Ta có biến phụ thuộc Y (Price) và biến giải thích X (Total_area)

Từ bản dữ liệu stata trên, ta có: �1 =− 657.5051 , �2 = 35.94554

=> Hàm hồi quy : � =− 657.5051 + 35.94554�
a)
Tính dự báo điểm cho giá trị trung bình Y với giá trị X = 200 bằng tay
=> �200 ⋍ �200 =− 657.5051 + 35.94554 × 200 = 6531.6029
Giải thích : Với diện tích là 200�2 thì giá trung bình của căn hội là 6531.6029
triệu đồng.
Tính dự báo điểm cho giá trị trung bình của Y với giá trị X=100 và X=350
bằng Stata

=> �100 = 2937.049 ; �350 = 11923.43

Giải thích : Với diện tích là 100m2 thì giá trung bình của căn hội là 2937.049
triệu đồng.
Với diện tích là 350�2 thì giá trung bình của căn hội là 11923.43 triệu đồng.
b)

Tính dự báo khoảng cho giá trị trung bình Y với giá trị X = 200 bằng tay
Hàm hồi quy : Y =− 657.5051 + 35.94554X
�200 =− 657.5051 + 35.94554 × 200 = 6531.6029
Từ bảng dữ liệu stata : RSS = 5.9799e+09 = 5.9799 × 109
Thực hiện phép tính trên Excel (xem trên file Excel), ta có :
� = 107.584485
��� = 3172395.353
��� 5.9799 × 109
�2 = = = 9214021.572
�−2 651 − 2

1 (X200 − X)2
se(Y200 ) = Var (Y200 ) = + × σ2
n Sxx

1 (200 − 107.584485)2
<=> + × 9214021.572 = 197.38
651 3172395.353

�200 ∈ (�200 ± ��−2

�/2 × se(Y200 )) <=> �200 ∈ (6531.6029 ± 1.96 × 197.38)

<=>�200 ∈ ( 6144.73 ; 6918.47 )

Giải thích :
Với diện tích là 200�2 thì giá trung bình tối thiểu của căn hộ là 6144.73 triệu
đồng và giá trung bình tối đa của căn hộ là 6918.47 triệu đồng.

Tính dự báo điểm cho giá trị trung bình của Y với giá trị X=100 và X=350
bằng Stata

Giải thích :
Với diện tích là 100m2 thì giá trung bình tối thiểu của căn hội là 2702.498
triệu đồng và giá trung bình tối đa của căn hộ là 3171.6 triệu đồng.
Với diện tích là 350�2 thì giá trị trung bình của căn hội là 11080.79 triệu
đồng và giá trung bình tối đa của căn hộ là 12766.08 triệu đồng.
c)

Tính dự báo khoảng cho giá trị Y với giá trị X = 200 bằng tay
Hàm hồi quy : Y =− 657.5051 + 35.94554X
�200 =− 657.5051 + 35.94554 × 200 = 6531.6029
Từ bảng dữ liệu stata : RSS = 5.9799e+09 = 5.9799 × 109
Thực hiện phép tính trên Excel (xem trên file Excel), ta có :
� = 107.584485
��� = 3172395.353

2
��� 5.9799 × 109
� = = = 9214021.572
�−2 651 − 2

1 (X200 − X)2
se(Y200 − Y200 ) = Var (Y200 − Y200 ) = 1+ + × σ2
n Sxx

1 (200 − 107.584485)2
<=> 1+ + × 9214021.572 = 3041.87
651 3172395.353

�200 ∈ (�200 ± ��−2

�/2 × se(Y200 − Y200 )

<=> �200 ∈ (6531.6029 ± 1.96 × 3031.87)

<=>�200 ∈ ( 569.54 ; 12493.66 )
Giải thích :
Với diện tích là 200�2 thì giá tối thiểu của căn hộ là 569.54 triệu đồng và giá
tối đa của căn hộ là 12493.66 triệu đồng.
Tính dự báo điểm cho giá trị trung bình của Y với giá trị X=100 và X=350
bằng Stata

Giải thích :
Với diện tích là 100m2 thì giá tối thiểu của căn hội là (-3017.068) triệu đồng và
giá tối đa của căn hộ là 8891.166 triệu đồng.
Với diện tích là 350�2 thì giá tối thiểu của căn hội là 5914.562 triệu đồng và
giá tối đa của căn hộ là 17932.31 triệu đồng.
a)

Khi đơn vị đo lường của Total_area (m2 ) được đổi thành đơn vị là (cm2 ) thì
hệ số β2 giảm xuống gấp 10000 lần, �1 = 10000, β2 = 35.94554
=> β∗2 = 0.00359
Giải thích : 0.00359 cho biết khi diện tích tăng thêm 1 cm2 thì giá căn hộ tăng
một lượng trung bình là 0.00359 triệu đồng.
b)

Khi Price (triệu đồng) được đổi thành đơn vị là (tỉ đồng) thì hệ số β2 giảm
xuống gấp 1000 lần, �2 = 1/1000, β2 = 35.94554 => β∗2 = 0.03594
Giải thích : 0.03594 cho biết khi diện tích tăng thêm 1 m2 thì giá căn hộ tăng
một lượng trung bình là 0.03594 tỉ đồng.
c)

Khi Price (triệu đồng) được đổi thành đơn vị là (tỉ đồng) thì hệ số β2 giảm
xuống gấp 1.000.000 lần, �1 = 10000, �2 = 1/1000, β2 = 35.94554
=> β∗2 = 3.59 × 10−6
Giải thích : 3.59 × 10−6 cho biết khi diện tích tăng thêm 1 cm2 thì giá căn hộ
tăng một lượng trung bình là 3.59 × 10−6 tỉ đồng.

2.2.1 Tính chất

Mục đích :
Tính chất bình phương tối thiểu (OLS) được sử dụng trong việc ước lượng các
tham số của mô hình hồi quy tuyến tính.
Vai trò :
Tìm ra mô hình hoặc giả thuyết tốt nhất để phù hợp với dữ liệu bằng cách giảm
thiểu sai số giữa dữ liệu thực tế và dự đoán của mô hình. Điều này giúp xác
định mối quan hệ giữa các biến và dự báo giá trị của biến phụ thuộc dựa trên
biến độc lập.
2.2.2 Đo lường mức độ phù hợp
Mục đích :
Tìm đường hồi quy tuyến tính tốt nhất để dự đoán giá trị của biến phụ thuộc
dựa trên biến độc lập (Hàm hồi quy mẫu được gọi là phù hợp khi giải thích
được sự thay đổi của Y qua biến giải thích X hay hàm hồi quy mẫu phải tồn tại).
Vai trò :
Cho biết sự thay đổi của Y có bao nhiêu % là thay đổi do biến X à bao nhiêu
% còn lại là do các nguyên nhân khác.

2.2.3 Ước lượng và kiểm định

Ước lượng tham số
Mục đích : Xác định giá trị của các tham số trong mô hình hồi quy tuyến tính,
giúp mô tả mối quan hệ giữa biến phụ thuộc và các biến độc lập.
Vai trò : Ước lượng khoảng tin cậy giúp xác định khoảng giá trị có thể chứa giá
trị thực sự của tham số với một mức độ tin cậy nhất định.
Kiểm định tham số
Mục đích : Kiểm định tham số nhằm xác định xem biến giải thích trong mô
hình có ý nghĩa hay không.
Vai trò : Giúp loại bỏ các biến giải thích không có ảnh hưởng hoặc ảnh hưởng
không đáng kể đến biến phụ thuộc.

2.2.4 Kiểm định sự phù hợp của mô hình

Mục đích : Kiểm định sự phù hợp của mô hình hồi quy tuyến tính được sử
dụng để đánh giá mức độ phù hợp giữa mô hình hồi quy tuyến tính với dữ liệu
thực tế.
Vai trò : Kiểm định sự phù hợp của hàm hồi quy giúp kiểm tra xem mối
quan hệ giữa các biến trong mô hình có phù hợp với dữ liệu thực tế hay không.
Nếu mô hình phù hợp, các dự đoán và kết luận rút ra từ mô hình sẽ chính xác
và đáng tin cậy.

2.2.5 Dự báo
Mục đích : Dự báo là dùng mô hình, hàm hồi quy mẫu để dự đoán giá trị trung
bình hoặc giá trị cụ thể của biến phụ thuộc dựa trên các giá trị của biến độc lập.
Vai trò :
Dự báo điểm và dự báo khoảng cho giá trị trung bình hoặc giá trị cụ thể của
biến phụ thuộc Y
2.3 Tỉ lệ và đơn vị đo lường
Mục đích : Trong nhiều trường hợp khi đơn vị đo lường thay đổi sẽ dẫn đến giá
trị của các hệ số thay đổi. Do đó việc tìm ra các hệ số mới sẽ đảm bảo việc giải
thích ý nghĩa chính xác hơn.
Vai trò : Tỷ lệ và đơn vị đo lường giúp so sánh các mô hình được xây dựng
dựa trên dữ liệu có đơn vị đo khác nhau.