Mô hình nghiên cứu về mức chi tiêu của các bạn sinh viên đại học thương mại

Mô hình nghiên cứu về mức chi tiêu của các bạn sinh viên đại học thương mại MỞ ĐẦU I. Tính cấp thiết của đề tài I. Đối tượng nghiên cứu Thu nhập làm thêm của sinh viên II. Phạm vi nghiên cứu III. Phương pháp nghiên cứu CHƯƠNG 1: CƠ SỞ LÝ THUYẾT I. Khái niệm thu thập 1. Thu nhập 2. Thu nhập cá nhân II. Khái niệm và đặc điểm của công việc làm thêm 1. Khái niệm 2. Đặc điểm III. Xác định mô hình với ba nhân tố: thời gian phục vụ, lương thưởng, số giờ làm 1. Xây dựng mô hình hồi quy tổng thể và mô hình hồi quy mẫu . 2. Kiểm tra mức độ phù hợp cuả mô hình.. 3. Với mức ý nghĩa 5% (α= 0,05) thì các biến độc lập (thời gian phục vụ, lương thưởng, số giờ làm) có ảnh hưởng đến thu nhập của sinh viên hay không? . 4. Khoảng tin cậy của các hệ số hồi quy:... IV. Kiểm tra và khắc phục các khuyết tật của mô hình.. 1. Đa cộng tuyến. 2. Phương sai sai số thay đổi.. 3. Tự tương quan 4. Tính chuẩn sai số ngẫu nhiên

Cơ sở lý luận

Mô hình hồi quy

• Mô hình hồi quy tổng thể:

Biến phụ thuộc Y được xem là ngẫu nhiên với quy luật xác định, trong khi các biến 𝑋 𝑗 lại là phi ngẫu nhiên với giá trị cố định Do đó, hàm hồi quy tổng thể PRF có thể được biểu diễn dưới dạng tổng quát.

𝐸(𝑌/𝑋 𝑗 ) = 𝑓(𝑋 𝑗𝑖 ) (1) Trong đó: 𝑗 = 1, 𝑚; 𝑖 = 1, 𝑛 + Nếu mô hình (1) mà có một biến giải thích thì gọi là mô hình hồi quy đơn hoặc mô hình hồi quy hai biến

+ Nếu mô hình (1) mà có nhiều hơn một biến giải thích thì gọi là mô hình hồi quy bội hay mô hình hồi quy đa biến

+ Mô hình (1) được gọi là tuyến tính nếu nếu nó tuyến tính đối với tham số và nó phi tuyến với các biến tùy ý

• Mô hình hồi quy mẫu:

Mô hình hồi quy mẫu (hàm hồi quy mẫu – SRF) có thể được biểu diễn như sau:

Trong đó: 𝑌̂ 𝑖 là ước lượng của 𝐸(𝑌/𝑋 𝑗𝑖 )

• Kiểm tra mức độ phù hợp của mô hình:

- f tn ∈ W α => Bác bỏ H o , chấp nhận H 1 => Mô hình đưa ra phù hợp

- f tn ∉ W α => Chấp nhận H o , bác bỏ H 1 => Mô hình đưa ra không phù hợp

- P -value < α => Bác bỏ H o , chấp nhận H 1 => Mô hình đưa ra phù hợp

- P -value > α => Chấp nhận H o , bác bỏ H 1 => Mô hình đưa ra không phù hợp

Kiểm định giả thuyết về các hệ số của hồi quy tổng thể

- t tn ∈ W α => Chấp nhận H o , bác bỏ H 1

- t tn ∉ W α => Bác bỏ H o , chấp nhận H 1

- P -value < α => Chấp nhận H o , bác bỏ H 1

- P -value > α => Bác bỏ H o , chấp nhận H 1

Các khuyết tật và cách khắc phục

2.3.1 Hiện tượng phương sai sai số thay đổi a Bản chất

Nếu giả thiết 𝑉𝑎𝑟(𝑈 𝑖 ) = 𝜎 2 (∀𝑖) bị vi phạm, tức là Var(U i ) = σ i 2 thì mô hình gặp phải hiện tượng phương sai sai số thay đổi b Phát hiện hiện tượng

Bước 1: Ước lượng mô hình hồi quy gốc để thu được 𝑒 𝑖 => 𝑒² 𝑖

Bước 2: Vẽ đồ thị của 𝑒² 𝑖 theo chiều tăng của 𝑋 𝑗 nào đó

Bước 3: Khi 𝑋 𝑗 tăng mà 𝑒² 𝑖 biến động (tăng hoặc giảm) thì có nghi ngờ về PSSS thay đổi

Khi 𝑋 𝑗𝑖 tăng mà 𝑒² 𝑖 không biến động nhiều, ta kết luận rằng phương sai của sai số ngẫu nhiên là không đổi, tức là đồng đều và thuần nhất Ngược lại, nếu 𝑋 𝑗𝑖 tăng mà 𝑒² 𝑖 cũng có sự biến động (tăng hoặc giảm), thì phương sai của sai số ngẫu nhiên sẽ thay đổi, không đồng đều và không thuần nhất.

Bước 1: Sắp xếp các giá trị quan sát theo chiều tăng của biến 𝑋 𝑗 nào đó Bước 2: Bỏ c quan sát ở giữa theo quy tắc

Các quan sát được chia thành hai nhóm, mỗi nhóm chứa (n - c)/2 quan sát Trong bước 3, mô hình được ước lượng với (n - c)/2 quan sát ở đầu và cuối, cho ra kết quả 𝑅𝑆𝑆 1 và 𝑅𝑆𝑆 2, tương ứng với bậc tự do là df = 𝑛−𝑐.

Bước 1: Ước lượng mô hình hồi quy gốc để thu được các phần dư 𝑒 𝑖

Bước 2: Ước lượng hồi quy: ln 𝑒² 𝑖 = 𝛼 1 + 𝛼 2 ln 𝑋 𝑗𝑖 + 𝑉 𝑖

Nếu có nhiều biến giải thích thì ước lượng hồi quy này với từng biến giải thích hoặc với 𝑌 ̂ 𝑖

Bước 3: Kiểm định giả thiết: { 𝐻 0 : 𝛼 2 = 0

• Kiểm định Glejser Được tiến hành như kiểm định Park nhưng mô hình ở bươc 2 được thay thế bằng một trong các dạng sau:

• Kiểm định dựa trên biến phụ thuộc

Giả thiết 𝛿 2 = 𝛼 1 + 𝛼 2 (𝐸(𝑌 𝑖 )) 2 + 𝑉 𝑖 Lấy 𝛿 2 := 𝑒 𝑖 2 , 𝐸(𝑌 𝑖 ) ≔ 𝑌̂ 𝑖 Bước 1: Ước lượng mô hình hồi quy gốc thu được 𝑒 𝑖 => 𝑒 𝑖 2

Bước 2: Ước lượng mô hình 𝑒 𝑖 2 = 𝛼 1 + 𝛼 2 (𝑌̂ 𝑖 ) 2 + 𝑉 𝑖 ∈ 𝑅 ∗ 2

Bước 1: Ước lượng mô hình gốc thu được 𝑒 𝑖 => 𝑒 𝑖 2

Bước 2: Ước lượng mô hình ở dạng (1) hoặc (2) thu được 𝑅 ∗ 2

=> P -value hoặc 𝑊 𝛼 c Cách khắc phục

Chúng ta hãy xem xét trường hợp mô hình hồi qui tổng thể 2 biến:

Giả sử phương sai sai số 𝜎 𝑖 2 đã được xác định, tức là phương sai của mỗi quan sát đã biết Để đơn giản hóa, chúng ta chia cả hai vế của mô hình cho 𝜎i đã biết.

Trường hợp 1: Phương sai sai số tỷ lệ với biến giải thích

Sau khi ước lượng hồi qui OLS thông thường, chúng ta vẽ đồ thị phần dư từ ước lượng này theo biến giải thích X

Như vậy, phương sai sai số có quan hệ tuyến tính: 𝐸 (𝑢

𝑖 2 ) = 𝜎 𝑖 2 𝑋 𝑖 Trong mô hình đa biến, chúng ta chia hai vế của mô hình cho √𝑋 𝑖 với √𝑋 𝑖 > 0

(Lưu ý là để ước lượng mô hình trên, chúng ta phải sử dụng mô hình hồi qui qua gốc)

Trường hợp 2: Phương sai sai số tỷ lệ với bình phương của biến giải thích

Phương sai sai số có quan hệ tuyến tính với bình phương của X:

𝑖 2 ) = 𝜎 𝑖 2 𝑋 𝑖 2 Chúng ta chia hai vế của mô hình cho 𝑋 𝑖 :

𝑋 𝑖 2 )+ 𝛼 2 + 𝑣 𝑖 Phương sai sai số tỷ lệ với bình phương của biến X

Trường hợp 3: Phương sai sai số tỷ lệ với bình phương của giá trị kỳ vọng của Y

𝑖 2 ) = 𝜎 𝑖 2 [𝐸(𝑌 𝑖 ) ] 2 Chia hai vế của mô hình cho E(𝑌 𝑖 ) :

Bước 1: Ước lượng mô hình hồi qui 𝑌 ̂ 𝑖 = 𝛼 ̂ +𝛼 1 ̂𝑋 2 𝑖 + 𝑢 𝑖 bằng phương pháp OLS thông thường => thu được 𝑌 ̂ 𝑖

Biến đổi mô hình gốc về dạng:

𝑌 𝑖 ̂ + 𝑣 𝑖 Bước 2: Ước lượng hồi quy

Trường hợp 4: Định dạng lại mô hình

Thay vì ước lượng mô hình hồi qui gốc, ta có thể ước lượng mô hình hồi qui: ln 𝑌 𝑖 = 𝛼 1 + 𝛼 2 ln 𝑋 𝑖 + 𝑢 𝑖

2.3.2 Tự tương quan a Bản chất

- Tự tương quan bậc 1: u t =  u t −1 +  t => AR (1)

- Tự tương quan bậc p: u t =  1 u t − 1 +  2 u t − 2 + + p p u t − p +  t => AR (p) b Phát hiện hiện tượng

• Kiểm định d của Durbin- Watson

Bước 1: Ước lượng mô hình thu được 𝑒 𝑡

Trong nghiên cứu này, các giá trị d được phân loại như sau: d ∈ (1) cho thấy tự tương quan dương hoặc thuận chiều; d ∈ (2) và (4) không có kết luận về tự tương quan; d ∈ (3) chỉ ra rằng không có tự tương quan; và d ∈ (5) cho thấy mô hình có tự tương quan âm hoặc nghịch chiều.

Bước 1: Hồi quy mô hình gốc, thu được e t

Bước 2: Cũng bằng phương pháp BPNN, ước lượng mô hình sau để thu được hệ số xác định bội 𝑅 ∗ 2

=> P value hoặc W α c Cách khắc phục

- Nếu cấu trúc của tự tương quan được viết dưới dạng:

Khi đó ta sử dụng phương pháp ước lượng Cochrane- Orcutt => đưa mô hình về dạng không có tự tương quan

- Nếu p chưa biết thì ta có 2 cách khắc phục:

+ Dùng phương pháp sai phân

Để ước lượng p, cần xác định giá trị thống kê Durbin-Watson Sau đó, giá trị này sẽ được sử dụng để ước lượng Cochrane-Orcutt, nhằm đưa mô hình về dạng không có tự tương quan.

2.3.3 Đa cộng tuyến a Bản chất

Xét mô hình hồi quy tuyến tính cổ điển nhiều biến:

- Hiện tượng đa cộng tuyến toàn phần 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:

- Hiện tượng đa cộng tuyến không toàn phần 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 2i + λ 3 X 3i + … + λ k X ki + V i = 0

* Nhận xét: Trong thực tế chủ yếu gặp phải đa cộng tuyến không toàn phần, đa cộng tuyến toàn phần rất hiếm gặp b Phát hiện hiện tượng

• Hệ số xác định bội R² cao nhưng tỷ số T thấp

Nếu R² cao và ∀ 𝑡 𝑡𝑛 ( của 𝛽 𝑗 mà chưa biến 𝑋 𝑗 ) thấp

 Mô hình có đa cộng tuyến

• Hệ số tương quan cặp giữa các biến giải thích cao

Hệ số tương quan cặp giữa 𝑋 𝑗 và 𝑋 𝑖

| 𝑟 (𝑋 𝑖 ;𝑋 𝑗 )| > 0,8 => Hệ số tương quan cao => Mô hình có đa cộng tuyến

Bước 1: Chọn một biến 𝑋 𝑗 để hồi quy theo các biến còn lại

2 𝑗 / (𝑘−2) (1−𝑅 2 𝑗 )/(𝑛−𝑘+1) Nếu H o đúng thì 𝐹 (𝑘−2,𝑛−𝑘+1) => P value hoặc W α c Cách khắc phục

- Bỏ bớt biến độc lập gây đa cộng tuyến

- Lấy thêm quan sát hoặc thu thập mẫu mới

- Thay đổi dạng mô hình

- Sử dụng thông tin tiên nghiệm biến đổi mô hình

Vận dụng

Xây dựng mô hình hồi quy ban đầu

3.1.1 Mô hình hồi quy ban đầu:

Mô hình các nhân tố ảnh hưởng đến mức chi tiêu của SV ĐHTM:

Các biến sử dụng trong mô hình được mô tả chi tiết theo bảng sau:

Bảng 1.2.1 Mô tả các biến

Mã hóa biến quan sát

Mô tả, cách đo Gán giá trị

Mức chi tiêu trung bình một tháng của sinh viên ĐHTM đo bằng VNĐ (đơn vị: triệu đồng)

Chi phí ở trọ của sinh viên ĐHTM đo bằng VNĐ (đơn vị: triệu đồng)

3 Thu nhập làm thêm INC

Thu nhập làm thêm của sinh viên ĐHTM đo bằng VNĐ (đơn vị: triệu đồng) -

Mức chi tiêu của sinh viên

Tiền tiêu vặt Mối quan hệ

Chi phí tiêu dùng những thứ vặt hàng tháng của sinh viên ĐHTM đo bằng VNĐ (đơn vị: triệu đồng)

5 Hỗ trợ từ gia đình SUP

Số tiền gia đình hỗ trợ hàng tháng đo bằng VNĐ (đơnvị: triệu đồng) -

6 Chi phí đi lại TRAV

Chi phí đi lại của sinh viên ĐHTM đo bằng VNĐ (đơn vị: triệu đồng

Giới tính của sinh viên

Sinh viên có nhiều mối quan hệ không

7 Tiết kiệm SAV Thói quen tiết kiệm của sinh viên

Mô hình hồi quy ban đầu:

➢ Ta có mô hình hồi quy tổng thể:

➢ Sử dụng phần mềm eviews để ước lượng mô hình ta được:

➢ Kiểm định hệ số hồi quy:

Variable Coefficient Std Error t-Statistic Prob

Adjusted R-squared 0.782296 S.D dependent var 0.740491 S.E of regression 0.345504 Akaike info criterion 0.808013

Sum squared resid 9.549846 Schwarz criterion 1.059673

Log likelihood -26.95657 Hannan-Quinn criter 0.909450

Với mức ý nghĩa α = 5% Kiểm định giả thuyết 0

Theo kết quả ước lượng, P-value là 0.8756, lớn hơn 0.05, do đó chúng ta chấp nhận giả thuyết 𝐻 0 và bác bỏ 𝐻 1 Điều này cho thấy giới tính không có ảnh hưởng đến mức chi tiêu trung bình hàng tháng của sinh viên với độ tin cậy 95%.

→ Biến độc lập GEN bị loại và không được đưa vào mô hình hồi quy

Kết quả ước lượng cho thấy P-value = 0.0000, nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết 𝐻 𝑜 và chấp nhận giả thuyết 𝐻 1 Điều này khẳng định rằng chi phí nhà ở có ảnh hưởng đáng kể đến chi tiêu trung bình hàng tháng của sinh viên ĐHTM với độ tin cậy 95%.

→ Biến HOME được chọn để đưa vào mô hình hồi quy

Kết quả ước lượng cho thấy P-value = 0.0001, nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết 𝐻 𝑜 và chấp nhận 𝐻 1 Điều này chứng tỏ rằng thu nhập làm thêm có ảnh hưởng đáng kể đến chi tiêu trung bình hàng tháng của sinh viên ĐHTM với mức độ tin cậy 95%.

→ Biến INC được chọn để đưa vào mô hình hồi quy

Kết quả ước lượng cho thấy P-value = 0.0000, nhỏ hơn 0.05, dẫn đến việc bác bỏ giả thuyết 𝐻 𝑜 và chấp nhận giả thuyết 𝐻 1 Điều này chứng tỏ rằng chi phí tiêu vặt có ảnh hưởng đáng kể đến chi tiêu trung bình hàng tháng của sinh viên ĐHTM với độ tin cậy 95%.

→ Biến POC được chọn để đưa vào mô hình hồi quy

Kết quả ước lượng từ bảng 1.3 cho thấy P-value = 0.5741, lớn hơn 0.05, do đó chấp nhận giả thuyết 𝐻 0 và loại bỏ 𝐻 1 Điều này có nghĩa là mối quan hệ không ảnh hưởng đến mức chi tiêu trung bình hàng tháng của sinh viên với độ tin cậy 95%.

→ Biến độc lập REL bị loại và không được đưa vào mô hình hồi quy

Theo kết quả ước lượng, P-value là 0.3221, lớn hơn 0.05, do đó chấp nhận giả thuyết 𝐻 0 và loại bỏ 𝐻 1 Điều này cho thấy thói quen tiết kiệm không có ảnh hưởng đến chi tiêu trung bình hàng tháng của sinh viên ĐHTM với độ tin cậy 95%.

→ Biến độc lập SAV bị loại và không được đưa vào mô hình hồi quy

Theo kết quả ước lượng, P-value = 0.0000 < 0.05 cho thấy giả thuyết 𝐻 𝑜 bị bác bỏ và giả thuyết 𝐻 1 được chấp nhận Điều này chứng tỏ rằng số tiền gia đình hỗ trợ có ảnh hưởng đáng kể đến chi tiêu trung bình hàng tháng của sinh viên ĐHTM với độ tin cậy 95%.

→ Biến SUP được chọn để đưa vào mô hình hồi quy

Theo kết quả từ bảng 1.3, P-value là 0.5787, lớn hơn 0.05, do đó chúng ta chấp nhận giả thuyết 𝐻 0 và bác bỏ 𝐻 1 Điều này cho thấy chi phí đi lại không có ảnh hưởng đến mức chi tiêu trung bình hàng tháng của sinh viên với độ tin cậy 95%.

→ Biến độc lập TRAV bị loại và không được đưa vào mô hình hồi quy

 Như vậy, mô hình nghiên cứu về mức chi tiêu hàng tháng của sinh viên ĐHTM được xây dựng từ 4 nhân tố: HOME, INC, POC, SUP

➢ Sử dụng phần mềm Eviews để ước lượng mô hình sau khi loại các biến:

➔ Từ đó ta thu được mô hình hồi quy ban đầu như sau:

3.1.2 Kiểm định sự phù hợp của mô hình

- Với mức ý nghĩa α = 5% Kiểm định giả thuyết:

- Theo kết quả bảng ước lượng mô hình sau khi đã loại biến, ta có:

=> Bác bỏ H 0, chấp nhận H 1 Tức là, mô hình hồi quy phù hợp với độ tin cậy là 95%.

Phát hiện khuyết tật của mô hình

3.2.1 Phát hiện phương sai sai số thay đổi a Kiểm định Glejser

Obs*R-squared 10.79709 Prob Chi-Square(4) 0.0289

Scaled explained SS 11.26320 Prob Chi-Square(4) 0.0238

Coefficie nt Std Error t-Statistic Prob

Adjusted R-squared 0.079473 S.D dependent var 0.211167 S.E of regression 0.202602 Akaike info criterion -0.300606 Sum squared resid 3.447997 Schwarz criterion -0.160795 Log likelihood 18.37698 Hannan-Quinn criter -0.244252

Từ kết quả eview ta có mô hình Glejser có dạng:

Bài toán kiểm định: { H 0 : Phương sai sai số không đổi

H 1 : Phương sai sai số thay đổi ↔ { H 0 : α 2 = α 3 = α 4 = α 5 = 0

Kết luận: Với kiểm định Glejser thì mô hình xảy ra hiện tượng phương sai sai số thay đổi b Kiểm định White

Adjusted R-squared 0.165371 S.D dependent var 0.177957 S.E of regression 0.162578 Akaike info criterion -0.642811

Sum squared resid 1.955937 Schwarz criterion -0.223378

Log likelihood 43.60511 Hannan-Quinn criter -0.473750

Từ kết quả eview ta có mô hình kiểm định White có dạng

{ H 0 : Phương sai sai số không đổi

H 1 : Phương sai sai số thay đổi ↔ { H 0 : β 2 = = β k = α 2 = = α k = γ j = 0

- Tiêu chuẩn kiểm định: 𝑋 2 = 𝑛 𝑅 ∗ 2 Nếu 𝐻 0 đúng thì χ 2 ~ χ 2(df)

Kết luận: Với kiểm định White thì mô hình xảy ra hiện tượng phương sai sai số thay đổi

3.2.2 Phát hiện sự tồn tại đa cộng tuyến

Hồi quy phụ theo biến HOME

Từ kết quả eview ta có mô hình hồi quy phụ có dạng:

- Bài toán kiểm định: { H 0 : Mô hình không có đa cộng tuyến

H 1 : Mô hình có đa cộng tuyến ↔ { H 0 : α 2 = α 3 = α 4 = 0

⇒ Bác bỏ Ho, chấp nhận H1

Kết luận: Xét hồi quy phụ theo biến HOME thì mô hình xảy ra hiện tượng đa cộng tuyến

3.2.3 Phát hiện tự tương quan a Kiểm định d (Durbin - Watson)

S.E of regression 0.341047 Akaike info criterion 0.740945

Từ kết quả eview ta có mô hình hồi quy có dạng: e i = −0,030985 + 0,602972 HOME i + 0,345248 INC i + 0,643782 POC i

- Bài toán kiểm định: { H 0 : Mô hình không có tự tương quan

H 1 : Mô hình có tự tương quan

Với n = 89, k’= 4, dL = 1,5628 ; dU = 1,7502 Ta có:

⇒ Với kiểm định d (Durbin - Watson) thì mô hình xảy ra hiện tượng tự tương quan thuận chiều b Kiểm định BG (Breush - Godfrey)

Breusch-Godfrey Serial Correlation LM Test:

Presample missing value lagged residuals set to zero

Từ kết quả eview ta có mô hình hồi quy có dạng: e t = −0,028959 − 0,027987 HOME i + 0,003270 INC i − 0,010676 POC i

- Bài toán kiểm định: { H 0 : Mô hình không có tự tương quan bậc 1

H 1 : Mô hình có tự tương quan bậc 1

Kết luận: Với kiểm định BG (tự tương quan bậc 1) thì mô hình xảy ra hiện tượng tự tương quan bậc 1

Từ kết quả eview ta có mô hình hồi quy có dạng: e t = −0,066974 − 0,039424 HOME i + 0,020482 INC i − 0,014946 POC i

- Bài toán kiểm định: { H 0 : Mô hình không có tự tương quan bậc 2

Kết luận: Với kiểm định BG (tự tương quan bậc 2) thì mô hình xảy ra hiện tượng tự tương quan bậc 2

3.2.4 Kiểm định các biến bị bỏ sót

Kiểm định Ramsey (Kiểm định thiếu biến - bỏ sót biến):

{ H o : Mô hình không thiếu biến

Chạy trên Eviews ta có kết quả:

Specification: EXPENSE C HOME INC POC SUP

Omitted Variables: Squares of fitted values

Kết luận: Mô hình không thiếu biến

3.2.5 Tính chuẩn sai số Ut

Mean -3.97e-16 Median 0.022505 Maximum 0.867380 Minimum -1.025753 Std Dev 0.333205 Skewness -0.183509 Kurtosis 3.598295

- Bài toán kiểm định: { H 0 : U t có phân phối chuẩn

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

- Tiêu chuẩn kiểm định: JB= 1 2 ( 3) 2

=> Chấp nhận Ho, bác bỏ H1

=> Mô hình không có phân phối chuẩn

Kết luận: Xét tính chuẩn sai số Ut thì mô hình không có phân phối chuẩn

Khắc phục mô hình

Sử dụng phương pháp bỏ biến độc lập

Ta có mô hình hồi quy

P_value của mô hình và các biến độc lập đều nhỏ hơn 5% → Mô hình có giá trị

Kiểm định hiện tượng ĐCT của mô hình khi loại bỏ biến HOME( phương pháp xét hồi quy phụ)

P_value = 0.024484 < 0.05 => Mô hình có ĐCT

Kiểm định hiện tượng ĐCT của mô hình khi loại bỏ biến HOME ( phương pháp xét hồi quy phụ)

Kiểm định hiện tượng ĐCT của mô hình khi loại bỏ biến HOME( phương pháp xét hồi quy phụ)

P_value = 0.296278 < 0.05 => Mô hình không có ĐCT

Vậy có thể loại biến SUP ra khỏi mô hình để khắc phục hiện tượng ĐCT

3.3.2 Kiểm tra mô hình mới

- Hồi quy phụ theo HOME

BTKĐ { H 0 : Mô hình không có ĐCT

Nhận thấy từ bảng Eviews, P-value=0.296278 > α(5%)

 Mô hình không có hiện tượng đa cộng tuyến

- Hồi quy phụ theo INC

Adjusted R-squared -0.002993 S.D dependent var 0.499425 S.E of regression 0.500172 Akaike info criterion 1.485397

 Mô hình không có hiện tượng đa cộng tuyến

- Hồi quy phụ theo POC

3.3.2.2 Kiểm định PSSS thay đổi a Kiểm định Glejser

Từ kết quả eview ta có mô hình Glejser có dạng:

Bài toán kiểm định: { H 0 : Phương sai sai số không đổi

H 1 : Phương sai sai số thay đổi ↔ { H 0 : α 2 = α 3 = α 4 = 0

Kết luận: Với kiểm định Glejser thì mô hình không xảy ra hiện tượng phương sai sai số thay đổi b Kiểm định White (không lát cắt)

Log likelihood 2.341024 Hannan-Quinn criter 0.082363

{ H o : phương sai sai số không đổi

H 1 : phương sai sai số thay đổi { H o : R ∗ 2 = 0

Kết luận: Với kiểm định White thì mô hình không xảy ra hiện tượng PSSS thay đổi

3.3.2.3 Tính chuẩn sai số ngẫu nhiên

Kiểm định Jacque – Bera (JB)

{ H 0 : Ui có phân phối chuẩn

H 1 : Ui không có phân phôi chuẩn

Theo kết quả bảng eview ta có:

Vậy mô hình không có phân phối chuẩn

3.3.2.4 Tự tương quan a Kiểm định Durbin – watson

Từ kết quả eview ta có mô hình hồi quy có dạng: e i = 0.547726 + 0.870969 HOME i + 0.212128 INC i + 0.739843 POC i

Với n = 89, k’= 3, dL = 1.589 ; dU = 1,726 Ta có:

⇒ Với kiểm định d (Durbin - Watson) thì mô hình xảy ra hiện tượng tự tương quan thuận chiều b Phương pháp Breush – Godfrey

BTKĐ: { H 0 : Mô hình không có tự tương quan bậc 1

KL: Mô hình có tự tương quan bậc 1

3.3.3 Khắc phục hiện tượng tự tương quan a Kiểm định Durbin - Watson

- Từ phương pháp bình phương nhỏ nhất mô hình hồi quy gốc

2 = 0.289352 Phương trình sai phân tổng quát:

Yt - ρYt-1 = β1(1-ρ) + β2( Xt – ρXt-1) + β3( Zt – ρZt-1) + β4( Tt – ρTt-1)+ ɛt

Adjusted R-squared 0.729347 S.D dependent var 0.714867 S.E of regression 0.371905 Akaike info criterion 0.904030 Sum squared resid 11.61829 Schwarz criterion 1.016636 Log likelihood -35.77733 Hannan-Quinn criter 0.949396 F-statistic 79.14825 Durbin-Watson stat 2.020739 Prob(F-statistic) 0.000000

Nếu chấp nhận mô hình này thì ước lượng của mô hình ban đầu là:

3.3.4 Kiểm tra mô hình lần cuối

3.3.4.1 Kiểm tra tự tương quan a Kiểm định Durbin - Watson

Từ kết quả eview ta có mô hình hồi quy có dạng: e i = 0.547726 + 0.870969 HOME i + 0.212128 INC i + 0.739843 POC i

Với n = 89, k’= 3, dL = 1.589 ; dU = 1,726 Ta có:

Ta có: d = 1,421296 ϵ (1) b Kiểm định Breusch - Godfrey

Với α = 5% ta cần kiểm định {Ho ∶ 𝑀ô ℎì𝑛ℎ 𝑘ℎô𝑛𝑔 𝑐ó 𝑡ự 𝑡ươ𝑛𝑔 𝑞𝑢𝑎𝑛 𝑐ℎ𝑢ỗ𝑖 𝑏ậ𝑐 1

Ta có mô hình kiểm định BG như sau:

Variable Coefficint Std Error t-Statistic Prob

Tra bảng phân phối khi bình phương với bậc 1 tự do ta được giá trị X 2 (0,05)(1) = 3,841

So sánh giá trị của thống kê với giá trị của tới hạn ta thấy X 2 < X 2 (0.05) (1)

 Mô hình không có tự tương quan bậc 1

❖ Tự tương quan Bậc 2 với α=5% ta cần kiểm định {𝐻 0 ∶ 𝑀ô ℎì𝑛ℎ 𝑘ℎô𝑛𝑔 𝑐ó 𝑡ự 𝑡ươ𝑛𝑔 𝑞𝑢𝑎𝑛 𝑐ℎ𝑢ỗ𝑖 𝑏ậ𝑐 2

Ta có mô hình kiểm định BG như sau:

- Trong báo cáo biến RESID-1 chính là sai số ut-1 ở giai đoạn t-1, ta còn có Obs*R- squared chính là giá trị (n-1)*R 2 Như vậy:

Tra bảng phân phối khi bình phương với bậc 2 tự do ta được giá trị X 2 (0,05)(2) = 5,9915

So sánh giá trị của thống ke với giá trị của tới hạn ta thấy X 2 < X 2 (0.05) (2)

 Mô hình không có tự tương quan bậc 2

3.3.4.2 Kiểm tra phương sai sai số thay đổi a Kiểm định Glejser

S.E of regression 0.226681 Akaike info criterion -0.086158

Log likelihood 7.790972 Hannan-Quinn criter -0.040792

- Bài toán kiểm định: {𝐻 0 : 𝑃ℎươ𝑛𝑔 𝑠𝑎𝑖 𝑠𝑎𝑖 𝑠ố 𝑘ℎô𝑛𝑔 đổ𝑖

 Với kiểm định Glejser thì mô hình không xảy ra hiện tượng phương sai sai số thay đổi b Kiểm định White

Kiểm định white có cắt lát

Obs*R-squared 1.470657 Prob Chi-Square(3) 0.6891 Scaled explained SS 1.738193 Prob Chi-Square(3) 0.6285

R-squared 0.016712 Mean dependent var 0.132026 AdjustedR-squared -0.018405 S.D dependent var 0.213872 S.E of regression 0.215831 Akaike info criterion -0.184255 Sum squared resid 3.912967 Schwarz criterion -0.071649 Log likelihood 12.10721 Hannan-Quinn criter -0.138889 F-statistic 0.475889 Durbin-Watson stat 1.984196

- Bài toán kiểm định: {𝐻 0 : 𝑃ℎươ𝑛𝑔 𝑠𝑎𝑖 𝑠𝑎𝑖 𝑠ố 𝑘ℎô𝑛𝑔 đổ𝑖

Kết luận: Với kiểm định White thì mô hình không xảy ra hiện tượng PSSS thay đổi với mức ý nghĩa 5%

3.3.4.3 Kiểm tra đa cộng tuyến

Hồi quy phụ theo biến HOME1

 Mô hình không có đa cộng tuyến

Hồi quy phụ theo biến POC1

R-squared 0.037307 Mean dependent var 0.416698 Adjusted R-squared 0.014656 S.D dependent var 0.375714 S.E of regression 0.372951 Akaike info criterion 0.898754 Sum squared resid 11.82283 Schwarz criterion 0.983209 Log likelihood -36.54519 Hannan-Quinn criter 0.932779 F-statistic 1.647003 Durbin-Watson stat 1.999429 Prob(F-statistic) 0.198714

Hồi quy phụ theo INC1

Adjusted R-squared -0.011915 S.D dependent var 0.488665 S.E of regression 0.491568 Akaike info criterion 1.451063 Sum squared resid 20.53931 Schwarz criterion 1.535517 Log likelihood -60.84676 Hannan-Quinn criter 1.485087 F-statistic 0.487791 Durbin-Watson stat 1.983218

3.3.4.4 Kiểm tra tính chuẩn sai số Ui

 Ui có phân phối chuẩn với mức ý nghĩa 5%

3.3.5 Công bố mô hình cuối cùng

Adjusted R-squared 0.729347 S.D dependent var 0.714867 S.E of regression 0.371905 Akaike info criterion 0.904030 Sum squared resid 11.61829 Schwarz criterion 1.016636 Log likelihood -35.77733 Hannan-Quinn criter 0.949396

Phương trình hồi quy cuối cùng:

3.3.6 Ý nghĩa hệ số hồi quy

𝛽 2 ̂ = 0.856229 cho biết nếu các yếu tố khác không thay đổi, khi tiền thuê nơi ở tăng 1trđ thì mức chi tiêu trung bình của sinh viên ĐHTM tăng 0.856229 trđ

𝛽 3 ̂ = 0.753450 cho biết nếu các yếu tố khác không thay đổi, khi tiền tiêu vặt tăng 1trđ thì mức chi tiêu trung bình của sinh viên ĐHTM tăng 0.753450trđ

𝛽 4 ̂ = 0.219388 Nếu các yếu tố khác không thay đổi, khi thu nhập làm them tăng 1trđ thì mức chi tiêu trung bình của sinh viên ĐHTM tăng 0.219388trđ

Nhóm 4 đã tiến hành khảo sát trực tuyến và bài tập vận dụng tính toán để nghiên cứu mức chi tiêu của sinh viên Đại học Thương Mại Mô hình nghiên cứu này xem xét các yếu tố ảnh hưởng như hỗ trợ tài chính từ gia đình, thu nhập từ công việc làm thêm, và sự phù hợp của nơi ở Nghiên cứu không chỉ phản ánh thực trạng mà còn hướng đến sự thay đổi và phát triển trong tương lai của từng sinh viên.

Trong quá trình thực hiện đề tài, nhóm 1 xin chân thành cảm ơn thầy Mai Hải An, giảng viên bộ môn Kinh tế lượng trường Đại học Thương mại, vì đã hỗ trợ và tạo điều kiện giúp đỡ nhóm trong việc hoàn thành bài thảo luận này Sự hướng dẫn tận tình của thầy đã góp phần quan trọng vào thành công của chúng em.

Chúng mình cũng xin gửi lời cảm ơn đến toàn bộ các bạn sinh viên Đại học Thương Mại đã giúp đỡ chúng mình trong quá trình điều tra

Trong quá trình nghiên cứu đề tài, nhóm đã nỗ lực hết mình để trình bày nhưng vẫn không tránh khỏi một số thiếu sót Chúng tôi rất mong nhận được ý kiến đóng góp và hướng dẫn từ thầy và các bạn để cải thiện bài luận một cách hoàn chỉnh hơn.

VI Số liệu sử dụng trong mô hình

STT GEN REL SUP INC EXPENSE POC HOME TRAV SAV

Tiêu đề	Xây Dựng Mô Hình Nghiên Cứu Về Mức Chi Tiêu Của Các Bạn Sinh Viên Đại Học Thương Mại Qua Ít Nhất 4 Nhân Tố Ảnh Hưởng
Trường học	Trường Đại Học Thương Mại
Chuyên ngành	Khoa Marketing
Thể loại	bài thảo luận
Năm xuất bản	2021
Thành phố	Hà Nội

Định dạng
Số trang	54
Dung lượng	1,44 MB