(Tiểu luận FTU) phân tích và xây dựng mô hình tiền gửi sổ tiết kiệm và nhu cầu tiêu thụ thịt lợn bình quân của mỹ

LÝ THUYẾT

Giả thuyết cho rằng chúng ta đã được Tổng thống thuê để giải quyết các vấn đề tiết kiệm và cho vay khủng hoảng Biến phụ thuộc (QDPASS) đại diện cho tổng số tiền gửi trong tài khoản sổ tiết kiệm tại các Hiệp hội Tiết kiệm và Cho vay (S&Ls) ở Mỹ trong một quý nào đó Biến này phụ thuộc vào các yếu tố như thu nhập hàng quý (QYDUS), thu nhập cố định (QYPERM), lãi suất trên tài khoản sổ tiết kiệm (QRDPASS), lãi suất trên ba tháng tín phiếu kho bạc (QRTB3Y), lạm phát kỳ vọng (EXPINF) và số lượng chi nhánh S&L hoạt động tại Mỹ (BRANCH) Một biến giả (MMCDUM) bằng không trước khi hợp pháp hóa năm 1978 liên quan đến giấy chứng nhận thị trường tiền tệ thanh toán Thêm vào đó, biến SPREAD = QRDPASS - QRTB3Y thể hiện mối quan hệ giữa hai biến lãi suất và cũng được coi là một biến độc lập.

Ta có phương trình hồi quy tổng quát:

QDPASSi = + QYDUSi + QYPERMi + QRTB3Yi + EXPINFi +

.BRANCHi + β7 MMCDUMi+ β8.QRDPASSi + β9.SPREADi + ui ( Mô hình

QDPASSt đại diện cho cổ phiếu tổng hợp từ các khoản tiền gửi trong tài khoản sổ tiết kiệm tại các tổ chức S & Ls ở Mỹ trong quý t, với giá trị hàng triệu đô la danh nghĩa Trong khi đó, thu nhập QYDUSt cũng được tính cho Mỹ trong cùng quý t, với mức hàng triệu đô la danh nghĩa.

QYPERMt là chỉ số thu nhập cố định trong quý t, được tính bằng hàng triệu đô la danh nghĩa Biến này được hình thành bằng cách lấy trung bình trọng số của thu nhập trong bốn quý trước, giúp phản ánh sự biến động của thu nhập một cách chính xác hơn.

QRDPASSt là tỷ lệ trung bình trở lại (tính theo phần trăm) trên tài khoản sổ tiết kiệm trong S&Ls trong quý Lợi nhuận kỳ vọng cao hơn cho thấy khả năng thu hút tốt hơn để tiết kiệm, đồng thời cổ phiếu có xu hướng cao hơn so với tiền gửi tổ chức, điều này thể hiện dấu hiệu tích cực cho thị trường.

QRTB3Yt là lãi suất ba tháng của tín phiếu kho bạc trong quý t, được xem như chất lỏng của sổ chi Tín phiếu kho bạc là sự thay thế cho sổ chi, dẫn đến lợi nhuận thấp trong hóa đơn nhưng bảo vệ cao hơn so với sổ tiết kiệm, cho thấy dấu hiệu tiêu cực SPREADt được tính bằng chênh lệch giữa QRDPASSt và QRTB3Yt.

MMCDUMt là một biến giả bằng không trước năm 1978, phản ánh việc hợp pháp hóa quý thứ ba của thị trường tiền tệ và chứng chỉ tương đương Biến này thể hiện ảnh hưởng của việc hợp pháp hóa đối với tổng số tiền gửi, với dự kiến sẽ tạo ra tác động tích cực bằng cách khuyến khích người dân tiết kiệm thông qua chứng nhận tiền gửi (COD), từ đó tạo ra dấu hiệu tích cực cho nền kinh tế.

EXPINFt là tỷ lệ phần trăm dự kiến lạm phát trong quý t, tương đương với tỷ lệ lạm phát của quý trước Khi kỳ vọng lạm phát tăng cao, người tiêu dùng có xu hướng tiêu thụ nhiều hơn trong hiện tại thay vì trì hoãn, điều này cho thấy dấu hiệu tiêu cực trong nền kinh tế.

BRANCHt là số lượng chi nhánh S & L hoạt động tại Mỹ trong quý t, cho thấy sự tăng trưởng cao hơn so với ngành Điều này cho thấy khả năng tiếp cận tốt hơn để phục vụ nhu cầu tiền gửi, mang lại dấu hiệu tích cực cho thị trường.

MÔ TẢ DỮ LIỆU

Biến phụ thuộc

QDPASS là cổ phiếu tổng hợp đại diện cho các khoản tiền gửi tại các tài khoản sổ tiết kiệm trong các tổ chức S&L ở Mỹ, với giá trị lên tới hàng triệu đô la danh nghĩa trong quý t.

Cổ phiếu của các khoản tiền gửi có xu hướng tăng theo thời gian, nhưng lại giảm mạnh ngay sau đó, tuy nhiên vẫn duy trì ở mức cao hơn so với mức ban đầu.

Giai đoạn nghiên cứu cho thấy rằng khủng hoảng kinh tế đã dẫn đến lạm phát gia tăng và đồng tiền mất giá Điều này khiến người dân có xu hướng tiết kiệm nhiều hơn Tuy nhiên, khi khủng hoảng kinh tế được khắc phục, xu hướng tiết kiệm giảm dần và được thay thế bằng sự gia tăng tiêu dùng.

2.1 QYDUS - Thu nhập của Mỹ trong quý t (triệu đô la danh nghĩa).

Thu nhập của người dân Mỹ đang có xu hướng gia tăng theo thời gian, phản ánh sự phát triển kinh tế mạnh mẽ của đất nước này Mỹ được coi là một trong những nền kinh tế hàng đầu thế giới, điều này góp phần vào sự cải thiện mức sống và thu nhập của người dân.

Trình độ năng lực của người Mỹ rất cao, đưa nước này trở thành quốc gia dẫn đầu về kinh tế và khoa học kỹ thuật trong những năm 80 Sự phát triển này đã có tác động tích cực đến thu nhập của người dân Mỹ.

2.2 QYPERM – thu nhập cố định của Mỹ trong quý (triệu đô la danh nghĩa).

Biến Pyperm cho thấy rằng thu nhập của Mỹ đang có xu hướng tăng dần theo thời gian, điều này dẫn đến việc tiết kiệm cũng gia tăng Đây là một dấu hiệu tích cực cho nền kinh tế.

2.3 BRANCH – số lượng các chi nhánh S và L hoạt động tại Mỹ trong quý t.

Số lượng các chi nhánh S và L hoạt động tại Mỹ trong quý II có xu hướng tăng lên theo thời gian, thể hiện dấu hiệu tích cực Sự gia tăng này cho thấy một cách tiếp cận tốt hơn để phục vụ nhu cầu tiền gửi của người dân.

2.4 QRT3Y – Lãi suất trong 3 tháng của tín phiếu kho bạc trong quý t.

Lãi suất tín phiếu kho bạc có sự biến động phức tạp theo thời gian, với giai đoạn đầu giảm mạnh, sau đó tăng trở lại nhưng cũng có những lúc giảm bất thường Nhìn chung, lãi suất tín phiếu kho bạc có xu hướng tăng, cho thấy dấu hiệu tích cực Đồng thời, kỳ vọng lạm phát dự kiến trong quý tới cũng đang được chú ý.

Kỳ vọng lạm phát dự kiến đang tăng cao, điều này phản ánh những lo ngại về giá trị giảm trong tương lai Do đó, người tiêu dùng có xu hướng tiêu thụ nhiều hơn trong thời điểm hiện tại thay vì trì hoãn, dẫn đến dấu hiệu tiêu cực trong nền kinh tế.

2.6 QRDPASS: tỷ lệ hoàn vốn trên tài khoản số tiết kiệm trong S và Ls trong quý t.

Tỷ lệ hoàn vốn luôn luôn cố định trong một thời gian và sau đó mới tăng lên.

Lợi nhuận kỳ vọng cao hơn cho thấy khả năng thu hút đầu tư tốt hơn, từ đó khuyến khích việc tiết kiệm cổ phiếu nhiều hơn so với tiền gửi tổ chức, điều này được coi là dấu hiệu tích cực cho thị trường.

KẾT QUẢ HỒI QUY VÀ Ý NGHĨA CỦA CÁC HỆ SỐ

Nhóm đã sử dụng phần mềm Stata để thực hiện mô hình và áp dụng phương pháp OLS nhằm ước lượng mối quan hệ giữa biến phụ thuộc là tổng số tiền gửi trong tài khoản sổ tiết kiệm QDPASS với các biến giải thích đã đề cập trước đó, từ đó thu được kết quả cụ thể.

 1 = 213076.1: Biến phụ thuộc đạt được 213076.1triệu $ số tiền trong tài khoản tiết kiệm khi giá trị các biến giải thích đều bằng 0.

Với điều kiện các yếu tố khác không đổi, Mỹ duy trì thu nhập ổn định, tỷ lệ trung bình không thay đổi, lãi suất ba tháng trái phiếu kho bạc không biến động, tỷ lệ phần trăm dự kiến lạm phát giữ nguyên, và số lượng chi nhánh S.

& L hoạt động tại Mỹ không đổi, nếu số tiền tiết kiệm trong tài khoản tăng 1triệu $ thì thu nhập của Mỹ trong quý t tăng 152.6241triệu $.

Với điều kiện các yếu tố khác không đổi, thu nhập của Mỹ giữ nguyên, tỷ lệ trung bình trở lại không thay đổi, lãi suất ba tháng tín phiếu kho bạc ổn định, tỷ lệ phần trăm dự kiến lạm phát không biến động, và số lượng chi nhánh S cũng không thay đổi, kết quả thu được là 3 = -125.3747.

& L hoạt động tại Mỹ không đổi, , nếu số tiền tiết kiệm trong tài khoản tăng 1$ thì cố định thu nhập của Mỹ trong quý t giảm 125.3747 triệu $

Khi các yếu tố khác không thay đổi, bao gồm thu nhập của Mỹ, tỷ lệ trung bình trở lại, lãi suất ba tháng của tín phiếu kho bạc và tỷ lệ phần trăm dự kiến lạm phát, việc tăng một chi nhánh của S&Ls sẽ dẫn đến sự gia tăng 3.65 triệu đô la trong QDPASSt.

Khi các yếu tố khác giữ nguyên, bao gồm thu nhập và tỷ lệ phần trăm dự kiến lạm phát, nếu lãi suất ba tháng tín phiếu kho bạc tăng 1% trong quý t, thì QDPASSt sẽ tăng 38,201.1 triệu USD.

Khi các yếu tố khác không thay đổi, bao gồm thu nhập của Mỹ, tỷ lệ trung bình trở lại, lãi suất ba tháng tín phiếu kho bạc và số lượng chi nhánh S & L hoạt động, nếu lạm phát kỳ vọng trong quý tới tăng 1%, điều này sẽ ảnh hưởng đến nền kinh tế và các quyết định đầu tư.

Khi các yếu tố khác không đổi, bao gồm thu nhập của Mỹ, tỷ lệ trung bình trở lại, lạm phát kỳ vọng và lãi suất ba tháng của trái phiếu kho bạc, số lượng chi nhánh S&L hoạt động tại Mỹ cũng không thay đổi Trong bối cảnh hợp pháp hóa thị trường tiền tệ, lượng tiền gửi vào các S&L sẽ giảm 20,390.83 triệu đô la so với thời điểm chưa hợp pháp hóa.

Khi các yếu tố khác không thay đổi, bao gồm thu nhập và tỷ lệ lãi suất của Mỹ, nếu S&Ls và kho bạc tăng 1%, thì lượng tiền gửi vào S&Ls sẽ giảm 36,326.8 triệu đô la.

KIỂM ĐỊNH MÔ HÌNH

Kiểm định hệ số hồi quy

Đặt giả thiết thống kê: { H H 0 1 : : β β i i =0 ≠ 0 ; (i= 0,8 )

Se ( ^ β i ) Dựa vào bảng hồi quy: β 1 : P-value = 0.040 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 1 ≠0

⇒ β 1 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 2 : P-value = 0.127 > 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để không bác bỏ giả thuyết H 0, tức là 2 = 0

⇒ β 2 không có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 3 : P-value = 0.005 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 3 ≠ 0

⇒ β 3 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 4 : P-value = 0.005 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 4 ≠ 0

⇒ β 4 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 5 : P-value = 0.642 > 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để không bác bỏ giả thuyết H 0, tức là 5 = 0

⇒ β 5 không có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 6 : P-value = 0.000 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 6 ≠ 0

⇒ β 6 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 7 : : P-value = 0.008 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 7 ≠ 0

⇒ β 7 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 9 : P-value = 0.001 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 9 ≠ 0

⇒ β 9 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5%

Kiểm định sự phù hợp của mô hình

Cặp giả thuyết thống kê : { H H 0 1 : : R R 2 2 =0 ≠ 0

Theo bảng hồi quy ta thấy P-value = 0.0000 < 𝛼 = 0.05 nên với mức ý nghĩa

𝛼 = 5% ta có cơ sở thống kê để bác bỏ H0, nghĩa là R 2 ≠ 0 ⇒ Mô hình hồi quy phù hợp và có ý nghĩa.

KIỂM ĐỊNH KHUYẾT TẬT MÔ HÌNH

Đa cộng tuyến

Một trong những giả thuyết của OLS bị vi phạm là "Không tồn tại đa cộng tuyến hoàn hảo giữa các biến độc lập", dẫn đến mô hình gặp khuyết tật đa cộng tuyến Khi có đa cộng tuyến hoàn hảo, việc ước lượng mô hình trở nên không khả thi, trong khi với đa cộng tuyến không hoàn hảo, OLS không còn giữ được tính chất BLUE (không phải là tốt nhất) Để kiểm tra khuyết tật đa cộng tuyến, có thể dựa vào những dấu hiệu cụ thể.

1.1 R2 cao và thống kê t thấp thì có đa cộng tuyến.

Kết quả phân tích cho thấy hệ số R² đạt 0.9614, cho thấy mối liên hệ giữa các biến là khá mạnh Tuy nhiên, thống kê t của các biến lại thấp, với t(qyperm) = -1.57, t(qrtb3y) = -3.01 và t(expinf) = 0.47, điều này chỉ ra sự tồn tại của đa cộng tuyến trong mô hình.

1.2.Thừa số tăng phương sai (VIF >10) thì có đa cộng tuyến.

Nhận thấy VIF lớn hơn 10 rất nhiều, chứng tỏ có đa cộng tuyết rất mạnh.

Kết luận: Mô hình có hiện tượng đa cộng tuyến.

Phương sai sai số thay đổi

Khi giả thuyết thứ ba của OLS bị vi phạm, tức là "các nhiễu phải có phương sai thuần nhất", ước lượng OLS sẽ không còn tính chất BLUE và trở nên bị chệch Điều này dẫn đến các dự báo không hiệu quả, đồng thời việc sử dụng thống kê T và F để kiểm định cũng không còn chính xác.

Kiểm định cặp giả thuyết

{ Ho : Phươ ng sai sai số không đổi , var ( u i ) = σ 2

H 1 :Ph ươ ng sai sai s ố thay đổi, var ( u i ) =σ 2

Ta thấy P-value = 0,1723 > 0.05 nên với mức ý nghĩa 5% chấp nhận H0: Không có hiện tượng phương sai sai số thay đổi.

2.2 Kiểm định Breusch – Pagan – Godfrey.

Nhìn vào p-value > chi2 = 0.8734 >0.05 nên với mức ý nghĩa 5% ta chấp nhận

H0: Không có hiện tượng phương sai sai số thay đổi.

Kết luận: Mô hình không có phương sai sai số thay đổi.

Kiểm định tự tương quan

Durbin-Watson d-statistic( 7, 40) = 0.51449 có tự tương quan dương bậc 1

Ta tiếp tục xét xem mô hình có tự tương quan bậc 2 hay không.

Nhìn vào bảng trên ta thấy P-value = 0,0000 < 0.05 Do đó ta bác bỏ H0 , chấp nhận H1

Tức là mô hình có tự tương quan bậc 2.

Kết luận: Mô hình có tự tương quan bậc 1 và bậc 2.

SỬA LỖI MÔ HÌNH

Ý nghĩa thống kê của các hệ số hồi quy

Với mức ý nghĩa α = 0.05, chúng ta có thể so sánh giá trị P-value của các biến để đánh giá tính ý nghĩa thống kê của chúng.

Tất cả các hệ số đều có ý nghĩa thống kê.

2 Kiểm định khuyết tật cho mô hình

Ta lần lượt kiểm định các khuyết tật sau cho mô hình tiền gửi tiết kiệm mới:

 Phương sai sai số thay đổi

 Mô hình thiếu biến

Mô hình mới được khắc phục từ khuyết tật tự tương quan và đã được kiểm định lại, do đó không còn mắc phải vấn đề tự tương quan.

Sử dụng lệnh VIF trên Stata để kiểm tra xem mô hình có mắc phải đa cộng tuyến hay không, ta thu được kết quả:

Ta thấy, VIF = 3.24 < 10, vậy mô hình mới không mắc đa cộng tuyến.

2.2 Phương sai sai số thay đổi Để kiểm định xem mô hình mới có bị mắc khuyết tật phương sai sai số thay đổi hay không,ta sử dụng kiểm định Breush – Pagan – Godfrey kiểm định cặp giả thiết

{ H 0 : Phương sai sai số không đổi

H 1 : Phương sai sai số thay đổi

Sử dụng lệnh hettest trong Stata để kiểm tra sự biến đổi của phương sai sai số trong mô hình, chúng ta thu được kết quả đáng chú ý.

Ta thấy (Prob > chi2) = 0,1709 > α=0,05, vậy ta chấp nhận H0, tức là phương sai sai số của mô hình mới không đổi.

Kết luận từ mô hình phân tích cho thấy giá thịt lợn được xác định bởi các yếu tố như sản lượng tiêu thụ, giá thịt lợn trong quá khứ, và một số yếu tố khác như chi phí sản xuất Cụ thể, mô hình được biểu diễn qua công thức: lnqdpass1 = 6.305024 + 0.9382996*lnqydus1 – 1.707557*lnqrdpass1 – 0.0973036*lnqrtb3y1 – 0.1459885*mmcdum Việc hiểu rõ những nhân tố này sẽ giúp xây dựng một mô hình giá thịt lợn hiệu quả hơn.

Giả thuyết được đưa ra là số lượng thịt lợn tiêu thụ( kg/ người/ năm) là conpk ở

Trong một quý nào đó, giá trị của các yếu tố như giá thịt lợn (pripk), giá thịt bò (pribf), thu nhập bình quân đầu người (ydusp) và log thu nhập bình quân đầu người (lydusp) sẽ ảnh hưởng đến tình hình kinh tế tại Mỹ Cụ thể, giá thịt lợn được tính bằng đô la trên 100 bảng Anh, trong khi giá thịt bò được tính bằng đô la trên bảng Anh Số bảng Anh thu được từ thịt lợn sẽ được tính theo tỷ lệ bảng.

Mô hình hồi quy tổng thể sử dụng các biến giả để phân tích dữ liệu theo quý Cụ thể, biến d1 được gán giá trị 1 nếu quan sát thuộc quý 1 và 0 nếu thuộc quý khác Tương tự, biến d2 có giá trị 1 cho quý 2 và 0 cho các quý khác, trong khi biến d3 có giá trị 1 cho quý 3 và 0 cho các quý khác.

Mô hình nghiên cứu được xây dựng như sau: Conpk = 1 + 2* pripk + 3 * pribf + 4 * ydusp + 5 * lydusp + 6 * propk + 7 * d1 + 8 * d2 + 9 * d3 + ui Trong đó, pripk là giá một cân thịt lợn, cho thấy rằng khi giá thịt lợn tăng, lượng tiêu thụ sẽ giảm do quy luật cầu Điều này dự đoán hệ số của giá thịt lợn sẽ mang dấu âm Ngược lại, pribf là giá một cân thịt bò, được coi là hàng hóa thay thế cho thịt lợn; do đó, khi giá thịt bò tăng, lượng tiêu thụ thịt lợn sẽ tăng, dẫn đến hệ số của giá thịt bò mang dấu dương Cuối cùng, ydusp đại diện cho thu nhập bình quân đầu người, yếu tố quyết định khả năng chi tiêu của người tiêu dùng.

Thịt lợn là hàng hóa thiết yếu, và khi thu nhập bình quân đầu người tăng, người tiêu dùng có xu hướng chi tiêu nhiều hơn cho thịt lợn, dẫn đến sự gia tăng trong lượng tiêu thụ Hệ số của thu nhập bình quân đầu người có dấu dương, cho thấy mối quan hệ tích cực giữa thu nhập và tiêu dùng thịt lợn Phân tích log thu nhập cho thấy khi log thu nhập tăng, lượng tiêu dùng thịt lợn cũng tăng theo, và ngược lại, khi thu nhập giảm, tiêu dùng thịt lợn sẽ giảm Do đó, hệ số log thu nhập cũng mang dấu dương Số bảng Anh thu được từ thịt lợn thường tỷ lệ thuận với số lượng tiêu thụ, cho thấy rằng doanh thu từ việc mua bán thịt lợn càng cao thì lượng tiêu thụ càng lớn.

Dự đoán hệ số của số bảng Anh từ thịt lợn có dấu dương cho thấy rằng các biến giả d1, d2 và d3 đều có khả năng xảy ra Theo nhóm dự đoán, cả ba biến giả này đều có hệ số dương, cho thấy mối liên hệ tích cực trong phân tích.

II MÔ TẢ DỮ LIỆU

Dữ liệu thu thập từ mỗi biến giải thích bao gồm 40 quan sát, được ghi nhận theo chuỗi thời gian với khoảng cách là 1 Bài viết này sẽ mô tả chi tiết các số liệu thu thập được của các biến giải thích tại từng thời điểm.

Biến phụ thuộc: Nhu cầu thịt lợn bình quân đầu người của Mĩ (CONPK)

Nhu cầu tiêu thụ thịt lợn bình quân đầu người ở Mỹ có sự biến động theo từng thời điểm nghiên cứu, nhưng nhìn chung, sự biến động này không lớn Thịt lợn được xem là hàng hóa bình thường và thực phẩm hàng ngày tại Mỹ, do đó, nhu cầu về nó không có sự tăng giảm đột ngột hay xu hướng rõ rệt nào Sự tiêu thụ thịt lợn phụ thuộc chủ yếu vào thị hiếu và sở thích của người tiêu dùng.

Biến độc lập

Giá 1 cân thịt lợn (PRIPK):

Giá thịt lợn đang có xu hướng tăng nhẹ theo thời gian, điều này có thể được giải thích bởi các yếu tố như lạm phát, dịch bệnh, hoặc sự gia tăng nhu cầu thịt lợn trong giai đoạn nghiên cứu.

Giá 1 cân thịt bò (PRIBF)

Giá thịt bò đang có xu hướng tăng theo thời gian, điều này có thể được giải thích bởi thịt bò được coi là hàng hóa cao cấp hơn so với thịt lợn Mức sống của người dân ngày càng nâng cao cùng với nhu cầu tiêu thụ thịt bò tăng mạnh đã dẫn đến sự gia tăng giá cả của loại thịt này, rõ rệt hơn so với giá thịt lợn.

Thu nhập bình quân đầu người ở Mĩ (YDUSP)

Thu nhập bình quân đầu người có xu hướng tăng mạnh theo thời gian

S ố bảng Anh thu được từ thịt lợn (PROPK)

Sự biến động của số bảng Anh từ thịt lợn có xu hướng tương tự với nhu cầu thịt lợn Khi doanh thu từ việc mua bán thịt lợn tăng, điều này cho thấy lượng tiêu thụ thịt lợn cũng gia tăng.

L og của thu nhập bình quân đầu người (LYDUSP)

Thu nhập bình quân đầu người ở Mỹ đang có xu hướng tăng mạnh Các log thu nhập cho thấy diễn biến rõ rệt của tình hình thu nhập này Xu hướng biến động này phản ánh sự thay đổi trong thu nhập bình quân đầu người, cho thấy sự cải thiện trong mức sống của người dân.

Các biến d1, d2, d3 lần lượt là biến giả.

D1 sẽ bằng 1 nếu nằm trong quý đầu tiên của năm, ngược lại sẽ bằng 0 D2 sẽ bằng 1 nếu nằm trong quý thứ hai của năm, nếu không sẽ bằng 0 D3 sẽ bằng 1 nếu nằm trong quý thứ ba của năm, và sẽ bằng 0 nếu không.

III KẾT QUẢ HỒI QUY VÀ Ý NGHĨA CỦA CÁC HỆ SỐ:

Nhóm đã sử dụng phần mềm Stata để chạy mô hình và áp dụng phương pháp OLS nhằm ước lượng mối tương quan giữa biến phụ thuộc lượng thịt lợn tiêu thụ conpk với các biến giải thích đã đề cập trước đó, từ đó thu được kết quả.

 1 = 5.775183: Biến phụ thuộc lượng tiêu thụ thịt lợn là 5.775183 ( kg ) khi giá trị các biến giải thích đều bằng 0.

Khi các yếu tố khác giữ nguyên, nếu giá thịt lợn tăng 1$, lượng tiêu thụ thịt lợn sẽ giảm 0.0157941 kg Điều này xảy ra trong bối cảnh giá một cân thịt bò, thu nhập bình quân đầu người và log của thu nhập bình quân đầu người không thay đổi Số bảng Anh thu được từ thịt lợn cũng không biến động, cùng với các biến giả d1, d2, d3 của quý không đổi.

Khi các yếu tố khác không thay đổi, nếu giá thịt bò tăng 1 đô la, thì lượng tiêu thụ thịt lợn sẽ tăng lên 0.0065043 kg Điều này xảy ra trong bối cảnh giá một cân thịt lợn, thu nhập bình quân đầu người và log của thu nhập bình quân đầu người không thay đổi.

Khi các yếu tố khác không thay đổi, nếu giá một cân thịt lợn và thịt bò giữ nguyên, cùng với thu nhập bình quân đầu người không đổi, thì khi số bảng Anh tăng 1$, lượng tiêu thụ thịt lợn sẽ tăng thêm 3.222712 kg.

Khi các yếu tố khác được giữ nguyên, bao gồm giá thịt lợn và thịt bò không thay đổi, log thu nhập bình quân đầu người không đổi, và số bảng Anh thu được từ thịt lợn không thay đổi, nếu thu nhập bình quân đầu người tăng thêm 1$, thì lượng tiêu thụ thịt lợn sẽ tăng lên 0.1943371kg.

Nếu các yếu tố khác không thay đổi, như giá thịt lợn và thịt bò, cũng như thu nhập bình quân đầu người, thì khi thu nhập bình quân đầu người tăng 1%, lượng tiêu thụ thịt lợn sẽ giảm 1.360428 kg.

Nếu các yếu tố khác giữ nguyên, khi biến giả d1 xảy ra, lượng tiêu thụ thịt lợn sẽ tăng 0.0293882 kg, trong khi giá thịt lợn và thịt bò, thu nhập bình quân đầu người, log thu nhập bình quân đầu người, và số bảng Anh thu được từ thịt lợn đều không thay đổi.

Nếu các yếu tố khác giữ nguyên, như giá thịt lợn và thịt bò không thay đổi, cùng với thu nhập bình quân đầu người ổn định, thì khi biến giả d2 xảy ra, lượng tiêu thụ thịt lợn sẽ giảm 0.3149048 kg.

Khi các yếu tố khác không thay đổi, như giá thịt lợn và thịt bò, thu nhập bình quân đầu người, và số bảng Anh thu được từ thịt lợn, nếu biến giả d3 xảy ra, lượng tiêu thụ thịt lợn sẽ tăng thêm 0.062236 kg.

IV KIỂM ĐỊNH MÔ HÌNH:

1 Kiểm định hệ số hồi quy: Đặt giả thiết thống kê: { H H 0 1 : : β β i i =0 ≠ 0 ; (i= 0,9 )

Se ( ^ β i ) Dựa vào bảng hồi quy: β 1 : P-value = 0.000 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 1 ≠0

⇒ β 1 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 2 : P-value = 0.004 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0 , tức là 2 ≠ 0

⇒ β 2 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 3 : P-value = 0.028 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 3 ≠ 0

⇒ β 3 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 4 : P-value = 0.000 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 4 ≠ 0

⇒ β 4 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 5 : P-value = 0.140 > 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để không bác bỏ giả thuyết H 0, tức là 5 = 0

⇒ β 5 không có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 6 : P-value = 0.232 > 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để không bác bỏ giả thuyết H 0 , tức là 6 = 0

⇒ β 6 không có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 7 : P-value = 0.767 > 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để không bác bỏ giả thuyết H 0, tức là 7 = 0

⇒ β 7 không có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 8 : P-value = 0.014 < 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để bác bỏ giả thuyết H 0, tức là 8 ≠ 0

⇒ β 8 có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5% β 9 : P-value = 0.656 > 𝛼 = 0.05 → với mức ý nghĩa 𝛼 = 5%, ta có cơ sở thống kê để không bác bỏ giả thuyết H 0, tức là 9 = 0

⇒ β 9 không có ý nghĩa thống kê ở mức ý nghĩa 𝛼 = 5%

2 Kiểm định sự phù hợp của mô hình:

Cặp giả thuyết thống kê : { H H 0 1 : : R R 2 2 =0 ≠ 0

Theo bảng hồi quy ta thấy P-value = 0.0000 < 𝛼 = 0.05 nên với mức ý nghĩa

𝛼 = 5% ta có cơ sở thống kê để bác bỏ H0, nghĩa là R 2 ≠ 0 ⇒ Mô hình hồi quy phù hợp và có ý nghĩa.

V KIỂM ĐỊNH KHUYẾT TẬT MÔ HÌNH

Một trong những giả thuyết quan trọng của phương pháp OLS là không có đa cộng tuyến hoàn hảo giữa các biến độc lập Nếu giả định này bị vi phạm, mô hình sẽ gặp phải vấn đề đa cộng tuyến, dẫn đến việc không thể ước lượng chính xác Trong trường hợp đa cộng tuyến không hoàn hảo, phương pháp OLS sẽ không đạt được tính chất BLUE, tức là không phải là ước lượng tốt nhất.

Kiểm tra khuyết tật đa cộng tuyến

Hồi quy biến giải thích PRIPK theo các biến giải thích còn lại rồi sử dụng nhân tử phóng đại phương sai ta có: vif

Variable | VIF 1/VIF -+ - lydusp | 119.54 0.008366 ydusp | 95.89 0.010428 pribf | 8.39 0.119247 propk | 3.48 0.287279 d3 | 2.42 0.413998 d2 | 1.86 0.537890 d1 | 1.74 0.573130 -+ - Mean VIF | 33.33

Phát hiện phân phối không chuẩn

Kiểm định Jarque-Bera: JB= n 6 ¿

Ho : e~N H1 : e không phân phối chuẩn predict conpk_hat (option xb assumed; fitted values)

gen e1= conpk- conpk_hat sum e1, detail e1

Theo bảng kết quả, ta có K=3,54 và S=-0,35 Điều này dẫn đến JB=1,303, nhỏ hơn giá trị tới hạn 3,84 tại mức ý nghĩa 0,05 Do đó, không có cơ sở để bác bỏ giả thuyết Ho, nghĩa là không có chứng cứ cho thấy mô hình vi phạm giả định phân phối chuẩn của nhiễu.

Phương sai sai số thay đổi là một trong những khuyết tật của mô hình, dẫn đến việc Var(bi) không còn nhỏ nhất, gây ra sự không hiệu quả và làm cho ước lượng không đạt tiêu chuẩn BLUE.

Phát hiện phương sai sai số thay đổi

Kiểm định Whites imtest, preserve white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(37) = 39.43 Prob > chi2 = 0.3618Cameron & Trivedi's decomposition of IM-test

Nhận thấy: P-value=0,3618> 0,05 nên không có cơ sở để bác bỏ Ho tức là không có cơ sở nói Phương sai sai số thay đổi.

Tự tương quan

Tự tương quan bậc nhất:

dwstat Durbin-Watson d-statistic( 9, 40) = 1.592906 d L =1,008 và d u = 2,072

Nhận xét: d L chi2

Prob > chi2=0,0015 chi2 = 0.0042 < 0.05 => mô hình vẫn có tương quan bậc 2.

Khắc phục đa cộng tuyến

Theo bảng mô tả tương quan giữa các biến, tương quan giữa 2 biến lydusp và ydusp là rất cao, bằng 1 Nghi ngờ 2 biến này đa cộng tuyến.

Chạy mô hình hồi quy không có biến ydusp ta được:

Chạy mô hình hồi quy không có biến lydusp ta được:

Nhận thấy R 2 của mô hình hồi quy không có biến lydusp bằng 0.9918 lớn hơn

R 2 của mô hình hồi quy không có biến ydusp => nên bỏ biến ydusp.

Mô hình mới: Conpk = 1 + 2* pripk + 3 * pribf + 5 * lydusp + 6 * propk + 7 * d1 + 8 * d2+ 9 * d3 + ui ( mô hình 3)

Ta kiểm định đa cộng tuyến của mô hình mới:

VIF = 9.50 < 10 => mô hình không còn đa cộng tuyến.

Bỏ biến ydusp, lydusp, d1, d3

Khi nhận thấy hệ số của các biến trong bảng hồi quy không có ý nghĩa thống kê, chúng ta có lý do để nghi ngờ về sự thừa các biến này Do đó, việc kiểm định thừa biến là cần thiết để xác định tính hợp lệ của mô hình.

- Cặp giả thuyết thống kê:

Mô hình có ràng buộc: Conpk = 1 + 2* pripk + 3 * pribf + 6 * propk + 8

Chạy mô hình không có ràng buộc (UR), ta được: R UR 2 = 0.9922( theo bảng hồi quy ban đầu)

Chạy mô hình có ràng buộc (R), ta được: R 2 R = 0.9913

- Miền bác bỏ: Fqs = R UR

1− R UR 2 x n− m k > F (m,n−k) α , trong đó: m là số biến loại khỏi mô hình (n-k) là số bậc tự do của mô hình ban đầu

( 1−0.9922 ) 4 = 0.8942 < F (m,n−k) α = F (4,31) 0.05 2.69 suy ra ta có cơ sở thống kê để chấp nhận H0, tức là nên bỏ 4 biến ydusp, lydusp, d1, d3.

Mô hình mới: Conpk = 1 + 2* pripk + 3 * pribf + 6 * propk + 8 * d2+ ui ( mô hình 4)

Các hệ số của các biến độc lập đều có ý nghĩa thống kê vì p-value =0 F = 0 000 => mô hình phù hợp.

- Tiến hành kiểm định đa cộng tuyến:

VIF = 4.28 mô hình không có đa cộng tuyến.

- Tiến hành kiểm định phương sai sai số thay đổi:

Prob > chi2 = 0.4210 > 0.05 nên mô hình không có PSSSTĐ.

- Tiến hành kiểm định tự tương quan:

+ Tự tương quan bậc 1: estat dwatson Durbin-Watson d-statistic( 5, 40) = 1.516754 d l < d < d u nên không có kết luận có tự tương quan.

Prob > chi2 = 0.0011 < 0.05 nên mô hình vẫn có tự tương quan bậc 2.

* Tiến hành khắc phục tự tương quan bậc 2 cho mô hình 4:

- Biến đổi dữ liệu: Xt1= Xt – Xt-1

Chạy mô hình hồi quy mới với biến phụ thuộc Yt1 và biến giải thích Xt1:

Ta có mô hình mới: Conpk1 = 1 + 2* pripk1 + 3 * pribf1 + 6 * propk1 + 8 * d21 + ui ( mô hình 5 )

Prob > chi2 = 0.0059 < 0.05 nên mô hình vẫn còn tự tương quan bậc 2.

- Tiếp tục biến đổi dữ liệu: Xt2= Xt – Xt-2

Chạy mô hình hồi quy mới với biến phụ thuộc Yt2 và biến giải thích Xt2:

Ta có mô hình mới: Conpk2 = 1 + 2* pripk2 + 3 * pribf2 + 6 * propk2 + 8 * d22 + ui ( mô hình 6 )

Prob > chi2 = 0.0005 < 0.05 => mô hình vẫn còn tự tương quan bậc 2.