ảnh hưởng của chỉ số giá vàng; chỉ số giá đôla mỹ; lương thực, thực phẩm và nhà ở và vật liệu xây dựng đến chỉ số giá tiêu dùng CPI

Phần 1: Cơ sở lý luận Vấn đề nghiên cứu: Thử nghiệm xây dựng mô hình kinh tế lượng để phân tích tác động, ảnh hưởng số giá vàng; số giá đôla Mỹ; lương thực, thực phẩm nhà vật liệu xây dựng đến số giá tiêu dùng CPI Lý chọn đề tài: Giá hàng hóa dịch vụ biến động theo thời gian Tuy nhiên giá thay đổi nhanh chóng cú sốc kinh tế Chỉ số giá tiêu dùng CPI (Consumer Price Index) số tính theo phần trăm phản ánh mức thay đổi tương đối giá hàng tiêu dùng theo thời gian Sở dĩ thay đổi tương đối số dựa vào giỏ hàng hóa đại diện cho toàn hàng tiêu dùng Đây tiêu sử dụng phổ biến để đo lường mức giá Sự thay đổi mức giá cho biết liệu kinh tế có bị lạm phát hay giảm phát hay không CPI quan tâm theo dõi đóng vai trò quan trọng việc đưa định tài đất nước Nó thường sử dụng để điều chỉnh thu nhập người dân Dựa vào CPI, Chính phủ xem xét để đưa mức thu nhập cho người dân điều chỉnh cấu trúc thuế Nhà nước cách phù hợp CPI hình thành từ thông tin chi tiêu hàng nghìn hộ gia đình toàn quốc Thông tin thu thập thông qua vấn nhật kí chi tiêu đối tượng lựa chọn để nghiên cứu Rổ hàng hóa dịch vụ sử dụng để tính bao gồm 573 danh mục, thuộc 11 nhóm (giai đoạn 2009-2014): hàng ăn dịch vụ ăn uống (trong gồm: lương thực, thực phẩm, ăn uống gia đình); đồ uống thuốc lá; may mặc, mũ nón, giày dép; nhà vật liệu xây dựng (điện nước, chất đốt); thiết bị đồ dùng gia đình; dược phẩm y tế; phương tiện lại (giao thông); bưu viễn thông; giáo dục; văn hóa, thể thao, giải trí; loại hàng hóa dịch vụ khác Theo lý thuyết mà nhóm tìm hiểu: Biến động giá vàng có ảnh hưởng cách gián tiếp vào số CPI Việc phát hành thêm số lượng tiền lớn vào kinh tế làm cho người dân ngày có thói quen tích trữ vàng để bảo vệ giá đồng tiền Khi giá vàng tăng, nguyên liệu đầu vào phục vụ cho việc sản xuất, chế tác dòng sản phẩm có liên quan đến vàng tăng theo, dẫn đến giá bán tăng nhóm hàng hóa Khi giá bán sản phẩm kim loại quý tăng, sản phẩm tác động gián tiếp đến rổ hàng hóa dùng để tính CPI Giá đôla Mỹ có tác động không nhỏ đến số giá tiêu dùng CPI Nếu để USD tăng giá so với đồng Việt Nam lại tạo tâm lý lo ngại tiền đồng giá, đồng thời làm giá nguyên vật liệu, thiết bị tăng, làm tăng giá thành sản xuất doanh nghiệp Việt Nam thâm dụng vốn tài nguyên.Do vậy, Chính phủ trì ổn định tỷ giá USD, sử dụng biện pháp khác để thúc đẩy xuất hạn chế nhập Về lâu dài, lực sản xuất hàng xuất doanh nghiệp Việt Nam khu vực nông nghiệp nâng cao, việc sử dụng đồng nội tế yếu so với USD biện pháp tốt để đẩy mạnh tăng trưởng kinh tế mà ổn định số giá tiêu dùng (CPI), tạo nhiều việc làm tích lũy Việc tính toán CPI Việt nam Tổng cục Thống kê đảm nhiệm Quyền số để tính CPI xác định năm 2000 bắt đầu áp dụng từ tháng năm 2001 Trong quyền số có lương thực, thực phẩm nhà vật liệu xây dựng Quyền số dựa kết hai điều tra Điều tra mức sống dân cư Việt nam 19971998 Điều tra kinh tế hộ gia đình năm 1999 Điều đáng ý quyền số nhóm hàng Lương thực - Thực phẩm chiếm tới 47,9%.Vậy nên giá nhóm hàng lương thực – thực phẩm có vai trò định tới số giá tiêu dùng CPI Việt Nam Nhận thấy quan trọng tiêu số giá tiêu dùng CPI kinh tế quốc dân, đồng thời với mục đích kiểm định lý thuyết trên, tìm hiểu tác động, ảnh hưởng giá vàng; giá đôla Mỹ số rổ hàng hóa tính CPI; giá lương thực, thực phẩm giá nhà vật liệu xây dựng đến tiêu quan trọng Đó lý nhóm chọn đề tài Phần 2: Thiết lập, phân tích đánh giá mô hình 2.1 Xây dựng mô hình 2.1.1 Biến phụ thuộc: : Chỉ số giá tiêu dùng CPI(đơn vị tính %) 2.1.2 Biến độc lập: Mô hình gồm có biến độc lập : Chỉ số giá vàng (đơn vị tính %) : Chỉ số giá đôla Mỹ (đơn vị tính %) : Lương thực, thực phẩm (đơn vị tính %) : Nhà vật liệu xây dựng 2.1.3 Mô hình hồi quy tổng thể: = + +++ Mô hình hồi quy mẫu: =++++ 2.1.4 Nguồn liệu cách thu thập liệu: a Dữ liệu Số liệu bảng số liệu tìm từ trang web tổng cục thống kê: https://gso.gov.vn/default.aspx?tabid=720 • Số liệu từ trang web: http://kienthuc.net.vn/dat-tien-vang/thay-doi-cach-tinh-chi-sogia-tieu-dung-16105.html • b Không gian mẫu Khảo sát tiêu thông kê 11 năm (2003-2013) nhóm tiến hành xây dựng mô hình thống kê 2.2 Mô tả số liệu Bảng số liệu (Chỉ số giá tiêu dùng, số giá vàng đô la Mỹ bình; lương thực, thực phẩm; nhà vật liệu xây dựng bình quân năm(Năm trước = 100) ) (Đơn vị tính %) 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Chỉ số giá tiêu dùng () 103,2 107,7 108,3 107,5 108,3 123,0 106,9 109,2 118,6 109,2 106,6 Chỉ số giá vàng () 119,0 116,4 107,8 136,1 113,7 131,9 119,2 136,7 139,0 107,8 88,7 Chỉ số giá đô la Mỹ () 101,7 101,6 100,6 101,0 100,6 102,3 109,2 107,6 108,5 100,2 100,7 Lương thực, thực phẩm () 102,5 112,4 111,3 108,7 111,2 136,6 108,7 110,7 126,5 108,1 102,7 Nhà vật liệu XD () 108 105,7 106,4 107,1 108,9 111 2.2.1 Xây dựng mô hình hồi quy: Bảng kết chạy từ phần mềm eview: 120,5 103,5 114,7 119,7 110,6 Từ bảng kết eview ta có mô hình hồi quy mẫu: 19.25628 –0.072963 + 0.127098 + 0.457123+ 0.314148 Ý nghĩa hệ số phương trình hồi quy mẫu = - 0.072963: yếu tố: số giá USD; lương thực, thực phẩm; nhà vật liệu xây dựng không đổi, số giá vàng tăng 1% số giá tiêu dùng giảm 0.072963% = 0.127098: yếu tố: số giá vàng; lương thực, thực phẩm; nhà vật liệu xây dựng không đổi, số giá đôla tăng 1% số giá tiêu dùng tăng 127098 % =0.457123 : yếu tố: Chỉ số giá vàng; đôla; nhà vật liệu xây dựng không đổi, lương thực, thực phẩm tăng 1% số giá tiêu dùng tăng 457123 % = 0.314148: yếu tố: Chỉ số giá vàng; đôla; lương thực, thực phẩm không đổi, lương thực, thực phẩm tăng 1% số giá tiêu dùng tăng 0.314148 2.2.2 Uớc lượng khoảng tin cậy( độ tin cậy 95%)  Ước lượng khoảng tin cậy Chọn thống kê: T= ~ Với α =0.05 ta tìm = =2.447 thỏa mãn : P(|T| ) =1α(=) P( Se() Se() Khi ta có khoảng tin cậy (se(); + se())=1 se() = 0.034073 ta có khoảng tin cậy sau: (-0.072963- 2.447*0.034073;-0.072963 + 2.447*0.034073) (-0.156339;0.010414)  Ước lượng khoảng tin cậy Chọn thống kê: T= ~ Với α =0.05 ta tìm = =2.447 thỏa mãn : P(|T| ) =1α(=) P( Se() Se() Khi ta có khoảng tin cậy (se(); + se())=1 se() = 0.119516 ta có khoảng tin cậy sau: (0.127098 -2.447*0.119516; 0.127098 +2.447*0.119516) (-0.165357;0.419553)  Ước lượng khoảng tin cậy Chọn thống kê: T= ~ Với α =0.05 ta tìm = =2.447 thỏa mãn : P(|T| ) =1α(=) P( Se() Se() Khi ta có khoảng tin cậy (se(); + se())=1 se() = 0.061699 ta có khoảng tin cậy sau: (0.457123 - 2.447*0.061699;0.457123 + 2.447*0.061699) (0.306145;0.6081)  Ước lượng khoảng tin cậy Chọn thống kê: T= ~ Với α =0.05 ta tìm = =2.447 thỏa mãn : P(|T| ) =1α(=) P( Se() Se() Khi ta có khoảng tin cậy (se(); + se())=1 se = 0.122495 ta có khoảng tin cậy sau: (0.314148 -2.447*0.122495; 0.314148 +2.447*0.122495) (0.014403;0.613893) 2.2.3 Kiểm định giả thuyết thống kê( mức ý nghĩa 5%)  P_Value () = 0.076> 0.05 : số giá vàng không hưởng đến số giá tiêu dùng CPI  P_Value () = 0.3285 > 0.05 :chỉ số giá đô la không ảnh hưởng đến số giá tiêu dùng CPI  P_Value () = 0.0003 < 0.05 : lương thực thực phẩm có ảnh hưởng đến số giá tiêu dùng CPI  P_value ()= 0.0426 < 0.05: Nhà vật liệu xây dựng có ảnh hưởng đến số giá tiêu dùng CPI Từ kết kiểm định suy cần loại bỏ biến khỏi mô hình Xây dựng lại mô hình hồi quy Mô hình hồi quy tổng thể: = ++ Mô hình hồi quy mẫu: =++ Bảng kết từ phần mềm eview sau loại bỏ hai biến Mô hình hồi quy mẫu: = 35.53918+ 0.456037+ 0.207513 2.2.4 Dự báo giá trị trung bình, giá trị cá biệt: Với giá trị cho trước biến giải thích:= (1 … ) cần dự báo giá trị trung bình E(Y/ giá trị cá biệt Y= Ước lượng điểm E(Y/ là: Ta xây dựng thống kê: Với độ tin cậy ta tìm cho: P(|T| ) =1α (=) P( Se() Se()) = 1α (=) khoảng tin cậy: ( Se(; Se()) Trong đó: Var ( Se ( Ước lượng điểm là: Ta xây dựng thống kê: Khoảng tin cậy: ( Se(; Se()) Trong đó: Var ()= Var( + Se(()= Cụ thể sử dụng Eview: Với độ tin cậy 95% dự báo giá trị trung bình (E(Y/ giá trị cá biệt (Y= số giá tiêu dùng CPI số giá vàng 120%; số giá đôla 120%; số lương thực, thực phẩm 115%; số nhà vật liệu xây dựng 110% Ta có: (1 120 104 115 110) Bước 1: Ước lượng mô hình hồi quy Bước 2: Tạo thêm biến quan sát thứ n+1 để điền giá trị cho trước biến giải thích Bước 3: Tạo biến giá trị vô hướng: Ở nhóm đặt tên cho biến Y_dubao Se(là Se_dubao(để ước lượng giá trị cá biệt) có bảng kết sau: Từ bảng kết ta có 110.8443; Se(= 1.165298 Lập biến Se_2dubao( để ước lượng giá trị trung bình) Lập giá trị kiểm định tinv để tính giá trị với n-k=11-5=6; = 0.025 Bước 4: Thiết lập cận trên, cận cho khoảng dự báo trung bình cá biệt Ta có bảng sau: Từ bảng giá trị biến cho ta biết: Khoảng dự báo giá trị trung bình CPI số giá vàng 120%; số giá đôla 120%; số lương thực, thực phẩm 115%; số nhà vật liệu xây dựng 110% là: (109.8774; 111.8112) Khoảng dự báo giá trị cá biệt CPI số giá vàng 120%; số giá đôla 120%; số lương thực, thực phẩm 115%; số nhà vật liệu xây dựng 110% là: (107.9929; 113.6957) Phần 3: Đa cộng tuyến 3.1 Bản chất đa cộng tuyến Tư tưởng đa cộng tuyến thấm sâu vào khía cạnh hồi quy bội Lý làm cho đa cộng tuyến có ảnh hưởng lớn ta nghiên cứu mối quan hệ biến Y biến giải thích ta gặp quan hệ biến với Trường hợp lý tưởng biến môi trường hồi quy bội tương quan với nhau; biến chứa thông tin riêng Y, thông tin không chứa biến khác Trong thực hành, điều xảy không gặp tượng đa cộng tuyến Đa cộng tuyến gồm loại: Đa cộng tuyến hoàn hảo không hoàn hảo Ở trường hợp ngược lại với trường hợp lý tưởng, gặp đa cộng tuyến hoàn hảo Giả sử phải ước lượng hàm hồi quy Y gồm k biến giải thích … Cho mô hình hồi quy đa biến: = + …+ + Đa cộng tuyến hoàn hảo xảy biến giải thích biểu diễn dạng tổ hợp tuyến tính biến giải thích lại điểm tập số liệu đa cộng tuyến hoàn hảo biến Χi xảy thỏa mãn điều kiện sau : ++…+ = Trong số không đồng thời Thuật ngữ đa cộng tuyến lần Ragnar Frisch sử dụng vào năm 1934 với nội dung Tuy nhiên ngày thuật ngữ sử dụng theo nghĩa rộng Nó bao gồm đa cộng tuyến không hoàn hảo Đa cộng tuyến không hoàn hảo trường hợp biến giải thích có tương quan với theo nghĩa sau: + +…+=0 Trong sai số ngẫu nhiên 3.2 Nguyên nhân đa cộng tuyến  Do thu thập số liệu: số liệu thu thập khoảng nhỏ toàn tổng thể( chọn biến có độ biến thiên nhỏ)  Cách thu thập mẫu: mẫu không đặc trưng cho tổng thể  Do chất biến mô hình có mối quan hệ sẵn có với  Trong hồi quy có chứa biến giải thích với lũy thừa bậc cao đặc biệt trường hợp mẫu khoảng nhỏ số liệu tổng thể i β1Χ i β Χ 3i β i3 Χ 3i i VD: Y = + + +U Mô hình có nhiều biến thương số quan sát 3.3 Hậu đa cộng tuyến a, Phương sai độ lệch tiêu chuẩn OLS lớn: ∑x ^ Ta có: var( β3 ∑x (∑ x )( ∑ x ) − (∑ x 2i )= Trong r ⇒ )= (∑ x 22i )( ∑ x32i ) − (∑ x 2i x3i ) 2i ^ Var( β2 3i 2.3 3i i 3i ) σ2 = hệ số tương quan σ2 = σ2 ∑ x22i (1 − r232 ) σ2 ∑ x32i (1 − r232 ) Χ , Χ3 :r 2.3 (∑ x2i x3i ) ∑x ∑x 2i = 3i 23 r tăng dần đến (cộng tuyến tăng) phương sai tăng dần đến vô hạn b, Khoảng tin cậy rộng hơn: Ta có: βˆ2 ± tα / se( βˆ2 ); βˆ3 ± tα / se( βˆ3 ) Trong : βˆ ) = var(βˆ ) = ∂2 n − r22.3 ∑x i =1 se( ⇒ r23 ; se ( βˆ3 ) = var(βˆ3 ) = 2i ⇒ ⇒ − r22.3 n ∑x i =1 3i tiến gần tới khoảng tin cậy cho hệ số rộng c, Tỉ số t ý nghĩa: Kiểm định giả thuyết: ⇒ ∂2 H0 β j = : t = βˆ j / se( βˆ j ) Lấy tỉ số so sánh với có đa cộng tuyến hoàn hảo sai số tiêu chuẩn cao làm tỉ số t nhỏ tăng khả chấp nhận H0 R lớn d, Dấu ước lượng hệ số hồi quy sai ước lượng OLS trở nên nhạy với thay đổi nhỏ số liệu Khi có đa cộng tuyến ước lượng hệ số hồi quy có dấu trái với kỳ vọng Chẳng hạn lý thuyết kinh tế cho hàng hóa bình thường thu nhập tăng, cầu hàng hóa tăng, nghĩa hồi quy thu nhập biến giải thích, biến phụ thuộc lượng cầu hàng hóa, xảy tượng đa cộng tuyến ước lượng hệ số biến thu nhập mang dấu âm- mâu thuẫn với điều ta mong đợi e, Thêm vào hay bớt biến cộng tuyến với biến khác làm mô hình thay đổi độ lớn ước lượng dấu chúng 3.4 Các phương pháp phát đa cộng tuyến: 3.4.1 Hệ số xác định bội: R > 0,8 mà tỉ số t thấp có tượng đa cộng tuyến xảy Mâu thuẫnCó tượng đa cộng tuyến Căn vào kết eview ta có cộng tuyến xảy R =0,9613 >0,8 nên theo phương pháp có đa 3.4.2 Hệ số tương quan cặp biến giải thích cao R Nếu hệ số tương quan >0,8 có khả tồn đa cộng tuyến nhiên tiêu chuẩn thường không xác Có trường hợp tương quan cặp không cao có đa cộng tuyến Ví dụ: cho biến giải thích ,X2,X3 X1=(1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0) X2=(0,0,0,0,0,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0) X3=(1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0) Ta có: X1+X2=X3 có đa cộng tuyến hoàn hảo, hệ số tương quan là: r 12 = −1 , r 13 = r 23 = 0,59 < 0,8 Ta có: : có tượng đa cộng tuyến Đối với bảng số liệu cho Ta có bảng hệ số tương quan biến Ta có hệ số tương quan tượng đa cộng tuyến ρ TS =0,831059 >0,8 Do đó, kết luận rằng: có 3.4.3 Hồi quy phụ: Bước 1: biến X,Z,T,S… Ta chọn biến làm biến giải thích Giả sử chọn biến X làm biến giải thích giả sử mô hình là: =+++….++ Nếu mô hình hồi quy phù hợp có đa cộng tuyến Kiểm định phù hợp dùng thống kê F Bước 2: F= F ( k − , n − k +1) 0, 05 Nếu F> bác bỏ chấp nhận nghĩa với mức ý nghĩa cho có đa cộng tuyến xảy Nếu F< • F ( k − 2, n − k +1) , 05 chấp nhận Không có đa cộng tuyến Ta tiến hành hồi quy T theo S Sử dụng phần mềm eviews ta có bảng sau: Kiểm định mối liên hệ T S: Với = 0.05, ta kiểm định giả thiết : Xây dựng tiêu chuẩn kiểm định: T= Với mức ý nghĩa ta tìm phân vị cho: P( Ta có miền bác bỏ: ={ Hay ta có : P_value= 0.015< 0.05 Vậy với mức ý nghĩa 5% T S có mối liên hệ tuyến tính Kiểm định tồn đa cộng tuyến: Với = 0.05, ta kiểm định giả thiết : Xây dựng tiêu chuẩn kiểm định: F= Nếu F Ta có miền bác bỏ: ={Ftn:Ftn> ) = = 4.46}, với n=11, k=4 Từ bảng eviews ta có : = 20.09418> , chấp nhận => Có tượng đa cộng tuyến xảy Từ bảng eviews ta có : = 20.09418> => Có tượng đa cộng tuyến xảy 3.5 Nhân tử phóng đại: đánh giá số VIF(X) VIF = var(β i ) = var(β i ) − R2 i βi với R i hệ số xác định bội mô hình hồi quy phụ βi β ' i Var( )và var() là phương sai hệ số , mô hình hồi quy gốc mô hình hồi quy phụ Nếu VIF()>10 có đa cộng tuyến xảy Phân tử phóng đại phương sai gắn với biến T: = 3.23278( 10) có tượng đa cộng tuyến biến độc lập mô hình Vậy mô hình không xảy tượng đa cộng tuyến 5.Các biện pháp khắc phục 5.1 Sử dụng thông tin tiên nghiệm: Một cách tiếp cận để giải vấn đề đa cộng tuyến phải tận dụng thông tin tiên nghiệm thông tin từ nguồn khác để ước lượng hệ số riêng Ví dụ: hồi quy mô hình sản xuất Cobb-Douglas Yi = ALβi K iβ e ui i i i i Ln(Y )= +ln(K )+ ln( L )+ U Có thể gặp tượng đa cộng tuyến K L tăng theo quy mô sảnxuất Nếu ta biết hiệu suất không đổi theo quy mô tức là: i Ln(Y )=== + ln( (1-)ln() + i i i i Ln(Y ) – Ln( ) = X + [ln(K ) - ln(L )] + U i i Ln(Y /) = + ln(Y / ) + U  5.2 5.3 i i đa cộng tuyến (vì mô hình hồi quy đơn) Thu thập thêm số liệu lấy thêm mẫu Vì đa cộng tuyến đặc trưng mẫu nên có mẫu khác liên quan đến biến mẫu ban đầu mà đa cộng tuyến không nghiêm trọng Điều làm chi phí cho việc lấy mẫu khác chấp nhận thực tế Đôi cần thu thập thêm số liệu, tăng cỡ mẫu làm giảm tính nghiêm trọng đa cộng tuyến Bỏ biến giải thích có khả tổ hợp tuyến tính biến lại: Các bước tiến hành sau: Bước 1: Xem cặp biến giải thích có quan hệ chặt chẽ Giả sửlà biến độc lập, Y biến phụ thuộc có tương quan chặt chẽ với Loại bỏ hai biến giải vấn đề đa cộng tuyến ρ TS Hệ số tương quan biến T S: =0,831059 >0,8 nên hai biến có quan hệ chặt chẽ với nhau, cần loại bỏ hai biến giải vấn đề đa cộng tuyến Bước 2: Xác định hàm hồi quy Ta có bảng kết eview sau bỏ biến T khỏi mô hình: Tương tự bỏ biến S khỏi mô hình ta bảng kết eview: Bước 3: Loại biến mà giá trị tín mặt biến lớn R Vì : loại biến khỏi mô hình 0.760307 < loại biến khỏi mô hình 0.948669 Do ta loại biến khỏi mô hình để khắc phục tượng đa cộng tuyến 5.4 5.5 Sử dụng sai phân cấp 1: Thủ tục trình bày chương “tự tương quan” Mặc dù biện pháp làm giảm tương quan qua lại biến chúng sử dụng giải pháp cho vấn đề đa cộng tuyến Giảm tương quan hồi quy đa thức: Nét đặc biệt hồi quy đa thức biến giải thích xuất với lũy thừa khác mô hình hồi quy Trong thực hành để giảm tương quan hồi quy đa thức, người ta thường sử dụng dạng độ lệch (lệch so với giá trị trung bình) Nếu việc sử dụng dạng độ lệch mà không giảm đa cộng tuyến người ta có hteer phải xem xét đén kỹ thuật “đa thức trực giao” 5.6 Một số biện pháp khác: - Hồi quy thành phần - Sử dụng ước lượng từ bên ngoài…… Trên số biện pháp mang tính tương đối khắc phục đa cộng tuyến Tất biện pháp vừa trình bày làm giải pháp cho vấn đè đa cộng tuyến phụ thuộc vào chất tập số liệu tính nghiêm trọng vấn đề đa cộng tuyến [...]... báo giá trị cá biệt CPI khi chỉ số giá vàng là 120%; chỉ số giá đôla 120%; chỉ số về lương thực, thực phẩm là 115%; chỉ số về nhà ở và vật liệu xây dựng là 110% là: (107.9929; 113.6957) Phần 3: Đa cộng tuyến 3.1 Bản chất của đa cộng tuyến Tư tưởng đa cộng tuyến thấm sâu vào mọi khía cạnh của hồi quy bội Lý do làm cho đa cộng tuyến có ảnh hưởng lớn như vậy là khi ta nghiên cứu mối quan hệ giữa biến Y và. ..Lập giá trị kiểm định tinv để tính giá trị với n-k=11-5=6; = 0.025 Bước 4: Thiết lập các cận trên, cận dưới cho các khoảng dự báo trung bình và cá biệt Ta có bảng sau: Từ bảng giá trị các biến trên đây cho ta biết: Khoảng dự báo giá trị trung bình CPI khi chỉ số giá vàng là 120%; chỉ số giá đôla 120%; chỉ số về lương thực, thực phẩm là 115%; chỉ số về nhà ở và vật liệu xây dựng là 110% là:... j = 0 : t = βˆ j / se( βˆ j ) Lấy tỉ số so sánh với khi có đa cộng tuyến hoàn hảo thì sai số tiêu chuẩn sẽ rất cao làm tỉ số t nhỏ đi tăng khả năng chấp nhận H0 2 mặc dù có thể R lớn d, Dấu các ước lượng của các hệ số hồi quy có thể sai do đó các ước lượng OLS trở nên rất nhạy với những thay đổi nhỏ trong số liệu Khi có đa cộng tuyến thì các ước lượng của các hệ số hồi quy có thể có dấu trái với kỳ... sai số ngẫu nhiên 3.2 Nguyên nhân của đa cộng tuyến  Do thu thập số liệu: các số liệu được thu thập chỉ trong 1 khoảng nhỏ của toàn bộ tổng thể( chọn biến có độ biến thiên nhỏ)  Cách thu thập mẫu: mẫu không đặc trưng cho tổng thể  Do bản chất của các biến trong mô hình có mối quan hệ sẵn có với nhau  Trong hồi quy có chứa các biến giải thích với lũy thừa bậc cao đặc biệt đối với trường hợp mẫu chỉ. .. hợp mẫu chỉ là 1 khoảng nhỏ số liệu của tổng thể i β1Χ i β 2 Χ 3i β i3 Χ 3i i VD: Y = + + +U Mô hình có nhiều biến thương số quan sát 3.3 Hậu quả của đa cộng tuyến a, Phương sai và độ lệch tiêu chuẩn của các OLS lớn: ∑x ^ Ta có: var( β3 ∑x (∑ x )( ∑ x ) − (∑ x 2 2i )= Trong đó r ⇒ )= (∑ x 22i )( ∑ x32i ) − (∑ x 2i x3i ) 2 2i ^ Var( β2 2 3i 2.3 2 3i 2 i 3i ) σ2 2 = là hệ số tương quan giữa σ2 2 = σ2... thuộc là lượng cầu của hàng hóa, nếu xảy ra hiện tượng đa cộng tuyến thì ước lượng của hệ số của biến thu nhập có thể mang dấu âm- mâu thuẫn với điều ta mong đợi e, Thêm vào hay bớt đi các biến cộng tuyến với các biến khác làm mô hình thay đổi về độ lớn của các ước lượng hoặc dấu của chúng 3.4 Các phương pháp phát hiện đa cộng tuyến: 3.4.1 Hệ số xác định bội: nếu R 2 > 0,8 mà tỉ số t thấp thì có hiện... sau: Kiểm định mối liên hệ giữa T và S: Với = 0.05, ta đi kiểm định giả thiết : Xây dựng tiêu chuẩn kiểm định: T= Với mức ý nghĩa ta tìm được phân vị sao cho: P( Ta có miền bác bỏ: ={ Hay ta có : P_value= 0.015< 0.05 Vậy với mức ý nghĩa 5% thì T và S có mối liên hệ tuyến tính Kiểm định sự tồn tại của đa cộng tuyến: Với = 0.05, ta đi kiểm định giả thiết : Xây dựng tiêu chuẩn kiểm định: F= Nếu đúng... đơn) Thu thập thêm số liệu hoặc lấy thêm mẫu mới Vì đa cộng tuyến là đặc trưng của mẫu nên có thể có mẫu khác liên quan đến cùng các biến trong mẫu ban đầu mà đa cộng tuyến có thể không nghiêm trọng nữa Điều này chỉ có thể làm được khi chi phí cho việc lấy mẫu khác có thể chấp nhận được trong thực tế Đôi khi cần thu thập thêm số liệu, tăng cỡ mẫu có thể làm giảm tính nghiêm trọng của đa cộng tuyến Bỏ... eviews ta có : = 20.09418> => Có hiện tượng đa cộng tuyến xảy ra 3.5 Nhân tử phóng đại: được đánh giá bằng chỉ số VIF(X) VIF = var(β i ) 1 = var(β i ) 1 − R2 i βi với R 2 i là hệ số xác định bội trong mô hình hồi quy phụ βi β ' i Var( )và var() là là phương sai của các hệ số , trong mô hình hồi quy gốc và mô hình hồi quy phụ Nếu VIF()>10 thì có đa cộng tuyến xảy ra Phân tử phóng đại phương sai gắn... pháp khác: - Hồi quy thành phần chính - Sử dụng các ước lượng từ bên ngoài…… Trên đây là một số biện pháp mang tính tương đối trong khắc phục đa cộng tuyến Tất cả các biện pháp vừa trình bày có thể làm giải pháp cho vấn đè đa cộng tuyến như thế nào còn phụ thuộc vào bản chất của tập số liệu và tính nghiêm trọng của vấn đề đa cộng tuyến ... tố: số giá vàng; lương thực, thực phẩm; nhà vật liệu xây dựng không đổi, số giá đôla tăng 1% số giá tiêu dùng tăng 127098 % =0.457123 : yếu tố: Chỉ số giá vàng; đôla; nhà vật liệu xây dựng không... không đổi, lương thực, thực phẩm tăng 1% số giá tiêu dùng tăng 457123 % = 0.314148: yếu tố: Chỉ số giá vàng; đôla; lương thực, thực phẩm không đổi, lương thực, thực phẩm tăng 1% số giá tiêu dùng tăng... 0.05 : số giá vàng không hưởng đến số giá tiêu dùng CPI  P_Value () = 0.3285 > 0.05 :chỉ số giá đô la không ảnh hưởng đến số giá tiêu dùng CPI  P_Value () = 0.0003 < 0.05 : lương thực thực phẩm