Bài tiểu luận kinh tế lượng gretl những nhân tố ảnh hưởng đến nhu cầu đi lại bằng xe bus của người dân

Mục tiêu nghiên cứu Mục tiêu của nghiên cứu là từ bộ số liệu đã có chúng ta đi xây dựng mô hình hồi quy tốt nhất và sau đó phân tích các ảnh hưởng của các yếu tố: Thu nhập Income, Giá c

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

KHOA KINH TẾ QUỐC TẾ

=====000=====

TIỂU LUẬN KINH TẾ LƯỢNG

Đề Tài

NHỮNG NHÂN TỐ ẢNH HƯỞNG ĐẾN

NHU CẦU ĐI LẠI BẰNG XE BUS CỦA NGƯỜI DÂN

Giảng viên hướng dẫn: Th S Nguyễn Thúy Quỳnh

Lớp tín chỉ: KTE309.2

Người thực hiện: Kiều Ngọc Ánh – 1611120016

Nguyễn Thị Dịu – 1611120023 Nguyễn Thị Hoàn –

1611120014

HÀ NỘI – THÁNG 5 NĂM 2018

MỤC LỤC

MỞ ĐẦU

3.2.4 Kiểm định phân phối chuẩn của sai số ngẫu nhiên 13

DANH MỤC BẢNG

Bảng 3.1 Giải thích kết quả và ý nghĩa các hệ số hồi quy 9

DANH MỤC HÌNH

MỞ ĐẦU Tính cấp thiết của đề tài

Phương tiện giao thông là thứ góp mặt trong đời sống hàng ngày của mỗi chúng ta,

và là nhu cầu thiết yếu để giúp con người di chuyển nhanh chóng, thuận tiện và dễ dàng hơn Cuộc sống càng hiện đại kéo theo sự phát triển tiến bộ của phương tiện giao thông, con người có sự lựa chọn đa dạng hơn từ xe đạp, xe đạp điện, xe máy, đến otô, xe bus… trong đó sự ra đời của phương tiện giao thông công cộng mà điển hình là xe bus đã góp phần quan trọng vào việc đáp ứng nhu cầu đi lại của học sinh, sinh viên và những người

có thu nhập thấp Hơn nữa với sự tăng vọt của dân số, việc đi xe bus cũng góp phần giải quyết nạn kẹt xe và bảo vệ môi trường

Hiện nay chính phủ ngày càng đề cao và khuyến khích người dân tích cực sử dụng phương tiện công cộng và hạn chế sử dụng các phương tiện cá nhân như xe máy, ôtô, với mong muốn góp phần tích cực trong việc bảo vệ môi trường và giảm thiểu tình hình tắc nghẽn giao thông đô thị Hơn thế nữa, việc sử dụng xe bus còn giúp đảm bảo an toàn khi tham gia giao thông, tránh những tai nạn đau thương không đáng có Nhận thấy những tác động tích cực đến từ việc sử dụng phương tiện xe bus của người dân, chúng ta cần có những biện pháp cụ thể để gia tăng số lượng sử dụng xe bus mỗi ngày Chính vì thế nhóm

chúng em đã lựa chọn để tài “Phân tích sự ảnh hưởng của một số nhân tố đến nhu cầu

đi lại bằng xe bus của người dân” Thông qua việc phân tích các nhân tố ảnh hưởng đến

nhu cầu sử dụng xe bus của người dân, ta sẽ xác định được đâu là những yếu tố có ảnh hưởng và tác động của chúng như thế nào Từ đó có thể đề ra những biện pháp hữu ích nhất cho việc nâng cao hiệu quả sử dụng xe bus

Dù đã cố gắng hết sức để hoàn thành nghiên cứu một cách tốt nhất, song do hạn chế

về mặt thời gian và còn ít kinh nghiệm nên bài làm của chúng em vẫn còn nhiều thiếu sót Kính mong cô xem xét, góp ý để giúp chúng em hoàn thành nghiên cứu ở mức tốt hơn

Mục tiêu nghiên cứu

Mục tiêu của nghiên cứu là từ bộ số liệu đã có chúng ta đi xây dựng mô hình hồi quy tốt nhất và sau đó phân tích các ảnh hưởng của các yếu tố: Thu nhập ( Income), Giá cả (Fare), Quy mô dân số (Pop), Giá xăng dầu (Gas Price) đến nhu cầu đi lại bằng xe bus(Bus Travel)

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: ảnh hưởng của thu nhập, giá cả, quy mô dân số và giá xăng dầu

lên nhu cầu đi lại bằng xe bus

Phạm vi nghiên cứu: chỉ nghiên cứu ảnh hưởng của bốn yếu tố thu nhập, giá cả, quy

mô dân số và giá xăng dầu

Bố cục bài tiểu luận

Bên cạnh các phần yêu cầu như lời mở đầu, kết luận, danh mục tài liệu tham khảo, phần nội dung chính của tiểu luận được chia làm ba phần:

Chương I : Cơ sở lý thuyết

Chương II : Xây dựng mô hình nghiên cứu

Chương III : Ước lượng, kiểm định mô hình và suy diễn thống kê

1 CƠ SỞ LÝ THUYẾT

1.1 Mối quan hệ giữa cầu hàng hóa và giá cả thị trường

Mối quan hệ giữa cầu hàng hóa và giá cả thị trường

Theo lý thuyết kinh tế, cầu của một hàng hóa dịch vụ là số lượng của hàng hóa và dịch vụ đó mà người tiêu dùng sẵn lòng mua tương ứng với các mức giá khác nhau trong một khoảng thời gian xác định

Nhóm đã tiến hành nghiên cứu sự phụ thuộc của nhu cầu sử dụng xe bus với bốn yếu

tố sau: Thu nhập (Income), Giá cả (Fare), Quy mô dân số (Pop), Giá xăng dầu (Gas Price) Trong đó:

•Income - Thu nhập của người dân: Theo lý thuyết thì thu nhập có thể tỷ lệ thuận hoặc

tỷ lệ nghịch với lượng cầu về hàng hóa tùy theo hàng hóa đó là hàng hóa thong thường hay hàng hóa thấp cấp Nếu là hàng hóa thông thường thì thu nhập tăng cầu tăng, nếu là hàng hóa thấp cấp thì thu nhập tăng cầu giảm Xe bus là hàng hóa thứ cấp, khi thu nhập càng tăng sẽ kéo theo sự giảm nhu cầu sử dụng xe bus, chuyển sang sử dụng phương tiện khác Do đó cầu về xe bus và thu nhập của người dân có mối tương quan nghịch

• Fare - Giá vé: Theo lý thuyết thì khi giá cả của hàng hóa tăng lên (trong điều kiện các yếu tố khác không đổi) thì lượng cầu hàng hóa đó sẽ giảm xuống Vậy khi giá vé

xe bus tăng lên nó sẽ làm giảm nhu cầu sử dụng xe bus của người dân và ngược lại, khi các yếu tố khác không đổi

• Gas Price - Giá cả của các loại hàng hóa có liên quan (hàng hóa thay thế và hàng hóa bổ sung): Giá cả của hàng hóa thay thế tăng dẫn đến lượng cầu của hàng hóa thay thế giảm dẫn đến lượng cầu của hàng hóa đang xét sẽ tăng và ngược lại Trong bài nghiên cứu này, những phương tiện giao thông thay thế cho xe bus là ô tô, xe máy, … chi phí của những phương tiện này là xăng ( Gas Price) nên nếu giá xăng tăng thì nhu cầu sử dụng xe bus sẽ tăng lên

• POP - Dân số: nghiên cứu cụ thể trong bài này là quy mô dân số POP Quy mô dân

số tỷ lệ thuận với lượng cầu về hàng hóa, dân số tăng => nhu cầu sử dụng xe bus tăng

1.2 Hàm cầu Marshall

Về mặt công thức toán, hàm cầu Marshall có thể được biểu diễn như sau:

X = X(PX,PY,M)

Trong đó:

X là lượng cầu về một mặt hàng (Nhu cầu sử dụng xe bus)

PX là giá của mặt hàng đó (giá vé Fare), PY là giá của các mặt hàng khác (Giá xăng Gasprice)

M là thu nhập của người mua (Income)

Giá cả của các mặt hàng khác và thu nhập được xem là biến ngoại sinh

1.3 Lý thuyết về hành vi người tiêu dùng

Lý thuyết về hành vi người tiêu dùng

Theo lý thuyết này, các nhân tố ảnh hưởng đến cầu về một hàng hóa gồm 2 loại: các nhân tố bên trong (biến nội sinh) và các nhân tố bên ngoài (biến ngoại sinh)

− Biến nội sinh gồm có: Giá cả chính hàng hóa đó

− Biến ngoại sinh gồm có:

• Giá cả hàng hóa thay thế

• Thu nhập của người tiêu dùng

• Quy mô thị trường

• Ngoài ra còn một số nhân tố khác không xét đến trong nghiên cứu này

2 XÂY DỰNG MÔ HÌNH NGHIÊN CỨU

2.1 Phương pháp luận của nghiên cứu

Để kiểm định sự tác động của bốn yếu tố là Thu nhập (Income), Giá cả (Fare), Quy

mô dân số (Pop), Giá xăng dầu (Gasprice) lên nhu cầu sử dụng xe bus của người dân, nhóm chúng em đi xây dựng mô hình hồi quy tuyến tính và sử dụng phương pháp

bình phương nhỏ nhất (Ordinary Least Lquares - OLS) Chúng em sử dụng bộ số liệu gồm 40 quan sát trong phần mềm Gretl – datafiles – Ramanathan – data4-4:

Demand for bus travel and determinants Chúng em sử dụng phần mềm gretl để phân tích, kiểm tra số liệu, từ đó rút ra các kết luận cho bài nghiên cứu

2.2 Xây dựng mô hình

Mô hình hồi quy tổng thể ngẫu nhiên:

BUSTRAVL= β1 + β2FARE+ β3GASPRICE + β4INCOME + β5POP + ui

Mô hinhh̀ hồi quy mẫu:

BUSTRAVL = + FARE+ GASPRICE + INCOME + POP

Bảng 2.1 Giải thích các biến trong mô hình 2.4 Mô tả số liệu

Bộ số liệu được lấy ở kho dữ liệu Ramanathan data 4-4, Gretl

Mô tả thống kê cho các biến được thể hiện ở trong bảng dưới đây:

(Nguồn: Tác giả tự tính toán dựa trên số liệu phần 4-4 Ramanathan trong Gretl)

Bảng 2.2 Mô tả thống kê của các biến

Bên cạnh đó, sử dụng phần mềm Gretl, mô tả tương quan giữa các biến BUSTRAVL, FARE, GASPRICE, INCOME và POP được thể hiện trong bảng 2.3 dưới đây:

(Nguồn: Tác giả tự tính toán dựa trên số liệu phần 4-4 Ramanathan trong Gretl)

Bảng 2.3 Mô tả tương quan giữa các biến

2.5 Nhận xét về sự tương quan giữa các biến

• Hệ số tương quan giữa “FARE” và “BUSTRAVL” là -0.048, mức độ tương quan khá thấp, và ngược chiều

Kì vọng dấu là âm và giá vé bus không ảnh hưởng nhiề u tới lượng cầu đi lại bằng xe bus…

• Hệ số tương quan giữa “GASPRICE” và BUSTRAVL” là 0.3787, tương quan ở mức t rung bình, và cùng chiều

Kì vọng dấu là dương và giá xăng ảnh hưởng trung bình tới lượng cầu đi bus

• Hệ số tương quan giữa “INCOME” và “BUSTRAVL” là 0.2287, mức độ tương quan ở mức trung bình và cùng chiều

Kì vọng dấu là dương và Thu nhập có ảnh hưởng trung bình tới lượng cầu đi bus

• Hệ số tương quan giữa “POP” và “BUSTRAVL” là 0.9313, mức độ tương quan lớn và cùng chiều

Kì vọng dấu ̂ là dương và Dân số ở thành phố ảnh hưởng rất lớ n tới lượng cầu đi lại bằng

xe bus

• Ngoài ra, Từ bảng ta thấy hệ số tương quan giữa các biến độc lập là đều nhỏ hơn 0.8 nên không có tương quan cao giữa các biến độc lập

Kỳ vọng mô hình ít có khả năng xảy ra vấn đề đa cộng tuyến

3 ƯỚC LƯỢNG, KIỂM ĐỊNH MÔ HÌNH VÀ SUY DIỄN THỐNG KÊ

3.1 Ước lượng mô hình

3.1.1 Kết quả ước lượng mô hình

Sử dụng phần mềm Gretl, hồi quy mô hình bằng phương pháp bình phương nhỏ nhất OLS, ta được kết quả như sau: Phương pháp bình phương tối thiểu OLS, sử dụng quan sát 1-40

Biến phụ thuộc: BUSTRAVL

Ước lượng Sai số

chuẩn

Sai số chuẩn

p-value const

GASPRIC

E

BUSTRAVL = 0.0688 > α =0.05

Nên: Không bác bỏ Ho

KẾT LUẬN: Với mức ý nghĩa 5%, mô hình ban đầu không bỏ sót biến

3.2.2 Kiểm định đa cộng tuyến

➢ Nguyên nhân dẫn đến đa cộng tuyến:

- Do phương pháp thu thập số liệu, mẫu không đặc trưng cho tổng thể

- Bản chất của các biến kinh tế xã hội: luôn tự ngầm chứa các hiện tượng đa cộng

tuyến

- Số quan sát nhỏ hơn số tham số: các biến số biểu diễn được qua nhau

➢ Dấu hiệu nhận biết đa cộng tuyến:

a)Dấu hiệu 1: Dựa vào R cao và giá trị thống kê t-ratio thấp

Dựa vào hình 3.1 (trang 8), ta có thể thấy các giá trị của t thấp vì hầu hết nhỏ hơn 2 ( trừ t – ratio của POP là lớn hơn 2) và R = 0.887273 > 0.8

Kết luận 1: Mô hình có thể mắc đa cộng tuyến

b) Dấu hiệu 2: Xét hệ số tương quan giữa các biến độc lập

Theo lý thuyết thì nếu hệ số tương quan riêng giữa các biến độc lập >0.8 thì có đa cộng tuyến

Nhìn vào bảng 2.3 (trang 6), ta có hệ số tương quan giữa các biến độc lập đều nhỏ hơn

0.8, nên không có tương quan cao giữa các biến độc lập.

Kết luận 2: Mô hình không mắc đa cộng tuyến

c) Dấu hiệu 3: Thừa số tăng phương sai VIF

✓ VIF(Fare)=1.010

✓ VIF(Gasprice) = 1.123

✓ VIF(Pop) = 1.239

✓ VIF(Income) = 1.136

VIF(j) < 10

Kết luận 3: Mô hình không có Đa cộng tuyến

Hình 3.3 Kiểm định Collinearity Test

Nguồn: Nhóm tác giả tự tính toán với sự hỗ trợ của phần mềm Gretl

KẾT LUẬN: Dựa vào 3 dấu hiệu nhận biết ở trên, có nhiều dấu hiệu cho thấy mô hình không mắc đa cộng tuyến nên ta kết luận Mô Hình ước lượng ban đầu không mắc Đa cộng tuyến với mức ý nghĩa 5%

3.2.3 Kiểm định phương sai sai số thay đổi

➢ Lý thuyết

- Phương sai sai số thay đổi là hiện tượng mỗi sai số ngẫu nhiên u i có một phương sai riêng: var (ui) = σii

- Nguyên nhân: do bản chất mối quan hệ kinh tế, do kỹ thuật thu thập số liệu không đồng đều nên số liệu có chất lượng khác nhau; do hành vi của con người trong các hoạt động ngày càng hoàn thiện; hay do dạng hàm sai cũng có thể dẫn đến phương sai sai số thay đổi

- Hậu quả:

• Các ước lượng OLS không còn tính chất BLUE

• Các dự báo cũng sẽ không hiệu quả

• Việc sử dụng thống kê t và F để kiểm định không còn đáng tin cậy nữa

➢ Nhận dạng

Để nhận biết mô hình có mắc bệnh phương sai sai số thay đổi hay không, ta có thể dùng phương pháp định tính hoặc phương pháp định lượng

• Phương pháp định lượng Kiểm định White:

Xét cặp giả thuyết {Ho: βi = 0 (phương sai sai số đồng nhất) i = 0 (phương sai sai số đồng nhất)

H1: βi = 0 (phương sai sai số đồng nhất) i ≠ 0 (phương sai sai số thay đổi)

Hình 3.4 Kết quả kiểm định White’s Test

Chạy kiểm định White’s Test trên phần mềm Gretl , ta có kết quả p-value = 0.525971 > 0.05

=> Không bác bỏ H0

KẾT LUẬN: Phương sai sai số không thay đổi với mức ý nghĩa 5%

3.2.4 Kiểm định phân phối chuẩn của sai số ngẫu nhiên

Hình 3.5 Kết quả kiểm định Normality of residual

Nguồn: Nhóm tác giả tự tính toán với sự hỗ trợ của phần mềm Gretl

Xét cặp giả thuyết: {Ho:

Nhiễu phân phối chuẩn

H1: Nhiễu không phân phối chuẩn

Ta tiến hành kiểm định Normality of residual trên phần mềm Gretl

Dựa vào số liệu trong hình 3.5 ở trên, ta có thể thấy:

giá trị p – value = 0.844128 > 0.05

=> Không Bác bỏ H0

KẾT LUẬN: Mô hình có phân phối của nhiễu chuẩn với mức ý nghĩa 5%

3.3 Kiểm định giả thiết

3.3.1 Kiểm định hệ số hồi quy

Để kiểm định ý nghĩa thống kê của các biến độc lập ta xem xét hệ số hồi quy của các biến độc lập có khác 0 hay không

Ho: βi = 0 (phương sai sai số đồng nhất) i = 0

Sử dụng cặp giả thiết: { H1: βi i

≠ 0 Có 3 cách kiểm tra là :

• Sử dụng khoảng tin cậy

• Sử dụng kiểm định t

• Sử dụng giá trị p-value

➢ Khoảng tin cậy

Với mức ý nghĩa α=0,05, khoảng tin cậy của các hệ số hồi quy là:

(n – k) ;

(n – k) )

̂̂

( βi = 0 (phương sai sai số đồng nhất) i – Se(βi = 0 (phương sai sai số đồng nhất) i) tα/2

βi = 0 (phương sai sai số đồng nhất) i + Se(βi = 0 (phương sai sai số đồng nhất) i).tα/2

Trong đó:

̂̂

– : hệ số ước lượng

βi = 0 (phương sai sai số đồng nhất) i – Se( ): sai số tiêu chuẩn của hệ số ước lượng

βi = 0 (phương sai sai số đồng nhất) i – tα/2(n – k): giá trị tới hạn mức ý nghĩa α bậc tự do (n – k)

Nếu giá trị so sánh 0 không thuộc khoảng tin cậy, ta bác bỏ H0, biến đó có ý nghĩa thống kê

Áp dụng cho các hệ số:

Hình 3.6 Ước lượng t của hệ số hồi quy

Từ hình 3.6 ta thấy:

- Khoảng tin cậy 95% của các biến FARE, GASPRICE và INCOME đều chứa giá trị 0,

từ đó không bác bỏ giả thiết H0, các biến này không có ý nghĩa thống kê

- Khoảng tin cậy 95% của biến POP không chứa giá trị 0, từ đó bác bỏ Ho, chứng tỏ biến POP có ý nghĩa thống kê đối với cầu đi lại bằng xe bus

➢ Kiểm định t

Thống kê t sử dụng cho cặp giả thiết trên là: tqs = βi i

Se(βi) Miền bác bỏ H0: |tqs| > |tα/2(n – k)| = |βi i) Miền bác bỏ H0: |tqs| > |tα/2(βi) Miền bác bỏ H0: |tqs| > |tα/2(n – k)| = |n – k)| = |

t0.025(βi) Miền bác bỏ H0: |tqs| > |tα/2(n – k)| = |40)| ≈ 2.021

Nếu giá trị tqs thuộc miền bác bỏ, ta bác bỏ H0, biến đó có ý nghĩa thống kê

Áp dụng cho các hệ số:

Biến Thống

kê t

Giá trị thống kê t của các biến FARE, GASPRICE, INCOME đều không thuộc miền bác

bỏ, từ đó không bác bỏ Ho, các biến này không có ý nghĩa thống kê Giá trị thống kê của biến POP thuộc miền bác bỏ, từ đó bác bỏ Ho, biến POP có ý

nghĩa thống kê

➢ Giá trị P–value

Xét giá trị p–value trong kiểm định t

– Nếu p–value nhỏ hơn mức ý nghĩa, ta bác bỏ H0, biến đó có ý nghĩa thống kê

– Nếu p–value lớn hơn mức ý nghĩa, ta chưa đủ cơ sở để bác bỏ H 0, biến đó có thể không có ý nghĩa thống kê

Áp dụng cho các hệ số:

1,14e-016

Giá trị p-value của các biến FARE, GASPRICE, INCOME đều lớn hơn mức ý nghĩa 5%, nên không bác bỏ Ho, các biến này không có ý nghĩa thống kê

Giá trị p-value của biến POP nhỏ hơn mức ý nghĩa 5%, nên ta bác bỏ Ho, biến POP có ý nghĩa thống kê

TỪ KẾT QUẢ TRÊN TA CÓ KẾT LUẬN:

Các biến FARE, GASPRICE và INCOME đều không có ý nghĩa thống kê đối với biến BUSTRAVL Duy chỉ có biến POP là có ý nghĩa thống kê với biến BUSTRAVL

Ý nghĩa thống kê của POP: Với các yếu tố khác không đổi, nếu dân số tăng 1000 người thì cầu đi laị bằng xe bus tăng 1,83284 nghìn người/giờ

3.3.2 Kiểm định sự phù hợp của mô hình

❖ Cặp giả thiết để kiểm định sự phù hợp của mô hình là

{Ho: βi = 0 (phương sai sai số đồng nhất) 1 = βi = 0 (phương sai sai số đồng nhất) 2 = βi = 0 (phương sai sai số đồng nhất) 3 = βi = 0 (phương sai sai số đồng nhất) 4 = βi = 0 (phương sai sai số đồng nhất) 5 = 0 (mô hình không phù hợp)

❖ Fqs =

Với cặp giả thiết này, sử dụng kiểm định F với giá trị quan sát:

( n là số quan sát, k là số hệ số hồi quy)

❖ So sánh Fqs với Fα(k-1;n-k), ta có:

✓ Nếu Fqs < Fα, thì không bác bỏ H0, Mô hình không phù hợp

✓ Nếu Fqs > Fα , thì bác bỏ H0, Mô hình phù hợp

❖ Dựa theo kết quả chạy mô hình OLS trên Gretl phần 4.1.1 ta có giá trị: Bác bỏ H0

Mô hình phù hợp

KẾT LUẬN : Với mức ý nghĩa 5%, mô hình hồi quy là phù hợp