thực hành kinh tế lượng

Bài thực hành kinh tế lượng.Vấn đề nghiên cứu: Diện tích rừng mất đi với mật độ dân số, diện tích đất canh tác và diện tích đồng cỏ chăn nuôi Vấn đề nghiên cứu: Diện tích rừng mất đi với mật độ dân số, diện tích đất canh tác và diện tích đồng cỏ chăn nuôi

Trang 1

Vấn đề nghiên cứu :

Diện tích rừng mất đi với mật độ dân số, diện tích đất canh tác và diện tích đồng cỏ

chăn nuôi

I., Cơ sở lý thuyết.

Diện tích rừng mất đi phụ thuộc vào một số yếu tố sau đây:

+ Mật độ dân số: khi mật độ dân số càng cao thì xu hướng sẽ là mở rộng diện tích đất đai cho người dân có them không gian sống Điều đó có nghĩa là sẽ phải hy sinh một lượng diện tích rừng và làm diện tích rừng bị mất tăng lên

+ Diện tích đất dành cho trồng trọt: khi ngành trồng trọt phát triển mạnh, hay người dân cần nhiều đất hơn để trồng các loại cây lương thực, thực phẩm, công nghiệp,… họ sẽ phá rừng và tất nhiên diện tích rừng bị mất sẽ tăng lên

+ Diện tích đất dành cho chăn nuôi: tương tự như ảnh hưởng của diện tích đất dành cho trồng trọt, diện tích đất dành cho chăn nuôi cũng ảnh hưởng cùng chiều đến diện tích rừng bị mất đi Người dân tham gia sản xuất trong lĩnh vực chăn nuôi càng nhiều thì họ sẽ lấy đi của rừng nhiều đất hơn

II Xây dựng mô hình kinh tế lượng

Các biến sử dụng:

Forest_loss: diện tích rừng mất đi

Popdens: mật độ dân số

Cropch: sự thay đổi diện tích đất dành cho trồng trọt

Pasturech: sự thay đổi diện tích đất dành cho chăn nuôi

Ta có : PRF

E(Forest_loss i / Popdens, Cropch, Pasturech) = β1 +β2 Popdens+β3 Cropch

Trang 2

Trong đó : Forest_lossi: là biến phụ thuộc

Popdens, Cropch, Pasturech: là biến độc lập

β1 : hệ số chặn

β2, β3, β4 : hệ số góc

Dự kiến dấu:

+ Mật độ dân số tăng làm diện tích rừng bị mất tăng => β2 mang dấu dương

+ Diện tích đất trồng trọt tăng làm diện tích rừng bị mất tăng => β3 mang dấu

dương

+ Diện tích đất chăn nuôi tăng làm diện tích rằng bị mất tăng => β4 mang dấu

dương

Trên cơ sở đó ta có mô hình hồi quy như sau:

SRM : Forest_loss i = b 1 + b 2 Popdens + b 3 Cropch +b 4 Pasturech + e i

Với e i là phần dư của mẫu

• Bảng số liệu về lượng giảm về rừng , mật độ dân số, diện tích canh tác và

diện tích đồng cỏ:

ob

Trang 3

17 1,1 256 3,4 0 52 2 503 3,7 6,2

+) với số liệu từ mẫu trên tiến hành ước lượng mô hình bằng phần mềm Gretl ta

được kết quả như bảng sau:

Model 1: OLS, using observations 1-70 Dependent variable: Forest_loss

Coefficient Std Error t-ratio p-value

const 0,565674 0,13271 4,2625 0,00007 ***

Popdens 0,00080774

3

0,00011355 8

7,1131 <0,00001 ***

-0,00397477

0,010214 -0,3891 0,69842 Pasturech 0,027966 0,0100031 2,7957 0,00677 ***

Trang 4

Mean dependent var 1,138571 S.D dependent var 0,928189

Sum squared resid 30,00558 S.E of regression 0,674263

R-squared 0,495245 Adjusted R-squared 0,472302

F(3, 66) 21,58553 P-value(F) 7,45e-10

Log-likelihood -69,67678 Akaike criterion 147,3536

Schwarz criterion 156,3475 Hannan-Quinn 150,9261

Theo kết quả trên ta được hàm hồi quy miêu tả mối quan hệ giữa các biến kinh tế như sau:

-p-value(Popdens), p-value(Pasturech) < 0,01 => biến có ý nghĩa thống kê ở mức 1%

-p-value(Cropch)=0,6982 > 0,1 => biến Cropch không có ý nghĩa thống kê ở mức 10%

• Ý nghĩa của các hệ số ước lượng:

b1 = 0,536816 > cho t biết khi mật độ dân số và thay đổi của đồng cỏ không thay đổi thì tỷ lệ rừng bị mất là 0,536816

b2 = 0,000814567>0 cho biết khi các yếu tố khác không thay đổi, mật độ dân số tăng lên 1% thì tỷ lệ rừng bị mất là 0,000814567%

b4 =0,0269409 >0 cho biết khi các yếu tố khác không thay đổi, diện tích đất chăn nuôi tăng lên 1% thì tỷ lệ rừng mất đi là 0,0269409%

Theo lý thuyết thì khi dân số tăng và diện tích đất chăn nuôi tăng thì diện tích rừng giảm xống dó đó có thể kết luận các hệ số ước lượng phù hợp với lý thuyết

+) R2 = 0,495245 cho t biết 49, 5245% sự biến động của diện tích rừng được giải thích bởi mật độ dân số, diện tích canh tác và sự thay đổi của đồng cỏ

2. Kiểm định mô hình gốc:

2.1 1.Mô hình có hệ số của Cropch không có ý nghĩa thống kê

2.2 kiểm định sự phù hợp của hàm hồi quy:

Để kiểm định sự phù hợp của hàm hồi quy ta kiểm định cặp giả thiết sau:

H0 : R2 = 0

Trang 5

H1 : R2 > 0

Tiêu chuẩn kiểm định:

P-value(F)=7,45e-10 < 0,01 => bác bỏ H0 => mô hình phù hợp

2.3 Mô hình có phân phối e i chuẩn do cỡ mẫu lớn.

Kiểm định Normality cho kết quả p-value=0 => phần dư của mô hình không có phân phối chuẩn Tuy nhiên vì mô hình có kích thước lớn (n=70) nên lỗi này

không ảnh hưởng nghiêm trọng tới mô hình do sự hội tụ về phân phối chuẩn khi kích thước mẫu đủ lớn

2.4 Đa cộng tuyến:

• Phát hiện đa cộng tuyến theo phương pháp hồi quy phụ

Hồi quy PL theo PC bằng phần mềm Gretl ta thu được kết quả sau:

Model 2: OLS, using observations 1-70 Dependent variable: Popdens

Trang 6

const 702,673 114,084 6,1592 <0,00001 ***

Cropch -13,8884 10,8568 -1,2792 0,20523

Pasturech 11,0228 10,6771 1,0324 0,30561

Sum squared resid 35255298 S.E of regression 725,3954

F(2, 67) 1,089908 P-value(F) 0,342134

Ta có P-value(F)= 0,32134 <0,05 => không có hiện tượng đa cộng tuyến

• Có thể phát hiện đa cộng tuyến theo chạy mô hình tính VIF tư động, ta có :

Theo bảng số liệu trên ta có thể thấy rằng VIF(PL) và VIF(PC) <10 nên không có

đa cộng tuyến ở mô hình hồi quy ban đầu

2.5 Phương sai sai số thay đổi:

Trang 7

Sử dụng kiểm định White và Breusch-Pagan test để kiểm tra có PSSS thay đổi trong mô hình hay không: ( với số liệu chéo)

Model 1: OLS, using observations 1-70 Dependent variable: Forest_loss

const 0,565674 0,13271 4,2625 0,00007 ***

Popdens 0,00080774

3

0,00011355 8

7,1131 <0,00001 ***

-0,00397477

0,010214 -0,3891 0,69842 Pasturech 0,027966 0,0100031 2,7957 0,00677 ***

F(3, 66) 21,58553 P-value(F) 7,45e-10

Test for normality of residual

Null hypothesis: error is normally distributed

Test statistic: Chi-square(2) = 23,0444

with p-value = 9,90787e-006

White's test for heteroskedasticity (squares only)

Null hypothesis: heteroskedasticity not present

Test statistic: LM = 21,2084

with p-value = P(Chi-square(6) > 21,2084) = 0,00168293

White's test for heteroskedasticity

BreuschPagan test for heteroskedasticity

Trang 8

with p-value = P(Chi-square(3) > 72,5686) = 1,20259e-015

-với White :

p-value = P(Chi-square(9) > 30,501581) = 0,000360303 <0.01 => có

PSSS thay đổi.

-với White's test (squares only)

p-value = P(Chi-square(6) > 21,20815) = 0,00168293 <0.01 => có PSSS thay đổi.

-với Breusch-Pagan test: :

p-value = P(Chi-square(3) > 72,568554) = 1,20259e-015<0,01 => có PSSS thay đổi.

2.6 Tự tương quan.

Đổi số liệu của mô hình về dạng chuỗi thời gian, hồi quy mô hình với sơ liệu đã đổi ta có

Model 6: OLS, using observations 1-70

Dependent variable: FL

const 0,536816 0,109359 4,9088 <0,00001 ***

Popdens 0,00081456

7

0,00011148 3

7,3066 <0,00001 ***

Pasturech 0,0269409 0,00958869 2,8097 0,00649 ***

F(2, 67) 32,71694 P-value(F) 1,22e-10

rho -0,016856 Durbin-Watson 2,027822

Theo số liệu trong bảng ta thấy giá trị theo kiểm định Durbin-Watson: d=2,027822 Trong khi đó ta có : du= 1,672 dl=1,554 (với mức ý nghĩa 5%)

Trang 9

d=2,027822 ∈ (du, 4-du) => với mức ý nghĩa 5% mô hình không có tự tương quan

3. Khắc phục mô hình có PSSS thay đổi :

phát hiện biến gây ra PSSS thay đổi :

Từ kết quả thu được từ những kiểm định trên ta có thể kết luận mô hình có hiện tượng PSSSTĐ Để có thể khắc phục lỗi này ta cần tìm hiểu xem biến nào gây ra lỗi Ta thực hiện lấy phần dư của mô hình gốc, bình phương lên sau đó vẽ đồ thị về mối quan hệ của nó với lần lượt 3 biến giải thích

Trang 11

Từ 3 đồ thị trên ta có thể dễ dàng nhận thấy biến gây ra lỗi PSSSTĐ trong mô hình

là biến Popdens Bây giờ chúng ta sẽ có các phương án để khắc phục PSSS thay đổi do biến Popdens gây ra như sau :

1. Phương án một

• Giả định E(Ui2)=ƃ2Popdens2

Thực hiện hồi quy mô hình theo trọng số Popdens

Ta có

 fl_pop=per_pop++cr_pop+pas_pop+v i

Trong đó fl_pop = , per_pop = , cr_pop =

pas_pop = , vi =

• Ta có mô hình hồi quy mới

Model 5: OLS, using observations 1-70 Dependent variable: fl_pop

const 0,0027765 0,000505563 5,4919 <0,00001 ***

per_pop 0,178267 0,0486095 3,6673 0,00049 ***

cr_pop -0,00468473 0,00311844 -1,5023 0,13780

pas_pop 0,00679658 0,0046246 1,4697 0,14641

F(3, 66) 1174,416 P-value(F) 3,49e-57

Log-likelihood 294,5083 Akaike criterion -581,0166

Schwarz criterion -572,0227 Hannan-Quinn -577,4441

rho -0,019315 Durbin-Watson 2,034742

Trang 12

• Kiểm định mô hình

1. Mô hình có hệ số của biến cr_pop và pas_pop không có ý nghĩa thống kê

2. hình có xảy ra đa cộng tuyến

Per_pop 212,251 Cr_pop 71,897 Pas_pop 160,191

Ta thấy VIF(Xi) >10 nên có đa cộng tuyến

3. Mô hình phù hợp do P-value(F)=3.49e-57 <0.05

4. Mô hình không có tự tương quan

2<DW=2.034742<4-Du=2.2792

5. Mô hình có PSSSTĐ

+ White’s test: Ta thấy p-value=0.000000<0.05 nên có xảy ra PSSSTĐ

+ BP test

Ta thấy p-value=0.0011868<0.05 nên có xảy ra PSSSTĐ

Vậy ta không nên dùng mô hình này

2. Phương án hai

• Giả định E(Ui2)=ƃ2 Popdens

Thực hiện hồi quy mô hình theo trọng số

Ta có

fl_sqrt_pop=per_sqrt_pop++cr_sqrt_pop+pas_sqrt_pop+vi

Trong đó fl_sqrt_pop = , per_sqrt_pop = ,

per_sqrt_pop = , pas_sqrt_pop = , vi =

Model 7: OLS, using observations 1-70 Dependent variable: fl_sqrt_pop

per_sqrt_pop 0,263409 0,0507785 5,1874 <0,00001 ***

cr_sqrt_pop -0,00458343 0,00352437 -1,3005 0,19795

pas_sqrt_pop -0,00237464 0,00471866 -0,5032 0,61647

sqrt_pop 6,13233e-05 2,01104e-05 3,0493 0,00330 ***

Trang 13

F(4, 66) 733,2118 P-value(F) 6,72e-54

Log-likelihood 285,9486 Akaike criterion -563,8971

Schwarz criterion -554,9032 Hannan-Quinn -560,3246

rho 0,088834 Durbin-Watson 1,815018

White's test for heteroskedasticity (squares only)

1. Mô hình có hai hệ số của biến cr_sqrt_pop và pas_sqrt_pop không có

ý nghĩa thống kê

2. Không có hiện tượng đa cộng tuyến

Per_sqrt_pop 5,883 Sprt_pop 1,546 Cr_sqrt_pop 2,883 Pas_sqrt_pop 4,283

Ta thấy VIF(Xi) <10 nên không có đa cộng tuyến

3. Mô hình phù hợp do có p-value(F)=1.78e-16<0.05

Du=1.7208<DW=1.929324<2

5. Mô hình có PSSSTĐ

+White’s test

Ta thấy p-value=1,44931e-008<0.05 nên có xảy ra PSSSTĐ

+ White's test (squares only)

Ta thấy p-value=5,32273e-010 <0.05 nên có xảy ra PSSSTĐ

Vậy ta không nên chọn cách mô hình này

3. Phương án ba

• Giả định E(Ui2)=ƃ2 (E(Forest_loss))2

Trang 14

Ta hồi quy mô hình theo trọng số ~(E(Forest_loss))2

Ta có

fl_FIT=per_FIT+Pop_FIT+cr_FIT+pas_FIT+

Trong đó fl_FIT = , per_FIT = ,

per_FIT = , pas_FIT = , vi =

Model 8: OLS, using observations 1-70 Dependent variable: fl_FIT

per_FIT 0.517813 0.0753641 6.8708 <0.00001 ***

pop_FIT 0.000960863 0.000147392 6.5191 <0.00001 ***

cr_FIT -0.00634625 0.00537831 -1.1800 0.24225

Pas_FIT 0.0129025 0.00285919 4.5126 0.00003 ***

Mean dependent var 1.044786 S.D dependent var 0.837506

Sum squared resid 16.73410 S.E of regression 0.503535

R-squared 0.654238 Adjusted R-squared 0.638522

F(3, 66) 41.62758 P-value(F) 3.22e-15

Log-likelihood -49.23907 Akaike criterion 106.4781

Schwarz criterion 115.4721 Hannan-Quinn 110.0507

Test statistic: LM = 21.5765

with p-value = P(Chi-square(9) > 21.5765) = 0.0103226

Test statistic: LM = 0.528361

with p-value = P(Chi-square(3) > 0.528361) = 0.912618

1. Mô hình có một hệ số của biến cr_FIT không có ý nghĩa thống kê

2. Mô hình phù hợp do có p-value(F)=3.22e-15<0.05

3. Mô hình xảy ra đa cộng tuyến

Trang 15

Ta thấy hệ số tương quan giữa cr_FIT và per_FIT=0.8870>0.8

Ta hồi quy biến cr_FIT theo các biến độc lập còn lại

Ta thấy R-squared=1 tức là VIF tiến đến ∞

Du=1.7208<DW=1.898872<2

5. Mô hình qua được White’s test (squares only) và BP test nhưng không qua được White’s test

+ White’s test (squares only)

Trang 16

Ta thấy p-value=0.172282 >0.05 => không có PSSS thay đổi

+ BP test

Ta thấy p-value=0.9122618 >0.05 => không có PSSS thay đổi + White’s test

Trang 17

Ta thấy 0,05> p-value=0.010323 >0,01

Tuy nhiên mô hình mới này có nhược điểm là biến Cropch không có ý nghĩa thống

kê tại mứa 10% và R2 còn khá thấp Ta sẽ bỏ biến này và xem xét mô hình mới có tốt hơn không

Model 10: OLS, using observations 1-70 Dependent variable: Forest_loss3

per_FIT 0.465798 0.0613058 7.5979 <0.00001 ***

pop_FIT 0.000970617 0.000147591 6.5764 <0.00001 ***

Pas_FIT 0.0129523 0.00286724 4.5173 0.00003 ***

Mean dependent var 1.044786 S.D dependent var 0.837506

Sum squared resid 17.08713 S.E of regression 0.505007

R-squared 0.863093 Adjusted R-squared 0.859006

F(3, 67) 140.7943 P-value(F) 7.23e-29

Log-likelihood -49.96975 Akaike criterion 105.9395

Schwarz criterion 112.6850 Hannan-Quinn 108.6189

Trang 18

Mô hình mới này tốt hơn mô hình khi chưa bỏ biến vì các biến giải thích đều có ý nghĩa thống kê tại mức 1% Hơn nữa cả giá trị R2 và R2 điều chỉnh đều có giá trị lớn hơn

R2 R2 điều chỉnh

Mô hình chưa bỏ biến

Cropch

0.654238 0.638522

Mô hình đã bỏ biến

Cropch

0.863093 0.859006

Ngoài ra các kiểm định khác cho thấy mô hình không có hiện tượng đa cộng tuyến cũng như tự tương quan => mô hình rất phù hợp

Vậy ta có thể lựa chọn mô hình này

4. Phương án bốn

• Ta sử dụng Robust standard errors cho mô hình hồi quy gốc

Kết quả thu được không tốt hơn so với mô hinh ở mục D vì không những mô hình không khắc phục được PSSSTĐ mà vẫn còn biến không có ý nghĩa thống kê ở mức 10% và giá trị R2 quá thấp

Định dạng
Số trang	19
Dung lượng	322,56 KB