Xác Định mô hình kinh tế và mô hình kinh tế lượng thể hiện các yếu tố ảnh hưởng Đến tiền lương (wage) thảo luận lý do lựa chọn các biến giải thích

Câu 1: Xác định mô hình kinh tế vả mô hình kinh tế lượng thê hiện các yếu tố ảnh hưởng đến tiền lương wage.. °® Mô hình Kinh tế: Mô hình kinh tế là một mô hình mô tả mối quan hệ giữa cá

DAI HOC QUOC GIA HA NOI

TRUONG QUOC TE

[

MÔN : Kinh tế lượng ( ISV2013 — ISV201301 )

ThS Lê Van Dao, TS Dong Van Chung, TS Tran Quang Tuyén

Sinh viên: Nguyễn Tùng Dương - 22070497

Hoàng Thế Gia Bách - 22070232

Ngô Vũ Nhật Quang - 22070339

Nguyễn Thị Hoa - 22070497

HÀ NỌI - 2024

Table of Contents ( DE 4 )

Câu 1: Xác định mô hình kinh tế và mô hình kinh tế lượng thể hiện các yếu tố ảnh hưởng đến tiền lương (wage) Thảo luận lý do lựa chọn các biến giải thích và dấu kỳ vọng của

ChÚng, S999 00000 0000000 8 004 0800000 808008008908 0988 6E 3

Hình 2: Tống hợp chỉ tiết các bién qua lénh summarize, detail 7

Hình 5: Sử dụng phương pháp robust standard errors để ước lượng các tham số hồi quy 9

Hình 6: Mô hình hồi quy tuyến tính với biến tương tác giữa giới tính (gender) và đào tạo

11

Hình 7: Mô hình hồi quy tuyến tính với biến phân loại i.region 11

Hình 8: Bảng hồi quy tuyến tính với biến edu_SOE 12 Hình 9: Bảng hồi quy tuyến tính với biến exper _sq 13

Hình 10: Lệnh tạo mối liên hệ giữa edu và SOE 14 Hình 11: Bảng hồi quy tuyến tính với biến interaction 14

Câu 1: Xác định mô hình kinh tế vả mô hình kinh tế lượng thê hiện các yếu tố ảnh hưởng đến

tiền lương (wage) Thảo luận lý do lựa chọn các biến giải thích và dấu kỳ vọng của chúng

°® Mô hình Kinh tế:

Mô hình kinh tế là một mô hình mô tả mối quan hệ giữa các yếu tổ kinh tế và tiền lương Nó

dựa trên các lý thuyết kinh tế và các quan sát thực tế đề xác định các biến giải thích quan

trọng nhất Các biến giải thích trong mô hình kinh tế có thê bao gồm: tình trạng thị trường lao

động, mức độ cạnh tranh, sự cần thiết của kỹ năng và trỉnh độ học vấn, và các yếu tố kinh tế

khác

© - Các yếu tố ảnh hưởng đến tiền lương:

I Age: Người có tuôi cao hơn có thể có mức lương cao hơn do tích lũy kinh nghiệm và

kiến thức trong công việc

2 Edu: Trình độ học vấn cao và kỹ năng chuyên môn được đảo tạo có thê dẫn đến mức

lương cao hơn

3 Gender: Trong một số trường hợp, có sự chênh lệch về mức lương giữa nam và nữ do

các yếu tố xã hội và kinh tế

4 Married: Tình trạng hôn nhân của người lao động có thê ảnh hưởng đến tiền lương

Một số nghiên cứu cho thấy người đã kết hôn có thê có mức lương cao hơn so với

người độc thân

5 Exper: Người có nhiều kinh nghiệm làm việc có thể có mức lương cao hơn do tích

lũy kỹ năng và năng lực làm việc

6 Training: Người được đảo tạo có thê có mức lương cao hơn do có kiến thức và kỹ

năng chuyên môn

7 SOE: Các doanh nghiệp nhà nước có thê có chính sách lương khác biệt so với doanh

nghiệp tư nhân

8 Region: Lam viéc 6 cdc vùng khác nhau có thể có mức lương khác nhau do sự khác

biệt về điều kiện kinh tế và xã hội

se Mô hình Kinh tế Lượng:

Mô hình kinh tế lượng là một phương pháp sử dụng các phương trình toán học đề đo

lường mức độ ảnh hưởng của các biến giải thích đến tiền lương Các biến giải thích trong mô

hình kinh tế lượng được chọn dựa trên lý thuyết kinh tế và các phân tích thống kê Các biến

giải thích thường bao gồm: trình độ học vấn, kinh nghiệm làm việc, ngành nghề, vị trí công

việc, và các yêu tô khác có thê ảnh hưởng đến tiên lương

Đê ước tính môi quan hệ giữa các yêu tô ảnh hưởng đền tiên lương một cách cụ thê, ta có

thể sử dụng mô hình hồi quy tuyến tính:

Wage = B0+ BIAger B2Edu+ B3Gender+ B4Married+ BSExpert+ B6Urban + B7Training

+ B8SOE+ B9Region

° Ky vong vé dau:

Bién phụ thuộc

Education Trình độ học vẫn (năm) +

SOE Làm việc trong doanh nghiệp nhà | +/-

Biên độc lập

reg wage edu gender married exper urban training S0E region

Source ss df MS Number of obs = 56,584

F(8, 56575) = 750.19 Modet 7958420.24 8 994802.529 Prob > F 0.0000 Residual 75022722 56,575 1326.07551 R-squared 0.0959

Adj R-squared 0.0958 Totat 82981142.2 56,583 1466.5384 Root MSE 36.415

wage Coef Std Err t P>|t| [95% Conf Interval]

edu 2.069439 -0597847 34.61 0.000 1.952261 2.186618 gender 6.761057 3168558 21.34 0.000 6.140017 7.382096 married 3.975557 43241817 9.37 0.000 3.144159 4.806956 exper 1595611 8181995 8.77 0.000 1238899 1952323 urban 3.987699 - 3382104 11.79 0.000 3.324805 4.650593 training 4.997102 43461811 11.20 0.000 4.122584 5.871619 SOE 3.641229 43479412 8.13 09.000 2.763262 4.519197 region 1.525805 8953421 16.00 0.000 1.338934 1.712676 _cons -3.501593 - 8904349 -3.93 0.000 -5.24685 -1.756335

Hình 1: Mô hình hồi quy tuyến tính Wage = ÿ0+ BIAge+ J2Edu+ J3Gender+ J4Married+ BSExper+ B6Urban +

B7Training + B8SOE+ P9Region

Wage= -3.5015+ 2.0694*Edu+ 6.7610*Gender+ 3.9755*Marned+ 0.1595*Exper + 3.9876* Urban + 4.9971 # Irainng + 3.6412*SOE+ 1.5258*Region

*Đề đánh giá tác động của mỗi biến độc lập khi các biến khác giữ nguyên, ta can phân tích giá trị của hệ số hồi quy tương ứng (B1, B2, ., B9):

¢ Gia tri dương: Biến độc lập có mối quan hệ tích cực với Wage Khi biến độc lập tăng 1 đơn vị, Wage dự kiến sẽ tăng đơn vị (B là giá trị của hệ số hồi quy)

« - Giá trị âm: Biến độc lập có mối quan hệ tiêu cực với Wage Khi biến độc lập tăng 1 đơn vị, Wage dự kiến sẽ giảm J đơn vị (B là giá trị của hệ số hồi quy)

« Giá trị bằng 0: Biến độc lập không có môi quan hệ với Wage Khi biến độc lập thay đối, Wage dự kiến sẽ không thay đôi

=> Ở mô hình trên, các B1, B2, ., B9 đều mang dấu '*+” với với các biến độc lập bậc 1, qua

đó các biến độc lập Edu, Gender, Married, Exper, Urban, Training, SOE, Region đều có mối quan hệ tích cực với Wage

*Khi tất cả các biến độc lập (BI, B2 , B9) đều bằng 0, mô hình hồi quy trở thành

Wage = -3.5015

Wage dự kiến khi các biến độc lập bằng 0 chính là giá trị của hằng số 0 trong mô hình hồi quy, và trong trường hợp này Wage = -3.5015 Giá trị này phản ánh mức lương cơ bản mà người lao động có thê nhận được, chưa bao gồm tác động của các yếu tố khác như

tuổi tác, trình độ học vấn, giới tính, tình trạng hôn nhân, đào tạo, kinh nghiệm làm việc, loại

hình doanh nghiệp, khu vực sinh sống, và khu vực địa lý

Câu 2:

« _ Các giả định cho mô hình hồi quy tuyến tính

Gia dinh 1: Linear in parameters

Giả định này nghĩa là trong mô hình hồi quytuyến tính, các hệ số hôi quy phải là các hằng số, chứ nó không nằm ở được có dạng số mũ, dạng log, hay tỷ số

=> Như vậy mô hình trên đã thỏa mãn giả định Giả định 2: Random sampling

Dữ liệu là một mẫu ngẫu nhiên được rút ra từ quân thê.Điều này có nghĩa là mỗi thành viên của quân thê có cơ hội bằng nhau được chọn vào mẫu

> Thỏa mãn giả định

Giả định 3: Sample variation in the independent variable( 3/=¡(X: — Ý )* > 0)

Gia định này đảm bảo rằng tông của bình phương của sự độ lệch của mỗi giá trị biến

độc lập so với giá trị trung bình của biến độc lập trong mẫu đữ liệu Er 10% — X) “lớn

hơn 0 Điều này đảm bảo rằng các giá trị của biến độc lập không đều nhau và đủ phong phú đê có thê tước lượng các hệ số của mô hình hồi quy một cách hiệu quả

summarize wage region edu gender exper urban SOE married training, detail

hourly wage, 1000 VND

Percentiles Smallest

1% 11.16071 0

5% 18.22917 0

10% 21.875 0 Obs 56,584

25% 27.08333 0 Sum of Wgt 56,584

50% 35.125 Mean 42.11129

Largest Std Dev 38.29541 75% 46.875 1000

90% 68.75 1000 Variance 1466.538

95% 87.5 1071.429 Skewness 64.42423

99% 152.2222 5833.333 Kurtosis 9290.085

Hình 2: Tống hợp chỉ tiết các biến qua lệnh summarize, detail

Ta có: 3/51: — #)“— ObsxStd, Dev^2= 82,982,610.35722137 >0

> Thỏa mãn giả định

Giả dinh 4: Zero conditional mean: E(u|x) = 0

Giá trị trung bình của các sai số bằng không: E(ulx) = 0 giả định này yêu cầu không

có mối quan hệ có hệ thống nào giữa biến độc lập và sai số Nếu có mối quan hệ như vậy, điều đó ngụ ý rằng biến độc lập có mối tương quan với sai số, vi phạm giả định về tính độc

lập

Source ss df MS Number of obs = 56,584

F(8, 56575) = 750.19 Model 7958420.24 8 994802.529 Prob > F = 0.0000 Residual 75022722 56,575 1326.07551 R-squared = 0.0959

Adj R-squared = 0.0958 Total 82981142.2 56,583 1466.5384 Root MSE = 36.415

wage Coef Std Err t P>lt| [95% Conf Interval] region 1.525805 0953421 16.00 0.000 1.338934 1.712676 edu 2.069439 0597847 34.61 0.000 1.952261 2.186618 gender 6.761057 3168558 21.34 0.000 6.140017 7.382096 exper 1595611 0181995 8.77 0.000 1238899 1952323 urban 3.987699 3382104 11.79 0.000 3.324805 4.650593 SOE 3.641229 4479412 8.13 0.000 2.763262 4.519197 married 3.975557 4241817 9.37 0.000 3.144159 4.806956 training 4.997102 4461811 11.20 0.000 4.122584 5.871619 _cons -3.501593 - 8904349 -3.93 0.000 -5.24685 -1.756335

Hình 3: Mô hình hồi quy tuyến tính

Ta có Prob > F =0.000 nên ta chấp nhận rằng E(ulx) = 0

> Thỏa mãn giả định

Vì mô hình thỏa mãn từ giả định 1 đến giả định 4, ta kết luận mô hình hồi quy tuyến tính

không thiên vị

Gia dinh 5: Homoskedasticity: Var(u|x) = g?

Giả định này yêu cầu phương sai của sai số của mô hình là không đối (hay đồng nhất) qua

mọợi mức độ của biến độc lập

hettest

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance Variables: fitted values of wage

Prob > chi2 = 0.0000

nh 4: Kiêm định Breusch-Pagan

Kết quả của kiêm định cho thấy có sự không đồng nhất về phương sai

(heteroskedasticity) trong mô hình hồi quy Giá trị p-value của kiêm định là 0.000, thấp hơn ngưỡng ý nghĩa thông thường ở mức 0.05, điều nảy cho thấy có bằng chứng đủ đề bác bỏ giả thuyết về tính đồng nhất của phương sai

Đề khắc phục vấn đề này, ta có thê sử dụng phương pháp robust standard errors dé ước lượng các tham số hôi quy

tegress wage region edu gender exper urban SOE married training, vce (robust)

Linear regression Number of obs 56,584

F(8, 56575) = 704.49 Prob > F = 0.0000 R-squared = 0.0959 Root MSE 36.415

Robust wage Coef Std Err t P>ltl (95% Conf Interval] region 1.525805 0759434 20.09 0.000 1.376956 1.674655 edu 2.069439 „0537908 38.47 0.000 1.964009 2.17487 gender 6.761057 3107062 21.76 0.000 6.152071 7.370043 exper -1595611 - 0138261 11.54 0.000 1324619 1866603 urban 3.987699 2448584 16.29 0.000 3.507775 4.467623 SOE 3.641229 4439937 8.20 0.000 2.770999 4.511459 married 3.975557 3681748 10.80 0.000 3.253932 4.697182 training 4.997102 - 2983364 16.75 0.000 4.41236 5.581843 _cons -3.501593 - 7848444 -4.46 0.000 -5.039893 -1.963293

Hình 5: Sử dụng phương pháp robust standard errors đê ước lượng các tham số hôi quy

Câu 3:

reg log_wage region edu married exper urban i.gender#i.training

gender#training

Hình 6: Mô hình hôi quy tuyến tính với biến tương tác giữa giới tính (gender) và đảo tạo (training)

* Group | ( Male and Training “1 1”) có hệ số chặn lả 0,2605719, mức lương của nam

được đào tạo cao hơn 26,05% so với nữ không được đào tạo

s - Group 2 (Female and Training “0 1”) có hệ số chặn là 0,0810833, mức lương của nữ

được đào tạo cao hơn 8,1 1% so với nữ không được đào tạo

se Group 3( Male - Without “1 0”) có hệ số là 0,1097095, mức lương của nam không

được đào tạo cao hơn 10,97% so với nữ không được đào tạo

reg Log_wage i.region edu gender training married exper urban

Source ss df MS Number of obs = 56,584

F(11, 56572) = 1676.78 Model 3813.5948 11 346.690437 Prob > F = 0.0000 Residual 11696 8323 56,572 206760098 R-squared = @.2459

Adj R-squared = @.2457 Total 15510.4271 56,583 274118146 Root MSE = » 45471

log_wage Coef Std Err t P>|t| [95% Conf Interval]

region

2 - 1696875 - 0062208 27.28 9.000 1574947 1818803

3 9014542 - 0066608 0.22 09.827 -.011601 9145094

4 - 0290336 - 0109672 2.65 9.008 - 0075378 - 0505294

5 - 3070746 - 8006889 44.57 9.000 » 2935721 » 3205772

6 1108489 - 0073991 14.98 9.000 9963467 1253511

gender 1456404 „0039569 36.81 9.000 1378848 „153396 training 1379789 - 0055789 24.73 9.000 - 1270441 - 1489137

exper 8016042 - 0002273 7.06 9.000 - 0011587 + 0020497 urban - 0620873 - 0042463 14.62 9.000 9537645 9704101 _cons 2.741254 0109583 250.15 9.000 2.719776 2.762732

Hình 7: Mô hình hồi quy tuyến tính với biến phân loại ¡.region

Như trong bảng kết quả hiển thị, thu được về sự khác biệt giữa các vùng miền như sau:

» - Mức lương khu vực 2 (sông Hồng) cao hơn khu vực cơ sở (Trung du và miễn núi Bắc

Bộ là) 16,97%

» - Mức lương khu vực 3 (duyên hải miền Trung) cao hơn vùng cơ sở là 0,14%

¢ - Mức lương khu vực 4(Tây Nguyên) cao hơn vùng cơ sở là 2,9%

e - Mức lương khu vực 5(Đông Nam Bộ) cao hơn vùng cơ sở là 30,71%

» - Mức lương khu vực 6(Đồng bằng sông Cửu Long) cao hơn vùng cơ sở là 11,08%

Câu 4:

a) Kiêm định giả thuyết H0:

- _ Trước hết ta sẽ tạo biến tương tác giữa edu va SOE

gen edu SOE=edu*SOE

- _ Tiếp ta sẽ chạy hồi quy tuyến tính với biến edu_SOE

F(9, 56574) = 1703.63 Model 3307.28365 9 367.475961 Prob > F = 0.0000

Adj R-squared = 0.2131 Total 15510 4271 56,583 274118146 Root MSE = -46444

edu - 0376747 - 0007843 48.04 0.000 - 0361375 0392119 SOE -.1263037 0201347 -6.27 0.000 -.1657678 -.0868395 edu_SOE 0145284 0014028 10.36 0.000 „011779 0172778 region 029034 0012162 23.87 0.000 0266502 0314178 gender 1432614 0040414 35.45 0.000 - 1353401 1511826 training 1193871 0056906 20.98 0.000 1082335 1305407 married 093451 0054102 17.27 0.000 082847 „104055 exper 0018951 0002322 8.16 0.000 00144 0023501 urban 0698257 0043142 16.19 0.000 0613699 0782814 _ cons 2.765056 0116298 237.76 0.000 2.742261 2.78785

Hình 8: Bảng hỏi quy tuyến tính với biến edu_SOE

- Ta có giả thuyết H0: ảnh hưởng của giáo dục (edu) đối với log tự nhiên của tiền lương (wage) là giống nhau giữa lao động làm việc trong doanh nghiệp nhà nước và lao động làm việc trong doanh nghiệp tư nhân

Từ bảng trên ta thấy: Prob > F = 0.0000

= P-value cua cdu SOE < 0.05