intTypePromotion=3
Array
(
    [0] => Array
        (
            [banner_id] => 140
            [banner_name] => KM1 - nhân đôi thời gian
            [banner_picture] => 964_1568020473.jpg
            [banner_picture2] => 839_1568020473.jpg
            [banner_picture3] => 620_1568020473.jpg
            [banner_picture4] => 994_1568779877.jpg
            [banner_picture5] => 
            [banner_type] => 8
            [banner_link] => https://tailieu.vn/nang-cap-tai-khoan-vip.html
            [banner_status] => 1
            [banner_priority] => 0
            [banner_lastmodify] => 2019-09-18 11:11:47
            [banner_startdate] => 2019-09-11 00:00:00
            [banner_enddate] => 2019-09-11 23:59:59
            [banner_isauto_active] => 0
            [banner_timeautoactive] => 
            [user_username] => sonpham
        )

)

ÔN TẬP KINH TẾ LƯỢNG - PHƯƠNG PHÁP ƯỚC LƯỢNG BÌNH PHƯƠNG

Chia sẻ: Muay Thai | Ngày: | Loại File: PDF | Số trang:20

0
277
lượt xem
93
download

ÔN TẬP KINH TẾ LƯỢNG - PHƯƠNG PHÁP ƯỚC LƯỢNG BÌNH PHƯƠNG

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

ÔN TẬP KINH TẾ LƯỢNG 1. Phương pháp ước lượng bình phương cực tiểu LS, là chọn các tham số ước lượng sao cho làm cực đại độ phù hợp R . Hơn nữa, điều đó đòi hỏi điều kiện rằng : 2 là bất biến với mọi sự lựa chọn tham số ước lượng. Giải thích: ^ ESS R2 1 , phương pháp LS là chọn k , k 1,2,.., K sao cho cực tiểu ESS. Và TSS không TSS đổi với mọi lựa chọn. Nên Cực tiểu ESS đồng nghĩa với cực đại R 2 . 2. Nhắc lại là hồi...

Chủ đề:
Lưu

Nội dung Text: ÔN TẬP KINH TẾ LƯỢNG - PHƯƠNG PHÁP ƯỚC LƯỢNG BÌNH PHƯƠNG

  1. ÔN TẬP KINH TẾ LƯỢNG ^ 1. Phương pháp ước lượng bình phương cực tiểu LS, là chọn các tham số ước lượng ,k 1,2,.., K k sao cho làm cực đại độ phù hợp R . Hơn nữa, điều đó đòi hỏi điều kiện rằng : 2 y ) 2 là bất biến với mọi sự lựa chọn tham số ước lượng. TSS ( yn n Đúng   Sai Giải thích: ESS ^ , phương pháp LS là chọn k , k 1,2,.., K sao cho cực tiểu ESS. Và TSS không R2 1 TSS đổi với mọi lựa chọn. Nên Cực tiểu ESS đồng nghĩa với cực đại R 2 . 2. Nhắc lại là hồi quy LS có thể được viết dưới dạng sau: ˆk cnk n , k 1,2,.., K . Việc k chứng minh ước lượng này là không chệch: E ˆ k 1,2.., K , đòi hỏi giả thuyết rằng n có k ,k phân bố chuẩn. Đúng   Sai Giải thích: Eˆ ) . Vì vậy, chỉ cần điều kiện: E 0, với mọi n là đủ. E( cnk k k n n 2 ^ 3. Nhắc lại rằng, Var ( . Trong đó, S kk là phương sai mẫu của biến X k . Điều này hàm ý ) k S kk rằng, việc lấy mẫu từ tổng thể càng đa dạng, thì hiệu quả ước lượng càng tăng. Hay cũng vậy, việc lấy mẫu càng tương tự nhau, thì độ chính xác của ước lượ ng càng giảm. Đúng   Sai Giải thích: 2 ^ , nên khi S kk tăng thì sai số ước lượng giảm, hay hiệu quả ước lượng tăng Vì Var ( k) S kk 2 4. Nhắc lại, ˆ k ~ N ( ) . Kết luận này chỉ đòi hỏi sử dụng giả thuyết 2 k, ) , mà không ~ N (0, n S kk cần thêm bất cứ một giả thuyết nào khác về sai số ngẫu nhiên. Đúng   Sai Giải thích: iid Chứng minh điều này yêu cầu rằng, ) , hay các sai số ngẫu nhiên phải độc lập. 2 ~ N (0, n 1 5. Ước lượng không chệch của en . Nó được sử dụng để biến đổi phân bố là s 2 2 2 NK chuẩn z k thành phân bố t-student với (N-K) bậc tự do: t k ~ t ( N K) . Đúng   Sai Giải thích: Năm 2010 1
  2. ^ ˆ Vì rằng t ~ t(N 2) ^ s 2 S XX se( ) 6. Hãy xét việc kiểm định giả thuyết sau: 0 . Nếu p-value nhỏ hơn 5%, 0 .vs. H1 : H0 : k k thì ta nói k có ý nghĩa 5%. Đúng   Sai a. 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 , xn } 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. 2 ESS /( N K ) 7. Nhắc lại là R . Khi đưa thêm biến vào mà sự cải thiện về độ phù hợp ít hơn 1 TSS /( N 1) 2 1 so với sự mất mát độ tự do, thì en tăng, và R cũng tăng. s2 2 NK Đúng   Sai Giải thích: 2 1 Từ công thức, ta thấy s 2 en phải giảm, và do vậy nên R mới tăng. 2 NK Hai câu tiếp sau là về sự lựa chọn về mô hình: (U): Y 1 X1 2X2 3X3 ~ (R): Y 1 X1 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 : 0. 2 3 Nếu ta không thể bác bỏ giả thuyết này ( DNRH 0 ), mà vẫn hồi quy mô hình (U), thì sự 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: ^ 8. Sử dụng hai tính chất thống kê của ước lượng LS: (1). E ( ) ; và (2). đánh giá ) E( cnk k k n 2 s ^ sai số ước lượng là Var ( . Khi đó, ta có thể đi đến nhận định rằng đưa thêm biến giải ) k S kk thích không cần thiết vào mô hình sẽ vẫn cho ra ước lượng không chệch. Nhưng độ chính xác của ước lượng giảm đi. Đúng   Sai Giải thích: Năm 2010 2
  3. ^ , do giả thuyết về sai số ngẫu nhiên không bị vi phạm. Tuy nhiên, vì )= E( ) E( cnk k k k n s2 1 ^ en tăng, nên Var ( cũng tăng, hay độ chính xác giảm. s2 2 k) N K S kk 9. 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 sẽ bị cộng dồn lại ở sai số ngẫu nhiên. Tức là: ~ X2 X3 2 3 Dựa trên nhận xét đó, ta có thể nhận định rằng, việc bỏ quên các biến có ý nghĩa sẽ làm cho ước lượng bị chệch, và mọi kiểm định thống kê trở nên vô nghĩa. Đúng   Sai Giải thích: ~ 0 , nên ước lượng bị chệch. Do đó không thể lập t -test. X2 X3 Vì 2 3 10. Giả thiết E ( 0 , tương đương với việc nói rằng, E ( y n | xn ) ' ' ' xn . | xn ) n Trả lời: Câu này đúng, vì rằng: xn , nếu E ( ' ' ' ' 0. yn xn E ( y n | xn ) | xn ) n n 11. Giả thiết các véc tơ quan sát thứ n : x không phải ngẫu nhiên bao hàm rankX ' K. n Trả lời: Câu này sai, vì đây là hai giả thiết khác nhau. 12. Giả thiết I ) bao hàm rằng, cov( n , 0 , với 2 n m. ) ~ N (0, m Trả lời: câu này đúng, vì Var I , tức là cov( n , m ) 0 , với 2 n m. 13. Giả thiết rankX K là bảo đảm cho tồn tại ước lượng . 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 ( X ' X ) 1 X 'Y . Xuất phát từ công thức 14. Giả thiết E( ' ) I , bao hàm rằng, cov( n , 0 , với 2 n m. ) m Trả lời: Câu này đúng. Chứng minh hoặc lý giải các mệnh đề sau: Dưới dạng tổng quát, ước lượng được viết như sau: ^ ( X ' X ) 1 X 'Y Mô hình hồi quy có dạng: , X không phải là biến ngẫu nhiên; và 2 yX ~ N (0, I) . Năm 2010 3
  4. 15. Chỉ ra rằng, trong kiểm định với F-test, nếu giả thiết H 0 là đúng, thì F-stat nhận giá trị nhỏ hơn khi H 0 là sai. ( ESS R ESS U ) / J Trả lời: F . Nếu H 0 là đúng, thì việc thêm biến giải thích không làm cải thiện ESS U /( N K ) nhiều độ phù hợp của mô hình. Tức là ESSR ESSU nhận giá trị nhỏ; vì vậy F-value nhận giá trị nhỏ. 16. 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 %. Trả lời: p-value nhỏ chứng tỏ thống kê F (hoặc thống kê t) nằm bên phải của F hoặc t . Do vậy, cần /2 phải bác bỏ H 0 . 17. Chỉ ra rằng, F- stat bao giờ cũng nhận giá trị dương. Trả lời: ESS R bao giờ cũng lớn hơn ESSU . ^ ^ 18. Thống kê zk ~ N (0,1) được rút ra từ giả thiết là 2 k k ~ N( , / Skk ) . k k 2 / Skk Trả lời: Câu này đúng. ^ 19. Thống kê zk là một dạng viết khác của t k -stat. k k 2 / S kk ^ Trả lời: Câu này sai. Vì tk k k 2 s / S kk 20. Mô hình kinh tế lượng có thể viết dưới dạng: Y X 1 1 X 2 2 .... X K K X Trả lời: Câu này đúng 21. Giải thích xem việc đưa p –value vào bảng kết suất có gì khác với báo cáo về giá trị của t -stat hoặc F-stat. Trả lời: P-value cho biết giá trị cuả F-stat (hoặc t-stat) nằm bên phải hay trái của điểm tới hạn F (hoặc t / 2 ). Do vậy, cần phải bác bỏ hay chấp nhận H 0 . 22. Chỉ ra là t-stat có thể nhận giá trị âm hoặc dương. ^ ^ Trả lời: t k ; và ước lượng có thể nằm bên trái hoặc bên phải giá trị thực của tổng thể k k . k k s 2 S kk 23. t-stat dùng để kiểm định tính có ý nghĩa của phương trình hồi quy (overall significance test) Trả lời: Câu này sai. F-test mới có thể được dùng để kiểm định ý nghĩa của phương trình hồi quy. 24. Khi đưa thêm biến không cần thiết vào mô hình, standard error (se) của 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. Năm 2010 4
  5. I bao hàm rằng, cov( n , m ) 0 , với n m . 2 25. E ' Trả lời: câu này đúng, vì lệch khỏi đường chéo của ma trận varian-covarian chính là cov( n , 0. ) m 26. Khi kiểm định giả thiết đơn: H 0 : 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 : 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. 27. Giải thích xem việc đưa p –value vào bảng kết suất có gì khác với báo cáo về giá trị của t -stat hoặc F-stat. Trả lời: P-value cho biết giá trị cuả F-stat (hoặc t-stat) nằm bên phải hay trái của điểm tới hạn F (hoặc t / 2 ). Do vậy, cần phải bác bỏ hay chấp nhận H 0 . 28. F-test là tổng quát hơn so với t -test. Trả lời: câu này đúng, vì F-test có thể kiểm định giả t hiết kép, trong khi t -test chỉ có thể kiểm định giả thiết đơn. 29. Hồi quy đa biến có thể viết dưới nhiều dạng. Hãy xét đến 3 biểu diễn sau: ' (i) yn xn n 1,2,.., N n ^ ^ ' yn xn n 1,2,.., N (ii) ˆ (iii) en yn yn Cả (i), (ii), (iii) là đúng ^ ^ 30. Hồi quy đa biến bao hàm việc giải bài toán sau: S ( ) e2 xn ) 2 ' ( yn min ^ nn Hãy xét mệnh đề sau: S( ˆ) ^ (i) Hệ số 1,2,.., K được xác định bằng cách lấy đạo hàm riêng phần, và đặt: ,k 0. k ^ k S( ˆ) ^ (ii) Chỉ cần tìm 1,2,..., K , và đặt chúng bằng nhau để xác định ,k 1,2,.., K . ,k k ^ k Chỉ có (i) là đúng 31. Giả sử phương trình hồi quy có chứa biến constant: X 1 1 . Xét các mệnh đề sau: S( ˆ) (i) Việc giải: 0 dẫn đến cái điều là 0. en ^ 1 ^ (ii) Điều kiện 0 bao hàm cái điều là y , hay đường hồi quy đi quan điểm trung bình: x' en ( y, x ' ) . Cả hai mệnh đề (i) và (ii) đều đúng 32. Hãy xét các mệnh đề sau: Năm 2010 5
  6. ^ yn y n en (i) ^ (ii) ( y n y) yn y en . Hai mệnh đề này là tương đương nhau ^ 33. Giả sử đường hồi quy đi qua điểm trung bình: y . Hãy xét các mệnh đề sau: x' ^ (i) ( y n y) yn y en ^ ( xn x ' ) ' (ii) ( y n y) 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. ^ 34. Xét quan hệ sau: y) 2 y) 2 2 ( yn (yn en . n n 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 35. Phương pháp LS cho ta ước lượng: ˆk cnk , k 1,2,.., K . k n Hãy xét các mệnh đề sau: ^ (i) Ước lượng là một đại lượng ngẫu nhiên k (ii) Nếu không có tác động ngẫu nhiên, thì việc hồi quy trở thành tầm t hường, vì ta luôn có: ˆ k . k Cả hai mệnh đề (i) và (ii) đều đúng 36. Hãy xét tính không chệch của ước lượng LS: E ˆk E( cnk ) k n k Điều này đúng khi E 0, n 1,2,.., N n ^ 37. Hãy xét quan hệ sau: Var ˆ k Var ( ) k k Điều này đúng, khi E ˆ k k 2 ^ Var ˆ k 38. Trong chứng minh tính chất sau: Var ( k) ,k 1,2,.., K . k S kk Ta cần điều kiện , n 1,2,.., N là các biến ngẫu nhiên độc lập, và Var 2 n n 2 39. Để đi đến kết luận là ˆ k ~ N ( ) , ta có thể phải cần những yêu cầu sau: k, S kk E ˆk (i) k 2 ^ Var ( k) (ii) S kk (iii) Các biến ngẫu nhiên , n 1,2,.., N là theo phân bố chuẩn. n Cần cả (i), (ii), và (iii) Năm 2010 6
  7. ^ ˆ 40. Kiểm định t-stat có dạng sau: t k K ) . Để xây dựng thống kê này, ta k k k k ~ t(N ^ 2 s S kk se( k) có thể cần các điều kiện sau: 2 ˆ ~ N( (i) k, ) k S kk 1 en là ước lượng không chệch của s2 2 2 (ii) n NK (iii) Các biến {X 1 , X 2 ,..., X k ,..., X K } là độc lập tuyến tính. Chúng ta cần điều kiện (i) và (ii) Giả sử ta đưa thêm biến giải thích vào mô hình. 41. Tổng bình phương các sai số ước lượng (ESS) luôn giảm xuống 2 ESS /( N K ) 42. Hãy nhìn vào công thức xác định R 1 . TSS /( N 1) 2 Hệ số R và s 2 luôn biến động nghịch chiều nhau Nếu từng hệ số riêng biệt không có ý nghĩa, nhưng một cách đồng thời có ý nghĩa, thì ta , 3 4 nên giữ X 3 , X 4 trong mô hình 43. Xét hai mô hình: (U): Y X2 X 3 .... XK 1 2 3 K (R): Y X2 X 3 .... XK 1 2 3 KJ J Được hiểu là: Mô hình (R) là mô hình (U), cộng với ràng buộc H0 : ... 0 KJ1 KJ2 K ( ESS R ESSU ) J 0 . Xây dựng thống kê Fc 44. Xét H 0 : . ... KJ1 KJ2 K ESSU /( N K ) Khi giá trị thống kê Fc lớn hơn F -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 45. Khi kiểm định tính có ý nghĩa đồng thời của tất cả các biến giải thích (overall si gnificance test), ta sử dụng: R 2 ( K 1) Thống kê Fc ~ F ( K 1, N K) (1 R 2 ) /( N K) 46. Xét hai nhận định: (i) Việc không loại bỏ biến không có ý nghĩa ra khỏi mô hình sẽ vẫn cho ước lượng không chệch theo LS, nhưng với độ chính xác tồi đi. (ii) Việc bỏ quên, không đưa biến có ý nghĩa vào mô hình sẽ làm ước lượng bị chệch. Trong các mệnh đề sau, đâu là mệnh đề đúng? Cả (i) và (ii) đều đúng 47. Giả sử mô hình hồi quy có dạng y t 1,2,.., T (1) . Giả sử rằng trong mô x x ,t 2 t2 3 t3 t 1 hình (1), ta biết rõ rằng 2 1 . Việc ước lượng tốt nhất (LS), không chệch của các tham số , 1 3 sẽ được thực hiện như sau: Năm 2010 7
  8. Lập mô hình: yt và ước lượng bằng eviews. xt 2 x 1 3 t3 t 48. 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: yt 1,2,.., T (2) sẽ cho thấy: xt ,t t chứ không khẳng định được là tốt nhất. Mô hình này có R 2 1 49. Xét 2 chuỗi các quan sát (2 đám mây dữ liệu) sau: xx xxxxx yt zt x xxxxxxxx xxxx xx xxxxx xxxxxxxx xx xxxxxx x xx xt wt Việc ước lượng mô hình: y t (2.2) sẽ cho thấy: xt (2.1) và mô hình z t wt t t Ta nhận thấy rằng: Var( t ) Var( t ) 50. Giả sử mô hình hồi quy có dạng y t x .... xtK ,t 1,2,.., T (3) . 2 t2 K t 1 Giả sử rằng trong mô hình (3), ta biết rõ rằng 0 . Việc ước lượng tốt nhất (LS), sẽ cho thấy 1 rằng: R 2 có thể nằm ngoài khoảng [0,1] do gặp phải trường hợp đa cộng tuyến. 51. Giả sử mô hình hồi quy có dạng y t 1,2,.., T (3) . Giả sử rằng x .... xtK ,t 2 t2 K t 1 trong mô hình (3), ta biết rõ rằng 0 . Việc ước lượng tốt nhất (LS), sẽ cho thấy rằng: 1 Điểm trung bình: ( y , x ' ) nằm trên đường hồi quy. 2 52. Ước lượng LS cho ra kết luận rằng, ˆ k ~ N ( k, ). S kk S kk tăng thì độ chính xác của ước lượng tăng tăng thì độ chính xác của ước lượng giảm. Năm 2010 8
  9. 53. Giả sử mô hình hồi quy có dạng yt 1,2,.., T (5) . Giả sử ta biết rõ rằng, x 3 xt 3 t ,t 2 t2 1 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 2 ~ N (0, ). t Do biết chắc chắn không xảy ra trường hợp đa cộng tuyến. 2 54. Xét hồi quy bội với K biến giải thích. Ước lượng LS cho ra kết luận rằng, ˆ k ~ N ( ) . Vì k, S kk vậy: Điều này hàm ý LS là ước lượng không chệch 55. Giả sử mô hình hồi quy có dạng yt 1,2,.., T (5) . Giả sử rằng trong mô x x t ,t 2 t2 3 t3 1 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 56. Ước lượng không chệch của 2 là s 2 2 en . NK 2 Nó được dùng để xác định R hiệu chỉnh. ^ Nó được dùng để xác định phân bố t -stat t k của k 57. Giả sử ta biết rõ tất cả các quan sát { y n , x } có thể được biểu diễn thành một đám mây dữ liệu, nằm ' n gọn trong không gian ba chiều Hồi quy bội (K=3) cho ước lượng không chệch vì chỉ phụ thuộc vào đúng 3 biến. 58. Giả sử ta biết rõ tất cả các quan sát { y n , xn } 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. 59. Xét hai mô hình sau: (U): Y 1 X1 2X2 3X3 ~ (R): Y 1 X1 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 60. INV là cầu đầu tư, có thể phụ thuộc vào lãi suất (INT), lạm phát (INF), hoặc chỉ phụ thuộc vào lãi suất thực (INT-INF). Ngoài ra nó còn phụ thuộc vào xu thế (T) và GDP (G). Xét hai mô hình khác nhau: (8.1): INV 2T 3G 4 INT 5 INF 1 (8.2): INV T G ( INT INF ) 1 2 3 4 Ta chấp nhận (8.1) nếu F-test bác bỏ H 0 : 4 5 61. Xét 3 dạng hàm: (10.1): Y X (10.2): ln Y ln X 1 2 1 2 (10.3): Y /X 1 2 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. Năm 2010 9
  10. Sài gòn rất nhiều quán bia. Và không ít sinh viên tìm cách dự đoán nhu cầu uống 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 biết rằng, nhu cầu uống 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 của các hàng hoá dịch vụ giải trí khác ( PR ); và vào thu nhập bằng tiền mặt ( m ). (Giá và thu nhập đo bằng $; và ở đây ta không nói đến một thương hiệu nào cụ thể, nên yếu tố quảng cáo, brand name, vân vân, được bỏ q ua). Sử dụng số liệu điều tra ngẫu nhiên trong suốt 30 năm, từ một gia đình người Mỹ, chúng ta muốn nghiên cứu quan hệ nói trên, nhằm đánh giá lại lý thuyết tiêu dùng trong vi mô. Dạng hàm hồi quy của mô hình được lựa chọn như sau: Mô hình (U): ln(Q) 2 ln(P ) 3 ln(P ) 4 ln(P ) ln(m) 1 B L R 5 62. Độ co dãn của nhu cầu về bia theo giá cả và thu nhập. Ví dụ, với giá bia: d ln( Q) / d ln( PB ) ; 2 và với thu nhập: 5 d ln(Q) / d ln(m) . Hệ số 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 ( 5 2 ) t hể hiện nhu cầu tiêu thụ bia tăng bao nhiêu % khi giá bia giảm 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 Variable Coefficient Std. 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 R-squared 0.825389 Mean dependent var 4.018531 Adjusted R-squared 0.797451 S.D. dependent var 0.133258 S.E. of regression 0.059973 Akaike info 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 63. Thu nhập là yếu tố quan trọng ảnh ưởng tới tiêu dùng. Tuy nhiên, mọi người có thể đặt câu hỏi về ^ hệ số ước lượng đi kèm với yếu tố thu nhập là khá lớn về mức độ. Cụ thể là 0.92 5 Năm 2010 10
  11. ^ Ước lượng 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, cần phải 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 . 5 64. 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 ( 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 thể chấp nhận được, nếu thị trường cho thấy, giá rượu tăng, thì giá bia cũng tăng theo. 65. Người ta muốn kiểm tra lại, có thực sự rằng cứ thu nhập tăng lên 10%, thì mức tiêu thụ bia cũng tăng lên tới gần 10% hay không. Vì vậy, người ta muốn tính khoảng tin cậy 95% của hệ số 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 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 hơn rất nhiều so với giá trị ước lượng. Vì vậy, kết quả ước lượng là chấp nhận được. ^ 66. Chúng ta cũng nhận thấy rằng, hệ số đi kèm với giá rượu 3 0.5829 là không phù hợp với lý luận về hành vi tiêu dùng, do bia và rượu là hai hàng hoá thay thế nhau. Tức là nếu giá rượu tăng ^ thì người tiêu dùng nên tiêu thụ bia nhiều hơn thay cho rượu. Vì vậy, 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). Điều này chỉ có thể xẩy 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 c ủa hai loại hàng là có tương quan đồng biến chặt với nhau. Trong kinh tế lượng, người ta gọi hiện tượng này là đa cộng tuyến (Linear collinearity). Để kiểm tra nghi vấn đó có đúng hay không, người ta chạy hồi quy bổ trợ (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 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: Năm 2010 11
  12. 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. 67. 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. Để kiểm định giả thuyết đó, từ mô hình gốc (U), ta có thể viết lại dưới dạng sau: (15.1) ln(Q) 2 ln( P ) 3 ln( P ) 4 ln( P ) 5 ln( m) 1 B L R Trong đó, thể hiện nhịp tăng giá và thu nhập theo cùng một mức độ. Khai triển dạng hàm mô tả này, ta có: (15.2) ln(Q) ln(PB ) ln(PL ) ln(PR ) ln(m) ( ) ln 1 2 3 4 5 2 3 4 5 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: 0 , hay cũng vậy, 4 5 . Nếu ta không bác bỏ được giả thuyết H0 : ( 2 5) 3 4 2 3 này, thì mô hình (15.1), (15.2) và (U) là hoàn toàn trùng nhau, bất kể là bao nhiêu. Tức là họ c thuyết tiền tệ là đúng. Bây giờ, để kiểm định giả thuyết H 0 : ( 0 , hãy thế ràng buộc đó vào (15.2), ta đi ) 2 3 4 5 đến mô hình sau: (R): ln(Q) [ln( PB ) ln(PR )] [ln( PL ) ln(PR )] [ln(m) ln(PR )] 1 2 3 5 Hay cũng vậy, (R) ln(Q) ln(PB / PR ) ln(PL / PR ) ln(m / PR ) 1 2 3 5 Đây chính là mô hình ban đầu (U), cộng với giả thuyết H 0 : ( 2 0 . Nói khác đi, (R) là 5) 3 4 mô hình bị ràng buộc của mô hình (U), khi chấp nhận chủ thuyết tiền tệ là đúng. Chủ thuyết này nói rằng, nhu câu tiêu thụ hàng hoá phụ thuộc vào giá tương 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 Năm 2010 12
  13. 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 chỉ số giá tiêu dùng, hay lạm phát), và mức thu nhập thực tế. Sức hấp dẫn của rạp Galaxy là đề tài bị cuốn hút bởi nhóm các bạn K05402 gồm Ngọc Bảo (trưởng nhóm), Phương Dung, Quốc Hạnh, Đăng Khoa và Phạm Tùng. Vốn là những người yêu thích xem phim, đồng thời, cũng thấy đó là một thú vui khá đặc biệt của người dân Sài Gòn, các bạn đã tìm hiểu các yếu tố 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 biệt củ a nó trong việc hình thành một tổ hợp giải trí phức hợp, sang trọng, cảnh quan đẹp, phong cách phục vụ chuyên nghiệp, có cả bar - café, shop văn hóa phẩm, beauty salon, v.v... Bị ảnh hưởng bởi quan điểm của trường phái Societal Marketing, được khởi xướng bởi Phillip Kotler, các bạn phân loại các yếu tố ảnh hưởng tới 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 hơn 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 độ, 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 chọn số 1 hay không), kỳ vọng là mang dấu dương. DVD (thích đến rạp hơn là xem DVD tại nhà, chia làm 3 cấp độ tăng dần), 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: 0.1087AGE *** 0.002944 TIMES INC 0.005425DIST 0.02166FRIENDS (0.023814) (0.013711) (0.031695) (0.088697) + 0.4369PR ** 0.548SPACE*** 0.1504CINEMA 0.3659DVD** 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 . 68. 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 Năm 2010 13
  14. 69. Giả sử biến FRIENDS là không có ý nghĩa. Và biến CINEMA cũng nên bỏ đi, vì chỉ có những người cực kỳ mê Galaxy thì mới đến đấy đốt tiền. Nên nhóm quyết định loại bỏ 2 biến đó. Tuy nhiên, đối với các biến INC, DIST, khó mà có thể nói chúng không tác động đến hành vi của n gười tiêu dùng. Theo lý thuyết của Keynes, và nói rằng thu nhập (INC) là yếu tố chính quyết định tới hành vi người tiêu dùng, nhất là ở rạp đắt tiền như 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: H0 : 0 INC DIST CINEMA FRIENDS 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. 70. 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 biến vừa nêu ra khỏi mô hình. Khi biết điều đó, việc bác bỏ Keynes vĩ đại là điều khó chấp nhận được. Có khả năng một biến nào đó có ý nghĩa, mà lại bị BỎ QUÊN, không đưa vào mô hình, t hì 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”. 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-squared 0.935988 S.D. dependent var 2.892316 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 stat 1.632296 Prob(F-statistic) 0.000000 Bây giờ hãy xem các mệnh đề sau: (i) Người càng giàu thì số lượt đi xem (TIMES) càng nhiều, nhưng với nhịp tăng giảm dần. Năm 2010 14
  15. _ (ii) Hệ số R 2 0.9 3 , gần bằng 1, chứng tỏ mức độ chính xác của dự báo sẽ rất tốt. Gần như ở mức tuyệt đối. Tức là số lần đi theo như dự báo từ mô hình sẽ xấp xỉ với quan sát thực. Chỉ có (i) đúng 71. Như vậy cho thấy kết quả ước lượng bây giờ phù hợp với lý thuyết Keynes. Và mô hình ước lượng là khá tốt về các hệ số đánh giá. Nhóm chạy thử dự 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 thể thấy là dự báo không tốt lắm, nếu số lượt đi rất ít (obs = 1, 4), hoặc rất nhiều (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) Hãy trung thực trong nghiên cứu như nhóm của Ngọc Bảo. Bạn sẽ thấy được niềm vui của sự sáng (ii) tạo và khả năng khám phá thực tế của chính bạn. Bây giờ, em hãy chọn cho mình cách ứng xử (đây là câu hỏi điều t ra, không nhất thiết 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 những trường hợp sửa dữ (c) liệu trong tương lai nhằm thúc đẩy tính trung thực 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 Năm 2010 15
  16. Trong vài thập niên gần đây, rất nhiều những nghiên cứu đã chỉ ra rằng, hiện 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 hưởng tới giới sinh viên. Đó chính là chủ đề nghiên cứu của nhóm các bạn K05405 gồm Phương Hà (trưởng nhóm), Ánh Hồng, Đan Thanh, Lệ Thủy và Hải Yến. Dựa trên những nghiên cứu xã hội học và tâm lý học, nhóm đã chỉ ra các nguyên nhân làm tăng ý muốn có quan hệ tình dục (QHTD) trong sinh viên, (ký hiệu 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 tổn 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 dấu dương, thể hiện sự phản ứng ngược với quan điểm truyền thống. Ngược lại, nếu sự quan tâm tạo 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 nếu không có. Đang yêu, thì dễ xẩy ra quan hệ tình dục hơn. Kỳ vọng mang dấu dương. Giới tính (GENDER): nhận giá trị 1, nếu là nam giới; và 0 nếu là nữ. 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 nội cho thấy, quan hệ tình dục đa phần xảy ra ở nhà trọ, nơi các bạn sinh viên được hoàn toàn tự 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 học nhiều hơn, thì ngại bị chi phối bởi quan hệ tình dục hơn. Do vậy, kỳ vọng dấu 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. Kết quả ước lượng là như sau: 0.705 1.313OPINION *** 0.567COST 0.331FAMILY ACTION (1.81) (0.384) (0.795) (0.406) 0.872LOVE ** 0.9964GENDER*** 0.1194ROOM 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. *** ** 72. Hãy kiểm địmh tính có ý nghĩa ở mức 0.05 (hay 5%) của từng biến 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 73. Giả sử sau khi kiểm định t -test, nhóm nghiên cứu đi đến kết luận là cả 3 yếu tố 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. Năm 2010 16
  17. Nhưng rõ ràng là, đứng trên phương diện lý thuyết và thực tiễn, ta thấy rất khó chấp nhận việc loại bỏ tác động của gia đình (FAMILY), cũng như phí tổn sống (COST), ra khỏi những cân nhắc thiệt hơn trong đầu cá nhân: rằng nên có hay không quan hệ với bạn tình. Chính vì vậy, nhóm đã quyết định tiến hành kiểm định đồng thời: H0 : 0 FAMILY COST 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 74. Giả sử dựa trên kết quả rõ ràng của kiểm định của Wald test, các bạn quyết định 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 số và công tác xã hội, người đã tổ chức điều tra 300 sinh viên tại Hà nội về quan hệ 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 chịu ảnh hưởng 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 nhắc nhóm trưởng rằng: “Thầy Nhật có cho bài t ập, nêu lên rằng, nếu có một biến nào đó có ý nghĩa, mà lại bị BỎ 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.” 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: Variable Coefficient Std. 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 mệnh đề sau: (i) Phí tổn sống, như thuê nhà trọ (COST) càng cao, thì càng làm quan hệ tình dục 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 dễ xẩy ra hơn. Cả (i) và (ii) đều đúng 75. 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 lớn 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 q uyết định (hay được sự ưng thuận) bởi phái nữ, chứ không phải bị thúc đẩy bởi ý muốn nóng vội của phái nam. Năm 2010 17
  18. Sự quan tâm nhiều hơn của gia đình khiến cho sinh viên dễ có khả năng có quan hệ 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 chậm lại ý muốn có quan hệ tình dục hoặc có gia đình của giới trẻ. Quyết định kinh doanh của sinh viên Kinh doanh không phải là điều gì xa lạ. Nhưng không phải ai cũng hiểu rõ những yếu tố gì thúc đẩy một con người trở nên đam mê và thành công trong kinh doanh...nhất là khi họ vẫn còn là sinh viên. Đôi khi, những ý tưởng lớn đã biến một sinh viên trở thành nhà kinh doanh thành đạt, như Bill gate, Microsoft, hay những người sáng lập ra Yahoo, hay Google. Nhưng trong đa số trường hợp, “những thành công lớn trong kinh doanh thường bắt đầu bằng những c ông việc nhỏ, và những ý tưởng táo bạo thường tạo nên sự kỳ diệu”. Phải chăng việc năng tìm kiếm những cơ hội, và khả năng dám nghĩ đến những ý tưởng mới lạ, dù là rất rủi ro, là những yếu tố để bạn trở thành người thành đạt trong kinh doanh? Đó là chủ đề cuốn hút sự quan tâm của các bạn Nguyễn văn Chiến, Vũ Hạnh, và Đỗ quang Sang (K06404 -401). Là những người theo học thuyết của Icek Ajzen (Theory of planned behaviour), tạm dịch là “thuyết hành vi có hướng đích”, các bạn đã chia những nhân tố ảnh hưởng tớ i quyết định tham dự vào kinh doanh khi còn là sinh viên thành 3 nhóm lớn sau: Thứ nhất, yếu tố tâm lý thích hay ngại rủi ro (ký hiệu là RISK), mà nó phản ánh quan điểm, thái độ, sự ưa thích hay ngại ngần hoạt động kinh doanh, (được đo từ zero, là hoàn toà n không sợ rủi ro, tới 100 là hết sức ngại mạo hiểm). Kỳ vọng dấu là âm. Thứ hai, yếu tố về môi trường, xã hội, bao gồm: EXTERNAL, là tổng hòa các ảnh hưởng của gia đình, bạn bè đến quyết định tham dự kinh doanh của sinh viên, ngay khi còn đi học. Đây là biến phân loại (Dummy). Nó nhận giá trị 1, nếu có sự gợi ý, thúc đẩy, và bằng zero, nếu không có. Kỳ vọng mang dấu dương. TIME, là thời gian bỏ vào đọc báo chí về kinh doanh, làm giầu, vào tìm kiếm các mối quan hệ, cơ hội kinh doanh. Đơn vị đo là giờ/tuần. Kỳ vọng mang dấu dương. Thứ ba, là các yếu tố kiểm soát hành vi, mà nó biến ý tưởng, lòng mong muốn thành hành động cụ thể. Bao gồm: POTENTIAL, đơn vị đo triệu đồng, là tổng số tiền tối đa mà cá nhân sinh viên có thể huy động được lúc cần thiết. Kỳ vọng mang dấu dương. FIELD: là biến phân loại, nhận giá trị 1, nếu là sinh viên khối ngành kinh tế, và zero, nếu thuộc các ngành học khác. Kỳ vọng mang dấu dương. (Điều này không hẳn đúng, nhất là trong thời đại dotcom). GENDER, cũng là biến phân loại, nhận giá trị 1, nếu là nam, và zero, nếu là nữ, để thử xem cánh mày râu có “yêng hùng” hơn phái yếu trên thương trường hay không. Kỳ vọng mang dấu dương. Cuối cùng, biến được giải thích là TRADE, nhận giá trị 1, nếu cá nhân sinh viên quyết định làm kinh doanh (nhỏ), và zero, nếu không. Kết quả ước lượng là như sau: 1.5769**** 4.872RISK **** 0.3375EXTERNAL 0.1152 TIME *** TRADE (0.459) (0.7352) (0.2547) (0.05122) 0.017 POTENTIAL 0.4067 FIELD 0.2041GENDER (0.0107) (0.2632) (0.2539) Prob( LR-stat) =0.0000, AIC = 0.745, Schwarz = 0.859 Năm 2010 18
  19. Ghi chú: Hệ số ước lượng đi với dấu **** là có ý nghĩa ở mức 0.001, là ở mức 0.05, và * là ở mức *** 0.1. Hệ số trong ngoặc là standard error. 76. Hãy kiểm địmh tính có ý nghĩa ở mức 0.1 (hay 10%) của từng biến sau: EXTERNAL, POTENTIAL, FIELD, và GENDER. Cho trước Z 0.05 1.65 . Trong các mệnh đề sau, đâu là mệnh đề đúng? Tất cả các biến này đều không có ý nghĩa ở mức 10% 77. Giả sử sau khi kiểm định t -test, với mức ý nghĩa 5% cho thấy nên loại bỏ biến GENDER ra khỏi mô hình. (Nam nữ đều là anh hùng, một khi đã dám vào thương trường). Nhưng kết quả cho thấy, các biến EXTERNAL, POTENTIAL, VÀ FIELD vẫn không có ý nghĩa ở mức 5%. Nhóm nghiên cứu nghĩ rằng, có thể ước lượng kém chính xác do đưa quá nhiều biến vào mô hình. Vì vậy, không nên loại bỏ tất cả, mà chỉ một vài biến trong nhóm các biến không có ý nghĩa. Để tự tin làm điều đó, nhóm đã tiến hành phép thử F-test về tính có ý nghĩa đồng thời của cụm biến này. Kết quả kiểm định cho thấy: Fc 2.6431~ F (3,198) . Hơn nữa, F0.05 (3,198) 2.60 . Vậy ta đi đến kết luận là, ở mức ý nghĩa 5%, không nên đồng thời loại bỏ tất cả các biến này khỏi mô hình. Đúng   Sai Giải thích: F0.025 . Vì vậy nên bác bỏ giả thuyết H-null. Fc 78. Nhóm đi đến nhận định rằng, bạn bè gia đình ủng hộ, thì có nghĩa là khả năng về tài chính huy động được cũng sẽ dồi dào. Vì vậy, thay vì việc đưa cả cụm biến EXTERNAL, POTENTIAL, FIELD vào, nhóm chỉ quan tâm tới biến thực, là số tiền có khả năng huy động khi cần thiết, POTENTIAL. Kết quả ước lượng cho ra như sau: 1.916**** 4.825RISK **** 0.1148TIME *** 0.018POTENTIAL* TRADE (0.399) (0.617) (0.049) (0.010) Prob( LR-stat) =0.0000, AIC = 0.74, Schwarz = 0.80 Theo mô hình Probit, công thức đánh giá tác động riêng phần của từng yếu tố tới khả năng tham dự kinh doanh của sinh viên được xác định như sau: Pr ob(TRADE 1) Pr ob(TRADE 1) ^ (1.916 4.825RISK 0.1148TIME 0.018POTENTIAL ) k Xk Xk Trong đó, k=2,3,4, tương ứng lần lượt với X k RISK , TIME, POTENTIAL ; và là hàm xác suất phân bố chuẩn. Dựa trên nhận định đó, em đi đến kết luậ n là, khả năng sinh viên tham dự vào kinh doanh phụ thuộc mạnh nhất vào: Khả năng chấp nhận rủi ro và nỗ lực học hỏi, tìm kiếm cơ hội kinh doanh 79. Nếu em vẫn đưa biến FIELD vào trong mô hình, thì hệ số ước lượng đi kèm sẽ là 0.42, với mức ý nghĩa 10%. (Các hệ số ước lượng khác vẫn giữ nguyên dấu và mức ý nghĩa cho phép). Trong hoàn cảnh như vậy, Năm 2010 19
  20. FIELD 0 : Pr ob(TRADE 1) (1.9 5RISK 0.12TIME 0.017POTENTIAL) FIELD 1 : Pr ob(TRADE 1) (1.9 5RISK 0.12TIME 0.017POTENTIAL 0.42) Như vậy, việc có học ở những trường về kinh tế và quản trị kinh doanh sẽ khiến cho sinh viên dễ tham dự vào hoạt động kinh doanh hơn so với học ở trường khác. Theo em các kết luận sau đây, đâu là cái đúng nhất: Nếu thực tiễn cho thấy học sinh ngành kinh tế và quản trị kinh doanh thực sự có ham thích làm kinh doanh hơn so với các ngành khác, thì tốt nhất là làm tăng mức độ đa dạng của quan sát để nâng hiệu quả ước lượng, mà không nên loại bỏ biến FIELD Nên kiểm định lại cụm biến FIELD và POTENTIAL xem có khả năng loại bỏ đồng thời cả hai biến này không? Nếu không thể, thì phải tăng số lượng quan sát để thu được kết quả ước lượng tốt hơn Năm 2010 20

CÓ THỂ BẠN MUỐN DOWNLOAD

AMBIENT
Đồng bộ tài khoản