Xây dựng mô hình tiền gửi tiết kiệm trong tài khoản sổ tiết kiệm của tổ chức sl – mỹ

KTE309.5

Bài tập giữa kì Kinh tế lượng

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG HÀ NỘI
KHOA KINH TẾ QUỐC TẾ
**********

BÀI TẬP KINH TẾ LƯỢNG

Giảng viên hướng dẫn: Th.S. Đặng Thái Long
Nhóm 9 – KTE309.5
1. Phạm Lệ Hoa
2. Phạm Thị Thu Hương
3. Trần Thị Huyền Trang
4. Trần Kim Yến

Hà Nội, tháng 04 năm 2014
Page 1


KTE309.5

Bài tập giữa kì Kinh tế lượng

Thành viên trong nhóm

STT
1
2
3

4

Họ và tên

Mã số sinh viên

Phạm Lệ Hoa
Phạm Thị Thu Hương
Trần Thị Huyền Trang
Trần Kim Yến

1211110240
1211110290
1211110698
1211110768

Page 2


KTE309.5

Bài tập giữa kì Kinh tế lượng

Bài 1: Xây dựng mô hình tiền gửi tiết kiệm trong tài
khoản sổ tiết kiệm của tổ chức S&L – Mỹ
Những biến có thể được sử dụng trong mô hình:
QDPASS ( biến phụ thuộc): Tổng số tiền gửi trong tài khoản sổ tiết kiệm của
S&L ở MỸ theo quý (triệu đô la).
• QYDUS: thu nhập khả dụng trong một quý (triệu đô la).
• QYPERM: thu nhập cố định theo quý (triệu đô la).

• QRDPASS: lãi suất của tài khoản tiền gửi.
• QRTB3Y: lãi suất của tín phiếu kho bạc thời hạn 3 tháng.
• SPREAD = QRDPASS – QRTB3Y.
• MMCDUM: biến giả, =0 trước quý 3 năm 1978, khi mà các chứng chỉ tiền tệ
thị trường được hợp pháp hóa thì biến giả này có giá trị = 1
• EXPINF : tỉ lệ lạm phát kỳ vọng trong quý (bằng tỉ lệ lạm phát của quý trước)
• BRANCH: Số chi nhánh của S&L ở Mỹ.
1. Chọn biến giải thích là QYDUS, SPREAD.
Lý do:
• Theo mối quan hệ về thu nhập, tiết kiệm và chi tiêu: thu nhập khả dụng của
người dân được chia làm 2 phần tiết kiệm và chi tiêu. Khi thu nhập tăng lên, thì
cả tiết kiệm và chi tiêu đều tăng. Ngược lại khi thu nhập giảm, người dân sẽ
giảm bớt cả chi tiêu và tiết kiệm. Đây là mối quan hệ cùng chiều. Do vậy thu
nhập khả dụng trong một quý có ảnh hưởng đến tổng số tiền gửi trong tài
khoản tiết kiệm.
• Theo mối quan hệ về lãi suất và tiết kiệm: khi lãi suất tiền gửi tăng, mức độ hấp
dẫn của việc gửi tiền tiết kiệm tăng, do đó tổng số tiền gửi tiết kiệm có thể
tăng. Tuy nhiên, lãi suất tiền gửi có thể chưa phản ánh được tất cả sự thay đổi
về tổng số tiền trong tài khoản tiết kiệm. Vì khi quyết định phương án đầu tư cá
nhân còn so sánh mức lãi suất tiền gửi đó với các mức lãi suất khác, trong ví dụ
này là lãi suất của tín phiếu kho bạc thời hạn 3 tháng. Nếu sự chênh lệch giữa
lãi suất tiền gửi và lãi suất của tín phiếu kho bạc lớn, thì người dân sẽ gửi tiết
kiệm nhiều hơn do có lợi suất lớn hơn, ngược lại, nếu mức chênh lệch là nhỏ,
thậm chí lãi suất tiền gửi tiết kiệm nhỏ hơn lãi suất của tín phiếu kho bạc, thì
người dân sẽ mua tín phiếu kho bạc để nhận mức lợi suất lớn hơn thay vì gửi
tiết kiệm. Để thể hiện mối quan hệ này, ta sẽ sử dụng biến SPREAD cho mô
hình. Mối quan hệ giữa SPREAD và QYDPASS là cùng chiều.
2. Có cho thêm biến QYPERM vào mô hình không?
• QYPERM là thu nhập cố định trong một quý. Cũng dựa trên mối quan hệ cùng
chiều giữa thu nhập và tiết kiệm, có thể thấy biến QYPERM sẽ là một biến giải

thích quan trọng cho mô hình. Vì vậy, ta sẽ đưa thêm biến QYPERM vào mô
hình. Tuy nhiên, do biến QYPERM được tính dựa trên trung bình trượt, giảm
•

Page 3


KTE309.5

Bài tập giữa kì Kinh tế lượng

trọng sốcủa thu nhập khả dụng trong 4 quý trước đó, khi đưa biến QYPERM
vào, mô hình có khả năng mắc khuyết tật đa cộng tuyến.
3. Thêm biến MMCDUM vào mô hình
• Biến MMCDUM là biến giả có giá trị bằng 0 trước quý 3 năm 1978, sau đó khi
chứng chỉ tiền tệ thị trường được hợp pháp hóa thì biến này nhận giá trị bằng 1.
Mối quan hệ giữa biến MMCDUM và tổng số tiền gửi là mối quan hệ ngược
chiều. Một ví dụ về chứng chỉ tiền tệ thị trường chính là tín phiếu kho bạc
Treasury bills. Khi mà các chứng chỉ này trở nên hợp pháp, người dân có thể
đầu tư vào các chứng chỉ này mà không sợ rủi ro. Nếu mức lợi suất của phương
án này tốt hơn thì có thể người dân sẽ chuyển từ gửi tiết kiệm sang đầu tư vào
mua các chứng chỉ tiền tệ thị trường. Do đó sẽ làm giảm tổng số tiền trong tài
khoản tiết kiệm.
4. Hồi quy mô hình
Hồi quy mô hình theo các biến QYDPASS, QYDUS, QYPERM, SPREAD,
MMCDUM.
Mô hình hồi quy:
QYDPASS = βo + β1.QYDUS + β2.QYPERM+ β3.SPREAD+ β4.MMCDUM + U (1)
Hàm hồi quy tổng thể:
QYDPASS = βo + β1.QYDUS + β2.QYPERM+ β3.SPREAD+ β4.MMCDUM

Sử dụng stata thu được kết quả hồi quy như sau:
. reg qdpass qydus qyperm spread mmcdum
Source

SS

df

MS

Model
Residual

1.4531e+10
922539508

4
35

3.6327e+09
26358271.7

Total

1.5453e+10

39

396239615

qdpass

Coef.

qydus
qyperm
spread
mmcdum
_cons

230.6848
-157.3679
2942.791
-21126.69
32098.81

Std. Err.
78.84993
83.67825
603.1899
3822.062
4103.681

t
2.93
-1.88
4.88
-5.53
7.82

Number of obs
F( 4,
35)
Prob > F
R-squared
Adj R-squared
Root MSE

P>|t|
0.006
0.068
0.000
0.000
0.000

=
=
=
=
=
=

40
137.82
0.0000
0.9403
0.9335
5134

[95% Conf. Interval]

70.61096
-327.2437
1718.251
-28885.89
23767.89

390.7587
12.508
4167.332
-13367.49
40429.72

a, Giải thích ý nghĩa kết quả hồi quy
Từ kết quả hồi quy ta thấy R2 = 0.9403> 0.8 do đó hàm hồi quy là phù hợp.
Hệ số chặn: mô hình có hệ số chặn = 32098.81, với mức ý nghĩa α = 5%, p-value
= 0.000 < 0.05, do đó hệ số chặn β0 có ý nghĩa thống kê. Điều này có nghĩa là: khi loại

Page 4


KTE309.5

Bài tập giữa kì Kinh tế lượng

trừ tác động của tất cả các biến giải thích có trong mô hình, thì tổng số tiền gửi trong
tài khoản tiết kiệm là 32098.81 €.
Tương tự, dựa vào giá trị p-value trong kết quả hồi quy thu được. Với mức ý
nghĩa α = 5%, các biến QYDUS, SPREAD, MMCDUM đều có ý nghĩa thống kê. Hệ
số của QYDUS, SPREAD mang dấu dương, thể hiện mối quan hệ cùng chiều giữa
tổng số tiền gửi trong tài khoản tiết kiệm với thu nhập khả dụng và mức chênh lệch lãi

suất. Trong khi đó hệ số của MMCDUM mang dấu âm, cho thấy mối quan hệ ngược
chiều. Điều này hoàn toàn phù hợp với lý thuyết kinh tế mà ta đã phân tích ở trên.
Hệ số của biến QYPERM mang dấu âm, cho thấy mối quan hệ ngược chiều giữa
thu nhập cố định với tổng số tiền gửi tiết kiệm. Mặt khác, giá trị p-value của hệ số β 2 =
0.068 > α = 0.05. Với mức ý nghĩa α=5% thì hệ số β 2 = 0. Nghĩa là thu nhập cố định
không ảnh hưởng gì đến tổng số tiền gửi trong tài khoản tiết kiệm. Kết luận này là trái
với lý thuyết kinh tế đã nêu ở trên. Mô hình hồi quy có thể mắc phải một số khuyết
tật.
b, Kiểm định khuyết tật của mô hình(1)
Dữ liệu của mô hình là dữ liệu theo chuỗi thời gian, do đó mô hình (1)có thể mắc
phải một số khuyết tật như:
Đa cộng tuyến.
Phương sai sai số thay đổi.
Tự tương quan.
Bỏ sót biến hoặc thừa biến.
 Kiểm tra mô hình có đa cộng tuyến hay không?
•
•
•
•

Sử dụng nhân tử phóng đại VIF
. vif
Variable

VIF

1/VIF

qydus

qyperm
mmcdum
spread

869.16
857.80
2.83
1.93

0.001151
0.001166
0.353795
0.518230

Mean VIF

432.93

Ta thấy Mean VIF = 432.93 > 10, mặt khác chỉ số VIF của QYDUS và
QYPERM rất lớn (869.16 và 857.8) do đó có thể thấy mối liên hệ chặt chẽ giữa
QYDUS và QYPERM.
Kết luận: mô hình có khuyết tật đa cộng tuyến nặng.
 Kiểm tra mô hình có phương sai sai số thay đổi hay không?

Page 5


KTE309.5

Bài tập giữa kì Kinh tế lượng

Sử dụng kiểm định BPG
. hettest
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of qdpass
chi2(1)
Prob > chi2

=
=

2.98
0.0841

Từ kết quả hồi quy ta thấy p-value = 0.0841 > α = 0.05
=> Không thể bác bỏ Ho
Kết luận: với mức ý nghĩa α = 5% thì mô hình hồi quy không có khuyết tật psss
thay đổi.
 Kiểm tra mô hình có tự tương quan hay không?

Sử dụng kiểm định Durbin – Watson
. estat dwatson
Durbin-Watson d-statistic(

5,

40) =

.989584

Từ kết quả trên có thể thấy chỉ số d ≈ 0.99, với K = 5, số quan sát n=40
K’= K – 1 = 4. Tra bảng ta có: dL = 1.285, dU = 1.821
Do 0 < d = 0.99 < dL = 1.285
Kết luận: mô hình có tự tương quan dương bậc 1.

Page 6


KTE309.5

Bài tập giữa kì Kinh tế lượng

 Kiểm định mô hình có bỏ sót biến hay chứa biến không thích hợp hay không?

Sử dụng kiểm định ràng buộc
•

Bỏ biến QYPERM. Ta có hàm hồi quy mới:
QYDPASS = βo + β1.QYDUS + β2.SPREAD+ β3.MMCDUM

. reg qdpass qydus spread mmcdum
Source

SS

df

MS

Model
Residual

1.4438e+10
1.0158e+09

3
36

4.8125e+09
28215630.3

Total

1.5453e+10

39

396239615

qdpass

Coef.

qydus
spread
mmcdum
_cons

82.57275

2794.129
-20643.49
29864.83

Std. Err.
3.968033
618.698
3945.487
4064.032

t
20.81
4.52
-5.23
7.35

Number of obs
F( 3,
36)
Prob > F
R-squared
Adj R-squared
Root MSE

P>|t|
0.000
0.000
0.000
0.000

=
=
=
=
=
=

40
170.56
0.0000
0.9343
0.9288
5311.8

[95% Conf. Interval]
74.5252
1539.352
-28645.31
21622.59

90.62029
4048.907
-12641.67
38107.07

Từ kết quả hồi quy ta tính được:
Fth

= = = 3.52

Trong đó:
: R2 của mô hình sau khi bỏ biến.
: R2 của mô hình ban đầu
n: số quan sát, k: số biến trong mô hình ban đầu, m: số biến bỏ ra khỏi mô hình
Do Fth< = = 4.12
Kết luận: Có thể bỏ biến QYPERM ra khỏi mô hình
Biến QYPERM trong mô hình (1) không có ý nghĩa thống kê, mặt khác sự có
mặt của biến này gây ra hiện tượng đa cộng tuyến cho mô hình.
Như vậy kết luận phù hợp nhất là bỏ biến QYPERM ra khỏi mô hình (1)
Lúc này, ta có mô hình tổng tiền giửi tiết kiệm như sau:
QYDPASS = βo + β1.QYDUS + β2.SPREAD+ β3.MMCDUM+U (2)

Page 7


KTE309.5

Bài tập giữa kì Kinh tế lượng

Hiện tượng đa cộng tuyến trong mô hình đã được khắc phục, tuy nhiên mô hình
vẫn có thể mắc phải một số khuyết tật như
• Tự tương quan
• Psss thay đổi
• Bỏ sót biến.
 Kiểm tra mô hình có tự tương quan hay không?
. estat dwatson
Durbin-Watson d-statistic(

4,

40) =

.6812148

Tra bảng ta có: dL = 1.338, dU = 1.659
Do 0 < d = 0.68 < dL = 1.338
Kết luận: mô hình có tự tương quan dương bậc 1.
 Kiểm tra mô hình có phương sai sai số thay đổi hay không?
. hettest
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of qdpass
chi2(1)
Prob > chi2

=
=

2.54
0.1109

Từ kết quả kiểm định ta thấy p-value = 0.1109 > α = 0.05. (Chấp nhận Ho)
Kết luận: với mức ý nghĩa 5% mô hình không mắc khuyết tật psss thay đổi.
 Kiểm tra mô hình có bỏ sót biến hay không?
•

Thêm biến BRANCH. Hàm hồi quy mới:

QYDPASS = βo + β1.QYDUS + β2.SPREAD+ β3.MMCDUM + β4.BRANCH
Kiểm định cặp giả thuyết

Ho: β4 = 0
H1: β4 ≠ 0
Nếu bác bỏ Ho ta có thể thêm biến BRANCH và mô hình
Ta có kết quả hồi quy như sau:

Page 8


KTE309.5

Bài tập giữa kì Kinh tế lượng

. reg qdpass qydus spread mmcdum branch
Source

SS

df

MS

Model
Residual

1.4509e+10
944616043

4
35

3.6272e+09
26989029.8

Total

1.5453e+10

39

396239615

qdpass

Coef.

qydus
spread
mmcdum
branch
_cons

42.39783
2514.553
-16687.8
3.142043
32388.68

Std. Err.
25.04657
629.1241

4563.543
1.935212
4267.867

t
1.69
4.00
-3.66
1.62
7.59

Number of obs
F( 4,
35)
Prob > F
R-squared
Adj R-squared
Root MSE

P>|t|

=
=
=
=
=
=

40
134.39

0.0000
0.9389
0.9319
5195.1

[95% Conf. Interval]

0.099
0.000
0.001
0.113
0.000

-8.449404
1237.363
-25952.28
-.7866461
23724.45

93.24507
3791.743
-7423.314
7.070732
41052.91

Dễ dàng nhận thấy giá trị p-value của biến BRANCH = 0.113 > 0.05
Với mức ý nghĩa α = 5% chưa đủ để bác bỏ Ho
Kết luận: không thể đưa thêm biến BRANCH vào mô hình.
•

Thêm biến EXPINT. Ta có hàm hồi quy mới:

QYDPASS = βo + β1.QYDUS + β2.SPREAD+ β3.MMCDUM + β4.EXPINT

. reg qdpass qydus qyperm spread mmcdum expinf
Source

SS

df

MS

Model
Residual

1.4534e+10
919131810

5
34

2.9068e+09
27033288.5

Total

1.5453e+10

39

396239615

qdpass

Coef.

qydus
qyperm
spread
mmcdum
expinf
_cons

224.5392
-150.3599
2799.885
-21390.04
-163.9292
32497.79

Std. Err.
81.70772
87.01132
731.5498
3941.125
461.7163
4305.152

t

2.75
-1.73
3.83
-5.43
-0.36
7.55

Number of obs
F( 5,
34)
Prob > F
R-squared
Adj R-squared
Root MSE

P>|t|
0.010
0.093
0.001
0.000
0.725
0.000

=
=
=
=
=
=

40
107.53
0.0000
0.9405
0.9318
5199.4

[95% Conf. Interval]
58.48915
-327.1882
1313.197
-29399.37
-1102.25
23748.67

390.5893
26.46837
4286.573
-13380.71
774.3913
41246.91

Lập luận tương tự như trên, nhận thấy p-value của biến EXPINT = 0.725 > 0.05
Page 9


KTE309.5

Bài tập giữa kì Kinh tế lượng

Với mức ý nghĩa α=5% ta chưa đủ cơ sở để bác bỏ Ho: β4 = 0
Kết luận: không đưa thêm biến EXPINT vào mô hình.
Từ tất cả những kiểm định nói trên, mô hình cuối cùng tổng tiền gửi trong tài
khoản sổ tiết kiệm của S&L – Mỹ là:
QYDPASS = βo + β1.QYDUS + β2.SPREAD+ β3.MMCDUM+U (2)

Page 10


KTE309.5

Bài tập giữa kì Kinh tế lượng

Bài 2: Xây dựng mô hình cầu của thịt lợn
I.

Cơ sở lý thuyết
Xét biến phụ thuộc là (lượng thịt lợn tiêu thụ bình quân theo đầu người ở Mĩ trong
quý t, pounds) và các biến giải thích ,,,,,,.
Mối quan hệ lí thuyết giữa với các biến giải thích (với điều kiện các nhân tố khác
không đổi):
•
•

•
•

•
•

(giá một pound thịt lợn trong quý t, đôla/100 pounds): Quan hệ tỉ lệ nghịch:
khi giá thịt lợn tăng thì lượng tiêu dung thịt lợn giảm.
(giá một pound thịt bò trong quý t, đôla/100 pounds): Quan hệ tỉ lệ thuận: khi
giá thịt bò tăng thì lượng tiêu thụ thịt lợn tăng (vì thịt lợn và thịt bò là 2 hàng
hóa thay thế)
(thu nhập khả dụng bình quân đầu người trong quý t, đôla).
(log của thu nhập khả dụng bình quân đầu người): nếu thịt lợn là hàng hóa
thông thường thì quan hệ giữa thu nhập và lượng thịt tiêu thụ là quan hệ tỉ lệ
thuận (thu nhập tăng thì lượng tiêu thụ thịt lợn tăng); nếu thịt lợn là hàng hóa
thứ cấp thì bắt đầu từ một giá trị nào đó đây là quan hệ tỉ lệ nghịch (bắt đầu từ
một giá trị nào đó, khi thu nhập tăng, người tiêu dung có xu hướng sử dụng một
loại hàng hóa đắt hơn thịt lợn và lượng tiêu dùng thịt lợn giảm).
(lượng thịt lợn được sản xuất ra trong quý t, tỉ pounds): Chưa rõ mối quan hệ.
,, : Các biến giả thể hiện lượng thịt lợn tiêu thụ chênh lệch tương ứng giữa các
quý 1, 2, 3 so với quý 4.

II. Tiến hành lựa chọn mô hình
1. Chọn mô hình gồm biến phụ thuộc và các biến giải thích là: ,,, và các biến
giả ,, (regression run 8).
Ta có kết quả hồi qui sau:

Page 11


KTE309.5

Bài tập giữa kì Kinh tế lượng

1.1.Đánh giá kết quả:
PRIPK: Hệ số của biến PRIPK có ý nghĩa thống kê và có dấu phù hợp với lý

thuyết kinh tế.
YDUSP: Hệ số của YDUSP có dấu phù hợp với lý thuyết kinh tế nhưng lại không
có ý nghĩa thống kê (điều này là bất hợp lý bởi biến thu nhập là một biến quan
trọng, có ảnh hưởng đến lượng tiêu dùng).
PROPK: hệ số của biến sản xuất có ý nghĩa thống kê, mặc dù trên thực tế chưa
chứng minh được ảnh hưởng rõ rang của biến này đến biến phụ thuộc CONPK.
D1, D3: Có dấu phù hợp với lí thuyết nhưng không có ý nghĩa thống kê.
D2: Có ý nghĩa thống kê và có dấu phù hợp lý thuyết.
1.2.Kiểm định các giả định của mô hình:
1.2.1. Sai số ngẫu nhiên phân phối chuẩn
Kiểm định giả thiết:
Dùng lệnh: swilk e1 (trong đó e1 là phần dư, được lấy ra bằng lệnh: predict e1, r)
Kết quả: P-value = 0.8379 > 0.05  chấp nhận  sai số ngẫu nhiên phân phối
chuẩn.
1.2.2. Phương sai sai số thay đổi:
Kiểm định giả thiết:
Dùng lệnh: hottest (kiểm định BP)
Page 12


KTE309.5

Bài tập giữa kì Kinh tế lượng

Kết quả: P-value = 0.7714>0.05  chấp nhận  Mô hình có phương sai sai số
không đổi.
1.2.3.Đa cộng tuyến
• Dùng lệnh: vif (chỉ số phóng đại phương sai)
Kết quả:

Vì VIF > 10  Mô hình có đa cộng tuyến.
1.2.4.Tự tương quan
• Dùng lệnh: estat dwatson
Kết quả: d = 1.560406
Ta có giá trị và của thống kê Durbin-Watson có mức ý nghĩa 5% với n=40, k’=7
là:
dL = 1.120
dU = 1.924
Vì dL•

Dùng kiểm định Breusch-Godfrey:

Kiểm định giả thiết:
Dùng lệnh: esat bgodfrey, lags (1)
Kết quả:

Page 13


KTE309.5

Bài tập giữa kì Kinh tế lượng

Như vậy, mô hình không có tự tương quan bậc 1.
*Nhận xét: Mô hình lúc này đang có đa cộng tuyến. Để chữa đa cộng tuyến ta bỏ
bớt biến khỏi mô hình. Vì biến PROPK có ít ảnh hưởng đến biến phụ thuộc nhất
nên ta chọn bỏ biến này ra khỏi mô hình.
2. Bỏ biến PROPK khỏi mô hình (run 6)
Ta có kết quả hồi qui:

2.1. Đánh giá kết quả:
Các hệ số đều có ý nghĩa thống kê và có dấu phù hợp với lí thuyết
Mô hình có R2 = 0.9417
Kiểm tra sự phù hợp của mô hình:
Kiểm định giả thiết:
Dùng kiểm định F – test với lệnh:
Test PRIPK = PRIBF = YDUSP = D1 = D2 = D3 = 0
Kết quả

Page 14


KTE309.5

Bài tập giữa kì Kinh tế lượng

P-value < 0.05 bác bỏ H0, chấp nhận H1  mô hình có ý nghĩa thống kê.
2.2. Kiểm định các giả định của mô hình:
2.2.1. Sai số ngẫu nhiên phân phối chuẩn:
Kiểm định giả thiết:
Dùng lệnh: swilk e2 (trong đó e2 là phần dư, được lấy ra bằng lệnh: predict e2,r )
Kết quả: P-value = 0.6777 > 0.005 chấp nhận H0 sai số ngẫu nhiên phân phối
chuẩn.
2.2.2. Phương sai sai số thay đổi:
Kiểm định giả thiết:
Dùng lệnh: hettest (kiểm định BP)
Kết quả: P-value = 0.1396 > 0.05 chấp nhận H0  mô hình có phương sai sai số
không đổi
2.2.3. Đa cộng tuyến:

Dùng lệnh : VIF (chỉ số phóng đại phương sai)

Kết quả:

Page 15


KTE309.5

Bài tập giữa kì Kinh tế lượng

Vì VIF <10  Mô hình không có đa cộng tuyến.
2.2.4. Tự tương quan:
Dùng lệnh: estat dwatson
Kết quả: d= 1.085841
Ta có giá trị dL và dU của thống kê Durbin-Watson ở mức ý nghĩa 5% với n=40, k’
= 6 là:
dL =1.175
dU= 1.854
vì d < dL  mô hình có tự tương quan bậc 1.
2.2.4. Kiểm định bỏ sót biến ở mô hình:
Kiểm định giả thiết:
Dùng lệnh: estat ovtest
Kết quả: P-value = 0.8491 > 0.05 chấp nhận H0 Mô hình không thiếu biến.
3. Thay biến YDUSP bởi biến LYDUSP (run 14):
Ta có kết quả hồi qui sau:

Page 16

KTE309.5

Bài tập giữa kì Kinh tế lượng

3.1. Đánh giá kết quả:
Các hệ số đều có ý nghĩa thống kê và dấu phù hợp với lý thuyết.
Mô hình có R2 = 0.9458.
Kiểm định giả thiết :
Dùng kiểm định F-test với lệnh:
Test PRIPK = PRIBF = LYDUSP = D1 = D2 =D3=0
Kết quả:

P-value <0.05  bác bỏ H0, chấp nhận H1 Mô hình có ý nghĩa thống kê.
3.2. Kiểm định các giả định của mô hình:
3.2.1. Sai số ngẫu nhiên phân phối chuẩn:
Page 17


KTE309.5

Bài tập giữa kì Kinh tế lượng

Kiểm định giả thiết:
Dùng lệnh: swilk e3 (trong đó e3 là phần dư, được lấy ra bằng lệnh: predict e3,r)
Kết quả: P-value = 0.9599 > 0.05 chấp nhận H0 sai số ngẫu nhiên phân phối
chuẩn.
3.2.2. Phương sai sai số thay đổi:

Kiểm định giả thiết:
Dùng lệnh: hettest (kiểm định BP)

Kết quả: P-value = 0.2349 > 0.05 chấp nhận H0 Mô hình có phương sai sai số
không đổi.
3.2.3. Đa cộng tuyến:
Dùng lệnh : VIF (chỉ số phóng đại phương sai)
Kết quả:

Vì VIF < 10  Mô hình không có đa cộng tuyến.
3.2.4. Tự tương quan:
Dùng lệnh: estat dwatson
Kết quả: d= 1.191319
Ta có giá trị dL và dU của thống kê Durbin-Watson ở mức ý nghĩa 5% với n = 40,
k’=6 là:
dL=1.175
Page 18


KTE309.5

Bài tập giữa kì Kinh tế lượng

dU=1.854
Vì d < dL  Mô hình có tự tương quan bậc 1.
3.2.5. Kiểm định bỏ sót biến ở mô hình:
Kiểm định giả thiết:
Dùng lệnh: estat ovtest
Kết quả: P-value = 0.7665 > 0.05 chấp nhận H0  mô hình không thiếu biến
* Nhận xét: Mô hình sử dụng biến LYDUSP có R2 cao hơn mô hình sử dụng
YDUSP (cả hai mô hình đều có cùng biến phụ thuộc và số biến độc lập), các vấn
đề xảy ra với 2 mô hình là gần như nhau. Do đó, có thể thấy mô hình sử dụng
LYDUSP tốt hơn. Ta sẽ tiếp tục sử dụng mô hình cho các thao tác tiếp theo.

4. Khắc phục các vi phạm giả định của mô hình:
Mô hình mà chúng ta đã chọn là:
CONPKt = 15.043 – 0.0768579*PRIPKt + 0.0387575*PRIBFt +
2.121156*LYDUSPt – 0.8913808*D1t – 1.616533*D2t – 1.516465*D3t + ut
Mô hình này hiện nay đang mắc phải tự tương quan
Để chữa tự tương quan trong mô hình, ta thực hiện các bước sau:
•

Hồi quy et theo et-1: reg etet-1,noconst
Ta thu được kết quả: et =0.3963042*et-1 +vt

•

Biến đổi số liệu
CONPK newt = CONPK t - 0.3963042*CONPKt-1
PRIPK newt = PRIPKt - 0.396042*PRIPKt-1
PRIBFnewt = PRIBFt – 0.396042* PRIBF t-1
LYDUSPnewt = LYDUSPt – 0.396042*LYDUSPt-1

•

Hồi quy CONPKnewt theo PRIPKnewt, PRIBFnewt, LYDUSPnewt, D1, D2, D3.
Ta thu được kết quả sau:

Page 19


KTE309.5

Bài tập giữa kì Kinh tế lượng

*Nhận xét:
• Kiểm định tự tương quan trong mô hình bằng phương pháp Breusch-Godfrey có

kết quả:

Vì P-value > 0.05 nên ta chấp nhận H0. Mô hình không còn tự tương quan.
Do đó, ta có thể sử dụng kiểm định t-test trong mô hình mới để kiểm định ý nghĩa
thốn kê của các hệ số trong mô hình.
• Như vậy, sau khi sửa tự tương quan trong mô hình và mô hình không còn vi phạm

các giả định nữa, ta thấy mô hình có R2 cao và các hệ số trong mô hình đều có ý
nghĩa thống kê.

III. Kết luận:
Mô hình cầu thịt lợn tốt nhất là:
CONPKt = 15.043 – 0.0768579*PRIPKt + 0.0387575*PRIBFt +
2.121156*LYDUSPt – 0.8913808*D1t – 1.616533*D2t – 1.516465*D3t + ut
Page 20


KTE309.5

Bài tập giữa kì Kinh tế lượng

Nhìn vào mô hình ta có thể khẳng định:
•
•
•
•

•
•

Khi giá thịt lợn tăng 1 đơn vị thì lượng tiêu dùng thịt lợn giảm trung bình
0.0768579 đơn vị (với điều kiện các nhân tố khác không đổi).
Khi giá thịt bò tăng 1 đơn vị thì lượng tiêu dùng thịt lợn tăng trung bình 0.0387575
đơn vị (với điều kiện các nhân tố khác không đổi).
Khi thu nhập tăng 1% thì lượng tiêu dùng thịt lợn tăng trung bình 0.02121156 đơn
vị (với điều kiện các nhân tố khác không đổi).
Lượng thịt lợn tiêu thụ trung bình trong quý I ít hơn trong quý IV 0.8913808 đơn
vị ( với điều kiện các nhân tố khác không đổi).
Lượn thịt lợn tiêu thụ trung bình trong quý II ít hơn trong quý IV 1.616533 đơn vị
(với điều kiện các nhân tố khác không đổi).
Lượng thịt lợn tiêu thụ trung bình trong quý III ít hơn trong quý IV 1.516465 đơn
vị (với điều kiện các nhân tố khác không đổi).

Page 21