Lý thuyết, mô hình kinh tế, xác định dấu, mô hình kinh tế lượng

I.Lý thuyết, mô hình kinh tế, xác định dấu, mô hình kinh tế lượng * Ta có khái niệm các biến số như sau: qdpass : tổng quĩ tiền gửi tiết kiệm được gửi trong các tài khoản tại S&Ls tại nư

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

KHOA KINH TẾ QUỐC TẾ

BÀI TẬP KINH TẾ LƯỢNG

Giảng viên hướng dẫn: ThS Đặng Thái Long

Lớp KTE309.5 Nhóm thực hiện bao gồm:

Nguyễn Thanh Minh 1211110445

Lê Đức Quyết 1211110552

Lùng Thị Ngọc Ánh 1111510019

Nguyễn Thị Thùy Dương 1111510029

Hà Nội, tháng 4 năm 2014

I.Lý thuyết, mô hình kinh tế, xác định dấu, mô hình kinh tế lượng

* Ta có khái niệm các biến số như sau:

qdpass : tổng quĩ tiền gửi tiết kiệm được gửi trong các tài khoản tại S&Ls tại nước Mĩ (là các tiền gửi tiết kiệm, có kỳ hạn, lãi suất thấp và không thể viết séc)

qydus: thu nhập khả dụng của nước Mĩ tại quí t, tính theo giá trị danh nghĩa

qyperm: thu nhập khả dụng của nước Mĩ tại quí t, tính theo giá trị thực tế

branch: số các chi nhánh của S&Ls tại quí t

qrdpass: lãi suất trung bình của các tài khoản tiền gửi tạ S&L

qrtb3y: lãi suất trung bình của tín phiếu chính phủ kỳ hạn 3 tháng

* Theo như lý thuyết kinh tế trong nghiên cứu về vĩ mô học ta có quan điểm sau đây

-Khi thu nhập khả dụng của Mĩ tăng lên thì cả tiêu dùng và tiết kiệm của Mĩ sẽ đều tăng lên, tiết kiệm của Mĩ tăng lên MPS đô la khi thu nhập khả dụng tăng lên 1 đô la với 0< MPS<1=> ta có thể giả định là khi thu nhập khả dụng tăng lên 1 đơn vị thì tổng quĩ tiền gửi tiết kiệm tại S&Ls sẽ tăng lên MPS* đơn vị ( với 0<MPS*<MPS<1 do tiết kiệm của dân chúng không chỉ là các khoản tiền gửi tại S&Ls mà còn các khoản tiền gửi có khả năng viết séc, dự trữ tại nhà,

=> ta có thể coi là biến qydus và qyperm đều có ảnh hưởng tới biến qdpass với hệ số của qydus và qyperm sẽ được dự đoán là lớn hơn 0 và nhỏ hơn 1

*Theo như lý thuyết kinh tế vĩ mô ta có quan điểm sau:

Khi lạm phát tăng cao lên thì khoản lãi thực tế thu được sẽ giảm đi vì lãi suất thực tế = lãi suất danh nghĩa- tỷ lệ lạm phát dự kiến, trong khi đó lãi suất danh nghĩa của các khoản tiền gửi tại S&Ls lại tương đối ổn định Như vậy khi lạm phát dự dự kiến tăng lên thì sẽ khiến người dân sẽ lựa chọn hình thức gửi tiết kiệm có mang lại lãi suất danh nghĩa cao hơn Do lãi suất của S&Ls không thay đổi nhiều, nên có thể dự đoán lạm phát tăng lên người dân sẽ rút tiền ra khỏi S&Ls

=> ta có thể dự đoán là biến expinf có ảnh hưởng nghịch chiều đến biến qdpass

* Lỹ thuyết kinh tế vĩ mô cho thấy:

Chi phí đi lại, chi phí giao dịch cũng có ảnh hưởng rất lớn đến việc người dân có tăng hay giảm tiền gửi vào S&Ls Khi số lượng chi nhánh S&L tăng lên, chi phí đi lại sẽ giảm đi, sẽ làm cho lượng tiền gửi đến S&Ls sẽ tăng lên

=> có thể cho rằng biến branch có ảnh hưởng thuận chiều đến biến qdpass

* Theo lý thuyết nghiên cứu của bộ môn tài chính tiền tệ có một quan điểm khác:

Lượng tiền gửi vào S&Ls chịu ảnh hưởng của chênh lệch lãi suất giữa nó và các khoản tiết kiệm khác Nếu chênh lệch này tăng lên, chi phí cơ hội của việc gửi vào S&Ls sẽ giảm đi, vì vậy người dân sẽ rút tiền từ các kênh tiết kiệm khác để đưa vào tài khoản S&Ls

=> có thể cho rằng biến spread có ảnh hưởng thuận chiều đến biến qdpass

* Ta có mô hìnhlý thuyết kinh tế như sau:

QDPASS=f(qydus, pyperm,branch,expinf,spread)

* Ta có mô hình kinh tế lượng như sau:

qdpass   qydus  pyperm  branch   spread u

* Dự đoán dấu theo các lý thuyết kinh tế như sau:

* hồi qui mô hình bằng phương pháp OLS

*Ta có các hệ số ước lượng như sau:

III Kiểm định ý nghĩa thống kê của các hệ số ước lượng hồi qui và độ phù hợp của mô hình

III.1 Kiểm định ý nghĩa thống kê của các hệ số ước lượng hồi qui

Sử dụng giá trị Pvalue

+ Nếu pi value< =5% thì hệ số bi (i=2,3,4,5,6) có ý nghĩa về mặt thống kê ở mức  =5%

và ngược lại

+ Theo như bảng trên ta có tất cả các ước lượng của các hệ số hồi qui đều có ý nghĩa thống

kê ở mức ý nghĩa  =5% trừ ước lượng của hệ số hồi qui ứng với biến số expinf

III.2Kiểm mức độ phù hợp của mô hình:

Kiểm định hệ giả thuyết thống kê

0 1

( 2,3, 4,5, 6)

i i

H

i H

Ta có pvalue(F)=0.0000< 5%=> mô hình hồi qui phù hợp ở mức ý nghĩa 5%

IV Kiểm định bỏ biến và bỏ biến nếu cần thiết

Do biến expinf không có ý nghĩa về mặt thống kê nên ta muốn kiểm định xem có bỏ được biến expinf ra khỏi mô hình hay không

Ta hồi qui mô hình sau:

qdpass   qydus  pyperm  branch  spread u

V Kiểm định đa cộng tuyến và sửa lỗi mô hình khi có hiện tượng đa cộng tuyến

V.1 Kiểm định đa cộng tuyến

qdpass   qydus  pyperm  branch  spread u

Ta xét mô hình sau khi bỏ biến qyperm

qdpass   qydus  pyperm  branch  spread u

Ta xét mô hình sau khi bỏ biến branch

qdpass   qydus  pyperm spread u

* Kết luận chung: dựa vào R2 hiệu chỉnh, ta lựa chọn bỏ biến pydus

VI Kiểm định phương sai sai số thay đổi và sửa lỗi phương sai sai số thay đổi

xét mô hình

từ đồ thị thấy rằng mô hình ít có khả năng có phương sai sai số thay đổi

VI.1.2 sử dụng kiểm định hettest

hettest

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of qdpass

chi2(1) = 0.21

Prob > chi2 = 0.6481

ta thấy pvalue>5%=> mô hình không có hiện tượng phương sai sai số thay đổi

VI.1.3 sử dụng kiểm định white

ta xét mô hình sau

e   qydus  pyperm  branch  spread  Yhat  Yhat u

Ta có pvalue(F)=0.2608>5%=> chưa có cơ sở để bác bỏ H0=> mô hình có phương sai sai

số không đổi

VII Kiểm định phần dư phân phối chuẩn

VII.1 sử dụng đồ thị

Ta thấy phần dư phân phối chuẩn

VII.2 Sử dụng kiểm định skewness và kurtosis

estat bgodfrey, lags(1 2)

Breusch-Godfrey LM test for autocorrelation

VIII.2 Khắc phục tự tương quan

prais conpk pripk pribf ydusp d1 d2 d3, robust

qdpass   qydus  spread u

+ tất cả các hệ số hồi qui đều có ý nghĩa thống kê ở mức 5%

+pvalue(F)=0.0000<5%=> mô hình phù hợp ở mức 5%

+ mô hình không có đa cộng tuyến ở mức cao do:

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of qdpass

chi2(1) = 0.73

Prob > chi2 = 0.3938

+Dấu của các hệ số phù hợp với lỹ thuyết

+Tuy nhiên vẫn xảy ra hiện tượng tự tương quan do pvalue=0.0000<5%

estat bgodfrey, lags(1 2)

Breusch-Godfrey LM test for autocorrelation

qdpass   qyperm  spread u

Tương tự như trên ta có

+mô hình có các hệ số đều có ý nghĩa thống kê ở mức 5%

+pvalue(F)=0.0000<5%=> mô hình phù hợp ở mức ý nghĩa 5%

+mô hình không có đa cộng tuyến ở mức cao

vif

Variable | VIF 1/VIF

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

Ho: Constant variance

Variables: fitted values of qdpass

chi2(1) = 0.85

Prob > chi2 = 0.3555

+Dấu của các hệ số phù hợp với lý thuyết

+tuy nhiên vẫn có hiện tượng tự tương quan

estat bgodfrey, lags(1 2)

1. Các biến trong mô hình

CONPKt : lượng tiêu thụ thịt lợn/ người ở mỹ trong quý t

PRIPKt : giá 1 cân thịt lợn (dollars/100 pounds) trong quý t

PRIBFt : giá 1 cân thịt bò (dollars/100 pounds) trong quý t

LYDUSPt : log của thu nhập

PROPKt : lượng thịt sản xuất ở mỹ quý t

D1t : biến giả (1- quý 1; 0- quý khác)

D2t :biến giả (1- quý 2; 0- quý khác)

D3t:: biến giả (1- quý 3; 0- quý khác)

2 Dấu dự kiến

PRIPKt Giá 1 cân thịt lợn trong

quý t

thịt lợn tăng dẫn đến lượng cầu về thịt lợn giảm

YDUSPt Thu nhập bình quân

đầu người ở Mỹ trong quý t

thụ thịt lợn sẽ tăng

LYDUSPt Log của thu nhập bình

quân đầu người

nhập tăng làm tăng lượng cầu

Source SS df MS Number of obs = 40

reg conpk pripk pribf propk ydusp d1 d2 d3

Theo bảng trên, ta nhận thấy có sự tương quan giữa 2 biến CONPK

và PROPK Vì vậy, ta chạy hồi quy phụ của 2 biến trên :

Source SS df MS Number of obs = 40

reg conpk propk

Xét R-squared = 0.9779 tức là có sự đa cộng tuyến giữa 2 biến

CONPK và PROPK nên ta bỏ biến PROPK.

Chạy 2 mô hình với 1 mô hình sử dụng biến YDUSP và 1 mô hình sử dụng biến LYDUSP:

_cons 16.99717 .6276076 27.08 0.000 15.7203 18.27405 d3 -1.529973 .1860527 -8.22 0.000 -1.9085 -1.151446 d2 -1.63396 .1891289 -8.64 0.000 -2.018746 -1.249175 d1 -.9170877 .1866971 -4.91 0.000 -1.296926 -.5372496 ydusp 2250244 .0799022 2.82 0.008 0624621 .3875867 pribf 0415561 .0035486 11.71 0.000 0343365 .0487757 pripk -.0767559 .0057135 -13.43 0.000 -.0883801 -.0651316 conpk Coef Std Err t P>|t| [95% Conf Interval]

Total 96.8320021 39 2.48287185 Root MSE = 41366 Adj R-squared = 0.9311 Residual 5.64669366 33 171111929 R-squared = 0.9417 Model 91.1853085 6 15.1975514 Prob > F = 0.0000 F( 6, 33) = 88.82 Source SS df MS Number of obs = 40 reg conpk pripk pribf ydusp d1 d2 d3

Source SS df MS Number of obs = 40

reg conpk pripk pribf d1 d2 d3 lydusp

So sánh 2 mô hình :

( chạy với YDUSP)

Note: N=Obs used in calculating BIC; see [R] BIC note

- ll(model) của LYDUSP > ll(model) của YDUSP

- AIC và BIC của LYDUSP < AIC và BIC của YDUSP

 Chọn và sử dụng biến LYDUSP

Mô hình với biến LYDUSP :

CONPKt=1+2 PRIPKt+3PRIBFt+4LYDUSPt+5D1+6D2+7D3 + ut

Source SS df MS Number of obs = 40

reg conpk pripk pribf d1 d2 d3 lydusp

II) Kiểm định mô hình

Dựa vào kết quả hồi quy, ta thu được mô hình hồi quy như sau :

CONPKt= - PRIPKt+0.0387575PRIBFt+LYDUSPt -D1 - D2 - D3 + ut

1 Ý nghĩa thống kê của các hệ số hồi quy

Qua quan sát ở bảng hồi quy mô hình, ta có thể dễ dàng nhận thấy tất

cả các biến đều có P-value <0.05 , vì vậy có thể nói tất cả cá biến cố định ở trên đều có ý nghĩa thống kê.

2 Kiểm định xem xét các khuyết tật

- Đa cộng tuyến

Mean VIF 3.31 d3 1.52 0.657657 d1 1.54 0.650296 d2 1.57 0.635679 pripk 2.41 0.414079 pribf 6.01 0.166398 lydusp 6.83 0.146363 Variable VIF 1/VIF vif

VIF = 3.31 < 10 => mô hình không có đa cộng tuyến

- Phương sai sai số thay đổi

Prob > chi2 = 0.2349

chi2(1) = 1.41

Variables: fitted values of conpk

Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

hettest

Ho: model has no omitted variables

Ramsey RESET test using powers of the fitted values of conpk

estat ovtest

P-value = 0.7665 > = 0.05 => chấp nhận giả thiết H0

 Mô hình không thiếu biến

3 Khắc phục tự tương quan

- Chạy mô hình hồi quy ban đầu và tính phần dư e

gen e = conpk - yhat

(option xb assumed; fitted values) predict yhat

- Chạy hồi quy et = p × et-1 + vt, ước lượng

Source SS df MS Number of obs = 39

reg e L.e, nocons

- Tạo các biến mới sử dụng ước lượng  và lấy độ trễ

(1 missing value generated) gen lydusp1 = lydusp - 3963043 * L.lydusp

(1 missing value generated) gen pribf1 = pribf - 3963043 * L.pribf

(1 missing value generated) gen pripk1 = pripk - 3963043 * L.pripk

(1 missing value generated) gen conpk1 = conpk - 3963043 * L.conpk

- Chạy hồi quy ta được :

_cons 9.718432 .6607433 14.71 0.000 8.372542 11.06432 d3 -1.469273 .1682973 -8.73 0.000 -1.812084 -1.126463 d2 -1.866452 .172242 -10.84 0.000 -2.217298 -1.515607 d1 -1.5335 .1713929 -8.95 0.000 -1.882616 -1.184385 lydusp1 2.235985 .8857754 2.52 0.017 4317194 4.04025 pribf1 0383652 .0053935 7.11 0.000 0273789 .0493514 pripk1 -.0782956 .0069686 -11.24 0.000 -.0924902 -.0641011 conpk1 Coef Std Err t P>|t| [95% Conf Interval]

Total 54.2998605 38 1.4289437 Root MSE = 36899 Adj R-squared = 0.9047 Residual 4.35683306 32 136151033 R-squared = 0.9198 Model 49.9430274 6 8.3238379 Prob > F = 0.0000 F( 6, 32) = 61.14 Source SS df MS Number of obs = 39 reg conpk1 pripk1 pribf1 lydusp1 d1 d2 d3

Durbin-Watson d-statistic( 7, 39) = 1.792879 dwstat

H0: no serial correlation

1 0.090 1 0.7638

lags(p) chi2 df Prob > chi2

Breusch-Godfrey LM test for autocorrelation

bgodfrey

P-value = 0.7638 >  = 0.05 => không bác bỏ H0

 Không có tự tương quan

III) Kết luận

- Mô hình tốt nhất là :

CONPK = - PRIPK +0.0387575PRIBF +LYDUSPt -D - D - D + u

- Nhận xét ý nghĩa kinh tế:

lợn (dollars/100 pounds) ở Mỹ tăng 1 đơn vị thì lượng tiêu thụthịt lợn/ người ở Mỹ giảm trung bình 0.0768 đơn vị

bò (dollars/100 pounds) ở Mỹ tăng 1 đơn vị thì lượng tiêu thụthịt lợn/ người ở Mỹ tăng trung bình 0.0387 đơn vị

sẵn có / người ở Mỹ tăng 1 đơn vị thì lượng tiêu thụ thịt lợn/người ở Mỹ tăng trung bình 2.121 đơn vị

thịt lợn/ người ở Mỹ ở quý 1so với quý 4 nhỏ hơn trung bình0.891 đơn vị

thịt lợn/ người ở Mỹ ở quý 2 so với quý 4 nhỏ hơn trungbình1.616 đơn vị

thịt lợn/ người ở Mỹ ở quý 3 so với quý 4 nhỏ hơn trung bình1.516 đơn vị