BÁO CÁO THỰC HÀNH MÔN KINH TẾ LƯỢNG

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (160.41 KB, 15 trang )

BÁO CÁO THỰC HÀNH MƠN KINH TẾ LƯỢNG
NHĨM:VŨ THỊ TRANG-ĐINH THỊ TUYÊN

 VẤN ĐỀ NGHIÊN CỨU
Số lượng lao động và vốn đầu tư phát triển công nghiệp ảnh hưởng đến giá trị sản
xuất như thế nào
Tài liệu về số lượng lao động ,giá trị sản xuất và vốn đầu tư phát triển cơng nghiệp của 10
doanh nghiệp(nguồn:giáo trình lí thuyết thống kê)

x1

x2
60
78
90

y
1.8
1.1
1.9

Trong đó:- X1:số lượng lao động(người)
X2:vố đầu tư phát triển công nghiệp (tỷ đồng)
Y:giá trị sản xuất(tỷ đồng)
 Mô hình lựa chọn:
ta có mơ hình hồi quy tổng thể như sau:
Yi = β1 + β2X1i + β3X2i +Ui (1.1)
Trong đó :Ui : là các sai số ngẫu nhiên

9.25
8.73

10.62

Hàm hồi quy tổng thể
(PRF) : E(Yi/ X1i,X2i) =β1 + β2X1i + β3X2i
Trong đó : Y: biến phụ thuộc
X1,X2: biến độc lập
β1 : hệ số chặn
β2,β3: hệ số góc

Từ bảng số liệu trên sử dụng phần mềm EVIEW để ước lượng, ta thu được kết quả sau:
Dependent Variable: Y
Method: Least Squares
Date: 05/09/13 Time: 08:27
Sample: 1 10
Included observations: 10
Variable
Coefficient
C
3.774732
X1
0.041928
X2
1.645578
R-squared
0.980088
Adjusted R-squared
0.974399
S.E. of regression
1.100080

Sum squared resid
8.471229
Log likelihood
-13.35984
Durbin-Watson stat
2.611370

Std. Error
0.834415
0.010066
0.368351
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

t-Statistic
4.523805
4.165411
4.467415

Prob.
0.0027
0.0042
0.0029
16.14500
6.875310
3.271968

3.362743
172.2716
0.000001

Y = 3.774732287 + 0.04192833365*X1 + 1.645577809*X2
-Ta có β1=3.774732287
Theo lí thuyết kinh tế : β1>0
Theo mơ hình :β1>0
=>β1 phù hợp với lí thuyết thống kê kinh tế tức là trong điều kiện các yếu tố khác
không đổi,khi lao động và vốn đầu tư phát triển công nghiệp bằng khơng thì giá trị sản
xuất bằng 3.774732287 tỷ đồng

-Ta có β2=0.04192833365
Theo lí thuyết kinh tế: β2>0
Theo mơ hình :β2>0
=>β2 phù hợp với lí thuyết thống kê kinh tế.tức là trong điều kiện các yếu tố khác
không đổi,khi số lượng lao động tăng lên 1 người thì giá trị sản xuất tăng lên
0.04192833365 tỷ đồng
Β3=1.645577809
Theo lí thuyết kinh tế: β3>0
Theo mơ hình:β3>0
=>β3 phù hợp với lí thuyết thống kê kinh tế ,tức là trong điều kiện các yếu tố khác
không đổi,khi vốn đầu tư phát triển công nghiệp tăng 1 tỷ thì giá trị sản xuất tăng
1.645577809 tỷ đồng.
Từ kết quả hồi quy trên ta thầy R2=0.980088 tức là vốn đầu tư phát triển công nghiệp và
số lượng lao động giải thích 98% sự thay đổi của giá trị sản xt theo mơ hình đã xác
định
I.Hiện tượng đa cộng tuyến
1.Khái niệm:

Là sự tương quan lẫn nhau giữa các biến độc lập với nhau.Cov(XiXj) <> 0.
2.Nguyên nhân:
1.

Do thu thập số liệu ít, khơng tồn diện

2.

Do bản chất của các biến độc lập là tương quan nhau.

3.

Do một số dạng mô hình sản sinh ra đa cộng tuyến

3.Hậu quả của đa cộng tuyến
1.

Ước lượng phương sai trở nên kém chính xác. Hệ số phóng đại phương sai (VIF)

2. Giá trị tới hạn t trở nên nhỏ hơn so với thực tế trong khi R 2 là khá cao. Kiểm định t
và F trở nên kém hiệu quả
3. Các giá trị ước lượng biến động mạnh khi thay đổi số liệu trong mơ hình. sẽ làm
giảm khả năng xảy ra đa cộng tuyến.
4. Các giá trị của các ước lượng có khả năng biến động mạnh khi thay đổi (rút ra hoặc
thêm vào) các biến có tham gia vào hiện tượng đa cộng tuyến.

4.cách khắc phục

1. Dựa vào các thông tin tiên nghiệm, các đề tài nghiên cứu trước về vấn đề tương tự về

vấn đề nghiên cứu. các mơ hình KTL trong trong các nghiên cứu này có tính khả thi và
có thể khắc phụ được thì tiến hành.
2.

Thu thập thêm số liệu (n N) có thể khắc phụ được hiện tượng đa cộng tuyến

3. Loại bỏ biến gây ra hiện tượng đa cộng tuyến. Chọn biến ít có ý nghĩa thống kê hơn
loại ra trước. (điều này chỉ mang tính tương đối).
4. Kết hợp giữa số liệu chuổi thời gian và số liệu chéo có thể khắc phục được hiện
tượng đa cộng tuyến.

Kiểm tra đa cộng tuyến
Sử dụng mơ hình hồi quy phụ :Y=β1+β2X1+β3 + Vi (1.2)
Giả thiết kiểm định :H0:β2=0:mơ hình (1.1) khơng có đa cộng tuyến
H1: β2 #0:mơ hình (1.1) có đa cộng tuyến
Dependent Variable: X1
Method: Least Squares
Date: 05/09/13 Time: 08:51
Sample: 1 10
Included observations: 10
Variable
Coefficient
Std. Error t-Statistic
Prob.
C
49.91050
23.40046 2.132885
0.0655
X2
32.63622

5.852494 5.576463
0.0005
R-squared
0.795380 Mean dependent var
161.2000
Adjusted R0.769803 S.D. dependent var
80.53405
squared
S.E. of regression
38.63931 Akaike info criterion
10.32327
Sum squared resid
11943.97 Schwarz criterion
10.38379
Log likelihood
-49.61637 F-statistic
31.09694
Durbin-Watson
2.229841 Prob(F-statistic)
0.000524
stat
Nhận xét:theo mơ hình (1.2) ta có giá trị P-value của thống kê F=0.000524< mức ý nghĩa
α=0.05 =>bác bỏ giả thiết H0=>mơ hình có khuyết tật đa cộng tuyến
II.Phương sai sai số thay đổi
1.Khái niệm

Khi nghiên cứu mơ hình hồi quy cổ điển, giả thiết rằng phương sai của một biến ngẫu
nhiên Ui trong điều kiện giá trị đã cho của biến giải thích Xi là khơng đổi.
Nếu, phương sai có điều kiện của Y thay đổi khi Xi thay đổi, có nghĩa là E(Ui)2 = Ϭii2 thì

mơ hình có khuyết tật phương sai sai số thay đổi.
2.Nguyên nhân
Khuyết tật này xảy ra do một số nguyên nhân sau :
+, Do bản chất của các mối quan hệ kinh tế
+, Do kĩ thuật thu thập dữ liệu được cải tiến, Ϭi2 có xu hướng giảm
+, Do con người học được hành vi trong quá khứ
+, Do trong mẫu xuất hiện các quan sát ngoại lai
+, Do hàm định dạng sai
3.Hậu quả
Khi xảy ra khuyết tật này sẽ dẫn đến hậu quả:
Các ước lượng bình phương nhỏ nhất vẫn là không chênh lệch nhưng không có hiệu quả.
Ước lượng của phương sai sẽ bị thay đổi vì vậy làm mất hiệu lực khi kiểm định.
4.Phát hiện khuyết tật
Có 9 cách để phát hiện ra khuyết tật này, đó là :
1.
2.
3.
4.
5.
6.
7.
8.
9.

Bản chất của vẫn đề nghiên cứu
Xem xét đồ thị phần dư
Kiểm định Park
Kiểm định Glejser
Kiểm định tương quan hạng của Spearman
Kiểm định Goldfeld-Quandt

Kiểm định BPG
Kiểm định White
Kiểm định dựa trên biến phụ thuộc

5.Biện pháp khắc phục

Để khắc phục khuyết tật phương sai sai số thay đổi này chủ yếu phụ thuộc vào Ϭii2 đã
biết hay chưa.
Khi đã biết Ϭii2 chúng ta dễ dàng sửa chữa bằng cách sử dụng phương pháp bình
phương nhở nhất có trọng số.
Nếu chưa biết Ϭii2 thì phải có một số giả thiết nhất định về Ϭii2 và biến đổi mô hình hồi
quy gốc sao cho mơ hình đã được biến đổi này thỏa mãn giả thiết phương sai của sai
số khơng đổi, sau đó chúng ta có thể tiếp tục sử dụng phương pháp bình phương nhỏ
nhất đối với tập số liệu của mơ hình đã biến đổi.
a)Kiểm định Park
Mơ hình ban đầu : Y=β1 + β2X1 + β3X2 + u(1.1)
Giả thiết: Ϭii2 = Ϭi2Xiβ2eVi
 Lnei2 = β1 + β2lnXi +Vi (*)
Kiểm định cặp giả thiết R*2 = 0 hay R*2 ≠ 0
Dependent Variable: LNE2
Method: Least Squares
Date: 05/12/13 Time: 07:13
Sample: 1 10
Included observations: 10
Variable
Coefficient Std. Error
t-Statistic
Prob.
C

5.425055 6.084664
0.891595
0.4022
LNX1
0.067570 1.426473
0.047368
0.9635
LNX2
0.847670 1.161651
0.729712
0.4893
R-squared
0.244847 Mean dependent var
6.637228
Adjusted R0.029089 S.D. dependent var
1.195192
squared
S.E. of regression
1.177680 Akaike info criterion
3.408295
Sum squared resid
9.708512 Schwarz criterion
3.499070
Log likelihood
-14.04147 F-statistic
1.134822
Durbin-Watson
2.512355 Prob(F-statistic)
0.374216
stat

Dựa vào giá trị P-value của thống kê F=0.374216>mức ý nghĩa 0.05=> mô hình (*)
khơng phù hợp =>mơ hình 1.1 khơng có khuyết tật PSSS thay đổi
b.Kiểm định dựa trên biến phụ thuộc

Mơ hình ban đầu Y=β1 + β2X1 + β3X2 + U(1.1)
Hàm hồi quy ei2 = α1 +α2(Y^))2 + Vi (**)
30

Forecast: YF
Actual: Y
Forecast sample: 1 10
Included observations: 10

25
20

Root Mean Squared Error
Mean Absolute Error
Mean Abs. Percent Error
Theil Inequality Coefficient
Bias Proportion
Variance Proportion
Covariance Proportion

15
10
5
1

2

3

4

5

6

7

8

9

10

YF

Dependent Variable: E2
Method: Least Squares
Date: 05/12/13 Time: 07:33
Sample: 1 10
Included observations: 10
Variable
Coefficie Std. Error t-Statistic
nt
C
575.9939 422.5899 1.363009

YF2
2.045277 1.110829 1.841216
R-squared
0.297634 Mean dependent
var
Adjusted R0.209839 S.D. dependent var
squared
S.E. of regression 811.0223 Akaike info
criterion
Sum squared resid 5262057. Schwarz criterion
Log likelihood
- F-statistic
80.05662
Durbin-Watson
1.852229 Prob(F-statistic)

Prob.
0.2100
0.1029
1194.397
912.3782
16.41132
16.47184
3.390078
0.102853

0.920393
0.733864
3.916660
0.026447

0.000000
0.005028
0.994972

stat
Dựa vào giá trị P-value của thống kê F=0.102853>mức ý nghĩa 0.05=> mơ hình (**)
khơng phù hợp =>mơ hình 1.1 khơng có khuyết tật PSSS thay đổi
c.Kiểm định White
Mơ hình ban đầu Y=β1 + β2X1 + β3X2 + u(1.1)
Mơ hình phụ: ei=α1 + α2X1 + α3X2 + α4X12 + α5X22 + α6X1X2 + u(***)
White Heteroskedasticity Test:
F-statistic
1.122134
Obs*R-squared
4.730483

Probability
Probability

0.439952
0.316086

Test Equation:
Dependent Variable: RESID^)2
Method: Least Squares
Date: 05/12/13 Time: 07:41
Sample: 1 10
Included observations: 10
Variable

Coefficient
Std. Error t-Statistic
Prob.
C
-1.00E-29
1.00E-29 -0.999004
0.3637
X1
-4.14E-33
1.39E-31 -0.029710
0.9774
X1^)2
-1.18E-34
3.67E-34 -0.322035
0.7605
X2
8.32E-30
5.65E-30 1.472020
0.2010
X2^)2
-6.64E-31
5.68E-31 -1.170142
0.2947
R-squared
0.473048 Mean dependent var
3.31E-30
Adjusted R0.051487 S.D. dependent var
5.70E-30
squared
S.E. of regression

5.55E-30 Sum squared resid
1.54E-58
F-statistic
1.122134 Durbin-Watson stat
2.905901
Prob(F-statistic)
0.439952
Dựa vào giá trị P-value của thống kê F=0.439952>mức ý nghĩa 0.05=>mô hình (***)
khơng phù hợp=>mơ hình (1.1) khơng có khuyết tật PSSS thay đổi
d.kiểm định Glejser
Mơ hình ban đầu Y=β1 + β2X1 + β3X2 + u(1.1)
Mơ hình phụ:∣ ei ∣=α1 + α2X1 +u(****)
Dependent Variable: TTE
Method: Least Squares

Date: 05/12/13 Time: 07:49
Sample: 1 10
Included observations: 10
Variable
Coefficie Std. Error t-Statistic
Prob.
nt
C
16.57011 9.980144 1.660308
0.1354
X1
0.093143 0.055946 1.664872
0.1345
R-squared

0.257320 Mean dependent
31.58474
var
Adjusted R0.164485 S.D. dependent var
14.78743
squared
S.E. of regression 13.51667 Akaike info
8.222581
criterion
Sum squared resid 1461.603 Schwarz criterion
8.283098
Log likelihood
- F-statistic
2.771798
39.11291
Durbin-Watson
2.049011 Prob(F-statistic)
0.134504
stat
Dựa vào giá trị p-value của thống kê F=0.134504>mức ý nghĩa 0.05=>mơ hình(****)
khơng phù hợp=>mơ hình (1.1) khơng có khuyết tật psss thay đổi
III.Khuyết tật tự tương quan
1.Khái niệm
Trong mơ hình hồi quy, mơ hình tuyến tính cổ điển giả thiết rằng khơng có sự tương quan
giữa các nhiễu Ui nghĩa là cov(Ui,Uj) = 0 ( i ≠ j )
Mơ hình có khuyết tật tự tương quan có nghĩa là có sự tương quan giữa các thành phần
của chuỗi các quan sát được sắp xếp theo thứ tự thời gian.
Tức là ,cov(Ui,Uj) ≠ 0 (i ≠ j )
2.Nguyên nhân
Các nguyên nhân có thể dẫn tới hiện tượng tự quan là:

1. Nguyên nhân khách quan
a. Quán tính
b. Hiện tượng mạng nhện
c. Trễ
2. Nguyên nhân chủ quan
a. Xử lý số liệu
b. Sai lệch do lập mơ hình
3.Cách phát hiện

Có 6 cách để phát hiện khuyết tật, đó là :
1. Phương pháp đồ thị
2. Kiểm định các đoạn mạch
3. Kiểm định khi bình phương về tính độc lập của các phần dư
4. Kiểm định Durbin-Watson
5. Kiểm định Durbin h
6. Kiểm định BG
4.Biện pháp khắc phục
Để khắc phục khuyết tật này chúng ta cần hiểu rõ mối quan hệ giữa các nhiễu, có thể chia
thành 2 tình huống:
1. cấu trúc tự tương quan đã biết
2. Cấu trúc tự tương quan chưa biết
a. Phương pháp phân sai cấp 1
b. Ước lượng ρ theo thống kê d Durbin-Watson
c. Thủ tục lặp Cochrane-Orcult để ước lượng ρ
d. Thủ tục Cochrane-Orcult hai bước
e. Phương pháp Durbin-Watson 2 bước để ước lượng ρ
f. Các phương pháp khác ước lượng ρ
Kiểm định BG
Kiểm tra mơ hình có tự tương quan bậc 1 hay khơng

Mơ hình ban đầu Y=β1 + β2X1 + β3X2 + u(1.1)
Mơ hình hồi quy phụ et = (α1 + α2Xt) + ρ1*et-1 + vt (2)
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
15.85916 Probability
Obs*R-squared
6.247341 Probability
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/12/13 Time: 08:05
Presample missing value lagged residuals set to zero.
Variable
Coefficient Std. Error t-Statistic
C
1.68E-15 1.12E-15 1.498423
X1
-1.09E-17 1.32E-17 -0.822246

0.007264
0.012438

Prob.
0.1847
0.4424

X2
RESID(-1)
R-squared

-2.98E-16 4.17E-16 -0.713475
-0.195473 0.376401 -0.519320
0.624734 Mean dependent
var
0.437101 S.D. dependent var

0.5023
0.6221
-9.43E-16

Adjusted R1.64E-15
squared
S.E. of regression
1.23E-15 Sum squared resid
9.09E-30
F-statistic
3.329554 Durbin-Watson stat
1.863865
Prob(F-statistic)
0.097872
Dựa vào giá trị p-value của thống kê F=0.097872>mức ý nghĩa 0.05=>mơ hình (2)
khơng phù hợp=>mơ hình (1.1) khơng có tự tương quan bậc nhất

320
280
240
200
160
120

80
40
0
1

2

3

4

5
y

6
x1

7

8

9

10

X2

Biểu đồ thể hiện mối quan hệ giữa số lao động ,vốn đầu tư phát triển công nghiệp với giá
trị sản xuất

 Vẽ biểu đồ

320
280
240
200
160
120
80
40
0
1

2

3

4

5
y

6

7
x1

Biểu đồ thể hiện mối quan hệ giữa số lao động và giá trị sản xuất

8

9

10

30
25
20
15
10
5
0
1

2

3

4

5
y

6

7

8

9

10

X2

Biểu đồ thể hiện mối quan hệ giữa vốn đầu tư phát triển công nghiệp và giá trị sản xuất

Bảng ước lượng và dự báo
Obs

actual

fitted

residual

residual plot

1

9.25247

9.25247

1.3E-15