ảnh hưởng của chỉ số giá vàng; chỉ số giá đôla mỹ; lương thực, thực phẩm và nhà ở và vật liệu xây dựng đến chỉ số giá tiêu dùng CPI

Rổ hàng hóa dịch vụ được sử dụng để tính bao gồm hơn 573 danh mục, thuộc 11 nhóm giai đoạn 2009-2014: hàng ăn và dịch vụ ăn uống trong đó gồm: lương thực, thực phẩm, ăn uống ngoài gia đì

Phần 1: Cơ sở lý luận

1 Vấn đề nghiên cứu:

Thử nghiệm xây dựng mô hình kinh tế lượng để phân tích những tác động, ảnh hưởng của chỉ số giá vàng; chỉ số giá đôla Mỹ; lương thực, thực phẩm và nhà ở và vật liệu xây dựng đến chỉ số giá tiêu dùng CPI

2 Lý do chọn đề tài:

Giá cả của hàng hóa dịch vụ luôn biến động theo thời gian Tuy nhiên nếu giá

cả thay đổi quá nhanh chóng có thể là cú sốc đối với nền kinh tế Chỉ số giá tiêu dùng CPI (Consumer Price Index) là chỉ số tính theo phần trăm phản ánh mức thay đổi tương đối của giá hàng tiêu dùng theo thời gian Sở dĩ chỉ là thay đổi tương đối vì chỉ

số này chỉ dựa vào một giỏ hàng hóa đại diện cho toàn bộ hàng tiêu dùng Đây là chỉ tiêu được sử dụng phổ biến nhất để đo lường mức giá Sự thay đổi mức giá cho biết liệu nền kinh tế có bị lạm phát hay giảm phát hay không CPI rất được quan tâm theo dõi và đóng vai trò quan trọng trong việc đưa ra các quyết định tài chính của đất nước

Nó thường được sử dụng để điều chỉnh thu nhập của người dân Dựa vào CPI, Chính phủ xem xét để đưa ra mức thu nhập cho người dân và điều chỉnh cấu trúc thuế của Nhà nước một cách phù hợp CPI được hình thành từ các thông tin chi tiêu của hàng nghìn hộ gia đình trên toàn quốc Thông tin được thu thập thông qua phỏng vấn và nhật kí chi tiêu của các đối tượng lựa chọn để nghiên cứu Rổ hàng hóa dịch vụ được

sử dụng để tính bao gồm hơn 573 danh mục, thuộc 11 nhóm (giai đoạn 2009-2014): hàng ăn và dịch vụ ăn uống (trong đó gồm: lương thực, thực phẩm, ăn uống ngoài gia đình); đồ uống và thuốc lá; may mặc, mũ nón, giày dép; nhà ở và vật liệu xây dựng (điện nước, chất đốt); thiết bị và đồ dùng gia đình; dược phẩm và y tế; phương tiện đi lại (giao thông); bưu chính viễn thông; giáo dục; văn hóa, thể thao, giải trí; các loại hàng hóa dịch vụ khác

Theo lý thuyết mà nhóm 6 tìm hiểu:

Biến động của giá vàng có ảnh hưởng một cách gián tiếp vào chỉ số CPI Việc phát hành thêm một số lượng tiền lớn vào nền kinh tế đã làm cho người dân ngày càng

có thói quen tích trữ vàng để bảo vệ sự mất giá của đồng tiền Khi giá vàng tăng, các nguyên liệu đầu vào phục vụ cho việc sản xuất, chế tác các dòng sản phẩm có liên quan đến vàng sẽ tăng theo, dẫn đến giá bán tăng đối với nhóm hàng hóa này Khi giá bán các sản phẩm kim loại quý tăng, các sản phẩm này sẽ tác động gián tiếp đến các

rổ hàng hóa dùng để tính CPI

Giá đôla Mỹ cũng có tác động không nhỏ đến chỉ số giá tiêu dùng CPI Nếu để USD tăng giá so với đồng Việt Nam thì lại tạo tâm lý lo ngại tiền đồng mất giá, đồng thời làm giá nguyên vật liệu, thiết bị tăng, làm tăng giá thành sản xuất do các doanh nghiệp Việt Nam đang thâm dụng vốn và tài nguyên.Do vậy, hiện nay Chính phủ vẫn duy trì ổn định tỷ giá USD, và sử dụng các biện pháp khác để thúc đẩy xuất khẩu cũngnhư hạn chế nhập khẩu

Về lâu dài, khi năng lực sản xuất hàng xuất khẩu của doanh nghiệp Việt Nam và khu vực nông nghiệp nâng cao, thì việc sử dụng đồng nội tế yếu so với USD sẽ là một biệnpháp tốt để đẩy mạnh tăng trưởng kinh tế mà vẫn ổn định chỉ số giá tiêu dùng (CPI), tạo ra nhiều việc làm và tích lũy.

Việc tính toán CPI ở Việt nam do Tổng cục Thống kê đảm nhiệm Quyền số đểtính CPI được xác định năm 2000 và bắt đầu áp dụng từ tháng 7 năm 2001 Trong các quyền số đó có lương thực, thực phẩm và nhà ở và vật liệu xây dựng Quyền số này dựa trên kết quả của hai cuộc điều tra là Điều tra mức sống dân cư Việt nam 1997-

1998 và Điều tra kinh tế hộ gia đình năm 1999 Điều đáng chú ý là quyền số của nhómhàng Lương thực - Thực phẩm chiếm tới 47,9%.Vậy nên giá của nhóm hàng lương thực – thực phẩm có vai trò quyết định tới chỉ số giá tiêu dùng CPI của Việt Nam

Nhận thấy sự quan trọng của chỉ tiêu chỉ số giá tiêu dùng CPI đối với nền kinh

tế quốc dân, đồng thời với mục đích kiểm định các lý thuyết trên, tìm hiểu sự tác động, ảnh hưởng của giá vàng; giá đôla Mỹ là các chỉ số không có trong rổ hàng hóa tính CPI; giá lương thực, thực phẩm và giá nhà ở và vật liệu xây dựng đến chỉ tiêu quan trọng này Đó cũng chính là lý do vì sao nhóm 6 chọn đề tài này

Phần 2: Thiết lập, phân tích và đánh giá mô hình

2.1 Xây dựng mô hình

2.1.1 Biến phụ thuộc:

Y i: Chỉ số giá tiêu dùng CPI(đơn vị tính %)

2.1.2 Biến độc lập: Mô hình gồm có 3 biến độc lập

 Số liệu từ trang web: chi-so-gia-tieu-dung-16105.html

http://kienthuc.net.vn/dat-tien-vang/thay-doi-cach-tinh-b. Không gian mẫu

Khảo sát các chỉ tiêu thông kê trong 11 năm (2003-2013) nhóm tiến hành xây dựng các mô hình thống kê

2.2 Mô tả bằng số liệu

Bảng số liệu (Chỉ số giá tiêu dùng, chỉ số giá vàng và đô la Mỹ bình; lương thực, thực phẩm; nhà ở và vật liệu xây dựng bình quân năm(Năm trước = 100) ) (Đơn vị tính %)

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013Chỉ số giá

tiêu dùng (

Y i) 103,2 107,7 108,3 107,5 108,3 123,0 106,9 109,2 118,6 109,2 106,6Chỉ số giá

vàng (X i) 119,0 116,4 107,8 136,1 113,7 131,9 119,2 136,7 139,0 107,8 88,7Chỉ số giá

đô la Mỹ (

Z i) 101,7 101,6 100,6 101,0 100,6 102,3 109,2 107,6 108,5 100,2 100,7Lương

thực, thực

phẩm (T i) 102,5 112,4 111,3 108,7 111,2 136,6 108,7 110,7 126,5 108,1 102,7Nhà ở và

vật liệu

XD (S i) 108 106,4 107,1 108,9 111 120,5 103,5 114,7 119,7 110,6 105,7

2.2.1 Xây dựng mô hình hồi quy:

Bảng kết quả chạy từ phần mềm eview:

Từ bảng kết quả eview ta có mô hình hồi quy mẫu:

^

Y i=¿19.25628 –0.072963X i + 0.127098Z i + 0.457123T i+ 0.314148S i

Ý nghĩa các hệ số trong phương trình hồi quy mẫu

^β2= - 0.072963: khi các yếu tố: chỉ số giá USD; lương thực, thực phẩm; nhà ở và vật liệu xây dựng không đổi, nếu chỉ số giá vàng tăng 1% thì chỉ số giá tiêu dùng giảm 0.072963%.

^β3= 0.127098: khi các yếu tố: chỉ số giá vàng; lương thực, thực phẩm; nhà ở và vật liệu xây dựng không đổi, nếu chỉ số giá đôla tăng 1% thì chỉ số giá tiêu dùng tăng 0

2.2.2 Uớc lượng các khoảng tin cậy( độ tin cậy 95%)

 Ước lượng khoảng tin cậy của β2

Se(^β3¿)

Khi đó ta có khoảng tin cậy (^β3−t α

2.2.3 Kiểm định các giả thuyết thống kê( mức ý nghĩa 5%)

 P_Value (X i) = 0.076> 0.05 : chỉ số giá vàng không hưởng đến chỉ số giá tiêu dùng CPI

 P_Value (Z i) = 0.3285 > 0.05 :chỉ số giá đô la không ảnh hưởng đến chỉ số giá tiêu dùng CPI

 P_Value (T i) = 0.0003 < 0.05 : lương thực thực phẩm có ảnh hưởng đến chỉ số giá tiêu dùng CPI

 P_value (S i)= 0.0426 < 0.05: Nhà ở và vật liệu xây dựng có ảnh hưởng đến chỉ

số giá tiêu dùng CPI

Từ kết quả kiểm định trên suy ra cần loại bỏ biến X i và Z i ra khỏi mô hình

Xây dựng lại mô hình hồi quy

Mô hình hồi quy tổng thể:

Mô hình hồi quy mẫu:

^

Y i= 35.53918+ 0.456037T i+ 0.207513S i

2.2.4 Dự báo giá trị trung bình, giá trị cá biệt:

Với các giá trị cho trước của biến giải thích:X T0= (1 X20 X30… X k 0) cần dự báo giá trị trung bình E(Y/X0¿ và giá trị cá biệt Y=Y0

Ước lượng điểm của E(Y/X0¿ là:

Var (Y^0¿=X0T cov(^β)X0= ^σ2∗X0T¿(X T X)−1∗X0

Se (Y^0¿=√var(^ Y0)

Ước lượng điểm của Y0 là:

Se((Y0− ^Y0)= √Var (Y0− ^Y0)

Cụ thể sử dụng Eview:

Với độ tin cậy 95% dự báo giá trị trung bình (E(Y/X0¿ ¿ và giá trị cá biệt (Y=Y0¿ của chỉ số giá tiêu dùng CPI khi chỉ số giá vàng là 120%; chỉ số giá đôla 120%; chỉ số về lương thực, thực phẩm là 115%; chỉ số về nhà ở và vật liệu xây dựng

Bước 2: Tạo thêm biến quan sát thứ n+1 để điền các giá trị cho trước của biến giải thích.

Bước 3: Tạo các biến và các giá trị vô hướng: Ở đây nhóm đặt tên cho biến Y0 là Y_dubao và Se(Y0¿là Se_dubao(để ước lượng giá trị cá biệt) và có bảng kết quả sau:

Từ bảng kết quả ta có Y0=¿110.8443; Se(Y0¿= 1.165298

Lập biến Se_2dubao( để ước lượng giá trị trung bình)

Lập giá trị kiểm định tinv để tính giá trị t α

2

(n−k)

với n-k=11-5=6; α2= 0.025Bước 4: Thiết lập các cận trên, cận dưới cho các khoảng dự báo trung bình và cá biệt

Ta có bảng sau:

Từ bảng giá trị các biến trên đây cho ta biết:

Khoảng dự báo giá trị trung bình CPI khi chỉ số giá vàng là 120%; chỉ số giá đôla 120%; chỉ số về lương thực, thực phẩm là 115%; chỉ số về nhà ở và vật liệu xây

3.1 Bản chất của đa cộng tuyến

Tư tưởng đa cộng tuyến thấm sâu vào mọi khía cạnh của hồi quy bội Lý do làm cho

đa cộng tuyến có ảnh hưởng lớn như vậy là khi ta nghiên cứu mối quan hệ giữa biến Y

và các biến giải thích X i ta gặp quan hệ nào đó giữa các biến X i với nhau

Trường hợp lý tưởng là các biến X i trong môi trường hồi quy bội không có tương quanvới nhau; mỗi một biến X i chứa một thông tin riêng về Y, thông tin không chứa trong bất kỳ biến X i khác Trong thực hành, khi điều này xảy ra thì sẽ không gặp hiện tượng

đa cộng tuyến

Đa cộng tuyến gồm 2 loại: Đa cộng tuyến hoàn hảo và không hoàn hảo

Ở trường hợp ngược lại với trường hợp lý tưởng, chúng ta gặp đa cộng tuyến hoàn hảo Giả sử phải ước lượng hàm hồi quy Y gồm k biến giải thích X 1 , X2, X3… X k

Cho mô hình hồi quy đa biến: y i = β1X 1i + β2X 2i …+ β k X ki + U i

Đa cộng tuyến hoàn hảo xảy ra khi một biến giải thích được biểu diễn dưới dạng tổ hợp tuyến tính của các biến giải thích còn lại đối với mọi điểm của tập số liệu hoặc đa cộng tuyến hoàn hảo giữa các biến Χ i xảy ra nếu thỏa mãn điều kiện sau :

λ1X 1 i + λ2X 2 i +…+ λ k X ki = 0

Trong đóλ1 λ2 λ klà các hằng số không đồng thời bằng 0

Thuật ngữ đa cộng tuyến lần đầu tiên được Ragnar Frisch sử dụng vào năm 1934 với nội dung trên Tuy nhiên ngày nay thuật ngữ này được sử dụng theo nghĩa rộng hơn

Nó bao gồm cả đa cộng tuyến không hoàn hảo Đa cộng tuyến không hoàn hảo là trường hợp trong đó các biến giải thích có tương quan với nhau theo nghĩa sau:

λ1X 1 i + λ2X 2 i + … + λ k X ki= 0

Trong đó V i là sai số ngẫu nhiên

3.2 Nguyên nhân của đa cộng tuyến

 Do thu thập số liệu: các số liệu được thu thập chỉ trong 1 khoảng nhỏ của toàn

bộ tổng thể( chọn biến X i có độ biến thiên nhỏ)

 Cách thu thập mẫu: mẫu không đặc trưng cho tổng thể

 Do bản chất của các biến trong mô hình có mối quan hệ sẵn có với nhau

 Trong hồi quy có chứa các biến giải thích với lũy thừa bậc cao đặc biệt đối với trường hợp mẫu chỉ là 1 khoảng nhỏ số liệu của tổng thể

VD: Y i = β1Χ i + β2Χ i3 + β i3Χ i3 + U i

Mô hình có nhiều biến thương số quan sát

3.3 Hậu quả của đa cộng tuyến

a, Phương sai và độ lệch tiêu chuẩn của các OLS lớn:

⇒ khi r 23 tăng dần đến 1 (cộng tuyến tăng) thì phương sai tăng dần đến vô hạn

b, Khoảng tin cậy của rộng hơn:

⇒ khi r23 càng tiến gần tới 1 thì khoảng tin cậy cho các hệ số càng rộng

c, Tỉ số t mất ý nghĩa: Kiểm định giả thuyết: H0 : βj=0

⇒ Lấy tỉ số t= ^βj/ se( ^βj) so sánh với t α

2 (n−k)

⇒ khi có đa cộng tuyến hoàn hảo thì sai số tiêu chuẩn sẽ rất cao làm tỉ số t nhỏ đi

e, Thêm vào hay bớt đi các biến cộng tuyến với các biến khác làm mô hình thay đổi về độ lớn của các ước lượng hoặc dấu của chúng.

3.4 Các phương pháp phát hiện đa cộng tuyến:

→ Mâu thuẫn→Có hiện tượng đa cộng tuyến

Căn cứ vào kết quả eview ta có R2

=0,9613 >0,8 nên theo phương pháp này có đa cộng tuyến xảy ra

3.4.2 Hệ số tương quan cặp giữa các biến giải thích cao

Nếu hệ số tương quan R2

>0,8 thì có khả năng tồn tại đa cộng tuyến tuy nhiên tiêu chuẩn này thường không chính xác Có những trường hợp tương quan cặp không cao nhưng vẫn có đa cộng tuyến

Ví dụ: cho 3 biến giải thích ,X2,X3

Ta có: |ρ( X i , X j)|→ 1(¿0.8): có hiện tượng đa cộng tuyến

Đối với bảng số liệu đã cho Ta có bảng hệ số tương quan giữa các biến

Ta có hệ số tương quan ρTS =0,831059 >0,8 Do đó, có thể kết luận rằng: có hiện tượng đa cộng tuyến

3.4.3 Hồi quy phụ:

Bước 1: trong các biến X,Z,T,S… Ta chọn ra một biến làm biến được giải thích

Giả sử chọn biến X làm biến được giải thích và giả sử mô hình là: X i=β1+β2Z i+β3T i+

thì bác bỏ H0 chấp nhận H1 nghĩa là với mức ý nghĩa đã cho thì

có đa cộng tuyến xảy ra

Nếu F< F0 ,05

(k −2, n−k+1)

thì chấp nhận H0 Không có đa cộng tuyến

 Ta tiến hành hồi quy T theo S

Sử dụng phần mềm eviews ta có bảng sau:

Kiểm định mối liên hệ giữa T và S:

Với α = 0.05, ta đi kiểm định giả thiết :

Vậy với mức ý nghĩa 5% thì T và S có mối liên hệ tuyến tính.

Kiểm định sự tồn tại của đa cộng tuyến:

Với α = 0.05, ta đi kiểm định giả thiết :

Từ bảng eviews ta có : F tn= 20.09418>F(2,7)0.05

=> Có hiện tượng đa cộng tuyến xảy ra

3.5 Nhân tử phóng đại: được đánh giá bằng chỉ số VIF(X)

VIF= var ( β i)

var ( β i)=

1 1−Ri

2với Ri

2

là hệ số xác định bội trong mô hình hồi quy phụ

Var( β i )và var(β ' i) là là phương sai của các hệ số βi , β'i trong mô hình hồi

quy gốc và mô hình hồi quy phụ Nếu VIF(X i)>10 thì có đa cộng tuyến xảy ra

Phân tử phóng đại phương sai gắn với biến T:

5.Các biện pháp khắc phục

5.1 Sử dụng thông tin tiên nghiệm:

Một trong các cách tiếp cận để giải quyết vấn đề đa cộng tuyến là phải tận dụng thông tin tiên nghiệm hoặc thông tin từ nguồn khác để ước lượng các hệ số riêng

Ví dụ: khi hồi quy mô hình sản xuất Cobb-Douglas

Ln(Y i )= β1+β2ln(K i )+ β3ln( L i )+ U i

Có thể gặp hiện tượng đa cộng tuyến do K và L cùng tăng theo quy mô sảnxuất Nếu

ta biết là hiệu suất không đổi theo quy mô tức là: β2+β3=1

Ln(Y i )=̀̀ β1+β2 ln( (1-β2)ln(L i) + U i

Ln(Y i ) – Ln(L i ) = β1X i + β2[ln(K i ) - ln(L i )] + U i

Ln(Y i /L i) = β1+β2 ln(Y i /L i ) + U i

 mất đa cộng tuyến (vì đây là mô hình hồi quy đơn)

5.2 Thu thập thêm số liệu hoặc lấy thêm mẫu mới

Vì đa cộng tuyến là đặc trưng của mẫu nên có thể có mẫu khác liên quan đến cùng cácbiến trong mẫu ban đầu mà đa cộng tuyến có thể không nghiêm trọng nữa Điều này chỉ có thể làm được khi chi phí cho việc lấy mẫu khác có thể chấp nhận được trong thực tế

Đôi khi cần thu thập thêm số liệu, tăng cỡ mẫu có thể làm giảm tính nghiêm trọng của

đa cộng tuyến

5.3 Bỏ biến giải thích có khả năng là tổ hợp tuyến tính của các biến còn lại:

Các bước tiến hành như sau:

Bước 1: Xem cặp biến giải thích nào có quan hệ chặt chẽ Giả sửX i , Z i , … ,W ilà các biến độc lập, Y là biến phụ thuộc và X i , Z icó tương quan chặt chẽ với nhau Loại bỏ được một trong hai biến sẽ giải quyết được vấn đề đa cộng tuyến

Y i=AL i β 3 K i β2e u i

Hệ số tương quan giữa 2 biến T và S: ρTS =0,831059 >0,8 nên hai biến này có quan

hệ chặt chẽ với nhau, chỉ cần loại bỏ một trong hai biến sẽ giải quyết được vấn đề đa cộng tuyến

Bước 2: Xác định R2 đối với các hàm hồi quy

Ta có bảng kết quả eview sau khi bỏ biến T ra khỏi mô hình:

Tương tự khi bỏ biến S ra khỏi mô hình ta được bảng kết quả eview:

Bước 3: Loại biến mà giá trị tính R2 được khi không có mặt biến đó là lớn hơn.

Vì : R2

khi loại biến T i ra khỏi mô hình là 0.760307 < R2khi loại biến S i ra khỏi mô hình là 0.948669 Do vậy ta loại biếnS i ra khỏi mô hình để khắc phục hiện tượng đa cộng tuyến

5.4 Sử dụng sai phân cấp 1:

Thủ tục này được trình bày trong chương “tự tương quan” Mặc dù biện pháp này có thể làm giảm tương quan qua lại giữa các biến nhưng chúng cũng có thể được sử dụngnhư một giải pháp cho vấn đề đa cộng tuyến

5.5 Giảm tương quan trong hồi quy đa thức:

Nét đặc biệt của hồi quy đa thức là các biến giải thích xuất hiện với lũy thừa khác nhau trong mô hình hồi quy Trong thực hành để giảm tương quan trong hồi quy đa thức, người ta thường sử dụng dạng độ lệch (lệch so với giá trị trung bình) Nếu việc

sử dụng dạng độ lệch mà vẫn không giảm đa cộng tuyến thì người ta có hteer phải xem xét đén kỹ thuật “đa thức trực giao”

5.6 Một số biện pháp khác:

- Hồi quy thành phần chính

- Sử dụng các ước lượng từ bên ngoài……

Trên đây là một số biện pháp mang tính tương đối trong khắc phục đa cộng tuyến Tất cả các biện pháp vừa trình bày có thể làm giải pháp cho vấn đè đa cộng tuyến như thế nào còn phụ thuộc vào bản chất của tập số liệu và tính

nghiêm trọng của vấn đề đa cộng tuyến.