Phân tích các yếu tố ảnh hưởng đến mô hình tiết kiệm và cho vay của mỹ trong thập niên 1970s

Cơ sở lí thuyết Trong thực tế, tổng số tiền gửi trong các tài khoản ngân hàng trong một quý phụthuộc vào rất nhiều yếu tố, trong đó ta sẽ tập trung nghiên cứu vào một số biến quan trọng

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

KHOA KINH TẾ QUỐC TẾ

**********

BÁO CÁO BÀI TẬP KINH TẾ LƯỢNG

Sinh viên thực hiện: MSV

1 Phan Thị Việt Hà 1213320042

2 Vũ Thị Thúy Hằng 1213320050

3 Nguyễn Thị Thu Hiền 1213320056

4 Trần Thị Huyền Trang 1213320186 Giảng viên hướng dẫn: ThS Thái Long

Hà Nội, tháng 4 năm 2014

M C L C Ụ Ụ

MỞ ĐẦU 3

A XÂY DỰNG MÔ HÌNH TIẾT KIỆM VÀ CHO VAY CỦA MỸ 5

I VẤN ĐỀ NGHIÊN CỨU 5

II CƠ SỞ LÝ THUYẾT CỦA MÔ HÌNH 5

1 Cơ sở lí thuyết 5

2 Các biến sẽ sử dụng trong mô hình 5

III XÂY DỰNG VÀ LỰA CHỌN MÔ HÌNH KINH TẾ LƯỢNG 6

1 Mô hình hồi quy tổng quát 6

2 Mô hình hồi quy mẫu 6

3 Lựa chọn mô hình phù hợp 11

4 Kiểm tra các khuyết tật của mô hình và cách khắc phục 14

IV KHẮC PHỤC MÔ HÌNH (hiện tượng tự tương quan) 18

V NHỮNG ĐÁNH GIÁ CHUNG VỀ MÔ HÌNH MỚI 20

B PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN LƯỢNG TIÊU THỤ THỊT LỢN Ở MỸ GIAI ĐOẠN 1975 – 1984 21

I VẤN ĐỀ NGHIÊN CỨU 21

II CƠ SỞ LÝ THUYẾT CỦA MÔ HÌNH 21

1 Các biến được sử dụng trong mô hình 21

2 Cơ sở lý thuyết và thực tế 21

III XÂY DỰNG VÀ LỰA CHỌN MÔ HÌNH KINH TẾ LƯỢNG 22

1 Mô hình hồi quy tổng quát 22

2 Mô hình hồi quy mẫu 22

3 Lựa chọn mô hình phù hợp 24

4 Kiểm định mô hình đã lựa chọn 31

5 Khắc phục khuyết tật của mô hình 34

IV NHỮNG ĐÁNH GIÁ CHUNG VỀ MÔ HÌNH MỚI 36

KẾT LUẬN CHUNG 38

MỞ ĐẦU

Kinh tế lượng là một bộ phận của kinh tế học, được hiểu theo nghĩa rộng là môn khoahọc kinh tế giao thoa với thống kê học và toán kinh tế Hiểu theo nghĩa hẹp là các ứngdụng toán đặc biệt là phương pháp thống kê vào kinh tế để kiểm chứng lí thuyết bằng dữliệu thực tế và kiểm định giả thuyết về kinh tế học về hành vi Nó còn có vai trò quantrọng trong việc ước lượng các quan hệ kinh tế và dự báo các hành vi của các biến sốkinh tế

Thuật ngữ kinh tế lượng được sử dụng lần đầu tiên vào năm 1910 bởi Pawel Ciompa.

Từ khi ra đời cho đến nay, nó đã trở thành một công cụ đo lường sắc bén góp phần hỗ trợcho các nhà kinh tế khi nghiên cứu, phân tích, dự báo tình hình Ngày nay cùng với sựphát triển công nghệ thông tin, kinh tế lượng không những được ứng dụng mạnh mẽtrong lĩnh vực kinh tế mà còn được sử dụng nhiều trong các bộ môn khoa học khác đểgiải thích các hiện tượng một cách khoa học và có cơ sở Chính vì thế có thể khẳng định

sự ra đời và phát triển của kinh tế lượng trở thành bộ phận không thể thiếu trong sự pháttriển của xã hội loài người

Là sinh viên kinh tế, chúng em nhận thức rõ được sự cần thiết của việc học tập và tìmhiểu về kinh tế lượng Nó tạo cho chúng em những cơ sở lí luận vững chắc, logic đểnghiên cứu và giải quyết vấn đề Để hiểu sâu việc ứng dụng kinh tế lượng vào đời sống,

và việc áp dụng lí thuyết kinh tế lượng vào thực hành, nhóm em xin xây dựng bài báo cáothực hành kinh tế lượng dưới sự hướng dẫn của thầy Thái Long Bài báo cáo được xâydựng dựa trên nghiên cứu mô hình tiết kiệm, cho vay của Mỹ và mô hình “trọng cầu” chothịt lợn Cả hai vấn đề này đều rất sát với thực tế, cho nên việc nghiên cứu các tác nhânảnh hưởng đến hai mô hình này là một điều cần thiết để hiểu rõ hơn về một phần nhữngdiễn biến của nền kinh tế của Mỹ thế kỷ trước

Tiểu luận được hoàn thành nhờ thực hiện kết hợp các phương pháp nghiên cứu: thuthập, tổng hợp, phân tích, so sánh, xử lí số liệu cùng sự tham khảo các tài liệu giáo trình,báo chí, cùng một số nguồn thông tin khác

Ngoài lời mở đầu và kết luận, tiểu luận gồm hai phần chính sau:

A Phân tích các yếu tố ảnh hưởng đến mô hình tiết kiệm và cho vay của Mỹ trong thập niên 1970s

B Phân tích các yếu tố ảnh hưởng đến lượng tiêu thụ thịt lợn ở Mỹ giai đoạn 1975 – 1984

Do khả năng và điều kiện thời gian hạn chế nên bài viết còn nhiều thiếu sót, chúng

em rất mong được thầy xem xét và góp ý để bài tiểu luận được tốt hơn Chúng em xinchân thành cảm ơn sự giúp đỡ của thầy trong định hướng và trang bị kiến thức chochúng em hoàn thành tiểu luận này!

A XÂY DỰNG MÔ HÌNH TIẾT KIỆM VÀ

CHO VAY CỦA MỸ

I VẤN ĐỀ NGHIÊN CỨU

Tiết kiệm và cho vay là một vấn đề quan trọng đối với các ngân hàng nói riêng vàchính phủ nói chung đặc biệt với một nước có nền tài chính phát triển như nước Mỹ Vậychính phủ Mỹ cần xây dựng một mô hình tiết kiệm và cho vay như thế nào sau khi thuthập được 40 quan sát trong một quý của thập niên 1970 Theo lí thuyết kinh tế thì có rấtnhiều yếu tố ảnh hưởng tới tổng tiền gửi tiết kiệm nhưug để thuận lợi cho việc nghiên

cứu, ta cần xây dựng một mô hình có ý nghĩa phù hợp đủ để giải thích sự biến động của

nó trên thị trường Mỹ bằng lí thuyết kinh tế lượng và sự hỗ trợ của phần mềm Stata

II CƠ SỞ LÝ THUYẾT CỦA MÔ HÌNH

1 Cơ sở lí thuyết

Trong thực tế, tổng số tiền gửi trong các tài khoản ngân hàng trong một quý phụthuộc vào rất nhiều yếu tố, trong đó ta sẽ tập trung nghiên cứu vào một số biến quan trọng

hơn cả bao gồm: thu nhập khả dụng, thu nhập cố định, lãi suất hóa đơn tài sản ba tháng,

tỷ lệ lạm phát dự kiến, số chi nhánh tiết kiệm và cho vay và tỷ lệ trung bình tiền lãi trongtài khoản Khi thu nhập cố định hay thu nhập khả dụng tăng lên thì nhu cầu gửi tiết kiệmcũng tăng do có nhiều hơn khoản tiền dư thừa nhàn rỗi Số lượng các chi nhánh cho vaycàng nhiều sẽ tăng khả năng cạnh tranh giữa các ngân hàng tạo điều kiện đẩy lãi suất lêncao khiến người gửi tiền sẽ thu được lợi nên người dân sẽ có xu hướng tăng lượng tiềngửi tiết kiệm Bên cạnh đó, yếu tố lãi suất cũng rất quan trọng, lãi suất cao làm tăng lợinhuận có được từ gửi tiền tiết kiệm, tạo động lực để tổng số tiền gửi tiết kiệm tăng lên.Hay tỷ lệ lạm phát tăng thì làm giảm khă năng giữ tiền mặt, làm tăng nhu cầu gửi tiền tiếtkiệm Ngoài ra còn nhiều yếu tố khác có thể ảnh hưởng đến số tiền gửi tiết kiệm như dân

số, các loại hình tài chính sinh lời khác

2 Các bi n sẽ s d ng trong mô hình ế ử ụ

vay ở Mỹ trong quý t (triệu đô la danh nghĩa)

QRDPASS Tỉ lệ trung bình tiền lãi trong TK tiền gửi ở quý t (giá trị phần trăm)

III XÂY DỰNG VÀ LỰA CHỌN MÔ HÌNH KINH TẾ LƯỢNG

1 Mô hình hồi quy tổng quát

(PRF) qdpass =β 0 + β 1 *qydus + β 2 *qyperm + β 3 *branch + β 4 *qrtb3y + β 5 *expinf +

β 6 *mmcdum + β 7 *qrdpass + β 8 *spread + u i

2 Mô hình hồi quy mẫu

2.1 Ước lượng các hệ số hồi quy

Mô hình hồi quy tuyến tính về lượng tiêu thụ thịt lợn và các yếu tố ảnh hưởng đượcthực hiện trên phần mềm Stata.12

_cons 213076.1 58401.21 3.65 0.001 94116.74 332035.5 spread -36326.8 12846.2 -2.83 0.008 -62493.65 -10159.94 qrdpass 0 (omitted)

mmcdum -20390.83 4133.691 -4.93 0.000 -28810.89 -11970.78 expinf 201.1073 428.933 0.47 0.642 -672.6006 1074.815 qrtb3y -38201.1 12700.52 -3.01 0.005 -64071.21 -12330.98 branch 5.100308 1.712495 2.98 0.005 1.612069 8.588547 qyperm -125.3747 79.9292 -1.57 0.127 -288.1851 37.43577 qydus 152.6241 71.15475 2.14 0.040 7.686594 297.5615 qdpass Coef Std Err t P>|t| [95% Conf Interval] Total 1.5453e+10 39 396239615 Root MSE = 4316.4 Adj R-squared = 0.9530 Residual 596213962 32 18631686.3 R-squared = 0.9614 Model 1.4857e+10 7 2.1224e+09 Prob > F = 0.0000 F( 7, 32) = 113.92 Source SS df MS Number of obs = 40 note: qrdpass omitted because of collinearity

Mô hình hồi quy mẫu:

(SRF) qdpass = 213076.1 + 152.6241qydus – 125.3747qyperm +5.1003branch – 38201.1qrtb3y +201.1073expinf - 20390.83mmcdum – 36326.8spread + u i

2.2 Phân tích kết quả hồi quy

 Dựa vào kiểm định F có Prob > F = 0.0000 < α = 0.05 nên bác bỏ H0: R2 = 0, môhình phù hợp, có ý nghĩa thống kê

 Hệ số xác định của mô hình là : R2 = 0.9614 nên các biến độc lập có thể giải thíchđược 96,14% sự biến động của tổng lượng tiền gửi tiết kiệm

 Về ý nghĩa của từng biến giải thích với mức ý nghĩa 5%

 bo = 213076,1 có P_value = 0.001< α= 0.05 nên biến này có ý nghĩa thống kê nênkhi các yếu tố khác bằng 0 thì tiền gửi tiết kiệm là 213076,1 triệu $

 b1 = 152,6241 có P_value = 0.04< α= 0.05 nên biến này có ý nghĩa thống kê Khicác yếu tố khác không đổi, nếu thu nhập khả dụng trong quý t tăng 1 triệu đô thì tổng sốtiền gửi giữ trong các tài khoản TGNH ở các tổ chức tiết kiệm và cho vay ở Mỹ trong quý

t sẽ tăng 152,6241 triệu $ danh nghĩa

 b2 = 152,6241 có P_value = 0.127 > α= 0.05, nên biến này không có ý nghĩa vềmặt thống kê

 b3 = 5.100308 có P_value = 0.005< α= 0.05 nên biến này có ý nghĩa thống kê Khicác yếu tố khác không đổi, nếu chi nhánh tiết kiệm và cho vay hoạt động ở Mỹ trong quý

t tăng thêm 1 chi nhánh thì tổng số tiền gửi giữ trong các tài khoản TGNH ở các tổ chứctiết kiệm và cho vay ở Mỹ trong quý t sẽ tăng 5.100308 triệu $ danh nghĩa

 b4 = -38201.1 có P_value = 0.005 < α= 0.05 nên biến này có ý nghĩa thống kê Khi

các yếu tố khác không đổi, nếu t lãi suất theo hóa đơn tài sản 3 tháng trong quý t tăng 1

% thì tổng số tiền gửi giữ trong các tài khoản TGNH ở các tổ chức tiết kiệm và cho vay ở

Mỹ trong quý t sẽ giảm 38201.1 triệu $ danh nghĩa

 b5 = 201.1073 có P_value = 0.642 > α= 0.05, nên biến này không có ý nghĩa vềmặt thống kê, có thể loại bỏ khỏi mô hình

 b6 = -20390.83 là hệ số của biến giả có P_value = 0.000< α= 0.05 nên biến này có

ý nghĩa thống kê Hệ số hồi quy của biến này cho biết sự chênh lệch giữa trước và sau khi

có luật năm 1978 về việc chứng chỉ thị trường tiền tệ trả cao hơn lãi suất thị trường tiềntệ

 b7 là hệ số của biến QRDPASS, biến này trong mô hình này có thể bị bỏ qua vì 1

Với b i , i {1; 8} là các ước lượng không chệch của các hệ số hồi quy i

Kết quả đối chiếu mô hình hồi quy và lí thuyết kinh tế cho thấy các biến trong môhình đều có ý nghĩa, đều có sự tác động đến biến tổng lượng tiền gửi trừ biến EXPINF và

QYPERM Tuy nhiên tỷ lệ trung bình tiền lãi trong tài khoản tiền gửi có thể bị bỏqua(omitted variable).

2.3 Đồ thị miêu tả quan hệ giữa biến phụ thuộc và từng biến độc lập:

Đồ thị 1: Mối quan hệ giữa tổng số tiền gửi và thu nhập khả dụng

U.S disposable income in quarter t (millions of nominal dollars)

Đồ thị 2: Mối quan hệ giữa tổng số tiền gửi và thu nhập cố định

U.S "permanent" income in quarter t (millions of nominal dollars)

Đồ thị 3: Mối quan hệ giữa tổng số tiền gửi và lãi suất hóa đơn tài sản 3 tháng trong quý t

the interest rate on three-month Treasury bills in quarter t

Đồ thị 4: Mối quan hệ giữa tổng số tiền gửi và tỷ lệ lạm phát dự kiến

the expected percentage rate of inflation in quarter t (equal to the previous qu

Đồ thị 5: Mối quan hệ giữa tổng số tiền gửi và số chi nhánh tiết kiệm và cho vay

the number of S & L branches operating in the U.S in quarter t

Đồ thị 6: Mối quan hệ giữa tổng số tiền gửi và tỷ lệ trung bình tiền lãi trong tài khoản

3.1 Xem xét lựa chọn SPREAD hay hai biến lãi suất trong mô hình

Bảng 1: Mô hình lựa chọn biến SPREAD

_cons 37832.72 4490.245 8.43 0.000 28697.25 46968.19 spread 2265.231 708.3105 3.20 0.003 824.162 3706.299 mmcdum -15682.6 4266.903 -3.68 0.001 -24363.68 -7001.522 expinf -345.812 433.2702 -0.80 0.430 -1227.307 535.6828 branch 4.926247 1.908822 2.58 0.014 1.042719 8.809774 qyperm -208.4656 83.65011 -2.49 0.018 -378.653 -38.27817 qydus 216.7386 75.71296 2.86 0.007 62.69946 370.7778 qdpass Coef Std Err t P>|t| [95% Conf Interval] Total 1.5453e+10 39 396239615 Root MSE = 4814 Adj R-squared = 0.9415 Residual 764776375 33 23175041.7 R-squared = 0.9505 Model 1.4689e+10 6 2.4481e+09 Prob > F = 0.0000 F( 6, 33) = 105.63 Source SS df MS Number of obs = 40 reg qdpass qydus qyperm branch expinf mmcdum spread

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

40 -452.2018 -387.1021 8 790.2043 803.7153 Model Obs ll(null) ll(model) df AIC BIC estimates stat

Bảng 2: Mô hình lựa chọn hai biến lãi suất

_cons 213076.2 58401.2 3.65 0.001 94116.86 332035.6 qrdpass -36326.82 12846.2 -2.83 0.008 -62493.68 -10159.97 mmcdum -20390.84 4133.691 -4.93 0.000 -28810.89 -11970.78 expinf 201.1087 428.9331 0.47 0.642 -672.5994 1074.817 qrtb3y -1874.3 648.2587 -2.89 0.007 -3194.76 -553.8403 branch 5.100307 1.712495 2.98 0.005 1.612068 8.588545 qyperm -125.3747 79.92918 -1.57 0.127 -288.1851 37.43575 qydus 152.6241 71.15473 2.14 0.040 7.686641 297.5615 qdpass Coef Std Err t P>|t| [95% Conf Interval] Total 1.5453e+10 39 396239615 Root MSE = 4316.4 Adj R-squared = 0.9530 Residual 596213789 32 18631680.9 R-squared = 0.9614 Model 1.4857e+10 7 2.1224e+09 Prob > F = 0.0000 F( 7, 32) = 113.92 Source SS df MS Number of obs = 40 reg qdpass qydus qyperm branch qrtb3y expinf mmcdum qrdpass

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

40 -452.2018 -392.0818 7 798.1637 809.9858 Model Obs ll(null) ll(model) df AIC BIC estimates stat

Dựa vào kết quả hồi quy của hai mô hình trên dễ dàng nhận thấy tiêu chuẩn AIC của

mô hình 1 nhỏ hơn mô hình 2, cho nên mô hình thứ nhất sẽ thích hợp hơn

3.2 Thực hiện kiểm định F để xem xét có bỏ biến QYPERM hay không?

Fi = 2.404 < F0.05(1, 32) nên chấp nhận H0, nên ta có thể loại bỏ biến QYPERM Tuybiến thu nhập cố định QYPERM không có ý nghĩa thống kê nhưng xét về lý thuyết, theonhững giả thuyết kinh tế thời những năm 1970 của M.Friedman cho rằng thu nhập cánhân gồm hai phần: phần lâu dài và phần tạm thời, chính phần cố định là nhân tố quyếtđịnh, đóng vai trò rất lớn trong các kiệm tiêu dùng và tiết kiệm, nên có thể xem xét giữ lạibiến này

3.3 Kiểm định xem có nên loại biến EXPINF và BRANCH khỏi mô hình không

Bảng 3: Mô hình không có biến EXPINF

_cons 202015.1 52788.85 3.83 0.001 94615.4 309414.8 qyperm -125.3939 78.97869 -1.59 0.122 -286.0772 35.28947 qrdpass -33929.51 11644.65 -2.91 0.006 -57620.74 -10238.29 mmcdum -20200.77 4064.846 -4.97 0.000 -28470.76 -11930.78 qrtb3y -1747.295 581.9466 -3.00 0.005 -2931.274 -563.3155 branch 5.207024 1.677118 3.10 0.004 1.794903 8.619146 qydus 150.6526 70.18572 2.15 0.039 7.858678 293.4465 qdpass Coef Std Err t P>|t| [95% Conf Interval] Total 1.5453e+10 39 396239615 Root MSE = 4265.1 Adj R-squared = 0.9541 Residual 600309552 33 18191198.5 R-squared = 0.9612 Model 1.4853e+10 6 2.4755e+09 Prob > F = 0.0000 F( 6, 33) = 136.08 Source SS df MS Number of obs = 40 reg qdpass qydus branch qrtb3y mmcdum qrdpass qyperm

Ta thấy rằng việc loại biến EXPINF đã cải thiện các ràng buộc lựa chọn của mô hình,cải thiện độ chính xác của các biến còn lại bằng cách làm cho chúng có ý nghĩa hơn nêntrong mô hình cuối cùng ta có thể bỏ biến này

Mặt khác, dữ liệu về các chi nhánh của hiệp hội tiết kiệm và cho vay ko có sẵn chotừng quý Chúng ta sử dụng các giá trị đã biết mới nhất thay cho các quan sát bị thiếu Do

đó các giá trị này ko có độ tin cậy cao Vì vậy để đơn giản hóa mô hình và thuận tiện choviệc nghiên cứu ảnh hưởng của các biến quan trọng, ta có thể bỏ biến BRANCH khỏi môhình

Bảng 4: Mô hình hồi quy sau khi loại bỏ SPREAD, EXPINF và BRANCH

_cons 180481.6 58604.01 3.08 0.004 61383.94 299579.3 mmcdum -26004.48 4042.186 -6.43 0.000 -34219.19 -17789.77 qrtb3y -2224.081 628.6025 -3.54 0.001 -3501.555 -946.6072 qrdpass -29909.33 12959.59 -2.31 0.027 -56246.37 -3572.279 qyperm -65.84959 85.7983 -0.77 0.448 -240.2127 108.5135 qydus 159.5361 78.53331 2.03 0.050 -.062762 319.135 qdpass Coef Std Err t P>|t| [95% Conf Interval] Total 1.5453e+10 39 396239615 Root MSE = 4776.4 Adj R-squared = 0.9424 Residual 775662624 34 22813606.6 R-squared = 0.9498 Model 1.4678e+10 5 2.9355e+09 Prob > F = 0.0000 F( 5, 34) = 128.67 Source SS df MS Number of obs = 40 reg qdpass qydus qyperm qrdpass qrtb3y mmcdum

Mô hình có F( 5, 34) = 128.67 > F0.05(5, 34) nên bác bỏ H0, mô hình phù hợp, có ýnghĩa thống kê

R2 = 94.98 tức là các biến độc lập giải thích được 94.98% biến động trong tổng lượngtiền tiết kiệm quý t, còn 5,02% sự thay đổi của biến phụ thuộc sẽ được giải thích bằng cácyếu tố ngẫu nhiên khác

Các biến của mô hình đều có ý nghĩa về mặt thống kê, trừ biến QYPERM Tuy nhiênbiến này có ý nghĩa quan trọng về mặt lý thuyết, do vậy không nên loại bỏ khỏi mô hình

4 Kiểm tra các khuyết tật của mô hình và cách khắc phục

Do các yếu tố khách quan tác động và các yếu tố chủ quan trong việc lựa chọn môhình thì các mô hình đưa ra có thể mắc cá khuyết tật về đa cộng tuyến, phương sai của sai

số thay đổi , tự tương quan hay hiện tượng bỏ sót biến, …

Chính vì thế sau khi đưa ra mô hình nghiên cứu chúng ta cần kiểm định các khuyết tật

để khắc phục lại mô hình để xây dựng một mô hình tốt nhất xây dựng một mô hình tốt cóvai trò vô cùng quan trong vì nó liên quan trực tiếp tới việc phân tích và dự báo vấn đềtrong tương lai Trong stata cũng có các lện được cài đặt sẵn để hỗ trợ cho quá trình quansát theo dõi dễ dàng hơn

4.1 Kiểm tra khuyết tật đa cộng tuyến

corr qdpass qydus qyperm qrdpass qrtb3y mmcdum

Ta nhận thấy có mối tương quan gần như tuyệt đối giữa QYDUS và QYPERM, hơnnữa các biến trong mô hình lại có sự sai về dấu so với cơ sở lý thuyết, nên nghi ngờ cóhiện tượng đa cộng tuyến giữa QYDUS và QYPERM

Bảng 5: Mô hình hồi quy phụ giữa QYDUS và QYPERM

_cons -18.54418 6.504574 -2.85 0.007 -31.712 -5.376356 qyperm 1.067593 .0060428 176.67 0.000 1.05536 1.079826 qydus Coef Std Err t P>|t| [95% Conf Interval] Total 3684812.67 39 94482.3761 Root MSE = 10.859 Adj R-squared = 0.9988 Residual 4480.56708 38 117.90966 R-squared = 0.9988 Model 3680332.1 1 3680332.1 Prob > F = 0.0000 F( 1, 38) =31213.15 Source SS df MS Number of obs = 40 reg qydus qyperm

Sau khi chạy mô hình hồi quy ta càng thấy rõ sự tương quan, liên hệ rõ rệt giữa 2 biếnnày Hơn nữa, sự xuất hiện của QYPERM trong mô hình gây ra sự sai dấu của chính nógiữa lí thuyết thực tế và theo kết quả hồi quy, nên để khắc phục mô hình, ta thấy nên loại

bỏ biến QYPERM

Bảng6: Mô hình hồi quy sau khi bỏ biến QYPERM

_cons 198580.1 53334.38 3.72 0.001 90305.56 306854.7 mmcdum -26458.28 3975.164 -6.66 0.000 -34528.29 -18388.26 qrtb3y -2081.478 596.979 -3.49 0.001 -3293.41 -869.5464 qrdpass -34137.95 11661 -2.93 0.006 -57811.04 -10464.86 qydus 99.46526 6.40042 15.54 0.000 86.47172 112.4588 qdpass Coef Std Err t P>|t| [95% Conf Interval] Total 1.5453e+10 39 396239615 Root MSE = 4748.2 Adj R-squared = 0.9431 Residual 789100873 35 22545739.2 R-squared = 0.9489 Model 1.4664e+10 4 3.6661e+09 Prob > F = 0.0000 F( 4, 35) = 162.61 Source SS df MS Number of obs = 40 reg qdpass qydus qrdpass qrtb3y mmcdum

corr qydus qrdpass qrtb3y mmcdum

Sau khi bỏ đi QYPERM, độ chính xác của các biến tăng lên, mức ý nghĩa của cácbiến này cũng được cải thiện rất nhiều, mức độ tương quan giữa các biến đã giảm, khắcphục được hiện tượng đa cộng tuyến

4.2 Kiểm tra hiện tượng PSSSTĐ

Sử dụng kiểm định Breusch-Pagan để xem xét mô hình có mắc bệnh phương sai sai

số thay đổi hay không

Cặp giả thiết:

Prob > chi2 = 0.1603

chi2(1) = 1.97

Variables: fitted values of qdpass

Ho: Constant variance

Breusch-Pagan / Cook-Weisberg test for heteroskedasticity

hettest

Ta có P_value = 0.1603 > α= 0.05 nên chấp nhận giả thuyết H0, mô hình không cóphương sai sai số thay đổi

4.3 Kiểm tra hiện tượng tự tương quan

Cặp giả thuyết thống kê:

Sử dụng kiểm định Durbin – Waston, ta có thể thu được những dấu hiệu ban đầu củahiện tượng tự tương quan

Durbin-Watson d-statistic( 5, 40) = 1.085431

dwstat

Theo kiểm định Durbin Watson thì mô hình chưa thể khẳng định có xảy ra hiện tượng

tự tương quan hay không

4.4 Mô hình có bỏ sót biến hay không?

Sử dụng kiểm định RAMSEY-RESET với cặp giả thuyết:

Prob > F = 0.4605

F(3, 32) = 0.88

Ho: model has no omitted variables

Ramsey RESET test using powers of the fitted values of qdpass

Dùng lệnh predict e, r để để ước lượng phần dư

Dùng lệnh swilk e ta thu được kết quả:

e 40 0.91618 3.313 2.521 0.00585

Variable Obs W V z Prob>z

Shapiro-Wilk W test for normal data

swilk e

Ta có P_value < 0.05 nên bác bỏ giả thuyết H0, nghĩa là sai số ngẫu nhiên có phânphối không chuẩn Tuy nhiên số quan sát n=40, và bậc của hệ số tự do n-k= 35 >30 nêntheo định lí giới hạn trung tâm thì khuyết tật này không ảnh hưởng nghiêm trọng đến kếtquả ước lượng của mô hình

IV. KHẮC PHỤC MÔ HÌNH (hiện tượng tự tương quan)

Qua những phân tích bên trên chúng ta nhận thấy rằng mô hình vi phạm tự tươngquan Trong thực tế thì tự tương quan rất dễ xảy ra với dữ liệu chuỗi thời gian Khi viphạm tự tương quan thì các ước lượng vẫn là các ước lượng không chệch nhưng khôngcòn hiệu quả nữa Chính vì vậy mà các kiểm định khong còn chính xác nữa.Vì vậy cầnphải khắc phục lại mô hình để tránh hiện tượng này

Có rất nhiều cách để khắc phục hiện tượng tự tương quan nhưng ở đây chúng em xinkhắc phục hiện tượng này bằng dựa trên thống kê d như sau:

DW= 1.085431

Phương trình phương sai tổng quát là:

qdpass1= qdpass -0,14569 * qdpass[_n-1]

qydus1= qydus -0,14569 * qydus [_n-1]

qrdpass1= qrdpass -0,14569 * qrdpass[_n-1]

qrtb3y1= qrtb3y -0,14569 * qrtb3y [_n-1]

mmcdum1= mmcdum-0,14569 * mmcdum[_n-1]

Hồi quy mô hình QDPASS1 theo QYPASS1 , QYDUS1, QRDPASS1, QRTB3Y1 vàMMCDUM1 ta được kết quả như sau:

_cons 156097.9 51314.7 3.04 0.005 51813.86 260381.9 mmcdum1 -25172.85 6967.584 -3.61 0.001 -39332.68 -11013.01 qrtb3y1 -4456.485 1147.798 -3.88 0.000 -6789.092 -2123.878 qrdpass1 -44223.54 20289.52 -2.18 0.036 -85456.82 -2990.27 qydus1 92.04918 7.335657 12.55 0.000 77.14134 106.957 qdpass1 Coef Std Err t P>|t| [95% Conf Interval] Total 1.4601e+10 38 384240909 Root MSE = 6777.4 Adj R-squared = 0.8805 Residual 1.5617e+09 34 45933287.8 R-squared = 0.8930 Model 1.3039e+10 4 3.2599e+09 Prob > F = 0.0000 F( 4, 34) = 70.97 Source SS df MS Number of obs = 39 reg qdpass1 qydus1 qrdpass1 qrtb3y1 mmcdum1

Kiểm định lại hiện tượng tự tương quan dựa trên kiểm định BG hay dựa trênDurbin- Waston đều thấy mô hình phương sai tổng quat không có hiện tượng tự tươngquan nữa

Nếu chấp nhận mô hình trên thì mô hình ước lượng ban đầu là:

qdpass= 92.04918/(1-0.14569) +92,04918 qydus – 4456,485 qrtb3y- 25172,85 mmcdum1- 44223,54 qrdpass