PHÂN TÍCH MỘT SỐ YẾU TỐ ẢNH HƯỞNG ĐẾN SẢN LƯỢNG LÚA VIỆT NAM BÀI TIỂU LUẬN KINH TẾ LƯỢNG

PHÂN TÍCH MỘT SỐ YẾU TỐ ẢNH HƯỞNG ĐẾN SẢN LƯỢNG LÚA VIỆT NAM BÀI TIỂU LUẬN KINH TẾ LƯỢNG

TRƯỜNG ĐẠI HỌC QUY NHƠN KHOA TÀI CHÍNH NGÂN HÀNG & QUẢN TRỊ KINH DOANH

BÀI TIỂU LUẬN KINH TẾ LƯỢNG

ĐỀ TÀI:

PHÂN TÍCH MỘT SỐ YẾU TỐ ẢNH HƯỞNG

ĐẾN SẢN LƯỢNG LÚA VIỆT NAM

Giảng viên: ThS Hoàng Mạnh Hùng

Lớp học phần: 1140033154RB

Bình Định, tháng 12/2015

DANH SÁCH THÀNH VIÊN TRONG NHÓM

theo ds

Đánh giá xếp loại

Mục lục

II: Thực trạng về sản lượng cũng như chất lượng lúa Việt Nam 6

Chương II: Phân tích ảnh hưởng của các nhân tố cơ bản đến sản lượng lúa Việt Nam 7

1 Lựa chọn mô hình 7

1.1 Biến phụ thuộc trong mô hình 7

1.2 Biến độc lập trong mô hình (Biến định lượng) 7

2 Mô hình hồi quy tuyến tính 8

2.1 Ước lượng mô hình 8

2.2 Kết quả ước lượng mô hình 8

Cách 1: Sử dụng phương pháp OLS 8

Cách 2: Ta có thể kiểm tra tính đúng đắn của mô hình bằng việc ước lượng lại mô hình phương pháp 2STS: 9

 Kiểm định loại bỏ các biến không cần thiết ra khỏi mô hình 10 Cách 1: Sử dụng kiểm định t: 11

Cách 2: Tiến hành kiểm định Wald, ta có kết quả như sau: 11

Cách 3: Sử dụng tỷ lệ hàm hợp lý (LR) 12

2.3 Mô hình hồi quy mới sau khi bỏ các biến: 12

2.3.1. Thực hiện một số kiểm định .13

2.3.1.1 Kiểm định sự phù hợp của các hệ số hồi quy .13

2.3.1.2 Kiểm định sự phù hợp về dấu của các hệ số hồi quy: .14

2.3.2. Ý nghĩa và ước lượng khoảng tin cậy của các hệ số hồi quy 14

2.3.2.1. Ý nghĩa các hệ số β .14

2.3.2.2. Ước lượng khoảng tin cậy của các hệ số hồi quy (với α

=0.05): 14

III KIỂM ĐỊNH VÀ KHẮC PHỤC CÁC HIỆN TƯỢNG TRONG MÔ

HÌNH HỒI QUY MỚI .16

3.1 Kiểm định đa cộng tuyến 16

Cách 1: Ma trận hệ số tương quan giữa các biến 16

Cách 2: Hệ số xác định R2 cao nhưng tỷ số t thấp 16

Cách 3: Sử dụng hồi quy phụ 17

Cách 4: Sử dụng nhân tử phóng đại phương sai VIF: 17

Khắc phục hiện tượng đa cộng tuyến bằng cách bỏ bớt biến độc lập 18 3.2 Kiểm định phương sai SSNN thay đổi 18

3.2.1 Sử dụng kiểm định White 18

3.2.1.1 Kiểm định hồi quy phụ không có tích chéo giữa các biến độc lập 18

Cách 1: Kiểm định F 19

Cách 2: Kiểm định  2 19

3.2.1.2. Kiểm định hồi quy phụ có tích chéo giữa các biến độc lập .20

3.2.2 Kiểm định Park/Harvey: 21

3.2.3 Kiểm định Glejer 21

3.2.4 Kiểm định Breusch-Pagan-Godfrey (BPG) 24

3.3 Kiểm định tự tương quan 25

Cách 1: Ta sử dụng kiểm định Durbin – Watson 26

Cách 2: Kiểm định B – G 26

3.4 Kiểm định thiếu biến 27

Cách 1: Kiểm định Reset của Ramsey 27

Cách 2: Sử dụng kiểm định Wald 28

Cách 3: Sử dụng tỷ lệ hàm hợp lý (Likelihood Ration) 28

IV Mô hình hồi quy sau khi thêm biến mới 30

V Dự báo 31

5.1 Cận dưới : 33

5.2 Cận trên 34

Lời mở đầu

Trong bối cảnh hội nhập quốc tế Nền kinh tế Việt Nam từ một nước nông nghiệp lạc hậu đang phấn đấu vươn lên để trở thành một nước công nghiệp cơ bản (2020) Sự chuyển dịch cơ cấu kinh tế (chuyển từ nông nghiệp sang công nghiệp và dịch vụ) ngày càng mạnh mẽ Tại Việt Nam, Nông

nghiệp là một ngành kinh tế quan trọng trong nền kinh tế, đặc biệt là trong các thế kỷ trước đây khi công nghiệp chưa phát triển và nông nghiệp chiếm tỉtrọng cao trong nền kinh tế Nông nghiệp là tập hợp các phân ngành như trồng trọt, chăn nuôi, chế biến nông sản và công nghệ sau thu hoạch

Tuy nhiên, nếu như Nhật bản, một nước nghèo về tài nguyên thiên nhiên những vẫn có thể trở thành nước công nghiệp tiên tiến thì tại sao Việt nam chúng ta lại không thể vươn lên giống họ? Hay như Singapore, một nước có dân số ít, diện tích chỉ là một đảo nhỏ nhưng nước họ vẫn có tiếng tăm trên thị trường thế giới Việt Nam ta, một đất nước được mệnh danh là “rừng vàng, biển bạc”, tại sao chúng ta không có chỗ đứng trên thị trường thế giới? Là một nước xuất khẩu gạo hàng đầu thế giới nhưng trong nước lại thiếu lương thực

Trước tình hình diện tích lúa ngày càng bị thu hẹp do đất công nghiệp,các khu công nghiệp, khu du lịch, những con đường được mở rộng đã làmgiảm dần diện tích đất nông nghiệp (diện tích Lúa)

Câu hỏi đặt ra là làm thế nào để sản lượng lúa không đổi hay vẫn tăng lên trong khi các yếu tố như diện tích bị thu hẹp, khí hậu thì ngày một khắc nghiệt hơn cho nền nông nghiệp Việt nam? Trước tiên, chúng tôi đi xem xét một số yếu tố tác động tới sự phát triển cũng như kìm hãm sự phát triển cây lúa Bằng việc sử dụng mô hình trong kinh tế lượng phân tích các yếu tố ảnh

hưởng tới sản lượng lúa Việt Nam là việc xem xét mối quan hệ giữa các biến

số và nắm được nhân tố nào quan trọng nhất trong các nhân tố có ảnh hưởng tới biến phụ thuộc trong mô hình Phân tích số liệu, tìm hiểu, nghiên cứu các vấn đề trên sẽ có ý nghĩa trong việc phân tích đánh giá đầy đủ hơn về sản lượng lúa trong thời gian qua Từ đó xây dựng mô hình tăng trưởng phù hợp với điều kiện hiện nay của nước ta

“Phân tích các nhân tố cơ bản ảnh hưởng đến tăng trưởng công nghiệp bằng mô hình kinh tế lượng.”

Bài tiểu luận của nhóm em được viết theo cấu trúc gồm hai chương như sau:Chương I: Thực trạng về nền Nông nghiệp Việt Nam

Chương II: Phân tích ảnh hưởng của các nhân tố cơ bản đến sản lượng lúa Việt Nam

II: Thực trạng về sản lượng cũng như chất lượng lúa Việt Nam

Số liệu:

Ký

DT LUA

NS

DT NGO

DT MIA

Năng suất lúa

Dịch vụ

ăn uống

Diện tích ngô

Diện tích mía

Diện tích lạc

Biến giả

 Phạm vi thu thập số liệu: Nhóm thu thập số liệu thứ cấp về một số yếu tố

có thể làm ảnh hưởng đến sản lượng lúa trên phạm vi cả nước

 Nguồn số liệu: Số liệu được thu thập tại trang web tổng cục thống kê

lúa, diện tích ngô, diện tích mía, diện tích lạc, dịch vụ ăn uống của cả nướcgia đoạn 1995 – 2014

Chương II: Phân tích ảnh hưởng của các nhân tố cơ bản đến sản lượng lúa Việt Nam

1 Lựa chọn mô hình

Đầu tiên khi lựa chọn mô hình là phải xác định các biến số đâu là biến phụ thuộc đâu là biến độc lập Vì vậy em xin giới thiệu các biến và cách thức được sử dụng trong mô hình

1.1 Biến phụ thuộc trong mô hình

Là sản lượng lúa Việt Nam trong giai đoạn 1995 – 2014

Ký hiệu: SLL

Đơn vị tính: nghìn tấn

1.2 Biến độc lập trong mô hình (Biến định lượng)

 Năng suất lúa (ký hiệu: NSLUA, đơn vị tính: tấn/ha) là một trong nhữngyếu tố quan trọng đối với tăng trưởng về sản lượng lúa, để biết đượchoạt động sản xuất lúa có hiệu quả hay không ta xem xét tới việc khinăng suất tăng lên 1 tấn/ha thì tạo ra thêm được bao nhiêu giá trị về sảnlượng thực

 Diện tích lúa (ký kiệu: DTLUA, đơn vị tính: nghìn ha) là một yếu tốchính tạo nên giá trị sản lượng lúa, tuy nhiên, thực tế có thể xảy ratrường hợp diện tích lúa không đổi hoặc giảm nhưng sản lượng lúa vẫntăng hoặc không đổi

 Dịch vụ ăn uống (ký hiệu: DV, đơn vị tính: nghìn tỷ đồng) là yếu tố cơbản có thể ảnh hưởng đến sản lượng lúa vì khi nền kinh tế ngày càngphát triển, con người có nhu cầu nghỉ ngơi nhiều hơn, vì thế hoạt độngnấu nướng tại gia đình cũng sẽ giảm xuống, thay vào đó là các nhà hàng,các quán cơm,… - nơi mà có thể tạo ra bữa cơm giá rẻ, ngon miệng, cácgia đình thay vì phải tự tay vào bếp thì nay họ cũng được phục vụ cũngnhư khi công việc ở công ty, doanh nghiệp qua nhiều khiến cho chị emphụ nữ hay những người đàn ông chưa vợ đỡ phải lo toan chuyện bếpnúc Vì vậy mà nhóm đã lựa chọn biến dịch vụ ăn uống với giả định khi

DV tăng thì có khả năng sẽ khuyến khích người nông dân sản xuất ranhiều lúa hơn.

 Diện tích ngô (ký hiệu: DTNGO), diện tích mía (ký hiệu: DTMIA) vàdiện tích lạc (ký hiệu: DTLAC): diện tích về ba loại nông sản có thểlàm ảnh hưởng tới diện tích lúa, điều đó có thể làm thay đổi tới sảnlượng lúa Khi diện tích của 3 yếu tố này tăng lên, có thể sẽ làm giảmsản lượng lúa 1 cách gián tiếp

 Biến giả (ký hiệu: D 1 ): Biến giả phản ánh một thời kỳ đặc biệt trong cả

giai đoạn phát triển Như chúng ta đã biết thời kỳ từ năm 2008 là thời

kỳ Việt Nam gặp khó khăn vì bị khủng hoảng về kinh tế Do đó mục đích khi cho biến giả này của nhóm em là xem xét khủng hoảng có ảnh hưởng đến tăng trưởng sản lượng lúa hay không Biến KHTC sẽ làm cho sản lượng lúa cũng như các mặt hàng khác trong nền kinh tế giảm sút cho nên kỳ vọng dấu là dấu âm

D1 = 0 nếu năm quan sát thuộc thời kỳ 2008

D1 = 1 nếu năm quan sát thuộc thời kỳ sau năm 2008

• Kỳ vọng về dấu của các biến giải thích với biến phụ thuộc

-2 Mô hình hồi quy tuyến tính

2.1 Ước lượng mô hình

Bằng việc sử dụng phương pháp bình phương nhỏ nhất OLS để ước lượng mô hình trên và ước lượng là chính xác nhất thì kết quả ước lượng mô hình phải thoã mãn các giả thiết của OLS

Giả thiết: 1 Biến giải thích là phi ngẫu nhiên, tức là các giá trị của chúng là các số đã được xác định

2 Kỳ vọng của yếu tố ngẫu nhiên U bằng không

2.2 Kết quả ước lượng mô hình

Căn cứ vào cơ sở lý thuyết và sự ảnh hưởng của các yếu tố như đã phântích ở trên, chúng tôi lựa chọn mô hình hồi quy tuyến tính dạng k biến (k=8):

SLL = β 1 + β 2 *NSLUA + βNSLUA + β 3 *NSLUA + βDTLUA + β 4 *NSLUA + βDV+ β 5 *NSLUA + βDTNGO

+ β6*NSLUA + βDTMIA + β7*NSLUA + βDTLAC + β 8 *NSLUA + βD1 + U i

Trong đó: Ui là sai số ngẫu nhiên

Bằng sự hỗ trợ của phần mềm tính toán Eview 6.0, kết quả ước lượng

có được các tham số của mô hình hồi quy tuyến tính đã đưa ra như sau:

Từ kết quả của Eview, ta thu được hàm hồi quy tổng thể như sau:

SLL = -30337.178533 + 740.521467*NSLUA + βNSLUA + 4.285310*NSLUA + βDTLUA +

0.003751*NSLUA + βDV - 0.864612*NSLUA + βDTNGO - 1.644124*NSLUA + βDTMIA

- 1.333551*NSLUA + βDTLAC - 292.173636*NSLUA + βD1 + U i (1)

Nhìn vào bảng trên ta thấy kết quả ước lượng mô hình ban đầu chưa phải là mô hình tốt nhất Trong thời kỳ 1995 – 2014, các biến diện tích ngô, diện tích lạc, diện tích mía và biến giả đưa vào mô hình đều không có ý nghĩa

vì các giá trị P-value ứng với các biến này đều lớn hơn 0,05

Cách 2: Ta có thể kiểm tra tính đúng đắn của mô hình bằng việc ước lượng lại mô hình phương pháp 2STS:

Instrument specification: NSLUA DTLUA DV DTNGO DTMIA DTLAC D1Constant added to instrument list

Variable Coefficient Std Error t-Statistic Prob

Kết quả ước lượng bằng phương pháp 2STS cũng cho ta các hệ số ước lượng ứng với các biến độc lập tương ứng giống như ước lượng bằng phương pháp OLS Như vậy mô hình tương quan giữa biến giá trị sản xuất công

nghiệp với các biến độc lập:năng suất lúa, diện tích lúa, dịch vụ ăn uống, diện tích ngô, diện tích mía, diện tích lạc và biến giả vẫn còn nhiều khuyết điểm cần được cải tiến

Kiểm định loại bỏ các biến không cần thiết ra khỏi mô hình

R-squared 0.999815 Mean dependent var 35484.38

Adjusted R-squared 0.999707 S.D dependent var 5887.848

S.E of regression 100.8226 Akaike info criterion 12.35378

Sum squared resid 121982.4 Schwarz criterion 12.75207

Log likelihood -115.5378 Hannan-Quinn criter 12.43153

F-statistic 9254.912 Durbin-Watson stat 1.684419

Cách 2: Tiến hành kiểm định Wald, ta có kết quả như sau:

Giả thiết: H 0 : β 5 = β 6 = β 7 = β 8 =0

View – coeff – wadl

Wald Test:

Equation: Untitled

Test Statistic Value df Probability

F-statistic 1.131494 (4, 12) 0.3875

Null Hypothesis: C(5)=C(6)=C(7)=C(8)=0

Null Hypothesis Summary:

Normalized Restriction (= 0) Value Std Err

Restrictions are linear in coefficients

Theo như kết quả trên Prob (F-statistic) = 0.3875 > 0.05, chấp nhận

giả thiết H0, tức là hệ số hồi quy của các biến DTNGO, DTLAC, DTMIA, D1bằng 0 nên không có ý nghĩa thống kê, ta loại các biến này ra khỏi mô hình.Vậy, với mức ý nghĩa 5%, MH (1) thừa các biến DTNGO, DTLAC, DTMIA,D1 nên ta loại bỏ khỏi mô hình

Specification: sll c nslua dtlua dv dtngo dtmia dtlac d1

Redundant Variables: dtngo dtmia dtlac d1

View – coff – redun : dtngo dtmia dtlac d1

nhận H0 Vậy, với mức ý nghĩa 5%, mô hình (1) thừa 4 biến do đó ta loại bỏ 4 biến này khỏi mô hình.

2.3 Mô hình hồi quy mới sau khi bỏ các biến:

SLL = β 1 + β 2 *NSLUA + βNSLUA + β 3 *NSLUA + βDTLUA + β 4 *NSLUA + βDV + U i

Kết quả hồi quy:

SLL = -29884.215385 + 705.060047*NSLUA + βNSLUA + 4.230666*NSLUA + βDTLUA

+ 0.003344*NSLUA + βDV + U i (2) 2.3.1 Thực hiện một số kiểm định

2.3.1.1 Kiểm định sự phù hợp của các hệ số hồi quy

P 2 =P 3 =P 4 = 0.0000 < 0.05 nên ta bác bỏ H0 hay chấp nhận βi # 0

(i = 2,3,4)

Tức là các hệ số hồi quy đều có ý nghĩa thông kê

Như vậy mô hình hồi quy là:

SLL = -29884.215385 + 705.060047*NSLUA + βNSLUA + 4.230666*NSLUA + βDTLUA

+ 0.003344*NSLUA + βDV + U (2) Với R 2 = 0.999745 thì sự thay đổi các giá trị của biến độc lập giải thích được 99.989745% sự thay đổi các giá trị của biến phụ thuộc.

Kết luận: Các biến độc lập: DTLUA, NSLUA, DVđều ảnh hưởng đến biến

phụ thuộc SLL.

2.3.1.2 Kiểm định sự phù hợp về dấu của các hệ số hồi quy:

Nhìn vào kết quả Eview, ta thấy:

P_value (β2)=0.0000 < 0.05 nên ta bác bỏ H0 hay chấp nhận β2 > 0

β 2 = 705.06: với các yếu tố khác không đổi, khi năng suất lúa tăng

(giảm) 1 tấn/ha thì trung bình sản lượng lúa tăng (giảm) 705.06 nghìn tấn vàbiến thiên trong khoảng (689.213, 720.9071)

β 3 = 4.230666: với các yếu tố khác không đổi, khi diện tích lúa tăng

(giảm) 1 nghìn ha thì sản lượng lúa sẽ tăng (giảm) khoảng 4.230666 nghìn tấnvà biến thiên trong khoảng (3.984338, 4.476995)

β 4 =0.003344: với các yếu tố khác không đổi, khi dịch vụ ăn uống tăng

(giảm) 1 giờ thì sản lượng lúa sẽ tăng (giảm) 0.003344 và biến thiên trongkhoảng (0.00244, 0.004248)

2.3.2.2 Ước lượng khoảng tin cậy của các hệ số hồi quy (với α =0.05):

Sử dụng hàm @qtdist(0.975,16) trên Eviews ta được:

Sau khi hồi quy bằng công thức ls sll c nslua dtlua dv

Ta lưu lại kết quả hồi quy với tên eq01

(để tính khoảng tin cậy đối xứng cho hệ số dịch vụ β4).

Ta có kết quả như sau:

Với mức ý nghĩa 5%, ta có khoảng tin cậy của các hệ số như sau:

(tìm khoảng tin cậy tối đa cho hệ số β1)

Các hệ số khác, ta làm tương tự sẽ đưa ra được kết quả như sau:

Với mức ý nghĩa 5%, ta có giá trị tối đa của các hệ số như sau:

1.1 Kiểm định đa cộng tuyến

Cách 1: Ma trận hệ số tương quan giữa các biến

Quic – group – correlation :dtlua dv nslua sllua

Từ ma trận tương quan giữa các biến, ta thấy hệ số tương quan giữa các

biến nslua, dtlua, dv khá cao, trong đó hệ số tương quan của 2 biến dv và nslua là r13 = 0.87143 là rất lớn, chứng tỏ đa cộng tuyến cao

Cách 2: Hệ số xác định R 2 cao nhưng tỷ số t thấp

Xét mô hình: SLL = β 1 + β 2 NSLUA + β 3 DTLUA + β 4 DV + V

SLL = -29884.215385 + 705.060047*NSLUA + βNSLUA + 4.230666*NSLUA + βDTLUA + 0.003344*NSLUA + βDV+V (3)

Ta có kết quả hồi quy: Ta thấy: R2 = 0.978614 là rất lớn, tỷ số t của hệ số hồiquy β2 rất nhỏ và giá trị p-value (dv) = 0.111 > 0.05, do đó, β2 không có ýnghĩa thống kê, biến DV không có ảnh hưởng lên sản lượng lúa

Vậy có khả năng hai biến độc lập là dịch vụ ăn uống và năng suất lúa có cộng tuyến cao

Kiểm định giả thiết: Rj2 = 0 :không có đa cộng tuyến

Rj2 > 0: có đa cộng tuyến

Ta có:

Với Rj2 là hệ số xác định của hàm hồi quy phụ.

Sau khi ước lượng mô hình (4), ta có R2= 0.767856

Thay R2 vào công thức ta được:

VIF = 1/(1-0.767856) = 4.307671 < 10  Rj2 <0.9 nên mức độ cộng tuyế nđược xem là thấp

Khắc phục hiện tượng đa cộng tuyến bằng cách bỏ bớt biến độc lập

Bỏ biến DV ra khỏi mô hình (2) ta được mô hình hồi quy mới như sau :