I. Tác động của đầ ut tới tăng trởng kinh tế thông qua mô hình
1.Xây dựng mô hình:
Theo lý thuyết thì mô hình thu nhập quốc dân có dạng: Yt = f (Ct, It, Gt, Xt, Mt) Trong đó: Y: Là giá trị tổng sản phẩm quốc nội (GDP) C: Là tiêu dùng của dân cư I: Là tổng đầu tư xã hội G: Là chi tiêu của Chính Phủ X, M: Là xuất khẩu, nhập khẩu hàng hoá và dịch vụ
Khi áp dụng mô hình thu nhập quốc dân vào bộ số liệu đợc quan sát từ năm 1991 – 2003. Dạng mô hình đề nghị là mô hình phản ánh tốc độ tăng tr- ởng của nền kinh tế dới dạng mô hình nhiều phơng trình để có thể biểu diễn đ- ợc không những ảnh hởng của các nhân tố tới tăng trởng kinh tế, mà còn có thể nêu lên mối quan hệ của chúng với nhau. Theo lý thuyết đã trình bày thì trong mô hình có chi tiêu của Chính Phủ (G) nhng khi ớc lợng mô hình này theo dạng logarit thì hệ số của một số biến sẽ không có ý nghĩa thống kê, nên để thu đợc mô hình nh mong đợi, chúng ta sẽ không cho biến này có mặt trong mô hình.
Mô hình có dạng nh sau:
log(GDP) = C(1)log(C) + C(2)log(I) + c(3)log(X) +C(4)log(M) log (C) = C(5) + C(6)log(GDP)
Trong đó:
GDP: Là tổng sản phẩm trong nớc tính theo giá thực tế (tỷ đồng) C: Chi tiêu của hộ gia đình tính theo giá thực tế (tỷ đồng)
I: Vốn đầu t phát triển của toàn xã hội tính theo giá thực tế (tỷ đồng) X: Tổng giá trị các hoạt động xuất khẩu hàng hoá và dich vụ của toàn bộ nền kinh tế tính theo giá thực tế (tỷ đồng)
M: Tổng giá trị các hoạt động nhập khẩu hàng hoá và dich vụ của toàn bộ nền kinh tế tính theo giá thực tế (tỷ đồng)
Lý do mà các biến này có mặt trong mô hình không những đợc khẳng định về mặt lý thuyết ở trên mà chúng ta còn có thể thấy đợc điều đó thông qua phân tích tơng quan, tức là kiểm định các hệ số tơng quan giữa các biến độc lập và biến phụ thuộc có ý nghĩa thống kê hay không. Phân tích này có thể đợc thực hiện bằng thủ tục phân tích tơng quan (Correlate) trong phần mềm SPSS (với dấu của các hệ số tơng quan không đổi khi ta chuyển các biến sang dạng logarit). -Hệ số tơng quan cặp: Correlations GDP C I X M GDP Pearson Correlation 1.000 .998 .998 .992 .979 Sig. (2-tailed) . .000 .000 .000 .000 N 13 13 13 13 13 C Pearson Correlation .998 1.000 .996 .985 .977 Sig. (2-tailed) .000 . .000 .000 .000 N 13 13 13 13 13 I Pearson Correlation .998 .996 1.000 .991 .985 Sig. (2-tailed) .000 .000 . .000 .000 N 13 13 13 13 13 X Pearson Correlation .992 .985 .991 1.000 .982 Sig. (2-tailed) .000 .000 .000 . .000 N 13 13 13 13 13 M Pearson Correlation .979 .977 .985 .982 1.000 Sig. (2-tailed) .000 .000 .000 .000 . N 13 13 13 13 13
** Correlation is significant at the 0.01 level (2-tailed).
Kết quả cho thấy có mối quan hệ tơng quan rất chặt chẽ giữa biến phụ thuộc với các biến độc lập (các giá trị P_value đều bằng 0.000 < α = 1%). Bên
cạnh đó, ta cũng nhận thấy giữa các biến độc lập cũng có mối quan hệ tơng quan lẫn nhau. Điều này là cơ sở cho thấy có hiện tợng đa cộng tuyến trong mô hình. Đây cũng là một điều dễ hiểu bởi vì tất cả các biến số kinh tế đều nằm trong một tổng thể nền kinh tế, đó chính là những đo lờng về các lĩnh vực khác nhau và tất yếu là chúng phải có quan hệ với nhau; Do đó, có thể khẳng định rằng hiện tợng đa cộng tuyến luôn tồn tại trong các mô hình kinh tế lợng. Điều mà chúng ta cần quan tâm ở đây chính là mức độ đa cộng tuyến đến đâu và nó ảnh hởng đến chất lợng của các ớc lợng đến mức độ nào. Thông qua chất lợng của ớc lợng mô hình, ta có thể trả lời các câu hỏi trên.