Xây dựng mô hình nghiên cứu về giá trị xuất khẩu một mặt hàng nông sản ( cây cà phê )

CHƯƠNG I. CƠ SỞ LÝ THUYẾT. 1. Tổng quan nghiên cứu: 2. Lý thuyết về phân tích hồi quy 3. Các khuyết tật của mô hình: CHƯƠNG 2: VẬN DỤNG I. Xây dựng mô hình gốc II. Kiểm tra các khuyết tật 1. Đa cộng tuyến 2. Phương sai sai số thay đổi 3. Tự tương quan 4. Tính chuẩn sai số ngẫu nhiên. III. KHẮC PHỤC KHUYẾT TẬT: 1. Để khắc phục ĐCT ta tăng kích thước mẫu lên n = 17 từ việc lấy thêm số liệu 2 năm 19831984. 27 2. Hậu kiểm khuyết tật CHƯƠNG 3: CÔNG BỐ MÔ HÌNH VÀ Ý NGHĨA MÔ HÌNH HỒI QUY 1. Công bố mô hình 2. Ý nghĩa của các hệ số ước lượng C. KẾT LUẬN 1. Từ những kiểm định trên ta có thể rút ra một số kết luận như sau: 2. Hướng mở rộng 3. Hạn chế của bài

CƠ SỞ LÝ THUYẾT

Tổng quan nghiên cứu

Mô hình nghiên cứu giá trị xuất khẩu cây cà phê sẽ được xây dựng dựa trên ba nhân tố chính ảnh hưởng đến vấn đề này Đầu tiên, phân tích thị trường quốc tế giúp xác định nhu cầu và giá cả cà phê trên toàn cầu Thứ hai, đánh giá chất lượng sản phẩm sẽ ảnh hưởng trực tiếp đến khả năng cạnh tranh và giá trị xuất khẩu Cuối cùng, chính sách hỗ trợ từ chính phủ và các chương trình phát triển nông nghiệp sẽ đóng vai trò quan trọng trong việc thúc đẩy xuất khẩu cà phê.

- Kiểm tra hiện tượng đa cộng tuyến

- Phương sai sai số thay đổi

- Kiểm tra tính chuẩn của sai số 𝑈 𝑖

1.2 Mục tiêu nghiên cứu, phạm vi nghiên cứu:

Mục tiêu nghiên cứu là xác định các yếu tố ảnh hưởng đến giá trị xuất khẩu của cây cà phê, từ đó phát triển các mô hình kinh tế lượng nhằm phân tích và giải quyết các yếu tố tác động này.

- Đối tượng nghiên cứu : các nhân tố ảnh hưởng đến giá trị xuất khẩu của cây cà phê của Việt Nam

- Khách thể nghiên cứu : số liệu từ 1985-1999 về cây cà phê trong Tổng cục Thống kê các năm.

Lý thuyết về phân tích hồi quy

Mô hình hồi quy tổng thể

Mô hình hồi quy mẫu:

2.1 Ước lượng bằng phương pháp bình phương nhỏ nhất

Hay 𝛽̂ là nghiệm của hệ phương trình: 𝜕𝑒 𝑡 𝑒

|𝑋𝑇X|(𝑋 ̃ 𝑇 X) (𝑋 𝑇 𝑌) Trong đó(𝑋 ̃ 𝑇 X) là ma trận phụ hợp của ma trận (𝑋 𝑇 X)

2.2 Khoảng tin cậy và kiểm định giả thuyết về các hệ số hồi quy tổng thể

Bài toán: Ước lượng hệ số 𝛽 ̂ 𝑗 với mức ý nghĩa 𝛼

Bước 3: Xác định khoảng tin cậy:

2.3 Kiểm định giả thuyết về các hệ số của hồi quy tổng thể

Bước 1: Xây dựng bài toán kiểm định: { 𝐻 𝑜∶ 𝛽 𝑗 = 0

2.4 Kiểm định giả thuyết đồng thời

Bước 1: Xét bài toàn kiểm định: { 𝐻 𝑜∶ 𝛽 2 = ⋯ = 𝛽 ᘼ = 0

Bước 1: ước lượng mô hình gồm: Yi= β1+ β2X2i+…+ βkXki+ui thu được 𝑅 𝑈𝑅 2

Bước 2: ước lượng mô hình sau khi bỏ m biến:

Yi= β1+ β2X2i+…+ βk-mX(k-m)i+vi thu được 𝑅 𝑅 2

Các khuyết tật của mô hình

3.1 Hiện tượng phương sai sai số thay đổi a Bản chất

Tức là:Var(U i ) = σ i 2 b Phát hiện hiện tượng

• Phương pháp đồ thị phần dư:

Bước 1: Sử dụng đồ thị phần dư đối với giá trị của Xi hoặc giá trị dự đoán

- Phương sai của phần dư được thể hiện bằng độ rộng của biểu đồ rải của phần dư khi X tăng

- Nếu độ rộng của biểu đồ rải phần dư tăng hoặc giảm khi X tăng thì có hiện tượng phương sai sai số thay đổi

Bước 2: Bỏ c quan sát ở giữa: c= 4 hoặc c= 6 nếu n≅ 30 ; c= 10 hoặc c nếu n≅60 =>hai nhóm số liệu : (n-c)/2 quan sát

Bước 3: Ước lượng trên hai nhóm số liệu riêng biệt thu được RSS1 VÀ RSS2 co bậc tự do :( 𝑛−𝑐

⇔ ln σ i 2 = ln σ 2 + 𝛼 2 ln Xij + vi

Bước 1: ước lượng mô hình gốc thu được 𝑒 𝑖 2

Bước 2: ước lượng mô hình ln 𝑒 𝑖 2 = 𝛼 1 + 𝛼 2 ln Xij + vi

Bước1: Hồi quy mô hình gốc để thu phần dư ei

Bước 2: Hồi quy một trong các mô hình sau :

Bước 1: Ước lượng mô hình hồi quy gốc thu được các phần dư ei

Bước 2: ƯLMH sau : e i 2 = α1 + α2X2 + α3X3 + α4X 2 2 + α5 X 3 2 + α6X2X3 + Vi thu được 𝑅 ∗ 2

• Kiểm định dựa trên biến phụ thuộc:

Bước 1: Ước lượng mô hình gốc thu được e i → e i 2 ; Y ̂ i

Bước 2: Ước lượng e i 2 = α 1 + α 2 (Y ̂ ) i 2 + V i thu đượcR ∗2

Bước 3: BTKD: { H 0 : PSSS không đổi

3.2 Hiện tượng tự tương quan a Bản chất

− Tự tương quan bậc p: u t =  1 u t − 1 +  2 u t − 2 + + p p u t − p +  t b Phát hiện hiện tượng

• Kiểm định Durbin – Watson.( chỉ áp dụng đối với bài toán phát hiện tự tương quan bậc 1)

Bước 1: Hồi quy mô hình gốc thu được:

Bước2: Dựa vào 3 thông số: n, k’=k-1,α , tra bảng xác định được dU, dL và biểu diễn trên trục số

Bước 3: Xác định khoảng chứa d, và kết luận theo quy tắc kiểm định

Bước 4: Kết luận: d𝜖 (1): có tự tương quan dương d𝜖 (2) hoặc (4): không có kết luận về tự tương quan d𝜖 (3): không có tự tương quan d𝜖(5): có tư tương quan âm

Phát hiện hiện tượng tự tương quan bậc p trong mô hình

Bước 1: Hồi quy mô hình gốc, thu được ei

Bước 2: Hồi quy mô hình : ei= β1+β2 X2i+……+βk Xki+ρ1 ek-1+….+ρp ei-p+Vi

Bước 3: Kiểm định giả thuyết H 0 : ρ1=ρ2 =……= ρp =0

Nếu Ho đúng thì: χ 2 ~ χ 2(p) =>Miền bác bỏ H0: W ∝ = {χ tn 2 : χ tn 2 > χ α 2 (p)}

Có hiện tượng tự tương quan bậc 1 → p

3.3 Hiện tượng đa cộng tuyến a Bản chất

Vi phạm giả thiết: các biến độc lập không có quan hệ phụ thuộc tuyến tính rg(X) = k ∃(X T X) −1

− Đa cộng tuyến hoàn hảo λ2X 2 + λ3X 3i + … + λkX ki = 0 ( ∑ λ i 2 > 0)

- Đa cộng tuyến không hoàn hảo λ2X 2i + λ3X 3i + … + λkX ki + Vi = 0 ( ∑ λ i 2 > 0) b Phát hiện hiện tượng

• Phương pháp R 2 cao , tỷ số t thấp

Hiện tượng đa cộng tuyến xảy ra khi:

Kết luận: có xảy ra đa cộng tuyến

Ngược lại , nếu không thỏa mãn 1 trong 2 điều kiện tên thì không xảy ra hiện tượng

• Phương pháp nhân tử phóng đại phương sai(VIF)

Nếu VIF >10 thì có xảy ra đa cộng tuyến

• Phương pháp hồi quy phụ

Xét MHHQ của 1 biến độc lập theo các biến còn lại Nếu MH phù hợp (KĐGT đồng thời) thì có xảy ra đa cộng tuyến

• Phương pháp tương quan cặp giữa các biến độc lập

Thì xảy ra hiện tượng đa cộng tuyến c Khắc phúc hiện tượng đa cộng tuyến

Thông tin tiên nghiệm có thể xuất phát từ các công việc thực tế trước đây, nơi đã xảy ra hiện tượng cộng tuyến, mặc dù mức độ nghiêm trọng không cao, hoặc từ các lý thuyết liên quan trong lĩnh vực nghiên cứu.

Ví dụ: Ta muốn ước lượng hàm sản xuất của một quá trình sản xuất nào đó códạng: Qt = A

Thông tin tiên nghiệm: α+β= 1 (quy mô không đổi)

Thông tin tiên nghiệm trên đã giúp chúng ta giảm số biến độc lập trong mô hìnhxuống còn 1 biến ln

Sau khi thu được ước lượng của α thì tính được từ điều kiện

❖ Thu thập thêm dữ liệu

Vấn đề đa cộng tuyến là một đặc điểm của mẫu, và trong các mẫu khác, mức độ nghiêm trọng của các biến cộng tuyến có thể khác nhau Do đó, việc tăng cỡ mẫu có thể giúp giảm thiểu vấn đề đa cộng tuyến.

Khi có hiện tượng đa cộng tuyến nghiêm trọng thì cách đơn giản nhất là bỏ biến cộng tuyến ra khỏi phương trình

Bằng phép so sánh R 2 và trong các phép hồi quy khác nhau mà có và không có

1 trong 2 biến chúng ta có thể quyết định nên bỏ biến nào

Không nên lạm dụng phương pháp này, vì nó sẽ làm mất đi thông tin về biến phụ thuộc

Ví dụ chúng ta có số liệu trên chuỗi thời gian biểu thị liên hệ giữa biến Y và các biện phụ thuộc X2 và X3 theo mô hình sau:

❖ Giảm tương quan trong hồi quy đa tức

Hồi quy đa thức khác biệt ở chỗ các biến giải thích xuất hiện với lũy thừa khác nhau trong mô hình Để giảm thiểu hiện tượng đa cộng tuyến, thực hành thường áp dụng độ lệch Nếu phương pháp này không hiệu quả, có thể xem xét kỹ thuật ‘đa thức trực giao’ để cải thiện kết quả.

❖ Thay đổi dạng mô hình

Mô hình kinh tế lượng có nhiều dạng hàm khác nhau, Thay đổi mô hình cũng có nghĩa là tái cấu trúc mô hình

❖ Một số biện pháp khác

- Bỏ qua đa cộng tuyến nếu t > 2

- Bỏ qua đa cộng tuyến nếu R 2 của mô hình cao hơn R 2 của mô hình hồi quy phụ

- Bỏ qua đa cộng tuyến nếu hồi quy mô hình được dùng để dự báo chứ không phải kiểm định

- Hồi quy thành phần chính

- Sử dụng các ước lượng từ bên ngoài

3.4 Tính chuẩn của sai số ngẫu nhiên 𝑼 𝒊

Khi xem xét đồ thị phần dư, nếu phân phối có sự lệch rõ rệt sang bên phải hoặc bên trái, hoặc có hình dạng quá nhọn hay quá dẹt, thì đó là những dấu hiệu cho thấy sai số ngẫu nhiên của mô hình không tuân theo quy luật chuẩn.

• Kiểm định Jacque - Bera (JB)

Bước 1: Ước lượng mô hình hồi quy gốc, thu được các phần dư ei

Bước 2: Tính giá trị quan sát của thống kê kiểm định:

Trong đó: S là độ bất đối xứng (Skewness),

K là độ nhọn (Kurtosis) của phần dư, n là kích thước mẫu, k là số hệ số có trong mô hình

Nếu JB > χ 2(2) thì bác bỏ giả thuyết H0 và thừa nhận giả thuyết H1

Ngược lại, JB< χ 2(2) thì chưa có cơ sở bác bỏ giả thuyết H0 Đồng thời, ta cũng có thể sử dụng giá trị xác suất để kết luận

VẬN DỤNG

I Xây dựng mô hình gốc

Cây cà phê không chỉ mang lại giá trị kinh tế mà còn có ảnh hưởng sâu rộng đến nhiều lĩnh vực khác Bài viết này nhằm cung cấp cái nhìn toàn diện về tầm quan trọng của cây cà phê, đồng thời là tài liệu hữu ích cho sinh viên trong việc tìm hiểu về xuất nhập khẩu cà phê.

Các biến kinh tế sử dụng:

• Y: Gía trị xuất khẩu ( nghìn USD)

Viết mô hình hồi quy mẫu:

Variable Coefficient Std Error t-Statistic Prob

S.E of regression 7578.364 Akaike info criterion 20.96518

Sum squared resid 5.74E+08 Schwarz criterion 21.20120

Log likelihood -152.2389 Hannan-Quinn criter 20.96267

• Mô hình hồi quy mẫu:

− X có ảnh hưởng tới Y hay không?

 Gía ảnh hưởng đến giá trị xuất khẩu

− G có ảnh hưởng tới Y hay không?

 Lượng xuất khẩu ảnh hưởng đến giá trị xuất khẩu

− M có ảnh hưởng tới Y hay không?

 Tổng sản lượng ảnh hưởng đến giá trị xuất khẩu

− Z có ảnh hưởng tới Y hay không?

 Lãi suất ảnh hưởng đến giá trị xuất khẩu

− Mô hình có phù hợp hay không?

II Kiểm tra các khuyết tật

Từ bảng số liệu thu được , ta thấy :

 Hệ số R 2 (R-squared) = 0.996048 > 0,8 =>Hệ số R 2 cao

Kết luận: Không có hiện tượng đa cộng tuyến

Sum squared resid 442.2124 Schwarz criterion 6.943764

BTTCĐ: H 0 : Mô hình không có hiện tượng đa cộng tuyến

H 1 : Mô hình có hiện tượng đa cộng tuyến

Từ bảng số liệu thu được, ta có:

P_value = 0.000002 < 0.05 => Bác bỏ 𝐻0 ,chấp nhận 𝐻1

 Mô hình có hiện tượng đa cộng tuyến

2 Phương sai sai số thay đổi

Obs*R-squared 5.109678 Prob Chi-Square(4) 0.2762

Scaled explained SS 3.032878 Prob Chi-Square(4) 0.5523

 Phương sai sai số không đổi

❖ Kiểm định White ( không lát cắt)

S.E of regression 37209924 Akaike info criterion 37.96325

{ H o : phương sai sai số không đổi

H 1 : phương sai sai số thay đổi { H o : R 2 ∗ = 0

Vậy mô hình có phương sai sai số không đổi

❖ Kiểm định dựa trên biến phụ thuộc

Từ mô hình gốc ban đầu ta thu được biến e i

Sau đó ước lượng mô hình hồi quy phụ ta có bảng eview sau

S.E of regression 45307897 Akaike info criterion 38.21943

BTKĐ: { H 0 : Phương sai sai số const

H 1 : Phương sai sai số thay đổi }

Ta thấy = 0.3433 > 0.05 => chấp nhận 𝐻 0 , bác bỏ H 1 => Phương sai sai số không đổi

BTKĐ: { H 0 : Mô hình không có tự tương quan

H 1 : Mô hình có tự tương quan }

Bảng Eview: d = 2.377018𝜖 (4) => Không có kết luận về tự tương quan

Sử dụng phần mềm eview thu được kết quả kiểm định B-G tự tương quan bậc 1

Breusch-Godfrey Serial Correlation LM Test:

Presample missing value lagged residuals set to zero

BTKĐ: { H 0 : Mô hình không có AR (1)

=> MH không có AR (1) ( không có TTQ bậc 1)

=> MH không có AR ( 2) (không có tự tương quan bậc 2.)

4 Tính chuẩn sai số ngẫu nhiên

❖ Kiểm định Jacque – Bera (JB)

Mean -2.14e-11 Median -1421.159 Maximum 12518.12 Minimum -9679.377 Std Dev 6404.887 Skewness 0.343536 Kurtosis 2.303929

{ H 0 : Ui có phân phối chuẩn

H 1 : Ui không có phân phôi chuẩn Tiêu chuẩn kiểm định:

Theo kết quả bảng eview ta có:

 Vậy với mức ý nghĩa 5% thì Ui có phân phối chuẩn

Qua kiểm định, mô hình cho thấy hiện tượng đa cộng tuyến xuất hiện, không có tự tương quan, phương sai sai số ổn định và phân phối chuẩn.

III KHẮC PHỤC KHUYẾT TẬT:

1 Để khắc phục ĐCT ta tăng kích thước mẫu lên n = 17 từ việc lấy thêm số liệu 2 năm 1983-1984

Chạy eviews ra kết quả như sau :

• Mô hình hồi quy mẫu :

− X có ảnh hưởng tới Y hay không?

 Gía ảnh hưởng đến giá trị xuất khẩu

− G có ảnh hưởng tới Y hay không?

 Lượng xuất khẩu ảnh hưởng đến giá trị xuất khẩu

− M có ảnh hưởng tới Y hay không?

 Tổng sản lượng ảnh hưởng đến giá trị xuất khẩu

- Z có ảnh hưởng tới Y hay không?

 Lãi suất không ảnh hưởng đến giá trị xuất khẩu

− Mô hình có phù hợp hay không?

Sau khi kiểm định giả thuyết các hệ số hồi quy của mô hình mới, chúng tôi kết luận rằng lãi suất không ảnh hưởng đến giá trị xuất khẩu Ngược lại, các biến như giá, lượng xuất khẩu và tổng sản lượng có tác động đáng kể đến giá trị xuất khẩu.

Ta tiến hành loại bỏ biến Z ra khỏi mô hình, xây dựng lại hàm hồi quy mẫu như sau:

 Sau khi chạy lại hàm hồi quy của Y theo X,G,M ta thấy P value của các hệ số hồi quy thỏa mãn 0,8=>Hệ số R 2 cao

Kết luận: Không có hiện tượng đa cộng tuyến

Sum squared resid 4893.741 Schwarz criterion 9.000355

BTTCĐ: H 0 : Mô hình không có hiện tượng đa cộng tuyến

H 1 : Mô hình có hiện tượng đa cộng tuyến

Từ bảng số liệu thu được, ta có:

P_value = 0.243810 > α =0.05 => Bác bỏ 𝐻1, chấp nhận 𝐻0

 Mô hình không còn hiện tượng đa cộng tuyến b) Phương sai sai số thay đổi

 Phương sai sai số không đổi

S.E of regression 1.15E+08 Akaike info criterion 40.16835

{ H o : phương sai sai số không đổi

H 1 : phương sai sai số thay đổi { H o : R 2 ∗ = 0

 Mô hình có phương sai sai số không đổi

❖ Kiểm định dựa trên biến phụ thuộc

S.E of regression 1.35E+08 Akaike info criterion 40.39073

BTKĐ: { H 0 : Phương sai sai số const

H 1 : Phương sai sai số thay đổi }

Ta thấy P value = 0.2925 > 0.05 =>Chấp nhận𝐻 0 , bác bỏ H 1 => Phương sai sai số không đổi c, Tự tương quan

BTKĐ: { H 0 : Mô hình không có tự tương quan

H 1 : Mô hình có tự tương quan }

Bảng Eview: d =1.697839𝜖 (2) => Không có kết luận về tự tương quan

P giá trị = 0.3731 > 0.05 =>Chấp nhận 𝐻 0 , bác bỏ H 1

=> MH không có AR ( ) 1 (không có TTQ bậc 1)

=> MH không có AR ( ) 2 ( không có tự tương quan bậc 2.) d, Tính chuẩn Ui

Mean -7.85e-12Median -1235.233Maximum 22882.53Minimum -15917.34Std Dev 9643.607Skewness 0.394713Kurtosis 3.268181Jarque-Bera 0.492373Probability 0.781776

{ H 0 : Ui có phân phối chuẩn

H 1 : Ui không có phân phôi chuẩn Tiêu chuẩn kiểm định:

Theo kết quả bảng eview ta có:

 Vậy với mức ý nghĩa 5% thì Ui có phân phối chuẩn

CÔNG BỐ MÔ HÌNH VÀ Ý NGHĨA MÔ HÌNH HỒI QUY

Sau khi đưa ra mô hình hàm hồi quy mẫu:

Nhóm đã sử dụng eviews để kiểm tra biến và các khuyết tật Cuối cùngnhóm thu về được mô hình hàm hồi quy mẫu cuối cùng:

Các biến kinh tế sử dụng:

• Y: Gía trị xuất khẩu ( nghìn USD)

2 Ý nghĩa của các hệ số ước lượng

- 𝛽 ̂ 2 = 878.9137 có nghĩa là khi giá tăng 1 USD/kg thì giá trị xuất khẩu tăng 878.9137 nghìnUSD với điều kiện tổngsản lượng và lượng xuất khẩu không đổi

- 𝛽 ̂ 3 = 0.328873 có nghĩa là lượng xuất khẩu tăng 1 tấn giá trị xuất khẩu tăng 0.328873 nghìn USD với điều kiệngiá và tổng sản lượng không đổi

- 𝛽 ̂ 4 = - 0.286315 có nghĩa là tổng sản lượng tăng 1 kg thì giá trị xuất khẩu giảm 0.286315 nghìn USD với điều kiện giá và lượng xuất khẩu không đổi

1 Từ những kiểm định trên ta có thể rút ra một số kết luận như sau:

Phân tích mô hình cho thấy giá trị xuất khẩu bị ảnh hưởng rõ rệt bởi sản lượng xuất khẩu và giá thành sản phẩm Tuy nhiên, do kích thước mẫu thống kê còn hạn chế, chưa thể khẳng định chắc chắn sự tác động của các yếu tố này Ngoài ra, giá trị xuất khẩu còn chịu tác động từ nhiều yếu tố khác như dịch bệnh và tình hình kinh tế toàn cầu.

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

- Mô hình không có hiện tượng phương sai thay đổi

- Mô hình có hiện tượng đa cộng tuyến đã khắc phục bằng phương pháp tăng kích thước mẫu và loại bỏ biến không ảnh hưởng sau khi them mẫu

- Mô hình không có hiện tượng tự tương quan

Theo quan điểm của nhóm để tăng giá trị xuất khẩu của cây cà phê cần phải tăngsản lượng, nâng cao chất lượng để tang giá sản phẩm

Việc thêm một số biến vào mô hình có thể cải thiện độ phù hợp, nhưng đồng thời cũng làm tăng độ phức tạp và có thể dẫn đến nhiều khuyết điểm, gây khó khăn trong quá trình kiểm định Do năng lực của từng thành viên trong nhóm còn hạn chế, đề tài không thể tránh khỏi những thiếu sót Chúng tôi rất mong nhận được ý kiến đóng góp và phê bình từ thầy cô và các bạn để kịp thời cải thiện và củng cố kiến thức.

Định dạng
Số trang	42
Dung lượng	1,01 MB