XÂY DỰNG mô HÌNH TIẾT KIỆM và CHO VAY của mỹ ( giai đoạn 1970 – 1979)

1 TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ VÀ KINH DOANH QUỐC TẾ BÁO CÁO BÀI TẬP KINH TẾ LƯỢNG Giáo viên hướng dẫn: ThS Đặng Thái Long Thực hiện: Nhóm 28 – KTE309 Nguyễn Thị Thúy Nga Phạm Thị Hồng Liễu Lý Văn Nam Nguyễn Văn Vịnh Hà Nội, 4/2014 MSSV: 12111104 65 MSSV: 1211110350 MSSV: 1211120074 MSSV: 1001011133 Table of Contents PHẦN MỞ ĐẦU Kinh tế lượng (Econometrics) một khoa học xã hội đó các công cụ của ly thuyết kinh tế, toán học suy đoán thống kê áp dụng để phân tích các vấn đê kinh tế Kinh tế lượng sử dụng các công cụ phương pháp của thống kê toán để tìm bản chất của các số liệu thống kê, đưa kết luận vê các số liệu thống kê thu thập từ đó có thể đưa các dự báo vê các hiện tượng kinh tế Từ đời đến nay, kinh tế lượng đã đem lại cho các nhà kinh tế một công cụ đo lường sắc bén để đo các quan hệ kinh tế Ngày nay, không chỉ ở lĩnh vực kinh tế, kinh tế lượng còn áp dụng sang các lĩnh vực khác xã hội học, vũ trụ học… trở thành một bộ phận không thể thiếu quá trình thúc đẩy sự phát triển của xã hợi lồi người Vì vậy, nắm rõ cách làm một tập kinh tế lượng một điêu quan trọng đối với sinh viên Đó tiên đê cho sự phát triển của cá nhân công việc các lĩnh vực khác cuộc sống sau Hai tập sau hai mô hình kinh tế lượng thu nhỏ, một tập nghiên cứu, xây dựng mô hình tiên gửi cho vay của Mỹ, còn lại xây dựng mô hình tiêu thụ thịt lợn ở Mỹ Với việc nghiên cứu, quan sát hiện tượng, lựa chọn mô hình, chúng em xin trình bày y kiến của mình dựa kiểm định, đánh giá, lựa chọn để đưa mơ hình hồn chỉnh Với sự hướng dẫn của thầy giáo Thái Long, chúng em mong muốn tăng khả của mình lĩnh vực kinh tế học qua tập mang tính chất thực tế để đưa lựa chọn sáng suốt gặp trường hợp công việc cũng đời sống Phần mêm sử dụng bài: Phần mêm Stata 12 PHẦN NỘI DUNG BÀI TẬP 1: XÂY DỰNG MƠ HÌNH TIẾT KIỆM VÀ CHO VAY CỦA MỸ ( giai đoạn 1970 – 1979) Phần I: Xây dựng mơ hình hồi quy Với tập này, chúng em xây dựng một mô hình tiết kiệm cho vay của Mỹ dựa số liệu thống kê từng quy của các năm 1970 đến năm 1979 việc lựa chọn, kiểm định mô hình một cách kỹ lưỡng Các biến đê cho sẵn, đó QDPASS biến phụ thuộc, các biến còn lại biến độc lập QDPASSt: Tổng số tài khoản tiên gửi ở S&Ls của Mỹ quy t (triệu đô la danh nghĩa) QYDUSt: Thu nhập khả dụng theo quy ở Mỹ QYPERMt: Thu nhập cố định theo quy ở Mỹ QRDPASSt: Tỷ suất lợi nhuận trung bình của S&Ls quy t ở Mỹ QRTB3Yt: Lãi suất tháng tín phiếu kho bạc quy t SPREADt: QRDPASSt – QRTB3Yt : chênh lệch hai mức lãi suất hiện có MMCDUMt: biến giả, trước có chứng chỉ hợp pháp hóa thị trường tiên tệ quy năm 1978, sau đó EXPINFt: Tỷ lệ phần trăm lạm phát kỳ vọng quy t BRANCHt: số lượng chi nhánh của S&L hoạt động ở Mỹ quy t Trong vòng 10 năm từ 1970 – 1979, số liệu lấy theo từng quy nên có 40 quan sát ở giai đoạn Sau bản OLS số liệu của các biến Bước đầu tiên, chúng em sử dụng phương pháp OLS để kiểm định mô hình xem xét để loại bỏ biến không có tác động lên biến phụ thuộc QDPASS Theo bảng ta có thể viết mô hình hồi quy mẫu: QDPASS = 213076,1+ 152,6241QYDUS – 125,3747QYPERM – 38201,1QRTB3Y + 5,100308BRANCH – 210,1073EXPINF – 20390,83MMCDUM – 36326,8SPREAD NHẬN XÉT: - Có hiện tượng da công tuyến ở biến QRDPASS Với biến QYPERM biến EXPINF, ta thấy p-value > 0.05 nên hai biến không có y nghĩa thống kê, hay sự thay đổi của biến không có tác động đến biến - QDPASS Các biến còn lại đêu có tác động đến biến QDPASS Thu nhập khả dụng theo quy (QYDUS) có hệ số = 152.6241, điêu có nghĩa thu nhập khả dụng theo quy tăng chiêu với lượng tiên gửi tài khoản tiên gửi của S&Ls (đo cổ phiếu) Thu nhập tăng yếu tố có tấc động lớn đến tổng số tiên - gửi của một người một quy Lãi suất tháng tín phiếu kho bạc (QRT3Y) có hệ số âm: -38201.1 Điêu có thể ly giải lượng tiên gửi tính cổ phiếu giảm lãi suất kho bạc tăng Tín phiếu kho bạc ln đảm bảo bởi hồn tồn khơng có rủi ro, khoản cao Khi lãi suất tín phiếu kho bạc tang, sức hút từ việc giữ tín phiếu khiến cho lượng tiên gửi ở tài - khoản tiên gửi quỹ S&L giảm Phần bù rủi ro lãi suất (SPREAD) có hệ số âm: -36326.8 có quan hệ ngược chiêu so với lượng tiên gửi tài khoản tiên gửi ở S&L Phần bù rủi ro cao cũng đồng nghĩa với việc mức rủi ro tăng cao Điêu khiến cho người ta suy nghĩ đến khoản tiên gửi - của mình, khiến cho khoản tiên gửi giảm Biến giả (MMCDUM) có quan hệ ngược chiêu so với lượng tiên gửi tài khoản tiên gửi ở S&L Chứng chỉ hợp pháp hóa làm cho lượng tiên gửi giảm từ sau quy - năm 1978 Số lượng chi nhánh (BRANCH) tăng làm cho tăng mức tiên gửi ở tài khoản tiên gửi S&Ls Có nhiêu chi nhánh chính mô tả sự phát triển của S&Ls, tạo nên niêm tin cho người gửi tiên TRẢ LỜI CÂU HỎI: Kiểm định bỏ bớt biến Như phía đã nhận xét, hai biến QYPERM EXPINF có vẻ không có y nghĩa thống kê đối với QDPASS Ta dùng phương pháp kiểm định có rang buộc để có kết luận chắc chắn vê việc loại bỏ biến này: Giả thuyết: H0: Hệ số góc của QYPERM H1: H0 sai Kết quả cho thấy P-value = 0,1266 lớn mức y nghĩa 0.05 nên chúng ta chấp nhận giả thuyết H0: hệ số góc của QYPERM hay QYPERM không có tác động lên QDPASS Vậy, có thể bỏ biến QYPERM Giả thuyết: H0: Hệ số góc của EXPINF H1: H0 sai Ta thấy P-value = 0,6424 lớn mức y nghĩa 0,05 nên giả thuyết H đúng: Hệ số góc của EXPINF hay EXPINF không có tác động lên QDPASS Vậy, việc bỏ biến EXPINF đúng Như vậy, ta có thể loại bỏ hai biến độc lâp QYPERM EXPINF khỏi mô hình Chạy mô hình hồi quy của mô hình mới: Dù đã loại bỏ biến QYPERM EXPINF ta thấy có hiện tượng đa cộng tuyến hoàn hảo ở biến SPREAD biến tính theo công thức: SPREADt = QRDPASSt – QRTB3Yt Do vậy, sửa khuyết tật ta cần bỏ biến QRDPASS QRTB3Y để mô hình gọn không có hiện tượng đa cộng tuyến Chạy mô hình hồi quy ta có: Nhìn vào bảng kết quả ta thấy biến BRANCH không còn y nghĩa hồi quy nên ta bỏ biến BRANCH 10 Sau test ta thấy bỏ biến BRANCH hợp ly Chạy hồi quy mô hình ta có: PHƯƠNG TRÌNH HỒI QUY MẪU : QDPASS = 29864,83 + 82,57275QYDUS + 2794,129SPREAD – 20643,49MMCDUM Kiểm tra đa cộng tuyến ở mô hình hồi quy : Ta có mean VIF = 2.26 < 10 nên mô hình không có hiện tượng đa cộng tuyến 14 BÀI TẬP 2: XÂY DỰNG MƠ HÌNH TIÊU THỤ THỊT LỢN Ở MỸ Mơ hình hồi quy Xây dựng mơ hình hồi quy tuyến tính cho biến lượng thịt lợn tiêu thụ(conpk) (pound/người/năm) ở Mỹ dựa các biến giải thích giá thịt lợn (pripk), giá thịt bò (pribf), thu nhập sau thuế (ydusp), số pound thịt lợn sản xuất quy t (propk), biến mùa vụ theo quy d1, d2, d3 Nghiên cứu tiểu luận sử dụng phần mêm Stata 12 để phục vụ quá trình xây dựng, kiểm định chỉnh sửa mơ hình Thiết lập mơ hình kinh tế lượng: Hàm hồi quy tổng thể có dạng: conpki = β0 + β 1.pripki + β2.pribfi + β 3.yduspi + β4.propki + β5d1 + β6d2 + β7d3 + β8lyduspi + ui Hàm hồi quy mẫu có dạng: = + pripki+ pribfi + yduspi + propki +.d1 + d2 + d3 + lydusp Sử dụng phương pháp OLS phần mêm Stata để ước lượng các hệ số β 1, β2, β3, β4, β5, β6, β7, β8 15 Source SS df MS Model Residual 96.0755145 756487615 31 12.0094393 024402826 Total 96.8320021 39 2.48287185 conpk Coef pripk pribf ydusp propk d1 d2 d3 lydusp _cons -.0157941 0065043 1943371 3.222712 0293882 -.3149048 062236 -1.360428 5.775183 Std Err .0050104 0028166 1283954 2438204 0982965 1209415 1382706 1.115536 1.098123 t -3.15 2.31 1.51 13.22 0.30 -2.60 0.45 -1.22 5.26 Number of obs F( 8, 31) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.004 0.028 0.140 0.000 0.767 0.014 0.656 0.232 0.000 = = = = = = 40 492.13 0.0000 0.9922 0.9902 15621 [95% Conf Interval] -.026013 0007598 -.0675271 2.725437 -.1710888 -.5615667 -.2197688 -3.63558 3.535547 -.0055752 0122487 4562012 3.719987 2298653 -.0682429 3442407 914723 8.014819 Ta phương trình hồi quy mẫu sau: = 5.775183 – 0.0157941pripk + 0.0065043pribf + 0.1943371ydusp + 3.222712propk + 0.0293882d1 – 0.3149048d2 + 0.062236d3 – 1.360428lydusp Kiểm định mơ hình 2.1 Kiểm định ý nghĩa thống kê hệ số hồi quy Sử dụng P-value: Dựa vào bảng kết quá Stata ở trên, ta thấy: Xét cặp giả thiết với mức y nghĩa α = 0.05         • β1: p-value = 0.004 < α = 0.05 suy bác bỏ H0, β1 có y nghĩa thớng kê ở mức 5% • β2: p-value = 0.028 α = 0.05 suy chấp nhận H0, β3 không có y nghĩa thống kê ở mức 5% • β4: p-value = 0.000 α = 0.05 suy chấp nhận H0, β5 không có y nghĩa thớng kê ở mức 5% • β6: p-value = 0.014α = 0.05 suy chấp nhận H0, β7 khơng có y nghĩa thớng kê ở mức 5% • β8: p-value = 0.232> α = 0.05 suy chấp nhận H0, β8 không có y nghĩa thống kê ở mức 5% 16 Cụ thể các biến có y nghĩa thống kê có thể giải thích thông qua y nghĩa kinh tế sau: *Pripk: đó mối quan hệ âm giá thịt lợn lượng tiêu thụ thịt lợn Khi giá thịt lợn tăng đơn vị thì lượng thịt lợn tiêu dùng giảm 0,015 đơn vị *Pribf: mối quan hệ thuận chiêu Do thịt bò thịt lợn hai loại hàng hóa thay nên giá thịt bò tăng, người dân thay một số lượng thịt bò thịt lợn Từ đó làm cho lượng tiêu thụ thịt lợn tăng Cụ thể giá thịt bò tăng đơn vị thì lượng tiêu thụ thịt lơn tăng 0.006 đơn vị *Propk: theo ly thuyết, sản lượng thịt lơn tăng mạnh nhu cầu thịt lợn không thay đổi, vậy để kích thích tiêu dùng, giá thịt lợn có xu hướng giảm, từ đó lại làm tăng lượng tiêu thụ thịt lợn Sản lượng thịt lợn tăng đơn vị thì lượng tieu thụ tăng 3,22 đơn vị *d2 cho thấy quy có mối quan hệ với lượng tiêu thụ thịt lợn của người dân(hệ số hồi quy không phản ánh một cách định lượng mối quan hệ này) Dấu hệ số hồi quy cho thấy lượng tiêu thụ thịt lợn có xu hướng giảm quy năm ………………… Theo ly thuyết thực tế “ydusp” hay thu nhập khả dụng bản thân nó có mối liên hệ chặt chẽ với lượng tiêu dùng Trong mô hình lại cho thấy sự không có y nghĩa thống kê của biến Có thể mô hình của chúng ta đã bị mắc sai lầm, đó rất có thể hiện tượng của đa cộng tuyến 2.2 Kiểm định phù hợp mơ hình Giá trị R2 tiêu chí đánh giá sự phù hợp của mô hình Ở trên, ta tính Ta xét cặp giả thiết sau: với α = 0.05 Dựa vào bảng Stata trên, ta có p-value = 0.0000 10, vậy rất có thể có đa cộng tuyến mô hình Nhận thấy lydusp dạng log của ydusp nên ta có thể nghi ngờ vấn đê thừa biến mô hình hồi quy Hồi quy phụ ‘ydusp’ theo ‘lydusp’ ta thấy r- squared rất lớn 98,61% vif10 reg ydusp lydusp 18 Source SS df MS Model Residual 146.678376 2.06555965 38 146.678376 054356833 Total 148.743936 39 3.81394707 ydusp Coef lydusp _cons 7.414652 -7.192477 Std Err .1427364 289918 t 51.95 -24.81 Number of obs F( 1, 38) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.000 0.000 = 40 = 2698.43 = 0.0000 = 0.9861 = 0.9857 = 23315 [95% Conf Interval] 7.125697 -7.779385 7.703607 -6.605568 Đây dấu hiệu của đa cộng tuyến biến.Vì vậy có thể nghĩ đến việc bỏ một biến đó khỏi mô hình Một cách đơn giản chúng ta hồi quy mô hình bỏ lydusp ydusp, sau đó so sánh R-squared reg conpk pripk pribf ydusp propk Source Và SS df MS Model Residual 95.1675796 1.66442252 35 23.7918949 047554929 Total 96.8320021 39 2.48287185 conpk Coef pripk pribf ydusp propk _cons -.011906 0037047 0298289 3.289468 4.016223 Std Err .0041724 0024383 0439014 1586083 6520508 t -2.85 1.52 0.68 20.74 6.16 Number of obs F( 4, 35) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.007 0.138 0.501 0.000 0.000 = = = = = = 40 500.30 0.0000 0.9828 0.9808 21807 [95% Conf Interval] -.0203764 -.0012453 -.0592957 2.967476 2.692489 -.0034357 0086548 1189535 3.61146 5.339956 19 reg conpk pripk pribf lydusp propk Source SS df MS Model Residual 95.1525881 1.67941404 35 23.788147 047983258 Total 96.8320021 39 2.48287185 conpk Coef pripk pribf lydusp propk _cons -.0113355 0038815 1418169 3.299647 3.80467 Std Err t 0042281 0025257 3722985 1628194 5799374 -2.68 1.54 0.38 20.27 6.56 Number of obs F( 4, 35) Prob > F R-squared Adj R-squared Root MSE P>|t| = = = = = = 40 495.76 0.0000 0.9827 0.9807 21905 [95% Conf Interval] 0.011 0.133 0.706 0.000 0.000 -.0199189 -.0012459 -.6139891 2.969106 2.627335 So sánh ta thấy R-squared bỏ biến “ydusp” -.002752 009009 8976229 3.630188 4.982006 R-squared bỏ biến “lydusp”.Vậy, biến ta cần bỏ “lydusp” Kiểm định phân phối chuẩn Kiểm định Skewness-Kurtosis: Cặp giả thiết: Sử dụng Stata để kiểm định: sktest r Skewness/Kurtosis tests for Normality Variable Obs r 40 Pr(Skewness) Pr(Kurtosis) 0.6627 0.4159 adj chi2(2) 0.89 joint Prob>chi2 0.6406 Phần dư có giá trị p-value của Skewness > 0.05 của Kurtosis > 0.05 nên chấp nhận giả thiết H0 phần dư có phân phối chuẩn Kiểm định phương sai sai số thay đổi Kiểm định Breusch-Pagan: Cặp giả thiết: 20 Ta dùng lệnh hettest Stata để kiểm định phương sai sai số thay đổi: hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of conpk chi2(1) Prob > chi2 = = 0.03 0.8531 p-value = 0.8531 >α = 0.005 => chấp nhận H0, không có hiện tượng phương sai sai số thay đổi Kiểm định tự tương quan Sử dụng kểm định Durbin – Watson dwstat Durbin-Watson d-statistic( 9, 40) = 1.592906 Ta có �=1.592906 tiến vê =>Mơ hình khơng có tự tương quan Kiểm định Breush – Godfrey (BG) Giả thiết: bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) chi2 1.611 df Prob > chi2 0.2043 H0: no serial correlation Ta thấy p-value = 0.2043 > 0.05, đó chấp nhận H , mô hình không có tự tương quan 21 Trả lời câu hỏi 1: Dựa vào regression run ta thấy mô hình chỉ gồm hai biến giải thích “pripk” “ydusp” thì biến phụ thuộc không phản ánh một cách có hiệu quả R-squared khá nhỏ, sự kiểm định vê sự phù hợp dùng Prob(F-(statistic))của mô hình cho thấy giả thiết Ho: loại bỏ các biến giải thích còn lại bị bác bỏ.Như vậy chúng ta cần cân nhắc đến việc thay đổi lượng biến: thêm bớt Trước tiên từ kết quả R-squared của các regression run, ta có thể sắp xếp theo thứ tự tăng dần của R-squared các mô hình hồi quy sau: Regrun 1- regrun 2- regrun 5- regrun 6- regrun 3- regrun 7- regrun 4- regrun Trong đó regrun 1, 2,5 có R-squared tương đối thấp, vì vậy ta chỉ cân nhắc đến các regrun còn lại Khi so sánh các giá trị vê AIC, Log Likehood hay SIC ta thấy mô hình hồi quy chiếm ưu các mô hình còn lại Với giá trị AIC, SIC nhỏ thì mô hình tốt Log Likehood lớn thì mô hình tốt Do vậy chúng ta tiếp tục các câu hỏi regression run 22 Ý nghĩa kinh tế • Khi giá thịt lợn tăng đơn vị thì lượng tiêu thụ thịt lợn giảm 0,017 đơn vị • Khi giá thịt bò tăng đơn vị thì lượng tiêu thụ thịt lợn tăng 0,0066 đơn vị • Khi thu nhập khả dụng tăng lên đơn vị thì lượng tiêu thụ thịt lơn tăng 0,043 đơn vị • Khi sản lượng thịt lợn quy t tăng đơn vị thì lượng tiêu thụ thịt lợn tăng 3,092 đơn vị • Lượng tiêu thụ thịt lợn có xu hướng tăng vào quy quy 3(quy tăng mạnh hơn) lại có xu hướng giảm vào quy Sự phù hợp mơ hình Cao, R-squared tương đương với 99,18% 23 Ý nghĩa hệ số hồi quy • Khi giá thịt lợn tăng, hay xét tại thời điểm quy 2, thì lượng tiêu thụ thịt lợn giảm(-) • Khi giá thịt bò tăng( hàng hóa thay thê), thu nhập khả dụng, sản lượng thịt lợn quy tăng hay xét tại thời điểm quy 1, thì lượng tiêu thụ thịt lơn tăng(+) b/ Mô hình gặp phải một vấn đê kinh tế lượng đó mô hình đã phủ nhận y nghĩa thống kê của một sớ biến thực tế cho thấy chúng hồn toàn có y nghĩa vê mặt thực tiễn Đây cũng chính dấu hiệu của việc vi phạm một các giả định OLS Trong đó “tự tương quan” có thể dẫn đến hậu quả trên.Để kiểm định tự tương quan Dưới hình vẽ biểu thị sự tự tương quan số dư(residual) theo thời gian(đơn vị quy) Sự dụng lệnh Graphics các biến d1,d2,d3 với biến residual ta các hình vẽ sau 10 15 20 Scatter d1,res -.2 Residuals Per capita pounds of pork consumed Dummy in the U.S equal in quarter to in the t second quarter of the year and otherwise Dummy equal to in the first quarter of the year and otherwise 24 10 15 20 Scatter d2, res -.2 Residuals Per capita pounds of pork consumed Dummy in the U.S equal in quarter to in the t second quarter of the year and otherwise Dummy equal to in the first quarter of the year and otherwise 10 15 20 Scatter d3, res -.2 Residuals Per capita pounds of pork consumed Dummy in the U.S equal in quarter to in the t second quarter of the year and otherwise Dummy equal to in the first quarter Dummy of the year equal andto0 1otherwise in the third quarter of the year and otherwise Như ta biết, tự tương quan ở nhiễu có thể giải thích qua tự tương quan ở phần dư.Bởi phần dư ước lượng tốt nhất cho phần nhiễu mô hình tổng thể 25 Như vậy có thể thấy việc ước lượng mô hình của chúng ta đã xảy hiện tượng tự tương quan Kết quả phương sai ước lượng của các ước lượng bình phương bé nhất thông thường chệch Đôi công thức để tính phương sai sai số tiêu chuẩn của các ước lượng bình phương nhỏ nhất thường đưa đến ước lượng quá thấp phương sai thực sai số tiêu chuẩn, đó phóng đại tỉ số t Hậu quả ngộ nhận một hệ số đó khác không có y nghĩa vê mặt thống kê thực tế thì không phải vậy Cụ thể mô hình của chúng ta, biến “ydusp”- thu nhập khả dụng, không có y nghĩa thớng kê thực tế thì hồn tồn khơng phải vậy Thu nhập khả dụng lượng thịt lợn tiêu thụ hẳn có quan hệ tỷ lệ thuận Khi thu nhập khả dụng tăng, người dân có xu hướng tăng tiêu dùng Theo hướng triển khai ban đầu, chúng ta loại bỏ biến “lydusp” thay vì biến “ydusp” vậy nên mô hình tối ưu regression run Sang đến Section ta quan tâm đến việc kiểm định phương sai sai số thay đổi (Heteroskedasticity) Đơn giản nhất quan sát mô hình phần dư( residual) một các biến độc lập(X) Khi đó ta có hình vẽ sau Ví dụ Scatter ydusp res Per capita disposable income in the U.S in quarter t (current dollars) 10 12 26 -.2 Residuals Đây chính dấu hiệu của phương sai sai số thay đổi.Đó cũng chính ly giải thích bệnh mà mô hình mắc phải các ước lượng t hay F không thực sự còn chính xác Cuối vấn đê serial correlation Như đã nói đến ở trên, mô hình có tồn tại sự tự tương quan phần dư biến thời gian của mô hình vậy đã tạo nhược điểm cho mô hình - NHẬN XÉT Mô hình hồi quy vê lượng tiêu thụ thịt lợn ở Mỹ quy t vê bản đã đưa tương đối đầy đủ biến độc lập để giải thích cho hành vi tiêu thụ thịt lợn - Mô hình còn tồn tại khá nhiêu khuyết tật, số đó có hiện tượng thừa biến, tự tương quan phương sai sai số thay đổi Từ đo khiến cho mô hình trở nên kém hiệu quả dẫn đến kết luận sai vê vấn đê - Việc khắc phục khuyết tật tương đối khó khăn bởi nguyên nhân xuất phát từ chủ quan khách quan Trước tiên mô hình của chúng ta dạng chuỗi thời gian, đặc điểm dễ gây khuyết điểm trên, thứ hai sự quán tính các số liệu, bản chất mối lien hệ kinh tế hay đơn giản lỗi từ việc thu thập số liệu Nhìn chung việc đưa kết luận cuối cho mô hình phải dựa nhiêu góc độ, vì mô hình không thể tránh khỏi một số khuyết tật nên cần kết hợp cả số liệu lẫn ly thuyết thực tế để đánh giá cho hiệu quả 27 28 PHẦN KẾT LUẬN Thông qua hai tập trên, chúng em trước hết phần đã nâng cao kỹ của bản thân Có khả dự đoán, lựa chọn, kiểm định các mô hình, các biến… Chúng em nhận thấy việc xây dựng một mô hình kinh tế phải trải qua bước nghiên cứu, chọn lựa kỹ lưỡng, logic để không phạm phải sai lầm việc chọn lựa các giải pháp để nâng cao hiệu quả kinh tế Tuy nhiên, quá trình làm tập chúng em cũng đã gặp một số khó khăn bất đồng y kiến, quan điểm, có kiến thức chưa hiểu rõ, chưa tiếp thu hết Rất mong thầy giáo có góp y để chúng em có thể hoàn thiện bản thân mình Sau bảng phân công công việc đánh giá Họ tên MSSV Nguyễn Thị Thúy 1211110465 Nga Ly Văn Nam Phạm Liễu Thị 1211120074 Hồng 1211110350 Nguyễn Văn Vịnh 1001011133 Nhiệm vụ Nghiên cứu, xây dựng mô hình của tập Tổng hợp, trình bày Kiểm đinh mô hình 1, phát hiện lỗi sai, dịch Xây dựng mô hình của tập Kiểm tra lỗi sai Kiểm tra lỗi sai Đánh giá Hồn thành cơng việc Hồn thành cơng việc Nợp đúng hạn Khơng hồn thành tớt nhiệm vụ ... lựa cho n sáng suốt gặp trường hợp công việc cũng đời sống Phần mêm sử dụng bài: Phần mêm Stata 12 4 PHẦN NỘI DUNG BÀI TẬP 1: XÂY DỰNG MƠ HÌNH TIẾT KIỆM VÀ CHO VAY CỦA MỸ ( giai đoạn 1970. .. giai đoạn 1970 – 1979) Phần I: Xây dựng mơ hình hồi quy Với tập này, chúng em xây dựng mô t mô hình tiết kiệm cho vay của Mỹ dựa số liệu thống kê từng quy của các năm 1970 đến năm... quý Mỹ, chênh lệch hai mức lãi suất xuất chứng hợp pháp hóa thị trường tiền tệ 14 BÀI TẬP 2: XÂY DỰNG MƠ HÌNH TIÊU THỤ THỊT LỢN Ở MỸ Mơ hình hồi quy Xây dựng mơ hình hồi quy tuyến tính cho