BÀI GIẢNG KINH TẾ LƯỢNG

BÀI GIẢNG KINH TẾ LƯỢNG

BÀI GIẢNG KINH TẾ LƯỢNG Tập giảng môn học: Kinh tế l ợng Ch ng I NHẬP MÔN KINH TẾ L ỢNG 1.1 KINH T L NG LÀ GÌ? Diễn giải theo nghĩa đơn giản, kinh tế l ợng (ECONOMETRICS) liên quan đến việc áp dụng ph ơng pháp thống kê kinh tế học Tuy nhiên, thống kê kinh tế, liệu thống kê yếu cịn kinh t l ng đ c s h p nh t c a lý thuy t kinh t , cơng c tốn học ph ng pháp lu n th ng kê Mở rộng hơn, kinh tế l ợng quan tâm đến : (1) ớc l ợng mối quan hệ kinh tế, (2) Đối chiếu lý thuyết kinh tế với thực tế kiểm định giả thuyết liên quan đến hành vi kinh tế, (3) Dự báo hành vi c a biến số kinh tế Sau ví dụ thực tế minh họa hoạt động c a kinh tế l ợng : 1.1.1 cl ng m i quan h kinh t Kinh tế học thực nghiệm cung cấp nhiều ví dụ nhằm ớc l ợng mối quan hệ kinh tế từ liệu Sau số ví dụ : - Các nhà phân tích cơng ty th ờng quan tâm ớc l ợng cung/cầu c a sản phẩm, dịch vụ - Một công ty th ờng quan tâm đến việc ớc l ợng ảnh h ởng c a m c độ quảng cáo khác đến doanh thu lợi nhuận - Các nhà phân tích thị tr ờng ch ng khốn tìm cách liên hệ giá c a cổ phiếu với đặc tr ng c a cơng ty phát hành cổ phiếu đó, nh với tình hình chung c a kinh tế - Nhà n ớc muốn đánh giá tác động c a sách tiền tệ tài đến biến quan trọng nh thất nghiệp, thu nhập, xuất nhập khẩu, lãi suất, tỷ lệ lạm phát, thâm hụt ngân sách 1.1.2 Ki m đ nh gi thuy t Một điểm tốt c a kinh tế l ợng quan tâm đến việc kiểm định giả thuyết hành vi kinh tế Ví dụ minh họa : - Các nhà phân tích th ờng quan tâm xem nhu cầu có co giãn theo giá thu nhập hay khơng ? Biên soạn : ThS Hồng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng - Các công ty muốn xác định xem chiến dịch quảng cáo c a có thực tác động làm tăng doanh thu hay không ? - Công ty muốn biết lợi nhuận tăng hay giảm theo qui mô hoạt động ? - Các công ty kinh doanh thuốc nhà nghiên c u y khoa quan tâm đến báo cáo phẫu thuật tổng quát hút thuốc ung th phổi (và bệnh hơ hấp khác) có dẫn đến việc giảm tiêu thụ thuốc đáng kể hay không ? - Các nhà kinh tế vĩ mô muốn đánh giá hiệu c a sách nhà n ớc 1.1.3 D báo Khi biến số đ ợc xác định đánh giá đ ợc tác động cụ thể c a chúng đến ch thể nghiên c u, muốn sử dụng mối quan hệ ớc l ợng để dự đoán giá trị t ơng lai Ví dụ minh hoạ : - Các công ty dự báo doanh thu, lợi nhuận, chi phí sản xuất … cần thiết - Chính ph dự đốn nhu cầu l ợng để có chiến l ợc đầu t xây dựng thỏa thuận mua l ợng từ bên cần đ ợc ký kết - Các công ty dự báo số thị tr ờng ch ng khoán giá cổ phiếu - Chính ph dự đốn số nh thu nhập, chi tiêu, lạm phát, thất nghiệp, thâm hụt ngân sách th ơng mại - Các địa ph ơng dự báo định kỳ m c tăng tr ởng c a địa ph ơng qua mặt: dân số; việc làm; số nhà ở, tòa nhà th ơng mại x ởng công nghiệp; nhu cầu tr ờng học, đ ờng xá, trạm cảnh sát, trạm c u hỏa, dịch vụ công cộng; …v.v Do ba b ớc tổng quát đ ợc xác định phần mở đầu c a ch ơng th ờng c vào liệu mẫu dựa vào liệu điều tra c a tổng thể, điều tra chuẩn có yếu tố bất định: - Các mối quan hệ ớc l ợng khơng xác - Các kết luận từ kiểm định giả thuyết phạm vào sai lầm chấp nhận giả thuyết sai sai lầm bác bỏ giả thuyết - Các dự báo dựa vào mối liên hệ ớc l ợng th ờng khơng xác Để giảm m c độ bất định, nhà kinh tế l ợng luôn ớc l ợng nhiều mối quan hệ khác biến nghiên c u Sau đó, họ thực loạt kiểm tra để xác định mối quan hệ mơ tả dự đốn gần hành vi c a biến số quan tâm Tính bất định khiến cho ph ơng pháp thống kê trở nên quan trọng môn kinh tế l ợng Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng 1.2 PH NG PHÁP TH C HI N M T NGHIÊN C U KINH T L NG Để thực nghiên c u thực nghiệm, nhà nghiên c u phải có câu trả lời thỏa đáng cho câu hỏi sau: (1) Mơ hình có ý nghĩa kinh tế khơng? Cụ thể, mơ hình quan hệ t ơng thích ẩn q trình phát liệu hay khơng? (2) Dữ liệu có tin cậy không? (3) Ph ơng pháp ớc l ợng sử dụng có phù hợp khơng? Có sai lệch ớc l ợng tìm đ ợc khơng? (4) Các kết c a mơ hình so với kết từ mơ hình khác nh nào? (5) Kết thể điều gì? Kết có nh mong đợi dựa lý thuyết kinh tế cảm nhận trực giác khơng? Do dó, có nhiều quan điểm khác nhau, nh ng nói chung chia nghiên c u kinh tế l ợng thành b ớc sau: LÝ THUYẾT KINH TẾ, KINH NGHIỆM, NGHIÊN CỨU KHÁC XÁC ĐỊNH VẤN ĐỀ THIẾT LẬP MÔ HÌNH ƯỚC LƯNG MÔ HÌNH KIỂM ĐỊNH GIẢ THUYẾT THIẾT LẬP LẠI MÔ HÌNH DIỄN DỊCH KẾT QUẢ CÁC QUYẾT ĐỊNH VỀ CHÍNH SÁCH DỰ BÁO Hình 1.1 : Các b ớc thực nghiên c u kinh tế l ợng Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng 1.2.1 Xác đ nh v n đ nghiên c u: Vấn đề nghiên c u th ờng đ ợc xác định yêu cầu c a công việc và/hoặc cấp c a nhà nghiên c u định Ví dụ, nhiệm vụ nhà phân tích phận dự báo ngành điện lực ước lượng liên hệ nhu cầu điện yếu tố ảnh hưởng thời tiết tiêu thụ theo mùa, giá điện, thu nhập, loại máy móc gia dụng, đặc điểm địa lý, công nghiệp nơi phục vụ …v.v Mối liên hệ ước lượng sau dùng để tính giá trị dự báo lượng điện Các giá trị dự báo ngành điện lực khu vực xem xét để định cấu trúc giá có cần phải xây dựng thêm nhà máy lượng để đáp ứng nhu cầu người dân khu vực hay không Trong ví dụ này, dễ dàng nêu vấn đề nghiên cứu liên hệ nhu cầu điện với yếu tố ảnh hưởng đến nhu cầu này, phát dự báo 1.2.2 Thi t l p mô hình Mọi phân tích hệ thống kinh tế, xã hội, trị vật lý dựa cấu trúc logic (gọi mơ hình), cấu trúc mơ tả hành vi c a phần tử hệ thống khung phân tích Trong kinh tế học, nh ngành khoa học khác, mơ hình đ ợc thiết lập d ới dạng ph ơng trình, tr ờng hợp này, ph ơng trình mô tả hành vi kinh tế biến liên quan Một mơ hình đ ợc nhà nghiên c u thiết lập ph ơng trình hệ gồm nhiều ph ơng trình Dựa lý thuyết kinh tế, kinh nghiệm, nghiên c u khác, nhà nghiên c u đ a mô hình lý thuyết đề nghị Chẳng hạn, nhà kinh tế xác định hàm tiêu dùng có dạng nh sau: Yt= β1 + β2Xt + ut (quan hệ khơng xác định, có tính ngẫu nhiên) Trong đó: Yt: Tiêu dùng ($billion) Xt: GDP ($billion) ut : sai số, biến ngẫu nhiên (stochastic) 1.2.3 Thu th p d li u Để ớc l ợng mơ hình kinh tế l ợng mà nhà nghiên c u đ a ra, cần có mẫu liệu biến phụ thuộc biến độc lập 1.2.4 cl ng mơ hình kinh t l ng Sau mơ hình đ ợc thiết lập liệu phù hợp đ ợc thu thập, nhiệm vụ ch yếu c a nhà điều tra ớc l ợng thông số ch a biết c a mơ hình Trong ví dụ ta ớc l ợng c a số hạng tung độ gốc β1, số hạng độ dốc β2, thơng số (nh trung bình ph ơng sai) c a phân bố xác suất c a sai số ut Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng 1.2.5 Ki m đ nh gi thuy t Sau ớc l ợng mơ hình, nhà nghiên c u cần kiểm định giả thuyết dự báo giá trị c a biến phụ thuộc, với giá trị c a biến độc lập cho tr ớc Việc kiểm định chẩn đốn mơ hình nhiều lần nhằm chắn giả định đặt ph ơng pháp ớc l ợng đ ợc sử dụng phù hợp với liệu thu thập Mục tiêu c a kiểm định tìm đ ợc kết luận thuyết phục nhất, kết luận khơng thay đổi nhiều đặc tr ng c a mơ hình Kiểm định giả thuyết khơng đ ợc thực nhằm cải tiến đặc tr ng c a mơ hình mà cịn nhằm kiểm định tính đắn c a lý thuyết 1.2.6 Di n d ch k t qu B ớc cuối c a nghiên c u diễn dịch kết quả: định sách hay dự báo 1.3 D LI U TRONG CÁC MƠ HÌNH KINH T L NG Có ba dạng liệu kinh tế bản: liệu chéo (cross-sectional data), liệu chuỗi thời gian (time series data), liệu dạng bảng (panel data) - Dữ liệu chéo (cross-sectional data): bao gồm quan sát cho nhiều đơn vị kinh tế thời điểm cho tr ớc Các đơn vị kinh tế cá nhân, hộ gia đình, hãng, tỉnh thành, quốc gia v.v Ví dụ: Bộ liệu liệu điều tra m c sống dân c năm 2002 VLSS-2002 - Dữ liệu chuỗi thời gian (time series data): bao gồm quan sát đơn vị kinh tế cho tr ớc nhiều thời điểm Ví dụ: Ta có quan sát chuỗi thời gian hàng năm cho tiêu GDP c a quốc gia từ năm 1960 đến 2005 - Dữ liệu dạng bảng (panel data): kết hợp quan sát c a đơn vị kinh tế tiêu theo thời gian Ví dụ: thực điều tra hộ gia đinh cho hộ gia đình vài năm để đánh giá thay đổi c a hộ theo thời gian Dữ liệu đ ợc thu thập biến "rời rạc" hay "liên tục " - Biến rời rạc biến có tập hợp kết định đếm đ ợc Ví dụ: số thành viên hộ gia đình biến rời rạc - Biến liên tục biến có số vơ hạn kết quả, nh chiều cao c a đ a trẻ Nhiều biến kinh tế đ ợc đo đơn vị đ nhỏ để coi chúng nh liên tục, thực chúng rời rạc Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng 1.4 CÁC M I QUAN H TRONG NGHIÊN C U KINH T L NG: 1.4.1 Phân tích h i quy quan h hàm s : (1) Phân tích hồi quy phân tích phụ thuộc c a biến phụ thuộc vào hay nhiều biến độc lập Biến phụ thuộc (hay gọi biến đ ợc giải thích): đại l ợng ngẫu nhiên có phân bố xác suất Biến độc lập (hay gọi biến giải thích): giá trị đ ợc xác định tr ớc Ví dụ: Nghiên c u phụ thuộc chiều cao c a trai vào chiều cao c a ng ời cha (Galton Karl Pearson): Biến độc lập chiều cao c a ng ời cha biến phụ thuộc chiều cao c a ng ời trai, ta dự báo cách xác chiều cao c a ng ời trai thơng qua chiều cao c a ng ời cha sai số cịn nhiều yếu tố khơng có mơ hình Nói cách khác, từ chiều cao c a ng ời cha Xi ta xác định đ ợc chiều cao trung bình c a ng ời trai (giữa chiều cao thực c a ng ời trai chiều cao trung bình có khoảng cách gọi sai số) (2) Quan hệ hàm số Biến phụ thuộc đại l ợng ngẫu nhiên, ng với giá trị c a biến độc lập ta xác định đ ợc biến phụ thuộc: Ví dụ: Cách tính l ơng bản: L ơng = Hệ số * Đơn giá tiền l ơng ng với hệ số đơn giá tiền l ơng ta có m c l ơng xác 1.4.2 Hàm h i quy quan h nhân qu : Phân tích hồi quy nghiên c u quan hệ biến phụ thuộc với hay nhiều biến độc lập, điều khơng địi hỏi biến độc lập biến phụ thuộc biến độc lập phải có mối quan hệ nhân Ví dụ: Nhu cầu tiêu dùng (Sản l ợng) = F(giá cả, thu nhập, … ) → lý thuyết kinh tế → quan hệ nhân L ợng m a = F (số chuồn chuồn, …) Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng 1.4.3 Phân tích h i quy phân tích t ng quan: Phân tích hồi quy t ơng quan khác mục đích kỹ thuật (1) Phân tích t ơng quan: Mục đích: đo l ờng m c độ kết hợp tuyến tính 02 biến Ví dụ: m c độ nghiện thuốc ung th phổi, điểm thi mơn tốn thống kê Kỹ thuật: có tính đối x ng (2) Phân tích hồi quy: Mục đích: ớc l ợng dự báo (hay nhiều) biến sở giá trị cho c a (hay nhiều) biến khác Kỹ thuật: tính đối x ng Lưu ý: Để chuẩn bị cho chương sau, đề nghị sinh viên ôn tập lại kiến thức xáx suất thống kê Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng Ch ng II MƠ HÌNH HỒI QUY Đ N BIẾN (Simple Linear Regression Model) 2.1 MƠ HÌNH C B N: Mơ hình hồi quy tổng thể (Population Regression Function – PRF) cho biến giá trị trung bình c a biến phụ thuộc thay đổi nh biến độc lập nhận giá trị khác Nếu PRF có biến độc lập gọi mơ hình hồi quy tuyến tính đơn biến (gọi tắt mơ hình hồi quy đơn biến) Lưu ý : Hàm hồi quy tuyến tính hiểu tuyến tính theo tham số Mơ hình hồi quy tổng thể PRF đơn biến có dạng nh sau : PRF : Yi = β1 + β2Xi + ui Trong : Xi, Yi quan sát th i c a biến X Y X Biến độc lập, Y biến phụ thuộc ui, sai số c a mơ hình β1, β2 tham số c a mơ hình Dạng xác định c a mơ hình E(Yi/Xi)= β1 + β2Xi + ui Đồ thị biểu diễn : Y Yi = β1 + β2Xi + ui Yi ˆ Y i Xi X Hình 2.1 : Đ ờng biểu diễn mơ hình hồi quy tổng thể Biên soạn : ThS Hoàng Thị Hồng Vân Tập giảng môn học: Kinh tế l ợng 2.1.1 Các quan sát : Ví dụ : Để tìm mối liên hệ giá bán c a nhà diện tích sử dụng c a ta thu thập liệu c a ngơi nhà Dữ liệu giá bán diện tích sử dụng c a nhà ta gọi quan sát Tập hợp tất quan sát có mà ta quan tâm nghiên c u vấn đề gọi tổng thể Số phần tử c a tập hợp đ ợc ký hiệu N Mẫu tập hợp c a tổng thể Số phần tử c a mẫu ký hiệu n (cỡ mẫu) Để tìm đ ợc mơ hình PRF ta phải có liệu c a tổng thể quan sát Xi Yi Nh ng thực tế điều khó khả thi khả chi phí Do thơng th ờng ta có liệu biến Xi Yi c a mẫu lấy từ tổng thể nên ta xây dựng đ ợc mơ hình hồi quy mẫu (Sample Regression Function – SRF) Mơ hình hồi quy mẫu SRF đơn biến có dạng nh sau : SRF : Yi = βˆ + βˆ Xi + uˆ i Trong : uˆ i phần d c a mơ hình βˆ , βˆ tham số ớc l ợng c a mơ hình 2.1.2 Các tham s th ng kê : Thuật ngữ tuyến tính đ ợc hiểu tuyến tính theo tham số ớc l ợng, khơng tuyến tính với biến Ta có : PRF : Yi = β1 + β2Xi + ui ∆Y ∆X ⇒ E(Yi /Xi) = β1 + β2Xi β2 = Ý nghĩa hệ số hồi quy : β2 : Độ dốc (Slope) c a đ ờng hồi quy tổng thể, l ợng thay đổi c a Y, m c trung bình, đơn vị thay đổi c a X Vì β2 đ ợc diễn dịch ảnh h ởng cận biên c a X lên Y β1 : Tung độ gốc (Intercept) c a đ ờng hồi quy tổng thể, giá trị c a trị trung bình Y X Tuy nhiên khơng có cách giải thích cho β1 ngun nhân β1 cịn ẩn ch a biến bỏ sót (ngồi mơ hình) T ơng tự cho cách giải thích βˆ , βˆ c a hàm hồi quy mẫu SRF SRF : Yi = βˆ + βˆ Xi + uˆ i βˆ : Độ dốc c a đ ờng SRF, l ợng thay đổi c a Y, m c trung bình theo thơng tin c a mẫu, đơn vị thay đổi c a X βˆ : Tung độ gốc c a đ ờng SRF Biên soạn : ThS Hoàng Thị Hồng Vân