Phân tích ứng dụng số liệu mảng

Contents TÓM TẮT ĐỀ TÀI iii DANH MỤC HÌNH ẢNH VÀ BẢNG BIỂU iv DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU v CHƢƠNG TỔNG QUAN VỀ SỐ LIỆU MẢNG VÀ CÁC PHƢƠNG PHÁP ƢỚC LƢỢNG SỐ LIỆU MẢNG 1.1 Tổng quan số liệu mảng 1.1.1 Định nghĩa ([1]) 1.1.2 Các đặc trƣng số liệu mảng ([1], [2]) 1.1.3 Các nghiên cứu thực với số liệu mảng nƣớc giới 1.2 Tổng quan mô hình phân tích số liệu mảng ([1], [2], [3], [4]) 1.2.1 Mô hình tác động ngẫu nhiên 1.2.2 Mô hình tác động cố định 10 1.2.3 Một số mô hình khác 12 1.3 Câu lệnh phần mềm Stata ([12]) 13 1.3.1 Giới thiệu phần mềm Stata 13 1.3.2 Câu lệnh sử dụng mô hình để phân tích số liệu mảng phần mềm Stata 16 CHƢƠNG THỰC NGHIỆM 18 2.1 Cách tính suất tổng hợp theo phƣơng pháp Levpet([8]) 19 2.1.1 Câu lệnh ƣớc lƣợng suất Stata 19 2.1.2 Các tùy chọn 20 3.1.3 Kết chạy ƣớc lƣợng 20 2.2 Mô hình tác động cố định 22 2.2.1 Phƣơng pháp ƣớc lƣợng nội 22 2.2.2 Phƣơng pháp ƣớc lƣợng sử dụng biến giả 24 2.3.1 Phƣơng pháp ƣớc lƣợng tác động ngẫu nhiên GLS 26 2.3.2 Phƣơng pháp ƣớc lƣợng phƣơng sai mạnh cho mô hình tác động ngẫu nhiên 27 CHƢƠNG KẾT LUẬN VÀ KIẾN NGHỊ 30 TÀI LIỆU THAM KHẢO 32 PHẦN PHỤ LỤC 33 Phụ lục 1: Kiểm định Hausman 33 Phụ lục 2: Kiểm định nhân tử Lagrange Breusch-Pagan 35 i Phụ lục 3: Code chạy chƣơng trình ƣớc lƣợng 37 ii TÓM TẮT ĐỀ TÀI Mô hình số liệu mảng ngày đƣợc sử dụng rộng rãi nghiên cứu mô hình kinh tế lƣợng tính ƣu việt Các mô hình số liệu mảng nhƣ mô hình tác động ngẫu nhiên, mô hình tác động cố định, mô hình OLS gộp,… đƣợc áp dụng nhiều mô hình kinh tế Trong đề tài sử dụng mô hình số liệu mảng áp dụng ngành kinh tế Dệt may Việt Nam nhằm nghiên cứu suất, ảnh hƣởng lao động, tài sản đầu tƣ lên suất suất tổng hợp ngành ABSTRACT Panel data models are increasingly widely used in studies of econometric model by its advantages The panel data models such as random effects model, fixed effects model, pooled OLS model, …have been applied in many economic models In this thesis we use panel data models applied economics Textile Vietnam to research productivity, impact of labor and investement of assets on productivity and total factor productivity of the sector iii DANH MỤC HÌNH ẢNH VÀ BẢNG BIỂU Hình 1.1 Giao diện Stata 11 Bảng 1.1 Câu lệnh phân tích số liệu mảng Stata Bảng 2.1: Danh sách ngành cấp nghiên cứu Bảng 2.2: Các tiêu điều tra doanh nghiệp Bảng 2.3: Kết ƣớc lƣợng TFP theo phƣơng pháp bán tham số Levpet Bảng 2.4: Kết ƣớc lƣợng mô hình tác động ngẫu nhiên Bảng 2.5: Kết ƣớc lƣợng phƣơng pháp biến giả Bảng 2.6: kết ƣớc lƣợng mô hình tác động ngẫu nhiên Bảng 2.7: Kết ƣớc lƣợng mô hình phƣơng pháp phƣơng sai mạnh Bảng phụ 1.1: Kiểm định Hausman Bảng phụ 2.1: Kết kiểm định nhân tử Lagrange Breusch Bảng phụ 2.2: tóm tắt kết iv DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU OLS: Ordinary Least Squared – ình phƣơng nh cổ điển POLS: Pooled Ordinary Least Squared – ình phƣơng nh cổ điển gộp GLS: General Least Squared – ình phƣơng nh tổng quát R : Random ffect – tác động ngẫu nhiên F : Fixed ffect – tác động cố định W: within – cá nh n F : First – ifferences – sai ph n cấp TFP: Total Factor Productivity – Năng suất nhân tố tổng hợp Trong đề tài này, ký hiệu véc tơ ma trận đƣợc sử dụng rộng rãi để mô tả mô hình kinh tế lƣợng nhƣ kết ƣớc lƣợng Véc tơ đƣợc định nghĩa véc tơ cột đƣợc ký hiệu chữ thƣờng in đậm Ví dụ, với hồi qui tuyến tính, véc tơ biến giải thích x véc tơ dòng K 1 với thành phần thứ j x j véc tơ tham số  véc tơ cột K 1 với thành phần thứ j  j ,  x1  x     K 1  xK   1       K 1  K  o mô hình hồi qui tuyến tính y  1 x1   x2    K xK  u đƣợc biểu diễn y  x  u v CHƢƠNG TỔNG QUAN VỀ SỐ LIỆU MẢNG VÀ CÁC PHƢƠNG PHÁP ƢỚC LƢỢNG SỐ LIỆU MẢNG 1.1 Tổng quan số liệu mảng 1.1.1 Định nghĩa ([1]) Trong phân tích kinh tế lƣợng số liệu phần quan trọng thiếu đƣợc, loại số liệu số liệu theo chuỗi thời gian, số liệu chéo theo không gian, số liệu mảng (hay bảng) Trong số liệu theo chuỗi thời gian ta quan sát giá trị hay nhiều biến khoảng thời gian (ví dụ nhƣ G P vài quý hay vài năm) Trong số liệu chéo theo không gian, giá trị hay nhiều biến đƣợc thu thập cho vài đơn vị mẫu hay thực thể, vào thời điểm (ví dụ nhƣ tỉ lệ tội phạm 54 tỉnh thành phố nƣớc năm định) Trong số liệu mảng, đơn vị chéo theo không gian (ví dụ nhƣ hộ gia đình, cá thể, doanh nghiệp, tiều bang,…) đƣợc khảo sát theo thời gian Hay nói cách khác số liệu mảng có bình diện không gian thời gian 1.1.2 Các đặc trƣng số liệu mảng ([1], [2]) Các đặc trƣng hay ƣu điểm số liệu mảng so với số liệu chéo theo không gian đƣợc Baltagi [2] liệt kê nhƣ sau: a Số liệu mảng liên quan tới cá nhân, doanh nghiệp, tiểu bang, đất nƣớc,… nên định phải có tính dị biệt (không đồng nhất) đơn vị Kỹ thuật ƣớc lƣợng số liệu mảng thức xem xét đến dị biệt cách xem xét biến số có tính đặc thù theo cá nhân b Thông qua kết hợp chuỗi theo thời gian quan sát không gian, số liệu mảng cung cấp số liệu có nhiều thông tin hơn, đa dạng hơn, cộng tuyến biến số, nhiều bậc tự ƣớc lƣợng xác c Thông qua nghiên cứu quan sát theo không gian lặp lại, số liệu mảng phù hợp để nghiên cứu tính động thay đổi Tình trạng thất nghiệp, luân chuyển công việc lƣu chuyển lao động nghiên cứu tốt với số liệu mảng d Số liệu mảng quan sát đo lƣờng tốt ảnh hƣởng mà quan sát số liệu chuỗi thời gian túy hay số liệu chéo không gian túy Ví dụ nhƣ ảnh hƣởng sáng ngƣời lao động tới suất lao động e Số liệu mảng cho phép ta nghiên cứu mô hình hay hành vi phức tạp Ví dụ, tƣợng nhƣ lợi kinh tế theo quy mô thay đổi kỹ thuật xem xét thông qua số liệu mảng tốt số liệu chéo theo thời gian không gian túy f Bằng cách thu thập số liệu có sẵn cho vài nghìn đơn vị, số liệu mảng tối thiểu hóa sai lệch xảy ta tổng hợp cá nhân hay doanh nghiệp thành số liệu tổng hợp 1.1.3 Các nghiên cứu thực với số liệu mảng nƣớc giới 1.1.3.1 Trong nƣớc ([1], [11]) Quá trình hội nhập phát triển làm cho kinh tế Việt Nam ngày tuân theo quy luật kinh tế Sự vận động quy luật ẩn dấu sau tƣợng kinh tế điều kiện tảng cho việc áp dụng mô hình kinh tế lƣợng việc đƣa định cách khoa học phù hợp với xu hƣớng phát triển Ngày nay, việc sử dụng mô hình kinh tế lƣợng đại phân tích – dự báo trở thành nhu cầu thực tế tất yếu quan nghiên cứu hoạch định sách nhƣ doanh nghiệp lớn Đối với nƣớc phát triển có Việt Nam số liệu vấn đề nghiêm trọng nhà phân tích Thông thƣờng số liệu dài khứ để đủ số quan sát, đảm bảo độ tin cậy suy diễn thống kê toán ph n tích động Kể có số liệu đủ dài việc sử dụng mô hình theo chuỗi thời gian thƣờng phải thận trọng cấu trúc kinh tế thay đổi nhanh Tuy nhiên với số liệu mảng, không cần đến lƣợng thời gian dài, đảm bảo đƣợc tính ổn định cấu trúc đồng thời đảm bảo số quan sát đủ lớn Chính ƣu việt số liệu mảng mà nƣớc có nhiều nghiên cứu Cuộc khảo sát mức sống hộ gia đình năm 2002 áp dụng hai loại phiếu ph ng vấn: Phiếu ph ng vấn hộ gia đình Phiếu ph ng vấn xã/phƣờng Phiếu ph ng vấn hộ gia đình gồm hai loại: Phiếu ph ng vấn thu nhập chi tiêu (áp dụng cho mẫu 30.000 hộ) bao gồm tất thông tin nội dung điều tra Phiếu ph ng vấn thu nhập (áp dụng cho mẫu 45.000 hộ) gồm thông tin nội dung điều tra trừ phần chi tiêu chi tiết hộ Khảo sát mức sống hộ gia đình 2002 bao gồm nội dung chủ yếu phản ánh mức sống ngƣời d n hộ gia đình điều kiện kinh tế xã hội xã/phƣờng có tác động đến mức sống ngƣời d n nơi họ sinh sống Đối tƣợng điều tra gồm hộ gia đình, thành viên hộ gia đình xã/phƣờng Đơn vị điều tra gồm hộ gia đình xã/phƣờng đƣợc chọn điều tra Phạm vi điều tra bao gồm hộ gia đình xã/phƣờng đƣợc chọn điều tra tất 61 tỉnh, thành phố trực thuộc trung ƣơng Khảo sát mức sống hộ gia đình 2001-2002 sử dụng phƣơng pháp ph ng vấn trực tiếp Điều tra viên đến hộ, gặp chủ hộ thành viên hộ có liên quan để ph ng vấn ghi thông tin vào phiếu ph ng vấn hộ gia đình Đội trƣởng đội điều tra gặp lãnh đạo xã/phƣờng cán địa phƣơng có liên quan để ph ng vấn ghi thông tin phiếu ph ng vấn xã/phƣờng Để đảm bảo chất lƣợng thông tin thu thập, điều tra không chấp nhận phƣơng pháp điều tra gián tiếp chép thông tin không kiểm tra thực tế vào phiếu ph ng vấn Khảo sát mức sống hộ gia đình 2004 đƣợc tiến hành tƣơng tự nhƣ khảo sát năm 2002 với hai loại phiếu ph ng vấn Phiếu ph ng vấn hộ gia đình phiếu ph ng vấn xã/phƣờng Phiếu ph ng vấn hộ gia đình gồm hai loại : Phiếu ph ng vấn thu nhập chi tiêu phiếu ph ng vấn thu nhập Nội dung bảng h i Khảo sát mức sống hộ gia đình 2004 đƣợc lặp lại nhƣ khảo sát năm 2002, có bổ sung số c u h i mới, ý nghĩa kinh tế biến số hai điều tra hoàn toàn tƣơng đƣơng Mẫu điều tra thu nhập chi tiêu năm 2004 gồm 9188 hộ với đầy đủ nội dung điều tra đại diện cho nƣớc, thành thị nông thôn vùng sinh thái Trong mẫu có 4476 hộ hộ điều tra lặp lại mẫu điều tra năm 2002 Trong bảng h i điều tra năm 2004 có ghi mã hộ khảo sát mức sống hộ gia đình 2002 sử dụng thông tin để kết nối hai số liệu với để tạo thành số liệu mảng Ngoài ra, có số liệu số lực cạnh tranh cấp tỉnh (CPI – Competitiveness Provincial Index) thực cho 64 tỉnh thành nƣớc đƣợc thống kê năm Trên website Tổng cục thống kê cung cấp số liệu vi mô vĩ mô cho nƣớc, tỉnh thành, phân theo khu vực, địa lý kinh tế thành phần kinh tế,… o tính chất số liệu đƣợc sử dụng số liệu mảng nên cần dùng mô hình phƣơng pháp ƣớc lƣợng phù hợp với số liệu mảng Phƣơng pháp ƣớc lƣợng mô hình kinh tế lƣợng cho số liệu mảng chƣa đƣợc áp dụng rộng rãi Việt Nam tác giả xin dành chƣơng đề tài giới thiệu số mô hình phổ biến áp dụng cho số liệu mảng 1.1.3.2 Thế giới ([1]) Dữ liệu mảng ngày đƣợc sử dụng nhiều nghiên cứu kinh tế Có vài liệu tiếng Hai số liệu tiếng Mỹ Nghiên cứu động học thu nhập (PSID – Panel Study of Income Dynamics) Viện nghiên cứu Khoa học thuộc đại học Michigan thực Hai là, điều tra quốc gia niên (NLSY – National longitudinal survey of youth) PSID 1968 với 4800 gia đình tăng lên 7000 gia đình năm 2001 Năm 2003, PSI điều tra 65000 ngƣời kéo dài 38 năm từ 1968 tới 1996 mức thu nhập, thời gian làm việc, thị trƣờng lao động, sức kh e, giáo dục,… ộ số liệu điều tra quốc gia niên thu thập độ tuổi lao động niên nam nữ Mặc dù Mỹ nghiên cứu số liệu mảng từ thập niên 1960 nhƣng tới thập niên 1980 Châu âu bắt đầu quan tâm tới số liệu mảng Trong năm 1989, thu thập tiền lƣơng, thu nhập, trả tiền trợ cấp 12290 ngƣời tham gia trả lời đƣợc khảo sát Bộ kinh tế Xã hội Đức Số liệu điều tra hộ gia đình Anh (BHPS – British household panel survey) khảo sát Viện Kinh tế Xã hội đại học ssex Đ y số liệu quốc gia anh khảo sát với 5500 hộ gia đình 10300 ngƣời sức kh e, giáo dục, lao động, … Một số nƣớc khác nhƣ Hà Lan, Thụy Sỹ, Thụy Điển, … có điều tra tƣơng tự Ngoài ra, có số số liệu mảng khác nhƣ Khảo sát Lao động thu nhập Canada khảo sát Tổng cục thống kê Canada với xấp xỉ 35000 hộ gia đình mƣời bang Năm 1993-2000 có khảo sát Viện nghiên cứu kinh tế hộ gia đình Nhật Bản tiêu dùng gia đình Nhƣ số liệu mảng ngày đƣợc sử dụng rộng rãi nghiên cứu kinh tế nƣớc giới tính ƣu việt 1.2 Tổng quan mô hình phân tích số liệu mảng ([1], [2], [3], [4]) Trong phần xét đến vấn đề biến không quan sát đƣợc hay không đƣợc xét đến mô hình kinh tế lƣợng động lực mô hình phân tích số liệu mảng Tại số liệu mảng lại đƣợc sử dụng ƣớc lƣợng phù hợp với mô hình có biến không quan sát đƣợc Mô hình số liệu mảng với biến không quan sát đƣợc viết dƣới dạng sau: yit  xi1 1  xi    xiT T  ci  uit (1.1) Trong biến giải thích xit thay đổi theo chiều dọc theo chiều ngang, hai chiều, i số đối tƣợng (quốc gia, tỉnh, doanh nghiệp, …) t số thời gian, uit sai số ngẫu nhiên thông thƣờng đƣợc giả thiết th a mãn giả thiêt thông thƣờng, nghĩa phƣơng sai sai số không đổi không tự tƣơng quan Trong thành phần không quan sát đƣợc ci đƣợc cộng thêm vào, có nhiều cách gọi tên ci nhƣ thành phần không quan sát đƣợc, biến ẩn, biến bị b qua Nếu i cá thể thƣờng gọi tác động cá thể, thƣờng hộ gia đình, doanh nghiệp, tỉnh, … Mô hình (1.1) đƣợc viết lại dƣới dạng vector nhƣ sau: yit  xit   ci  uit (1.2) Trong xit véc tơ  K biến giải thích, β véc tơ K  hệ số ƣớc lƣợng 2.3.1 Phƣơng pháp ƣớc lƣợng tác động ngẫu nhiên GLS Phƣơng pháp ƣớc lƣợng mô hình tác động ngẫu nhiên GLS thực chất phƣơng pháp bình phƣơng bé tổng quát áp dụng cho (1.2) với cấu trúc ma trận hiệp phƣơng sai (1.9) o đó, công thức cho ƣớc lƣợng là: ˆ 1 X ) 1 ( X  ˆ 1 y) ˆRE  ( X  (3.1) ˆ ƣớc lƣợng Ω Trong đó:  Cũng giống nhƣ mô hình tác động cố định trƣớc thực ƣớc lƣợng mô hình tác động ngẫu nhiên cần khai báo cho máy tính dạng số liệu mảng Lệnh khai báo: xtset id year Câu lệnh ƣớc lƣợng mô hình tác động ngẫu nhiên cho số liệu doanh nghiệp: xtreg va laodong vondautu, re Trong đó: va biến phụ thuộc, laodong, vondautu biến độc lập, re ngụ ý mô hình tác động ngẫu nhiên Kết chạy mô hình nhƣ sau: Bảng 2.6: kết ƣớc lƣợng mô hình tác động ngẫu nhiên Random-effects GLS regression Number of obs = 99 Group variable: id Number of groups = R-sq: within = 0.7928 Obs per group: = 11 between = 0.9773 avg = 11.0 max = 11 overall = 0.9060 Random effects u_i ~ Gaussian Wald chi2(2) = 925.62 26 corr(u_i, X) theta = (assumed) Prob > chi2 = 0.0000 =0 -va | Coef Std Err z P>|z| [95% Conf Interval] -laodong | 21.45524 1.926044 11.14 0.000 17.68026 25.23021 vondautu | 2.038142 1356104 15.03 0.000 1.772351 2.303934 _cons | 84284.39 294173.8 0.29 0.774 -492285.7 660854.5 sigma_u | sigma_e | 2062221.5 rho | (fraction of variance due to u_i) Mô hình tác động ngẫu nhiên áp dụng cho trƣờng hợp mô hình có vấn đề thiếu biến không quan sát đƣợc dạng ci, phƣơng pháp phù hợp yếu tố ci không tƣơng quan với biến giải thích khác mô hình nghĩa corr(u_i,X) = nhƣ bảng Ta thấy, R2 within = 0.7928 mô hình lớn nghĩa mô hình phù hợp biến giải thích giải thích đƣợc 79,28% Giá trị sigma_u = nghĩa yếu tố không quan sát đƣợc ci không tác động lên mô hình mà có yếu tố ngẫu nhiên tác động Hệ số biến lao động dƣơng có nghĩa biến lao động có tác động tới Va, lực lƣợng lao động tăng 1% giá trị Va tăng 21,45% Giá trị P = < 0,05 có ý nghĩa thống kê nghĩa biến lao động thực có tác động tới giá trị gia tăng Va 2.3.2 Phƣơng pháp ƣớc lƣợng phƣơng sai mạnh cho mô hình tác động ngẫu nhiên Các ƣớc lƣợng dựa vào giả thiết phƣơng sai đồng Giả thiết bị vi phạm, chẳng hạn nhƣ phƣơng sai cá thể thời điểm khác khác nhau, phƣơng sai cá thể nhƣ nhƣng cá 27 thể khác lại khác Khi giả thiết RE.3 vi phạm, phải sử dụng phƣơng pháp ƣớc lƣợng phƣơng sai mạnh Câu lệnh thực Stata nhƣ sau: xtreg va laodong vondautu, re robust Kết chạy mô hình nhƣ bảng sau: Bảng 2.7: Kết ƣớc lƣợng mô hình phƣơng pháp phƣơng sai mạnh Random-effects GLS regression Number of obs = 99 Group variable: id Number of groups = R-sq: within = 0.7928 Obs per group: = 11 between = 0.9773 overall = 0.9060 Random effects u_i ~ Gaussian Wald chi2(2) corr(u_i, X) Prob > chi2 = (assumed) avg = 11.0 max = 11 = 41102.50 = 0.0000 (Std Err adjusted for clusters in id) -Robust va| Coef Std Err z P>|z| [95% Conf Interval] laodong | 21.45524 1.665656 12.88 0.000 18.19061 24.71986 vondautu | 2.038142 1525553 13.36 0.000 1.739139 2.337145 _cons | 84284.39 413967.6 0.20 0.839 -727077.1 895645.9 sigma_u | sigma_e | 2062221.5 rho | (fraction of variance due to u_i) 28 Ta thấy tất hệ số bảng 2.6 bảng 2.7 nhƣ ngoại trừ giá trị sai số chuẩn (và giá trị liên quan từ cột Std.Err trở đi) có khác biệt tính phƣơng sai hệ số ƣớc lƣợng, phƣơng pháp phƣơng sai mạnh không sử dụng ma trận dạng (1.9) Khi phƣơng sai sai số không đồng phƣơng pháp ƣớc lƣợng phƣơng sai mạnh hợp lý Nhƣ ta nhận thấy phƣơng pháp ƣớc lƣợng tác động ngẫu nhiên phƣơng pháp tác động cố định giải vấn đề thiếu biến không quán sát đƣợc việc lựa chọn mô hình phù hợp để ƣớc lƣợng phải dùng phƣơng pháp kiểm định Hausman Phƣơng pháp tác giả trình bày rõ phần phụ lục 29 CHƢƠNG KẾT LUẬN VÀ KIẾN NGHỊ Từ kết chạy thực nghiệm mô hình số liệu mảng áp dụng cho ngành Dệt may Việt Nam ta có số nhận xét sau: Qua sử dụng hai mô hình tác động ngẫu nhiên tác động cố định ta thấy lực lƣợng lao động có tác động mạnh mẽ lên giá trị gia tăng ngành dệt may, lực lƣợng lao động tăng 1% giá trị gia tăng ngành Dệt may tăng xấp xỉ 21% Nhƣ để tăng giá trị gia tăng ngành cần n ng cao lực ngƣời lao động Từ hai mô hình ta nhận thấy vốn đầu tƣ cho ngành ệt may tăng giá trị gia tăng tăng theo, vốn đầu tƣ tăng 1% giá trị gia tăng xấp xỉ 2%, nhƣ vốn đầu tƣ nhân tố ảnh hƣởng tới giá trị gia tăng ngành Ngày việc tính suất tổng hợp phản ánh yếu tố vô hình nhƣ kiến thức, kỹ lao động, giải pháp công nghệ, …đang dần phổ biến đóng vai trò quan trọng tron việc phân tích dự báo kinh tế Trong đề tài đề xuất phƣơng pháp tính suất tổng hợp sử dụng số liệu mảng Nhƣ thấy việc ứng dụng mô hình số liệu mảng vào tính toán kinh tế lƣợng ngày phổ biến tính ƣu việt Ngành Dệt may ngành kinh tế mũi nhọn nƣớc ta, ngành có kim ngạch xuất nằm tốp đầu kinh tế nƣớc ta Qua mô hình ƣớc lƣợng ta thấy để n ng cao suất hay sản lƣợng ngành Dệt may phải quan tâm tới lực lƣợng lao động đầu tƣ mức cho ngành kinh tế Về mặt ứng dụng đề tài vào ngành giáo dục Chúng đặt mục tiêu viết công cụ nghiên cứu nhằm giới thiệu trang bị cho ngƣời đọc mô hình cần thiết cách thực mô hình phần mềm Stata Đề tài giới thiệu đƣợc phƣơng pháp tƣơng đối kinh tế để xử lý vấn đề kinh tế Đó phƣơng pháp kinh tế lƣợng Chúng đề xuất, đƣa tài liệu 30 vào giảng dạy, làm tài liệu tham khảo cho bạn sinh viên làm khóa luận tốt nghiệp ngành Toán Ứng dụng ngành tài ngân hàng 31 TÀI LIỆU THAM KHẢO [1] Jeffrey M Wooldridge (2002), Econometric Analysis of Cross Section and Panel Data, The MIT Press Cambridge, Massachusetts London, England [2] Badi H Baltagi (2005), Econometric Analysis of Panel Data, 3rd Edition, John Wiley& Son, Ltd, [3] GS.TS Nguyễn Khắc Minh (2002), Các phương pháp phân tích dự báo kinh tế, NXB Khoa học Kỹ Thuật Hà Nội [4] GS.TS Nguyễn Quang Dong (2008), Bài giảng kinh tế lượng, NXB Giao thông vận tải Hà Nội [5] Damodar N Gujarati (1995), Basic Econometric, MacGraw-Hill Inc, Third Ed [6] Greene, W 2000 Econometric Analysis Upper Saddle River, NJ: Prentice– Hall [7] Brown, M B., and A B Forsythe 1974 Robust test for the equality of variances Journal of the American Statistical Association 69: 364-367 [8] Jemes Levinsohn and Amil Petrin, 2003, Estimating Production Functions Using Inputs to Cntrol for Unobservables, Review of Economic Studies (2003) 70, 317-341 [9] Tổng cục Thống kê, http://www.gso.gov.vn [10] Bộ Công thƣơng, http://www.moit.gov.vn/vn/pages/Thongke [11] Hiệp hội Dệt may Việt Nam, http://www.vietnamtextile.org.vn/vi/thong-kengành [12] http://www.ast.ucla.edu/sat/stata/modules/ 32 PHẦN PHỤ LỤC Phụ lục 1: Kiểm định Hausman Sự lựa chọn mô hình tác động cố định mô hình tác động ngẫu nhiên đƣợc dựa vào kiểm định Hausman Ý tƣởng kiểm định Hausman nhƣ sau: Nếu ci không tƣơng quan với biến giải thích mô hình hai phƣơng pháp ƣớc lƣợng cho ƣớc lƣợng vững, kỳ vọng hệ số ƣớc lƣợng thu đƣợc từ hai phƣơng pháp gần Còn ci có tƣơng quan với biến giải thích ƣớc lƣợng từ mô hình tác động cố định ƣớc lƣợng vững, ƣớc lƣợng từ mô hình tác động ngẫu nhiên lại không vững, ƣớc lƣợng từ hai phƣơng pháp khác Kiểm định Hausman dựa khác biệt để lựa chọn mô hình Kiểm định Hausman thực nhƣ sau: H0: ci không tƣơng quan với uit H1: ci có tƣơng quan với uit Thống kê kiểm định là:  qs2  (ˆFE  ˆRE )(VFE  VRE ) 1 (ˆFE  ˆRE ) Khi giả thiết H0 thống kê tuân theo quy luật Khi bình phƣơng với số bậc tự số hệ số mô hình trừ o thống kê quan sát lớn giá trị tới hạn giả thiết H0 bị bác b mô hình tác động cố định đƣợc lựa chọn Kết kiểm định Stata nhƣ sau: Bảng phụ 1.1: Kiểm định Hausman Coefficients -| (b) (B) | fixed random (b-B) sqrt(diag(V_b-V_B)) Difference S.E 33 -laodong | 42.9308 vondautu | 1.462452 21.45524 2.038142 21.47556 -.5756899 2.778555 0255379 -b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 1684.06 Prob>chi2 = 0.0000 Trong bảng phụ 1.1 giá trị xác suất P tƣơng ứng với thống kê quan sát Khi bình phƣơng (1684.06) 0,0000 < 0,05, bác b giả thiết H0, giả thiết mô hình tác động ngẫu nhiên phù hợp Khi H0 bị bác b nghĩa ta chọn mô hình tác động cố định, nghĩa mặc định có tồn yếu tố không quan sát đƣợc ci o đó, ta không thiết phải lựa chọn mô hình tác động cố định hay OLS gộp Tuy nhiên H0 đƣợc chấp nhận, chƣa loại trừ đƣợc trƣờng hợp mô hình không mắc phải tƣợng thiếu biến ci o có khả mô hình OLS gộp phù hợp ta sử dụng phƣơng pháp kiểm định nhân tử Lagrange Breusch-Pagan 34 Phụ lục 2: Kiểm định nhân tử Lagrange Breusch-Pagan Chúng ta biết mô hình thực yếu tố ci phƣơng pháp OLS gộp phƣơng pháp tốt giả thiết th a mãn Khi có yếu tố ci trình tính toán, phƣơng pháp OLS gộp không tính đến diện ci phƣơng pháp mô hình tác động ngẫu nhiên có tính đến điều này, việc sử dụng mô hình tác động ngẫu nhiên hợp lý Vậy việc lựa chọn mô hình đƣa việc kiểm định có tồn yếu tố không quan sát đƣợc dạng ci hay không, ngƣời ta sử dụng phƣơng pháp kiểm định nhân tử Lagrange Breusch – Pagan Phƣơng pháp nhƣ sau: H0: var (ci) = (Không có yếu tố ci – Phƣơng pháp OLS phù hợp) H1: var (ci) ≠ Thống kê kiểm định có dạng: n 1 LM (nT )   T  ( vit ) i 1 n t 1 T  v i 1 t 1 2 it nT  nT Khi giả thiết H0 thống kê tuân theo quy luật Khi bình phƣơng với bậc tự o quy tắc kiểm định giá trị quan sát thống kê kiểm định lớn giá trị tới hạn bác b H0 Kết thực Stata nhƣ sau: Bảng phụ 2.1: Kết kiểm định nhân tử Lagrange Breusch-Pagan Breusch and Pagan Lagrangian multiplier test for random effects va[id,t] = Xb + u[id] + e[id,t] Estimated results: 35 | Var sd = sqrt(Var) -+ va | 7.06e+13 8400387 e | 4.25e+12 2062222 u| 0 chi2(1) = 2.13 Test: Var(u) = Prob > chi2 = 0.1440 Kết bảng phụ 2.1 cho thấy xác suất P = 0.144> 0.05 nên giả thiết H0 không bị bác b nên mô hình OLS gộp phù hợp Qua ta thấy chất ƣớc lƣợng nhƣ sau: Bảng phụ 2.2: tóm tắt kết Mô hình Tính chất Không tồn Tồn ci ci không tƣơng quan ci tƣơng quan với X với X Vững Vững Không vững Vững Vững Vững Không vững Hiệu Vững Không vững Không vững Tác động ngẫu Không Vững Vững Không vững nhiên chệch Vững Vững Vững Không vững Hiệu Không vững Vững Không vững Tác động cố Không Vững Vững Vững định chệch Vững Vững Vững ci Không OLS gộp chệch Vững 36 Hiệu Không vững Không vững Vững Ngoài ra, đƣa vào số câu lệnh kiểm định tự tƣơng quan, kiểm định tính đa cộng tuyến mô hình đƣợc giới thiệu rõ phụ lục số Phụ lục 3: Code chạy chƣơng trình ƣớc lƣợng *Panel Data Analysis Using Stata *Copyright 2014 by Phan Huy Bang clear all set more off use E:\Econometrics\sldn11namluanvan global id id global year year global ylist va global xlist laodong vondautu describe $id $year $ylist $xlist summarize $id $year $ylist $xlist * Set data as panel data sort $id $year xtset $id $year xtdescribe xtsum $id $year $ylist $xlist 37 * Pooled OLS estimator reg $ylist $xlist * Population-averaged estimator xtreg $ylist $xlist, pa * Between estimator xtreg $ylist $xlist, be * Fixed effects or within estimator xtreg $ylist $xlist, fe * Fixed effects using dummy variables quietly tab id, gen(nganh) xi: reg $ylist $xlist nganh2-nganh9 * First-differences estimator reg D.($ylist $xlist), noconstant * Random effects estimator xtreg $ylist $xlist, re theta * Hausman test for fixed versus random effects model quietly xtreg $ylist $xlist, fe estimates store fixed quietly xtreg $ylist $xlist, re estimates store random 38 hausman fixed random * Breusch-Pagan LM test for random effects versus OLS quietly xtreg $ylist $xlist, re xttest0 * Recovering individual-specific effects quietly xtreg $ylist $xlist, fe predict alphafehat, u sum alphafehat 39 Phụ lục 4: Code chạy ƣớc lƣợng bán tham số theo phƣơng pháp Levpet *Panel Data Analysis Using Stata *Copyright 2014 by Phan Tat Hien clear all set more off use E:\Econometrics\sldn11nam global id id global year year tsset id year gen lnva=ln(va) gen lnlaodong=ln(laodong) gen lnvondautu=ln(vondautu) gen myproxy=rnormal() gen lnm=ln(m) levpet lnva, free( lnlaodong lnm) proxy(myproxy) capital( lnvondautu) predict productivity, omega 40 [...]... liệu mảng trong Stata luôn bắt đầu bằng “xt” Sau đ y là một số câu lệnh đƣợc sử dụng để phân tích số liệu mảng: Bảng 1.2 Câu lệnh phân tích số liệu mảng trong Stata STT Câu lệnh Mô tả 1 Định dạng số liệu xtset id time xtset dƣới dạng mảng Cấu trúc id: chỉ biến cá thể time: chỉ biến thời gian 2 xtdes Mô tả cấu trúc của xtdes [if] [in] số liệu mảng if: điều kiện in: chỉ rõ dạng quan sát 3 xtsum Tóm tắt số. .. quả phân tích Kết quả phân tích hiện trên cửa sổ Stata results tuy nhiên cửa sổ này chỉ cho phép hiển thị kết quả phân tích gần đ y vì vậy khi chạy chƣơng trình ph n tích dài thì cửa sổ này không thể hiển thị hết đƣợc do đó chúng ta phải lƣu kết quả lại Nhấp chuột vào Log begin/close để lƣu file 1.3.2 Câu lệnh sử dụng các mô hình để phân tích số liệu mảng trong phần mềm Stata Câu lệnh phân tích số liệu. .. trong ƣớc lƣợng số liệu mảng, ngoài ra còn có một số lệnh khác nữa ngƣời đọc có thể sử dụng phần “help xt” của phần mềm Stata 17 CHƢƠNG 2 THỰC NGHIỆM Trong phần này, chúng tôi sử dụng số liệu điều tra doanh nghiệp đƣợc thực hiện hằng năm từ năm 2000 đến 2010, các số liệu đƣợc sử dụng là số liệu sơ cấp từ cuộc điều tra, sau đó tác giả tổng hợp xử lý và tính toán lập thành số liệu mảng để sử dụng các mô... Mở file data Save Lƣu file Print results In kết quả Log begin/close Bắt đầu đóng mở file lƣu kết quả phân tích Data editor Biên tập số liệu, chỉnh sửa, thêm, bớt số liệu New do-file editor Biên tập mới, lƣu chƣơng trình ph n tích Lƣu lệnh/chƣơng trình phân tích số liệu Trong quá trình phân tích số liệu ta cần thực hiện rất nhiều lệnh mới đạt đƣợc kết quả cuối cùng do đó để không mất nhiều thời gian... mềm thống kê dùng để quản lý, phân tích số liệu và vẽ đồ thị.Stata cho phép lƣu trữ thông tin về các đặc điểm của các đối tƣợng nghiên cứu, số liệu lƣu trữ trong Stata có thể hiển thị dƣới dạng bảng.Vì vậy việc phân tích số liệu mảng ngƣời ta thƣờng dùng với Stata 13 Khởi động và thoát khỏi Stata Stata đƣợc khởi động tƣơng tự nhƣ các chƣơng trình tin học ứng dụng khác, bằng cách kích đúp vào biểu tƣợng... danh sách các biến của tập số liệu Data editor Hiển thị và sửa chữa số liệu dƣới dạng bảng Do-file editor Hiển thị các của sổ để soạn thảo chƣơng trình Thanh thực đơn (Menu bar) + Thanh thực đơn (menu bar) gồm các thanh sau: File Đóng mở tập tin Edit Hiệu chỉnh Prefs Tùy chọn Data Các xử lý trên số liệu Graphics Vẽ đồ thị Statistics Thực hiện việc phân tích số liệu User Ngƣời sử dụng Windows Mở các cửa... hình nhƣ kiến thức, kỹ năng lao động, giải pháp công nghệ, …đang dần phổ biến và đóng vai trò quan trọng tron việc phân tích và dự báo kinh tế Trong đề tài này cũng đề xuất một phƣơng pháp tính năng suất tổng hợp sử dụng số liệu mảng Nhƣ vậy chúng ta thấy rằng việc ứng dụng mô hình số liệu mảng vào tính toán kinh tế lƣợng ngày càng phổ biến do tính ƣu việt của nó Ngành Dệt may là ngành kinh tế mũi nhọn... (strongly balanced) time variable: year, 2000 to 2010 delta: 1 unit strongly balanced: là số liệu mảng cân bằng nghĩa là tất cả cá thể trong mỗi thời gian đều có thu thập số liệu Trong đó id là biến chỉ cá thể, year là biến thời gian trong tập số liệu. Lƣu ý rằng các biến id và year là ở dạng số, ví dụ với 9 ngành trong số liệu ta gán cho id từ 1 tới 9 Câu lệnh trong Stata với mô hình tác động ngẫu nhiên nhƣ... Tìm nhanh số liệu xtdata varlist, option mảng varlist: danh sách biến option: lựa chọn 7 xtline Đồ thị đƣờng xtline varname, option thẳng varname: tên biến option: chọn dạng đƣờng thẳng 8 xtlogit Mô hình logarit xtlogit depvar [indepvar], option 9 xtprobit Ƣớc lƣợng độ tin xtprobit depvar [indepvar], option cậy 10 xtgraph Đồ thị trong số liệu xtgraph varname, option mảng Trên đ y là một số câu lệnh... vi phân cấp một hai vế của phƣơng trình (1.18) ta đƣợc ƣớc lƣợng nhƣ sau: yit  xit   uit , t  2, 3, ,T (1.26) Mô hình (1.18) và các giả thiết FD.1 – FD.3 cùng với công thức (1.26) đƣợc gọi là mô hình sai phân cấp một cũng là một phƣơng pháp ƣớc lƣợng số liệu mảng hữu ích 1.3 Câu lệnh trong phần mềm Stata ([12]) 1.3.1 Giới thiệu phần mềm Stata Stata là phần mềm thống kê dùng để quản lý, phân tích ... sử dụng mô hình để phân tích số liệu mảng phần mềm Stata Câu lệnh phân tích số liệu mảng Stata bắt đầu “xt” Sau đ y số câu lệnh đƣợc sử dụng để phân tích số liệu mảng: Bảng 1.2 Câu lệnh phân tích. .. VỀ SỐ LIỆU MẢNG VÀ CÁC PHƢƠNG PHÁP ƢỚC LƢỢNG SỐ LIỆU MẢNG 1.1 Tổng quan số liệu mảng 1.1.1 Định nghĩa ([1]) Trong phân tích kinh tế lƣợng số liệu phần quan trọng thiếu đƣợc, loại số liệu số liệu. .. kết phân tích Data editor Biên tập số liệu, chỉnh sửa, thêm, bớt số liệu New do-file editor Biên tập mới, lƣu chƣơng trình ph n tích Lƣu lệnh/chƣơng trình phân tích số liệu Trong trình phân tích