Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa như thế nào

Luận văn : Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa như thế nào

BỘ TÀI CHÍNH HỌC VIỆN TÀI CHÍNH

Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và tốc độ tăng luân chuyểnhàng hóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa nhưthế nào.

II.Các biến kinh tế sử dụng:

Y: Tốc độ tăng luân chuyển hàng hóa

X2: Tốc độ tăng luân chuyển hàng hóa bằng đường sắtX3:Tốc độ tăng luân chuyển hàng hóa bằng đường biển

III Bộ số liệu:

TỐC ĐỘ TĂNG LUÂN CHUYỂN HÀNG HÓA BẰNG ĐƯỜNG SẮT,ĐƯỜNG BIỂN, VÀ TỐC ĐỘ TĂNG LUÂN CHUYỂN HÀNG HÓA CỦA VIỆTNAM GIAI ĐOẠN 1994-2009.

Đơn vị tính:%Chỉ tiêu

IV.Mô hình kinh tế lượng :

1.Cơ sở lý thuyết và thực tế:

Hội nhập kinh tế quốc tế của các nền kinh tế chuyển đổi là quá trình thực

hiện tự do hóa thương mại và thực hiện cải cách toàn diện theo hướng mở cửa thịtrường.Việt Nam cũng không nằm ngoài vòng xoáy đó.Trong những năm gần đây,chúng ta đã phát huy được những lợi thế so sánh, học hỏi kinh nghiệm nước bạnvề mọi mặt.Chính vì thế mà GDP đã tăng lên đáng kể, hàng hóa trong nước đượcsản xuất ngày một nhiểu , hàng hóa ngoại nhập ngày một đa dạng hơn với giá cảhợp lí, chất lượng tốt , tốc độ luân chuyển ngày một cao Đặc biệt là thông qua hệthống đường sắt và đường biển , hàng hóa được lưu thông một cách dễ dàng hơnrất nhiểu Hiểu được tầm quan trọng cuả vấn đề này nên nhóm em đã chọn nghiêncứu đề tài:

Tốc độ tăng luân chuyển hàng hóa bằng đường sắt và luân chuyển hànghóa bằng đường biển ảnh hưởng đến tốc độ tăng luân chuyển hàng hóa nhưthế nào.

Trên cơ sở đó ta có mô hình hồi quy tổng thể như sau: (PRM) : Yi =β β1 + β2X2i + β3X3i +Ui

Trong đó :Ui : là các sai số ngẫu nhiên Như vậy , mô hình hồi quy mẫu có dạng:

(SRM) : Yi =β ˆ1 + ˆ2X2i ˆ3X3i ei

Trong đó: Yi: giá trị quan sát thứ i

ˆ1,ˆ2,ˆ3: các ước lượng điểm của β1,β2,β3 ei: ước lượng điểm của Ui.

V.Ước lượng mô hình hồi quy:

Với số liệu từ mẫu trên, sử dụng phần mềm EVIEW để ước lượng, ta thuđược kết quả sau:

Báo cáo 1:

Dependent Variable: YMethod: Least SquaresDate: 05/11/10 Time: 20:07Sample: 1994 2009

Included observations: 16

VariableCoefficientStd Errort-StatisticProb.

R-squared0.974076 Mean dependent var11.95625Adjusted R-squared0.970088 S.D dependent var6.940794S.E of regression1.200416 Akaike info criterion3.370574Sum squared resid18.73298 Schwarz criterion3.515435Log likelihood-23.96459 F-statistic244.2356Durbin-Watson stat1.297614 Prob(F-statistic)0.000000

Từ kết quả báo cáo 1 ta có: ˆ1 =β 2.425730 ˆ2 =β 0.094998 ˆ3 =β 0.642106

Và hàm hồi quy mô tả mối quan hệ giữa các biến kinh tế như sau: Yi =β2.425730+ 0.094998X2i + 0.642106X3i +ei (1)

*Nhận xét:

- Theo lý thuyết kinh tế, khi tốc độ tăng luân chuyển hàng hóa bằng đườngsắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển tăng thì tốc độ tăng luânchuyển hàng hóa của Việt Nam cũng tăng lên

Vậy ˆ2 =β 0.094998>0 , ˆ3 =β 0.642106> 0 là phù hợp với lý thuyết kinh tế

Còn ˆ1 =β 2.425730> 0 cho biết ngoài tốc độ tăng luân chuyển hàng hóa bằngđường sắt và đường biển, thì tốc độ tăng luân chuyển hàng hóa còn phụ thuộc vàocác biến số kinh tế khác.

- R2 =β 0.974076 cho biết 97.4076% sự biến động của tốc độ tăng luânchuyển hàng hóa của VIỆT NAM (Y) là do tốc độ tăng luân chuyển hàng hóabằng đường sắt (X2) và tốc độ tăng luân chuyển hàng hóa bằng đường biển (X3)trong mô hình gây ra.

VI.Kết quả kiểm định:

1.Kiểm định sự phù hợp của mô hình hồi quy (1):

Từ báo cáo 1, ta có : Fqs =β 244.2356

Với mức ý nghĩa α =β 0.05, tra bảng ta có : (2,13)05.0

F =β 3.81 Ta thấy, Fqs =β 244.2356> (2,13)

F =β 3.81  Fqs thuộc miền bác bỏ H0 nên bác bỏgiả thuyết H0, chấp nhận đối thuyết H1.

Kêt luận : với mức ý nghĩa α =β 0.05, ta có thể cho rằng mô hình hồi qui (1) là phùhợp.

2 Kiểm định mô hình (1) chứa biến không phù hợp :

2.1 Kiểm định sự phù hợp của biến X2 trong mô hình (1):

Theo kết quả của báo cáo 1 ta có :tqs2 =β 4.478185

Với mức ý nghĩa α =β 0.05, tra bảng ta có : t(13)025.

0 =β 2.16Ta thấy tqs2 =β 4.478185> t(13)

0 =β 2.16  tqs2 thuộc miền bác bỏ Wα nên bác bỏgiả thuyết H0, chấp nhận đối thuyết H1.

Kết luận : với mức ý nghĩa α =β 0.05 ta có thể cho rằng biến X2 trong môhình là biến thích hợp.

2.2 Kiểm định sự phù hợp của biến X3 trong mô hình (1):

Theo kết quả của báo cáo 1 ta có :

tqs3 =β 22.09327

Với mức ý nghĩa α =β 0.05, tra bảng ta có : t(13)025.

0 =β 2.16Ta thấy tqs3 =β 22.09327> t(13)

0 =β 2.16  tqs3 thuộc miền bác bỏ Wα nên bác bỏgiả thuyết H0, chấp nhận đối thuyết H1.

Kết luận : với mức ý nghĩa α =β 0.05 ta có thể cho rằng biến X3 trong mô hình làbiến thích hợp.

5.Kiểm định đa cộng tuyến:

Để phát hiện mô hình có đa cộng tuyến hay không, ta sử dụng phương pháphồi qui phụ.

Sử dụng phần mềm Eview : hồi qui X2 theo X3 ta thu được kết quả sau:

Báo cáo 2:

Dependent Variable: X2Method: Least SquaresDate: 05/11/10 Time: 20:33Sample: 1994 2009

Từ kết quả thu được ta có : R2 =β 0.030978

Dựa vào kết quả báo cáo 3, ta cóFq/s =β 0.447553

Và F(1,14)05.

0 =β 4.67

Ta thấy Fq/s =β 0.447553< (1,14)05.0

F =β 4.67  Fq/s không thuộc miền bác bỏ Wα

nên chưa có cơ sở để bác bỏ giả thuyết H0

Kết luận: bằng phương pháp hồi qui phụ, với mức ý nghĩa 0.05 ta có thể

cho rằng, mô hình (1) không có hiện tượng đa cộng tuyến.

6.Kiểm định phương sai sai số ngẫu nhiên thay đổi

.Kiểm định phương sai sai số ngẫu nhiên thay đổi bằng kiểm định WHITE

Hồi quy mô hình ban đầu (1) ta thu được ei, từ đó tìm được ei2rồi hồi qui mô hình

e2i =β α1 + α2 X2i + α3 X3i + α4 X2

2i + α5 X2

3i + Vi (2)Sử dụng phần mềm Eview hồi qui mô hình (2) ta thu được kết quả sau :

Báo cáo 3:

White Heteroskedasticity Test:

F-statistic0.147214 Probability0.960431Obs*R-squared0.812995 Probability0.936697

Test Equation:

Dependent Variable: RESID^2Method: Least SquaresDate: 05/11/10 Time: 21:04Sample: 1994 2009

Included observations: 16

VariableCoefficientStd Errort-StatisticProb.

X20.0122770.0927380.1323840.8971X2^2-0.0002050.002645-0.0775910.9395X30.0436840.1332630.3278030.7492X3^2-0.0014920.003221-0.4631120.6523R-squared0.050812 Mean dependent var1.170811Adjusted R-squared-0.294347 S.D dependent var1.911509S.E of regression2.174712 Akaike info criterion4.641976Sum squared resid52.02310 Schwarz criterion4.883410Log likelihood-32.13581 F-statistic0.147214Durbin-Watson stat1.429011 Prob(F-statistic)0.960431Từ kết quả báo cáo (3) ta có

/ s

q =β nR2

w=β 160.050812=β 0.812995χ(4)

0 =β 9.4877ta thấy : χ2

/ s

q =β 0.812995< χ(4)05.

0 =β 9.4877  : χ2

/ s

q không thuộc miền bác bỏWα nên chưa có cơ sở để bác bỏ giả thuyết H0.

Kết luận : với mức ý nghĩa α =β 0.05, ta có thể cho rằng mô hình (1) không

có hiện tượng phương sai sai số ngẫu nhiên thay đổi.

7.Kiểm định tự tương quan:

7.1 Kiểm định tự tương quan bằng kiểm định Durbin-Watson

Với kích thước n =β16, k’ =β k – 1 =β 2, α =β 0.05

Tra bảng ta có dL =β 0.982; dU =β 1.539  4- dL =β 3.018 ; 4 – dU =β 2.461

Theo báo cáo (1) ta có : dq/s =β 1.297614 dL < dq/s < dU vậy, chưa có kết luận vềtự tương quan trong mô hình (1).

7.2.Kiểm định tự tương quan bằng kiểm định Breusch-Godfey (BG)

Hồi qui mô hình (1) ta thu được et từ đó ta có et-1, et-2 sau đó hồi qui môhình sau :

Test Equation:

Dependent Variable: RESIDMethod: Least SquaresDate: 05/11/10 Time: 21:19

Presample missing value lagged residuals set to zero.

VariableCoefficientStd Errort-StatisticProb.X2-0.0020920.024341-0.0859500.9331X30.0036090.0336700.1071880.9166C-0.0233080.668856-0.0348470.9728RESID(-1)0.1473630.3200680.4604130.6542RESID(-2)0.0734970.3283810.2238150.8270R-squared0.027784 Mean dependent var-4.15E-16Adjusted R-squared-0.325749 S.D dependent var1.117527S.E of regression1.286733 Akaike info criterion3.592397Sum squared resid18.21250 Schwarz criterion3.833831Log likelihood-23.73917 F-statistic0.078590Durbin-Watson stat1.586326 Prob(F-statistic)0.987310

Với n =β16, p =β 2, R2 =β 0.027784 (thu được từ báo cáo 4) ta có:χ2

/ s

q =β (16 – 2 ) 0.027784=β 0.388976

tra bảng ta có χ2(2)05.

0 =β 5.9915so sánh : χ2

/ s

q =β 0.388976< χ2(2)05.

0 =β 5.9915  χ2

/ s

q không thuộc miền bácbỏ Wα nên chưa có cơ sở để bác bỏ H0

Kết luận : với mức ý nghĩa α =β 0.05, có thể cho rằng mô hình không có

hiện tượng tự tương quan bậc 2.

3 Kiểm định chỉ định dạng hàm:

Giả sử mô hình đúng có dạng sau:

Yi =β β1 + β2X2i + β3X3i + Ui (4)Hồi quy (4) ta thu được Yˆ từ đó ta có Yˆ2, Yˆ3.

Ta tiến hành hồi qui mô hình có dạng:

Test Equation:

Dependent Variable: YMethod: Least SquaresDate: 05/11/10 Time: 21:54Sample: 1994 2009

Included observations: 16

VariableCoefficientStd Errort-StatisticProb.X20.0901730.0256203.5196120.0048X30.6347850.1188055.3430670.0002

FITTED^20.0054030.0196370.2751470.7883FITTED^3-0.0001670.000483-0.3458510.7360R-squared0.974562 Mean dependent var11.95625Adjusted R-squared0.965312 S.D dependent var6.940794S.E of regression1.292696 Akaike info criterion3.601644Sum squared resid18.38170 Schwarz criterion3.843078Log likelihood-23.81315 F-statistic105.3577Durbin-Watson stat1.170578 Prob(F-statistic)0.000000

Theo báo cáo 5, ta có :

Giá trị thống kê quan sát : Fq/s =β 0.105109

Với α =β 0.05; F0.05(2;11)=β 3.98

Ta thấy : Fq/s =β0.105109< F0.05(2;11) =β 3.98 Fq/s không thuộc miền bác bỏ Wα

nên chưa đủ cơ sở để bác bỏ giả thuyết Ho Vậy với mức ý ngĩa α =β 0.05 thì môhình đã cho chỉ định đúng.

4.Kiểm định tính phân phối chuẩn của U:

Sử dụng cặp giả thuyết: Ho: U có phân phối chuẩn H1: U không có phân phối chuẩn

Bằng tiêu chuẩn kiểm định Jarque – Bera ta thu được kết quả sau:

Series: ResidualsSample 1994 2009Observations 16

Mean -4.15e-16Median -0.171124Maximum 2.780608Minimum -1.578203Std Dev 1.117527Skewness 0.889799Kurtosis 3.498907Jarque-Bera 2.277251Probability 0.320259

Tiêu chuẩn kiểm định Jarque – Bera (JB) :JB =β N(

243 2

JBq/s =β 2.2772512(2)0.05 =β 5.9915So sánh JBq/s =β 2.277251< 2(2)

0.05 =β 5.9915Vậy chưa có cơ sở để bác bỏ giả thuyết H0

Kết luận: với mức ý nghĩa α =β 0.05, ta có thể cho rằng sai số ngẫu nhiên có

phân phối chuẩn.

Nhận xét:

Mô hình đơn giản, phù hợp với lý thuyết kinh tế, không bị mắc các khuyết

tật R2 =β0.974076 giải thích được nhiều biến động của biến phụ thuộc Tính dự báocủa mô hình :

1994 1996 1998 2000 2002 2004 2006 2008

Forecast: YFActual: Y

Forecast sample: 1994 2009Included observations: 16

Root Mean Squared Error 1.082040Mean Absolute Error 0.828090Mean Abs Percent Error 7.312050Theil Inequality Coefficient 0.039507 Bias Proportion 0.000000 Variance Proportion 0.006566 Covariance Proportion 0.993434

YF – Đây chính là giả trị Y thu được qua mô hình, để dự báo cho nhữngnăm tiếp theo ta phải mở rộng chuỗi và cho yếu tố đầu vào của biến độc lập Do đó, có thể đánh giá (1) là mô hình hồi qui tốt.

Tóm lại:

Tốc độ tăng luân chuyển hàng hóa là một chỉ tiêu quan trọng để đánh giáphát triển kinh tế của một quốc gia Trong điều kiện thực tế của Việt Nam hiệnnay việc luân chuyển hàng hóa vẫn đang được thực hiện nhiều bằng đường biển.Vì vậy, chúng ta phải đưa ra những biện pháp thiết thực để tăng tốc độ luânchuyển hàng hóa bằng đường biển và đường sắt từ đó sẽ góp phần tăng tốc độ luânchuyển hàng hóa.

Phần riêng

Họ tên : Nguyễn Thị Minh trang STT 17

I. Phân tích mô hình hồi quy :

1 Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào:

- Hệ số ˆ1 =β 2.425730>0 cho biết khi tốc độ tăng luân chuyển hàng hóabằng đường sắt và tốc độ tăng luân chuyển hàng hóa bằng đường biển bằng 0 thìtốc độ tăng luân chuyển hàng hóa bằng 2.425730

- Hệ sốˆ2 =β 0.094998 cho biết trong điều kiện nếu tốc độ tăng luân chuyểnhàng hóa bằng đường biển không đổi , nếu tốc độ tăng luân chuyển hàng hóa bằngđường sắt tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa thay đổi trung bình là0.094998%.

- Hệ số ˆ3 =β 0.642106 cho biết trong điều kiện tốc độ tăng luân chuyển hànghóa bằng đường sắt không đổi, nếu tốc độ tăng luân chuyển hàng bằng đường biểntăng lên 1% thì tốc độ tăng luân chuyển hàng hóa thay đổi trung bình là0.642106%.

2.Nếu giá trị của biến độc lập tăng thêm 1% thì biến phụ thuộc sẽ thay đổi nhưsau:

a Khi X2 tăng lên 1%:

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) tănglên 1% thì tốc độ tăng luân chuyển hàng hóa ở Việt Nam (Y) tăng trongkhoảng nào ta dựa vào khoảng tin cậy với độ tin cậy 1- α =β 0,95 là:

 Se  tn

 2  ˆ 2 + Se (ˆ2)t 32/

Với ˆ2 =β 0.094998, t(13)025.

0 =β2.16, Se(ˆ2)=β0.021214 0.049176 < β2 < 0.14082

Vậy, nếu tốc độ tăng luân chuyển hàng hóa bằng đường sắt tăng thêm 1%thì tốc độ tăng luân chuyển hàng hóa sẽ tăng trong khoảng (0.049176,0.14082) vớiđiều kiện tốc độ tăng luân chuyển hàng hóa bằng đường biển không đổi.

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) tănglên 1% thì tốc độ tăng luân chuyển hàng hóa (Y) tăng tối đa là baonhiêu ta dựa vào khoảng tin cậy với độ tin cậy 1-α =β 0,95 là:

322

0 =β2.16, ˆ2 =β 0.094998, Se(ˆ2)=β0.021214=β> 2  0.132568

Vậy, khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt tăng thêm 1%thì tốc độ tăng luân chuyển hàng hóa tăng tối đa là 0.132568%, trong điều kiện tốcđộ tăng luân chuyển hàng hóa bằng đường biển không thay đổi.

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt (X2) tănglên 1% thì tốc độ tăng luân chuyển hàng hóa (Y) tăng tối thiểu là baonhiêu ta dựa vào khoảng tin cậy với độ tin cậy 1-α =β 0,95 là:

2 32

0 =β2.16, ˆ2 =β 0.094998, Se(ˆ2)=β0.021214=β> 2≥ 0.05743

Vậy, khi tốc độ tăng luân chuyển hàng hóa bằng đường sắt tăng thêm 1% thì tốcđộ tăng luân chuyển hàng hóa tăng tối thiểu là 0.05743% , trong điều kiện tốc độtăng luân chuyển hàng hóa bằng đường biển không thay đổi.

b Khi X3 tăng lên 1%:

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường biển (X3)tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa ở Việt Nam (Y) tăngtrong khoảng nào ta dựa vào khoảng tin cậy với độ tin cậy 1- α =β 0,95là:

ˆ3- Se(ˆ3 ) t32/

  3 ˆ3 + Se(ˆ3)t 32/

Với ˆ3=β 0.642106, Se(ˆ3) =β0.029063, t(13)025.

0 =β2.16Thay số vào ta được :

0.57932 < β3 < 0.704882

Vậy khi tốc độ tăng luân chuyển hàng hóa bằng đường biển tăng thêm 1 % thì tốc độ tăng luân chuyển hàng hóa sẽ tăng trong khoảng (0.57932 , 0.704882), trong điều kiện tốc độ tăng luân chuyển hàng hóa bằng đường sắt không đổi.

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường biển (X3)tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa (Y) tăng tối đa là baonhiêu ta dựa vào khoảng tin cậy với độ tin cậy 1-α =β 0,95 là:

3 ˆ3 + Se (ˆ3) t1205.0

Với Se( ˆ3 ) =β 0.029063, t(13)025.

0 =β2.16.Thay số vào ta được:

  0.693577

Vậy , khi tốc độ tăng luân chuyển hàng hóa bằng đường biển tăng thêm 1% thì tốcđộ tăng luân chuyển hàng hóa sẽ tăng tối đa là 0.693577%, trong điều kiện tốc độtăng luân chuyển hàng hóa bằng đường sắt là không đổi.

 Để biết khi tốc độ tăng luân chuyển hàng hóa bằng đường biển (X3)tăng lên 1% thì tốc độ tăng luân chuyển hàng hóa (Y) tăng tối thiểu làbao nhiêu ta dựa vào khoảng tin cậy với độ tin cậy 1-α =β 0,95 là:

3 ˆ3 - Se(ˆ3) 1205.0

Với ˆ3=β 0.642106, Se(ˆ3) =β0.029063, t(13)025.

0 =β2.16Thay số vào ta được: ˆ3  0.590635

Vậy khi tốc độ tăng luân chuyển hàng hóa bằng đường biển tăng thêm 1 % thì tốcđộ tăng luân chuyển hàng hóa sẽ tăng tối thiểu là 0.590635%.với điều kiện tốc độtăng luân chuyển hàng hóa bằng đường biển không đổi

.3 Sự biến động của phương sai :

 Với độ tin cậy 1- α =β 0.95 ta có khoảng tin cậy đối xứng của 2

