BÀI TẬP LỚN KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU PHÂN TÍCH BỘ SỐ LIỆU: GDP, ĐẦU TƯ (I), DÂN SỐ (P) CỦA VIỆT NAM

TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN
VIỆN SAU ĐẠI HỌC
BÀI TẬP LỚN
KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU
Học viên: ĐOÀN THỊ HUẾ
Mã số:CH210415 Lớp:CH21D Số thứ tự: 27
PHÂN TÍCH BỘ SỐ LIỆU: GDP, ĐẦU TƯ (I), DÂN SỐ (P)
CỦA VIỆT NAM
Số quan sát: 33
Số biến số: 3
Loại số liệu: Số liệu theo thời gian
Hà Nội, 12 / 2012
SỰ TÁC ĐỘNG CỦA ĐẦU TƯ VÀ DÂN SỐ TỚI TỒNG SẢN PHẨM
QUỐC NỘI CỦA VIỆT NAM
Sự cần thiết của vấn đề nghiên cứu
Để đánh giá sự phát triển của một nền kinh tế thường có rất nhiều chỉ tiêu, nhưng có lẽ chỉ
tiêu được quan tâm nhiều nhất đó là Tổng sản phẩm quốc nội (GDP). Sự phát triển của một nền
kinh tế được đánh giá dựa trên quy mô của GDP và sự tăng trưởng của GDP.
Theo kinh tế học GDP=C+I+G+(EX-IM) trong đó đầu tư I là một thành tố nằm trong GDP.
Bên cạnh đó, dân số của một quốc gia là nhân tố quan trọng tạo nên GDP.
Chính vì những lý do trên mà tôi lựa chọn phân tích tác động của đầu tư (I) và quy mô dân
số (P) lên quy mô Tổng sản phẩm quốc dân của Việt Nam.
Một số vấn đề:
- Số liệu của mô hình được lấy từ năm 1980 đến năm 2012,
- Nguồn số liệu: Theo tổ chức WB và IMF (Dữ liệu data2012_mfe.edu.vn)
- GDP : Tổng sản phẩm quốc nội (đơn vị: tỷ USD)
- I : Đầu tư (Đơn vị: tỷ USD)
- P : Quy mô dân số (đơn vị:triệu người)
I. XÂY DỰNG MÔ HÌNH
Sau đây sẽ xây dựng mô hình hồi quy GDP theo 2 biến I và P. Mô hình mẫu:
GDP = β1 + β2Ii+β3Pi

Trên cơ sở đó ta có mô hình hồi quy tổng thể
GDP = β1 + β2Ii+β3Pi + Ui
1. Hồi quy phương trình mẫu bằng phần mềmEview ta được kết quả(MH1)
Dependent Variable: GDP
Method: Least Squares
Date: 01/19/13 Time: 17:40
Sample: 1980 2012
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C 56.59675 13.43951 4.211223 0.0002
I 2.955236 0.172758 17.10622 0.0000
P -0.719441 0.207669 -3.464354 0.0016
R-squared 0.956035 Mean dependent var 41.04458
Adjusted R-squared 0.953104 S.D. dependent var 33.78858
S.E. of regression 7.317047 Akaike info criterion 6.904799
Sum squared resid 1606.175 Schwarz criterion 7.040845
Log likelihood -110.9292 F-statistic 326.1837
Durbin-Watson stat 1.490911 Prob(F-statistic) 0.000000
Từ kết quả ước lượng trên ta thu được hàm hồi quy mẫu:
^ ^ ^
GDP = 56.59675 + 2.955236 I – 0.719441P
2. Ý nghĩa các giá trị của mô hình hồi quy
* Giá trị β2 = 2.955236 > 0 tức là khi lượng đầu tư tăng them 1 tỷ USD thì GDP trung bình
tăng lên 2.955236 tỷ USD với điều kiện dân số P không thay đổi. Điều này phù hợp với lý thuyết
kinh tế: đầu tư tăng sẽ làm tăng GDP.
* Giá trị β3 = -0.719441 < 0 tức là khi dân số tăng lên 1 triệu người thì GDP trung bình sẽ
giảm 0.719441 tỷ USD với điều kiện đầu tư I không thay đổi.
II. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH.
1. Kiểm định giả thuyết về các hệ số hồi quy
* Kiểm định sự ảnh hưởng của đầu tư I tới GDP

Ta tiến hành kiểm định cặp giả thiết:
H0: β2 = 0 ( Đầu tư I không ảnh hưởng tới GDP)
H1: β2 ≠ 0 ( Đầu tư I có ảnh hưởng tới GDP)
Với mức ý nghĩa 5%
Ta có giá trị P_value của β2 = 0.0000 < 0.05 có cơ sở bác bỏ giả thiết Ho và chấp nhận H1, hay
biến đầu tư I có ảnh hưởng tới GDP.
* Kiểm định sự ảnh hưởng của quy mô dân số tới GDP
Tiến hành kiểm định cặp giả thiết:
H0: β3 = 0 ( Quy mô dân số P không ảnh hưởng tới GDP)
H1: β3 ≠ 0 ( Quy mô dân số P có ảnh hưởng tới GDP)
Ta có giá trị P_value của β3 = 0.0016 < 0.05. Có cơ sở bác bỏ giả thiết Ho, chấp nhận H1, hay biến
đầu tư I có ảnh hưởng tới GDP.
* Kiểm định sự phù hợp của hàm hồi quy:
Ta tiến hành kiểm định cặp giả thuyết :
H
0
: R
2
= 0 (Mô hình không phù hợp)
H
1
: R
2
> 0 (Mô hình phù hợp)
Bằng kiểm định F, theo kết quả MH1 ta có P_value = 0.0000 < 0.05. Có cơ sở bác bỏ Ho, chấp
nhận H1. Hay mô hình trên phù hợp, cả hai biến I và P đều giải thích sự biến động của GDP.
Ta có R
2
= 0.956035 có thể kết luận mô hình hồi quy giải thích được 95.6035 % sự biến động của
GDP.

2. Kiểm định hiện tượng tự tương quan
Kiểm định cặp giả thuyết:
Ho: Mô hình (MH1) không có tự tương quan bậc nhất
H1: Mô hình (MH1) có tự tương quan bậc nhất.
Sử dụng kiểm định Breush-Godfrey để xem xét sự tương quan của mô hình 1, thu được kết quả:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.798540 Probability 0.190299
Obs*R-squared 1.927098 Probability 0.165076
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/19/13 Time: 22:13
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.079983 13.26427 0.006030 0.9952
I 0.010781 0.170693 0.063161 0.9501
P -0.002183 0.204966 -0.010652 0.9916
RESID(-1) 0.246664 0.183927 1.341096 0.1903
R-squared 0.058397 Mean dependent var 3.77E-16
Adjusted R-squared -0.039010 S.D. dependent var 7.084700
S.E. of regression 7.221566 Akaike info criterion 6.905233
Sum squared resid 1512.379 Schwarz criterion 7.086628
Log likelihood -109.9363 F-statistic 0.599513
Durbin-Watson stat 1.962459 Prob(F-statistic) 0.620504
Với mức ý nghĩa 5%
Theo kết quả trên bằng kiểm định F có P_value = 0.190299 > 0.05 chưa có cơ sở bác bỏ Ho, hay có
thể cho là mô hình MH1 không có tự tương quan bậc 1.
3. Kiểm định hiện tượng PSSS thay đổi
Kiểm định cặp giả thuyết:
Ho: Mô hình (MH1) có PSSS đồng đều

H1: Mô hình (MH1) có PSSS thay đổi
Sử dụng kiểm định White có kết quả:
White Heteroskedasticity Test:
F-statistic 2.831223 Probability 0.043310
Obs*R-squared 9.503432 Probability 0.049677
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/19/13 Time: 22:14
Sample: 1980 2012
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C 375.0076 1665.888 0.225110 0.8235
I 10.33854 9.263168 1.116092 0.2739
I^2 -0.089765 0.127264 -0.705345 0.4864
P -6.841737 50.63743 -0.135112 0.8935
P^2 0.013290 0.386887 0.034350 0.9728
R-squared 0.287983 Mean dependent var 48.67197
Adjusted R-squared 0.186266 S.D. dependent var 95.99748
S.E. of regression 86.59664 Akaike info criterion 11.89913
Sum squared resid 209971.4 Schwarz criterion 12.12587
Log likelihood -191.3356 F-statistic 2.831223
Durbin-Watson stat 2.466275 Prob(F-statistic) 0.043310
Với mức ý nghìa 5%
Theo kết quả trên bằng kiểm định khi bình phương ta có P_value = 0.049677 có thể cho gần bằng
0.05, đồng thời R
2
= 0.287983 khá nhỏ nên có thể cho rằng mô hình MH1 có PSSS đồng đều.
4. Kiểm định dạng hàm
Kiểm định cặp giả thuyết:

Ho: Mô hình (MH1) có dạng hàm đúng
H1: Mô hình (MH1) có dạng hàm không đúng
Sử dụng kiểm định Ramsey RESET ta thu được kết quả:
Ramsey RESET Test:
F-statistic 0.053052 Probability 0.819453
Log likelihood ratio 0.060314 Probability 0.806000
Test Equation:
Dependent Variable: GDP
Method: Least Squares
Date: 01/19/13 Time: 22:16
Sample: 1980 2012
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C 58.79045 16.64985 3.530990 0.0014
I 3.089122 0.607210 5.087400 0.0000
P -0.759683 0.273966 -2.772908 0.0096
FITTED^2 -0.000340 0.001477 -0.230330 0.8195
R-squared 0.956116 Mean dependent var 41.04458
Adjusted R-squared 0.951576 S.D. dependent var 33.78858
S.E. of regression 7.435336 Akaike info criterion 6.963577
Sum squared resid 1603.242 Schwarz criterion 7.144972
Log likelihood -110.8990 F-statistic 210.6095
Durbin-Watson stat 1.439239 Prob(F-statistic) 0.000000
Với mức ý nghĩa 5%
Theo kết quả trên bằng kiểm định F: P_value = 0.819453 > 0.05 chưa có cơ sở bác bỏ Ho, hay có
thể cho rằng mô hình MH1 có dạng hàm đúng, không thiếu biến.
5. Kiểm định hiện tượng đa cộng tuyến
Theo kết quả của MH1 ta có R
2
= 0.956035 (>0.8) nên có thể nghi ngờ mô hình trên có hiện tượng

đa cộng tuyến.
Ta tiến hành hồi quy phụ biến đầu tư I theo dân số P: I = α1 + α2P + v thu được kết quả MH2
Dependent Variable: I
Method: Least Squares
Date: 01/19/13 Time: 17:41
Sample: 1980 2012
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C -59.81011 8.934584 -6.694225 0.0000
P 0.993609 0.121515 8.176812 0.0000
R-squared 0.683222 Mean dependent var 12.43942
Adjusted R-squared 0.673003 S.D. dependent var 13.30286
S.E. of regression 7.607060 Akaike info criterion 6.954722
Sum squared resid 1793.888 Schwarz criterion 7.045420
Log likelihood -112.7529 F-statistic 66.86025
Durbin-Watson stat 0.164050 Prob(F-statistic) 0.000000
Kiểm định cặp giả thuyết:
Ho: α2 = 0 : Mô hình gốc MH1 không có đa cộng tuyến
H1: α2 ≠ 0 : Mô hình gốc MH2 có đa cộng tuyến
Với mức ý nghĩa 5%
Từ kết quả mô hình bằng kiểm định T ta có P_value = 0.0000 < 0.05 nên có cơ sở để bác bỏ Ho,
chấp nhận H1 hay mô hình gốc MH1 có hiện tượng đa cộng tuyến.
* Để xem xét sự tương quan giữa các biến ta lần lượt thực hiện
- Bước 1: hồi quy mô hình ban đầu thu được : R
2
= 0.956035
- Bước 2: Hồi quy lần lượt
+ Hồi quy GDP theo I thu được MH3
Dependent Variable: GDP
Method: Least Squares

Date: 01/19/13 Time: 17:42
Sample: 1980 2012
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C 10.43692 2.044587 5.104658 0.0000
I 2.460537 0.113180 21.74008 0.0000
R-squared 0.938447 Mean dependent var 41.04458
Adjusted R-squared 0.936461 S.D. dependent var 33.78858
S.E. of regression 8.517040 Akaike info criterion 7.180706
Sum squared resid 2248.739 Schwarz criterion 7.271404
Log likelihood -116.4817 F-statistic 472.6311
Durbin-Watson stat 1.024683 Prob(F-statistic) 0.000000
+ Hồi quy GDP theo P thu được MH4
Dependent Variable: GDP
Method: Least Squares
Date: 01/19/13 Time: 17:43
Sample: 1980 2012
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C -120.1562 27.72426 -4.333975 0.0001
P 2.216907 0.377066 5.879367 0.0000
R-squared 0.527201 Mean dependent var 41.04458
Adjusted R-squared 0.511949 S.D. dependent var 33.78858
S.E. of regression 23.60492 Akaike info criterion 9.219479
Sum squared resid 17272.95 Schwarz criterion 9.310176
Log likelihood -150.1214 F-statistic 34.56696
Durbin-Watson stat 0.232460 Prob(F-statistic) 0.000002
Ta có:
Theo mô hình MH3:R(2)
2

= 0.938447
Theo mô hình MH4:R(3)
2
= 0.527210
Đo độ tương quan Thiel m =
R
2
-
∑
=
3
2
(
j
R
2
-
R
j
2
) = 0.509622
* Mô hình trên có hiện tượng đa cộng tuyến tuy nhiên trong trường hợp này đa cộng tuyến
chưa ở mức độ trầm trọng. Sở dĩ có đa cộng tuyến vì các biến được phân tích ở trên là các biến kinh
tế vĩ mô, có sự tương quan và tác động qua lại lẫn nhau.
* Để khắc phục hiện tượng đa cộng tuyến ta có thể thực hiện phương pháp bỏ biến:
Ta có: khi bỏ biến dân số P thì R(2)
2
= 0.938447
Khi bỏ biến đầu tư I thì R(3)
2

= 0.527210
Có R(2)
2
> R(3)
2
nên có thể thực hiện bỏ biến dân số P và hồi quy mô hình
GDP = β1 + β2Ii
Kết quả hồi quy là MH3. Thực hiện các kiểm định tự động để xem xét hàm mới có phù hợp
không.
• Kiểm định tự tương quan bằng kiểm định Breush-Godfrey, có kết quả :
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 8.223455 Probability 0.007497
Obs*R-squared 7.099673 Probability 0.007710
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/20/13 Time: 12:33
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.366682 1.845722 -0.198666 0.8439
I 0.043350 0.103041 0.420706 0.6770
RESID(-1) 0.484491 0.168950 2.867657 0.0075
R-squared 0.215142 Mean dependent var -6.57E-15
Adjusted R-squared 0.162818 S.D. dependent var 8.382905
S.E. of regression 7.670162 Akaike info criterion 6.999061
Sum squared resid 1764.942 Schwarz criterion 7.135107
Log likelihood -112.4845 F-statistic 4.111728
Durbin-Watson stat 2.060064 Prob(F-statistic) 0.026416
Kiểm định cặp giả thuyết
Ho: Mô hình (MH3) không có tự tương quan bậc nhất

H1: Mô hình (MH3) có tự tương quan bậc nhất.
Với mức ý nghĩa 5% bằng kiểm định F có giá trị P_value = 0.007497 < 0.05 có cơ sở bác bỏ Ho,
chấp nhận H1 hay Mô hình MH3 có tự tương quan bậc nhất. Tuy nhiên, nhìn vào kết quả có R
2
=
0.215142 tức là sự tương quan thấp nên mô hình có thể chấp nhận được.
• Kiểm định hiện tượng PSSS thay đổi Sử dụng kiểm định White
White Heteroskedasticity Test:
F-statistic 1.696055 Probability 0.200522
Obs*R-squared 3.352277 Probability 0.187095
Kiểm định cặp giả thuyết:
Ho: Mô hình (MH3) có PSSS đồng đều
H1: Mô hình (MH3) có PSSS thay đổi
Với mức ý nghĩa 5% bằng kiểm định F có giá trị P_value = 0.200522 > 0.05 chưa có cơ sở bác bỏ
Ho, hay mô hình MH3 có PSSS đồng đều.
• Kiểm định dạng hàm Sử dụng kiểm định Ramsey RESET
Ramsey RESET Test:
F-statistic 1.695924 Probability 0.202732
Log likelihood ratio 1.814693 Probability 0.177946
Kiểm định cặp giả thuyết:
Ho: Mô hình (MH1) có dạng hàm đúng
H1: Mô hình (MH1) có dạng hàm không đúng
Với mức ý nghĩa 5% bằng kiểm định F có P_value =0.202732 > 0.05 chưa có cơ sở bác bỏ Ho, hay
mô hình MH3 có dạng hàm đúng.
III. KẾT LUẬN
Như vậy có thể dùng mô hình MH3 phân tích sự tác động của đầu tư I tới quy mô của Tổng
sản phẩm quốc nội (GDP) để dự đoán sự thay đổi của GDP.
• Mô hình dự báo Quy mô của GDP dựa vào: GDP = 10.43692 + 2.460537Ii + Vi
+ Dự báo trong mẫu: giả sử tại thời điểm 2000 dự báo GDP năm 2001 tại mức đầu tư của năm
2001 là I = 10.139 tỷ USD ta được GDP

GDP(2001)=10.43692+2.46053*10.139=35.38423(tỷUSD)
Thực tế năm 2001 GDP = 32.524 tỷ USD
Sai số = 32.524 – 35.38423 = - 2.860234 (tỷ USD)
+ Dự báo ngoài mẫu: đứng tại thời điểm năm 2012 dự báo GDP của Việt Nam năm 2013 tại
mức đầu tư của năm 2013 là I= 50 tỷ USD
GDP(2013) = 10.43692 + 2.46053 * 50 = 133.4634 tỷ USD
Dự báo trên sẽ có sai số lớn hơn bởi thực tế năm 2012 GDP = 137.68 tỷ USD, trong khi dự
báo tốc độ tăng trưởng GDP năm 2013 vào khoảng 4-5 % khi đó GDP năm 2013 ước đạt 143.87
tỷ USD.