Mô hình số liệu mảng áp dụng trong ngành kinh tế dệt may việt nam (TT)

1 TĨM TẮT ĐỀ TÀI Mơ hình số liệu mảng ngày sử dụng rộng rãi nghiên cứu mơ hình kinh tế lượng tính ưu việt Các mơ hình số liệu mảng mơ hình tác động ngẫu nhiên, mơ hình tác động cố định, mơ hình OLS gộp,… áp dụng nhiều mơ hình kinh tế Trong đề tài chúng tơi sử dụng mơ hình số liệu mảng áp dụng ngành kinh tế Dệt may Việt Nam nhằm nghiên cứu suất, ảnh hưởng lao động, tài sản đầu tư 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 i 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 ước lượng TFP theo phương pháp bán tham số Levpet Bảng 2.4: Kết ước lượng mơ hình tác động ngẫu nhiên Bảng 2.5: Kết ước lượng phương pháp biến giả Bảng 2.6: kết ước lượng mơ hình tác động ngẫu nhiên Bảng 2.7: Kết ước lượng mơ hình phương pháp phương 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 ii DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU OLS Ordinary Least Squared – ình phương nh cổ điển POLS Pooled Ordinary Least Squared – ình phương nh cổ điển gộp LS eneral Least Squared – ình phương nh tổng quát R Random ffect – tác động ngẫu nhiên F Fixed ffect – tác động cố định W within – t ng 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 sử dụng rộng rãi để mô tả mô hình kinh tế lượng kết ước lượng Véc tơ định nghĩa véc tơ cột ký hiệu chữ thường in đậm Ví dụ, với hồi qui tuyến tính, véc tơ biến giải thích x véc tơ dịng K 1 với thành phần thứ j x j véc tơ tham số  véc tơ cột K 1 với thành phần thứ j  j ,  1       K 1  K   x1  x     K 1  xK  o mơ hình hồi qui tuyến tính y  1 x1   x2    K xK  u biểu diễn y  x  u CHƢƠNG 1: 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 1.1.3 Các nghiên cứu thực với số liệu mảng nƣớc giới 1.1.3.1 Trong nƣớc 1.1.3.2 Thế giới 1.2 Tổng quan mơ hình phân tích số liệu mảng ([3], [4]) Trong phần xét đến vấn đề biến không quan sát hay khơng xét đến mơ hình kinh tế lượng động lực mơ hình phân tích số liệu mảng Tại số liệu mảng lại sử dụng ước lượng phù hợp với mơ hình có biến khơng quan sát Mơ hình số liệu mảng với biến khơng quan sát viết 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 tượng (quốc gia, tỉnh, doanh nghiệp,…) t số thời gian uit sai số ngẫu nhiên thông thường giả thiết th a mãn giả thiêt thông thường, nghĩa phương sai sai số không đổi không tự tương quan Trong thành phần không quan sát ci cộng thêm vào, có nhiều cách gọi tên ci thành phần không quan sát được, biến ẩn, biến bị b qua Nếu i cá thể thường gọi tác động cá thể, thường hộ gia đình, doanh nghiệp, tỉnh, …Mơ hình (1.1) viết lại dạng vector sau yit  xit   ci  uit (1.2) Trong xit véc tơ  K biến giải thích, β véc tơ K  hệ số ước lượng 1 Những mơ hình người ta thường gọi mơ hình tác động cá thể ta nghiên cứu mơ hình đ y 1.2.1 Mơ hình tác động ngẫu nhiên 1.2.1.1 Ƣớc lƣợng giả thiết mơ hình 1.2.1.2 Phƣơng pháp ƣớc lƣợng bình phƣơng bé tổng quát (GLS) 1.2.1.3 Ƣớc lƣợng sử dụng ma trận phƣơng sai mạnh 1.2.2 Mơ hình tác động cố định Người ta sử dụng mơ hình tác động ngẫu nhiên yếu tố khơng quan sát dạng ci có tương quan đến biến giải thích mơ hình 1.2.2.1 Mơ hình giả thiết 1.2.2.2 Phƣơng pháp ƣớc lƣợng nội 1.2.2.3 Phƣơng pháp ƣớc lƣợng sử dụng biến giả 1.2.3 Một số mơ hình khác 1.2.3.1 Mơ hình OLS gộp 1.2.3.2 Mơ hình sai phân cấp 1.3 Câu lệnh phần mềm Stata 1.3.1 Giới thiệu phần mềm Stata Stata phần mềm thống kê dùng để quản lý, phân tích số liệu vẽ đồ thị.Stata cho phép lưu trữ thông tin đặc điểm đối tượng nghiên cứu, số liệu lưu trữ Stata hiển thị dạng bảng.Vì việc phân tích số liệu mảng người ta thường dùng với Stata 1.3.2 Câu lệnh 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 sử dụng để phân tích số liệu mảng: Bảng 1.2 Câu lệnh phân tích số liệu mảng Stata STT Câu Mô tả Cấu trúc lệnh xtset Định dạng số liệu xtset id time dạng mảng id: biến cá thể time: biến thời gian xtdes Mô tả cấu trúc xtdes [if] [in] số liệu mảng if điều kiện in: rõ dạng quan sát xtsum Tóm tắt số liệu xtsum [varlist] [if] varlist: danh sách biến if điều kiện xttab Tạo bảng số liệu xttab varname [if] varname: tên biến if điều kiện xtreg Ước lượng số liệu xtreg depvar [indepvar], option mảng depvar: biến phụ thuộc indepvar: biến độc lập option: lựa chọn mơ hình ước lượng Ước lượng GLS ngẫu nhiên xtreg depvar [varlist] [if exp] [, re i(varname) sa theta level(#) ] Ước lượng tác động cố định xtreg depvar [varlist] [if exp] , fe [ i(varname) level(#) ] Ước lượng MLE ngẫu nhiên xtreg depvar [varlist] [weight] [if exp] , mle [ i(varname) noconstant level(#) ] xtdata Tìm nhanh số liệu xtdata varlist, option mảng varlist: danh sách biến option: lựa chọn xtline Đồ thị đường thẳng xtline varname, option varname: tên biến option: chọn dạng đường thẳng xtlogit Mơ hình logarit xtlogit depvar [indepvar], option xtprobit Ước lượng độ tin xtprobit depvar [indepvar], option cậy 10 xtgraph Đồ thị số liệu xtgraph varname, option mảng Trên đ y số câu lệnh ước lượng số liệu mảng, ngồi cịn có số lệnh khác người đọc sử dụng phần “help xt” phần mềm Stata CHƢƠNG THỰC NGHIỆM Trong phần này, sử dụng số liệu điều tra doanh nghiệp thực năm t năm 2000 đến 2010, số liệu sử dụng số liệu sơ cấp t điều tra, sau tác giả tổng hợp xử lý tính tốn lập thành số liệu mảng để sử dụng mơ hình tính suất Levpet, tác động cố định ngẫu nhiên Stata Cấu trúc số liệu sau Bảng 2.1: Danh sách ngành cấp nghiên cứu Ký Mã hiệu ngành id = 1711 Sản xuất sợi dệt vải id = 1712 Hoàn thiện sản phẩm dệt id =3 1721 Sản xuất sản phẩm dệt may sẵn có id = 1722 Sản xuất thảm chăn đệm id = 1723 Sản xuất dây bện lưới id = 1729 Sản xuất hàng dệt khác id = 1730 Sản xuất hàng đan móc id = 1810 May trang phục tr quần áo da lông thú id = 1820 Year Ngành Thuộc nhuộm da lông thú, sản xuất sản phẩm t lông thú Thời gian t 2000 tới 2010 Bảng 2.2: Các tiêu điều tra doanh nghiệp STT Tên biến Chỉ tiêu laodong Lao động thunhap Thu nhập người lao động taisan Tài sản – vốn tscddtdh Tài sản cố định đầu tư dài hạn nguyegia Nguyên giá khtscd Khấu hao tài sản cố định tsld Tài sản lưu động xddodang Chi phí xây dựng dở dang Nophatra 10 Doanhthu Doanh thu 11 Loinhuan Lợi nhuận trước thuế 12 Thue Thuế khoản phải nộp 13 Vondautu Vốn đầu tư 14 vdt_vay Vốn đầu tư vay 15 Gtsx Giá trị sản xuất 16 vonpd_vn Vốn pháp định bên Việt Nam 17 vonpd_nn Vốn pháp định nước 18 Va Nợ phải trả Va giá trị gia tăng lợi nhuận thu nhập người lao động khấu hao tài sản cố định 19 M Đầu vào trung gian xác định = Va – doanh thu 2.1 Cách tính suất tổng hợp theo phƣơng pháp Levpet 2.1.1 Câu lệnh ƣớc lƣợng suất Stata Levpet depvar [if exp] [in range],free(varlist) proxy(varlist) capital(varname) [[valueadded/revenue] justid grid i(varname) t(varname) reps(#) level(#)] ú pháp ước lượng phần mềm Stata Predict [type]newvarname[if exp] [in range], omega 2.1.2 Các tùy chọn 3.1.3 Kết chạy ƣớc lƣợng Bảng 2.3: Kết ƣớc lƣợng TFP theo phƣơng pháp bán tham số Levpet Levinsohn-Petrin productivity estimator Dependent variable represents value added Number of obs = 97 Group variable (i): id Number of groups = Time variable (t): year Obs per group: = 11 avg = 11 max = -lnva| Coef Std Err z P>|z| [95% Conf Interval] lnlaodong | 3400428 0994789 3.42 0.001 1450678 5350178 lnvondautu | 4927971 1485485 3.32 0.001 2016473 7839469 -Wald test of constant returns to scale: Chi2 = 2.75 (p = 0.0156) 2.2 Mơ hình tác động cố định 2.2.1 Phƣơng pháp ƣớc lƣợng nội Câu lệnh Stata với mơ hình tác động ngẫu nhiên sau: xtreg va laodong vondautu, fe 11 Kết chạy ước lượng bảng sau: Bảng 2.4: Kết ƣớc lƣợng mơ hình tác động ngẫu nhiên Fixed-effects (within) regression Number of obs Group variable: id Obs per group: = between = 0.8946 avg = overall = 0.8567 = 99 Number of groups = R-sq: within = 0.8590 F(2,88) = 11 11.0 max = 11 267.96 corr(u_i, Xb) = -0.6977 Prob > F = 0.0000 -va| Coef Std Err t P>|t| [95% Conf Interval] laodong | 42.9308 3.38083 vondautu | 1.462452 1379941 _cons | -872898.7 309016.4 12.70 0.000 10.60 0.000 -2.82 0.006 36.21211 49.64949 1.188218 -1487004 -258793.5 sigma_u | 3696305.3 sigma_e | 2062221.5 rho | 7626204 (fraction of variance due to u_i) 1.736687 F test that all u_i=0: F(8, 88) = 8.10 Prob > F = 0.0000 Trong báo cáo Stata u ký hiệu cho ci e ký hiệu cho uit 2.2.2 Phƣơng pháp ƣớc lƣợng sử dụng biến giả Ta tạo biến giả ngành t đến câu lệnh Stata sau: quietly tab id, gen(nganh) Câu lệnh ước lượng sử dụng biến giả Stata: xi: reg va laodong vondautu nganh2-nganh9 Kết ước lượng Stata: Bảng 2.5: Kết ƣớc lƣợng phƣơng pháp biến giả Source | SS df MS Number of obs = - F( 10, 88) = 153.81 Model | 6.5413e+15 10 6.5413e+14 Prob > F Residual | 3.7424e+14 88 4.2528e+12 R-squared Total | 6.9155e+15 99 = 0.0000 = 0.9459 Adj R-squared = 0.9397 98 7.0566e+13 Root MSE = 2.1e+06 -va | Coef Std Err t P>|t| [95% Conf Interval] laodong | 42.9308 3.38083 12.70 0.000 36.21211 49.64949 vondautu | 1.462452 1379941 10.60 0.000 1.188218 1.736687 nganh2 | -3533464 1018848 -3.47 0.001 -5558210 -1508718 nganh3 | -3574134 1013755 -3.53 0.001 -5588758 -1559510 nganh4 | -3560481 1035600 -3.44 0.001 -5618518 -1502445 nganh5 | -3177395 1032420 -3.08 0.003 -5229112 -1125677 nganh6 | -3613499 1005882 -3.59 0.001 -5612479 -1614520 nganh7 | -3761585 1026276 -3.67 0.000 -5801093 -1722077 nganh8 | -1.36e+07 1733210 -7.84 0.000 -1.70e+07 -1.01e+07 nganh9 | -3388547 1036368 -3.27 0.002 -5448112 4.05 0.000 1717487 _cons | 3371575 832333.6 -1328983 5025663 Thực chất phương pháp ước lượng với biến giả phương pháp ước lượng gộp tiến hành với số liệu mảng với n – biến giả thể cho n cá thể.Với phương pháp này, mặt ước lượng giá trị ci mặt khác đưa suy diễn thống kê khác biệt cá thể.Trong bảng 2.5 nói trên, 2.3 Mơ hình tác động ngẫu nhiên 2.3.1 Phƣơng pháp ƣớc lƣợng tác động ngẫu nhiên GLS Lệnh khai báo: xtset id year Câu lệnh ước lượng mơ hình tác động ngẫu nhiên cho số liệu doanh nghiệp: xtreg va laodong vondautu, re Trong va biến phụ thuộc, laodong, vondautu biến độc lập, re ngụ ý mô hình tác động ngẫu nhiên 10 Kết chạy mơ sau Bảng 2.6: kết ƣớc lƣợng mơ hình tác động ngẫu nhiên Random-effects GLS regression Number of obs Group variable: id Number of groups = R-sq: within = 0.7928 Obs per group: = 11 between = 0.9773 avg = 11.0 overall = 0.9060 max = 11 Random effects u_i ~ Gaussian corr(u_i, X) theta = (assumed) Wald chi2(2) Prob > chi2 = = = 99 925.62 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) 11 2.3.2 Phƣơng pháp ƣớc lƣợng phƣơng sai mạnh cho mơ hình tác động ngẫu nhiên Câu lệnh thực Stata sau xtreg va laodong vondautu, re robust Kết chạy mơ bảng sau: Bảng 2.7: Kết ƣớc lƣợng mơ hình phƣơng pháp phƣơng sai mạnh Random-effects GLS regression Number of obs Group variable: id Number of groups = R-sq: within = 0.7928 Obs per group: = 11 between = 0.9773 avg = 11.0 overall = 0.9060 max = 11 = 99 Random effects u_i ~ Gaussian Wald chi2(2) = 41102.50 corr(u_i, X) Prob > chi2 = = (assumed) 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 - 12 sigma_u | sigma_e | 2062221.5 rho | (fraction of variance due to u_i) KẾT LUẬN T kết chạy thực nghiệm mơ 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 lượng lao động có tác động mạnh mẽ lên giá trị gia tăng ngành dệt may, lực lượng lao động tăng 1% giá trị gia tăng ngành Dệt may tăng xấp xỉ 21% Như để tăng giá trị gia tăng ngành cần n ng cao lực người lao động T hai mơ hình ta nhận thấy vốn đầu tư cho ngành ệt may tăng giá trị gia tăng tăng theo, vốn đầu tư tăng 1% giá trị gia tăng xấp xỉ 2%, vốn đầu tư nhân tố ảnh hưởng tới giá trị gia tăng ngành Ngày việc tính suất tổng hợp phản ánh yếu tố vơ kiến thức, kỹ lao động, giải pháp công nghệ, …đang dần phổ biến đóng vai trị quan trọng tron việc phân tích dự báo kinh tế Trong đề tài đề xuất phương pháp tính suất tổng hợp sử dụng số liệu mảng Như thấy việc ứng dụng mơ hình số liệu mảng vào tính tốn kinh tế lượng ngày phổ biến tính ưu việt Ngành Dệt may ngành kinh tế mũi nhọn nước ta, ngành có kim ngạch xuất nằm tốp đầu kinh tế nước ta Qua mơ hình ước lượng ta thấy để n ng cao suất hay sản lượng ngành Dệt may phải quan tâm tới lực lượng lao động đầu tư mức cho ngành kinh tế 13 Về mặt ứng dụng đề tài vào ngành giáo dục húng đặt mục tiêu viết công cụ nghiên cứu nhằm giới thiệu trang bị cho người đọc mơ hình cần thiết cách thực mơ hình phần mềm Stata Đề tài giới thiệu phương pháp tương đối kinh tế để xử lý vấn đề kinh tế Đó phương pháp kinh tế lượng húng đề xuất, đưa tài liệu vào giảng dạy, làm tài liệu tham khảo cho bạn sinh viên làm khóa luận tốt nghiệp ngành Tốn Ứng dụng ngành tài ngân hàng 14 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] Arthur S.Goldberger, Econometric Theory, John Wiley & Sons,Inc [6] Damodar N Gujarati (1995), Basic Econometric, MacGraw-Hill Inc, Third Ed [7] Madala, G.S-macmillan (19920), Introduction of Econometrics 2d ed., New York [8] Greene, W 2000 Econometric Analysis Upper Saddle River, NJ: Prentice–Hall [9] Brown, M B., and A B Forsythe 1974 Robust test for the equality of variances Journal of the American Statistical Association 69: 364-367 15 PHẦN PHỤ LỤC Phụ lục 1: Kiểm định Hausman Phụ lục 2: Kiểm định nhân tử Lagrange Breusch-Pagan Phụ lục 3: Code chạy chƣơng trình ƣớc lƣợng Phụ lục 4: Code chạy ƣớc lƣợng bán tham số theo phƣơng pháp Levpet 16 ... dụng mơ hình số liệu mảng vào tính tốn kinh tế lượng ngày phổ biến tính ưu việt Ngành Dệt may ngành kinh tế mũi nhọn nước ta, ngành có kim ngạch xuất nằm tốp đầu kinh tế nước ta Qua mơ hình ước... 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 1.1.3 Các nghiên cứu thực với số liệu mảng nƣớc... variance due to u_i) KẾT LUẬN T kết chạy thực nghiệm mơ hình số liệu mảng áp dụng cho ngành Dệt may Việt Nam ta có số nhận xét sau: Qua sử dụng hai mơ hình tác động ngẫu nhiên tác động cố định ta thấy