Báo cáo thực hành kinh tế lượng lạm phát, thất nghiệp và tốc độ tăng trưởng kinh tế

Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy.. Trong tình hình kinh tế thế giới đầy biến động, những cuộc khủng hoảng kinh tế toàn cầu làm giảm tỷ lệ tăng trưởng kinh tế

BÁO CÁO THỰC HÀNH KINH TẾ LƯỢNG

MỤC LỤC

1 Nêu giả thuyết về vẫn đề kinh tế

1.1 Lí do chọn vấn đề

1.2 Cơ sở lý thuyết

2 Xây dựng mô hình toán kinh tế tương ứng để mô tả giả thuyết đã được xác định

3 Thu thập số liệu thống kê

3.1 Nguồn số liệu

3.2 Bảng số liệu

4 Xây dựng mô hình kinh tế lượng tương ứng

4.1 Nhập số liệu vào Eviews 5.1 ta có bảng

4.2 Lựa chọn mô hình hồi quy

5 Ước lượng mô hình hồi quy sử dụng phần mềm Eviews :

6.Kiểm định các khuyết tật của mô hình

6.1 Đa cộng tuyến

6.2 Phương sai sai số thay đổi

6.3 Tự tương quan

6.4 Kiểm định về chỉ định mô hình

6.5 Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên

7 Phân tích và đánh giá mô hình

7.1 Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy

7.2 Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào?

7.3 Khi giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối

đa bao nhiêu?

7.4 Nếu giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối thiểu bao nhiêu?

nhiên gây ra là bao nhiêu?

8.Dự báo về mô hình:

8.1 Dự báo giá trị trung bình của tỷ lệ thất nghiệp 8.2 So sánh số liệu thực tế của Y với số liệu dự báo YF 8.3 Dự báo tỷ lệ thất nghiệp đến năm 2015

9.Kiến nghị về vấn đề nghiên cứu

1 Nêu giả thuyết và vấn đề kinh tế

Trong tình hình kinh tế thế giới đầy biến động, những cuộc khủng hoảng kinh

tế toàn cầu làm giảm tỷ lệ tăng trưởng kinh tế và khiến cho lạm phát, thất nghiệp ở nhiều quốc gia tăng cao, trong đó có cả Việt Nam.Một yêu cầu được đặt ra là phải nghiên cứu một cách sâu sắc về sự tác động qua lại giữa 3 vấn đề này

♦ Mối quan hệ giữa lạm phát và thất nghiệp:

-Mối quan hệ giữa lạm phát và thất nghiệp trong dài hạn như sau: Không có

sự đánh đổi giữa lạm phát và thất nghiệp Tỷ lệ thất nghiệp sẽ trở về với thất nghiệp tự nhiên cho dù lạm phát có tăng bao nhiêu đi chăng nữa.Trong dài hạn lạm phát tăng hay giảm đều không ảnh hưởng đến nền kinh tế do có sự điều chỉnh về tiền lương.Tiền lương sẽ giảm cho đến khi thị trường lao động cân bằng

-Trong ngắn hạn khi cầu lao động tăng thì thất nghiệp tăng , còn trong dài hạn ban đầu thất nghiệp tăng nhưng do tiền lương điều chỉnh làm cho thất nghiệp giảm và thị trường lao động cân bằng.Trong dài hạn do áp lực của cung thừa, tiền lương của mỗi người sẽ giảm xuống để duy trì mức thất nghiệp tự nhiên nghĩa là không có thất nghiệp tự nguyện.Khi nền kinh tế suy giảm, cầu về lao động giảm.Giai đoạn đầu tiên sẽ có thất nghiệp vì tiền lương chưa kịp điều chỉnh theo mức sản lượng cân bằng mới.Nhưng trong dài hạn tiền lương sẽ giảm đến mức thất nghiệp tự nhiên và lúc đó thất nghiệp do thiếu cầu mới bị triệt tiêu

♦ Mối quan hệ giữa tổng sản phẩm quốc nội(GDP) đến thất nghiệp:

Theo thống kê năm 2010, hệ số co giãn việc làm của Việt Nam chỉ đạt mức trung bình 0.28 trong khi đó tổng sản phẩm quốc nội liên tục tăng, tức khi GDP tăng 1% thì việc làm chỉ tăng 0.28%.Thấy rằng hệ số co giãn việc làm thấp, tăng trưởng cao nhưng chưa tạo ra nhiều việc làm đem lại lợi ích cho người lao động 1.2 Cơ sở lý thuyết để lựa chọn mô hình

♦Về mối quan hệ giữa tăng trưởng và thất nghiệp:

Theo Robert J.Gordon, mối quan hệ giữa tăng trưởng và thất nghiệp theo định luật Okun được mô tả bằng 1 phương trình dạng tuyến tính như sau:

♦Về mối quan hệ giữa thất nghiệp và lạm phát :

Giáo sư A.W.Phillips nghiên cứu về ˝Mối quan hệ giữa thất nghiệp và nhịp độ thay đổi tiền lương ở Liên hiệp Anh trong giai đoạn 1861-1957˝ đã đưa ra đường Phillips ngắn hạn, mà theo đó, khi mức % của tiền lương danh nghĩa bằng mức lạm phát (gp) thì ta có :

gp= -β.(u-u*)

Phương trình này gợi ý rằng, có thể đánh đổi lạm phát nhiều hơn để có được một tỷ lệ thất nghiệp ít hơn và ngược lại

2 Xây dựng mô hình toán kinh tế tương ứng để mô tả giả thuyết đã được xác định

Với giả thuyết về mối quan hệ giữa GDP, lạm phát và thất nghiệp của nền kinh

tế như các phân tích ở trên, có thể thể hiện dưới dạng hàm số đơn giản như sau:

Yi = β1 + β2*X2i + β3*X3i

Trong đó:

 Yi (tỷ lệ thất nghiệp) (%): là biến phụ thuộc

 X2i (GDP) (nghìn tỷ USD); X3i (tỷ lệ lạm phát) (%): là các biến độc lập

 β1: là hệ số chặn

 β2, β3: là hệ số góc của mô hình hồi quy tổng thể

 Ui : là yếu tố ngẫu nhiên

3 Quan sát và thu thập số liệu thống kê

3.1 Nguồn số liệu

http://vi.wikipedia.org/wiki/T%E1%BA%ADp_tin:Vietnam_inflation_over_the_years.jpg

http://www.bbc.co.uk/vietnamese/business/2011/12/111223_viet_inflation.shtml

TỶ LỆ LẠM PHÁT (X3) (%)

4 Xây dựng mô hình kinh tế lượng tương ứng

4.1 Nhập số liệu vào Eviews 5.1 ta có bảng sau:

0 2 4 6 8 10 12

X2

Y vs X2

4.2 Lựa chọn mô hình hồi quy

Thông qua 4 biểu đồ trên ta có thể nhận thấy, với mỗi một dạng hàm khác nhau sẽ cho ta mối quan hệ giữa các biến khác nhau Tuy nhiên ta dễ dàng nhận thấy so với đồ thị 3, thì đồ thị 4 biểu diễn mối quan hệ giữa các biến chặt chẽ hơn, chính xác hơn Do vậy, ta lựa chọn mô hình hồi quy tổng thể như sau:

PRM: LOG(Yi) = β1 + β2*X2i + β3*X3i + Ui

Trong đó:

 Yi (tỷ lệ thất nghiệp) (%): là biến phụ thuộc

 X2i (GDP) (nghìn tỷ USD), X3i (tỷ lệ lạm phát) (%): là các biến độc lập

 β1: là hệ số chặn

 β2, β3: là hệ số góc của mô hình hồi quy tổng thể

 Ui : là yếu tố ngẫu nhiên

Với mẫu điều tra hiện có, ta sử dụng mô hình hồi quy mẫu như sau :

SRM: LOG(Yi) = 1 + 2*X2i + 3*X3i + ei

Trong đó:

 1, 2, 3: là các hệ số hồi quy ước lượng (thực chất là ước lượng điểm của các hệ số hồi quy β1, β2, β3

 ei: là phần dư ( là sai lệch giữa giá trị cá biệt của biến phụ thuộc so với

ước lượng giá trị trung bình của chúng trong mẫu)

5 Ước lượng mô hình hồi quy sử dụng phần mềm Eviews

Với mô hình như trên, ta nhập lệnh LS LOG(Y) X2 X3 C, ta được báo cáo kết quả ước lượng sử dụng phần mềm Eviews 5.1 như sau:

Báo cáo 1: Kết quả ước lượng mô hình tỉ lệ thất nghiệp theo GDP và tỉ lệ lạm phát

Dependent Variable: LOG(Y)

Method: Least Squares

R-squared 0.940836 Mean dependent var 1.551776

Adjusted R-squared 0.934262 S.D dependent var 0.467450

S.E of regression 0.119851 Akaike info criterion -1.273569

Sum squared resid 0.258557 Schwarz criterion -1.124351

Log likelihood 16.37247 F-statistic 143.1198 Durbin-Watson stat 1.412987 Prob(F-statistic) 0.000000

♦Với kết quả như trên, ta có mô hình hồi quy mẫu :

Log (Y) = 2,250686 – 0,010626 * X2 – 0,010858 * X3 + eᵢ

♦Ý nghĩa của các hệ số hồi quy :

 1 = 2,250686>0 : cho biết khi GDP bằng 0 và không có lạm phát thì tỷ lệ thất nghiệp trung bình là 2.250686

 2=-0,010846< 0 : cho biết khi GDP tăng 1 nghìn tỷ USD thì tỷ lệ thất nghiệp trung bình giảm 0.010846%, trong điểu kiện tỷ lệ lạm phát không thay đổi Điều này hoàn toàn phù hợp với lý thuyết kinh

tế đã đề cập ở trên

 3 = -0,010046< 0: cho biết khi tỷ lệ lạm phát tăng 1% thì tỷ lệ thất nghiệp trung bình giảm 0.010046 %, trong điều kiện GDP không thay đổi Điểu này hoàn toàn phù hợp với lý thuyết kinh tế đã nêu trên

6.Kiểm định các khuyết tật của mô hình

6.1 Đa cộng tuyến

Sử dụng mô hình hồi quy phụ: Hồi quy phụ là phương pháp kiểm định dựa vào định nghĩa đa cộng tuyến, tức là hồi quy một biến giải thích với các biến giải thích còn lại để xem xét có mối quan hệ tuyến tính giữa từng biến giải thích với

các biến giải thích khác của mô hình ban đầu hay không Ở mô hình trên, ta sử dụng hồi quy phụ để xét mối quan hệ tuyến tính giữa biến X2 và X3 Tacó:

Báo cáo 2: Kiểm định hồi quy phụ X2 theo X3

Adjusted R-squared 0.080283 S.D dependent var 40.16750 S.E of regression 38.52138 Akaike info criterion 10.23070 Sum squared resid 28194.04 Schwarz criterion 10.33018

Durbin-Watson stat 0.204072 Prob(F-statistic) 0.113930

- Mô hình hồi quy phụ: X2 i = 1+ 2X3 i + V i ; thu được 2

1

R

- Kiểm định cặp giả thuyết sau:

o H0: Mô hình gốc không có đa cộng tuyến

o H1: Mô hình gốc có đa cộng tuyến

- Tiêu chuẩn kiểm định:

) 2 (

* ) 1 (

) 1 (

*

2 1

2 1

k n R

- Miền bác bỏ: W= {F: F> F0.05 ( 1,19)}

- Từ bảng báo cáo ta có : Fqs=(0.126269*19) / (1-0.126269) = 2,745818

Với mức ý nghĩa =0.05 tra bảng thống kê ta có: F0.05(1,19)

=4,38 ; Nhận thấy : Fqs= 2,745818 < F0.05 ( 1,19) = 4,38

 Fqs không thuộc Wα

 Chưa đủ cơ sở để bác bỏ giả thuyết H0

Kết luận: Vậy với mức ý nghĩa =0.05 thì mô hình gốc không có đa cộng tuyến

6.2 Phương sai sai số thay đổi

Ta sử dụng kiểm định White như sau

Báo cáo 3 : Kiểm định White với mô hình White có tích nhân chéo

White Heteroskedasticity Test:

F-statistic 0.882190 Probability(5, 15) 0.516591 Obs*R-squared 4.772044 Probability(5) 0.444329

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Durbin-Watson stat 1.643729 Prob(F-statistic) 0.516591

- Kiểm định cặp giả thuyết:

H0: Phương sai sai số không thay đổi

H1: Phương sai sai số thay đổi

=> Chưa có cơ sở để bác bỏ giả thuyết H0 nên ta tạm thời chấp nhận H0

Kết luận: Mô hình không có phương sai sai số thay đổi

6.3 Tự tương quan

Dùng kiểm định BG bậc tự do là 2 như sau:

Báo cáo 4: Kiểm định BG với bậc tự do bằng 2

Breusch-Godfrey Serial Correlation LM Test:

Date: 03/15/14 Time: 08:01

Presample missing value lagged residuals set to zero

Variable Coefficient Std Error t-Statistic Prob

Durbin-Watson stat 1.533089 Prob(F-statistic) 0.976533

- Kiểm định cặp giả thuyết:

H0: Mô hình ban đầu không có tự tương quan bậc 2

H1: Mô hình ban đầu có tự tương quan bậc 2

- Mức ý nghĩa 5%

- Sử dụng tiêu chuẩn kiểm định: 2  (n 2 )R2 ~2( 2 )

- Miền bác bỏ giả thuyết H0, với mức ý nghĩa 0,05là:

2 /2 2(2)

W

- Theo báo cáo 4 ta có: 2 ( 2 ) 2 0 , 571383

=> Chưa có cơ sở bác bỏ giả thuyết H0, nên tạm thời chấp nhận Ho

Kết luận: Mô hình không có tự tương quan bậc 2

6.4 Kiểm định về chỉ định mô hình

Ta dùng kiểm định Ramsey bỏ sót 1 biến để kiểm định

Báo cáo 5: Kiểm định Ramsey bỏ sót 1 biến

Ramsey RESET Test:

Log likelihood ratio 0.451128 Probability 0.501800

Test Equation:

Dependent Variable: LOG(Y)

Method: Least Squares

FITTED^2 0.125615 0.206747 0.607577 0.5515

Adjusted R-squared 0.931875 S.D dependent var 0.467450 S.E of regression 0.122008 Akaike info criterion -1.199813 Sum squared resid 0.253062 Schwarz criterion -1.000856

Durbin-Watson stat 1.445781 Prob(F-statistic) 0.000000

- Kiểm định cặp giả thuyết:

H0: Mô hình không bỏ sót 1 biến

2 2

2 1

p R R F

(với n=21, k=3, p=2)

- Miền bác bỏ: { : > (( ),( )}

- Theo báo cáo 5 ta có : = 0,369149

- Mà ( ,, ) = 4,45 ta thấy < ( ,, )

=> Chưa có cơ sở để bác bỏ giả thuyết H0 ,chấp nhận giả thuyết H0

Kết luận: Vậy với mức ý nghĩa 0,05 mô hình chỉ định không bỏ sót biến

6.5 Kiểm định tính phân phối chuẩn của sai số ngẫu nhiên

Dùng kiểm định JB như sau:

Báo cáo 6: Phân bố xác suất của phần dư

- Kiểm định cặp giả thuyết:

H0: Ui có phân phối chuẩn

H1: Ui không có phân phối chuẩn

Mean -1.72e-16 Median 0.010285 Maximum 0.331952 Minimum -0.187412 Std Dev 0.113701 Skewness 0.835081 Kurtosis 4.738655 Jarque-Bera 5.085816 Probability 0.078637

=> JBqs < 2 ( 2 )

05 , 0



 chưa có cơ sở bác bỏ Ho, nên ta tạm thời chấp nhận H0

Kết luận: Với mức ý nghĩa 5%, mô hình đã cho có sai số ngẫu nhiên U có phân

phối chuẩn

7 Phân tích và đánh giá mô hình

Qua các kiểm định trên ta thấy mô hình không mắc khuyết tật nào Do đó ta có thể tạm thời coi đó là mô hình hoàn hảo

Mô hình hồi quy mẫu:

Log (Y) = 2,250686 – 0,010626 * X2 – 0,010858 * X3 + eᵢ

7.1 Kiểm định sự phù hợp của mô hình hồi quy và các hệ số hồi quy

♦Kiểm định sự phù hợp của hàm hồi quy

Có ý kiến cho rằng hàm hồi quy trên không phù hợp, để kiểm tra ý kiến đó đúng không ta đi kiểm định:

- Kiểm định giả thuyết Hₒ: Mô hình không phù hợp (R²=0)

đối thuyết H1: Mô hình phù hợp (R2>0)

Mức ý nghĩa   0 , 05

- Sử dụng tiêu chuẩn kiểm định: 1 /( 3 )~ 2, 3

2 /

R F

- Miền bác bỏ giả thuyết Ho với mức ý nghĩa 5%: W F:FF2 ,n 3 

- Theo kết quả trên báo cáo Eview 1 thì:

=0,940836; n=21 Fqs=143,1195321

Mà ( ,, ) = 3,55 Ta thấy > ( ,, ) F qs  Wα

⟹ Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận: Sau khi kiểm định, với mức ý nghĩa 5% ta có thể khẳng định rằng mô

hình hồi quy trên hoàn toàn phù hợp

Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1 Nghĩa là β1 có ý nghĩa kinh tế

Kết luận:Với mức ý nghĩa 5% có thể cho rằng hệ số chặn có ý nghĩa thống kê

trong thực tế

♦ Kiểm định β 2 :

Có ý kiến cho rằng GDP không có ảnh hưởng tới tỉ lệ thất nghiệp, để biết điều đó có chính xác không ta tiến hành kiểm định:

- Kiểm định giả thuyết Hₒ: β2=0

 Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận: Với mức ý nghĩa 5% như trên cho ta thấy tỉ lệ thất nghiệp ở Việt Nam

chịu ảnh hưởng của GDP

-Miền bác bỏ giả thuyết H0 với mức ý nghĩa  0,05là:

 

2 /

 Bác bỏ giả thuyết H0, chấp nhận đối thuyết H1

Kết luận: Với mức ý nghĩa 5% như trên cho ta thấy tỉ lệ thất nghiệp ở Việt Nam

chịu ảnh hưởng của tỉ lệ lạm phát

7.2 Khi biến độc lập thay đổi thì biến phụ thuộc thay đổi như thế nào?

Để trả lời câu hỏi này ta xác định khoảng tin cậy 2 phía của 2, 3

♦ Khoảng tin cậy 2 phía của 2:

Kết luận: Vậy, với mức ý nghĩa α = 0.05, khi GDP tăng lên 1% thì tỷ lệ thất

nghiệp giảm tối đa 0,011864%

♦Khoảng tin cậy bên trái của 3:

ˆ3 – Se(ˆ3).tα(n-3) ≤ 3

Tra bảng giá trị tới hạn của phân phối Student ta có: ( ) = , = 1,734 => 3 ≥-0,019322

Như vậy với mức ý nghĩa α = 0.05 ta thấy khi tỷ lệ lạm phát tăng 1% thì tỷ lệ thất nghiệp giảm tối đa 0,019322%

7.4 Nếu giá trị của biến độc lập tăng lên 1 đơn vị thì biến phụ thuộc thay đổi tối thiểu bao nhiêu

Để trả lời câu hỏi này ta xác đinh khoảng tin cậy bên trái của các hệ số j: ♦Khoảng tin cậy bên trái của 2:

ˆ2 ≤ 2 + Se(ˆ2).tα(n-3)

Tra bảng giá trị tới hạn của phân phối Student ta có: : ( ) = , = 1,734

=>2 ≤ - 0,009388

Kết luận: Vậy, với mức ý nghĩa α = 0.05, khi GDP tăng lên 1% thì tỷ lệ thất

nghiệp giảm tối thiểu 0,009388 %

♦Khoảng tin cậy bên trái của 3:

3 ≤ ˆ3 + Se(ˆ3).tα(n-3)

Tra bảng giá trị tới hạn của phân phối Student ta có: ( ) = , = 1,734 =>3 ≤ - 0,002394

Như vậy với mức ý nghĩa α = 0.05 ta thấy khi tỷ lệ lạm phát tăng lên 1% thì tỷ

lệ thất nghiệp giảm tối thiểu 0,002394%

7.5 Sự biến động của biến phụ thuộc đo bằng phương sai do các yếu tố ngẫu nhiên gây ra là bao nhiêu?

Ta xác định khoảng tin cậy 2 phía do phương sai do các yếu tố ngẫu nhiên gây

ra (σ2):