Nhập khẩu và tỷ lệ lạm phát ảnh hưởng đến GDP Vấn đề nghiên cứu: nhập khẩu và tỷ lệ lạm phát ảnh hưởng đến GDP như thế nào? Các biến kinh tế sử dụng : biến phụ thuộc Y : GDP biến giải thích ¬:X2 Nhập khẩu :X3 Tỷ lệ lạm phát Nhận xét: Mô hình hồi qui trên là phù hợp về mặt kinh tế , khi xuất khẩu của một quốc gia tăng lên thi GDP sẽ tăng còn khi lạm phát tăng lên thi GDP sẽ bị giảm xuống.
Bài thực hành kinh tế lượng Vấn đề nghiên cứu: nhập khẩu và tỷ lệ lạm phát ảnh hưởng đến GDP như thế nào? Các biến kinh tế sử dụng : - biến phụ thuộc Y : GDP - biến giải thích :X 2 Nhập khẩu :X 3 Tỷ lệ lạm phát I.LẬP MÔ HÌNH HỒI QUI BỘI: Bảng số liệu: Năm Y X 2 X 3 1991 76701 2338.1 67.5 1992 110532 2540.8 17.5 1993 140258 3923.9 5.2 1994 178534 5825.8 14.4 1995 228892 8155.4 12.7 1996 272036 11143.6 4.5 1997 313623 11592.3 3.6 1998 361017 11499.6 9.2 1999 399942 11742.1 0.1 2000 441646 15636.5 -0.6 2001 481295 16217.9 0.8 2002 535762 19745.6 4 2003 613443 25255.8 4.8 2004 713071 31953.9 9.5 Nguồn số liệu: - Niên giám thống kê ( 1993, 1999, 2001, 2003, 2004, 2005 ) - http:// www.gso.gov.vn - http:// www.adb.org I. Ước lượng mô hình hồi quy. Trong nền kinh tế có nhiều nhân tố tác động tới GDP, trong đó nhập khẩu và tỷ lệ lạm phát là hai nhân tố tác động không nhỏ tới GDP. Trong 1 thực tế nhập khẩu có tác động cùng chiều với GDP và tỷ lệ lạm phát có tác động ngược chiều. Xét hàm hồi qui tổng thể: PRF: E(Y i /X 2i ,X 3i )= β 1 + β2*X 2i + β 3 *X 3i Trong đó: Y là biến phụ thuộc X 2 , X 3 là biến độc lập β 1 : là hệ số chặn β2 , β 3 là các hệ số góc Ta có mô hình hồi qui tổng thể như sau: PRM: Y i = β 1 + β2*X 2i + β 3 *X 3i + U i Trong đó U i là yếu tố ngẫu nhiên . Hàm hồi quy mẫu: i Y ˆ = 1 ˆ β + 2 ˆ β X 2i + 3 ˆ β X 3i Hồi quy GDP(tỷ đồng) theo nhập khẩu (triệu đô la) và tỷ lệ lạm phát(%) ở Việt Nam giai đoan 1991-2004. Với số liệu từ mẫu trên, ta tiến hành ước lượng mô hình bằng phần mềm eview BAO CAO 1 Dependent Variable: Y Method: Least Squares Date: 11/20/07 Time: 20:03 Sample: 1991 2004 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. X 2 21.06223 1.334512 15.78272 0.0000 X 3 -1260.464 668.3134 -1.886037 0.0860 C 94271.94 23370.76 4.033757 0.0020 R-squared 0.968824 Mean dependent var 347625.1 Adjusted R-squared 0.963155 S.D. dependent var 194422.7 S.E. of regression 37319.45 Akaike info criterion 24.07983 Sum squared resid 1.53E+10 Schwarz criterion 24.21677 Log likelihood -165.5588 F-statistic 170.9156 Durbin-Watson stat 0.812351 Prob(F-statistic) 0.000000 ^ Y = 94271.94 + 21.06223*X 2i - 1260.464*X 3i 2 Nhận xét: Mô hình hồi qui trên là phù hợp về mặt kinh tế , khi xuất khẩu của một quốc gia tăng lên thi GDP sẽ tăng còn khi lạm phát tăng lên thi GDP sẽ bị giảm xuống. với R 2 = 0.968824 ^ β 1 =94271.94 > 0 cho thấy khi NK và LP bằng không thì GDP trung bình đạt 94271.94 tỷ đồng . ^ β 2 =21.0622 > 0 cho thấy khi giá trị nhập khẩu tăng 1triệu đôla thì GDP trung bình tăng 21.0622 tỷ đồng . ^ β 3 =-1260.464 < 0 cho thấy khi tỉ lệ lạm phát giảm 1% thì GDP trung bình tăng 1260.464 tỷ đồng . II. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH HỒI QUI: 2.1 kiểm tra mô hình đúng hay sai 2.1.1 Kiểm tra trường hợp thừa biến a. Kiểm định sự bằng không của hệ số hồi quy 2 β . Kiểm định cặp giả thuyết: H 0 : 2 β = 0 H 1 : 2 β # 0 Tiêu chuẩn kiểm định: T = ( ) 2 2 ˆ ˆ β β Se ~ T (n-3) Miền bác bỏ W α = {t, t > t )3( 2/ −n α } Từ báo cáo 1 ta có : T qs = 15.79 với α= 0.05 , n=14 ; T α/2 (n-3) = T 0.025 11 = 2.2 T qs = 15.79 > T 0.025 11 = 2.2 ⇒ T qs ∈ W α Bác bỏ H o chấp nhận H 1 tức là NK có ảnh hưởng đến GDP b. Kiểm định sự bằng không của hệ số hồi quy 3 β Kiểm định cặp giả thuyết: H 0 : 3 β =0 H 1 : 3 β #0 Tiêu chuẩn kiểm định: T = ( ) 3 3 ˆ ˆ β β Se ~ T (n-3) Miền bác bỏ W α = {t, t > t )3( 2/ −n α } 3 Từ baó cáo trên ta tìm được T qs = -2.3123 Với α = 0.05; n=14 T α/2 (n-3) = T 0.025 11 = 2.2 qs T = 2.3123> T 0.025 11 =2.2 ⇒ T qs ∈ W α vậy bác bỏ H o chấp nhận H 1 tức là LP có ảnh hưởng đến GDP 2.1.2.Kiểm định sự phù hợp của hàm được chỉ định : Sử dụng kiểm định RAMSEY kiểm định cá biến bỏ sót Bằng phần mềm eviêw ta có kết quả sau: Bao cao 2 Ramsey RESET Test: F-statistic 4.942885 Prob. F(1,10) 0.050415 Log likelihood ratio 5.623103 Prob. Chi-Square(1) 0.017725 Test Equation: Dependent Variable: Y Method: Least Squares Date: 11/20/07 Time: 20:18 Sample: 1991 2004 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. X 2 34.52164 6.161231 5.603042 0.0002 X 3 -490.3621 669.9043 -0.731988 0.4810 C 25086.59 37019.67 0.677656 0.5134 FITTED^2 -7.10E-07 3.19E-07 -2.223260 0.0504 R-squared 0.979136 Mean dependent var 347625.1 Adjusted R-squared 0.972877 S.D. dependent var 194422.7 S.E. of regression 32019.49 Akaike info criterion 23.82103 Sum squared resid 1.03E+10 Schwarz criterion 24.00362 Log likelihood -162.7472 F-statistic 156.4338 Durbin-Watson stat 0.999253 Prob(F-statistic) 0.000000 F qs = 4.942885 ; R 2 = o.979136 với p=2 ; k=4 Kiểm định cặp giả thuyết : Ho : mô hình chỉ định đúng Hı : mô hình chỉ định sai 4 Tiêu chuẩn kiểm định: F = [ (R² new - R² old )/ ( p -1) ]/ [(1-R² new )/(n-k) ] ~ F[ (p-1);(n-k) ] Miền bác bỏ Wα : { F / F > F ( p-1;n-k) }. Giá trị thống kê F qs =4.942885 Với α= 0.05 ; F α (p-1, n-k) =F 0.05 (2-1,14-4) =F 0.05 (1,10) =4.96 Ta có F qs =4.84285<F 0.05 (1,10) =4.96 ⇒ F qs ∉ W α Như vậy chưa có cơ sở bác bỏ giả thuyết Ho, tức là mô hình ban đầu chỉ định đúng. 2.Kiểm định đa cộng tuyến Phát hiện đa cộng tuyến theo mô hình hồi qui phụ. Hôì quy X 2 và X 3 bằng phần mềm eview ta đựợc : Bao cao 3 Dependent Variable: X 2 Method: Least Squares Date: 11/20/07 Time: 20:15 Sample: 1991 2004 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. X 3 -215.8724 130.4454 -1.654887 0.1238 C 15045.93 2586.999 5.815977 0.0001 R-squared 0.185814 Mean dependent var 12683.66 Adjusted R-squared 0.117965 S.D. dependent var 8595.662 S.E. of regression 8072.762 Akaike info criterion 20.96194 Sum squared resid 7.82E+08 Schwarz criterion 21.05324 Log likelihood -144.7336 F-statistic 2.738652 Durbin-Watson stat 0.336153 Prob(F-statistic) 0.123846 Theo báo cáo 3 ta có R 2 = 0.185814 Ta kiểm định cặp giả thuyết sau: H 0 : mô hình không có đa cộng tuyến H 1 : mô hình có đa cộng tuyến Dùng kiểm định F để kiểm định với tiêu chuẩn kiểm định như sau: 5 F= {R 2 /(k-2)}/{(1-R 2 )/(n-k+1)}~ F(k-2;n-k+1) Miền bác bỏ :W α = {F/F > F α (k-2;n-k+1)} Ta có F α (k-2,n-k+1) = F α (3-2, 14-3+1) =F 0.05 (1,12) =4.75 Ta thấy F qs =2.738652<F 0.05 (1,12) =4.75 ⇒ F qs ∉ W α Do đó chưa có cơ sở bác bỏ H 0 . Như vậy X 2 không có cộng tuyến với biến còn lại trong mô hình. 3.Kiểm định phương sai sai số thay đổi: Sử dụng kiểm định White, bằng phần mềm eview ta có kết BAO CAO4 White Heteroskedasticity Test: F-statistic 0.649910 Prob. F(4,9) 0.641159 Obs*R-squared 3.137592 Prob. Chi-Square(4) 0.535069 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/20/07 Time: 20:21 Sample: 1991 2004 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 2.29E+09 1.93E+09 1.186051 0.2660 X 2 -67414.55 206225.3 -0.326898 0.7512 X 2 ^2 1.879125 5.683366 0.330636 0.7485 X 3 -1.20E+08 1.03E+08 -1.160983 0.2755 X 3 ^2 1378879. 1293859. 1.065710 0.3143 - R- squared 0.224114 Mean dependent var 1.09E+09 Adjusted R-squared -0.120725 S.D. dependent var 1.03E+09 S.E. of regression 1.09E+09 Akaike info criterion 44.73668 Sum squared resid 1.08E+19 Schwarz criterion 44.96491 Log likelihood -308.1567 F-statistic 0.649910 Durbin-Watson stat 2.847606 Prob(F-statistic) 0.641159 6 Ta có R 2 =0.224114 với k= 4 ; 2 qs χ =3.137592 Kiểm định cặp giả thuyết sau: H 0 : phương sai sai số đồng đều H 1 : phương sai sai số không đồng đều Tiêu chuẩn kiểm định: χ 2 = nR 2 ~χ 2(m) Miền bác bỏ: Wα={χ 2 /χ 2 >χ α 2(m) } χ α 2(m) = χ 2(4) 0.05 =5.99147 Nhận thấy: χ 2 qs =3.137592 < χ 2(4) 0.05 =5.99147 nên chưa có cơ sở bác bỏ giả thuyết H 0 Vậy mô hình có phương sai sai số đồng đều. 4 .Kiểm định tự tương quan ( bằng kiểm định Breusch – Godfrey ) Bằng phần mềm eview ta rhu được kết quả như sau BAO CAO 5 Breusch-Godfrey Serial Correlation LM Test: F-statistic 3.109115 Prob. F(2,9) 0.094070 Obs*R-squared 5.720456 Prob. Chi-Square(2) 0.057256 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 11/20/07 Time: 20:22 Sample: 1991 2004 Included observations: 14 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. X 2 -0.236592 1.309347 -0.180695 0.8606 X 3 93.95065 572.2648 0.164173 0.8732 C 704.1566 21333.28 0.033007 0.9744 RESID(-1) 0.826187 0.334576 2.469353 0.0356 RESID(-2) -0.350084 0.371380 -0.942659 0.3705 R-squared 0.408604 Mean dependent var 1.04E-12 Adjusted R-squared 0.145761 S.D. dependent var 34328.91 7 S.E. of regression 31728.50 Akaike info criterion 23.84027 Sum squared resid 9.06E+09 Schwarz criterion 24.06851 Log likelihood -161.8819 F-statistic 1.554557 Durbin-Watson stat 1.830563 Prob(F-statistic) 0.267039 Ta có: χ² =5.72 ; p=2 Kiểm định cặp giả thuyết : H 0 : không có tự tương quan H 1 : có tự tương quan Tiêu chuẩn kiểm định: χ 2 =(n-1)R 2 ~ χ 2 (2) Miền bác bỏ : Wα = { χ² / χ² > χ α ²(2) } Theo báo cáo 5 ta có χ² qs =5.72 với α=0.05 , )2(2 05.0 χ =5.99147 Ta có: χ qs 2 =5.72< )2(2 05.0 χ =5.99147 ⇒ 2 qs χ ∉ W α Như vậy chưa có cơ sở bác bỏ giả thuyết Ho tức là mô hình không có hiện tượng tự tương quan. 5 .Kiểm tra tính phân phối chuẩn của sai số ngẫu nhiên: Bằng phần mềm eview ta có kết quả sau : 0 1 2 3 4 5 6 -50000 0 50000 Series: Residuals Sample 1991 2004 Observations 14 Mean 1.04e-12 Median -10959.49 Maximum 58481.28 Minimum -51272.94 Std. Dev. 34328.91 Skewness 0.236757 Kurtosis 1.828207 Jarque-Bera 0.931766 Probability 0.627581 JB = 0.931766 < χ² 0.05 (2) = 5.99147 8 Kiểm định cặp giả thuyết : Ho: U có phân phối chuẩn Hı : U không có phân phối chuẩn Tiêu chuẩn kiểm định : JB = N * { S²/6 + (k-3)²/24}~ χ²(2) Miền bác bỏ: Wα : {JB / JB > χ² α (2) } Với α= 0.05 )2(2 05.0 χ =5.99147 > JB qs = 0.931766 Như vậy chưa có cơ sở để bác bỏ giả thuyết Ho,do đó U có phân phối chuẩn. 6.Đánh giá R 2 : Theo báo cáo 1 ta có R² =0.9688 cho thấy 96.88 % sự biến động của Y sẽ được giải thích bởi X 2 và X 3 hay nhập khẩu và lạm phát có thể giải thích tới 96.88% sự thay đổi của GDP III. Phân tích về sự thay đổi của các biến kinh tế trong mô hình 1. khi một biến giải thích thay đổi thì biến phụ thuộc sẽ thay đổi như thế nào *khoảng tin câỵ đối xứng của 2 β là: 2 ˆ β - Se( 2 ˆ β )t )3( 2/ −n α ≤ 2 β ≤ 2 ˆ β + Se( 2 ˆ β )t )3( 2/ −n α Ta có T α/2 (n-3) = T 0.025 (14-3) =T 0.025 11 =2.2 2 ˆ β =21.06223 Se( 2 ˆ β )=1.334512 21.06223-1.334512*2.2 ≤ 2 β ≤ 21.06223+1.334512*2.2 ⇔ 18.12633 ≤ 2 β ≤ 23.99 Vậy khi nhập khẩu thay đổi 1 triệu USD thì GDP thay đổi 1lượng trong khoảng (18.12633; 23.99 ) tỷ đồng. khoảng tin cậy đối xứng cuả 3 β là: 3 ˆ β - Se( 3 ˆ β )t )3( 2/ −n α ≤ 3 β ≤ 3 ˆ β + Se( 3 ˆ β )t )3( 2/ −n α Ta có 3 ˆ β =-1260.464 ;Se( 3 ˆ β )=668.3134 Vơí α=0.05 ⇒ T 0.025 ( 14-3) =T 0.025 11 =2.2 ⇒ -1260.464-668.3134*2.2 ≤ 3 β ≤ -1260.464 +668.3134*2.2 -2730.75 ≤ 3 β ≤ 209.825 9 Khi lạm phát thay đổi 1% thì GDP thay đổi trong khảng(-2730.75 ; 209.825) 2 . Nếu giá trị của biến giải thích tăng thêm 1đơn vị (hoặc 1 %) thì giá trị cuả biến phụ thuộc thay đổi tối đa , tối thiểu là bao nhiêu a. Đối với biến X 2 . * Tăng tối đa: 2 β ≤ 2 ˆ β + Se( 2 ˆ β )t )3( −n α 2 β ≤ 21.06223+ 1.3345*1.796 ⇔ 2 β ≤ 23.45 vậy khi nhập khẩu tăng thêm 1 triệu USD thì GDP tăng tối đa là 23.45 tỷ đồng * Tăng tối thiểu: 2 β ≥ 2 ˆ β - Se( 2 ˆ β )t )3( −n α 2 β ≥ 21.06223 – 1.3345*1.796 ⇔ 2 β ≥ 18 .665 Khi nhập khẩu tăng thêm 1 triệu USD thì GDP tăng tối thiểu là :18.665 tỷ đồng b. Đối với biến X 3 * Giảm tối đa: 3 β ≥ 3 ˆ β - Se( 3 ˆ β )t )3( −n α 3 β ≥ - 1260.464 – 668.3134 * 1.796 ⇔ 3 β ≥ -2460.76 Vậy khi tỷ lệ lạm phát tăng thêm 1% sẽ làm cho GDP giảm 2460.76 tỷ đồng. * Giảm tối thiểu: 3 β ≤ 3 ˆ β + Se( 3 ˆ β )t )3( −n α ⇒ 3 β ≤ - 1260.464 + 668.3134*1.796 ⇔ 3 β ≤ -60.173 Vậy khi lạm phát tăng lên 1% thì làm cho GDP giảm tối thiểu 60.173 tỷ đồng 3. Sự biến động giá trị của biến phụ thuộc đo bằng phương sai do các yếu tố ngẫu nhiên gây ra là bao nhiêu? * Khoảng tin cậy đối xứng của 2 σ : )3(2 2/ 2 ˆ )3( − − n n α χ σ ≤ 2 σ ≤ )3(2 2/1 2 ˆ )3( − − − n n α χ σ Ta có σ ˆ = 37319.45, )3(2 2/ − n α χ = χ 0.025 2(11) =21.92 χ 1-α/2 2(n-3) = χ 0.975 2(11) =3.81575 Hay 698.912 ≤ 2 σ ≤ 4014.978 10 [...]...Vậy khi các yếu tố ngẫu nhiên thay đổi thì GDP đo bằng phương sai sẽ thay đổi trong khoảng [698.912, 4014.978] tỷ đồng * Khoảng tin cậy bên trái: ˆ (n − 3)σ 2 σ ≤ χ 2 ( n − 3) 1−α 2 χ1-α2(n-3)= χ1- 0.052(14-3)= χ0.952(11)= 4.57418 σ 2 ≤ 89745.9 Vậy khi các yếu tố ngẫu nhiên thay đổi thì GDP đo bằng phương sai sẽ tăng tối đa là 89745.9 tỷ đồng * Khoảng tin cậy bên phải: ˆ ( n − 3)σ 2 ≥ σ 2... cậy bên phải: ˆ ( n − 3)σ 2 ≥ σ 2 χ α ( n − 3) 2 Ta có χα2(n-3)=χ0.052(11)=19.6751 Thay số ta được σ 2 ≥ 20864.643 Vậy khi các yếu tố ngẫu nhiên thay đổi thì GDP đo bằng phương sai sẽ tăng tối thiểu là 20864.643 tỷ đồng IV.KẾT LUẬN: Qua phân tích và đánh giá những kiểm định trên ta thấy mô hình hồi quy: Yi = β1 + β2 *X2i + β3*X3i + Ui không mắc phải các khuyết tật nên có thể cho rằng mô hình tốt 11 . 2 540 .8 17.5 1993 140 258 3923.9 5.2 19 94 1785 34 5825.8 14. 4 1995 228892 8155 .4 12.7 1996 272036 11 143 .6 4. 5 1997 313623 11592.3 3.6 1998 361017 1 149 9.6 9.2 1999 399 942 11 742 .1 0.1 2000 44 1 646 . criterion 44 .73668 Sum squared resid 1.08E+19 Schwarz criterion 44 .9 649 1 Log likelihood -308.1567 F-statistic 0. 649 910 Durbin-Watson stat 2. 847 606 Prob(F-statistic) 0. 641 159 6 Ta có R 2 =0.2 241 14 với. X 2 -0.236592 1.309 347 -0.180695 0.8606 X 3 93.95065 572.2 648 0.1 641 73 0.8732 C 7 04. 1566 21333.28 0.033007 0.9 744 RESID(-1) 0.826187 0.3 345 76 2 .46 9353 0.0356 RESID(-2) -0.3500 84 0.371380 -0. 942 659 0.3705 R-squared