Hướng dẫn thực hành
Tên đề tài: Khảo sát mối quan hệ giữa GDP, lạm phát và thất nghiệp ở
Việt Nam Giai đoạn 1993-2013
Tên thành viên:
1. Tô Ánh Nguyệt
2. Đào Thị Mỹ Anh
3. Tào Thị Mai Hương
4. Phí Tiến Bắc Hải
5. Phạm Vũ Hoàng Nam
6. Nguyễn Thị Huyền Trang
Lớp: 202_INE1052 6
1. Nêu giả thiết về mối quan hệ:
- Lý do chọn đề tài:
Tốc độ tăng trưởng kinh tế, lạm phát và thất nghiệp là 3 vấn đề lớn của nền
kinh tế vĩ mơ. Vì vậy nghiên cứu 3 vấn đề này là một vấn đề quan trọng và cần thiết.
Trong bài thực hành của nhóm nghiên cứu, cơng việc chủ yếu sẽ là kiểm định
các lý thuyết kinh tế đã được đưa ra và xác định mối quan hệ và tác động của lạm
phát, thất nghiệm đến tốc độ tăng trưởng kinh tế.
- Lý thuyết kinh tế:
❖ Về mối quan hệ giữa tăng trưởng và thất nghiệp:
Quy luật Okun:
𝑈𝑇 = 𝑈 𝑛 +
𝑌𝑃− 𝑌𝑇
𝑌𝑃
𝑥 50%
Trong đó:
𝑈𝑇: Tỷ lệ thất nghiệp thực tế
𝑈𝑛: Tỷ lệ thất nghiệp
𝑌𝑃: GDP tiềm năng
𝑌𝑇: GDP thực tế
Quy luật này được phát biểu như sau: với mỗi 1% tăng lên của tỉ lệ thất nghiệp, GDP
sẽ giảm tương đương 2% so với GDP tiềm năng.
❖ Về mối quan hệ giữa thất nghiệp và lạm phát:
Đường Phillips ngắn hạn theo A.W.Phillips
*
𝑔𝑝 =− β. (𝑢 − 𝑢 )
Khi mức % của tiền lương danh nghĩa bằng mức lạm phát (gp) thì ta có phương trình
trên. Phương trình này gợi ý có thể đánh đổi lạm phát nhiều hơn để có 1 tỷ lệ thất
nghiệp ít hơn và ngược lại.
+ Tên biến phụ thuộc:
𝑌𝑖- Tỷ lệ thất nghiệp (%)
+ Tên biến độc lập:
𝑋2- GDP (nghìn tỷ USD)
𝑋3- Tỷ lệ lạm phát (%)
+ Một số nhận định:
Tỷ lệ thất nghiệp phụ thuộc vào GDP và tỷ lệ lạm phát
Quan hệ của tỷ lệ thất nghiệp và GDP ngược chiều
Quan hệ của tỷ lệ thất nghiệp và tỷ lệ lạm phát ngược chiều
2. Hàm hồi quy tổng thể và Mơ hình hồi quy tổng thể:
PRF: 𝐸(𝑙𝑜𝑔(𝑌)) = 2, 250698 + − 0. 010626. 𝑋 2 +
PRM:
𝑙𝑜𝑔(𝑌
𝑖)
= 2, 250698 +
− 0. 010626. 𝑋
2
+
− 0. 010858 . 𝑋
− 0. 010858 . 𝑋
3
+ 𝑈
3
𝑖
3. Thu thập số liệu:
Nguồn số liệu:
- Luận văn mối quan hệ giữa lạm phát và thất nghiệp ở Việt Nam giai đoạn
1986-2009
-
Tổng cục thống kê
𝑌𝑖- Tỷ lệ thất nghiệp (%)
𝑋2- GDP (nghìn tỷ USD)
𝑋3- Tỷ lệ lạm phát (%)
Y
X2
X3
1993
10.5
13.18095
8.4
1994
7.03
16.28643
9.5
1995
6.08
20.73616
16.9
1996
5.7
24.65747
5.6
1997
6.01
26.84370
3.1
1998
6.85
27.20960
8.1
1999
6.74
28.68366
4.1
2000
6.42
31.17252
-1.8
2001
6.8
32.68520
-0.3
2002
6.01
35.05822
4.1
2003
6.1
39.55251
3.3
2004
5.6
45.42785
7.9
2005
5.3
52.91727
8.4
2006
4.82
60.91352
7.5
2007
4.2
71.01559
8.3
2008
2.38
91.09405
23.1
2009
2.9
97.18030
6.9
2010
2.88
106.4268
11.8
2011
2.22
123.6001
18.58
2012
1.99
129.8172
6.81
2013
2.37
136.8533
6.04
4. Ước lượng các tham số của mơ hình:
- Đưa báo cáo EVIEWS
-
Với báo cáo Eviews như trên, ta có mơ hình hồi quy mẫu:
SRM: 𝐿𝑜𝑔(𝑌) = 2, 250698 − 0. 010626. 𝑋2𝑖 − 0. 010858. 𝑋3𝑖 + 𝑒𝑖
-
Ý nghĩa kinh tế :
β
1
= 2, 250698: cho biết khi GDP bằng không và khơng có lạm phát thì tỷ lệ thất
nghiệp trung bình là 2,250698 %.
β2 =
− 0. 010626 < 0: cho biết khi GDP tăng 1 nghìn tỷ VND và tỷ lệ lạm
phát khơng đổi thì tỷ lệ thất nghiệp giảm 1,0626 %. Điều này hoàn toàn phù hợp với
lý thuyết kinh tế.
β
3
=
− 0. 010858 < 0 : cho biết khi tỷ lệ lạm phát tăng 1% và GDP khơng đổi
thì tỷ lệ thất nghiệp giảm 1,0858%. Điều này hoàn toàn phù hợp với lý thuyết kinh tế.
❖ Kiểm định sự phù hợp của các hệ số hồi quy
● Kiểm định β 2 :
Giả thuyết 𝐻 0: β
2
Đối thuyết 𝐻 1: β
2
=0
≠0
β2
Tiêu chuẩn kiểm định: 𝑇 =
|
𝑆𝑒(β 2)
{ 𝑡: | 𝑡 | ≻ 𝑡 }
𝑛−3
Miền bác bỏ: 𝑊α =
Dựa vào báo cáo 𝑡
(𝑛−2)
∼ 𝑇
α/2
|=
𝑞𝑠
18
14, 88695 > 𝑡0.025 = 2. 101 . Thuộc miền bác bỏ .
Bác bỏ 𝐻 0, Chấp nhận 𝐻
1
Kết luận: Với mức ý nghĩa 5% ta thấy tỉ lệ thất nghiệp ở Việt Nam chịu ảnh ảnh bởi GDP.
● Kiểm định β
3
Giả thuyết 𝐻 0: β
3
Đối thuyết 𝐻 1: β
3
:
=0
≠0
β
Tiêu chuẩn kiểm định: 𝑇 =
|
∼ 𝑇
𝑆𝑒(β 3)
{ 𝑡: | 𝑡 | ≻ 𝑡 }
𝑛−3
Miền bác bỏ: 𝑊α =
Dựa vào báo cáo 𝑡
(𝑛−2)
3
α/2
=
𝑞𝑠|
Bác bỏ 𝐻 0, Chấp nhận 𝐻
18
2, 224629 > 𝑡 0.025 = 2. 101 . Thuộc miền bác bỏ .
1
Kết luận: Với mức ý nghĩa 5% ta thấy tỉ lệ thất nghiệp ở Việt Nam chịu ảnh ảnh bởi lạm phát.
❖ Kiểm định sự phù hợp của hàm hồi quy
Giả thuyết : 𝐻0 : 𝑅
2
= 0 ( Mơ hình khơng phù hợp)
Đối thuyết : 𝐻1 : 𝑅
2
> 0 ( Mơ hình phù hợp)
Dựa vào báo cáo 𝐹
Miền bác bỏ 𝑊
𝐹
𝑞𝑠
=
α
𝑞𝑠
= 143. 1248
⎰
𝐹; 𝐹 ≻ 𝐹
⎱
= 143. 1248 > 𝐹
2, 18
α
⎱
⎰
= 3, 55
0.05
➔ Bác bỏ 𝐻 0, Chấp nhận 𝐻
(𝑘−1; 𝑛−𝑘)
1
Kết luận: Với mức ý nghĩa 5 %, hàm hồi quy trên hoàn toàn phù hợp
5. Kiểm tra các khuyết tật của mơ hình
5.1. Tự tương quan
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 05/24/21 Time: 20:27
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
-0.010626
0.000714
-14.88669
0.0000
X3
-0.010858
0.004881
-2.224499
0.0391
C
2.250686
0.052369
42.97747
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
-1.124352
Log likelihood
16.37248
Hannan-Quinn criter.
-1.241185
F-statistic
143.1198
Durbin-Watson stat
1.412987
Prob(F-statistic)
0.000000
❖ Kiểm định Durbin – Watson
Kiểm định giả thuyết: 𝐻
𝐻
0
1
: Mơ hình gốc khơng có tự tương quan
: Mơ hình gốc có tự tương quan
- Ta có: n=21 ; α = 0. 05 ; k’=2
d=1.412987
Tra bảng giá trị thống kê Durbin Watson : dU= 1.538 ; dL = 1.125
Dựa theo mơ hình kiểm định :
Hoặc
⟹ 1
Hoặc d < dU thì chưa có cơ sở để bác bỏ H0 (với mức ý nghĩa α = 5% ), nghĩa là mơ hình
khơng tự tương quan.
❖ Kiểm định BG
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.223757
Prob. F(2,16)
0.8020
Obs*R-square
d
0.571381
Prob. Chi-Square(2)
0.7515
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/24/21 Time: 20:50
Sample: 1993 2013
Included observations: 21
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
3.52E-06
0.000764
0.004599
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)
-0.170841
0.268500 -0.636279
0.5336
R-squared
0.027209
Mean dependent var
6.77E-16
Adjusted
R-squared
-0.215989
S.D. dependent var
0.113701
S.E. of
regression
0.125380
Akaike info criterion
-1.110679
Sum squared
resid
0.251522
Schwarz criterion
-0.861983
Log likelihood
16.66213
Hannan-Quinn criter.
-1.056705
F-statistic
0.111879
Durbin-Watson stat
Prob(F-statisti
c)
0.976533
1.533089
Mơ hình BG:
𝑒
𝑖
= α
1
+ α
2
𝑙𝑜𝑔𝑋
Kiểm định cặp giả thuyết: 𝐻
𝐻
Ta có: 𝑃
𝑣𝑎𝑙𝑢𝑒
1
0
2𝑖
+ α
3
𝑙𝑜𝑔𝑋
3𝑖
+ α
𝑒
4 𝑖−1
+ α
𝑒
5 𝑖−2
+ 𝑉
: Mơ hình gốc khơng có tự tương quan
: Mơ hình gốc có tự tương quan.
= 0. 8020 > α = 0. 05
Kết luận: Chưa đủ cơ sở bác bỏ H0.
Mơ hình gốc khơng có tự tương quan
5.2. Phương sai sai số ngẫu nhiên thay đổi
* Kiểm định White:
Heteroskedasticity Test: White
F-statistic
0.882190
Prob. F(5,15)
0.5166
Obs*R-squared
4.772044
Prob. Chi-Square(5)
0.4443
Scaled explained
SS
6.553847
Prob. Chi-Square(5)
0.2560
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/24/21 Time: 20:32
Sample: 1993 2013
Included observations: 21
Variable
Coefficient Std. Error
t-Statistic
Prob.
C
0.050031
0.026226
1.907726
0.0758
X2^2
8.71E-06
4.81E-06
1.811419
0.0901
X2*X3
1.93E-05
3.56E-05
0.541825
0.5959
X2
-0.001590
0.000844
-1.883715
0.0791
X3^2
-6.75E-05
0.000153
-0.442222
0.6646
X3
0.000975
0.002701
0.360969
0.7232
R-squared
0.227240
Mean dependent var
0.012312
Adjusted
R-squared
-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
Hannan-Quinn criter.
-4.259307
F-statistic
0.882190
Durbin-Watson stat
Prob(F-statistic)
0.516591
Kiểm định P-value
1.643729
có P-value = 0.5166> α=0.05 => chưa đủ cơ sở bác bỏ Ho
Vậy mơ hình khơng xảy ra hiện tượng PSSSNN thay đổi
* Kiểm định Glejser
Heteroskedasticity Test: Glejser
F-statistic
Obs*R-squared
Scaled explained
SS
0.232883 Prob. F(2,18)
0.529688 Prob. Chi-Square(2)
0.7946
0.7673
0.562027 Prob. Chi-Square(2)
0.7550
Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 05/24/21 Time: 20:31
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X2
X3
0.069864
-8.59E-05
0.002196
0.034678
0.000473
0.003232
2.014678
-0.181747
0.679475
0.0591
0.8578
0.5055
R-squared
Adjusted
R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
-
0.025223 Mean dependent var
0.082304
-0.083085 S.D. dependent var
0.079363 Akaike info criterion
0.113372 Schwarz criterion
25.02909 Hannan-Quinn criter.
0.232883 Durbin-Watson stat
0.794596
0.076258
-2.098008
-1.948791
-2.065624
1.534912
Mơ hình Glejser: 𝑒
Kiểm định giả thiết:
𝑖
= β
1
+ β 2. 𝑋2𝑖 + 𝑣
𝑖
Ho: PSSS ngẫu nhiên không đổi
H1: PSSS ngẫu nhiên thay đổi
Kiểm định P-value
Từ bảng kiểm định Glejser ta có P-value = 0.7673 > α = 0.05 -> Chưa đủ cơ sở bác
bỏ Ho
Vậy mơ hình khơng xảy ra hiện tượng phương sai sai số thay đổi.
* Kiểm định dựa trên biến phụ thuộc
2
2
𝑒𝑖 = α1 + α2𝑌𝑖 + 𝑉𝑖
Hồi quy mơ hình gốc
𝑒, 𝑙𝑜𝑔𝑌 = 𝑙𝑜𝑔(𝑌) 𝐹
Dependent Variable: E^2
Method: Least Squares
Date: 05/24/21 Time: 21:14
Sample: 1993 2013
Included observations: 21
Variable
LOGIMF^2
C
R-squared
Adjusted
R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Kiểm định giả thiết
Ho: PSSS không đổi
H1: PSSS thay đổi
Coefficient
Std. Error
t-Statistic
Prob.
0.003488
0.003231
0.004363
0.012568
0.799330
0.257059
0.4340
0.7999
0.032534 Mean dependent var
0.012312
-0.018385 S.D. dependent var
0.024618 Akaike info criterion
0.011515 Schwarz criterion
49.04331 Hannan-Quinn criter.
0.638929 Durbin-Watson stat
0.433979
0.024394
-4.480316
-4.380837
-4.458726
1.301822
Kiểm định P-value
Ta có: P-value = 0.4349 > 0.05 ⇒Chưa đủ điều kiện bác bỏ H0
Kết luận: Mơ hình khơng xảy ra hiện tượng phương sai sai số thay đổi.
5.3. Đa cộng tuyến
Đa cộng tuyến
Hồi quy phụ: 𝑋2𝑖 = α1 + α2𝑋3𝑖 + 𝑉𝑖
Dependent Variable: X2
Method: Least Squares
Date: 05/24/21 Time: 21:46
Sample: 1993 2013
Included observations: 21
Variable
X3
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
Std. Error
t-Statistic
Prob.
2.429912
38.43548
1.466408
14.33743
1.657051
2.680780
0.1139
0.0148
0.126269 Mean dependent var
0.080283 S.D. dependent var
38.52137 Akaike info criterion
28194.03 Schwarz criterion
-105.4223 Hannan-Quinn criter.
2.745817 Durbin-Watson stat
0.113930
57.68154
40.16749
10.23070
10.33017
10.25229
0.204072
Kiểm định cặp giả thuyết:
H0: Mơ hình gốc khơng có đa cộng tuyến
H1 : Mơ hình có đa cộng tuyến
{
}
1;19
Miền bác bỏ 𝑊α= 𝐹: 𝐹 > 𝐹0.05
1;19
Từ báo cáo ta có: 𝐹𝑞𝑠 = 2.745817 < 𝐹0.05 = 4,38. Suy ra không thuộc miền bác bỏ
Chưa đủ cơ sở bác bỏ H0
Kết luận: Vậy với mức ý nghĩa α = 0.05 thì mơ hình khơng có đa cộng tuyến.
Độ đo Theil:
^
^
^
log 𝑙𝑜𝑔 𝑌𝑖 = β1 + β2𝑋2𝑖 + β3𝑋3𝑖 + 𝑒𝑖. Suy ra R2 = 0.940838
Hồi quy Y theo X 3
Hồi quy: log 𝑙𝑜𝑔 𝑌𝑖 = α1 + α2𝑋3𝑖 + 𝑣
Dependent Variable: X2
Method: Least Squares
Date: 05/24/21 Time: 21:46
Sample: 1993 2013
Included observations: 21
Variable
X3
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Coefficient
Std. Error
t-Statistic
Prob.
2.429912
38.43548
1.466408
14.33743
1.657051
2.680780
0.1139
0.0148
0.126269 Mean dependent var
0.080283 S.D. dependent var
38.52137 Akaike info criterion
28194.03 Schwarz criterion
-105.4223 Hannan-Quinn criter.
2.745817 Durbin-Watson stat
0.113930
57.68154
40.16749
10.23070
10.33017
10.25229
0.204072
Hồi quy Y theo X 2
log 𝑙𝑜𝑔 𝑌𝑖 = α1 + α2𝑋2𝑖 + 𝑣
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 05/24/21 Time: 22:16
Sample: 1993 2013
Included observations: 21
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
C
-0.011190
2.197233
0.000733
0.051137
-15.26085
42.96732
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.924571 Mean dependent var
0.920601 S.D. dependent var
0.131717 Akaike info criterion
0.329638 Schwarz criterion
13.82227 Hannan-Quinn criter.
232.8936 Durbin-Watson stat
0.000000
1.551776
0.467450
-1.125931
-1.026453
-1.104342
1.388605
Tính độ đo Theil:
Từ 2 bảng hồi quy trên ta thu được kết quả
2
𝑟12 = 0.924571
2
𝑟13 = 0. 126269
2
2
2
2
2
Độ đo Theil: m=𝑅 − (𝑅 − 𝑟12) − (𝑅 − 𝑟13) = 0.940838 – (0.940838 - 0.924571) –
(0.940838 - 0. 126269) = 0.110002
Vậy độ đo của Theil về mức độ đa cộng tuyến là 0.110002
5.4. Mô hình bỏ sót biến thích hợp
Kiểm định Ramsey
2
3
Mơ hình: 𝑙𝑜𝑔(𝑌𝑖) = α1 + α2(𝑋2𝑖) + α3(𝑋3𝑖) + α4𝑙𝑜𝑔(𝑌𝑖 ) + α5𝑙𝑜𝑔(𝑌𝑖 ) + 𝑉𝑖
Kiểm định giả thuyết
H0: Mơ hình gốc khơng bỏ sót biến thích hợp
H1: Mơ hình gốc bỏ sót biến thích hợp
Kiểm định P-value
Ta có: P-value=0.7843>0.05 ⇒Chưa đủ điều kiện bác bỏ H0
Vậy mơ hình gốc khơng bỏ sót biến thích hợp
5.5 Kiểm tra tính phân phối chuẩn của sai số ngẫu nhiên
Kiểm định Jarrque - bera (JB)
𝑙𝑜𝑔(𝑌𝑖) = β1 + β2𝑋2𝑖 + β3𝑋3𝑖 + 𝑈𝑖
Kiểm định cặp giả thuyết
H0: U có phân phối chuẩn
H1: U khơng có phân phối chuẩn
Kiểm định P- value
Ta có : P-value= 0.078654> 0.05 ⇒Chưa đủ cơ sở bác bỏ Ho
Vậy sai số ngẫu nhiên U có phân phối chuẩn
6. Phân tích kết quả hồi quy
Khoảng tin cậy β2:
^
( )
^
( )
^
18
^
18
β2 − 𝑆𝑒 β2 𝑡0.025≤ β2 ≤ β2 + 𝑆𝑒 β2 𝑡0.025
t=2.101
⬄ − 0. 0121 ≤ β2≤ − 0. 0091
Kết luận: Vậy với mức ý nghĩa α = 0. 05 GDP tăng lên 1000 tỉ đồng thì tỉ lệ thất nghiệp sẽ
giảm trong khoảng từ (0. 91; 1. 21)%
Khoảng tin cậy β3:
^
( )
^
18
^
( )
^
18
β3 − 𝑆𝑒 β3 𝑡0.025≤ β3 ≤ β3 + 𝑆𝑒 β3 𝑡0.025
⬄− 0. 0211≤ β3≤ − 0. 0006
Kết luận: Vậy với mức ý nghĩa α = 0. 05 khi tỉ lệ lạm phát tăng lên 1% thì tỉ lệ thất nghiệp
sẽ giảm trong khoảng từ (0. 06; 2. 11)%
2
Khoảng tin cậy của σ :
^
2
(𝑛−𝑘)σ
2(𝑛−𝑘)
χα
2
≤σ ≤
2
^
2
(𝑛−𝑘)σ
2(𝑛−𝑘)
χ 1−α
2
2
⇨ 0. 008201≤ σ ≤0. 031414
Kết luận: Vậy với mức ý nghĩa α = 0. 05 thì sự biến động của biến phụ thuộc đo bằng
phương sai do các yếu tố ngẫu nhiên gây ra nằm trong khoảng (0. 008201; 0. 031414)
7. Dự báo
Tỉ lệ thất nghiệp năm 2014
GDP(X2): 140 nghìn tỉ USD
Tỉ lệ lạm phát(X3):6%
⇨ Dự báo tỉ lệ thất nghiệp (Y)
Ước lượng điểm: 2.0
Ước lượng khoảng (1.5;2.6)
Dự báo tỉ lệ thất nghiệp năm 2014 là 2.009585%
8. Kết luận
-
Tổng kết:
Mơ hình khơng có khuyết tật và phù hợp với lý thuyết kinh tế. Tuy nhiên vì mặt giới
hạn về thời gian nên số liệu còn hạn chế và nguồn số liệu còn chưa cập nhật và nhiều
nguồn chưa thực sự mang độ tin cậy cao.
-
Giải pháp
Để giảm thất nghiệp thì nên phát triển kinh tế. Về mối quan hệ giữa giảm thất nghiệp
và tăng tỷ lệ lạm phát, điều này được các nhà khoa học chứng minh là chưa chuẩn xác, tuy
nhiên mối quan hệ ngược chiều của chúng vẫn đúng trong trường hợp thực nghiệm.