Mô hình số liệu mảng áp dụng trong ngành kinh tế dệt may việt nam (TT)

TÓM TẮT ĐỀ TÀI Mô hình số liệu mảng ngày càng được sử dụng rộng rãi trong nghiên cứu các mô hình kinh tế lượng bởi tính ưu việt của nó.. Các mô hình số liệu mảng như mô hình tác động ngẫ

TÓM TẮT ĐỀ TÀI

Mô hình số liệu mảng ngày càng được sử dụng rộng rãi trong nghiên cứu các

mô hình kinh tế lượng bởi tính ưu việt của nó Các mô hình số liệu mảng như mô hình tác động ngẫu nhiên, mô hình tác động cố định, mô hình OLS gộp,… đã được

áp dụng trong nhiều mô hình kinh tế Trong đề tài này chúng tôi sử dụng mô hình số liệu mảng áp dụng trong ngành kinh tế Dệt may Việt Nam nhằm nghiên cứu năng suất, ảnh hưởng của lao động, của tài sản đầu tư lên năng suất và năng suất tổng hợp của ngành

ABSTRACT

Panel data models are increasingly widely used in studies of econometric model by its advantages The panel data models such as random effects model, fixed effects model, pooled OLS model, …have been applied in many economic models In this thesis we use panel data models applied economics Textile Vietnam

to research productivity, impact of labor and investement of assets on productivity and total factor productivity of the sector

DANH MỤC HÌNH ẢNH VÀ BẢNG BIỂU

Hình 1.1 Giao diện Stata 11

Bảng 1.1 Câu lệnh phân tích số liệu mảng trong Stata

Bảng 2.1: Danh sách các ngành cấp 3 nghiên cứu

Bảng 2.2: Các chỉ tiêu điều tra doanh nghiệp

Bảng 2.3: Kết quả ước lượng TFP theo phương pháp bán tham số của Levpet

Bảng 2.4: Kết quả ước lượng mô hình tác động ngẫu nhiên

Bảng 2.5: Kết quả ước lượng bằng phương pháp biến giả

Bảng 2.6: kết quả ước lượng mô hình tác động ngẫu nhiên

Bảng 2.7: Kết quả ước lượng mô hình bằng phương pháp phương sai mạnh

Bảng phụ 1.1: Kiểm định Hausman

Bảng phụ 2.1: Kết quả kiểm định nhân tử Lagrange của Breusch

Bảng phụ 2.2: tóm tắt các kết quả

DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU

OLS Ordinary Least Squared – ình phương nh nhất cổ điển

POLS Pooled Ordinary Least Squared – ình phương nh nhất cổ điển gộp

LS eneral Least Squared – ình phương nh nhất tổng quát

R Random ffect – tác động ngẫu nhiên

F Fixed ffect – tác động cố định

W within – t ng cá nh n

F First – ifferences – sai ph n cấp một

TFP: Total Factor Productivity – Năng suất các nhân tố tổng hợp

Trong đề tài này, các ký hiệu về véc tơ và ma trận được sử dụng rộng rãi để

mô tả các mô hình kinh tế lượng cũng như các kết quả ước lượng

Véc tơ được định nghĩa là véc tơ cột và được ký hiệu bằng chữ thường in đậm Ví dụ, với hồi qui tuyến tính, véc tơ biến giải thích x là véc tơ dòng với thành phần thứ j là và véc tơ tham số là một véc tơ cột với thành phần thứ j là , cho nên

và

o đó mô hình hồi qui tuyến tính được biểu

1



K j

j



  



















x

K

 1

1

x

  





















1

1

u x x

x

y1 12 2 K K 

u

yx

CHƯƠNG 1: TỔNG QUAN VỀ SỐ LIỆU MẢNG VÀ CÁC PHƯƠNG PHÁP

ƯỚC LƯỢNG SỐ LIỆU MẢNG

1.1 Tổng quan về số liệu mảng

1.1.1 Định nghĩa ([1])

1.1.2 Các đặc trưng của số liệu mảng

1.1.3 Các nghiên cứu đã thực hiện với số liệu mảng ở trong nước và thế giới

1.1.3.1 Trong nước

1.1.3.2 Thế giới

1.2 Tổng quan về các mô hình phân tích số liệu mảng ([3], [4])

Trong phần này chúng ta xét đến vấn đề biến không quan sát được hay không được xét đến trong các mô hình kinh tế lượng và động lực của mô hình phân tích số liệu mảng Tại sao số liệu mảng lại được sử dụng bởi vì nó ước lượng phù hợp với mô hình có những biến không quan sát được Mô hình số liệu mảng với biến không quan sát được viết dưới dạng sau:

it i T iT i

i

y  11 22      (1.1) Trong đó biến giải thích xit có thể thay đổi theo chiều dọc hoặc theo chiều ngang, hoặc cả hai chiều, i chỉ số đối tượng (quốc gia, tỉnh, doanh nghiệp,…) t chỉ

số thời gian uit là sai số ngẫu nhiên thông thường và được giả thiết là th a mãn các giả thiêt thông thường, nghĩa là phương sai sai số không đổi và không tự tương quan Trong thành phần không quan sát được ci được cộng thêm vào, có nhiều cách gọi tên ci như thành phần không quan sát được, biến ẩn, hoặc biến bị b qua Nếu i

là cá thể thì thường gọi là tác động cá thể, thường là hộ gia đình, doanh nghiệp, tỉnh, …Mô hình (1.1) được viết lại dưới dạng vector như sau

it i it

y     (1.2) Trong đó xit là véc tơ 1  K của biến giải thích, β là véc tơ K  1 các hệ số ước lượng

Những mô hình này người ta thường gọi là mô hình tác động cá thể và ta sẽ nghiên cứu các mô hình này dưới đ y

1.2.1 Mô hình tác động ngẫu nhiên

1.2.1.1 Ước lượng và những giả thiết cơ bản của mô hình

1.2.1.2 Phương pháp ước lượng bình phương bé nhất tổng quát (GLS)

1.2.1.3 Ước lượng sử dụng ma trận phương sai mạnh

1.2.2 Mô hình tác động cố định

Người ta sử dụng mô hình tác động ngẫu nhiên khi yếu tố không quan sát được dạng ci có tương quan đến biến giải thích trong mô hình

1.2.2.1 Mô hình và các giả thiết

1.2.2.2 Phương pháp ước lượng nội bộ

1.2.2.3 Phương pháp ước lượng sử dụng biến giả

1.2.3 Một số mô hình khác

1.2.3.1 Mô hình OLS gộp

1.2.3.2 Mô hình sai phân cấp một

1.3 Câu lệnh trong phần mềm Stata

1.3.1 Giới thiệu phần mềm Stata

Stata là phần mềm thống kê dùng để quản lý, phân tích số liệu và vẽ đồ thị.Stata cho phép lưu trữ thông tin về các đặc điểm của các đối tượng nghiên cứu,

số liệu lưu trữ trong Stata có thể hiển thị dưới dạng bảng.Vì vậy việc phân tích số liệu mảng người ta thường dùng với Stata

1.3.2 Câu lệnh sử dụng các mô hình để phân tích số liệu mảng trong phần mềm Stata

Câu lệnh phân tích số liệu mảng trong Stata luôn bắt đầu bằng “xt” Sau đ y

là một số câu lệnh được sử dụng để phân tích số liệu mảng:

Bảng 1.2 Câu lệnh phân tích số liệu mảng trong Stata STT Câu

lệnh

1 xtset Định dạng số liệu

dưới dạng mảng

xtset id time

id: chỉ biến cá thể time: chỉ biến thời gian

2 xtdes Mô tả cấu trúc của

số liệu mảng

xtdes [if] [in]

if điều kiện in: chỉ rõ dạng quan sát

3 xtsum Tóm tắt số liệu xtsum [varlist] [if]

varlist: danh sách biến

if điều kiện

4 xttab Tạo bảng số liệu xttab varname [if]

varname: tên biến

if điều kiện

5 xtreg Ước lượng số liệu

mảng

xtreg depvar [indepvar], option

depvar: biến phụ thuộc indepvar: biến độc lập option: lựa chọn mô hình ước lượng Ước lượng GLS ngẫu nhiên

xtreg depvar [varlist] [if exp]

[, re i(varname) sa theta level(#) ]

Ước lượng tác động cố định

xtreg depvar [varlist] [if exp] ,

fe [ i(varname) level(#) ]

Ước lượng MLE ngẫu nhiên

xtreg depvar [varlist] [weight] [if exp] , mle [ i(varname) noconstant level(#) ]

6 xtdata Tìm nhanh số liệu

mảng

xtdata varlist, option

varlist: danh sách biến option: lựa chọn

7 xtline Đồ thị đường thẳng xtline varname, option

varname: tên biến option: chọn dạng đường thẳng

8 xtlogit Mô hình logarit xtlogit depvar [indepvar], option

9 xtprobit Ước lượng độ tin

cậy

xtprobit depvar [indepvar], option

10 xtgraph Đồ thị trong số liệu

mảng

xtgraph varname, option

Trên đ y là một số câu lệnh cơ bản trong ước lượng số liệu mảng, ngoài ra còn có một số lệnh khác nữa người đọc có thể sử dụng phần “help xt” của phần mềm Stata

CHƯƠNG 2 THỰC NGHIỆM

Trong phần này, chúng tôi sử dụng số liệu điều tra doanh nghiệp được thực hiện hằng năm t năm 2000 đến 2010, các số liệu được sử dụng là số liệu sơ cấp t cuộc điều tra, sau đó tác giả tổng hợp xử lý và tính toán lập thành số liệu mảng để

sử dụng các mô hình tính năng suất Levpet, tác động cố định và ngẫu nhiên trong Stata Cấu trúc số liệu như sau

Bảng 2.1: Danh sách các ngành cấp 3 nghiên cứu

Ký

hiệu

Mã

ngành Ngành

id = 1 1711 Sản xuất sợi và dệt vải

id = 2 1712 Hoàn thiện các sản phẩm dệt

id =3 1721 Sản xuất các sản phẩm dệt may sẵn có

id = 4 1722 Sản xuất thảm và chăn đệm

id = 5 1723 Sản xuất dây bện và lưới

id = 6 1729 Sản xuất các hàng dệt khác

id = 7 1730 Sản xuất hàng đan móc

id = 8 1810 May trang phục tr quần áo da lông thú

id = 9 1820 Thuộc và nhuộm da lông thú, sản xuất các sản phẩm t lông

thú Year Thời gian t 2000 tới 2010

Bảng 2.2: Các chỉ tiêu điều tra doanh nghiệp

STT Tên biến Chỉ tiêu

1 laodong Lao động

2 thunhap Thu nhập người lao động

3 taisan Tài sản – vốn

4 tscddtdh Tài sản cố định đầu tư dài hạn

5 nguyegia Nguyên giá

6 khtscd Khấu hao tài sản cố định

7 tsld Tài sản lưu động

8 xddodang Chi phí xây dựng dở dang

9 Nophatra Nợ phải trả

10 Doanhthu Doanh thu

11 Loinhuan Lợi nhuận trước thuế

12 Thue Thuế và các khoản phải nộp

13 Vondautu Vốn đầu tư

14 vdt_vay Vốn đầu tư đi vay

15 Gtsx Giá trị sản xuất

16 vonpd_vn Vốn pháp định bên Việt Nam

17 vonpd_nn Vốn pháp định nước ngoài

18 Va Va là giá trị gia tăng lợi nhuận thu nhập người lao động

khấu hao tài sản cố định

19 M Đầu vào trung gian được xác định = Va – doanh thu

2.1 Cách tính năng suất tổng hợp theo phương pháp Levpet

2.1.1 Câu lệnh ước lượng năng suất trong Stata

Levpet depvar [if exp] [in range],free(varlist) proxy(varlist) capital(varname) [[valueadded/revenue] justid grid i(varname) t(varname) reps(#) level(#)]

ú pháp ước lượng bằng phần mềm Stata

Predict [type]newvarname[if exp] [in range], omega

2.1.2 Các tùy chọn

3.1.3 Kết quả chạy ước lượng

Bảng 2.3: Kết quả ước lượng TFP theo phương pháp bán tham số của Levpet

Levinsohn-Petrin productivity estimator

Dependent variable represents value added Number of obs = 97

Group variable (i): id Number of groups = 9

Time variable (t): year Obs per group: min = 11

avg = 11 max = 11 -

lnva| Coef Std Err z P>|z| [95% Conf Interval]

-

lnlaodong | .3400428 .0994789 3.42 0.001 1450678 .5350178

lnvondautu | .4927971 .1485485 3.32 0.001 2016473 .7839469

-

Wald test of constant returns to scale: Chi2 = 2.75 (p = 0.0156)

2.2 Mô hình tác động cố định

2.2.1 Phương pháp ước lượng nội bộ

Câu lệnh trong Stata với mô hình tác động ngẫu nhiên như sau:

xtreg va laodong vondautu, fe

Kết quả chạy ước lượng như bảng sau:

Bảng 2.4: Kết quả ƣớc lƣợng mô hình tác động ngẫu nhiên

Fixed-effects (within) regression Number of obs = 99

Group variable: id Number of groups = 9 R-sq: within = 0.8590 Obs per group: min = 11

between = 0.8946 avg = 11.0

overall = 0.8567 max = 11

F(2,88) = 267.96

corr(u_i, Xb) = -0.6977 Prob > F = 0.0000

-

va| Coef Std Err t P>|t| [95% Conf Interval]

-

laodong | 42.9308 3.38083 12.70 0.000 36.21211 49.64949

vondautu | 1.462452 .1379941 10.60 0.000 1.188218 1.736687

_cons | -872898.7 309016.4 -2.82 0.006 -1487004 -258793.5

-

sigma_u | 3696305.3

sigma_e | 2062221.5

rho | .7626204 (fraction of variance due to u_i)

-

F test that all u_i=0: F(8, 88) = 8.10 Prob > F = 0.0000

Trong báo cáo Stata u ký hiệu cho ci và e ký hiệu cho uit

2.2.2 Phương pháp ước lượng sử dụng biến giả

Ta tạo ra các biến giả là các ngành t 1 đến 9 bằng câu lệnh trong Stata như sau:

quietly tab id, gen(nganh)

Câu lệnh ước lượng sử dụng biến giả trong Stata:

xi: reg va laodong vondautu nganh2-nganh9

Kết quả ước lượng bằng Stata:

Bảng 2.5: Kết quả ước lượng bằng phương pháp biến giả

Source | SS df MS Number of obs = 99

- F( 10, 88) = 153.81

Model | 6.5413e+15 10 6.5413e+14 Prob > F = 0.0000

Residual | 3.7424e+14 88 4.2528e+12 R-squared = 0.9459

- Adj R-squared = 0.9397

Total | 6.9155e+15 98 7.0566e+13 Root MSE = 2.1e+06

-

va | Coef Std Err t P>|t| [95% Conf Interval]

-

laodong | 42.9308 3.38083 12.70 0.000 36.21211 49.64949

vondautu | 1.462452 .1379941 10.60 0.000 1.188218 1.736687

nganh2 | -3533464 1018848 -3.47 0.001 -5558210 -1508718

nganh3 | -3574134 1013755 -3.53 0.001 -5588758 -1559510

nganh4 | -3560481 1035600 -3.44 0.001 -5618518 -1502445

nganh5 | -3177395 1032420 -3.08 0.003 -5229112 -1125677

nganh6 | -3613499 1005882 -3.59 0.001 -5612479 -1614520

nganh7 | -3761585 1026276 -3.67 0.000 -5801093 -1722077

nganh8 | -1.36e+07 1733210 -7.84 0.000 -1.70e+07 -1.01e+07

nganh9 | -3388547 1036368 -3.27 0.002 -5448112 -1328983

_cons | 3371575 832333.6 4.05 0.000 1717487 5025663

Thực chất phương pháp ước lượng với biến giả chính là phương pháp ước lượng gộp tiến hành với số liệu mảng với n – 1 biến giả thể hiện cho n cá thể.Với phương pháp này, chúng ta một mặt ước lượng được các giá trị ci mặt khác còn đưa

ra được suy diễn thống kê về sự khác biệt giữa các cá thể.Trong bảng 2.5 nói trên,

2.3 Mô hình tác động ngẫu nhiên

2.3.1 Phương pháp ước lượng tác động ngẫu nhiên GLS

Lệnh khai báo: xtset id year

Câu lệnh ước lượng mô hình tác động ngẫu nhiên cho số liệu doanh nghiệp:

xtreg va laodong vondautu, re

Trong đó va là biến phụ thuộc, laodong, vondautu là biến độc lập, re ngụ ý mô

hình tác động ngẫu nhiên

Kết quả chạy mô hình như sau

Bảng 2.6: kết quả ƣớc lƣợng mô hình tác động ngẫu nhiên

Random-effects GLS regression Number of obs = 99

Group variable: id Number of groups = 9

R-sq: within = 0.7928 Obs per group: min = 11

between = 0.9773 avg = 11.0

overall = 0.9060 max = 11

Random effects u_i ~ Gaussian Wald chi2(2) = 925.62

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

theta = 0

-

va | Coef Std Err z P>|z| [95% Conf Interval]

-

laodong | 21.45524 1.926044 11.14 0.000 17.68026 25.23021

vondautu | 2.038142 .1356104 15.03 0.000 1.772351 2.303934

_cons | 84284.39 294173.8 0.29 0.774 -492285.7 660854.5

sigma_u | 0

sigma_e | 2062221.5

rho | 0 (fraction of variance due to u_i)

2.3.2 Phương pháp ước lượng phương sai mạnh cho mô hình tác động ngẫu nhiên

Câu lệnh thực hiện trong Stata như sau

xtreg va laodong vondautu, re robust

Kết quả chạy mô hình như bảng sau:

Bảng 2.7: Kết quả ước lượng mô hình bằng phương pháp phương sai mạnh

Random-effects GLS regression Number of obs = 99

Group variable: id Number of groups = 9

R-sq: within = 0.7928 Obs per group: min = 11

between = 0.9773 avg = 11.0

overall = 0.9060 max = 11

Random effects u_i ~ Gaussian Wald chi2(2) = 41102.50

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000

(Std Err adjusted for 9 clusters in id)

Robust

va| Coef Std Err z P>|z| [95% Conf Interval]

-

laodong | 21.45524 1.665656 12.88 0.000 18.19061 24.71986

vondautu | 2.038142 .1525553 13.36 0.000 1.739139 2.337145

_cons | 84284.39 413967.6 0.20 0.839 -727077.1 895645.9

-