GIẢI THÍCH Ý NGHĨA CÁC CHỈ SỐ TRONG KINH TẾ LƯỢNGDependent Variable: YMethod: Least SquaresDate: 10/13/14 Time: 19:51Sample: 1 38Included observations: 38Variable Coefficient Std. Error t-Statistic Prob. C 19387.72 3.672.373 5.279.345 0.0000X2 0.256896 0.568428 1.528987 0.0000X3 0.458973 0.268894 1.235889 0.0568X4 0.289535 0.568985 1.558256 0.1789X5 0.342446 0.213122 1.606.809 0.1168R-squared 0,180368 Mean dependent var 1820,204Adjusted R-squared 0.040999 S.D. dependent var 16820.31S.E. of regression 385,0953 Akaike info criterion 2.230.789Sum squared resid 9.77E+09 Schwarz criterion 2.239.408Log likelihood -4.218.500 Hannan-Quinn criter. 2.233.856F-statistic 18,60476 Durbin-Watson stat 1.783506Prob(F-statistic) 0,002112 11. Giải thích ý nghĩa các chỉ số:Cách trình bày kết quả hồi quy đã được thể hiện ở phần giải thích kết quả của EXCEL. Dependent Varable : Y ->Biến phụ thuộc là YMethod : Least Squares -> Phương pháp bình phương nhỏ nhất .Sample : 1 38 ->Bộ mẫuIncluded observations : 38 -> Gồm 38 quan sát.Variable (biến số), cột này cho ta biết mô hình hồi quy có bao nhiêu biến giải thích . Trong thí dụ này thì có 1 biến giải thích là cp ,hằng số c cũng được coi là 1 biến giải thích.Coefficient (Hệ số hồi quy), đây chính là các tham số ước lượng alpha mũ và beta mũ của tham số tổng thể,chưa biết alpha và beta . 1. R-squared: Hệ số xác định R2 Hệ số xác định. Trong 100% sự biến động của biến phụ thuộc Y thì có bao nhiêu % sự biến động là do các biến độc lập X ảnh hưởng còn lại là do sai số. 2. S.E of regression = Độ lệch chuẩn của sai số hồi quy 3. Sum squared resid = RSS 4. Log Likehood : (Ln hàm hợp lý) 5. F-statistic = Trị thống kê F F: Trị số F-Fisher dùng làm căn cứ để kiểm định độ tin cậy về mặt khoa học (thống kê) của toàn bộ phương trình hồi quy. 6. Prob(F-statistic) = Giá trị p của F 7. Mean dependent var = Giá trị trung bình của biến phụ thuộc 8. S.D. dependent var = Độ lệch chuẩn của biến phụ thuộc 9. Akaike info criterion : Tiêu chuẩn Akaike 10. Schwarz criterion : Tiêu chuẩn Schwarz 11. Durbin-Watson stat : Thống kê Durbin-Watson Ta chỉ tập trung phân tích các biến sau qua ví dụ mẫu:BƯỚC 1: Lập mô hình hồi quy mẫu bằng cách viết phương trình và kiểm tra tính phù hợp của mô hìnhDạng phương trình hồi quy:Y = β1 + β2 * x2 + β3 * x3+ β4 * x4 + β5 * x5Với Y là biến phụ thuộc x2 , x3 , x4, x5 là các biến không phụ thuộc β1 là hằng sốNhận xét- Hệ số xác định R2 = 0,683879 nghĩa là mô hình giải thích tương đối tốt sự thay đổi của biến phụ thuộc WAGE.- Giá trị kiểm định F-statistic = 18,60476 > Fα(k-1,n-k) = F0,05(5,43) = 2,432236472 ( tra bảng Fisher với mức ý nghĩa 0,05% nên mô hình kiểm định là hợp lý.- Sai số tiêu chuẩn S.E. of regression = 385,0953, giá trị trung bình của biến phụ2thuộc WAGE là Mean dependent var = 1820,204.- Giá trị p-value của các biến giải thích đều nhỏ hơn 0,05 nên độ phù hợp của các biến độc lập là rất tốt.+ Kết luận: Mô hình phù hợp ở mức độ kháPhần này ta nhận xét xem các yếu tố x2, x3, x4, x5 ( ví dụ: chi phí, chất lượng dịch vụ ) có ảnh hưởng đến Y ( doanh thu ) hay không. Thông thường, người ta so sánh với mức ý nghĩa là 0,05 ( em tra bên bảng chạy hồi quy SPSS ô Sig. )BƯỚC 2: Phát hiện hiện tượng tự tương quan ( theo mô hình hồi quy SPSS )Xét giả thuyết H0 : Không có tự tương quan dương hoặc âm.Từ kết quả hồi quy mô hình bằng SPSS ta có:d = ∑∑−−221)(iiieee= 1.783506với n=38 ; 5%α=k = 4⇒k' = 4 - 1= 3Tra bảng ( có đính kèm trong mail ) ta có:Ld=1.503 dU = 1.696 dU d 4 – dU 1.696 < 1.783506 < 2.304 hay dU < d < 4 - dU Do đó theo quy tắc kiểm định thì ta không bác bỏ H0 ⇒Mô hình không có tự tương quan dương hoặc âm.BƯỚC 3: Nhận xét hiện tượng đa cộng tuyếnNhận thấy Prob(F-statistic) = 0,002112 < α = 0,05 (mức ý nghĩa α =5%) nên ta kết luận mô hình hồi quy phụ này tồn tại. Vậy thực sự có hiện tượng cộng tuyến giữa 2 biến này. R-squared = 0,180368 = 18,04% cho thấy 18,04% sự thay đổi của biến này do biến kia giải thích, sự cộng tuyến giữa 2 biến độc lập này ở mức chấp nhận được.3 |
