bài giảng kinh tế lượng ( combo full slides 6 chương )

chương 1: Mô hình hồi quy hai biếnKhái niệmchương 2: Mô hình hồi quy hai biếnƯớc lượng và kiểm địnhchương 3:Mô hình hồi quy bộichương 4:Hồi quy định tínhchương 5 :Đa cộng tuyếnchương 6:Phương sai số thay đổichương 7: tự tương quanchương 8: Sai lầm chỉ định dạng hồi quy

 NGHĨáàVỤàVâàQUYỀNàLỢIàCỦáàHỌCàVIÊN

- Tham gia trên 80% số tiết quy đị h ủa môn họ (đượ tham gia thi)

- Không ả h hưở g đế môi t ườ g họ tập

- Đượ yêu ầu giả g viên điều hỉ h phươ g pháp giả g

 CẤUàTRÚCàĐIỂM

- 10 % chuyên ầ (điể danh)

- 20 % kiể tra (KT máy – chính quy, kiể tra viết (hết hươ g 3) – hệ khác)

- 70 % thi viết uối họ phầ

 KIẾNàTHỨCàBỔàìUNGà

- Kinh tế họ vi mô & vĩ mô, Lị h sử họ thu ết kinh tế, chuyên ngành hẹp

- Tin họ đại ươ g (EXCEL)

- TCC 1 & 2, Mô hình Toán kinh tế, Xác suất thố g kê

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

2 MỤCàĐÍCHàNGHIÊNàCỨU

- Toán Cao ấp 1

- Toán Cao ấp 2

- Lý thu ết Xác suất và Thố g kê Toán

- Mô hình Toán Kinh tế

(1) Ước lượ g quan hệ kinh tế

Đo lường mức độ tác động của việc hạ lãi suất lên tăng trưởng kinh tế

Ước lượng lượng cầu của một mặt hàng cụ thể: lượng cầu xe hơi tại thị trường VN Ước lượng tác động của quảng cáo và khuyến mãi lên doanh số của một công ty (2) Kiể đị h giả thu ết

Kiểm định giả thuyết chương trình khuyến nông làm tăng năng suất lúa

Kiểm chứng nhận định về hệ số co dãn của cầu theo giá với cá basa dạng fillet ở thị trường nội địa là thực sự co dãn

Có sự phân biệt đối xử về mức lương giữa nam và nữ hay không?

3 CƠàìỞàHÌNHàTHâNHàVâàìƠàLƯỢCàPHãTàTRIỂN

- Hoạt độ g nghiên ứu kinh tế  Quy luật kinh tế khách quan

- Loại hình nghiên ứu kinh tế

 Nghiên ứu kinh tế ĐỊNHàTÍNH

 Nghiên ứu kinh tế ĐỊNHàLƯỢNGà

• Mô hình Toán Kinh tế

Luật ầu (Law of Demand):

Giá ột hàng hóa thông thườ g

tă g, lượ g ầu về hàng hóa đ

giả và gượ lại

(ceteris paribus)

Mô hình Toán kinh tế:

(1) Qd = a + b.P (a>0, b<0) (2) Qd = a.P b (b<0)

Mô hình Toán kinh tế  Mô hình Kinh tế lượ g (3) Qd = a + b.P + U

3 CƠàìỞàHÌNHàTHâNHàVâàìƠàLƯỢCàPHãTàTRIỂN

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

- 1699, Hàm ầu thự ghiệ đầu tiên (Charles Davenant)

- 1907, Mô hình thố g kê đầu tiên về hàm ầu (Rodulfo Enini)

- 1930, Econometrics, Econometrica ,àE o o et i sàìo iet ,à…à nguyên

nhân: The Great Crisis 1929 – 1933)

- Thập niên 50 - 60, phát t iể ạ h tại Mỹ và Châu Âu

- Thập niên 70 – 80, lan ộ g trên thế giới

- Giải Kinh tế họ tưở g hớ NOBEL (giải NOBEL kinh tế) ă 1969,

1980, 2000, 2003, 2009

- Đầu hữ g ă 90, uất hiệ ởàViệt Nam

3 CƠàìỞàHÌNHàTHâNHàVâàìƠàLƯỢCàPHãTàTRIỂN

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

4 ĐỊNHàNGHĨáàMÔNàHỌC

- Kinh tế lượ g là đo lườ g kinh tế

- Phân tích về ặt lượ g với các hiệ tượ g kinh tế dựa trên sự phát

t iể ới hất về lý thu ết và các quan sát thự tế, thông qua các phươ g pháp suy đo thố g kê thích hợp (P A Samuelson, T C

Koopmans – 1954)

- Kinh tế lượ g = Kinh tế họ + Toán + Thố g kê với ụ đ h phân

tích kinh tế (Arthur S Goldberger - 1964)

- Kinh tế lượ g là việ áp dụ g thố g kê toán với số liệu kinh tế để

kiể hứ g về thự ghiệ các mô hình kinh tế đượ các nhà kinh

tế họ đề uất và tìm ra lời giải ằ g số ụ thể (Gerhard Tintner –

1968)

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

5 PHƯƠNGàPHãPàLUẬN

5.1 Xuất phát với giả thu ết kinh tế

John Maynard Keynes ( ă 1936): Theo luật tâm lý ơ ả , con gười có hành vi, hư 1 qui tắ và dưới góc độ trung bình, tă g tiêu dùng ủa họ khi thu hập ủa họ tă g lên, hư g không hiều ằ g ứ gia tă g trong thu hập (ceteris paribus)

5.2 Xây dự g mô hình Toán kinh tế

5.4 Thu thập số liệu ( guồ World Bank – 2000) 

5.4 Thu thập số liệu ( guồ World Bank – 2000) 

Dệt bông (Cotton textiles) 27.54442 21.95072

Dệt len (Woolen textiles) 33.32141 20.25902

.àƯớ àlượ gà àtha àsốà ủaà àh h

ìửàdụ gàphươ gàph pà hàphươ gà hỏà hấtàth gàthườ gà

(O di a àLeastàì ua es àvớiàsựàhỗàt ợà ủaà àphầ à ề ,àthuàààà đượ àkếtà uảàướ àlượ g:

CONS = 6375,008 + 0,680.GNP

Ướ àlượ gà tiêu dù g tối thiểu) a = 6375,008

Ướ àlượ gà u hướ g tiêu dùng biên) b = 0,68

Xuàhướ gàtiêuàdù gà iê à ủaà ề àki hàtếàViệtàNa àt o gàgiaiàđoạ à

àđế à àl à MPC (Marginal Propensity to Consume) = , àHệàsốà à hoà iếtàGNPàtă gà à gh àtỷààth àtiêuàdù gàd à ưàVNàtă gà , à gh àtỷàv à gượ àlạià điềuàkiệ à à ếuàtốà

kh àkh gàđổi àà

5 PHƯƠNGàPHãPàLUẬN

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

5.6 Đ h giá kết uả ướ lượ g

- Mô hình đượ lựa họ đ thích hợp hưa? Dạ g hàm tu ế tính đượ sử dụ g có thích hợp không? Kiể đị h và điều hỉ h mô hình

- Kết uả ướ lượ g phù hợp hay không phù hợp với lý thu ết kinh tế? Kiể đị h giả thu ết về hành vi tiêu dùng ủa gười dân VN

Three golden rules of econometrics are test, test and test

5.7 Dự báo và đề uất chính sách

- Dự báo hành vi tiêu dùng ủa gười dân VN khi có thông tin ủa GNP

- Nhân tử thu hập (income multiplier)

cho iết khi đầu tư 1 nghìn tỷ có thể đạt đượ ứ thu hập là 3,125 nghìn tỷ

- ìử dụ g iế tiêu dùng để điều khiể phát t iể kinh tế: kích ầu tiêu dùng trong ướ lên 10 nghìn tỷ, ta có thể đạt đượ GNP = 5329,3658 tỷ

125,

31

68,0

008,6375

0 0

Lý thuyết hoặc giả thuyết kinh tế

Lập mô hình kinh tế l ợng

Thu thập số liệu

ớc l ợng tham số Kiểm định giả thuyết

Giải thích kết quả Xây dựng lại mô hình

Dự báo Quyết định chính sách

Lập mô hình toán kinh tế

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

ìố liệu dùng cho mô hình kinh tế lượ g

- Khái iệ

- Đặ điể

- Phân loại:

 ìố liệu thời gian (Time series data)

 ìố liệu không gian, số liệu chéo (Cross section data)

 ìố liệu hỗ hợp (Panel data)

- Nguồ số liệu

- Thang đo ủa các iế (Ratio Scale, Interval Scale, Ordinal Scale,

Nominal Scale)

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

6 CẤUàTRÚCàCHƯƠNGàTRÌNHàHỌC

Mở đầu (2t)

Chươ g 1 – Mô hình hồi quy 2 iế – Khái iệ (4t)

Chươ g 2 – Mô hình hồi quy 2 iế – Ướ lượ g và kiể đị h (8t) Chươ g 3 – Mô hình hồi quy ội (8t) - Kiể tra (1t)

Chươ g 4 – Hồi quy với iế đị h tính (4t) – Bài tập (2t)

Chươ g 5 – Đa ộ g tu ế (4t)

Chươ g 6 – Phươ g sai sai số thay đổi (4t)

Chươ g 7 – Tự tươ g quan (4t) – Kiể tra (1t)

Chươ g 8 – Sai lầ hỉ đị h dạ g hàm hồi quy (2t) – Bài tập (2t)

1 uổi thự hành MFIT 4.1 tại phòng máy

Mở đầu – GIỚIàTHIỆUàMÔNàHỌC

1 Các khái iệ ơ ả

2 “ố liệu dùng cho phân tích hồi qui

3 Mô hình hồi qui tổ g thể

4 Mô hình hồi qui ẫu

Chươ g I – Hồi qui đơ

Khái iệ ơ ả

Chươ g I – Hồi qui đơ

Khái iệ ơ ả

1 Các khái iệ ơ ả

- Biế àki hàtếà- àhộiàà Social – Economic variable)

- Biế àphụàthuộ à Dependent variable) Y, Y i , Y t

- Biế àđộ àlậpà– iế àgiảiàth hà Explanatory variable) X, X i , X t , X1 i ,

- Phân tích hồi qui (Regression Analysis)

• Ướ lượ g (Estimate)  đ h giá tác độ g

• Kiể đị h (Test)  kiể tra các lý thu ết kinh tế

• Dự báo (Forecast - Predict)  giá t ị ủa iế phụ thuộ

Ví dụ minh họa ( guồ : điều tra cá nhân – t iệu/hộ/tháng)

- Ướ lượ g: E(C/Y =3,5) = 2,9

E(C/Y =4,0) = 3,3375 …

và C= a + b.Y + u ới hệ số b =0,504323

- Kiể đị h : hệ số tiêu dùng biên ướ lượ g đượ từ mô hình > 0 và

< 1 hư lý thu ết ủa J.M Keynes hay không? Mô hình đ thích hợp hưa? Kiể đị h và điều hỉ h

- Dự báo : điều hỉ h ứ thu hập tă g lên 1 t iệu, chi tiêu ủa hộ

gia đ h thay đổi hư thế nào? Nếu ứ thu hập là 8,5

t iệu/hộ/tháng thì tiêu dùng ủa hộ gia đ h ằ trong khoả g nào

1 Một số khái iệ ơ ả

Chươ g I – Hồi qui đơ

Khái iệ ơ ả

(*) Tổ g thể (Population)

(*) Hàm hồi qui tổ g thể (Population regression function)

Hàm hồi qui tổ g thể (Population regression function)

 2

1 Một số khái iệ ơ ả

Chươ g I – Hồi qui đơ

Khái iệ ơ ả

- Sai số gẫu nhiên, u – đại diệ cho các ếu tố ngoài iế độ lập X,

ũ g có ả h hưở g đế Y

Nguyên nhân tồ tại ủa u trong mô hình hồi quy

(i) Lý thu ết ơ hồ

(ii) Biế không đị h lượ g đượ hoặ không có số liệu

(iii) Biế đại diệ kém hất lượ g

(iv) Xác đị h sai dạ g hàm …

- Các hệ số hồi quy và thể hiệ ối quan hệ tác độ g ủa X

tới Y khi ếu tố gẫu nhiên U không thay đổi

2 “ốàliệuàdù gà hoàph àt hàhồià ui:

- Khái iệ

- Đặ điể

- Phân loại:

 “ố liệu thời gian (Time series data)

 “ố liệu không gian, số liệu chéo (Cross section data)

 “ố liệu hỗ hợp (Panel data)

- Nguồ số liệu

- Thang đo ủa các iế (Ratio Scale, Interval Scale, Ordinal Scale,

Nominal Scale)

Chươ gàIà– Hồià uiàđơ àààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààà

Kh ià iệ à ơà ả

3 M àh hàhồià uiàtổ gàthểà PRM

3.1 Tổ g thể (Population)

3.2 Mô hình hồi qui tổ g thể (P opulation r egression m odel)

Hàm hồi qui tổ g thể (P opulation r egression f unction)

PRF: E(Y/X i ) = f(X i ) PRM: Y i = f(X i) + ui

Dạ g hồi qui tu ế tính (linear regression):

LPRF: E(Y/X i ) = β 1 + β 2 X i LPRM: Y i = β 1 + β 2 X i + ui

Chươ gàIà– Hồià uiàđơ àààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààà

Kh ià iệ à ơà ả

(*) Ý ghĩa các hệ sốàhồià u à

là hệ số hặ (intercept term)

= E(Y/X= 0): trung bình ủa iế phụ thuộ khi iế

độ lập ằ g 0

là hệ số góc hay đượ gọi là độ dố ủa hồi qui (slope coefficient)

= Yx ’ààààààààààààààààkhi X tă g 1 đơ ị thì Y tă g đơ ị

và gượ lại ( ếu tố khác không đổi)

3 Mô hình hồi quy tổ g thể

Chươ g I – Hồi qui đơ

Khái iệ ơ ả

4 M àh hàhồià uià ẫuà “RM

Vớiààààààààààààààààl àgi àt ịàướ àlượ gà ủaàE Y/X i) (fitted value)

l àthố gàkêàướ àlượ gà ủaàβ 1

l àthố gàkêàướ àlượ gà ủaàβ 2

l àh hàả hà ủaàU i phầ àdưà- residual)

Chươ gàIà– Hồià uiàđơ àààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààà

Kh ià iệ à ơà ả

i i

i

i i

e X

Y SRM

X Y

2 1

ˆ

ˆ :

ˆ ˆ

ˆ :

4 M àh hàhồià uià ẫuà “RM

Xuất hiệ 2 ấ đề ầ giải u ết:

- Với các thông tin ủa ẫu  tiế hành ướ lượ g các tham số

ủa ẫu hư thế nào?

- Các ướ lượ g có thể sử dụ g để suy ra thông tin cho tham số ủa

tổ g thể hay không?

The eàa eàt oàthi gsà ouàa eà ette àofà otà at hi gài àtheà

aki g:àsausagesàa dàe o o et i àesti ates

- Leamer -

Chươ gàIà– Hồià uiàđơ àààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààà

Kh ià iệ à ơà ả

Thank for your attention

Q&A

Chươ gàIIà– Hồià uiàđơ àààààààà

1 Ướ àlượ gàìRF

2 C àgiảàthiếtà ơà ả à ủaàphươ gàph pàOLì

3 Độà h hà à ủaà àướ àlượ gà

4 Ph àt hàhồià ui

5 Kiể àđị hàsựàph àhợpà ủaàh àhồià ui

6 B o o OLS ủa ph̀n ̀m EVIEWS

7 Dựà oà

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

1 Ướ àlượ gàìRF

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

1 Ướ àlượ gàìRF

.àPhươ gàph pà hàphươ gà hỏà hấtà O di a àLeastàì ua es

Ti uà huẩ àướ àlượ gàphươ gàph pàOLì:

(Residual Sum of Squares)

i

Y SRF : ˆ   ˆ 1   ˆ 2 

i i

Y SRM :   ˆ 1   ˆ 2  

 n e i 

1

2

min

Đìuàkiệ àđểà iểuàthứ àt àđạtà ự àt ị:

Hệàphươ gàt hà huẩ à ủaàphươ gàph pàOLì

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

1

2

min )

ˆ

ˆ

0 )

1 (

) ˆ

ˆ (

( )

ˆ

ˆ (

2 2

Vớiàsốàliệuà ẫu,àtaà àđị hàđượ à àướ àlượ gàđiể :

Đ̣t iến:

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

i

n

i

i i

i

X X

n

X Y

X Y n

1

2 1

ˆ



X X

xi  i 

Y Y

x

y x

1

2

1 2

ˆ



Ch ơng II – Hồi qui đơn

ớc l ợng và kiểm định giả thuyết

2494067 ,

1 ˆ

7418355 ,

2 ˆ

2 1

Ch ơng II – Hồi qui đơn

ớc l ợng và kiểm định giả thuyết

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

2 C àgiảàthiếtà ássu ptio s à ơà ả à ủaàphươ gàph pà

OLS

C àààààààđạiàdiệ à hoàβ ̀ àl à àBLUEà estàli ea àu iasedà

estimator)

- Ướ àlượ gàtu ế àt h

- Ướ àlượ gàkhô gà hệ h

- Ướ àlượ gàhiệuà uảà ́àphươ gàsaià hỏà

hấtàt o gàlớpà àướ àlượ gàtu ế àt hà không hệ h

C àướ àlượ gàààààààààààl àBLUEàààààààààC àgiảàthiếtàOLìàthỏaà ˆ 

 ˆ

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

- C àgiảàthiếtà ́àýà ghĩaàthự àtế

T o gà à ộàsốàliệuàhồià uià ́àthểàthỏaà àhọ àkhô g,à uaàđ́à

ả hàhưở gàđế à hấtàlượ gàhồià ui

2 C àgiảàthiếtà ássu ptio s à ơà ả à ủaàphươ gàph pà

OLS

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

3 Độà h hà à ủaà àướ àlượ gà

ˆ (

2

X

)

ˆ var(

)

ˆ ( D 1  1

)

ˆ (

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

3 Độà h hà à ủaà àướ àlượ gà

0 )

ˆ (

6811 ,

0 )

ˆ (

9746993 ,

2 2

9

822895 ,

20 2

ˆ

822895 ,

20

2 1

9

1

2 2

9

1 2

E S

n e

e

i

i i

i

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

3 Độà h hà à ủaà àướ àlượ gà

.àĐộà h hà à độàph àhợp à ủaàìRF:à

TSS = ESS + RSS

To à ộàsựà iế àđộ gà=àààìựà iế àđộ gàààà+ààààìựà iế àđộ g

ủaà iế àYààààààààààààààààààààà ủaà iế àYààààààààààààààà ủaà iế àY

doàìRFàgiảiàth hààààààdoàe i giảiàth h

1 1

0

)

ˆ ( )

(

2

2 2

ESS R

e Y

Y Y

n

i

i

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

R 2 (R- s ua ed :àhệàsốà àđị hà ủaà ôàh h

Ýà ghĩa:àHệàsốàR 2 hoà iếtàXà họ àh àhồià uià ẫuàìRF àgiảiàth hàđượ à

aoà hi uà%àsựà iế àđộ gà ủaàY

3 Độà h hà à ủaà àướ àlượ gà

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

4 Ph àt hàhồià ui

Tha àsốàtổ gàthể

β 1 , β 2 và σ 2

Tha àsốàv à à thô gàti àkh à ủaà ẫu

:àsốà ua às t k:àsốàhệàsốàhồià ui Dựaàt àgiảàthiếtà à

X àdự gàthố gàk :

2 2

1 2

1 ˆ . ( ˆ ) . ( ˆ ) ˆ

  S E S E 

)2(

~)

ˆ(.ˆ

)1,0(

~)

ˆ(

ˆ

))

ˆvar(

,(

~ˆ

))

ˆvar(

,(

~ˆ

2 2

2

1 1

S T

N D

S T

N N

j

j j

j

j j

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

* 0

:

:

j j

j j

ˆ *

j

j j

E S

T

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

* 0

:

:

j j

j j

ˆ *

j

j j

E S

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

* 0

:

:

j j

j j

ˆ *

j

j j

E S

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

V àdụà :ààYà– ă gàsuấtà tạ/ha ,àXà– lượ gàph à ́ à tạ/ha

Ordinary Least Squares Estimation Dependent variable is Y

10 observations used for estimation from 1 to 10

Regressor Coefficient Std Error

X 1.659722 0.101321 INPT 27.12500 1.979265

? àC àhệàsốà ́àýà ghĩaàthố gàk àha àkhô g

? àKhô gà ́àph à ́ ,à ă gàsuấtà=à àtạ/ha

? àLượ gàph à ́ à ́àt àđộ gàđế à ă gàsuấtà àt ồ gàha àkhô g

? àPh à ́ àtă gà àtạ/haàth à ă gàsuấtàtă gàhơ à àtạ/ha

Chươ gàIIà– Hồià uiàđơ àààààààààà

Ướ àlượ gàv àkiể àđị hàgiảàthu ết

V àdụ:ààYà– tổ gàvố àđ̀uàtưà tỉàđồ g ,àXà– l iàsuấtàNHà %/ ă

Ordinary Least Squares Estimation Dependent variable is Y

10 observations used for estimation from 1 to 10

Regressor Coefficient Std Error

X -9.820896 0.895522 INPT 94.55224 5.277127

? àL iàsuấtà ́àthự àsựàả hàhưở gàđế àtổ gàvố àđ̀uàtưàkhô g

? àL iàsuấtàtă gàl àtổ gàvố àđ̀uàtưàgiả

? àL iàsuấtàgiả à %àth àvố àđ̀uàtưàtă gà9àtỷ.àNhậ à tà

? àL iàsuấtàtă gà , à%àth àtổ gàvố àđ̀uàtưàsẽàgiả àhơ à àtỷ.àNhậ à tàýà

kiế à