PHÂN TÍCH MỘT SỐ YẾU TỐ ẢNH HƯỞNG ĐẾN SẢN LƯỢNG LÚA VIỆT NAM BÀI TIỂU LUẬN KINH TẾ LƯỢNG

TRƯỜNG ĐẠI HỌC QUY NHƠN
KHOA TÀI CHÍNH NGÂN HÀNG & QUẢN TRỊ KINH DOANH

BÀI TIỂU LUẬN KINH TẾ LƯỢNG

ĐỀ TÀI:
PHÂN TÍCH MỘT SỐ YẾU TỐ ẢNH HƯỞNG
ĐẾN SẢN LƯỢNG LÚA VIỆT NAM

Giảng viên:

ThS. Hoàng Mạnh Hùng

Lớp học phần:

1140033154RB

Bình Định, tháng 12/2015

Trang 1


DANH SÁCH THÀNH VIÊN TRONG NHÓM

TT
1
2
3
4
5
6

7

MSSV
3654010008
3654010014
3654010067
3654010098
3654010122
3654010160
3654010161

Họ và tên
Ngô Thị Dung
Huỳnh Công Đại
Nguyễn Thị Nữ
Lưu Thị Thanh Sương
Trương Thị Thảo (NT)
Hatarnong Vanhxai
Kitsana Boutsakone

Số TT

Đánh giá xếp

theo ds

loại

6
8

9
11
12
14
15

8.5
9
9
8.5
9
7
8

Trang 2


Mục lục

Lời mở đầu
Trong bối cảnh hội nhập quốc tế. Nền kinh tế Việt Nam từ một nước
nông nghiệp lạc hậu đang phấn đấu vươn lên để trở thành một nước công
nghiệp cơ bản (2020). Sự chuyển dịch cơ cấu kinh tế (chuyển từ nông nghiệp
sang công nghiệp và dịch vụ) ngày càng mạnh mẽ. Tại Việt Nam, Nông
nghiệp là một ngành kinh tế quan trọng trong nền kinh tế, đặc biệt là trong
các thế kỷ trước đây khi công nghiệp chưa phát triển và nông nghiệp chiếm tỉ
trọng cao trong nền kinh tế. Nông nghiệp là tập hợp các phân ngành như
trồng trọt, chăn nuôi, chế biến nông sản và công nghệ sau thu hoạch.
Tuy nhiên, nếu như Nhật bản, một nước nghèo về tài nguyên thiên nhiên
những vẫn có thể trở thành nước công nghiệp tiên tiến thì tại sao Việt nam

chúng ta lại không thể vươn lên giống họ? Hay như Singapore, một nước có
dân số ít, diện tích chỉ là một đảo nhỏ nhưng nước họ vẫn có tiếng tăm trên
thị trường thế giới. Việt Nam ta, một đất nước được mệnh danh là “rừng
vàng, biển bạc”, tại sao chúng ta không có chỗ đứng trên thị trường thế giới?
Là một nước xuất khẩu gạo hàng đầu thế giới nhưng trong nước lại thiếu
lương thực.
Trước tình hình diện tích lúa ngày càng bị thu hẹp do đất công nghiệp,
các khu công nghiệp, khu du lịch, những con đường được mở rộng đã làm
giảm dần diện tích đất nông nghiệp (diện tích Lúa).
Câu hỏi đặt ra là làm thế nào để sản lượng lúa không đổi hay vẫn tăng
lên trong khi các yếu tố như diện tích bị thu hẹp, khí hậu thì ngày một khắc
nghiệt hơn cho nền nông nghiệp Việt nam? Trước tiên, chúng tôi đi xem xét
một số yếu tố tác động tới sự phát triển cũng như kìm hãm sự phát triển cây
Trang 3


lúa. Bằng việc sử dụng mô hình trong kinh tế lượng phân tích các yếu tố ảnh
hưởng tới sản lượng lúa Việt Nam là việc xem xét mối quan hệ giữa các biến
số và nắm được nhân tố nào quan trọng nhất trong các nhân tố có ảnh hưởng
tới biến phụ thuộc trong mô hình. Phân tích số liệu, tìm hiểu, nghiên cứu các
vấn đề trên sẽ có ý nghĩa trong việc phân tích đánh giá đầy đủ hơn về sản
lượng lúa trong thời gian qua. Từ đó xây dựng mô hình tăng trưởng phù hợp
với điều kiện hiện nay của nước ta.
“Phân tích các nhân tố cơ bản ảnh hưởng đến tăng trưởng công
nghiệp bằng mô hình kinh tế lượng.”
Bài tiểu luận của nhóm em được viết theo cấu trúc gồm hai chương như sau:
Chương I: Thực trạng về nền Nông nghiệp Việt Nam.
Chương II: Phân tích ảnh hưởng của các nhân tố cơ bản đến sản lượng lúa
Việt Nam

Trang 4


II: Thực trạng về sản lượng cũng như chất lượng lúa Việt Nam
Số liệu:
Ký

DT

NS

Sản

LUA
Diện

LUA
Năng

lượng

tích

suất

lúa

lúa

lúa

1995

24963.7

6765.6

1996

26396.7

1997

hiệu

DV

DT

DT

DT

NGO

MIA
Diện

LAC
Diện

tích

tích

mía

lạc

D1

Dịch vụ

Diện

ăn uống

tích ngô

36.9

16957

556.8

224.8 259.9

0

7003.8

37.7

18950

615.2

237.0 262.8

0

27523.9

7099.7

38.8

20523.3

662.9

257.0 253.5

0

1998

29145.5

7362.7

39.6

21587.7

649.7

283.0 269.4

0

1999

31393.8

7653.6

41

21672.1

691.8

344.2 247.6

0

2000

32529.5

7666.3

42.4

23506.2

730.2

302.3 244.9

0

2001

32108.4

7492.7

42.9

30535

729.5

290.7 244.6

0

2002

34447.2

7504.3

45.9

35783.8

816.0

320.0 246.7

0

2003

34568.8

7452.2

46.4

39382.3

912.7

313.2 243.8

0

2004

36148.9

7445.3

48.6

45654.4

991.1

286.1 263.7

0

2005

35832.9

7329.2

48.9

58429.3

1,052.6

266.3 269.6

0

2006

35849.5

7324.8

48.9

71314.9

1,033.1

288.1 246.7

0

2007

35942.7

7207.4

49.9

90101.1

1,096.1

293.4 254.5

0

2008

38729.8

7400.2

52.3

113983.2

1,140.2

270.7 255.3

0

2009

38950.2

7437.2

52.4

158847.9

1,089.2

265.6 245.0

1

2010

40005.6

7489.4

53.4

212065.2

1,125.7

269.1 231.4

1

2011

42398.5

7655.4

55.4

260325.9

1,121.3

282.2 223.8

1

2012

43737.8

7761.2

56.4

305651

1,156.6

301.9 219.2

1

2013

44039.1

7902.5

55.7

315873.2

1,170.4

310.4 216.4

1

2014

44975

7813.8

57.6

352978.5

1,177.5

305.0 209.0

1

Năm

•

SLL

Biến
giả

Phạm vi thu thập số liệu: Nhóm thu thập số liệu thứ cấp về một số yếu tố
có thể làm ảnh hưởng đến sản lượng lúa trên phạm vi cả nước.
Trang 5


•

Nguồn số liệu: Số liệu được thu thập tại trang web tổng cục thống kê
(www.gso.gov.vn) về các yếu tố: sản lượnglúa, năng suất lúa, diện tích
lúa, diện tích ngô, diện tích mía, diện tích lạc, dịch vụ ăn uống của cả nước
gia đoạn 1995 – 2014.

Trang 6


Chương II: Phân tích ảnh hưởng của các nhân tố cơ bản đến sản lượng
lúa Việt Nam
1.

Lựa chọn mô hình
Đầu tiên khi lựa chọn mô hình là phải xác định các biến số đâu là biến

phụ thuộc đâu là biến độc lập. Vì vậy em xin giới thiệu các biến và cách thức
được sử dụng trong mô hình

1.1.

Biến phụ thuộc trong mô hình
Là sản lượng lúa Việt Nam trong giai đoạn 1995 – 2014
Ký hiệu: SLL
Đơn vị tính: nghìn tấn.

1.2.
Biến độc lập trong mô hình (Biến định lượng)
 Năng suất lúa (ký hiệu: NSLUA, đơn vị tính: tấn/ha)

là một trong những

yếu tố quan trọng đối với tăng trưởng về sản lượng lúa, để biết được
hoạt động sản xuất lúa có hiệu quả hay không ta xem xét tới việc khi
năng suất tăng lên 1 tấn/ha thì tạo ra thêm được bao nhiêu giá trị về sản


lượng thực.
Diện tích lúa (ký kiệu: DTLUA, đơn vị tính: nghìn ha) là một yếu tố
chính tạo nên giá trị sản lượng lúa, tuy nhiên, thực tế có thể xảy ra
trường hợp diện tích lúa không đổi hoặc giảm nhưng sản lượng lúa vẫn



tăng hoặc không đổi.
Dịch vụ ăn uống (ký hiệu: DV, đơn vị tính: nghìn tỷ đồng) là yếu tố cơ
bản có thể ảnh hưởng đến sản lượng lúa vì khi nền kinh tế ngày càng
phát triển, con người có nhu cầu nghỉ ngơi nhiều hơn, vì thế hoạt động
nấu nướng tại gia đình cũng sẽ giảm xuống, thay vào đó là các nhà hàng,

các quán cơm,… - nơi mà có thể tạo ra bữa cơm giá rẻ, ngon miệng, các
gia đình thay vì phải tự tay vào bếp thì nay họ cũng được phục vụ cũng
như khi công việc ở công ty, doanh nghiệp qua nhiều khiến cho chị em
phụ nữ hay những người đàn ông chưa vợ đỡ phải lo toan chuyện bếp
núc. Vì vậy mà nhóm đã lựa chọn biến dịch vụ ăn uống với giả định khi
Trang 7


DV tăng thì có khả năng sẽ khuyến khích người nông dân sản xuất ra


nhiều lúa hơn.
Diện tích ngô (ký hiệu: DTNGO), diện tích mía (ký hiệu: DTMIA) và
diện tích lạc (ký hiệu: DTLAC): diện tích về ba loại nông sản có thể
làm ảnh hưởng tới diện tích lúa, điều đó có thể làm thay đổi tới sản
lượng lúa. Khi diện tích của 3 yếu tố này tăng lên, có thể sẽ làm giảm



sản lượng lúa 1 cách gián tiếp.
Biến giả (ký hiệu: D1): Biến giả phản ánh một thời kỳ đặc biệt trong cả
giai đoạn phát triển. Như chúng ta đã biết thời kỳ từ năm 2008 là thời
kỳ Việt Nam gặp khó khăn vì bị khủng hoảng về kinh tế. Do đó mục
đích khi cho biến giả này của nhóm em là xem xét khủng hoảng có ảnh
hưởng đến tăng trưởng sản lượng lúa hay không. Biến KHTC sẽ làm
cho sản lượng lúa cũng như các mặt hàng khác trong nền kinh tế giảm
sút cho nên kỳ vọng dấu là dấu âm.
D1 = 0 nếu năm quan sát thuộc thời kỳ 2008
D1 =
•

1 nếu năm quan sát thuộc thời kỳ sau năm 2008.

Kỳ vọng về dấu của các biến giải thích với biến phụ thuộc
Tên biến
β2
β3
β4
β5
β6
β7
β8

2.

Kì vọng dấu
+
+
+
-

Mô hình hồi quy tuyến tính
2.1.

Ước lượng mô hình

Bằng việc sử dụng phương pháp bình phương nhỏ nhất OLS để ước
lượng mô hình trên và ước lượng là chính xác nhất thì kết quả ước lượng mô
hình phải thoã mãn các giả thiết của OLS.
Trang 8

Giả thiết: 1. Biến giải thích là phi ngẫu nhiên, tức là các giá trị của
chúng là các số đã được xác định
2. Kỳ vọng của yếu tố ngẫu nhiên U bằng không.
E(Ui) = E(U/Xi) = 0 ∀ i
3. Phương sai của yếu tố ngẫu nhiên U bằng nhau.
Var(U/Xi) = Var(U/Xj) = σ2 ∀ i ≠ j
4. Không có sự tương quan giữa các Ui.
Cov(Ui,Uj) = 0 ∀ i ≠ j
5. U và X không tương quan với nhau.
Cov(U,X) = 0
2.2.

Kết quả ước lượng mô hình
Căn cứ vào cơ sở lý thuyết và sự ảnh hưởng của các yếu tố như đã phân

tích ở trên, chúng tôi lựa chọn mô hình hồi quy tuyến tính dạng k biến (k=8):
SLL = β1 + β2*NSLUA + β3*DTLUA + β4*DV+ β5*DTNGO
+ β6*DTMIA + β7*DTLAC + β8*D1 + Ui
Trong đó: Ui là sai số ngẫu nhiên
Bằng sự hỗ trợ của phần mềm tính toán Eview 6.0, kết quả ước lượng
có được các tham số của mô hình hồi quy tuyến tính đã đưa ra như sau:
Cách 1: Sử dụng phương pháp OLS
Ls sllua c dtlac dtlua dtmia dtngo dv nslua d1

Dependent Variable: SLL
Method: Least Squares
Date: 12/05/15 Time: 07:41
Sample: 1995 2014

Included observations: 20
Variable
C
NSLUA
DTLUA
DV
DTNGO
DTMIA
DTLAC

Coefficient Std. Error
-30337.18
740.5215
4.285310
0.003751
-0.864612
-1.644124
-1.333551

1686.023
36.07023
0.246532
0.000884
0.866398
1.980643
3.939838

t-Statistic

Prob.

-17.99334
20.52999
17.38236
4.245383
-0.997938
-0.830096
-0.338479

0.0000
0.0000
0.0000
0.0011
0.3380
0.4227
0.7409
Trang 9


D1
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

-292.1736 144.9115
0.999815

0.999707
100.8226
121982.4
-115.5378
9254.912
0.000000

-2.016221

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.0667
35484.38
5887.848
12.35378
12.75207
12.43153
1.684419

Từ kết quả của Eview, ta thu được hàm hồi quy tổng thể như sau:
SLL = -30337.178533 + 740.521467*NSLUA + 4.285310*DTLUA +
0.003751*DV - 0.864612*DTNGO - 1.644124*DTMIA
- 1.333551*DTLAC - 292.173636*D1 + Ui

(1)

Nhìn vào bảng trên ta thấy kết quả ước lượng mô hình ban đầu chưa
phải là mô hình tốt nhất. Trong thời kỳ 1995 – 2014, các biến diện tích ngô,
diện tích lạc, diện tích mía và biến giả đưa vào mô hình đều không có ý nghĩa
vì các giá trị P-value ứng với các biến này đều lớn hơn 0,05.
Cách 2: Ta có thể kiểm tra tính đúng đắn của mô hình bằng việc ước
lượng lại mô hình phương pháp 2STS:
Dependent Variable: SLL
Method: Two-Stage Least Squares
Date: 12/05/15 Time: 07:40
Sample: 1995 2014
Included observations: 20
Instrument specification: NSLUA DTLUA DV DTNGO DTMIA DTLAC D1
Constant added to instrument list
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
NSLUA
DTLUA
DV
DTNGO
DTMIA

-30337.18
740.5215
4.285310
0.003751
-0.864612
-1.644124

1686.023
36.07023
0.246532
0.000884
0.866398
1.980643

-17.99334
20.52999
17.38236
4.245383
-0.997938
-0.830096

0.0000
0.0000
0.0000
0.0011
0.3380
0.4227
Trang 10

DTLAC
D1
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
J-statistic

-1.333551
-292.1736
0.999815
0.999707
100.8226
9254.912
0.000000
4.62E-34

3.939838
144.9115

-0.338479
-2.016221

Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
Second-Stage SSR

Instrument rank

0.7409
0.0667
35484.38
5887.848
121982.4
1.684419
121982.4
8

Kết quả ước lượng bằng phương pháp 2STS cũng cho ta các hệ số ước
lượng ứng với các biến độc lập tương ứng giống như ước lượng bằng phương
pháp OLS. Như vậy mô hình tương quan giữa biến giá trị sản xuất công
nghiệp với các biến độc lập:năng suất lúa, diện tích lúa, dịch vụ ăn uống, diện
tích ngô, diện tích mía, diện tích lạc và biến giả vẫn còn nhiều khuyết điểm
cần được cải tiến.
Kiểm định loại bỏ các biến không cần thiết ra khỏi mô hình
Xét mô hình
Dependent Variable: SLL
Method: Least Squares
Date: 12/05/15 Time: 07:50
Sample: 1995 2014
Included observations: 20
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
NSLUA
DTLUA
DV
DTNGO
DTMIA
DTLAC
D1

-30337.18
740.5215
4.285310
0.003751
-0.864612
-1.644124
-1.333551
-292.1736

1686.023
36.07023
0.246532
0.000884
0.866398
1.980643
3.939838
144.9115

-17.99334
20.52999
17.38236
4.245383
-0.997938
-0.830096
-0.338479
-2.016221

0.0000
0.0000
0.0000
0.0011
0.3380
0.4227
0.7409
0.0667

R-squared
Adjusted R-squared
S.E. of regression

0.999815
0.999707
100.8226

Mean dependent var
S.D. dependent var
Akaike info criterion

35484.38
5887.848
12.35378
Trang 11


Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

121982.4
-115.5378
9254.912
0.000000

Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

12.75207
12.43153
1.684419

Cách 1: Sử dụng kiểm định t:
Ta kiểm định giả thiết
H0: β5 = β6 = β7 = β8 = 0
H0: β5 = β6 = β7 = β8 = 0
Nhìn vào kết quả Eview trên, ta thấy:

•

Prob(β5) = 0.3380 > 0.05

•

Prob(β6) = 0.4227 > 0.05

•

Prob(β7) = 0.7409 > 0.05

•

Prob(β8) = 0.0667 > 0.05

Các giá trị P-value đều lớn hơn 0.05 nên ta chấp nhận H 0, nghĩa là hệ số hồi
quy của các biến DTNGO, DTLAC, DTMIA, D1 bằng 0 nên không có ý
nghĩa thống kê, ta loại các biến này ra khỏi mô hình.
Cách 2: Tiến hành kiểm định Wald, ta có kết quả như sau:
Giả thiết: H0: β5 = β6 = β7 = β8 =0
View – coeff – wadl
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square

Value

df

Probability

1.131494
4.525975

(4, 12)
4

0.3875
0.3395

Null Hypothesis: C(5)=C(6)=C(7)=C(8)=0
Null Hypothesis Summary:
Normalized Restriction (= 0)

Value

Std. Err.
Trang 12


C(5)
C(6)
C(7)
C(8)

-0.864612
-1.644124

-1.333551
-292.1736

0.866398
1.980643
3.939838
144.9115

Restrictions are linear in coefficients.
Theo như kết quả trên Prob (F-statistic) = 0.3875 > 0.05, chấp nhận
giả thiết H0, tức là hệ số hồi quy của các biến DTNGO, DTLAC, DTMIA, D1
bằng 0 nên không có ý nghĩa thống kê, ta loại các biến này ra khỏi mô hình.
Vậy, với mức ý nghĩa 5%, MH (1) thừa các biến DTNGO, DTLAC, DTMIA,
D1 nên ta loại bỏ khỏi mô hình.
Cách 3: Sử dụng tỷ lệ hàm hợp lý (LR)
Xét MH (1)
Giả thiết: H0: β5 = β6 = β7 = β8 =0
Redundant Variables Test
Equation: UNTITLED
Specification: sll c nslua dtlua dv dtngo dtmia dtlac d1
Redundant Variables: dtngo dtmia dtlac d1
View – coff – redun : dtngo dtmia dtlac d1

F-statistic
Likelihood ratio

Value
1.131494
6.400535

df
(4, 12)
4

Probability
0.3875
0.1712

Từ kết quả trên, ta thấy: p-value (t) > 0.05 hay p-value (LR) >0.05 nên ta chấp
nhận H0. Vậy, với mức ý nghĩa 5%, mô hình (1) thừa 4 biến do đó ta loại bỏ 4
biến này khỏi mô hình.
2.3.

Mô hình hồi quy mới sau khi bỏ các biến:
SLL = β1+ β2*NSLUA + β3*DTLUA + β4*DV + Ui

Kết quả hồi quy:
Dependent Variable: SLL
Trang 13


Method: Least Squares
Date: 12/05/15 Time: 19:20
Sample: 1995 2014
Included observations: 20
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
NSLUA
DTLUA
DV

-29884.22
705.0600
4.230666
0.003344

817.1952
7.475375
0.116198
0.000426

-36.56925
94.31769
36.40914
7.841364

0.0000
0.0000
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.999745
0.999697
102.4664
167989.9
-118.7380
20906.03
0.000000

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

35484.38
5887.848
12.27380
12.47295
12.31268
1.412286

SLL = -29884.215385 + 705.060047*NSLUA + 4.230666*DTLUA
+ 0.003344*DV + Ui

(2)

Thực hiện một số kiểm định
Xét MH (2)
Kết quả hồi quy:
2.3.1.

Dependent Variable: SLL
Method: Least Squares
Date: 12/05/15 Time: 19:39
Sample: 1995 2014
Included observations: 20
Variable
C
NSLUA
DTLUA
DV
R-squared
Adjusted R-squared
S.E. of regression

Coefficient Std. Error
-29884.22
705.0600
4.230666
0.003344
0.999745

0.999697
102.4664

817.1952
7.475375
0.116198
0.000426

t-Statistic

Prob.

-36.56925
94.31769
36.40914
7.841364

0.0000
0.0000
0.0000
0.0000

Mean dependent var
S.D. dependent var
Akaike info criterion

35484.38
5887.848
12.27380
Trang 14

Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
2.3.1.1.

167989.9
-118.7380
20906.03
0.000000

Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

12.47295
12.31268
1.412286

Kiểm định sự phù hợp của các hệ số hồi quy

Với mức ý nghĩa là α = 5%
Giả thiết: H0: βi = 0 (i = 2,3,4)
H1: βi # 0 (i = 2,3,4)
Quy tắc kiểm định P_value (với α =0.05): P < 0.05 bác bỏ H0
P > 0.05 chấp nhận H0
Nhìn vào kết quả Eview, ta thấy:
P2=P3=P4 = 0.0000 < 0.05 nên ta bác bỏ H0 hay chấp nhận βi # 0

(i = 2,3,4).
Tức là các hệ số hồi quy đều có ý nghĩa thông kê.
Như vậy mô hình hồi quy là:
SLL = -29884.215385 + 705.060047*NSLUA + 4.230666*DTLUA
+ 0.003344*DV + U (2)
Với R2 = 0.999745 thì sự thay đổi các giá trị của biến độc lập giải thích được
99.989745% sự thay đổi các giá trị của biến phụ thuộc.
Kết luận: Các biến độc lập: DTLUA, NSLUA, DV đều ảnh hưởng đến biến
phụ thuộc SLL.
2.3.1.2.

Kiểm định sự phù hợp về dấu của các hệ số hồi quy:

Với mức ý nghĩa là α = 5%
•

Dấu của hệ số β2

Giả thiết: H0: β2 = 0
H1: β2 ≠ 0
Quy tắc kiểm định P (với α =0.05):

P < 0.05 bác bỏ H0
P > 0.05 chấp nhận H0
Trang 15


Nhìn vào kết quả Eview, ta thấy:
P_value (β2)=0.0000 < 0.05 nên ta bác bỏ H0 hay chấp nhận β2 > 0
•

Dấu của hệ số β3

Giả thiết:

H0: β3 = 0
H1: β3 ≠ 0

•

Dấu của hệ số β4

Giả thiết:

H0: β4 = 0
H1: β4 ≠ 0

Nhìn vào kết quả Eview, ta thấy:
P4 < 0.000 nên ta bác bỏ H0 hay chấp nhận β4 > 0
Như vậy, với mức ý nghĩa 5% dấu của các hệ số hồi quy phù hợp với lý
thuyết đã nêu trên.
Ý nghĩa và ước lượng khoảng tin cậy của các hệ số hồi quy
(với α =0.05)
2.3.2.1.
Ý nghĩa các hệ số β
2.3.2.

β 2 = 705.06: với các yếu tố khác không đổi, khi năng suất lúa tăng
(giảm) 1 tấn/ha thì trung bình sản lượng lúa tăng (giảm) 705.06 nghìn tấn và
biến thiên trong khoảng (689.213, 720.9071).

β3 = 4.230666: với các yếu tố khác không đổi, khi diện tích lúa tăng
(giảm) 1 nghìn ha thì sản lượng lúa sẽ tăng (giảm) khoảng 4.230666 nghìn tấn
và biến thiên trong khoảng (3.984338, 4.476995).
β4 =0.003344: với các yếu tố khác không đổi, khi dịch vụ ăn uống tăng
(giảm) 1 giờ thì sản lượng lúa sẽ tăng (giảm) 0.003344 và biến thiên trong
khoảng (0.00244, 0.004248).
2.3.2.2.

Ước lượng khoảng tin cậy của các hệ số hồi quy (với α =0.05):

Sử dụng hàm @qtdist(0.975,16) trên Eviews ta được:
tα/2(n-k)=tα/2(16)= 2.11990529922
Khoảng tin cậy đối xứng cho các hệ số βi với i=2,3,4 là:

Trang 16


SE(β)
β1
817.1952
β2
7.475375
β3
0.116198
β4
0.000426
Thay số vào công thức ta sẽ tính được khoảng ước lượng của các hệ số β1, β2,
β3, β4.
Hoặc :
Sau khi hồi quy bằng công thức ls sll c nslua dtlua dv

Ta lưu lại kết quả hồi quy với tên eq01
Sau đó thực hiện:
coef(2) hsc
hsc(1)=eq01.@coef(1)-eq01.@stderrs(1)*@qtdist(0.975,16)
hsc(2)=eq01.@coef(1)+eq01.@stderrs(1)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số góc β1, trong đó: hsc là tên do ta tự
đặt)
coef(2) hsdtlua
hsdtlua(1)=eq01.@coef(2)-eq01.@stderrs(2)*@qtdist(0.975,16)
hsdtlua(2)=eq01.@coef(2)+eq01.@stderrs(2)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số năng suất lúa β2)
coef(2) hsnslua
hsnslua(1)=eq01.@coef(3)-eq01.@stderrs(3)*@qtdist(0.975,16)
hsnslua(2)=eq01.@coef(3)+eq01.@stderrs(3)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số diện tích lúa β3)
Trang 17


coef(2) hsdv
hsdv(1)=eq01.@coef(4)-eq01.@stderrs(4)*@qtdist(0.975,16)
hsdv(2)=eq01.@coef(4)+eq01.@stderrs(4)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số dịch vụ β4).
Ta có kết quả như sau:
Với mức ý nghĩa 5%, ta có khoảng tin cậy của các hệ số như sau:
β1 (-31616.59, -28151.84)
β2 (689.2130, 720.9071)
β3 (3.984338, 4.476995)
β4 (0.002440, 0.004248)
Tương tự với các hệ số, ta cũng tính được giá trị tối đa và giá trị tối
thiểu cho các hệ số hồi quy như sau:

coef(1) hsc
hsc(1)=eq01.@coef(1)-eq01.@stderrs(1)*@qtdist(0.95,16)
(tìm khoảng tin cậy tối thiểu cho hệ số β1 )
hsc(1)=eq01.@coef(1)+eq01.@stderrs(1)*@qtdist(0.95,16)
(tìm khoảng tin cậy tối đa cho hệ số β1)
Các hệ số khác, ta làm tương tự sẽ đưa ra được kết quả như sau:
Với mức ý nghĩa 5%, ta có giá trị tối đa của các hệ số như sau:
β1 (-∞, -28457.49)
β2 (-∞, 718.1112)
β3 (-∞, 4.433534)
β4 (-∞, 0.004089)
Với mức ý nghĩa 5%, ta có giá trị tối thiểu của các hệ số như sau:
β1 (-31310.94, +∞)
β2 (692.0089, +∞)
Trang 18


β3 (4.027798, +∞)
β4 (0.002600, +∞)
III. KIỂM ĐỊNH VÀ KHẮC PHỤC CÁC HIỆN TƯỢNG TRONG MÔ
HÌNH HỒI QUY MỚI.
1.1.

Kiểm định đa cộng tuyến

Cách 1: Ma trận hệ số tương quan giữa các biến
Quic – group – correlation :dtlua dv nslua sllua

NSLUA DTLUA
DV

SLL
NSLUA 1.000000 0.668625 0.871430 0.987450
DTLUA 0.668625 1.000000 0.651079 0.774726
DV
0.871430 0.651079 1.000000 0.889745
SLL
0.987450 0.774726 0.889745 1.000000
Từ ma trận tương quan giữa các biến, ta thấy hệ số tương quan giữa các
biến nslua, dtlua, dv khá cao, trong đó hệ số tương quan của 2 biến dv và
nslua là r13 = 0.87143 là rất lớn, chứng tỏ đa cộng tuyến cao.
Cách 2: Hệ số xác định R2 cao nhưng tỷ số t thấp
Xét mô hình: SLL = β1 + β2NSLUA + β3DTLUA + β4DV + V
SLL = -29884.215385 + 705.060047*NSLUA
+ 4.230666*DTLUA + 0.003344*DV+V

(3)

Ta có kết quả hồi quy: Ta thấy: R 2 = 0.978614 là rất lớn, tỷ số t của hệ số hồi
quy β2 rất nhỏ và giá trị p-value (dv) = 0.111 > 0.05, do đó, β 2 không có ý
nghĩa thống kê, biến DV không có ảnh hưởng lên sản lượng lúa.
Vậy có khả năng hai biến độc lập là dịch vụ ăn uống và năng suất lúa có
cộng tuyến cao.
Cách 3: Sử dụng hồi quy phụ
Xét MH (2):
Trang 19


Ta ước lượng MH HQ phụ giữa biến độc lập DV với các biến độc lập còn lại
dưới dạng:
DV = α1 + α2NSLUA +V

(4)

Kết quả hồi quy MH (4)

Dependent Variable: DV
Method: Least Squares
Date: 12/06/15 Time: 20:11
Sample: 1995 2014
Included observations: 20
Variable

Coefficient Std. Error

t-Statistic

Prob.

C
NSLUA

-600928.2 95291.89
14964.45 1985.403

-6.306184
7.537236

0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Kiểm định giả thiết:

0.759390 Mean dependent var
0.746023 S.D. dependent var
57653.63 Akaike info criterion
5.98E+10 Schwarz criterion
-246.5693 Hannan-Quinn criter.
56.80992 Durbin-Watson stat
0.000001
Rj2 = 0 :không có đa cộng tuyến

110706.1
114400.9
24.85693
24.95651
24.87637
0.151055

Rj2 > 0: có đa cộng tuyến
Ta có:
F(4) = 56.80992 và fα(k-2;n-k+1) = f0.05(3-2;20-3+1) = f0.05(1;18) = 4.414
Ta thấy: F(4) > f0.05(1;18) nên ta bác bỏ H0, chấp nhận H1. Vậy, với mức ý nghĩa 5%, MH (2) có xảy
ra đa cộng tuyến.

Cách 4: Sử dụng nhân tử phóng đại phương sai VIF:
Ta có:

VIFj =

Với Rj2 là hệ số xác định của hàm hồi quy phụ.
Sau khi ước lượng mô hình (4), ta có R2= 0.767856
Trang 20


Thay R2 vào công thức ta được:
VIF = 1/(1-0.767856) = 4.307671 < 10  Rj2 <0.9 nên mức độ cộng tuyế

n

được xem là thấp.
Khắc phục hiện tượng đa cộng tuyến bằng cách bỏ bớt biến độc lập
Bỏ biến DV ra khỏi mô hình (2) ta được mô hình hồi quy mới như sau :
SLL = α1 + α2*NSL + α3*DTL + Ui

(2’)

Hồi quy mô hình (2’) bằng Eview ta được kết quả sau :
Dependent Variable: SLL
Method: Least Squares
Date: 11/30/15 Time: 00:08
Sample: 1995 2014
Included observations: 20
Variable

Coefficient Std. Error

t-Statistic

Prob.

C
NSLUA
DTLUA

-32939.19 1533.641
750.3525 10.13104
4.401579 0.243674

-21.47777
74.06471
18.06336

0.0000
0.0000
0.0000

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

35484.38
5887.848
13.75133
13.90069
13.78048
0.284816

R-squared
0.998765
Adjusted R-squared
0.998620
S.E. of regression
218.7618
Sum squared resid
813564.4
Log likelihood
-134.5133
F-statistic
6873.169
Prob(F-statistic)
0.000000
Kiểm định cặp giả thiết :
H0 : = 0
H1 : > 0

Miền bác bỏ : Wα = ( F: F > (2 ; 17 ) = 3,59 )
Ta thấy Fqs = 6873,169 є Wα nên ta bác bỏ H0, chấp nhận H1. Vậy mô
hình (2’) không còn hiện tượng đa cộng tuyến do chỉ còn 2 biến độc lập, đã
khắc phục được hiện tượng đa cộng tuyến ở mô hình (2).
1.2.

1.2.1.

Kiểm định phương sai SSNN thay đổi
Sử dụng kiểm định White
Trang 21


1.2.1.1.

Kiểm định hồi quy phụ không có tích chéo giữa các biến độc lập

Mô hình hồi quy phụ
E2i = α1 + α2nslua + α3nslua2 + α4dtlua + α5dtlua2 + α6dv + α7dv2 + Vi (5)
Kết quả mô hình hồi quy phụ 1
VIEW/RESIDUAL TESTS/White

Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

0.297550
1.056851
0.373354

Prob. F(3,16)
Prob. Chi-Square(3)
Prob. Chi-Square(3)

0.8266

0.7875
0.9457

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/30/15 Time: 11:16
Sample: 1995 2014
Included observations: 20
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
NSLUA^2
DTLUA^2
DV^2

41502.23
2.285436
-0.000705
2.73E-08

39198.64

6.197352
0.000760
9.95E-08

1.058767
0.368776
-0.927704
0.274871

0.3054
0.7171
0.3673
0.7869

R-squared
0.052843
Adjusted R-squared -0.124749
S.E. of regression
9602.799
Sum squared resid
1.48E+09
Log likelihood
-209.5435
F-statistic
0.297550
Prob(F-statistic)
0.826640
Kiểm định cặp giả thuyết:

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

8399.494
9054.614
21.35435
21.55350
21.39323
2.693154

H0 : R2(5) = 0 (không có hiện tượng phương sai sai số thay đổi)
H1 : R2(5) > 0 (có hiện tượng phương sai sai số thay đổi)
Trang 22


Cách 1: Kiểm định F
Ta thấy: P-value = 0.8266 > α = 0.05 nên chưa đủ cơ sở bác bỏ H0. Vậy, với
mức ý nghĩa 5%, MH (2) không có phương sai SSNN thay đổi.
Cách 2: Kiểm định χ 2
χ2qs = n*R2 = 1.056851;
χα2(k-1) = χ20.05 (3) = 7.815
χ2qs < χα2(k-1) hay p-value = 0.7875 > 0.05 nên chưa đủ cơ sở để bác bỏ H0
Vậy, với mức ý nghĩa 5%, MH (2) không có phương sai SSNN thay đổi.

 Kết luận: với phương pháp kiểm định White không có tính chéo giữa các
biến độc lập, mô hình (2) không có hiện tượng phương sai sai số thay đổi.
1.2.1.2.

Kiểm định hồi quy phụ có tích chéo giữa các biến độc lập

Mô hình hồi quy phụ:
Ei2= α1 + α2*DTL + α3* + α4*DTL*DVAU + α5*DTL*NSL + α6*NSL +
α7* + α8*NSL*DVAU + α9*DVAU + α10*DV2 + Vi (6)
Kết quả của MHHQ phụ (6)
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

2.283854
13.45436
4.753027

Prob. F(9,10)
Prob. Chi-Square(9)
Prob. Chi-Square(9)

0.1072
0.1431
0.8553

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/30/15 Time: 08:35
Sample: 1995 2014
Included observations: 20

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
NSLUA^2
NSLUA*DTLUA
NSLUA*DV

3917523.
574.0528
1.236035
-0.177209

1860027.
493.9978
4.468460
0.079124

2.106164
1.162055
0.276613
-2.239643

0.0614
0.2722
0.7877
0.0490
Trang 23


NSLUA
DTLUA^2
DTLUA*DV
DTLUA
DV^2
DV

-55323.18
0.052953
-0.000574
-799.2523
4.85E-06
12.47933

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Kiểm định cặp giả thuyết:

0.672718
0.378164
7140.158
5.10E+08
-198.9171
2.283854
0.107196

56327.93
0.039332
0.000419
515.1664
2.44E-06
6.116281

-0.982162
1.346289
-1.371469
-1.551445
1.989032
2.040346

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.3492

0.2079
0.2002
0.1518
0.0747
0.0686
8399.494
9054.614
20.89171
21.38958
20.98890
2.230880

H0 : R2(6) = 0 (không có hiện tượng phương sai sai số thay đổi
H1 : R2(6) > 0 (có hiện tượng phương sai sai số thay đổi).
Ta thấy: P-value của kiểm định F = 0.1072 > α = 0.05 nên chưa có cơ sở bác
bỏ H0. Vậy mô hình (2) không có hiện tượng phương sai sai số thay đổi.

 Kết luận: với phương pháp kiểm định white có tính chéo giữa các biến
độc lập, mô hình (2) không có hiện tượng phương sai sai số thay đổi.
1.2.2.

Kiểm định Park/Harvey:

Bước 1: Hồi quy mô hình gốc (MH 2)
Bước 2: Hồi quy MH phụ:

(7)
View – re- hete – har :
Heteroskedasticity Test: Harvey
F-statistic

Obs*R-squared
Scaled explained SS

1.292559
3.901539
2.892099

Prob. F(3,16)
Prob. Chi-Square(3)
Prob. Chi-Square(3)

0.3110
0.2723
0.4086

Test Equation:
Dependent Variable: LRESID2
Method: Least Squares
Trang 24


Date: 12/02/15 Time: 22:26
Sample: 1995 2014
Included observations: 20
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
LOG(NSLUA)
LOG(DTLUA)
LOG(DV)

-74.96855
-20.12473
13.69475
2.661751

130.7318
11.65026
15.96018
1.463645

-0.573453
-1.727407
0.858058
1.818577

0.5743
0.1033
0.4035
0.0877

R-squared

0.195077
Adjusted R-squared
0.044154
S.E. of regression
1.918473
Sum squared resid
58.88861
Log likelihood
-39.17793
F-statistic
1.292559
Prob(F-statistic)
0.311045
Bước ba: kiểm định giả thiết:

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

-0.924970
1.962283
4.317793
4.516939
4.356668
2.594716

H0 : β2 = β3 = β4 = 0 (phương sai không thay đổi)

H1 :

(phương sai thay đổi)

Ta dùng kiểm định F, với mức ý nghĩa 5%, ta thấy: P-value = 0.3110 > α=0.05
nên ta chấp nhận H0, mô hình 7 không có hiện tượng phương sai thay đổi.
1.2.3.

Kiểm định Glejer

Hồi quy các mô hình :
1.

Heteroskedasticity Test: Glejser
F-statistic
Obs*R-squared
Scaled explained

0.748266
2.460753

Prob. F(3,16)
Prob. Chi-Square(3)

0.5391
0.4824

SS

1.568447

Prob. Chi-Square(3)

0.6666

Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 12/02/15 Time: 22:53
Trang 25