2 là ước lượng không chệch của σ 2 (ii) n N −K n Các biến { X 1 , X 2 ,..., X k ,..., X K } là độc lập tuyến tính. (iii) Chúng ta cần điều kiện (i) và (ii) Giả sử ta đưa thêm biến giải thích vào mô hình. 42. Tổng bình phương các sai số ước lượng (ESS) luôn giảm xuống ESS /( N − K ) −2 R =1− 43. Hãy nhìn vào công thức xác định . TSS /( N − 1) 2 − Hệ số R và s 2 luôn biến động nghịch chiều nhau Năm 2010 7
  8. Nếu từng hệ số riêng biệt không có ý nghĩa, nhưng một cách đồng th ời β 3 , β 4 có ý nghĩa, thì ta nên giữ X 3 , X 4 trong mô hình 44. Xét hai mô hình: (U): Y = β1 + β 2 X 2 + β 3 X 3 + .... + β K X K + ε (R): Y = β1 + β 2 X 2 + β 3 X 3 + .... + β K − J X K − J + ε Được hiểu là: Mô hình (R) là mô hình (U), cộng với ràng buộc H 0 : β K − J +1 = β K − J + 2 = ... = β K = 0 ( ESS R − ESSU ) J 45. Xét H 0 : β K − J +1 = β K − J + 2 = ... = β K = 0 . Xây dựng thống kê Fc = . ESSU /( N − K ) Khi giá trị thống kê Fc lớn hơn Fλ -tra bảng, thì ta nói một cách đồng thời, các biến X K − J +1 , X K − J + 2 ,.., X K là có ý nghĩa 46. Khi kiểm định tính có ý nghĩa đồng thời của tất cả các bi ến gi ải thích (overall significance test), ta sử dụng: R 2 ( K − 1) Thống kê Fc = ~ F ( K − 1, N − K ) (1 − R 2 ) /( N − K ) 47. Xét hai nhận định: (i) Việc không loại bỏ biến không có ý nghĩa ra khỏi mô hình sẽ vẫn cho ước l ượng không chệch theo LS, nhưng với độ chính xác tồi đi. Việc bỏ quên, không đưa biến có ý nghĩa vào mô hình s ẽ làm ước l ượng b ị (ii) chệch. Trong các mệnh đề sau, đâu là mệnh đề đúng? Cả (i) và (ii) đều đúng 48. Giả sử mô hình hồi quy có dạng y t = β 1 + β 2 xt 2 + β 3 xt 3 + ε t , t = 1,2,.., T (1) . Giả sử rằng trong mô hình (1), ta biết rõ rằng β 2 = 1 . Việc ước lượng tốt nhất (LS), không chệch của các tham số β 1 , β 3 sẽ được thực hiện như sau: Lập mô hình: y t − xt 2 = β1 + β 3 xt 3 + ε t và ước lượng bằng eviews. 49. Xét chuỗi các quan sát (đám mây dữ liệu) sau: yt x x x x x x x…….x x x x x……..xxxxxxxxxxxx xt Việc ước lượng mô hình: y t = α + βxt + ε t , t = 1,2,.., T (2) sẽ cho thấy: chứ không khẳng định được là tốt nhất. Mô hình này có R 2 = 1 Năm 2010 8
  9. 50. Xét 2 chuỗi các quan sát (2 đám mây dữ liệu) sau: yt zt xx xxxxx x xxxxxxxx xxxx xx xxxxx xxxxxxxx xx xxxxxx x xx xt wt Việc ước lượng mô hình: y t = α + βxt + ε t (2.1) và mô hình z t = α + βwt + υ t (2.2) sẽ cho thấy: Ta nhận thấy rằng: Var (υ t ) > Var (ε t ) 51. Giả sử mô hình hồi quy có dạng y t = β 1 + β 2 xt 2 + .... + β K xtK + ε t , t = 1,2,.., T (3) . Giả sử rằng trong mô hình (3), ta biết rõ rằng β1 = 0 . Việc ước lượng tốt nhất (LS), sẽ cho thấy rằng: R có thể nằm ngoài khoảng [0,1] do gặp phải trường hợp đa cộng tuyến. 2 52. Giả sử mô hình hồi quy có dạng y t = β 1 + β 2 xt 2 + .... + β K xtK + ε t , t = 1,2,.., T (3) . Giả sử rằng trong mô hình (3), ta biết rõ rằng β1 ≠ 0 . Việc ước lượng tốt nhất (LS), sẽ cho thấy rằng: − − Điểm trung bình: ( y , x ' ) nằm trên đường hồi quy. σ 2 ˆ 53. Ước lượng LS cho ra kết luận rằng, β k ~ N ( β k , ). S kk S kk tăng thì độ chính xác của ước lượng tăng tăng thì độ chính xác của ước lượng giảm. 54. Giả sử mô hình hồi quy có dạng y t = β 1 + β 2 xt 2 + β 3 xt 3 + ε t , t = 1,2,.., T (5) . Giả sử ta biết rõ rằng, không có hệ đẳng thức xt 2 = a1 + a3 xt 3 , t = 1,2,.., T . Khi đó: iid Mô hình (5) cho ra ước lượng LS, không chệch, nếu ε t ~ N (0, σ 2 ) . Do biết chắc chắn không xảy ra trường hợp đa cộng tuyến. 55. Xét hồi quy bội với K biến giải thích. Ước lượng LS cho ra kết lu ận rằng, σ2 ˆ β k ~ N (β k , ) . Vì vậy: S kk Điều này hàm ý LS là ước lượng không chệch Năm 2010 9
  10. 56. Giả sử mô hình hồi quy có dạng y t = β 1 + β 2 xt 2 + β 3 xt 3 + ε t , t = 1,2,.., T (5) . Giả sử rằng trong mô hình (5), ta biết rõ rằng xt 2 = a1 + a3 xt 3 , t = 1,2,.., T . Khi đó: Mô hình này không thể ước lượng được do biết chắc chắn xảy ra trường hợp đa cộng tuyến. 1 ∑e 57. Ước lượng không chệch của σ 2 là s = 2 2 . n N −K 2 − Nó được dùng để xác định R hiệu chỉnh. ^ Nó được dùng để xác định phân bố t-stat t k của β k ' 58. Giả sử ta biết rõ tất cả các quan sát { y n , x n } có thể được biểu diễn thành một đám mây dữ liệu, nằm gọn trong không gian ba chiều Hồi quy bội (K=3) cho ước lượng không chệch vì chỉ phụ thuộc vào đúng 3 biến. ' 59. Giả sử ta biết rõ tất cả các quan sát { y n , x n } có thể được biểu diễn thành một đám mây dữ liệu, nằm gọn trong không gian hai chiều Việc dùng hồi quy đơn cho ra sai số của ước lượng là nhỏ nhất ứng với hai biến. 60. Xét hai mô hình sau: (U): Y = β1 X 1 + β 2 X 2 + β 3 X 3 + ε ~ (R): Y = β1 X 1 + ε Ta chấp nhận (R) nếu việc thêm X 2 , X 3 không cải thiện độ phù hợp của mô hình Nếu (U) đúng, mà dùng (R) thì ước lượng bị chệch 61. INV là cầu đầu tư, có thể phụ thuộc vào lãi suất (INT), l ạm phát (INF), ho ặc ch ỉ phụ thuộc vào lãi suất thực (INT-INF). Ngoài ra nó còn ph ụ thu ộc vào xu th ế (T) và GDP (G). Xét hai mô hình khác nhau: (8.1): INV = β1 + β 2T + β 3G + β 4 INT + β 5 INF + ε (8.2): INV = β1 + β 2T + β 3G + β 4 ( INT − INF ) + ε Ta chấp nhận (8.1) nếu F-test bác bỏ H 0 : β 4 = − β 5 62. Xét 3 dạng hàm: (10.1): Y = β 1 + β 2 X (10.2): ln Y = β1 + β 2 ln X (10.3): Y = β1 + β 2 / X Với (10.2) đơn vị đo lường của Y và X không đóng vai trò gì vì cùng phụ thuộc vào %. Cả ba mô hình trên đều là mô hình hồi quy tuyến tính. Sài gòn rất nhiều quán bia. Và không ít sinh viên tìm cách d ự đoán nhu c ầu u ống bia của dân Sài gòn. Điều này cũng từng xẩy ra ở các trường của Mỹ. Từ lý thuyết về tiêu dùng trong Kinh tế Vi mô, chúng ta bi ết r ằng, nhu c ầu u ống bia ( Q , đo bằng lít) phụ thuộc vào giá của hàng hoá đó PB , vào giá các hàng có thể thay thế ( PL ), cụ thể là rượu (liquor); và giá trung bình c ủa các hàng hoá d ịch v ụ giải trí khác ( PR ); và vào thu nhập bằng tiền mặt ( m ). (Giá và thu nhập đo bằng Năm 2010 10
  11. $; và ở đây ta không nói đến một thương hiệu nào cụ thể, nên yếu t ố qu ảng cáo, brand name, vân vân, được bỏ qua). Sử dụng số liệu điều tra ngẫu nhiên trong su ốt 30 năm, từ một gia đình ng ười Mỹ, chúng ta muốn nghiên cứu quan hệ nói trên, nhằm đánh giá l ại lý thuyết tiêu dùng trong vi mô. Dạng hàm hồi quy của mô hình được lựa chọn như sau: Mô hình (U): ln(Q) = β1 + β 2 ln( PB ) + β 3 ln(PL ) + β 4 ln( PR ) + β 5 ln(m) 63. Độ co dãn của nhu cầu về bia theo giá cả và thu nhập. Ví d ụ, v ới giá bia: β 2 = d ln(Q) / d ln( PB ) ; và với thu nhập: β 5 = d ln(Q) / d ln(m) . Hệ số β 2 thể hiện nhu cầu tiêu thụ bia giảm bao nhiêu % khi giá bia tăng 1%, trong khi các yếu tố khác không đổi. Tổng ( β 5 − β 2 ) thể hiện nhu cầu tiêu thụ bia tăng bao nhiêu % khi giá bia gi ảm 1%, và thu nhập tăng 1%, trong khi các yếu tố còn lại không thay đổi. Các câu tiếp theo sử dụng kết quả ước lượng của mô hình (U) là như sau: Dependent Variable: LOG(Q) Method: Least Squares Date: 08/02/01 Time: 01:01 Sample: 1 30 Included observations: 30 Std. Variable Coefficient Error t-Statistic Prob. C -3.243238 3.743000 -0.866481 0.3945 LOG(PB) -1.020419 0.239042 -4.268787 0.0002 LOG(PL) -0.582934 0.560150 -1.040674 0.3080 LOG(PR) 0.209545 0.079693 2.629415 0.0144 LOG(M) 0.922864 0.415514 2.221016 0.0356 Mean dependent R-squared 0.825389 var 4.018531 Adjusted R- squared 0.797451 S.D. dependent var 0.133258 Akaike info S.E. of regression 0.059973 criterion -2.638823 Sum squared resid 0.089920 Schwarz criterion -2.405290 Log likelihood 44.58235 F-statistic 29.54377 Durbin-Watson stat 2.630645 Prob(F-statistic) 0.000000 Năm 2010 11
  12. 64. Thu nhập là yếu tố quan trọng ảnh ưởng tới tiêu dùng. Tuy nhiên, m ọi ng ười có thể đặt câu hỏi về hệ số ước lượng đi kèm với yếu tố thu nhập là khá l ớn v ề ^ mức độ. Cụ thể là β 5 = 0.92 ^ Ước lượng β 5 = 0.92 đặt ra vấn đề. Vì khó mà hình dung rằng, nếu thu nhập tăng 10%, thì nhu cầu về tiêu thụ bia gần cũng tăng lên gần 10%. Vì vậy, c ần ph ải có những đánh giá thống kê bổ trợ để xét xem kết quả ước lượng là có hợp lý trên thực tế không. Cụ thể là nên tìm khoảng tin cậy của β 5 . 65. Các dịch vụ giải trí khác, cũng như rượu là các loại hàng thay thế (substitution), hay cạnh tranh với sản phẩm bia. Vì vậy: ^ Chỉ riêng dấu của giá rượu ( β 3 = −0.582 ) là không phù hợp với lý luận về tiêu dùng; vì rượu là hàng thay thế cho nhu cầu uống bia. Nhưng điều này vẫn có th ể ch ấp nhận được, nếu thị trường cho thấy, giá rượu tăng, thì giá bia cũng tăng theo. 66. Người ta muốn kiểm tra lại, có thực sự rằng cứ thu nh ập tăng lên 10%, thì m ức tiêu thụ bia cũng tăng lên tới gần 10% hay không. Vì v ậy, ng ười ta mu ốn tính khoảng tin cậy 95% của hệ số β 5 đi kèm với thu nhập, m, trong mô hình gốc (U). Biết rằng, t 0.025 (25) = 2.06 . Khoảng tin cậy 95% của β 5 = [0.066;1.780] . Tức là độ co dãn (elasticity) của tiêu thụ bia so với thu nhập là có thể nhỏ hơn rất nhiều hoặc lớn h ơn rất nhiều so v ới giá trị ước lượng. Vì vậy, kết quả ước lượng là chấp nhận được. ^ 67. Chúng ta cũng nhận thấy rằng, hệ số đi kèm với giá rượu β 3 = −0.5829 là không phù hợp với lý luận về hành vi tiêu dùng, do bia và r ượu là hai hàng hoá thay th ế nhau. Tức là nếu giá rượu tăng thì người tiêu dùng nên tiêu th ụ bia nhi ều h ơn ^ thay cho rượu. Vì vậy, β 3 đáng ra phải có dấu dương, hơn là dấu âm. Hơn nữa, hệ số ước lượng này lại ít có ý nghĩa ( p-value= 0.308). Đi ều này ch ỉ có th ể x ẩy ra, nếu giá thị trường của rượu tăng, thì người tiêu dùng cũng đoán ngay là giá bia cũng sẽ tăng; và do vậy họ sẽ giảm nhu cầu về bia. Nói khác đi thông tin về biến động giá của hai loại hàng là có tương quan đồng biến ch ặt v ới nhau. Trong kinh tế lượng, người ta gọi hiện tượng này là đa cộng tuy ến (Linear collinearity). Đ ể kiểm tra nghi vấn đó có đúng hay không, người ta ch ạy h ồi quy bổ tr ợ (auxilliary regression) sau, giữa giá rượu và bia: Dependent Variable: LOG(PB) Method: Least Squares Date: 06/10/09 Time: 15:36 Sample: 1 30 Included observations: 30 Năm 2010 12
  13. Variable Coefficient Std. Error t-Statistic Prob. C -3.721925 0.240880 -15.45134 0.0000 LOG(PL) 2.275450 0.113508 20.04664 0.0000 R-squared 0.934864 Mean dependent var 1.102373 Adjusted R- squared 0.932537 S.D. dependent var 0.220314 S.E. of regression 0.057223 Akaike info criterion -2.819367 Sum squared resid 0.091687 Schwarz criterion -2.725954 Log likelihood 44.29050 F-statistic 401.8677 Durbin-Watson stat 1.317876 Prob(F-statistic) 0.000000 Từ kết quả ước lượng bổ trợ trên (auxiliary regression), ta có thể nói rằng: Hệ số R 2 = 0.934 thể hiện sự tương quan chặt giữa việc thay đổi giá của hai mặt hàng bia và rượu. Vì vậy, có hiện tượng đa cộng tuyến. 68. Vì đây là nghiên cứu hành vi tiêu dùng của hộ gia đình qua nhiều năm, mà lạm phát có thể có ảnh hưởng. Học thuyết tiền tệ cho rằng, nếu giá cả và thu nhập tăng cùng một nhịp, thì sẽ không làm thay đổi nhu cầu tiêu dùng hàng hoá. Đ ể kiểm định giả thuyết đó, từ mô hình gốc (U), ta có thể viết lại dưới dạng sau: ln(Q) = β 1 + β 2 ln(λPB ) + β 3 ln(λPL ) + β 4 ln(λPR ) + β 5 ln(λm) (15.1) Trong đó, λ thể hiện nhịp tăng giá và thu nhập theo cùng một mức đ ộ. Khai tri ển d ạng hàm mô tả này, ta có: ln(Q) = β1 + β 2 ln( PB ) + β 3 ln( PL ) + β 4 ln( PR ) + β 5 ln(m) + ( β 2 + β 3 + β 4 + β 5 ) ln λ (15.2) So sánh mô hình (U) và (15.2), việc kiểm định học thuyết tiền tệ có đúng hay không, dẫn đến cái điều là trong mô hình (U) ta đưa vào giả thuyết sau: H 0 : ( β 2 + β 3 + β 4 + β 5 ) = 0 , hay cũng vậy, β 4 = − β 2 − β 3 − β 5 . Nếu ta không bác bỏ được giả thuyết này, thì mô hình (15.1), (15.2) và (U) là hoàn toàn trùng nhau, bất kể λ là bao nhiêu. Tức là học thuyết tiền tệ là đúng. Bây giờ, để kiểm định giả thuyết H 0 : ( β 2 + β 3 + β 4 + β 5 ) = 0 , hãy thế ràng buộc đó vào (15.2), ta đi đến mô hình sau: (R): ln(Q) = β1 + β 2 [ln( PB ) − ln( PR )] + β 3 [ln( PL ) − ln( PR )] + β 5 [ln(m) − ln( PR )] Hay cũng vậy, (R) ln(Q) = β1 + β 2 ln( PB / PR ) + β 3 ln( PL / PR ) + β 5 ln(m / PR ) Đây chính là mô hình ban đầu (U), cộng với giả thuy ết H 0 : ( β 2 + β 3 + β 4 + β 5 ) = 0 . Nói khác đi, (R) là mô hình bị ràng buộc của mô hình (U), khi chấp nhận ch ủ thuy ết tiền t ệ là đúng. Chủ thuyết này nói rằng, nhu câu tiêu thụ hàng hoá ph ụ thu ộc vào giá t ương Năm 2010 13
  14. đối của hàng hoá đó so với chỉ số giá sinh hoạt khác PB / PR , và thu nhập thực tế m / PR , (ta có thể xem PR như chỉ số giá tiêu dùng). Kết quả chạy mô hình này là như sau: Dependent Variable: LOG(Q) Method: Least Squares Date: 08/02/01 Time: 02:19 Sample: 1 30 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C -4.797798 3.713905 -1.291847 0.2078 LOG(PB/PR) -1.299386 0.165738 -7.840022 0.0000 LOG(PL/PR) 0.186816 0.284383 0.656916 0.5170 LOG(M/PR) 0.945829 0.427047 2.214813 0.0357 R-squared 0.807949 Mean dependent var 4.018531 Adjusted R- squared 0.785789 S.D. dependent var 0.133258 - S.E. of regression 0.061676 Akaike info criterion 2.610291 - Sum squared resid 0.098901 Schwarz criterion 2.423465 Log likelihood 43.15437 F-statistic 36.46021 Durbin-Watson stat 2.686998 Prob(F-statistic) 0.000000 Chú ý là trong bảng kết xuất cho mô hình (U) ở câu 11, ESSU = 0.08992 ; và ở bảng kết xuất này cho mô hình (R), ESS R = 0.09890 . Thêm vào đó, F0.05 (1,25) = 4.24 . Hãy kiểm định lại giả thuyết H 0 vừa nêu của chủ thuyết tiền tệ, và hãy kết luận xem: Nhu cầu tiêu dùng chỉ phụ thuộc vào giá tương đối của hàng hoá (so với ch ỉ s ố giá tiêu dùng, hay lạm phát), và mức thu nhập thực tế. Sức hấp dẫn của rạp Galaxy là đề tài bị cuốn hút b ởi nhóm các b ạn K05402 gồm Ngọc Bảo (trưởng nhóm), Phương Dung, Quốc Hạnh, Đăng Khoa và Ph ạm Tùng. Vốn là những người yêu thích xem phim, đồng thời, cũng th ấy đó là m ột thú vui khá đặc biệt của người dân Sài Gòn, các bạn đã tìm hi ểu các yếu t ố tác động tới số lần một người đến xem ở rạp Galaxy trong một tháng. Sở dĩ là Galaxy, mà không phải rạp khác, là do sự khác bi ệt c ủa nó trong vi ệc hình thành một tổ hợp giải trí phức hợp, sang trọng, cảnh quan đ ẹp, phong cách ph ục v ụ chuyên nghiệp, có cả bar-café, shop văn hóa phẩm, beauty salon, v.v... Năm 2010 14
  15. Bị ảnh hưởng bởi quan điểm của trường phái Societal Marketing, được khởi xướng bởi Phillip Kotler, các bạn phân loại các yếu t ố ảnh hưởng t ới hành vi của những người đến rạp Galaxy như sau: Nhóm biến điều kiện cá nhân, bao gồm: • AGE (độ tuổi), kỳ vọng là mang dấu âm: trẻ hơn thì hay đi xem phim hơn. • INC (thu nhập, triệu đồng), kỳ vọng là mang dấu dương: giàu h ơn thì hay đi xem hơn. • DIST (khoảng cách từ nhà tới rạp Galaxy, km), kỳ vọng là mang dấu âm. • FRIENDS (biến Dummy, rằng có hay đi với bạn hay thích đi một mình) Nhóm biến tác động tới tâm lý khách hàng, bao gồm: • PR (mức độ ưa thích sự giảm giá 50% vào ngày thứ 3, chia làm 3 cấp đ ộ, tăng dần), kỳ vọng là mang dấu dương • SPACE (mức độ ưa thích sự thoáng đãng, sang trọng của Galaxy, chia làm 5 cấp độ, tăng dần), kỳ vọng là mang dấu dương. • CINEMA (biến Dummy, rằng Galaxy có phải là sự lựa ch ọn số 1 hay không), kỳ vọng là mang dấu dương. • DVD (thích đến rạp hơn là xem DVD tại nhà, chia làm 3 c ấp đ ộ tăng d ần), kỳ vọng là mang dấu dương. Biến được giải thích là TIMES (số lần đi xem Galaxy trong một tháng). Nhóm đã điều tra 120 mẫu. Kết quả ước lượng như sau: TIMES = −0.1087 AGE *** + 0.002944 INC − 0.005425DIST + 0.02166 FRIENDS (0.023814) (0.013711) (0.031695) (0.088697) + 0.4369 PR + 0.548SPACE + 0.1504CINEMA + 0.3659 DVD + 5.245 ** *** ** *** (0.21) (0.1515) (0.2469) (0.1566) (1.16) Ghi chú: Số trong ngặc là standard error. là có ý nghĩa ở mức 0.01; ** là có ý nghĩa ở mức 0.05; * là có ý nghĩa ở *** mức 0.1 − N=120, R 2 = 0.898 , AIC =2.363, SCHWARZ = 2.572, ESSU = 64.264 . 69. Kiểm địmh tính có ý nghĩa ở mức 0.05 (hay 5%) của từng biến sau: INC, DIST, và CINEMA, FRIENDS. Cho trước t 0.05 [120] = 2.626 . Trong các mệnh đề sau, đâu là mệnh đề đúng? Cả 4 biến INC, DIST, CINEMA, và FRIENDS là không có ý nghĩa 70. Giả sử biến FRIENDS là không có ý nghĩa. Và bi ến CINEMA cũng nên b ỏ đi, vì chỉ có những người cực kỳ mê Galaxy thì mới đến đấy đốt ti ền. Nên nhóm quy ết định loại bỏ 2 biến đó. Tuy nhiên, đối với các biến INC, DIST, khó mà có th ể nói chúng không tác đ ộng đ ến hành vi của người tiêu dùng. Theo lý thuyết của Keynes, và nói rằng thu nh ập (INC) là yếu tố chính quyết định tới hành vi người tiêu dùng, nhất là ở rạp đ ắt ti ền nh ư Năm 2010 15
  16. Galaxy. Vì vậy, ta không được phép bác bỏ Keynes vĩ đại, khi chưa thử nghiệm. Nhóm bèn quyết định tiến hành kiểm định giả thuyết đồng thời: H 0 : β INC = β DIST = β CINEMA = β FRIENDS = 0 Mô hình có ràng buộc [tức là đồng thời bỏ đi INC, DIST, CINEMA, và FRIENDS] có ESS R = 64.53 . Cho trước F0.05 (4,111) = 2.4534 . Nếu là em, em sẽ chọn quyết định nào trong hai quyết định sau đây? Chấp nhận giả thuyết ( DNRH 0 ), và quyết định loại DIST, CINEMA, FRIENDS, và nhất là INC, ra khỏi mô hình. 71. Giả sử các bạn quyết định chấp nhận giả thuyết, dựa trên kết quả rõ ràng của kiểm định của Wald test. Tức là loại bỏ INC và các bi ến v ừa nêu ra kh ỏi mô hình. Khi biết điều đó, việc bác bỏ Keynes vĩ đại là điều khó ch ấp nhận được. Có khả năng một biến nào đó có ý nghĩa, mà lại bị BỎ QUÊN, không đ ưa vào mô hình, thì sẽ làm ước lượng bị chệch. Và mọi kiểm định th ống kê trở nên vô giá trị. Có thể các em đã chưa đưa hết các biến có ý nghĩa vào mô hình”. Như vậy tác động của thu nhập (INC), rất có thể là không theo dạng tuyến tính. Như vậy dẫn đến suy nghĩ: Hãy đưa cụm biến INC và INC 2 vào mô hình. Kết quả ước lượng như sau: Variable Coefficient Std. Error t-Statistic Prob. AGE - 0.092405 0.011728 - 7.878932 0.0000 INC 0.064029 0.018296 3.499539 0.0007 INC^2 - 0.001559 0.000421 - 3.703025 0.0003 PR 0.675378 0.137521 4.911103 0.0000 SPACE 0.481140 0.129654 3.710939 0.0003 DIST - 0.034271 0.013322 - 2.572565 0.0114 DVD 0.331046 0.107549 3.078110 0.0026 C 4.524806 0.605613 7.471443 0.0000 Weighted Statistics R-squared 0.939754 Mean dependent var 3.164710 Adjusted R- 0.935988 S.D. dependent var 2.892316 squared S.E. of regression 0.572007 Akaike info criterion 1.785009 Sum squared resid 36.64550 Schwarz criterion 1.970842 Log likelihood -99.10056 F-statistic 249.5762 Durbin-Watson 1.632296 Prob(F-statistic) 0.000000 stat Năm 2010 16
  17. Bây giờ hãy xem các mệnh đề sau: (i) Người càng giàu thì số lượt đi xem (TIMES) càng nhiều, nhưng v ới nh ịp tăng giảm dần. _ Hệ số R 2 = 0.93 , gần bằng 1, chứng tỏ mức độ chính xác của dự báo sẽ rất tốt. (ii) Gần như ở mức tuyệt đối. Tức là số lần đi theo nh ư d ự báo t ừ mô hình s ẽ x ấp x ỉ với quan sát thực. Chỉ có (i) đúng 72. Như vậy cho thấy kết quả ước lượng bây giờ phù hợp v ới lý thuy ết Keynes. Và mô hình ước lượng là khá tốt về các hệ số đánh giá. Nhóm chạy th ử d ự báo. Sau đây là kết quả dự báo cho một số quan sát đầu tiên: obs TIMES TIMESF 1 0.500000 0.070385 2 4.000000 4.121212 3 2.000000 1.963325 4 0.500000 0.212924 5 4.000000 4.288887 6 0.750000 0.899692 7 1.000000 0.893256 8 1.000000 0.742271 9 10.00000 7.326865 10 1.000000 1.092601 Trong đó, TIMES là quan sát thực; TIMESF là dự báo từ mô hình. Chúng ta có th ể th ấy là dự báo không tốt lắm, nếu số lượt đi rất ít (obs = 1, 4), hoặc rất nhi ều (obs =9). Dựa trên nhận xét đó, giả sử Ban giảng huấn đã cùng nhóm sửa lại mô hình một lần nữa. Và kết quả dự báo là như sau: obs TIMES TIMESF 1 0.500000 0.665557 2 4.000000 4.003906 3 2.000000 1.935964 4 0.500000 0.666090 5 4.000000 4.013686 6 0.750000 1.094529 7 1.000000 1.034579 8 1.000000 0.936783 9 10.00000 9.596951 Dựa trên kinh nghiệm thực tế này, em hãy suy nghĩ nghiêm túc về lời khuyên sau: _ Hệ số R 2 cao chẳng có ý nghĩa gì lắm, và không nên vì thế mà sửa số liệu làm gì. (i) (ii) Hãy trung thực trong nghiên cứu như nhóm của Ngọc Bảo. Bạn s ẽ th ấy được niềm vui của sự sáng tạo và khả năng khám phá thực tế của chính bạn. Năm 2010 17
  18. Bây giờ, em hãy chọn cho mình cách ứng xử (đây là câu h ỏi đi ều tra, không nh ất thi ết đâu là câu trả lời đúng nhất). (a) Tôi không quan tâm! Tôi đồng ý và sẽ khuyên lứa đàn em đi sau về điều (i) và (ii) nêu trên. (b) Tôi cho là Ban giảng huấn nên có ý kiến nghiêm khắc hơn với nh ững (c) trường hợp sửa dữ liệu trong tương lai nhằm thúc đẩy tính trung th ực trong công việc và sự công bằng. (Cho dù là chỉ phát hiện được sau khi báo cáo đã hoàn tất). Quan điểm của sinh viên về quan hệ tình dục trước hôn nhân Trong vài thập niên gần đây, rất nhiều những nghiên cứu đã ch ỉ ra r ằng, hi ện tượng liên quan đến tình dục của giới trẻ như “sống thử”, nạo thai, đang ngày càng phổ biến. Và điều đáng nói là cơn sốt “tình yêu” đó cũng đã ảnh h ưởng t ới giới sinh viên. Đó chính là chủ đề nghiên cứu của nhóm các b ạn K05405 g ồm Phương Hà (trưởng nhóm), Ánh Hồng, Đan Thanh, Lệ Thủy và Hải Yến. Dựa trên những nghiên cứu xã hội học và tâm lý h ọc, nhóm đã ch ỉ ra các nguyên nhân làm tăng ý muốn có quan hệ tình dục (QHTD) trong sinh viên, (ký hi ệu là ACTION ⊗ ), là như sau: • Quan điểm về tình dục trước hôn nhân ( OPINION): rằng đó là việc không nên làm, bình thường, hay coi đấy là cách “sống thử”, (được chia theo 3 cấp độ tăng dần). Kỳ vọng mang dấu dương. • Lý do về kinh tế (COST): nhiều người tự đến với nhau để chia sẻ phí t ổn sống, tiền thuê nhà trọ (tính theo triệu đồng). Kỳ vọng mang dấu dương. • Sự quan tâm của gia đình (FAMILY): chia làm 3 cấp độ, tùy vào việc bố mẹ ít quan tâm, vừa phải, hay rất quan tâm. Nếu sự quan tâm quá mức, cũng đồng nghĩa với gò bó hơn, thì hệ số mang d ấu dương, thể hiện sự ph ản ứng ngược với quan điểm truyền thống. Ngược lại, nếu sự quan tâm t ạo ra khả năng kiềm chế cao hơn thì hệ số có thể mang dấu âm. • Yêu đương (LOVE): nhận giá trị 1, nếu đang có người yêu, và 0 n ếu không có. Đang yêu, thì dễ xẩy ra quan hệ tình dục hơn. Kỳ v ọng mang d ấu dương. • Giới tính (GENDER): nhận giá trị 1, nếu là nam giới; và 0 n ếu là n ữ. Vì nam có quan điểm thoáng hơn nên ta kỳ vọng hệ số mang dấu dương. • Nơi ở (ROOM): nhận giá trị 1, nếu ở nhà trọ, và 0 nếu ở gia đình hay ký túc xá. Một điều tra 300 sinh viên tại Hà n ội cho th ấy, quan h ệ tình d ục đa phần xảy ra ở nhà trọ, nơi các bạn sinh viên được hoàn toàn t ự do sinh hoạt, không chịu sự kiểm soát của bất cứ ai. Vì vậy, ta kỳ vọng hệ số mang dấu dương. • Điểm học tập (MARK): Những ai tập trung đầu tư vào việc h ọc nhi ều hơn, thì ngại bị chi phối bởi quan hệ tình d ục h ơn. Do v ậy, kỳ v ọng d ấu là âm. Thể hiện rằng, khả năng họ có quan hệ tình dục là ít đi. Nhóm đã điều tra 110 mẫu quan sát tại Thủ Đức. Năm 2010 18
  19. Kết quả ước lượng là như sau: ACTION ⊗ = 0.705 + 1.313OPINION *** + 0.567COST + 0.331FAMILY (1.81) (0.384) (0.795) (0.406) + 0.872 LOVE ** − 0.9964GENDER *** − 0.1194 ROOM − 0.593MARK *** (0.414) (0.420) (0.3793) (0.2267) Mc-Fadden R 2 =0.34, AIC = 0.7449, Schwarz = 0.941 Ghi chú: Hệ số trong ngoặc là standard error. Mc_Fadden- R 2 có ý nghĩa tương _ tự như R 2 . Hệ số đi với dấu là có ý nghĩa ở mức 0.01, là ở mức 0.05, và * là ở *** ** mức 0.1. 73. Hãy kiểm địmh tính có ý nghĩa ở mức 0.05 (hay 5%) của từng bi ến sau: COST, FAMILY, và ROOM. Cho trước t 0.05 [110] = 2.626 . Trong các mệnh đề sau, đâu là mệnh đề đúng? Cả 3 yếu tố, COST, FAMILY, và ROOM là không có ý nghĩa 74. Giả sử sau khi kiểm định t-test, nhóm nghiên c ứu đi đ ến k ết lu ận là c ả 3 y ếu t ố trên đều phải bị loại bỏ. Đối với yếu tố ở nhà trọ (ROOM), nó có thể không có ý nghĩa lắm tới khả năng xảy ra quan hệ, vì nếu cần thì ai cũng có thể đi thuê. Nhưng rõ ràng là, đứng trên phương diện lý thuyết và thực tiễn, ta thấy rất khó ch ấp nhận việc loại bỏ tác động của gia đình (FAMILY), cũng nh ư phí t ổn s ống (COST), ra khỏi những cân nhắc thiệt hơn trong đầu cá nhân: rằng nên có hay không quan h ệ v ới bạn tình. Chính vì vậy, nhóm đã quyết định tiến hành kiểm định đồng thời: H 0 : β FAMILY = β COST = 0 Giả sử kết quả kiểm định cho biết Fc = 0.565 . Cho trước F0.05 (2,110) = 3.09 . Nếu là em, em sẽ chọn quyết định nào trong hai quyết định sau đây? Chấp nhận giả thuyết ( DNRH 0 ), và quyết định loại COST và FAMILY ra khỏi mô hình 75. Giả sử dựa trên kết quả rõ ràng của kiểm định của Wald test, các bạn quy ết đ ịnh phải loại bỏ các yếu tố COST và FAMILY ra khỏi mô hình. Giả sử thêm rằng, sau khi biết điều đó, TS. Hoàng Bá Thịnh, PGĐ Trung tâm Dân s ố và công tác xã hội, người đã tổ chức điều tra 300 sinh viên t ại Hà n ội v ề quan h ệ tình dục, cho rằng, đó là điều khó có thể chấp nhận được. Ông viện dẫn những nhà kinh điển, như Freud, rằng hành vi của cá nhân về tình yêu và hôn nhân ch ịu ảnh h ưởng mạnh mẽ bởi môi trường gia đình, và bởi những cân nhắc thiệt hơn về kinh tế. Giả sử tiếp là TS Thịnh quen thầy Nhật. Ông ta nh ắc nhóm tr ưởng r ằng: “Th ầy Nh ật có cho bài tập, nêu lên rằng, nếu có một biến nào đó có ý nghĩa, mà l ại b ị B Ỏ QUÊN, không đưa vào mô hình, thì sẽ làm ước lượng bị chệch. Và mọi kiểm định thống kê trở nên vô giá trị. Có thể các em đã chưa đưa hết các biến có ý nghĩa vào mô hình.” Năm 2010 19
  20. Như vậy, tác động của phí tổn sống, COST, rất có thể là không theo dạng tuyến tính. Gợi ý: Hãy đưa cụm biến COST và COST 2 vào mô hình. Kết quả ước lượng như dưới đây: Std. Variable Coefficient Error t-Statistic Prob. OPINION 1.686085 0.458461 3.677704 0.0002 COST 27.88161 7.407080 3.764183 0.0002 COST^2 -13.31335 3.507603 -3.795569 0.0001 FAMILY 0.646435 0.334938 1.930010 0.0536 GENDER -1.654577 0.436106 -3.793979 0.0001 LOVE 0.885306 0.358623 2.468625 0.0136 MARK -0.532661 0.243442 -2.188043 0.0287 C -13.30959 4.414981 -3.014643 0.0026 Rõ ràng là cả COST và FAMILY đều có ý nghĩa. Bây giờ, em hãy xem các m ệnh đ ề sau: Phí tổn sống, như thuê nhà trọ (COST) càng cao, thì càng làm quan h ệ tình dục (i) dễ xẩy ra hơn, nhưng với áp lực giảm dần. (ii) Trong giới sinh viên, yêu đương làm quan hệ tình dục trước hôn nhân d ễ x ẩy ra hơn. Cả (i) và (ii) đều đúng 76. Hãy chọn những quan điểm đúng ( không nhất thiết chỉ có MỘT mệnh đề là đúng, mà có thể nhiều hơn): Áp lực của phí tổn sống tại đô thị với giá thuê nhà đắt đỏ và nhu cầu chi tiêu l ớn hơn, là yếu tố tác động mạnh nhất tới việc cá nhân sinh viên chọn sống chung với bạn tình. Trong mỗi cặp sinh viên, việc có hay không QHTD trước hôn nhân chủ yếu là được quyết định (hay được sự ưng thuận) bởi phái nữ, chứ không phải bị thúc đẩy bởi ý muốn nóng vội của phái nam. Sự quan tâm nhiều hơn của gia đình khiến cho sinh viên dễ có khả năng có quan h ệ tình dục trước hôn nhân hơn. Điều này có thể là do họ thấy cô đơn hơn khi xa gia đình. Hoặc ngược lại, họ tự tin hơn về việc chọn đúng bạn tình, theo như cách nhìn nhận của người lớn trong gia đình đã chỉ bảo. Việc quan tâm hơn đến học tập và sự thành đạt trong tương lai làm ch ậm l ại ý muốn có quan hệ tình dục hoặc có gia đình của giới trẻ. Quyết định kinh doanh của sinh viên Năm 2010 20
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2