Tài liệu Những nhân tố ảnh hưởng đến nhu cầu đi siêu thị của sinh viên

LỜI MỞ ĐẦU Tất cả các sinh viên đều có những nhu cầu khác nhau cho cuộc sống của mình ngoài vấn đề học tập. Những nhu cầu đó đều xuất phát dựa trên các suy nghĩ khác nhau cũng như cách cảm nhận về các vấn đề hàng ngày của bản thân. Xuất phát trên cơ sở đó mà các sản phẩm tiêu dùng hàng ngày của sinh viên cũng đa dạng và phong phú không kém. Siêu thị là một nơi rất đáng chú ý đối với sinh viên với nhiều lí do khác nhau; sản phẩm đa dạng, giá cả cũng phải chăng… Chính vì để hiểu thêm về nhu cầu đi siêu thị của sinh viên mà Nhóm quyết định nghiên cứu về: “ Những nhân tố ảnh hưởng đến nhu cầu đi siêu thị của sinh viên”. Và Nhóm đã phát 150 phiếu điều tra về vấn đề trên cho các sinh viên Duy Tân tại 209 Phan Thanh. Vấn đề nghiên cứu rộng và phức tạp nên trong quá trình làm Nhóm cũng mắc không ít thiếu sót mong thầy và các nhóm khác góp ý để đề tài của nhóm hoàn thiện hơn. Nhóm xin chân thành cảm ơn! MỤC LỤC A. LỜI MỞ ĐẦU B. NỘI DUNG I. THIẾT LẬP MÔ HÌNH 1. Biến phụ thuộc 2. Biến độc lập 3. Mô hình tổng thể 4. Dự đoán kì vọng giữa các biến 5. Mô hình hồi quy mẫu 6. Ý nghĩa của các hệ số hồi quy II. KHOẢNG TIN CẬY 7. Khoảng tin cậy của β1 8. Khoảng tin cậy của β2 9. Khoảng tin cậy của β3 III. 10. Khoảng tin cậy của β4 11. Khoảng tin cậy của β5 12. Khoảng tin cậy của β6 13. Khoảng tin cậy của β7 14. Khoảng tin cậy của β8 KIỂM ĐỊNH 15. Kiểm định sự ảnh hưởng của biến độc lập đối với biến phụ thuộc 16. Kiểm định sự phù hợp của mô hình SRF so với số liệu của mẫu 17. Kiểm định hiện tượng đa cộng tuyến 18. Kiểm định hiện tượng phương sai sai số ngẫu nhiên thay đổi 19. Kiểm định hiện tượng tự tương quan IV. KIỂM ĐỊNH BIẾN KHÔNG CẦN THIẾT V. KIỂM ĐỊNH BIẾN BỊ BỎ SÓT VI. MÔ HÌNH HOÀN CHỈNH 20. Ý nghĩa các hệ số hồi quy 21. Khoảng tin cậy a. Khoảng tin cậy của β1 b. Khoảng tin cậy của β2 c. Khoảng tin cậy của β3 d. Khoảng tin cậy của β4 e. Khoảng tin cậy của β5 f. Khoảng tin cậy của β6 g. Khoảng tin cậy của β7 3. Kiểm định a. Kiểm định sự ảnh hưởng của biến độc lập đối với biến phụ thuộc b. Kiểm định sự phù hợp của mô hình SRF so với số của liệu mẫu VII. THỐNG KÊ MÔ TẢ BIẾN Y BIẾN SL BIẾN PT BIẾN CT VIII. HẠN CHẾ C. LỜI CẢM ƠN TÀI LIỆU THAM KHẢO a. Giáo trình Kinh tế lượng, Nguyễn Quang Cường, Khoa KHTN, Trường ĐH Duy Tân b. Tài liệu: Hướng dẫn làm tiểu luận Kinh tế lượng và các đề thi tham khảo - Nguyễn Quang Cường. c. Bài tiểu luận Nhóm Olalani – K13KNH9, ĐH Duy Tân. d. Bài tiểu luận nhóm của lớp K13QTC1, ĐH Duy Tân. e. Bài tiểu luận của SV Nguyễn Thế Hùng – KHDDT3, ĐH Ngoại Thương. I. THIẾT LẬP MÔ HÌNH: 1. Biến phụ thộc: Y : nhu cầu đi siêu thị của sinh viên 2. Biến độc lập:  GT: Giới tính  SL: Số lần đi  PT: Phương tiện  CT: Chi tiêu  MH: Mặt hàng  VT: Vị trí  SP: sản phẩm 3. Mô hình tổng thể: Yi = β1 + β2GT + β3SL + β4PT + β5CT + β6MH + β7VT + β8SP + Ui 4. Dự đoán kì vọng giữa các biến 1 β3 dương: Khi số lần đi siêu thị càng nhiều thì nhu cầu càng cao. 2 β4 âm: Khi phương tiện ảnh hưởng càng nhiều thì nhu cầu càng giảm 3 β5 âm: Khi chi tiêu 1 tuần cho việc đi siêu thị vượt mức thì nhu cầu tăng. 4 β6 dương: Khi mặt hàng ưa thích trong siêu thị tăng thì nhu cầu càng cao. 5 β7 dương: Khi vị trí càng thuận lợi thì nhu cầu càng cao. 6 β8 dương: Khi sản phẩm trong siêu thị càng đa dạng thì nhu cầu càng cao. 5. Mô hình hồi quy mẫu Yi = 0.519595 + 0.034669GT + 0.778062SL – 0.156217PT – 0.026714CT – 0.017447MH + 0.094180VT + 1.225895SP + ei 6. Ý nghĩa của các hệ số hồi quy β1^: Khi các yếu tố GT, SL, PT, CT, MH, VT, SP bằng 0 thì nhu cầu đi siêu thị của sinh viên đạt giá trị nhỏ nhất là 0.519595. β2^: Khi các yếu tố khác không đổi thì nhu cầu của nữ đi siêu thị nhiều hơn nam 0.034669 lần. β3^: Khi các yếu tố khác không đổi, số lần đi siêu thị tăng giảm 1 lần thì nhu cầu đi siêu thị của sinh viên tăng giảm 0.778062 lần. β4^: Khi phương tiện tăng giảm 1 mức độ và các yếu tố còn lại không đổi thì nhu cầu đi siêu thị của sinh viên tăng giảm 0.778602 lần. β5^: Khi các yếu tố khác không đổi, chi tiêu cho 1 tuần tăng giảm 1 mức độ thì nhu cầu giảm tăng 0.026714 lần. β6^: Khi mặt hàng tăng giảm 1 mặt hàng và các yếu tố khác không đổi thì nhu cầu đi siêu thị của sinh viên giảm tăng 0.017447 lần. β7^: Khi các yếu tố khác không đổi, nếu vị trí của siêu thị thích hợp thì nhu cầu đi siêu thị của sinh viên lớn hơn 0.094180 lần so với vị trí không thích hợp. β8^: Khi các yếu tố khác không đổi, sản phẩm trong siêu thị tăng giảm 1 sản phẩm thì nhu cầu đi siêu thị của sinh viên tăng giảm 1.225895 lần. II. KHOẢNG TIN CẬY: Βj^ - tα/2(n-k)*Se(βj^)≤ βj ≤ βj^ + tα/2(n-k)*Se(βj) (với tα/2(n-k) = t0.025(142) = 1.976811) 1. Khoảng tin cậy của β1: Với β1^ = 0.519595 Se(β1^) = 0.230367 Thì khoảng tin cậy của β1: 0.064203 ≤ β1 ≤ 0.974987 Ý nghĩa: Với các yếu tố khác không đổi thì nhu cầu đi siêu thị của sinh viên chênh lệch trong khoảng từ 0.064203 đến 0.974987. 2. Khoảng tin cậy của β2: Với β2^ = 0.034669 Se(β2^) = 0.046718 Thì khoảng tin cậy của β2 là: -0.057684 ≤ β2 ≤ 0.127022 Ý nghĩa: Khi các yếu tố khác không thay đổi thì nhu cầu đi siêu thị của sinh viên nam nhận giá trị trong khoảng từ -0.057684 đến 0.127022 3. Khoảng tin cậy của β3: Với β3^ = 0.778062 Se(β3^) = 0.046214 Thì khoảng tin cậy của β3 là: 0.686706 ≤ β3 ≤ 0.869418 Ý nghĩa: Với các yếu tố khác không đổi và số lần đến siêu thị của sinh viên tăng giảm một mức độ thì nhu cầu đi siêu thị của sinh viên nhận giá trị trong khoảng từ 0.686706 đến 0.869418. 4. Khoảng tin cậy của β4: Với β4^ = -0.156217 Se(β4^ ) = 0.051104 Thì khoảng tin cậy của β4 là: -0.25724 ≤ β4 ≤ -0.05519 Ý nghĩa: Khi các nhân tố khác không đổi và sự ảnh hưởng của phương tiện tăng giảm 1 mức độ thì nhu cầu đi siêu thị chênh lệch trong khoảng từ -0.25724 đến -0.05519. 5. Khoảng tin cậy của β5: Với β5^ = -0.026714 Se(β5^) = 0.024923 Thì khoảng tin cậy của β5 là: -0.075982 ≤ β5 ≤ 0.022554 Ý nghĩa: Với các yếu tố khác không đổi và chi tiêu cho 1 tuần tăng giảm 1 mức độ thì nhu cầu đi siêu thị của sinh viên nhận giá trị trong khoảng từ -0.075982 đến -0.022554 6. Khoảng tin cậy của β6: Với β6^ = -0.017447 Se(β6^) = 0.014153 Thì khoảng tin cậy của β6 là: -0.045425 ≤ β6 ≤ 0.010531 Ý nghĩa: Khi các yếu tố khác không đổi và mặt hàng trong siêu thị tăng giảm một mặt hàng thì nhu cầu đi siêu thị của sinh viên nhận giá trị trong khoảng từ -0.045425 đến 0.010531. 7. Khoảng tin cậy của β7: Với β7^ = 0.04918 Se(β7^) = 0.054157 Thì khoảng tin cậy của β7 là : -0.012878 ≤ β7 ≤ 0.201238 Ý nghĩa: Với các yếu tố khác không đổi, khi vị trí của siêu thị thích hợp thì nhu cầu đi siêu thị của sinh viên nhận giá trị trong khoảng từ -0.012878 đến 0.201238. 8. Khoảng tin cậy của β8: Với β8^ = 1.225895 Se(β8^) = 0.060991 Thì khoảng tin cậy của β8 là: 1.105273 ≤ β8 ≤ 1.346463 Ý nghĩa: Với các yếu tố khác không đổi, khi sản phẩm siêu thị đáp ứng được nhu cầu sinh viên thì nhu cầu đi siêu thị của sinh viên nhận giá trị trong khoảng từ 1.105273 đến 1.346463. III. KIỂM ĐỊNH 1. Kiểm định sự ảnh hưởng của biến độc lập đối với biến phụ thuộc: 1 Prob(2) = 0.4593 > = 0.05  Giới tính không ảnh hưởng  đến nhu cầu đi siêu thị của sinh viên. 2 Prob(3) = 0.0000 <  = 0.05  số lần ảnh hưởng đến nhu cầu đi siêu thị của sinh viên. 3 Prob(4) = 0.0027 <  = 0.05  Phương tiện ảnh hưởng đến nhu cầu đi siêu thị của sinh viên. 4 Prob(5) = 0.2856 >  = 0.05  Chi tiêu không ảnh hưởng đến nhu cầu đi siêu thị của sinh viên. 5 Prob(6) = 0.2197 > = 0.05  Mặt hàng không ảnh hưởng  đến nhu cầu đi siêu thị của sinh viên. 6 Prob(7) = 0.0842 >  = 0.05  Vị trí không ảnh hưởng đến nhu cầu đi siêu thị của sinh viên. 7 Prob(8) = 0.0000 <  = 0.05  Sản phẩm ảnh hưởng đến nhu cầu đi siêu thị của sinh viên. 2. Kiểm định sự phù hợp của mô hình SRF so với số liệu của mẫu: Prob(F-statistic) = 0.000000 <  = 0.05  Mô hình phù hợp. 3. Kiểm định hiện tượng đa cộng tuyến a. Phát hiện đa cộng tuyến: Xem xét qua ma trận tương quan giữa các biến (Bảng 2 phần PHỤ LỤC), ta thấy 2 biến SL và PT có mức tương quan cao: 0.840358 nên tồn tại hiện tượng đa cộng tuyến. Để kiểm định hiện tượng đa cộng tuyến nhóm đã xây dựng mô hình hồi quy phụ trong đó lần lượt các biến độc lập sẽ trở thành biến phụ thuộc và hồi quy chúng với các biến còn lại. Bảng hồi quy phụ theo biến PT và SL ( Bảng phụ lục 5 và 6 ) Mô hình hồi quy chính: Yi = β1 + β2GT + β3SL + β4PT + β5CT + β6MH + β7VT + β8SP + Ui Mô hình hồi quy phụ: PT = α1 + α2GT + α3SL + α4CT + α5MH + α6VT + α7SP + Ui Hồi quy mô hình hồi quy phụ theo biến PT (Bảng phụ lục 5 ) → R12 = 0.721614 Vì Prob(F-stactistic) = 0.000000 << α = 0.05  Mô hình hồi quy phụ phù hợp. Vậy mô hình ban đầu tồn tại hiện tượng đa cộng tuyến. a. Khắc phục hiện tượng đa cộng tuyến Loại bỏ biến PT hoặc SL ra khỏi mô hình ban đầu. 1 Hồi quy lại mô hình trong đó loại bỏ biến PT ( Bảng phụ lục 7) Mô hình hồi quy đã bỏ PT: Yi = - 0.126090 + 0.053443GT + 0.896041SL – 0.013772CT – 0.015944MH + 0.104884VT + 1.223553SP + ei.  R2bỏ PT = 0.921544 2 Hồi quy lại mô hình trong đó loại bỏ biến Sl ( Bảng phụ lục 8 ) Mô hình hồi quy đã bỏ SL: Yi = 3.758749 – 0.004568GT – 0.874772PT – 0.046171CT – 0.030340MH – 0.027607VT + 1.256329SP + ei.  R2bỏ SL = 0.779446 So sánh R2 ở hai mô hình ta thấy: R2bỏ PT > R2bỏ SL Vậy loại bỏ biến PT ra khỏi mô hình thì mô hình sẽ tốt hơn. 1 Kiểm định hiện tượng phương sai sai số ngẫu nhiên thay đổi. TH1: Mô hình gốc. a. Phát hiện hiện tượng phương sai sai số ngẫu nhiên thay đổi: Theo bảng 9 phần PHỤ LỤC, ta thấy Probability = 0.000000 < α = 0.05  Tồn tại hiện tượng phương sai sai số ngẫu nhiên thay đổi b. Khắc phục hiện tượng phương sai sai số ngẫu nhiên thay đổi. Xét MHHQ: Yi = β1 + β2GT + β3SL + β4PT + β5CT + β6MH + β7VT + β8SP + Ui (1) e 2 i 2 i 2 Ta có: Var(Ui) = σ PT = n k 2 PT = RSS n k PT2 = 0.0505297PT2 Chia 2 vế của (1) cho PT, ta được: Yi  GT SL CT MH VT SP U i  1  2  3  4  5  6  7  8  (2) PT PT PT PT PT PT PT PT PT Yi* = Yi PT ; 1 PT*= PT ; GT GT*= PT ; SL SL*= PT ; CT CT*= PT ; MH MH*= PT Đặt ; VT*= VT PT ; SP SP = PT * ; Ui Vi= PT  1*  4 ;  2*   2 ;  3*   3 ;  4*  1 ;  5*  5 ;  6*  6 ;  7*  7 ;  8*   8 Mô hình (2) được viết lại như sau: Yi*= β1* + β2*GT* + β3*SL* + β4*PT* + β5*CT* + β6*MH* + β7*VT* + β8*SP + Vi (3). Vậy: MH(3) có phương sai sai số ngẫu nhiên không đổi. Vì Var(Vi) = Ui Var( PT )= 1 PT 2 Var(Ui) = 1 PT 2  2 2 PT = CONST TH2: Mô hình đã khắc phục đa cộng tuyến a. Phát hiện hiện tượng phương sai sai số ngẫu nhiên thay đổi: Theo bảng phụ lục 11, ta thấy Probability = 0.000003 < α = 0.05  Tồn tại phương sai sai số ngẫu nhiên thay đổi. b. Khắc phục hiện tượng phương sai sai số ngẫu nhiên thay đổi: Xét MHHQ: Yi = β1 + β2GT + β3SL + β4CT + β5MH + β6VT + β7SP + Ui (1) e Ta có: Var(Ui) = σi2SL = Chia 2 vế của (1) cho 2 i n k SL ta SL  được: RSS SL  n k 0.153636SL Yi SL  U 1 GT CT MH VT SP  2   3 SL   4  5  6  7  i SL SL SL SL SL SL SL (2) Yi*= Đặt: Yi SL ; SL*  SP *  SP SL 1 SL ; GT *  Ui ;Vi  SL GT SL ; CT *  CT SL ; MH *  MH SL ;VT *  VT SL * ; 1   3 SL ;  2*   2 ;  3*   1 ;  4*   4  5*  5 ;  6*  6 ;  7*  7 MH(2) được viết lại như sau: Yi*=β1*+β2*GT*+β3*SL*+β4*CT*+β5*MH*+β6*VT*+β7*SP*+Vi(3). Vậy: MH (3) có phương sai sai số ngẫu nhiên không đổi Ui Vì Var(Vi) = Var( SL )= 1 SL Var(Ui) = 1 SL σi2SL = σi2 = 0.153636. 5. Kiểm định hiện tượng tự tương quan: TH1: Đối với mô hình gốc. a. Phát hiện hiện tượng tự tương quan Ta có k’= k – 1 = 8 – 1 = 7; n = 150 d = 2.019648 (Bảng 13 phần PHỤ LỤC) dU = 1.722 dL = 1.53 Kiểm định giả thiết H0: Không có tự tương quan dương hoặc âm  dU < d < 4 – dU = 2.278  Không bác bỏ H0, tức là không tồn tại hiện tượng tự tương quan. TH2: Mô hình đã khắc phục đa cộng tuyến a. Phát hiện hiện tượng tự tương quan: d = 2.031137(Bảng 14 phần PHỤ LỤC) k’ = k – 1 = 6; n = 150 dU = 1.708 dL = 1.543 Kiểm định giả thiết H0: Không có tự tương quan dương hoặc âm  dU < d < 4 – dU = 2.292  Không bác bỏ H0, tức là không tồn tại hiện tượng tự tương quan. IV. KIỂM ĐỊNH BIẾN KHÔNG CẦN THIẾT: Redundant Variables: VT 3.0241 99 Log likelihood 3.1610 ratio 34 F-statistic Probab 0.084 ility 198 Probab 0.075 ility 415 Dựa vào bảng ta thấy F = 3.024199 có xác suất Prob= 0.084198 > α = 0.05 Nên VT là biến không cần thiết trong mô hình hồi quy. V. KIỂM ĐỊNH BIẾN BỊ BỎ SÓT: Omitted Variables: PT F-statistic 9.3442 Probabi 0.002 47 lity 673 Log likelihood 9.5594 Probabi 0.001 ratio 95 lity 989 Dựa vào bảng ta thấy F = 9.344247 có xác suất Prob= 0.002673 < α = 0.05 Nên PT là biến bị bỏ sót. VI. MÔ HÌNH HOÀN CHỈNH: Yi = - 0.126090 + 0.053443GT + 0.896041SL – 0.013772CT – 0.015944MH + 0.104884VT + 1.223553SP + ei.