tiểu luận kinh tế lượng trong dự báo eviews

Kinh tế lượng trong sự báo và phát triển kinh tế
BÀI TẬP LỚN
KINH TẾ LƯỢNG TRONG DỰ BÁO VÀ PHÁT TRIỂN KINH TẾ
ӂ
GVHD: Nguyễn Thị Dương Nga
Nhóm thực hiện: Nhóm 13
Danh sách nhóm
STT Họ và tên Lớp MSV
1 Nguyễn Quỳnh Trang K57 – QLKTA 575881
2 Trần Thị Trang K57 – KTC 573094
3 Nguyễn Huyền Trang K57 – KTA 572863
4 Nguyễn Thị Thủy K57 – KTB 572972
5 Phạm Minh Toàn K57 – KTC 576080
PHẦN I
Nhóm 13 Page 1
Kinh tế lượng trong sự báo và phát triển kinh tế
Giới thiệu
I. Số liệu, định nghĩa biến, đường link.
1. Số liệu:
Đơn vị tính: triệu USD
Năm Tháng Giá trị Năm Tháng Giá trị Năm Tháng Giá trị
2005 2006
1 89
2007
1 350
2 65 2 86 2 172
3 78 3 125 3 252
4 54 4 103 4 189
5 55 5 105 5 139
6 43 6 74 6 126
7 54 7 73 7 98

8 52 8 70 8 76
9 78 9 61 9 66
10 55 10 52 10 73
11 59 11 121 11 121
12 67 12 142 12 192
Năm Tháng Giá trị Năm Tháng Giá trị Năm Tháng Giá trị
2008
1 309
2009
1 210
2010
1 198
2 156 2 234 2 110
3 218 3 199 3 168
4 171 4 180 4 159
5 162 5 132 5 141
6 213 6 115 6 137
7 147 7 76 7 138
8 110 8 77 8 123
9 101 9 71 9 93
10 71 10 79 10 97
11 121 11 115 11 120
12 221 12 202 12 292
Năm Tháng Giá trị Năm Tháng Giá trị Năm Tháng Giá trị
2011 1 283 2012 1 13 2013 1 455
2 303 2 414 2 219
3 365 3 427 3 354
Nhóm 13 Page 2
Kinh tế lượng trong sự báo và phát triển kinh tế
4 302 4 353 4 243

5 238 5 313 5 253
6 157 6 350 6 186
7 124 7 278 7 194
8 83 8 229 8 179
9 61 9 158 9 136
10 72 10 228 10 123
11 150 11 262 11 143
12 325 12 330 12 255
Năm Tháng Giá trị Năm Tháng Giá trị
2014
1 265
2015
1 281
2 350 2 230
3 448
4 446
5 370
6 238
7 196
8 217
9 226
10 212
11 192
12 255
2. Định nghĩa biến:
Y – Trị giá xuất khẩu cà phê: là toàn bộ giá trị của cà phê được đưa ra
khỏi lãnh thổ Việt Nam làm giảm nguồn của cải vật chất của Việt Nam trong
một thời kỳ nhất định. Trị giá xuất khẩu được tính theo giá FOB. Giá FOB là giá
giao hàng tại biên giới nước xuất khẩu, bao gồm giá của bản thân hàng hoá, chi
phí đưa hàng đến địa điểm xuất khẩu và chi phí bốc hàng lên phương tiện

chuyên chở.
3. Đường link số liệu:
/>II. Mô tả số liệu.
Nhóm 13 Page 3
Kinh tế lượng trong sự báo và phát triển kinh tế
Đồ thị đơn biến:
0
100
200
300
400
500
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
TRIGIA
Hình 1: Đồ thị trị giá xuất khẩu cà phê nước ta dạng đơn biến từ tháng 2 năm
2005 đến tháng 2 năm 2015
Đồ thị tần suất:
0
4
8
12
16
20
0 50 100 150 200 250 300 350 400 450
Series: TRIGIA
Sample 2005M02 2015M02
Observations 121
Mean 178.2231
Median 157.0000
Maximum 455.0000

Minimum 13.00000
Std. Dev. 102.9768
Skewness 0.780395
Kurtosis 2.910624
Jarque-Bera 12.32211
Probability 0.002110
Nhóm 13 Page 4
Kinh tế lượng trong sự báo và phát triển kinh tế
Hình 2: Đồ thị mô tả trị giá xuất khẩu cà phê của nước ta dạng tần suất từ tháng
2 năm 2005 đến tháng 2 năm 2015
Các dữ liệu:
*Số quan sát: 121
*Mean (chỉ số trị giá xuất khẩu trung bình): 178.2231
*Median (trung vị): 157.0000
*Maximum: chỉ số trị giá xuất khẩu cà phê lớn nhất: 455.0000
*Minimum: Trị giá xuất khẩu cà phê bé nhất: 13.00000
*Std.dev (độ lệch chuẩn): 102.9768 cho biết độ phân tán của số liệu quanh giá trị trung
bình.
*Skewness (độ bất bất dối xứng): 0.780395 > 0 chứng tỏ số liệu cân đối gần như số
liệu trong phân phối chuẩn.
PHẦN II
Xây dựng mô hình dự báo
1. Chuẩn đoán.
Nhìn vào đồ thị đơn biến ta thấy trị giá xuất khẩu cà phê tăng với tốc độ tăng dần.
Mô hình dự báo có tính thời vụ vì trị giá đạt cao nhất vào những tháng đầu năm và
giảm tới thấp nhất vào các tháng cuối năm. Như vậy mô hình dự báo có thể có tính xu
thế và tính thời vụ.
2. Chạy mô hình.
a. Mô hình xu thế tuyến tính.
Nhóm 13 Page 5

Kinh tế lượng trong sự báo và phát triển kinh tế
Dạng mô hình: Y = β
0
+ β
1
*TIME + ɛ
t
Ta có bảng kết quả hồi quy:
Dependent Variable: TRIGIA
Method: Least Squares
Date: 03/29/15 Time: 14:09
Sample: 2005M02 2014M09
Included observations: 116
Variable Coefficient Std. Error t-Statistic Prob.
C 67.34558 15.69776 4.290140 0.0000
TIME 1.854246 0.232885 7.962051 0.0000
R-squared 0.357364 Mean dependent var 175.8190
Adjusted R-squared 0.351726 S.D. dependent var 104.3142
S.E. of regression 83.98904 Akaike info criterion 11.71634
Sum squared resid 804174.1 Schwarz criterion 11.76382
Log likelihood -677.5478 Hannan-Quinn criter. 11.73561
F-statistic 63.39426 Durbin-Watson stat 0.925311
Prob(F-statistic) 0.000000
Dựa vào bảng trên ta có phương trình hồi quy:
Y = 67.34558 + 1.854246*TIME + ɛ
t
-300
-200
-100
0

100
200
300
0
100
200
300
400
500
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Residual Actual Fitted
Nhóm 13 Page 6
Kinh tế lượng trong sự báo và phát triển kinh tế
Đồ thị phần dư của mô hình xu thế tuyến tính
b. Mô hình xu thế bậc 2.
Dạng mô hình:
Y = β
0
+ β
1
*TIME + β
2
*TIME2 + ɛ
t
Ta có bảng kết quả hồi quy:
Dependent Variable: TRIGIA
Method: Least Squares
Date: 03/29/15 Time: 14:10
Sample: 2005M02 2014M09
Included observations: 116

Variable
Coefficien
t Std. Error t-Statistic Prob.
C 69.51695 23.90734 2.907766 0.0044
TIME 1.743837 0.943289 1.848677 0.0671
TIME2 0.000944 0.007811 0.120820 0.9040
R-squared 0.357447 Mean dependent var 175.8190
Adjusted R-squared 0.346074 S.D. dependent var 104.3142
S.E. of regression 84.35440 Akaike info criterion 11.73345
Sum squared resid 804070.2 Schwarz criterion 11.80467
Log likelihood -677.5403 Hannan-Quinn criter. 11.76236
F-statistic 31.43044 Durbin-Watson stat 0.925448
Prob(F-statistic) 0.000000
Dựa vào bảng trên ta có phương trình hồi quy:
Y = 69.51695 + 1.743837*TIME + 0.000944*TIME2 + ɛ
t
Nhóm 13 Page 7
Kinh tế lượng trong sự báo và phát triển kinh tế
-300
-200
-100
0
100
200
300
0
100
200
300
400

500
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Residual Actual Fitted
Đồ thị phần dư của mô hình xu thế bậc 2
c. Mô hình hàm mũ.
Dạng mô hình:
Y = C(1)*exp(C(2)*TIME)
Ta có bảng kết quả hồi quy:
Dependent Variable: TRIGIA
Method: Least Squares
Date: 03/29/15 Time: 14:12
Sample: 2005M02 2014M09
Included observations: 116
Convergence achieved after 97 iterations
TRIGIA=C(1)*EXP(C(2)*TIME)
Coefficient Std. Error t-Statistic Prob.
C(1) 90.68556 11.05399 8.203873 0.0000
C(2) 0.010344 0.001435 7.209822 0.0000
R-squared 0.351103 Mean dependent var 175.8190
Nhóm 13 Page 8
Kinh tế lượng trong sự báo và phát triển kinh tế
Adjusted R-squared 0.345411 S.D. dependent var 104.3142
S.E. of regression 84.39714 Akaike info criterion 11.72604
Sum squared resid 812007.9 Schwarz criterion 11.77351
Log likelihood -678.1100 Hannan-Quinn criter. 11.74531
Durbin-Watson stat 0.916626
Dựa vào bảng trên ta có phương trình hồi quy:
Y = 90.68556*exp(0.010344*TIME)
-300
-200

-100
0
100
200
300
0
100
200
300
400
500
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Residual Actual Fitted
Đồ thị phần dư của mô hình hàm mũ
 Lựa chọn mô hình
Nhóm 13 Page 9
Kinh tế lượng trong sự báo và phát triển kinh tế
Các biến giải thích
Mô hình xu thế
tuyến tính
Mô hình xu thế bậc 2
Mô hình hàm mũ
R-squared
0.357364 0.357447
0.351103
Adjusted R- squared
0.351726 0.346074
0.345411
S.E. of regression
83.98904 84.35440

84.39714
Schwarz criterion
11.76382 11.80467
11.77351
Durbin-Watson stat
0.925311 0.925448
0.916626
Nhận Xét:
Từ bảng so sánh kết quả hồi quy ở trên chúng ta rút ra kết luận như sau:
• R
2
của mô hình bậc 2 cao nhất.
• Hệ số xác định hiệu chỉnh của mô hình tuyến tính cao nhất.
• Sai số chuẩn của hồi quy của mô hình tuyến tính nhỏ nhất.
• Schwarz criterion của mô hình tuyền tính nhỏ nhất.
• Hệ số Durbin-Watson của mô hình tuyến tính và mô hình bậc 2 gần như bằng
nhau.
• Bên cạnh đó P – value của biến giả TIME2 là 0.9040 > 0.1 nên TIME2 không có
ý nghĩa thống kê.
 Như vậy mô hình xu thế tuyến tính là tốt nhất nên ta chọn mô hình này để dự
báo.
Y = 67.34558 + 1.854246*TIME + ɛ
t
3. Kiểm định tính thời vụ.
a. Xây dựng mô hình:
Y = 67.34558 + 1.854246*TIME + γ
i
+ ɛ
t
Ta có bảng hồi quy sau:

Nhóm 13 Page 10
Kinh tế lượng trong sự báo và phát triển kinh tế
Dependent Variable: TRIGIA
Method: Least Squares
Date: 03/29/15 Time: 22:08
Sample: 2005M02 2014M09
Included observations: 116
Variable Coefficient Std. Error t-Statistic Prob.
TIME 1.908935 0.181080 10.54194 0.0000
D1 126.7972 24.29444 5.219187 0.0000
D2 105.9086 22.89428 4.625984 0.0000
D3 156.4996 22.97363 6.812142 0.0000
D4 111.1907 23.05413 4.823027 0.0000
D5 80.08176 23.13577 3.461383 0.0008
D6 51.27282 23.21853 2.208271 0.0294
D7 23.26389 23.30241 0.998347 0.3205
D8 5.154954 23.38739 0.220416 0.8260
D9 -13.25398 23.47345 -0.564637 0.5735
D10 -14.36486 24.05640 -0.597133 0.5517
D11 23.94843 24.13465 0.992284 0.3234
D12 112.4839 24.21400 4.645409 0.0000
R-squared 0.650217 Mean dependent var 175.8190
Adjusted R-squared 0.609466 S.D. dependent var 104.3142
S.E. of regression 65.18883 Akaike info criterion 11.29773
Sum squared resid 437707.1 Schwarz criterion 11.60632
Log likelihood -642.2683 Hannan-Quinn criter. 11.42300
Durbin-Watson stat 1.320042
Ta có phương trình hồi quy:
Y = 1.90893518519*TIME + 126.797222222*D1 + 105.908564815*D2 +
156.49962963*D3 + 111.190694444*D4 + 80.0817592593*D5 +

51.2728240741*D6 + 23.2638888889*D7 + 5.1549537037*D8 -
13.2539814815*D9 - 14.3648611111*D10 + 23.9484259259*D11 +
112.483935185*D12 + ɛ
t
Nhóm 13 Page 11
Kinh tế lượng trong sự báo và phát triển kinh tế
-300
-200
-100
0
100
200
0
100
200
300
400
500
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Residual Actual Fitted
b. Kiểm định tính thời vụ:
Ta có: SSR
R
= 804174.1
SSR
UR
= 437707.1
M = 11 k = 13 T = 116
F
qs

= = 7.8396
F
kđ
= F
11,103
= 1.882815
Có F
qs
> F
kđ
=> trong mô hình xuất hiện tính thời vụ.
Vậy mô hình dự báo tốt nhất là mô hình tuyến tính thời vụ:
Nhóm 13 Page 12
Kinh tế lượng trong sự báo và phát triển kinh tế
Y = 1.90893518519*TIME + 126.797222222*D1 + 105.908564815*D2 +
156.49962963*D3 + 111.190694444*D4 + 80.0817592593*D5 + 51.2728240741*D6
+ 23.2638888889*D7 + 5.1549537037*D8 - 13.2539814815*D9 -
14.3648611111*D10 + 23.9484259259*D11 + 112.483935185*D12 + ɛ
t
PHẦN III
Dự báo
I. Giá trị dự báo, khoảng tin cậy, các sai số.
1. Giá trị dự báo.
Thay các giá trị TIME và D
i
vào phương trình Y cuối cùng ta được giá trị dự báo
cho 5 tháng tiếp theo:
Y
1
= 1.90893518519*117 + 126.797222222*0 + 105.908564815*0 + 156.49962963*0

+ 111.190694444*0 + 80.0817592593*0 + 51.2728240741*0 + 23.2638888889*0 +
5.1549537037*0 - 13.2539814815*0 - 14.3648611111*1 + 23.9484259259*0 +
112.483935185*0 = 208.9805556
Y
2
= 1.90893518519*118 + 126.797222222*0 + 105.908564815*0 + 156.49962963*0
+ 111.190694444*0 + 80.0817592593*0 + 51.2728240741*0+ 23.2638888889*0 +
5.1549537037*0 - 13.2539814815*0 - 14.3648611111*0 + 23.9484259259*1 +
112.483935185*0 = 249.2027778
Y
3
= 1.90893518519*119 + 126.797222222*0 + 105.908564815*0 + 156.49962963*0
+ 111.190694444*0 + 80.0817592593*0 + 51.2728240741*0 + 23.2638888889*0 +
5.1549537037*0 - 13.2539814815*0 - 14.3648611111*0 + 23.9484259259*0 +
112.483935185*1 = 339.6472222
Y
4
= 1.90893518519*120 + 126.797222222*1 + 105.908564815*0 + 156.49962963*0
+ 111.190694444*0 + 80.0817592593*0 + 51.2728240741*0 + 23.2638888889*0 +
5.1549537037*0 - 13.2539814815*0 - 14.3648611111*0 + 23.9484259259*0 +
112.483935185*0 = 355.8694444
Y
5
= 1.90893518519*121 + 126.797222222*0 + 105.908564815*1 + 156.49962963*0
+ 111.190694444*0 + 80.0817592593*0 + 51.2728240741*0 + 23.2638888889*0 +
Nhóm 13 Page 13
Kinh tế lượng trong sự báo và phát triển kinh tế
5.1549537037*0 - 13.2539814815*0 - 14.3648611111*0 + 23.9484259259*0 +
112.483935185*0 = 336.8897222.
2. Khoảng tin cậy, các sai số.

Tại thời điểm T+h, khoảng tin cậy p=1-α của Ŷ
T+h
là:
[Ŷ
T+h
- Z
α/2
σ; Ŷ
T+h
+ Z
α/2
σ]
+ Z kiểm định: Z
0.05/2
= 1.96
+ Sigma mũ: sai số chuẩn của hồi quy xu thế: σ = 65.18883
+ h: tầm xa của dự báo và Ŷ
T+h
là giá trị dự báo tại thời điểm T+h
+ α = 5%
Ta có bảng:
T+h 117 118 119 120 121
Cận trên
336.75 376.97 476.42 483.64 464.66
Cận dưới
81.21 121.43 211.88 228.1 209.12
Giá trị dự báo 208.98 249.2 339.65 355.87 336.89
Giá trị thực tế 212 192 255 281 230
Sai số
3.02 57.2 84.65 74.87 106.89

3. Đồ thị dự báo
Đồ thị so sánh dự báo với thực tế
 Nhận xét:
Nhóm 13 Page 14
Kinh tế lượng trong sự báo và phát triển kinh tế
- Mô hình có R
2
= 0.650217 có nghĩa là mô hình có năng lực dự báo là 65.022%, sai số
càng về sau càng lớn. Tuy nhiên giá trị thực và giá trị dự báo vẫn nằm trong khoảng tin
cậy, do đó mô hình vẫn có thể sử dụng để dự báo cho khoảng thời gian không quá xa.
- Mô hình dự báo cho thấy chuỗi số liệu có tính thời vụ: khi nào trị giá đạt đỉnh điểm
và khi nào trị giá xuất khẩu giảm đến mức thấp nhất, giúp đưa ra được các biện pháp
khắc phục cho những hậu quả khi mức trị giá xuất khẩu thay đổi.
- Mô hình chưa giải thích hết được các yếu tố khác ảnh hưởng đến trị giá xuất khẩu cà
phê ở Việt Nam trong thời gian trên.
Nhóm 13 Page 15