PHÂN TÍCH CÁC ẢNH HƯỞNG CỦA GIÁ TRỊ XUẤT KHẨU GẠO CỦA VIỆT NAM TRONG GIAI ĐOẠN 20052020

TRƯỜNG ĐẠI HỌC THƯƠNG MẠI KHOA KINH TẾ LUẬT BÀI THẢO LUẬN HỌC PHẦN KINH TẾ LƯỢNG Đề tài “Phân tích ảnh hưởng của năng suất, diện tích gieo trồng, sản lượng trong nước, tổng sản phẩm quốc nội và tỷ lệ lạm phát đến giá trị xuất khẩu gạo của Việt Nam trong giai đoạn 2005 2020” Thực hiện Nhóm 5 Mã lớp học phần 2160AMAT0411 Giảng viên hướng dẫn cô Hoàng Thị Thu Hà  Hà Nội 2021 MỤC LỤC CHƯƠNG I ĐẶT VẤN ĐỀ 3 1 1 Lý do lựa chọn đề tài 3 1 2 Các yếu tố ảnh hưởng đến giá trị xuất khẩu gạo ở Việt Nam 3 1.

LÝ THUYẾT CƠ SỞ

Phương pháp khắc phục hiện tượng phương sai sai số thay đổi

Bài toán 1: Xét mô hình: Yi = β1 + β2 Xi + Ui (1.1)

Giả sử MH (1.1) xảy ra hiện tượng phương sai sai số thay đổi, tức là Var (Ui) = i 2

Khắc phục hiện tượng trên a Trường hợp đã biết σ i ², (σ i ≈ |e i |, e i thu được từ hồi quy mô hình gốc)

 Phương pháp bình phương nhỏ nhất thông thường (OLS): tìm 𝜷̂ 𝟏 , 𝜷̂ 𝟐 sao cho ∑𝒆 𝒊 𝟐 𝒎𝒊𝒏

MH (1.1.a) có sai số ngẫu nhiên: U i σ i

 (1.1.a) không có hiện tượng PSSS thay đổi

 Phương pháp bình phương nhỏ nhất có trọng số (WLS): tìm 𝜷̂ 𝟏 , 𝜷̂ 𝟐 sao cho

Tìm ̂ 1 , ̂ 2 sao cho: ∑ 𝑒 𝑖 ∗2 => min với ei* là phần dư của mô hình (1.1a)

𝜎 𝑖 2 Đặt f = wiei 2 khi đó β1*, β2* là nghiệm của hệ phương trình:

Khi wi = w thì trung bình có trọng số bằng trung bình thông thường Nếu các trọng số như nhau thì WLS là OLS b Khi chưa biết σ i ²

Trong thực hành, chúng ta thường không biết giá trị của σi², do đó để áp dụng phương pháp WLS, cần thiết phải có những giả thiết cụ thể về σi² Điều này dẫn đến việc biến đổi mô hình hồi quy gốc thành một mô hình mới, nhằm đảm bảo rằng các giả thiết về phương sai của sai số là không đổi.

Xét mô hình hồi quy:

❖ Giả thiết 1: Phương sai của sai số tỉ lệ với bình phương biến giải thích σ i ² = σ² X i ²

Ta biến đổi mô hình gốc (1) về mô hình có sai số ngẫu nhiên 𝑈 𝑖

Chia 2 vế mô hình (1) cho Xi (Xi ≠ 0) ta được:

𝑋 𝑖 ² = σ² = const => Mô hình (1.2) không có hiện tượng phương sai sai số thay đổi

 Giả thiết 2: Phương sai của sai số tỉ lệ với biến giải thích σ i ² = σ² Xi

=> Ta biến đổi mô hình gốc (1) về mô hình có sai số ngẫu nhiên 𝑈 𝑖

Chia 2 vế mô hình (1) cho √𝑋𝑖 (Xi > 0) ta được:

=> Mô hình (1.3) không có hiện tượng phương sai sai số thay đổi

❖ Giả thiết 3: Phương sai của sai số tỉ lệ với bình phương của giá trị kỳ vọng của Y σ i ² = σ² (E(Y/X=Xi)) ²

Ta biến đổi mô hình gốc (1) về mô hình có sai số ngẫu nhiên U i

Chia 2 vế mô hình cho E(Y) ta được:

(E(Y/X=X i ))² Var(Ui) = σ² = const => Mô hình (1.4) không có hiện tượng phương sai sai số thay đổi

Trong thực hành, vì không biết E(Y/X = X i ) nên người ta thay bằng 𝑌̂i Khi đó phương trình có dạng:

Trong ước lượng hồi quy (1.5), giá trị 𝑌̂ 𝑖 không chính xác bằng E(Y/X = X i ), nhưng chúng là ước lượng vững, nghĩa là khi kích thước mẫu tăng lên vô hạn, chúng sẽ hội tụ đến E(Y/X = X i ) Do đó, phép biến đổi (1.5) có thể được áp dụng trong thực tiễn khi kích thước mẫu tương đối lớn.

❖ Giả thiết 4: Dạng hàm sai

Thay đổi dạng hàm khác

Thay cho việc ước lượng hồi quy gốc ta sẽ được ước lượng hồi quy :

Việc sử dụng phép biến đổi loga trong ước lượng hồi quy giúp giảm phương sai của sai số, nhờ vào tác động tích cực của nó Một trong những lợi ích nổi bật của phép loga là hệ số góc β2, thể hiện độ co dãn của biến Y đối với biến X.

Phương pháp khắc phục hiện tượng tự tương quan

Phương pháp sai phân tổng quát

Mô hình gốc Yt = β1 + β2 Xt + Ut (2.1) gặp phải hiện tượng tự tương quan do Ut = ρ Ut-1 + εt với ρ ≠ 0, trong khi εt đáp ứng các giả thiết của mô hình hồi quy tuyến tính cổ điển Để khắc phục hiện tượng này, có thể áp dụng phương pháp ước lượng hồi quy bậc hai hoặc sử dụng các phương pháp điều chỉnh như hồi quy với biến trễ hoặc mô hình ARIMA để loại bỏ sự tự tương quan trong sai số.

- Mô hình (2.1) mắc phải hiện tượng tự tương quan bậc 1

- Cách khắc phục hiện tượng trên là sử dụng phương pháp sai phân tổng quát

(2.1) - (2.1”)  Yt - .Yt-1 = β1(1 - ) +β2(Xt - .Xt-1) + (Ut - .Ut-1) (2.1*)

(2.1*) là quá trình sai phân tổng quát

Mô hình (2.1*) không có hiện tượng tự tương quan bậc 1 vì cov(t, t’) = 0 (vì t thỏa mãn mọi giả thiết của mô hình hồi quy tuyến tính cổ điển)

=> Cần biến đổi mô hình gốc về mô hình có sai số ngẫu nhiên là t

Giả sử 𝑈 𝑡 theo mô hình hồi quy bậc nhất : 𝑈 𝑡 = 𝜌 𝑈 𝑡−1 + 𝜀 𝑡 (2.2)

Trong phương pháp bình phương nhỏ nhất thông thường, các giả thiết yêu cầu là |𝜌| < 1 và 𝜀 1, tức là trung bình bằng 0, phương sai không đổi và không có tự tương quan Nếu giả thuyết (2.1) đúng, vấn đề tương quan chuỗi có thể được giải quyết một cách thỏa đáng khi hệ số tương quan 𝜌 đã được biết Để làm rõ hơn, chúng ta sẽ xem xét mô hình hai biến.

Nếu (2.3) đúng với t thì cũng đúng với t-1 nên :

Nhân hai vế (2.4) với 𝜌 ta được :

(2.6) có thể viết lại dưới dạng :

Vì 𝜀 𝑡 đáp ứng các giả thiết của phương pháp bình phương nhỏ nhất thông thường đối với các biến Y* và X*, các ước lượng thu được đảm bảo tất cả các tính chất tối ưu, tức là ước lượng tuyến tính không chệch tốt nhất.

 Phương pháp sai phân cấp 1

Khi thực hiện ước lượng hồi quy, giả thiết thường được đặt ra là không có tự tương quan Sau đó, các kiểm định như Durbin-Watson hoặc các phương pháp khác được sử dụng để kiểm tra tính đúng đắn của giả thiết này.

 Nếu 𝜌 = 1 thì phương trình sai phân tổng quát (2.4) quy về phương pháp sai phân cấp 1:

Để thực hiện ước lượng hồi quy (2.8), cần xác định các sai số cấp 1 của biến phụ thuộc và biến giải thích, sau đó sử dụng chúng làm dữ liệu đầu vào cho phân tích hồi quy.

Giả sử mô hình ban đầu là:

Trong đó t là biến xu thế còn 𝑈 𝑡 theo sơ đồ tự hồi quy bậc nhất Thực hiện phép biến đổi sai phân cấp 1 đối với (2.8) ta được:

 Nếu 𝜌 = -1 nghĩa là có tương quan chuỗi âm hoàn toàn, ta sử dụng mô hình trung bình trượt

Phương trình sai phân khi đó có dạng:

Mô hình hồi quy trung bình trượt (2 thời kỳ) là phương pháp phân tích trong đó chúng ta thực hiện hồi quy của một trung bình trượt dựa trên một trung bình trượt khác.

 Ước lượng dựa trên thống kê d- Durbin – Watson

Trong phần kiểm định d chúng ta đã thiết lập các công thức : d~ 2(1- 𝜌̂ ) hoặc : 𝜌̂ = 1 - 𝑑

Đẳng thức này cung cấp một phương pháp đơn giản để ước lượng 𝜌 từ thống kê d Theo (2.11), sai phân cấp 1 và 𝜌 = ± 1 chỉ chính xác khi d=0 hoặc gần bằng 0 Tương tự, khi d=2, 𝜌̂ =0 và khi d=4, 𝜌̂ =-1 Vì vậy, thống kê d là một công cụ hữu ích để ước lượng 𝜌.

Khi 𝜌 được ước lượng, tập số liệu có thể được biến đổi như đã nêu trong (2.7) và sau đó tiến hành ước lượng bằng phương pháp bình phương nhỏ nhất thông thường.

 Thủ tục lặp Cochrane – Orcutt để ước lượng 𝜌

Phương pháp này sử dụng các phần dư 𝑒 𝑡 đã ước lượng để thu được thông tin về 𝜌 chưa biết Ta xét phương trình này thông qua mô hình 2 biến :

Các bước tiến hành như sau:

 Bước 1: Ước lượng mô hình 2 biến bằng phương pháp bình phương nhỏ nhất thông thường và thu được các phần dư 𝜀 𝑡

 Bước 2 : Sử dụng các phần dư đã ước lượng để ước lượng hồi quy:

 Bước 3 : Sử dụng 𝜌̂ thu được từ (2.15) để ước lượng phương trình sai phân tổng quát (2.15) cụ thể lập phương trình :

Ta ước lượng hồi quy : 𝑌 𝑡 *= 𝛽 1 * + 𝛽 2 *.𝑋 𝑡 * + 𝑒 𝑡 * (2.16)

Bước 4: Để xác định liệu 𝜌̂ từ (2.15) có phải là ước lượng tốt nhất cho 𝜌 hay không, ta thay giá trị 𝛽̂ 1 * = 𝛽̂ 1 (1-𝜌̂ ) và 𝛽̂ 2 * từ (2.16) vào hồi quy gốc (2.14) Kết quả thu được phần dư mới ê t = 𝑌 𝑡 - 𝛽̂ 1 * - 𝛽̂ 2 *.𝑋 𝑡, cho phép ước lượng phương trình hồi quy tương tự như (2.15).

Quá trình ước lượng vòng 2 của 𝜌 được thực hiện liên tục cho đến khi các ước lượng tiếp theo của 𝜌 chỉ khác nhau một mức rất nhỏ, ví dụ như nhỏ hơn 0,01 hoặc 0,005.

Thủ tục Cochrane – Orcutt 2 bước là một phương pháp rút gọn quy trình lặp Trong bước đầu tiên, ta ước lượng giá trị 𝜌 từ phép hồi quy ban đầu, và ở bước thứ hai, ta sử dụng ước lượng này để tính toán phương trình sai phân tổng quát.

 Phương pháp Durbin – Watson 2 bước để ước lượng 𝜌 :

Phương trình sai phân tổng quát có dạng như sau :

Thực hiện ước lượng 𝜌 theo 2 bước :

-Bước 1 : Coi (2.17) như là 1 mô hình hồi quy bội , hồi quy 𝑌 𝑡 theo 𝑋 𝑡 , 𝑋 𝑡−1 , 𝑌 𝑡−1 và coi giá trị ước lượng được của hệ số hồi quy 𝑌 𝑡−1 (=𝜌̂) là ước lượng của 𝜌

Sau khi thu được 𝜌̂, biến đổi 𝑌 𝑡 * và 𝑋 𝑡 * được tính bằng công thức 𝑌 𝑡 * = 𝑌 𝑡 - 𝜌̂ 𝑌 𝑡−1 và 𝑋 𝑡 * = 𝑋 𝑡 - 𝜌̂𝑋 𝑡−1 Tiếp theo, thực hiện ước lượng hồi quy bằng phương pháp bình phương nhỏ nhất thông thường trên các biến đã được biến đổi.

Như vậy , theo phương pháp này thì bưới 1 là ước lượng 𝜌 còn bước 2 để thu được các ước lượng tham số

 Các phương pháp khác ước lượng 𝜌

Ngoài các phương pháp ước lượng 𝜌 đã đề cập, có thể áp dụng phương pháp hợp lý cực đại để ước lượng trực tiếp các tham số mà không cần thủ tục lặp Tuy nhiên, phương pháp này liên quan đến thủ tục phi tuyến và thủ tục Hildreth-Lu, nhưng do tốn thời gian và không hiệu quả nên ít được sử dụng.

Phương pháp khắc phục hiện tượng đa cộng tuyến

 Sử dụng phương pháp tiên nghiệm

Thông tin tiên nghiệm có thể được thu thập từ các công việc thực tế trước đây, nơi đã xảy ra hiện tượng cộng tuyến nhưng với mức độ ít nghiêm trọng, hoặc từ các lý thuyết tương ứng trong lĩnh vực nghiên cứu.

Ví dụ: mô hình sản xuất Cobb-Douglas:

Ln(Yi)= 1 + 2ln(Ki) + 3(Li) + Ui

Có thể xảy ra đa cộng tuyến do K và L cùng tang theo quy mô sản xuất Nếu biết hiệu suất không đổi theo quy mô tức là 2+3=1 thì:

Ln(Yi)= 1 + 2 + (1- 2 )ln(Li) + Ui

Ln(Yi) – Ln(Li) = 1 + 2 [ln(Ki) -ln(Li)] + Ui

 Loại trừ biến giải tích ra khỏi mô hình

Để phân tích mối quan hệ giữa các biến, bước đầu tiên là xác định các cặp biến có tương quan chặt chẽ, chẳng hạn như X3 và X4 Tiếp theo, tiến hành tính R2 cho các hàm hồi quy, bao gồm cả hai biến và trường hợp không có một trong hai biến.

Khi thực hiện bước 3, cần loại bỏ biến mà giá trị R2 tính được khi không có biến đó lớn hơn Ví dụ, nếu R2 của mô hình với hai biến là 0.94, R2 của mô hình không có biến X3 là 0.92, và R2 của mô hình không có biến X4 là 0.87, thì biến X3 nên được loại bỏ khỏi mô hình.

 Thu thập thêm số liệu hoặc lấy mẫu mới

Vấn đề đa cộng tuyến là một đặc điểm của mẫu dữ liệu, và mức độ nghiêm trọng của nó có thể khác nhau giữa các mẫu Để giảm thiểu vấn đề này, việc tăng cỡ mẫu có thể là một giải pháp hiệu quả.

 Sử dụng sai phân cấp một

Ví dụ từ hàm hồi quy : Y= α1 + 1X1t +2X2t + Ut

→ Yt-1 = α1 + 1X1(t-1) +2X2(t-1) + Ut-1 , trừ hai vế cho nhau ta được:

Mặc dù X1 và X2 có quan hệ tuyến tính nhưng không có nghĩa sai phân của chúng cũng như vậy

 Giảm tương quan trong hàm hồi quy đa thức

Trong thực hành, để giảm tương quan trong hồi quy đa thức, người ta sử dụng dạng độ lệch ( lệch so với giá trị trung bình)

Nếu sử dụng độ lệch mà vẫn không giảm đa cộng tuyến thì người ta có thể xem xét đến kỹ thuật

TRÌNH BÀY KẾT QUẢ NGHIÊN CỨU

Mô tả bộ số liệu

Năm Giá trị xuất khẩu gạo (triệu

Diện tích gieo trồng (nghìn ha)

Sản lượng trong nước (nghìn tấn)

(Nguồn: Tổng cục thống kê)

-Thống kê mô tả số liệu:

Trung vị 2855.000 55.60000 7530.150 42714.50 163.5000 6.560000 Giá trị lớn nhất

1300.000 48.90000 7207.400 35832.90 57.63000 0.630000 Độ lệch chuẩn 727.7912 3.326961 219.5114 3308.776 69.89863 5.651027 Độ nghiêng -0.676878 -0.584033 0.010775 -0.672556 0.072256 1.098983 Giá trị nhọn 2.594449 2.046631 1.680593 1.974703 1.770051 3.283139

Xây dựng hàm hồi quy mẫu

- Từ bảng kết quả trên Eview, ta có hàm hồi quy mẫu như sau:

- Ý nghĩa các hệ số hồi quy:

Khi không có năng suất, diện tích gieo trồng, sản lượng, GDP và tỷ lệ lạm phát, giá trị xuất khẩu gạo trung bình sẽ là -233277,6 triệu USD Tuy nhiên, con số này không phản ánh đúng thực tế.

Khi diện tích gieo trồng, sản lượng trong nước, GDP và tỷ lệ lạm phát giữ nguyên, nếu năng suất gạo tăng thêm 1 tạ/ha, giá trị xuất khẩu gạo trung bình sẽ tăng lên 4270,967 triệu USD.

Khi năng suất, sản lượng trong nước, GDP và tỷ lệ lạm phát giữ nguyên, việc tăng diện tích gieo trồng thêm 1 nghìn ha sẽ dẫn đến giá trị xuất khẩu gạo trung bình tăng thêm 29,22368 triệu USD.

Khi năng suất, diện tích gieo trồng, GDP và tỷ lệ lạm phát giữ nguyên, việc tăng sản lượng gạo trong nước thêm 1 nghìn tấn sẽ dẫn đến sự giảm giá trị xuất khẩu gạo trung bình khoảng 5,240592 triệu USD.

Khi năng suất, diện tích gieo trồng, sản lượng trong nước và tỷ lệ lạm phát giữ nguyên, mỗi khi GDP tăng thêm 1 tỷ USD, giá trị xuất khẩu gạo trung bình sẽ giảm 12,25917 triệu USD.

𝜷̂ 6 = 34,69109 khi năng suất, diện tích gieo trồng, sản lượng và GDP không đổi, lạm phát tăng 1% thì giá trị xuất khẩu gạo trung bình tăng 34,69109 triệu USD

 Khoảng tin cậy 95% của các hệ số hồi quy:

Ta có bảng eviews sau:

95% CI Variable Coefficient Low High

Từ kết quả trong bảng eview trên, ta có:

- Khoảng tin cậy 95% của β 2 là (2307,001; 6234,933)

Với độ tin cậy 95%, khi diện tích gieo trồng, sản lượng trong nước, GDP và tỷ lệ lạm phát giữ nguyên, việc tăng năng suất thêm 1 tạ/ha sẽ dẫn đến giá trị xuất khẩu gạo trung bình tăng từ 2.307,001 triệu USD lên 6.234,933 triệu USD.

- Khoảng tin cậy 95% của β 3 là (14,54801; 43,89935)

Với độ tin cậy 95%, khi năng suất, sản lượng trong nước, GDP và tỷ lệ lạm phát không thay đổi, việc tăng thêm 1.000 ha diện tích gieo trồng sẽ dẫn đến giá trị xuất khẩu gạo trung bình tăng từ 14.54801 triệu USD lên 43.89935 triệu USD.

- Khoảng tin cậy 95% của β 4 là (-7,859746; -2,621439)

Với độ tin cậy 95%, khi năng suất, diện tích gieo trồng, GDP và tỷ lệ lạm phát không thay đổi, việc tăng thêm 1 nghìn tấn sản lượng trong nước sẽ dẫn đến sự giảm giá trị xuất khẩu gạo trung bình.

- Khoảng tin cậy 95% của β 5 là (-18,82436; -5,693975)

Với độ tin cậy 95%, khi năng suất, diện tích gieo trồng, sản lượng trong nước và tỷ lệ lạm phát giữ nguyên, việc tăng GDP thêm 1 tỷ USD sẽ dẫn đến sự giảm giá trị xuất khẩu gạo trung bình từ 5,693975 triệu USD xuống còn 18,82436 triệu USD.

- Khoảng tin cậy 95% của β 6 là ( 3.485055; 65.89712)

Với độ tin cậy 95%, khi năng suất, diện tích gieo trồng, sản lượng trong nước và GDP giữ nguyên, một sự gia tăng 1% trong tỷ lệ lạm phát sẽ dẫn đến sự tăng trưởng giá trị xuất khẩu gạo trung bình từ 3,485 triệu USD lên 65,897 triệu USD.

Có hàm hồi quy mẫu:

Kiểm định RESET của RAMSEY, ta có bảng số liệu eviews:

Specification: GT C N DT Q GDP LP

Omitted Variables: Squares of fitted values

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.950729 Mean dependent var 2665.000 Adjusted R-squared 0.917882 S.D dependent var 727.7912 S.E of regression 208.5577 Akaike info criterion 13.81794 Sum squared resid 391466.7 Schwarz criterion 14.15595 Log likelihood -103.5436 Hannan-Quinn criter 13.83525 F-statistic 28.94397 Durbin-Watson stat 2.217920 Prob(F-statistic) 0.000022 α=0,05, {𝐻 0 : 𝑀𝐻(1)𝑘ℎô𝑛𝑔 𝑡ℎ𝑖ế𝑢 𝑏𝑖ế𝑛

Từ bảng kết quả trên ta thấy: Probability(F-statistic)=0,6489 > α =0,05 => Chấp nhận H0, bác bỏ H1

=> Mô hình (1) không thiếu biến với mức ý nghĩa 5%

Theo hàm hồi quy mẫu, biến LP có 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0,0327 khá cao Nghi ngờ mô hình thừa biến

LP, sử dụng kiểm định Wald, ta có bảng eviews:

Test Statistic Value df Probability t-statistic 2.476975 10 0.0327

Normalized Restriction (= 0) Value Std Err

Restrictions are linear in coefficients

Với mức ý nghĩa α = 0.05 cần kiểm định:

Từ bảng Eviews ta có:

Kết luận: Với mức ý nghĩa α = 0.05, ta đưa ra kết luận biến LP là cần thiết

Nghiên cứu cho thấy ba yếu tố N, DT, Q có mối tương quan chặt chẽ, khi năng suất và diện tích gieo trồng đồng thời tăng, sản lượng trong nước cũng sẽ tăng theo.

Test Statistic Value df Probability

Kết luận: Với mức ý nghĩa α = 0.05, ta đưa ra kết luận biến N, DT, Q là cần thiết

Test Statistic Value df Probability t-statistic -4.160598 10 0.0019

Kết luận: Với mức ý nghĩa α = 0.05, ta đưa ra kết luận biến GDP là cần thiết

 Kiểm định giả thuyết về các hệ số hồi quy:

Ta có bảng eview sau:

S.E of regression 200.2781 Akaike info criterion 13.71729

Sum squared resid 401113.2 Schwarz criterion 14.00701

Log likelihood -103.7383 Hannan-Quinn criter 13.73212

 Với mức ý nghĩa α= 5%, kiểm định giả thuyết cho rằng năng suất không ảnh hưởng đến giá trị xuất khẩu gạo

𝐻 1 : 𝛽 2 ≠ 0 TCKĐ : T = 𝛽 2 ̂ 𝑆𝑒(𝛽 ̂ ̂ 2 ) Nếu 𝐻 0 đúng thì T ~ 𝑇 (𝑛−6) Theo kết quả trong bảng eview, ta thấy 𝛽 2 𝑐ó 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0,0007 < 𝛼 = 0,05

Vậy với mức ý nghĩa 5% có thể kết luận rằng năng suất có ảnh hưởng đến giá trị xuất khẩu gạo

 Với mức ý nghĩa α= 5%, kiểm định giả thuyết cho rằng diện tích gieo trồng không ảnh hưởng đến giá trị xuất khẩu gạo

𝐻 1 : 𝛽 3 ≠ 0 TCKĐ : T = 𝛽 3 ̂ 𝑆𝑒(𝛽 ̂ ̂ 3) Nếu 𝐻 0 đúng thì T ~ 𝑇 (𝑛−6) Theo kết quả trong bảng eview, ta thấy 𝛽 3 𝑐ó 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0,0013 < 𝛼 = 0,05

Vậy với mức ý nghĩa 5 %, có thể kết luận rằng diện tích gieo trồng có ảnh hưởng đến giá trị xuất khẩu gạo

 Với mức ý nghĩa α= 5%, kiểm định giả thuyết cho rằng sản lượng gạo trong nước không ảnh hưởng đến giá trị xuất khẩu gạo

Vậy với mức ý nghĩa 5 %, có thể kết luận rằng sản lượng gạo trong nước có ảnh hưởng đến giá trị xuất khẩu gạo

 Với mức ý nghĩa α= 5% kiểm định giả thuyết cho rằng GDP không ảnh hưởng đến giá trị xuất khẩu gạo

Vậy với mức ý nghĩa 5%, có thể kết luận rằng GDP có ảnh hưởng đến giá trị xuất khẩu gạo

 Với mức ý nghĩa α= 5% kiểm định giả thuyết cho rằng tỉ lệ lạm phát không ảnh hưởng đến giá trị xuất khẩu gạo

Vậy với mức ý nghĩa 5%, có thể kết luận rằng tỉ lệ lạm phát có ảnh hưởng đến giá trị xuất khẩu gạo.

Phát hiện các khuyến tật của mô hình

Kiểm định Breusch- Godfrey (BG):

 Hiện tượng tự tương quan bậc 1

Kiểm định B-G có kết quả chạy từ eviews:

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared 0.670063 Prob Chi-Square(1) 0.4130

Presample missing value lagged residuals set to zero

𝐻 1 : 𝜌 1 ≠ 0 Theo bảng kiểm định Breush-Godfrey ta có Prob Chi-Square = 0.4130 > 𝛼 = 0,05

Kết luận: Mô hình không có tự tương quan bậc 1

 Hiện tượng tự tương quan bậc 2

Kiểm định B-G có kết quả chạy từ eviews:

F-statistic 1.445806 Prob F(2,8) 0.2911 Obs*R-squared 4.247838 Prob Chi-Square(2) 0.1196

R-squared 0.265490 Mean dependent var 1.28E-11 Adjusted R-squared -0.377207 S.D dependent var 163.5264 S.E of regression 191.9055 Akaike info criterion 13.65874 Sum squared resid 294621.7 Schwarz criterion 14.04503 Log likelihood -101.2699 Hannan-Quinn criter 13.67852 F-statistic 0.413088 Durbin-Watson stat 2.290812

𝐻 1 : 𝜌 1 ≠ 0 𝑜𝑟 𝜌 2 ≠ 0 Theo bảng kiểm định Breush-Godfrey ta có Prob Chi-Square = 0.1196 > 𝛼 = 0,05

Kết luận: Mô hình không có tự tương quan bậc từ 1 đến 2

 Tiến hành hồi quy N theo DT:

Adjusted R-squared 0.284687 S.D dependent var 3.326961 S.E of regression 2.813816 Akaike info criterion 5.023429

=> Mô hình hồi quy phụ phù hợp

=> Mô hình hồi quy gốc có hiện tượng đa cộng tuyến

 Tiến hành hồi quy N theo Q:

=> Mô hình hồi quy gốc có hiện tượng đa cộng tuyến

 Tiến hành hồi quy N theo GDP:

R-squared 0.851166 Mean dependent var 54.67500 Adjusted R-squared 0.840536 S.D dependent var 3.326961 S.E of regression 1.328555 Akaike info criterion 3.522530 Sum squared resid 24.71083 Schwarz criterion 3.619104 Log likelihood -26.18024 Hannan-Quinn criter 3.527475 F-statistic 80.06482 Durbin-Watson stat 0.717551 Prob(F-statistic) 0.000000

=> Mô hình hồi quy gốc có hiện tượng đa cộng tuyến.

Khắc phục hiện tượng

 Khắc phục hiện tượng đa cộng tuyến

Bảng thể hiện sự tương quan giữa các biến độc lập:

Từ bảng trên ta thấy:

|ρN,Q|= 0.951668 > 0,8 nên có sự tương quan giữa 2 biến N và Q

|ρN,GDP |= 0.922587 > 0,8 nên có sự tương quan giữa 2 biến N và GDP

|ρQ,GDP|= 0.82199546018 > 0,8 nên có sự tương quan giữa 2 biến Q và GDP

=> Loại bỏ 2 biến giải thích có hệ số tương quan cao là N và GDP Sau đó chạy lại eviews, ta có các bảng kết quả mô hình hồi quy:

Adjusted R-squared 0.754768 S.D dependent var 727.7912 S.E of regression 360.4090 Akaike info criterion 14.82467

Sum squared resid 1558736 Schwarz criterion 15.01782

=> Mô hình vẫn còn hiện tượng đa cộng tuyến với mức ý nghĩa 5%

=> Tiếp tục loại biến DT Chạy lại eviews, ta có:

 t1= -4.593925 có 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0.0005 < α= 0,05 => t1 cao t2= 6.383623 có 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0.0000 < α= 0,05 => t2 cao t3= 3.746734 có 𝑃 𝑣𝑎𝑙𝑢𝑒 = 0.0024 < α= 0,05 => t3 cao

=> Mô hình không còn hiện tượng đa cộng tuyến với mức ý nghĩa 5%

Kết quả hệ số tương quan cặp giữa các biến giải thích sau khi đã khắc phục hiện tượng:

Từ bảng trên ta thấy các hệ số tương quan cặp giữa các biến giải thích đều nhỏ hơn 0,8 nên không xảy ra hiện tượng đa cộng tuyến

- Xét mô hình hồi phụ cho biến Q và LP

Sum squared resid 1.31E+08 Schwarz criterion 19.10171

=> Mô hình hồi quy phụ không phù hợp

=> Mô hình hồi quy gốc không còn hiện tượng đa cộng tuyến

 Kiểm tra hiện tượng tự tương quan

Kiểm định Breush- Godfrey (BG):

 Hiện tượng tự tương quan bậc 1:

Adjusted R-squared -0.050649 S.D dependent var 354.7947 S.E of regression 363.6687 Akaike info criterion 14.84268 Sum squared resid 1587059 Schwarz criterion 15.03583 Log likelihood -114.7415 Hannan-Quinn criter 14.85257 F-statistic 0.758964 Durbin-Watson stat 1.720059 Prob(F-statistic) 0.538369

𝐻 1 : 𝜌 1 ≠ 0 Theo bảng kiểm định Breush-Godfrey ta có Prob Chi-Square = 0.1102 > 𝛼 = 0,05

Kết luận: Mô hình không có tự tương quan bậc 1

 Hiện tượng tự tương quan bậc 2:

𝐻 1 : 𝜌 1 ≠ 0 𝑜𝑟 𝜌 2 ≠ 0 Theo bảng kiểm định Breush-Godfrey ta có Prob Chi-Square = 0.2791 > 𝛼 = 0,05 => Chấp nhận H0, bác bỏ H1.

Kết luận: Mô hình không có tự tương quan bậc từ 1 đến 2.

Các bài toán dự báo sau khi đã khắc phục khuyết tật

Dự báo giá trị xuất khẩu gạo trung bình và tổng giá trị xuất khẩu gạo năm 2021 với độ tin cậy 95% dựa trên tỷ lệ lạm phát 2,5% và sản lượng trong nước đạt 43.000 nghìn tấn.

Ta có bảng dự báo trung bình và dự báo cá biệt:

Dự báo giá trị xuất khẩu gạo trung bình tại Việt Nam cho thấy, với độ tin cậy 95%, khi tỷ lệ lạm phát đạt 2,5% và sản lượng trong nước là 43.000 nghìn tấn, giá trị này sẽ dao động trong khoảng từ 2.385,96 triệu USD đến 2.937,959 triệu USD.

Dự báo giá trị xuất khẩu gạo cho thấy với độ tin cậy 95%, khi tỷ lệ lạm phát đạt 2,5% và sản lượng trong nước là 43.000 nghìn tấn, giá trị này sẽ dao động từ 1.793,591 triệu USD đến 3.530,328 triệu USD.

KIẾN NGHỊ GIẢI PHÁP VÀ KẾT LUẬN

Kiến nghị giải pháp

Từ kết quả phân tích, kiến nghị đưa ra một số giải pháp làm nâng cao giá trị xuất khẩu gạo của Việt Nam như sau:

Để duy trì lạm phát ở mức ổn định, cần thực hiện các chính sách thắt chặt tiền tệ một cách cẩn trọng Lạm phát có thể làm tăng giá hối đoái, dẫn đến giá xuất khẩu cao hơn và tăng kim ngạch xuất khẩu Tuy nhiên, nếu lạm phát tăng quá cao, nó sẽ ảnh hưởng tiêu cực đến đầu tư trong và ngoài nước, cũng như ngân sách nhà nước Do đó, việc kiềm hãm lạm phát là cần thiết để bảo vệ giá trị xuất khẩu, đặc biệt là trong lĩnh vực xuất khẩu gạo.

Để tăng sản lượng gạo và đáp ứng nhu cầu thị trường, Việt Nam cần cải thiện hiệu quả gieo trồng lúa, tránh tình trạng thay thế cây lúa bằng các loại cây khác như ngô hay sắn Nghiên cứu cho thấy sản lượng gạo có ảnh hưởng tích cực đến giá trị xuất khẩu Trong thời gian tới, cần thiết lập các cơ sở đào tạo về kỹ thuật sản xuất và quản lý quy trình từ gieo trồng đến chế biến sản phẩm, áp dụng công nghệ tiên tiến để đảm bảo đầu ra ổn định Điều này sẽ giúp hạn chế tình trạng thay đổi cây trồng theo biến động thị trường, từ đó nâng cao sản lượng gạo xuất khẩu.

Kết luận chung

Nghiên cứu cho thấy giá trị xuất khẩu gạo của Việt Nam trong giai đoạn 2005-2020 bị ảnh hưởng bởi sản lượng gạo nội địa và tỷ lệ lạm phát.

- Mô hình nhóm lựa chọn đã phù hợp với lý thuyết kinh tế

- Mô hình không có hiện tượng tự tương quan

Khi kiểm tra mô hình ban đầu, chúng tôi phát hiện có đa cộng tuyến giữa các biến giải thích thông qua hệ số tương quan cao Để khắc phục vấn đề này, chúng tôi đã loại bỏ hai biến có hệ số tương quan cao là N và GDP, sau đó tiếp tục loại biến DT do tDT thấp và R2 cao Cuối cùng, nhóm nghiên cứu đã kết luận về mô hình đã được điều chỉnh.

Hạn chế của đề tài

Mặc dù đã đạt được một số yêu cầu nêu trong mục đích nghiên cứu, nhưng bài thảo luận của nhóm vẫn còn một số hạn chế:

Do thiếu hụt số liệu, việc áp dụng mô hình bài luận yêu cầu thực hiện các ước lượng, điều này có thể làm giảm độ tin cậy của các tính toán Một số mô hình được sử dụng trong bài luận còn đơn giản và chưa hoàn thiện.

Mặc dù có thể cải thiện độ phù hợp của mô hình bằng cách thêm nhiều biến số hơn, nhưng điều này cũng có thể làm cho mô hình trở nên phức tạp hơn và dễ phát sinh khuyết tật, gây khó khăn trong quá trình kiểm định.

Do khả năng của từng thành viên trong nhóm có giới hạn, đề tài không thể tránh khỏi những thiếu sót và vẫn còn một số phần chưa hoàn thiện Chúng tôi rất mong nhận được ý kiến, nhận xét và phê bình từ cô giáo và các bạn trong lớp để có thể kịp thời chỉnh sửa và hoàn thiện bài thảo luận của nhóm.

Tiêu đề	Phân Tích Ảnh Hưởng Của Giá Trị Xuất Khẩu Gạo Của Việt Nam Trong Giai Đoạn 2005-2020
Tác giả	Nhóm 5
Người hướng dẫn	Cô Hoàng Thị Thu Hà
Trường học	Trường Đại Học Thương Mại
Chuyên ngành	Kinh Tế - Luật
Thể loại	Bài Thảo Luận
Năm xuất bản	2021
Thành phố	Hà Nội

Định dạng
Số trang	36
Dung lượng	1,93 MB