BÀI TẬP LỚN MÔN KINH TẾ LƯỢNG

0
263
BÀI TẬP LỚN MÔN KINH TẾ LƯỢNG

BÀI TẬP LỚN MÔN KINH TẾ LƯỢNG

Mọi ý kiến đóng góp xin gửi vào hòm thư: hotroontap@gmail.com

Tổng hợp các đề cương đại học hiện có của Đại Học Hàng HảiĐề Cương VIMARU 

Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

(Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

Đề cương liên quan: Bài tập lớn mô hình Kinh tế lượng


Mục Lục

Tải ngay đề cương bản PDF tại đây: BÀI TẬP LỚN MÔN KINH TẾ LƯỢNG

BÀI TẬP LỚN MÔN KINH TẾ LƯỢNG

 

Đề bài

Cho các biến K,L FDI,GDP

Xây dựng mô hình    GDP=A. . . . (1)

Đơn vị:+GDP,A,K là tỷ USD

  +L là triệu người

Từ mô hình (1) ta chuyển đổi về dạng đơn giản hơn như sau:

lnGDP=lnA+ .lnK+ .lnL+ .lnFDI+Ui (2)

Yêu cầu

  1. Chạy phần mềm eview để đưa ra mô hình hồi quy mẫu của (1) và (2). Nêu ý nghĩa của các hệ số.
  2. Mô hình (2) có đa cộng tuyến hay không?
  3. Mô hình (2) có phương sai sai số không?
  4. Mô hình (2) có tự tương quan hay không?
  5. Mô hình (2) có thiếu biến hay thừa biến không?

 

Bảng số liệu như sau:

K

L

FDI

GDP

12.68300

11.85000

1.169000

57.65000

24.99720

2.230000

63.12000

112.6000

47.46720

2.900000

138.4000

204.6000

54.33880

2.670000

189.7000

222.7000

71.63640

50.13000

31.66000

294.8000

72.29580

10.91000

77.70000

357.9000

85.09000

12.50000

45.40000

335.0000

86.82240

4.940000

41.32000

326.4000

89.00000

45.73000

29.23000

222.5000

94.15420

22.49000

37.66000

431.9000

98.19600

20.49000

90.40000

467.6000

115.2140

16.10000

60.04000

523.7000

127.1411

7.500000

450.9000

638.9000

142.4500

37.12000

69.06000

519.9000

199.5616

108.0000

21.91000

845.6000

211.6368

10.90000

246.2000

766.8000

280.2800

17.90000

398.4000

1274.000

290.8950

45.38000

236.2000

1353.000

329.0020

99.47000

214.3000

1838.000

335.2680

23.99000

133.0000

1206.000

370.8000

24.86000

294.8000

1800.000

392.9010

30.71000

1135.000

2147.000

402.7440

75.10000

271.6000

2076.000

419.4960

22.01000

439.4000

1362.000

427.8690

27.76000

697.4000

2067.000

521.2720

43.63000

763.9000

2833.000

942.8700

516.4000

67.72000

2965.000

1064.497

66.70000

88.62000

4417.000

2162.160

146.1000

1818.000

13860.00

2972.146

803.3000

758.9000

7043.000

BÀI LÀM

 

1.Xét hàm hồi quy mẫu

i= 1+ 2.lnKi+ 3.lnLi+ 4.lnFDIi

Với 1=lnA

      2=

      3=

    4=

Bước 1 Nhập số liệu vào eview.

Bước 2 Tại ô gõ câu lệnh LS log(GDP) C log(K) log(L) log(FDI)

Sau đó ta có kết quả bảng eview:

Suy ra MHHQ mẫu:

i=1,479245+0,908368lnKi+0,008015lnLi+0,087486lnFDIi

Suy ra mô hình (2) :

  • lnGDP =1,479245+0,908368lnKi+0,008015lnLi+0,087486lnFDIi +Ui

Từ kết quả trên ta được lnA=1,479245 => A= =4.38963

=0,908368

=0,008015

=0,087486

Suy ra mô hình (1):

GDP=4.38963. . . .

* Ý nghĩa của các hệ số

– 2: khi vốn tăng lên 1 tỷ USD,các yếu tố khác không thay đổi thì GDP tăng lên 0,908368 tỷ USD.

3: khi số lượng lao động tăng lên 1 triệu người,các yếu tố khác không đổi thì GDP tăng lên 0,008015 tỷ USD.

4: khi vốn đầu từ trực tiếp từ nước ngoài tăng lên 1 tỷ USD,các yếu tố khác không đổi thì GDP tăng lên 0,087486 USD.

2.Phát hiện hiện tượng đa cộng tuyến

a.Phương pháp R2 cao và ttn thấp

Từ kết quả mô hình hồi quy thu được ở trên khi chạy eview ta thấy như sau:

R2=0,973080>0,8àR2 cao

Các ttn lần lượt là 9.095672 ;0.122274 và 1.615056 đem so sánh với  = =2.056 à Các ttn không đồng thời nhỏ hơn  nên chưa thể kết luận mô hình có hiện tượng đa cộng tuyến hay không.

b.Phương pháp hệ số tương quan cặp cao

Từ cửa sổ chính eview chọn quick/group statistics/correlations. Cửa sổ series list xuất hiện sau đó đưa vào danh sách các biến của ma trận tương quan.

Ta có kết qủa hiển thị ma trận tương quan như sau:

Nếu hệ số tương quan cặp giữa các biến giải thích cao ( >0.8) thì có khả năng tồn tại hiện tượng đa cộng tuyến.

Nhìn vào bảng trên thì ta thấy  nhưng lại <0.8.Suy ra chưa thể kết luận được mô hình có hiện tượng đa cộng tuyến hay không.

c.Phương pháp hồi quy phụ:

Hồi quy lần lượt các biến giải thích theo các biến giải thích còn lại.

Giả sử hồi quy biến FDI theo biến K và L.

Suy ra mô hình hồi quy lnFDIi= 1+ 2.lnKi+ 3.lnLi+vi

Chạy kết quả eview bằng cách viết công thức vào màn hinh chính

Ls log(FDI) C log(K) log(L)

Mô hình hồi quy:

lnFDIi= + .lnKi .lnLi thu được R2=0.753507.

Có =0.05 cần kiểm định giả thiết  Ho: R2=0

                                                          H1: R2  0

Ta có tiêu chuẩn kiểm định: F=

Nếu Ho đúng thì F F(k-1,n-k)

Ta thấy P-value của thống kê F =0<  .Vậy nên bác bỏ giả thiết cho rằng không có hiện tượng đa cộng tuyến.

Kết luận:Với mức ý nghĩa   =5% có thể nói rằng  mô hình có hiện tượng đa cộng tuyến.

3.Phát hiện hiện tượng phương sai sai số

a.Phương pháp dựa trên biến phụ thuộc

Bước 1: Ước lượng mô hình ban đầu

i=1,479245+0,908368lnKi+0,008015lnLi+0,087486lnFDIi

Bước 2: Ước lượng mô hình = 1+ 2ln i2+vi

Tạo biến , ta được bảng kết quả

Sử dụng phần mềm tạo lnGDP: vào forecast -> tích vào log(GDP) và điền YF vào forecast name.

 

Chạy eview:

Tại cửa sổ chính vào Quick -> estimate equation -> hiện bảng nhập Ei2 c yf

 

Kiểm định giả thuyết:    Ho: R2=0(không có phương sai sai số thay đổi)

                                       H1: R2  0(có phương sai sai số thay đổi)

Ta có tiêu chuẩn kiểm định: F= 2 .Nếu H0 đúng thì F F(1,n-2)

Nhìn vào bảng eview thấy p-value của ftn=0.038260<0.05 suy ra bác bỏ H0,chấp nhận H1

Kết luận với =0.05 thì mô hình có hiện tượng phương sai sai số thay đổi

  1. Kiểm định park

-Hồi quy mô hình gốc thu được phần dư ei.

+ Ước lượng mô hình hồ quy Lnei2= 1+ 2.ln(ln(Ki)+vi

Từ cửa sổ chính Eviews, chọn Quick/ Estimate Equation

Tại cửa sổ Equation Specification nhập tên các biến của mô hình như sau:

 Log(Ei^2) C Log(log(K))àOK

Chạy eview ta thu được kết quả:

 

Suy ra mô hình hồi quy: Lnei2= + .ln(ln(Ki)+vi

Kiểm định giả thiết        Ho: 2=0(không có phương sai thay đổi)

                                        H1: 2≠0(có phương sai thay đổi)

Tiêu chuẩn kiểm định: T=      Nếu  đúng thì T

Nhìn vào bảng ta thấy p-value=0.2293>0.05àchấp nhận Ho, bác bỏ H1

Vậy với mức ý nghĩa =0.05 có thể nói mô hình không có hiện tượng phương sai sai số thay đổi

+ Ước lượng mô hình hồi quy Lnei2= 1+ 2.ln(ln(Li)+vi

Tương tự

Từ cửa sổ chính Eviews, chọn Quick/ Estimate Equation

Tại cửa sổ Equation Specification nhập tên các biến của mô hình như sau:

 Log(Ei^2) C Log(log(L))àOK

 

Suy ra mô hình hồi quy: Lnei2= + .ln(ln(Li)+vi

Kiểm định giả thiết        Ho: 2=0(không có phương sai thay đổi)

                                        H1: 2≠0(có phương sai thay đổi)

Tiêu chuẩn kiểm định: T=      Nếu  đúng thì T

Nhìn vào bảng ta thấy p-value=0.1903>0.05àchấp nhận Ho,bác bỏ H1

Vậy với mức ý nghĩa =0.05 có thể nói mô hình không có hiện tượng phương sai sai số thay đổi.

+ Ước lượng mô hình hồi quy Lnei2= 1+ 2.ln(ln(FDIi)+vi

Tương tự chạy eview thu được kết quả:

 

Suy ra mô hình hồi quy:Ln ei2= -0.239734.ln(ln(FDIi)+vi

Kiểm định giả thiết        Ho: 2=0(không có phương sai thay đổi)

                                        H1: 2≠0(có phương sai thay đổi)

Tiêu chuẩn kiểm định: T=      Nếu  đúng thì T

Nhìn vào bảng ta thấy p-value=0.6867>0.05àchấp nhận Ho,bác bỏ H1.

Vậy với mức ý nghĩa =0.05 thì mô hình không có hiện tượng phương sai sai số thay đổi.

=> Kết luận chung Với mức ý nghĩa =0.05 thì mô hình có xuật hiện hiện tượng phương sai sai số thay đổi.

 

  1. Kiểm định glejser

Ta đã tạo được phần dư e ở trên nên chỉ phải ước lượng mô hình

  • Chọn mô hình : |ei| = β1 + β2ln(Ki)+ vi để ước lượng

Tại vị trí gõ lệnh, ta gõ cú pháp sau: ABS(Ei) C log(K)

 Chạy eview thu được bảng

 

Suy ra mô hình hồi quy:|ei| = -0.059054 + 0.040758ln(Ki)+ vi

Kiểm định giả thiết        Ho: 2=0(không có phương sai thay đổi)

                                      H1: 2≠0(có phương sai thay đổi)

Ta có tiêu chuẩn kiểm định: T=      Nếu  đúng thì T

Từ bảng thấy P-value=0.0292<0.05 nên suy ra bác bỏ H0 chấp nhận H1.

Vậy với mức ý nghĩa =0.05 mô hình có xuất hiện phương sai sai số thay đổi.

  • Chọn mô hình : |ei| = β1 + β2ln(Li)+ vi để ước lượng

Chạy eview ta thu được:

 

Suy ra mô hình hồi quy: |ei| = 0.007808 + 0.045048ln(Li)+ vi

Kiểm định giả thiết        Ho: 2=0(không có phương sai thay đổi)

                                      H1: 2≠0(có phương sai thay đổi)

Ta có tiêu chuẩn kiểm định: T=      Nếu  đúng thì T

Từ bảng thấy P-value= 0.0059<0.05 nên suy ra bác bỏ H0 chấp nhận H1.

Vậy với mức ý nghĩa mô hình có xuất hiện phương sai sai số thay đổi.

  • Chọn mô hình : |ei| = β1 + β2ln(FDIi)+ vi để ước lượng

Chạy eview ta thu được:

 

Suy ra mô hình hồi quy: |ei| = 0.098770 + 0.011792ln(FDIi)+ vi

Kiểm định giả thiết        Ho: 2=0(không có phương sai thay đổi)

                                      H1: 2≠0(có phương sai thay đổi)

Ta có tiêu chuẩn kiểm định: T=      Nếu  đúng thì T

Từ bảng thấy P-value=0.465119>0.05 suy ra chấp nhận H0 bác bỏ H1.

Vậy với mức ý nghĩa =0.05 mô hình không có hiện tượng phương sai sai số thay đổi.

àKết luận chung:Với mức ý nghĩa 0.05 thì chúng ta chưa thể kết luận mô hình có hiện tượng phương sai sai số thay đổi hay không.

  1. Kiểm định White:

Ước lượng mô hình hồi quy:ei2= 1+  2ln(K) +  3ln(L) +  4ln(FDI) +  5ln2(K) +  6ln2(L) +  7ln2(FDI) +  8ln(K).ln(L) +  9ln(L).ln(FDI) +  10ln(K).ln(FDI) + ui

 

Chạy eview thu được kết quả:

 

Suy ra mô hình: ei2=0.448595 -0.240865 ln(K) + 0.088626ln(L) + 0.005712ln(FDI) + 0.024483ln2(K) + 0.031051ln2(L) -0.019771ln2(FDI) -0.056395ln(K).ln(L) + 0.003875ln(L).ln(FDI) + 0.034515ln(K).ln(FDI) + ui

Kiểm định giả thiết:   Ho:R2=0(không có phương sai sai số thay đổi)

                                    H1:R2  0(có phương sai sai số thay đổi)

 

Xây dựng tiêu chuẩn kiểm định:

Nếu  đúng thì 

Nhìn vào bảng ta thấy P-value=0.0485<0.05 suy ra bác bỏ H0,chấp nhận H1.

Kết luận với mức ý nghĩa =0.05 thì mô hình có xuất hiện hiện tượng phương sai sai số thay đổi.

4.Phát hiện hiện tượng tự tương quan

  1. Kiểm định d.Durbin – Watson

Bằng phương pháp ước lượng bình phương nhỏ nhất, ta có bảng kết quả sau:

 

Mô hình hồi quy gốc

t=1,479245+0,908368lnKt+ 0,008015lnLt+0,087486lnFDIt

Bài toán kiểm định:

 

Tiêu chuẩn kiểm định

Thay số suy ra:

Với

 

Ta có các khoảng sau:

            0     (1)      dL       (2)        dU       (3)    4-dU       (4)     4-dL         (5)               4

           0                                                2.35                   2.786                    4

 

Từ bảng Eview, ta có  nên mô hình không có tự tương quan.

b.Kiểm định Breush – Godfrey (BG)

Kiểm định tự tương quan bậc 1

Từ bảng kết quả eview ta suy ra mô hình hồi quy gốc từ ý 1:

t=1,479245+0,908368lnKt+ 0,008015lnLt+0,087486lnFDIt

Giả sử có hiện tượng

Ước lượng mô hình sau đây bằng phương pháp OLS:

Chạy lại eview bằng cách:

Từ cửa sổ equation,chọn views/residual test/serial correlation LM test

Cửa sổ Lag specificationànhập số thời kì p cho biến trễ .kết quả xuất hiện bảng như sau:

 

Bài toán kiểm định

 

Tiêu chuẩn kiểm định

Nếu

Nhìn vào bảng eview có P-value=0.1361>0.05àchấp nhận H0.

Vậy mô hình không có tự tương quan bậc 1.

-Kiểm định tự tương quan bậc 2.

Làm tương tự như trên ta có kết quả eview

 

Mô hình hồi quy gốc:

t=1,479245+0,908368lnKt+ 0,008015lnLt+0,087486lnFDIt

Ước lượng mô hình

Suy ra

Bài toán kiểm định 

 

Tiêu chuẩn kiểm định

Nếu

Từ bảng kết quả Eview, ta thấy  nên chấp nhận H0,  bác bỏ H1

Vậy mô hình không có tự tương quan bậc 2.

  1. Mô hình thừa biến hay thiếu biến

a.Kiểm định sự thừa biến

Bước 1: Ước lượng mô hình (2)

Log(GDP) C Log(K) Log(L) Log(FDI)

 

Từ bảng kết quả ta có mô hình hồi quy

LnGDP = 1.479245 + 0.908368  + 0.008015 + 0.087486

  • Kiểm định thừa biến Ln(K)

+ Chọn View/Coeficient Tests/Redundant Variables – Likelihood Ratio

+ Gõ tên biến cần kiểm tra Log(K) vào hộp Omitted- Redundant Variable Tests ta được kết quả

 

Giả thiết               Ho: 2=0 (biến Log(K) là không cần thiết)

                             H1: 2≠0 (biến Log(K) là cần thiết)

Ta thấy Prob(F-Statistic ) = 0 <α = 0.05 nên bác bỏ Ho

Kết luận biến log(K) là biến cần thiết trong mô hình

  • Kiểm định thừa biến Ln(L)

+ Chọn View/Coeficient Tests/Redundant Variables – Likelihood Ratio

+ Gõ tên biến cần kiểm tra Log(L) vào hộp Omitted- Redundant Variable Tests ta được kết quả

 

Giả thiết           Ho: 3=0 (biến Log(L) là không cần thiết)

                         H1: 3≠0 (biến Log(L) là cần thiết)

Ta thấy Prob( F-Statistic)= 0 < α =0.05 nên bác bỏ Ho

Kết luận Biến Log(L) là cần thiết cho mô hình

  • Kiểm định thừa biến Ln(FDI)

+ Chọn View/Coeficient Tests/Redundant Variables – Likelihood Ratio

+ Gõ tên biến cần kiểm tra Log(FDI) vào hộp Omitted- Redundant Variable Tests ta được kết quả

 

Giả thiết           Ho: 4=0 (biến Log(FDI) là không cần thiết)

                         H1: 4≠0 (biến Log(FDI) là cần thiết)

Ta thấy Prob( F-Statistic)= 0 < α =0.05 nên bác bỏ Ho

Kết luận Biến Log(FDI) là cần thiết cho mô hình

Kết luận chung: Với α= 0.05 mô hình (2) không thừa biến

  1. Mô hình thiếu biến

–  Bước 1 Sử dụng phần mềm Eviews ta được bảng kết quả

 

Hồi quy mô hình(2) ta được mô hình sau:

 LnGDP = 1.479245 + 0.908368  + 0.008015 + 0.087486

  • = 0.973080
  • Bước 2 Hồi quy mô hình

LnGDP= 1+ 2.lnKi+ 3.lnLi+ 4.lnFDIi +  + Vi

Từ cửa sổ equation => stability test => Ramsey reset test

Ta được bảng kết quả

Từ bảng kết quả ta thu được mô hinh

LnGDP=1.528175+).882845.lnKi+0.007223.lnLi+0.085943.lnFDIi +  

  • = 0.973091
  •  

Tiêu chuẩn kiểm định

F= .

Từ bảng kết quả ta có

Prob(F-Statistic)=0<  =0.05 nên bác bỏ Ho

  • Chấp nhận Ho, bác bỏ H1
  • Kết luận Với α=0.05 mô hình không thiếu biến

Tải xuống tài liệu học tập PDF miễn phí

Tải Xuống Tại Đây

LEAVE A REPLY

Please enter your comment!
Please enter your name here