BÀI tập NHÓM KINH tế LƯỢNG

BÁO CÁO THỰC HÀNH
KINH TẾ LƯỢNG
BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG

I.
MỞ ĐẦU:
Hiện nay, Việt Nam đã gia nhập vào WTO làm cho việc giao thương giữa nước ta với quốc
tế diễn ra ngày càng nhiều và đa dạng. Kéo theo đó, nhu cầu sử dụng đồng USD cũng tăng
mạnh và ảnh hưởng rất lớn đến sự phát triển các ngành nghề xuất nhập khẩu nói riêng, nền
kinh tế Việt Nam nói chung. Chính vì thế, nhận biết xu hướng và các yếu tố ảnh hưởng đến
USD cũng trở nên bức thiết hơn bao giờ hết. Qua thực nghiệm, nhóm nhận thấy chỉ số vàng
và giá xăng dầu có tác động rõ rệt lên tỷ giá USD. Để xem xét mức độ ảnh hưởng này, ta hãy
nghiên cứu thông qua phương pháp hồi quy để có thể kết luận.

II. VẤN ĐỀ NGHIÊN CỨU:
Xây dựng mô hình kinh tế lượng về mối quan hệ giữa tỷ giá USD, chỉ số vàng và giá
xăng dầu. Số liệu trong giai đoạn suy thoái và hậu suy thoái:
Thời gian
Chỉ số USD
Giá xăng dầu
05/2009
17.785
12.5
06/2009
17.85
13.5
07/2009
17.808
14.2
08/2009
17.816

14.2
09/2009
17.834
15.7
10/2009
17.852
15.3
11/2009
17.808
15.8
12/2009
17.48
16.1
01/2010
19.15
16.2
02/2010
19.1
16.6
03/2010
18.79
16.99
04/2010
18.481
16.99
Nguồn số liệu:
1.www.gso.gov.vn (Tổng cục thống kê)
2. www.vietcombank.com.vn (Vietcombank)
3. www.petrolimex.com.vn (Tổng công ty xăng dầu Việt Nam)

Chỉ số vàng
100.61
105.57
99.57
101.75
102.04
105.01
110.08
110.49
97.06
97.97
101.21
99.2


Đặt:
Y: tỷ giá USD (nghìn đồng/usd)
X2: giá xăng dầu (nghìn đồng/lít)
X3: chỉ số vàng (%)
Page 2


Xét hàm hồi quy tổng thể:
PRF: E(Y/X2, X3) = β1 + β 2X2 + β3X3
Trong đó:
Y: biến phụ thuộc
X2, X3: là các biến giải thích
Mô hình hồi quy tổng thể:
PRM: Yi = β1 + β2X2 + β3X3+ Ui
Hàm hồi quy mẫu:

SRF: =+ X2 + X3 +Ui
Với số liệu trên nhập vào phần mềm Eviews ta thu được bảng sau:

obs
2009:05
2009:06
2009:07
2009:08
2009:09
2009:10
2009:11
2009:12
2010:01
2010:02
2010:03
2010:04

Y
17.785
17.85
17.808
17.816
17.834
17.852
17.808
17.48
19.15
19.1
18.79
18.481

X2
12.5
13.5
14.2
14.2
15.7
15.3
15.8
16.1
16.2
16.6
16.99
16.99

X3
100.61
105.57
99.57
101.75
102.04
105.01
110.08
110.49
97.06
97.97
101.21
99.2

Page 3

III. ƯỚC LƯỢNG MÔ HÌNH HỒI QUI:
Với số liệu đã có mẫu quan sát n=12 bằng phần mềm Eviews ta ước lượng
mô hình và thu được kết quả báo cáo sau:
Dependent Variable: Y
Method: Least Squares
Date: 11/13/10 Time: 15:05
Sample: 2009:05 2010:04
Included observations: 12
Variable
Coefficient
X3

-0.085486

Std. Error

t-Statistic

Prob.

0.021367

-4.000841

0.0031

X2
C

R-squared

0.212978
0.065328 3.260146 0.0098
23.64541
2.472544 9.563193 0.0000
0.760330 Mean dependent var
18.14617

Adjusted R-squared

0.707070 S.D. dependent var

0.574278

S.E. of regression

0.310817 Akaike info criterion

0.713092

Sum squared resid

0.869464 Schwarz criterion

0.834319

Log likelihood

-1.278554 F-statistic

Durbin-Watson stat

1.747767 Prob(F-statistic)

14.27580
0.001615

Từ báo cáo trên ta thu được mô hình hồi quy mẫu sau:
 23.645  0.213X 2  0.085X3  ei

* Kiểm định sự phù hợp của hệ số hồi quy:
1. Xét cặp giả thuyết:
H0: β2 = 0
H1: β2 ≠ 0

Page 4


Tiêu chuẩn kiểm định:
t2 

2

-0

SE( 2 )

Ta thấy: P-value = 0.0098 < α=5%
Vậy bác bỏ Ho, chấp nhận H1 tức là β2 phù hợp

2. Xét một cặp giả thuyết:
H0: β3 = 0
H1: β3 ≠ 0
Tiêu chuẩn kiểm định
T3 

3

-0

SE( 3 )

Ta thấy: P-value = 0.0031 < α=5%
Vậy bác bỏ Ho, chấp nhận H1 tức là β3 phù hợp.
*Kiểm định sự phù hợp của mô hình
Xét cặp giả thiết:
Ho: R2  0
H1 : R 2  0

Tiêu chuẩn kiểm định:
F

R2  (n  k)

~ F(k-1, n-k)

2

(1 R )  (k 1)

Ta thấy: p-value=0.001615< α=5%
Vậy bác bỏ H0 , chấp nhận H1
Kết luận: mô hình hồi quy phù hợp

Page 5


IV. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH:
1. Đa cộng tuyến:
Để phát hiện đa cộng tuyến trong mô hình hồi quy ta sử dụng mô hình hồi quy phụ
3 X 3i
 1 
Ta thu được báo cáo 2:
Dependent Variable: X2
Method: Least Squares
Date: 11/13/10 Time: 15:51
Sample: 2009:05 2010:04
Included observations: 12
Variable
Coefficient Std. Error
X3
C
R-squared
Adjusted R-squared

-0.022355

0.103188

t-Statistic

Prob.

-0.216640

0.8328

17.63240 10.59053
1.664922 0.1269
0.004671 Mean dependent var
15.34000
-0.094862 S.D. dependent var

1.437896

S.E. of regression

1.504552 Akaike info criterion

3.805879

Sum squared resid

22.63676 Schwarz criterion

3.886697

Log likelihood
Durbin-Watson stat

-20.83527 F-statistic
0.213892 Prob(F-statistic)

0.046933
0.832845

Xét cặp giả thuyết:
H0: Mô hình không có đa cộng tuyến
H1 : Mô hình có đa cộng tuyến
Tiêu chuẩn kiểm định:
F

R2 (n  k)
~ F(k-2,n-k+1)
(1  R2 )(k 1)

Ta thấy:
Prob(F-statistic)= p = 0.832845 > α=5%
Vậy chưa có cơ sở bác bỏ H0 nên chấp nhận H0.
Kết luận : mô hình không có hiện tượng đa cộng tuyến.
Page 6


2. Phương sai sai số thay đổi :
Dựa vào kiểm định White để kiểm định xem mô hình có phương sai sai số thay đổi hay
không,ta có mô hình phụ: ei2 1  2 X 2i  3 X 3i 4 X 22i 5 X 23i v2i
White Heteroskedasticity Test:
F-statistic

0.707898 Probability

0.611548

Obs*R-squared

3.456114 Probability

0.484583

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/14/10 Time: 09:34
Sample: 2009:05 2010:04
Included observations: 12
Variable
Coefficient

Std. Error

t-Statistic

Prob.

C

-1.801338

13.54136

-0.133025

0.8979

X2

-0.014141

0.256027

-0.055233

0.9575

X2^2
X3
X3^2

3.56E-05
0.396131
-0.013186

0.001229
0.322997
0.010842

0.028966
1.226424
-1.216120

0.9777
0.2597
0.2634

R-squared
Adjusted R-squared

0.288010 Mean dependent var
-0.118842 S.D. dependent var

0.072455
0.058612

S.E. of regression

0.061997 Akaike info criterion

-2.429117

Sum squared resid

0.026906 Schwarz criterion

-2.227073

Log likelihood

19.57470 F-statistic

0.707898

Durbin-Watson stat

3.112708 Prob(F-statistic)

0.611548
Page 7


ei2 1.801 0.014X 2  0.396X3  3.56 *105 X 22  0.013X32
Đặt giả thiết: Ho:

2 3



Ta thấy : n R2 =3.456 <

4

 5  0

2

X (df )

=7.815

Vậy chưa có cơ sở bác bỏ H0 nên chấp nhận H0.
Kết luận : mô hình không có hiện tượng phương sai sai số thay đổi.

3. Tự tương quan :
Dựa vào kiểm định Breusch – Godfrey để kiểm định xem mô hình có hiện tượng
tự tương quan hay không,xét mô hình:
Yt  β1  β2 Xt  ut
ut  1ut 1 

2ut  2

 ...  put 1  vt

Ta thu được báo cáo 4 :
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.048564 Probability

0.831101

Obs*R-squared

0.787865

0.072406

Probability

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 11/14/10 Time: 10:08
Presample missing value lagged residuals set to zero.

Variable
Coefficient
Std. Error

t-Statistic

Prob.

X2
X3

0.000818
-0.003739

0.022898
0.071134

0.035720
-0.052561

0.9724
0.9594

C

-0.028694

2.617845

-0.010961

0.9915

RESID(-1)
R-squared

0.086293
0.006034

0.391579
0.220372
0.8311
Mean dependent var
-5.97E-16
Page 8


Adjusted R-squared

-0.366703 S.D. dependent var

0.281144

S.E. of regression

0.328675 Akaike info criterion

0.873707

Sum squared resid

Log likelihood
Durbin-Watson stat

0.864218 Schwarz criterion
-1.242242 F-statistic
1.880285 Prob(F-statistic)

1.035342
0.016188
0.996957

Xét mô hình:
Yt = β1+ β2Xt + ut với ut= ρ1ut
Giả thiết:
Ho: ρ1=0
Theo báo cáo, ta thấy:Probability = 0.787865 > α=5%
Chấp nhận Ho, nghĩa là không có hiện tượng tự tương quan.
4. Bỏ sót biến
Dùng kiểm định Reset của Ramsey để kiểm định xem mô hình có bỏ sót biến thích hợp
không.Ta thu được báo cáo 5:
Ramsey RESET Test:
F-statistic
Log likelihood ratio

3.979711
9.113174

Test Equation:
Dependent Variable: Y
Method: Least Squares

Date: 11/27/10 Time: 07:13
Sample: 2009:05 2010:04
Included observations: 12
Variable
Coefficient
X2
-65.56888
X3
26.29987
C
-5268.648

Probability
Probability

Std. Error
329.9455
132.4314
27260.74

0.070088
0.010498

t-Statistic
-0.198726
0.198592
-0.193269

Prob.
0.8481

0.8482
0.8522
Page 9


FITTED^2
FITTED^3
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

15.74357 85.34916
0.184461
-0.265885 1.566885
-0.169690
0.887851 Mean dependent var
0.823765 S.D. dependent var
0.241084 Akaike info criterion
0.406851 Schwarz criterion
3.278033 F-statistic
2.174886 Prob(F-statistic)

0.8589
0.8701
18.14617
0.574278
0.286995

0.489039
13.85418
0.001940

Xét mô hình:
Y= β1+ β2X2i+ β3 2+

β4 3+ vi

Ho: β3= β4=0

Giả thiết:

Tiêu chuẩn kiểm định:

F



(R
new

2

R

old

2

)  (n  k)

~ F(m, n-k)

2

(1  Rnew )  m

Theo báo cáo, ta thấy

Probability = 0.07 > α=5%

Chấp nhận Ho, tức là mô hình không bỏ sót biến.

Page 10


IV.Kết luận:
Dependent Variable: Y
Method: Least Squares
Date: 11/13/10 Time: 15:05
Sample: 2009:05 2010:04
Included observations: 12
Variable
Coefficient
X3
-0.085486
X2
0.212978
C

23.64541
R-squared
0.760330
Adjusted R-squared
0.707070
S.E. of regression
0.310817
Sum squared resid
0.869464
Log likelihood
-1.278554
Durbin-Watson stat
1.747767

Std. Error
t-Statistic
0.021367
-4.000841
0.065328
3.260146
2.472544
9.563193
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

Prob.

0.0031
0.0098
0.0000
18.14617
0.574278
0.713092
0.834319
14.27580
0.001615

1. Ý nghĩa các hệ số hồi quy:



2  0.213 khi giá xăng dầu tăng 1 nghìn đồng/lít và chỉ số giá vàng không thay
đổi thì tỷ giá USD trung bình tăng 0.213 nghìn đồng/USD.

0.085 khi chỉ số vàng tăng 1% và giá xăng dầu không thay đổi thì tỷ giá USD
trung bình giảm 0.085 nghìn đồng /USD.
3

 R2 = 0.76033: Cho biết 76.033% tỷ giá USD là do chỉ số vàng và giá xăng dầu
gây nên.
2. Khoảng tin cậy:
Tiêu chuẩn thống kê:

t

2

- β*

T(n-3)

*

SE(2 )

Khoảng tin cậy với:
 Độ tin cậy 0.95
 t0.05/2(10-3) = t0.025(7)= 2.365
Page 11


 Khoảng tin cậy của β2
2

- t0.025 (7) SE(2 ) <β2<2 + t0.025 (7) SE(2 )

0.213-2.365*0.065<β2<0.213+2.365*0.065
0.059<β2<0.367
Tức là khi giá xăng dầu tăng 1% thì tỷ giá USD tăng giảm từ 0.059 đến 0.367
nghìn đồng/USD.
 Khoảng tin cậy của β3:
- t0.025 (7) SE( 3) < β3 < 3 + t0.025 (7) SE( 3)
-0.085-2.365*0.021< β3<-0.085+2.365*0.021
3

-0.135< β3<-0.035
Tức là khi chỉ số vàng tăng 1% thì tỷ giá USD giảm từ 0.035 đến 0.135

nghìn đồng/USD.

Page 12