Tổng hợp những bài tiểu luận môn Kinh tế lượng của nhiều trường

Tổng hợp những bài tiểu luận môn Kinh tế lượng của nhiều trường được biên soạn dưới dạng file PDF cho các bạn sinh viên tham khảo, ôn tập đầy đủ kiến thức, chuẩn bị thật tốt cho kì thi sắp tới. Mời bạn đọc đón xem.

TRƢỜNG ĐẠI HC NGOI THƢƠNG CƠ SỞ 2
THÀNH PH H CHÍ MINH

B môn: Kinh tế ng
ĐỀ TÀI:
PHÂN TÍCH CÁC NHÂN T ẢNH HƢỞNG ĐẾN
GIÁ THU MUA CÀ PHÊ THÔ CA VIT NAM
Giảng viên : Phan Bùi Khuê Đài
Khóa lp: K51
Nhóm 1
Thành ph H Chí Minh
Tháng 3 năm 2015
2
DANH CH NHÓM VÀ PHÂN CÔNG CÔNG VIC
STT
H VÀ TÊN
MSSV
PHÂN CÔNG CÔNG VIC
1
Phan Th Cm Ly
1001017140
- Tìm s liu
- Viết chương 2
- Tìm tài liu tham kho
2
Trn Anh Bng
1201016036
- Viết chương 1
- Tìm tài liu tham kho
3
Nguyễn Đăng Dương
1201016101
- Tìm s liu
- Chy Eview, viết chương 4
- Tìm tài liu tham kho
4
Võ Phan Qunh Giao
1201016121
- Tìm s liu
- Viết chương 2
- Tng hp bài viết.
4
Ngô Th Thu Hoài
1201016168
- Tìm s liu
- Chy Eview, viết chương 4
- Tìm tài liu tham kho
5
Trương Thị Dim Kiu
1201016224
- Nhóm trưởng
- Làm bng kho sát, tìm s
liu
- Viết chương 3
6
Định Th Tú Nhi
1201016353
- Tìm tài liu tham kho
- Viết chương 1
- Viết thiết lp mô hình
7
Đồng Văn Ngọc
1201016318
- Viết chương 5
- Tìm tài liu tham kho
- H tr chy Eview
3
MC LC
CHƯƠNG I: TỔNG QUAN V TÌNH HÌNH CÀ PHÊ TI VIT NAM ........................................................... 4
1. Ý nghĩa của vic la chọn đề tài .............................................................................................. 4
1.1 Lý do chọn đề tài ................................................................................................................. 4
1.2 Lợi ích đề tài ....................................................................................................................... 5
2. Mc tiêu và phm vi nghiên cu .............................................................................................. 6
2.1 Mc tiêu nghiên cu ........................................................................................................... 6
2.2 Câu hi nghiên cu ............................................................................................................. 6
2.3 Phm vi nghiên cu ............................................................................................................. 6
CHƯƠNG II: CƠ SỞ LÝ LUN V CÁC YU T ẢNH HƯỞNG TI GIÁ THU MUA CÀ PHÊ THÔ ............. 7
1. Cơ sở lý lun .............................................................................................................................. 7
2. Thiết lp mô hình tng quát ..................................................................................................... 8
2.1 Biến ph thuc .................................................................................................................... 8
2.2 Biến độc lp ........................................................................................................................ 8
CHƯƠNG III: TỔNG QUAN V PHƯƠNG PHÁP NGHIÊN CỨU CÁC NHÂN T ẢNH HƯỞNG TI GIÁ
THU MUA CÀ PHÊ THÔ ......................................................................................................................... 12
1. Gi thiết nghiên cu: .............................................................................................................. 12
2. Mô hình nghiên cứu đề xut: ................................................................................................. 12
3. Ngun s liu và cách thu thp s liu .................................................................................. 13
CHƯƠNG IV: KẾT QU NGHIÊN CU CÁC NHÂN T ẢNH HƯỞNG ĐẾN GIÁ THU MUA CÀ PHÊ THÔ
.............................................................................................................................................................. 14
1. Bng thng kê mô t: .............................................................................................................. 14
2. Chy E-view và đọc kết qu nghiên cu ............................................................................... 14
2.1 Kim tra các bnh ............................................................................................................. 15
2.2 Ý nghĩa, kết qu: ............................................................................................................... 19
CHƯƠNG V: GỢI Ý CHÍNH SÁCH ĐỂ ĐIU CHNH GIÁ THU MUA CÀ PHÊ THÔ .............. 21
4
CHƢƠNG I: TỔNG QUAN VỀ TÌNH HÌNH CÀ PHÊ TẠI VIỆT NAM
1. Ý nghĩa ca vic la chn đ tài:
1.1 Lý do chn đ tài:
c Vit Nam nằm trong vành đai nhiệt đới Bc bán cầu. Điều kin khí hậu, địa
đất đai thích hợp cho vic phát triển pđã đem li cho phê Vit Nam mt
hương vị rất riêng, độc đáo. Hàng m khí hu nng lắm mưa nhiều. Lượng mưa phân
b đều giữa các tháng trong năm nhất là những tháng cà phê sinh trưng. Khí hu Vit
Nam chia thành hai min rt. Min khí hu phía nam thuc khu nhiệt đới ng
m thích hp vi phê Robusta. Min khí hu phía bắc mùa đông lạnh mưa
phùn thích hp vi cà phê Arabica.
Ngoài ra, v đất đai, Vit Nam có đất đỏ bazan thích hp vớiy cà phê đưc phân b
khp lãnh th trong đó tập trung hai vùng Tây Nguyên Đông Nam B, vi din
tích hàng triu ha.
Như vậy cây cà phê cn hai yếu t cơ bản là nước và đất thì c hai yếu t y đều có
Việt Nam. Điều này to cho Vit Nam li thế mà các nước khác không có được.
Bên cạnh đó, Vit Nam vi dân s 80 triệu người trong đó 49% trong độ tui lao
động. Đây là đội ngũ lao đng khá di dào, cung cp cho các mi hoạt động trong nn
kinh tế quc dân. Sn xut phê xut khu mt quá trình bao gm nhiu công
đoạn, bắt đầu t khâu nghiên cu chon ging, gieo trồng khâu chăm sóc, thu mua, chế
biến, bo qun, bao gói , xut khẩu. Quá trình y đòi hi một đội nlao động khá
lớn. Đặc bit Vit Nam thì vic ng dng máy c vào vic, sn xut chế biến
phê chưa nhiều thế li thế v nhân công th giúp nước ta gim rt nhiu chi phí
cho sn xut phê xut khu t đó thể h giá thành giúp cho Vit Nam th
cạnh tranh được v giá so với các nước trên thế gii.
5
Theo d tính thì vic sn xut phê xut khu thu hút khá nhiều lao động: 1 ha
phê thu hút t 120.000- 200.000 lao động. Riêng c ta hin nay khong
700.000 800.000 lao động sn xuất phê, đặc bit vào thời điểm chăm sóc, thu
hoch con s y lên đến hơn 1 triệu người. Hip hi phê Vit Nam cho biết xut
khẩu cà phê hai tháng đầu năm 2014 ước đt 279.000 tn, thu v 519 triu USD, gim
13,7% v khối lượng. Đầu năm 2014, th tng cà phê có nhng biến động mnh, giá
phê arabica tăng lên mức cao k lục do Brazil (Nưc xut khu phê arabica ln
nht thế gii) b hn hán nng, gii “đầu cơ” ghim hàng nhằm điều chnh giá.
Vic nm rõ các nhân t ảnh hưởng đến giá thu mua cà phê thô là mt công vic hết
sc cn thiết đi với nhà nước, đ có nhng gii pháp hp lý nhm kim soát giá
phê, giúp người dân thoát nghèo. Vì vy, nhóm quyết đnh chn vấn đề nghiên cu là:
“Phân tích nhng nhân t ảnh hƣởng đến giá thu mua cà phê thô ca Việt Nam.”
1.2 Li ích đ tài:
Ngoài tác dng giúp chúng ta tỉnh táo, tăng cưng các hoạt động v tâm thn và trí tu,
to s sng khoái tích cc v tâm lý, làm chúng ta d tính hơn. Trong cà phê chứa chất
chống oxi hóa và những chất dinh dưỡng có lợi để cải thiện sức khỏe. Cà phê giúp bn
bt mt mỏi tăng mức độ năng lượng trong phê cha cafein mt loi cht
truyn dn kích thích c chế thần kinh trong não, giúp hưng phấn não b. Cht y
giúp ci thin tâm trng, b nh, s cnh giác, tc đ phn ng các chức năng khác
ca não b. phê cũng chứa những chất dinh dưỡng thiết yếu: vitamin B5, B2,B3,
B1thế phê mt thc ung ph biến rng i mang tính toàn cu. Trên
thế gii hin nay, có hàng t người ung cà phê mi ngày.
Hi vng với đề tài mà nhóm nghiên cu s giúp mt phn nhvào việc tác đng ti
phương thức kế hoch kinh doanh của người nông dân cũng n nhng doanh
nghip kinh doanh sn xut phê trong vic ci thin giá thu mua phê thô nước
ta hin nay.
6
2. Mc tiêu và phm vi nghiên cu
2.1 Mc tiêu nghiên cu:
2.1.1 Mc tiêu chung:
Tìm hiu nhân t ảnh hưởng đến giá thu mua cà phê ca Vit Nam.
2.1.2 Mc tiêu c th:
Tìm hiểu các nhân tố ảnh hưởng giá thu mua cà phê của Việt Nam.
Đánh giá các nhân tố chính ảnh hưởng đến giá thu mua cà phê Việt Nam.
2.2 Câu hỏi nghiên cứu:
Lãi suất trong nước có ảnh hưởng như thế nào tới giá thu mua cà phê thô ở Việt Nam?
Sản lượng và giá cà phê thô trong nước có ảnh hưởng như thế nào tới giá thu ma cà
phê thô ở Việt Nam?
Sản lượng tồn kho cà phê của Mỹ và tỷ giá hối đoái có ảnh hưởng như thế nào tới giá
thu mua cà phê thô ở Việt Nam?
Thu nhập quốc dân của Việt Nam có ảnh hưởng như thế nào tới giá thu mua cà phê
thô trong nước?
Tìm hiểu các kiến nghị các chính sách cải thiện và phát triển giá thu mua cà phê thô
Việt Nam ?
2.3 Phm vi nghiên cu
Không gian:Th trưng cà phê Vit Nam và thế gii
Thời gian: giai đoạn 1999-2011.
7
CHƢƠNG II: CƠ SỞ LÝ LUẬN VỀ CÁC YẾU TỐ ẢNH HƢỞNG TỚI GIÁ
THU MUA CÀ PHÊ THÔ
1. Cơ sở lý lun
Anastasios Alexandridis (2010) có đề xut đ ưc tính các nhân t quyết đnh ti giá
cà phê như sau: Pcf=f(Tt,Poil,Nc,Tg,Ls,CK,Ui).
Trong đó:
Tt là biến thi tiết, ảnh hưởng rt ln ti vic trng và thu hoch cà phê vì cà phê
mt loi cây trng theo mùa v.
Poil là biến du thô, giá dầu cũng ảnh hưởng rt ln ti giá cà phê thông qua vic nh
hưởng giá đầu vào v phân bón nhiên liu và vic vn chuyn.
Nc là biến ngũ cốc, do vic chính sách ca các chính ph ưu tiên khuyến khích trng
ngũ cốc đm bảo an ninh lương thực dn đến là gim din tích canh tác cà phê.
Tg là biến t giá hi đi, lp lun rng t giá hi đi ảnh hưởng đến tt c các giao
dch hàng hóa giữa các nưc vi nhau và cà phê không phi là một trường hp ngoi
l.
Ls là biến lãi sut, biến này ảnh hưởng ti hàng hóa tn kho, ảnh hưởng ti vic đầu
tư của nhà sn xuất do đó cà phê cũng bị nh hửơng.
CK là biến chng khoán, s đánh giá th trưng của S&P cũng ảnh hưởng rt lớn đến
th trưng cà phê thông qua nhng thong tin mà công ty này cung cấp cho các nhà đầu
tư.
Ui là tt c các biến còn lại chưa được đưa vào mô hình, còn gọi là sai s.
Từ trên có thể dễ dàng suy ra có rất nhiều yếu tố tác động đến giá cà phê xuất khẩu.
Mặc dù vậy, sẽ có rất nhiều sự thiếu sót biến khi áp dụng vào thị trường cà phê Việt
Nam. Chẳng hạn trong bài “Các nhân tác động đến giá hàng hóaphê - cao su - thép”
của Ts. Đinh Thế Hiển - đồng tác giả - thì biến tăng trưởng kinh tế (TR) cũng ảnh
hưởng đáng kể tới giá thu mua vì tăng trưởng cao thì nhu cầu hàng hóa sẽ cao, ngoài
ra còn nếu lạm phát (Lf) cao thì các chi phí đầu vào cao dẫn đến đầu ra cũng cao, tức
là giá sẽ cao.
8
Do đó, nếu chúng ta đưa thêm các biến về tăng trưởng kinh tế lạm phát vào
hình của Anastasios Alexandridis thì s phù hợp hơn đối vi Vit Nam
Nghĩa là : Pcf=f(Tt,Poil,Nc,Tg,Ls,CK,TR, Lf,Ui).
2. Thiết lp mô hình tng quát
2.1 Biến ph thuc (Pcf: giá thu mua cà phê)
T các c s lun tham kho t hình ca Anastasios Alexandridis, ta
thy biến Pcf biến biu th giá phê, chu s tác động rt nhiu yếu t, không th
ly mt biến nào đ đại din cho s ảnh hưởng tới giá phê được. Tuy nhiên, nhìn
chung th chia các biến này làm 2 nhóm, mt nhóm thuc v yếu t ( Tg,Ls
CK,TR,Lf), mt nhóm thuc yếu t vi (Tt, Poil,Nc). Nhóm ảnh ng
gián tiếp tới giá phê, tác động đến toàn b ngành kinh tế còn nhóm vi tác động
trc tiếp đến vic sn xut và đnh giá cà phê.
2.2 Biến đc lp
2.2.1 Mi quan h ca sản lƣợng cà phê và giá thu mua cà phê ca Vit Nam.
Theo hình nhóm cung phê ca Takamasa A kiyama Panayotis N. Varangis
(1989), sản lượng pgiá cà phê kh năng tác đng lẫn nhau. Khi giá tăng s
làm cho sản lượng tăng lên sẽ nhiều người trồng phê hơn. Nhưng khi sản
ợng tăng n s làm cho giá gim xung bi vì nguồn cung vượt quá cu. Tuy nhiên,
trong phm vi nghiên cu của đ tài này, chúng ta ch xem xét s tác động ca sn
ng lên giá c vì trong ngn hn sản lượng bình quân không th gia tăng được bi vì
phi mt t 3 đến 4 năm thì cây cà phê mới cho thu hoch.
2.2.2 Mi quan h gia cht lƣng cà phê giá thu mua cà p
Hin nay, tuy Việt Nam được đánh giá một nước xut khu phê s mt thế gii
nhưng chất lượng cà phê Vit nam luôn thấp hơn những nước khác nên Vit Nam phi
xut khu vi giá rt thp.
9
Chất lưng cà phê yếu t ảnh hưởng trc tiếp đến giá phê. Theo Vinacafe (2011)
cho biết thì chất lượng ca phê vi Việt Nam chưa cao do yếu kém v khâu thu hái
công ngh chế biến lc hu. Hin ti, chất lượng phê xut khu ca Vit Nam
được quy định da trên Tiêu chun quc gia TCVN 4193:2005 do B Nông nghip
Phát trin nông thôn áp dng. Tiêu chun này áp dng cho phê nhân: phê chè
(Arabica) và cà phê vi (Robusta).
mt hình ca Steven M. Shugan(1984),”Price-Quality Relationships”, nghiên
cu v mi quan h gia giá c chất lượng thông qua hành vi người tiêu dùng trên
các th trưng khác nhau. Bài viết trên đưa ra các phương trình quan h gia gc
chất lượng. Cui cùng kết lun rng giá c và chất lượng quan h phi tuyến nh,
giá c phn ánh mức độ chất ng. Mi quan h gia giá c chất ng rt quan
trọng ý nghĩa. Tuy nhiên, yếu t chất ng li yếu t khó đo lường rt ít
bài nghiên cu v vấn đề y khó đưa vào hình nghiên cu. Do vy, biến cht
ợng thường được đưa vào sai số (Ui).
2.2.3 Mi quan h gia lãi sut và giá cà p
Trong hình ca Anastasios Alexandridis (2010) nhắc đến lãi suất một ảnh
hưởng đáng kể đến thị trường nông nghiệp i chung ảnh hưởng đến chi phí giữ hàng
tồn kho, ảnh ởng đến quyết định đầu (đất đai, máy móc đầu vào mua hàng
ảnh hưởng đến kinh doanh các nhành nông nghiệp). trong bài của Ts. Đinh Thế Hiển
lãi suất tác động thông qua sự vay vốn để sản xuất và kinh doanh cà phê xuất khẩu.
Jeffrey A. Frankel (2006) „The Effect Of Monetary Policy On Real Commodity Prices”
Jeffrey A. Frankel and Andrew K. Rose (2009), Determinants of Agricultural and
Mineral Commodity Pricescũng cho kết qu tương tự: t l lãi sut thc tế mt
yếu t quyết định quan trng về lượng hàng tn kho giá c ca các mt hàng nông
sn và khoáng sn. Nghiên cứu cho rng lãi sut cao sm gim nhu cầu lưu trữ hàng
hóa, tăng nguồn cung cấp dẫn đến gim giá trên th trưng ca hàng hóa. Khi t l lãi
sut thc tế cao, tin chy ra khi các mt hàng, giống như chảy ra khỏi ngoi t,
các th trưng mi ni các chng khoán khác. Gim t l lãi sut thc tế tác
10
dụng ngược li, m giảm chi phí đối với hàng tồn kho nâng cao giá c hàng hóa.
Khi t l lãi sut thc tế thp, tin chảy vào hàng hóa, chảy vào ngoại t, th trưng
mi ni, và các chng khoán.
Kết quả nghiên cứu cho ta thấy mối quan hệ giữa giá cả hàng hóa và ảnh hưởng tiêu
cực của lãi suất đối với chỉ số giá cả hàng hoá. Điều đó ảnh hưởng tương tự đối với cà
phê.
2.2.4 Mi quan h gia t giá hối đoái và giá cà phê
Trong s lp lun ca Anastasios Alexandridis (2010) thì t giá hối đoái tác động
đến tt c các giao dch hàng hóa nông nghiệp, trong đó phê, bởi phê
mt mt hàng xut, nhp khẩu. Như chúng ta đã biết: t giá hối đoái giá của đồng
tiền được tính theo mt đng tin khác. T giá hối đoái cũng đưc hiu là t l trao đổi
giữa hai đồng tin ca hai quc gia khác nhau( http://www.cpv.org.vn). Điu y ch
ra rng hot động ca th trưng t giá hối đối ảnh ng lớn đến giá trao đổi ca mt
hàng cà phê giữa các nước, do đó ảnh hưởng đến sn xut và tiêu th ca các nưc.
Vit Nam, t giá hối đoái ảnh hưởng tới giá phê, như tác động đến các hàng a
cơ bản khác. Đồng USD được dùng hu hết các giao dịch thương mại hàng hóa toàn
cu. S biến động ca nó gây ảnh hưởng rt lớn đến giá các hàng hóa cơ bản. S gim
giá của đồng USD ảnh hưởng trc tiếp, khiến giá c hàng hóa ca các c xut
khẩu cao hơn đối với các nưc nhp khu m hàng hóa gim sc cạnh tranh. Đồng
thi, s xut hiện xu ớng đầu nhiều hơn vào những hàng hóa (vàng ng hóa
bản) do th trưng chng khoán(c phiếu , trái phiếu..) bất động sn gim sc
hút do b ảnh hưởng bi vic giảm giá đồng USD. T giá qua đó cũng ảnh hưởng gián
tiếp ti s ng giá ng hóa bản, trong đó phê. Tuy nhiên, tác đng ca t
giá hối đoái đến giá hàng xut khu, đây là giá phê, thường độ tr, nên cn
xem xét trong mt thi gian dài.
2.2.5 Mi quan h gia tn kho cà phê ti Mgiá thu mua cà phê.
11
Tình hình xuất nhập khẩu của Brazil, Việt Nam, Colombia ảnh hưởng rất lớn đến
nguồn cung. Đẩy mạnh kim ngạch xuất khẩu, nguồn cung tăng dẫn đến giá phê
giảm. Tương tự nhu cầu nhập khẩu tăng giảm cũng sẽ ảnh hưởng đến giá .Cầu giảm
giá giảm. Cầu tăng giá tăng.
Báo cáo tồn kho của cà phê trên các sàn giao dịch Thế Giới sẽ cho thấy sự thay đổi
của nguồn cung và nguồn cầu. Do thị trường xuất khẩu lớn nhất của Việt Nam là M
và Đức nên ở đây chúng ta chỉ nghiên cứu sản lượng tồn kho của thị trường Mỹ.
12
CHƢƠNG III: TỔNG QUAN VỀ PHƢƠNG PHÁP NGHIÊN CỨU CÁC NHÂN
TỐ ẢNH HƢỞNG TỚI GIÁ THU MUA CÀ PHÊ THÔ
1. Gi thiết nghiên cu:
T các sở thuyết nh tham kho trên, chúng ta th thy rt nhiu
yếu t ảnh hưởng ti gpVit Nam nht trong bi cnh toàn cu hóa hi
nhp kinh tế thế gii. Các nhân t đan xen tác động lẫn nhau nên ta khó xác định
đâu nhân tố chính, đâu nhân tố ph. Tuy nhiên, qua tìm hiu nghiên cu,
nhóm chúng em nhn thy có các nhân t ni bt ảnh hưởng ti giá phê Vit Nam.
Các nhân t được chia làm 2 nhóm. Nhóm nhân t trong nước: điều kin t nhiên, đất
đai, khí hậu, sản lượng, lãi sut ngân hàng, chính sách nhà nước, chế qun lí, pháp
luật Nhóm nhân tố ngoài nước: t giá hối đoái, giá phê thế gii, th trưng
chng khoán, chính tr Trong mỗi nhóm, các nhân t sau đây được cho nh
hưởng nhiu và trc tiếp đến giá cà phê Vit Nam:
- Sản lượng cà phê: tác động trc tiếp đến giá cà phê Việt Nam qua cơ chế cung cu.
Sản lượng tăng thì giá cà phê giảm, sản lượng giảm thì giá cà phê tăng.
- T giá hối đoái: t giá hi đoái thay đi cho thy giá cà phê Việt Nam đắt hơn hay rẻ
hơn một cách tương đi so vi giá cà phê thế gii.
- Lãi sut ngân hàng: lãi sut là giá c ca đng tin, ảnh hưởng đến đầu tư máy móc
thiết b, công ngh vào ngành cà phê và t đó ảnh hưởng đến giá cà phê.
- Tn kho M: lưng cà phê tn kho các nước nhp khu c thM ảnh hưởng
trc tiếp đến giá cà phê Vit Nam thông qua quy lut cung cầu. Lưng cà phê tn
kho M gim thì làm cho cầu cà phê tăng lên khiến giá tăng lên và ngược li.
2. Mô hình nghiên cu đ xut:
13
3. Ngun s liu và cách thu thp s liu
Cách thu thp s liu th cp t các ngun c th sau:
Ngun d liu
Đưng dânz
Ngân hàng Nhà nưc Vit Nam
sbv.gov.vn
Ngân hàng Nhà nưc Vit Nam
sbv.gov.vn
Sàn giao dch cà phê
giacaphe.com
United States Department of
Agriculture
http://usda01.library.cornell.edu
http://doc.edu.vn
Giá thu mua
cà phê
Nhân t trong
nước
Nhân t c
ngoài
Sn
ng
cà phê
Lãi
sut
ngân
hàng
T giá
hi
đoái
Tn
kho
phê
m
GDP
(triu
VND/
ngưi
)
Giá
phê
M
14
CHƢƠNG IV: KẾT QUẢ NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN
GIÁ THU MUA CÀ PHÊ THÔ
1. Bng thng kê mô t:
2. Chy E-view và đọc kết qu nghiên cu
T s liu trên ta có kết qu hi quy t eview như sau:
Giá thu
mua
café thô
( VND/
kg)
Giá
café tại
Mỹ
( VND
/ kg)
Sản
lượng
thu
hoạch
( tấn)
Lãi
suất
ngân
hàng
( %/
năm)
Tồn kho
café tại
Mỹ
( tấn)
1999
16750
20.710
500000
5,35
53.653,440
5,13
2000
8500
13.143
720000
9,00
220.414,020
5,61
2001
5450
9.028
900000
7,20
171.426,420
6,04
2002
7500
10.361
750000
7,44
161.291,400
6,63
2003
8500
13.096
720000
7,50
261.689,520
7,50
2004
11500
12.906
700000
7,50
270.563,100
8,62
2005
26400
18.609
752100
8,25
232.412,100
9,98
2006
26700
24.733
910000
8,25
222.645,960
11,42
2007
30000
31.229
915800
8,25
268.272,300
13,16
2008
32000
37.296
105580
0
8,50
264.955,080
16,88
2009
41000
28.884
105750
0
8,00
185.182,080
18,37
2010
38000
35.223
110050
0
9,00
102.319,680
21,84
2011
40000
52.933
116790
0
9,00
85.859,220
27,49
GDP
(triu
VND/
người)
Yếu
t
Năm
15
Mô hình 1
2.1 Kim tra các bnh
2.1.1 Đa cng tuyến:
T eview ta có bng h s tương quan sau:
T bng trên có th thy được có hiện tượng đa cộng tuyến gia GDP vi GIAMY và
GDP vi Q
Cha bnh
Ta loi b biến GDP ra khi mô hình, t kết qu eview ta đưc mô hình hi qui mi
sau:
16
Mô hình 2
Nếu ta không loi b biến GDP mà loi b biến GIAMY hoc biến Q thì hiện tượng
đa cộng tuyến vn còn (có th gia GDP và GIAMY hoặc GDP và Q), do đó nếu
không loi b biến GDP thì để hiện tượng đa cộng tuyến không xy ra buc ta phi
loi b c 2 biến GIAMY và Q. Mô hình hồi qui thu được khi loi b c 2 biến
GIAMY và Q là:
17
Mô hình 3
Chình 2 và 3 đều không còn hiện tượng đa cộng tuyến, nhưng R hiệu chnh
hình 3 lớn hơn R hiệu chnh mô hình 2 (0.742674>0.703843) nên mô hình 3 tt hơn
mô hình 2.
2.1.2 Phƣơng sai thay đi:
Ta tiến hành thc hin kiểm định White đi vi mô hình3 . Kết qu eview thu được:
18
Vì Prob. Chi-Square = 20.84% > alpha = 5% nên mô hình trên không b hiện tượng
phương sai thay đổi.
2.1.3 T tƣơng quan
Ta ly li mô hình 3:
19
Thc hin kim đnh Durbin-Watson ta thy giá tr kiểm định d=1.177532 tha mãn:
1<d<3. Do đó mô hình trên không b hiện tượng t tương quan.
2.2 Ý nghĩa, kết qu:
2.2.1 Ý nghĩa:
Khi GDP đầu người tăng(giảm) 1 triệu VNĐ thì giá cà phê tăng(gim)
1969.205 VNĐ
Khi lãi suất ngân hàng tăng(giảm) 1% thì giá cà phê giảm(tăng) 2419.654 VNĐ
Khi khi lưng cà phê tn kho ca M tăng(giảm) 1 tn thì giá cà phê
tăng(giảm) 0.023738 V
2.2.2 Kiểm định h s, mô hình:
Vì Prob(GDP)=0.13% < alpha=5% nên biến GDP có ý nghĩa thống kê hay thc
s tác động đến giá cà phê.
Vì Prob(I)=44.38% > alpha=5% nên biến lãi sut I không có ý nghĩa thng kê
hay không thc s tác động đến giá cà phê.
20
Vì Prob(TONKHO)=49.77% nên biến TONKHO không có ý nghĩa thống kê
hay không thc s tác động đến giá cà phê.
Vì Prob(F-statistic)=0.1447% < alpha=5% nên mô hình phù hp.
21
CHƢƠNG V: GỢI Ý CHÍNH SÁCH ĐỂ ĐIU CHNH GIÁ THU MUA CÀ
PHÊ THÔ
Từ năm 2009 trở về trước, mỗi khi vào vụ thu hoạch (tháng 10 tháng 11) là giá
phê liên tục lao dốc do nguồn cung dồi dào khi con nông dân nhà xuất khẩu đẩy
mạnh bán ra. Giá thường giảm sâu vào giữa vụ hoặc thời điểm giáp Tết nguyên đán
bởi nhu cầu tiền mặt tăng cao. Nhà đầu cơ cũng tận dụng cơ hội này để gom hàng, sau
đó chờ đến khoảng tháng 3 tháng 5 năm sau, khi nguồn hàng của vụ thu hoạch đã
gần như cạn kiệt thì bắt đầu đẩy giá lên để chốt lời.
Tuy nhiên khoảng thời gian sau y, nhiều người sản xuất cũng nắm xu ớng
này nên đã giữ hàng chgiá cao hơn để bán. Khi người trồng phê và nhà xuất khẩu
điều tiết được nguồn cung, giá pcũng đã tuân theo quy luật của cung cầu nhiều
hơn, thay phụ thuộc phần lớn vào đầu như trước đây. Nhiều lúc, động thái của
ngành phê nước ta còn điều khiển được cgiá trên thị trường khạn London
giá giao ngay tại châu Âu, vượt qua cả những tác động của biến động tiền tệ các
yếu tố kinh tế vĩ mô toàn cầu.
Điều tiết nguồn cung còn thông qua tham khảo thông tin cung cầu, kinh tế mô,
giá cả thị trường trong nước quốc tế. Các nhà xuất khẩu thì hạn chế các hợp
đồng giao xa để giảm thiểu những rủi ro về giá cả. Điều này đã giúp giá cà phê duy trì
mức cao ngay cả khi thời đim giữa vụ. Nếu có, nên thực hiện Hợp đồng xuất khẩu
theo phương thức giao hàng FCA thay FOB. Hiện nay, hầu hết các phê giao
cho nhà nhập khẩu bằng container, đã giao hàng bằng container tkhông thể giao
hàng ngay tại mạn u, phải giao hàng cho ngưòi chuyên chở tại các bãi để
container , hay tại các trạm giao hàng lẻ ( gọi CFS Container Freight Station )
trên bờ. Việc kiểm tra giao nhận này phải mất từ 5 đến 7 ngày, mùa xuất khẩu cao
điểm phải mất đến 10 ngày hoặc hơn. Thiệt hại của doanh nghiệp chính đã giao
hàng cho nhà nhập khẩu nhưng chưa thể lấy được tiền từ ngân hàng do chưa lấy được
chứng nhận hàng hóa, đặc biệt trong tình hình tỉ giá biến động như hiện nay.
22
DANH MỤC TÀI LIỆU THAM KHẢO
1. Hoàng Ngọc Nhậm, Giáo trình Kinh tế lượng, Đại học kinh tế thành phố Hồ Chí
Minh.
2. Casella và Berger, 2001, Statistical Inference
3. Wackerly et al, 2007, Mathematical Statistics with Applications
4. Gujarati, Basic Econometrics
5. Green, 2007 Econometrics analysis
6. Website của Tổng cục Thống kê Việt Nam http://www.gso.gov.vn
7. Website của Bộ kế hoạch đầu tư – Cục đầu tư nước ngoài http://fdi.mpi.gov.vn.
8. Website của Ngân hàng thế giới http://www.worldbank.org/vi/country/vietnam
9. Website ca Ngân hàng Nhà nước Việt Nam http://www.sbv.gov.vn
10.Website ca sàn giao dch café http://www.giacafe.com
11. Luận văn: „Phân tích các yếu t ảnh hưởng đến sản lượng café bng kinh tế
ợng”: http://doc.edu.vn/tai-lieu/chuyen-de-phan-tich-cac-nhan-to-tac-dong-den-san-
luong-ca-phe-bang-mo-hinh-kinh-te-luong-71101/
B CÔNG THƯƠNG
TRƯỜNG ĐẠI HC CÔNG NGHIP TP H CHÍ MINH

TIU LUN
MÔN KINH T NG VÀ D BÁO
GVHD: Ths. Đinh Kiệm.
SVTH: Trn Hào Quang.
Tiu lun s 12.
TP H CHÍ MINH 28/11
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 2
TIU LUN
MÔN KINH T NG VÀ D BÁO
TL SỐ 12
Phn I : trên Excel
S dng d liu Data BT 6 trên Excel, dùng Regression trên Data Analysis để ước lượng hàm
hi quy mu có dng sau :
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT
+ B6*CLERICAL
WAGE
mức lương tháng của công nhân
(USD)
MAINT
= 1 cho công nhân bo trì, = 0 cho công nhân khác
GENDER
= 1 cho nam gii , = 0 cho n
EXPER
= S năm làm việc cho công ty này
CRAFTS
= 1 nếu làm trong ngh th công, =0 ngh khác
CLERICAL
=1 cho công nhân văn phòng, = 0 cho công nhân khác
Phn II : trên Eviews
a/ Hãy chuyn d liu t file Excel phn 1 sang thành d liệu dưới dng workfile ca Eviews
và lưu lại dưới tên : Data TL 12. Sau đó dùng công cụ Eviews để:
- Lp bng các tham s thng ca các biến độc lp, v đồ th các biến độc lp trên cùng
mt bng.
- Lp ma trn Correlation Matrix gm c biến ph thuc và tt c các biền độc lp.
- Ước lượng phương trình hồi quy dưới dạng như ở câu phn I
b/ Hãy kiểm định Wald ( biến tha ) cho 5 biến độc lp nêu trên
c/ T mô hinh câu a phn II hãy kiểm định White và BG cho mô hình này
d/ Hãy d báo giá tr trung bình và giá trbit mức lương tháng của công nhân theo mô hình
sau:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER
+ B5*CRAFT + B6*CLERICAL
Cho biết EXPER = 24 năm, MAINT = 1, GENDER = 0, CRAFT = 1, CLERICAL = 0, Và
độ tin cy 1- = 95% .
Biu din trực quan đồ th d báo bng cách v đồ th khong d báo trung bình, d báo cá bit,
tương ứng vi các cn trên và cận dưới theo s quan sát làm biến trên trc hoành chung cho các
đại lượng khác
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 3
PHN TRÌNH BÀY
1. Gii thiu
S dụng chương trình Excel và phần mềm Eviews để tiến hành ước lượng, phân tích v
hàm hi quy cho mô hình cha d liu chéo là mức lương tháng của công nhân (WAGE)
vi các biến độc lập đó là MAINT (công nhân bảo trì / công nhân khác), GENDER (gii
tính), EXPER (s năm làm việc), CRAFTS (ngh làm việc), CLERICAL (công nhân văn
phòng / công nhân khác). Có hàm hi quy mu dạng như sau:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT
+ B6*CLERICAL
2. Ni dung:
2.1. Bng s liu thng kê:
Vi:
WAGE: mức lương hàng tháng của công nhân.
MAINT: = 1 cho công nhân bo trì, = 0 cho công nhân khác.
GENDER: = 1 cho nam gii , = 0 cho n.
EXPER: S năm làm việc cho công ty này.
CRAFTS: = 1 nếu làm trong ngh th công, =0 ngh khác.
CLERICAL: =1 cho công nhân văn phòng, = 0 cho công nhân khác.
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 4
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 5
2.2. Nội dung đề tài:
2.2.1. Phn 1: Thc hin trên Excel
Ta dùng Regression trên Data Analysis để ước lượng hàm hi quy mu có dng:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT
+ B6*CLERICAL
Ta được bng sau:
Ta được các kết qu sau:
Giá tr h s chn B
1
(Intercept): 2093.843991.
Giá tr h s hi quy riêng B
2
(biến MAINT): -1353.919978.
Giá tr h s hi quy riêng B
3
(biến EXPER): 25.49901114.
Giá tr h s hi quy riêng B
4
(biến GENDER): 629.4966388.
Giá tr h s hi quy riêng B
5
(biến CRAFTS): -855.6487246.
Gía tr h s hi quy riêng B
6
(biến CLERICAL): -917.282458
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 6
Suy ra phương trình hồi quy như sau:
WAGE = 2093.843991 1353.919978*MAINT + 25.49901114*EXPER +
629.4966388*GENDER 855.6487246*CRAFTS 917.282458*CLERICAL.
2.2.2. Phn 2: Thc hin trên Eviews
2.2.2.1. Bng các tham s thng kê ca các biến độc lp:
2.2.2.2. Đồ th các biến độc lp:
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 7
2.2.2.3.Ma trn Correlation Matrix gm c biến ph thuc và tt c các biền độc
lp:
2.2.2.4. Ước lượng phương trình hồi quy dưới dng:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT
+ B6*CLERICAL
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 8
Chy hi quy s dụng phương pháp bình phương nhỏ nht (Least Squarees) vi biến ph
thuc là WAGE và các biến gii thích là MAINT, EXPER, GENDER, CRAFTS,
CLERICAL và hng s c. S ng biến quan sát là 49 ta được:
H s hồi quy thu được:
B
1
=
2093.843991, B
2
= -1353.919978, B
3
= 25.49901114, B
4
= 629.4966388,
B
5
= -855.6487246, B
6
= -917.282458.
Vậy phương trình hồi quy có dng:
WAGE = 2093.843991 1353.919978*MAINT + 25.49901114*EXPER +
629.4966388*GENDER 855.6487246*CRAFTS 917.282458*CLERICAL.
2.2.2.5. Kiểm định Wald cho 5 biến MAINT, EXPER, GENDER, CRAFTS và
CLERICAL.
Kiểm định Wald cho biến MAINT:
T kết qu bng trên ta thy giá tr p-value (xác sut Prob) = 0.0000 < α = 0.05 cho
nên biến MAINT không phi là biến tha.
Kiểm định Wald cho 2 biến EXPER và GENDER:
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 9
T kết qu bng trên ta thy giá tr p-value(xác suất Prob) = 0.0002 < α = 0.05 cho nên
hai biến EXPER và GENDER kiểm định trên không phi là biến tha.
Kiểm định Wald cho 2 biến CRAFTS và CLERICAL:
T kết qu bng trên ta thy giá tr p-value(xác sut Prob) = 0.0000 < α = 0.05 cho nên
hai biến CRAFTS và CLERICAL kiểm định trên không phi là biến tha.
2.2.2.6 . Kiểm định White:
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 10
T kết qu bng trên ta thy:
Obr*R-squared = nR
2
= 23.09802 >
2
0.05
(5) 22.3620324948x =
Vy có th kết luận phương sai thay đổi.
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 11
2.2.2.7. Kiểm định BG:
Theo bng kết qu trên thì (n-p)R
2
= 0.001928 có xác sut (p-value) là 0.9650 lớn hơn
mức ý nghĩa α = 0.05 nên chấp nhn gi thiết H
0
tc là không có s tương quan bậc nht.
2.2.2.8. D báo giá tr trung bình và giá tr cá bit ca mức lương tháng của công
nhân.
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 12
Theo bng trên ta có kết qu:
Khong d báo giá tr trung bình là: [0 ; 1064.499]
Khong d báo giá tr cá bit là : [0 ; 1458.562]
Tiu lun kinh tế ng d báo TL 12 GVHV: Ths Đinh Kiệm
Trang 13
2.2.2.9. Đồ th biu din khong giá tr trung bình mức lương tháng của công
nhân:
_ Đồ th biu din khong giá tr cá bit mức lương hàng tháng của công nhân:
1
TRƯỜNG ĐẠI HC NGÂN HÀNG TP. H CHÍ MINH
BÀI THI KT THÚC HC PHN
Môn thi
: Kinh Tế ng .................................................................
H và tên sinh viên:
Nguyn Th Lê Ngân
...............................................................................
MSSV: 030336200159 ............................. Lp hc phn: D26 ...............................................
THÔNG TIN BÀI THI
Bài thi có:
(bng s):
…… trang
(bng ch):
…… trang
YÊU CU
2
BÀI LÀM
Câu 1: Hãy trình bày theo s hiu biết ca bn v
phương pháp bình phương
nh nhất thông thường (OLS)
cho mô hình
12
Y X u

= + +
a) Ý tưởng của phương pháp
Ước lưng các h s hi quy
,

sao cho tổng bình phương sai sốnh nht tc
là hàm này đt cc tiu tạo đó
T mu s liệu điều tra vi n quan sát (y1, x1), (y2, x2 ), ......(yn, xn) ca các biến
(Y, X) ưc lưng ca h s hi quy
,

ca mô hình là ít sai s nht
b) Các công thc ưc lưng khong cho các h s hi quy tng th.
Sai s bình phương ca mô hình 2 biến
󰇛
󰇛
󰇜󰇜
Đặt F (
,

)
󰇛
󰇛
󰇜󰇜
Phương pháp bình phương sai s nh nht tìm
,

ca
,

sao cho F(
,

󰇜 󰇟
F
(
,

)] (1.2)
Ước lưng
,

ca
,

cho bi (1.2) đưc gi là ưc lưng theo OLS
Gii bài toán (1.2) tìm min là bài toán tìm cc tr ca hàm hai biên ta đưc:
󰇛
󰇜󰇛
󰇜

󰇛


󰇜
;
(1.3)
đây
;
c)
Các công thc kim đnh cho các h s hi quy tng th.
d)
D báo khong cho giá tr trung bình và giá tr cá bit ca biến ph thuc.
Câu 2: Trình bày hiện tượng phương sai sai số thay đổi ca hình hi
quy, tp trung vào các ý chính sau: bn cht, hu qu, cách phát hin,
cách khc phc.
2.1 Bn cht
- Phương sai sai s không đổi tc là ti mi thời điểm quan sát của X phương sai như
nhau
- Phương sai sai số thay đổi tc là ti mi thời điểm quan sát X phương sai khác nhau
gia i và j
2.2 Hu qu :
- Phương sai Var (
󰇜
b chch
- Các thng kê F và T không còn hiu lc trong ưc lưng khong và kim đnh
2.3. Cách phát hiện
a)Định tính
Dựa vào bản chất của vấn đề nghiên cứu
Xét đồ thị phần dư (RESID)
3
Xem đồ thị hồi quy của bình phương phần dư theo một biến độc lập nào đó hoặc theo
b) Phương pháp định lượng : dùng các tiêu chuẩn kiểm định giả thiết
1. Kiểm định Breusch Pagan Godfrey
Cho mô hình hồi quy k biến



(3.2.3)
Breusch Pagan Godfrey giả định sai số có dạng



(3.2.4)
Kiểm đinh
H: Phương sai nhiễu của mô hình (3.2.3) không đổi
K: Phương sai nhiễu của mô hình (3.2.3) thay đổi
Tương đương :
H: m2=m3=....=mk=0
K: tồn tại
; j=2,3,...k
Bước 1 : Thực hiện hồi quy ta có
Bước 2 : Thực hiện hồi quy



(*)
Khi đó ta có :
Bước 3: Sử dụng tiêu chuẩn
󰇛
󰇜
󰇛
󰇜
󰇛
󰇜

󰇛

󰇜

󰇛

󰇜
Đối với mẫu lớn ta dùng
LM= n*

󰇛 󰇜 (3.2.6)
2. Kiểm định Glejser
Glejser sử dụng các hàm sau :
(3.2.7)

(3.2.7*)
(3.2.7 (2*))
(1.2.3.7(3*))
3 Kiểm định White
Kiểm định này khảo sát phần dư
theo các biến số độc lập
Xét mô hình:



Ta thực hiện theo các bước sau đây
4
B1: Hồi quy mô hình gốc cho phần
B2: Hồi quy các mô hình sau
=






có hệ số phù hợp với
phụ
B3 :Kiểm định: Phương sai thay đổi ( H :
)
Nếu chấp nhận H: Phương sai không đổi
Nếu bác bỏ H : Phương sai thay đổi
2.4 Cách khắc phục
Theo phương pháp bình phương nhỏ nhất tổng quát (GLS)
a) Xét mô hình hồi quy tuyến tính tổng thể : Yi=b1+b2Xi+Ui
- Giả sử ta biết hàm h(x) và phương sai của nhiễu
- Var(Ui\xi)=
󰇛

󰇜

- Biến đổi mô hình về dạng









Yi=b1X1i+b2X2i +Ui






󰇛

󰇜
󰇡

󰇢

với phương sai 
󰇛

󰇜
󰉵󰉭󰇛󰇜
2.5 Một ví dụ minh họa
dụ: Cho bảng số liệu quan sát về chi tiêu tiêu dùng Y thu nhập trung bình hàng
tháng X của 20 hộ gia đình ở một vùng nông thôn với mô hình hồi quy tuyến tính là
Yi=a+bXi+Ui . Với mức ý nghĩa 5%, mô hình có phương sai nhiễu thay đổi hay không
Thu nhp (X)
Chi tiêu (Y)
22.3
19.9
5
32.3
31.2
33.6
31.8
12.1
12.1
42.3
40.7
6.2
6.1
44.7
38.6
26.1
25.5
10.3
10.3
40.2
38.8
8.1
8
34.5
33.1
38
33.5
14.1
13.1
16.4
14.8
24.1
21.6
30.1
29.3
28.3
25
18.2
17.9
20.1
19.8
Kiểm tra về phương sai thay đổi trong eview
Giải : MH hồi quy tuyến tính tổng thể : Yi=a+bXi+Ui
a) Theo Breusch-Pagan-Godfrey
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic
18.24698
Prob. F(1,18)
0.0005
Obs*R-squared
10.06814
Prob. Chi-Square(1)
0.0015
Scaled explained SS
6.548518
Prob. Chi-Square(1)
0.0105
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/15/22 Time: 15:36
Sample: 1 20
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-1.308226
0.685383
-1.908752
0.0724
X
0.106075
0.024832
4.271649
0.0005
R-squared
0.503407
Mean dependent var
1.354254
Adjusted R-squared
0.475818
S.D. dependent var
1.760790
S.E. of regression
1.274819
Akaike info criterion
3.418125
6
Sum squared resid
29.25294
Schwarz criterion
3.517698
Log likelihood
-32.18125
Hannan-Quinn criter.
3.437563
F-statistic
18.24698
Durbin-Watson stat
2.013971
Prob(F-statistic)
0.000459
H: Phương sai nhiễu của MH không đổi
K: Phương sai nhiễu của MH thay đổi
Ta có P value =0.0005< , bác b H chp nhn K
Vi mức ý nghĩa 5% mô hình có phương sai nhiễu thay đổi
Câu 3 : Vi b d liệu đã có, sinh viên thực hin các yêu cu sau (vi mc
ý nghĩa 5%)
Mô hình 1:
1 2 2 2 3
.Y X X u
= + + +
a) Tìm các h s góc ca mô hình hi quy mẫu, nêu ý nghĩa kinh tế
Chy eview ta có :
Dependent Variable: Y
Method: Least Squares
Date: 01/13/22 Time: 19:58
Sample: 1 20
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
0.635103
0.122708
5.175745
0.0001
X3
1.117277
0.122404
9.127797
0.0000
C
32.09340
0.829501
38.69002
0.0000
R-squared
0.998792
Mean dependent var
76.05000
Adjusted R-squared
0.998650
S.D. dependent var
22.99994
S.E. of regression
0.845155
Akaike info criterion
2.638888
Sum squared resid
12.14288
Schwarz criterion
2.788248
Log likelihood
-23.38888
Hannan-Quinn criter.
2.668045
F-statistic
7027.150
Durbin-Watson stat
1.895144
Prob(F-statistic)
0.000000
Mô hình hồi quy tuyến tính mẫu : Y = 0.6351*X2 + 1.1173*X3 + 32.0934
Ý nghĩa ca các h s góc:
7
o

ó ý nghĩa khi không phân bón hóa hc thuc tr sâu thì
sản lượng lúa trung bình là:

t/ha
o
0.6351 ý nghĩa khi lưng thuc tr sâu không đổi khi ợng phân bón tăng
thêm/giảm đi 1 kg/ha thì sản lượng lúa tăng thêm/giảm đi 0.6351 tạ/ha
o
1.1173 ý nghĩa khi ng phân bón hóa học không thay đổi khi lượng
thuc tr sâu tăng/giảm đi 1 kg/ha thì sn lượng lúa tăng thêm/gim đi 1.1173 t /ha
b) Hãy giải thích ý nghĩa ca h s xác định. Kiểm định s phù hp ca mô hình
Ta có R-squared = 0.998792 hay
= 0.998792
Ý nghĩa : hình hi quy tuyến tính gii thích được 99.87% s thay đổi ca sn
ng lúa quanh giá tr trung bình do phân n hóa hc thuc tr sâu gây nên
còn li là do sai s ngu nhiên hoc do các yếu t khác
Ta có kiểm định cp gi thiết
H:
K:
>0
Ta có P- value = 0.000000 <

0.05 , bác b H chp nhn K
Kết lun : Vi mức ý nghĩa 5%, sản lượng lúa ph thuộc đồng thi vào lượng
phân bón hóa học và lượng thuc tr sâu nên mô hình hi quy tng th trên là phù
hp (các h s hồi quy không đồng thi bằng 0, nghĩa

có ý nghĩa thống
kê)
c) th dùng kết qu kiểm đnh câu b để kết lun rng c phân hóa hc
thuc tr sâu đều ảnh hưởng đến sn lưng lúa hay không? Vì sao?
-
Không th dùng kết qu kim đnh câu b để kết lun rng c ng phân bón
hóa hc và lưng thuc tr sâu đu có ảnh hưởng đến sản lượng lúa trung bình
theo mô hình 1.
Bi vì: Thông qua kết qu kim đnh ca câu b: Bác b H, chp nhn K ta ch
th kết lun mô hình trên phù hp, không chc chắn được lưng phân bón hóa
hc và lưng thuc tr sâu đu có ảnh hưởng đến sản lượng lúa trung bình vì có
th xảy ra 3 trường hp.
o
Th nht: Phân bón có th tác động đến sản lượng lúa nhưng lưng thuc
tr sâu thì không.
o
Th 2: lượng thuc tr sâu có th c động đến sản lượng lúa nhưng lượng
phân bón thì không.
o
Th 3 đó là lượng phân bón và thuc tr sâu đu có ảnh hưởng đến sn
lương lúa.
Vì vy da trên kết qu ca câu b v kim đnh s phù hp ca mô hình không
th đi kết kết lun c ng phân bón và thuc tr sâu đu có ảnh hưởng đến sn
ng lúa trung bình.
d) Phân bón ảnh ởng đến sản lượng lúa hay không? Câu hỏi tương tự cho
thuc tr sâu?
Phân bón hóa hc
Kim đnh cp gi thiết
8
H:
K:
Ta có P-value = 0.0001 <

Bác b H, chp nhn K
KL: Vi mc ý nghĩa 5%, lưng phân bón hóa hc có ảnh hưởng đến sản lượng
lúa mô hình 1
Thuc tr sâu
H:
K:
Ta có P-value = 0.0000 <

Bác b H, chp nhn K
KL: Vi mc ý nghĩa 5%, ng thuc tr sâu có ảnh hưởng đến sản lượng lúa
mô hình 1
e)
Khi lượng phân bón hóa học lượng thuc tr sâu đều tăng 1kg/ha thì sản
ng lúa trung bình thay đổi như thế
?
f) ý kiến cho rằng lượng phân bón a học lượng thuc tr sâu tác đng
như nhau đối vi s thay đổi ca sản lượng lúa. Hãy kiểm định ý kiến trên
Mô hình hi quy tuyến tính mu : Y = 32.0934 + 0.6351*X2 + 1.1173*X3
Chy eview ta có
Wald Test:
Equation: Untitled
Test Statistic
Value
df
Probability
t-statistic
-1.970753
17
0.0653
F-statistic
3.883867
(1, 17)
0.0653
Chi-square
3.883867
1
0.0488
Null Hypothesis: C(2)=C(3)
Null Hypothesis Summary:
Normalized Restriction (= 0)
Value
Std. Err.
C(2) - C(3)
-0.482174
0.244665
Restrictions are linear in coefficients.
Kim đnh cp gi thiết
H:
K:
Ta có P value = 0.0653 <
 
, chp nhn H
9
Vy : Vi mức ý nghĩa 5%, lượng phân bón hóa học và ng thuc tr sâu tác
động như nhau đến sn lưng
Câu 4. Thc hin hi quy các mô hình sau
a)
Mô hình 2
:
1 2 2 3 3
log( ) log( ) log( ) .Y X X u
= + + +
Chy eview ta có :
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 01/13/22 Time: 23:18
Sample: 1 20
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
LOG(X2)
0.126662
0.119491
1.060008
0.3040
LOG(X3)
0.314148
0.088072
3.566954
0.0024
C
2.964306
0.142244
20.83956
0.0000
R-squared
0.974715
Mean dependent var
4.283170
Adjusted R-squared
0.971741
S.D. dependent var
0.327698
S.E. of regression
0.055088
Akaike info criterion
-2.822302
Sum squared resid
0.051589
Schwarz criterion
-2.672942
Log likelihood
31.22302
Hannan-Quinn criter.
-2.793146
F-statistic
327.6738
Durbin-Watson stat
0.294387
Prob(F-statistic)
0.000000
Mô hình hi quy tuyến tính mu :
LOG(Y) = 2.9643 + 0.1267*LOG(X2) + 0.3141*LOG(X3)
b)
Mô hình 3:
1 2 2 3 3
log( ) .Y X X u
= + + +
Chy eview ta có
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 01/13/22 Time: 23:18
Sample: 1 20
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
0.018459
0.006562
2.813060
0.0120
X3
0.006327
0.006546
0.966541
0.3473
C
3.606971
0.044358
81.31570
0.0000
R-squared
0.982981
Mean dependent var
4.283170
Adjusted R-squared
0.980979
S.D. dependent var
0.327698
10
S.E. of regression
0.045195
Akaike info criterion
-3.218191
Sum squared resid
0.034724
Schwarz criterion
-3.068831
Log likelihood
35.18191
Hannan-Quinn criter.
-3.189034
F-statistic
490.9547
Durbin-Watson stat
0.437575
Prob(F-statistic)
0.000000
Mô hình hi quy tuyến tính mu:
LOG(Y) =3.6069 + 0.0185*X2 + 0.0063*X3
c
. Nêu ý nghĩa các h s góc trong tng mô hình 2 và 3.
Mô hình 2
o
= 0.1267 có ý nghĩa khi lượng phân bón tăng/giảm 1%, lượng thuc tr sâu
không đổi thì sản lượng trung bình tăng 12.67%
o
= 0.3141 ý nghĩa là khi ợng phân bón không đổi, lưng thuc tr sâu tăng
1% thì sản lượng tăng 31.41%
Mô hình 3
o
=0.0185 có ý nghĩa là khi lượng thuc tr sâu không đổi, lượng phân bón tăng
1 kg/ha thì sản lượng trung bình tăng 1.85%
o
= 0.0063 có ý nghĩa là khi ợng phân bón không đổi, lưng thuc tr sâu tăng
thêm 1kg/ha thì sn lượng trung bình tăng 0.63%
Câu 5. (1.5 điểm) Thc hin hi quy mô hình sau
o
Mô hình 4:
1 2 2 3 3 4
.Y X X Z u
= + + + +
a)
Xác định các h s góc cho mô hình 4? Nêu ý nghĩa kinh tế ca chúng?
Chy eview ta có:
Dependent Variable: Y
Method: Least Squares
Date: 01/14/22 Time: 08:32
Sample: 1 20
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
0.759472
0.122951
6.177054
0.0000
X3
1.018975
0.118017
8.634166
0.0000
Z
-1.074631
0.473966
-2.267314
0.0376
C
31.36982
0.809414
38.75622
0.0000
R-squared
0.999086
Mean dependent var
76.05000
Adjusted R-squared
0.998914
S.D. dependent var
22.99994
S.E. of regression
0.757881
Akaike info criterion
2.460276
Sum squared resid
9.190141
Schwarz criterion
2.659422
Log likelihood
-20.60276
Hannan-Quinn criter.
2.499151
F-statistic
5827.555
Durbin-Watson stat
1.666191
Prob(F-statistic)
0.000000
Phương trình hồi quy tuyến tính mu:
11
Y = 31.3698+0.7595*X2 + 1.0189*X3 - 1.0746*Z
Ý nghĩa:
o
=31.3698 ý nghĩa là khi không có bón hóa học và thuc tr sâu thì sn
ng trung bình là : 31.3698 t/ha
o
= 0.7595 ý nghĩa khi lượng thuc tr sâu không đổi khi lượng phân bón
hóa học tăng 1 kg/ha thì sản lượng trung bình tăng 0.7959 tạ/ha
o
=1.0189 ý nghĩa khi ng phân bón a học không đổi, khi ng thuc
tr sâu tăng 1kg/ha thì sản lượng trung bình tăng 1.0189 t/ha
o
=- 1.0746 ý nghĩa cho biết nếu lượng phân bón lượng thuc tr sâu
không đổi, phương thc canh tác II s cho sn lượng ítn phương thc canh tác
I là 1.0746 t/ha
b) Có ý kiến cho rng vi cùng lượng phân bón hóa họclượng thuc tr sâu,
thì phương thức canh tác II hiu qu hơn phương thức canh tác I. Kiểm định
nhn đnh trên vi mức ý nghĩa 5%?
Chy eview ta có
Dependent Variable: Y
Method: Least Squares
Date: 01/14/22 Time: 08:59
Sample: 1 20
Included observations: 20
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
0.759472
0.122951
6.177054
0.0000
X3
1.018975
0.118017
8.634166
0.0000
Z
-1.074631
0.473966
-2.267314
0.0376
C
31.36982
0.809414
38.75622
0.0000
R-squared
0.999086
Mean dependent var
76.05000
Adjusted R-squared
0.998914
S.D. dependent var
22.99994
S.E. of regression
0.757881
Akaike info criterion
2.460276
Sum squared resid
9.190141
Schwarz criterion
2.659422
Log likelihood
-20.60276
Hannan-Quinn criter.
2.499151
F-statistic
5827.555
Durbin-Watson stat
1.666191
Prob(F-statistic)
0.000000
kim đnh cp gi thiết
H:
K:
Ta có :

- 2.267314

󰇛
16)=1.746

󰇛󰇜
chp nhn H
Vi mức ý nghĩa 5%, chưa có cơ sở để cho rằng phương thức canh tác II hiu qu
hơn phương thức canh tác I
ÔN TẬP

GIỚI THIỆU:
Kinh tế lượng = Lý thuyết kinh tế + Thống kê toán + Số liệu thực tế
Ứng dụng của Kinh tế lượng:
 !"#$%
&%!'!%$%()%($*+,)-.-/"
'!%$%0
Dự báo các biến số kinh tế
Cách lựa chọn mo hình tốt:
1+,2%34-5678
9:;<%= !
9:= !%;<
Kiểm tra các trường hợp khuyết tật của mo hình do vi phạm các giả
thiết OLS
>*6"(?@A"3!%-;,""=)
; !"
Khắc phục các trường hợp vi phạm
Chọn dạng hàm
Dựa vào cơ sở lý thuyết kinh tế
Dựa vào kết quả thực nghiệm, so sánh các dạng hàm khác
nhau
Chọn mo hình dựa trên các tiêu chuẩn: R
BCDEFDE0
Có 3 loại số liệu chính trong Kinh tế lượng:
Số liệu thời gian: số liệu của một biến số kinh tế qua nhiều mốc thời
gian
Số liệu chéo: số liệu của một biến số kinh tế tại một mốc thời gian
Số liệu hỗn hợp: số liệu của nhiều biến số kinh tế qua nhiều mốc thời
gian
CHƯƠNG 1: MÔ HÌNH HỒI QUY HAI BIẾN
1. Hàm hồi quy tổng thể:
= β
+ β


965A
G
: Giá trị biến phụ thuộc X
AH6+2%34-
β
A#,I!3 β
A#,53J
K
: sai số
2. Hàm hồi quy mẫu:
= β^
+ β^




β^
A*/"#,I!3
β^
A*/"#,5
L
A*/",",K
2.1. Ước lượng các tham số của mô hình
2.2. Các giả thiết của mô hình:
Giả thiết 1: Các giá trị X
cho trước và khong ngẫu nhiên
Giả thiết 2: Các sai số U
MN!O56+6!282P
Giả thiết 3: Các sai số U
MN!O5-;,"$7"=
Giả thiết 4: Khong có sự tương quan giữa các U
Giả thiết 5: Khong có sự tương quan giữa U
(1
><%<2<8Q2P-;
--RBF?(#! !<?/"S !=*
Ta nói, ước lượng OLS là ước lượng BLUE (Bêst Linêar Unbias Estimator)
 !"#$%&
Tổng bình phương toàn phần:
Tổng bình phương hồi quy:
Tổng bình phương phần dư:
 của mo hình là '
01+,)-.-/"780
TU"A2%34-<QV
% của biến phụ thuộc → 0 ≤ R
≤ 1
Dữ liệu chéo: thường là 0,2 ≤ R
≤ 0,5
Dữ liệu thời gian: thường là 0,5 ≤ R
≤ 0,9
4. Hệ số tương quan r:
(chỉ áp dụng cho hồi quy hai biến)
TU"AW#,; !"6*# !"# tương quan giữa 2
biến bất kỳ trong mo hình.
W#,6 2%5; !"IX("! Y%34-
53M%2%-Z!30
Tập giá trị: -1 ≤ r ≤ 1
Chú ý: Trong mo hình hồi quy hai biến, r
[V
(Dấu của r phụ thuộc vào
dấu của hệ số góc β
(
dương thì mang dấu dương, âm mang dấu âm)
5. Phương sai và sai số chuẩn:
5.1. Phương sai:
Phương sai mẫu:
)*$+,-.$+/&
Se(β^
/
Se(β^
/
6. Khoảng tin cậy:
012&3)4 5)4\]'U"
Khoảng tin cậy của β
67&>2%34-^6S^(&>%!$$7=
2%-Z!36!28^O6$<>9E β
6S^(
_`ab0
Khoảng tin cậy của β
67&>2%34-2P2%-Z!3O!6!286
$<>9Eβ
6S^(_`ab0
89:;<$%=>?"#$%&
&I<!%A
W
: β
= β
W
: β
=/ β
Cách 1: Dùng khoảng tin cậy
Nếu β
thuộc khoảng tin cậy thì chấp nhận giả thuyết H
0
6 7& Y% 3 4- ^ 6 S^ 8 2% -Z !3 ^ β
S^(&9E`ab0
Nếu β
khong thuộc khoảng tin cậy thì bác bỏ giả thuyết H
0
67&Y%34-4,)3%2%-Z!3(&9E`ab0
2@ABC:;, giá trị tới hạn)
9Q
D
= (β
- β
D
)/Se(β
/rồi tra bảng t-Studênt
→ Nếu
D
EF
G𝛂
,F/ hoặc
D
H
G𝛂
,F/ thì bác bỏ giả thuyết H
(34c
→ Nếu F
G𝛂
(n-2) ≤ t
D
G𝛂
,F/ thì chấp nhận giả thuyết H
(340
Cách 3: Dùng Pvalue-t(β
/
Nếu Pvaluê alpha thì bác bỏ giả thuyết H
(34c(M0
I9:;JBK;L!&
&I<!%A
W
AV
[2%34-$7<Q82%-Z!3
W
AV
[5Q?2%32%-Z!3
9QM
N'
,FC/OGN,F'
/,CF/O
96"2<8d$]'U"𝞪
→ Nếu F
ed
"-"
(k-1;n-k) thì bác bỏ giả thuyết H
(34c(M0
9. Dự báo
3AJPQ:;&Tính giá trị Y^
M*1
f+(#, gβ
β^
"5J)2*/"G
05$J)2*/"G
Qgiá
trị ước lượngGg
9.2. Dự báo giá trị trung bình của Y^i
Tính giá trị Y^
M*1
f+(#, gβ
và β^
D0R>
G
[$
0G
h
1
[$
01
h
c
Pt gốc: Y
[2
2
01
i,"!$=AG
h
[$
02
$
$
02
01
h
11. Mở rộng:
SL!"#$%#$T-&
Phương trình hồi quy tổng thể:
= β


Cong thức tính:
9678S ! !"j"3$7J.V
J.V
7
, cong
thức là:
U;.QF.Q&
Phương trình hồi quy tổng thể: .
= β
+ β
.

&j'U"A>1"=b8G"=β
4
U;.QF.&
Phương trình hồi quy tổng thể: .
= β
+ β


&j'U"A>1"=;(+8G"=100β
4
kJZAE3^6l2%
VU;.F.Q&
Phương trình hồi quy tổng thể:
= β
+ β
.

&j'U"A>1"=b8G"= β
GDD;(+
Ứng dụng: NC khảo sát một số quan hệ
CHƯƠNG 2: MÔ HÌNH HỒI QUY BỘI
>_m!(;$758

9P=-.W%R
9:;#$X"#$%
Y%1^";(+(2%1n^2;(+
&I<!%A
W
: aβ
+ bβ
n
[
W
: aβ
+ bβ
n
[
Cách 1 - Dùng khoảng tin cậy
Tính Se(aβ
+ bβ
n
[
Tính khoảng tin cậy cong thức bình thường
2FABC:;
9Q
= (aβ
+ bβ
n
)/Se(aβ
+ bβ
n
(6"2<
CHƯƠNG 3: HỒI QUY VỚI BIẾN GIẢ
o.2%<*6+2%+Q5Q)"j(@6+
9:;Y$ Z>U[R;L!&
>S !3N!,#!L!p"6+",S !5*
2+2%30!OqA
932l762O
oQ,/""=
9"=:76323J"#-
H"M6(,"!7q(!4-(O!/"q
&I<%A
W
AE?!6_$7=
W
AE?!6_"=
2F9:;2Q\&
Chạy 3 mo hình: n biến RSS
V
bậc (n-k), n1 biến RSS
bậc (n1 - k), n2
biến có RSS
bậc (n2 - k)
F,hệ số hồi quy tương ứng:
%!_"!8?!6_$7=
Nếu chúng khác nhau thì:
9QVFF
K
[VFF
VFF
bậc tự do (n- 2k)
9Qd
A
Nếu F
ed
"-"
(k; n - 2k) → Bác bỏ giả thiết
Nếu F
rd
"-"
(k; n - 2k) → Chấp nhận giả thiết
*Với k là số tham số trong mô hình gốc (mô hình có RSS

o?!#!42%/"$*+Esn2<32<78
("2<tM5, !",2P3u"0
WM%/">*+EsA
Khi sự khác nhau giữa hai thời kỳ (hoặc somêthing likê that), chúng ta
khong b iết chúng khác nhau ở hệ số góc, hệ số chặn hay cả hai
F !",-</*$"7$72+ !Q !",
Cách 2 - Dùng biến giả:
H<!%AWA2n[2v[?!6_$7=
Ww2ng2vg[?!6_"=
Phương trình: Y
= β
+ β
01
+ β
n
0o
+ β
v
0o
01
K
D = 1 với bộ dữ liệu n1 giá trị (dụ: bộ dữ liệu thời kỳ 1 hoặc bộ dữ liệu của
nữ,...)
D = 0 với bộ dữ liệu n2 giá trị (dụ: bộ dữ liệu thời kỳ 2 hoặc bộ dữ liệu của
nam,...)
78S !(2%<!VFF
K
78S !$752%<!6+VFF
V
9Qd
E
A
Nếu F
ed
"-"
(k; n - 2k ) → Bác bỏ giả thiết
Nếu F
rd
"-"
(k; n - 2k) → Chấp nhận giả thiết
*Với k là số tham số trong mô hình gốc (mô hình có RSS

o?!#!42%,X52<2<78(32<5,
",?-70
67"#$%]>^P=<&
Giả sử biến phụ thuộc là tiền lương
2.1. Mô hình bình thường:
Phương trình:
= β
+ β

+ β
A
o
biến giả
1:nam,0:nữ)
&j'U"β
n
: β
n
sự chênh lệch tiền ơng giữa nhân viên nam nhân viên
nữ
SL!.QF.&
Phương trình: .
= β
+ β

+ β
A

&j'U"β
n
A
L
xn
-m6^O#@;y"q(O"(q
(Oy,(;y
L
x
];$l*/"q(Oy
L
xxn
];$l*/"q(O"
SL!.F.Q&
Phương trình:
= β
+ β
.
+ β
A

&j'U"β
n
A
β
];$l*/"q(Oy
β
n
là mức chênh lệch tiền lương giữa hai nhân viên nam và nữ
β
+ β
n
];$l*/"q(O"
2_`abV@0c2dab1ea
1. Khái niệm:
z&"3!%{#2%34-678-Z!3N
"!(*#JJM,
0-$%=QU<Q&#2%34- !"#("!
LJM"
01
"
n
01
n
000"
$
01
$
[096-"3!%<
8CL:^.KK678|5*
3=-!%Q/"#,506[
0-$%=CLQU<Q&#2%34- !"#(
"!LJM"
01
"
n
01
n
000"
$
01
$
}[0}N5*7
8W~#,/"785SMy4! !</""3
!%$7<0r6r
a$%fg-$%=
Do phương pháp thu thập dữ liệu:
E6+/"2%34--Z!3N"!6N!
$7-Z!3N"!6=*
E2%34-j5 !"#q !<"5 !"
#; !""(8.-Z!3(3@!$#$
Kích cỡ mẫu quá nhỏ
Sai dạng mo hình
E2%34- !",LJy#!"
W$#$<-$%=
Phương sai của các ước lượng thêo OLS lớn
F",!•/"#,S !,X0o5A
><4((#$*+Q5'U"0
H<%W!7J€J?-4
9•,‚ 9^$<^?-4<%
E(,",!•/"6?M<(,)"=
/"Jy#!0E|m3,)"=‚6N!Jy#!,X$ƒL,)
"=#,
Dấu của các ước lượng của các hệ số hồi quy có thể sai
9O("22%3!%(2%$78,X
"=(@J?!I"=(@3/"
VaWP=-$%=&E5v;2<*42%"3!%
V'2 cao (>90%) và t thấp (<2)
V#$XP=-.WQ,HD(I/
V1J"#$%hXP=-.W
Ej2%34-2%-Z!3($*+V
78
Nếu mo hình phù hợp (R
[ \785#"3
!%
Nếu mo hình khong phù hợp (R
[ \78$75#
"3!%0
VV*ijhkl;L!"#$%h
}Dd[V
(với R
#,f+/"78S !-Z0
%!}Dde8f<6""3!%83!%"
)9]h-$%=
)mn#$-$%=&E_"5*2‚ !""3!%%!
E2%2+"3!%(N_J?!(5'U"$O0
\78|J.*J)2]$7J.*$*+
5.2. Thu thập thêm số liệu hoặc lấy thêm mẫu mới:*N!;
5.3. Sử dụng thông tin tiền nghiệm: (QJZ-;68I6/"^
,!?"3L !7
5.4. Sử dụng sai phân cấp 1
o?!#!32<52%34-J0l-Q"6
))mnP=P-$%=&%!2%5?'U"$O
o?!#!32<%!?2%2+"3!%
2_`ab)@o_`ab*cp1c0qp
m<Y%R&

B#,",/"6+"=

- Do bản chất của mối quan hệ kinh tế: các mối quan hệ qua thời gian biểu
hiện khác nhau nên sai s khác nhau. dụ mối quan hệ giữa thu nhập
tiết kiệm thì thu nhập cao thì kỳ vọng tiết kiệm nhiều nhưng thực ra họ tiết
kiệm ít.
- o(/"6M3#A
#8,",<f!
- F",Q5f!<f!$ƒL-;,"<AJ
7#QQf#q]
- i;,""=7$J"f+,"JM78
W$#$<%R
Các ước lượng OLS của các HSHQ vẫn là ước lượng khong chệch
Các ước lượng OLS khong còn là ước lượng tốt nhất
E$%!4(@$*+$7t6+(8?340
aWP=%R&(nếu dùng stata thì chắc chỉ dùng White
hoặc BP thôi)
!"#$
Ước lượng mo hình hồi quy gốc, lấy phần dư RESID
Ước lượng mo hình với ln(RESID
(:2%34-
L
= β
+ β
01
(
>*+β
Nếu β
[85#-;,""=
Nếu β
[8$75#-;,""=
Dấu hiệu nhận biết sẽ 2 bảng, 1 bảng mo hình gốc một bảng biến
phụ thuộc là ., j$./ và những thứ tương tự như z
rl=C:;o C&
Sai số ê
phụ thuộc vào sai số v
. Nếu sai số v
2+-;,""=8
y$*+fL(7U"0
\pm|$*+2%34-
!"%&'('#
Ước lượng mo hình hồi quy gốc, lấy phần dư RESID
78(CYFV„FDo(:2%34-L…780
>*+β
Nếu β
[85#-;,""=
Nếu β
[8$75#-;,""=
Dấu hiệu nhận biết sẽ 2 bảng, 1 bảng mo hình gốc một bảng biến
phụ thuộc là P, j$./ và những thứ tương tự như z
rl=C:;b.s
Sai số ê
phụ thuộc vào sai số v
. Nếu sai số v
2+-;,""=8
y$*+fL(7U"0
\pm|$*+2%34-
Hai mo hình cuối khong phải mo hình tuyến tính
Y78!@!5@!$#j*1
f+0
 !")'
Ước lượng mo hình gốc lấy phần dư RESID (ê
Ước lượng mo hình hồi quy với biến phụ thuộc ê
(2%34-1
1
(1
01
0
&I<%AW
Ai;,"$7"= W
Ai;,""=
>*+
2@F,B\[0V
với giá trị Chi-squarê
"
(k) tra bảng. (với k là số
tham số trong mô hình hồi quy phụ không tính hệ số tự do).
Nếu n.R
eE, !"6L
"
(k) thì bác bỏ H
i;,""=
2@ So sánh Prob Chi-squarê với giá trị alpha, hơn alpha thì bác bỏ
H
(785-;,""=0
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mo hình gốc.
TH1: Một bảng biến phụ thuộc j$.(y];)
‡,2%34-J^ˆ0
TH2: Một bảng có chữ là tuvwQ Dx
*!"%+,- ít xài lắm, nào rảnh thì học
.!"/-
Ước lượng mo hình gốc lấy phần dư RESID (ê
Ước lượng mo hình hồi quy với biến phụ thuộc ê
(2%34-
&I<%AW
Ai;,"$7"= W
Ai;,""=
>*+
2@F,B\[0V
với giá trị Chi-squarê
"
(k) tra bảng. (với k là số
tham số trong hình hồi quy phụ không tính hệ số tự do). Nếu n.R
e
E, !"6L
"
(k) thì bác bỏ H
i;,""=
2@So sánh Prob Chi-squarê với giá trị alpha, hơn alpha thì bác bỏ
H
(785-;,""=0
2@9Qd
[‰V
0$Š‰$0V
Š0F,d
với F(k-1;n-k) (với k là
số tham số trong hình hồi quy phụ).Nếu F
eF(k-1;n-k) thì bác bỏ H
(785-;,""=0
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mo hình gốc
TH1: Một bảng biến phụ thuộc j$.(y];)
‡2%34-280
TH2: Một bảng có chữ Brêusch - Pagan
V9]h%R
*0'1234567869::;<
*=>286&#
Dấu hiệu nhận biết là sẽ có một bảng với các biến toàn là .
4.3. Sử dụng trọng số
Chia 2 vế mo hình cho Xi, ^1GgL
Dấu hiệu nhận biết chưa biết nên chưa ghi
4.4. Ước lượng lại sai số chuẩn:
o?!#!42%"2<5!2%-Z!3(2%34-y
$"!,",!•FL
CHƯƠNG 6: TỰ TƯƠNG QUAN
1. Bản chất và nguyên nhân của tự tương quan
1.1. Khái niệmAB#f<6"(Jy#!"$6+/"
^-Z!3(6+l^0
Ví dụ về tự tương quan bậc 1: X
[ 01

(
q > 0: mo hình có tự tương quan bậc 1 dương
q < 0: mo hình có tự tương quan bậc 1 âm
q = 0: mo hình khong có tự tương quan bậc 1
9); !"24-U"6+3^2*!J€2-^
65A1
[
01


01

0000
-
01
-
(
0
?7@A
!Oq$ !"A
E!p5Q? !QL"A!p^I<
Jm !"^J3'J5
W#M#A2%-Z!3/"^"-Z!3(
6+/"2%34-^650}QJZAO]!<l
/"M%!M09!O!M^"‹
-Z!3(M^60
oy#!5Q?6€A2%-Z!3^"-Z!3(
2%-Z!3^609].32%34-3
6+/"2%-Z!3,X"%!^65",X
?-%!^65?-0}QJZAO!J.-Z!3(
!4-$Œ(<O!J.$Œ60
Nguyên nhân chủ quan:
Chọn sai dạng mo hình
&"%!2%(78
95 !Lfu',#!0}QJZA5!4-<^!83
!'8L"v0
2. Hậu quả của tự tương quan:
Nếu vẫn áp dụng OLS khi mo hình có hiện tượng tự tương quan thì sẽ có các hậu
quả sau:
Các ước lượng khong chệch nhưng khong còn là các ước lượng hiệu quả
i;,"/"#(8(4$*+
(d$7t#! !<0
E5$<^ !"V
Các dự báo về Y khong chính xác
9:;KJ#$
!"BC78D:E
>*+A
Ước lượng mo hình gốc và lấy phần dư ê
Biểu diễn phần dư ê
LL

AL
[ 0L

(
>*+#, 2P$OIi6226O
Sử dụng hệ số Durbin Watson
Ước lượng mo hình gốc lấy phần dư
E5,o!62•",
Tra bảng d
B
(J
K
]'U"ab24$,",678
$7Q#,I, !",
Có ttq
dương
Ko kết
luận
>7
5
Ko kết
luận
E5
q
J
B
J
K
vJ
K
vJ
B
v
!"BC78D:-,uJZ$*+YHIJ.o!62
s",0
 FG#@HIHI
&I<!%
W
: Mo hình khong có hiện tượng tự tương quan
W
: Mo hình có hiện tượng tự tương quan
Dùng hệ số Durbin watson:
ng câu lệnh êstat dwatson → hệ số Durbin watson
>*+2P6"2<28
o.-;--$*+YHA
o.i62eE
,"!p24*,,(]'U""-"0
4. Khắc phục tự tương quan:
*Khắc phục tự tương quan bằng hồi quy OLS
Dấu hiệu nhận biết là một cái bảng như bình thường nhưng có hai cái dòng
Durbin-Watson ở phía dưới
4.2. Khắc phục tự tương quan bằng phần dư
Dấu hiệu nhận biết là một cái bảng như bình thường nhưng có hai cái dòng
Durbin-Watson ở phía dưới
4.3. Khắc phục tự tương quan bằng Durbin Watson
Dấu hiệu nhận biết là một cái bảng như bình thường nhưng có hai cái dòng
Durbin-Watson ở phía dưới
2_`ab8@2yaSz{a|}9p~S0•a|p€22yaSz{a
1. Các thuộc tính lựa chọn một mô hình tốt
&;<
9QS?
Tính thích hợp (R
Tính bền vững về mặt lý thuyết
><^J)2"
2. Cách lựa chọn mô hình tốt
Yw1+,2%34-5678
9:;<%= !
9:= !%;<
Bước 2: Kiểm tra các trường hợp khuyết tật của mo hình do vi phạm các
giả thiết OLS
>*6"(?@A"3!%-;,""=);
!"
Khắc phục các trường hợp vi phạm
Bước 3: Chọn dạng hàm
Dựa vào cơ sở lý thuyết kinh tế
Dựa vào kết quả thực nghiệm, so sánh các dạng hàm khác nhau
Bước 4: Dựa vào các chỉ tiêu như R
V

, giá trị L, tiêu chuẩn AIC, SIC
3. Các sai lầm khi chọn mô hình
3.1. Bỏ sót biến thích hợp
*Hậu quả của việc bỏ sót biến
E!#/"",67
8_0
E!$7-<(y0
zi;,"/"678,"{;z-;,"
678_{0
><463$*+$7t4y"
JK86$LM:N3<LO
hW4! !</"(#"2%$7Q-(78
E!:78,"$7#! !<(8A
Phương sai của các ước lượng trong mo hình sai lớn hơn trong mo
hình.
><463$*+$7t4y"
3.3. Lựa chọn sai dạng mô hình
*Hậu quả của việc lựa chọn sai dạng mo hình
##,S !4Q5*JN%J?!/"
#,S !5*,"0
E5*56?Q#,S !5'U"$O0
V
2*!#]3-.-/"78S !5*$7"0
imJ/" !",5*fƒ(@6+!#(2*!+,)
2%O5Q?#
4. Phương pháp phát hiện những sai lầm:
*!"868"8PQR:Q&7
Ew>*+#,/"2%fL2P"$$<4
$*+i}"!L
Ew>*+•"J
Xét mo hình U có tất cả các biến hiện có (k biến)
Y‚22%-;68V
9Qd
[‰VFF
V
VFF
K
Š‰VFF
K
$Š
So sánh với F
"-"
(m;n-k) nếu lớn hơn thì thiếu biến còn nhỏ hơn thì
khong thiếu biến.
Cách 3: Sử dụng R
(V
hiệu chỉnh
F,3#! !</"78.,2%8,uJZV
F,3#! !</"78$,2%8,uJZV

0
CÂU LỆNH CHO STATA
Xóa dữ liệu
L"6
Xuất bảng hồi quy
6L‰2%-Z!3Š‰2%34-Š
1!?2<S !5@!$# 6L‰2%-Z!3Š‰2%34-ŠŽ•r]?
!",
Tính khoảng tin cậy 90% từ bảng
hồi quy có sẵn
6L‰2%-Z!3Š‰2%34-ŠL(L`
>*+#,S ! L,‰2%34-Š[2L"
Tạo biến gên [tên biến] = Cong thức
EMS !$75!
3
6L‰2%-Z!3Š‰2%34-Š,"
9QE( L,"(L
Tính hệ số tương quan corr (tên các biến, khong quan trọng thứ tự)
Chạy sai phân cấp 1 với dữ liệu thời
gian
6LJ0‰O2%-Z!3ŠJ0‰O2%34-Š
EM$*+•L
imtêst, whitê (sau khi chạy hồi quy mo hình gốc)
EM$*+Yi
êstat hêttêst (sau khi chạy hồi quy mo hình gốc)
Ước lượng vững của ma trận hiệp
phương sai (khắc phục PSSS)
6L‰O2%-Z!3Š‰O2%34-Š62!,
Tạo biến lấy phần dư
-6LJ‰O2%)IŠ6L,J!",
Chạy mo hình trọng số
6L ‰O 2% -Z !3Š ‰O 2% 3 4-
‰"sL[‰O2%j6j,Š
1+Jy#!"
tssêt [tên biến thời gian]
Tính giá trị durbin watson
L,"Js",
>*+i}"!L/"E
*$%
!4); !"24
L,"J!62"
Kiểm tra tự tương quan bậc p
L,"2JŽ6L",-
Khắc phục tự tương quan bằng GLS
-6",‰O2%-Z!3Š‰O2%34-Š-,
Khắc phục tự tương quan bằng hồi
quy OLS
-6", ‰O 2% -Z !3Š ‰O 2% 3 4-Š
6-L6L6L,,
Khắc phục tự tương quan bằng
-6", ‰O 2% -Z !3Š ‰O 2% 3 4-Š
6-L,66
phần dư
Khắc phục tự tương quan bằng
Durbin Watson
-6", ‰O 2% -Z !3Š ‰O 2% 3 4-Š
6-LJs
Ma trận ước lượng hiệp phương sai
bậc p
LsL‰O2%-Z!3Š‰O2%34-Š"-
| 1/67

Preview text:


TRƢỜNG ĐẠI HỌC NGOẠI THƢƠNG CƠ SỞ 2
THÀNH PHỐ HỒ CHÍ MINH 
Bộ môn: Kinh tế lƣợng ĐỀ TÀI:
PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN
GIÁ THU MUA CÀ PHÊ THÔ CỦA VIỆT NAM

Giảng viên : Phan Bùi Khuê Đài Khóa lớp: K51 Nhóm 1 Thành phố Hồ Chí Minh Tháng 3 năm 2015
DANH SÁCH NHÓM VÀ PHÂN CÔNG CÔNG VIỆC STT HỌ VÀ TÊN MSSV
PHÂN CÔNG CÔNG VIỆC 1 Phan Thị Cẩm Ly 1001017140 - Tìm số liệu - Viết chương 2
- Tìm tài liệu tham khảo 2 Trần Anh Bằng 1201016036 - Viết chương 1
- Tìm tài liệu tham khảo 3 Nguyễn Đăng Dương 1201016101 - Tìm số liệu
- Chạy Eview, viết chương 4
- Tìm tài liệu tham khảo 4 Võ Phan Quỳnh Giao 1201016121 - Tìm số liệu - Viết chương 2 - Tổng hợp bài viết. 4 Ngô Thị Thu Hoài 1201016168 - Tìm số liệu
- Chạy Eview, viết chương 4
- Tìm tài liệu tham khảo 5
Trương Thị Diễm Kiều 1201016224 - Nhóm trưởng
- Làm bảng khảo sát, tìm số liệu - Viết chương 3 6 Định Thị Tú Nhi 1201016353
- Tìm tài liệu tham khảo - Viết chương 1
- Viết thiết lập mô hình 7 Đồng Văn Ngọc 1201016318 - Viết chương 5
- Tìm tài liệu tham khảo - Hỗ trợ chạy Eview 2 MỤC LỤC
CHƯƠNG I: TỔNG QUAN VỀ TÌNH HÌNH CÀ PHÊ TẠI VIỆT NAM ........................................................... 4 1.
Ý nghĩa của việc lựa chọn đề tài .............................................................................................. 4 1.1
Lý do chọn đề tài ................................................................................................................. 4 1.2
Lợi ích đề tài ....................................................................................................................... 5 2.
Mục tiêu và phạm vi nghiên cứu .............................................................................................. 6 2.1
Mục tiêu nghiên cứu ........................................................................................................... 6 2.2
Câu hỏi nghiên cứu ............................................................................................................. 6 2.3
Phạm vi nghiên cứu ............................................................................................................. 6
CHƯƠNG II: CƠ SỞ LÝ LUẬN VỀ CÁC YẾU TỐ ẢNH HƯỞNG TỚI GIÁ THU MUA CÀ PHÊ THÔ ............. 7 1.
Cơ sở lý luận .............................................................................................................................. 7 2.
Thiết lập mô hình tổng quát ..................................................................................................... 8 2.1
Biến phụ thuộc .................................................................................................................... 8 2.2
Biến độc lập ........................................................................................................................ 8
CHƯƠNG III: TỔNG QUAN VỀ PHƯƠNG PHÁP NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG TỚI GIÁ
THU MUA CÀ PHÊ THÔ
......................................................................................................................... 12 1.
Giả thiết nghiên cứu: .............................................................................................................. 12 2.
Mô hình nghiên cứu đề xuất: ................................................................................................. 12 3.
Nguồn số liệu và cách thu thập số liệu .................................................................................. 13
CHƯƠNG IV: KẾT QUẢ NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN GIÁ THU MUA CÀ PHÊ THÔ
.............................................................................................................................................................. 14 1.
Bảng thống kê mô tả: .............................................................................................................. 14 2.
Chạy E-view và đọc kết quả nghiên cứu ............................................................................... 14 2.1
Kiểm tra các bệnh ............................................................................................................. 15 2.2
Ý nghĩa, kết quả: ............................................................................................................... 19
CHƯƠNG V: GỢI Ý CHÍNH SÁCH ĐỂ ĐIỀU CHỈNH GIÁ THU MUA CÀ PHÊ THÔ .............. 21 3
CHƢƠNG I: TỔNG QUAN VỀ TÌNH HÌNH CÀ PHÊ TẠI VIỆT NAM
1. Ý nghĩa của việc lựa chọn đề tài: 1.1
Lý do chọn đề tài:
Nước Việt Nam nằm trong vành đai nhiệt đới Bắc bán cầu. Điều kiện khí hậu, địa lý
và đất đai thích hợp cho việc phát triển cà phê đã đem lại cho cà phê Việt Nam một
hương vị rất riêng, độc đáo. Hàng năm khí hậu nắng lắm mưa nhiều. Lượng mưa phân
bố đều giữa các tháng trong năm nhất là những tháng cà phê sinh trưởng. Khí hậu Việt
Nam chia thành hai miền rõ rệt. Miền khí hậu phía nam thuộc khí hậu nhiệt đới nóng
ẩm thích hợp với cà phê Robusta. Miền khí hậu phía bắc có mùa đông lạnh và có mưa
phùn thích hợp với cà phê Arabica.
Ngoài ra, về đất đai, Việt Nam có đất đỏ bazan thích hợp với cây cà phê được phân bổ
khắp lãnh thổ trong đó tập trung ở hai vùng Tây Nguyên và Đông Nam Bộ, với diện tích hàng triệu ha.
Như vậy cây cà phê cần hai yếu tố cơ bản là nước và đất thì cả hai yếu tố này đều có ở
Việt Nam. Điều này tạo cho Việt Nam lợi thế mà các nước khác không có được.
Bên cạnh đó, Việt Nam với dân số 80 triệu người trong đó 49% là trong độ tuổi lao
động. Đây là đội ngũ lao động khá dồi dào, cung cấp cho các mọi hoạt động trong nền
kinh tế quốc dân. Sản xuất cà phê xuất khẩu là một quá trình bao gồm nhiều công
đoạn, bắt đầu từ khâu nghiên cứu chon giống, gieo trồng khâu chăm sóc, thu mua, chế
biến, bảo quản, bao gói , xuất khẩu. Quá trình này đòi hỏi một đội ngũ lao động khá
lớn. Đặc biệt ở Việt Nam thì việc ứng dụng máy móc vào việc, sản xuất chế biến cà
phê chưa nhiều vì thế lợi thế về nhân công có thể giúp nước ta giảm rất nhiều chi phí
cho sản xuất cà phê xuất khẩu từ đó có thể hạ giá thành giúp cho Việt Nam có thể
cạnh tranh được về giá so với các nước trên thế giới. 4
Theo dự tính thì việc sản xuất cà phê xuất khẩu thu hút khá nhiều lao động: 1 ha cà
phê thu hút từ 120.000- 200.000 lao động. Riêng ở nước ta hiện nay có khoảng
700.000 – 800.000 lao động sản xuất cà phê, đặc biệt vào thời điểm chăm sóc, thu
hoạch con số này lên đến hơn 1 triệu người. Hiệp hội cà phê Việt Nam cho biết xuất
khẩu cà phê hai tháng đầu năm 2014 ước đạt 279.000 tấn, thu về 519 triệu USD, giảm
13,7% về khối lượng. Đầu năm 2014, thị trường cà phê có những biến động mạnh, giá
cà phê arabica tăng lên mức cao kỷ lục do Brazil (Nước xuất khẩu cà phê arabica lớn
nhất thế giới) bị hạn hán nặng, giới “đầu cơ” ghim hàng nhằm điều chỉnh giá.
Việc nắm rõ các nhân tố ảnh hưởng đến giá thu mua cà phê thô là một công việc hết
sức cần thiết đối với nhà nước, để có những giải pháp hợp lý nhằm kiểm soát giá cà
phê, giúp người dân thoát nghèo. Vì vậy, nhóm quyết định chọn vấn đề nghiên cứu là:
“Phân tích những nhân tố ảnh hƣởng đến giá thu mua cà phê thô của Việt Nam.”
1.2 Lợi ích đề tài:
Ngoài tác dụng giúp chúng ta tỉnh táo, tăng cường các hoạt động về tâm thần và trí tuệ,
tạo sự sảng khoái tích cực về tâm lý, làm chúng ta dễ tính hơn. Trong cà phê chứa chất
chống oxi hóa và những chất dinh dưỡng có lợi để cải thiện sức khỏe. Cà phê giúp bạn
bớt mệt mỏi và tăng mức độ năng lượng vì trong cà phê có chứa cafein một loại chất
truyền dẫn kích thích ức chế thần kinh trong não, giúp hưng phấn não bộ. Chất này
giúp cải thiện tâm trạng, bộ nhớ, sự cảnh giác, tốc độ phản ứng và các chức năng khác
của não bộ. Cà phê cũng chứa những chất dinh dưỡng thiết yếu: vitamin B5, B2,B3,
B1Vì thế cà phê là một thức uống phổ biến rộng rãi và mang tính toàn cầu. Trên
thế giới hiện nay, có hàng tỉ người uống cà phê mỗi ngày.
Hi vọng với đề tài mà nhóm nghiên cứu sẽ giúp một phần nhỏ bé vào việc tác động tới
phương thức và kế hoạch kinh doanh của người nông dân cũng như những doanh
nghiệp kinh doanh sản xuất cà phê trong việc cải thiện giá thu mua cà phê thô ở nước ta hiện nay. 5 2.
Mục tiêu và phạm vi nghiên cứu 2.1
Mục tiêu nghiên cứu:
2.1.1 Mục tiêu chung:
Tìm hiểu nhân tố ảnh hưởng đến giá thu mua cà phê của Việt Nam.
2.1.2 Mục tiêu cụ thể:
Tìm hiểu các nhân tố ảnh hưởng giá thu mua cà phê của Việt Nam.
Đánh giá các nhân tố chính ảnh hưởng đến giá thu mua cà phê Việt Nam. 2.2
Câu hỏi nghiên cứu:
Lãi suất trong nước có ảnh hưởng như thế nào tới giá thu mua cà phê thô ở Việt Nam?
Sản lượng và giá cà phê thô trong nước có ảnh hưởng như thế nào tới giá thu ma cà phê thô ở Việt Nam?
Sản lượng tồn kho cà phê của Mỹ và tỷ giá hối đoái có ảnh hưởng như thế nào tới giá
thu mua cà phê thô ở Việt Nam?
Thu nhập quốc dân của Việt Nam có ảnh hưởng như thế nào tới giá thu mua cà phê thô trong nước?
Tìm hiểu các kiến nghị các chính sách cải thiện và phát triển giá thu mua cà phê thô Việt Nam ? 2.3
Phạm vi nghiên cứu
Không gian:Thị trường cà phê Việt Nam và thế giới
Thời gian: giai đoạn 1999-2011. 6
CHƢƠNG II: CƠ SỞ LÝ LUẬN VỀ CÁC YẾU TỐ ẢNH HƢỞNG TỚI GIÁ THU MUA CÀ PHÊ THÔ 1. Cơ sở lý luận
Anastasios Alexandridis (2010) có đề xuất để ước tính các nhân tố quyết định tới giá
cà phê như sau: Pcf=f(Tt,Poil,Nc,Tg,Ls,CK,Ui). Trong đó:
Tt là biến thời tiết, ảnh hưởng rất lớn tới việc trồng và thu hoạch cà phê vì cà phê là
một loại cây trồng theo mùa vụ.
Poil là biến dầu thô, giá dầu cũng ảnh hưởng rất lớn tới giá cà phê thông qua việc ảnh
hưởng giá đầu vào về phân bón nhiên liệu và việc vận chuyển.
Nc là biến ngũ cốc, do việc chính sách của các chính phủ ưu tiên khuyến khích trồng
ngũ cốc đảm bảo an ninh lương thực dẫn đến là giảm diện tích canh tác cà phê.
Tg là biến tỷ giá hối đối, lập luận rằng tỷ giá hối đối ảnh hưởng đến tất cả các giao
dịch hàng hóa giữa các nước với nhau và cà phê không phải là một trường hợp ngoại lệ.
Ls là biến lãi suất, biến này ảnh hưởng tới hàng hóa tốn kho, ảnh hưởng tới việc đầu
tư của nhà sản xuất do đó cà phê cũng bị ảnh hửơng.
CK là biến chứng khoán, sự đánh giá thị trường của S&P cũng ảnh hưởng rất lớn đến
thị trường cà phê thông qua những thong tin mà công ty này cung cấp cho các nhà đầu tư.
Ui là tất cả các biến còn lại chưa được đưa vào mô hình, còn gọi là sai số.
Từ trên có thể dễ dàng suy ra có rất nhiều yếu tố tác động đến giá cà phê xuất khẩu.
Mặc dù vậy, sẽ có rất nhiều sự thiếu sót biến khi áp dụng vào thị trường cà phê Việt
Nam. Chẳng hạn trong bài “Các nhân tác động đến giá hàng hóa cà phê - cao su - thép”
của Ts. Đinh Thế Hiển - đồng tác giả - thì biến tăng trưởng kinh tế (TR) cũng ảnh
hưởng đáng kể tới giá thu mua vì tăng trưởng cao thì nhu cầu hàng hóa sẽ cao, ngoài
ra còn nếu lạm phát (Lf) cao thì các chi phí đầu vào cao dẫn đến đầu ra cũng cao, tức là giá sẽ cao. 7
Do đó, nếu chúng ta đưa thêm các biến về tăng trưởng kinh tế và lạm phát vào mô
hình của Anastasios Alexandridis thì sẽ phù hợp hơn đối với Việt Nam
Nghĩa là : Pcf=f(Tt,Poil,Nc,Tg,Ls,CK,TR, Lf,Ui). 2.
Thiết lập mô hình tổng quát 2.1
Biến phụ thuộc (Pcf: giá thu mua cà phê)
Từ các cở sở lý luận mà tham khảo từ mô hình của Anastasios Alexandridis, ta
thấy biến Pcf là biến biểu thị giá cà phê, chịu sự tác động rất nhiều yếu tố, không thể
lấy một biến nào để đại diện cho sự ảnh hưởng tới giá cà phê được. Tuy nhiên, nhìn
chung có thể chia các biến này làm 2 nhóm, một nhóm thuộc về yếu tố vĩ mô ( Tg,Ls
CK,TR,Lf), và một nhóm thuộc yếu tố vi mô (Tt, Poil,Nc). Nhóm vĩ mô ảnh hưởng
gián tiếp tới giá cà phê, tác động đến toàn bộ ngành kinh tế còn nhóm vi mô tác động
trực tiếp đến việc sản xuất và định giá cà phê. 2.2 Biến độc lập
2.2.1 Mối quan hệ của sản lƣợng cà phê và giá thu mua cà phê của Việt Nam.
Theo mô hình nhóm cung cà phê của Takamasa A kiyama và Panayotis N. Varangis
(1989), sản lượng cà phê và giá cà phê có khả năng tác động lẫn nhau. Khi giá tăng sẽ
làm cho sản lượng tăng lên vì sẽ có nhiều người trồng cà phê hơn. Nhưng khi sản
lượng tăng lên sẽ làm cho giá giảm xuống bởi vì nguồn cung vượt quá cầu. Tuy nhiên,
trong phạm vi nghiên cứu của đề tài này, chúng ta chỉ xem xét sự tác động của sản
lượng lên giá cả vì trong ngắn hạn sản lượng bình quân không thể gia tăng được bởi vì
phải mất từ 3 đến 4 năm thì cây cà phê mới cho thu hoạch.
2.2.2 Mối quan hệ giữa chất lƣợng cà phê giá thu mua cà phê
Hiện nay, tuy Việt Nam được đánh giá là một nước xuất khẩu cà phê số một thế giới
nhưng chất lượng cà phê Việt nam luôn thấp hơn những nước khác nên Việt Nam phải
xuất khẩu với giá rất thấp. 8
Chất lượng cà phê là yếu tố ảnh hưởng trực tiếp đến giá cà phê. Theo Vinacafe (2011)
cho biết thì chất lượng của cà phê vối Việt Nam chưa cao do yếu kém về khâu thu hái
và công nghệ chế biến lạc hậu. Hiện tại, chất lượng cà phê xuất khẩu của Việt Nam
được quy định dựa trên Tiêu chuẩn quốc gia TCVN 4193:2005 do Bộ Nông nghiệp và
Phát triển nông thôn áp dụng. Tiêu chuẩn này áp dụng cho cà phê nhân: cà phê chè
(Arabica) và cà phê vối (Robusta).
Có một mô hình của Steven M. Shugan(1984),”Price-Quality Relationships”, nghiên
cứu về mối quan hệ giữa giá cả và chất lượng thông qua hành vi người tiêu dùng trên
các thị trường khác nhau. Bài viết trên đưa ra các phương trình quan hệ giữa giá cả và
chất lượng. Cuối cùng kết luận rằng giá cả và chất lượng có quan hệ phi tuyến tính,
giá cả phản ánh mức độ chất lượng. Mối quan hệ giữa giá cả và chất lượng rất quan
trọng và có ý nghĩa. Tuy nhiên, yếu tố chất lượng lại là yếu tố khó đo lường và rất ít
bài nghiên cứu về vấn đề này vì khó đưa vào mô hình nghiên cứu. Do vậy, biến chất
lượng thường được đưa vào sai số (Ui).
2.2.3 Mối quan hệ giữa lãi suất và giá cà phê
Trong mô hình của Anastasios Alexandridis (2010) nhắc đến lãi suất có một ảnh
hưởng đáng kể đến thị trường nông nghiệp nói chung ảnh hưởng đến chi phí giữ hàng
tồn kho, ảnh hưởng đến quyết định đầu tư (đất đai, máy móc và đầu vào mua hàng và
ảnh hưởng đến kinh doanh các nhành nông nghiệp). trong bài của Ts. Đinh Thế Hiển
lãi suất tác động thông qua sự vay vốn để sản xuất và kinh doanh cà phê xuất khẩu.
Jeffrey A. Frankel (2006) „The Effect Of Monetary Policy On Real Commodity Prices”
và Jeffrey A. Frankel and Andrew K. Rose (2009), “Determinants of Agricultural and
Mineral Commodity Prices” cũng cho kết quả tương tự: tỷ lệ lãi suất thực tế là một
yếu tố quyết định quan trọng về lượng hàng tồn kho và giá cả của các mặt hàng nông
sản và khoáng sản. Nghiên cứu cho rằng lãi suất cao sẽ làm giảm nhu cầu lưu trữ hàng
hóa, tăng nguồn cung cấp dẫn đến giảm giá trên thị trường của hàng hóa. Khi tỷ lệ lãi
suất thực tế cao, tiền chảy ra khỏi các mặt hàng, giống như nó chảy ra khỏi ngoại tệ,
các thị trường mới nổi và các chứng khoán khác. Giảm tỷ lệ lãi suất thực tế có tác 9
dụng ngược lại, làm giảm chi phí đối với hàng tồn kho và nâng cao giá cả hàng hóa.
Khi tỷ lệ lãi suất thực tế thấp, tiền chảy vào hàng hóa, chảy vào ngoại tệ, thị trường
mới nổi, và các chứng khoán.
Kết quả nghiên cứu cho ta thấy mối quan hệ giữa giá cả hàng hóa và ảnh hưởng tiêu
cực của lãi suất đối với chỉ số giá cả hàng hoá. Điều đó ảnh hưởng tương tự đối với cà phê. 2.2.4
Mối quan hệ giữa tỷ giá hối đoái và giá cà phê
Trong sự lập luận của Anastasios Alexandridis (2010) thì tỷ giá hối đoái tác động
đến tất cả các giao dịch hàng hóa nông nghiệp, trong đó có cà phê, bởi vì cà phê là
một mặt hàng xuất, nhập khẩu. Như chúng ta đã biết: tỷ giá hối đoái là giá của đồng
tiền được tính theo một đồng tiền khác. Tỷ giá hối đoái cũng được hiểu là tỉ lệ trao đổi
giữa hai đồng tiền của hai quốc gia khác nhau( http://www.cpv.org.vn). Điều này chỉ
ra rằng hoạt động của thị trường tỷ giá hối đối ảnh hưởng lớn đến giá trao đổi của mặt
hàng cà phê giữa các nước, do đó ảnh hưởng đến sản xuất và tiêu thụ của các nước.
Ở Việt Nam, tỷ giá hối đoái ảnh hưởng tới giá cà phê, như tác động đến các hàng hóa
cơ bản khác. Đồng USD được dùng ở hầu hết các giao dịch thương mại hàng hóa toàn
cầu. Sự biến động của nó gây ảnh hưởng rất lớn đến giá các hàng hóa cơ bản. Sự giảm
giá của đồng USD ảnh hưởng trực tiếp, khiến giá cả hàng hóa của các nước xuất
khẩu cao hơn đối với các nước nhập khẩu làm hàng hóa giảm sức cạnh tranh. Đồng
thời, sẽ xuất hiện xu hướng đầu tư nhiều hơn vào những hàng hóa (vàng và hàng hóa
cơ bản) do thị trường chứng khoán(cổ phiếu , trái phiếu..) và bất động sản giảm sức
hút do bị ảnh hưởng bởi việc giảm giá đồng USD. Tỷ giá qua đó cũng ảnh hưởng gián
tiếp tới sự tăng giá hàng hóa cơ bản, trong đó có cà phê. Tuy nhiên, tác động của tỷ
giá hối đoái đến giá hàng xuất khẩu, ở đây là giá cà phê, thường có độ trễ, nên cần
xem xét trong một thời gian dài.
2.2.5 Mối quan hệ giữa tồn kho cà phê tại Mỹ và giá thu mua cà phê. 10
Tình hình xuất nhập khẩu của Brazil, Việt Nam, Colombia ảnh hưởng rất lớn đến
nguồn cung. Đẩy mạnh kim ngạch xuất khẩu, nguồn cung tăng dẫn đến giá cà phê
giảm. Tương tự nhu cầu nhập khẩu tăng giảm cũng sẽ ảnh hưởng đến giá .Cầu giảm
giá giảm. Cầu tăng giá tăng.
Báo cáo tồn kho của cà phê trên các sàn giao dịch Thế Giới sẽ cho thấy sự thay đổi
của nguồn cung và nguồn cầu. Do thị trường xuất khẩu lớn nhất của Việt Nam là Mỹ
và Đức nên ở đây chúng ta chỉ nghiên cứu sản lượng tồn kho của thị trường Mỹ. 11
CHƢƠNG III: TỔNG QUAN VỀ PHƢƠNG PHÁP NGHIÊN CỨU CÁC NHÂN
TỐ ẢNH HƢỞNG TỚI GIÁ THU MUA CÀ PHÊ THÔ 1.
Giả thiết nghiên cứu:
Từ các cơ sở lý thuyết và mô hình tham khảo trên, chúng ta có thể thấy có rất nhiều
yếu tố ảnh hưởng tới giá cà phê Việt Nam nhất là trong bối cảnh toàn cầu hóa và hội
nhập kinh tế thế giới. Các nhân tố đan xen và tác động lẫn nhau nên ta khó xác định
đâu là nhân tố chính, đâu là nhân tố phụ. Tuy nhiên, qua tìm hiểu và nghiên cứu,
nhóm chúng em nhận thấy có các nhân tố nổi bật ảnh hưởng tới giá cà phê Việt Nam.
Các nhân tố được chia làm 2 nhóm. Nhóm nhân tố trong nước: điều kiện tự nhiên, đất
đai, khí hậu, sản lượng, lãi suất ngân hàng, chính sách nhà nước, cơ chế quản lí, pháp
luật … Nhóm nhân tố ngoài nước: tỷ giá hối đoái, giá cà phê thế giới, thị trường
chứng khoán, chính trị … Trong mỗi nhóm, có các nhân tố sau đây được cho là ảnh
hưởng nhiều và trực tiếp đến giá cà phê Việt Nam:
- Sản lượng cà phê: tác động trực tiếp đến giá cà phê Việt Nam qua cơ chế cung – cầu.
Sản lượng tăng thì giá cà phê giảm, sản lượng giảm thì giá cà phê tăng.
- Tỷ giá hối đoái: tỷ giá hối đoái thay đổi cho thấy giá cà phê Việt Nam đắt hơn hay rẻ
hơn một cách tương đối so với giá cà phê thế giới.
- Lãi suất ngân hàng: lãi suất là giá cả của đồng tiền, ảnh hưởng đến đầu tư máy móc
thiết bị, công nghệ vào ngành cà phê và từ đó ảnh hưởng đến giá cà phê.
- Tồn kho Mỹ: lượng cà phê tồn kho ở các nước nhập khẩu cụ thể là Mỹ ảnh hưởng
trực tiếp đến giá cà phê Việt Nam thông qua quy luật cung – cầu. Lượng cà phê tồn
kho Mỹ giảm thì làm cho cầu cà phê tăng lên khiến giá tăng lên và ngược lại. 2.
Mô hình nghiên cứu đề xuất: 12 Giá thu mua cà phê Nhân tố trong Nhân tố nước nước ngoài Sản GDP Lãi Tỉ giá Giá Tồn (triệu lượng suất hối cà kho VND/ ngân cà phê người đoái phê cà hàng Mỹ phê ) mỹ 3.
Nguồn số liệu và cách thu thập số liệu
Cách thu thập số liệu thứ cấp từ các nguồn cụ thể sau: Các nhân tố Nguồn dữ liệu Đường dânz Lãi suất
Ngân hàng Nhà nước Việt Nam sbv.gov.vn Tỉ giá hối đoái
Ngân hàng Nhà nước Việt Nam sbv.gov.vn
Sản lượng cà phê Sàn giao dịch cà phê giacaphe.com Tồn kho Mỹ United States Department of
http://usda01.library.cornell.edu Agriculture http://doc.edu.vn 13
CHƢƠNG IV: KẾT QUẢ NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƢỞNG ĐẾN
GIÁ THU MUA CÀ PHÊ THÔ
1. Bảng thống kê mô tả: Lãi Yếu Giá thu Giá Sản GDP suất Tồn kho tố mua café tại lượng (triệu ngân café tại café thô Mỹ thu VND/ hàng Mỹ người) ( VND/ ( VND hoạch ( %/ ( tấn) Năm kg) / kg) ( tấn) năm) 1999 16750 20.710 500000 5,35 53.653,440 5,13 2000 8500 13.143 720000 9,00 220.414,020 5,61 2001 5450 9.028 900000 7,20 171.426,420 6,04 2002 7500 10.361 750000 7,44 161.291,400 6,63 2003 8500 13.096 720000 7,50 261.689,520 7,50 2004 11500 12.906 700000 7,50 270.563,100 8,62 2005 26400 18.609 752100 8,25 232.412,100 9,98 2006 26700 24.733 910000 8,25 222.645,960 11,42 2007 30000 31.229 915800 8,25 268.272,300 13,16 105580 2008 32000 37.296 8,50 264.955,080 16,88 0 105750 2009 41000 28.884 8,00 185.182,080 18,37 0 110050 2010 38000 35.223 9,00 102.319,680 21,84 0 116790 2011 40000 52.933 9,00 85.859,220 27,49 0
2. Chạy E-view và đọc kết quả nghiên cứu
Từ số liệu trên ta có kết quả hồi quy từ eview như sau: 14 Mô hình 1 2.1 Kiểm tra các bệnh
2.1.1 Đa cộng tuyến:
Từ eview ta có bảng hệ số tương quan sau:
Từ bảng trên có thể thấy được có hiện tượng đa cộng tuyến giữa GDP với GIAMY và GDP với Q  Chữa bệnh
Ta loại bỏ biến GDP ra khỏi mô hình, từ kết quả eview ta được mô hình hồi qui mới sau: 15 Mô hình 2
Nếu ta không loại bỏ biến GDP mà loại bỏ biến GIAMY hoặc biến Q thì hiện tượng
đa cộng tuyến vẫn còn (có thể giữa GDP và GIAMY hoặc GDP và Q), do đó nếu
không loại bỏ biến GDP thì để hiện tượng đa cộng tuyến không xảy ra buộc ta phải
loại bỏ cả 2 biến GIAMY và Q. Mô hình hồi qui thu được khi loại bỏ cả 2 biến GIAMY và Q là: 16 Mô hình 3
Cả mô hình 2 và 3 đều không còn hiện tượng đa cộng tuyến, nhưng R hiệu chỉnh ở mô
hình 3 lớn hơn R hiệu chỉnh ở mô hình 2 (0.742674>0.703843) nên mô hình 3 tốt hơn mô hình 2.
2.1.2 Phƣơng sai thay đổi:
Ta tiến hành thực hiện kiểm định White đối với mô hình3 . Kết quả eview thu được: 17
Vì Prob. Chi-Square = 20.84% > alpha = 5% nên mô hình trên không bị hiện tượng phương sai thay đổi.
2.1.3 Tự tƣơng quan Ta lấy lại mô hình 3: 18
Thực hiện kiểm định Durbin-Watson ta thấy giá trị kiểm định d=1.177532 thỏa mãn: 1 2.2
Ý nghĩa, kết quả: 2.2.1 Ý nghĩa:
Khi GDP đầu người tăng(giảm) 1 triệu VNĐ thì giá cà phê tăng(giảm) 1969.205 VNĐ 
Khi lãi suất ngân hàng tăng(giảm) 1% thì giá cà phê giảm(tăng) 2419.654 VNĐ 
Khi khối lượng cà phê tồn kho của Mỹ tăng(giảm) 1 tấn thì giá cà phê tăng(giảm) 0.023738 VNĐ
2.2.2 Kiểm định hệ số, mô hình:
Vì Prob(GDP)=0.13% < alpha=5% nên biến GDP có ý nghĩa thống kê hay thực
sự tác động đến giá cà phê. 
Vì Prob(I)=44.38% > alpha=5% nên biến lãi suất I không có ý nghĩa thống kê
hay không thực sự tác động đến giá cà phê. 19 
Vì Prob(TONKHO)=49.77% nên biến TONKHO không có ý nghĩa thống kê
hay không thực sự tác động đến giá cà phê. 
Vì Prob(F-statistic)=0.1447% < alpha=5% nên mô hình phù hợp. 20
CHƢƠNG V: GỢI Ý CHÍNH SÁCH ĐỂ ĐIỀU CHỈNH GIÁ THU MUA CÀ PHÊ THÔ
Từ năm 2009 trở về trước, mỗi khi vào vụ thu hoạch (tháng 10 – tháng 11) là giá cà
phê liên tục lao dốc do nguồn cung dồi dào khi bà con nông dân và nhà xuất khẩu đẩy
mạnh bán ra. Giá thường giảm sâu vào giữa vụ hoặc thời điểm giáp Tết nguyên đán
bởi nhu cầu tiền mặt tăng cao. Nhà đầu cơ cũng tận dụng cơ hội này để gom hàng, sau
đó chờ đến khoảng tháng 3 – tháng 5 năm sau, khi nguồn hàng của vụ thu hoạch đã
gần như cạn kiệt thì bắt đầu đẩy giá lên để chốt lời.
Tuy nhiên khoảng thời gian sau này, nhiều người sản xuất cũng nắm rõ xu hướng
này nên đã giữ hàng chờ giá cao hơn để bán. Khi người trồng cà phê và nhà xuất khẩu
điều tiết được nguồn cung, giá cà phê cũng đã tuân theo quy luật của cung cầu nhiều
hơn, thay vì phụ thuộc phần lớn vào đầu cơ như trước đây. Nhiều lúc, động thái của
ngành cà phê nước ta còn điều khiển được cả giá trên thị trường kỳ hạn ở London và
giá giao ngay tại châu Âu, vượt qua cả những tác động của biến động tiền tệ và các
yếu tố kinh tế vĩ mô toàn cầu.
Điều tiết nguồn cung còn thông qua tham khảo thông tin cung cầu, kinh tế vĩ mô,
giá cả thị trường trong nước và quốc tế. Các nhà xuất khẩu thì hạn chế ký các hợp
đồng giao xa để giảm thiểu những rủi ro về giá cả. Điều này đã giúp giá cà phê duy trì
mức cao ngay cả khi ở thời điểm giữa vụ. Nếu có, nên thực hiện Hợp đồng xuất khẩu
theo phương thức giao hàng FCA thay vì FOB. Hiện nay, hầu hết các lô cà phê giao
cho nhà nhập khẩu bằng container, mà đã giao hàng bằng container thì không thể giao
hàng ngay tại mạn tàu, mà phải giao hàng cho ngưòi chuyên chở tại các bãi để
container , hay tại các trạm giao hàng lẻ ( gọi là CFS – Container Freight Station ) ở
trên bờ. Việc kiểm tra giao nhận này phải mất từ 5 đến 7 ngày, mùa xuất khẩu cao
điểm phải mất đến 10 ngày hoặc hơn. Thiệt hại của doanh nghiệp chính là đã giao
hàng cho nhà nhập khẩu nhưng chưa thể lấy được tiền từ ngân hàng do chưa lấy được
chứng nhận hàng hóa, đặc biệt trong tình hình tỉ giá biến động như hiện nay. 21
DANH MỤC TÀI LIỆU THAM KHẢO
1. Hoàng Ngọc Nhậm, Giáo trình Kinh tế lượng, Đại học kinh tế thành phố Hồ Chí Minh.
2. Casella và Berger, 2001, Statistical Inference
3. Wackerly et al, 2007, Mathematical Statistics with Applications
4. Gujarati, Basic Econometrics
5. Green, 2007 Econometrics analysis
6. Website của Tổng cục Thống kê Việt Nam http://www.gso.gov.vn
7. Website của Bộ kế hoạch đầu tư – Cục đầu tư nước ngoài http://fdi.mpi.gov.vn.
8. Website của Ngân hàng thế giới http://www.worldbank.org/vi/country/vietnam
9. Website của Ngân hàng Nhà nước Việt Nam http://www.sbv.gov.vn
10.Website của sàn giao dịch café http://www.giacafe.com
11. Luận văn: „Phân tích các yếu tố ảnh hưởng đến sản lượng café bằng kinh tế
lượng”: http://doc.edu.vn/tai-lieu/chuyen-de-phan-tich-cac-nhan-to-tac-dong-den-san-
luong-ca-phe-bang-mo-hinh-kinh-te-luong-71101/ 22 BỘ CÔNG THƯƠNG
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP HỒ CHÍ MINH
 TIỂU LUẬN
MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO
GVHD: Ths. Đinh Kiệm.
SVTH: Trần Hào Quang.
Tiểu luận số 12.
TP HỒ CHÍ MINH 28/11
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm TIỂU LUẬN
MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO TL SỐ 12
Phần I : trên Excel
Sử dụng dữ liệu Data BT 6 trên Excel, dùng Regression trên Data Analysis để ước lượng hàm
hồi quy mẫu có dạng sau :
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL
mức lương tháng của công nhân WAGE (USD) MAINT
= 1 cho công nhân bảo trì, = 0 cho công nhân khác GENDER
= 1 cho nam giới , = 0 cho nữ EXPER
= Số năm làm việc cho công ty này CRAFTS
= 1 nếu làm trong nghề thủ công, =0 nghề khác CLERICAL
=1 cho công nhân văn phòng, = 0 cho công nhân khác Phần II : trên Eviews
a/ Hãy chuyển dữ liệu từ file Excel ở phần 1 sang thành dữ liệu dưới dạng workfile của Eviews
và lưu lại dưới tên : Data TL 12. Sau đó dùng công cụ Eviews để:
- Lập bảng các tham số thống kê của các biến độc lập, vẽ đồ thị các biến độc lập trên cùng một bảng.
- Lập ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả các biền độc lập.
- Ước lượng phương trình hồi quy dưới dạng như ở câu phần I
b/ Hãy kiểm định Wald ( biến thừa ) cho 5 biến độc lập nêu trên
c/ Từ mô hinh câu a phần II hãy kiểm định White và BG cho mô hình này
d/ Hãy dự báo giá trị trung bình và giá trị cá biệt mức lương tháng của công nhân theo mô hình sau:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER
+ B5*CRAFT + B6*CLERICAL
Cho biết EXPER = 24 năm, MAINT = 1, GENDER = 0, CRAFT = 1, CLERICAL = 0, Và
độ tin cậy 1-  = 95% .
Biểu diễn trực quan đồ thị dự báo bằng cách vẽ đồ thị khoảng dự báo trung bình, dự báo cá biệt,
tương ứng với các cận trên và cận dưới theo số quan sát làm biến trên trục hoành chung cho các đại lượng khác Trang 2
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm PHẦN TRÌNH BÀY 1. Giới thiệu
Sử dụng chương trình Excel và phần mềm Eviews để tiến hành ước lượng, phân tích về
hàm hồi quy cho mô hình chứa dừ liệu chéo là mức lương tháng của công nhân (WAGE)
với các biến độc lập đó là MAINT (công nhân bảo trì / công nhân khác), GENDER (giới
tính), EXPER (số năm làm việc), CRAFTS (nghề làm việc), CLERICAL (công nhân văn
phòng / công nhân khác). Có hàm hồi quy mẫu dạng như sau:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL 2. Nội dung:
2.1. Bảng số liệu thống kê: Với:
WAGE: mức lương hàng tháng của công nhân.
MAINT: = 1 cho công nhân bảo trì, = 0 cho công nhân khác.
GENDER: = 1 cho nam giới , = 0 cho nữ.
EXPER: Số năm làm việc cho công ty này.
CRAFTS: = 1 nếu làm trong nghề thủ công, =0 nghề khác.
CLERICAL: =1 cho công nhân văn phòng, = 0 cho công nhân khác. Trang 3
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm Trang 4
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
2.2. Nội dung đề tài:
2.2.1. Phần 1: Thực hiện trên Excel
Ta dùng Regression trên Data Analysis để ước lượng hàm hồi quy mẫu có dạng:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL Ta được bảng sau:
Ta được các kết quả sau:
Giá trị hệ số chặn B1(Intercept): 2093.843991.
Giá trị hệ số hồi quy riêng B2 (biến MAINT): -1353.919978.
Giá trị hệ số hồi quy riêng B3 (biến EXPER): 25.49901114.
Giá trị hệ số hồi quy riêng B4 (biến GENDER): 629.4966388.
Giá trị hệ số hồi quy riêng B5 (biến CRAFTS): -855.6487246.
Gía trị hệ số hồi quy riêng B6 (biến CLERICAL): -917.282458 Trang 5
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
Suy ra phương trình hồi quy như sau:
WAGE = 2093.843991 – 1353.919978*MAINT + 25.49901114*EXPER +
629.4966388*GENDER – 855.6487246*CRAFTS – 917.282458*CLERICAL.
2.2.2. Phần 2: Thực hiện trên Eviews
2.2.2.1. Bảng các tham số thống kê của các biến độc lập:
2.2.2.2. Đồ thị các biến độc lập: Trang 6
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
2.2.2.3.Ma trận Correlation Matrix gồm cả biến phụ thuộc và tất cả các biền độc lập:
2.2.2.4. Ước lượng phương trình hồi quy dưới dạng:
WAGE = B1 + B2*MAINT + B3*EXPER +B4*GENDER + B5*CRAFT + B6*CLERICAL Trang 7
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
Chạy hồi quy sử dụng phương pháp bình phương nhỏ nhất (Least Squarees) với biến phụ
thuộc là WAGE và các biến giải thích là MAINT, EXPER, GENDER, CRAFTS,
CLERICAL và hằng số c. Số lượng biến quan sát là 49 ta được:
Hệ số hồi quy thu được:
B1 = 2093.843991, B2 = -1353.919978, B3 = 25.49901114, B4 = 629.4966388,
B5 = -855.6487246, B6 = -917.282458.
Vậy phương trình hồi quy có dạng:
WAGE = 2093.843991 – 1353.919978*MAINT + 25.49901114*EXPER +
629.4966388*GENDER – 855.6487246*CRAFTS – 917.282458*CLERICAL.
2.2.2.5. Kiểm định Wald cho 5 biến MAINT, EXPER, GENDER, CRAFTS và CLERICAL.
• Kiểm định Wald cho biến MAINT:
Từ kết quả ở bảng trên ta thấy giá trị p-value (xác suất Prob) = 0.0000 < α = 0.05 cho
nên biến MAINT không phải là biến thừa.
• Kiểm định Wald cho 2 biến EXPER và GENDER: Trang 8
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
Từ kết quả ở bảng trên ta thấy giá trị p-value(xác suất Prob) = 0.0002 < α = 0.05 cho nên
hai biến EXPER và GENDER kiểm định ở trên không phải là biến thừa.
• Kiểm định Wald cho 2 biến CRAFTS và CLERICAL:
Từ kết quả ở bảng trên ta thấy giá trị p-value(xác suất Prob) = 0.0000 < α = 0.05 cho nên
hai biến CRAFTS và CLERICAL kiểm định ở trên không phải là biến thừa.
2.2.2.6 . Kiểm định White: Trang 9
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
Từ kết quả ở bảng trên ta thấy: 2
Obr*R-squared = nR2 = 23.09802 > x (5) = 22.3620324948 0.05
Vậy có thể kết luận phương sai thay đổi. Trang 10
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm 2.2.2.7. Kiểm định BG:
Theo bảng kết quả trên thì (n-p)R2 = 0.001928 có xác suất (p-value) là 0.9650 lớn hơn
mức ý nghĩa α = 0.05 nên chấp nhận giả thiết H0 tức là không có sự tương quan bậc nhất.
2.2.2.8. Dự báo giá trị trung bình và giá trị cá biệt của mức lương tháng của công nhân. Trang 11
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
Theo bảng trên ta có kết quả:
Khoảng dự báo giá trị trung bình là: [0 ; 1064.499]
Khoảng dự báo giá trị cá biệt là : [0 ; 1458.562] Trang 12
Tiểu luận kinh tế lượng dự báo – TL 12 GVHV: Ths Đinh Kiệm
2.2.2.9. Đồ thị biểu diễn khoảng giá trị trung bình mức lương tháng của công nhân:
_ Đồ thị biểu diễn khoảng giá trị cá biệt mức lương hàng tháng của công nhân: Trang 13
TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HỒ CHÍ MINH
BÀI THI KẾT THÚC HỌC PHẦN
Môn thi: Kinh Tế Lượng .................................................................
Họ và tên sinh viên: Nguyễn Thị Lê Ngân ...............................................................................
MSSV: 030336200159 ............................. Lớp học phần: D26 ............................................... THÔNG TIN BÀI THI
Bài thi có: (bằng số):
…… trang
(bằng chữ):
…… trang YÊU CẦU 1 BÀI LÀM
Câu 1: Hãy trình bày theo sự hiểu biết của bạn về phương pháp bình phương
nhỏ nhất thông thường (OLS) cho mô hình Y =  +  X + u 1 2
a) Ý tưởng của phương pháp
Ước lượng các hệ số hồi quy 𝛽1, 𝛽2 sao cho tổng bình phương sai số là nhỏ nhất tức
là hàm này đạt cực tiểu tạo đó
Từ mẫu số liệu điều tra với n quan sát (y1, x1), (y2, x2 ), ......(yn, xn) của các biến
(Y, X) ước lượng của hệ số hồi quy 𝛽1, 𝛽2 của mô hình là ít sai số nhất
b) Các công thức ước lượng khoảng cho các hệ số hồi quy tổng thể.
Sai số bình phương của mô hình 2 biến ∑ 𝑈 2 𝑖
= ∑(𝑦𝑖 − (𝛽1 + 𝛽2 ∗ 𝑥𝑖))2
Đặt F (𝛽1, 𝛽2) = ∑(𝑦𝑖 − (𝛽1 + 𝛽2 ∗ 𝑥𝑖))2
𝑈𝑖 = 𝑌𝑖 − 𝛽1 + 𝛽2𝑋
Phương pháp bình phương sai số nhỏ nhất tìm 𝛽 ̂ ̂ ̂ ̂
1, 𝛽2 của 𝛽1, 𝛽2 sao cho F(𝛽1, 𝛽2) = min [ F (𝛽1, 𝛽2)] (1.2) ➔ Ước lượng 𝛽 ̂ ̂
1, 𝛽2 của 𝛽1, 𝛽2 cho bởi (1.2) được gọi là ước lượng theo OLS
Giải bài toán (1.2) tìm min là bài toán tìm cực trị của hàm hai biên ta được: ∑𝑛 (𝑥 𝛽 ̂ 𝑡=1 𝑖−𝑥)(𝑦𝑖−𝑦) ̂ ̂ 2 =
; 𝛽 = 𝑦̅ − 𝛽 𝑥̅ (1.3) ∑𝑛 (𝑥 1 2 𝑖=1 𝑗−𝑥) ở ∑ 𝑦 ∑ 𝑥 đây 𝑦̅ = 𝑖 ; 𝑥̅ = 𝑖 𝑛 𝑛
c) Các công thức kiểm định cho các hệ số hồi quy tổng thể.
d) Dự báo khoảng cho giá trị trung bình và giá trị cá biệt của biến phụ thuộc.
Câu 2: Trình bày hiện tượng phương sai sai số thay đổi của mô hình hồi
quy, tập trung vào các ý chính sau: bản chất, hậu quả, cách phát hiện, và cách khắc phục.
2.1 Bản chất
-
Phương sai sai số không đổi tức là tại mọi thời điểm quan sát của X phương sai như nhau
- Phương sai sai số thay đổi tức là tại mọi thời điểm quan sát X phương sai khác nhau giữa i và j 2.2 Hậu quả :
- Phương sai Var (𝛽̂𝑗) bị chệch
- Các thống kê F và T không còn hiệu lực trong ước lượng khoảng và kiểm định
2.3. Cách phát hiện a)Định tính
Dựa vào bản chất của vấn đề nghiên cứu
Xét đồ thị phần dư (RESID) 2
Xem đồ thị hồi quy của bình phương phần dư theo một biến độc lập nào đó hoặc theo 𝑦𝑖̂
b) Phương pháp định lượng : dùng các tiêu chuẩn kiểm định giả thiết
1. Kiểm định Breusch – Pagan – Godfrey
Cho mô hình hồi quy k biến
𝑦𝑖 = 𝑏1 + 𝑏2𝑋2𝑖 + 𝑏3𝑋3𝑖 + ⋯ + 𝑏𝑘𝑋𝑘𝑖 + 𝑈𝑖 (3.2.3)
Breusch – Pagan – Godfrey giả định sai số có dạng 𝑈2
𝑖 = 𝑚1 + 𝑚2𝑋2𝑖 + 𝑚3𝑋3𝑖 + ⋯ + 𝑏𝑘𝑋𝑘𝑖 + 𝑉𝑖 (3.2.4) . Kiểm đinh
H: Phương sai nhiễu của mô hình (3.2.3) không đổi
K: Phương sai nhiễu của mô hình (3.2.3) thay đổi Tương đương : H: m2=m3=....=mk=0
K: tồn tại 𝑚𝑗 ≠ 0 ; j=2,3,...k
Bước 1 : Thực hiện hồi quy ta có 𝑈̂𝑖
Bước 2 : Thực hiện hồi quy 𝑈2𝑖 = 𝑚1 + 𝑚2𝑋2𝑖 + 𝑚3𝑋3𝑖 + ⋯ + 𝑏𝑘𝑋𝑘𝑖 + 𝑉𝑖 (*) . Khi đó ta có :𝑅2𝜃2
Bước 3: Sử dụng tiêu chuẩn 𝑅2 ⁄(𝑘 − 1) 𝜃2
~𝐹 (𝑘 − 1, 𝑛 − 𝑘) (3.2.5)
(1 − 𝑅2 )⁄(𝑛 − 𝑘) 𝜃2
Đối với mẫu lớn ta dùng
LM= n* 𝑅2 ~𝑋2(𝑘 − 1) 𝜃2 (3.2.6) 2. Kiểm định Glejser
Glejser sử dụng các hàm sau : |𝑈
̂𝑡| = 𝑎 + 𝑏𝑋𝑖 + 𝑉𝑖 (3.2.7) |𝑈
̂𝑡| = 𝑎 + 𝑏√𝑋𝑖 + 𝑉𝑖 (3.2.7*) | 1 𝑈 ̂𝑡| = 𝑎 + 𝑏 + 𝑉 𝑋 𝑖 (3.2.7 (2*)) 𝑖 | 1 𝑈 ̂𝑡| = 𝑎 + 𝑏 + 𝑉𝑖 (1.2.3.7(3*)) √𝑋𝑖 3 Kiểm định White
Kiểm định này khảo sát phần dư 𝑈 ̂2
𝑖 theo các biến số độc lập
Xét mô hình: 𝑦𝑖 = 𝑏1 + 𝑏2𝑋2𝑖 + 𝑏3𝑋3𝑖 + ⋯ + 𝑏𝑘𝑋𝑘𝑖 + 𝑈𝑖
Ta thực hiện theo các bước sau đây 3
B1: Hồi quy mô hình gốc cho phần dư 𝑈 ̂𝑖
B2: Hồi quy các mô hình sau 𝑈2 2 2
𝑖 =𝑎0 + 𝑎1𝑋1𝑖 + 𝑎2𝑋2𝑖 + 𝑎3𝑋3𝑖
+ 𝑎4𝑋4𝑖 + 𝑎5𝑋3𝑖𝑋2𝑖
có hệ số phù hợp với 𝑅2 phụ
B3 :Kiểm định: Phương sai thay đổi ( H :𝛼1 = 𝛼2 = 𝛼3 = ⋯ = 𝛼𝑘 = 0)
Nếu chấp nhận H: Phương sai không đổi
Nếu bác bỏ H : Phương sai thay đổi
2.4 Cách khắc phục
Theo phương pháp bình phương nhỏ nhất tổng quát (GLS)
a) Xét mô hình hồi quy tuyến tính tổng thể : Yi=b1+b2Xi+Ui
- Giả sử ta biết hàm h(x) và phương sai của nhiễu
- Var(Ui\xi)=𝜎2ℎ(𝑋𝑖) = 𝜎2ℎ𝑖
- Biến đổi mô hình về dạng 𝑌𝑖 1 𝑋𝑖 𝑈𝑖 = 𝑏1 + 𝑏2 + √ℎ𝑖 √ℎ𝑖 √ℎ𝑖 √𝑛𝑖 Yi=b1X1i+b2X2i +Ui 𝑈𝑖 1 2 𝑉𝑎𝑟 = ( ) = ( ) √ℎ𝑖 √ℎ𝑖 2
𝑉𝑎𝑟 (𝑈𝑖) = ( 1 ) ∗ 𝜎2ℎ𝑖 = 𝜎2 với phương sai 𝑉𝑎𝑟 (𝑈𝑖/𝑋) = √ℎ𝑖
𝜎2 𝑣ớ𝑖 𝑚ọ𝑖 𝑖, 𝑋( 𝑋4𝑖, 𝑋2𝑖)
2.5 Một ví dụ minh họa
Ví dụ: Cho bảng số liệu quan sát về chi tiêu tiêu dùng Y và thu nhập trung bình hàng
tháng X của 20 hộ gia đình ở một vùng nông thôn với mô hình hồi quy tuyến tính là
Yi=a+bXi+Ui . Với mức ý nghĩa 5%, mô hình có phương sai nhiễu thay đổi hay không Thu nhập (X) Chi tiêu (Y) 22.3 19.9 4 32.3 31.2 33.6 31.8 12.1 12.1 42.3 40.7 6.2 6.1 44.7 38.6 26.1 25.5 10.3 10.3 40.2 38.8 8.1 8 34.5 33.1 38 33.5 14.1 13.1 16.4 14.8 24.1 21.6 30.1 29.3 28.3 25 18.2 17.9 20.1 19.8
Kiểm tra về phương sai thay đổi trong eview
Giải : MH hồi quy tuyến tính tổng thể : Yi=a+bXi+Ui a) Theo Breusch-Pagan-Godfrey
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic 18.24698 Prob. F(1,18) 0.0005 Obs*R-squared 10.06814 Prob. Chi-Square(1) 0.0015
Scaled explained SS 6.548518 Prob. Chi-Square(1) 0.0105 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/15/22 Time: 15:36 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C -1.308226 0.685383 -1.908752 0.0724 X 0.106075 0.024832 4.271649 0.0005 R-squared 0.503407 Mean dependent var 1.354254 Adjusted R-squared 0.475818 S.D. dependent var 1.760790 S.E. of regression
1.274819 Akaike info criterion 3.418125 5 Sum squared resid 29.25294 Schwarz criterion 3.517698 Log likelihood
-32.18125 Hannan-Quinn criter. 3.437563 F-statistic 18.24698 Durbin-Watson stat 2.013971 Prob(F-statistic) 0.000459
H: Phương sai nhiễu của MH không đổi
K: Phương sai nhiễu của MH thay đổi
Ta có P –value =0.0005<𝛼 = 5%, bác bỏ H chấp nhận K
→Với mức ý nghĩa 5% mô hình có phương sai nhiễu thay đổi
Câu 3 : Với bộ dữ liệu đã có, sinh viên thực hiện các yêu cầu sau (với mức ý nghĩa 5%)
Mô hình 1: Y =  +  X +  X + . u 1 2 2 2 3
a) Tìm các hệ số góc của mô hình hồi quy mẫu, nêu ý nghĩa kinh tế Chạy eview ta có : Dependent Variable: Y Method: Least Squares Date: 01/13/22 Time: 19:58 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X2 0.635103 0.122708 5.175745 0.0001 X3 1.117277 0.122404 9.127797 0.0000 C 32.09340 0.829501 38.69002 0.0000 R-squared 0.998792 Mean dependent var 76.05000 Adjusted R-squared 0.998650 S.D. dependent var 22.99994 S.E. of regression
0.845155 Akaike info criterion 2.638888 Sum squared resid 12.14288 Schwarz criterion 2.788248 Log likelihood
-23.38888 Hannan-Quinn criter. 2.668045 F-statistic 7027.150 Durbin-Watson stat 1.895144 Prob(F-statistic) 0.000000
Mô hình hồi quy tuyến tính mẫu : Y = 0.6351*X2 + 1.1173*X3 + 32.0934
Ý nghĩa của các hệ số góc: 6
o 𝛽1 = 32.0934 có ý nghĩa là khi mà không có phân bón hóa học và thuốc trừ sâu thì
sản lượng lúa trung bình là: 32.0934 tạ/ha
o 𝛽2 =0.6351 có ý nghĩa là khi lượng thuốc trừ sâu không đổi khi lượng phân bón tăng
thêm/giảm đi 1 kg/ha thì sản lượng lúa tăng thêm/giảm đi 0.6351 tạ/ha
o 𝛽3 =1.1173 có ý nghĩa là khi lượng phân bón hóa học không thay đổi khi lượng
thuốc trừ sâu tăng/giảm đi 1 kg/ha thì sản lượng lúa tăng thêm/giảm đi 1.1173 tạ /ha
b) Hãy giải thích ý nghĩa của hệ số xác định. Kiểm định sự phù hợp của mô hình
Ta có R-squared = 0.998792 hay 𝑅2= 0.998792
➔ Ý nghĩa : Mô hình hồi quy tuyến tính giải thích được 99.87% sự thay đổi của sản
lượng lúa quanh giá trị trung bình do phân bón hóa học và thuốc trừ sâu gây nên
còn lại là do sai số ngẫu nhiên hoặc do các yếu tố khác
Ta có kiểm định cặp giả thiết H: 𝛽2 = 𝛽3 = 0 K: 𝛽 2 2 2 + 𝛽3 >0
Ta có P- value = 0.000000 < 𝛼 = 5% = 0.05 , bác bỏ H chấp nhận K
➔ Kết luận : Với mức ý nghĩa 5%, sản lượng lúa phụ thuộc đồng thời vào lượng
phân bón hóa học và lượng thuốc trừ sâu nên mô hình hồi quy tổng thể trên là phù
hợp (các hệ số hồi quy không đồng thời bằng 0, nghĩa là 𝑅2 ≠ 0 có ý nghĩa thống kê)
c) Có thể dùng kết quả kiểm định ở câu b để kết luận rằng cả phân hóa học và
thuốc trừ sâu đều ảnh hưởng đến sản lượng lúa hay không? Vì sao?
- Không thể dùng kết quả kiểm định ở câu b để kết luận rằng cả lượng phân bón
hóa học và lượng thuốc trừ sâu đều có ảnh hưởng đến sản lượng lúa trung bình theo mô hình 1.
Bởi vì: Thông qua kết quả kiểm định của câu b: Bác bỏ H, chấp nhận K ta chỉ có
thể kết luận mô hình trên phù hợp, không chắc chắn được lượng phân bón hóa
học và lượng thuốc trừ sâu đều có ảnh hưởng đến sản lượng lúa trung bình vì có
thể xảy ra 3 trường hợp.
o Thứ nhất: Phân bón có thể tác động đến sản lượng lúa nhưng lượng thuốc trừ sâu thì không.
o Thứ 2: lượng thuốc trừ sâu có thể tác động đến sản lượng lúa nhưng lượng phân bón thì không.
o Thứ 3 đó là lượng phân bón và thuốc trừ sâu đều có ảnh hưởng đến sản lương lúa.
➔ Vì vậy dựa trên kết quả của câu b về kiểm định sự phù hợp của mô hình không
thể đi kết kết luận cả lượng phân bón và thuốc trừ sâu đều có ảnh hưởng đến sản lượng lúa trung bình.
d) Phân bón có ảnh hưởng đến sản lượng lúa hay không? Câu hỏi tương tự cho thuốc trừ sâu? Phân bón hóa học
Kiểm định cặp giả thiết 7 H: 𝛽2 = 0 K: 𝛽2 ≠ 0
Ta có P-value = 0.0001 <𝛼 = 0.05 Bác bỏ H, chấp nhận K
➔ KL: Với mức ý nghĩa 5%, lượng phân bón hóa học có ảnh hưởng đến sản lượng lúa ở mô hình 1 Thuốc trừ sâu H: 𝛽3 = 0 K: 𝛽3 ≠ 0
Ta có P-value = 0.0000 <𝛼 = 0.05 Bác bỏ H, chấp nhận K
➔ KL: Với mức ý nghĩa 5%, lượng thuốc trừ sâu có ảnh hưởng đến sản lượng lúa ở mô hình 1
e) Khi lượng phân bón hóa học và lượng thuốc trừ sâu đều tăng 1kg/ha thì sản
lượng lúa trung bình thay đổi như thế?
f) Có ý kiến cho rằng lượng phân bón hóa học và lượng thuốc trừ sâu có tác động
như nhau đối với sự thay đổi của sản lượng lúa. Hãy kiểm định ý kiến trên
Mô hình hồi quy tuyến tính mẫu : Y = 32.0934 + 0.6351*X2 + 1.1173*X3 Chạy eview ta có Wald Test: Equation: Untitled Test Statistic Value df Probability t-statistic -1.970753 17 0.0653 F-statistic 3.883867 (1, 17) 0.0653 Chi-square 3.883867 1 0.0488 Null Hypothesis: C(2)=C(3) Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(2) - C(3) -0.482174 0.244665
Restrictions are linear in coefficients.
Kiểm định cặp giả thiết H: 𝛽2 − 𝛽3 = 0 K: 𝛽2 − 𝛽3 ≠ 0
Ta có P –value = 0.0653 < 𝛼 = 0.05, chấp nhận H 8
➔ Vậy : Với mức ý nghĩa 5%, lượng phân bón hóa học và lượng thuốc trừ sâu tác
động như nhau đến sản lượng
Câu 4. Thực hiện hồi quy các mô hình sau
a) Mô hình 2: log(Y ) =  +  log(X ) +  log(X ) + . u 1 2 2 3 3 Chạy eview ta có : Dependent Variable: LOG(Y) Method: Least Squares Date: 01/13/22 Time: 23:18 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. LOG(X2) 0.126662 0.119491 1.060008 0.3040 LOG(X3) 0.314148 0.088072 3.566954 0.0024 C 2.964306 0.142244 20.83956 0.0000 R-squared 0.974715 Mean dependent var 4.283170 Adjusted R-squared 0.971741 S.D. dependent var 0.327698 S.E. of regression
0.055088 Akaike info criterion -2.822302 Sum squared resid 0.051589 Schwarz criterion -2.672942 Log likelihood
31.22302 Hannan-Quinn criter. -2.793146 F-statistic 327.6738 Durbin-Watson stat 0.294387 Prob(F-statistic) 0.000000
Mô hình hồi quy tuyến tính mẫu :
LOG(Y) = 2.9643 + 0.1267*LOG(X2) + 0.3141*LOG(X3)
b) Mô hình 3: log(Y ) =  +  X +  X + . u 1 2 2 3 3 Chạy eview ta có Dependent Variable: LOG(Y) Method: Least Squares Date: 01/13/22 Time: 23:18 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X2 0.018459 0.006562 2.813060 0.0120 X3 0.006327 0.006546 0.966541 0.3473 C 3.606971 0.044358 81.31570 0.0000 R-squared 0.982981 Mean dependent var 4.283170 Adjusted R-squared 0.980979 S.D. dependent var 0.327698 9 S.E. of regression
0.045195 Akaike info criterion -3.218191 Sum squared resid 0.034724 Schwarz criterion -3.068831 Log likelihood
35.18191 Hannan-Quinn criter. -3.189034 F-statistic 490.9547 Durbin-Watson stat 0.437575 Prob(F-statistic) 0.000000
Mô hình hồi quy tuyến tính mẫu:
LOG(Y) =3.6069 + 0.0185*X2 + 0.0063*X3
c. Nêu ý nghĩa các hệ số góc trong từng mô hình 2 và 3. Mô hình 2
o 𝛽2= 0.1267 có ý nghĩa là khi lượng phân bón tăng/giảm 1%, lượng thuốc trừ sâu
không đổi thì sản lượng trung bình tăng 12.67%
o 𝛽3= 0.3141 có ý nghĩa là khi lượng phân bón không đổi, lượng thuốc trừ sâu tăng
1% thì sản lượng tăng 31.41% • Mô hình 3
o 𝛽2=0.0185 có ý nghĩa là khi lượng thuốc trừ sâu không đổi, lượng phân bón tăng
1 kg/ha thì sản lượng trung bình tăng 1.85%
o 𝛽3= 0.0063 có ý nghĩa là khi lượng phân bón không đổi, lượng thuốc trừ sâu tăng
thêm 1kg/ha thì sản lượng trung bình tăng 0.63%
Câu 5. (1.5 điểm) Thực hiện hồi quy mô hình sau
o Mô hình 4: Y =  +  X +  X +  Z + . u 1 2 2 3 3 4
a) Xác định các hệ số góc cho mô hình 4? Nêu ý nghĩa kinh tế của chúng? Chạy eview ta có: Dependent Variable: Y Method: Least Squares Date: 01/14/22 Time: 08:32 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X2 0.759472 0.122951 6.177054 0.0000 X3 1.018975 0.118017 8.634166 0.0000 Z -1.074631 0.473966 -2.267314 0.0376 C 31.36982 0.809414 38.75622 0.0000 R-squared 0.999086 Mean dependent var 76.05000 Adjusted R-squared 0.998914 S.D. dependent var 22.99994 S.E. of regression
0.757881 Akaike info criterion 2.460276 Sum squared resid 9.190141 Schwarz criterion 2.659422 Log likelihood
-20.60276 Hannan-Quinn criter. 2.499151 F-statistic 5827.555 Durbin-Watson stat 1.666191 Prob(F-statistic) 0.000000
Phương trình hồi quy tuyến tính mẫu: 10
Y = 31.3698+0.7595*X2 + 1.0189*X3 - 1.0746*Z Ý nghĩa:
o 𝛽1=31.3698 có ý nghĩa là khi không có bón hóa học và thuốc trừ sâu thì sản
lượng trung bình là : 31.3698 tạ/ha
o 𝛽2= 0.7595 có ý nghĩa là khi lượng thuốc trừ sâu không đổi khi lượng phân bón
hóa học tăng 1 kg/ha thì sản lượng trung bình tăng 0.7959 tạ/ha
o 𝛽3=1.0189 có ý nghĩa là khi lượng phân bón hóa học không đổi, khi lượng thuốc
trừ sâu tăng 1kg/ha thì sản lượng trung bình tăng 1.0189 tạ/ha
o 𝛽4=- 1.0746 có ý nghĩa cho biết nếu lượng phân bón và lượng thuốc trừ sâu
không đổi, phương thức canh tác II sẽ cho sản lượng ít hơn phương thức canh tác I là 1.0746 tạ/ha
b) Có ý kiến cho rằng với cùng lượng phân bón hóa học và lượng thuốc trừ sâu,
thì phương thức canh tác II hiệu quả hơn phương thức canh tác I. Kiểm định
nhận định trên với mức ý nghĩa 5%?
Chạy eview ta có Dependent Variable: Y Method: Least Squares Date: 01/14/22 Time: 08:59 Sample: 1 20 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. X2 0.759472 0.122951 6.177054 0.0000 X3 1.018975 0.118017 8.634166 0.0000 Z -1.074631 0.473966 -2.267314 0.0376 C 31.36982 0.809414 38.75622 0.0000 R-squared 0.999086 Mean dependent var 76.05000 Adjusted R-squared 0.998914 S.D. dependent var 22.99994 S.E. of regression
0.757881 Akaike info criterion 2.460276 Sum squared resid 9.190141 Schwarz criterion 2.659422 Log likelihood
-20.60276 Hannan-Quinn criter. 2.499151 F-statistic 5827.555 Durbin-Watson stat 1.666191 Prob(F-statistic) 0.000000
kiểm định cặp giả thiết H: 𝛽4 ≤ 0 K: 𝛽4 > 0 Ta có : 𝑡 =- 2.267314 𝑡0.05(16)=1.746
➔ 𝑡 < 𝑡0.05(16) chấp nhận H
➔ Với mức ý nghĩa 5%, chưa có cơ sở để cho rằng phương thức canh tác II hiệu quả
hơn phương thức canh tác I 11 ÔN TẬP (Ngày 28/11/2021 thi) GIỚI THIỆU:
- Kinh tế lượng = Lý thuyết kinh tế + Thống kê toán + Số liệu thực tế
- Ứng dụng của Kinh tế lượng:
+ Ước lượng, đo lường các mối quan hệ kinh tế
+ Đối chiếu lý thuyết kinh tế với thực tế và kiểm định sự phù hợp của các lý thuyết kinh tế.
+ Dự báo các biến số kinh tế
- Cách lựa chọn mo hình tốt:
+ Xác định số biến độc lập có trong mô hình
● Từ đơn giản đến tổng quát
● Từ tổng quát đến đơn giản
+ Kiểm tra các trường hợp khuyết tật của mo hình do vi phạm các giả thiết OLS
● Kiểm tra các vấn đề: đa cộng tuyến, phương sai thay đổi, tự tương quan
● Khắc phục các trường hợp vi phạm + Chọn dạng hàm
● Dựa vào cơ sở lý thuyết kinh tế
● Dựa vào kết quả thực nghiệm, so sánh các dạng hàm khác nhau
+ Chọn mo hình dựa trên các tiêu chuẩn: R2, L, AIC, SIC.
- Có 3 loại số liệu chính trong Kinh tế lượng:
+ Số liệu thời gian: số liệu của một biến số kinh tế qua nhiều mốc thời gian
+ Số liệu chéo: số liệu của một biến số kinh tế tại một mốc thời gian
+ Số liệu hỗn hợp: số liệu của nhiều biến số kinh tế qua nhiều mốc thời gian
CHƯƠNG 1: MÔ HÌNH HỒI QUY HAI BIẾN
1. Hàm hồi quy tổng thể: Yi = β1 + β2.Xi + Ui Trong đó:
Yi: Giá trị biến phụ thuộc
Xi: Giá trị biến độc lập
β1: hệ số chặn (tung độ gốc)
β2: hệ số góc (độ dốc) Ui: sai số
2. Hàm hồi quy mẫu:
Yi = β^1 + β^2.Xi + ei = Y^i + ei
β^1: ước lượng điểm của hệ số chặn (tung độ gốc)
β^2: ước lượng điểm của hệ số góc
ei: ước lượng điểm của sai số Ui
2.1. Ước lượng các tham số của mô hình
2.2. Các giả thiết của mô hình:
Giả thiết 1: Các giá trị Xi cho trước và khong ngẫu nhiên
Giả thiết 2: Các sai số Ui là đại lượng ngẫu nhiên có giá trị trung bình bằng 0
Giả thiết 3: Các sai số Ui là đại lượng ngẫu nhiên có phương sai không thay đổi
Giả thiết 4: Khong có sự tương quan giữa các Ui
Giả thiết 5: Khong có sự tương quan giữa Ui và Xi
Khi các giả thiết này được đảm bảo thì các ước lượng tính được bằng phương
pháp OLS là các ước lượng tốt nhất và hiệu quả nhất của hàm hồi quy tổng thể
Ta nói, ước lượng OLS là ước lượng BLUE (Bêst Linêar Unbias Estimator)
3. Hệ số xác định của phương trình hồi quy:
Tổng bình phương toàn phần:
Tổng bình phương hồi quy:
Tổng bình phương phần dư:
Hệ số xác định của mo hình là R2. Xác định sự phù hợp của mô hình.
Ý nghĩa: biến độc lập giải thích được R2% của biến phụ thuộc → 0 ≤ R2 ≤ 1
Dữ liệu chéo: thường là 0,2 ≤ R2 ≤ 0,5
Dữ liệu thời gian: thường là 0,5 ≤ R2 ≤ 0,9
4. Hệ số tương quan r:
(chỉ áp dụng cho hồi quy hai biến)
- Ý nghĩa: Hệ số tương quan r thể hiện mối quan hệ tương quan giữa 2
biến bất kỳ trong mo hình. - Hệ số r càng lớn
→ 2 biến có tương quan chặt chẽ với nhau → Biến độc lập
có tác động mạnh đến biến phụ thuộc.
- Tập giá trị: -1 ≤ r ≤ 1
- Chú ý: Trong mo hình hồi quy hai biến, r2 = R2 (Dấu của r phụ thuộc vào
dấu của hệ số góc β2, dương thì mang dấu dương, âm mang dấu âm)
5. Phương sai và sai số chuẩn: 5.1. Phương sai: Phương sai mẫu:
5.2. Sai số chuẩn (độ lệch chuẩn): Se(β^1) = √❑ Se(β^2) = √❑ 6. Khoảng tin cậy: ĐTC: 95%
𝞪=5% (Mức ý nghĩa)
Khoảng tin cậy của β2
Ý nghĩa: Khi (biến độc lập) tăng 1tr đồng/năm, với ĐK các yếu tố khác không đổi,
(biến phụ thuộc) trung bình tăng lên trong khoảng (KTC β2) tr đồng/năm và đúng được 95%.
Khoảng tin cậy của β1
Ý nghĩa: Khi (biến độc lập) bằng 0, (biến phụ thuộc) chi tiêu trung bình trong
khoảng (KTC β1) tr đồng/năm và đúng được 95%.
7. Kiểm định giả thuyết về hệ số hồi quy: Đặt giả thuyết: H0: β2 = β0 H1: β2 =/ β0
Cách 1: Dùng khoảng tin cậy
Nếu β0 thuộc khoảng tin cậy thì chấp nhận giả thuyết H0.
Ý nghĩa: (Biến độc lập) tăng 1tr đồng/năm thì (biến phụ thuộc) tăng β0 đồng/năm với ĐTC 95%.
Nếu β0 khong thuộc khoảng tin cậy thì bác bỏ giả thuyết H0.
Ý nghĩa: (Biến độc lập) thật sự tác động đến (biến phụ thuộc) với ĐTC 95%.
Cách 2: Dùng kiểm định t (pp giá trị tới hạn)
Tính t0 = (β2 - β0)/Se(β2) rồi tra bảng t-Studênt → Nếu t0 < -t /2
𝛂 (n-2) hoặc t0 > t𝛂/2(n-2) thì bác bỏ giả thuyết H0 với độ tin cậy…
→ Nếu -t𝛂/2(n-2) ≤ t0 t𝛂/2(n-2) thì chấp nhận giả thuyết H0 với độ tin cậy.
Cách 3: Dùng Pvalue-t(β2)
Nếu Pvaluê ≤ alpha thì bác bỏ giả thuyết H0 với độ tin cậy… và ngược lại.
8. Kiểm định sự phù hợp của mô hình: Đặt giả thuyết:
H0: R2 = 0 (biến độc lập không giải thích gì cho biến phụ thuộc)
H1: R2 =/0 (có ít nhất 1 biến tác động biến phụ thuộc)
Tính Fc = [R2.(n-k)]/[(1-R2).(k-1)]
Tra bảng tìm F(1,n-k), mức ý nghĩa 𝞪
→ Nếu Fc > Falpha(k-1;n-k) thì bác bỏ giả thuyết H0 với độ tin cậy… và ngược lại. 9. Dự báo
9.1. Dự báo điểm:
Tính giá trị Y^i tại điểm Xi xác định với hệ số ước lượng ^ β 1 và
β^2 ta có được dự báo điểm của Yi. Nói cách khác, dự báo điểm của Yi chính là giá trị ước lượng Y^i
9.2. Dự báo giá trị trung bình của Y^i
Tính giá trị Y^i tại điểm Xi xác định với hệ số ước lượng ^ β 1 và β^2 10. Đổi đơn vị Y * * i= k1.Yi / X2 = k2.X2 / … Pt gốc: Y * * i = b1 + b2.X2
→ Pt sau khi đổi: Yi = k1.b1 + k1/k2.b2.Xi 11. Mở rộng:
11.1. Mô hình hồi quy qua gốc tọa độ:

Phương trình hồi quy tổng thể: Yi = β2.Xi + Ui Cong thức tính:
Trong mô hình hồi quy qua gốc tọa độ, không dùng R2 mà dùng R2thô, có cong thức là: 11.2. Hàm log - log:
Phương trình hồi quy tổng thể: lnYi = β1 + β2.lnXi + Ui
Đọc ý nghĩa: Khi X thay đổi 1 % thì Y thay đổi β2%. 11.3. Hàm log - lin:
Phương trình hồi quy tổng thể: lnYi = β1 + β2.Xi + Ui
Đọc ý nghĩa: Khi X thay đổi 1 đơn vị thì Y thay đổi 100β2%
Ứng dụng: NC tốc độ tăng trưởng các biến 11.4. Hàm lin - log:
Phương trình hồi quy tổng thể: Yi = β1 + β2.lnXi + Ui
Đọc ý nghĩa: Khi X thay đổi 1% thì Y thay đổi β2/100 đơn vị
Ứng dụng: NC khảo sát một số quan hệ
CHƯƠNG 2: MÔ HÌNH HỒI QUY BỘI
Khúc đầu giống với chương 1, không có gì mới
Khi hai biến độc lập thay đổi
Kiểm định quan hệ giữa các hệ số hồi quy
Biến X2 tăng a đơn vị và biến X3 tăng b đơn vị Đặt giả thuyết: H0: aβ2 + bβ3 = 0 H1: aβ2 + bβ3 =/ 0
Cách 1 - Dùng khoảng tin cậy
Tính Se(aβ2 + bβ3) = √❑
Tính khoảng tin cậy cong thức bình thường
Cách 2 - Dùng kiểm định t
Tính t0 = (aβ2 + bβ3)/Se(aβ2 + bβ3) và đi tra bảng
CHƯƠNG 3: HỒI QUY VỚI BIẾN GIẢ
Dùng biến giả để gán giá trị cho các biến định tính (có ít lựa chọn về giá trị)
1. Kiểm định cấu trúc và tính ổn định của mô hình:
Khi hồi quy một mẫu số liệu theo chuỗi thời gian, giá trị tham số hồi quy có thể
bị biến động. Nguyên nhân:
- Tác động bởi môi trường bên ngoài
- Do chính sách của Nhà nước thay đổi
- Thay đổi từ môi trường nội bộ doanh nghiệp
- Giai đoạn trước và sau hôn nhân đối với thu nhập và chi tiêu của cá nhân Đặt giả thiết: H0: Cấu trúc không đổi H1: Cấu trúc thay đổi
Cách 1 - Kiểm định Chow:
- Chạy 3 mo hình: n biến có RSSR bậc (n-k), n1 biến có RSS1 bậc (n1 - k), n2 biến có RSS2 bậc (n2 - k)
- So sánh hệ số hồi quy tương ứng:
+ Nếu chúng giống nhau thì cấu trúc không đổi
+ Nếu chúng khác nhau thì:
● Tính RSSU = RSS1 + RSS2 bậc tự do (n- 2k) ● Tính Fc:
○ Nếu Fc > Fanpha(k; n - 2k) → Bác bỏ giả thiết
○ Nếu Fc < Fanpha(k; n - 2k) → Chấp nhận giả thiết
*Với k là số tham số trong mô hình gốc (mô hình có RSSR á)*
Dấu hiệu nhận biết của kiểm định Chow là 3 cái bảng, một bảng mô hình
gốc và hai bảng còn lại có số lượng quan sát bằng một nửa.
Hạn chế của Kiểm định Chow:
- Khi có sự khác nhau giữa hai thời kỳ (hoặc somêthing likê that), chúng ta
khong b iết chúng khác nhau ở hệ số góc, hệ số chặn hay cả hai
- Số quan sát phải đủ lớn để khi chia đôi không bị quá ít quan sát
Cách 2 - Dùng biến giả:
Giả thuyết: Ho: b3=b4=0 (cấu trúc không đổi)
H1: b3^2 + b4^2 =/ 0 (cấu trúc thay đổi)
Phương trình: Yi = β1 + β2.Xi + β3.Di + β4.Di.Xi + Ui
D = 1 với bộ dữ liệu có n1 giá trị (Ví dụ: bộ dữ liệu thời kỳ 1 hoặc bộ dữ liệu của nữ,...)
D = 0 với bộ dữ liệu có n2 giá trị (Ví dụ: bộ dữ liệu thời kỳ 2 hoặc bộ dữ liệu của nam,...)
- Ước lượng mô hình hồi quy với biến giả thu được RSSU
- Ước lượng mô hình hồi quy không có biến giả (gốc) thu được giá trị RSSR - Tính FC:
+ Nếu Fc > Fanpha(k; n - 2k ) → Bác bỏ giả thiết
+ Nếu Fc < Fanpha(k; n - 2k) → Chấp nhận giả thiết
*Với k là số tham số trong mô hình gốc (mô hình có RSSR á)*
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mô hình gốc và một bảng có số tham số gấp đôi.
2. Ý nghĩa của hệ số hồi quy gắn với biến giả:
Giả sử biến phụ thuộc là tiền lương
2.1. Mô hình bình thường:
Phương trình: Yi = β1 + β2.Xi + β3.Di + Ui (Di là biến giả 1:nam,0:nữ)
Đọc ý nghĩa β3: β3 là sự chênh lệch tiền lương giữa nhân viên nam và nhân viên nữ
2.2. Mô hình log - lin:
Phương trình: lnYi = β1 + β2.Xi + β3.Di + Ui Đọc ý nghĩa β3:
+ (eß3 -1) là phần trăm chênh lệch tiền lương giữa nhân viên nam và nhân
viên nữ (so với lương nữ)
+ eß1 là mức lương khởi điểm của nhân viên nữ
+ eß1 + ß3 là mức lương khởi điểm của nhân viên nam
2.3. Mô hình lin - log:
Phương trình: Yi = β1 + β2.lnXi + β3.Di + Ui Đọc ý nghĩa β3:
+ β1 là mức lương khởi điểm của nhân viên nữ
+ β3 là mức chênh lệch tiền lương giữa hai nhân viên nam và nữ
+ β1 + β3 là mức lương khởi điểm của nhân viên nam
CHƯƠNG 4: ĐA CỘNG TUYẾN 1. Khái niệm:
“Đa cộng tuyến ”là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn
nhau và thể hiện được dưới dạng hàm số
- Đa cộng tuyến hoàn hảo: là hiện tượng các biến độc lập quan hệ với nhau
theo dạng a2.X2 + a3.X3 +. .+ ak.Xk = 0. Trường hợp đa cộng tuyến hoàn hảo
thì không thể ước lượng được các hệ số trong mô hình mà chỉ có thể ước
lượng được một tổ hợp tuyến tính của các hệ số đó. r=1
- Đa cộng tuyến không hoàn hảo: là hiện tượng các biến độc lập quan hệ với
nhau theo dạng a2.X2 + a3.X3 +. .+ ak.Xk + V = 0. Vẫn có thể ước lượng mô
hình HQ, hệ số của mô hình nhưng có tồn tại những hậu quả của đa cộng
tuyến không hoàn hảo. 02. Nguyên nhân đa cộng tuyến
- Do phương pháp thu thập dữ liệu:
+ Các giá trị của các biến độc lập phụ thuộc lẫn nhau trong mẫu,
nhưng không phụ thuộc lẫn nhau trong tổng thể
+ Các biến độc lập được chọn có quan hệ nhân quả hay có mối quan
hệ tương quan cao vì cùng phụ thuộc vào một điều kiện khác - Kích cỡ mẫu quá nhỏ - Sai dạng mo hình
- Các biến độc lập quan sát theo dữ liệu thời gian
3. Hậu quả của đa cộng tuyến
- Phương sai của các ước lượng thêo OLS lớn
- Sai số chuẩn của các hệ số hồi quy sẽ lớn. Do đó:
+ Khoảng tin cậy lớn và việc kiểm định ít có ý nghĩa.
+ Giả thiết H0 luôn dễ dàng được chấp nhận - Tỷ số t nhỏ
→ Tăng khả năng chấp nhận giả thiết
- Các ước lượng và sai số chuẩn của ước lượng rất nhạy cảm với sự thay đổi
của dữ liệu. Chỉ cần một sự thay đổi nhỏ trong mẫu dữ liệu sẽ kéo theo sự
thay đổi lớn các hệ số ước lượng
- Dấu của các ước lượng của các hệ số hồi quy có thể sai
- Thêm vào hay bớt đi các biến cộng tuyến với các biến khác, mô hình sẽ
thay đổi về dấu hoặc thay đổi về độ lớn của các ước lượng
4. Nhận biết đa cộng tuyến: Có 4 cách cơ bản để nhận biết đa cộng tuyến
4.1. Hệ số xác định R2 cao (>90%) và t thấp (<2)
4.2. Hệ số tương quan giữa hai biến độc lập cao (>0,8)
4.3. Thực hiện hồi quy phụ giữa các biến độc lập

- Chọn 1 biến độc lập làm biến phụ thuộc và kiểm định R2 mô hình
+ Nếu mo hình phù hợp (R2=/0) → Mô hình gốc có hiện tượng đa cộng tuyến
+ Nếu mo hình khong phù hợp (R2 =0) → Mô hình gốc không có hiện tượng đa cộng tuyến.
4.4. Sử dụng hệ số phóng đại phương sai của 1 mô hình hồi quy phụ
- VIF = 1/1-R2 (với R2 là hệ số xác định của mô hình hồi quy phụ).
Nếu VIF >10 thì xảy ra đa cộng tuyến (càng lớn thì cộng tuyến càng cao)
5. Khắc phục đa cộng tuyến
5.1. Bỏ qua đa cộng tuyến:
Chúng ta có thể bỏ qua đa cộng tuyến nếu như
- Các biến bị đa cộng tuyến vẫn đúng dấu và có ý nghĩa thống kê.
- Mô hình chỉ dùng để dự báo chứ không dùng để kiểm định
5.2. Thu thập thêm số liệu hoặc lấy thêm mẫu mới: để làm mẫu lớn hơn
5.3. Sử dụng thông tin tiền nghiệm: ví dụ như phương trình đặc trưng của năng
suất lao động theo quy mô
5.4. Sử dụng sai phân cấp 1
Dấu hiệu là một cái bảng có các biến độc lập là d. ở phía trước
5.5. Bỏ biến bị đa cộng tuyến: nếu như biến đó mất ý nghĩa thống kê
Dấu hiệu là một cái bảng thiếu mất biến bị đa cộng tuyến
CHƯƠNG 5: PHƯƠNG SAI THAY ĐỔI
1. Bản chất phương sai thay đổi:
1.1. Khái niệm PSSS thay đổi

- Là hiện tượng mà sai số của các giá trị ước lượng thay đổi
1.2. Lý do phương sai sai số thay đổi -
Do bản chất của mối quan hệ kinh tế: các mối quan hệ qua thời gian biểu
hiện khác nhau nên sai số khác nhau. Ví dụ mối quan hệ giữa thu nhập và
tiết kiệm thì thu nhập cao thì kỳ vọng tiết kiệm nhiều nhưng thực ra họ tiết kiệm ít. -
Do hành vi của con người trong các hoạt động ngày càng hoàn thiện: ngày
càng hoàn thiện thì sai số càng giảm xuống -
Sai số tính toán có xu hướng giảm xuống, kéo theo phương sai giảm: do
công nghệ tính toán ngày càng chính xác (điện toán đám mây các thứ) -
Phương sai thay đổi đôi khi do ta xác định sai dạng mô hình
2. Hậu quả của phương sai thay đổi
- Các ước lượng OLS của các HSHQ vẫn là ước lượng khong chệch
- Các ước lượng OLS khong còn là ước lượng tốt nhất
- Các kết luận về kiểm định không còn giá trị vì mất độ tin cậy.
3. Nhận biết phương sai thay đổi: (nếu dùng stata thì chắc cô chỉ dùng White hoặc BP thôi)
3.1. Kiểm định Park

- Ước lượng mo hình hồi quy gốc, lấy phần dư RESID (êi)
- Ước lượng mo hình với ln(RESID2) với từng biến độc lập lne 2i = β1 + β2.lnXi + vi - Kiểm định β2
+ Nếu β2 =/ 0 thì có hiện tượng phương sai thay đổi
+ Nếu β2 = 0 thì không có hiện tượng phương sai thay đổi
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mo hình gốc và một bảng có biến
phụ thuộc là ln(residual^2) và những thứ tương tự như z
*Hạn chế của kiểm định Park:
- Sai số êi phụ thuộc vào sai số vi. Nếu sai số vi bị phương sai thay đổi thì
những kiểm định xem như vô nghĩa.
- Mỗi lần chỉ kiểm định được 1 biến độc lập
3.2. Kiểm định Glejser
- Ước lượng mo hình hồi quy gốc, lấy phần dư RESID (êi)
- Ước lượng mô hình với ABS(RESID) với từng biến độc lập theo 6 mô hình. - Kiểm định β2
+ Nếu β2 =/ 0 thì có hiện tượng phương sai thay đổi
+ Nếu β2 = 0 thì không có hiện tượng phương sai thay đổi
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mo hình gốc và một bảng có biến
phụ thuộc là abs(residual) và những thứ tương tự như z
*Hạn chế của kiểm định Glejser
- Sai số êi phụ thuộc vào sai số vi. Nếu sai số vi bị phương sai thay đổi thì
những kiểm định xem như vô nghĩa.
- Mỗi lần chỉ kiểm định được 1 biến độc lập
- Hai mo hình cuối khong phải mo hình tuyến tính
- Bốn mô hình cuối đều có điều kiện toán học để Xi xác định.
3.3. Kiểm định White
- Ước lượng mo hình gốc lấy phần dư RESID (êi)
- Ước lượng mo hình hồi quy với biến phụ thuộc ê 2 2
i và biến độc lập là Xi,Xi , và Xi.Xj.
- Đặt giả thiết: H0: Phương sai không thay đổi H1: Phương sai thay đổi - Kiểm định
Cách 1: So sánh LM=n.R2 với giá trị Chi-squarêa(k) tra bảng. (với k là số
tham số trong mô hình hồi quy phụ không tính hệ số tự do).
Nếu n.R2 > Chi -squarea(k) thì bác bỏ H0 → Phương sai thay đổi
Cách 2: So sánh Prob Chi-squarê với giá trị alpha, bé hơn alpha thì bác bỏ
H0 và mô hình có phương sai thay đổi.
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mo hình gốc.
- TH1: Một bảng có biến phụ thuộc là residual^2 và những thứ tương tự
như z, list biến độc lập dài đăng đẳng.
- TH2: Một bảng có chữ là “White’s test for H0”
3.4. Kiểm định G-Q: ít xài lắm, nào rảnh thì học
3.5. Kiểm định BP:
- Ước lượng mo hình gốc lấy phần dư RESID (êi)
- Ước lượng mo hình hồi quy với biến phụ thuộc ê 2i và các biến độc lập
- Đặt giả thiết: H0: Phương sai không thay đổi H1: Phương sai thay đổi - Kiểm định
Cách 1: So sánh LM=n.R2 với giá trị Chi-squarêa (k) tra bảng. (với k là số
tham số trong mô hình hồi quy phụ không tính hệ số tự do).
Nếu n.R2 >
Chi -squarea (k) thì bác bỏ H0 → Phương sai thay đổi
Cách 2: So sánh Prob Chi-squarê với giá trị alpha, bé hơn alpha thì bác bỏ
H0 và mô hình có phương sai thay đổi.
Cách 3: Tính F0 = [R2.(n-k)]/[(k-1).(1-R2)]. So sánh F0 với F(k-1;n-k) (với k là
số tham số trong mô hình hồi quy phụ).
Nếu F0 > F(k-1;n-k) thì bác bỏ H0
và mô hình có phương sai thay đổi.
Dấu hiệu nhận biết là sẽ có 2 bảng, 1 bảng là mo hình gốc
- TH1: Một bảng có biến phụ thuộc là residual^2 và những thứ tương tự
như z, các biến độc lập bình thường.
- TH2: Một bảng có chữ Brêusch - Pagan
4. Khắc phục phương sai sai số thay đổi
4.1. Xem xét vấn đề thiếu biến hoặc chọn sai hàm
4.2. Sử dụng phép biến đổi logarit

Dấu hiệu nhận biết là sẽ có một bảng với các biến toàn là ln
4.3. Sử dụng trọng số
Chia 2 vế mo hình cho Xi, căn(Xi), Yi^, e
Dấu hiệu nhận biết chưa biết nên chưa ghi
4.4. Ước lượng lại sai số chuẩn:
Dấu hiệu nhận biết là hai bảng có chung biến phụ thuộc và biến độc lập những khác nhau sai số chuẩn Se
CHƯƠNG 6: TỰ TƯƠNG QUAN
1. Bản chất và nguyên nhân của tự tương quan
1.1. Khái niệm
: Là hiện tượng thường xảy ra với dữ liệu thời gian khi giá trị của
năm t + 1 phụ thuộc vào giá trị ở năm t.
- Ví dụ về tự tương quan bậc 1: Xi = q.Xi-1 + vi
+ q > 0: mo hình có tự tương quan bậc 1 dương
+ q < 0: mo hình có tự tương quan bậc 1 âm
+ q = 0: mo hình khong có tự tương quan bậc 1
- Tự tương quan bậc p (nghĩa là giá trị một năm được biểu diễn bới p năm
trước nó): Xi = q1.Xi-1 + q2.Xi-2 +. . + qp.Xi-p + vi.
1.2. Nguyên nhân - Nguyên nhân khách quan:
+ Chuỗi có tính chất quán tính theo thời gian: chuỗi tăng hoặc giảm
dần qua các năm do một lý do nào đó
+ Hiện tượng mạng nhện: biến phụ thuộc của năm nay phụ thuộc vào
giá trị của biến độc lập năm trước đó. Ví dụ: nghiên cứu ảnh hưởng
của giá gạo đến cung gạo. Tuy nhiên cái cung gạo năm nay cũng
phụ thuộc vào giá gạo năm trước.
+ Dữ liệu có tính chất trễ: biến phụ thuộc năm nay phụ thuộc vào
biến phụ thuộc năm trước. Tức là cùng một biến độc lập tác động
nhưng giá trị của biến phụ thuộc sẽ cao nếu năm trước nó cao sẽ
thấp nếu năm trước nó thấp. Ví dụ: tiêu dùng kỳ này phụ thuộc vào
thu nhập kỳ này và cả tiêu dùng kỳ trước. - Nguyên nhân chủ quan: + Chọn sai dạng mo hình
+ Đưa thiếu biến vào mô hình
+ Thói quen xử lý số liệu. Ví dụ: có thu nhập cả năm muốn tìm một quý thì đem chia 4.
2. Hậu quả của tự tương quan:
Nếu vẫn áp dụng OLS khi mo hình có hiện tượng tự tương quan thì sẽ có các hậu quả sau:
- Các ước lượng khong chệch nhưng khong còn là các ước lượng hiệu quả
- Phương sai của các ước lượng là các ước lượng chệch vì vậy các kiểm định
t và F không còn hiệu quả.
- Có khả năng ước lượng quá cao R2
- Các dự báo về Y khong chính xác
3. Kiểm định hiện tượng tự tương quan
3.1. Kiểm định tự tương quan bậc 1:
- Kiểm định t:
+ Ước lượng mo hình gốc và lấy phần dư êi
+ Biểu diễn phần dư êi theo ei-1: ei = q.ei-1 + vi
+ Kiểm định hệ số q bằng thống kê t hoặc Prob-t (giống các bài trên)
- Sử dụng hệ số Durbin Watson
+ Ước lượng mo hình gốc lấy phần dư
+ Có được số Durbin Watson
+ Tra bảng dL và dU mức ý nghĩa 5%, bậc k (số tham số trong mô hình
không tính hệ số chặn), n là số quan sát Có ttq Ko kết Không Ko kết Có ttq dương luận có ttq luận âm 0 dL dU 4 - dU 4 - dL 4
3.2. Kiểm định tự tương quan bậc p: sử dụng kiểm định B-G hoặc dùng Durbin watson. 3.3. Dùng trên STATA. Đặt giả thuyết
H0: Mo hình khong có hiện tượng tự tương quan
H1: Mo hình có hiện tượng tự tương quan
- Dùng hệ số Durbin watson:
+ Dùng câu lệnh êstat dwatson → hệ số Durbin watson
+ Kiểm định bằng cách tra bảng như bình thường
- Dùng phương pháp kiểm định BG:
- Dùng Prob>Chi2 sau mỗi bậc để so sánh với mức ý nghĩa alpha.
4. Khắc phục tự tương quan:
4.1. Khắc phục tự tương quan bằng hồi quy OLS

Dấu hiệu nhận biết là một cái bảng như bình thường nhưng có hai cái dòng
Durbin-Watson ở phía dưới
4.2. Khắc phục tự tương quan bằng phần dư
Dấu hiệu nhận biết là một cái bảng như bình thường nhưng có hai cái dòng
Durbin-Watson ở phía dưới
4.3. Khắc phục tự tương quan bằng Durbin Watson
Dấu hiệu nhận biết là một cái bảng như bình thường nhưng có hai cái dòng
Durbin-Watson ở phía dưới
CHƯƠNG 7: CHỌN MÔ HÌNH VÀ KIỂM ĐỊNH VIỆC CHỌN MÔ HÌNH
1. Các thuộc tính lựa chọn một mô hình tốt - Đơn giản - Tính đồng nhất - Tính thích hợp (R2)
- Tính bền vững về mặt lý thuyết - Khả năng dự báo cao
2. Cách lựa chọn mô hình tốt
- Bước 1: Xác định số biến độc lập có trong mô hình
+ Từ đơn giản đến tổng quát
+ Từ tổng quát đến đơn giản
- Bước 2: Kiểm tra các trường hợp khuyết tật của mo hình do vi phạm các giả thiết OLS
+ Kiểm tra các vấn đề: đa cộng tuyến, phương sai thay đổi, tự tương quan
+ Khắc phục các trường hợp vi phạm
- Bước 3: Chọn dạng hàm
+ Dựa vào cơ sở lý thuyết kinh tế
+ Dựa vào kết quả thực nghiệm, so sánh các dạng hàm khác nhau
- Bước 4: Dựa vào các chỉ tiêu như R2, R2hc, giá trị L, tiêu chuẩn AIC, SIC
3. Các sai lầm khi chọn mô hình
3.1. Bỏ sót biến thích hợp

*Hậu quả của việc bỏ sót biến
- Các ước lượng thu được là ước lượng chệch của các tham số trong mô hình đúng.
- Các ước lượng thu được không phải là ước lượng vững.
- “Phương sai của các ước lượng trong mô hình sai” lớn hơn “phương sai trong mô hình đúng”.
- Khoảng tin cậy rộng, các kiểm định không còn tin cậy nữa
3.2. Đưa những biến không thích hợp vào mô hình
*Hậu quả của việc đưa các biến không thích hợp vào mô hình
- Các ước lượng thu được từ mô hình sai là không hiệu quả vì:
+ Phương sai của các ước lượng trong mo hình sai lớn hơn trong mo hình.
+ Khoảng tin cậy rộng, các kiểm định không còn tin cậy nữa
3.3. Lựa chọn sai dạng mô hình
*Hậu quả của việc lựa chọn sai dạng mo hình
- Ước lượng chệch các hệ số hồi quy, thậm chí có thể dẫn đến dấu của các
hệ số hồi quy có thể sai.
- Có thể có rất ít hệ số hồi quy có ý nghĩa thống kê.
- R2 biểu hiện cho mức độ phù hợp của mô hình hồi quy có thể không cao.
- Phần dư của các quan sát có thể lớn xét về giá trị tuyệt đối và biểu thị sự
biến thiên có tính chất hệ thống
4. Phương pháp phát hiện những sai lầm:
4.1. Kiểm định biến bị bỏ sót (có số liệu)

- Cách 1: Kiểm định hệ số của biến xem bằng 0 hay khác 0 (khoảng tin cậy, kiểm định t, P Value) - Cách 2: Kiểm định Wald
+ Xét mo hình U có tất cả các biến hiện có (k biến)
+ Bỏ bớt m biến được phương trình R
+ Tính Fc = [(RSSR - RSSU)/m]/[RSSU/(n-k)]
+ So sánh với Falpha(m;n-k) nếu lớn hơn thì thiếu biến còn nhỏ hơn thì khong thiếu biến.
- Cách 3: Sử dụng R2 và R2 hiệu chỉnh
+ So sánh độ hiệu quả của 2 mô hình cùng số biến thì sử dụng R2
+ So sánh độ hiệu quả của 2 mô hình khác số biến thì sử dụng R2hc. CÂU LỆNH CHO STATA Xóa dữ liệu clear Xuất bảng hồi quy
reg [biến phụ thuộc] [biến độc lập]
Xuất bảng hồi quy có điều kiện
reg [biến phụ thuộc] [biến độc lập] if _n<11 (tức là lấy 10 quan sát)
Tính khoảng tin cậy 90% từ bảng
reg [biến phụ thuộc] [biến độc lập], level(90) hồi quy có sẵn
Kiểm định hệ số hồi quy
test [biến độc lập] = beta0 Tạo biến
gên [tên biến] = Cong thức
Chạy hàm hồi quy không có tung
reg [biến phụ thuộc] [biến độc lập], noconstant độ Tính Cov estat vce Tính hệ số tương quan
corr (tên các biến, khong quan trọng thứ tự)
Chạy sai phân cấp 1 với dữ liệu thời reg d.[tên biến phụ thuộc] d.[tên biến độc lập] gian Chạy kiểm định White
imtêst, whitê (sau khi chạy hồi quy mo hình gốc) Chạy kiểm định BP
êstat hêttêst (sau khi chạy hồi quy mo hình gốc)
Ước lượng vững của ma trận hiệp
reg [tên biến phụ thuộc] [tên biến độc lập], robust
phương sai (khắc phục PSSS) Tạo biến lấy phần dư
predict [tên biến tự đặt], residuals Chạy mo hình trọng số
reg [tên biến phụ thuộc] [tên biến độc lập
[aweight=1/[tên biến chọn làm trọng số]
Xác định dữ liệu thời gian
tssêt [tên biến thời gian] Tính giá trị durbin watson estat dwatson
Kiểm định P Value của Chi2 để kết estat durbinalt
luận tự tương quan bậc 1
Kiểm tra tự tương quan bậc p estat bgodfrey, lags(1/p)
Khắc phục tự tương quan bằng GLS prais [tên biến phụ thuộc] [tên biến độc lập], options
Khắc phục tự tương quan bằng hồi prais [tên biến phụ thuộc] [tên biến độc lập], quy OLS rhotype(regress)
Khắc phục tự tương quan bằng prais [tên biến phụ thuộc] [tên biến độc lập], rhotype(tscorr) phần dư
Khắc phục tự tương quan bằng prais [tên biến phụ thuộc] [tên biến độc lập], Durbin Watson rhotype(dw)
Ma trận ước lượng hiệp phương sai newey [tên biến phụ thuộc] [tên biến độc lập], lag(p) bậc p