Tiểu luận Mô hình hồi quy giải thích sự khác biệt về tuổi thọ của phụ nữ trên thế giới

Bài tập Phân tích định lượng MBA-08 TRƯỜNG Đ ẠI HỌC MỞ TP.HCM LỚP CAO HỌC QUẢN TRỊ KINH DOANH KHÓA 8 TIỂU LUẬN MÔN HỌC: PHÂN TÍCH ĐỊNH LƯỢNG ĐỀ TÀI TIỂU LUẬN: NHÓM THỰC HIỆN: Đào Hùng Anh. Võ Phương Hồng Cúc. Lê Trọng Đoan Cao Văn Tuấn. TP. Hồ Chí Minh, tháng 2 năm 2009 1 Bài tập Phân tích định lượng MBA-08 ĐẠI HỌC MỞ TP. HỐ CHÍ MINH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh ph úc ------------- ------------------- ĐỀ KIỂM TRA MÔN: PHÂN TÍCH ĐỊNH LƯỢNG LỚP: MBA8 Ghi chú: Sinh viên làm bài theo nhóm Yêu cầu: Sử dụng dữ liệu trong file World 95 Tieng Viet.sav đính kèm, bạn hãy tự xây dựng cho mình một mô hình hồi quy giải thích sự khác biệt về tuổi thọ ph ụ nữ giữa các quốc gia trên thế giới. Bạn được tự do lựa chọn các biến giải thích để đưa vào m ô hình cũng như tự quyết định dạng thức của các liên hệ giữa biến giải thích và biến kết quả. Hãy mô tả chi tiết quá trình xây dựng mô hình của bạn và tăng tính thuyết phục của mô hình này bằng các công cụ chẩn đoán và đánh giá mô hình. Giải thích ý nghĩa các kết quả của mô hình rút ra. Sản phẩm nộp: 1. Bài làm dạng file Word (có ghi tên các thành viên của nhóm ở trang đầu) 2. File output SP SS Cả 2 file được đặt tên như sau MBA8_KT_nhomX (X là số thứ tự nhóm ) Hình thức: File Word định dạng khổ giấy A4 (canh lề 2cm mỗi phía), font chữ Time New Roman, cỡ 12 points Cách đoạn (Spacing before) 6 points, giãn dòng (line spacing) 1.2 Chúc thành công! 2 Bài tập Phân tích định lượng MBA-08 Lời nói đầu: Phân tích định lượng là môn học nhằm trang bị kiến thức và phương pháp trong việc xây dựng mô hình, thu thập thông tin về thị trường và đời sống xã hội, phân tích số liệu, đánh giá số liệu nhằm khái quát hóa các vấn đề nghiên cứu trong mô hình đã xây dựng. Đằng sau nhữn g kiến thức đó cần có kiến thức về thống kê toánvà các kỹ năng sử dụng các loại phần mềm chuyên n ghiệp cho bộ môn này như SPSS, EVIEW S hay Excel. Qua đó ta thấy đây là một lĩnh vực rộng lớn cần có sự trau dồi và tích lũy kiến thức lâu dài cũng như sự yêu nghề để đạt được sự hiểu biết tường tận và thực hiện tốt công việc này. Trong hệ thống kiến thức rộng lớn đó kỹ thuật hồi quy tuyến tính là một kỹ thuật hay mô hình quan trọng để tìm ra sự tương quan của các biến nguyên nhân và kết quả để ta có thể hình dung tương đối mối liên kết đó, giúp ta có thể ứng dụng mô hình trong thực tế đời sống xã hội hay kinh tế. Trong tiểu luận chúng ta đi nghiên cứu t uổi thọ của phụ nữ kh ác nhau như thế nào trên thế giới thông qua các biến nguyên nhân như GDP, học vấn hay số lượng sinh sản… sau đó đánh giá mô hình thông qua các chỉ số liên k ết, các chỉ số v ề sự chính xác và tương quan của các biến n ghiên cứu. Nhóm xin chân thành biết ơn và cảm tạ thầy Hoàng Trọng, đã hết lòng truyền thụ kiến thức và chia sẻ những kinh nghiệm quý báu trong quá trình hướng dẫn lớp MBA-08 môn học phân tích định lượng. Kính chúc thầy nhiều sức khỏe để tiếp tục truyền th ụ sự hiểu biết cho các khóa đàn em mai sau. 3 Bài tập Phân tích định lượng MBA-08 MỤC LỤC I. Lý thuyết về hồi quy tuyến tính. 1. Hệ số tương quan đơn. 2. Xây dựng ph ương trình hồi quy tuyến tính. 3. Đánh giá sự phù hợp của mô hình. 4. Kiểm định giả thuyết về độ phù hợp của mô hình và ý nghĩa của h ệ số hồi quy. 5. Hồi quy bội, những vấn đề cần quan tâm khi thực hiện. II. Ứng dụng Hồi quy tuyến tính vào để xây dựng một mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới. 1. Xác định biến nguyên nhân và kết quả. 2. Xây dựng mô hình hồi quy t uyến tính. 3. Đánh giá sự phù hợp và kiểm định mô hình. 4. Mô hình đa biến, chọn lựa biến nguyên nhân, xây dựng và đánh giá. Kết luận 4 Bài tập Phân tích định lượng MBA-08 I.Lý thuyết tổng quát về hồi quy đơn biến. 1. Hệ số tương quan.( correlation coefficient) - Hệ số tương quan r nhằm nói lên sự liên kết chặt chẽ giữa hai biến nào đó. - Hệ số tương quan cho mẫu là ước lượng của hệ số tương quan r để đo lường mối liên kết tuyến chặt chẽ giữa các biến của mẫu. - Hệ số này không có đơn vị. - Hệ số này có giá trị biến thiên từ -1 đến 1. - Khi có giá trị âm hệ hai biến có tương quan nghịch biến. - Khi có giá trị dương hệ hai biến có tương quan đồng biến. - Khi gía trị này bằng khôn g thì hai biến khôn g có liên k ết. Nghịch biến Đồng biến Không có mối liên hệ. - Côn g thức tính toán hệ số tương quan mẫu: Trong đó: r: hệ số tương quan, X : gía trị hệ số nguyên nhân, Y: giá trị hệ số kết quả, X: hệ số trung bình biến nguyên nhân, Y: giá trị trung bình biến kết quả, n: độ lớn mẫu. - Giá trị r giữa hai biến có thể là rất thấp nhưng chưa hẳn hai biến đó hoàn toàn không có mối liên hệ, có thể nó lại có dạng liên quan khác như liên hệ phi tuyến. - Giá trị r có thể là rất cao có khi gần bằng 1 nhưng thực tế không có sự liên quan nào, người ta gọi là sự tương quan giả, ví dụ như người ta nghiên cứu số lượng trẻ sơ sinh phụ thuộc vào dân số của thành phố HCM có sự tương quan rất cao vào năm 200x nhưng thực tế hai biến này có sự tương quan giả, do khoản thời gian đó kinh tế suy giảm các n ăm gần đó tỷ lệ sinh giảm, nhưng đặc biệt năm đó là năm 5 Bài tập Phân tích định lượng MBA-08 may mắn nên các gia đình quyết định sinh con nhiều. Như vậy ta thất ở đây tương quan thật phải là số lượng trẻ sơ sinh và năm tốt. - Như vậy h ệ số tương quan chỉ được coi là một chỉ số nói lên sự chặt chẽ giữa các biến. 2.Xây d ựng phương trình hồi quy tuyến tính: Sau khi đã nghiên cứu hệ số tương quan r, ta thấy rằng có thể hai biến có hệ số tương quan chặt chẽ một cách tuyến tính nhưng thực tế thì không có sự liên hệ nào về thực chất, do vậy để xây dựng phương trình hồi quy tuyến tính của các biến với nhau thì xem như ta đã nghiên cứu thấu đáo về sự liên quan giữa chúng trong thực tế, và có xét đến hệ số tương quan cần thiết khá cao. Sau đó ta tiến hành xây dựng mô hình. Lý thuyết thông thường người ta đặt biến Y là biến kết quả và biết X nguyên nhân, X được đặt trên trục hoành và Y đặt trên trục tung. Trong phần nghiên cứu của tiểu luận ta chi đi khảo sát mối liên quan tuyến tính theo đường thẳng đối với mối liên hệ theo các hình khác như parabol hay hình gấp khúc không được đề cập. Phương trình hồi quy tuyến tính của tổng thể và mẫu có dạng đường thẳng như sau: Yi = 0 + 1Xi + , Yi = B0 + B1Xi +  Trong đó Y là biến kết quả dự đoán thứ i, Xi là biến nguyên nhân thứ i, B0 hệ số tương quan tung độ góc là giá trị của Y khi X bằng không, B1 là hệ số tương quan độ dốc của đường thẳng biểu diễn mô hình hồi quy,  là gía trị khác biệt giữa hồi quy và giá trị thực tế. Ý nghĩa của các hệ số : - B0 nói lên giá trị của biến dự đoán khi gía trị nguyên nh ân bằng không. - B1 độ dốc của đường hồi quy nhằm nói lên rằng khi giá trị X thay đổi một đơn vị thì giá trị Y sẽ thay đổi X.B1 đơn v ị. -  nói lên sự khác biệt giữa giá trị hồi quy v à gía trị thực tế, ví dụ một biến kết quả có thể ảnh hưởng bởi rất nhiều biến nguyên nhân nh ưng ta lại chỉ khảo sát một biến n guyên nhân duy nhất, điều này đưa đến sự có giá trị khác biệt này, khi giá trị  càng nhỏ thì sự ảnh hưởng của biến n guyên nhân đó càng lớn và càng có sự chính xác kh i áp dụng mô hình hồi quy. - Ví dụ khi ta khảo sát chiều cao của của đứa trẻ 8 tuổi theo chế độ dinh dưỡng thì ta có gía trị  lớn, thì có nghỉa rằng chiều cao của đứa trẻ phụ thuộc vào dinh dưỡng v à còn phụ thuộc vào các biến khác như chiều cao của cha mẹ, nơi ăn chốn ở hay cách chăm sóc… hay nói cách khác gía trị  nhằm nói đến sự sai lệch do ta chưa khảo sát hết tất cả các biến ảnh hưởng đến biến phụ thuộc mà ta đang khảo sát. - Sau khi có được mô hình hồi quy tuyến tính ta có thể tính gía trị biến phụ thuộc thông qua giá trị biến không phụ thuộc với một giá trị chênh lệch  nào đó mà ta chưa biết, nhưng giá trị đó nhỏ hơn 6 Bài tập Phân tích định lượng MBA-08 giá trị sai biệt khi ta chỉ tính trị trung bình so với giá trị thực tế cần khảo sát. Để hiểu hơn ta có thể đi đến mục sau: Đánh giá sự phù hợp của mô hình hồi quy tuyến tính. 3.Đánh giá sự phù hợp của mô hình: Vấn đề quan trọng tron g các mô hình hồi quy là phải chứng minh được sự phù hợp của mô hình mà ta đang khảo sát, hầu như không có đường thẳng hồi quy nào đều hoàn toàn phù hợp với tập dữ liệu khảo sát và luôn có gía trị sai lệch giữa các trị dự báo từ hồi quy và giá trị thực tế, sự sai lệch này thể hiện qua phần dư . Do vậy người ta phải nghỉ đến một thước đo nào đó để chỉ ra mức độ phù hợp của mô hình. Thông thường thước đo cho mô hình tuyến tính được dùng là hệ số xác định R2. R2 được tính theo công thức: Trong đó SSR được xem như là giá trị sai lệch giữa gía trị dự đoán theo hồi quy so với giá trị trung bình của tập dữ liệu, nó nói lên ph ần giá trị mà ta có thể ước lượng gần với thực tế hơn khi có phương pháp hồi quy so với khi ta chỉ tính giá trị trung bình của tổng thể tập mẫu. Ví dụ khi ta tính thu nhập theo đầu người của thành phố HCM thì giá trị là 5 triệu đồng/người như vậy khi một gia đình có 3 người đi làm thì ta có thể hiểu là gia đình này thu nhập là 15 triệu đồng. Nhưng ta đã biết lương bổng thì phụ thuộc vào rất nhiều vấn đề như trình độ học thức, năm kinh nghiệm, loại công ty hay sự quan h ệ với cấp trên… như vậy khi ta dùng mô hình hồi quy để tính lương của một người theo trình độ học vấn thì ta có thể tính như sau: Lương = B0 + B1*trình độ = 1 + 2.5*trình độ, khi xét đến một người có học vị đại học anh ta có gía trị trình độ là 3 thì Lương =1+2.5*3=8.5 triệu. Như vậy khoản chênh lệch 3.5 triệu giữa giá trị trung bình và giá trị tính theo hồi là SSR. Giá trị SST được định nghĩa khá đơn giản là giá trị sai lệch giữa giá trị trung bình của tập khảo sát và giá thị thực tế của một giá trị thực tế nào đó. Như vậy từ công thức ta có thể thấy giá trị R2 sẽ nằm trong khoảng từ 0 đến 1 khi R2 càng gần 0 thì mô hình không phù hợp do mô hình hồi quy không có tác dụng làm sai lệch nhỏ đi mà nó cũng giống như tính trung bình mà thôi. Khi R2 càng gần về 1 thì mô hình càng phù hợp do mô hình hồi quy, làm gía trị dự đoán hầu như chính xác với gía trị thực tế. Ngoài SST và SSR người ta còn có SSE là giá trị chênh lệch giữa giá trị thực tế và giá trị hồi quy, giá trị này chính là sai số . 7 Bài tập Phân tích định lượng MBA-08 Vậy SST = SSE +SSR hay sai lệch tổng = sai lệch ngoài + sai lệch hồi quy. Để hiểu rỏ hơn ta xem hình vẽ sau: Đường thẳng hồi quy Gía trị trung bình 4.Kiểm định giả thuyết về độ phù hợp của mô hình và ý nghĩa của hệ số hồi quy. a. Kiểm định giả thuyết về độ phù hợp của m ô hình hay phân tích ph ương sai: Khi xây dựng xong mô hình hồi quy tuyến tính vấn đề quan trọng ta ph ải đi kiểm định về độ phù hợp mô hình hồi quy đó, do trong khi đánh giá sự phù hợp của mô hình bằng chỉ số Rsquare chỉ cho ta cái nhìn của tập mẫu nhưng không hẳn tổng thể có giá trị ph ù hợp tương ứng. Từ đó ta đi kiểm định, để kiểm định độ phù hợp của mô hình hồi quy tổng thể ta đặt giả thuyết H0 : Rpop = 0 sau khi tiến hành bài toán kiểm định giả thuyết H0 bị bác bỏ thì đây là bước đầu thành công cho việc kiểm định sự ph ù hợp của mô hình. Đại lượng F được dùng để kiểm định, nếu xác suất F nhỏ thì ta có thể bác bỏ giả định H0, F có công N ˆ 2 (Yi  Y ) / p i 1 thức sau : F  N 2  (Yi  Y ) /( N  p  1) i1 b. kiểm định giả thuyết về hệ số hồi quy của tổng thể: Kiểm định thường được thực hiện chính là độ dốc của mô hình tổng thể, ý nghĩa của v iệc phải đi kiểm định này là do cho dù ta đã có độ dốc của mẫu là B1 khác 0 nhưng ta khôn g thể chắc rằng độ dốc của tổng thể 1 là khác 0. Như vậy cũng tương tự nh ư kiểm định giả thuyết về độ phù hợp của mô hình tổng thể ta đặt giả thuyết H0: 1 = 0 . ta kỳ vọng giả thuyết này sẽ bị bác bỏ thì mô hình có sự liên hệ của hai biến n guyên nhân và kết quả, hay mô hình hồi quy có quan hệ thật chứ không là quan hệ giả. 8 Bài tập Phân tích định lượng MBA-08 Trị thống kê dùng để kiểm định giả thuyết là : t = B1/SB1 Ta cũng có thể đi kiểm định B0 giống như kiểm định B1 với trị thống kê là: t = B0/SB0 5. Hồi quy bội, những vấn đề cần quan tâm khi thực hiện. Hồi quy bội có quá trình xây dựng giống như hồi quy đơn nhưn g ở đây ta có nhiều biến n guyên nhân và chỉ một biến kết quả. Ví dụ như xét đến sự hao phí nhiên liệu cho một động cơ đốt trong thì có thể có một số biến nguyên nhân là: độ nặng của xe, dung tích cylinder, số cylinder hay tỉ số nén, khoảng cách từ tử điểm trên đến tử điểm dưới… Mô hình hồi quy bội có dạng: Y = 0+1 X1+2X2+…+p Xp+e Y: là biến kết quả, k là các hệ số hồi quy riêng phần, Xk là các biến nguyên nhân, e là sai số. Các ưu điểm của hồi quy bội so với hồi quy đơn: - Hồi quy bội cho ta đường hồi quy chính xác hơn so với hồi quy đơn khi ta chọn được các biến nguyên nhân chính xác. - Giúp ta hiểu rõ hơn về vấn đề đang nhiên cứu, do mọi vấn đề hay hiện tượng trong tự nhiên hay trong kinh tế, xã hội đều có nhiều n guyên nhân gây ra chứ không phải chỉ một nguyên nhân ảnh hưỡng duy nhất. - Sai số e là nhỏ so với hồi quy đơn, khi các biến được chọn phù h ợp. Nhược điểm : - Có quy trình khảo sát và thu thập dữ liệu khó. - Có hiện tượng đa cộng tuyến xảy ra khi n ghiên cứu các biến nguyên nhân. Điều này xảy ra khi các biến nguyên nh ân ảnh hưởng lẫn nhau. - Có mối liên hệ giả giửa biến n guyên nhân và biến kết quả. Xây dựng m ô hình: Bước đầu tiên khi xây dựng mô hình thì ta phải đi xem xét các mối tương quan tuyến tính giửa các biến bằng cách xây dựng ma trận tương quan giữa các biến, từ đó ta có thể đánh giá sự tương quan của các biến nguyên nhân với nhau hay sự tác động đến biến kết quả. Để đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội: ta cũng quan sát hệ số R2, khi ta đưa vào mô hình càng nhiều biến nguyên nhân thì hệ số R2 cang tăng, nhưng thực tế cho thấy khi số biến nguyên nhân tăng thì không hẳn mô hình càng ph ù hợp. Do đó đối với mô hình hồi quy tuyến tính bội người ta xét độ phù hợp của mô hình thông qua giá trị Rsquare adjust. Giá trị Rsquare điều chỉnh này không nhất thiết tăng cao gần một khi ta thêm vào mô hình nhiều biến hơn vì nó không phụ thuộc vào độ lệch phóng đại của R2, R2 điều chỉnh được tính như sau: Ra2 =R2-p(1-R2)/(N-p-1) P là biến số độc lập trong phương trình ( trong mô hình hồi quy đơn biến thì p = 1). Kiểm định độ phù hợp của mô hình: Cũng giống như phần hồi quy đơn biến thì ta phải đi kiểm định độ phù h ợp của tổng thể, kiểm định F được sử dụng, ý tưởng của kiểm định này là xem xét tất cả các biến nguyên nhân có liên hệ với biến kết quả hay không thôn g qua kiểm định giả thuyết H0: 0=1 =2=0, và khi giả thuyết H0 bị bác bỏ thì ta kết luận độ phù hợp tron g mô hình giải thích được biến khảo sát. 9 Bài tập Phân tích định lượng MBA-08 Xét hệ số beta riêng phần cho mô hình: Hệ số này nói lên sự tác động riêng của một biến nguyên nhân n ào đó vào biến kết quả khi các biến nguyên nhân còn lại không có sự thay đổi, hệ số này còn được k iểm định thông qua mức ý nghĩa sig. khi mức ý nghĩa càng nhỏ thì ta đánh giá biến nguyên nhân đó có tác động đến mô hình, ngược lại khi giá trị của mức ý n ghĩa lớn hơn 0.05 chẵng hạn thì không có sự tác động lớn của biến n guyên nhân đó đến mô hình. II. Ứng dụng Hồi quy đơn biến tuyến tính vào để xây dựng m ột mô hình hồi quy giải thích sự khác biệt về tuổi thọ phụ nữ giữa các quốc gia trên thế giới. 1.Xác đ ịnh biến nguyên nhân và kết quả. Để xác định biến thì ta dùng SPSS tìm hệ số tương quan r giữa các biến so v ới biến tuổi thọ phụ nữ, trong đó có ba điều kiện cần xem xét: - Các điểm trên đồ thị Scatter phải tương đối tuyến tính theo đường thẳng do ta khảo sát mô hình hôi quy tuyến tính đơn. - Hệ số tương quan càn g gần 1 càng tốt. - Có sự xem xét thực tế là biến n guyên nhân đó có thật sự tương quan ảnh hưởng đến biến kết quả là tuổi thọ phụ nữ. Ta lần lược chạy vẽ đồ thị Scatter và tính hệ số tương quan r giữa tuổi thọ phụ nữ và các biến nguyên nhân, sau đó sẽ chọn biến nào có ảnh hưởng đến t uổi thọ phụ nữ theo ba tiêu chí nêu trên. - Tuổi thọ phụ nữ theo tỷ lệ dân biết chữ. 90 T uoåi T æ leä 80 thoï TB daân bieát phuï nöõ chöõ (%) T uoåi thoï TB Pearson 70 1 .865(**) phuï nöõ Correlation Sig. (2-tailed) . .000 60 N 109 107 T æ leä daân Pearson .865(**) 1 50 bieát chöõ (%) Correlation Sig. (2-tailed) .000 . 40 N 107 107 Tuo i tho trung binh Phu Nu 0 20 40 60 80 100 120 Ty le d an biet chu(%) ** Correlati on is significant at the 0.01 level (2-tailed). 10 Bài tập Phân tích định lượng MBA-08 - Tuổi thọ phụ nữ theo mật độ dân số: 90 Maät ñoä 80 T uoåi daân soá thoï T B (ngöôøi/km 70 phuï nöõ 2) T uoåi thoï TB phuï Pearson nöõ Correlation 1 .128 60 Sig. (2-tai led) . .186 N 109 109 50 Maät ñoä daân s oá Pearson (ngöôøi/km2) Correlation .128 1 40 Tuo i tho Tuo i tho phu nu Sig. (2-tai led) .186 . -1000 0 1000 2000 3000 4000 5000 6000 N 109 109 Ma t do dan so ( nguoi/km2) - Tuổi thọ phụ nữ theo tỷ lệ dân sống ở thành thị: 90 T æ leä daân 80 soáng ôû Tuoåi thoï vuøng ñoâ T B phuï nöõ thò (%) 70 T uoåi thoï T B phuï Pearson Correlation 1 .743(**) nöõ Sig. (2-tailed) . .000 60 N 109 108 T æ leä daân soáng Pearson Correlation .743(**) 1 50 ôû vuøng ñoâ thò Sig. (2-tailed) .000 . (%) 40 N 108 108 Tu tho ph oi u nu 0 20 40 60 80 100 120 Ty le dan song o thanh thi (%) - Tuổi thọ phụ nữ theo tốc độ tăng dân số: 90 80 T oác ñoä T uoåi taêng thoï TB daân soá 70 phuï nöõ (%/naêm) Tuoåi thoï TB phuï Pearson Correlation 1 -.579(**) nöõ 60 Sig. (2-tai led) . .000 N 109 109 50 Toác ñoä taêng Pearson Correlation -.579(**) 1 daân soá (%/naêm) Sig. (2-tai led) .000 . 40 N Tuoi tho phu nu 109 109 -1 0 1 2 3 4 5 6 Toc do tang dan so ** Correlati on is significant at the 0.01 level (2-tailed). - Tuổi thọ của phụ nữ theo GDP tính trên đầu người: 90 80 GDP tính T uoåi treân ñaàu 70 thoï TB ngöôøi phuï nöõ (USD) 60 T uoåi thoï TB phuï Pearson Correlation 1 .642(**) nöõ Sig. (2-tai led) . .000 N 109 109 50 GDP tính treân Pearson Correlation .642(**) 1 ñaàu ngöôøi (USD) Sig. (2-tai led) .000 . 40 Tuoi th o Tuoi thphu nu o - 10000 0 10 000 20 000 3 0000 N 109 109 GDP tinh theo dau nguoi (USD) ** Correlati on is significant at the 0.01 level (2-tailed). 11 Bài tập Phân tích định lượng MBA-08 - Tuổi thọ phụ nữ theo tôn giáo: 9 0 T uoåi Region or 8 0 thoï TB ec onomic phuï nöõ group 7 0 Tuoåi thoï TB phuï Pearson Correlation 1 -.321(**) nöõ Sig. (2-tai led) . .001 6 0 N 109 109 Region or economic Pearson Correlation -.321(**) 1 5 0 group Sig. (2-tai led) .001 . 4 0 N Tuoi tho phuTuoi tho nu 109 109 0 1 2 3 4 5 6 7 Ton giao ** Correlati on is significant at the 0.01 level (2-tailed). - Tuổi thọ phụ nữ theo calogi nạp vào hằng n gày theo từng n gười: 90 Calori naïp 80 T uoåi thoï haøng TB phuï ngaøy TB nöõ 1 ngöôøi 70 T uoåi thoï T B Pearson phuï nöõ Correlati on 1 .775(**) 60 Sig. (2-tai led) . .000 N 109 75 50 Calori naïp haøng Pearson ngaøy TB 1 Correlati on .775(**) 1 ngöôøi Sig. (2-tai led) .000 . 40 Tuo phu i tho nu 10 00 2000 3000 4000 N 75 75 Calogi nap vao h ang ngay - Tuổi thọ phụ nữ tính theo số con trung bình: 90 Tuoåi thoï Soá con TB 80 T B phuï cuûa 1 phuï nöõ nöõ Tuoåi thoï T B phuï Pearson Correlation 1 -.838(**) 70 nöõ Sig. (2-tai led) . .000 N 60 109 107 Soá c on T B cuûa 1 Pearson Correlation -.838(**) 1 phuï nöõ Sig. (2-tai led) .000 . 50 N 107 107 40 Tuoi tho phu nu 1 2 3 4 5 6 7 8 9 So con trung binh cua phu nu ** C