kinh te luong huyen de

Lý thuyết và thực tiễn Xét về mặt lý thuyết có rất nhiều yếu tố ảnh hưởng đến số giấy phép xây dựng nhà thực tế như: Mật độ dân số tính theo dặm vuông, giá trị trung bình của căn nhà, th[r]

Trang 1

MỤC LỤC

Chương I - 1

LÝ DO CHỌN ĐỀ TÀI - 1

1.1 Mục đích - 1

1.2 Ý nghĩa thực tiễn - 1

1.3 Phạm vi và phương pháp khảo sát - 1

Chương II - 2

CƠ SỞ LÝ LUẬN - 2

2.1 Lý thuyết và thực tiễn - 2

2.2 Xây dựng mô hình - 2

2.3 Dự báo dấu -3

Chương III - 4

CƠ SỞ LÝ LUẬN - 4

3.1 Mô hình - 4

3.2 Biến phụ thuộc, biến độc lập và đơn vị tính - 4

3.3 Phạm vi thu thập số liệu - 4

3.4 Bộ số liệu -5

Chương IV - 6

ƯỚC LƯỢNG VÀ KIỂM ĐỊNH MÔ HÌNH - 6

4.1 Ước lượng - 6

4.1.1 Mô hình ước lượng mẫu - 6

4.1.2 Kiểm định dấu - 7

4.1.3 Ý nghĩa mô hình - 7

4.2 Kiểm định về mặt đại số - 8

4.2.1 Mô hình 1 - 8

4.2.2 Mô hình 2 - 8

4.2.3 Bảng so sánh mô hình 1 và mô hình 2 - 9

4.3 Kiểm định về mặt thống kê - 9

4.2.1 Mô hình 1 - 9

4.3.2 Mô hình 2 - 10

Chương V - 13

KẾT LUẬN - 13

5.1 Đánh giá mô hình - 13

5.2 Ý nghĩa - 13

5.3 Mở rộng mô hình - 13

PHỤ LỤC - 14

1 Biểu đồ phân bố rải (Scatter graphs) - 14

2 Tài liệu tham khảo - 14

Trang 2

Chương I

LÝ DO CHỌN ĐỀ TÀI

1.1 Mục đích

Theo số liệu thống kê hiện nay dân số thế giới đã vượt quá ngưỡng 10 tỷ người, đã đặt ra gánh nặng về nhà ở cho toàn cầu, tác động mạnh mẽ tới toàn xã hội, gây ra những khó khăn về giải quyết nhà ở Việc có một ngôi nhà luôn là niềm mong ước của mỗi con người, là nơi trở về nhà sau mỗi ngày làm việc căng thẳng, đặc biệt là ở những nước đông dân cư và có kinh tế phát triển như ở Mỹ, Anh, Canada…

Tuy nhiên, việc cấp giấy phép xây dựng nhà có thể thỏa mãn nhu cầu về xây dựng nhà ở hay không lại bị tác động rất nhiều bởi các yếu tố chi phối như: Giá trị trung bình của căn nhà, thu nhập trung bình của chủ gia đình, phần trăm tăng dân số, mật độ dân số tính theo dặm vuông, tỉ lệ thất nghiệp, thuế bang, thuế địa phương nhưng với mức độ ảnh hưởng khác nhau Đây cũng là một vấn đề nan giải và thu hút sự quan tâm của xã hội Vì lí do trên, nhóm em đã tiến hành khảo sát các yếu tố ảnh hưởng đến số giấy phép xây dựng nhà ở nước Mỹ, để có cái nhìn toàn diện hơn về vấn đề này

1.2 Ý nghĩa thực tiễn

Khảo sát này có ý nghĩa thực tiễn là giúp cho các cơ quan nhà nước cũng như những nhà nghiên cứu sử dụng bộ số liệu và quy luật để phục vụ cho mục đích của mình trong lĩnh vực này

1.3 Phạm vi và phương pháp khảo sát

Vì thời gian có hạn nên khảo sát chỉ tập trung vào việc khảo sát số liệu về số giấy phép xây dựng nhà thực tế Số liệu được thu thập từ báo Mua và Bán (Thứ hai ngày 02/06/2010) với số quan sát là 40

Đề tài này có thể mở rộng thêm một số biến độc lập khác như sự ảnh hưởng của các yếu tố

địa điểm, khu vực cần xây dựng đối với số giấy phép xây dựng nhà thực tế, ngoài các giá

trị trung bình của căn nhà, thu nhập trung bình của chủ gia đình, phần trăm tăng dân số, mật độ dân số tính theo dặm vuông, tỉ lệ thất nghiệp, thuế bang, thuế địa phương

Trang 3

Chương II

CƠ SỞ LÝ LUẬN

2.1 Lý thuyết và thực tiễn

Xét về mặt lý thuyết có rất nhiều yếu tố ảnh hưởng đến số giấy phép xây dựng nhà thực tế như: Mật độ dân số tính theo dặm vuông, giá trị trung bình của căn nhà, thu nhập trung bình của chủ gia đình, thuế bang, phần trăm tăng dân số, tỉ lệ thất nghiệp, thuế địa phương, địa điểm, khu vực, số căn nhà cần xây dựng … Tuy nhiên, chúng ta không thể đưa tất cả các biến vào mô hình để giải thích cho số giấy phép xây dựng nhà thực tế vì nó

sẽ làm yếu tố chính bị mờ đi Trên thực tế người ta chỉ quan tâm đến những yếu tố ảnh hưởng trực tiếp đến giấy phép xây dựng nhà thực tế Vì lí do đó nhóm em đã tiến hành chọn lọc thông tin, tiến hành hồi quy, kiểm định, dựa trên 40 mẫu quan sát thu thập được đưa vào cuộc khảo sát nhỏ này

2.2 Xây dựng mô hình

HOUSING  DENSITYVALUEINCOME + POPCHANG  UNEMP LOCALTAX STATETAX

Chú thích:

HOUSING Số giấy phép xây dựng nhà thực tế

DENSITY Mật độ dân số tính theo dặm vuông (mile)

VALUE Giá trị trung bình của căn nhà (trăm đô la)

INCOME Thu nhập trung bình của chủ gia đình (nghìn đô la)

POPCHANG Phần trăm tăng dân số từ 1980 đến 1992

LOCALTAX Thuế địa phương (đô la)

STATETAX Thuế bang (đô la)

Biến phụ thuộc là HOUSING (Số giấy phép xây dựng nhà thực tế) chịu ảnh hưởng bởi

7 biến độc lập là:

2.3 Dự báo dấu

Trang 4

Theo quy luật thì:

- Khi mật độ dân số tăng, nhu cầu về nhà ở ngày càng nhiều thì số giấy phép xây dựng nhà thực tế tăng theo nên dấu của 2 là dương

- Khi giá trị trung bình của căn nhà tăng tức là giá căn nhà tăng cao, người ta xây dựng nhà ở ít hơn, thì số giấy phép xây dựng nhà thực tế giảm nên dấu của 3 là âm

- Khi thu nhập trung bình của chủ gia đình tăng thì người dân có tiền, sẽ xây dựng nhà ở nhiều hơn thì số giấy phép xây dựng nhà thực tế tăng theo nên dấu của 4 là dương

- Khi phần trăm tăng dân số tăng , nhu cầu về nhà ở ngày càng nhiều thì số giấy phép xây dựng nhà thực tế tăng theo nên dấu của 5 là dương

- Khi tỉ lệ thất nghiệp tăng cao, nhu cầu về nhà ở giảm, thì số giấy phép xây dựng nhà thực tế giảm nên dấu của 6 là âm

- Khi thuế địa phương tăng cao, người dân phải đóng thuế cao, nhu cầu về nhà ở giảm, thì số giấy phép xây dựng nhà thực tế giảm nên dấu của 7 là âm

- Khi thuế bang tăng cao, nhu cầu về nhà ở giảm, thì số giấy phép xây dựng nhà thực tế giảm nên dấu của 8 là âm

Trang 5

Chương III THU THẬP DỮ LIỆU

3.1 Mô hình

Chú thích:

HOUSING Số giấy phép xây dựng nhà thực tế

3.2 Biến phụ thuộc, biến độc lập và đơn vị tính

Biến phụ thuộc là HOUSING (Số giấy phép xây dựng nhà thực tế) chịu ảnh hưởng bởi

7 biến độc lập là:

3.3 Phạm vi thu thập số liệu

Bộ số liệu được thu thập trên báo Mua và Bán (Thứ hai ngày 02/06/2010)

Tổng số quan sát: 40

Bộ số liệu được chọn một cách ngẫu nhiên với tính đa dạng cao

Trang 6

3.4 Bộ số liệu

BẢNG SỐ LIỆU QUAN SÁT SỐ GIẤY PHÉP XÂY DỰNG NHÀ

Nguồn báo Mua và Bán (Thứ hai ngày 02/06/2010).

Trang 7

Chương IV ƯỚC LƯỢNG VÀ KIỂM ĐỊNH MÔ HÌNH

4.1 Ước lượng

4.1.1 Mô hình ước lượng mẫu

Nhận xét:

Nhìn vào bảng hồi quy gốc ta xét các biến có p- value (Prob) > 0.05 thì loại bỏ, vì các biến này không có ý nghĩa thống kê Dựa vào mô hình ta sẽ loại bỏ biến Localtax vì Prob ( Localtax ) = 0.9469 > 0.05 Tìm ra mô hình mới nếu vẫn chưa phù hợp tiếp tục loại bỏ những biến đó

+ Lúc này Prob ( Unemp ) = 0.4634 > 0.05 chưa phù hợp, ta sẽ loại bỏ biến Unemp, trong màn hình eview kết quả cho thấy Prob ( Statetax ) = 0.3672 > 0.05, mô hình vẫn chưa phù hợp

+ Tiếp tục bỏ biến Statetax, khi đó kết quả Prob ( Density ) = 0.4696 > 0.05

+ Loại bỏ tiếp biến Density, kết quả eview cho thấy Prob ( Popchang ) = 0.0785 > 0.05, vẫn chưa phù hợp

+ Tiếp theo loại bỏ biến Popchang, kết quả trong màn hình eview ta thấy

Prob ( Value ) = 0.0267 < 0.05 do đó mô hình này phù hợp với thực tế

+ Do mô hình này có nhiều biến nên nhóm em đã loại sẵn các biến không có ý nghĩa trong eview và chỉ đưa kết quả p-value của các biến không có ý nghĩa: DENSITY, POPCHANG, UNEMP, LOCALTAX, STATETAX vào bài làm

Sau khi đã loại bỏ ra các biến không có ý nghĩa thì mô hình lúc này sẽ như sau:

Trang 8

Hàm hồi qui mẫu có dạng:

HOUSING = -2155.010 - 0.960153*VALUE + 177.4750*INCOME

4.1.2 Kiểm định dấu

So sánh với giả thuyết, ta thấy dấu của các hệ số đi kèm với VALUE và INCOME giống với những gì ta kỳ vọng

4.1.3 Ý nghĩa mô hình

Giả sử giá trị trung bình của căn nhà (Value ), tăng thêm 100 đôla thì về trung bình số giấy phép xây dựng nhà thực tế giảm -0.960153

Giả sử thu nhập trung bình của chủ gia đình (Income), tăng thêm 1000 đô la thì về trung bình số giấy phép xây dựng nhà thực tế sẽ tăng 177.4750

Trang 9

4.2 Kiểm định về mặt đại số

4.2.1 Mô hình 1

HOUSING = 1526.434 + 0.073733*VALUE

Nhận xét:

Mô hình khảo sát trên không phù hợp và các hệ số hồi quy đều không có ý nghĩa thống kê với R-squared và Adjusted R-squared rất thấp

4.2.2 Mô hình 2

Trang 10

Nhận xét:

Mô hình khảo sát trên phù hợp và các hệ số hồi quy đều có ý nghĩa thống kê với R-squared và Adjusted R-R-squared tương đối lớn Tuy nhiên, hệ số của mô hình 2 tốt hơn hệ

số mô hình 1

4.2.3 Bảng so sánh mô hình 1 và mô hình 2

Từ bảng so sánh ta thấy R-squared và Adjusted R-squared của mô hình 2 tốt hơn

mô hình 1; và Akaike info criterion cũng như Schwarz criterion của mô hình 2 nhỏ hơn

mô hình 1 Điều đó chứng tỏ mô hình 2 tốt hơn mô hình 1 về mặt đại số.

4.3 Kiểm định về mặt thống kê

4.3.1 Mô hình 1

HOUSING = 1526.434 + 0.073733*VALUE

Ta có 1 bài toán kiểm định:

Kiểm định cho giả thuyết H0: “ Giá trị trung bình của căn nhà không ảnh hưởng đến

số giấy phép xây dựng nhà thực tế ” Ta có bài toán kiểm định sau

Trang 11

0 2

1 2

H













Ta dùng thống kê



2 2 2

( 2) ( )

se

 





, nếu H0 đúng ta có :



 2 2

0.073733

0.222545 0.331317

( )

stat

t

se



, với mức ý nghĩa 0.05 và N = 40, ta có 1.96

crit

t  So sánh |t stat| t crit nên chấp nhận H0, nghĩa là ‘Giá trị trung bình của căn nhà không ảnh hưởng đến số giấy phép xây dựng nhà thực tế ”

Nhận xét:

Mô hình 1 cho một đường hồi qui với các biến không có ý nghĩa thống kê với P-value của biến Value = 0.8251 rất lớn

4.3.2 Mô hình 2

Ta có 3 bài toán kiểm định:

+ Bài toán 1:

Kiểm định cho giả thuyết H0 : “ Giá trị trung bình của căn nhà không ảnh hưởng đến

số giấy phép xây dựng nhà thực tế ” Ta có bài toán kiểm định sau

0 2

1 2

H















2 2 2

( 3) ( )

se

 





Trang 12

 2 2

-0.960153

-2.308428 0.415934

( )

stat

t

se



, với mức ý nghĩa  0.05 và N = 40, ta có 1.96

crit

t  So sánh |t stat | t crit nên bác bỏ H0, nghĩa là “ Giá trị trung bình của căn nhà

có ảnh hưởng đến số giấy phép xây dựng nhà thực tế ”.

+ Bài toán 2:

Kiểm định cho giả thuyết H0 : ‘Thu nhập trung bình của chủ gia đình không ảnh hưởng đến số giấy phép xây dựng nhà thực tế ” Ta có bài toán kiểm định sau

0 3

1 3

H















3 3 3

( 3) ( )

se

 







 3 3

177.4750

3.483205 50.95164

( )

stat

t

se



, với mức ý nghĩa  0.05 và N = 40, ta có 1.96

crit

t  So sánh |t stat | t crit nên bác bỏ H0, nghĩa là “ Thu nhập trung bình của chủ gia đình có ảnh hưởng đến số giấy phép xây dựng nhà thực tế ”.

+ Bài toán 3:

Kiểm định cho giả thuyết H0: “ Cả giá trị trung bình của căn nhà lẫn thu nhập trung bình của chủ gia đình không ảnh hưởng đến số giấy phép xây dựng nhà thực tế ”

Ta có bài toán kiểm định sau

H

 







2 2

1,

stat



, với K = 3, N = 40, nếu

H0 đúng ta có :

2 2

/ 1 0.247918 / (3 1)

6.098377 (1- 0.247918) / (40 3)

stat

F



, với mức ý nghĩa  0.05 và N = 40, ta có F  c 3.2519 So sánh |F stat | F c nên bác bỏ H0, nghĩa là “

Cả giá trị trung bình của căn nhà lẫn thu nhập trung bình của chủ gia đình đều có ảnh hưởng đến số giấy phép xây dựng nhà thực tế ”.

Trang 13

Nhận xét:

Mô hình 2 cho một đường hồi qui với các biến có ý nghĩa thống kê với P-value của

biến Value và biến Income rất nhỏ Như vậy, việc đưa thêm biến Income vào mô hình là

hợp lý

Trang 14

Chương V KẾT LUẬN

5.1 Đánh giá mô hình

Mô hình tìm được HOUSING = -2155.010 - 0.960153*VALUE + 177.4750*INCOME

từ nhận định đầu tiên là phù hợp với thực tế

5.2 Ý nghĩa

Từ việc tìm ra mô hình phù hợp này, ta có thể dùng mô hình trên để dự báo Cụ thể, xét bài toán dự báo số giấy phép xây nhà thực tế khi giá trị trung bình của căn nhà 648 (trăm đôla), và thu nhập trung bình của chủ gia đình là 20 (nghìn đôla) với mức ý nghĩa 5% Với sự trợ giúp của phần mềm Eviews, ta có

 Giá trị ước lượng điểm cho số giấy phép xây dựng nhà thực tế là:

HOUSING = -2155.010 - 0.960153*0.648 + 177.4750*20 = 1393.87

 Khoảng dự báo trung bình cho số giấy phép xây nhà thực tế là:

[ 144.0561; 1415.929 ]

 Với mức ý nghĩa 5% khi giá trị trung bình của căn nhà 648 (trăm đôla), và thu nhập trung bình của chủ gia đình là 20 ( nghìn đôla), số giấy phép xây dựng nhà thực tế

trung bình nằm trong khoảng[ 144.0561; 1415.929 ]

5.3 Mở rộng mô hình

Ta thấy số giấy phép xây dựng nhà thực tế không chỉ phụ thuộc vào giá trị trung bình của căn nhà và thu nhập trung bình của chủ gia đình, mà còn phụ thuộc vào nhiều yếu tố khác như: nhu cầu của người dân, địa điểm, khu vực, số nhà cần xây dựng

Từ đó, ta có thể điều tra thêm các yếu tố trên để đưa vào mô hình nhằm tăng tính thực tế của mô hình đang khảo sát Chẳng hạn, ta đưa vào yếu tố địa điểm, khu vực khi

đó ta sẽ dùng biến giả để so sánh các phạm trù

Như vậy ta có thể đưa ra các chính sách để quản lý số giấy phép xây dựng nhà giữa các tiểu bang với nhau

Trang 15

PHỤ LỤC

1 Biểu đồ phân bố rải (Scatter graphs)

2 Tài liệu tham khảo

- PGS TS Đinh Ngọc Thanh, Ths Nguyễn Văn Phong, Ths Nguyễn Trung Đông

(2007), Giáo trình Kinh tế lượng, Khoa cơ bản – ĐH BC MARKETING.

- Nguyễn Quang Đông, Giáo trình kinh tế lượng , Khoa kinh tế - ĐHKTQD

Định dạng
Số trang	15
Dung lượng	376,27 KB