1. Trang chủ
  2. » Giáo Dục - Đào Tạo

báo cáo bài tập môn kinh tế lượng ứng dụng

11 0 0
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Báo cáo bài tập môn Kinh tế lượng ứng dụng
Tác giả Nguyễn Thị Thanh Tuyết, Nguyễn Cẩm Vân
Người hướng dẫn TS. Trần Ngọc Minh
Trường học Học Viện Công Nghệ Bưu Chính Viễn Thông
Chuyên ngành Kinh tế lượng ứng dụng
Thể loại Bài tập
Năm xuất bản 2023
Thành phố Hà Nội
Định dạng
Số trang 11
Dung lượng 84,61 KB

Nội dung

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNGVIỆN KINH TẾLớp: M22CQQT02-BHÀ NỘI, 2023... Ước lượng mô hìnhKết quả ước lượng.Dependent Variable: GDPMethod: Least SquaresDate: 08/08/23 Time: 01:

Trang 1

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

VIỆN KINH TẾ

-BÁO CÁO BÀI TẬP MÔN

KINH TẾ LƯỢNG ỨNG DỤNG

Giảng viên: TS Trần Ngọc Minh Học viên: Nguyễn Thị Thanh Tuyết Nguyễn Cẩm Vân

Lớp: M22CQQT02-B

HÀ NỘI, 2023

Trang 2

MỤC LỤC

1 Đặt biến 3

2 Thu thập số liệu 3

3 Ước lượng mô hình 5

4 Nhận xét các hệ số hồi quy ước lượng và hệ số xác định R2 5

5 Ước lượng khoảng 1 hệ số góc 6

6 Kiểm định về một hệ số góc 6

7 Ước lượng về 2 hệ số góc 6

8 Kiểm định và lựa chọn mô hình 7

Trang 3

1 Đặt biến

 GDP: GDP của Việt Nam (tỷ đồng)

 LP: Lạm Phát của Việt Nam (%)

 K: Đầu tư trong nước (tỷ đồng)

Sử dụng mô hình tuyến tính

Thiết lập mô hình kinh tế lượng:

Hàm hồi quy tổng thể:

(PRF): E(GDP/LP, K) = β1+β2∗LP+β3∗K

Hàm hồi quy mẫu:

(SRF): GDP=^^ β1+ ^β2LP+ ^ β3K

 Ý nghĩa: ^β1: Khi LP = K = 0 thì GDP trung bình bằng ^β1 tỷ đồng

 ^β2: Khi K không đổi, lạm phát tăng (giảm) 1 % thì GDP bình quân thay đổi ^β2 tỷ đồng

 ^β3: Khi LP không đổi, đầu tư trong nước tăng (giảm) 1 tỷ đồng thì GDP bình quân thay đổi tương ứng ^β3 tỷ đồng

2 Thu thập số liệu

Số liệu bao gồm 30 quan sát từ năm 1990-2019

Năm GDP (tỷ đồng) Lạm phát (%) Đầu tư (Tỷ đồng)

Trang 4

2003 481.295 0.80 170.496

3 Ước lượng mô hình

Kết quả ước lượng

Dependent Variable: GDP

Method: Least Squares

Date: 08/08/23 Time: 01:22

Sample: 1 30

Included observations: 30

Variable Coefficie

nt

Std Error t-Statistic Prob

C -56414.14 47580.34 -1.185661 0.2461

LP 124.0322 807.3855 0.153622 0.8791

K 2.996481 0.061990 48.33776 0.0000

R-squared 0.989414 Mean dependent var 1373111.

Adjusted R-squared 0.988630 S.D dependent var 1545328.

Trang 5

S.E of regression 164778.7 Akaike info criterion 26.95723

Sum squared resid 7.33E+11 Schwarz criterion 27.09735

Log likelihood -401.3585 F-statistic 1261.786

Durbin-Watson stat 0.524881 Prob(F-statistic) 0.000000

4 Nhận xét các hệ số hồi quy ước lượng và hệ số xác định R 2

Ý nghĩa: ^β1 = -56414.14: Khi LP = K = 0 thì GDP trung bình bằng -56414.14

tỷ đồng Trên thực tế hệ số này không có ý nghĩa kinh tế

^

β2=124.0322:Khi K không đổi, lạm phát tăng (giảm) 1 % thì GDP bình quân tăng (giảm) tương ứng 124.0322 tỷ đồng

^

β3=2.996481: Khi LP không đổi, Đầu tư trong nước tăng (giảm) 1 tỷ đồng thì GDP bình quân tăng (giảm) 2.996481 tỷ đồng

R2= 0.989414: Các biến LP và K trong mô hình giải thích được 98,9414% sự thay đối của biến GDP, còn lại là do ảnh hưởng của các yếu tố ngẫu nhiên khác

5 Ước lượng khoảng 1 hệ số góc

Khoảng ước lượng đối xứng của β3 là:

(^β3−Se(β^3)∗t(α/ 2 n−k) ; ^β3+Se(^β3)∗t α /2(n−k) )

1-α = 0,95 -> α=0,05 -> t(α / 2 n−k)=t0,025(27) = 2.052

=> Khoảng ước lượng đối xứng của β3 là:

(2.996481 – 0.061990¿ 2.052 ; 2.996481+0.061990∗2.052 ¿

Hay (2.869278; 3.123684)

Vậy với độ tin cậy 95%, khi K tăng 1 tỷ đồng thì GDP bình quân tăng trong khoảng (2.869278; 3.123684) tỷ đồng

6 Kiểm định về một hệ số góc

Kiểm định

{H0: β2= 0

H1: β2≠ 0

Prob ^β2 = 0.8791 > α = 0.05 => Chưa có sở sở bác bỏ H0 => chấp nhận H0, vậy biến LP thực sự không ảnh hưởng đến biến GDP

Trang 6

Kiểm định

{H0: β3= 0

H1: β3≠ 0

Prob ^β3 = 0.0000 < α = 0.05 => Bác bỏ H0, chấp nhận H1, vậy biến K thực sự

có ảnh hưởng đến biến GDP

7 Ước lượng về 2 hệ số góc

Hiệp phương sai giữa K và LP

C 2263888717.92 -18988520.1655 -2092.85103954

LP -18988520.1655 651871.320448 13.7728692872

K -2092.85103954 13.7728692872 0.00384281917868

Ước lượng β2+β3

Se(^β2+ ^β3¿ =√(Se(^β2))2+(Se(β^3))2+2Cov (^β2; ^ β3)

=√807.38552+ 0.0619902+2∗13.7728692872 = 807.402561

Khoảng ước lượng của β2+β3:

((^β2+ ^β3¿ −Se (^ β2+ ^β3)∗t α /2(n −k) ; (^β2+ ^β3¿ +Se( ^ β2+ ^β3)∗t(α/ 2 n−k))

1-α = 0,95 -> α=0,05 -> t(α / 2 n−k)

=t0,025(27) = 2.052 Thay số ta có

(124.0322 + 2.996481 −807.402561∗2.052 ; 124.0322 + 2.996481

+807.402561∗2.052)

Hay (-1529.761374; 1783.818736)

Vậy khi LP tăng 1% và K tăng 1 tỷ đồng thì GDP có thể giảm đến 807.402561 tỷ đồng hoặc tăng đến 1783.818736 tỷ đồng

8 Kiểm định và lựa chọn mô hình

+ Kiểm định sự phù hợp của mô hình

Kiểm định

{H0: R2=0

H1: R2≠ 0

Prob(F-statistic) = 0.000000 < α = 0.05 => Bác bỏ H0, chấp nhận H1, vậy hàm hồi quy phù hợp

Trang 7

+ Kiểm định các khuyết tật của mô hình

Kiểm định Ramsay về dạng hàm

Ramsey RESET Test:

F-statistic 14.06505 Probability 0.000081

Log likelihood ratio 22.61604 Probability 0.000012

Test Equation:

Dependent Variable: GDP

Method: Least Squares

Date: 08/08/23 Time: 01:28

Sample: 1 30

Included observations: 30

Variable Coefficien

t

Std Error t-Statistic Prob

C 148594.3 57460.42 2.586029 0.0159

LP -841.9731 615.4690 -1.368019 0.1835

K 1.165423 0.375425 3.104276 0.0047

FITTED^2 3.32E-07 6.34E-08 5.235929 0.0000

FITTED^3 -4.44E-14 8.38E-15 -5.303436 0.0000

R-squared 0.995019 Mean dependent var 1373111.

Adjusted R-squared 0.994222 S.D dependent var 1545328.

S.E of regression 117466.1 Akaike info criterion 26.33670

Sum squared resid 3.45E+11 Schwarz criterion 26.57023

Log likelihood -390.0505 F-statistic 1248.492

Durbin-Watson stat 1.057096 Prob(F-statistic) 0.000000

Kiểm định

{H0: M ô hì n h đ ị n h d ạ ng đú ng

H1: M ô hìn h đ ị n h d ạ ng sai

F-statistic = 14.06505

Probability = 0.000081< α=0.05 => Bác bỏ H0, chấp nhận H1, vậy mô hình ban đầu định dạng sai

Kiểm định White có tích chéo về phương sai sai số

White Heteroskedasticity Test:

F-statistic 7.664730 Probability 0.000200

Trang 8

Obs*R-squared 18.44740 Probability 0.002435

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 08/08/23 Time: 01:29

Sample: 1 30

Included observations: 30

Variable Coefficien

t Std Error t-Statistic Prob

C -2.53E+10 1.20E+10 -2.114997 0.0450

LP 5.50E+08 5.07E+08 1.086179 0.2882

LP^2 -1806719 2293171 -0.787869 0.4385

LP*K -2890.118 1943.981 -1.486701 0.1501

K 209680.5 50024.11 4.191589 0.0003

K^2 -0.096686 0.027299 -3.541773 0.0017

R-squared 0.614913 Mean dependent var 2.44E+1

0 Adjusted R-squared 0.534687 S.D dependent var 3.77E+1

0 S.E of regression 2.57E+10 Akaike info criterion 50.95625

Sum squared resid 1.59E+22 Schwarz criterion 51.23649

Log likelihood -758.3438 F-statistic 7.664730

Durbin-Watson stat 1.849323 Prob(F-statistic) 0.000200

Kiểm định

{H0: M ô hì n h c ó PSSS đ ồ ng đ ề u

H1: M ô hì n h c ó PSSSt h ay đ ổ i

F-statistic = 7.664730

Probability = 0.000200 < α=0.05 => Bác bỏ H0, chấp nhận H1

Obs*R-squared = 18.44740

Probability = 0.002435 < α=0.05 => Bác bỏ H0, chấp nhận H1

Vậy kết quả của 2 kiểm định đều cho thấy mô hình có phương sai sai số thay đổi

Kiểm định đa cộng tuyến

Xem xét hệ số tương quan cặp

Trang 9

LP -0.275181043925 1

Hệ số tương quan giữa hai biến K và LP khả nhỏ => ít có sự tương quan giữa hai biến K và LP

Xem xét hồi quy phụ sau:

Dependent Variable: K

Method: Least Squares

Date: 08/08/23 Time: 01:34

Sample: 1 30

Included observations: 30

Variable Coefficien

t Std Error t-Statistic Prob

C 544613.5 102210.9 5.328329 0.0000

LP -3584.053 2366.343 -1.514596 0.1411

R-squared 0.075725 Mean dependent var 476278.7

Adjusted R-squared 0.042715 S.D dependent var 513424.2

S.E of regression 502339.1 Akaike info criterion 29.15628

Sum squared resid 7.07E+12 Schwarz criterion 29.24969

Log likelihood -435.3442 F-statistic 2.294001

Durbin-Watson stat 0.090421 Prob(F-statistic) 0.141083

Kiểm định

{H0: M ô hì n h ban đ ầ u k h ô ng c ó đ a c ộ ng tuy ế n

H1: M ô hì n h ban đ ầ u c ó đ a c ộ ng tuy ế n

Prob(F-statistic) = 0.141083 > α=0.05 => Chưa có sở sở bác bỏ H0, chấp nhận H0, vậy Mô hình ban đầu không có đa cộng tuyến

Kiểm định sai số ngẫu nhiên tuân theo quy luật chuẩn

Tạo biến sai số ngẫu nhiên

RESID01

Trang 10

Mean -1.13E-10

Median 18680.31

Maximum 370115.7

Minimum -292786.2

Std Dev 158995.1

Skewness 0.261793

Kurtosis 3.302400

Jarque-Bera 0.456984

Probability 0.795733

Sum -3.38E-09

Sum Sq

Dev

7.33E+11

Observatio

ns

30

Kiểm định

{ H0: Sai s ố ng ẫ u n hi ê ntu â n t h eo quy lu ật c hu ẩ n

H1: Sai s ố ng ẫ u n h i ê n k h ô ng tuâ n t h eo quy lu ậ t c hu ẩ n

Jarque-Bera = 0.456984

Probability = 0.795733 > α=0.05

=> Chưa có sở sở bác bỏ H0 => chấp nhận H0, vậy sai số nhẫu nhiên tuân theo quy luật chuẩn

Kiểm định tự tương quan

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 26.75323 Probability 0.000001

Trang 11

Obs*R-squared 20.44665 Probability 0.000036

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 08/08/23 Time: 01:37

Presample missing value lagged residuals set to zero.

Variable Coefficient Std Error t-Statistic Prob

RESID(-1) 1.159110 0.167423 6.923262 0.0000

RESID(-2) -0.582799 0.176381 -3.304204 0.0029

R-squared 0.681555 Mean dependent var -1.13E-10

Adjusted R-squared 0.630604 S.D dependent var 158995.1

S.E of regression 96634.04 Akaike info criterion 25.94626

Sum squared resid 2.33E+11 Schwarz criterion 26.17979

Log likelihood -384.1939 F-statistic 13.37662

Durbin-Watson stat 2.157929 Prob(F-statistic) 0.000006

Kiểm định

{H0: M ô hì n h ban đ ầ u k h ô ng c ó h i ệ n t ươ ng t ự t ươ ng quan

H1: M ô hì n h ban đ ầ u c ó h iệ n t ươ ng t ự t ươ ng quan

F-statistic = 26.75323

Probability = 0.000001 < α=0.05 => Bác bỏ H0, chấp nhận H1

Obs*R-squared = 20.44665

Probability = 0.000036 < α=0.05 => Bác bỏ H0, chấp nhận H1

Vậy cả hai kiểm định đều đưa đến kết quả mô hình có tự tương quan

Đối với khuyết tật mô hình định dạng sai, có thể do mô hình thiếu biến hoặc dạng hàm sai, tuy nhiên việc xác định mô hình thiếu biến nào là vấn đề khó, ngoài ra rất khó có thể dự đoán được dạng hàm Để khắc phục ta có thể cho thêm một số biến vào mô hình (như Giá trị xuất khẩu ròng, cung tiền) từ đó xem xét mô hình thiếu biến nào

Ngày đăng: 04/07/2024, 16:37

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w