Trần Thị Kiều Phương

K214090633
HOMEWORK CHƯƠNG 4
Bài 4.1:
a) Tìm hàm hồi quy tuyến tính mẫu của doanh số bán hàng phụ thuộc chi phí bán
hàng
Làm bằng tay:
Chi phí chào hàng trung bình:
100+106+60+160+70+170+140+120+116+120+140+150
𝑥= = 121 (triệu đồng/năm)
12

Doanh số bán hàng trung bình: 𝑦 = 1413 (triệu đồng/năm)

𝑥. 𝑦 = 177395, 𝑥 2 = 15682,67
177395−121 × 1413
𝛽̂2 = 2
= 6,17
15682,67−121

𝛽̂1 = 1413 – 6,17 × 121 = 667,02

Y= 𝛽̂1 + 𝛽̂2 𝑋 = 667,02 + 6,17X
Làm bằng STATA:

𝛽̂1 = 667,02; 𝛽̂2 = 6,17 => 𝑌 = 𝛽̂1 + 𝛽̂2 𝑋 = 667,02 + 6,17X

b) Giải thích ý nghĩa các tham số hồi quy
 - 667,02 cho biết khi không có chi phí chào hàng thì doanh số bán hàng tối thiểu là
667,02 triệu đồng/năm.
- 6,17 cho biết khi chi phí chào hàng tăng thêm 1 đơn vị thì doanh nghiệp trung bình
sẽ bỏ ra 6,17 cho doanh số bán hàng.
Bài 4.2:
a) Nếu phải sử dụng một mẫu khảo sát để kiểm chứng giá trị ước tính của căn hộ
(Price) và diện tích căn hộ (Total_area) có sự phụ thuộc vào nhau, ta có thể kiểm
chứng bằng cách sử dụng phương pháp phân tích hồi quy tuyến tính đơn biến.
Các bước thực hiện:
- Bước 1: Thu thập dữ liệu trên mẫu khảo sát (n) giá trị của giá của căn căn hộ
(Price) và diện tích căn hộ (Total_area)
- Bước 2:
Xây dựng mô hình hồi quy tuyến tính đơn biến: Y = 𝛽1 + 𝛽2 𝑋
Xây dựng hàm hồi quy mẫu : 𝑌̂= 𝛽̂1 + 𝛽̂2 𝑋
Với : Y: giá trị ước tính của căn hộ (Price)
X: diện tích của căn hộ (Total_area)
Sau đó tính hệ số 𝛽̂1 , 𝛽̂2 theo phương pháp bình phương tối tiểu OLS
- Bước 3: Kiểm tra ý nghĩa thống kê của hệ số hồi quy mẫu (𝛽̂𝑖 ≠ 0)
- Bước 4: Kiểm tra hệ số đo lường mức độ phù hợp của hàm hồi quy (𝑅2 )
b) Mô hình hồi quy tuyến tính đơn biến : Y = f(X) + 𝜀 = 𝛽1 + 𝛽2 𝑋
Hàm hồi quy tuyến tính đơn biến: 𝑌̂ = 𝛽̂1 + 𝛽̂2 𝑋
Với :
Y là Price, X là Total_area
𝜀 : là sai số đại diện cho những biến không thể đo lường và những yếu tố có tác
động đến giá của căn hộ mà không được đưa vào mô hình.
- 4 biến giải thích khác không được đưa vào mô hình: Vị trí của căn hộ, tầm nhìn
căn hộ, vị trí tầng của căn hộ, pháp lý về mặt sở hữu.
c) Kiểm định các bước:
B1: Thu thập dữ liệu: file “Ch4.xlsx”, sheet”Baitap4.2”
B2: Xây dựng mô hình hồi quy tuyến tính: Y = 𝑌̂ +𝜀 = 𝛽̂1 + 𝛽̂2 𝑋 + 𝜀
Hàm hồi quy tuyến tính đơn biến 𝑌̂= 𝛽̂1 + 𝛽̂2 𝑋 với X là Total_area và Y là Price
Sử dụng stata:
 𝛽̂1 = −657,5051; 𝛽̂2 = 35,94554 => Y = 𝛽̂1 + 𝛽̂2 𝑋 = -657,5051 + 35,94554X
Giải thích ý nghĩa tham số:
- Khi diện tích căn hộ bằng 0 𝑚2 thì giá trị ước tính tối thiểu của căn hộ trung bình
là -657,5051 triệu VNĐ
- Khi diện tích căn hộ tăng lên 1 𝑚2 thì giá trị ước tính của căn hộ trung bình sẽ
tăng 35,94554 triệu VNĐ.
B3: Kiểm tra ý nghĩa thống kê của hệ số hồi quy mẫu (𝛽̂𝑖 ≠ 0)
H0: 𝛽̂1 = 𝛽̂2 = 0
H1: ∃! 𝛽̂𝑖 ≠ 0
Với p-value = 0,000 < 𝛼 => chấp nhận H1, bác bỏ H0. Hàm hồi quy mẫu tồn tại tại mức
ý nghĩa 5%.
B4: Kiểm tra hệ số đo lường mức độ phù hợp của hàm hồi quy (𝑅2 )
𝑅2 = 0,4067 (0<0,4067<1) , sự thay đổi của giá trị ước tính của căn hộ có 40,67% là do
diện tích căn hộ và 59,33% là do các biến khác.
d) Theo như stata
TSS = 1,0079 × 1010
RSS = 5,9799 × 109
ESS = 4,0990 × 109
𝑅2 = 0,4067
Ý nghĩa của 𝑅2 = 0,4067 (0<0,4067<1) , sự thay đổi của giá trị ước tính của căn hộ có
40,67% là do diện tích căn hộ và 59,33% là do các biến khác.
e) Nếu chọn một giá trị bất kỳ của biến giải thích và biến đổi thành một giá trị khác
thì hàm hồi quy mẫu tìm được ở câu c cũng sẽ thay đổi. Bởi vì mô hình hồi quy
tuyến tính dựa trên các giá trị của biến giải thích để dự đoán giá trị ước tính của
căn hộ, do đó khi thay đổi một biến giải thích thì hàm hồi quy mẫu sẽ cho ra giá trị
khác dựa trên giá trị mới của biến giải thích.