Báo cáo thực hành kinh tế lượng 2

Kinh tế lượng, Báo cáo thực hành aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa

Hướng dẫn thực hành Tên đề tài: Khảo sát mối quan hệ giữa GDP, lạm phát và thất nghiệp ở

Việt Nam Giai đoạn 1993-2013

Tên thành viên:

1 Tô Ánh Nguyệt

2 Đào Thị Mỹ Anh

3 Tào Thị Mai Hương

4 Phí Tiến Bắc Hải

5 Phạm Vũ Hoàng Nam

6 Nguyễn Thị Huyền Trang Lớp: 202_INE1052 6

1 Nêu giả thiết về mối quan hệ:

- Lý do chọn đề tài:

Tốc độ tăng trưởng kinh tế, lạm phát và thất nghiệp là 3 vấn đề lớn của nền kinh tế vĩ mô Vì vậy nghiên cứu 3 vấn đề này là một vấn đề quan trọng và cần thiết

Trong bài thực hành của nhóm nghiên cứu, công việc chủ yếu sẽ là kiểm định các lý thuyết kinh tế đã được đưa ra và xác định mối quan hệ và tác động của lạm phát, thất nghiệm đến tốc độ tăng trưởng kinh tế

- Lý thuyết kinh tế:

❖ Về mối quan hệ giữa tăng trưởng và thất nghiệp:

Quy luật Okun:

𝑈

𝑇 = 𝑈

𝑛 + 𝑌𝑃 − 𝑌𝑇

𝑌𝑃 𝑥 50%

Trong đó:

: Tỷ lệ thất nghiệp thực tế 𝑈

𝑇

: Tỷ lệ thất nghiệp 𝑈

𝑛

: GDP tiềm năng 𝑌

𝑃

: GDP thực tế

𝑌

𝑇

Quy luật này được phát biểu như sau: với mỗi 1% tăng lên của tỉ lệ thất nghiệp, GDP

sẽ giảm tương đương 2% so với GDP tiềm năng

❖ Về mối quan hệ giữa thất nghiệp và lạm phát:

Đường Phillips ngắn hạn theo A.W.Phillips

𝑔𝑝 =− β (𝑢 − 𝑢*)

Khi mức % của tiền lương danh nghĩa bằng mức lạm phát (gp) thì ta có phương trình trên Phương trình này gợi ý có thể đánh đổi lạm phát nhiều hơn để có 1 tỷ lệ thất nghiệp ít hơn và ngược lại

+ Tên biến phụ thuộc:

- Tỷ lệ thất nghiệp (%) 𝑌

𝑖

+ Tên biến độc lập:

- GDP (nghìn tỷ USD)

𝑋2

- Tỷ lệ lạm phát (%) 𝑋

3

+ Một số nhận định:

Tỷ lệ thất nghiệp phụ thuộc vào GDP và tỷ lệ lạm phát Quan hệ của tỷ lệ thất nghiệp và GDP ngược chiều Quan hệ của tỷ lệ thất nghiệp và tỷ lệ lạm phát ngược chiều

2 Hàm hồi quy tổng thể và Mô hình hồi quy tổng thể:

PRF: 𝐸(𝑙𝑜𝑔(𝑌)) = 2, 250698 + − 0 010626 𝑋

2 + − 0 010858 𝑋

3

PRM:

𝑙𝑜𝑔(𝑌

𝑖 ) = 2, 250698 + − 0 010626 𝑋

2 + − 0 010858 𝑋

3 + 𝑈

𝑖

3 Thu thập số liệu:

Nguồn số liệu:

- Luận văn mối quan hệ giữa lạm phát và thất nghiệp ở Việt Nam giai đoạn 1986-2009

- Tổng cục thống kê

- Tỷ lệ thất nghiệp (%) 𝑌

𝑖

- GDP (nghìn tỷ USD) 𝑋

2

- Tỷ lệ lạm phát (%) 𝑋

3

4 Ước lượng các tham số của mô hình:

- Đưa báo cáo EVIEWS

- Với báo cáo Eviews như trên, ta có mô hình hồi quy mẫu:

SRM: 𝐿𝑜𝑔(𝑌) = 2, 250698 − 0 010626 𝑋

2𝑖 − 0 010858 𝑋

3𝑖 + 𝑒

𝑖

- Ý nghĩa kinh tế :

: cho biết khi GDP bằng không và không có lạm phát thì tỷ lệ thất β

1= 2, 250698

nghiệp trung bình là 2,250698 %

cho biết khi GDP tăng 1 nghìn tỷ VND và tỷ lệ lạm β

2 = − 0 010626 < 0:

phát không đổi thì tỷ lệ thất nghiệp giảm 1,0626 % Điều này hoàn toàn phù hợp với

lý thuyết kinh tế

: cho biết khi tỷ lệ lạm phát tăng 1% và GDP không đổi β

3= − 0 010858 < 0

thì tỷ lệ thất nghiệp giảm 1,0858% Điều này hoàn toàn phù hợp với lý thuyết kinh tế

❖ Kiểm định sự phù hợp của các hệ số hồi quy

2

Giả thuyết 𝐻 :

0 β

2 = 0 Đối thuyết 𝐻 :

1 β

2 ≠ 0

Tiêu chuẩn kiểm định: 𝑇 = β2

𝑆𝑒(β 2) ∼ 𝑇(𝑛−2)

Miền bác bỏ: 𝑊α = 𝑡: 𝑡 { | | ≻ 𝑡 α/2𝑛−3 }

𝑞𝑠

| |= 14, 88695 > 𝑡

0.025

18

= 2 101

Bác bỏ𝐻 , Chấp nhận

1

Kết luận: Với mức ý nghĩa 5% ta thấy tỉ lệ thất nghiệp ở Việt Nam chịu ảnh ảnh bởi GDP

3

Giả thuyết 𝐻 0: β 3 = 0

Đối thuyết 𝐻 :

1 β

3 ≠ 0

Tiêu chuẩn kiểm định: 𝑇 = β 3

𝑆𝑒(β 3) ∼ 𝑇(𝑛−2)

Miền bác bỏ: 𝑊

α = 𝑡: 𝑡 | | ≻ 𝑡

α/2 𝑛−3

𝑞𝑠

| |= 2, 224629 > 𝑡

0.025

18

= 2 101

Bác bỏ𝐻 , Chấp nhận

1

Kết luận: Với mức ý nghĩa 5% ta thấy tỉ lệ thất nghiệp ở Việt Nam chịu ảnh ảnh bởi lạm phát

❖ Kiểm định sự phù hợp của hàm hồi quy

0 : 𝑅 2= 0

1 : 𝑅 2> 0 Dựa vào báo cáo 𝐹

𝑞𝑠= 143 1248

Miền bác bỏ 𝑊 =

α 𝐹; 𝐹 ≻ 𝐹

α (𝑘−1; 𝑛−𝑘)

⎰

⎱

⎱

⎰

𝐹

𝑞𝑠 = 143 1248 > 𝐹

0.05

2, 18

= 3, 55

➔ Bác bỏ 𝐻 , Chấp nhận

1

Kết luận: Với mức ý nghĩa 5 %, hàm hồi quy trên hoàn toàn phù hợp

5 Kiểm tra các khuyết tật của mô hình

5.1 Tự tương quan

Dependent Variable: LOG(Y)

Method: Least Squares

Date: 05/24/21 Time: 20:27

Sample: 1993 2013

Included observations: 21

❖ Kiểm định Durbin – Watson

Kiểm định giả thuyết:𝐻 : Mô hình gốc không có tự tương quan

0

: Mô hình gốc có tự tương quan 𝐻

1

- Ta có: n=21 ;α = 0 05; k’=2

d=1.412987

Tra bảng giá trị thống kê Durbin Watson : dU= 1.538 ; dL = 1.125

Dựa theo mô hình kiểm định :

Hoặc

⟹ 1<d<3 thì kết luận mô hình không tự tương quan

Hoặcd < dU thì chưa có cơ sở để bác bỏ H0 (với mức ý nghĩaα = 5%), nghĩa là mô hình không tự tương quan

❖ Kiểm định BG

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-square

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 05/24/21 Time: 20:50

Sample: 1993 2013

Included observations: 21

Presample missing value lagged residuals set to zero

Adjusted

S.E of

Sum squared

Log likelihood 16.66213 Hannan-Quinn criter -1.056705

Prob(F-statisti

Mô hình BG:

𝑒

𝑖= α

1 + α

2 𝑙𝑜𝑔𝑋

2𝑖 + α

3 𝑙𝑜𝑔𝑋

3𝑖 + α

4 𝑒

𝑖−1+ α

5 𝑒

𝑖−2 + 𝑉 Kiểm định cặp giả thuyết:𝐻 : Mô hình gốc không có tự tương quan

0

: Mô hình gốc có tự tương quan

𝐻

1

Ta có: 𝑃

𝑣𝑎𝑙𝑢𝑒= 0 8020 > α = 0 05

Kết luận: Chưa đủ cơ sở bác bỏ H0

Mô hình gốc không có tự tương quan

5.2 Phương sai sai số ngẫu nhiên thay đổi

* Kiểm định White:

Heteroskedasticity Test: White

Scaled explained

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 05/24/21 Time: 20:32

Sample: 1993 2013

Included observations: 21

Variable Coefficient Std Error t-Statistic Prob.

Adjusted

S.E of

Sum squared

Prob(F-statistic) 0.516591

Kiểm định P-value

có P-value = 0.5166> α=0.05 => chưa đủ cơ sở bác bỏ Ho

Vậy mô hình không xảy ra hiện tượng PSSSNN thay đổi

* Kiểm định Glejser

Heteroskedasticity Test: Glejser

Scaled explained

Test Equation:

Dependent Variable: ARESID

Method: Least Squares

Date: 05/24/21 Time: 20:31

Sample: 1993 2013

Included observations: 21

Adjusted

Prob(F-statistic) 0.794596

- Mô hình Glejser: 𝑒

𝑖 = β

1 + β

2 𝑋

2𝑖 + 𝑣

𝑖

Kiểm định giả thiết:

Ho: PSSS ngẫu nhiên không đổi

H1: PSSS ngẫu nhiên thay đổi

Kiểm định P-value

Từ bảng kiểm định Glejser ta có P-value = 0.7673 > α = 0.05 -> Chưa đủ cơ sở bác

bỏ Ho

Vậy mô hình không xảy ra hiện tượng phương sai sai số thay đổi

* Kiểm định dựa trên biến phụ thuộc

𝑒𝑖2= α1+ α2𝑌𝑖

2

+ 𝑉𝑖 Hồi quy mô hình gốc

𝑒, 𝑙𝑜𝑔𝑌 = 𝑙𝑜𝑔(𝑌) 𝐹

Dependent Variable: E^2

Method: Least Squares

Date: 05/24/21 Time: 21:14

Sample: 1993 2013

Included observations: 21

Adjusted

Prob(F-statistic) 0.433979

Kiểm định giả thiết

Ho: PSSS không đổi

H1: PSSS thay đổi

Kiểm định P-value

Ta có: P-value = 0.4349 > 0.05⇒Chưa đủ điều kiện bác bỏ H0

Kết luận: Mô hình không xảy ra hiện tượng phương sai sai số thay đổi

5.3 Đa cộng tuyến

Đa cộng tuyến

Hồi quy phụ: 𝑋

2𝑖 = α

1+ α

2𝑋

3𝑖 + 𝑉

𝑖

Dependent Variable: X2

Method: Least Squares

Date: 05/24/21 Time: 21:46

Sample: 1993 2013

Included observations: 21

Prob(F-statistic) 0.113930

Kiểm định cặp giả thuyết:

H0: Mô hình gốc không có đa cộng tuyến

H1: Mô hình có đa cộng tuyến

Miền bác bỏ𝑊 =

α 𝐹: 𝐹 > 𝐹

0.05 1;19

Từ báo cáo ta có:𝐹 = 2.745817 < = 4,38 Suy ra không thuộc miền bác bỏ

0.05 1;19

Chưa đủ cơ sở bác bỏ H0

Kết luận: Vậy với mức ý nghĩa = 0.05 thì mô hình không có đa cộng tuyến.α

Độ đo Theil:

= Suy ra R2= 0.940838

log 𝑙𝑜𝑔 𝑌

1

^

+ β

2

^

𝑋

2𝑖+ β

3

^

𝑋

3𝑖+ 𝑒

𝑖

Hồi quy Y theo X3

Hồi quy: log 𝑙𝑜𝑔 𝑌

𝑖= α

1 + α

2𝑋

3𝑖 + 𝑣

Dependent Variable: X2

Method: Least Squares

Date: 05/24/21 Time: 21:46

Sample: 1993 2013

Included observations: 21

Adjusted R-squared 0.080283 S.D dependent var 40.16749 S.E of regression 38.52137 Akaike info criterion 10.23070

Prob(F-statistic) 0.113930

Hồi quy Y theo X2

log 𝑙𝑜𝑔 𝑌

𝑖= α

1 + α

2𝑋

2𝑖 + 𝑣 Dependent Variable: LOG(Y)

Method: Least Squares

Date: 05/24/21 Time: 22:16

Sample: 1993 2013

Included observations: 21

R-squared 0.924571 Mean dependent var 1.551776

Adjusted R-squared 0.920601 S.D dependent var 0.467450

S.E of regression 0.131717 Akaike info criterion -1.125931

Prob(F-statistic) 0.000000

Tính độ đo Theil:

Từ 2 bảng hồi quy trên ta thu được kết quả

0.924571

𝑟

12

2

=

𝑟

13

2

= 0 126269

12

2

) − (𝑅2− 𝑟

13

2

) = (0.940838 -0 126269)= 0.110002

Vậy độ đo của Theil về mức độ đa cộng tuyến là 0.110002

5.4 Mô hình bỏ sót biến thích hợp

Kiểm định Ramsey

Mô hình: 𝑙𝑜𝑔(𝑌

𝑖) = α

1 + α

2(𝑋

2𝑖) + α

3(𝑋

3𝑖) + α

4𝑙𝑜𝑔(𝑌

𝑖

2

) + α

5𝑙𝑜𝑔(𝑌

𝑖

3

) + 𝑉

𝑖

Kiểm định giả thuyết

H0: Mô hình gốc không bỏ sót biến thích hợp

H1: Mô hình gốc bỏ sót biến thích hợp

Kiểm định P-value

Ta có: P-value=0.7843>0.05⇒Chưa đủ điều kiện bác bỏ H0 Vậy mô hình gốc không bỏ sót biến thích hợp

5.5 Kiểm tra tính phân phối chuẩn của sai số ngẫu nhiên

Kiểm định Jarrque - bera (JB)

𝑙𝑜𝑔(𝑌

𝑖) = β

1 + β

2𝑋

2𝑖 + β

3𝑋

3𝑖 + 𝑈

𝑖

Kiểm định cặp giả thuyết

H0: U có phân phối chuẩn

H1: U không có phân phối chuẩn

Kiểm định P- value

Ta có : P-value= 0.078654> 0.05⇒Chưa đủ cơ sở bác bỏ Ho

Vậy sai số ngẫu nhiên U có phân phối chuẩn

6 Phân tích kết quả hồi quy

Khoảng tin cậy β

2: β

2

^

− 𝑆𝑒 β

2

^

( )𝑡

0.025

18

≤ β

2 ≤ β

2

^

+ 𝑆𝑒 β

2

^

( )𝑡

0.025 18

t=2.101

⬄ − 0 0121 ≤ β2≤ − 0 0091

Kết luận: Vậy với mức ý nghĩaα = 0 05 GDP tăng lên 1000 tỉ đồng thì tỉ lệ thất nghiệp sẽ giảm trong khoảng từ (0 91; 1 21)%

Khoảng tin cậy β

3:

β^3− 𝑆𝑒 β( )^3 𝑡0.02518 ≤ β3≤ β^3+ 𝑆𝑒 β( )^3 𝑡0.02518

⬄− 0 0211≤ β3≤ − 0 0006

Kết luận: Vậy với mức ý nghĩaα = 0 05khi tỉ lệ lạm phát tăng lên 1% thì tỉ lệ thất nghiệp

sẽ giảm trong khoảng từ (0 06; 2 11)%

Khoảng tin cậy của σ2:

𝑛−𝑘 ( )σ2

χ α

2 𝑛−𝑘 ( ) ≤ σ2 ≤ (𝑛−𝑘)σ

2

χ 1−α 2

2 𝑛−𝑘 ( )

⇨ 0 008201≤ σ2≤0 031414

Kết luận: Vậy với mức ý nghĩaα = 0 05thì sự biến động của biến phụ thuộc đo bằng phương sai do các yếu tố ngẫu nhiên gây ra nằm trong khoảng (0 008201; 0 031414)

7 Dự báo

Tỉ lệ thất nghiệp năm 2014

GDP(X2): 140 nghìn tỉ USD

Tỉ lệ lạm phát(X3):6%

⇨ Dự báo tỉ lệ thất nghiệp (Y)

Ước lượng điểm: 2.0

Ước lượng khoảng (1.5;2.6)

Dự báo tỉ lệ thất nghiệp năm 2014 là 2.009585%

8 Kết luận

- Tổng kết:

Mô hình không có khuyết tật và phù hợp với lý thuyết kinh tế Tuy nhiên vì mặt giới hạn về thời gian nên số liệu còn hạn chế và nguồn số liệu còn chưa cập nhật và nhiều nguồn chưa thực sự mang độ tin cậy cao

- Giải pháp

Để giảm thất nghiệp thì nên phát triển kinh tế Về mối quan hệ giữa giảm thất nghiệp

và tăng tỷ lệ lạm phát, điều này được các nhà khoa học chứng minh là chưa chuẩn xác, tuy nhiên mối quan hệ ngược chiều của chúng vẫn đúng trong trường hợp thực nghiệm