Xây dựng mô hình nghiên cứu về chi tiêu hàng tháng của hộ gia đình sinh viên ĐHTM theo ít nhất bốn nhân tố ảnh hưởng kiểm tra và khắc phục khuyết tật của mô hình ( nếu có)

sở lý thuyết

Mô hình hồi quy

1.1 Mô hình hồi quy nhiều biến

Y i : giá trị của biến phụ thuộc Y ❑(i= 1 ,n ) β 1 : hệ số chặn ( hệ số tự do ) β j : hệ số góc ( hệ số hồi quy riêng ) của biến giải thích (j= 2 ,k )

Hệ số co dãn β j thể hiện mối quan hệ giữa biến phụ thuộc Y và biến giải thích X j Cụ thể, khi X j tăng lên 1 đơn vị, giá trị trung bình của Y, ký hiệu là E(Y / X ji), sẽ thay đổi theo β j đơn vị.

Mô hình hồi quy mẫu xây dựng dựa trên mẫu ngẫu nhiên kính thước n :

^ β j : ước lượng của hệ số hồi quy tổng thể β j (j=1,2,…,k)

1.2 Khoảng tin cậy và kiểm định giả thuyết về các hệ số hồi quy

Từ giả thiết về phân phối chuẩn của sai số ngẫu nhiên, có thể suy ra :

2 download by : skknchat@gmail.com

1.2.2 Kiểm định giả thiết về các hệ số hồi quy

Giả sử với mức ý nghĩa α cho trước, ta cần kiểm định giả thiết :

Ta xây dựng tiêu chuẩn kiểm định :

^ se ( β j ) Nếu H 0 đúng thì T T (n−k ) Ta có bảng dưới đây :

+ t ∈ W ∝ =¿ Bác bỏH 0 ,chấp nhậnH 1+ t ∉ W ∝ =¿ Chấpnhận H 0 ,bácbỏ H 1

1.3 Phân tích phương sai và kiểm định giả thuyết đồng thời

1.3.1 Hệ số xác định bội

Xét mô hình hồi quy tổng thể và hàm hồi quy mẫu :

(TSS : Tổng bình phương các sai lệch của biến so với trung bình của nó)

(ESS : Explained Sum of Squared)

(RSS : Residual Sum of Squared)

 Định nghĩa 1 : Hệ số xác định bậc R 2 được định nghĩa như sau :

+ R 2 =1 →Hàmhồi quy cóthể coilà hoànhảo

+ R 2 =0→ Hàm hồiquy không phù hợp

 R 2 đượclàm thuớ đomức độ phù hợp củahàmhồi quy

TC2 : R² là hàm không gian, phụ thuộc vào số biến giải thích trong mô hình Nó là thước đo độ phù hợp của hàm hồi quy, giúp đánh giá mức độ thông tin mà các biến phụ thuộc cung cấp.

 Định nghĩa 2 : Hệ số xác định bội đã điều chỉnh, kí hiệu R 2 được định nghĩa như sau :

- Nếu k >1 thì R 2 ≤ R 2 ≤ 1 và R 2 cũng là hàm không giảm đối với số biến giải thích có trong mô hình.

- có thể nhận giá trị âm dù R 2 luông dương.

Nhận xét : Vậy khi đưa ra 1 biến mới vào mô hình là cần thiết chừng nào R 2 còn tăng lên và hệ số hồi quy của biến mới X j là β j ≠ 0.

1.3.2 Kiểm định giả thuyết đồng thời

Ta có giả thuyết tương đương :

Ta có miền bác bỏ :

Các khuyết tật của mô hình

2.1.1 Hiện tượng đa cộng tuyến

Hiện tượng đa cộng tuyến không toàn phần (đa cộng tuyến) xảy ra giữa các biến giải thích

X 2, X 3, , X k nếu tồn tại λ 2, λ 3, , λ k không đồng thời bằng 0 sao cho: λ 2 X 2 i + λ 2 X 3 i + + λ k X ki = 0 ∀ i

Trong thực tế, thường xảy ra đa cộng tuyến không toàn phần, hiếm khi xảy ra đa cộng tuyến toàn phần.

- Trường hợp đa cộng tuyến toàn phần : các hệ số hồi quy mẫu là không xác định và các độ lệch tiêu chuẩn là vô hạn.

Trong trường hợp đa cộng tuyến không toàn phần, chúng ta vẫn có thể xác định các hệ số hồi quy mẫu Tuy nhiên, phương sai và độ lệch tiêu chuẩn của các hệ số này sẽ rất lớn, điều này có thể ảnh hưởng đến độ tin cậy của các kết quả phân tích.

+ Khoảng tin cậy của các hệ số hồi quy rộng hơn.

+ Hệ số xác định bội R 2 cao nhưng t nhỏ ( mất ý nghĩa)

2.1.2 Phát hiện sự tồn tại đa cộng tuyến

- Hệ số xác định bội R 2 cao nhưng tỷ số T thấp ( P-giá trị cao).

- Hệ số tương quan cặp giữa các biến giải thích cao.

- Sử dụng nhân tử phóng đại phương sai VIF.

2.2.1 Hiện tượng tự tương quan

Hiện tượng tự tương quan xảy ra khi Cov ( U i ;U j )=E ( U i ;U j ) ≠ 0( ∀ i≠ j)

Trong đó : ρ : Hệ số TTQ bậc 1

6 download by : skknchat@gmail.com ε t : nhiễu ngẫu nhiên thoả mãn mọi giả thiết của MHHQTTCĐ

 Mô hình được gọi là AR (1) − Auto Reqressive

U t =ρ 1 U t−1 + ρ 2 U t −2 +… ρ p U t − p + ε t ρ j : Hệ số hồi quy bậc j (j= 1,p ) ε t : Nhiễu ngẫu nhiên thoả mãn mọi giá trị của MHHQTTCĐ.

+ Quán tính : tính chất phổ biến của các đại lượng kinh tế theo quan sát

+ Tính chất : “trễ” của các đại lượng kinh tế.

+ Phương pháp ( kỹ thuật ) thu thập và xử lý dữ liệu.

+ Sai lầm khi lập mô hình : bỏ biến, dạng hàm sai,

- Các ước lượng BPNN ^ β j là các ước lượng tuyến tính không chệch nhưng không phải là hiệu quả nữa.

+ Khoảng tin cậy của β j kéo giãn, sai số ước lượng lớn.

+ Dễ ngộ nhận khi loại bỏ biến ra khỏi mô hình.

- Các ước lượng của các phương sai là chệch và thông thường là thấp hơn giá trị thực của nó.

- Thống kê T&F không còn đáng tin cậy nữa Các dự báo dựa trên các ước lượng BPNN không còn tin cậy.

2.2.4 Phát hiện tự tương quan

B1: Ước lượng MHHQ gốc thu được e t

{ H 0 : Mô hìnhk hông có tự tương quan

Kết luận: d ∈ (1) : TTQ thuận chiều d ∈ (2), (4): Không xác định d ∈ (3) : Không có TTQ d ∈ (5) : TTQ nghịch chiều

* Kiểm định BG (Breush – Godfrey)

B1: ƯLMH ban đầu bằng phương pháp BPNN thông thường để thu được các phần dư e t

B2: Cũng bằng phương pháp BPNN, ước lượng mô hình sau để thu được hệ số xác định bội

=> Miền bác bỏ W = { X tn : X tn > X 2

2.3.Phương sai của sai số thay đổi

2.3.1 Hiện tượng phương sai của sai số thay đổi

Var ( U i )=σ 2 =∀ i bị vi phạm tức là :

- Khách quan : do bản chất của các mối liên hệ giữa các đại lượng kinh tế.

- Chủ quan : do kỹ thuật thu thập và xử lý số liệu, học được hành vi, kinh nghiệm từ quá khứ,

-Các ước lượng BPNN ^ β j là các ước lượng tuyến tính không chệch nhưng không phải là hiệu quả nữa.

- Khoảng tin cậy không còn đáng tin cậy, sai số mắc phải lớn.

- Các ước lượng của các phương sai sẽ là ước lượng chệch, giá trị của thống kê T&F không còn ý nghĩa nữa.

2.3.4 Phát hiện phương sai của sai số thay đổi

B1: ƯLMH mô hình gốc để thu được e i => e 2 i

B2: Vẽ đồ thị của e i theo chiều tăng của biến X j nào đó

B3: Kết luận: Nếu e i mà biến động tăng hoặc giảm khi X j tăng thì có thể nghi ngờ PSSS thay đổi.

Ta có các dạng đồ thị:

- Hình a, phương sai sai số là không đổi (đồng đều) 9 download by : skknchat@gmail.com

- Hình b, c, d, e có thể nghi ngờ hiện tượng phương sai sai số thay đổi * Kiểm định

B1: Sắp xếp các giá trị quan sát theo chiều tăng của biến X j

B2: Bỏ c quan sát ở giữa theo quy tắc:

Các quan sát còn lại chia 2 nhóm, mỗi nhóm có (n-c)/2 quan sát

B3: UL mô hình với (n-c)/2 quan sát đầu và cuối thu được RSS 1 và RSS 2tương ứng với bậc tự do là: df n−c - k = n−c−2 k

=> Miền bác bỏ: W α = { f tn : f tn > f (df 1 , df 2 ) }

Ta có MH: ln σ i 2 = ln σ 2 + α 2 ln X ji + v i (*)

B1: ƯLMH gốc ban đầu thu được phần dư e i

B3: BTKĐ: { H 0 1 : PSSS thay đổi hay{ H 1 0 :α 2 2 ≠ 0

TCKĐ: T Sử dụng miền bác bỏ W α hoặc P – giá trị

Nếu giả thuyết H 0 : α 2 =0bị bác bỏ thì kết luận có phương sai của sai số thay đổi.

- White có lát cắt: σ i 2 = β ' 1 + β ' 2 X 2 i + + β ' k X ki + α 2 X 2 2 i + …+α k X 2 ki + ∑ γ ¿ X ji X ti + v i (1)

- White không lát cắt: σ i 2= β ' 1+ β ' 2 X 2+ + β ' k X ki + α 2 X 2 2 i + …+α k X 2 ki + v i (2)

B1: Ước lượng mô hình gốc và thu được các phần dư e i => e i 2

B2: Ước lượng mô hình White ở dạng (1) hoặc (2) thu được R ¿ 2

{ H 1 : PSSS thay đổi H 1 :∃hệ số ≠ 0

* Kiểm định dựa trên biến phụ thuộc

B1: Ước lượng mô hình gốc và thu được các phần dư e i => e 2 i

BTKĐ: { H 0 1 : PSSS thay đổi hay { H 1 0 : α 2 2 ≠ 0

2.4.Tính phân phối chuẩn của sai số ngẫu nhiên U i Để sử dụng các kiểm định T, kiểm định F, X 2 , trong hầu hết các trường hợp chúng ta giả thiết rằng các yếu tố ngẫu nhiên U i có phân bố chuẩn Do tổng thể chưa biết nên ta cũng không biết U i và cần phải thông qua để e i đoán nhận.

Hầu hết thường sử dụng kiểm định Jarque-Bera (JB)

H 1 : U khôngcó phân phốichuẩn B1: Ước lượng mô hình hồi quy gốc, thu được phần dư e i

{ Slà hệ số bất đối xứng

Trong đó: K làđộnhọn nlàkích thước mẫu

Nếu JB > X 2 α bác bỏ H 0chấp nhận H 1.

BÀI TẬP ÁP DỤNG

Mô hình hồi quy ban đầu

^ MCT i =0.095499 +0.299987 TN i +1.010651 STV i + 0.042259 DT i +1.792910 BC i −0.269348 KVS i

2.1.2 Kiểm tra thừa biến, thiếu biến

2.1.2.1 Kiểm tra thừa biến a Kiểm định hệ số hồi quy mô hình ban đầu

Kết luận: Với mức ý nghĩa 5%, thu nhập có ảnh hưởng đáng kể đến mức chi tiêu hàng tháng của các hộ gia đình sinh viên, và vì vậy, đã được chọn để đưa vào mô hình phân tích.

- P giá trị = 0.0003 < 0.05 → Bác bỏ H 0, chấp nhận H 1

Kết luận: Với mức ý nghĩa 5%, số thành viên trong hộ gia đình có tác động đáng kể đến mức chi tiêu hàng tháng của sinh viên, do đó yếu tố này được lựa chọn để đưa vào mô hình phân tích.

* Biến Độ tuổi của chủ hộ:

Kết luận: Tại mức ý nghĩa 5%, độ tuổi của chủ hộ không có tác động đến mức chi tiêu hàng tháng của hộ gia đình sinh viên, do đó không được đưa vào mô hình phân tích.

* Biến Bằng cấp của chủ hộ:

Kết luận: Dựa trên mức ý nghĩa 5%, bằng cấp của chủ hộ có tác động đáng kể đến mức chi tiêu của các hộ gia đình sinh viên, và do đó, đã được chọn để đưa vào mô hình phân tích.

Kết luận: Dựa trên mức ý nghĩa 5%, Khu vực sống không có ảnh hưởng đến Mức chi tiêu của hộ gia đình sinh viên, do đó không được đưa vào mô hình.

Bước 1: Mô hình hồi quy gốc:

^ MCT i =0.095499 +0.299987 TN i +1.010651 STV i + 0.042259 DT i +1.792910 BC i −0.269348 KVS i

Bước 2: Mô hình sau khi bỏ 2 biến DT và KVS:

H : Nên loại bỏ 2biến DT và KVS

- Bài toán kiểm định: { H 1 : Không 0 nênloại bỏ 2biến DT và KVS

(R UR 2 −R R 2 )/2 (1−R UR 2 )/(n−6) Nếu H 0 đúng thì F~ F (2 ,n−6)

- P giá trị = 0.650984 > 0.05 → Chấp nhận H 0 , bác bỏ H 1

Kết luận: Với mức ý nghĩa 5%, nên loại bỏ 2 biến DT và KVS.

^ MCT i =0.095499+0.299987 TN i +1.010651 STV i + 0.042259 DT i +1.792910 BC i −0.269348 KVS i

- Bài toán kiểm định: { H : Mô hìnhkhôngthiếu biến

- Tiêu chuẩn kiểm định: F= (R new 2 −R old 2 )/1

Kết luận: Vói mức ý nghĩa 5%, mô hình không thiếu biến.

2.1.3 Mức độ phù hợp của mô hình sơ bộ

- Bài toán kiểm định: { H : Mô hìnhkhông phùhợp H : R 2 =0

- Tiêu chuẩn kiểm định: F (1−R 2 )/(n−k ) Nếu H 0 đúng thì F~ F (k−1 ,n−k )

Kết luận: Với mức ý nghĩa 5%, mô hình sơ bộ phù hợp.

2 Kiểm tra khuyết tật của mô hình

2.2.1 Phương sai sai số thay đổi a) Kiểm định White

= -6,4187 + 0,2462TN + 2,4043STV - 0,0046TN – 0,7849STV + 0,1715TN*STV - e i

0,6430 TN*BC+1,2971STV*BC + 7,1206 BC 2

H : Phương sai sai số khôngđổi

BTKĐ { H 0 1 : Phươngsai sai số thay đổi :

Kết luận:Mô hình không xảy ra hiện tượng phương sai sai số thay đổi. b) Kiểm định Glejser

{ H 0 : Phương sai sai số khôngđổi

H 1 : Phương sai sai số thay đổi

Kết luận:Mô hình xảy ra hiện tượng phương sai sai số thay đổi. c) Kiểm định Goldfeld – Quandt Ta có n = 70, lấy c = 14

RSS 2 9,7968 ;df 2 $ { H 0 : Phương sai sai số khôngđổi

H 1 : Phương sai sai số thay đổi

Miền bác bỏ: W α = { f tn : f tn > f ( 0 24

=0,5539 ∉W α ⇒ Chấp nhận H0, bác bỏ H1. f tn = 198,2141/24

Kết luận : Phương sai sai số không bị thay đổi

2.2.2 Tự tương quan a) Kiểm định Durbin Watson

Xét mô hình: MCT = 1,8785 + 0,2944TN + 1,08209STV + 1,7933BC

=> Không có tự tương quan b) Kiểm định Breusch - Godfrey (B-G)

=> Mô hình không tự tương quan bậc 1

MCT 2= -0,0626 + 0,0019TN + 0,0147STV - 0,0709BC - 0,0769 et-1

Kết luận: Mô hình không tự tương quan bậc 2

25 download by : skknchat@gmail.com a) R 2cao nhưng tỉ số t thấp

Trường hợp R 2 cao (thường R 2> 0,8) mà tỉ số t thấp (gần 0) thì đó là dấu hiệu của hiện tượng ĐCT

BTKĐ: { H : Mô hìnhkhông xảy rađacộngtuyến

Dựa vào kết quả Eviews ta có:

P-giá trị = 0,000 thấp P-giá trị = 0,0108 thấp P-giá trị = 0,0001 thấp t ( α 70 /2 −3) =t 67 0,025 ≈ 2,000

Kết luận: Mô hình không có đa cộng tuyến b) Tương quan cặp giữa các biến giải thích

Nếu hệ số tương quan cặp giữa các biến giải thích cao (vượt 0,8) thì có khả năng tồn tại ĐCT.

26 download by : skknchat@gmail.com r (TN; STV) = 0,634 < 0,8 r (TN; BC) = 0,484 < 0,8 r ( STV; BC) = 0,357 < 0,8

Hệ số tương quan giữa các biến giải thích không cao, do đó chưa có cơ sở để khẳng định mô hình có đặc tính đồng nhất Thêm vào đó, cần lưu ý về nhân tử phóng đại phương sai trong quá trình phân tích.

Các giá trị VIF là Centered VIF đều < 2

Kết luận: không có đa cộng tuyến

BTKĐ: { H 1 : U t khôngcó phân phối chuẩn { H 1 : k≠ 3 ; s≠ 0

Kết luận: Mô hình có phân phối chuẩn

2.3 Khắc phục phương sai sai số thay đổi:

Phát hiện mô hình có hiện tượng phương sai sai số thay đổi từ kiểm định Glejser với P_value = 0,0202 < 5%.

Ta khắc phục hiện tượng phương sai sai số thay đổi: a) Kiểm định dựa trên biến phụ thuộc:

* Kiểm định phương sai sai số thay đổi với biến “TN”:

Thực hiện trên Eviews bằng cách dùng lệnh: ls resid^2 c tn^2

Ta có bảng kết quả Eviews:

Ta thu được mô hình: ^

Kết luận: Mô hình có hiện tượng phương sai sai số thay đổi => Biến độc lập TN là biến có trọng số của mô hình

* Kiểm định phương sai sai số thay đổi với biến “STV”: 29 download by : skknchat@gmail.com

Thực hiện trên Eviews bằng cách dùng lệnh: ls resid^2 c stv^2

Kết luận:Mô hình không có hiện tượng phương sai sai số thay đổi => Biến độc lập STV không phải là biến có trọng số của mô hình

* Kiểm định phương sai sai số thay đổi với biến “BC”:

Thực hiện trên Eviews bằng cách dùng lệnh: ls resid^2 c bc^2

P_value = 0,386087 > 0,05 → Chấp nhận H 0 , bác bỏ H 1

Kết luận: Mô hình không xuất hiện hiện tượng phương sai sai số thay đổi, do đó biến độc lập BC không phải là biến trọng số của mô hình Để khắc phục hiện tượng phương sai sai số thay đổi, cần áp dụng các phương pháp phù hợp nhằm cải thiện độ chính xác và tính ổn định của mô hình.

Mô hình biến TN có phương sai sai số thay đổi theo biến MCT, vì vậy chúng ta cần tìm trọng số cho biến TN Để khắc phục vấn đề này, phương pháp bình phương nhỏ nhất có trọng số được áp dụng nhằm điều chỉnh phương sai sai số thay đổi trong mô hình.

- Định lại các biến và loại bỏ các biến bằng 0 của biến TN với điều kiện của biến là TN < 0 và TN > 0.

- Xét mô hình hồi quy ban đầu:

BC i - Do σ 2 i chưa biết nên xét giả thiết σ 2 =σ 2 TN i ( σ 2 là hằng số dương)

- Ta chia 2 vế của mô hình ban đầu cho TN i , ta được: 31 download by : skknchat@gmail.com

- Mô hình có: Var ( u i )=σ 2 TN 2 i

- Thực hiện bằng công cụ Eviews, ta thu được mô hình mới:

Ta được mô hình hồi quy:

Ta được mô hình hồi quy gốc bằng cách nhân cả 2 vế với TN i :

2.4 Kiểm tra mô hình mới:

* Hiện tượng phương sai sai số thay đổi:

Sử dụng kiểm định White có tích chéo để đánh giá mô hình mới sau khi đã điều chỉnh phương sai sai số thay đổi Dưới đây là bảng kết quả từ Eviews.

P_value = 0,4336 > 0,05 → Chấp nhận H 0, bác bỏ H 1

Kết luận: Mô hình không có hiện tượng phương sai sai số thay đổi

BTKĐ: { H 1 : U t không có phân phối chuẩn ↔ { H 0 1 :K ≠3 ;S≠0

* Hiện tượng đa cộng tuyến:

- Kiểm định bằng việc thực hiện hồi quy phụ:

BTKĐ: { H 0 : Mô hìnhkhôngcó đacộngtuyến H 0 : R BC 2 =0

TCKĐ: F R BC 2 /( k−2) (1−R BC 2 )/(n−k +1) Nếu H 0 đúng F ~ F(k-2 ; n-k+1)

Nhận thấy từ bảng Eviews, P-value = 0.007332 < α (0.05)

 Mô hình có hiện tượng đa cộng tuyến

- Kiểm định bằng việc sử dụng nhân tử phóng đại phương sai VIF: 34 download by : skknchat@gmail.com

Bảng kết quả thực hiện VIF:

Chỉ số VIF của ba biến nằm trong khoảng (1;5), cho thấy sự tương quan vừa phải giữa các biến, tuy nhiên mức độ này không nghiêm trọng đến mức cần phải áp dụng biện pháp khắc phục.

Kết luận: Có xảy ra hiện tượng đa cộng tuyến nhưng không quá nghiêm trọng nên không cần tìm biện pháp khắc phục

* Hiện tượng tự tương quan:

Sử dụng kiểm định Durbin – Watson để kiểm định mô hình mới Bảng kết quả Eviews như sau:

BTKĐ: { H : Mô hìnhkhôngcó tự tương quan

Với n = 70, k’ = 2  d L = 1,554; d U = ∈1,672  4 – d L = 2,446; 4 – d U = 2,328 Từ bảng Eview, ta thấy d = 2,232410 (2; 2,328).

 Mô hình không có tự tương quan bậc 1.

Ta có bảng kết quả Eviews như sau:

: Mô hìnhkhôngcó tự tương quan bậc 2

Từ bảng Eviews ta thấy P-value = 0,2157 > ∝ (0.05)

2.5: Kiểm tra khuyết tật của mô hình cuối cùng b) Phương sai sai số thay đổi

Obs*R-squared 1.224347 Prob Chi-Square(3) 0.7472

Scaled explained SS 0.582188 Prob Chi-Square(3) 0.9005

Collinear test regressors dropped from specification

Variable Coefficient Std Error t-Statistic Prob.

S.E of regression 4.242363 Akaike info criterion 5.783563

Sum squared resid 1187.845 Schwarz criterion 5.912049

Log likelihood -198.4247 Hannan-Quinn criter 5.834599

Xét mô hình White không lát cắt:

Kết luận: Mô hình không có phương sai sai số thay đổi b) Tự tương quan

- Kiểm định Breush – Godfrey: + Tự tương quan bậc 1:

Breusch-Godfrey Serial Correlation LM Test:

Presample missing value lagged residuals set to zero.

Prob(F-statistic) 0.568411 Weighted mean dep -2.80E-15

Kết luận: Mô hình không có tự tương quan bậc

S.E of regression 3.027537 Sum squared resid 586.6227

BTKĐ: { H 1 : U t khôngcó phân phối chuẩn ↔ { H 0 1 :K ≠3 ;S≠0

Kết luận: Mô hình có phân phối chuẩn d) Đa cộng tuyến

TCKĐ: F R BC 2 /(k−2) (1−R BC 2 )/(n−k +1) Nếu H 0 đúng F ~ F(k-2 ; n-k+1)

Nhận thấy từ bảng Eviews, P-value = 0.007332 < 5%

Kết luận: Mô hình có hiện tượng đa cộng tuyến nhưng không quá nghiêm trọng e) Kết luận

Mô hình nghiên cứu về chi tiêu hàng tháng của hộ gia đình sinh viên đại học Thương mại đã được kiểm định và chứng minh tính phù hợp với đề tài Nhóm nghiên cứu quyết định công bố mô hình cuối cùng dựa trên ít nhất 4 nhân tố ảnh hưởng.

2.6: Ý nghĩa hệ số hồi quy mô hình được công bố

- Mô hình nghiên cứu về chi tiêu hàng tháng của hộ gia đình sinh viên ĐHTM:

-Ý nghĩa các hệ số hồi quy:

Khi số lượng thành viên và trình độ học vấn không thay đổi, việc tăng thu nhập thêm 1 triệu đồng sẽ dẫn đến mức chi tiêu trung bình của hộ gia đình tăng khoảng 0,456 triệu đồng.

^ β 3 =0,850921 :Khi thu nhập và bằng cấp không thay đổi, nếu số thành viên tăng thêm 1 đơn vị thì mức chi tiêu của hộ gia đình tăng 0,850921 (triệu đồng).

^ β 4 =0,727058:Khi thu nhập và số thành viên không thay đổi, nếu bằng cấp tăng 1 đơn vị thì mức chi tiêu của hộ gia đình tăng 0,72058 (triệu đồng).

Mức chi tiêu của hộ gia đình sinh viên tại Đại học Thương Mại tỷ lệ thuận với ba yếu tố chính: thu nhập, số lượng thành viên trong gia đình và trình độ học vấn.

Khắc phục phương sai sai số thay đổi

Phát hiện mô hình có hiện tượng phương sai sai số thay đổi từ kiểm định Glejser với P_value = 0,0202 < 5%.

Ta khắc phục hiện tượng phương sai sai số thay đổi: a) Kiểm định dựa trên biến phụ thuộc:

* Kiểm định phương sai sai số thay đổi với biến “TN”:

Thực hiện trên Eviews bằng cách dùng lệnh: ls resid^2 c tn^2

Kết luận: Mô hình có hiện tượng phương sai sai số thay đổi => Biến độc lập TN là biến có trọng số của mô hình

* Kiểm định phương sai sai số thay đổi với biến “STV”: 29 download by : skknchat@gmail.com

Thực hiện trên Eviews bằng cách dùng lệnh: ls resid^2 c stv^2

Kết luận:Mô hình không có hiện tượng phương sai sai số thay đổi => Biến độc lập STV không phải là biến có trọng số của mô hình

* Kiểm định phương sai sai số thay đổi với biến “BC”:

Thực hiện trên Eviews bằng cách dùng lệnh: ls resid^2 c bc^2

P_value = 0,386087 > 0,05 → Chấp nhận H 0 , bác bỏ H 1

Kết luận cho thấy rằng mô hình không gặp phải hiện tượng phương sai sai số thay đổi, điều này cho thấy biến độc lập BC không đóng vai trò là biến có trọng số trong mô hình Để khắc phục hiện tượng phương sai sai số thay đổi, cần áp dụng các phương pháp phù hợp nhằm cải thiện độ chính xác của mô hình.

Mô hình biến TN có phương sai sai số thay đổi theo biến MCT, vì vậy chúng ta cần xác định trọng số cho biến TN Để khắc phục vấn đề này, phương pháp bình phương nhỏ nhất có trọng số được áp dụng nhằm điều chỉnh sai số và cải thiện độ chính xác của mô hình.

- Định lại các biến và loại bỏ các biến bằng 0 của biến TN với điều kiện của biến là TN < 0 và TN > 0.

- Xét mô hình hồi quy ban đầu:

BC i - Do σ 2 i chưa biết nên xét giả thiết σ 2 =σ 2 TN i ( σ 2 là hằng số dương)

- Ta chia 2 vế của mô hình ban đầu cho TN i , ta được: 31 download by : skknchat@gmail.com

- Mô hình có: Var ( u i )=σ 2 TN 2 i

- Thực hiện bằng công cụ Eviews, ta thu được mô hình mới:

Ta được mô hình hồi quy:

Ta được mô hình hồi quy gốc bằng cách nhân cả 2 vế với TN i :

Kiểm tra mô hình mới

* Hiện tượng phương sai sai số thay đổi:

Sử dụng kiểm định White có tích chéo để xác minh mô hình mới sau khi đã điều chỉnh phương sai sai số thay đổi Dưới đây là bảng kết quả từ Eviews.

P_value = 0,4336 > 0,05 → Chấp nhận H 0, bác bỏ H 1

Kết luận: Mô hình không có hiện tượng phương sai sai số thay đổi

BTKĐ: { H 1 : U t không có phân phối chuẩn ↔ { H 0 1 :K ≠3 ;S≠0

* Hiện tượng đa cộng tuyến:

- Kiểm định bằng việc thực hiện hồi quy phụ:

TCKĐ: F R BC 2 /( k−2) (1−R BC 2 )/(n−k +1) Nếu H 0 đúng F ~ F(k-2 ; n-k+1)

Nhận thấy từ bảng Eviews, P-value = 0.007332 < α (0.05)

 Mô hình có hiện tượng đa cộng tuyến

- Kiểm định bằng việc sử dụng nhân tử phóng đại phương sai VIF: 34 download by : skknchat@gmail.com

Bảng kết quả thực hiện VIF:

Chỉ số VIF của ba biến đều nằm trong khoảng (1;5), cho thấy sự tương quan vừa phải giữa các biến mà không đến mức nghiêm trọng, do đó không cần thiết phải áp dụng biện pháp khắc phục.

Kết luận: Có xảy ra hiện tượng đa cộng tuyến nhưng không quá nghiêm trọng nên không cần tìm biện pháp khắc phục

* Hiện tượng tự tương quan:

Sử dụng kiểm định Durbin – Watson để kiểm định mô hình mới Bảng kết quả Eviews như sau:

BTKĐ: { H : Mô hìnhkhôngcó tự tương quan

Với n = 70, k’ = 2  d L = 1,554; d U = ∈1,672  4 – d L = 2,446; 4 – d U = 2,328 Từ bảng Eview, ta thấy d = 2,232410 (2; 2,328).

Ta có bảng kết quả Eviews như sau:

: Mô hìnhkhôngcó tự tương quan bậc 2

Từ bảng Eviews ta thấy P-value = 0,2157 > ∝ (0.05)

Kiểm tra khuyết tật của mô hình cuối cùng

b) Phương sai sai số thay đổi

Scaled explained SS 0.582188 Prob Chi-Square(3) 0.9005

Collinear test regressors dropped from specification

Xét mô hình White không lát cắt:

Kết luận: Mô hình không có phương sai sai số thay đổi b) Tự tương quan

- Kiểm định Breush – Godfrey: + Tự tương quan bậc 1:

S.E of regression 3.027537 Sum squared resid 586.6227

BTKĐ: { H 1 : U t khôngcó phân phối chuẩn ↔ { H 0 1 :K ≠3 ;S≠0

Kết luận: Mô hình có phân phối chuẩn d) Đa cộng tuyến

TCKĐ: F R BC 2 /(k−2) (1−R BC 2 )/(n−k +1) Nếu H 0 đúng F ~ F(k-2 ; n-k+1)

Nhận thấy từ bảng Eviews, P-value = 0.007332 < 5%

Kết luận: Mô hình có hiện tượng đa cộng tuyến nhưng không quá nghiêm trọng e) Kết luận

Mô hình nghiên cứu về chi tiêu hàng tháng của hộ gia đình sinh viên đại học Thương mại đã được kiểm định và xác nhận tính phù hợp với đề tài Nhóm nghiên cứu quyết định công bố mô hình cuối cùng dựa trên ít nhất 4 nhân tố ảnh hưởng.

2.6: Ý nghĩa hệ số hồi quy mô hình được công bố

- Mô hình nghiên cứu về chi tiêu hàng tháng của hộ gia đình sinh viên ĐHTM:

-Ý nghĩa các hệ số hồi quy:

Khi số lượng thành viên và trình độ học vấn không thay đổi, việc tăng thu nhập thêm 1 triệu đồng sẽ dẫn đến mức chi tiêu trung bình của hộ gia đình tăng khoảng 0,456 triệu đồng.

^ β 3 =0,850921 :Khi thu nhập và bằng cấp không thay đổi, nếu số thành viên tăng thêm 1 đơn vị thì mức chi tiêu của hộ gia đình tăng 0,850921 (triệu đồng).

^ β 4 =0,727058:Khi thu nhập và số thành viên không thay đổi, nếu bằng cấp tăng 1 đơn vị thì mức chi tiêu của hộ gia đình tăng 0,72058 (triệu đồng).

Mức chi tiêu của hộ gia đình sinh viên Đại học Thương Mại tỷ lệ thuận với ba yếu tố chính: thu nhập, số lượng thành viên trong gia đình và trình độ học vấn.

Ý nghĩa hệ số hồi quy mô hình cuối cùng

1 Lập ngân sách chi tiêu

- Dù thu nhập cao hay thấp, nếu muốn quản lý chi tiêu hiệu quả, không thể bỏ qua bước lập ngân sách.

Lập ngân sách giúp bạn chi tiêu một cách có kế hoạch và trong phạm vi hạn mức đã định, từ đó tránh tình trạng bội chi và phải vay mượn để đáp ứng nhu cầu tiêu dùng Điều này đặc biệt quan trọng đối với các gia đình có thu nhập trung bình và thấp.

Khi lập ngân sách chi tiêu, bạn cần phân chia toàn bộ thu nhập thành các khoản mục như chi tiêu, tiết kiệm và đầu tư với hạn mức cụ thể cho từng mục Điều này giúp bạn hình thành thói quen chi tiêu hợp lý, từ đó đảm bảo tình hình tài chính luôn ổn định.

- Để có ngân sách chi tiêu, bạn có thể tham khảo một số phương pháp dưới đây:

Bạn có thể áp dụng quy tắc 50/30/20 để quản lý ngân sách chi tiêu hiệu quả: Dành 50% cho chi phí thiết yếu như thuê nhà, thực phẩm và hóa đơn; 30% cho chi tiêu cá nhân như giải trí và du lịch; và 20% cho các mục tiêu tài chính như tiết kiệm và trả nợ.

Phương pháp quản lý tài chính của T Harv Eker đề xuất chia thu nhập hàng tháng thành 6 hũ với các mục đích cụ thể: 55% dành cho chi tiêu thiết yếu như ăn uống, nhà ở và đi lại; 10% cho giáo dục và đào tạo, bao gồm học tập và mua sách; 10% cho tiết kiệm, bao gồm tiết kiệm dài hạn và quỹ khẩn cấp; 10% cho hưởng thụ, như mua sắm, giải trí và du lịch; 10% cho tự do tài chính, bao gồm đầu tư và quỹ hưu trí; và 5% cho từ thiện.

Sau khi lập ngân sách, hãy đảm bảo chi tiêu đúng theo hạn mức đã đề ra Để quản lý tài chính hiệu quả, cần theo dõi các khoản thu chi hàng tháng để hiểu rõ cách sử dụng tiền của mình Từ đó, bạn có thể điều chỉnh chi tiêu một cách hợp lý.

Hằng ngày, bạn nên ghi chép tất cả các khoản chi tiêu vào sổ tay, tạo file Excel hoặc sử dụng các ứng dụng quản lý chi tiêu trên điện thoại Đừng bỏ qua bất kỳ khoản chi nào, dù là nhỏ nhất Sau mỗi tháng, bạn sẽ có cái nhìn tổng quan về thói quen chi tiêu của bản thân.

3 Lên danh sách trước khi mua sắm để tiết kiệm chi tiêu

Trước khi đi chợ hoặc mua sắm, hãy lập danh sách các sản phẩm cần thiết Điều này không chỉ tiết kiệm thời gian cho bạn mà còn giúp ngăn ngừa việc chi tiêu quá mức.

GIẢI PHÁP

KẾT LUẬN

Chúng em đã phát triển một mô hình nghiên cứu về chi tiêu hàng tháng của hộ gia đình sinh viên ĐHTM, dựa trên 5 nhân tố ảnh hưởng: số thành viên gia đình, thu nhập, bằng cấp chủ hộ, khu vực sống và độ tuổi Mô hình này sẽ được sử dụng để khảo sát, kiểm định và phân tích các yếu tố ảnh hưởng đến chi tiêu Qua phương pháp phân tích nhân tố, kết quả cho thấy có 3 nhân tố chính tác động đến chi tiêu hàng tháng là số thành viên gia đình, thu nhập và bằng cấp chủ hộ Từ những kết luận này, chúng em đề xuất các giải pháp nhằm cải thiện tình hình chi tiêu hàng tháng của hộ gia đình sinh viên ĐHTM.

Bài trình bày mô hình kinh tế lượng của nhóm 9 nhằm cung cấp cái nhìn tổng quan về ảnh hưởng của số thành viên trong gia đình, thu nhập và bằng cấp của chủ hộ đến chi tiêu hàng tháng của sinh viên ĐHTM Mặc dù bài làm còn nhiều thiếu sót và lỗi sai, nhóm hy vọng rằng những phân tích này sẽ góp phần hiểu rõ hơn về mối quan hệ giữa các yếu tố này và chi tiêu của hộ gia đình sinh viên.

TÀI LIỆU THAM KHẢO

Giáo trình kinh tế lượng

PHỤ LỤC

Để nghiên cứu mô hình chi tiêu hàng tháng của hộ gia đình sinh viên Đại học Thương mại, chúng tôi đã tiến hành khảo sát 71 sinh viên với 6 biến số chính: mức chi tiêu trung bình một tháng (MCT) tính bằng triệu đồng, thu nhập trung bình một tháng (TN) cũng tính bằng triệu đồng, số thành viên trong gia đình (STV) tính theo số người, độ tuổi của chủ hộ (DT) tính bằng tuổi, và bằng cấp của chủ hộ (BC) yêu cầu tốt nghiệp THPT trở lên.

; chưa tốt nghiệp THPT: 0); khu vực sống (KVS) (thành thị: 1; nông thôn:

0) Bảng số liệu chúng em đã thu được như sau:

STT MCT TN STV DT BC KVS

Chúng em, nhóm 9 lớp Kinh tế lượng, xin chân thành cảm ơn thầy Mai Hải An đã tận tâm truyền đạt kiến thức chuyên môn cùng những kinh nghiệm sống quý báu Sự hướng dẫn của thầy không chỉ giúp chúng em hoàn thành bài thảo luận tốt nhất mà còn là hành trang thiết yếu cho sự nghiệp tương lai tại các doanh nghiệp.

Cảm ơn các thành viên trong nhóm 9 đã tích cực tham gia và đóng góp ý kiến trong quá trình học tập và thảo luận Sự hỗ trợ lẫn nhau của các bạn đã tạo ra một môi trường học tập hiệu quả, mặc dù đôi khi vẫn có những ý kiến khác biệt.

Chúng ta đã học cách lắng nghe và góp ý cho nhau, điều này giúp đạt được mục tiêu cuối cùng là hoàn thành bài thảo luận một cách hiệu quả.

Mặc dù đã nỗ lực hết mình, nhưng do hạn chế về trình độ hiểu biết và kinh nghiệm thực tế, bài thảo luận vẫn không tránh khỏi một số sai sót Chúng tôi rất mong nhận được những ý kiến đóng góp quý báu từ thầy và các bạn để nâng cao chất lượng bài thảo luận.

Chúc thầy luôn khỏe mạnh và gặt hái nhiều thành công trong sự nghiệp giáo dục cao quý Mong rằng các bạn học sinh luôn giữ vững ngọn lửa nhiệt huyết, tận dụng sức trẻ và sức khỏe để đạt được những thành tựu trong công việc và cuộc sống.

Nhóm 9 xin chân thành cảm ơn!

BẢNG ĐÁNH GIÁ THÀNH VIÊN

Họ và tên Chức Công việc Đánh giá danh

Tiêu đề	Xây Dựng Mô Hình Nghiên Cứu Về Chi Tiêu Hàng Tháng Của Hộ Gia Đình Sinh Viên ĐHTM Theo Ít Nhất Bốn Nhân Tố Ảnh Hưởng Kiểm Tra Và Khắc Phục Khuyết Tật Của Mô Hình (Nếu Có)
Tác giả	Nhóm 9
Người hướng dẫn	GVHD: Mai Hải An
Trường học	Trường Đại Học Thương Mại
Chuyên ngành	Kinh Tế Lượng
Thể loại	Bài Thảo Luận
Năm xuất bản	2021
Thành phố	Hà Nội

Định dạng
Số trang	66
Dung lượng	1,37 MB