Báo cáo thực hành Kinh tế lượng Nhóm ACDNPP

Lạm phát, thất nghiệp và tốc độ tăng trưởng kinh tế là 3 vấn đề cơ bản lớncủa nền kinh tế vĩ mô.chúng cũng được xem như là các chỉ tiêu để đánh giá mứcđộ thành công của một nền kinh tế.V

BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG

1 Nêu giả thuyết về vẫn đề kinh tế

1.1 Lí do chọn vấn đề

1.2 Cơ sở lý thuyết

2 Xây dựng mô hình toán kinh tế tương ứng để mô tả giả thuyết đã được xác định

3 Thu thập số liệu thống kê

3.1 Nguồn số liệu

3.2 Bảng số liệu

4 Xây dựng mô hình kinh tế lượng tương ứng

4.1 Nhập số liệu vào Eviews 5.1 ta có bảng

4.2 Lựa chọn mô hình hồi quy

5 Ước lượng mô hình hồi quy sử dụng phần mềm Eviews :

6.Kiểm định các khuyết tật của mô hình

6.1 Đa cộng tuyến.

6.2 Phương sai sai số thay đổi

6.3 Tự tương quan

6.4 Kiểm định về chỉ định mô hình

6.5 Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên

7 Phân tích và đánh giá mô hình

7.1 Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy

7.2 Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào?

7.3 Khi giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối

đa bao nhiêu?

7.4 Nếu giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối thiểu bao nhiêu?

7.5 Sự biến động của biến phụ thuộc đo bằng phương sai do các yếu tố ngẫu nhiên gây ra là bao nhiêu?

8.Dự báo về mô hình:

8.1 Dự báo giá trị trung bình của tỷ lệ thất nghiệp

8.2 So sánh số liệu thực tế của Y với số liệu dự báo YF

8.3 Dự báo tỷ lệ thất nghiệp đến năm 2015

9.Kiến nghị về vấn đề nghiên cứu

1 Nêu giả thuyết và vấn đề kinh tế.

1.1 Lí do chọn vấn đề:

Lạm phát, thất nghiệp và tốc độ tăng trưởng kinh tế là 3 vấn đề cơ bản lớncủa nền kinh tế vĩ mô.chúng cũng được xem như là các chỉ tiêu để đánh giá mức

độ thành công của một nền kinh tế.Vì vậy nghiên cứu về 3 vấn đề này luôn là mộtvấn đề quan trọng và cần thiết.Hiểu rõ được vấn đề trên sẽ giúp chúng ta trong việcđưa ra những biện pháp giúp phát triển nền kinh tế một cách tốt nhất

Trong tình hình kinh tế thế giới đầy biến động, những cuộc khủng hoảng kinh

tế toàn cầu làm giảm tỷ lệ tăng trưởng kinh tế và khiến cho lạm phát, thất nghiệp ởnhiều quốc gia tăng cao, trong đó có cả Việt Nam.Một yêu cầu được đặt ra là phảinghiên cứu một cách sâu sắc về sự tác động qua lại giữa 3 vấn đề này

♦ Mối quan hệ giữa lạm phát và thất nghiệp:

-Mối quan hệ giữa lạm phát và thất nghiệp trong dài hạn như sau: Không có

sự đánh đổi giữa lạm phát và thất nghiệp Tỷ lệ thất nghiệp sẽ trở về với thấtnghiệp tự nhiên cho dù lạm phát có tăng bao nhiêu đi chăng nữa.Trong dài hạn lạmphát tăng hay giảm đều không ảnh hưởng đến nền kinh tế do có sự điều chỉnh vềtiền lương.Tiền lương sẽ giảm cho đến khi thị trường lao động cân bằng

-Trong ngắn hạn khi cầu lao động tăng thì thất nghiệp tăng , còn trong dàihạn ban đầu thất nghiệp tăng nhưng do tiền lương điều chỉnh làm cho thất nghiệpgiảm và thị trường lao động cân bằng.Trong dài hạn do áp lực của cung thừa, tiềnlương của mỗi người sẽ giảm xuống để duy trì mức thất nghiệp tự nhiên nghĩa làkhông có thất nghiệp tự nguyện.Khi nền kinh tế suy giảm, cầu về lao độnggiảm.Giai đoạn đầu tiên sẽ có thất nghiệp vì tiền lương chưa kịp điều chỉnh theomức sản lượng cân bằng mới.Nhưng trong dài hạn tiền lương sẽ giảm đến mức thấtnghiệp tự nhiên và lúc đó thất nghiệp do thiếu cầu mới bị triệt tiêu

♦ Mối quan hệ giữa tổng sản phẩm quốc nội(GDP) đến thất nghiệp:

Theo thống kê năm 2010, hệ số co giãn việc làm của Việt Nam chỉ đạt mứctrung bình 0.28 trong khi đó tổng sản phẩm quốc nội liên tục tăng, tức khi GDPtăng 1% thì việc làm chỉ tăng 0.28%.Thấy rằng hệ số co giãn việc làm thấp, tăngtrưởng cao nhưng chưa tạo ra nhiều việc làm đem lại lợi ích cho người lao động

1.2 Cơ sở lý thuyết để lựa chọn mô hình

♦Về mối quan hệ giữa tăng trưởng và thất nghiệp:

Theo Robert J.Gordon, mối quan hệ giữa tăng trưởng và thất nghiệp theo địnhluật Okun được mô tả bằng 1 phương trình dạng tuyến tính như sau:

h : là tham số phản ánh độ nhạy cảm của sự thay đổi giữa thất

nghiệp và sản lượng

Còn theo Paul A.Samuelson và William D.Nordhaus, định luật Okun đượchiểu : "Khi sản lượng thực tế thấp hơn sản lượng tiềm năng 2% thì thất nghiệp sẽtăng thêm 1%’’

♦Về mối quan hệ giữa thất nghiệp và lạm phát :

Giáo sư A.W.Phillips nghiên cứu về ˝Mối quan hệ giữa thất nghiệp và nhịp độthay đổi tiền lương ở Liên hiệp Anh trong giai đoạn 1861-1957˝ đã đưa ra đườngPhillips ngắn hạn, mà theo đó, khi mức % của tiền lương danh nghĩa bằng mức lạmphát (gp) thì ta có :

Với giả thuyết về mối quan hệ giữa GDP, lạm phát và thất nghiệp của nền kinh

tế như các phân tích ở trên, có thể thể hiện dưới dạng hàm số đơn giản như sau:

Y i = β 1 + β 2 *X2 i + β 3 *X3 i

Trong đó:

 Yi (tỷ lệ thất nghiệp) (%): là biến phụ thuộc

 X2i (GDP) (nghìn tỷ USD); X3i (tỷ lệ lạm phát) (%): là các biến độclập

 β1: là hệ số chặn

 β2, β3: là hệ số góc của mô hình hồi quy tổng thể

 Ui : là yếu tố ngẫu nhiên

3 Quan sát và thu thập số liệu thống kê

3.1 Nguồn số liệu

http://vi.wikipedia.org/wiki/T%E1%BA

%ADp_tin:Vietnam_inflation_over_the_years.jpg

http://www.bbc.co.uk/vietnamese/business/2011/12/111223_viet_inflation.shtml http://luanvan.co/luan-van/de-tai-moi-quan-he-giua-lam-phat-va-that-nghiep-o-viet-nam-giai-doan-1986-2009-18713/

http://www.gso.gov.vn/default.aspx?tabid=407&idmid=4&ItemID=1349

http://vn.answers.yahoo.com/question/index?qid=20120401195427AAeEEpI http://vn.answers.yahoo.com/question/index?qid=20080123003637AArBgdQ http://gso.gov.vn/default.aspx?tabid=714

TỶ LỆ LẠMPHÁT (X3) (%)

2013 2.37 136.853322 6.04

4 Xây dựng mô hình kinh tế lượng tương ứng.

4.1 Nhập số liệu vào Eviews 5.1 ta có bảng sau:

-20

0 20

-5 0 5 10 15 20 25

0 2 4 6 8 10 12

X3

Y vs X3

0 2 4 6 8 10 12

X2

Y vs X2

4.2 Lựa chọn mô hình hồi quy

Thông qua 4 biểu đồ trên ta có thể nhận thấy, với mỗi một dạng hàm khácnhau sẽ cho ta mối quan hệ giữa các biến khác nhau Tuy nhiên ta dễ dàng nhậnthấy so với đồ thị 3, thì đồ thị 4 biểu diễn mối quan hệ giữa các biến chặt chẽ hơn,chính xác hơn Do vậy, ta lựa chọn mô hình hồi quy tổng thể như sau:

PRM: LOG(Y i ) = β 1 + β 2 *X2 i + β 3 *X3 i + U i

Trong đó:

 Yi (tỷ lệ thất nghiệp) (%): là biến phụ thuộc

 X2i (GDP) (nghìn tỷ USD), X3i (tỷ lệ lạm phát) (%): là các biến độc lập

 β1: là hệ số chặn

 β2, β3: là hệ số góc của mô hình hồi quy tổng thể

 Ui : là yếu tố ngẫu nhiên

Với mẫu điều tra hiện có, ta sử dụng mô hình hồi quy mẫu như sau :

SRM: LOG(Y i ) = ^β1 + ^β2 *X2 i + ^β3*X3 i + e i

Trong đó:

 ^β1, ^β2, ^β3: là các hệ số hồi quy ước lượng (thực chất là ước lượng điểm

của các hệ số hồi quy β1, β2, β3

 ei: là phần dư ( là sai lệch giữa giá trị cá biệt của biến phụ thuộc so với

ước lượng giá trị trung bình của chúng trong mẫu)

5 Ước lượng mô hình hồi quy sử dụng phần mềm Eviews.

Với mô hình như trên, ta nhập lệnh LS LOG(Y) X2 X3 C, ta được báo cáo kết quả ước

lượng sử dụng phần mềm Eviews 5.1 như sau:

Báo cáo 1: Kết quả ước lượng mô hình tỉ lệ thất nghiệp theo GDP và tỉ lệ lạm phát

Dependent Variable: LOG(Y)

Method: Least Squares

R-squared 0.940836 Mean dependent var 1.551776

Adjusted R-squared 0.934262 S.D dependent var 0.467450

S.E of regression 0.119851 Akaike info criterion -1.273569Sum squared resid 0.258557 Schwarz criterion -1.124351

Durbin-Watson stat 1.412987 Prob(F-statistic) 0.000000

♦Với kết quả như trên, ta có mô hình hồi quy mẫu :

Log (Y) = 2,250686 – 0,010626 * X2 – 0,010858 * X3 + eᵢ

♦Ý nghĩa của các hệ số hồi quy :

 ^β1 = 2,250686>0 : cho biết khi GDP bằng 0 và không có lạm phát

thì tỷ lệ thất nghiệp trung bình là 2.250686

 ^β2=-0,010846< 0 : cho biết khi GDP tăng 1 nghìn tỷ USD thì tỷ lệ

thất nghiệp trung bình giảm 0.010846%, trong điểu kiện tỷ lệ lạmphát không thay đổi Điều này hoàn toàn phù hợp với lý thuyết kinh

tế đã đề cập ở trên

 ^β3 = -0,010046< 0: cho biết khi tỷ lệ lạm phát tăng 1% thì tỷ lệ thất

nghiệp trung bình giảm 0.010046 %, trong điều kiện GDP khôngthay đổi Điểu này hoàn toàn phù hợp với lý thuyết kinh tế đã nêutrên

6.Kiểm định các khuyết tật của mô hình

6.1 Đa cộng tuyến.

Sử dụng mô hình hồi quy phụ: Hồi quy phụ là phương pháp kiểm định dựavào định nghĩa đa cộng tuyến, tức là hồi quy một biến giải thích với các biến giảithích còn lại để xem xét có mối quan hệ tuyến tính giữa từng biến giải thích vớicác biến giải thích khác của mô hình ban đầu hay không Ở mô hình trên, ta sửdụng hồi quy phụ để xét mối quan hệ tuyến tính giữa biến X2 và X3 Tacó:

Báo cáo 2: Kiểm định hồi quy phụ X2 theo X3

Dependent Variable: X2

Method: Least Squares

Date: 03/15/14 Time: 16:38

Adjusted R-squared 0.080283 S.D dependent var 40.16750 S.E of regression 38.52138 Akaike info criterion 10.23070 Sum squared resid 28194.04 Schwarz criterion 10.33018

Durbin-Watson stat 0.204072 Prob(F-statistic) 0.113930

- Mô hình hồi quy phụ: X2 i = α1 + α2 X3 i + V i ; thu được R1

2

- Kiểm định cặp giả thuyết sau:

o H0: Mô hình gốc không có đa cộng tuyến

o H1: Mô hình gốc có đa cộng tuyến

- Tiêu chuẩn kiểm định:

 Chưa đủ cơ sở để bác bỏ giả thuyết H0

Kết luận: Vậy với mức ý nghĩa α =0.05 thì mô hình gốc không có đa cộng tuyến

6.2 Phương sai sai số thay đổi.

Ta sử dụng kiểm định White như sau

Báo cáo 3 : Kiểm định White với mô hình White có tích nhân chéo

White Heteroskedasticity Test:

F-statistic 0.882190 Probability(5, 15) 0.516591

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Adjusted R-squared -0.030346 S.D dependent var 0.024394S.E of regression 0.024762 Akaike info criterion -4.324075Sum squared resid 0.009197 Schwarz criterion -4.025640

Durbin-Watson stat 1.643729 Prob(F-statistic) 0.516591

- Kiểm định cặp giả thuyết:

H0: Phương sai sai số không thay đổiH1: Phương sai sai số thay đổi

- Mức ý nghĩa 5%

- Sử dụng tiêu chuẩn kiểm định: χ2=nR ƯƯ 2 ~ χ 2( m)

- Miền bác bỏ giả thuyết H0: ƯW α={χ2/χ2>χ 2(m )}

- Theo báo cáo 3, ta có: χ qs2 =nR 2=21∗0 ,227204=4 ,772044

- Tra bảng được: χ 0 , 05

2( 5) =11, 0705→ χqs2 <χ 0 , 052( 5)→χ qs2 ∉ƯW α

=> Chưa có cơ sở để bác bỏ giả thuyết H0 nên ta tạm thời chấp nhận H0

Kết luận: Mô hình không có phương sai sai số thay đổi.

6.3 Tự tương quan.

Dùng kiểm định BG bậc tự do là 2 như sau:

Báo cáo 4: Kiểm định BG với bậc tự do bằng 2

Breusch-Godfrey Serial Correlation LM Test:

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 03/15/14 Time: 08:01

Presample missing value lagged residuals set to zero

Variable Coefficient Std Error t-Statistic Prob

RESID(-2) -0.170842 0.268500 -0.636281 0.5336

Adjusted R-squared -0.215989 S.D dependent var 0.113701S.E of regression 0.125380 Akaike info criterion -1.110678Sum squared resid 0.251522 Schwarz criterion -0.861982

Durbin-Watson stat 1.533089 Prob(F-statistic) 0.976533

- Kiểm định cặp giả thuyết:

H0: Mô hình ban đầu không có tự tương quan bậc 2H1: Mô hình ban đầu có tự tương quan bậc 2

- Mức ý nghĩa 5%

- Sử dụng tiêu chuẩn kiểm định: χ2=(n−2) R2~ χ2(2)

- Miền bác bỏ giả thuyết H0, với mức ý nghĩa α=0,05 là:

ƯW α={χ2/χ2>χ2(2 )}

- Theo báo cáo 4 ta có: χ qs2 =(n−2 )R2=0 ,571383

- Mà χ 0 ,052(2)=5 ,9915 => χqs2 < χ0 , 052( 2) => χqs2 ∉ ƯWα

=> Chưa có cơ sở bác bỏ giả thuyết H0, nên tạm thời chấp nhận Ho

Kết luận: Mô hình không có tự tương quan bậc 2

6.4 Kiểm định về chỉ định mô hình.

Ta dùng kiểm định Ramsey bỏ sót 1 biến để kiểm định

Báo cáo 5: Kiểm định Ramsey bỏ sót 1 biến

Ramsey RESET Test:

Log likelihood ratio 0.451128 Probability 0.501800

Test Equation:

Dependent Variable: LOG(Y)

Method: Least Squares

Adjusted R-squared 0.931875 S.D dependent var 0.467450S.E of regression 0.122008 Akaike info criterion -1.199813Sum squared resid 0.253062 Schwarz criterion -1.000856

Durbin-Watson stat 1.445781 Prob(F-statistic) 0.000000

- Kiểm định cặp giả thuyết:

H0: Mô hình không bỏ sót 1 biến H1: Mô hình bỏ sót 1 biến

=> Chưa có cơ sở để bác bỏ giả thuyết H0 ,chấp nhận giả thuyết H0

Kết luận: Vậy với mức ý nghĩa 0,05 mô hình chỉ định không bỏ sót biến

6.5 Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên.

Dùng kiểm định JB như sau:

Báo cáo 6: Phân bố xác suất của phần dư

- Kiểm định cặp giả thuyết:

H0: Ui có phân phối chuẩnH1: Ui không có phân phối chuẩn

⇒ chưa có cơ sở bác bỏ Ho, nên ta tạm thời chấp nhận H0

Kết luận: Với mức ý nghĩa 5%, mô hình đã cho có sai số ngẫu nhiên U có phân

phối chuẩn

7 Phân tích và đánh giá mô hình.

Qua các kiểm định trên ta thấy mô hình không mắc khuyết tật nào Do đó ta có thể tạm thời coi đó là mô hình hoàn hảo

Mô hình hồi quy mẫu:

Log (Y) = 2,250686 – 0,010626 * X2 – 0,010858 * X3 + eᵢ

7.1 Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy.

♦Kiểm định sự phù hợp của hàm hồi quy

Có ý kiến cho rằng hàm hồi quy trên không phù hợp, để kiểm tra ý kiến đó đúng không ta đi kiểm định:

- Kiểm định giả thuyết Hₒ: Mô hình không phù hợp (R²=0)

đối thuyết H1: Mô hình phù hợp (R2>0)

Mức ý nghĩa α=0,05

- Sử dụng tiêu chuẩn kiểm định:

2 / 2

- Miền bác bỏ giả thuyết Ho với mức ý nghĩa 5%: Wα={F : F > F α(2 ,n−3)}

- Theo kết quả trên báo cáo Eview 1 thì:

R2=0,940836; n=21 Fqs=143,1195321

Mà F(2,18)0,05 =3,55 Ta thấy F qs>F0,05(2,18 ) Fqs ¿ Wα

⟹ Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận: Sau khi kiểm định, với mức ý nghĩa 5% ta có thể khẳng định rằng mô

hình hồi quy trên hoàn toàn phù hợp.

=t0,02518 =2.101|t qs|=|42,97746| >t0,02518 = ¿ 2,101

 tqs ∈ Wα

Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1 Nghĩa là β1 có ý nghĩa kinh tế

Kết luận:Với mức ý nghĩa 5% có thể cho rằng hệ số chặn có ý nghĩa thống kê

= ¿ 2,101  tqs ¿ Wα

 Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận: Với mức ý nghĩa 5% như trên cho ta thấy tỉ lệ thất nghiệp ở Việt Nam

chịu ảnh hưởng của GDP

-Sử dụng tiêu chuẩn kiểm định:

 Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận: Với mức ý nghĩa 5% như trên cho ta thấy tỉ lệ thất nghiệp ở Việt Nam

chịu ảnh hưởng của tỉ lệ lạm phát

7.2 Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào?

Để trả lời câu hỏi này ta xác định khoảng tin cậy 2 phía của 2, 3

♦Khoảng tin cậy 2 phía của 2:

Tra bảng giá trị tới hạn của phân phối Student ta có: t α

2

(n−3)

=t0,02518 =2,101 => -0,012126 ≤ 2 ≤ -0,009126

Vậy với mức ý nghĩa α= 0.05 thì khi GDP tăng 1% thì tỷ lệ thất nghiệp giảm trong khoảng từ 0,009126% đến 0,012126%

♦ Khoảng tin cậy 2 phía của 3:

^β 3 – Se( ^β 3).tα/2(n-3) ≤ 3 ≤ ^β 3 + Se( ^β 3).tα/2(n-3)

Tra bảng giá trị tới hạn của phân phối Student ta có: t α

2 (n−3)

=t0,02518 =2,101

=> β2 ≥ - 0,011864

Kết luận: Vậy, với mức ý nghĩa α = 0.05, khi GDP tăng lên 1% thì tỷ lệ thất

nghiệp giảm tối đa 0,011864%

♦Khoảng tin cậy bên trái của 3:

Để trả lời câu hỏi này ta xác đinh khoảng tin cậy bên trái của các hệ số j:

♦Khoảng tin cậy bên trái của 2:

^β 2 ≤ 2 + Se( ^β 2).tα(n-3)

Tra bảng giá trị tới hạn của phân phối Student ta có: : t(α n−3) = t0,0518 = 1,734

=>2 ≤ - 0,009388