Tài liệu Bài tập lớn môn kinh tế lượng

  • Số trang: 12 |
  • Loại file: DOC |
  • Lượt xem: 199 |
  • Lượt tải: 0
thanhdoannguyen

Đã đăng 13569 tài liệu

Mô tả:

Bài tập lớn Kinh tế lượng LỜI MỞ ĐẦU Trong giỏ hàng hóa của người tiêu dùng, thực phẩm luôn chiếm tỉ trọng lớn. Lượng cầu thực phẩm của người tiêu dùng do đó không chỉ là mối quan tâm của những công ty sản xuất-cung cấp thực phẩm, mà còn là mối quan tâm của chính phủ và các nhà kinh tế. Các nhà kinh Mỹ tế sau khi có được những số liệu thống kê về lượng cầu thịt gà - một loại thực phẩm được yêu thích ở Mỹ - trong 2 thập niên 60-70 đã đặt ra vấn đề : Những nhân tố nào ảnh hưởng đến lượng cầu của thịt gà ? Trong đề tài này, giả thiết rằng lượng cầu của thịt gà phụ thuộc vào 2 nhân tố : thu nhập bình quân của người tiêu dùng và giá của thịt gà. Theo lý thuyết kinh tế, thịt gà là hàng hóa thông thường, do đó cầu thịt gà sẽ tuân theo luật cầu. Từ mô hình được xây dựng trong đề tài, ta có thể một lần nữa khẳng định sự đúng đắn cùa lý thuyết luật cầu, cũng như có một hình dung cơ bản nhất về cầu thịt gà của người tiêu dùng Mỹ trong 2 thập niên 60-70. 1 Bài tập lớn Kinh tế lượng NỘI DUNG 1. Mô tả số liệu Cầu thịt gà ở Mỹ từ năm 1960 - 1980 Năm 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 Y 27.8 29.9 29.8 30.8 31.2 33.3 35.6 36.4 36.7 38.4 40.4 40.3 41.8 40.4 40.7 40.1 42.7 44.1 46.7 50.6 50.1 X2 397.5 413.3 439.2 459.7 492.9 528.6 560.3 624.6 666.4 717.8 768.2 843.3 911.6 931.1 1021.5 1165.9 1349.6 1449.4 1575.5 1759.1 1994.2 X3 42.2 38.1 40.3 39.5 37.3 38.1 39.3 37.8 38.4 40.1 38.6 39.8 39.7 52.1 48.9 58.3 57.9 56.5 63.7 61.6 58.9 Trong đó: Y: lượng tiêu thụ thịt gà/người (đơn vị: pao); X2: thu nhập khả dụng/ người (đv: đôla); X3: giá bán lẻ thịt gà; Các đơn giá X2,X3 đều có đơn vị là cent/ pao và đều là giá thực tế, tức là giá hiện thời chia cho chỉ số giá tiêu dùng của lương thực theo cùng gốc thời gian. Giả sử ta có mô hình: (1) Y  1   2 X 2  3 X 3 Hồi quy mô hình (1) bằng Eview ta thu được kết quả sau: Bảng 1: Hồi quy mô hình Y  1  2 X 2  3 X 3 2 Bài tập lớn Kinh tế lượng Dependent Variable: Y Method: Least Squares Date: 03/02/10 Time: 08:30 Sample: 1960 1980 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C X2 X3 35.03203 3.309970 0.017968 0.002140 -0.279720 0.106795 10.58379 8.395568 -2.619229 0.0000 0.0000 0.0174 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.916662 0.907403 1.978835 70.48417 -42.51180 0.814252 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 38.46667 6.502948 4.334457 4.483675 98.99446 0.000000 Từ kết quả ước lượng trên ta thu được: (PRF): E (Y / X 2, X 3)  1   2 X 2  3 X 3 (SRF): Y  35.03203  0.017968X 2  0.279720X 3 2. Phân tích kết quả hồi quy 1. Ý nghĩa kinh tế của các hệ số hồi quy Ta thấy: ^  1  35.03203 - > 0 cho ta biết thu nhập bình quân/đầu người và giá bán lẻ thịt gà không đổi thì lượng cầu thịt gà là 35.03203 đơn vị. ^  2  0.017968 Do khi thu nhập bình quân/đầu - >0 2 người tăng, tiêu dùng tăng. Do đó có ý nghĩa kinh tế ^  2  0.017968 cho ta thấy: khi giá bán lẻ thịt gà không đổi, thu nhập bình quân/đầu người tăng 1 đơn vị sẽ làm lượng cầu thịt gà tăng 0.017968 đơn vị 3 Bài tập lớn Kinh tế lượng - <0 phù hợp với lý thuyết kinh ^  0.27972 3 tế do khi giá tăng, lượng cầu sẽ giảm. cho ta biết khi các yếu tố khác ^  0.27972 3 không đổi, giá thịt gà tăng 1 đơn vị sẽ làm cho lượng cầu thịt gà giảm 0.0.27972 đơn vị 2. Ý nghĩa thống kê của các hệ số hồi quy Kiểm định cặp giả thiết: � �H 0 :  j  0 ( j  2,3) � �H1 :  j �0 Tiêu chuẩn kiểm định: T ˆˆj   j ~ T (n  3) Se( ˆ ) j Miền bác bỏ 18 W  (T : T  t0.025  2.101) - Từ kết quả hồi quy ta có: � � Tqs2= 8.395568 Bác bỏ H0, chấp nhận W 2 H1có ý nghĩa thống kê  � �3 H1có ý nghĩa thống kê Tqs3=-2.619229 Bác bỏ H0, chấp nhận W 3. Khoảng tin cậy cho các hệ số hồi quy Khoảng tin cậy cho các hệ số hồi quy được cho bởi công thức sau: ˆ i  t  / 2 (n  k ) Se( ˆ i )   i  ˆ i  t  / 2 ( n  k ) Se( ˆ i )  Khoảng tin cậy cho hệ số chặn được tính theo: ˆ1  t( n/23) Se( ˆ1 )  1  ˆ1  t( n/23) Se( ˆ1 ) � 1 35.03203-2.101* 3.309970 < < 35.03203+2.101* 3.309970 � 1 28.07778 < < 41.98628 Điều đó có nghĩa là khi các yếu tố khác không đổi, lượng cầu thịt gà nằm trong khoảng (28.07778; 41.98628) đơn vị 4 Bài tập lớn Kinh tế lượng  Khoảng tin cậy cho hệ số hồi quy  2 riêng được tính theo: ˆ2  t( n/23) Se( ˆ2 )   2  ˆ2  t( n/23) Se( ˆ2 ) � 0.013472 < <  2 0.022464 Điều đó cho thấy khi thu nhập bình quân đầu người tăng 1 đơn vị,giá bán lẻ thịt gà không đổi thì lượng cầu thịt gà tăng trong khoảng (0.013472;0.022464) đơn vị.  Khoảng tin cậy cho hệ số hồi quy 3 riêng được tính theo ˆ3  t( n/23) Se( ˆ3 )   3  ˆ3  t( n/23) Se( ˆ3 )  3 -0.055344 -0.504096 < < � Điều đó cho thấy khi giá bán lẻ thịt gà tăng 1 đơn vị, thu nhập bình quân đầu người không đổi thì lượng cầu thịt gà sẽ giảm trong khoảng (0.055344;0.504096) đơn vị 4. Kiểm định sự phù hợp của mô hình Kiểm định cặp giả thiết : 2 � �H 0 : R  0 � 2 �H1 : R �0 Tiêu chuẩn kiểm định: F Miền bác bỏ =(F: F > R 2 / (2) ~ F (2,18) (1  R 2 ) /W (18)  F0.05(2;18)=3.55) Ta có Fqs=98.99446 � W  Bác bỏ H0, chấp nhận H1 � Mô hình phù hợp � R2=0.916662 cho thấy các biến độc lập giải thích được 91.662% sự biến động của biến phụ thuộc 3. Kiểm định khuyết tật của mô hình 3.1 Đa cộng tuyến 3.1.1 Kiểm định hiện tượng đa cộng tuyến Nghi ngờ mô hình (1) có hiện tượng đa cộng tuyến do X3 và X2 có quan hệ tuyến tính với nhau. Ta kiểm định bằng cách thực hiện hồi quy phụ: 5 Bài tập lớn Kinh tế lượng (2) X 3  1   2 X 2 Thực hiện hồi quy mô hình (2) bằng Eview ta thu được kết quả sau Bảng 2: Hồi quy mô X 3  1   2 X 2 hình Dependent Variable: X3 Method: Least Squares Date: 03/02/10 Time: 09:16 Sample: 1960 1980 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C X2 29.68267 0.018027 14.50638 8.975447 0.0000 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.809158 0.799113 4.250915 343.3353 -59.13665 1.128673 2.046181 0.002008 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 46.05238 9.484335 5.822538 5.922017 80.55865 0.000000 Kiểm định cặp giả thiết : 2 �H 0 : R(2) 0 � �H : R 2 �0 Tiêu chuẩn kiểm định: 1 (2) � � 2 R(2) / (1) F ~ F (1,19) 2 (1  R ) / (19) (2) W Miền bác bỏ =(F: F >  F0.05(1;19)=4.38) � � nhận H Ta thấy Fqs= 80.55865 bác bỏ Ho, chấp W 1  Mô hình ban đầu có hiện tượng đa cộng � tuyến 3.1.2 Khắc phục hiện tượng đa cộng tuyến Bỏ biến X2 ra khỏi mô hình (1), ta được mô hình mới: (3) Y  1   3 X3 6 Bài tập lớn Kinh tế lượng Hồi quy mô hình (3) bằng Eview ta có kết quả sau: Dependent Variable: Y Method: Least Squares Date: 03/02/10 Time: 09:22 Sample: 1960 1980 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C X3 14.20612 0.526803 3.003844 5.232406 0.0073 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.590324 0.568762 4.270404 346.4906 -59.23271 0.522917 4.729314 0.100681 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 38.46667 6.502948 5.831687 5.931165 27.37807 0.000047 Kiểm định cặp giả thiết : Tiêu chuẩn kiểm định: 2 �H 0 : R(3) 0 � �H : R 2 �0 1 (3) � � 2 R(2) / (1) F ~ F (1,19) 2 (1  R(2) ) / (19) Miền bác bỏ =(F: F > F0.05(1;19)=4.38) W � � nhận H Ta thấy Fqs= 27.37807 bác bỏ H0, chấp W 1  Vậy mô hình (3) là phù hợp. Mô hình (3) không còn hiện tượng đa cộng tuyến do chỉ có 1 biến độc lập. Ta đã khắc phục được hiện tượng đa cộng tuyến ở mô hình ban đầu 7 Bài tập lớn Kinh tế lượng 3.2 Hiện tượng tự tương quan 3.2.1 Kiểm định hiện tượng tự tương quan Thực hiện kiểm định Breusch-Godfrey ta được bảng sau : Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 7.448974 6.398160 Prob. F(1,17) Prob. Chi-Square(1) 0.014274 0.011424 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 03/02/10 Time: 09:25 Sample: 1960 1980 Included observations: 21 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C X2 X3 RESID(-1) -1.628321 -0.002353 0.078507 0.733163 -0.561090 -1.159929 0.817418 2.729281 0.5821 0.2621 0.4250 0.0143 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.304674 0.181970 1.697913 49.00945 -38.69636 1.354334 2.902065 0.002029 0.096043 0.268628 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) -2.96E-16 1.877288 4.066320 4.265277 2.482991 0.095801 8 Bài tập lớn Kinh tế lượng 2 Dùng tiêu chuẩn kiểm địnhta thấy 2(1) W  (  2 :  2   0.05  3.84146) Miền bác bỏ 2 � �W Mô hình có tự tương quan 1 bậc  q  6.398160 nào đó. 3.2.2 Khắc phục hiện tượng tự tương quan Dựa trên thống kê Durbin-Watson, � �1  d 2 chúng ta có thể ước lượng được Ta quay trở lại với mô hình ban đầu: Yt  1   2 X 2t   3 X 3t  U t (*) Nếu (1) đúng với t thì cũng đúng với t-1 nên ta có : Yt 1  1   2 X 2t 1  3 X 3t 1  U t 1 (**) Nhân cả 2 vế của (**) với  ta được: Yt 1  1   2 X 2t 1  3 X 3t 1  U t 1 (***) Lấy (*) trừ đi (***) ta được: Yt  Yt 1  1 (1   )   2 ( X 2t  X 2t 1 )  3 ( X 3t  X 3t1 )  U t  U t 1 (****) Đặt (****) 1*  1 (1   );  2*   2 ;  3*   3 * * * trở Yt  Yt  Yt 1 ; X 2  X 2  X 2 ; X 3  X 3  X 3 ;   U t  U t 1 t t 1 Yt *  1*   2* X 2*t  3* X 3*t   t (1a ) t t t 1 t thành: Vì t thỏa mãn các giả thiết của phương pháp OLS thông thường, hiện tượng tự tương quan ở mô hình ban đầu đã được khắc phục. 9 Bài tập lớn Kinh tế lượng 3.3 Phương sai sai số thay đổi 3.3.1 Kiểm định Ta sử dụng kiểm định White, tiến hành hồi quy không có tích chéo: et2  1   2 X 2   3 X 3   4 X 22   5 X 32  vt (5) Hồi quy bằng Eview ta được bảng kết quả sau White Heteroskedasticity Test: F-statistic Obs*R-squared 5.432521 12.09464 Prob. F(4,16) Prob. Chi-Square(4) 0.005864 0.016661 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 03/02/10 Time: 10:08 Sample: 1960 1980 Included observations: 21 Variable Coefficient Std. Error t-Statistic Prob. C X2 X2^2 X3 X3^2 -80.20875 -0.023875 1.36E-05 4.033442 -0.042888 -2.237158 -2.716833 3.842303 2.605416 -2.704695 0.0399 0.0152 0.0014 0.0191 0.0156 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.575935 0.469919 3.112201 154.9728 -50.78434 2.651522 Kiểm định cặp giả thiết Dùng kiểm định ~F(4;16) Ta có =(F: F > F(4;16)=3.01) 35.85296 0.008788 3.54E-06 1.548099 0.015857 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 3.356389 4.274611 5.312794 5.561490 5.432521 0.005864 2 � �H 0 : R  0 � 2 �H1 : R �0 F 2 R(5) /4 2 (1 WR(5) ) / 16  � � Fqs=5.432521 Bác bỏ H0, chấp nhận H1 W  → mô hình ban đầu có hiện tượng phương sai sai số thay đổi 3.3.2 Khắc phục 10 Bài tập lớn Kinh tế lượng Chia cả 2 về của (1) cho ta được Đặt Khi đó (6) trở i X X U Y 1  1   2 2i  3 3i  i (6) Yi i1  i X  i Xi U Y *  ; X 1*i  ; X 2*i  2i ; X 3*i  3i ;U i*  i i i i i i thành : Y *  1 X 1*i   2 X 2*i   3 X 3*i  U i* (7) Ta thấy (7) thỏa mãn đầy đủ các giả thiết của phương pháp OLS cổ điển. Hiện tượng phương sai sai số thay đổi đã được khắc phục 11 Bài tập lớn Kinh tế lượng KẾT LUẬN Ước lượng mô hình ban đầu cho �  0; �  0 2 3 ta kết quả cho thấy lượng cầu của thịt gà tỉ lệ thuận vơi thu nhập bình quân đầu người và tỉ lệ nghịch với giá bán lẻ thịt gà. Mô hình đã xác nhận tính chính xác của lý thuyết luật cầu đối với hàng hóa thông thường. Từ mô hình đã xây dựng được ở trên, có thể biểu diễn được mối quan hệ cơ bản nhất của lượng cầu hàng hóa thông thường với thu nhập bình quân và giá của hàng hóa đó. Từ đó có thể giúp đỡ các nhà kinh tế trong việc định giá cũng như định mức sản lượng tối ưu. 12
- Xem thêm -