Đang tải... (xem toàn văn)
BÀI TẬP LỚN KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU PHÂN TÍCH BỘ SỐ LIỆU: GDP, ĐẦU TƯ (I), DÂN SỐ (P) CỦA VIỆT NAM Để đánh giá sự phát triển của một nền kinh tế thường có rất nhiều chỉ tiêu, nhưng có lẽ chỉ tiêu được quan tâm nhiều nhất đó là Tổng sản phẩm quốc nội (GDP). Sự phát triển của một nền kinh tế được đánh giá dựa trên quy mô của GDP và sự tăng trưởng của GDP.
TRƯỜNG ĐẠI HỌC KINH TẾ QUỐC DÂN VIỆN SAU ĐẠI HỌC BÀI TẬP LỚN KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU Học viên: ĐOÀN THỊ HUẾ Mã số:CH210415 Lớp:CH21D Số thứ tự: 27 PHÂN TÍCH BỘ SỐ LIỆU: GDP, ĐẦU TƯ (I), DÂN SỐ (P) CỦA VIỆT NAM Số quan sát: 33 Số biến số: 3 Loại số liệu: Số liệu theo thời gian Hà Nội, 12 / 2012 SỰ TÁC ĐỘNG CỦA ĐẦU TƯ VÀ DÂN SỐ TỚI TỒNG SẢN PHẨM QUỐC NỘI CỦA VIỆT NAM Sự cần thiết của vấn đề nghiên cứu Để đánh giá sự phát triển của một nền kinh tế thường có rất nhiều chỉ tiêu, nhưng có lẽ chỉ tiêu được quan tâm nhiều nhất đó là Tổng sản phẩm quốc nội (GDP). Sự phát triển của một nền kinh tế được đánh giá dựa trên quy mô của GDP và sự tăng trưởng của GDP. Theo kinh tế học GDP=C+I+G+(EX-IM) trong đó đầu tư I là một thành tố nằm trong GDP. Bên cạnh đó, dân số của một quốc gia là nhân tố quan trọng tạo nên GDP. Chính vì những lý do trên mà tôi lựa chọn phân tích tác động của đầu tư (I) và quy mô dân số (P) lên quy mô Tổng sản phẩm quốc dân của Việt Nam. Một số vấn đề: - Số liệu của mô hình được lấy từ năm 1980 đến năm 2012, - Nguồn số liệu: Theo tổ chức WB và IMF (Dữ liệu data2012_mfe.edu.vn) - GDP : Tổng sản phẩm quốc nội (đơn vị: tỷ USD) - I : Đầu tư (Đơn vị: tỷ USD) - P : Quy mô dân số (đơn vị:triệu người) I. XÂY DỰNG MÔ HÌNH Sau đây sẽ xây dựng mô hình hồi quy GDP theo 2 biến I và P. Mô hình mẫu: GDP = β1 + β2Ii+β3Pi Trên cơ sở đó ta có mô hình hồi quy tổng thể GDP = β1 + β2Ii+β3Pi + Ui 1. Hồi quy phương trình mẫu bằng phần mềmEview ta được kết quả(MH1) Dependent Variable: GDP Method: Least Squares Date: 01/19/13 Time: 17:40 Sample: 1980 2012 Included observations: 33 Variable Coefficient Std. Error t-Statistic Prob. C 56.59675 13.43951 4.211223 0.0002 I 2.955236 0.172758 17.10622 0.0000 P -0.719441 0.207669 -3.464354 0.0016 R-squared 0.956035 Mean dependent var 41.04458 Adjusted R-squared 0.953104 S.D. dependent var 33.78858 S.E. of regression 7.317047 Akaike info criterion 6.904799 Sum squared resid 1606.175 Schwarz criterion 7.040845 Log likelihood -110.9292 F-statistic 326.1837 Durbin-Watson stat 1.490911 Prob(F-statistic) 0.000000 Từ kết quả ước lượng trên ta thu được hàm hồi quy mẫu: ^ ^ ^ GDP = 56.59675 + 2.955236 I – 0.719441P 2. Ý nghĩa các giá trị của mô hình hồi quy * Giá trị β2 = 2.955236 > 0 tức là khi lượng đầu tư tăng them 1 tỷ USD thì GDP trung bình tăng lên 2.955236 tỷ USD với điều kiện dân số P không thay đổi. Điều này phù hợp với lý thuyết kinh tế: đầu tư tăng sẽ làm tăng GDP. * Giá trị β3 = -0.719441 < 0 tức là khi dân số tăng lên 1 triệu người thì GDP trung bình sẽ giảm 0.719441 tỷ USD với điều kiện đầu tư I không thay đổi. II. KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH. 1. Kiểm định giả thuyết về các hệ số hồi quy * Kiểm định sự ảnh hưởng của đầu tư I tới GDP Ta tiến hành kiểm định cặp giả thiết: H0: β2 = 0 ( Đầu tư I không ảnh hưởng tới GDP) H1: β2 ≠ 0 ( Đầu tư I có ảnh hưởng tới GDP) Với mức ý nghĩa 5% Ta có giá trị P_value của β2 = 0.0000 < 0.05 có cơ sở bác bỏ giả thiết Ho và chấp nhận H1, hay biến đầu tư I có ảnh hưởng tới GDP. * Kiểm định sự ảnh hưởng của quy mô dân số tới GDP Tiến hành kiểm định cặp giả thiết: H0: β3 = 0 ( Quy mô dân số P không ảnh hưởng tới GDP) H1: β3 ≠ 0 ( Quy mô dân số P có ảnh hưởng tới GDP) Ta có giá trị P_value của β3 = 0.0016 < 0.05. Có cơ sở bác bỏ giả thiết Ho, chấp nhận H1, hay biến đầu tư I có ảnh hưởng tới GDP. * Kiểm định sự phù hợp của hàm hồi quy: Ta tiến hành kiểm định cặp giả thuyết : H 0 : R 2 = 0 (Mô hình không phù hợp) H 1 : R 2 > 0 (Mô hình phù hợp) Bằng kiểm định F, theo kết quả MH1 ta có P_value = 0.0000 < 0.05. Có cơ sở bác bỏ Ho, chấp nhận H1. Hay mô hình trên phù hợp, cả hai biến I và P đều giải thích sự biến động của GDP. Ta có R 2 = 0.956035 có thể kết luận mô hình hồi quy giải thích được 95.6035 % sự biến động của GDP. 2. Kiểm định hiện tượng tự tương quan Kiểm định cặp giả thuyết: Ho: Mô hình (MH1) không có tự tương quan bậc nhất H1: Mô hình (MH1) có tự tương quan bậc nhất. Sử dụng kiểm định Breush-Godfrey để xem xét sự tương quan của mô hình 1, thu được kết quả: Breusch-Godfrey Serial Correlation LM Test: F-statistic 1.798540 Probability 0.190299 Obs*R-squared 1.927098 Probability 0.165076 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 01/19/13 Time: 22:13 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C 0.079983 13.26427 0.006030 0.9952 I 0.010781 0.170693 0.063161 0.9501 P -0.002183 0.204966 -0.010652 0.9916 RESID(-1) 0.246664 0.183927 1.341096 0.1903 R-squared 0.058397 Mean dependent var 3.77E-16 Adjusted R-squared -0.039010 S.D. dependent var 7.084700 S.E. of regression 7.221566 Akaike info criterion 6.905233 Sum squared resid 1512.379 Schwarz criterion 7.086628 Log likelihood -109.9363 F-statistic 0.599513 Durbin-Watson stat 1.962459 Prob(F-statistic) 0.620504 Với mức ý nghĩa 5% Theo kết quả trên bằng kiểm định F có P_value = 0.190299 > 0.05 chưa có cơ sở bác bỏ Ho, hay có thể cho là mô hình MH1 không có tự tương quan bậc 1. 3. Kiểm định hiện tượng PSSS thay đổi Kiểm định cặp giả thuyết: Ho: Mô hình (MH1) có PSSS đồng đều H1: Mô hình (MH1) có PSSS thay đổi Sử dụng kiểm định White có kết quả: White Heteroskedasticity Test: F-statistic 2.831223 Probability 0.043310 Obs*R-squared 9.503432 Probability 0.049677 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/19/13 Time: 22:14 Sample: 1980 2012 Included observations: 33 Variable Coefficient Std. Error t-Statistic Prob. C 375.0076 1665.888 0.225110 0.8235 I 10.33854 9.263168 1.116092 0.2739 I^2 -0.089765 0.127264 -0.705345 0.4864 P -6.841737 50.63743 -0.135112 0.8935 P^2 0.013290 0.386887 0.034350 0.9728 R-squared 0.287983 Mean dependent var 48.67197 Adjusted R-squared 0.186266 S.D. dependent var 95.99748 S.E. of regression 86.59664 Akaike info criterion 11.89913 Sum squared resid 209971.4 Schwarz criterion 12.12587 Log likelihood -191.3356 F-statistic 2.831223 Durbin-Watson stat 2.466275 Prob(F-statistic) 0.043310 Với mức ý nghìa 5% Theo kết quả trên bằng kiểm định khi bình phương ta có P_value = 0.049677 có thể cho gần bằng 0.05, đồng thời R 2 = 0.287983 khá nhỏ nên có thể cho rằng mô hình MH1 có PSSS đồng đều. 4. Kiểm định dạng hàm Kiểm định cặp giả thuyết: Ho: Mô hình (MH1) có dạng hàm đúng H1: Mô hình (MH1) có dạng hàm không đúng Sử dụng kiểm định Ramsey RESET ta thu được kết quả: Ramsey RESET Test: F-statistic 0.053052 Probability 0.819453 Log likelihood ratio 0.060314 Probability 0.806000 Test Equation: Dependent Variable: GDP Method: Least Squares Date: 01/19/13 Time: 22:16 Sample: 1980 2012 Included observations: 33 Variable Coefficient Std. Error t-Statistic Prob. C 58.79045 16.64985 3.530990 0.0014 I 3.089122 0.607210 5.087400 0.0000 P -0.759683 0.273966 -2.772908 0.0096 FITTED^2 -0.000340 0.001477 -0.230330 0.8195 R-squared 0.956116 Mean dependent var 41.04458 Adjusted R-squared 0.951576 S.D. dependent var 33.78858 S.E. of regression 7.435336 Akaike info criterion 6.963577 Sum squared resid 1603.242 Schwarz criterion 7.144972 Log likelihood -110.8990 F-statistic 210.6095 Durbin-Watson stat 1.439239 Prob(F-statistic) 0.000000 Với mức ý nghĩa 5% Theo kết quả trên bằng kiểm định F: P_value = 0.819453 > 0.05 chưa có cơ sở bác bỏ Ho, hay có thể cho rằng mô hình MH1 có dạng hàm đúng, không thiếu biến. 5. Kiểm định hiện tượng đa cộng tuyến Theo kết quả của MH1 ta có R 2 = 0.956035 (>0.8) nên có thể nghi ngờ mô hình trên có hiện tượng đa cộng tuyến. Ta tiến hành hồi quy phụ biến đầu tư I theo dân số P: I = α1 + α2P + v thu được kết quả MH2 Dependent Variable: I Method: Least Squares Date: 01/19/13 Time: 17:41 Sample: 1980 2012 Included observations: 33 Variable Coefficient Std. Error t-Statistic Prob. C -59.81011 8.934584 -6.694225 0.0000 P 0.993609 0.121515 8.176812 0.0000 R-squared 0.683222 Mean dependent var 12.43942 Adjusted R-squared 0.673003 S.D. dependent var 13.30286 S.E. of regression 7.607060 Akaike info criterion 6.954722 Sum squared resid 1793.888 Schwarz criterion 7.045420 Log likelihood -112.7529 F-statistic 66.86025 Durbin-Watson stat 0.164050 Prob(F-statistic) 0.000000 Kiểm định cặp giả thuyết: Ho: α2 = 0 : Mô hình gốc MH1 không có đa cộng tuyến H1: α2 ≠ 0 : Mô hình gốc MH2 có đa cộng tuyến Với mức ý nghĩa 5% Từ kết quả mô hình bằng kiểm định T ta có P_value = 0.0000 < 0.05 nên có cơ sở để bác bỏ Ho, chấp nhận H1 hay mô hình gốc MH1 có hiện tượng đa cộng tuyến. * Để xem xét sự tương quan giữa các biến ta lần lượt thực hiện - Bước 1: hồi quy mô hình ban đầu thu được : R 2 = 0.956035 - Bước 2: Hồi quy lần lượt + Hồi quy GDP theo I thu được MH3 Dependent Variable: GDP Method: Least Squares Date: 01/19/13 Time: 17:42 Sample: 1980 2012 Included observations: 33 Variable Coefficient Std. Error t-Statistic Prob. C 10.43692 2.044587 5.104658 0.0000 I 2.460537 0.113180 21.74008 0.0000 R-squared 0.938447 Mean dependent var 41.04458 Adjusted R-squared 0.936461 S.D. dependent var 33.78858 S.E. of regression 8.517040 Akaike info criterion 7.180706 Sum squared resid 2248.739 Schwarz criterion 7.271404 Log likelihood -116.4817 F-statistic 472.6311 Durbin-Watson stat 1.024683 Prob(F-statistic) 0.000000 + Hồi quy GDP theo P thu được MH4 Dependent Variable: GDP Method: Least Squares Date: 01/19/13 Time: 17:43 Sample: 1980 2012 Included observations: 33 Variable Coefficient Std. Error t-Statistic Prob. C -120.1562 27.72426 -4.333975 0.0001 P 2.216907 0.377066 5.879367 0.0000 R-squared 0.527201 Mean dependent var 41.04458 Adjusted R-squared 0.511949 S.D. dependent var 33.78858 S.E. of regression 23.60492 Akaike info criterion 9.219479 Sum squared resid 17272.95 Schwarz criterion 9.310176 Log likelihood -150.1214 F-statistic 34.56696 Durbin-Watson stat 0.232460 Prob(F-statistic) 0.000002 Ta có: Theo mô hình MH3:R(2) 2 = 0.938447 Theo mô hình MH4:R(3) 2 = 0.527210 Đo độ tương quan Thiel m = R 2 - ∑ = 3 2 ( j R 2 - R j 2 ) = 0.509622 * Mô hình trên có hiện tượng đa cộng tuyến tuy nhiên trong trường hợp này đa cộng tuyến chưa ở mức độ trầm trọng. Sở dĩ có đa cộng tuyến vì các biến được phân tích ở trên là các biến kinh tế vĩ mô, có sự tương quan và tác động qua lại lẫn nhau. * Để khắc phục hiện tượng đa cộng tuyến ta có thể thực hiện phương pháp bỏ biến: Ta có: khi bỏ biến dân số P thì R(2) 2 = 0.938447 Khi bỏ biến đầu tư I thì R(3) 2 = 0.527210 Có R(2) 2 > R(3) 2 nên có thể thực hiện bỏ biến dân số P và hồi quy mô hình GDP = β1 + β2Ii Kết quả hồi quy là MH3. Thực hiện các kiểm định tự động để xem xét hàm mới có phù hợp không. • Kiểm định tự tương quan bằng kiểm định Breush-Godfrey, có kết quả : Breusch-Godfrey Serial Correlation LM Test: F-statistic 8.223455 Probability 0.007497 Obs*R-squared 7.099673 Probability 0.007710 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 01/20/13 Time: 12:33 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C -0.366682 1.845722 -0.198666 0.8439 I 0.043350 0.103041 0.420706 0.6770 RESID(-1) 0.484491 0.168950 2.867657 0.0075 R-squared 0.215142 Mean dependent var -6.57E-15 Adjusted R-squared 0.162818 S.D. dependent var 8.382905 S.E. of regression 7.670162 Akaike info criterion 6.999061 Sum squared resid 1764.942 Schwarz criterion 7.135107 Log likelihood -112.4845 F-statistic 4.111728 Durbin-Watson stat 2.060064 Prob(F-statistic) 0.026416 Kiểm định cặp giả thuyết Ho: Mô hình (MH3) không có tự tương quan bậc nhất H1: Mô hình (MH3) có tự tương quan bậc nhất. Với mức ý nghĩa 5% bằng kiểm định F có giá trị P_value = 0.007497 < 0.05 có cơ sở bác bỏ Ho, chấp nhận H1 hay Mô hình MH3 có tự tương quan bậc nhất. Tuy nhiên, nhìn vào kết quả có R 2 = 0.215142 tức là sự tương quan thấp nên mô hình có thể chấp nhận được. • Kiểm định hiện tượng PSSS thay đổi Sử dụng kiểm định White White Heteroskedasticity Test: F-statistic 1.696055 Probability 0.200522 Obs*R-squared 3.352277 Probability 0.187095 Kiểm định cặp giả thuyết: Ho: Mô hình (MH3) có PSSS đồng đều H1: Mô hình (MH3) có PSSS thay đổi Với mức ý nghĩa 5% bằng kiểm định F có giá trị P_value = 0.200522 > 0.05 chưa có cơ sở bác bỏ Ho, hay mô hình MH3 có PSSS đồng đều. • Kiểm định dạng hàm Sử dụng kiểm định Ramsey RESET Ramsey RESET Test: F-statistic 1.695924 Probability 0.202732 Log likelihood ratio 1.814693 Probability 0.177946 Kiểm định cặp giả thuyết: Ho: Mô hình (MH1) có dạng hàm đúng H1: Mô hình (MH1) có dạng hàm không đúng Với mức ý nghĩa 5% bằng kiểm định F có P_value =0.202732 > 0.05 chưa có cơ sở bác bỏ Ho, hay mô hình MH3 có dạng hàm đúng. III. KẾT LUẬN Như vậy có thể dùng mô hình MH3 phân tích sự tác động của đầu tư I tới quy mô của Tổng sản phẩm quốc nội (GDP) để dự đoán sự thay đổi của GDP. • Mô hình dự báo Quy mô của GDP dựa vào: GDP = 10.43692 + 2.460537Ii + Vi + Dự báo trong mẫu: giả sử tại thời điểm 2000 dự báo GDP năm 2001 tại mức đầu tư của năm 2001 là I = 10.139 tỷ USD ta được GDP GDP(2001)=10.43692+2.46053*10.139=35.38423(tỷUSD) Thực tế năm 2001 GDP = 32.524 tỷ USD Sai số = 32.524 – 35.38423 = - 2.860234 (tỷ USD) + Dự báo ngoài mẫu: đứng tại thời điểm năm 2012 dự báo GDP của Việt Nam năm 2013 tại mức đầu tư của năm 2013 là I= 50 tỷ USD GDP(2013) = 10.43692 + 2.46053 * 50 = 133.4634 tỷ USD Dự báo trên sẽ có sai số lớn hơn bởi thực tế năm 2012 GDP = 137.68 tỷ USD, trong khi dự báo tốc độ tăng trưởng GDP năm 2013 vào khoảng 4-5 % khi đó GDP năm 2013 ước đạt 143.87 tỷ USD. . HỌC BÀI TẬP LỚN KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU Học viên: ĐOÀN THỊ HUẾ Mã số:CH210415 Lớp :CH21D Số thứ tự: 27 PHÂN TÍCH BỘ SỐ LIỆU: GDP, ĐẦU TƯ (I), DÂN SỐ (P) CỦA VIỆT NAM Số quan sát: 33 Số biến. t-Statistic Prob. C 0.079983 13.26 427 0.006030 0.9952 I 0.010781 0.170693 0.063161 0.9501 P -0.002183 0.204966 -0.010652 0.9916 RESID(-1) 0.246664 0.183 927 1.341096 0.1903 R-squared 0.058397. t-Statistic Prob. C 375.0076 1665.888 0.225110 0.8235 I 10.33854 9.263168 1.116092 0 .273 9 I^2 -0.089765 0. 1272 64 -0.705345 0.4864 P -6.841737 50.63743 -0.135112 0.8935 P^2 0.013290 0.386887 0.034350