Download upload documents to download and more Study notes English Language in PDF only on Docsity!
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HCM
KỲ THI KẾT THÚC HỌC PHẦN
HỆ ĐẠI HỌC CHÍNH QUY – KHÓA 2019
MÔN: KINH TẾ LƯỢNG
Thời gian làm bài: 75 phút
Tài liệu gốc: Sách in, vở ghi chép
Tài liệu photo: slide bài giảng, bảng tra số thống kê
Không trao đổi tài liệu, chỉ sử dụng máy tính tay
(Lấy 4 chữ số thập phân khi làm bài)
Câu 1 :
WAGE: tiền lương (USD/giờ), EDUC: số năm đi học (năm), EXPER: số năm kinh nghiệm (năm),
TENURE: số năm thâm niên (năm) của người con , BLACK (=1 nếu là người da màu)
FEDUC: số năm đi học của cha (năm), MEDUC: số năm đi học của mẹ (năm)
Kết quả hồi quy từ phần mềm R như sau:
> hoiquy1 <- lm(wage ~ educ + exper + tenure + feduc + black, data=wage2) > summary(hoiquy1) Call: lm(formula = wage ~ educ + exper + tenure + feduc + black, data = wage2) Residuals: Min 1Q Median 3Q Max
- 711.13660 - 249.71859 - 42.31844 197.96344 1614. Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) - 249.217225 154.311103 - 1.61503 0. educ 60.594085 9.387409 6.45483 2.7756e- 10 *** exper 14.238158 4.807222 2.96183 0.0032179 ** tenure 6.900708 3.476058 1.98521 0.0477197 * feduc 20.252088 5.857808 3.45728 0.0005968 *** black - 112.091597 63.186867 - 1.77397 0..
Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 366.2399 on 456 degrees of freedom Multiple R-squared: ????, Adjusted R-squared: ???? F-statistic: 19.08475 on 5 and 456 DF, p-value: < 2.2204e- 16
1) Viết hàm hồi quy tổng thể?
2) Viết hàm hồi quy mẫu?
3 ) Xác định số tham số của mô hình hồi quy 1?
4 ) Xác định cỡ mẫu dùng trong mô hình 1?
5 ) Tính SSR?
6) Tính R^2 và
R?
Câu 2 :
Với cùng mẫu trong hồi quy 1.
> hoiquy2 <- lm(wage ~ educ + exper + tenure + feduc:black, data=wage2) > summary(hoiquy2) Call: lm(formula = wage ~ educ + exper + tenure + feduc:black, data = wage2) Residuals: Min 1Q Median 3Q Max
- 709.29974 - 260.20318 - 16.82457 211.41293 1556. Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) - 192.594631 154.020256 - 1.25045 0. educ 72.893423 8.888922 8.20048 2.4445e- 15 *** exper 13.094912 4.849170 2.70044 0.0071818 ** tenure 6.708348 3.510106 1.91115 0.. feduc:black - 16 .340592 6.873685 - 2.37727 0.0178521 *
Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: ???? on 457 degrees of freedom Multiple R-squared: 0.1524784, Adjusted R-squared: 0. F-statistic: ???? on ???? and ???? DF, p-value: 1.370351e- 15
1) Điền các con số bị thiếu vào dòng sau:
F-statistic: ???? on ???? and ???? DF, p-value: 1.370351e- 15
2) Giá trị F này dùng để làm gì?
3) Bảng phân tích phương sai:
> anova(hoiquy2) Analysis of Variance Table Response: wage Df Sum Sq Mean Sq F value Pr(>F) educ 1 8466681 8466680.6 61.72512 2.8505e- 14 *** exper 1 1476288 1476287.8 10.76266 0.0011149 ** tenure 1 559662 559662.3 4.08014 0.0439731 * feduc:black 1 775189 775188.9 5.65140 0.0178521 * Residuals 457 62685554 137167.
Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1
Điền con số bị thiếu vào dòng sau:
Residual standard error: ???? on 457 degrees of freedom
Câu 5 :
Chạy hồi quy bằng R.
> hoiquy1 <- lm(colGPA ~ hsGPA+ACT+skipped+age, data=gpa1) > summary(hoiquy1) Call: lm(formula = colGPA ~ hsGPA + ACT + skipped + age, data = gpa1) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.90206 0.65037 1.387 0. hsGPA 0.43379 0.09709 4.468 1.65e- 05 *** ACT 0.01449 0.01058 1.370 0. skipped - 0.08066 0.02617 - 3.082 0.00249 ** age 0.01990 0.02284 0.872 0.
Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.32 98 on 136 degrees of freedom Multiple R-squared: 0.2379, Adjusted R-squared: 0. F-statistic: 10.61 on 4 and 136 DF, p-value: 1.635e- 07 > # Lay phan du > phandu1=resid(hoiquy1)
Các kết quả này dùng để làm gì? Kết luận với mức ý nghĩa 9%?
> jarqueberaTest(phandu1) Title: Jarque - Bera Normalality Test Test Results: STATISTIC: X-squared: 1. P VALUE: Asymptotic p Value: 0. > shapiro.test(phandu1) Shapiro-Wilk normality test data: phandu W = 0.9893, p-value = 0. > # Kiem dinh Anderson-Darling > ad.test(phandu1) Anderson-Darling normality test data: phandu A = 0.60863, p-value = 0. > # Kiem dinh Kolmogorov-Smirnov > lillie.test(phandu1) Lilliefors (Kolmogorov-Smirnov) normality test data: phandu D = 0.071506, p-value = 0.
Câu 6:
Kết quả này dùng để làm gì? Kết luận?
> vif(hoiquy1) educ exper tenure feduc black 1.44735236 1.37408885 1.09224690 1.24655182 1.
Câu 7:
Kết quả này dùng để làm gì? Kết luận cho biến educ?
> confint(hoiquy1, level = 0.93) 3.5 % 96.5 % (Intercept) - 529.473232136 31. educ 43.544904880 77. exper 5.507401655 22. tenure 0.587576229 13. feduc 9.613281792 30. black - 226.850020840 2.6668265 3
Câu 8:
Kết quả này dùng để làm gì? Kết luận với mức ý nghĩa 3 %?
> linearHypothesis(hoiquy2, matchCoefs(hoiquy2, "exper|feduc")) Linear hypothesis test Hypothesis: exper = 0 feduc:black = 0 Model 1: restricted model Model 2: wage ~ educ + exper + tenure + feduc:black Res.Df RSS Df Sum of Sq F Pr(>F) 1 459 64375146 2 457 62685554 2 1689593 6.15887 0.0022943 **
Câu 9:
Kiểm định giả thuyết H 0 : exper = 10 và giả thuyết đối bên trái, với mức ý nghĩa 11 %
> linearHypothesis(hoiquy1, c("exper=10")) Linear hypothesis test Hypothesis: exper = 10 Model 1: restricted model Model 2: wage ~ educ + exper + tenure + feduc + black Res.Df RSS Df Sum of Sq F Pr(>F) 1 457 61268287 2 456 61164032 1 104255.1 0.77726 0.3784 5
Hết
