BÁO CÁO KINH TẾ LƯỢNG: THỰC HIỆN NGHIÊN CỨU BỘ DỮ LIỆU SỐ 30 VÀ 78 (bộ số liệu số 30 về tiền lương và bộ số liệu số 78 về chi tiêu hộ gia đình)

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG -*** - BÁO CÁO KINH TẾ LƯỢNG NHÓM 3- THỰC HIỆN NGHIÊN CỨU BỘ DỮ LIỆU SỐ 30 - 78 Danh sách thành viên: Vũ Đức Huy (Trưởng nhóm) Nguyễn Thị Hường Nguyễn Thị Hường Trần Thị Ánh Huyền Phạm Thị Khánh Huyền Vũ Thị Ngọc Huyền Hà Nội, tháng 04 năm 2014 - 1213330038 - 1211330035 - 1211330036 - 1213310045 - 1211110315 - 1213310048 NHÓM MỤC LỤC NHÓM Lời mở đầu Trong bối cảnh xã hội ngày phát triển, kinh tế lượng môn khoa học có nhiều ứng dụng thực tế, đặc biệt vấn đề liên quan đến kinh tế Kinh tế lượng cung cấp công cụ đắc lực giúp nhà kinh tế học phân tích số liệu thống kê thu thập từ đưa dự báo tượng kinh tế Xét phạm vi trường đại học thuộc khối ngành kinh tế, môn kinh tế lượng trở thành số môn quan trọng cung cấp kiến thức lý thuyết thực hành giúp cho sinh viên học tập nghiên cứu chuyên ngành hẹp Là sinh viên khối ngành kinh tế, chúng em ý thức rõ cần thiết việc học tập nghiên cứu môn kinh tế lượng Để hiểu rõ hơn, nhóm chúng em xin xây dựng Báo cáo kinh tế lượng phân tích số liệu thống kê nằm số liệu số 30 tiền lương số liệu số 78 chi tiêu hộ gia đình nhằm đưa phân tích dự báo yếu tố ảnh hưởng đến hai vấn đề kinh tế Chúng em xin chân thành cảm ơn cô Đinh Thị Thanh Bình giúp đỡ chúng em thực báo cáo Do kiến thức nhiều hạn chế nên báo cáo nhiều sai sót, chúng em mong nhận góp ý phê bình cô để báo cáo nhóm chúng em hoàn thiện NHÓM BỘ SỐ 30 Bộ số 30 I Mô hình lý thuyết: Vấn đề nghiên cứu mô hình lý thuyết: Trong bối cảnh kinh tế giai đoạn phục hồi, có nhiều hội tìm việc làm.Đi với đó, mức lương vấn đề người có mong muốn tìm việc làm quan tâm tới.Có nhiều yếu tố tác động đến mức lương người Trong số liệu số 30, nhóm chọn biến sau để nghiên cứu bao gồm: des lwage lswage exper highgrad college grad polytech storage display variable name value type format label variable label lwage float %9.0g log(wage) lswage float %9.0g log(swage) exper byte %8.0g years on current job highgrad byte %8.0g =1 if high school graduate college byte %8.0g =1 if college graduate grad byte %8.0g =1 if some graduate school polytech byte %8.0g =1 if a polytech Các biến mô tả chi tiết bảng sau: NHÓM BỘ SỐ 30 Tên biến Biến phụ lwage thuộc(Y) Ý nghĩa Dấu vọng kì Diễn giải Logarit số e mức lương lswage Logarit số e mức lương khởi đầu Mức lương khởi đầu cao + dẫn đến mức lương cao exper Số năm kinh nghiệm công việc highgrad Tốt nghiệp trung học phổ thông (biến giả =1 tốt nghiệp phổ thông,=0 với Các biến độc college lập (Xi) nhiều năm kinh nghiệm lương cao Tốt nghiệp trung học có + mức lương cao người chưa tốt nghiệp trung học Tốt nghiệp đại học (biến giả Tốt nghiệp đại học có =1 tốt nghiệp đại + mức lương cao người chưa tốt nghiệp trung lại) học Tốt nghiệp cao học (biến Tốt nghiệp cao học có giả, =1 tốt nghiệp cao học, =0 với trường hợp polytech Càng trường hợp lại) học,=0 với trường hợp grad + + mức lương cao người chưa tốt nghiệp trung lại) học Tốt nghiệp cao đẳng (biến Tốt nghiệp cao đẳng có giả, =1 tốt nghiệp cao đẳng,=0 với trường hợp lại) + mức lương cao người chưa tốt nghiệp trung học NHÓM BỘ SỐ 30 summarize lwage lswage exper highgrad college grad polytech Variable | Obs Mean Std Dev Min Max -+ -lwage | lswage | exper | 403 10.36319 403 403 9.678186 highgrad | 11.54974 9.185022 1.751101 4119107 403 9.674074 3551116 13.51365 403 college | 4018362 11.0021 17 1191067 4927909 3243167 1 -+ -grad | polytech | 403 1191067 403 2704715 3243167 4447555 1 Mục đích lý lựa chọn biến: Mục đích việc lựa chọn mô hình nhằm tìm hiểu tác động mức lương khởi đầu, số năm kinh nghiệm mức lương với việc tìm hiểu khác mức lương người tốt nghiệp cấp cao với người chưa tốt nghiệp cấp Vì thực tế, mối quan hệ tượng kinh tế hầu hết mối quan hệ phi tuyến Do đó, nhóm lựa chọn sử dụng hàm log thay cho việc sử dụng hàm tuyến tính để kết phân tích xác Mối quan hệ biến độc lập với biến phụ thuộc: NHÓM log(wage) 10.5 11 11.5 BỘ SỐ 30 Mối quan hệ lwage 9.5 10 lswage 9.5 10 log(swage) 10.5 11 11 11.5 9.5 10 log(wage) 10.5 Mối quan hệ lwage exper 10 years on current job 15 20 NHÓM log(wage) 10.5 11 11.5 BỘ SỐ 30 9.5 10 Mối quan hệ lwage highrad =1 if high school graduate 11 11.5 9.5 10 log(wage) 10.5 Mối quan hệ lwage college =1 if college graduate 8 NHÓM 11 11.5 BỘ SỐ 30 9.5 10 log(wage) 10.5 Mối quan hệ lwage grad =1 if some graduate school 11.5 9.5 10 log(wage) 10.5 11 Mối quan hệ lwage polytech =1 if a polytech NHÓM II BỘ SỐ 30 Chạy mô hình: Mô hình hồi quy: Hàm hồi quy Tổng thể: Hàm hồi quy Mẫu reg lwage lswage exper highgrad college grad polytech Source | SS df MS Number of obs = -+ F( 6, 403 396) = 311.53 Model | 53.5639836 8.92733061 Prob > F = 0.0000 Residual | 11.3478911 396 028656291 R-squared = 0.8252 Adj R-squared = 0.8225 Root MSE 16928 -+ -Total | 64.9118748 402 161472325 = -lwage | Coef Std Err t P>|t| [95% Conf Interval] -+ -lswage | 8330333 exper | 0147612 highgrad | college | grad | 0447714 0048567 0452978 2446956 2473643 polytech | 0327002 0566153 4335095 1095855 1557284 0.000 3336627 1360602 0.000 4.59 0243095 -.0189898 0.000 3.61 9210527 005213 0.167 5.41 4.37 745014 0.003 1.39 0354796 1.989538 0.000 3.04 0452535 1281387 _cons | 18.61 0.000 3586684 0583868 1.13727 1978906 2.841806 10 NHÓM BỘ SỐ 78 BỘ SỐ 78 I Mô hình lý thuyết: Vấn đề nghiên cứu mô hình lý thuyết: Trong thực tế, việc chi tiêu hộ gia đình chịu chi phối tác động nhiều yếu tố kể đến mức thu nhập, số thành viên gia đình, tuổi chủ hộ,… Trong phạm vi nghiên cứu mô hình này, nhà nghiên cứu xem xét thu thập số liệu biến số Tuy nhiên, trình nghiên cứu, nhóm loại bỏ biến save (tiết kiệm) không đưa vào mô hình đưa biến sau Mô tả ý nghĩa biến : des cons inc size educ age black storage display variable name value type format label variable label cons int %9.0g annual consumption, $ inc int %9.0g annual income, $ size byte %9.0g family size educ byte %9.0g years educ, household head age byte %9.0g age of household head black byte %9.0g =1 if household head is black Các biến mô tả chi tiết bảng sau: 22 NHÓM BỘ SỐ 78 Tên biến Biến phụ cons thuộc(Y) Ý nghĩa Dấu kì Diễn giải vọng Chi tiêu hàng năm hộ gia đình inc Thu nhập hàng năm hộ gia đình size + Số thành viên hộ gia đình Thu nhập cao chi tiêu cao Càng + nhiều thành viên chi tiêu nhiều age Các biến độc lập (Xi) educ Tuổi chủ hộ - Trình độ học vấn chủ hộ Tuổi cao chi tiêu Người có trình độ học - vấn cao chi tiêu black Màu da chủ hộ Người da màu có xu (biến giả, hướng chi tiêu chủ hộ da màu, - chủ hộ da màu) Mối quan hệ biến độc lập với biến phụ thuộc: 23 NHÓM annual consumption, $ 10000 20000 30000 BỘ SỐ 78 -10000 Mối quan hệ cons inc 10000 20000 annual income, $ 30000 annual consumption, $ 10000 20000 30000 -10000 Mối quan hệ cons size family size 10 24 NHÓM annual consumption, $ 10000 20000 30000 BỘ SỐ 78 -10000 Mối quan hệ cons age 10 years educ, household head 15 20 25 NHÓM annual consumption, $ 10000 20000 30000 BỘ SỐ 78 -10000 Mối quan hệ age cons 30 40 age of household head 50 60 annual consumption, $ 10000 20000 30000 20 -10000 Mối quan hệ black cons =1 if household head is black 26 NHÓM II BỘ SỐ 78 Chạy mô hình: Mô hình hồi quy: Hàm hồi quy Tổng thể: Hàm hồi quy Mẫu reg cons inc size educ age black Source | SS df MS Number of obs = -+ F( 5, 100 94) = 43.56 Model | 2.2701e+09 454017597 Prob > F = 0.0000 Residual | 979841351 94 10423844.2 R-squared = 0.6985 Adj R-squared = 0.6825 Root MSE 3228.6 -+ -Total | 3.2499e+09 99 32827569 = -cons | Coef Std Err t P>|t| [95% Conf Interval] -+ -inc | 890545 size | -67.66119 222.9642 -0.30 0.762 -510.3619 375.0395 educ | -151.8235 117.2487 -1.29 0.199 -384.6235 80.97646 age | 0714317 black | -.2857217 50.03108 -518.3934 _cons | 12.47 -0.01 1308.063 1605.416 -0.40 2830.707 0.000 0.995 0.693 0.57 7487158 1.032374 -99.62361 99.05217 -3115.583 0.572 2078.796 -4015.019 7225.851 27 NHÓM BỘ SỐ 78 Ta hàm hồi quy mẫu SRF: =1605.416+0.890545*inc–67.66119*size–151.8235*educ–0.2857217*age– 518.3934*black • • • • • • Phân tích kết hồi quy: + Ý nghĩa hệ số hồi quy: 1= 0.890545 > 0, thu nhập tăng $1 mức chi tiêu năm gia đình tăng $0.890545 = -67.66119 < 0, kích cỡ hay số thành viên gia đình tăng đơn vị mức chi tiêu năm hộ gia đình giảm $67.66119 = -151.8235 < 0, trình độ học vấn chủ hộ tăng đơn vị chi tiêu năm hộ gia đình giảm $151.8235 = -0.2857217 < 0, tuổi chủ hộ tăng đơn vị chi tiêu năm hộ gia đình giảm $ 0.2857217 chủ hộ người da đen chi tiêu năm hộ gia đình thấp $518.3934 so với trường hợp màu da khác : ảnh hưởng yếu tố không đưa vào mô hình đến chi tiêu hàng năm hộ gia đình + Độ phù hợp hàm hồi quy: R2(R-squared) = 0.6985 cho thấy biến độc lập inc, size, educ, age, black giải thích 69,85% biến động biến phụ thuộc cons 28 NHÓM BỘ SỐ 78 III Kiểm định mô hình: Ý nghĩa hệ số hồi quy: Giả thuyết: Sử dụng giá trị tới hạn: Có 1,96 +β0 tqsO=0,57< 1,96 ==> Chấp nhận Ho + β1 tqs = 12,47  Có sở thống kế để bác bỏ H0 Vậy β1 có ý nghĩa thống kê mức 5% +β2 tqs =-0,3 Chấp nhận H0 + β3: tqs =-1,29 Chấp nhận Ho +β4: tqs = -0,01 Chấp nhận Ho +β5: 29 NHÓM BỘ SỐ 78 Tqs5 = -0,4 Chấp nhận Ho Kết luận: Vậy hệ số góc hồi quy, có hệ số β có ý nghĩa thống kê mức ý nghĩa 5% Kiểm định toàn hệ số hồi quy Giả thuyết: Từ kết stata ta thấy : F=43,56>2,315  Bác bỏ Ho Kiểm định đa ràng buộc tuyến tính: Ta tiến hành chạy mô hình bị ràng buộc với q= biến độc lập size, educ, age, black bị loại khỏi mô hình trên, tức chạy lênh hồi quy với biến độc lập inc reg cons inc Source | SS df MS -+ -Model | 2.2480e+09 2.2480e+09 Residual | 1.0019e+09 98 10223460.8 -+ -Total | 3.2499e+09 99 32827569 Number of obs F( 1, 98) Prob > F R-squared Adj R-squared Root MSE = = = = = = 100 219.89 0.0000 0.6917 0.6886 3197.4 -cons | Coef Std Err t P>|t| [95% Conf Interval] -+ -inc | 8533717 0575488 14.83 0.000 739168 9675753 _cons | -124.8424 655.3931 -0.19 0.849 -1425.449 1175.764 Xét mô hình: (UR): Y = 0+1*inc+2*size+3*educ+4*age+5*black (R): Y = +1*inc Giả thuyết: Từ bảng hồi quy ta có: 30 NHÓM BỘ SỐ 78 (UR) gồm tham số, có SSR = 979841351; R2 = 0.6985, n-k-1 = 100-5-1=94 bậc tự (R) gồm k-q = 5-4=1 tham số, có SSR = 1.0019; R2 = 0.6917 Áp dụng công thức kiểm định Wald, ta có: (RR ) /q F= (1 R ) / (nk1) ~ F(q,n-k-1) (mức ý nghĩa =5%) F0 = = 0.53 < F(4,94) = 2,47 chấp nhận Ho Nên biến inc loại khỏi mô hình, biến lại loại khỏi mô hình Kiểm tra khuyết tật mô hình : a Kiểm định đa cộng tuyến: Mô hình tốt mô hình phải đạt tính chất BLUE (tuyến tính, không chệch, hiệu nhất) Tuy nhiên thực tế xây dựng sai mô hình chất liệu, dẫn tới mô hình không đạt đầy đủ tính chất Một vấn đề ảnh hưởng đến mô hình mà ta gọi vi phạm giả định, Đa cộng tuyến Bây khảo sát xem, mô hình có bị đa cộng tuyến hay không Cách 1:Tương quan cao biến: Nếu biến có tương quan cao với (r > 0.8) xảy đa cộng tuyến Sử dụng Stata để tính hệ số tương quan biến: corr inc size educ age black (obs=100) | inc size educ age black -+ inc | 1.0000 size | -0.1024 1.0000 educ | 0.4568 0.0033 1.0000 age | 0.2523 -0.2157 -0.2137 1.0000 black | -0.1570 -0.0119 -0.2415 -0.0127 1.0000 Có thể thấy hệ số tương quan biến tương đối thấp, có sở để kết luận đa cộng tuyến mô hình 31 NHÓM BỘ SỐ 78 Cách 2:Sử dụng VIF: Chúng ta biết rằng, VIF > 10 xảy đa cộng tuyến Sử dụng Stata để tính VIF: vif Variable | VIF 1/VIF -+ -educ | 1.54 0.648986 inc | 1.51 0.661791 age | 1.30 0.768373 black | size | 1.07 1.05 0.935814 0.949854 -+ -Mean VIF | 1.29 Ta thấy VIF tương đối nhỏ, có sở để kết luận mô hình đa cộng tuyến Như cách kiểm định cho kết luận: mô hình đa cộng tuyến b Kiểm định phân phối chuẩn sai số: Trong giả định mô hình hồi quy tuyến tính, có giả định quan trọng u i ~ U(0;σ2) Tuy nhiên thực tế có nhiều nhân tố ảnh hưởng tới phân phối u i, làm cho không phân phối chuẩn nữa.Phân phối không chuẩn khiến cho kiểm định suy diễn thống kê không đáng tin cậy Bây ta kiểm định xem mô hình có gặp phải vấn đề phân phối không chuẩn (đối với u biến phụ thuộc) hay không Cách 1:Sử dụng đồ thị: Sử dụng Stata vẽ đồ thị phân phối phần dư mô hình: 32 NHÓM BỘ SỐ 78 0001 Density 0002 0003 Kernel density estimate -30000 -20000 -10000 Residuals 10000 Kernel density estimate Normal density kernel = epanechnikov, bandwidth = 435.3461 Nhìn đồ thị thấy phân phối phần dư bị chệch so với phân phối chuẩn.Như có sở để kết luận mô hình mắc phải vấn đề phân phối không chuẩn Cách 2:Kiểm định Skewness-Kurtosis: Cặp giả thiết: Sử dụng Stata để kiểm định: sktest r Skewness/Kurtosis tests for Normality - joint -Variable | Obs Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2 -+ r | 100 0.0000 0.0000 0.0000 Ta thấy p-value = 0.0000 F = 0.4768  Định dạng hàm 35 NHÓM BỘ SỐ 78 IV Sửa lỗi mô hình: Từ việc kiểm định trên, ta thấy có nhiều biến ý nghĩa thống kê mô hình Ta tiến hành chạy lại mô hình sau reg cons inc Source | SS df MS -+ -Model | 2.2480e+09 2.2480e+09 Residual | 1.0019e+09 98 10223460.8 -+ -Total | 3.2499e+09 99 32827569 Number of obs F( 1, 98) Prob > F R-squared Adj R-squared Root MSE = = = = = = 100 219.89 0.0000 0.6917 0.6886 3197.4 -cons | Coef Std Err t P>|t| [95% Conf Interval] -+ -inc | 8533717 0575488 14.83 0.000 739168 9675753 _cons | -124.8424 655.3931 -0.19 0.849 -1425.449 1175.764 KẾT LUẬN Từ việc chạy mô hình kiểm định mô hình trên, nhóm chúng em nhận thấy số liệu có nhiều khiếm khuyết có biến inc có ảnh hưởng đến cons Do cần phải nghiên cứu thêm yếu tố khác tác động đến việc chi tiêu địa điểm sống gia đình thành thị hay nông thôn… để có đánh giá vào đưa dự báo xác 36