MỤC LỤC
1 - Vấn đề nghiên cứu,
Nghiên cứu mối quan hệ giữa nhập khẩu với đầu tư và xuất khẩu ở
Việt Nam trong giai đoạn 1995 - 2010
1
Nhập khẩu, xuất khẩu, đầu tư là những thuật ngữ cơ bản thường được nhắc
đến trong kinh tế học cũng như trong nền kinh tế thực tế. Nó là một trong những
nhân tố quan trọng thúc đẩy sự chuyển dịch cơ cấu kinh tế, thúc đẩy nhanh quá
trình công nghiệp hóa, hiện đại hóa, đẩy nhanh nhịp độ tăng trưởng kinh tế góp
phần ổn định và cải thiện đời sống nhân dân, thực hiện các mục tiêu cơ bản về
kinh tế - xã hội của một quốc gia.
Những năm gần đây, trị giá vốn đầu tư nước ngoài thu hút được đã vượt
ngưỡng 10 tỉ USD. So với nhiều quốc gia, những con số trên đây chưa hẳn ấn
tượng nhưng đối với Việt Nam, điều này mang ý nghĩa vô cùng quan trọng. Đó
là nguồn vốn bổ sung rất cần thiết để tiến hành công nghiệp hóa, hiện đại hóa
đất nước; góp phần phát triển nguồn nhân lực, tạo việc làm; góp phần tích cực
chuyển dịch cơ cấu kinh tế đất nước, tăng nguồn thu cho ngân sách nhà nước,
đặc biệt, đầu tư trực tiếp nước ngoài có khả năng ảnh hưởng lớn đến hoạt động
xuất nhập khẩu của Việt Nam.
Ngược lại, hoạt động xuất nhập khẩu ở nước ta cũng có khả năng tác động
trở lại đến dòng đầu tư nước ngoài vào Việt Nam. Cũng giống như đầu tư nước
ngoài, hoạt động xuất nhập khẩu cũng có vai trò hết sức quan trọng đối với nền
kinh tế, nhờ khả năng thúc đẩy tăng trưởng và là cơ sở đánh giá mức độ phát
triển của một nền kinh tế.
Ở bài báo cáo này nhóm chúng em khai thác đề tài mối quan hệ giữa nhập
khẩu theo đầu tư và xuất khẩu. Cụ thể là đi sâu nghiên cứu, hồi quy, phân tích
qua đó có cái nhìn toàn diện, bao quát hơn về ảnh hưởng của đầu tư, xuất khẩu
đến nhập khẩu ở Việt Nam – một trong những nề kinh tế trẻ ở khu vực Châu Á.
2 - Thu thập số liệu
Nhận thấy nhập khẩu, xuất khẩu và đầu tư của nước ta giai đoạn từ 1995
– 2011 biến động khá đều và ổn định, là một mô hình khá tốt để tiến hành

nhân tố, trong đó có đầu tư và xuất khẩu. Dựa vào bảng số liệu thu thập được,
chúng em lập mô hình hồi qui biểu thị mối quan hệ của nhập khẩu vào đầu tư và
xuất khẩu trong giai đoạn từ năm 1995- 2010
3
Năm
Nhập khẩu
(IM)
Xuất khẩu
(EX)
Đầu tư
(I)
1995 8155.4 5448.9 6937.2
1996 11143.6 7255.8 10164.1
1997 11592.3 9185.0 5590.7
1998 11499.6 9360.3 5099.9
1999 11742.1 11541.4 2565.4
2000 15636.5 14482.7 2838.9
2001 16217.9 15029.2 3142.8
2002 19745.6 16706.1 2998.8
2003 25255.8 20149.3 3191.2
2004 31968.8 26485.0 4547.6
2005 36761.1 32447.1 6839.8
2006 44891.1 39826.2 12004.0
2007 62764.7 48561.4 21347.8
2008 80713.8 62685.1 71726.0
2009 69948.8 57096.3 23107.3
2010 84801.2 72191.9 19886.1
2011 106749.9 96905.7 14695.9
Mục đích nghiên cứu: Đưa ra được mô hình hồi qui phù hợp, từ đó có
những phân tích và dự báo cho hoạt động đầu tư trong những năm tới của nước

2008 80713.8 62685.1 71726
2009 69948.8 57096.3 23107.3
2010 84801.2 72191.9 19886.1
2011 106749.9 96905.7 14695.9
Đồ thị 1
5
+ Với View

Graph

Scatter

Simple Scatter:
Đồ thị 2
6
+ Với View  Graph  Scatter  Scatter with Regression ta có:
Đồ thị 3
3.2. Lựa chọn mô hình hồi quy
Thông qua 3 biểu đồ trên ta có thể nhận thấy, với mỗi một dạng hàm khác
nhau sẽ cho ta mối quan hệ giữa các biến khác nhau. Và trong 3 đồ thị trên, đồ
7
thị được cho là đẹp nhất, dễ nhìn nhất, bắt mắt nhất là đồ thị thứ 3. Nó cho ta
thấy mối quan hệ khá chặt chẽ, mật thiết giữa các biến trong mô hình hồi quy.
Vì vậy ta sẽ lựa chọn mô hình hồi quy tổng thể như sau:
PRM: E(IM/EX
i
, I
i
) = β
1

SRM: IM =
1
+
2
EX
i
+
3
I
i
+ e
i
Trong đó:

1
,
2
,
3
: là các hệ số hồi quy ước lượng (thực chất là ước lượng điểm
của các hệ số hồi quy β
1
, β
2
, β
3
.
 e
i
: là phần dư ( là sai lệch giữa giá trị cá biệt của biến phụ thuộc so




≠
=
0:
0:
11
1
β
β
H
H
mức ý nghĩa
05,0=
α
Sử dụng tiêu chuẩn kiểm định:
( )
)3(~
1
11
−
−
= nT
Se
T
β
ββ



Kết luận: Với mức ý nghĩa 5% có thể cho rằng hệ số chặn không có ý
nghĩa thống kê trong thực tế.
5.1.2 Kiểm định
2
β
Có ý kiến cho rằng xuất khẩu không có ảnh hưởng tới nhập khẩu, để biết
điều đó có chính xác không ta tiến hành kiểm định:



≠
=
0:
0:
21
20
β
β
H
H
mức ý nghĩa
05,0=
α
Sử dụng tiêu chuẩn kiểm định:
( )
( )
3~
2
22
−


∈
W
α
 Bác bỏ giả thuyết H
0
, chấp nhận đối thuyết H
1
.
Kết luận: Với mức ý nghĩa 5% như trên cho ta thấy nhập khẩu ở Việt Nam
chịu ảnh hưởng của xuất khẩu.
5.1.3 Kiểm định
3
β
Để kiểm tra xem đầu tư có ảnh hưởng tới nhập khẩu của Việt Nam hay
không ta đi kiểm định:



≠
=
0:
0:
31
30
β
β
H
H
mức ý nghĩa

>=
n
tttW
αα
Theo báo cáo Eview 1 ở trên ta có: t
qs
= 3,576388
Mà  3,576388 > 2,16  t
qs

∈
W
α

 Bác bỏ giả thuyết H
o
, chấp nhận H
1
.
Kết luận: Với mức ý nghĩa 5% thì ý kiến đầu bài đưa ra là sai, tức là đầu tư
có ảnh hưởng tới nhập khẩu ở Việt Nam.
5.1.4. Kiểm định sự phù hợp của hàm hồi quy
Có ý kiến cho rằng hàm hồi quy trên không phù hợp, để kiểm tra ý kiến đó
đúng không ta đi kiểm định:





>

( ){ }
3,2: −>= nFFFW
α
α
Theo kết quả trên báo cáo Eview 1 thì: F
qs
= 1622,318
Mà . Ta thấy  F
qs

∈
W
α

 Bác bỏ giả thuyết H
0
, chấp nhận đối thuyết H
1
.
Kết luận: Sau khi kiểm định, với mức ý nghĩa 5% ta có thể khẳng định
rằng mô hình hồi quy trên hoàn toàn phù hợp.
5.2. Phát hiện mô hình chứa biến không phù hợp
Từ những kiểm định
β
ở 5.1 ta nhận thấy tất cả các
β
đều khác không.
Điều đó chứng tỏ các biến trong mô hình đều phù hợp.
Kết luận: Mô hình không chứa biến không phù hợp
5.3. Kiểm định Ramsey

pRR
F
Miền bác bỏ:
Giá trị thống kê quan sát là : = 1,417528
Mà ta thấy
Chưa có cơ sở để bác bỏ giả thuyết H
0
, tạm thời chấp nhận giả thuyết H
0
.
Vậy với mức ý nghĩa 0,05 mô hình chỉ định không bỏ sót biến.
13
5.4 Kiểm định sự tự tương quan trong mô hình
5.4.1 Kiểm định Durbin – Watson
Durbin – Watson là phương pháp thông dụng để phát hiện tự tương quan
chuỗi dựa trên thống kê của Durbin – Watson :
Bước 1 : Theo như báo cáo 1 thì d
qs
= 2,263209
Bước 2 : Với α = 0,05; n = 16; k = 3 → k’ = 2 => tra bảng ta có



=
=
539,1
982,0
U
L
d

Nhằm khắc phục nhược điểm của kiểm định Durbin – Watson và kiểm tra xem
mô hình ban đầu có tự tương quan hay không ta sử dụng kiểm định BG
5.4.2.1 Kiểm định BG bậc 1
Sử dụng chương trình Eview để tiến hành kiểm định BG ta có báo cáo:
14
Báo cáo 3: Kiểm định BG bậc 1 đối với mô hình hồi quy ban đầu
Kiểm định cặp giả thuyết:
H
0
: Mô hình ban đầu không có tự tương quan bậc 1
H
1
: Mô hình ban đầu có tự tương quan bậc 1
Mức ý nghĩa 5% → α = 0,05.
Sử dụng tiêu chuẩn kiểm định:
)1(~)1(
222
χχ
Rn
−=
Miền bác bỏ giả thuyết H
0
, với mức ý nghĩa
05,0=
α
là:
{ }
)1(/
222
χχχ

bác bỏ giả thuyết H
0
Kết luận: Mô hình không có tự tương quan bậc 1
15
5.4.2.2 Kiểm định BG bậc 2
Sử dụng chương trình Eview để tiến hành kiểm định BG ta có báo cáo:
Báo cáo 3: Kiểm định BG bậc 2 đối với mô hình hồi quy ban đầu
Kiểm định cặp giả thuyết:
H
0
: Mô hình ban đầu không có tự tương quan bậc 2
H
1
: Mô hình ban đầu có tự tương quan bậc 2
Mức ý nghĩa 5%
Sử dụng tiêu chuẩn kiểm định:
)2(~)1(
222
χχ
Rn −=
Miền bác bỏ giả thuyết H
0
, với mức ý nghĩa
05,0=
α
là:
{ }
)2(/
222
χχχ

=> Chưa có cơ sở bác
bỏ giả thuyết H
0
16
Kết luận: Mô hình không có tự tương quan bậc 2
5.5 Kiểm định xem phương sai sai số có thay đổi hay không
Kiểm định White được sử dụng phổ biến để kiểm tra hiện tượng phương
sai sai số thay đổi của mô hình. Kiểm định White đơn giản, khắc phục được
nhược điểm của một số phương pháp như kiểm định Park, kiểm định Glejser,
Đồng thời kiểm định White có sẵn trong phần mềm Eview nên dễ dàng có báo
cáo sau một số thao tác đơn giản.Sử dụng chương trình Eview để có báo cáo
kiểm định White như sau:
White Heteroskedasticity Test:
F-statistic 2.006155 Probability 0.163201
Obs*R-squared 8.012291 Probability 0.155560
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/23/12 Time: 14:06
Sample: 1995 2010
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C -3934190. 3694227. -1.064956 0.3119
I 506.4673 510.4430 0.992211 0.3445
I^2 -0.013068 0.010834 -1.206267 0.2555
I*EX 0.010071 0.021002 0.479509 0.6419
EX 331.1982 192.4190 1.721235 0.1159
EX^2 -0.007661 0.004317 -1.774368 0.1064
R-squared 0.500768 Mean dependent var 2653805.
Adjusted R-squared 0.251152 S.D. dependent var 3985169.

−
>=
W
K
W
χχχα
17
Ta có:
012288,8500768,0*16
22
=== nR
qs
χ
Tra bảng được:
αχχχχ
W
qsqs
∉→<→=
2)5(2
05,0
2)5(2
05,0
0705,11

=> Chưa có cơ sở để bác bỏ giả thuyết H
0
.
Kết luận: Mô hình không có phương sai sai số thay đổi.
5.6 Kiểm định về sự đa cộng tuyến của mô hình
5.6.1 Sử dụng mô hình hồi quy phụ

0
: I không có quan hệ tuyến tính với EX
H
1
: I có quan hệ tuyến tính với EX
Mức ý nghĩa 5%
Sử dụng tiêu chuẩn kiểm định:
)1;2(~
)1/()1(
)2/(
2
2
2
2
2
+−−
+−−
−
= knkF
knR
kR
F
Miền bác bỏ với mức ý nghĩa 5% là:
}{
)1,2(/
22
+−−>=
knkFFFW
αα
Từ báo cáo ta có F

Độ đo Theil được sử dụng để đo mức độ đa cộng tuyến trong mô hình ban
đầu cao hay thấp.
Bước 1: Lần lượt hồi quy IM theo I và EX như sau:
+ Hồi quy IM theo I:
SRM: IM
i
=
Nhập số liệu vào Eview và xem đồ thị:
Đồ thị 5
Dependent Variable: IM
20
Method: Least Squares
Date: 09/23/12 Time: 15:00
Sample: 1995 2010
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
EX 1.224629 0.029238 41.88505 0.0000
C -396.8000 1023.532 -0.387677 0.7041
R-squared 0.992083 Mean dependent var 33927.39
Adjusted R-squared 0.991518 S.D. dependent var 26633.52
S.E. of regression 2452.952 Akaike info criterion 18.56444
Sum squared resid 84237645 Schwarz criterion 18.66101
Log likelihood -146.5155 F-statistic 1754.357
Durbin-Watson stat 1.221673 Prob(F-statistic) 0.000000
Báo cáo 6: Kết quả hồi quy IM theo GDP
Thu được
992083,0
2
3
=

R
Cùng với báo cáo 1 ta có R
2
= 0,996009
Kết luận: Vậy với m = 0.540413,mô hình coi như không có đa cộng tuyến.
5.7 Kiểm định tính phân bố chuẩn của sai số ngẫu nhiên
Khi sử dụng giả thiết bình phương nhỏ nhất, ta nói rằng U có phân bố
chuẩn, nhưng trong thực tế điều này có thể bị vi phạm, vì thế ta phải kiểm tra
xem điều này có bị vi phạm hay không bằng cách sử dụng kiểm định Jarque –
Bera:
Kiểm định cặp giả thuyết:
H
0
: U có phân phối chuẩn
H
1
: U không có phân phối chuẩn
Mức ý nghĩa 5%
Sử dụng tiêu chuẩn kiểm định:
( )
)2(2
2
2
~)
24
3
6
(
χ
−

Y
t
= â
1
+ â
2
X
2t
+ â
3
X
3t
+ U
t
Mô hình trên đúng với thời điểm t thì cũng đúng với thời điểm t-1
Y
t-1
= â
1
+ â
2
X
2(t-1)
+ â
3
X
3(t-1)
+ U
t-1
Ta đi hồi quy mô hình dạng:

DX
2t
+ â
3
DX
3t
+ U
t
*
Trở lại bài thực hành: Với mô hình hồi quy IM theo I, EX ta phát hiện ra
chúng có khuyết tật đa cộng tuyến. Với số liệu đã cho, để khắc phục hiện tượng
này chúng ta có thể dùng kết quả ước lượng mô hình sai phân cấp 1 trong báo
cáo sau:
Dependent Variable: D(IM)
Method: Least Squares
Date: 09/23/12 Time: 15:29
Sample(adjusted): 1996 2010
Included observations: 15 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(I) 0.084803 0.041776 2.029975 0.0633
D(EX) 1.110543 0.112410 9.879381 0.0000
R-squared 0.901010 Mean dependent var 5109.720
Adjusted R-squared 0.893395 S.D. dependent var 7502.919
S.E. of regression 2449.731 Akaike info criterion 18.56891
Sum squared resid 78015342 Schwarz criterion 18.66332
Log likelihood -137.2668 Durbin-Watson stat 2.328203
Báo cáo 9: kết quả ước lượng mô hình sai phân cấp 1
Mô hình hồi quy mẫu thu được:
D(IM)
t

2
-3
' = 0.157807
24
Hồi quy biến D(IM)

theo các biến D(EX) được:

Dependent Variable: D(IM)
Method: Least Squares
Date: 09/23/12 Time: 15:48
Sample(adjusted): 1996 2010
Included observations: 15 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
D(EX) 1.240019 0.102361 12.11415 0.0000
R-squared 0.869632 Mean dependent var 5109.720
Adjusted R-squared 0.869632 S.D. dependent var 7502.919
S.E. of regression 2709.046 Akaike info criterion 18.71092
Sum squared resid 1.03E+08 Schwarz criterion 18.75812
Log likelihood -139.3319 Durbin-Watson stat 1.572921
Báo cáo 11.
Thu được : R
2
2
−
' = 0,869632
Dùng độ đo Theil : m = R
2
- (R
2

đúng không ta đi kiểm định:





>
=
0:
0:
2
1
2
0
RH
RH
mức ý nghĩa α = 0,05
Sử dụng tiêu chuẩn kiểm định:
( )
( )
3',2~
)3'/(1
2/
2
2
−
−−
= nF
nR
R