BÀI 1 gửi TIẾT KIỆM

Các biến trong mô hình : QDPASSt = Tổng lượng tiền tiết kiệm gửi giữ trong các tài khoản sổ tiết kiệm trong S&Ls ở Mỹ trong quý t triệu đô la QYDUSt = Thu nhập sau thuế của Mỹ trong quý

KHOA KINH TẾ QUỐC TẾ

BÀI TẬP KINH TẾ LƯỢNG

Giảng viên hướng dẫn: ThS.Đặng Thái Long

Lớp KTE309.5 Nhóm thực hiện bao gồm:

Mục lục

Trang

BÀI 1 :G I TI T KI M Ử Ế Ệ

I) Dự đoán

1 Các biến trong mô hình :

QDPASSt = Tổng lượng tiền tiết kiệm gửi giữ trong các tài khoản sổ tiết kiệm trong S&Ls ở Mỹ trong quý t (triệu đô la)

QYDUSt = Thu nhập sau thuế của Mỹ trong quý t (triệu đô la danh nghĩa)

QYPERMt = Thu nhập cố định của Mỹ trong quý t (triệu đô la)

QRDPASSt = Tỉ suất lợi tức trung bình(tính bằng phần trăm) trong tài khoản sổ tiết kiệm của S&Ls trong quý t.

QRTB3Yt = Lãi suất tín phiếu kho bạc ba tháng trong quý t

MMCDUMt = Một biến giả bằng 0 trước sự hợp pháp hoá của thị trường tiền tệ vào quý ba năm 1978 và bằng 1 sau khi hợp pháp hóa

EXPINFt = Tỷ lệ phần trăm lạm phát dự kiến trong quý t (tương đương với tỷ lệ lạm phát của quý trước)

BRANCHt = Số lượng chi nhánh S&L hoạt động tại Mỹ trong quý t

do nhu cầu tiết kiệm một phần thu nhập của người gửi

Thu nhập cố định của

Mỹ trong quý t + Thu nhập tăng khuyến khích người dân gửi tiết

kiệm

vì gửi tiết kiệm

Chênh lệch giữa tỷ suất lợi tức trung bình

và lãi suất tín phiếu kho bạc

_

Khi chênh lệch tăng đồng nghĩa với việc tỷ suất lợi tức tăng và rủi ro cao hơn Mọi người thường

sẽ có xu hướng đầu tư an toàn với mức rủi ro thấp hơn là mua tín phiếu kho bạc thay vì gửi tiết kiệm

1 biến giả bằng 0 trước sự hợp pháp hóa của thị trường tiền tệ vào quý 3 năm

1978 và bằng 1 sau đó

_

Sự hợp pháp hóa thị trường tiền tệ sẽ làm phong phú hơn các hình thức đầu tư và lưu chuyển tiền tệ thay vì chỉ gửi tiết kiệm như trước kia

EXPINFt

Tỷ lệ phần trăm lạm phát dự kiến trong

Lạm phát dự kiến tăng kéo theo việc lãi suất danh nghĩa tăng , khuyến khích gửi tiết kiệm

Số chi nhánh S&L hoạt động tại Mỹ

Số chi nhánh tăng tạo điều kiện thuận lợi cho việc giao dịch với khách hàng

3 Tiến hành chọn biến

Ta sẽ tiến hành chạy mô hình với biến SPREAD thay vì 2 biến lãi suất:

QDPASSt = β1 + β2QYDUSt + β3QYPERMt + β4MMCDUMt + β5SPREADt +

Chạy mô hình với các biến QDPASS, QYDUS, QYPERM, MMCDUM,

BRANCH, EXPINF và SPREAD :

Source SS df MS Number of obs = 40

reg qdpass qydus qyperm branch expinf mmcdum spread

Ta thấy rằng hệ số hồi quy của biến EXPINF không có ý nghĩa thống kê nên ta kiểm định bỏ biến EXPINF:

Prob > F = 0.4305

F( 1, 33) = 0.64

( 1) expinf = 0

test expinf

Kết quả thu được cho thấy P-value > mức ý nghĩa 5% chúng ta chấp nhận giả thuyết

Ho, hệ số góc biến EXPINF = 0

Vì thế, ta quyết định bỏ biến EXPINF ra khỏi mô hình Chạy mô hình với biến mới

ta có:

Source SS df MS Number of obs = 40

reg qdpass qydus qyperm branch mmcdum spread

Tuy nhiên, nhận thấy hệ số R-squared vẫn khá cao nên ta nghi ngờ có sự đa cộng tuyến giữa các biến Thật vậy, kiểm tra bằng VIF, ta thấy có sự đa cộng tuyến giữa

2 biến QYDUS và QYPERM:

Source SS df MS Number of obs = 40

reg qdpass qydus branch mmcdum spread

Hệ số hồi quy của BRANCH không có ý nghĩa thống kê nên ta kiểm định bỏ biến BRANCH :

Prob > F = 0.1134

F( 1, 35) = 2.64

( 1) branch = 0

test branch

P-value > mức ý nghĩa 5% nên ta chấp nhận giả thuyết H0, hệ số góc BRANCH =0 Vì vậy

ta bỏ biến BRANCH và có mô hình cuối cùng như sau :

QDPASSt = 29864.83 + 82.57275QYDUSt– 20643.49MMCDUMt +

2794.128SPREADt+ ut

Residual 1.0158e+09 36 28215630.3 R-squared = 0.9343

Model 1.4438e+10 3 4.8125e+09 Prob > F = 0.0000

F( 3, 36) = 170.56

Source SS df MS Number of obs = 40

reg qdpass qydus mmcdum spread

II) Kiểm định mô hình

Theo kết quả ở trên, ta chọn hồi quy số 4

Dependent Variable: QDPASS

Method: Least Squares

Adjusted R-squared 0.929439 S.D dependent var 19005.77

S.E of regression 5287.641 Akaike info criterion 20.07877

Sum squared resid 1.01E+09 Schwarz criterion 20.24766

Durbin-Watson stat 0.676537 Prob(F-statistic) 0.000000

1 Giải thích ý nghĩa các hệ số

• Hệ số chặn β1 =29864.83: khi tất cả các yếu tố tác động bằng 0 thì tổng lượng tiền tiết kiệm bằng 29864.83 Điều này không hợp lý và không

thể xảy ra.

• Hệ số góc β2 = +82.57275: khi thu nhập tăng 1 đơn vị trong điều kiện

các yếu tố khác không đổi về mặt trung bình, tổng lượng tiền tiết kiệm

sẽ tăng +82.57275.

tiền tiết kiệm sẽ giảm – 20643.49 sau khi có sự hợp pháp hoá của thị

trường tiền tệ vào quý thứ ba năm 1978 và sau đó.

• Hệ số góc β4 = +2794.128 : trong điều kiện các nhân tố khác không

đổi, khi chênh lệch giữa lãi suất của tài khoản tiết kiệm và lãi suất 3 tháng tín phiếu kho bạc ở Mỹ SPREAD tăng 1 đơn vị thì tổng số tiền gửi tài khoản tiết kiệm QDPASS tăng trung bình 2794.128 đơn vị.

2 Kiểm định xem xét các vi phạm giả định

Mean VIF 2.26 spread 1.90 0.527286 qydus 2.06 0.486322 mmcdum 2.81 0.355401 Variable VIF 1/VIF vif

VIF = 2.26 < 10 => không có sự đa cộng tuyến

- Phương sai sai số thay đổi

Prob > chi2 = 0.1109

chi2(1) = 2.54

Variables: fitted values of qdpass

Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

hettest

Xét P-value = 0.1109 > α = 0.05

 Phương sai sai số không đổi

Prob > F = 0.6974

F(3, 33) = 0.48

Ho: model has no omitted variables

Ramsey RESET test using powers of the fitted values of qdpass

Với n = 40, k’=4, α =0.05, dL = 1.285, dU = 1.821

d = 0,6812< dL = 1.285

 Bác bỏ H0 => có tự tương quan

3 Khắc phục tự tương quan

gen e = qdpass - yhat

(option xb assumed; fitted values) predict yhat

- Chạy hồi quy et = ρ et-1+vt, ước lượng ρ

Source SS df MS Number of obs = 39

reg e L.e, nocons

- Tạo các biến mới sử dụng ước lượng ρ và lấy độ trễ

(1 missing value generated)

gen qydus1 = qydus - 6865912 * L.qydus

(1 missing value generated)

gen qdpass1 = qdpass - 6865912 * L.qdpass

(1 missing value generated)

gen spread1 = spread - 6865912 * L.spread

Source SS df MS Number of obs = 39

reg qdpass1 qydus1 mmcdum spread1

Durbin-Watson d-statistic( 4, 39) = 1.530689 dwstat

H0: no serial correlation

1 0.769 1 0.3805

lags(p) chi2 df Prob > chi2

Breusch-Godfrey LM test for autocorrelation

bgodfrey

Xét kiểm định bgodfrey:

p-value= 0.3806 chấp nhận giả thiết H0

Mô hình không có tự tương quan.

Các hệ số đều có ý nghĩa (p-value )

Các hệ số ước lượng được vẫn không chệch

Suy diễn thống kê, kiểm định t, F đáng tin cậy.

III) Kết luận

Mô hình tốt nhất là :

QDPASSt = 29864,83 + 82,57275QYDUSt – 20643,49MMCDUMt +

2794,128SPREADt+ ut

BÀI 2 : L ƯỢ NG C U TH T L N Ầ Ị Ợ

I) Dự đoán

1 Các biến trong mô hình

CONPKt : lượng tiêu thụ thịt lợn/ người ở mỹ trong quý t

PRIPKt : giá 1 cân thịt lợn (dollars/100 pounds) trong quý t

PRIBFt : giá 1 cân thịt bò (dollars/100 pounds) trong quý t

YDUSPt : thu nhập bình quân đầu người ở mỹ quý t

LYDUSPt : log của thu nhập

PROPKt : lượng thịt sản xuất ở mỹ quý t

D1t : biến giả (1- quý 1; 0- quý khác)

D2t :biến giả (1- quý 2; 0- quý khác)

D3t:: biến giả (1- quý 3; 0- quý khác)

2 Dấu dự kiến

PRIPKt Giá 1 cân thịt lợn trong

quý t

giá thịt lợn tăng dẫn đến lượng cầu về thịt lợn giảm

người ở Mỹ trong quý t

tiêu thụ thịt lợn sẽ tăng

LYDUSPt Log của thu nhập bình

quân đầu người + Log thu nhập tăng hay thu nhập tăng làm tăng lượng

cầu về thịt lợn

PROPKt Lượng thịt sản xuất ở Mỹ

trong quý t + Lượng cung tăng làm giá thịt giảm và trong ngắn

hạn làm lượng cầu tăng

3 Lựa chọn mô hình

Source SS df MS Number of obs = 40

reg conpk pripk pribf propk ydusp d1 d2 d3

Theo bảng trên, ta nhận thấy có sự tương quan giữa 2 biến CONPK và PROPK

Vì vậy, ta chạy hồi quy phụ của 2 biến trên :

Source SS df MS Number of obs = 40

reg conpk propk

Xét R-squared = 0.9779 tức là có sự đa cộng tuyến giữa 2 biến CONPK và

PROPK nên ta bỏ biến PROPK.

Chạy 2 mô hình với 1 mô hình sử dụng biến YDUSP và 1 mô hình sử dụng biến LYDUSP:

Source SS df MS Number of obs = 40

reg conpk pripk pribf ydusp d1 d2 d3

Source SS df MS Number of obs = 40

reg conpk pripk pribf d1 d2 d3 lydusp

So sánh 2 mô hình :

Note: N=Obs used in calculating BIC; see [R] BIC note

( chạy với YDUSP)

Note: N=Obs used in calculating BIC; see [R] BIC note

Mô hình với biến LYDUSP :

CONPKt=1+2 PRIPKt+3PRIBFt+4LYDUSPt+5D1+6D2+7D3 + ut

Source SS df MS Number of obs = 40

reg conpk pripk pribf d1 d2 d3 lydusp

II) Kiểm định mô hình

Dựa vào kết quả hồi quy, ta thu được mô hình hồi quy như sau :

CONPKt= - PRIPKt+0.0387575PRIBFt+LYDUSPt -D1 - D2 - D3 + ut

1 Ý nghĩa thống kê của các hệ số hồi quy

Qua quan sát ở bảng hồi quy mô hình, ta có thể dễ dàng nhận thấy tất cả các biến đều có P-value <0.05 , vì vậy có thể nói tất cả cá biến cố định ở trên đều có ý nghĩa thống kê.

2 Kiểm định xem xét các khuyết tật

d3 1.52 0.657657 d1 1.54 0.650296 d2 1.57 0.635679 pripk 2.41 0.414079 pribf 6.01 0.166398 lydusp 6.83 0.146363 Variable VIF 1/VIF vif

VIF = 3.31 < 10 => mô hình không có đa cộng tuyến

- Phương sai sai số thay đổi

Prob > chi2 = 0.2349

chi2(1) = 1.41

Variables: fitted values of conpk

Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: model has no omitted variables

Ramsey RESET test using powers of the fitted values of conpk

estat ovtest

P-value = 0.7665 > α = 0.05 => chấp nhận giả thiết H0

 Mô hình không thiếu biến

3 Khắc phục tự tương quan

gen e = conpk - yhat

(option xb assumed; fitted values) predict yhat

- Chạy hồi quy et = p × et-1 + vt, ước lượng ρ

L1 .3963043 .1499026 2.64 0.012 0928423 .6997663

e

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

Total 5.18666711 39 132991464 Root MSE = 33954 Adj R-squared = 0.1331 Residual 4.38088557 38 115286462 R-squared = 0.1554 Model .805781542 1 805781542 Prob > F = 0.0118 F( 1, 38) = 6.99 Source SS df MS Number of obs = 39 reg e L.e, nocons

- Tạo các biến mới sử dụng ước lượng ρ và lấy độ trễ

(1 missing value generated) gen lydusp1 = lydusp - 3963043 * L.lydusp

(1 missing value generated) gen pribf1 = pribf - 3963043 * L.pribf

(1 missing value generated) gen pripk1 = pripk - 3963043 * L.pripk

(1 missing value generated) gen conpk1 = conpk - 3963043 * L.conpk

_cons 9.718432 .6607433 14.71 0.000 8.372542 11.06432 d3 -1.469273 .1682973 -8.73 0.000 -1.812084 -1.126463 d2 -1.866452 .172242 -10.84 0.000 -2.217298 -1.515607 d1 -1.5335 .1713929 -8.95 0.000 -1.882616 -1.184385 lydusp1 2.235985 .8857754 2.52 0.017 4317194 4.04025 pribf1 0383652 .0053935 7.11 0.000 0273789 .0493514 pripk1 -.0782956 .0069686 -11.24 0.000 -.0924902 -.0641011 conpk1 Coef Std Err t P>|t| [95% Conf Interval]

Total 54.2998605 38 1.4289437 Root MSE = 36899 Adj R-squared = 0.9047 Residual 4.35683306 32 136151033 R-squared = 0.9198 Model 49.9430274 6 8.3238379 Prob > F = 0.0000 F( 6, 32) = 61.14 Source SS df MS Number of obs = 39 reg conpk1 pripk1 pribf1 lydusp1 d1 d2 d3

Durbin-Watson d-statistic( 7, 39) = 1.792879 dwstat

H0: no serial correlation

1 0.090 1 0.7638

lags(p) chi2 df Prob > chi2

Breusch-Godfrey LM test for autocorrelation

bgodfrey

P-value = 0.7638 > α = 0.05 => không bác bỏ H0

 Suy diễn thống kê, kiểm định t, F đáng tin cậy.

III) Kết luận

- Mô hình tốt nhất là :

CONPKt= - PRIPKt+0.0387575PRIBFt+LYDUSPt -D1 - D2 - D3 + ut

- Nhận xét ý nghĩa kinh tế:

• Trong điều kiện các nhân tố khác không đổi, Khi giá 1 cân thịt lợn (dollars/100 pounds) ở Mỹ tăng 1 đơn vị thì lượng tiêu thụ thịt lợn/ người ở

Mỹ giảm trung bình 0.0768 đơn vị.

• Trong điều kiện các nhân tố khác không đổi ,Khigiá 1 cân thịt bò (dollars/100 pounds) ở Mỹ tăng 1 đơn vị thì lượng tiêu thụ thịt lợn/ người ở

Mỹ tăng trung bình 0.0387 đơn vị.

• Trong điều kiện các nhân tố khác không đổi, Khi log thu nhập sẵn có / người ở Mỹ tăng 1 đơn vị thì lượng tiêu thụ thịt lợn/ người ở Mỹ tăng trung bình 2.121 đơn vị.

• Trong điều kiện các nhân tố khác không đổi, lượng tiêu thụ thịt lợn/ người

ở Mỹ ở quý 1so với quý 4 nhỏ hơn trung bình 0.891 đơn vị.

• Trong điều kiện các nhân tố khác không đổi, lượng tiêu thụ thịt lợn/ người

ở Mỹ ở quý 2 so với quý 4 nhỏ hơn trung bình1.616 đơn vị.

• Trong điều kiện các nhân tố khác không đổi, lượng tiêu thụ thịt lợn/ người

ở Mỹ ở quý 3 so với quý 4 nhỏ hơn trung bình 1.516 đơn vị.