Thế nào là một biến ngẫu nhiên (đại lượng ngẫu nhiên ĐLNN) (BNN)

Biến ngẫu nhiên tuân theo phân phối chuẩn khi và chỉ khi giá trị trung bình kỳ vọng nằm ngay giữa tập dữ liệu và bằng trung vị, có thể kiểm định biến ngẫu nhiên X có tuân theo phân phối

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT

-šš&šš -BÀI TẬP CHƯƠNG 1 MÔN: KINH TẾ LƯỢNG

Nhóm thực hiện: Nhóm 3

Mã lớp học phần: 212KT0215 Giảng viên hướng dẫn: Thầy Nguyễn Đình Uông

DANH SÁCH THÀNH VIÊN :

1.Phạm Văn Lợi– K2040200422.Phan Gia Thịnh – K2040200563.Nguyễn Ngọc Bảo Trân – K2040200624.Lê Gia Bảo – K204020959

5.Dương Trung Hiếu– K2040200386.Phạm Thị Quỳnh Nhi– K2040200497.Đinh Hồng Cẩm Phụng – K2040200528.Đinh Quang Nhật – K2040200489.Nguyễn Tôn Thảo Vy– K20402006910.Nguyễn Tô Minh Trúc – K204020063

MỤC LỤC

I THEORY

Câu 0.1 Ôn tập Xác suất

I THEORY

Câu 0.1 Ôn tập Xác suất

a) Thế nào là một Biến ngẫu nhiên (Đại lượng ngẫu nhiên - ĐLNN) (BNN)

Biến ngẫu nhiên (random variables) là các biến nhận 1 giá trị ngẫu nhiên đại diện cho kết quả của phép thử Mỗi giá trị nhận được x của biến ngẫu nhiên X được gọi là một thể hiện của X, đây cũng là kết quả của phép thử hay còn được hiểu là một sự kiện Như vậy biến

ngẫu nhiên là một giá trị được chọn một cách hoàn toàn ngẫu nhiên, không tuân theo mộtquy luật nào

b) Với một BNN điều kiện cần và đủ để tuân theo quy luật phân phối chuẩn là gì?

Biến ngẫu nhiên tuân theo phân phối chuẩn khi và chỉ khi giá trị trung bình (kỳ vọng) nằm ngay giữa tập dữ liệu và bằng trung vị, có thể kiểm định biến ngẫu nhiên X có tuân theo phân phối chuẩn không bằng 4 cách sau:

Đối với biến ngẫu nhiên liên tục X có phân phối chuẩn với các tham số µ, σ 2 nếu hàm mật độ xác suất của nó có dạng:

( ) =

σ 2π

Giá trị đại diện cho mức độ tập trung của một BNN là giá trị trung bình (kỳ vọng) E(X) hay µ, vì

đó là trung bình có trọng số của tất cả các giá trị cụ thể của BNN đó, được tính bằng tổng cáctích giữa xác suất xảy ra của mỗi giá trị có thể của biến với giá trị đó Khi BNN tuân theo phânphối chuẩn thì giá trị trung bình (kỳ vọng) sẽ nằm ngay giữa tập dữ liệu và biến thu nhập và làgiá trị đại diện của BNN đó, nghĩa là chỉ cần nhìn vào giá trị trung bình (kỳ vọng) là sẽ biết đượcBNN đó như thế nào Bên cạnh trung bình, độ tập trung của một BNN còn có thể được thể hiệnqua trung vị (Med), đại lượng này giúp phản ánh rõ xu hướng trung tâm hơn trong trường hợpmẫu có nhiều outliers Giá trị đại diện cho mức độ phân tán của một BNN là phương sai hoặc độ

lệch chuẩn Vì phương sai Var(X) hay σ2 là số trung bình của bình phương các độ lệch giữa cáclượng biến và số

trung bình của các lượng biến đó hay là trung bình của bình phương khoảng cách từ biến

ngẫu nhiên X tới giá trị trung bình Độ lệch chuẩn σ là căn bậc hai của phương sai, thể

hiện độ lệch trung bình của tất cả các quan sát so với giá trị trung bình hay cũng có thểnói là trung bình khoảng cách từ biến ngẫu nhiên X tới giá trị trung bình Đặc trưng này

có thể được sử dụng để so sánh độ phân tán của hai hay nhiều tổng thể, trong trường hợpđơn vị tính là giống nhau hoặc giá trị trung bình là bằng nhau thì độ lệch chuẩn phản ánhđúng nhất mức độ biến động của các BNN

Câu 0.2 Ôn tập Thống kê

a) Mẫu ngẫu nhiên là mẫu có tính chất gì ?

Mẫu ngẫu nhiên là một mẫu được chọn hoàn toàn ngẫu nhiên từ tổng thể, trong đó mỗi cáthể riêng lẻ của tổng thể có thể phân biệt được, không một xác suất ngẫu nhiên của việcchọn mẫu được xem như một phần của mẫu Như vậy mẫu ngẫu nhiên là mẫu được chọnngẫu nhiên trong đó các đơn vị điều tra trong tổng thể có cơ hội được lựa chọn ngangnhau

b) Giá trị đại diện cho mức độ tập trung, phân tán của một mẫu ngẫu nhiên là gì?

- Giá trị đại diện cho mức độ tập trung của một mẫu ngẫu nhiên là giá trị trung bình (Mean)

c) Với BNN là Thu nhập trên một Tổng thể giả định là N = 5 có giá trị như sau:

Nếu giả sử không thể khảo sát hết 5 hộ gia đình, cần phải chọn ngẫu nhiên 3 hộ gia đình hãy thực hiện các yêu cầu sau:

giá trị trên các mẫu được chọn và cách thức thực hiện trong Excel.

Có 5 = 10 cách chọn mẫu ngẫu nhiên 3 hộ trong 5 hộ, vì ta cần chọn ngẫu nhiên 3 hộ

không trùng nhau trong một tổng thể gồm 5 hộ nên số mẫu có thể tìm được không trùngnhau là tổ hợp chập 3 của 5 Giả sử có 5 hộ gia đình như trên thì các mẫu có thể chọnđược là: (8,9,10); (8,9,11); (8,9,12); (8,10,11); (8,10,12); (8,11,12); (9,10,11); (9,10,12);(9,11,12); (10,11,12) Để chọn 1 trong các mẫu này một cách ngẫu nhiên, ta đánh số thứ

tự cho từng mẫu từ 1 đến 10, sau đó dùng hàm RANDBETWEEN(1,10) để tìm ra giá trịngẫu nhiên Ra giá trị thứ mấy thì ta sẽ chọn mẫu tương ứng với số thứ tự đã được đánh

mẫu hiệu chỉnh trên từng mẫu.

= =1

- Ứng với mỗi mẫu cụ thể gồm 3 phần tử có một trung bình mẫu, theo bạn trung bình của tất cả các trung bình mẫu gồm 3 phần tử sẽ có giá trị là bao nhiêu ? Tính

cụ thể và giải thích.

Ứng với mỗi mẫu cụ thể gồm 3 phần tử có một trung bình mẫu, theo em trung bình củatất cả các trung bình mẫu gồm 3 phần tử sẽ có giá trị bằng với giá trị trung bình của tổngthể Vì nếu chia 1 phần tử ra thành n mẫu thì số lần xuất hiện của các phần tử trong nmẫu ấy đều như nhau nên khi chi trung bình ra cũng sẽ bằng với giá trị trung bình củatổng thể Ví dụ như trong bài toán này, khi chia tổng thể gồm 5 phần tử ra thành 10 mẫu

3 phần tử thì số lần xuất hiện của mỗi con số trong 10 mẫu ấy đều là 6 lần, do đó khi chiatrung bình ra thì sẽ bằng với trung bình tổng thể

Trung bình tổng thể: µ =

Trung bình các mẫu: 9+9.33+9.67+9.67+10+10.33+10+10.33+10.67+11 = 10 10

Như vậy có thể thấy trung bình tổng thể và trung bình các mẫu bằng nhau

bạn phương sai của tất cả các phương sai mẫu hiệu chỉnh gồm 3 phần tử sẽ có giá trị là bao nhiêu ? Tính cụ thể và giải thích.

Ứng với mỗi mẫu cụ thể gồm 3 phần tử có một phương sai hiệu chính thì phương sai củatất cả các phương sai hiệu chỉnh gồm 3 phần tử sẽ có giá trị khác với giá trị của phươngsai tổng thể Vì khi tính toán phương sai mẫu để ước tính phương sai tông thê, mẫu số của phương trình phương sai đươc đôi thanh (N - 1) để ước lượng không bi thiên vị và

không đánh giá thấp phương sai tông thê

Tính:

Phương sai tổng thể = 2

Phương sai của các phương sai mẫu = 1.48

phần tử nào ? Vì sao ?

Trong thực tế nếu phải chọn ngẫu nhiên n= 3 phần tử trong N = 5, em sẽ chọn ngẫu nhiênbất kỳ phần tử nào bằng hàm random trên excel nên sẽ không xác định trước được mình

sẽ chọn 3 phần tử nào Bởi vì một mẫu tốt nhất là một mẫu được chọn ngẫu nhiên

lần để chọn được n phần tử tốt nhất trong N phần tử của tổng thể ? Giải thích.

8

TIEU LUAN MOI download : skknchat123@gmail.com

Trong thực tế nếu phải khảo sát ngẫu nhiên mẫu n phần tử trong N phần tử tổng thể, nếunhư muốn phản ánh một cách tốt nhất tổng thể thì phải khảo sát một tổ hợp chập N của nlần với điều kiện tất cả những mẫu thử là duy nhất, không được trùng nhau Như vậy thìsau bao nhiêu đó lần sẽ tìm được giá trị đại diện (kỳ vọng) bằng với giá trị trung bình củatổng thể Tuy nhiên, với một tổng thể quá lớn thì điều này là không thể, do đó trong thực

tế sẽ chọn ngẫu nhiên mẫu n phần tử nhiều nhất mà mình có thể làm được, càng nhiềucàng tốt, sau đó dựa vào nhưng kết quả ấy để loại trừ các outliers và chọn ra mẫu nào có

hệ số sai số chuẩn SE của các hệ số nhỏ nhất để làm mẫu khảo sát

Câu 0.3 Econometric

Mô hình hồi quy tuyến tính đơn biến, đa biến trên tổng thể:

= β

Trong đó:

-Y là giá trị của biến phụ thuộc

- ε là sai số ngẫu nhiên

tính đơn biến (Mô hình hồi quy tuyến tính gồm 2 biến là một biến phụ thuộc và 1 biến độc lập)

Khi k>2 thì mô hình trở thành = β

tính đa biến (Mô hình hồi quy tuyến tính gồm nhiều hơn 2 biến gồm 1 biến phụ thuộc

và nhiều biến độc lập)

b) Phát biểu hàm hồi quy tuyến tính đơn biến, đa biến trên tổng thể.

Hàm hồi quy tuyến tính tổng thể có dạng:

( / ) =β

Khi k=2 thì E(Y/X) = β1 + β2 2 được gọi là hàm hồi quy tổng thể đơn biến, gồm 1 biến

phụ thuộc và một biến độc lập.

Khi k>2 thì ( / ) =β + ∑ β được gọi là hàm hồi quy tổng thể đa biến, gồm 1

1 =2

biến phụ thuộc và nhiều biến độc lập

c) Sai số ngẫu nhiên trên tổng thể là gì ?

Sai số ngẫu nhiên trên tổng thể cho biết ngoài biến giải thích X thì biến phụ thuộc Y cònphụ thuộc vào các biến khác nhưng chưa được quan tâm (chưa được xét đến) trong thờiđiểm hiện tại hay trong nghiên cứu

Câu 0.4 Econometric

các khái niệm này trên tổng thể.

Mô hình hồi quy tuyến tính đơn biến, đa biến trên mẫu:

Trong đó:

- là giá trị của biến phụ thuộc

tính đơn biến (Mô hình hồi quy tuyến tính gồm 2 biến là một biến phụ thuộc và 1 biến độc lập)

tuyến tính đa biến (Mô hình hồi quy tuyến tính gồm nhiều hơn 2 biến gồm 1 biến phụthuộc và nhiều biến độc lập)

Như vậy, nếu như mô hình hồi quy trên tổng thể là các hệ số β 1 , β 2 thì mô hình hồi quy

trên mẫu là các hệ số β^ ^ 1 , β 2 Bởi vì đa số không thể khảo sát hết trên tổng thể để ra β 1 ,

β 2 nên ta sẽ thay bằng hệ số β 1 , β 2 , vì mẫu có tính chất đại diện cho tổng thể nên nếu

^ ^ nghĩa của các hệ số β 1 , β 2 Các tham số β 1 , β 2 là các ước lượng điểm của các tham số β 1

, β 2 trên đường hồi quy tổng thể và các tham số này là các Biến ngẫu nhiên vì giá trị của chúng thay đổi từ mẫu này sang mẫu khác Bên cạnh đó, sai số trên mẫu là thể hiện độ

lệch của điểm khảo sát so với đường hồi quy mẫu, còn sai số trên tổng thể là ε thể hiện độ lệch của điểm khảo sát so với đường hồi quy tổng thể.

khái niệm này trên tổng thể.

Hàm hồi quy tuyến tính mẫu có dạng:

phụ thuộc và nhiều biến độc lập

Như vậy nếu như hàm hồi quy trên tổng thể là các hệ số β 1 , β 2 thì hàm hồi quy trên mẫu

^ ^

là các hệ số β 1 , β 2 , cũng giống như trong mô hình hồi quy Bên cạnh đó nếu hàm hồi quy

^

tổng thể là E(Y/X) thì hàm hồi quy mẫu là E( / ) Đường hồi quy mẫu

phản ánh của một xu thế với đường hồi quy tổng thể Y

c) Sai số ngẫu nhiên trên mẫu là gì ? So sánh với khái niệm này trên tổng thể.

Sai số ngẫu nhiên trên mẫu là khoảng cách giữa điểm khảo sát với đường hồi quy mẫu.Nghĩa là nếu biến phụ thuộc Y chỉ phụ thuộc vào biến giải thích X mà không phụ thuộcvào các yếu tố khác thì lúc đó điểm khảo sát sẽ nằm luôn trên đường hồi quy mẫu, cònnếu bên cạnh X, Y còn phụ thuộc vào các yếu tố khác nữa thì các yếu tố đó chính là sai

số ngẫu nhiên Y càng phụ thuộc vào các yếu tố khác ngoài X nhiều thì sai số ngẫu nhiêncàng lớn, điểm khảo sát sẽ càng nằm cách xa đường hồi quy mẫu Sai số trên mẫu làthể hiện độ lệch của điểm khảo sát so với đường hồi quy mẫu, còn sai số trên tổng thể là

ε thể hiện độ lệch của điểm khảo sát so với đường hồi quy tổng thể Đối với hàm hồi quy mẫu thì giá trị trung bình của các sai số ngẫu nhiên này sẽ bằng không và không tương ^

quan tuyến tính với X, , nghĩa là sự thay đổi của e không phụ thuộc và sự thay đổi của

^

X,

quy mẫu có thể thu thập trong thực tế ? Giải thích ?

Theo em, ứng với một mẫu ngẫu nhiên n phần tử thì thường có vô số đường hồi quy mẫu

có thể thu thập trong thực tế Vì trong thực tế thì thường có vô số phần tử, do đó có vô sốcách chọn ngẫu nhiên các mẫu có n phần tử từ vô số phần tử này, tạo thành vô số cácđường hồi quy mẫu

Câu 0.5 Econometric

a) Các tham số trên hàm hồi quy mẫu là ngẫu nhiên hay không ngẫu nhiên ? Vì sao?

Các tham số trên hàm hồi quy mẫu là các biến ngẫu nhiên vì giá trị của chúng thay đổi từ cỡmẫu n phần tử này sang cỡ mẫu n phần tử khi ta chọn ngẫu nhiên n phần tử khác

b) Phương pháp OLS dùng để làm gì ?

Phương pháp OLS dùng để tối thiểu hoá tổng bình phương của sự khác biệt giữa giá trịthực tế và giá trị nằm trên đường hồi quy hay sai số ngẫu nhiên ở dạng bình phương lànhỏ nhất

số tương quan tuyến tính là gì ?

thuộc) có bao nhiêu % là thay đổi do X (biến độc lập) Điều này có nghĩa là nếu 2 càng lớn thì biến X sẽ giải thích được càng nhiều sự thay đổi của biến Y hay nói cách khác là mối quan hệ giữa biến Y và biến X càng mạnh và ngược lại, nếu 2 càng nhỏ thì biến X càng có ít khả năng giải thích được sự thay đổi của biến Y hay nói cách khác là quan hệ giữa biến Y và biến X càng yếu Do đó2 càng lớn thì càng giải thích được nhiều giá trị trong mẫu, mô hình càng phù hợp.

- 2 = 1: biến X giải thích được 100% sự thay đổi của biến Y

- 2 = a (0<a<1) nghĩa là biến X giải thích được a% sự thay đổi của biến Y.

- 2 = 0: X và Y không có quan hệ tuyến tính.

Mối liên hệ của nó với hệ số tương quan tuyến tính là gì ?

Hệ số tương quan là chỉ số thống kê đo lường mức độ mạnh yếu của mối quan hệ

giữa hai biến số

12

TIEU LUAN MOI download : skknchat123@gmail.com

Hệ số xác định phản ánh mức độ phù hợp của các biến độc lập đối với biến phụ thuộc trong mô hình hồi quy.

Trong hồi quy đơn biến thì =2 , như vậy cũng giống như phương sai và độ lệch chuẩn, sẽ có xu hướng phản ánh chính xác hơn.

có hai nhóm khảo sát với nhóm 1, 2 có cỡ mẫu lần lượt là n1= 60; n2= 100 Cả hai

Theo bạn đường hồi quy nào là phù hợp khi phân tích mối liên hệ giữa Y và X ? Giải thích ?

Cả hai đường hồi quy đều phù hợp khi phân tích mối liên hệ giữa Y và X vì nó cho thấy

của nhóm 2 sẽ phù hợp hơn vì chọn được mẫu tốt vì thu nhập phản ánh được 70% sựthay đổi của chi tiêu, còn trong đường hồi quy của nhóm 1 thì sự thay đổi của chi tiêu chỉphụ thuộc 30% vào thu nhập, 70% còn lại phụ thuộc vào các yếu tố khác

II PRACTICE iRESEARCH

SỰ TƯƠNG QUAN CỦA THU NHẬP VÀ TIÊU DÙNG CUỐI CÙNG

Bài nghiên cứu của TS Bùi Trinh, CN Trần Ánh Dương, ThS Nguyễn Việt Phong đãdựa trên các ma trận hạch toán xã hội (SAM) cùng việc nghiên cứu mô hình Miyazawa

để đưa ra cơ sở quan sát về sự tương quan của thu nhập và tiêu dùng cuối cùng

Bằng việc phân tích Miyazawa (1960, 1976), ông đã theo dõi sự phát triển của hệ sốnhân tử thu nhập từ cấu trúc kiểu Keynes tương đối đơn giản đến hệ số nhân về thu nhậptương quan đầy đủ, tác giả đã đưa ra được mô hình Miyazawa rút gọn (sơ đồ 1) cho thấy

sự tương quan giữa thu nhập và chi tiêu, từ đó rút ra cho mình mô hình quan hệ giữa thunhập và tiêu dùng (The Income - consumption Link) (sơ đồ 2) qua sơ đồ này tác giả đãnêu lên giả thuyết rằng thu nhập có tác động đến chi tiêu, ngoài ra nghiên cứu này còn

nêu ra được sự tác động ngược lại từ các nhóm chi tiêu lên thu nhập và kết quả sau khithực hiện thì kết quả nghiên cứu đã hoàn toàn khớp với các lý thuyết trên (bảng 3).

Ngoài 2 giả thuyết trên, bài viết còn nêu lên một vài mối quan hệ giữa thu nhập, sản xuất

và chi tiêu của các nhóm tuổi tới nhau (bảng 1 và bảng 2) Cách thức mà mối quan hệnày được thể hiện giữa các nhóm thu nhập không chỉ theo ngành mà còn theo khônggian Những bài nghiên cứu này có thể chưa phải là toàn diện nhưng cho thấy sự đa dạng

và ứng dụng mở rộng của một số ý tưởng bản đầu do Miyazawa tạo ra dựa trên họcthuyết Keynes

b) Đây là mô hình hồi quy tuyến tính đa biến hay đơn biến ? Vì sao ?

Đây là mô hình hồi quy tuyến tính đơn biến do ở đây ta có 2 biến là thu nhập (biến giảithích) và chi tiêu (biến phụ thuộc), nghĩa là biến phụ thuộc chi tiêu chỉ được giải thíchqua 1 biến giải thích là thu nhập

quy?

Hàm hồi quy tuyến tính mẫu: Ŷ = 2.047+ 0.636x

Cách tìm hàm hồi quy được thể hiện trong file Excel (sheet 1.1), trong đó giá trị tại ô

“B31” thể hiện giá trị “B1 mũ” còn giá trị tại ô “B32” thể hiện giá trị “B2 mũ”

d) Vẽ đồ thị scatter thể hiện RÕ các yêu cầu sau:

-Mô tả mối liên hệ giữa Thu nhập và Chi tiêu.

- Hàm hồi quy tuyến tính

14

TIEU LUAN MOI download : skknchat123@gmail.com

e) Theo bạn sai số ngẫu nhiên (e i ) tồn tại trên mỗi hộ gia đình (mỗi phần tử) là hợp

ánh sự tác động của các yếu tố khác ngoài thu nhập lên chi tiêu, và những yếu tố này thì

ta chưa hề đề cập trong hàm hồi quy tuyến tính đơn biến Bởi vì ngoài thu nhập ra, chitiêu của các hộ gia đình còn phụ thuộc vào rất nhiều yếu tố khác (như là hoàn cảnh giađình, các sự cố ngoài ý muốn, …) mà ta không thể liệt kê hết được, thu nhập chỉ là yếu tốtác động nhiều nhất đến chi tiêu chứ không phải tác động hoàn toàn, vì vậy nên tồn tạisai số ngẫu nhiên trên mỗi hộ gia đình là hợp lý

- Sai số ngẫu nhiên (ei) của hộ gia đình thứ i bằng 0 khi chi tiêu của hộ gia đình này chỉphụ thuộc vào thu nhập của họ mà không còn phụ thuộc vào bất kỳ yếu tố nào khác Dokhi đó các yếu tố khác ngoài thu nhập tác động đến chi tiêu của hộ gia đình thứ i đã được

của các yếu tố khác lên chi tiêu mà thỏa mãn “tổng” của các tác động này bằng 0

hay lớn ? Giải thích cụ thể trên từng hộ gia đình trong mẫu.

vừa có thể âm vừa có thể dương, vừa có thể nhỏ vừa có thể lớn tùy mức độ phụ thuộc

số sẽ âm và ngược lại, nếu chi tiêu nhiều hơn chi tiêu được tính trên đường hồi quy thìsai số sẽ dương Cũng vậy, nếu ngoài thu nhập ra mà chi tiêu của hộ gia đình còn phụthuộc nhiều vào những yếu tố khác thì sai số sẽ lớn, còn nếu không phụ thuộc nhiều thì

2 là 0.233, hộ thứ 3 là 0.6; ở hai hộ tiếp theo lần lượt là -1.03 và 0.33 ở 2 hộ có thu nhập

- Khi giá cam là 0 ngàn đ/kg thì lượng cam trung bình tối đa bán được mỗi tháng sẽ là 15.11 tấn/tháng.

tấn/tháng

hợp của mô hình hồi quy Y= f(X) + ε khi phân tích mối liên hệ giữa Y và X ?

12345678910

AVR SUM

TIEU LUAN MOI download : skknchat123@gmail.com

(102.4973>5.318) nên bác bỏ 0

Kết luận mô hình hồi quy Y= f(X) +ε cho thấy được sự phụ thuộc của Y vào X Cụ thể làgiá cam (X) giải thích được 92.76% thay đổi của lượng cam (Y) bán ra, 7.24% còn lại là

do các yếu tố (nguyên nhân) khác

năm thì hàm hồi quy thay đổi như thế nào ? Viết và giải thích cụ thể các hệ số trong hàm hồi quy mẫu ứng với các trường hợp trên.

Dựa trên hàm hồi quy tại câu a, khi hệ số y sử dụng đơn vị đổi từ tấn/tháng sang kg/tháng thì chỉ cần nhân hệ

số β 1 và β 2 với 1000 (1 tấn = 1000kg) Hàm hồi quy mẫu: Ŷ = 15113 - 1140 X (kg/tháng)

Dựa trên hàm hồi quy mẫu tại câu a, khi hệ số y sử dụng đơn vị từ tấn/tháng sang tấn/quý, thì tất cả hệ số β1 và β2

sẽ được nhân thêm 3 lần (1 quý = 3 tháng) Hàm hồi quy mẫu: Ŷ = 45.34 -3.42x (tấn/quý)

Ý nghĩa các hệ số:

45.34 tấn/quý

Dựa trên hàm hồi quy mẫu tại a, khi hệ số y sử dụng đơn vị từ tấn/tháng sang tấn/năm thì tất cả hệ số β 1 và

β 2 sẽ được nhân thêm 12 lần (1 năm = 12 tháng) Hàm hồi quy mẫu: Ŷ = 181.36 -13.68x (tấn/năm) (***)

Ý nghĩa các hệ số:

- Khi giá cam là 0 ngàn đ/kg thì lượng cam trung bình tối đa bán được mỗi năm sẽ là 181.36 tấn/năm.

tấn/năm

đồng/tạ thì hàm hồi quy thay đổi như thế nào ? Viết và giải thích cụ thể các hệ số trong hàm hồi quy mẫu ứng với các trường hợp trên.

Dựa trên hàm hồi quy tại câu a, khi hệ số x sử dụng đơn vị đổi từ nghìn đồng/kg sang triệu đồng/kg thì chỉ cần nhân

hệ số β2 với 1000 (1000 nghìn đồng = 1 triệu đồng) Hàm hồi quy mẫu: Ŷ = 15.11 - 1140x (tấn/tháng) (*)

Dựa trên hàm hồi quy (*), khi hệ số x sử dụng đơn vị đổi từ triệu đồng/kg sang triệu đồng/tạ thì chỉ cần chia

hệ số β 2 cho 100 (1 tạ = 100kg) Hàm hồi quy mẫu: Ŷ = 15.11 - 11.40x (tấn/tháng) (**)

Dựa trên hàm hồi quy ở câu a, khi hệ số x sử dụng đơn vị đổi từ nghìn đồng/kg sang nghìn đồng/tạ thì chỉ cần chia hệ số β 2 cho 100 (1 tạ = 100kg) Hàm hồi quy mẫu: Ŷ = 15.11 - 0.0114x (tấn/tháng)

- Khi giá cam tăng 1 nghìn đồng/tạ thì trung bình lượng cam bán được sẽ giảm 0.0114 tấn/tháng.

e) Khi giá cam có đơn vị là triệu đồng/tạ còn lượng cam có đơn vị tạ/quý thì hàm hồi quy thay đổi như thế nào? Viết và giải thích cụ thể các hệ số trong hàm hồi quy mẫu.

100 (1 tạ = 100kg) và nhân cho 3 (1 quý = 3 tháng) Hàm hồi quy mẫu: Ŷ = 4533 - 3420x (tạ/quý)

thì:

Dựa trên hàm hồi quy tại (***), khi hệ số x sử dụng đơn vị đổi từ nghìn đồng/kg sang triệu đồng/tấn thì chỉ cần chia hệ số β 2 với

1000 (1000 nghìn đồng = 1 triệu đồng) và nhân cho 1000 (1000kg = 1 tấn).

Hàm hồi quy mẫu: Ŷ = 181.36 -13.68x (tấn/năm)

Cho số liệu về tiền thuê một căn hộ nhà trọ sinh viên như trong Bảng 1.1 (file

Data_Chuong1.xlsx) Các biến số được định nghĩa như sau:

RENT = tổng tiền thuê hàng tháng cho một căn hộ ($)

No = số người ở trong căn hộ (người)

RM = số phòng trong căn hộ (phòng)

DIST = khoảng cách từ căn hộ đến trường (khu phố)

RPP = RENT/No = tiền thuê bình quân trên người ($/người)

Với sự hỗ trợ của phần mềm Excel trong tính toán,

a) Hãy tính các giá trị trung bình (mean), phương sai (variance), và độ lệch chuẩn

(standard deviation) của các biến số trên.

Dựa vào Excel, ta có kết quả được thể hiện ở bảng như sau:

b) Hãy tính hiệp phương sai (covariance) và hệ số tương quan tuyến tính giữa các

cặp biến số sau: RENT và DIST, RENT và RM, RENT và No, RPP và RENT, RPP

và No Hãy nêu nhận xét cụ thể về sự tương quan cho từng cặp biến số trên.

Hiệp phương sai (covariance):

RENT No RM DIST RPP

Hệ số tương quan tuyến tính:

RENT RENT

No RM

TIEU LUAN MOI download : skknchat123@gmail.com

DIST

Nhận xét:

được giải thích qua sự tăng lên về số người ở trong căn hộ (No), và 16,4% còn lại được giảithích bởi các yếu tố khác

được giải thích qua sự tăng lên của số phòng trong căn hộ (RM), và 10,1% còn lại đượcgiải thích bởi các yếu tố khác

giải thích qua sự giảm đi của khoảng cách từ căn hộ đến trường hay khu phố (DIST), và81.1% còn lại được giải thích bởi các yếu tố khác

được giải thích qua sự tăng lên của tiền thuê bình quân trên người (RPP), còn lại được giảithích bởi các yếu tố khác

qua sự giảm đi của số người ở trong căn hộ (No)

c) Tìm ít nhất 5 paper ủng hộ cho việc phân tích sự phụ thuộc giữa RENT và No, RM, DIST, RPP.

SẢN QUẬN LONG BIÊN VÀ TỈNH MONTREAL” của Nguyễn Hoàng Huy cùng cộng

sự đã tập trung vào mô hình Hodenic, cho rằng hàm giá của bất động sản phụ thuộc vàocác thuộc tính của nó như vị trí so với trung tâm, gần đường, gần các khu tiện ích, diện tíchnhà, số phòng ngủ, số tầng, (mà ở đây ta quan tâm sự ảnh hưởng của vị trí so với trungtâm và số phòng) Dựa vào mô hình này cùng một số phân tích khác, các tác giả đã kết hợp

mô hình hồi quy tuyến tính, mô hình phi tuyến LASSO và thuật toán kết tập hồi quy phituyến LASSO để kiểm định mô hình Hodenic và so sánh tính hiệu quả của thuật toán của

họ với thuật toán của bài nghiên cứu “Montreal Real Estate Pricing, Technical Report” củaNoseworthy và cộng sự Nhưng dù mục tiêu của họ có thể nào đi nữa, bài nghiên cứu này

đã khẳng định rõ tác động đồng biến của các yếu tố vị trí so với trung tâm (DIST) và sốphòng (RM) đến giá bất động sản Và giá bất động sản lại ảnh hưởng đến giá cho thuê(Gallin, 2004) Vì vậy ta có cơ sở để đặt ra giả định rằng các yếu tố vị trí so với trung tâm(DIST) và số phòng (RM) có ảnh hưởng đến giá thuê nhà (RENT)

ĐẤT, CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN GIÁ ĐẤT” của Trần Đức Quỳnh cùng cộng sự

đã đề xuất hai dạng mô hình toán học là mô hình tuyến tính và mô hình bậc hai

để xây dựng một chương trình máy tính, lựa chọn những đặc trưng ảnh hưởng đến giáđất dựa trên mô hình Hedonic, gồm 14 yếu tố, trong đó có 2 yếu tố mà ta quan tâm là vịtrí so với trung tâm (DIST) và số phòng (RM) Ngoài ra kết quả của nghiên cứu cũng chothấy việc sử dụng toàn bộ số liệu cho ra kết quả không tốt bằng việc chỉ sử dụng một sốđặc tính của miếng đất Đây là một kết luận quan trọng cần lưu tâm khi xây dựng môhình để kiểm định giả thuyết từ mô hình Hedonic.

Nghiên cứu “MÔ HÌNH TOÁN HỌC CHO LÝ THUYẾT VỊ THẾ - CHẤT LƯỢNG VÀ

dựng phương pháp định giá bất động sản ứng dụng lý thuyết Vị thế - Chất lượng, trong đó sửdụng các mô hình hồi quy tuyến tính và mô hình mô hình Hedonic, tái khẳng định tác độngcủa vị trí so với trung tâm (DIST) và số phòng (RM) đến giá thuê nhà (RENT) Để giải thích

sự biến thiên giá cả nhà đất trên quy mô toàn bộ thành phố Hồ Chí Minh bộ dữ liệu nghiêncứu này có thể chưa hoàn toàn phù hợp Tuy nhiên ở một chừng mực nào đó, hàm hồi quythực hiện về cơ bản đã thể hiện được những ý tưởng đặc trưng của lý thuyết Vị thế - Chấtlượng điều chính yếu là những vấn đề cốt lõi mang tính lý thuyết quanh phương pháp địnhgiá theo lý thuyết Vị thế - Chất lượng đã được kiểm chứng

Nghiên cứu “ỨNG DỤNG MÔ HÌNH HEDONIC XÁC ĐỊNH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN GIÁ NHÀ CHO THUÊ Ở THÀNH PHỐ CẦN THƠ” của

Nguyễn Quốc Nghi và cộng sự đã dựa vào mô hình Hedonic cùng nhiều nghiên cứu khác

để đặt ra giả thuyết về các yếu tố ảnh hưởng đến giá thuê nhà, mà dữ liệu được khảo sát

và thu thập tại Cần Thơ Sau khi xử lý dữ liệu, nhóm tác giả đã có những đánh giá về cácbiến số trong mô hình tại thực tế địa điểm Cần Thơ, bên cạnh đó khẳng định được tínhđúng đắn của giả thuyết mà họ đã đặt ra, mà trong đó có nhắc đến sự ảnh hưởng của cácyếu tố về đặc điểm cấu trúc phòng trong đó có số phòng (RM), đặc điểm vị trí trong đó

có khoảng cách đến các khu trung tâm (DIST) đến giá tiền thuê nhà (RENT)

LÀNG ĐẠI HỌC – LINH TRUNG –THỦ ĐỨC” của Dương Thị Hồng và cộng sự đãdựa vào khảo sát thực tế để đặt ra giả thuyết về sự tác động của các biến diện tích, sốngười thuê phòng (No), khoảng cách so với trung tâm thành phố tính theo thời gian(DIST) và an ninh đến giá tiền thuê phòng (RENT) Thông qua việc thu thập và xử lý dữliệu, nhóm tác giả xác định các biến diện tích, số người thuê phòng (No) và an ninh cótác động lớn đến giá tiền thuê phòng (RENT), còn biến khoảng cách lại không có ảnhhưởng mạnh

VIÊN Ở LÀNG ĐẠI HỌC QUỐC GIA” của Hoàng Đức Vỹ cùng cộng sự đã đặt ra vàkiểm định giả thuyết về sự tác động của các yếu tố diện tích phòng trọ, số người ở phòngtrọ (No), khoảng cách phòng trọ đến trường (DIST) và chất lượng phòng trọ đến giá thuê(RENT) Sau quá trình khảo sát, thu thập và phân tích dữ liệu, nhóm tác giả rút ra đượckết luận rằng các yếu tố diện tích, số người ở (No) và chất lượng phòng trọ có tác độnglớn đến giá thuê (RENT) Và một lần nữa yếu tố khoảng cách (DIST) lại không ảnhhưởng đến giá thuê phòng trọ

23

TIEU LUAN MOI download : skknchat123@gmail.com

Từ đây ta rút ra được một số kết luận chủ quan như sau:

Đối với việc thuê nhà (có nhiều phòng) thì yếu tố số phòng (RM) và khoảng cách (DIST)

có tác động đến giá thuê nhà (RENT) Các yếu tố về số người ở (No) hầu như khôngđược đề cập trong trường hợp này

Đối với việc thuê phòng trọ (thường chỉ có 1-2 phòng) thì yếu tố số người ở (No) lạiđược quan tâm hơn, và yếu tố khoảng cách (DIST) được chứng minh là không có tácđộng lớn đến giá thành (RENT)

Bài 1.4

Tỷ lệ bỏ việc trên 100 người làm việc (Yt) và tỉ lệ thất nghiệp (Xt) trong lĩnh vực chế tạo công nghiệp ở Mỹ trong giai đoạn 1960-1972 được cho ở Bang 1.2 (file Data_Chuong1.xlsx)

a) Hãy vẽ đồ thị phân bố rãi (scatter diagram) của hai tỉ lệ trên

Chọn 2 cột X,Y, vào Insert -> Charts -> Scatter

Kết quả:

b) Giả sử tỉ lệ bỏ việc có quan hệ tuyến tính với tỉ lệ thất nghiệp như sau: Yt = β 1 +

β 2 Xt + e t Hãy ước lượng β 1 , β 2 , và cho biết độ lệch chuẩn của chúng.

TIEU LUAN MOI download : skknchat123@gmail.com

c) Hãy giải thích (diễn giải) các kết quả của bạn.

Kể cả khi tỷ lệ thất nghiệp bằng không, Tỉ lệ bỏ việc trên 100 người làm việc trung bình tối thiểu là 3.366258%

Khi tỷ lệ thất nghiệp tăng lên 1% thì tỉ lệ bỏ việc trên 100 người làm việc trung bình sẽ giảm 0.282621%

Độ phân tán của β 1 là 0.331 cho biết độ chênh lệch giữa hệ số ở mẫu tính được β 1 với

hệ số ở tổng thể β 1 là 0.331 Độ phân tán (sai số chuẩn) này càng nhỏ thì mẫu càng đại diện cho tổng thể ^ ^

Độ phân tán của β 2 là 0.062885 cho biết độ chênh lệch giữa hệ số ở mẫu tính được β 2 với

hệ số ở tổng thể β 2 là 0.062885 Độ phân tán (sai số chuẩn) này càng nhỏ thì mẫu càng đại diện cho tổng thể.

d) Hãy tính 2 Giải thích ý nghĩa của hệ số này.

Qua biểu đồ trên, ta có thể thấy được khi mốc thời gian tăng lên, sai số e cũng có xu thếtăng Điều đó có nghĩa là càng về sau thì càng có nhiều nguyên nhân khác giải thích cho

tỷ lệ bỏ việc hơn là tỷ lệ thất nghiệp Tuy vậy nhưng cũng có những lúc biến động mạnhtăng giảm đột ngột, tuy nhiên nhìn chung sai số e có xu hướng tăng lên qua các mốc thờigian, điều này đồng nghĩa với việc tỷ lệ thất nghiệp đang dần ít giải thích được tỷ lệ bỏviệc hơn vì sự ảnh hưởng của các nguyên nhân khác

f) Tính giá trị kiểm định p_value khi kiểm định tính có ý nghĩa của các hệ số trong

mô hình trên? Với mức ý nghĩa 5% hãy cho biết p_value tính được lớn hơn hay nhỏ hơn mức ý nghĩa 5% ? Giải thích ý nghĩa của các p_value tính được ?

Kiểm định tính có ý nghĩa các hệ số trong mô hình trên như sau:

Đối với hệ số β 1 , có cặp giả thuyết:

197719781979198019811982198319841985198619871988198919901991

SUM AVG

a) Hãy vẽ đồ thị scatter của GP với CPI; NYSE với CPI trên cùng một đồ thị.

28

TIEU LUAN MOI download : skknchat123@gmail.com

b) Một quyết định đầu tư (mua vàng hay mua chứng khoán) có tính tới việc phòng ngừa lạm phát là nếu giá của nó (hàng hóa mà bạn đầu tư vào) và/hay suất sinh lợi của nó ít nhất là bắt kịp với tỉ lệ lạm phát Để kiểm tra giả thiết này, giả sử bạn quyết định xây dựng hai mô hình sau đây, giả sử rằng đồ thị trong câu a) gợi ý cho bạn thấy sau đây là thích hợp:

GP t = α 1 + β 1 CPI t + e t

NYSE t = α 2 + β 2 CPI t + e t

Với hai mô hình trên, hãy trả lời các câu hỏi sau:

- Tính hệ số tương quan tuyến tính giữa GP và CPI; NYSE và CPI? Bạn nhận xét gì

về các

Nhận xét về hệ số tương quan tuyến tính giữa GP và CPI:

Ta có r = 0.3876 > 0 thể hiện mối quan hệ đồng biến giữa giá vàng (GP) và chỉ số giá

tiêu dùng (CPI), nghĩa là nếu CPI tăng thì GP tăng và ngược lại Hệ số tương quan r =

0.3876 nghĩa là có 38.76% sự thay đổi của giá vàng GP được giải thích qua sự thay đổi

của chỉ số giá tiêu dùng CPI, còn 61.24% sự thay đổi của GP còn lại được giải thích qua

các yếu tố khác không phải CPI Hay nói cách khác, chỉ số giá tiêu dùng CPI giải thích

được 38.76% sự thay đổi của giá vàng GP, còn lại phụ thuộc vào các yếu tố khác Như

vậy có thể thấy, tác động của chỉ số CPI lên giá vàng nằm ở mức không cao (theo nhận

định chủ quan của người viết), độ lệch trung bình của đám bụi dữ liệu so với đường hồi

quy sẽ khá nhiều hay nói cách khác là sẽ có các dữ liệu không phản ánh đúng sự đồng

biến của GP và CPI Tuy vậy đây cũng không phải là con số quá thấp để phủ nhận mối

liên hệ này nên nhìn chung thì chỉ số giá tiêu dùng CPI vẫn có khả năng thể hiện được xu

hướng thay đổi đồng biến của giá vàng GP

Hệ số tương quan tuyến tính giữa NYSE và CPI:

Nhận xét về hệ số tương quan tuyến tính giữa NYSE và CPI:

Ta có r = 0.931> 0 thể hiện mối quan hệ đồng biến giữa chỉ số chứng khoán (NYSE) vàchỉ số giá tiêu dùng (CPI), nghĩa là nếu CPI tăng thì NYSE tăng và ngược lại Hệ sốtương quan r = 0.931 nghĩa là có 93.1% sự thay đổi của chỉ số chứng khoán NYSE đượcgiải thích qua sự thay đổi của chỉ số giá tiêu dùng CPI, còn 6.9% sự thay đổi của NYSEcòn lại được giải thích qua các yếu tố khác không phải CPI Hay nói cách khác, chỉ sốgiá tiêu dùng CPI giải thích được 93.1% sự thay đổi của chỉ số chứng khoán NYSE, cònlại phụ thuộc vào các yếu tố khác Như vậy có thể thấy, tác động của chỉ số CPI lên giávàng nằm ở mức khá cao, độ lệch trung bình của đám bụi dữ liệu so với đường hồi quy

sẽ khá ít và có xu hướng quy tụ xung quanh đường hồi quy Như vậy sự phụ thuộc củaNYSE vào CPI là khá nhiều trong khi những yếu tố khác chỉ chiếm một phần rất nhỏ

- Bạn kỳ vọng về dấu của các hệ số đứng trước các biến giải thích trong 2 mô hình trên ? Giải thích.

Trong 2 mô hình hồi quy GPt = α1 + β1CPIt + et và NYSEt = α2 + β2 CPIt + et ta thấy đượchai biến phụ thuộc là GP và NYSE trong khi biến giải thích là CPI, do đó hệ số đứng trước

thích β1 và β2, còn α1 và α2 là hằng số nên sẽ không tác động quyết định mối quan hệ này, do

đó ta cần tập trung vào hai hệ số β1 và β2 Xét thấy đây là hệ số góc

31

TIEU LUAN MOI download : skknchat123@gmail.com

của phương trình hồi quy cho biết khi CPI tăng 1 đơn vị thì giá trị trung bình của GP và

với những dữ liệu ta thu thập được ở trên

- Hãy tìm ít nhất 3 paper để ủng hộ cho các mối liên hệ trên.

1 Trong paper “Can consumer price index predict gold price returns” , tác giả Susan

Sunila Sharma đã dùng dữ liệu cho 54 quốc gia để kiểm tra xem chỉ số giá tiêu dùng CPI

có thể dự đoán được biến động của giá vàng hay không Cuộc thử nghiệm được chia làm

ba phần là “statistical feature of the data”, “in-sample predictability test results” và of-sample predictability test result”

“out-Trong phần “statistical feature of the data” chỉ mới nhắc đến đặc tính của các hệ số chứ chưathể hiện mối liên hệ giữa CPI và giá vàng Tác giả đã thực hiện một loạt quy trình để kiểmtra tính chất của hệ số CPI, bằng đầu bằng việc kiểm định null hypothesis tính có

dụng mô hình của Westerlund and Narayan (2012) để tránh suy luận sai lệch kiểm địnhtrên Tác giả đã kiểm tra đặc điểm của dữ liệu bằng các mô hình như Dickey and Fuller

1981, hồi quy ADF và thấy sự khác nhau trong đặc điểm hệ số CPI đối với giá vàng ởcác quốc gia nên đã cho rằng CPI thực tế không cố định trong các hồi quy dự đoán Do

đó tác giả đã kiểm tra hệ số nhân Lagrange (LM) cho phương sai thay đổi và nhận thấybằng chứng về phương sai thay đổi trong CPI là vẫn mạnh Qua những kết quả thu thậpđược, tác giả đã kết luận CPI có tính bền bỉ và phương sai thay đổi, do đó sử dụng quytrình Westerlund and Narayan (2012) là lý tưởng

Trong phần “in-sample predictability test results”, tác giả trả kết quả báo cáo khả năng

dự đoán WN-GLS và cho thấy CPI chỉ có thể dự đoán giá vàng (nghĩa là có mối quan hệvới nhau) tại 10 quốc gia là Úc, Canada, Đức, Ấn Độ, Thụy Điển, Thụy Sĩ, Anh,Uruguay, Mỹ và Zimbabwe Trong khi trong 44 quốc gia còn lại thì CPI không dự đoánđược giá vàng (nghĩa là CPI và giá vàng có rất ít hoặc không có quan hệ tuyến tính vớinhau) Như vậy trong phần kiểm tra khả năng dự đoán trong mẫu, tỷ lệ CPI và giá vàng

có quan hệ với nhau chỉ dưới 20% (tỷ lệ này còn thấp hơn tỷ lệ tìm được trong hệ sốtương quan tuyến tính giữa GP và CPI ở câu trên)

Trong phần “Out-of-sample predictability test results”, tác giả đã kiểm tra hiệu suất củakhả năng dự báo dựa trên CPI của mô hình so với mô hình điểm chuẩn và đánh giá ba

giai đoạn ngoài mẫu (25%,50%,75%) Qua đó đặt ra một mô hình hạn chế GRt+1 = α + εt+1

và sử dụng FGLS để lấy ước tính trong mẫu dựa trên mô hình Westerlund và Narayan

(2012) để dự báo ngoài mẫu Điều đó cho phép tác giả hiệu suất dự báo của mô hình lợinhuận không đổi với mô hình hồi quy dự đoán mà tác giả đề xuất Như vậy CPI sẽ đượcxem như một biến dự báo và tác giả đã sử dụng hai dự báo Theil U và OOS_R2 để đánhgiá cho từng khoảng thời gian Như vậy tác giả đã sử dụng dự báo Theil U và OSSS_R2

để đánh giá cho 3 thời kỳ là 25%, 50% và 75% với h lần lượt là 1 và 6 để kiểm tra mức

độ chắc chắn của kết quả Theo đó, kết quả thu được cho thấy kích thước ngoài mẫu cungcấp bằng chứng về khả năng dự đoán của CPI đối với giá vàng mạnh hơn 25% so vớikích thước trong mẫu

Như vậy, khi kiểm tra đặc tính số liệu, dự đoán trong mẫu và ngoài mẫu, tác giả SusanSunila Sharma đã kết luận rằng có bằng chứng cho thấy giá vàng có thể được dự đoánthông qua chỉ số CPI Có thể thấy thử nghiệm ngoài mẫu đã đưa ra kết quả tốt hơn chokhả năng dự đoán này, kết quả của paper này hỗ trợ lý thuyết và ứng dụng về dự báo lợinhuận, giúp các nhà đầu tư đoán được giá vàng dựa vào CPI Như vậy paper này đã ủng

hộ cho mối quan hệ giữa giá vàng và GPI

Qian, Dan A Ralescu, Bo Zhang phân tích 6 yếu tố khác nhau tác động đến giá vàng baogồm (namely, the dollar index, the federal funds rate, CPI, exchange rate, oil price andS&P500), trong đó CPI được nhắc đến như 1 trong 6 nhân tố ảnh hưởng đến sự biến

động của giá vàng Cụ thể, phần phân tích mối liên hệ giữa CPI và giá vàng nằm ở Fig 4.

Gold price and CPI trend from December 1978 to January 2019 Ở phần này, các tác giả

đã đặt ra vấn đề giữa các nhận định hiện nay phủ nhận mối quan hệ giữa lạm phát và giávàng Trong khi Levin và Wright (2006) cho rằng giá vàng đồng biến với CPI của Mỹcòn mối quan hệ giữa giá vàng và lạm phát thế giới lại không cao thì Erb và Harvey(2013) cho rằng giá vàng không có hiệu quả đối với cả lạm phát được dự đoán trước vàchưa được dự đoán trước Sau đó, tác giả đã kiểm tra mối quan hệ giữa chỉ số lạm phátvới sự dao động của giá vàng để phân tích tương quan giữa giá vàng và lạm phát Quabiểu đồ Fig.4, tác giả đã nhận định rằng sự biến động của giá vàng là nhỏ nếu vàng là tàisản lý tưởng để đối phó lạm phát trong ngắn hạn, tuy nhiên thực tế thì giá vàng biến độngrất nhiều theo các đợt lên xuống Do đó mối quan hệ giữa giá vàng và tỷ lệ lạm phát vẫncòn được xem xét Di chuyển xuống Fig.8, ta sẽ thấy nguyên văn tuyên bố của tác giả:

“Specifically, CPI has a positive effect on the gold price which was also claimed byLevin and Wright (2006)” và ở Fig.10, sau khi kiểm định ANOVA, tác giả cũng đã kếtluận về sự ảnh hưởng của CPI lên giá vàng ở phần Conclusion Có thể trích dẫn một vàinguyên văn như sau: “Regarding the interaction, the results imply that the interactionbetween the US dollar index and the oil price, the federal funds rate and the exchangerate, the CPI and the exchange rate, the CPI and the oil price have a significant impact onthe price of gold”, “Finally, we find that the squared terms of dollar index, CPI and S&P

bố của Levin and Wright, xin được phép lồng ghép thêm 1 paper “SHORT-RUN ANDLONG-RUN DETERMINANTS OF THE PRICE OF GOLD”

https://pure.strath.ac.uk/ws/portalfiles/portal/64981641/strathprints007215.pdf của haitác giả này như một phần để tham khảo thêm Trong tài liệu này có thể để ý đến Figure 5:Price of Gold and US Consumer Price Index 1968-2005 và Figure 6: Price of Gold andWorld Consumer Price Index 1968 – 2005” để nhìn thấy được sự biến động của giá vàng

so với chỉ số CPI của Mỹ và chỉ số CPI của thế giới, từ đó ta có thể thấy rằng khẳng định

“giá vàng đồng biến với CPI của Mỹ còn mối quan hệ giữa giá vàng và lạm phát thế giớilại không cao” là có căn cứ và đáng công nhận Như vậy trong mẫu đề bài là CPI của

Mỹ, do đó kỳ vọng về sự đồng biến giữa giá vàng và CPI là có cơ sở tin cậy dựa và papercủa Levin và Wright

FACTORS”, nghiên cứu của Francisco Jareño và Loredana Negru đến từ University of

33

TIEU LUAN MOI download : skknchat123@gmail.com

Castilla-La Mancha, Spain nghiên cứu sự phụ thuộc của thị trường chứng khoán (có lấy

dữ liệu từ Sở giao dịch chứng khoán New York NYSE) với các biến vĩ mô gồm GDP,IPI, CPI, lãi suất (interest rate), tỉ lệ thất nghiệp (unemployment rate), trong đó CPI đượcnhắc như một yếu tố tác động đến thị trường chứng khoán Theo đó, ở phần 1.4 đồ thịphản ánh hiệu suất tổng hợp giữa thị trường chứng khoán và CPI cho ta thấy sự tăng lênđồng thời của đường biểu diễn sự phát triển của 2 biến, và đồ thị Scatter biểu thị xuhướng tăng lên của các biến thị trường chứng khoán khi CPI dịch chuyển sang phải.Nghiên cứu cũng tính toán được hệ số Pearson của 2 biến trên có độ tương quan cao,điều này chứng tỏ có mối quan hệ đồng biến, vì vậy các nhà nghiên cứu đã đi đến kếtluận rằng có mối tương quan thuận chặt chẽ giữa thị trường chứng khoán và chỉ số CPIcủa Mỹ Như vậy paper này đã ủng hộ cho mối quan hệ của NYSE và CPI

CỦA CỔ PHIẾU: CÁC BẰNG CHỨNG TỪ SỞ GIAO DỊCH CHỨNG KHOÁNTHÀNH PHỐ HỒ CHÍ MINH” tác giả Trương Đông Lộc đã khẳng định tác động của

chỉ số CPI lên giá của cổ phiếu qua các bài nghiên cứu trước đó như là nghiên cứu củaAl-Qenaei và ctv (2002), Liu và Shrestha (2008) kiểm định mối quan hệ giữa giá cổphiếu trên thị trường chứng khoán Trung Quốc với các yếu tố vĩ mô, bao gồm giá trị sảnxuất công nghiệp, tỷ giá, lạm phát, cung tiền và lãi suất., Eita (2012) nghiên cứu ảnhhưởng của các yếu tố vĩ mô đến giá của các cổ phiếu trên thị trường chứng khoánNamibia., Aurangzeb (2012) xác định các nhân tố ảnh hưởng đến giá của các cổ phiếutrên ba thị trường chứng khoán ở khu vực Nam Á, đó là Pakistan, Ấn độ và Sri Lanka,

và nhiều bài nghiên cứu trên các khu vực khác trên toàn thế giới, dựa trên cơ sở này, tác giả đã kiểm định lại lý thuyết này tại các chứng khoán của các công ty tại Việt Nam Dựatrên mô hình hồi quy tại mục 3.2 “phương pháp nghiên cứu” tác giả đã đặt biến X5 là chỉ

số giá tiêu dùng hay còn gọi là tỉ lệ lạm phát và qua việc khảo sát và phân tích hồi quy thì

hệ số tương quan giữa biến độc lập là chỉ số CPI với biến phụ thuộc là tỷ suất sinh lời (hay sự thay đổi của giá cổ phiếu) là -0.0073 (bảng 4), điều này có nghĩa là khi tỷ lệ lạm phát tăng 1% thì tỷ suất sinh lời của các cổ phiếu sẽ giảm 0.007% và ngược lại Vậy bài nghiên cứu trên đã chỉ ra được mối liên hệ giữa tỷ giá CPI và tỷ suất sinh lời của cổ phiếu, ngoài mối liên hệ trên thì bài nghiên cứu còn đưa a nhiều mối quan hệ giữa các biến tác động trực tiếp đến tỷ suất sinh lời

- Kiểm định sự phù hợp của các mô hình hồi quy trên? Giải thích ý nghĩa các hệ số hồi quy tìm được Kỳ vọng về dấu của các hệ số hồi quy và kết quả hồi quy mẫu có phù hợp không? Giải thích?

Kiểm định sự phù hợp của mô hình hồi quy giữa GP và CPI: