Xuất khẩu gạo

TRƯỜNG ĐẠI HỌC THƯƠNG MẠI
KHOA QUẢN TRỊ KINH DOANH

--- ---
BÀI THẢO LUẬN

HỌC PHẦN: KINH TẾ LƯỢNG
ĐỀ TÀI: TIẾN HÀNH THU THẬP VÀ XÂY DỰNG MÔ HÌNH NGHIÊN CỨU
VỀ GIÁ TRỊ XUẤT KHẨU GẠO Ở VIỆT NAM THÔNG QUA ÍT NHẤT 3
NHÂN TỐ ẢNH HƯỞNG, TỪ ĐÓ KIỂM TRA VÀ KHẮC PHỤC CÁC
KHUYẾT TẬT CỦA MÔ HÌNH
Giáo viên hướng dẫn: Mai Hải An
Lớp học phần : 2104AMAT0411
Nhóm :3
Năm học 2020-2021
1
Mục lục
A.LỜI MỞ ĐẦU..................................................................................3
B. CƠ SỞ LÍ THUYẾT.......................................................................3
C. THỰC HÀNH.................................................................................8
1, Mô hình hồi quy...........................................................................................8
2. Kiểm tra thừa biến, thiếu biến.................................................................10
2.1: Kiểm tra thừa biến:............................................................................10
2.2: Kiểm tra thiếu biến............................................................................16
3. Kiểm tra khuyết tật mô hình....................................................................18
3.1. Phương sai sai số thay đổi..................................................................18
3.2. Tự tương quan....................................................................................21
3.3 Đa cộng tuyến.......................................................................................25
4. Khắc phục hiện tượng đa cộng tuyến (bỏ bớt biến độc lập ).................28
4.1 Bỏ biến X.............................................................................................28
4.2 Bỏ biến Z..............................................................................................30
4.3 Bỏ biến K..............................................................................................31
4.4 Bỏ biến S...............................................................................................32
5. Mô hình cuối và ý nghĩa của mô hình hồi quy........................................32
D.KẾT LUẬN....................................................................................33
2
Danh sách thành viên nhóm 3:
19. Nguyễn Viết Việt Khánh
20. Đoàn Thanh Khương
21. Nguyễn Thị Lan
22. Bùi Thị Liên
23. Nguyễn Phú Lin
24. Bạch Diệu Linh
25. Đào Diệp Linh
26. Nguyễn Hà Linh
27. Phạm Thị Loan
A.LỜI MỞ ĐẦU
Năm 2020 vừa qua, trong bối cảnh nhiều doanh nghiệp trong lĩnh vực công nghiệp và
dịch vụ lao đao vì dịch Covid 19, ngành nông nghiệp lại nổi lên như một điểm sáng,
một trụ đỡ cho nền kinh tế Việt Nam với mức đóng góp hơn 41 tỷ USD kim ngạch
xuất khẩu. Theo ước tính của liên bộ, xuất khẩu gạo năm 2020 đạt khoảng 6,15 triệu
tấn, trị giá đạt khoảng 3,07 tỷ USD. Mặc dù lượng gạo xuất khẩu giảm khoảng 3,5%
so với năm 2019, chủ yếu vì mục tiêu bảo đảm an ninh lương thực quốc gia, nhưng trị
giá xuất khẩu lại tăng tới 9,3%. Giá xuất khẩu bình quân cả năm ước đạt 499 USD/tấn,
tăng 3,3% so với năm 2019.
Vậy đối với một nền nông nghiệp lúa gạo mang tính quan trọng như vậy thì những
nhân tố ảnh hưởng đến giá trị xuất khẩu gạo sẽ luôn là một trong những vấn đề được
quan tâm hàng đầu. Trong bài thảo luận này, nhóm 3 sẽ đi sâu vào các yếu tố: Năng
suất, chỉ số giá tiêu dùng, diện tích gieo trồng, sản lượng trong nước, thu nhập bình
quân.
B. CƠ SỞ LÍ THUYẾT
I. Các khuyết tật của mô hình
1. Thừa biến:
Y i=β 1 + β 2 X i+ β3 Z i + β 4 T i+u i
Chọn mô hình: Y i=α 1 +α 2 X i + α 3 Z i +α 4 T i +ui
Khi đó α^1 trở thành ước lượng vững của β 1 và α^2là ước lượng không chệch của β 2
nhưng nó không còn hiệu quả
Phương sai của hàm hồi quy trở thành ước lượng vững.
2. Thiếu biến:
3
- TH1: Nếu biến cần X kcó số liệu
+ Ước lượng mô hình có thêm X k
+ Kiểm tra hàm số của X k =0
- TH2 : Không biết số liệu của X k
Kiểm định Reset of Ramsey
B1: Ước lượng mô hình gốc ban đầu:
Y i=β 1 + β 2 X i+ β3 Z i + β 4 T i+ …+ui
Thu được R2old và Yî
B2: Ước lượng mới
Y i= β '1+ β '2. X i + ... + β 'k . X ki+ α 2 Y 2i + ... +α ρ Y iρ+ vi
Thu được R2new
H 1 :mô hình không thiếu ( ρ−1 ) biến

B3: BTKĐ: { H 2 :mô hình thiếu ( ρ−1 ) biến
H 0 : α 2=....=α ρ
1
{
=> H :∋α ,α ≠ 0
2 ρ
3. Đa cộng tuyến:
a) Khái niệm
Trong các giả định của mô hình hồi quy tuyến tính cổ điển (CLRM), có giả thiết: Các
biến độc lập không có mối quan hệ tuyến tính chính xác. Nếu giả thiết này vi phạm, sẽ
có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ
thuộc lẫn nhau và thể hiện được dưới dạng hàm số.
b) Bản chất của đa cộng tuyến
Xét mô hình hồi quy tuyến tính cổ điển nhiều biến:
Y i=β 1 + β 2 X i+ β3 Z i + β 4 T i+ …+ui
- Đa cộng tuyến hoàn hảo ( toàn phần )
Nếu tồn tại i không đồng thời bằng 0 thõa mãn:
= 0 ∀ i thì mô hình có đa cộng tuyến hoàn hảo
4
- Đa cộng tuyến không toàn phần
Nếu tồn tại i không đồng thời bằng 0 và ∀ i thõa mãn:
= 0 ∀ i, ∀ i≈ 0
=> Mô hình xảy ra hiện tượng đa cộng tuyến không toàn phần
Nhận xét: Trong thực tế chủ yếu gặp phải đa cộng tuyến không toàn phần.
Có 3 cách phát hiện đa cộng tuyến:
Cách 1: Tìm ma trận tương quan giữa các biến giải thích trong mô hình
Hệ số R2 lớn nhưng tỷ số t nhỏ
Trong trường hợp R2 cao (thường R2 > 0,8) mà tỷ số t thấp thì đó chính là dấu hiệu của
hiện tượng đa cộng tuyến.
Nhược điểm: Chỉ thể hiện rõ khi có đa cộng tuyến ở mức độ cao.
Cách 2: Hệ số tương quan cặp
=> Mô hình có cơ sở để khẳng định đa cộng tuyến
Cách 3: Thực hiện mô hình hồi quy phụ (hồi quy của mỗi biến độc lập theo các
biến độc lập còn lại)
KĐGT:
TCKĐ:
F= nếu H0 đúng thì F
Với α cho trước ta tìm được C = f α (k−1, n−k)
Nếu F > C, bác bỏ H 0
c) Khắc phục đa cộng tuyến
- Giải pháp 1: Bỏ bớt biến độc lập (điều này xảy ra với giả định rằng không có mối
quan hệ giữa biến phụ thuộc và biến độc lập bị loại bỏ mô hình)
- Giải pháp 2: Bổ sung dữ liệu hoặc tìm dữ liệu mới, tìm mẫu dữ liệu khác hoặc gia
tăng cỡ mẫu.
5
- Giải pháp 3: Thay đổi dạng mô hình, mô hình kinh tế lượng có nhiều dạng hàm khác
nhau. Thay đổi dạng mô hình cũng có nghĩa là tái cấu trúc mô hình.
- Giải pháp 4: Sử dụng phương trình sai phân cấp 1
4. Phương sai sai số thay đổi:
a) Kiểm định Park:
KĐGT:
TCKĐ:
T= nếu H0 đúng thì T
Dựa vào bảng kiểm định park bằng phần mềm Eviews ta có được: p-value
Với α cho trước, nếu p-value < α= 5%, bác bỏ H0
b) Kiểm định White:
KĐGT:
TCKĐ:
X2 =n.R2 nếu H0 đúng Xα2(df)
Dựa vào bảng kiểm định white bằng phần mềm Eviews ta có được p-value
Với α cho trước, nếu p-value < α=5%, bác bỏ H0
c) Kiểm định Glijser:
KĐGT:
TCKĐ:
T= nếu H0 đúng thì T
Dựa vào bảng kiểm định white bằng phần mềm Eviews ta có được p-value
d) Kiểm định G-Q:

6
KĐGT:
TCKĐ:
RSS 2 /df 2
F= F(df 2 ,df 1 )
RSS1 /df 1
Wα={Ftn: Ftn > F(df 2 ,df 1 )}
5. Tự tương quan:
a) Kiểm định B-G:
Xét mô hình: Yt = b1+ b2Xt + Ut (1)
với Ut =r1Ut-1+ r2Ut-2 +…+ rpUt-p+ et
et thỏa mãn các giả thiết của mô hình cổ điển cần kiểm định
Giả thuyết: :
TCKĐ:
= (n nếu H0 đúng thì
Dựa vào bảng kiểm định B-G bằng phần mềm Eviews ta có được: p-value
b) Kiểm định D-W:
Xét mô hình hồi qui có tự tương quan bậc nhất (Ut =rUt-1+et (-1 £ r £1)
Giả thuyết:
TCKĐ:
d=
Trường hợp tự tương quan bậc nhât ( với n và k’, tra bảng thống kê d ta tìm được
và ):
- Nếu 0 < d < d l : có tự tương quan dương

7
- Nếu d l ≤ d ≤ d u , 4−d u ≤ d ≤ 4−d l:không đủ cơ sở để kết luận
- Nếu d u <d < 4−d u: không có tự tương quan
- Nếu 4−d l ≤ d ≤ 4: có tự tương quan âm
C. THỰC HÀNH
1, Mô hình hồi quy
Ta có bảng số liệu xuất khẩu gạo năm 2005-2020
Năm Giá trị Năng Chỉ số Diện tích Sản Thu

xuất suất giá tiêu gieo lượng nhập
khẩu dùng trồng trong bình
Tạ/ha
(Triệu nước quân
(%) (nghìn
USD) X đầu
ha) (Nghìn
Z người
Y tấn)
M
(USD)
S
K
2005 1400 48.9 108.40 7329.2 35832.9 700
2006 1300 48.9 106.60 7324.8 35849.5 796
2007 1500 49.9 112.60 7207.4 35942.7 919
2008 2900 52.3 119.89 7400.2 38729.8 1145
2009 2670 52.4 106.52 7437.2 38950.2 1160
2010 3200 53.4 111.75 7489.4 40005.6 1273
2011 3700 55.4 118.13 7655.4 42398.5 1517
2012 3670 56.4 106.81 7761.2 43737.8 1749
2013 2900 55.7 106.04 7902.5 44039.1 1960
2014 3000 57.5 101.84 7816.2 44974.6 2052
2015 2800 57.6 100.60 7828.0 45091.0 2109
2016 2100 55.8 104.74 7737.1 43165.1 2200
2017 2600 55.5 102.60 7705.2 42798.9 2385
2018 3100 58.2 102.98 7570.9 44046.0 2587
2019 2800 58.2 105.23 7470.135 43448.2 3000
8
2020 3007 50.7 103.23 7577.621 61521.3 3521
Yî=−16035.8+ 270.5753 X+ 52.2044 Z−0.895473 M +0.162734 S−0.93569 K
*Ý nghĩa hệ số hồi quy

^
β 2= 270.5753 có nghĩa là khi Chỉ số giá tiêu dùng, diện tích gieo trồng, sản lượng trong
nước , thu nhập bình quân đầu người là không đổi thì năng suất tăng lên 1 tấn/ha thì
sản lượng suất khẩu gạo trung bình tăng lên 270.5753triệu USD
^
β 3=52.2044 có nghĩa là khi năng suất, diện tích gieo trồng, sản lượng trong nước , thu
nhập bình quân đầu người là không đổi thì chỉ số giá tiêu dùng tăng lên 1% thì sản
lượng suất khẩu gạo trung bình tăng lên 52.2044 triệu USD
^
β 4 =−0.895473 có nghĩa là khi chỉ số giá tiêu dùng, năng suất, sản lượng trong nước ,
thu nhập bình quân đầu người là không đổi thì diện tích gieo trồng tăng lên 1000 ha thì
sản lượng suất khẩu gạo trung bình giảm đi 0.895473triệu USD
^
β 5=0.162734 có nghĩa là khi chỉ số giá tiêu dùng, năng suất, diện tích gieo trồng , thu
nhập bình quân đầu người là không đổi thì sản lượng trong nước tăng lên 1000 tấn thì
sản lượng suất khẩu gạo trung bình tăng lên 0.162734 triệu USD
^
β 6=−0.93569 có nghĩa là khi chỉ số giá tiêu dùng, năng suất, sản lượng trong nước ,
diện tích gieo trồng là không đổi thì thu nhập bình quân đầu người tăng lên 1 USD thì
sản lượng suất khẩu gạo trung bình giảm đi 0.93569triệu USD
9
2. Kiểm tra thừa biến, thiếu biến
2.1: Kiểm tra thừa biến:
 TH1: Với mức ý nghĩa α=0,05 có nên loại bỏ biến năng suất (X) khỏi mô hình
không?
Giả sử mô hình đúng: Y t =β 1+ β2 X t + β3 Z t + β 4 M t + β5 S t + β 6 K t +U t
H 0 : β 2=0 (biến năng suất không ảnh hưởng đến giá trị xuất khẩu )
BTKĐ: { H 1 : β2 ≠ 0(biến năng suất có ảnh hưởng đến giá trị xuất khẩu )
^
β 2−0 n−6
TCKĐ: T= T
^
Se ( β 2)
Ta có bảng Eviews:
Dependent Variable: Y
Method: Least Squares
Date: 04/18/21 Time: 21:27
Sample: 1 16
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C -16035.80 5184.550 -3.092997 0.0114

X 270.5753 69.13041 3.913984 0.0029
Z 52.20440 21.09895 2.474265 0.0329
M -0.895473 0.944258 -0.948335 0.3653
S 0.162734 0.047092 3.455681 0.0062
K -0.935690 0.398634 -2.347238 0.0408
R-squared 0.861204 Mean dependent var 2665.438

Adjusted R-squared 0.791807 S.D. dependent var 733.8000
S.E. of regression 334.8199 Akaike info criterion 14.74506
Sum squared resid 1121043. Schwarz criterion 15.03478
Log likelihood -111.9605 Hannan-Quinn criter. 14.75989
F-statistic 12.40968 Durbin-Watson stat 1.692546
Prob(F-statistic) 0.000503
Ta thấy Pvalue =¿ 0,0029 < 5% => Bác bỏ H 0, chấp nhận H 1
Kết luận: Với mức ý nghĩa α =5 % , không nên loại bỏ biến năng suất (X) ra khỏi mô
hình.
10
 TH2: Với mức ý nghĩa α=0,05 có nên loại bỏ biến chỉ số giá tiêu dùng (Z) khỏi
mô hình không?
Giả sử mô hình đúng: Y t =β 1+ β2 X t + β3 Z t + β 4 M t + β5 S t + β 6 K t +U t
H 0 : β 3=0(bi ế n c hỉ s ố gi á ti ê u d ù ng k hô ng ả n h hưở ng đế n gi á tr ị xu ấ t k hẩ u)
BTKĐ: { H 1 : β 3 ≠ 0( biế n c hỉ s ố giá ti ê u d ù ng c ó ả n hhưở ng đế n gi á tr ị xu ấ t k hẩ u)
^
β 3−0 n−6
TCKĐ : T = T
Se ( ^
β 3)
Ta có bảng Eviews :
Date: 04/18/21 Time: 21:27
Sample: 1 16
C -16035.80 5184.550 -3.092997 0.0114

X 270.5753 69.13041 3.913984 0.0029
Z 52.20440 21.09895 2.474265 0.0329
M -0.895473 0.944258 -0.948335 0.3653
S 0.162734 0.047092 3.455681 0.0062
K -0.935690 0.398634 -2.347238 0.0408

Ta thấy: Pvalue =0,0329 <5% => Bác bỏ H o, chấp nhận H 1
Kết luận : : Với mức ý nghĩa α=5%, không nên loại bỏ biến chỉ số giá tiêu dùng (Z)
ra khỏi mô hình.
11
 TH3 : Với mức ý nghĩa α=0,05 có nên loại bỏ biến diện tích gieo trồng (M)
khỏi mô hình không?
Giả sử mô hình đúng : Y t =β 1+ β2 X t + β3 Z t + β 4 M t + β5 S t + β 6 K t +U t
H 0 : β 4 =0( biế n di ệ n t í c h gieotr ồ ng k hô ng ả n h hưở ng đế n gi á tr ị xu ấ t k hẩ u)

BTKĐ: { H 1 : β 4 ≠ 0(bi ế n di ệ n t í c h gieo tr ồ ng c ó ả n h hưở ng đế n gi á tr ị xu ấ t k hẩ u)
^
β 4 −0 n−6
TCKĐ : T = T
Se ( ^
β4)
Date: 04/18/21 Time: 21:27
Sample: 1 16
C -16035.80 5184.550 -3.092997 0.0114

X 270.5753 69.13041 3.913984 0.0029
Z 52.20440 21.09895 2.474265 0.0329
M -0.895473 0.944258 -0.948335 0.3653
S 0.162734 0.047092 3.455681 0.0062
K -0.935690 0.398634 -2.347238 0.0408

Ta thấy: Pvalue =0,3653 >5% => Chấp nhận H o, bác bỏ H 1
12
Kết luận : : Với mức ý nghĩa α=5%, nên loại bỏ biến diện tích gieo trồng (M) ra
khỏi mô hình.
 TH4 : Với mức ý nghĩa α=0,05 có nên loại bỏ biến sản lượng trong nước (S)
khỏi mô hình không?
H 0 : β 5=0(bi ế n s ả n lượ ng trong n ướ c k hô ng ả n h hưở ng đế n giá tr ị xu ấ t k hẩ u)

BTKĐ: { H 1 : β 5 ≠ 0( biế n s ả n l ượ ng trong n ướ c c ó ả n h hưở ng đế n giá tr ị xu ấ t k hẩ u)
^
β 5−0 n−6
TCKĐ : T = T
Se ( ^
β 5)
Date: 04/18/21 Time: 21:27
Sample: 1 16
C -16035.80 5184.550 -3.092997 0.0114

X 270.5753 69.13041 3.913984 0.0029
Z 52.20440 21.09895 2.474265 0.0329
M -0.895473 0.944258 -0.948335 0.3653
S 0.162734 0.047092 3.455681 0.0062
K -0.935690 0.398634 -2.347238 0.0408


13
Kết luận : Với mức ý nghĩa α=5%, không nên loại bỏ biến sản lượng trong nước
(S) ra khỏi mô hình.
 TH5: Với mức ý nghĩa α=0,05 có nên loại bỏ biến thu nhập bình quân đầu
người (K) khỏi mô hình không?
BTKĐ:
H 0 : β 6=0(bi ế n t hu n hậ p bì n h qu â n đầ u ng ườ i k hô ng ả n h hưở ng đế n gi á tr ị xu ấ t k hẩ u)
{ H 1 : β 6 ≠ 0( biế n t h u n hậ p b ìn h qu â n đầ u ng ườ ic ó ả n h hưở ng đế n gi á tr ị xu ấ t k hẩ u)
^
β 6−0 n−6
TCKĐ : T = T
Se ( ^
β6)
Date: 04/18/21 Time: 21:27
Sample: 1 16
C -16035.80 5184.550 -3.092997 0.0114

X 270.5753 69.13041 3.913984 0.0029
Z 52.20440 21.09895 2.474265 0.0329
M -0.895473 0.944258 -0.948335 0.3653
S 0.162734 0.047092 3.455681 0.0062
K -0.935690 0.398634 -2.347238 0.0408


14
Kết luận : Với mức ý nghĩa α=5%, không nên loại bỏ biến thu nhập bình quân đầu
người (K) ra khỏi mô hình.
Sau khi kiểm tra về thừa biến, ta thấy M bị loại khỏi mô hình. Mô hình còn lại X, Z, S
và K.
Date: 04/18/21 Time: 21:41
Sample: 1 16
C -19858.42 3245.656 -6.118461 0.0001

X 215.2646 36.94208 5.827085 0.0001
Z 61.10465 18.81003 3.248515 0.0078
S 0.130241 0.032158 4.050068 0.0019
K -0.681674 0.293881 -2.319560 0.0406

Mô hình sau khi kiểm tra thừa biến là:
Y t =−19858.42+215.26467 X t +61.10465 Z t +0.130241 S t−0.681674 K t
2.2: Kiểm tra thiếu biến

2
Xét mô hình: Y t =β 1+ β2 X t + β3 Z t + β 4 K t +α 2 ( Y^t ) +U t
H o : Mô hìnhkhông thiếu biến H o : α 2=0

BTKĐ: { H 1 : Mô hình thiếu 1 biến
=> {
H 1 :α 2 ≠ 0
15
( R¿¿ new 2−R2old )/( p−1) ( p−1 ,n−( k+ p−1) )
TCKĐ: F= F ¿
(1−R 2new )/(n− ( k + p−1 ) )
Ta có bảng Eviews:
Ramsey RESET Test

Equation: UNTITLED
Specification: Y C X Z S K
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.527769 10 0.6092
F-statistic 0.278540 (1, 10) 0.6092
Likelihood ratio 0.439570 1 0.5073
F-test summary:
Sum of S... df Mean Squares
Test SSR 33111.50 1 33111.50
Restricted SSR 1221863. 11 111078.5
Unrestricted SSR 1188752. 10 118875.2
Unrestricted SSR 1188752. 10 118875.2
LR test summary:
Value df
Restricted LogL -112.649... 11
Unrestricted LogL -112.429... 10
Unrestricted Test Equation:

Date: 04/18/21 Time: 21:44
Sample: 1 16
Variable Coefficien... Std. Error t-Statistic Prob.
C -32021.5... 23289.52 -1.374932 0.1992

X 338.4517 236.5188 1.430971 0.1829
Z 96.67948 70.15860 1.378013 0.1982
S 0.208784 0.152492 1.369141 0.2009
K -1.13043... 0.903008 -1.251851 0.2391
FITTED^2 -0.00011... 0.000215 -0.527769 0.6092

Log likelihood -112.429... Hannan-Quinn criter. 14.81854
16
Ta thấy: Pvalue =0,6092 > 5% => Chấp nhận H 0, bác bỏ H 1
Kết luận: Mô hình không thiếu biến.
3. Kiểm tra khuyết tật mô hình

3.1. Phương sai sai số thay đổi
3.1.1. Kiểm định White
Xét mô hình sau: Y t =β 1+ β2 X t + β3 Z t + β 4 S t + β 5 K t + U t
Ước lượng mô hình có dạng:
e 2i =β 1+ β 2 X i + β 3 Z i + β 4 S i+ β5 K i +α 2 X 2i + α 3 Z 2i +α 4 K 2i + γ 1 XZ +γ 2 X S+ γ 3 X K +γ 4 ZS +γ 5 ZK +γ 6 SK + v i
Thực hiện kiểm định White trên phần mềm Eviews ta có kết quả như sau:
Heteroskedasticity Test: White
F-statistic 1.219022 Prob. F(14,1) 0.6196

Obs*R-squared 15.11437 Prob. Chi-Square(14) 0.3704
Scaled explained SS 5.032147 Prob. Chi-Square(14) 0.9854
Test Equation:
Dependent Variable: RESID^2
Date: 04/18/21 Time: 22:23
Sample: 1 16
C 19103136 1.41E+08 0.135427 0.9143

X^2 36107.66 54166.53 0.666605 0.6257
X*Z 22155.77 87248.52 0.253939 0.8417
X*S 45.37025 38.74204 1.171086 0.4499
X*K -879.2236 633.1344 -1.388684 0.3973
X -6438323. 8148414. -0.790132 0.5743
Z^2 -212.2498 2385.864 -0.088961 0.9435
Z*S -37.98013 63.58219 -0.597339 0.6572
Z*K 202.9645 137.9140 1.471675 0.3800
Z 109999.0 1673967. 0.065712 0.9582
S^2 -0.095424 0.045667 -2.089560 0.2842
17
S*K 0.988743 0.447645 2.208764 0.2706
S 7645.929 7750.422 0.986518 0.5043
K^2 0.433450 1.023727 0.423404 0.7450
K -16030.41 13537.48 -1.184150 0.4465

Sum squared resid 7.28E+09 Schwarz criterion 25.37246
Bài toán kiểm định:
H 0 : Mô hìnhkhông có PSSS thay đổi H 0 :α j=0 H :tồn tại một hệ số khác 0

{ H 1 : Mô hình có PSSS thay đổi =>
¿ {
¿ 1 ¿
Tiêu chuẩn kiểm định: χ 2=n . R2¿
Nếu H 0 đúng thì χ 2 χ 2(df )
P- value = 0.3704 > α =0.05 => Chấp nhận H0 , bác bỏ H1
Kết luận: Mô hình không có hiện tượng phương sai sai số thay đổi
3.1.2. Kiểm định Park

Ước lượng mô hình có dạng:
ln e 2i =α 1 +α 2 ln X i +α 3 ln Z i +α 4 ln S i+ α 5 ln K i +v i
Thực hiện kiểm định Park trên phần mềm Eviews ta có kết quả như sau:
Dependent Variable: LOG(RESID^2)

Date: 04/18/21 Time: 22:36
Sample: 1 16
C -38.50632 159.6002 -0.241267 0.8138
LOG(X) 23.57705 17.86610 1.319652 0.2138
18
LOG(Z) -3.202463 13.61528 -0.235211 0.8184
LOG(S) -2.068174 11.54914 -0.179076 0.8611
LOG(K) -1.161107 4.278949 -0.271353 0.7911
Sum squared resid 54.98300 Schwarz criterion 4.938746
H 0 : Mô hình không có PSSS thay đổi

{ H 1 : Mô hình có PSSS thay đổi
H :α =0
{
=> 0 j ¿ H 1 :tồn tại một hệ số khác 0 ¿
¿
R2¿ /(k−1)
Tiêu chuẩn kiểm định: F=
(1−R 2¿ )/(n−k )
Nếu H0 đúng thì F F(k−1 ;n−k)
3.1.3. Kiểm định Gleijer
Ước lượng mô hình có dạng: |e i|=α 1 +α 2 X i+ α 3 Z i +α 4 S i +α 5 K i + vi
Thực hiện kiểm định Gleijer trên phần mềm Eviews ta có kết quả như sau:
Heteroskedasticity Test: Glejser

Scaled explained SS 2.057764 Prob. Chi-Square(4) 0.7251
Test Equation:
Dependent Variable: ARESID
Date: 04/18/21 Time: 22:42
Sample: 1 16
19
C 181.8671 1725.043 0.105428 0.9179
X 21.84885 19.63446 1.112781 0.2895
Z -9.663686 9.997397 -0.966620 0.3545
S 0.002830 0.017092 0.165600 0.8715
K -0.124146 0.156196 -0.794814 0.4435
Adjusted R-squared -0.099139 S.D. dependent var 168.9609
Bài toán kiểm định:
H 0 : Mô hình không có PSSS thay đổi

{ H 1 : Mô hình có PSSS thay đổi
H :α =0
{
=> 0 j ¿ H 1 :tồn tại một hệ số khác 0 ¿
¿
R2¿ /(k−1)
(1−R 2¿ )/(n−k )
Nếu H0 đúng thì F F(k−1 ;n−k)
3.2. Tự tương quan

3.2.1. Kiểm định Durbin Watson
H 0 : Mô hìnhkhông có tự tương quan

Bài toán kiểm định: { H 1 : Mô hình có tự tương quan
n n
Tiêu chuẩn kiểm định: d = ∑ (e t−et −1) / ∑ e 2t
2
t =2 t=1
Sử dụng phần mềm Eviews để thực hiện kiểm định Durbin-Waston, ta có kết quả như
sau:
20
Date: 04/18/21 Time: 22:49
Sample: 1 16
C -19858.42 3245.656 -6.118461 0.0001

X 215.2646 36.94208 5.827085 0.0001
Z 61.10465 18.81003 3.248515 0.0078
S 0.130241 0.032158 4.050068 0.0019
K -0.681674 0.293881 -2.319560 0.0406

Với n = 16, α =0.05 , k’= k – 1 = 5 – 1 = 4 => d L=0.734 ; d U =1.935
 4 - d L = 3.266; 4 - d U = 2.065
Trong bảng kết quả trên, ta thấy giá trị thống kê Durbin – Waston là: d = 1.592742
Vì d L < d < d U => Không có kết luận về tự tương quan
Kết luận: Không có kết luận về tự tương quan.
3.2.2. Kiểm định B – G
- Kiểm định B – G bậc 1:

21
Ước lượng mô hình:

e i=β 1 + β 2 X i + β 3 Z i + β 4 S i+ β5 K i + ρ1 et −1+ …+ ρ p e t− p + vi
Với p = 1, ta có bảng Eviews:
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: 04/18/21 Time: 22:55
Sample: 1 16
Presample missing value lagged residuals set to zero.
C 814.1712 3526.028 0.230903 0.8220

X -4.500529 38.39712 -0.117210 0.9090
Z -3.978920 20.10525 -0.197905 0.8471
S -0.004188 0.033493 -0.125054 0.9030
K 0.019517 0.302376 0.064544 0.9498
RESID(-1) 0.229014 0.330107 0.693756 0.5036
R-squared 0.045920 Mean dependent var 1.43E-12

H 0 : Mô hìnhkhông có AR(1) H 0 : ρ1=0

Bài toán kiểm định: { H 1: Mô hìnhcó AR(1)
=> H : ρ khác 0
1 1
{
Tiêu chuẩn kiểm định: : χ 2=(n−1). R 2¿
22
Nếu H 0 đúng thì χ 2 χ 2( ρ)
P – value = 0.3914 > α =¿ 0.05 => Chấp nhận H 0, bác bỏ H 1
Kết luận: Mô hình không có tương quan chuỗi bậc 1
- Kiểm định B – G bậc 2:
Ước lượng mô hình:

e i=β 1 + β 2 X i + β 3 Z i + β 4 S i+ β5 K i + ρ1 et −1+ …+ ρ p e t− p + vi
Với p = 2, ta có bảng Eviews:
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: 04/18/21 Time: 22:57
Sample: 1 16
Presample missing value lagged residuals set to zero.
C 169.4890 4070.738 0.041636 0.9677
X -0.749767 41.39482 -0.018113 0.9859
Z -1.414446 22.11836 -0.063949 0.9504
S 0.000951 0.037629 0.025278 0.9804
K -0.009920 0.325918 -0.030436 0.9764
RESID(-1) 0.234102 0.345555 0.677465 0.5151
RESID(-2) -0.139899 0.373869 -0.374194 0.7169
R-squared 0.060536 Mean dependent var 1.43E-12
23
H 0 : Mô hình không có AR (2) H : ρ =ρ =0
Bài toán kiểm định: { H 1: Môhình có AR (2) {
=> H :tồ0 n t1ại ρ 2khác 0
1 j
Tiêu chuẩn kiểm định: : χ 2=(n−1). R 2¿
Nếu H 0 đúng thì χ 2 χ 2( ρ)
P – value = 0.6161 > α =¿ 0.05 => Chấp nhận H 0, bác bỏ H 1
Kết luận: Mô hình không có tương quan chuỗi bậc 2
3.3 Đa cộng tuyến

3.3.1. Hệ số xác định bội R2cao, t thấp
Từ bảng kết quả Eviews:
Date: 04/18/21 Time: 23:00
Sample: 1 16
C -19858.42 3245.656 -6.118461 0.0001

X 215.2646 36.94208 5.827085 0.0001
Z 61.10465 18.81003 3.248515 0.0078
S 0.130241 0.032158 4.050068 0.0019
K -0.681674 0.293881 -2.319560 0.0406

R2=0.848722 > 0.8 => R2 cao
P-value = 0.000175 < 0.05 => Mô hình hồi quy phù hợp
t ( x)=5.827085 t ( z)=¿ 3.248515 t (s )=4.050068 t (k )=−2.319560
24
t (n−k)
α =t 11
0.025 =2.201
2
(n−k)
=> |t|>t α2 => Mô hình không xảy ra hiện tượng đa cộng tuyến
3.3.2. Hệ số tương quan cặp giữa các biến giải thích cao
Ta có bảng thể hiện hệ số tương quan cặp giữa các biến:
Y X Z S K
Y 1.000000 0.651226 0.074818 0.488957 0.447131
X 0.651226 1.000000 -0.374369 0.272672 0.569069
Z 0.074818 -0.374369 1.000000 -0.427574 -0.566173
S 0.488957 0.272672 -0.427574 1.000000 0.856223
K 0.447131 0.569069 -0.566173 0.856223 1.000000
Ta thấy:
|r(X,Z)| = 0.374369 < 0,8 => r(X,Z) thấp => Không có đa cộng tuyến giữa X và Z
|r(X,S)| = 0.272672 < 0,8 => r(X,S) thấp => Không có đa cộng tuyến giữa X và S
|r(X,K)| = 0.569069 < 0,8 => r(X,K) thấp => Không có đa cộng tuyến giữa X và K
|r(Z,S)| = 0.427574 < 0,8 => r(Z,S) thấp => Không có đa cộng tuyến giữa Z và S
|r(Z,K)| = 0.566173 < 0,8 => r(Z,K) thấp => Không có đa cộng tuyến giữa Z và K
|r(S,K)| = 0.856223 > 0.8 => r(S,K) cao => Có thể có quan hệ tuyến tính giữa S và K
=> Có cơ sở kết luận có đa cộng tuyến trong mô hình.
3.3.3. Hồi quy phụ
* Tiến hành hồi quy X theo Z
Dependent Variable: X
Date: 04/18/21 Time: 23:38
Sample: 1 16
C 77.73244 15.61452 4.978214 0.0002

Z -0.219399 0.145239 -1.510611 0.1531
25
H 0 : Mô hìnhkhông có đa cộng tuyến H 0 : R2j =0

Bài toán kiểm định: { H 1: Mô hìnhcó đa cộng tuyến
=> {
H 1 : R 2j > 0
R 2j /(k −2)
Tiêu chuẩn kiểm định: F= 2
(1−R j )/(n−k + 1)
Nếu H0 đúng thì F F(k−2 ;n−k+1 )
P-value = 0.1531 > 0.05 => Chấp nhận H0 , bác bỏ H1
=> Mô hình không có hiện tượng đa cộng tuyến
* Tiến hành hồi quy X theo S
Date: 04/18/21 Time: 23:41
Sample: 1 16
C 47.87116 6.000540 7.977809 0.0000

S 0.000148 0.000140 1.060426 0.3069

26
H 0 : Mô hình không có đa cộng tuyến H 0 : R2j =0
Bài toán kiểm định: { H 1: Mô hình có đa cộng tuyến
=> {
H 1 : R 2j > 0
R 2j /(k −2)
(1−R 2j )/(n−k + 1)
P-value = 0.3069 > 0.05 => Chấp nhận H0 , bác bỏ H1
=> Mô hình không có hiện tượng đa cộng tuyến
* Tiến hành hồi quy X theo K
Date: 04/18/21 Time: 23:42
Sample: 1 16
C 49.99618 1.758474 28.43156 0.0000

K 0.002300 0.000888 2.589433 0.0214

H 0 : Mô hìnhkhông có đa cộng tuyến H 0 : R2j =0

Bài toán kiểm định: { H 1: Mô hìnhcó đa cộng tuyến
=> {
H 1 : R 2j > 0
R 2j /(k −2)
Tiêu chuẩn kiểm định: F= 2
(1−R j )/(n−k + 1)
P-value = 0.0214 < 0.05 => Bác bỏ H0 , chấp nhận H1
=> Mô hình xảy ra hiện tượng đa cộng tuyến
4. Khắc phục hiện tượng đa cộng tuyến (bỏ bớt biến độc lập )
27
4.1 Bỏ biến X
R2X = 0.381755
28
4.2 Bỏ biến Z
R2Z =¿ 0.703593
29
4.3 Bỏ biến K
R2K = 0.774728
30
4.4 Bỏ biến S
R2S= 0.623138
 Ta thấy R2K có giá trị lớn nhất nên quyết định bỏ biến K.
 Sau khi bỏ biến K, các giá trị P đều bé hơn α = 0.05, mô hình đã khắc
phục được đa cộng tuyến.
5. Mô hình cuối và ý nghĩa của mô hình hồi quy
Công bố mô hình và ý nghĩa của mô hình hồi quy:
Sau khi đưa ra mô hình hàm hồi quy mẫu:
Yî=−16035.8+ 270.5753 X+ 52.2044 Z−0.895473 M +0.162734 S−0.93569 K
Nhóm đã sử dụng Eviews để kiểm tra biến và các khuyết tật. Cuối cùng nhóm thu về
được mô hình hồi quy mẫu cuối:
Yî=−16908,79+160,8279 X +75,24376 Z+ 0,065414 S
31
Trong đó:
+ Y: Giá trị xuất khẩu gạo (Triệu USD)
+ X: Năng suất lúa (Tạ/ha)
+ Z: Chỉ số giá tiêu dùng (%)
+ S: Sản lượng trong nước (Nghìn tấn)
Ý nghĩa mô hình hàm hồi quy mẫu:

^
β 2= 160,8279 có nghĩa là khi chỉ số giá tiêu dùng, sản lượng trong nước không đổi,
năng suất lúa tăng lên 1 đơn vị thì sản lượng xuất khẩu gạo trung bình tăng lên
160,8279triệu USD.
^
β 3=75,24376 có nghĩa là khi năng suất lúa, sản lượng trong nước là không đổi, chỉ số
giá tiêu dùng tăng lên 1 đơn vị thì sản lượng xuất khẩu gạo trung bình tăng lên 75,2437
triệu USD.
^
β 4 =0.065414 có nghĩa là khi chỉ số giá tiêu dùng, năng suất lúa là không đổi, sản lượng
trong nước tăng lên 1 đơn vị thì sản lượng xuất khẩu gạo trung bình tăng lên 0.065414
triệu USD.
D.KẾT LUẬN
Như vậy, qua việc nghiên cứu sau đó đưa ra mô hình của nhóm thì có thể thấy giá trị
xuất khẩu gạo phụ thuộc vào hai yếu tố chính đó là diện tích gieo trồng thu nhập bình
quân
Từ trước tới nay, lúa là một cây trồng đóng vai trò chiến lược trong an ninh lương thực
của Việt Nam. Trong nhiều thập kỉ qua, chính phủ đẫ nõo lực tăng sản lượng lúa gạo
phụ thuộc vào rất nhiều yếu tố, chính vì vậy để nâng cao giá trị xuất khẩu thì nhà nước
cần có những chính sách phù hợp: thay đổi cấu trúc ngoại thương theo hướng bền
vững, nâng cao năng lực cạnh tranh của hàng xuất khẩu, đa phương hóa thị trường
xuất, xây dựng tỷ giá dụa trên đa ngoại tệ, tránh phá giá quá mạnh đồng nội tệ, nâng
cao năng xuất lúa qua từng năm, có những chính sách ưu đã đối với việc xuất khẩu lúa,
phối hợp hài hòa giữa chính sách tỷ giá và chính sách lãi suất cũng như các chính sách
kinh tế vĩ mô khác...
32

Xuất khẩu gạo

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Xuất khẩu gạo

Uploaded by

Copyright:

Available Formats

TRƯỜNG ĐẠI HỌC THƯƠNG MẠI

KHOA QUẢN TRỊ KINH DOANH

BÀI THẢO LUẬN

Giáo viên hướng dẫn: Mai Hải An

Lớp học phần : 2104AMAT0411

Năm học 2020-2021

Chọn mô hình: Y i=α 1 +α 2 X i + α 3 Z i +α 4 T i +ui

+ Ước lượng mô hình có thêm X k

+ Kiểm tra hàm số của X k =0

- TH2 : Không biết số liệu của X k

Kiểm định Reset of Ramsey

B1: Ước lượng mô hình gốc ban đầu:

Thu được R2old và Y^i

B2: Ước lượng mới

Y i= β '1+ β '2. X i + ... + β 'k . X ki+ α 2 Y 2i + ... +α ρ Y iρ+ vi

Thu được R2new

H 1 :mô hình không thiếu ( ρ−1 ) biến

b) Bản chất của đa cộng tuyến

Xét mô hình hồi quy tuyến tính cổ điển nhiều biến:

- Đa cộng tuyến hoàn hảo ( toàn phần )

Nếu tồn tại i không đồng thời bằng 0 thõa mãn:

= 0 ∀ i thì mô hình có đa cộng tuyến hoàn hảo

Nếu tồn tại i không đồng thời bằng 0 và ∀ i thõa mãn:

Có 3 cách phát hiện đa cộng tuyến:

Hệ số R2 lớn nhưng tỷ số t nhỏ

Cách 2: Hệ số tương quan cặp

=> Mô hình có cơ sở để khẳng định đa cộng tuyến

F= nếu H0 đúng thì F

Với α cho trước ta tìm được C = f α (k−1, n−k)

Nếu F > C, bác bỏ H 0

c) Khắc phục đa cộng tuyến

- Giải pháp 4: Sử dụng phương trình sai phân cấp 1

4. Phương sai sai số thay đổi:

a) Kiểm định Park:

T= nếu H0 đúng thì T

Với α cho trước, nếu p-value < α= 5%, bác bỏ H0

b) Kiểm định White:

X2 =n.R2 nếu H0 đúng Xα2(df)

Với α cho trước, nếu p-value < α=5%, bác bỏ H0

c) Kiểm định Glijser:

T= nếu H0 đúng thì T

Với α cho trước, nếu p-value < α= 5%, bác bỏ H0

d) Kiểm định G-Q:

Wα={Ftn: Ftn > F(df 2 ,df 1 )}

a) Kiểm định B-G:

Xét mô hình: Yt = b1+ b2Xt + Ut (1)

với Ut =r1Ut-1+ r2Ut-2 +…+ rpUt-p+ et

= (n nếu H0 đúng thì

Với α cho trước, nếu p-value < α= 5%, bác bỏ H0

b) Kiểm định D-W:

- Nếu 0 < d < d l : có tự tương quan dương

- Nếu d u <d < 4−d u: không có tự tương quan

- Nếu 4−d l ≤ d ≤ 4: có tự tương quan âm

Năm Giá trị Năng Chỉ số Diện tích Sản Thu

Y^i=−16035.8+ 270.5753 X+ 52.2044 Z−0.895473 M +0.162734 S−0.93569 K

*Ý nghĩa hệ số hồi quy

Giả sử mô hình đúng: Y t =β 1+ β2 X t + β3 Z t + β 4 M t + β5 S t + β 6 K t +U t

Variable Coefficient Std. Error t-Statistic Prob.

C -16035.80 5184.550 -3.092997 0.0114

R-squared 0.861204 Mean dependent var 2665.438

Ta thấy Pvalue =¿ 0,0029 < 5% => Bác bỏ H 0, chấp nhận H 1

Giả sử mô hình đúng: Y t =β 1+ β2 X t + β3 Z t + β 4 M t + β5 S t + β 6 K t +U t

Variable Coefficient Std. Error t-Statistic Prob.

C -16035.80 5184.550 -3.092997 0.0114