bài tập thực hành môn học kinh tế lượng

Phân tích và kết luận về tính qui luật trong sự thay đổi các giá trị của các biến kinh tế trong mô hình hồi qui.. Nếu giá trị nhập khẩu tăng 1 triệu USD với điều kiện đầu tư không đổi th

Trang 1

BÀI TẬP THỰC HÀNH KINH TẾ LƯỢNG.

Nhóm sinh viên thực hiện:

 Nguyễn Trọng Hoàng

 Nguyễn Thị Hồng

 Nguyễn Thị Huyền

 Đoàn Thị Hương

 Lê Thị Hương

Lớp CQ 46/ 05.02

Hà Nội, ngày 15/5/2010

Trang 2

NỘI DUNG.

Xét mối quan hệ của xuất khẩu ( Yi) theo nhập khẩu (X2i) và đầu tư (X3i) của Việt Nam trong giai đoạn 1995-2009

Theo số liệu thống kê của Tổng cục thống kê:

1995 5448.9 8155.4 4527.938

1996 7255.8 11143.6 5462.125

1997 9185 11592.3 6773.125

1998 9360.3 11499.6 7320.875

1999 11541.4 11742.1 8198.188

2000 14482.7 15636.5 9448.938

2001 15029.2 16217.9 10656.000

2002 16706.7 19745.6 12444.060

2003 20149.3 25255.8 14476.000

2004 26485.0 31969.8 17187.500

2005 32447.1 36761.0 20250.000

2006 39826.2 44891.1 24931.250

2007 48561.35 60830.0 32583.770

2008 62685.13 80714.0 35832.550

I./ Lập mô hình hồi quy

Khi nghiên cứu mối quan hệ giữa nhập khảu của Việt Nam giai đoạn 1995 –

2009 phụ thuộc vào nhập khẩu và đầu tư ta có thể thấy xu hướng của nhập khẩu và đầu tư qua việc xem xét mối quan hệ giữa giá trị trung bình của xuất khẩu ở mỗi giá trị của biến nhập khẩu và đầu tư

Trang 3

Ta có hàm hồi quy như sau:

PRF Yi = β1 + β2X2i + β3X3i

Trên cơ sở đó ta có hàm hồi quy tổng thể:

PRM Yi = β1 + β2X2i + β3X3i + Ui

Trong đó : Yi là biến phụ thuộc

X2i,X3i là biến độc lập

β1, β2, β3 là các hệ số hồi quy

Ui là sai số ngẫu nhiên

II./ Tiến hành hồi quy bằng phần mềm Eview

Với số liệu từ mẫu nêu trên bằng phần mềm Eview ta ước lượng mô hình và thu được kết quả:

Dependent Variable: Y

Method: Least Squares

Date: 05/14/10 Time: 22:02

Sample: 1995 2009

Included observations: 15

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.995592 Mean dependent var 25059.87

Adjusted R-squared 0.994857 S.D dependent var 18775.11

S.E of regression 1346.427 Akaike info criterion 17.42515

Sum squared resid 21754385 Schwarz criterion 17.56676

Log likelihood -127.6886 F-statistic 1355.124

Durbin-Watson stat 1.599385 Prob(F-statistic) 0.000000

Thu được R2 =0.995592

Ta có mô hình hồi qui mẫu:

Y= -395.9940 + 0.494922X2i + 0.628942X3i

III.Kiểm định các khuyết tật của mô hình hồi quy

Trang 4

1 Kiểm định hiện tượng đa cộng tuyến bằng phương pháp đo độ đo Thiel.

Lần lượt hồi quy mô hình sau:

Yi = α1 + α2X2i + Vi (2)

Bảng 2:

Date: 05/15/10 Time: 14:31

Sample: 1995 2009

Variable Coefficient Std Error t-Statistic Prob X2 0.794425 0.019592 40.54826 0.0000

C 903.8458 743.9325 1.214957 0.2460 R-squared 0.992155 Mean dependent var 25059.87 Adjusted R-squared 0.991552 S.D dependent var 18775.11 S.E of regression 1725.696 Akaike info criterion 17.86821 Sum squared resid 38714338 Schwarz criterion 17.96262 Log likelihood -132.0116 F-statistic 1644.161 Durbin-Watson stat 1.045186 Prob(F-statistic) 0.000000

Thu được R2

1 = 0.992155

YI = α1 + α3X3i +Vi (3)

Có bảng 3:

Date: 05/15/10 Time: 13:45

Sample: 1995 2009

Variable Coefficient Std Error t-Statistic Prob X3 1.643526 0.053462 30.74181 0.0000

C -2134.823 1061.109 -2.011879 0.0654 R-squared 0.986431 Mean dependent var 25059.87

Trang 5

Ta thu được R2

2 = 0.986431

Độ đo Theil theo công thức:

m = R2 – [(R2 – R2

1) + (R2 – R2

2) ]

m = 0.982094

Vậy với mức y nghĩa α=0,05 mô hình đã cho m = 0.982094  mô hình có hiện tượng đa cộng tuyến cao

Khắc phục hiện tượng đa cộng tuyến bằng phương pháp sai phân cấp 1

Ta hồi qui mô hình có dạng :

Yt – Yt-1 = β2(X2t - X2t-1) + β3(X3t – X3t-1) + Ut – Ut-1

Hay: Y*

t= β2X*

2t + β3X*

3t + Vt

Bằng phần mềm eviews ta thu được kết quả:

Bảng 4:

Dependent Variable: D(Y)

Date: 05/15/10 Time: 13:52

Sample (adjusted): 1996 2009

Included observations: 14 after adjustments

D(X2) 0.620760 0.069368 8.948770 0.0000

D(X3) 0.224994 0.191455 1.175181 0.2627

Trang 6

Log likelihood -120.6788 Durbin-Watson stat 1.974324

Ta thu được R2

3= 0.912878.

Ta đi kiểm định hiện tượng đa cộng tuyến của mô hình sai phân cấp 1.

Để kiểm định đa cộng tuyến của mô hình sai phân cấp 1 ta hồi qui các

mô hình sau:

D(Yi) = α2D(X2i) + Zi

Bằng phần mềm eviews ta thu được bảng 5:

Date: 05/15/10 Time: 13:57

D(X2) 0.681177 0.047249 14.41687 0.0000

Thu được R2

4 = 0.902851 D(Yi) = α3D(X3i) + Z’

i

Bằng phần mềm eviews ta thu được bảng 6:

Date: 05/15/10 Time: 13:57

D(X3) 1.494762 0.342085 4.369570 0.0008

Trang 7

Sum squared resid 1.93E+08 Schwarz criterion 19.46609

Thu được R2

5 = 0.331479 m’ = R2

3 – ((R2

3 - R2

4) + (R2

3 - R2

5)) = 0.321452

ta thấy m’ < m => mô hình đã khắc phục được hiện tượng đa cộng tuyến Ta tiến hành kiểm định theo mô hình mới, mô hình này được coi như mô hình ban đầu:

Yi = 0.620760X2i + 0.224994X3i + Ui

2.Kiểm định phương sai sai số thay đổi bằng kiểm định White

Bằng kiểm định eviews ta có kết quả sau:

White Heteroskedasticity Test:

F-statistic 4.559967 Probability 0.028991

Obs*R-squared 10.36362 Probability 0.065564

Test Equation:

Date: 05/15/10 Time: 15:42

Sample: 1996 2009

C -814983.0 1510422 -0.539573 0.6042

X2 -1172.500 734.3860 -1.596571 0.1490

Trang 8

X2^2 -0.022951 0.011930 -1.923778 0.0906

X2*X3 0.506139 0.303899 1.665484 0.1344

X3 3609.516 2286.750 1.578448 0.1531

X3^2 -0.956373 0.656454 -1.456879 0.1833

R-squared 0.740258 Mean dependent var 1797579.

Adjusted R-squared 0.577920 S.D dependent var 2430044.

S.E of regression 1578744 Akaike info criterion 31.67968

Sum squared resid 1.99E+13 Schwarz criterion 31.95357

Theo báo cáo ban đầu ta có:

R2

w = 0.740258 ; χ2

q/s= 10.36362 Kiểm định cặp giả thuyết:

Ho: Mô hình ban đầu có phương sai sai số đồng đều

H1: Mô hình ban đầu có phương sai sai số không đồng đều

Dùng tiêu chuẩn kiểm định χ2

Tiêu chuẩn kiểm định χ2 = n R2

White

Miền bác bỏ Wα = { χ2 / χ2 > χα2(k’- 1) }

Với α = 0.05 ta có χα2(k’- 1) = χ0.052(5) = 11.0705

Ta thấy χ2

q/s < χ0.052(5) => chưa có cơ sở để bác bỏ giả thuyết Ho Vậy mô hình ban đầu có phương sai sai số đồng đều

3 Kiểm định hiện tượng tự tương quan bằng kiểm định Breusch – Godfrey.

Bằng phần mềm eviews ta có kết quả sau:

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared 0.000000 Probability 1.000000

Trang 9

Test Equation:

Date: 05/15/10 Time: 15:44

Presample missing value lagged residuals set to zero.

Variable Coefficient Std Error t-Statistic Prob X2 0.062003 0.118854 0.521678 0.6133 X3 -0.082668 0.284008 -0.291076 0.7769 RESID(-1) 0.128473 0.431788 0.297538 0.7721 RESID(-2) -0.355915 0.443008 -0.803404 0.4404 R-squared -0.022944 Mean dependent var 383.6595 Adjusted R-squared -0.329828 S.D dependent var 1333.168 S.E of regression 1537.385 Akaike info criterion 17.74851 Sum squared resid 23635529 Schwarz criterion 17.93110 Log likelihood -120.2396 Durbin-Watson stat 2.262425

thu được χ2

q/s= 0 ; p = 2

kiểm định cặp giả thuyết:

Ho: Mô hình ban đầu không có tự tương quan bậc 2

H1 : Mô hình ban đầu có tự tương quan bậc 2

Tiêu chuẩn kiểm định: χ2 = (n-p) R2 ~ χ2(p)

Miền bác bỏ Wα = { χ2 / χ2 > χα2(p) }

Theo báo cáo ta có: χ2

q/s= 0 < χ0.052(2) = 5,9915

Do đó chưa có cơ sở bác bỏ giả thuyết Ho

Kết luận: Mo hình ban đầu không có tự tương quan bậc 2

4 Kiểm định Ramsey để phát hiện chỉ định sai dạng hàm.

Bằng phần mềm eviews ta thu được kết quả sau:

Ramsey RESET Test:

Log likelihood ratio 2.230540 Probability 0.327827

Trang 10

Test Equation:

Date: 05/15/10 Time: 16:04

Sample: 1996 2009

Variable Coefficient Std Error t-Statistic Prob X2 0.817577 0.166479 4.910981 0.0006 X3 -0.134466 0.418677 -0.321168 0.7547 FITTED^2 4.81E-05 4.92E-05 0.977974 0.3512 FITTED^3 -5.00E-09 4.26E-09 -1.173896 0.2676 R-squared 0.925709 Mean dependent var 3663.221 Adjusted R-squared 0.903422 S.D dependent var 4713.811 S.E of regression 1464.911 Akaike info criterion 17.65193 Sum squared resid 21459642 Schwarz criterion 17.83452 Log likelihood -119.5635 Durbin-Watson stat 2.075476

Thu được R2

6 = 0,925709 Fq/s = 0,863591 với k=5; p=3 Kiểm định cặp giả thuyết

Ho : Mô hình ban đầu có dạng hàm đúng

H1 : Mô hình ban đầu có dạng hàm sai

Tiêu chuẩn kiểm định:

F =

) -/(

)

-1

(

) 1 -/(

)

-(

2

6

2

3

2

6

k n R

p R

R

~ F(p-1;n-k)

Miền bác bỏ: Wα = { F/ F > F α(p-1; n-k) }

Giá trị thống kê quan sát: Fq/s =0.863591

Với α =0.05 ; F ( 2 , 9 )

05

Ta có Fq/s =0.863591 < F ( 2 , 9 )

05

0 =4.26 Nên chưa đủ cơ sở bác bỏ giả thiết Ho

Trang 11

Kết luận : mô hình đã khắc phục có dạng hàm đúng.

5.Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên bằng kiểm định Jarque-Bera

Bằng phần mềm Eviews ta thu được kết quả:

0

1

2

3

4

5

6

Series: Residuals Sample 1996 2009 Observations 14 Mean 383.6595 Median 231.1136 Maximum 2298.871 Minimum -2880.852 Std Dev 1333.168 Skewness -0.818726 Kurtosis 3.634414 Jarque-Bera 1.798843 Probability 0.406805

Thu được : JBq/s = 1.798843 ; S= -0.818726 ; K=3.634414

Kiểm dịnh cặp giả thiết:

Ho : Sai số ngẫu nhiên có phân phối chuẩn

H1 : sai số ngẫu nhiên không có phân phối chuẩn

Tiêu chuẩn kiểm định:

JB = n.(

24

) 3 _ ( 6

2

S

 ) với S là hệ số bất đối xứng; K là hệ số nhọn

Miền bác bỏ giả thuyết Wα = { JB / JB > χα2(2)}

Từ kết quả thu được JBq/s = 1.798843< χ0.052(2) =5.9915 nên chưa có cơ sở bác bỏ giả thuyết Ho

Trang 12

Vậy có thể kết luận mô hình sau khi đã khắc phục có sai số ngẫu nhiên tuân theo qui luật phân phối chuẩn

III Phân tích và kết luận về tính qui luật trong sự thay đổi các giá trị của các biến kinh tế trong mô hình hồi qui.

1 Ý nghĩa của các hệ số hồi qui.

2

β = 0.620760 : nhập khẩu tăng hoặc giảm 1 (triệu USD) trong điều kiện đầu tư không đổi thì xuất khẩu tăng hoặc giảm 0,620760 (triệu USD)

3

β = 0.224994 : đầu tư tăng hoặc giảm 1 (triệu USD) trong điều kiện nhập khẩu

không đổi thì xuất khẩu tăng hoặc giảm 0.224994 (triệu USD)

2

β >0 ;β 3>0 cho thấy nhập khẩu và đầu tư ảnh hưởng cùng chiều tới sự biến động

của giá trị xuất khẩu Điều này hoàn toàn phù hợp với lý thuyết kinh tế

R2 = 0,912878 cho thấy : nhập khẩu và đầu tư giải thích được 91,2878% sự thay đổi của xuất khẩu

2 Khoảng tin cậy của các hệ số hồi qui.

a β2

Nếu giá trị nhập khẩu tăng 1 triệu USD với điều kiện đầu tư không đổi thì giá trị xuất khẩu trung bình hàng năm sẽ thay đổi:

tăng trong khoảng: ta tìm khoảng tin cậy đối xứng

2

^

β - Se(β^ 2).t( )

2 /k

n−

α ≤ β 2 ≤ β^2+ Se(β^2).t( )

2 /k

n− α

Theo kết quả thu được từ eviews ta có:

0.4681 ≤ β ≤ 2 0.7734

Trang 13

Vậy nếu giá trị nhập khẩu tăng (hoặc giảm) 1 triệu USD với điều kiện đầu tư không đổi thì xuất khẩu sẽ tăng (hoặc giảm) trong khoảng từ 0.4681 triệu USD đến 0.7734 triệu USD

tăng tối đa: ta tìm khoảng tin cậy bên trái

2

^

β + Se(β^2).tα(n−k)

2

β ≤ 0.74534 Như vậy nếu giá trị nhập khẩu tăng (giảm) 1 triệu USD trong điều kiện đầu tư không thay đổi thì xuất khẩu tăng (giảm) tối đa 0.74534 triệu USD Tăng tối thiểu: ta tìm khoảng tin cậy bên phải

2

^

β - Se(β^ 2).tα(n−k) ≤ β2

0.19617≤ β2 Như vậy nếu giá trị nhập khẩu tăng (giảm) 1 triệu USD trong điều kiện đầu tư không thay đổi thì xuất khẩu tăng (giảm) tối thiểu 0.19617 triệu USD

b β3

Nếu giá trị đầu tư tăng 1 triệu USD với điều kiện nhập khẩu không đổi thì giá trị xuất khẩu trung bình hàng năm sẽ thay đổi:

tăng trong khoảng: ta tìm khoảng tin cậy đối xứng

3

^

β - Se(β^3).t( )

2 /

k

n−

α ≤ β 3 ≤ β^3+ Se(β^3).t( )

2 /

k

n− α

-0.196398 ≤ β ≤ 3 0.646386

Trang 14

Vậy nếu giá trị đầu tư tăng (hoặc giảm) 1 triệu USD với điều kiện nhập khẩu không đổi thì xuất khẩu sẽ tăng (hoặc giảm) trong khoảng từ -0.196398 triệu USD đến 0.646386 triệu USD

tăng tối đa: ta tìm khoảng tin cậy bên trái

3

^

β + Se(β^ 3).tα(n−k)

3

β ≤ 0.568847 Như vậy nếu giá trị đầu tư tăng (giảm) 1 triệu USD trong điều kiện nhập khẩu không thay đổi thì xuất khẩu tăng (giảm) tối đa 0.568847 triệu USD Tăng tối thiểu: ta tìm khoảng tin cậy bên phải

3

^

β - Se(β^3).t( )

2 /k

n−

-0.118859≤ β 3 Như vậy nếu giá trị đầu tư tăng (giảm) 1 triệu USD trong điều kiện

nhập khẩu không thay đổi thì xuất khẩu tăng (giảm) tối thiểu -0.118859 triệu USD

c sự biến động giá trị của biến phụ thuộc đo bằng phương sai do các yếu tố ngẫu nhiên gây ra

Ta tìm khoảng tin cậy đối xứng của δ2 :

)

(

2

/

^

2

)

(

k

n

k

n

−

α

χ

2 / 1

^ 2 ) (

k n

−

α

χ δ

Theo kết quả của báo cáo eviews ta có:

1052415 ≤ δ ≤ 2 6042944

Vậy khi phương sai sai số ngẫu nhiên thay đổi 1% thì xuất khẩu sẽ thay đổi trong khoảng 1052415 đến 6042944 triệu USD

Trang 15

Ta tìm khoảng tin cậy bên trái:

2

1

^ 2 )

(

k

n

k

n

−

α

χ

δ

Theo kết quả của báo cáo ta có:

2

δ ≤ 5042611

Vậy khi phương sai sai số ngẫu nhiên thay đổi 1% thì xuất khẩu sẽ thay đổi tối đa

5042611 triệu USD

Ta tìm khoảng tin cậy bên phải:

)

(

2

^

2

)

(

k

n

k

n

−

α

χ

δ

Theo kết quả của báo cáo ta có:

1172494≤ δ 2

Vậy khi phương sai sai số ngẫu nhiên thay đổi 1% thì xuất khẩu sẽ thay đổi tối thiểu 1172494 triệu USD

Kết luận:

Mô hình nghiên cứu sự phụ thuộc của xuất khẩu vào nhập khẩu và đầu tư ở Việt Nam Với các kết quả kiểm định thu được có thể cho thấy mô hình sau khi đã khắc phục hoàn toàn phù hợp với lý thuyết kinh tế và có thể sử dụng mô hình này để dự báo cho các năm tiếp theo.

Định dạng
Số trang	15
Dung lượng	392 KB