Bài giảng Kinh tế lượng - Chương 1: Nhập môn kinh tế lượng

Nội dung text: Bài giảng Kinh tế lượng - Chương 1: Nhập môn kinh tế lượng

1. 1.2 PHƯƠNG PHÁP LUẬN 3. Thu thập, xử lý số liệu Năm GDP (X) Chi tiêu tiêu dùng (Y) 1995 195567 142916 1996 213833 155909 1997 231264 165125 1998 244596 172498 1999 256272 176976 2000 273666 182420 2001 292535 190577 2002 313247 205114 2003 336243 221545 Bảng 1.1 GDP và tiêu dùng cá nhân của Việt Nam tính theo giá 1994 (Đv: tỷ đồng)11 (Nguồn: Tổng Cục Thống kê Việt Nam)
2. 1.2 PHƯƠNG PHÁP LUẬN Hình 1.2 Biểu đồ phân tán của GDP (X) và tiêu dùng cá nhân (Y) của Việt Nam (1995-2003) 12
3. 1.2 PHƯƠNG PHÁP LUẬN 4. Ước lượng các tham số Theo phương pháp bình phương nhỏ nhất thông thường (OLS- Ordinary Least Squares) Ŷi= 43,08986 + 0,519794Xi (1.3) Tại sao có ký hiệu Ŷi ? 13
4. 1.2 PHƯƠNG PHÁP LUẬN • (1.3) là ước lượng mô hình (1.2) khi sử dụng bảng số liệu bảng 1.1 và không có thành phần nhiễu • Ý nghĩa: Nếu loại trừ yếu tố nhiễu thì tác động của thu nhập ảnh hưởng đến tiêu dùng cá nhân (xét về mặt giá trị trung bình) được đo lường theo biểu thức (1.3) • Cụ thể: Nếu thu nhập trong nước tăng (hay giảm) 1 tỷ đồng thì bình quân chi tiêu tiêu dùng cá nhân tăng (hay giảm) xấp xỉ 0,519794 tỷ đồng. 14
5. 1.2 PHƯƠNG PHÁP LUẬN Vì sao tác động của thu nhập đối với tiêu dùng cá nhân chỉ được giải thích là “xấp xỉ”? Vì: Nếu lấy mẫu khác thì kết quả ước lượng có thể khác nhau. Kết quả tìm được chỉ là ước lượng gần đúng cho các tham số của mô hình. 15
6. 1.2 PHƯƠNG PHÁP LUẬN 5. Kiểm định giả thuyết nhằm - Xác định mức độ phù hợp về mặt lý thuyết của mô hình - Xác định dạng mô hình và chẩn đoán dấu hiệu có thể vi phạm các giả thiết cổ điển của mô hình kinh tế lượng Trong ví dụ trên: - Đánh giá mức độ ý nghĩa thống kê của con số 0,519794 trong mô hình (1.3) - Nếu mô hình ước lượng được chẩn đoán là tốt thì có thể sử dụng để dự báo và củng cố luận cứ kinh tế 16
7. 1.2 PHƯƠNG PHÁP LUẬN 6. Dự báo Giả sử mô hình (1.3) được đánh giá tốt. Sử dụng mô hình này để tính chi tiêu cá nhân Việt Nam năm 2006 nếu GDP 2006 Việt Nam đạt 425000 tỷ đồng Ŷ2006= 43,08986 + 0,519794 *(425000) Ŷ2006 =220955 (tỷ đồng) 17
8. MÔ HÌNH HỒI QUY (1) Mô hình hồi quy tuyến tính đơn Y= α+βX +u với α tung độ gốc hoặc hệ số chặn, β độ dốc của đường thẳng (gọi chung hai loại hệ số này là hệ số hồi quy) Y biến phụ thuộc X biến độc lập u nhiễu, số dư, sai số (2) Mô hình hồi quy tuyến tính bội Y=α+β1X1+ β2X2++ βkXk+u 18
9. 1.3 PHÂN TÍCH HỒI QUY Nghiên cứu mối liên hệ phụ thuộc của một biến (biến phụ thuộc, biến được giải thích) với một hay nhiều biến khác (biến độc lập, biến giải thích) VD: Y   X Phân tích hồi quy nhằm: 1 2 - Ước lượng giá trị trung bình của biến phụ thuộc với giá trị đã biết của biến độc lập - Kiểm định giả thiết về bản chất quan hệ phụ thuộc - Dự đoán giá trị trung bình của biến phụ thuộc - Kết hợp các vấn đề trên 19
10. 1.3 PHÂN TÍCH HỒI QUY 1. Hàm hồi quy tổng thể PRF (Population Regression Function) Là hàm hồi quy được xây dựng dựa trên kết quả khảo sát tổng thể. Hàm hồi qui tổng thể có dạng: E(Y/Xi) = f(Xi) 20
11. 1.3 PHÂN TÍCH HỒI QUY o Hàm hồi qui tổng thể cho biết giá trị trung bình của biến Y sẽ thay đổi như thế nào khi biến X nhận các giá trị khác nhau. o Hồi quy đơn (hồi quy hai biến): nếu PRF có một biến độc lập. Hồi quy bội (hồi quy nhiều biến): nếu PRF có hai biến độc lập trở lên 21
12. 1.3 PHÂN TÍCH HỒI QUY Ví dụ khảo sát chi tiêu và thu nhập của 60 hộ gia đình tại một khu vực ở Mỹ với giả thiết khu vực này là tổng thể nghiên cứu. Gọi X: thu nhập hàng tuần của các hộ gia đình (USD) Y: mức chi tiêu trong tuần (USD) 22
13. 1.3 PHÂN TÍCH HỒI QUY X 80 100 120 140 160 180 200 220 240 260 Y 55 65 79 80 102 110 120 135 137 150 60 70 84 93 107 115 136 137 145 152 65 74 90 95 110 120 140 140 155 175 70 80 94 103 116 130 144 152 165 178 75 85 98 108 118 135 145 157 175 180 88 113 125 140 160 189 185 115 162 191 E(Y/Xi) 65 77 89 101 113 125 137 149 161 173 Bảng 1.2 Số liệu thu nhập và chi tiêu của 60 hộ gia đình 23 (Nguồn: D.N. Gujarati)
14. 1.3 PHÂN TÍCH HỒI QUY Hình 1.3 Biểu đồ phân tán giá của Y theo X 24
15. 1.3 PHÂN TÍCH HỒI QUY Hình 1.4 Biểu đồ phân tán giá trị trung bình của Y theo X 25
16. 1.3 PHÂN TÍCH HỒI QUY • Mô hình hồi quy tổng thể dạng xác định: E(Y/Xi) = f(Xi)= β1 + β2Xi (1.4) • Dạng ngẫu nhiên: Yi = E(Y/Xi) + Ui = β1 + β2Xi + Ui (1.5) Với E(Y/Xi): trung bình của Y với điều kiện X nhận giá trị Xi Yi : giá trị quan sát thứ i của biến phụ thuộc Y Ui : nhiễu (sai số ngẫu nhiên, độ lệch giữa giá trị quan sát Yi và E(Y/Xi)) β1,, β2: tham số, hệ số hồi quy 26
17. 1.3 PHÂN TÍCH HỒI QUY β1: hệ số chặn, hệ số tự do, tung độ góc, cho biết giá trị trung bình của biến phụ thuộc Y là bao nhiêu khi biến độc lập X nhận giá trị 0 β2 : hệ số góc, độ dốc, cho biết giá trị trung bình của Y sẽ thay đổi (tăng, giảm) bao nhiêu đơn vị khi giá trị của X tăng lên 1 đơn vị với điều kiện các yếu tố khác không đổi. 27
18. 1.3 PHÂN TÍCH HỒI QUY Ví dụ trên, ở nhóm hộ có mức thu nhập 100 USD/tuần thì hộ thứ nhất có mức chi tiêu Y1= 65 = E(Y/X=100) + U1 = 77 + U1 Với U1 = -12 USD Hộ thứ sáu Y6= 88= E(Y/X=100) + U6 = 77 + U6 Với U6 = 11 USD 28
19. 1.3 PHÂN TÍCH HỒI QUY Ui : biểu thị cho ảnh hưởng của các yếu tố đối với biến phụ thuộc mà không được đưa vào mô hình. Sự tồn tại của nhiễu do: - Nhà nghiên cứu không biết hết các yếu tố ảnh hưởng đến biến phụ thuộc Y. Hoặc nếu biết cũng không thể có số liệu cho mọi yếu tố - Không thể đưa tất cả yếu tố vào mô hình vì làm mô hình phức tạp - Sai số đo lường trong khi thu thập số liệu - Bỏ sót biến giải thích - Dạng mô hình hồi quy không phù hợp 29
20. 1.3 PHÂN TÍCH HỒI QUY Hàm hồi quy tuyến tính được hiểu là hồi quy tuyến tính đối với tham số Ví dụ các hàm hồi quy tuyến tính Ví dụ các hàm không phải hồi quy tuyến tính 30
21. 1.3 PHÂN TÍCH HỒI QUY 2. Hàm hồi quy mẫu SRF (Sample Regression Function) Thực tế, không có điều kiện khảo sát tổng thể -> lấy mẫu -> xây dựng hàm hồi quy mẫu -> ước lượng giá trị trung bình của biến phụ thuộc từ số liệu mẫu 31
22. 1.3 PHÂN TÍCH HỒI QUY PRF dạng xác định • E(Y/Xi) = f(Xi)= β1 + β2Xi dạng ngẫu nhiên • Yi = E(Y/Xi) + Ui = β1 + β2Xi + Ui SRF dạng xác định ˆ ˆ ˆ Y i  1  2 X i • dạng ngẫu nhiên ˆ ˆ ˆ Y i Y i e i  1  2 X i e i 32
23. 1.3 PHÂN TÍCH HỒI QUY Trong đó: Ŷi : ước lượng điểm của E(Y/Xi) ˆ , ˆ 1 2 : ước lượng điểm của β1 , β2 ei : ước lượng điểm của Ui và được gọi là phần dư (residuals) 33
24. 1.4 CÁC LOẠI QUAN HỆ 1. Quan hệ thống kê và quan hệ hàm số Quan hệ thống kê: ứng với mỗi giá trị của biến độc lập có thể có nhiều giá trị khác nhau của biến phụ thuộc -> phản ánh mối quan hệ không chính xác- > đối tượng của phân tích hồi quy VD: chi tiêu- thu nhập của 60 hộ gia đình Quan hệ hàm số: các biến không phải là ngẫu nhiên, ứng với mỗi giá trị của biến độc lập chỉ duy nhất một giá trị của biến phụ thuộc -> phản ánh mối quan hệ chính xác VD: cách tính lương cơ bản= đơn giá lương * hệ số lương 34
25. 1.4 CÁC LOẠI QUAN HỆ 2. Hàm hồi quy và quan hệ nhân quả Quan hệ nhân quả: Biến X (biến độc lập) -> biến Y (biến phụ thuộc) (nhân) (quả) Nhưng thực tế không thể xác định rõ ràng biến nào quy định biến nào Phân tích hồi quy không nhất thiết bao hàm quan hệ nhân quả VD: tiêu dùng phụ thuộc vào thu nhập nhưng thu nhập không hẳn là nguyên nhân khiến con người tiêu dùng 35
26. 1.4 CÁC LOẠI QUAN HỆ 3. Hồi quy và tương quan Phân tích tương quan: đo lường liên kết tuyến tính giữa hai biến và hai biến có vai trò đối xứng VD: quan hệ tương quan cao giữa hút thuốc và ung thư phổi Phân tích hồi quy: ước lượng hoặc dự báo giá trị trung bình của biến phụ thuộc dựa trên giá trị xác định của biến độc lập. 36
27. 1.5 SỐ LIỆU Số liệu trong phân tích hồi quy có được từ hai nguồn thu thập • Số liệu thử nghiệm: tiến hành thử nghiệm theo những điều kiện nhất định VD: trồng giống lúa mới trên các thửa ruộng thí nghiệm, thực hiện các chế độ chăm sóc giống lúa này và ghi chép lại số liêu liên quan đến quá trình sinh trưởng, khả năng phòng chống sâu bệnh, năng suất lúa. • Số liệu thực tế không bị kiểm soát bởi nhà nghiên cứu. VD: giá vàng, số liệu GDP 37
28. 1.5 PHÂN LOẠI SỐ LIỆU 1. Số liệu chuỗi thời gian: số liệu của biến điều tra từ một thực thể ứng với các thời điểm khác nhau VD: chỉ số VN-Index sàn HoSE từ ngày 2.1.2010 đến 15.1.2010 2. Số liệu chéo: số liệu của biến điều tra từ các thực thể khác nhau tại cùng một thời điểm VD: giá vàng tại TPHCM, Hà Nội, Cần Thơ ngày 2.1.2010 38
29. 1.5 PHÂN LOẠI SỐ LIỆU 3. Số liệu hỗn hợp (số liệu bảng) Là kết hợp của hai dạng trên VD: giá vàng SJC bán ra trong tuần từ 8.2.2010 đến 12.2.2010 tại TPHCM, Hà Nội, Cần Thơ, Đà Nẵng Chất lượng số liệu phụ thuộc nhiều yếu tố: - Vấn đề sai số trong quá trình thu thập số liệu - Hiệu quả của phương pháp điều tra chọn mẫu - Mức độ tổng hợp và bảo mật của số liệu 39
30. BÀI TẬP 1. Cho mô hình Y=β1 + β2 X + U. Hãy dự đoán dấu của β2 theo các trường hợp sau: a. Mức cầu của một loại hàng hóa (Y) và giá bán (X) b. Lượng tiền mặt lưu giữ trên thu nhập của cá nhân (Y) với mức lạm phát (X) c. Lượng khách đi xe buýt (Y) và giá bán lẻ xăng (X) 40