Báo cáo thực hành Kinh tế lượng
BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG
Lớp tín chỉ: C5032.1LT1
Họ tên các thành viên trong nhóm:
1. Vũ Thị Thúy Phương
2. Phạm Thị Thanh Nga
3. Đậu Thị Hà Phương
4. Đỗ Thị Kim Anh
5. Phạm Hải Chung
6. Nguyễn Thái Dương
Trang 1
Báo cáo thực hành Kinh tế lượng
MỤC LỤC
1. Nêu giả thuyết về vẫn đề kinh tế
1.1. Lí do chọn vấn đề
1.2. Cơ sở lý thuyết
2. Xây dựng mô hình toán kinh tế tương ứng để mô tả giả thuyết đã được xác định
3. Thu thập số liệu thống kê.
3.1. Nguồn số liệu
3.2. Bảng số liệu.
4. Xây dựng mô hình kinh tế lượng tương ứng.
4.1. Nhập số liệu vào Eviews 5.1 ta có bảng.
4.2. Lựa chọn mô hình hồi quy
5. Ước lượng mô hình hồi quy sử dụng phần mềm Eviews :
6.Kiểm định các khuyết tật của mô hình.
6.1. Đa cộng tuyến.
6.2. Phương sai sai số thay đổi.
6.3. Tự tương quan.
6.4. Kiểm định về chỉ định mô hình.
6.5. Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên.
7. Phân tích và đánh giá mô hình.
7.1. Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy.
7.2. Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào?
7.3. Khi giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối
đa bao nhiêu?
7.4 Nếu giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối
thiểu bao nhiêu?
7.5. Sự biến động của biến phụ thuộc đo bằng phương sai do các yếu tố ngẫu
Trang 2
Báo cáo thực hành Kinh tế lượng
nhiên gây ra là bao nhiêu?
8.Dự báo về mô hình:
8.1 Dự báo giá trị trung bình của tỷ lệ thất nghiệp.
8.2 So sánh số liệu thực tế của Y với số liệu dự báo YF
8.3 Dự báo tỷ lệ thất nghiệp đến năm 2015
9.Kiến nghị về vấn đề nghiên cứu
Trang 3
Báo cáo thực hành Kinh tế lượng
1. Nêu giả thuyết và vấn đề kinh tế.
1.1. Lí do chọn vấn đề:
Lạm phát, thất nghiệp và tốc độ tăng trưởng kinh tế là 3 vấn đề cơ bản lớn
của nền kinh tế vĩ mô.chúng cũng được xem như là các chỉ tiêu để đánh giá mức
độ thành công của một nền kinh tế.Vì vậy nghiên cứu về 3 vấn đề này luôn là một
vấn đề quan trọng và cần thiết.Hiểu rõ được vấn đề trên sẽ giúp chúng ta trong việc
đưa ra những biện pháp giúp phát triển nền kinh tế một cách tốt nhất.
Trong tình hình kinh tế thế giới đầy biến động, những cuộc khủng hoảng kinh
tế toàn cầu làm giảm tỷ lệ tăng trưởng kinh tế và khiến cho lạm phát, thất nghiệp ở
nhiều quốc gia tăng cao, trong đó có cả Việt Nam.Một yêu cầu được đặt ra là phải
nghiên cứu một cách sâu sắc về sự tác động qua lại giữa 3 vấn đề này.
♦ Mối quan hệ giữa lạm phát và thất nghiệp:
-Mối quan hệ giữa lạm phát và thất nghiệp trong dài hạn như sau: Không có
sự đánh đổi giữa lạm phát và thất nghiệp .Tỷ lệ thất nghiệp sẽ trở về với thất
nghiệp tự nhiên cho dù lạm phát có tăng bao nhiêu đi chăng nữa.Trong dài hạn lạm
phát tăng hay giảm đều không ảnh hưởng đến nền kinh tế do có sự điều chỉnh về
tiền lương.Tiền lương sẽ giảm cho đến khi thị trường lao động cân bằng.
-Trong ngắn hạn khi cầu lao động tăng thì thất nghiệp tăng , còn trong dài
hạn ban đầu thất nghiệp tăng nhưng do tiền lương điều chỉnh làm cho thất nghiệp
giảm và thị trường lao động cân bằng.Trong dài hạn do áp lực của cung thừa, tiền
lương của mỗi người sẽ giảm xuống để duy trì mức thất nghiệp tự nhiên nghĩa là
không có thất nghiệp tự nguyện.Khi nền kinh tế suy giảm, cầu về lao động
giảm.Giai đoạn đầu tiên sẽ có thất nghiệp vì tiền lương chưa kịp điều chỉnh theo
mức sản lượng cân bằng mới.Nhưng trong dài hạn tiền lương sẽ giảm đến mức thất
nghiệp tự nhiên và lúc đó thất nghiệp do thiếu cầu mới bị triệt tiêu.
♦ Mối quan hệ giữa tổng sản phẩm quốc nội(GDP) đến thất nghiệp:
Trang 4
Báo cáo thực hành Kinh tế lượng
Theo thống kê năm 2010, hệ số co giãn việc làm của Việt Nam chỉ đạt mức
trung bình 0.28 trong khi đó tổng sản phẩm quốc nội liên tục tăng, tức khi GDP
tăng 1% thì việc làm chỉ tăng 0.28%.Thấy rằng hệ số co giãn việc làm thấp, tăng
trưởng cao nhưng chưa tạo ra nhiều việc làm đem lại lợi ích cho người lao động.
1.2. Cơ sở lý thuyết để lựa chọn mô hình
♦Về mối quan hệ giữa tăng trưởng và thất nghiệp:
Theo Robert J.Gordon, mối quan hệ giữa tăng trưởng và thất nghiệp theo định
luật Okun được mô tả bằng 1 phương trình dạng tuyến tính như sau:
u = u* - h .(100.(Y/Y*)-100)
trong đó: u: là tỷ lệ thất nghiệp thực tế (%)
u*: là tỷ lệ thất nghiệp tự nhiên (%)
Y: là GNP thực tế
Y* : là GNP tiềm năng.
h : là tham số phản ánh độ nhạy cảm của sự thay đổi giữa thất
nghiệp và sản lượng.
Còn theo Paul A.Samuelson và William D.Nordhaus, định luật Okun được
hiểu : "Khi sản lượng thực tế thấp hơn sản lượng tiềm năng 2% thì thất nghiệp sẽ
tăng thêm 1%’’
♦Về mối quan hệ giữa thất nghiệp và lạm phát :
Giáo sư A.W.Phillips nghiên cứu về ˝Mối quan hệ giữa thất nghiệp và nhịp độ
thay đổi tiền lương ở Liên hiệp Anh trong giai đoạn 1861-1957˝ đã đưa ra đường
Phillips ngắn hạn, mà theo đó, khi mức % của tiền lương danh nghĩa bằng mức lạm
phát (gp) thì ta có :
gp= -β.(u-u*)
Trang 5
Báo cáo thực hành Kinh tế lượng
Phương trình này gợi ý rằng, có thể đánh đổi lạm phát nhiều hơn để có được
một tỷ lệ thất nghiệp ít hơn và ngược lại.
2. Xây dựng mô hình toán kinh tế tương ứng để mô tả giả thuyết đã được xác
định
Với giả thuyết về mối quan hệ giữa GDP, lạm phát và thất nghiệp của nền kinh
tế như các phân tích ở trên, có thể thể hiện dưới dạng hàm số đơn giản như sau:
Yi = β1 + β2*X2i + β3*X3i
Trong đó:
Yi (tỷ lệ thất nghiệp) (%): là biến phụ thuộc
X2i (GDP) (nghìn tỷ USD); X3i (tỷ lệ lạm phát) (%): là các biến độc
lập
β1: là hệ số chặn
β2, β3: là hệ số góc của mô hình hồi quy tổng thể
Ui : là yếu tố ngẫu nhiên.
3. Quan sát và thu thập số liệu thống kê
3.1. Nguồn số liệu
/>ears.jpg
/> />Trang 6
Báo cáo thực hành Kinh tế lượng
/> /> /> /> />
3.2. Bảng số liệu:
TỶ LỆ THẤT
GDP (NGHÌN TỶ
TỶ LỆ LẠM
NGHIỆP (Y) (%)
USD) (X2)
PHÁT (X3) (%)
1993
10.5
13.180954
8.4
1994
7.03
16.286434
9.5
1995
6.08
20.736163
16.9
1996
5.7
24.657470
5.6
1997
6.01
26.843701
3.1
1998
6.85
27.209601
8.1
1999
6.74
28.683658
4.1
2000
6.42
31.172517
-1.8
2001
6.8
32.685199
-0.3
2002
6.01
35.058216
4.1
2003
6.1
39.552513
3.3
2004
5.6
45.427854
7.9
2005
5.3
52.917269
8.4
NĂM
Trang 7
Báo cáo thực hành Kinh tế lượng
2006
4.82
60.913515
7.5
2007
4.2
71.015592
8.3
2008
2.38
91.094051
23.1
2009
2.90
97.180304
6.9
2010
2.88
106.426845
11.8
2011
2.22
123.600141
18.58
2012
1.99
129.817228
6.81
2013
2.37
136.853322
6.04
4. Xây dựng mô hình kinh tế lượng tương ứng.
4.1. Nhập số liệu vào Eviews 5.1 ta có bảng sau:
obs
X2
X3
Y
1993
13.180954
8.4
10.5
1994
16.286434
9.5
7.03
1995
20.736163
16.9
6.08
1996
24.65747
5.6
5.7
1997
26.843701
3.1
6.01
1998
27.209601
8.1
6.85
1999
28.683658
4.1
6.74
2000
31.172517
-1.8
6.42
2001
32.685199
-0.3
6.8
2002
35.058216
4.1
6.01
2003
39.552513
3.3
6.1
2004
45.427854
7.9
5.6
2005
52.917269
8.4
5.3
2006
60.913515
7.5
4.82
2007
71.015592
8.3
4.2
2008
91.094051
23.1
2.38
2009
97.180304
6.9
2.9
Trang 8
Báo cáo thực hành Kinh tế lượng
2010
106.426845
11.8
2.88
2011
123.600141
18.58
2.22
2012
129.817228
6.81
1.99
2013
136.853322
6.04
2.37
Sử dụng ứng dụng đồ thị trong Eviews 5.1 để xem mối tương quan giữa các
biến, từ đó có cái nhìn trực quan sinh động trong việc lựa chọn mô hình hồi quy.
140
120
100
80
60
40
20
0
-20
94
96
98
00
X2
02
04
06
X3
Trang 9
08
Y
10
12
Báo cáo thực hành Kinh tế lượng
140
120
100
80
60
40
20
0
94
96
98
00
02
04
X2
06
08
10
12
06
08
10
Y
25
20
15
10
5
0
-5
94
96
98
00
02
04
X3
Trang 10
Y
12
Báo cáo thực hành Kinh tế lượng
Y vs. X3
12
10
Y
8
6
4
2
0
-5
0
5
10
15
20
X3
Y vs. X2
12
10
Y
8
6
4
2
0
0
20
40
60
80
100 120 140
X2
Trang 11
25
Báo cáo thực hành Kinh tế lượng
4.2. Lựa chọn mô hình hồi quy
Thông qua 4 biểu đồ trên ta có thể nhận thấy, với mỗi một dạng hàm khác
nhau sẽ cho ta mối quan hệ giữa các biến khác nhau. Tuy nhiên ta dễ dàng nhận
thấy so với đồ thị 3, thì đồ thị 4 biểu diễn mối quan hệ giữa các biến chặt chẽ hơn,
chính xác hơn. Do vậy, ta lựa chọn mô hình hồi quy tổng thể như sau:
PRM:
LOG(Yi) = β1 + β2*X2i + β3*X3i + Ui
Trong đó:
Yi (tỷ lệ thất nghiệp) (%): là biến phụ thuộc
X2i (GDP) (nghìn tỷ USD), X3i (tỷ lệ lạm phát) (%): là các biến độc
lập
β1: là hệ số chặn
β2, β3: là hệ số góc của mô hình hồi quy tổng thể
Ui : là yếu tố ngẫu nhiên.
Với mẫu điều tra hiện có, ta sử dụng mô hình hồi quy mẫu như sau :
SRM:
LOG(Yi) =
1
+
2*X2i
+ 3*X3i + ei
Trong đó:
1,
2,
3:
là các hệ số hồi quy ước lượng (thực chất là ước lượng
điểm của các hệ số hồi quy β1, β2, β3.
Trang 12
Báo cáo thực hành Kinh tế lượng
ei: là phần dư ( là sai lệch giữa giá trị cá biệt của biến phụ thuộc so với
ước lượng giá trị trung bình của chúng trong mẫu).
5. Ước lượng mô hình hồi quy sử dụng phần mềm Eviews.
Với mô hình như trên, ta nhập lệnh LS LOG(Y) X2 X3 C, ta được báo cáo kết quả ước
lượng sử dụng phần mềm Eviews 5.1 như sau:
Báo cáo 1: Kết quả ước lượng mô hình tỉ lệ thất nghiệp theo GDP và tỉ lệ lạm phát
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 03/12/14 Time: 12:38
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
-0.010626
0.000714
-14.88668
0.0000
X3
-0.010858
0.004881
-2.224498
0.0391
C
2.250686
0.052369
42.97746
0.0000
R-squared
0.940836
Mean dependent var
1.551776
Adjusted R-squared
0.934262
S.D. dependent var
0.467450
S.E. of regression
0.119851
Akaike info criterion
-1.273569
Sum squared resid
0.258557
Schwarz criterion
-1.124351
Trang 13
Báo cáo thực hành Kinh tế lượng
Log likelihood
16.37247
F-statistic
143.1198
Durbin-Watson stat
1.412987
Prob(F-statistic)
0.000000
♦Với kết quả như trên, ta có mô hình hồi quy mẫu :
Log (Y) = 2,250686 – 0,010626 * X2 – 0,010858 * X3 + eᵢ
♦Ý nghĩa của các hệ số hồi quy :
1
= 2,250686>0 : cho biết khi GDP bằng 0 và không có lạm phát
thì tỷ lệ thất nghiệp trung bình là 2.250686.
2=-0,010846<
0 : cho biết khi GDP tăng 1 nghìn tỷ USD thì tỷ lệ
thất nghiệp trung bình giảm 0.010846%, trong điểu kiện tỷ lệ lạm
phát không thay đổi. Điều này hoàn toàn phù hợp với lý thuyết kinh
tế đã đề cập ở trên.
3
= -0,010046< 0: cho biết khi tỷ lệ lạm phát tăng 1% thì tỷ lệ thất
nghiệp trung bình giảm 0.010046 %, trong điều kiện GDP không
thay đổi . Điểu này hoàn toàn phù hợp với lý thuyết kinh tế đã nêu
trên.
6.Kiểm định các khuyết tật của mô hình.
6.1. Đa cộng tuyến.
Sử dụng mô hình hồi quy phụ: Hồi quy phụ là phương pháp kiểm định dựa
vào định nghĩa đa cộng tuyến, tức là hồi quy một biến giải thích với các biến giải
thích còn lại để xem xét có mối quan hệ tuyến tính giữa từng biến giải thích với
Trang 14
Báo cáo thực hành Kinh tế lượng
các biến giải thích khác của mô hình ban đầu hay không. Ở mô hình trên, ta sử
dụng hồi quy phụ để xét mối quan hệ tuyến tính giữa biến X2 và X3. Tacó:
Báo cáo 2: Kiểm định hồi quy phụ X2 theo X3
Dependent Variable: X2
Method: Least Squares
Date: 03/15/14 Time: 16:38
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X3
2.429913
1.466408
1.657051
0.1139
C
38.43548
14.33743
2.680779
0.0148
R-squared
0.126269
Mean dependent var
57.68155
Adjusted R-squared
0.080283
S.D. dependent var
40.16750
S.E. of regression
38.52138
Akaike info criterion
10.23070
Sum squared resid
28194.04
Schwarz criterion
10.33018
F-statistic
2.745818
Prob(F-statistic)
0.113930
Log likelihood
Durbin-Watson stat
-105.4223
0.204072
- Mô hình hồi quy phụ: X2i = 1 + 2 X3i + Vi ; thu được R12 .
- Kiểm định cặp giả thuyết sau:
o H0: Mô hình gốc không có đa cộng tuyến
o H1: Mô hình gốc có đa cộng tuyến
- Tiêu chuẩn kiểm định: F
R12 * (n k 1)
~ F(1,19)
(1 R12 ) * (k 2)
Trang 15
Báo cáo thực hành Kinh tế lượng
- Miền bác bỏ: W = {F: F> F0.05
( 1,19)
}
- Từ bảng báo cáo ta có : Fqs=(0.126269*19) / (1-0.126269) = 2,745818
Với mức ý nghĩa =0.05 tra bảng thống kê ta có: F0.05(1,19) =4,38 ;
Nhận thấy : Fqs= 2,745818 < F0.05
( 1,19)
= 4,38
Fqs không thuộc Wα
Chưa đủ cơ sở để bác bỏ giả thuyết H0
Kết luận: Vậy với mức ý nghĩa =0.05 thì mô hình gốc không có đa cộng
tuyến.
6.2. Phương sai sai số thay đổi.
Ta sử dụng kiểm định White như sau.
Báo cáo 3 : Kiểm định White với mô hình White có tích nhân chéo
Trang 16
Báo cáo thực hành Kinh tế lượng
White Heteroskedasticity Test:
F-statistic
0.882190
Probability(5, 15)
0.516591
Obs*R-squared
4.772044
Probability(5)
0.444329
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/15/14 Time: 07:33
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.050031
0.026226
1.907726
0.0758
X2
-0.001590
0.000844
-1.883715
0.0791
X2^2
8.71E-06
4.81E-06
1.811419
0.0901
X2*X3
1.93E-05
3.56E-05
0.541825
0.5959
X3
0.000975
0.002701
0.360969
0.7232
X3^2
-6.75E-05
0.000153
-0.442222
0.6646
R-squared
Adjusted R-squared
0.227240
Mean dependent var
0.012312
-0.030346
S.D. dependent var
0.024394
S.E. of regression
0.024762
Akaike info criterion
-4.324075
Sum squared resid
0.009197
Schwarz criterion
-4.025640
Log likelihood
51.40279
F-statistic
0.882190
Durbin-Watson stat
1.643729
Prob(F-statistic)
0.516591
Trang 17
Báo cáo thực hành Kinh tế lượng
- Kiểm định cặp giả thuyết:
H0: Phương sai sai số không thay đổi
H1: Phương sai sai số thay đổi
- Mức ý nghĩa 5%
- Sử dụng tiêu chuẩn kiểm định: 2 nR 2 ~ 2( m)
- Miền bác bỏ giả thuyết H0: W 2 / 2 2 ( m )
- Theo báo cáo 3, ta có: qs2 nR 2 21 * 0,227204 4,772044
- Tra bảng được: 02,(055) 11,0705 qs2 02,(055) qs2 W
=> Chưa có cơ sở để bác bỏ giả thuyết H0 nên ta tạm thời chấp nhận H0
Kết luận: Mô hình không có phương sai sai số thay đổi.
6.3. Tự tương quan.
Dùng kiểm định BG bậc tự do là 2 như sau:
Báo cáo 4: Kiểm định BG với bậc tự do bằng 2.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.223758
Probability
0.801969
Obs*R-squared
0.571383
Probability
0.751494
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Trang 18
Báo cáo thực hành Kinh tế lượng
Date: 03/15/14 Time: 08:01
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
3.52E-06
0.000764
0.004598
0.9964
X3
0.000339
0.005433
0.062356
0.9511
C
-0.002663
0.055298
-0.048160
0.9622
RESID(-1)
0.064959
0.269081
0.241410
0.8123
RESID(-2)
-0.170842
0.268500
-0.636281
0.5336
R-squared
Adjusted R-squared
0.027209
Mean dependent var
-1.72E-16
-0.215989
S.D. dependent var
0.113701
S.E. of regression
0.125380
Akaike info criterion
-1.110678
Sum squared resid
0.251522
Schwarz criterion
-0.861982
Log likelihood
16.66212
F-statistic
0.111879
Durbin-Watson stat
1.533089
Prob(F-statistic)
0.976533
- Kiểm định cặp giả thuyết:
H0: Mô hình ban đầu không có tự tương quan bậc 2
H1: Mô hình ban đầu có tự tương quan bậc 2
- Mức ý nghĩa 5%
- Sử dụng tiêu chuẩn kiểm định: 2 (n 2) R 2 ~ 2 (2)
- Miền bác bỏ giả thuyết H0, với mức ý nghĩa 0,05 là:
W
2 / 2 2 ( 2)
Trang 19
Báo cáo thực hành Kinh tế lượng
- Theo báo cáo 4 ta có: qs2 (n 2) R 2 0,571383
2
- Mà 02,(052) 5,9915 => qs
02,(052) => qs2 W
=> Chưa có cơ sở bác bỏ giả thuyết H0, nên tạm thời chấp nhận Ho
Kết luận: Mô hình không có tự tương quan bậc 2
6.4. Kiểm định về chỉ định mô hình.
Ta dùng kiểm định Ramsey bỏ sót 1 biến để kiểm định.
Báo cáo 5: Kiểm định Ramsey bỏ sót 1 biến.
Ramsey RESET Test:
F-statistic
0.369149
Probability
0.551499
Log likelihood ratio
0.451128
Probability
0.501800
Test Equation:
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 03/15/14 Time: 08:08
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
-0.006956
0.006083
-1.143545
0.2687
X3
-0.006747
0.008394
-0.803811
0.4326
C
1.679392
0.941794
1.783184
0.0924
Trang 20
Báo cáo thực hành Kinh tế lượng
FITTED^2
0.125615
0.206747
0.607577
0.5515
R-squared
0.942094
Mean dependent var
1.551776
Adjusted R-squared
0.931875
S.D. dependent var
0.467450
S.E. of regression
0.122008
Akaike info criterion
-1.199813
Sum squared resid
0.253062
Schwarz criterion
-1.000856
Log likelihood
16.59803
F-statistic
92.19226
Durbin-Watson stat
1.445781
Prob(F-statistic)
0.000000
- Kiểm định cặp giả thuyết:
H0: Mô hình không bỏ sót 1 biến
H1: Mô hình bỏ sót 1 biến
=0,05
- Mức ý nghĩa
- Sử dụng tiêu chuẩn kiểm định:
R
R12 /( p 1)
F
~ F (( p 1), n k p 1)
1 R /( n k p 1)
2
2
2
2
(với n=21, k=3, p=2)
- Miền bác bỏ:
{ :
>
- Theo báo cáo 5 ta có :
- Mà
( ,
,
)
= 4,45 ta thấy
),(
((
)
}
= 0,369149
<
( ,
,
)
=> Chưa có cơ sở để bác bỏ giả thuyết H0 ,chấp nhận giả thuyết H0.
Kết luận: Vậy với mức ý nghĩa 0,05 mô hình chỉ định không bỏ sót biến
Trang 21
Báo cáo thực hành Kinh tế lượng
6.5. Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên.
Dùng kiểm định JB như sau:
Báo cáo 6: Phân bố xác suất của phần dư.
6
Series: Residuals
Sample 1993 2013
Observations 21
5
4
3
2
1
0
-0.2
-0.1
-0.0
0.1
0.2
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
-1.72e-16
0.010285
0.331952
-0.187412
0.113701
0.835081
4.738655
Jarque-Bera
Probability
5.085816
0.078637
0.3
- Kiểm định cặp giả thuyết:
H0: Ui có phân phối chuẩn
H1: Ui không có phân phối chuẩn
- Mức ý nghĩa 5%
- Sử dụng tiêu chuẩn kiểm định: JB = n*(S2/6 +(K-3)2/24 ) ~ χ2(2) ;
Với K là hệ số nhọn, S là hệ số bất đối xứng
- Theo báo cáo trên ta có JBqs= 5,085816
2( 2)
ta có 0, 05 5,9915
Trang 22
Báo cáo thực hành Kinh tế lượng
=> JBqs < 02,(052)
chưa có cơ sở bác bỏ Ho, nên ta tạm thời chấp nhận H0
Kết luận: Với mức ý nghĩa 5%, mô hình đã cho có sai số ngẫu nhiên U có phân
phối chuẩn.
7. Phân tích và đánh giá mô hình.
Qua các kiểm định trên ta thấy mô hình không mắc khuyết tật nào. Do đó ta có
thể tạm thời coi đó là mô hình hoàn hảo.
Mô hình hồi quy mẫu:
Log (Y) = 2,250686 – 0,010626 * X2 – 0,010858 * X3 + eᵢ
7.1. Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy.
♦Kiểm định sự phù hợp của hàm hồi quy
Có ý kiến cho rằng hàm hồi quy trên không phù hợp, để kiểm tra ý kiến đó đúng
không ta đi kiểm định:
- Kiểm định giả thuyết Hₒ: Mô hình không phù hợp (R²=0)
đối thuyết H1: Mô hình phù hợp (R2>0)
Mức ý nghĩa
0,05
- Sử dụng tiêu chuẩn kiểm định: F
R2 / 2
~ F 2, n 3
1 R 2 /(n 3)
- Miền bác bỏ giả thuyết Ho với mức ý nghĩa 5%: W F : F F 2, n 3
- Theo kết quả trên báo cáo Eview 1 thì:
=0,940836; n=21 Fqs=143,1195321
Mà
( ,
,
)
= 3,55. Ta thấy
>
( ,
,
)
Fqs Wα
⟹ Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1.
Trang 23
Báo cáo thực hành Kinh tế lượng
Kết luận: Sau khi kiểm định, với mức ý nghĩa 5% ta có thể khẳng định rằng mô
hình hồi quy trên hoàn toàn phù hợp.
♦Kiểm định β1:
- Kiểm định giả thuyết Hₒ: β1=0
đối thuyết H1: β1 ≠ 0
mức ý nghĩa 0,05
-Sử dụng tiêu chuẩn kiểm định:
T 1 1 ~ T ( n 3)
Se1
-Miền bác bỏ giả thuyết H0 mức ý nghĩa 0,05 là:
W t : t tn/23
-Theo báo cáo Eview 1 ở trên ta có tqs = 42,97746
Mà
tqs
(
)
=
,
= 2.101
= |42,97746| >
,
= 2,101
∈ Wα
Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1. Nghĩa là β1 có ý nghĩa kinh tế.
Kết luận:Với mức ý nghĩa 5% có thể cho rằng hệ số chặn có ý nghĩa thống kê
trong thực tế.
♦ Kiểm định β2:
Có ý kiến cho rằng GDP không có ảnh hưởng tới tỉ lệ thất nghiệp, để biết
điều đó có chính xác không ta tiến hành kiểm định:
Trang 24
Báo cáo thực hành Kinh tế lượng
- Kiểm định giả thuyết Hₒ: β2=0
đối thuyết H1: β2 ≠ 0
mức ý nghĩa 0,05
2
T 2
~ T n 3
Se 2
-Sử dụng tiêu chuẩn kiểm định:
-Miền
bác
bỏ
giả
thuyết
W t : t t n/23
H0
với
mức
ý
nghĩa
0,05 là:
-Theo báo cáo Eview 1 ta có: tqs= −14,88668
Mà
(
tqs
)
=
,
= 2,101
= |−14,8868| >
,
= 2,101
Wα
Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1.
Kết luận: Với mức ý nghĩa 5% như trên cho ta thấy tỉ lệ thất nghiệp ở Việt Nam
chịu ảnh hưởng của GDP
♦ Kiểm định β3:
Để kiểm tra xem tỉ lệ lạm phát có ảnh hưởng tới tỉ lệ thất nghiệp của Việt
Nam hay không ta đi kiểm định:
- Kiểm định giả thuyết Hₒ: β3=0
đối thuyết H1: β3 ≠ 0
mức ý nghĩa 0,05
3 3
~ T n 3
-Sử dụng tiêu chuẩn kiểm định: T
Se 3
Trang 25