Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa như thế nào

Luận văn : Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa như thế nào

BỘ TÀI CHÍNH HỌC VIỆN TÀI CHÍNH

BÁ O C Á O TH Ự C H À NH KINH T Ế L ƯỢ NG

Họ tên: Stt Lớp: CQ46/17.01

Đặng Thị Hà 04

Ngô Thị Trang 16

Nguyễn Thị Minh Trang 17

Nguyễn Thị Hồng Vân 30

Trần Thị Thanh Vân 31

I.Vấn đề nghiên cứu:

Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa như thế nào

II.Các biến kinh tế sử dụng:

Y: Tốc độ tăng luân chuyển hàng hóa

X2: Tốc độ tăng luân chuyển hàng hóa bằng đường sắt

X3:Tốc độ tăng luân chuyển hàng hóa bằng đường biển

III Bộ số liệu:

TỐC ĐỘ TĂNG LUÂN CHUYỂN HÀNG HÓA BẰNG ĐƯỜNG SẮT, ĐƯỜNG BIỂN, VÀ TỐC ĐỘ TĂNG LUÂN CHUYỂN HÀNG HÓA CỦA VIỆT NAM GIAI ĐOẠN 1994-2009

Đơn vị tính:%

Chỉ tiêu

( * Nguồn số liệu: Tổng cục thống kê)

IV.Mô hình kinh tế lượng :

1.Cơ sở lý thuyết và thực tế:

Hội nhập kinh tế quốc tế của các nền kinh tế chuyển đổi là quá trình thực

hiện tự do hóa thương mại và thực hiện cải cách toàn diện theo hướng mở cửa thị trường.Việt Nam cũng không nằm ngoài vòng xoáy đó.Trong những năm gần đây, chúng ta đã phát huy được những lợi thế so sánh, học hỏi kinh nghiệm nước bạn

về mọi mặt.Chính vì thế mà GDP đã tăng lên đáng kể, hàng hóa trong nước được sản xuất ngày một nhiểu , hàng hóa ngoại nhập ngày một đa dạng hơn với giá cả hợp lí, chất lượng tốt , tốc độ luân chuyển ngày một cao Đặc biệt là thông qua hệ thống đường sắt và đường biển , hàng hóa được lưu thông một cách dễ dàng hơn rất nhiểu Hiểu được tầm quan trọng cuả vấn đề này nên nhóm em đã chọn nghiên cứu đề tài:

Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và luân chuyển hàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa như thế nào.

2 Mô hình lựa chọn:

Xét hàm hồi quy tổng thể

(PRF) : E(Yi/ X2i,X3i) =ββ1 + β2X2i + β3X3i Trong đó : Y: biến phụ thuộc

X2,X3: biến độc lập β1 : hệ số chặn β2,β3: hệ số góc Trên cơ sở đó ta có mô hình hồi quy tổng thể như sau:

(PRM) : Yi =β β1 + β2X2i + β3X3i +Ui Trong đó :Ui : là các sai số ngẫu nhiên

Như vậy , mô hình hồi quy mẫu có dạng:

(SRM) : Yi =β ˆ 1 + ˆ2X2i ˆ3X3i e i

Trong đó: Yi: giá trị quan sát thứ i

ˆ 1,ˆ 2,ˆ 3: các ước lượng điểm của β1,β2,β3

ei: ước lượng điểm của Ui

V.Ước lượng mô hình hồi quy:

Với số liệu từ mẫu trên, sử dụng phần mềm EVIEW để ước lượng, ta thu được kết quả sau:

Báo cáo 1:

Dependent Variable: Y

Method: Least Squares

Date: 05/11/10 Time: 20:07

Sample: 1994 2009

Included observations: 16

Variable Coefficient Std Error t-Statistic Prob.

X2 0.094998 0.021214 4.478185 0.0006 X3 0.642106 0.029063 22.09327 0.0000

R-squared 0.974076 Mean dependent var 11.95625

Adjusted R-squared 0.970088 S.D dependent var 6.940794

S.E of regression 1.200416 Akaike info criterion 3.370574

Sum squared resid 18.73298 Schwarz criterion 3.515435

Log likelihood -23.96459 F-statistic 244.2356

Durbin-Watson stat 1.297614 Prob(F-statistic) 0.000000

Từ kết quả báo cáo 1 ta có: ˆ 1 =β 2.425730

ˆ2 =β 0.094998

ˆ 3 =β 0.642106

Và hàm hồi quy mô tả mối quan hệ giữa các biến kinh tế như sau:

Yi =β2.425730+ 0.094998X2i + 0.642106X3i +ei (1)

*Nhận xét:

- Theo lý thuyết kinh tế, khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển tăng thì tốc độ tăng luân chuyển hàng hóa của Việt Nam cũng tăng lên

Vậy ˆ2 =β 0.094998>0 , ˆ 3 =β 0.642106> 0 là phù hợp với lý thuyết kinh tế

Còn ˆ 1 =β 2.425730> 0 cho biết ngoài tốc độ tăng luân chuyển hàng hóa bằng đường sắt và đường biển, thì tốc độ tăng luân chuyển hàng hóa còn phụ thuộc vào các biến số kinh tế khác

- R2 =β 0.974076 cho biết 97.4076% sự biến động của tốc độ tăng luân chuyển hàng hóa của VIỆT NAM (Y) là do tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) và tốc độ tăng luân chuyển hàng hóa bằng đường biển (X3) trong mô hình gây ra

VI.Kết quả kiểm định:

1.Kiểm định sự phù hợp của mô hình hồi quy (1):

Từ báo cáo 1, ta có : Fqs =β 244.2356

Với mức ý nghĩa α =β 0.05, tra bảng ta có : ( 2 , 13 )

05 0

F =β 3.81

Ta thấy, Fqs =β 244.2356> ( 2 , 13 )

05 0

F =β 3.81  Fqs thuộc miền bác bỏ H0 nên bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kêt luận : với mức ý nghĩa α =β 0.05, ta có thể cho rằng mô hình hồi qui (1) là phù hợp

2 Kiểm định mô hình (1) chứa biến không phù hợp :

2.1 Kiểm định sự phù hợp của biến X 2 trong mô hình (1):

Theo kết quả của báo cáo 1 ta có :

tqs2 =β 4.478185

Với mức ý nghĩa α =β 0.05, tra bảng ta có : t( 13 )

025

0 =β 2.16

Ta thấy t qs2 =β 4.478185> t( 13 )

025

0 =β 2.16  tqs2 thuộc miền bác bỏ Wα nên bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận : với mức ý nghĩa α =β 0.05 ta có thể cho rằng biến X2 trong mô hình là biến thích hợp

2.2 Kiểm định sự phù hợp của biến X 3 trong mô hình (1):

Theo kết quả của báo cáo 1 ta có :

tqs3 =β 22.09327

Với mức ý nghĩa α =β 0.05, tra bảng ta có : t( 13 )

025

0 =β 2.16

Ta thấy t qs3 =β 22.09327> t( 13 )

025

0 =β 2.16  tqs3 thuộc miền bác bỏ Wα nên bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận : với mức ý nghĩa α =β 0.05 ta có thể cho rằng biến X3 trong mô hình là biến thích hợp

5.Kiểm định đa cộng tuyến:

Để phát hiện mô hình có đa cộng tuyến hay không, ta sử dụng phương pháp hồi qui phụ

Sử dụng phần mềm Eview : hồi qui X2 theo X3 ta thu được kết quả sau:

Báo cáo 2:

Dependent Variable: X2

Method: Least Squares

Date: 05/11/10 Time: 20:33

Sample: 1994 2009

Included observations: 16

Variable Coefficient Std Error t-Statistic Prob.

X3 -0.241133 0.360442 -0.668994 0.5144

R-squared 0.030978 Mean dependent var 12.75000

Adjusted R-squared -0.038238 S.D dependent var 14.84242

S.E of regression 15.12353 Akaike info criterion 8.386849

Sum squared resid 3202.095 Schwarz criterion 8.483423

Log likelihood -65.09479 F-statistic 0.447553

Durbin-Watson stat 1.230762 Prob(F-statistic) 0.514381

Từ kết quả thu được ta có : R2 =β 0.030978

Dựa vào kết quả báo cáo 3, ta có

Fq/s =β 0.447553

Và F( 1 , 14 )

05

0 =β 4.67

Ta thấy Fq/s =β 0.447553< ( 1 , 14 )

05 0

F =β 4.67  Fq/s không thuộc miền bác bỏ Wα

nên chưa có cơ sở để bác bỏ giả thuyết H0

Kết luận: bằng phương pháp hồi qui phụ, với mức ý nghĩa 0.05 ta có thể

cho rằng, mô hình (1) không có hiện tượng đa cộng tuyến

6.Kiểm định phương sai sai số ngẫu nhiên thay đổi

.Kiểm định phương sai sai số ngẫu nhiên thay đổi bằng kiểm định WHITE

Hồi quy mô hình ban đầu (1) ta thu được ei, từ đó tìm được ei2rồi hồi qui mô hình

e2 i =β α1 + α2 X2i + α3 X3i + α4 X 2

2i + α5 X2

3i + Vi (2)

Sử dụng phần mềm Eview hồi qui mô hình (2) ta thu được kết quả sau :

Báo cáo 3:

White Heteroskedasticity Test:

F-statistic 0.147214 Probability 0.960431

Obs*R-squared 0.812995 Probability 0.936697

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 05/11/10 Time: 21:04

Sample: 1994 2009

Included observations: 16

Variable Coefficient Std Error t-Statistic Prob.

X2 0.012277 0.092738 0.132384 0.8971 X2^2 -0.000205 0.002645 -0.077591 0.9395 X3 0.043684 0.133263 0.327803 0.7492 X3^2 -0.001492 0.003221 -0.463112 0.6523 R-squared 0.050812 Mean dependent var 1.170811

Adjusted R-squared -0.294347 S.D dependent var 1.911509

S.E of regression 2.174712 Akaike info criterion 4.641976

Sum squared resid 52.02310 Schwarz criterion 4.883410

Log likelihood -32.13581 F-statistic 0.147214

Durbin-Watson stat 1.429011 Prob(F-statistic) 0.960431

Từ kết quả báo cáo (3) ta có

χ2

/ s

q =β nR2

w=β 160.050812=β 0.812995

χ( 4 )

05

.

0 =β 9.4877

ta thấy : χ2

/ s

q =β 0.812995< χ( 4 )

05

0 =β 9.4877  : χ2

/ s

q không thuộc miền bác bỏ

Wα nên chưa có cơ sở để bác bỏ giả thuyết H0

Kết luận : với mức ý nghĩa α =β 0.05, ta có thể cho rằng mô hình (1) không

có hiện tượng phương sai sai số ngẫu nhiên thay đổi

7.Kiểm định tự tương quan:

7.1 Kiểm định tự tương quan bằng kiểm định Durbin-Watson

Với kích thước n =β16, k’ =β k – 1 =β 2, α =β 0.05

Tra bảng ta có dL =β 0.982; dU =β 1.539  4- dL =β 3.018 ; 4 – dU =β 2.461

Theo báo cáo (1) ta có : dq/s =β 1.297614 dL < dq/s < dU vậy, chưa có kết luận về

tự tương quan trong mô hình (1)

7.2.Kiểm định tự tương quan bằng kiểm định Breusch-Godfey (BG)

Hồi qui mô hình (1) ta thu được et từ đó ta có et-1, et-2 sau đó hồi qui mô hình sau :

et =β α1 + α2X2t + α3X3t + α4et-1 + α5et-2 + Vt (3)

Sử dụng phần mềm Eview để kiểm định tự tương quan trong mô hình bằng kiểm định BG ta thu được kết quả sau :

Báo cáo 4 :

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.157180 Probability 0.856435

Obs*R-squared 0.444548 Probability 0.800696

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 05/11/10 Time: 21:19

Presample missing value lagged residuals set to zero.

Variable Coefficient Std Error t-Statistic Prob.

X2 -0.002092 0.024341 -0.085950 0.9331 X3 0.003609 0.033670 0.107188 0.9166

C -0.023308 0.668856 -0.034847 0.9728 RESID(-1) 0.147363 0.320068 0.460413 0.6542 RESID(-2) 0.073497 0.328381 0.223815 0.8270 R-squared 0.027784 Mean dependent var -4.15E-16

Adjusted R-squared -0.325749 S.D dependent var 1.117527

S.E of regression 1.286733 Akaike info criterion 3.592397

Sum squared resid 18.21250 Schwarz criterion 3.833831

Log likelihood -23.73917 F-statistic 0.078590

Durbin-Watson stat 1.586326 Prob(F-statistic) 0.987310

Với n =β16, p =β 2, R2 =β 0.027784 (thu được từ báo cáo 4) ta có:

χ2

/ s

q =β (16 – 2 ) 0.027784=β 0.388976

tra bảng ta có χ2 ( 2 )

05

0 =β 5.9915

so sánh : χ2

/ s

q =β 0.388976< χ2 ( 2 )

05

0 =β 5.9915  χ2

/ s

q không thuộc miền bác

bỏ Wα nên chưa có cơ sở để bác bỏ H0

Kết luận : với mức ý nghĩa α =β 0.05, có thể cho rằng mô hình không có

hiện tượng tự tương quan bậc 2

3 Kiểm định chỉ định dạng hàm:

Giả sử mô hình đúng có dạng sau:

Yi =β β1 + β2X2i + β3X3i + Ui (4) Hồi quy (4) ta thu được Yˆ từ đó ta có Yˆ 2, Yˆ 3

Ta tiến hành hồi qui mô hình có dạng:

Yi =β α1 + α2X2i + α3X3i + α4Yˆ 2 + α5Yˆ 3+ Vi (5) Dùng kiểm định Ramsey để kiểm định dạng hàm Sử dụng phần mềm Eviews ta có kết quả sau:

Báo cáo 5 :

Ramsey RESET Test:

F-statistic 0.105109 Probability 0.901120

Log likelihood ratio 0.302886 Probability 0.859467

Test Equation:

Dependent Variable: Y

Method: Least Squares

Date: 05/11/10 Time: 21:54

Sample: 1994 2009

Included observations: 16

Variable Coefficient Std Error t-Statistic Prob.

X2 0.090173 0.025620 3.519612 0.0048 X3 0.634785 0.118805 5.343067 0.0002

FITTED^2 0.005403 0.019637 0.275147 0.7883 FITTED^3 -0.000167 0.000483 -0.345851 0.7360 R-squared 0.974562 Mean dependent var 11.95625

Adjusted R-squared 0.965312 S.D dependent var 6.940794

S.E of regression 1.292696 Akaike info criterion 3.601644

Sum squared resid 18.38170 Schwarz criterion 3.843078

Log likelihood -23.81315 F-statistic 105.3577

Durbin-Watson stat 1.170578 Prob(F-statistic) 0.000000

Theo báo cáo 5, ta có :

Giá trị thống kê quan sát : Fq/s =β 0.105109

Với α =β 0.05; F0.05(2;11)=β 3.98

Ta thấy : Fq/s =β0.105109< F0.05(2;11) =β 3.98 Fq/s không thuộc miền bác bỏ Wα

nên chưa đủ cơ sở để bác bỏ giả thuyết Ho Vậy với mức ý ngĩa α =β 0.05 thì mô hình đã cho chỉ định đúng

4.Kiểm định tính phân phối chuẩn của U:

Sử dụng cặp giả thuyết: Ho: U có phân phối chuẩn

H1: U không có phân phối chuẩn

Bằng tiêu chuẩn kiểm định Jarque – Bera ta thu được kết quả sau:

0

1

2

3

4

5

6

Series: Residuals Sample 1994 2009 Observations 16 Mean -4.15e-16 Median -0.171124 Maximum 2.780608 Minimum -1.578203 Std Dev 1.117527 Skewness 0.889799 Kurtosis 3.498907 Jarque-Bera 2.277251 Probability 0.320259

Tiêu chuẩn kiểm định Jarque – Bera (JB) :

JB =β N(

6

2

S

+ 

24

3 2



k

) ~ 2(2)

Với k là hệ số nhọn Theo kết quả trên k =β 3.498907

S là hệ số bất đối xứng Theo kết quả trên S =β 0.889799

Miền bác bỏ : Wα =β { JB/JB > 2(2)

0.05 }

Từ báo cáo trên, ta có:

JBq/s =β 2.277251

2(2)0.05 =β 5.9915

So sánh JBq/s =β 2.277251< 2(2)

0.05 =β 5.9915 Vậy chưa có cơ sở để bác bỏ giả thuyết H0

Kết luận: với mức ý nghĩa α =β 0.05, ta có thể cho rằng sai số ngẫu nhiên có

phân phối chuẩn

Nhận xét:

Mô hình đơn giản, phù hợp với lý thuyết kinh tế, không bị mắc các khuyết

tật R2 =β0.974076 giải thích được nhiều biến động của biến phụ thuộc Tính dự báo của mô hình :

0

10

20

30

40

1994 1996 1998 2000 2002 2004 2006 2008

YF

Forecast: YF Actual: Y Forecast sample: 1994 2009 Included observations: 16

Root Mean Squared Error 1.082040 Mean Absolute Error 0.828090 Mean Abs Percent Error 7.312050 Theil Inequality Coefficient 0.039507 Bias Proportion 0.000000 Variance Proportion 0.006566 Covariance Proportion 0.993434

YF – Đây chính là giả trị Y thu được qua mô hình, để dự báo cho những năm tiếp theo ta phải mở rộng chuỗi và cho yếu tố đầu vào của biến độc lập

Do đó, có thể đánh giá (1) là mô hình hồi qui tốt

Tóm lại:

Tốc độ tăng luân chuyển hàng hóa là một chỉ tiêu quan trọng để đánh giá phát triển kinh tế của một quốc gia Trong điều kiện thực tế của Việt Nam hiện nay việc luân chuyển hàng hóa vẫn đang được thực hiện nhiều bằng đường biển

Vì vậy, chúng ta phải đưa ra những biện pháp thiết thực để tăng tốc độ luân chuyển hàng hóa bằng đường biển và đường sắt từ đó sẽ góp phần tăng tốc độ luân chuyển hàng hóa

Phần riêng

Họ tên : Nguyễn Thị Minh trang STT 17

I. Phân tích mô hình hồi quy :

1 Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào:

- Hệ số ˆ 1 =β 2.425730>0 cho biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển bằng 0 thì tốc độ tăng luân chuyển hàng hóa bằng 2.425730

- Hệ sốˆ 2 =β 0.094998 cho biết trong điều kiện nếu tốc độ tăng luân chuyển hàng hóa bằng đường biển không đổi , nếu tốc độ tăng luân chuyển hàng hóa bằng đường sắt tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa thay đổi trung bình là 0.094998%

- Hệ số ˆ 3 =β 0.642106 cho biết trong điều kiện tốc độ tăng luân chuyển hàng hóa bằng đường sắt không đổi, nếu tốc độ tăng luân chuyển hàng bằng đường biển tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa thay đổi trung bình là 0.642106%

2.Nếu giá trị của biến độc lập tăng thêm 1% thì biến phụ thuộc sẽ thay đổi như sau:

a Khi X2 tăng lên 1%:

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa ở Việt Nam (Y) tăng trong khoảng nào ta dựa vào khoảng tin cậy với độ tin cậy 1- α =β 0,95 là:

3 2 / 2

 Se  tn

  2   ˆ 2 + Se (ˆ 2)t 3

2 /



n



Với ˆ 2 =β 0.094998, t( 13 )

025

0 =β2.16, Se(ˆ 2)=β0.021214 0.049176 < β2 < 0.14082

Vậy, nếu tốc độ tăng luân chuyển hàng hóa bằng đường sắt tăng thêm 1% thì tốc độ tăng luân chuyển hàng hóa sẽ tăng trong khoảng (0.049176,0.14082) với điều kiện tốc độ tăng luân chuyển hàng hóa bằng đường biển không đổi

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa (Y) tăng tối đa là bao nhiêu ta dựa vào khoảng tin cậy với độ tin cậy 1-α =β 0,95 là:

3

2 2



  Se  tn



Với t( 13 )

025

0 =β2.16, ˆ 2 =β 0.094998, Se(ˆ 2)=β0.021214

=β> 2  0.132568

Vậy, khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt tăng thêm 1% thì tốc độ tăng luân chuyển hàng hóa tăng tối đa là 0.132568%, trong điều kiện tốc

độ tăng luân chuyển hàng hóa bằng đường biển không thay đổi

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa (Y) tăng tối thiểu là bao nhiêu ta dựa vào khoảng tin cậy với độ tin cậy 1-α =β 0,95 là: