Phương pháp phân tích định lượng trong quan hệ quốc tế

Đo lường định lượng; Thực hiện phân tích định lượng; Một số dạng mô hình phân tích định lượng chủ yếu

Nội dung

 Đo lường định lượng

 Thực hiện phân tích định lượng

 Một số dạng mô hình phân tích định

lượng chủ yếu

I Đo lường định lượng

định tính

3

Tại sao phải đo lường?

lường”????

4

So sánh đo lường định lượng

(Q1) với đo lường định tính (Q2)

trước và tách biệt với việc thu thập hay phân tích số liệu;

số liệu

5

So sánh đo lường định lượng

(Q1) với đo lường định tính (Q2)

tạo ra các con số định lượng;

dạng viết, nói, hành động, âm thanh, hình ảnh, vật thể

6

So sánh đo lường định lượng

(Q1) với đo lường định tính (Q2)

hệ) (linkages) giữa khái

niệm và số liệu:

Q1 xây dựng kỹ thuật đo

lường làm cầu nối (suy

diễn)

7

So sánh đo lường định lượng (Q1) với đo lường định tính (Q2)

 Q2: Phát triển nhiều khái

niệm trong khi thu thập dữ

liệu;

Đồng thời tái xem xét dữ liệu

và khái niệm trong mối quan

hệ qua lại;

Trong quá trình thu thập dữ

liệu và tạo ra cách thức đo

lường, có thể phát các ý tưởng

Các bước trong đo lường định

lượng

Operationalization (thao tác hóa)

9

Conceptualization vs

Operationalization

10

Chỉ số đo lường (5 điều cần nhớ)

11

Yêu cầu đối với đo lường định lượng: reliability & validity

dependability (tin cậy) hoặc consistency (chính xác)

lường): match bw a construct and a

measure

12

các đặc điểm của quá trình đo lường

hay công cụ đo lường

reliability!!!

13

Cải thiện reliability: 4 cách

 Xây dựng các khái niệm rõ ràng: các khái

niệm phân biệt nhau và (thường) mỗi một sự

đo lường ứng với một và chỉ một khái niệm

 Dùng đơn vị/mức độ/ thang đo lường chính xác

 Sử dụng các kiểm tra thí điểm

 Sử dụng nhiều chỉ tiêu cùng lúc cho 1 đo

lường

14

conceptual definition (định nghĩa khái niệm)và operational definition (định

nghĩa thao tác)

16

Có thể đạt được:

17

Nhưng,

validity!!!

trong khi các chỉ tiêu là cụ thể

18

Ba kiểu của validity

khoa học (sự đồng thuận)

Ví dụ: Tăng trưởng kinh tế (GDP hay

GNP?), lạm phát (chỉ số giá tiêu dùng CPI hay chỉ số giá sản xuất PPI?)

19

 Content validity: Đánh giá nội dung của định nghĩa của một cấu trúc và xây dựng chỉ số bao hàm các nội dung ấy

(3 bưới tiến hành: a Chỉ ra toàn bộ nội

dung của định nghĩa của cấu trúc; b chọn

mẫu từ các khía cạnh khác nhau của

định nghĩa; c phát triển một chỉ số bao

hàm tất cả các bộ phận của định nghĩa)

20

 Criterion validity: Đánh giá dựa vào các tiêu chuẩn

phải đồng thuận/tương hợp (không

nhất thiết phải perfectly) với các chỉ số đã có trước đó (có face validity)

21

 Predictive validity: Khả năng tiên đoán tương lai (không phải là dự báo tương lai!)

Ví dụ: Điểm SAT cao đo lường năng lực học tập: SAT cao -> học tốt: có

predictive validity)

22

 Concurrent validity: Chỉ số phải có

tương quan cao với 1 chỉ số khác đã có face validity

kiện tương lai có quan hệ lô gích với

cấu trúc (ý tưởng và khái niệm)

23

Một số lưu ý về đo lường định

lượng: Mức độ đo lường (levels)

Biến liên tục: số thực

Biến rời rạc: theo các phạm trù, phân

loại, phân nhóm, tình trạng

24

 Nominal: định danh

+ khoảng cách

25

Bốn mức độ đo lường

26

II Thực hiện phân tích định

lượng

biến)

27

Mã hóa, nhập liệu và làm sạch số liệu

checking): kiểm tra loại dữ liệu

cleaning): kiểm tra độ chính xác (kiểm tra chéo)

28

Thống kê mô tả: đơn biến

phối tần số

29

 Histogram, bar

chart, pie chart

30

 Frequency polygon (đa giác tần số)

31

Thống kê mô tả: đơn biến

Thống kê mô tả: đơn biến

Thống kê mô tả: nhị biến (mối quan hệ)

means

xu hướng, không có mối quan hệ

34

Thống kê mô tả: nhị biến

35

Thống kê mô tả: nhị biến

 Cross-tabulation

36

Suy luận thống kê: Sai lầm

Loại I và sai lầm Loại II

nói mối quan hệ tồn tại (tham chiếu giả thuyết đối) nhưng thực tế mối quan hệ ấy KHÔNG tồn tại

nói mối quan hệ KHÔNG tồn tại (tham chiếu giả thuyết không) nhưng thực tế mối quan hệ ấy tồn tại

39

Null Hypothesis (H 0 ) is true

Alternative Hypothesis (H 1 ) is true

Fail to Reject

Null

Hypothesis Right decision

Wrong decision Type II Error False Negative

Reject Null

Hypothesis

Wrong decision Type I Error False Positive Right decision

40

Suy luận thống kê: mức ý

nghĩa

0.05, và 0.01): Xác suất bác bỏ sai giả thuyết không, nếu nó thực sự đúng

=anpha

(Luôn biết chính xác từ mẫu)

41

Suy luận thống kê: power

không khi nó thật sự sai

Power = 1 - P(type II error) = 1- beta

Lý tưởng khi Power tiến tới 1

(Không biết chính xác)

42

nghĩa thấp hơn 1%

1%

chạy mô hình), chọn mức ý nghĩa 10%

43

III Mô hình phân tích định

lượng

trưởng kinh tế, đến chuyển dịch cơ cấu kinh tế, đến đổi mới công nghệ

kinh tế, đến chuyển dịch cơ cấu kinh tế, đến đổi mới công nghệ, đến thay đổi

chất lượng lao động

44

III Mô hình phân tích định

lượng

phương pháp nghiên cứu!!!

dụng phương pháp nghiên cứu định

tính hay định lượng

tích định lượng cụ thể

45

Mô hình phân tích định lượng

 Số liệu liên tục dạng chéo (cross-sectional)

 Số liệu liên tục theo thời gian (time series)

 Số liệu dạng bảng (panel: vừa

cross-sectional vừa time series)

 Số liệu rời rạc

 Số liệu phân tầng

46

Mô hình phân tích định lượng

1 Mô hình hồi quy tuyến tính sử dụng số liệu chéo

2 Mô hình hồi quy tuyến tính theo thời gian

3 Mô hình hồi quy tuyến tính với số liệu dạng bảng (panel)

4 Các mô hình lựa chọn với biến rời rạc

(discrete choice models)

47

Mô hình phân tích định lượng

6 Phân tích thành tố (factors)

7 Phân tích phi tham số (non-parametric)

8 Kinh tế lượng không gian (spatial

econometrics)

 (Ghi chú: phần chữ đỏ dành cho nâng

cao)

48

Mô hình hồi quy tuyến tính

 Phân tích hồi quy quan tâm:

 Ước lượng giá trị trung bình của biến phụ

thuộc (Y) với giá trị đã cho của biến độc lập (Xi): E(Y/Xi)

 Kiểm định giả thiết về bản chất của sự phụ

thuộc

 Dự đoán giá trị trung bình của biến phụ thuộc khi biết giá trị của các biến độc lập

49

Mô hình hồi quy tuyến tính

 Hồi quy và tương quan:

 Phân tích hồi quy đo mức độ quan hệ tuyến tính giữa hai biến; ước lượng hay dự báo một biến trên cơ sở giá trị đã cho của một biến

khác; các biến không có tính đối xứng; biến phụ thuộc là đại lượng ngẫu nhiên, biến giải thích là phi ngẫu nhiên.

 Phân tích tương quan không có sự phân biệt giữa các biến, chúng có tính chất đối xứng.

50

Mô hình hồi quy tuyến tính

 Hàm hồi quy và quan hệ nhân quả:

 Quan hệ nhân quả nếu biến X là nguyên nhân mang lại kết quả Y và ngược lại, nếu có kết quả Y thì có thể suy luận do nguyên nhân X.

 Quan hệ nhân quả tồn tại dựa trên các xác

lập của lý thuyết kinh tế.

 Phân tích hồi quy không nhất thiết phải là

phân tích quan hệ nhân quả

51

Mô hình hồi quy tuyến tính

Quan hệ thống kê và quan hệ hàm số:

 Phân tích hồi quy nghiên cứu quan hệ thống kê của một biến phụ thuộc vào một biến (hay nhiều biến) độc lập theo nghĩa, ứng với một giá trị của biến độc lập có thể có nhiều giá trị khác nhau của biến phụ thuộc Đo đó biến phụ thuộc là đại lượng ngẫu nhiên Có phân phối xác suất.

 Quan hệ hàm số: Ứng với mỗi giá trị của biến độc lập có duy nhất một giá trị của biến phụ thuộc; các biến số không phải là ngẫu nhiên.

52

Mô hình hồi quy tuyến tính

Tuyến tính Y=1+2X

Tuyến tính log (log-linear) LnY=1+2LnX

Log – lin LnY=1+2X

Lin – log Y=1+2LnX

Nghịch đảo Y=1+2(1/X)X)

54

Mô hình hồi quy tuyến tính

log LnY=X 1+2Ln 1, 2 2 (Y/X)Y/X)) 2

Log – lin LnY=1+2X 1, 2 2 Y 2 X

Lin – log Y=1+2LnX 1, 2 2 (Y/X)1/X)) 2 (1/X)Y) Nghịch

đảo Y=1+2(1/X)X) 1, 2 -2(1/X)X

2 ) -2 (1/X)XY)

55

Hệ số co dãn

nghĩa như sau:

 (EY/X)X) cho biết khi X tăng 1% thì Y tăng

(hay giảm) bao nhiêu %

56

/X)

/X) /X)

Mô hình hồi quy tuyến tính

quy

57

Ví dụ

USD) phụ thuộc “tỷ lệ lao động trong

nông nghiệp, x1 (%)” và “số năm được đào tạo đối với lao động trên 25 tuổi, x2 (số năm)”

58

Giả thuyết lý thuyết vs giả

thuyết thống kê

 Hai giả thuyết kinh tế trong bài toán này:

Giả thuyết 1: Mức thu nhập của nền kinh tế phụ thuộc vào mức độ phụ thuộc vào nông nghiệp của nền kinh tế đó Cụ thể, thu nhập bình quân đầu người có quan hệ nghịch với mức độ phụ thuộc vào nông nghiệp của nền

kinh tế.

59

Giả thuyết 2: Mức thu nhập của nền kinh tế phụ thuộc vào trình độ đào tạo của lao động Nói cách khác, trình độ đào tạo của lao động cao có xu hướng đi cùng với thu nhập bình quân cao.

60

Biến lý thuyết vs biến đại

diện

61

Biến đại diện (proxy variable)

 “tỷ lệ lao động trong nông nghiệp, x1 (%)”

-> biến số kinh tế “mức độ phụ thuộc vào

nông nghiệp của nền kinh tế”

 “số năm được đào tạo đối với lao động trên

25 tuổi, x2 (số năm)” -> biến số kinh tế

“trình độ đào tạo của người lao động”

 “thu nhập bình quân (USD)” -> “mức thu

nhập”

62

Kiểm định giả thuyết thống kê

thuyết hệ số hồi quy của x1 bằng không và đồng thời nêu ý nghĩa kinh tế của hệ số này

63

 Giả thuyết không: Tỷ lệ lao động trong

nông nghiệp không ảnh hưởng đến thu

nhập bình quân,

nghiệp có ảnh hưởng đến thu nhập bình

 Kết quả kiểm định: có thể bác bỏ giả thuyết không nói rằng tỷ lệ lao động trong nông nghiệp không ảnh hưởng đến thu nhập bình quân ở mức ý nghĩa 5% Nói cách khác, chúng ta chấp nhận giả thuyết cho rằng tỷ lệ lao động trong nông nghiệp có ảnh hưởng đến thu nhập bình quân ở mức ý nghĩa 5%.

 Kết quả kiểm định còn cho thấy mối quan hệ giữa thu nhập bình quân và tỷ lệ lao động trong nông nghiệp là nghịch chiều.

65

Giả thuyết lý thuyết vs giả

thuyết thống kê

 Quy trình: Từ giả thuyết kinh tế đi

đến giả thuyết thống kê, trình bày kết quả kiểm định, phát biểu kết quả kiểm định (bác bỏ hay chấp nhận giả thuyết không), phát biểu mối quan hệ theo

giả thuyết thống kê, và phát biểu mối quan hệ theo giả thuyết kinh tế.

66

Ý nghĩa kinh tế của biến liên tục

Tên Mô

hình Dạng mô hình Ý nghĩa kinh tế của hệ số hồi quy 2

Tuyến tính Y=1+2X X) tăng 1 đơn vị, Y tăng  2

đơn vị

Tuyến tính

log LnY=1+2LnX X) tăng 1%, Y tăng  2 %

Log – lin LnY=1+2X X) tăng 1 đơn vị, Y tăng

100* 2 (Y/X)%)

Lin – log Y=1+2LnX X) tăng 1%, Y tăng 0.01* 2

đơn vị

Ý nghĩa kinh tế của biến liên tục

Nghịch đảo Y=1+2(1/X)X)

(2 dương)

X) tăng 1 đơn vị, Y giảm  2 *(Y/X)1/X) 2 )

Y=1+2(1/X)X) (2 âm)

X) tăng 1 đơn vị, Y tăng  2 *(Y/X)1/X) 2 )

1 Là giá trị ngưỡng (giới hạn) khi X tiến tới vô cùng

Ghi chú (vi phân): 2 =d(biến phụ thuộc)/X)d(biến giải thích)

Các mô hình lựa chọn với biến

rời rạc (discrete choice models)

69

Các mô hình lựa chọn với biến

rời rạc (discrete choice models)

70

Các mô hình lựa chọn với biến

rời rạc (discrete choice models)

71

Các mô hình lựa chọn với biến

rời rạc (discrete choice models)

72

Các mô hình lựa chọn với biến

rời rạc (discrete choice models)

73

Các mô hình lựa chọn với biến

rời rạc (discrete choice models)

74

Binary choice model

 Khái niệm: Biến ẩn (Y/X)latent variable)

 Giả sử biến “tình trạng hộ” (yi*) là biến liên tục thuộc

(-, +) tùy thuộc vào mức độ thu nhập của hộ Giả sử

yi* là hàm tuyến tính như sau:

 y i* = xi’ + ui = jxji + ui, trong đó ui ~ (0,2 )

 Nhưng: Không quan sát được y i* mà chỉ quan sát được yi

lấy hai giá trị như sau:

 Khi y i*  0, y i = 1

 Khi y i*  0, y i = 0

75

Binary choice model

 Ta có:

prob (y i = 1) = prob (yi* > 0) = prob (u i > - x i ’)

u i có phân phối đối xứng:

Nếu F là hàm phân phối logistic:

 Khi x’i nhận các giá trị từ -  đến + thì pi

nhận giá trị từ 0 đến 1.pi phi tuyến với cả tham

số và biến số  Ước lượng hợp lý tối đa

(Maximum likelihood) để ước lượng tham số

 Các ước lượng nhận được (hat, hat) là các

ước lượng TỐI ĐA HÓA giá trị của hàm hợp lý

L, với mẫu cho trước

' ( 1)

' 1

i i

i

x e prob y

x e

' 1

i i

i

x e prob y

x e





  



Nếu F là hàm phân phối logistic:

 L(,2|data) = prob(ydata) = prob(y1=0)*prob(y2=0) *… *

 Trong đó n0=r, n1=n-r (n0: số các giá trị 0;

n1: số các giá trị 1)

Nếu F là hàm phân phối logistic:

' ˆ

' 1

i i

i

x e p

x e

Nếu F là hàm phân phối logistic:

hơn đi bằng phương tiện cá nhân 30 phút, khả năng phương tiện cá nhân được lựa

chọn và mức gia tăng khả năng được chọn

là bao nhiêu?

0.221 0.051 ˆ

0.2221 0.051 1

i

X e

p

X e

Nếu F là hàm phân phối logistic:

chênh lệch này tăng thêm 1 phút thì mức xác suất

chọn phương tiện cá nhân sẽ tăng 0.009

i

p X





Trường hợp: F là hàm PROBIT

 Nếu F là hàm phân phối chuẩn tắc:

 prob (y i = 1) = (x i ’ ) và

 prob (y i = 0) = 1-(x i ’ ) Cụ thể:

 Độ thỏa dụng I: Y sẽ nhận giá trị 1 hoặc 0 tùy

độ thỏa dụng I được xác định bởi các biến độc lập.

 I =1+2X, giả sử tồn tại một mức giới hạn I* để: Y=1 nếu I>I*; Y=0 nếu I<I*

 I* không quan sát được, giả sử I*=I + U

Trường hợp: F là hàm PROBIT

 I* =1+2X+ui

có:

 pi=P(Y=1/X)X)=P(I*i<Ii)=F(Ii), trong đó F là

phân bố chuẩn hóa nên:

Trường hợp: F là hàm PROBIT

như sau:

Trường hợp: F là hàm PROBIT

2 1/X) 2

ˆ ( )

Trường hợp: F là hàm PROBIT

PROBIT không nghiên cứu ảnh hưởng trực

giá trị bằng 1 hay kỳ vọng của Y

Trường hợp: F là hàm PROBIT

 Ví dụ 1: probit y x

 Iteration 0: log likelihood = -11.090355

 Iteration 1: log likelihood = -6.3946952

 Iteration 2: log likelihood = -6.1358723

 Iteration 3: log likelihood = -6.1321415

 Iteration 4: log likelihood = -6.1321402

 Probit regression Number of obs = 16

-Trường hợp: F là hàm PROBIT

giữa thời gian đi phương tiện công cộng và

thời gian đi bằng phương tiện cá nhân thì xác suất đi bằng phương tiện cá nhân sẽ tăng





Phân tích thành tố (factors

analysis): mục đích

Các phương pháp thống kê (hồi quy) được sử dụng để nghiên cứu mối quan hệ thống kê (hồi quy) giữa biến độc lập và biện phụ thuộc

Phân tích thành tố được sử dụng để nghiên cứu hình mẫu về mối quan hệ giữa các biến phụ

thuộc, với mục tiêu là khám phá ra cái gì đó

thuộc về bản chất của các biến độc lập có ảnh hưởng đến các biến phụ thuộc

89

Phân tích thành tố (factors

analysis): ví dụ

 Giả sử có 500 người đều quen thuộc với tất cả các

loại xe gắn máy Bạn có thể hỏi “Bạn thích chiếc xe gắn máy nào?” (Dĩ nhiên là bạn có thể hỏi bằng câu hỏi khác để có

thể đo lường ở chiều kích khác) Lý thuyết về nhân tố thứ

nhất cho rằng người ta chỉ giản đơn thích loại xe mắc tiền

nhất Lý thuyết về nhân tố thứ hai cho rằng người ta thích

loại xe thể thao, trong khi đó một số người khác thì thích loại

xe sang trọng Lý thuyết thành tố thứ ba và thứ tư có thể là

an toàn và tin cậy Thay vì xe gắn máy để nghiên cứu hành

vi thì người ta có thể chọn lương thực, chính sách chính trị,

ứng viên chính trị hoặc nhiều vật khác

90