tiểu luận kinh tế lượng PHÂN TÍCH sự ẢNH HƯỞNG của một số yếu tố đến tỉ lệ PHẠM tội

Lập bảng tương quan và phân tích mối quan hệ tương quan giữa các biến .... Phân tích mối quan hệ tương quan giữa các biến.... Lập bảng tương quan và phân tích mối quan hệ tương quan giữa

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ QUỐC

TẾ =====000=====

BÁO CÁO KINH TẾ LƯỢNG

NHÓM 28: PHÂN TÍCH SỰ ẢNH HƯỞNG CỦA MỘT SỐ YẾU TỐ

ĐẾN TỈ LỆ PHẠM TỘI

Giảng viên hướng dẫn: Ths Chu Thị Mai Phương

Nhóm sinh viên thực hiện:

HÀ NỘI – THÁNG 3 NĂM 2016

MỤC LỤC

LỜI MỞ ĐẦU 3

CƠ SỞ LÝ THUYẾT 4

Mô tả tổng quan 4

PHÂN TÍCH HỒI QUY 6

1 Phương trình hồi quy tuyến tính 6

2 Lập bảng tương quan và phân tích mối quan hệ tương quan giữa các biến 6

2.1 Lập bảng tương quan 6

2.2 Phân tích mối quan hệ tương quan giữa các biến 7

3.2 Phân tích kết quả sau khi chạy mô hình 8

4 Kiểm định giả thuyết về hệ số hồi quy 9

5 Một số kiểm định F 11

Kiểm định sự phù hợp của mô hình 11

6 Kiểm tra khuyết tật của mô hình 12

Phương sai sai số thay đổi 12

TỔNG KẾT 14

TÀI LIỆU THAM KHẢO 15

ĐÁNH GIÁ THÀNH VIÊN 16

LỜI MỞ ĐẦU

Kinh tế lượng (Econometrics) là môn khoa học xã hội trong đó các công cụ của lý thuyết kinh tế, toán học và suy đoán thống kê được áp dụng để phân tích các vấn đề kinh

tế Kinh tế lượng sử dụng các công cụ phương pháp của thống kê toán để tìm ra bản chất của các số liệu thống kê, đưa ra kết luận về các số liệu thống kê thu thập được từ đó có thể đưa ra các dự báo về các hiện tượng kinh tế

Từ khi ra đời đến nay, kinh tế lượng đã đem lại cho các nhà kinh tế một công cụ đo lường sắc bén để đo các quan hệ kinh tế Là những sinh viên đang theo học khối ngành kinh

tế, chúng em nhận thấy được sự cần thiết của việc học tập và tìm hiểu về Kinh tế lượng trong việc phân tích logic và nghiên cứu vấn đề Để hiểu sâu hơn về việc đưa Kinh tế lượng vào trong thực tế cuộc sống và áp dụng Kinh tế lượng sao cho đúng và hiệu quả, nhóm 28 chúng

em xin xây dựng bài BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG dưới sự hướng dẫn của

Ths.Chu Thị Mai Phương Trong bài báo cáo, nhóm em đã sử dụng công cụ phân tích kinh tế

lượng là phần mềm stata để phân tích, nghiên cứu đề tài “Phân tích sự ảnh

hưởng của một số yếu tố đến tỉ lệ phạm tội.”

Chúng em xin chân thành cảm ơn giảng viên hướng dẫn – Ths.Chu Thị Mai Phương đã giúp đỡ chúng em thực hiện bài báo cáo này Trong quá trình làm bài báo cáo,

dù đã rất cố gắng nhưng chắc chắn chúng em không thể tránh khỏi những sai sót, kính mong được cô góp ý để nhóm chúng em có thể hoàn thiện hơn bản báo cáo này

CƠ SỞ LÝ THUYẾT

I MÔ TẢ SỐ LIỆU

Mô tả tổng quan

Trong bối cảnh xã hội ngày càng phát triển với tốc độ đô thị hóa cao cũng như việc đất nước mạnh dạn mở cửa để tiếp thu với các nền văn hóa khác nhau thì tình trạng vi phạm pháp luật ngày càng trở thành một vấn đề đáng lo ngại Có rất nhiều yếu tố tác động

đến tỉ lệ phạm tội Sau khi xem xét ý nghĩa của từng biến trong file số liệu NC_CRIME trong phần mềm Gretl, nhóm em đã quyết định chọn mô hình hồi quy gồm các biến sau:

 Biến phụ thuộc: Y: crmrte

 Biến độc lập: gồm 5 biến:  X1: county

 X2: year

 X3: polpc

 X4: probarr

 X5: density

Mô tả dữ liệu bằng lệnh des, ta thu được kết quả như sau:

Ta có bảng sau:

Tên biến Đơn vị tính Ý nghĩa biến

polpc Cảnh sát Số lượng cảnh sát trên 1000 dân

density Người Mật độ dân số trên 1 dặm vuông

Tiếp tục sử dụng lệnh su để mô tả dữ liệu Lệnh su cho biết số lượng quan sát (Obs),

giá trị trung bình (mean), độ lệch chuẩn (std dev.) cũng như giá trị lớn nhất (max) và nhỏ nhất (min) của các biến

Dựa theo kết quả trên, ta có bảng tổng hợp sau:

Tên biến Số quan Giá trị Độ lệch Giá trị nhỏ Giá trị lớn

sát trung bình chuẩn nhất nhất

Có thể nhận thấy biến tỉ lệ phạm tội có sự chênh lệch khá lớn giữa mức cao nhất và mức thấp nhất, lên tới xấp xỉ 4.2 lần

PHÂN TÍCH HỒI QUY

1 Phương trình hồi quy tuyến tính

Chọn biến phụ thuộc Y là crmrte các biến độc lập X1, X2, X3, X4, X5 lần lượt là county,

year, polpc, prbarr, density

Ta có:

Hàm hồi quy tổng thể:

(PRF): crmrte = β0 + β1 county+ β2 year + β3 polpc + β4 prbarr+ β5density+ ui

 Hàm hồi quy mẫu:

(SRF): ̂ = ̂+ ̂ county + ̂ year + ̂ polpc + ̂ prbarr+ ̂density

0 1 2 3 4 5 Trong đó: u i là yếu tố ngẫu nhiên (nhiễu).

2 Lập bảng tương quan và phân tích mối quan hệ tương quan giữa các

biến 2.1 Lập bảng tương quan

Trước khi chạy mô hình hồi quy, chúng ta xem xét mức độ tương quan giữa các biến

bằng cách sử dụng lệnh corr crmrte county year polpc prbarr density Ta thu được

bảng tương quan giữa các biến như sau:

Kết luận:

Nhìn chung các biến độc lập có tương quan với biến phụ thuộc không cao Hầu hết các biến độc lập đều có hệ số tương quan dương, cho thấy tác động cùng chiều nhiều lên biến phụ thuộc

6

Mối quan hệ tương quan giữa các biến độc lập với nhau cũng không cao, hệ số

tương quan cao nhất cũng chỉ là 0.4930 giữa biến density và polpc.

2.2 Phân tích mối quan hệ tương quan giữa các biến

Từ bảng tương quan trên ta thấy:

- Hệ số tương quan giữa biến crmrte và county là -0.4832

- Hệ số tương quan giữa biến crmrte và year là 0.0197

- Hệ số tương quan giữa biến crmrte và polpc là 0.7816

- Hệ số tương quan giữa biến crmrte và prbarr -0.1629

- Hệ số tương quan giữa biến crmrte và density là 0.8090

Như vậy, trong các nhân tố được nghiên cứu, biến density có mối tương quan mạnh nhất đến crmrte, hay mật độ dân số có ảnh hưởng khá lớn đến tỉ lệ phạm tội Hệ số tương

quan giữa 2 biến mang dấu dương thể hiện mối quan hệ cùng chiều giữa 2 biến, như nếu mật độ dân số tăng thì tỉ lệ phạm tội cũng tăng

Ngược lại, biến prbarr ít ảnh hưởng nhất đến crmrte, hay mối tương quan giữa số

lượng cảnh sát trên 1000 dân và tỉ lệ phạm tội không mạnh như các nhân tố khác Hệ số tương quan giữa 2 biến mang dấu âm thể hiện mối quan hệ ngược chiều giữa 2 biến, nếu số lượng cảnh sát trên 1000 dân tăng thì tỉ lệ phạm tội giảm nhưng giảm không đáng kể

3 Chạy mô hình hồi quy và phân tích kết quả

3.1 Chạy mô hình hồi quy

 Bước đầu tiên ta sử dụng lệnh reg để chạy mô hình hồi quy với cấu trúc câu lệnh là:

“reg crmrte county year polpc prbarr density”, thu được kết quả là bảng:

Sau khi chạy Stata được toàn bộ dữ liệu như trình bày ở trên, chúng ta tiến hành đọc

và phân tích số liệu Trước hết, chúng ta thành lập được một bảng số liệu như sau:

Tên biến Hệ số hồi quy Thống kê t P-value Khoảng tin cậy

 Từ bảng trên ta có phương trình hàm hồi quy mẫu SRF:

̂ = 0.0005126 + 0.0032916 * county - 0.0001684 * year + 6.433313 * polpc - 0.0085402 * prbarr + 0.0156787 * density

3.2 Phân tích kết quả sau khi chạy mô hình

− Số quan sát Obs = 28

− Tổng bình phương sai số được giải thích SSE = 0.002294383

− Tổng bình phương các phần dư SSR = 0.000158354

− Tổng bình phương sai số tổng cộng SST = 0.002452737

− Bậc tự do của phần được giải thích Dfm = 5

− Bậc tự do của phần dư Dfr = 22

8

Hệ số xác định R2 (R-squared) = 0.9354 thể hiện mức độ phù hợp của hàm hồi quy mẫu

là tương đối lớn Bên cạnh đó, giá trị 0.9354 còn thể hiện tỷ lệ phần trăm biến động tổng

Tỷ lệ phạm tội được giải thích bởi các biến độc lập gồm: “Nhận diện dân sự”, “Khả năng

bị bắt”, “Dân số trên một dặm”, “Số lượng cảnh sát trên 1000 người dân”, “Năm từ 81 đến 87” là 93.54%

− Hệ số xác định điều chỉnh ̅̅̅ 2 = 0.9208 Hệ số này có ý nghĩa: trong trường hợp nếu

R

ta đưa thêm biến vào mô hình, hệ số xác định điều chỉnh mà tăng thì việc đưa biến ấy có ý nghĩa, và ngược lại

− Ý nghĩa của các hệ số hồi quy trong mô hình:

 ̂0 = 0.0005126 có ý nghĩa là: khi giá trị của các biến độc lập bằng 0 trong điều kiện các yếu tố khác không đổi thì tỷ lệ phạm tội là 0.0005126.

1 = 0.0032916 có ý nghĩa là: trong điều kiện các yếu tố khác không đổi, nếu số nhận diện dân sự tăng thêm một đơn vị thì tỷ lệ phạm tội tăng thêm 0.0032916.

 ̂ 2 = -0.0001684 có ý nghĩa là: trong điều kiện các yếu tố khác không đổi, nếu trong khoảng từ 81 – 87, năm tăng lên một đơn vị thì tỷ lệ phạm tội giảm đi 0.0001684.

 ̂ 3 = 6.433313 có ý nghĩa là: trong điều kiện các yếu tố khác không đổi, nếu tăng tỷ lệ cảnh sát trên 1000 người dân lên một đơn vị thì tỷ lệ phạm tội tăng thêm 6.433313.

 ̂ 4 = -0.0085402 có ý nghĩa là: trong điều kiện các yếu tố khác không đổi, nếu tăng khả năng bị bắt của tội phạm lên một đơn vị thì tỷ lệ là phạm tội giảm đi 0.0085402.

 ̂ 5 = 0.0156787 có ý nghĩa là: trong điều kiện các yếu tố khác không đổi, nếu tăng

số dân trên một dặm lên một đơn vị thì tỷ lệ phạm tội tăng thêm 0.0156787

- Tuy nhiên, ta chỉ biết chắc chắn biến độc lập có ảnh hưởng đến biến phụ thuộc với ý nghĩa hệ số hồi quy như ta đã phân tích ở trên hay không sau khi kiểm định hệ số hồi quy cho mô hình

4 Kiểm định giả thuyết về hệ số hồi quy

Cặp giả thuyết thống kê: { H 0 : βj = 0j = 0

H 1 : βj = 0j ≠ 0

9

βj = 0j−β̂βj = 0̂∗

Sử dụng giá trị tới hạn: T =

se(βj)βj = 0j)

Ta có: ∝ −β̂ −β̂1= 0,0521= 1.721

Từ bảng trên ta thấy

biến year có p-value = 0.572> 0.05

biến polpc có p-value = 0.132>0.05

biến prbarr có p-value = 0.340>0.05

Nên 3 biến year, polpc ,prbarr không có ảnh hưởng mang ý nghĩa thống kê đến biến phụ thuộc crmrte.

Các biến còn lại là density, county có ảnh hưởng trực tiếp về mặt thống kê tới biến

crmrte

Sau đây là mức ảnh hưởng cụ thể:

a. Density

Có:| | = 3.84 > 1.721 Bác bỏ H 0 , chấp nhận H 1 với mức ý nghĩa 5%.

Biến Density có ảnh hưởng mang ý nghĩa thống kê đến biến crmrte

Kết luận:

-Mật độ dân số có ảnh hưởng mang ý nghĩa thống kê đến tỉ lệ phạm tội

- Mật độ dân số trên một dăm vuông tăng thì tỉ lệ phạm tội cũng tăng

10

-Kết quả chạy mô hình hồi quy dựa trên 1 mẫu cụ thể cho thấy mật độ dân số trên một dặm vuông đất tăng 1 đơn vị thì tỉ lệ phạm tội tăng 0.0156787 với điều kiện các yếu tố khác không đổi

b County

Có: | | = 3.29 > 1.721  Bác bỏ H 0 , chấp nhận H 1 với mức ý nghĩa 5%.

 Biến county có ảnh hưởng mang ý nghĩa thống kê đến biến

crmrte Kết luận:

 Nhận diện dân sự có ảnh hưởng mang ý nghĩa thống kê đến tỉ lệ phạm tội

 Nhận diện dân sự tăng thì tỉ lệ phạm tội cũng tăng

 Kết quả chạy mô hình hồi quy dựa trên 1 mẫu cụ thể cho thấy cứ tăng thêm nhận diện dân sự thì tỉ lệ phạm tội tăng 0,0032916 với điều kiện các yếu tố khác không đổi

Vậy trong các biến độc lập, với mức ý nghĩa 5%, cả 2 biến county và biến density đều

có ảnh hưởng mang tính thống kê đến biến crmrte.

5 Một số kiểm định F

Kiểm định sự phù hợp của mô hình

Kiểm định này nhằm xem xét trường hợp các tham số của biến độc lập β i đồng thời bằng 0 có thể xả y ra hay không.

Cặp giả thuyết thống kê: {H0: βj = 01 = βj = 02 = βj = 03 = βj = 04 = βj = 05 = 0 hoặc:{ Ho: R 2 = 0

H 1 : Tồn tại ít nhất 1 βj = 0 i ≠ 0 H1:R 2 ≠0

Phương pháp P-value

Nếu giá trị Prob > F nhỏ hơn mức ý nghĩa α = 0.05 thì bác bỏ H0 chấp nhận H1

tức là mô hình hồi quy phù hợp Ta sử dụng lệnh test:

11

Ta có: Prob > F = 0.0000 < 0.05 => Bác bỏ H0, chấp nhận H1.

Kết luận: Mô hình phù hợp tại mức ý nghĩa 5%

6 Kiểm tra khuyết tật của mô hình

Phương sai sai số thay đổi

a) Bản chất:

Một vấn đề khác mà mô hình cũng có thể gặp phải, đó là phương sai của sai số thay đổi Hậu quả của phương sai sai số thay đổi là các ước lượng bình phương nhỏ nhất vẫn là không chệch nhưng không còn hiệu quả nữa, cùng với đó ước lượng của các phương sai

sẽ bị chệch, như vậy làm mất hiệu lực của kiểm định Điều này làm cho mô hình kém hiệu quả hơn

Phương sai của mỗi một ngẫu nhiên Ui, trong điều kiện giá trị đã cho của biến giải thích

Xi là không đổi, nghĩa là:

Khi giả thiết đó bị vi phạm thì mô hình mắc lỗi phương sai sai số thay đổi Tên gọi

của lỗi này là Heteroskedasticity.

b) Nguyên nhân:

 Do bản chất của các hiện tượng kinh tế: Nếu các hiện tượng kinh tế theo không gian được điều tra trên những đối tượng có quy mô khác nhau hoặc các hiện tượng kinh tế theo thời gian được điều tra qua các giai đoạn có mức biến động khác nhau thì phương sai sai số có thể không đồng đều

 Do định dạng không đúng dạng hàm của mô hình Có thể do bỏ sót biến thích hợp hoặc giải tích của hàm là sai

 Do số liệu không phản ánh đúng bản chất của hiện tượng kinh tế, chẳng hạn xuất hiện các quan sát ngoại lai Việc đưa vào hay loại bỏ các quan sát này ảnh hưởng rất lớn đến phân tích hồi quy

 Do kỹ thuật thu thập, bảo quản và xử lý số liệu được cải tiến nên sai số có xu hướng giảm

 Do con người học được hành vi trong quá khứ.

c) Cách phát hiện phương sai sai số thay đồi:

Để kiểm định phương sai sai số thay đổi ta có cặp giả thuyết sau:

0 : Mô hình có phương sai thuần nhất

{

1 : Mô hình có phương sai sai số thay ổi đổi

12

Nếu giá trị [Prob>chi2] < 0.05 thì bác bỏ giả thiết H0 và chấp nhận giả thiết H1.

Kiểm định Breusch-Pagan

Thực hiện lệnh estat hettest ta thu được kết quả sau:

Kết quả kiểm định bằng lệnh estat hettest cho thấy Prob>chi2 = 0.4745 > 0.05

Kết luận: Từ cách kiểm định trên có thể kết luận rằng mô hình có phương sai thuần

nhất.

Từ việc kiểm định mô hình trên, ta thấy chỉ có biến year, polpc, prbarr không có ảnh hưởng mang ý nghĩa thống kê đến biến crmrte trong mô hình Ta sẽ tiến hành chạy mô

hình mới để kiểm tra như sau:

Sau khi chạy hồi quy mô hình mới, mức độ phù hợp của mô hình R2 =

0.9240, giảm đi một chút so với trước đó R2 = 0.9354

Các giá trị p-value đều nhỏ hơn 0.05 nên các biến độc lập trong mô hình đều có ý nghĩa thống kê ở mức ý nghĩa 5%

TỔNG KẾT

Bản báo cáo trên được hoàn thành trên cơ sở sự đóng góp của các thành viên với vốn kiến thức được đúc kết ra từ quá trình học và nghiên cứu môn Kinh tế lượng Đây cũng là một cơ hội thực hành khiến chúng em có thể hiểu rõ hơn về các phân tích và kiểm định đặc trưng có liên quan, áp dụng kiến thức trên giảng đường để tự tìm hiểu và rút ra được nhưng kết luận bổ ích về những hiện tượng trong những mối tương quan khác nhau và sự ảnh hưởng lẫn nhau giữa các hiện tượng kinh tế xã hội Nhóm chúng em đã hoàn thành xong mô hình

kinh tế lượng về “Các yếu tố ảnh hưởng đến tỉ lệ phạm tội” Mô hình đã lượng hóa cho các

yếu tố để chúng ta có thể có những biện pháp, chiến lược phá án hiệu quả hơn Ngoài ra, vẫn còn nhiều yếu tố ảnh hưởng đến biến phụ thuộc được nghiên cứu chưa được đưa vào mô hình như vùng,… cần được xem xét để có báo cáo với kết quả chính xác hơn

Qua đây, nhóm 28 chúng em cũng xin chân thành cảm ơn sự hướng dẫn và giảng dạy nhiệt tình của cô Chu Thị Mai Phương Do vốn kiến thức và kĩ năng còn hạn chế nên chắc hẳn bản báo cáo này không thể tránh khỏi sai sót, chúng em rất mong nhận được sự góp ý động viên của cô để chúng em có thể hoàn thiện hơn, áp dụng tốt hơn trong các công việc sau này