TỔNG HỢP KIẾN THỨC KINH TẾ LƯỢNG

Đây là tổng hợp lại những gì cần nắm trong Kinh tế lượng, một môn mà làm hầu hết sinh viên đại học ngao ngán mỗi khi nhắc đến. Nhưng với file tổng hợp kiến thức kinh tế lượng này sẽ giúp các em sinh viên dễ dàng tiếp cận được và có thể hệ thống lại kiến thức nhanh nhất qua các câu chữ dễ hiểu, đậm chất sinh viên.

NHỮNG ĐIỀU CẦN NẮM VỀ KINH TẾ LƯỢNG

CH

1. Equation = Model

2 Mô hình và phương trình-> Kết quả ra được là con số

ĐỊnh nghĩa: kinh tế lượng ứng dụng các phương pháp thống kê và toán học để phân tích số liệu kinh tế, với mục đích là đưa ra nội dung thực nghiệm cho các lí thuyết kinh tế và nhằm để xác nhận hoặc bác bỏ nó.

Ứng dụng: dự báo các thay đổi kinh tế vĩ mô như :+ lãi suất, tỉ lệ lạm phát, GDP,…

+ Các mô hình kinh tế vi mô: hệ số co giãn của cầu, hàm sản xuất,

DIỄN GIẢI

 Cung cấp thông tin cách

đo lường của từng biến trong mô hình ( cho biết cách đo lường từng biến bằng cách nào, như thế nào?)

 Quyết định 50% tính

TÁC GIẢ KÌ VỌNG Cho biết chiều

tác động của biến độc lập lên biến phụ thuộc.

 Những giá trị

đó có thể là “ +” hoặc “-“

Biến phụ thuộcđể vị trí dễ

nhìnở đầu hoặc ở cuối. VÍ DỤ:chính xác của đề tài

9 biến  Tối thiểu 9 câu hỏi Tối đa Không xác định được

Lưu ý:

1 Có những biến không cần phải hỏi,nhưng có những biến hỏi 2, 3 câu mới có thông tin

2 Chú ý đơn vị tính:

1 công chạy từ 1200m 2 , có công lớn, công nhỏ.

1000-Cần lưu ý kĩ đơn vị ví dụ:

đv là 1000m2 nếu 10000m2 thì nhập vô số 10.

(thuận chiều hay nghịch chiều)

CHÚ Ý KHI LẬP BẢNG DIỄN GIẢI

1 Kiểm tra các biến ở BDG >< các câu hỏi ở Bảng Câu Hỏi

2 Kiểm tra các mã hóa ở BDG >< giá trị ghi nhận tại BCH

3 Cách đặt câu hỏi: chủ thể, đơn vị tính,

Bước 2: THIẾT LẬP MÔ HÌNH

Thiết lập mô hình kinh tế lượng để mô tả mối quan hệ giữa các biến kinh tế.

Ví dụ :  Mô hình dạng Lin-Lin( Level-Level) : Là hệ số chặn (hệ số tự do) u: trong tổng thể, còn e:

trong mẫu

: hệ số góc

Ngoài ra:

“ , gọi là tham số

Y, X gọi là biến số “

LnY=  Mô hình dạng Log-Log

Có 7 dạng mô hình (nhưng sau đây là các dạng thường gặp)

 Mô hình dạng Level- Level

Tất cả các biến độc lập và phụ thuộc đều có đơn vị tự nhiện

VD: Sản lượng đơn vị là : kg, g,….

Kinh nghiệm đơn vị là :năm , tháng,

-Nếu biến độc lập thay đổi 1 đơn vị thì biến phụ thuộc thay đổi beta đơn vị.

VD: Khi kinh nghiệm tang 1 năm thì biến sản lượng thay đổi beta1

 Mô hình dạng Log-Log

Tất cả các biến số có đơn vị là %

VD: Khi kinh nghiệm tăng 1% thì biến sản lượng thay đổi beta1 %

 Mô hình dạng Log-Level

+ Biến phụ thuộc có đơn vị là %

+ Biến độc lập có đơn vị tự nhiên

VD: Kinh nghiệm tăng 1 năm thì sản lượng thay đổi beta1* 100% (%)

 Mô hình Level- Log

+ Biến phụ thuộc có đơn vị tự nhiên

+ Biến độc lập có đơn vị là %

VD: Khi kinh nghiệm tăng 1% thì sản lượng sẽ thay đổi beta1/100 ( đơn vị kg )

Bước 3: THU NHẬP SỐ LIỆU.

2 LOẠI số liệu sơ cấp và thứ cấp

Phạm vi Không gian

Bước 4 : ƯỚC LƯỢNG MÔ HÌNH

Sử dụng phương pháp bình phương bé nhất ( Ordinary Least quares )

Bước 5: KIỂM ĐỊNH GIẢ THUYẾT

Bước 6: DIỄN GIẢI KẾT QUẢ

Bưóc 7 : DỰ BÁO VÀ PHÂN TÍCH CHÍNH SÁCH

CHƯƠNG 2 Phân Tích Mô Hình Hồi Quy Đa Biến

 Khái niệm

 Mô hình hồi quy hai biến

 Phương pháp bình phương nhỏ nhất

 Mô hình hồi quy đa biến

 Các giả định của mô hình hồi quy đa biến

 Độ chính xác & sai số chuẩn của ước lượng

 Kiểm định giả thuyết mô hình

 Ví dụ

1. Khái niệm

Phân tích hồi quy đề cập đến việc nghiên cứu sự phụ

thuộc của 1 biến số ( biến phụ thuộc) vào nhiều biến số khác ( biến độc lập) , với ý nghĩa ước lượng và/ hoặc dự đoán dự đoán giá trị trung bình ( tổng thể) của biến phụ thuộc dựa trên những giá trị đã biết hay cố định của biến độc lập

Trong 1 phương trình=

Trong 1 mô hình

Equation= Model

- Biến phụ thuộc: tối

đa= tối thiểu= 1

- Biến độc lập: có 1 hoặc

nhiều hơn 1

Để biết bao nhiêu biến độc

lập thì dựa vào lí thuyết &

Các biến độc lập trong các

phương trình là tùy

+ Có thể khác nhau hoàn toàn

+ Có thể giống nhau + Có thể kết hợp cả 2

(Thông thường là giống nhau)

Khi phân tích hồi quy, tất cả các giá trị phải ở dạng giá trị trung bình

Không nói, mặc định alpha= 5%

Có các loại biến sau :

1. Biến phụ thuộc

2. Biến độc lập

3. Biến điều khiển

4. Các yếu tố khác là các biến độc lập còn lại trong mô hình

Một số thuật ngữ trong MHHQ

Biến phụ thuộc Biến độc lập

Biến được giải thích

Biến phản ứng

Biến được dự đoán

Biến được hồi quy

Biến giải thíchBiến kiểm soátBiến dự đoánBiến hồi quy

2. Mô hình hồi quy hai biến (Mô hình hồi quy đơn biến)

2.1 Đo lường mối quan hệ giữa hai biến đó: +

Hiệp phương sai ( Covariance)

Đặc điểm: a) Ước lượng hiệp phương sai

………

b) Tính không chệch

c) Tính đồng nhất

Lưu ý: +  giá trị trung bình được tính từ “ MẪU”

+  Giá trị trung bình được tính từ “ TỔNG THỂ”

Nếu yêu cầu nêu quan hệ giữa 2 biến thì cung cấp thông tin gì?

 CUng cấp 2 chỉ tiêu đo lường đó là + Hiệp phương sai

• Phân tích hồi quy  tìm mối quan hệ chứ không tìm X, Y

Mô hình hồi quy tổng thể (PRF)

Trong đó : : hệ số tự do, cho biết giá trị trung bình của biến phụ thuộc Y

sẽ thay đổi như thế nào khi biến X nhận giá trị 0

: hệ số góc, cho biết giá trị trung bình của biến phụ thuộc Y sẽ thay đổi như thế nào ( tăng hay giảm) bao nhiêu đơn vị khi giá trị của biến độc lập X tăng 1 đơn vị với điều kiện các yếu tố khác không thay đổi

Hàm hồi quy mẫu (SRF)

e i là ước lượng điểm của u i và được gọi là phần dư 2 sai số ngẫu nhiên

Note:

: Giá trị dự báo của mô hình

Y: giá trị thực tế

Sai số: e i =

Y-ƯỚC LƯỢNG BÌNH PHƯƠNG NHỎ NHẤT(OLS)

Lí do: Chọn phương pháp này để: + triệt dấu

+ Giải bài toán cực trị

- Phương pháp hồi quy duy nhất sử dụng trong bậc đại học

1. ĐỊnh nghĩa: Ước lượng các thông số của mô hình hồi quy tuyến

tính đa biến

2. Phương pháp:

Giáo trình

3. Giả thuyết

GT1: Biến( các biến) giải thích là phi ngẫu nhiên

, : là duy nhất ứng với n cặp quan sát

Nghĩa là chạy 1000 số liệu nhưng 2 số này vẫn như nhau Gọi là duy nhất

, : là ước lượng điểm của và là các đại lượng ngẫu nhiên

MÔ HÌNH HỒI QUY BỘI ( ĐA BIẾN)

 Có 2 biến độc lập trở lên so với mô hình hồi quy đơn biến

Mô hình:

GIẢ ĐỊNH CỦA MÔ HÌNH HỒI QUY ĐA BIẾN

Gỉa định 1: Tuyến tinh các tham số hồi quy (linear in parameters)

( Tham số hồi quy là các beta, còn biến X là biến số)

Giả định 2: Các giá trị mẫu của Xj được ước lượng đúng, không có sai số(random sampling): giá trị các biến giải thích là các số đã được xác

Giả định 5: Các sai số ui có phương sai bằng nhau ở tất cả các giá trị của

Xi

Var(ui/Xi)=

Giả định 6: Các sai số u từng cặp độc lập với nhau

Giả định 7: Vecto sai số u theo phân phối chuẩn nhiều chiều

(normality)

Giả định 8: Không có biến độc lập nào là hằng số, và không tồn tại các mối liên hệ tuyến tính hoàn toàn chính xác của các biến độc lập ( no perfect multicollinearity)

Còn nữa

Chương 6: H ồi quy với biến giả

Trong phân tích hồi quy có 2 loại biến: biến định tính và biến định lượng.

+ BIến định tính: là những biến kinh tế xã hội không có giá trị đo lường cụ thể bằng số, không lượng hóa qua các đại lượng đo lường thông thường được  Biến này không có đơn vị.

Những biến định tính này cũng có ảnh hưởng đối với biến phụ thuộc và phải được đưa vào mô hình hồi quy Trong phân tích hồi quy, người ta gọi là “BIẾN GIẢ” (DUMMY VARIABLES)

VD: biến giới tính, trình độ học vấn, màu sắc yêu thích,…

+ Biến định lượng: giá trị của những quan sát đó là những con số.

Một biến định tính có ít nhất 2 thuộc tính khách nhau Một cá thể có một và chỉ một trong các thuộc tính đó Do đó, có thể phân chia tổng thể thành những phần, gọi là trạng thái, tương ứng với những thuộc tính của biến định tính

Biến giả (D) thường có 2 giá trị:

D=1: nếu quan sát có một thuộc tính nào đó.

D=0: nếu không có thuộc tính.

3 Các thuộc tính là giá trị của biến định tính.

4 Trường hợp có nhiều hơn 2 phạm trù, thì ta thêm biến giả vô với N-1 biến giả VD: 3 phạm trù, thì N-1=2 biến giả.

5 Đây là mô hình hồi quy đơn biến vì nó chỉ có một biến mà thôi, nhưng nhiều thuộc tính.

6 Phạm trù được gán giá trị không được coi là phạm trù cơ sở, phạm trù được gọi là cơ sở theo nghĩa việc so sánh được tiến hành với phạm trù này.

HỒI QUY VỚI 1 BIẾN ĐỊNH LƯỢNG VÀ 1 BIẾN ĐỊNH TÍNH.

VD trong giáo trình

SỬ DỤNG BIẾN GIẢ TRONG PHÂN TÍCH MÙA

VD trong giáo trình

BIẾN PHỤ THUỘC LÀ BIẾN GIẢ

Khi biến phụ thuộc là biến giả, chúng ta muốn tìm xác suất mà một sự kiện nào đó xảy ra nên đgl mô hình xác suất.

Chương 3: PhƯƠNG SAI SAI S Ố THAY

ĐỔI

(HETEROSCEDASTICITY)

- Từ chương 3 trở về sau học các hiện tượng sai sót, lỗi có thể xảy

ra trong phương trình hồi quy

Nội dung chương này :

1. Bản chất hiện tượng phương sai sai số thay đổi

Lưu ý:

+ Phương sai là gì ? Phương sai của một biến cho biết mật độ phân tán

của biến đó so với( cách) giá trị kì vọng bao xa

+ Phương sai sai số là gì? Phương sai sai số cho biết giá trị của nó như

thế nào so với giá trị trung bình( giá trị kì vọng)

+ Phương sai sai số thay đổi xuất hiện khi Phân tán thay đổi, chênh

lệch qua từng quan sát ( ei=Yi-)

Khi nhìn hình vẽ:

Ta có kì vọng chính là đường hồi quy, giá trị của đường hồi quy ở dạng trung bình nên kì vọng cũng chính là giá trị trung bình

2. Nguyên nhân của hiện tượng PSSS thay đổi.

Có 5 nguyên nhân: ( ngoài 5 nguyên nhân này ra, còn nhiều nguyên

nhân khác, nhưng đây là 5 nguyên nhân điển hình nhất thường xảy ra)

+ Theo các mô hình học tập- sai lầm, khi mọi người học hỏi, các sai lầm

về hành vi của họ ngày càng nhỏ đi theo thời gian Trường hợp này, được dự kiến là sẽ giảm dần

( Khi người học trau dồi kiến thức, thì các sai lầm của họ sẽ giảm dần )

+ Do bản chất các mối quan hệ kinh tế  Đây là nguyên nhân khách

quan

Ví dụ : chi tiêu và thu nhập

+ Do kỹ thuật thu nhập số liệu được cải tiến làm cho ngày càng giảm

( Nguyên nhân này tương tự như nguyên nhân đầu tiên, nhưng với nguyên nhân 1 thì sai lầm tương ứng cho cả quá trình làm việc, còn ở nguyên nhân này sai lầm tương ứng ở việc thu thập số liệu)

+ Do sự hiện diện của các quan sát dị biệt ( outlier)

Nguyên nhân có outlier?  Vì nó không đáp ứng được nhu

cầu sau đây:

Làm sao để xác định được outlier?

Dựa vào giá trị của quan sát đó + giá trị đó rất cách biệt so với giá trị trung bình ( giá trị kì vọng)

+ Do định dạng sai mô hình ( thường gặp đối với số liệu theo không

gian “ cross- section data”)

HẬU QUẢ CỦA PHƯƠNG SAI SAI SỐ THAY ĐỔI

Nếu các giả thuyết khác vẫn đảm bảo thì:

Là 8 giả thuyết trừ cái số 5

1. Ước lượng 0LS vẫn tuyến tính

2. Chúng vẫn là ước lượng không chệch

3. Tuy nhiên, chúng sẽ không còn có phương sai nhỏ nhất nữa, nghĩa

là, chúng sẽ không còn hiệu quả nữa.

4. Công thức thông thường để ước lượng phương sai của ước lượng OLS, nhìn chung, sẽ chệch

5. Theo đó, các khoảng tin cậy và kiểm định giả thuyết thông

thường dựa trên phân phối t và F sẽ không còn đáng tin cậy nữa.

Do vậy, nếu chúng ta áp dụng các kỹ thuật kiểm định giả thuyết thông thường sẽ cho ra kết quả sai

PHƯƠNG PHÁP PHÁT HIỆN PSSS THAY ĐỔI.

Có 7 phương pháp nhưng chỉ học 3 phương pháp

1. Xem xét đồ thị của phần dư

2. Kiểm định Breusch- Pagan

3. Kiểm định White

Xem xét đồ thị của phần dư

Câu nói thích hợp cho 3 câu nói trên:

Ước lượng OLS không còn là BLUE

Từ chúng ở đây là ước lượng OLS

BLUE: + Tuyến tính + Không chệch + Phương sai nhỏ nhất

Khi xem xét đồ thị của sai số, chúng ta nhận biết nó có phải là đồ thị sai

số hay không? Dựa vào độ phân tán của các chấm trong đồ thị, độ phântán là độ dày, thưa chứ không phải là sự đồng đều của các chấm

Lưu ý: Không được khẳng định chắc chắn đồ thị đó là có phương sai sai

số thay đổi vì nó định tính  Mà nói rằng: Mô hình có thể có phương saisai số thay đổi

Định lượng, có số rõ rang  Được phép kết luận 1 cách chắc chắn

Đồ thị của sai số ( tài liệu/5 )

- Giá trị nằm ở trục tung là ước lượng của sai số bình phương

- Trục hoành là ước lượng của biến phụ thuộc

Các bước thực hiện trong stata:

VẼ ĐỒ THỊ PHẦN DƯ

1. Phải khai báo giá trị cho trục tung và trục hoành: trục hoành là ước lượng của biến phụ thuộc và trục tung là ước lượng của

phương sai sai số bình phươnng

 Predict “tên biến muốn đặt để lưu giá trị ước lượng của biếnphụ thuộc”

 Predict “ tên biến muốn đặt để lưu ước lượng của phương sai sai số”,res

Fitted values: giá trị ước lượng

2. Tạo them biến mới cho giá trị ước lượng bình phương với cú

pháp:

Gen tên biến mới muốn đặt= cú pháp tạo nên biến mới đó

Ví dụ: gen a=ulss*ulss

Có thể gõ lệnh: twoway (scatter trục tung trục hoành)

 Mô hình có thể có PSSS thay đổi

KIỂM ĐỊNH BREUSCH-PAGAN

Các bước kiểm định: xem trong giáo trình/ trang 11

Các bước thực hiện trong Stata:

1. Chạy hồi quy Để thu được phần dư e1,e2,…

Các bước kiểm định: xem trong giáo trình/ trang 12

Các bước thực hiện trong stata:

1. Chạy hồi quy để thu phần dư ei

Bên cạnh các phương pháp kiểm định xem có PSSS thay đổi hay không, ta có các

cách khắc phục sau:

Có nhiều phương pháp khắc phục nhưng có 3 phương pháp phổ biến:

1. Cách khắc phục thứ nhất

 Lấy căn của biến độc lập.

B1: Lấy căn của 1 biến độc lập

SQRT( tên biến cần lấy căn)

 Gen tên biến mới =sqrt(biến độc lập)

Bấm lệnh gen để lưu giá trị của biến độc lập sau khi lấy căn.

B2: Chia 2 vế cho căn của biến độc lập

- Chia biến phụ thuộc cho căn

Gen Ycan=biến phụ thuộc/cansale

Chia biến độc lập cho căn

Gen Xcan=1/cansale

Sau đó chạy hồi quy

reg Ycan Xcan Cansale, nocons

2. Cách khắc phục 2

Sai số chuẩn điều chỉnh

- Bấm lại lệnh hồi quy mô hình gốc, robust

VD: reg relexp sales, robust

 Tác dụng: nén sai số lại cho sai số đừng biến động

 Hạn chế PSSS thay đổi

3. Cách khắc phục thứ 3

Cansale: căn của biến độc lập Ycan: biến phụ thuộc/ cansale Xcan: 1/cansale

Cũng là cách khắc phục phổ biến nhất: Định dạng lại mô hình.

Định dạng lại mô hình là lấy ln 2 vế của phương trình

Note: bấm lệnh gen để lưu biến mới

2 biến Bấm 2 lần với lệnh ln

Những biến định tính không lấy log

Lấy log nhằm xem độ co giãn của nó

Số âm không lấy log

TỰ TƯƠNG QUAN ( AUTOCORRELATION)

Mô hình hồi quy gốc trong chương này là:

1. Tự tương quan là gì?

Tương quan : là sự tương quan giữa các thành phần của chuỗi các quan sát được

sắp xếp theo thứ tự thời gian (trong các số liệu chuỗi thời gian) hoặc không gian (trong số liệu chéo)

Trong MHCĐ, giả định rằng không có tương quan giữa các sai số ngẫu nhiên

Lưu ý: đây là những thao tác thực hiện trong Stata, lí

thuyết và cách tính cụ thể Vui lòng xem giáo trình.

Mô hình cổ điện giả định rằng sai số ứng với quan sát nào không bị ảnh hưởng bởi sai số ứng với quan sát khác

Tuy nhiên, trong thực tế có thể xảy ra hiện tượng mà các quan sát lại phụ thuộc

nhau Tự tương quan xảy ra

2. Nguyên nhân của tự tương quan

- Nguyên nhân khách quan:

+ Quán tính: mang tính chu kì Vd: các chuỗi số liệu thời gian về GDP, chỉ số

giá,,…

+ Hiện tượng mạng nhện: phản ứng của cung của nông sản đối với giá thường

có một khoảng trễ về thời gian.

VD: bình thường nông dân trồng và bán một loại nông sản nào đó, mất một

thời gian tương đối dài nên giá của thời điểm mùa trước ảnh hưởng đến cung của thời điểm sau đó

Hiện tượng mạng nhện chỉ xảy ra trong lĩnh vực nông-lâm-ngư nghiệp (KV1) + Độ trễ: ví dụ về thu nhập và tiêu dùng Tiêu dùng ở thời kì hiện tại chẳng

những phụ thuộc vào thu nhập hiện tại mà còn phụ thuộc vào tiêu dùng ở thời

kì trước đó

- Nguyên nhân chủ quan:

+ Sai lệch do lập mô hình: bỏ sót biến, dạng hàm sai.

+ Hiệu chỉnh số liệu: do việc làm “trơn” số liệu loại bỏ những số liệu gai góc.

Ví dụ: trong hồi quy chuỗi thời gian gắn với các số liệu quý, các số liệu này

thường được suy ra từ các số liệu tháng bằng cách cộng 3 quan sát rồi chia cho

3 Việc lấy trung bình này làm trơn số liệu và làm giảm sự giao động trong số liệu tháng  Dẫn đến sai số có hệ thống trong các sai số ngẫu nhiên và gây ra

sự tự tương quan.

Hậu quả của việc sử dụng OLS khi có tự tương quan: