TRƯỜNG ĐẠI HỌC QUY NHƠN
KHOA TÀI CHÍNH NGÂN HÀNG & QUẢN TRỊ KINH DOANH

BÀI TIỂU LUẬN KINH TẾ LƯỢNG

ĐỀ TÀI:
PHÂN TÍCH MỘT SỐ YẾU TỐ ẢNH HƯỞNG
ĐẾN SẢN LƯỢNG LÚA VIỆT NAM

Giảng viên:

ThS. Hoàng Mạnh Hùng

Lớp học phần:

1140033154RB

Bình Định, tháng 12/2015

Trang 1


DANH SÁCH THÀNH VIÊN TRONG NHÓM

TT
1
2
3
4
5
6

9
11
12
14
15

8.5
9
9
8.5
9
7
8

Trang 2


Mục lục

Lời mở đầu
Trong bối cảnh hội nhập quốc tế. Nền kinh tế Việt Nam từ một nước
nông nghiệp lạc hậu đang phấn đấu vươn lên để trở thành một nước công
nghiệp cơ bản (2020). Sự chuyển dịch cơ cấu kinh tế (chuyển từ nông nghiệp
sang công nghiệp và dịch vụ) ngày càng mạnh mẽ. Tại Việt Nam, Nông
nghiệp là một ngành kinh tế quan trọng trong nền kinh tế, đặc biệt là trong
các thế kỷ trước đây khi công nghiệp chưa phát triển và nông nghiệp chiếm tỉ
trọng cao trong nền kinh tế. Nông nghiệp là tập hợp các phân ngành như
trồng trọt, chăn nuôi, chế biến nông sản và công nghệ sau thu hoạch.
Tuy nhiên, nếu như Nhật bản, một nước nghèo về tài nguyên thiên nhiên
những vẫn có thể trở thành nước công nghiệp tiên tiến thì tại sao Việt nam

Trang 4


II: Thực trạng về sản lượng cũng như chất lượng lúa Việt Nam
Số liệu:
Ký

DT

NS

Sản

LUA
Diện

LUA
Năng

lượng

tích

suất

lúa

lúa

lúa


tích

tích

mía

lạc

D1

Dịch vụ

Diện

ăn uống

tích ngô

36.9

16957

556.8

224.8 259.9

0

7003.8


39.6

21587.7

649.7

283.0 269.4

0

1999

31393.8

7653.6

41

21672.1

691.8

344.2 247.6

0

2000

32529.5


34447.2

7504.3

45.9

35783.8

816.0

320.0 246.7

0

2003

34568.8

7452.2

46.4

39382.3

912.7

313.2 243.8

0


0

2006

35849.5

7324.8

48.9

71314.9

1,033.1

288.1 246.7

0

2007

35942.7

7207.4

49.9

90101.1

1,096.1


1,089.2

265.6 245.0

1

2010

40005.6

7489.4

53.4

212065.2

1,125.7

269.1 231.4

1

2011

42398.5

7655.4

55.4


55.7

315873.2

1,170.4

310.4 216.4

1

2014

44975

7813.8

57.6

352978.5

1,177.5

305.0 209.0

1

Năm

•

1.1.

Biến phụ thuộc trong mô hình
Là sản lượng lúa Việt Nam trong giai đoạn 1995 – 2014
Ký hiệu: SLL
Đơn vị tính: nghìn tấn.

1.2.
Biến độc lập trong mô hình (Biến định lượng)
 Năng suất lúa (ký hiệu: NSLUA, đơn vị tính: tấn/ha)

là một trong những

yếu tố quan trọng đối với tăng trưởng về sản lượng lúa, để biết được
hoạt động sản xuất lúa có hiệu quả hay không ta xem xét tới việc khi
năng suất tăng lên 1 tấn/ha thì tạo ra thêm được bao nhiêu giá trị về sản


lượng thực.
Diện tích lúa (ký kiệu: DTLUA, đơn vị tính: nghìn ha) là một yếu tố
chính tạo nên giá trị sản lượng lúa, tuy nhiên, thực tế có thể xảy ra
trường hợp diện tích lúa không đổi hoặc giảm nhưng sản lượng lúa vẫn



tăng hoặc không đổi.
Dịch vụ ăn uống (ký hiệu: DV, đơn vị tính: nghìn tỷ đồng) là yếu tố cơ
bản có thể ảnh hưởng đến sản lượng lúa vì khi nền kinh tế ngày càng
phát triển, con người có nhu cầu nghỉ ngơi nhiều hơn, vì thế hoạt động
nấu nướng tại gia đình cũng sẽ giảm xuống, thay vào đó là các nhà hàng,


1 nếu năm quan sát thuộc thời kỳ sau năm 2008.

Kỳ vọng về dấu của các biến giải thích với biến phụ thuộc
Tên biến
β2
β3
β4
β5
β6
β7
β8

2.

Kì vọng dấu
+
+
+
-

Mô hình hồi quy tuyến tính
2.1.

Ước lượng mô hình

Bằng việc sử dụng phương pháp bình phương nhỏ nhất OLS để ước
lượng mô hình trên và ước lượng là chính xác nhất thì kết quả ước lượng mô
hình phải thoã mãn các giả thiết của OLS.
Trang 8

Included observations: 20
Variable
C
NSLUA
DTLUA
DV
DTNGO
DTMIA
DTLAC

Coefficient Std. Error
-30337.18
740.5215
4.285310
0.003751
-0.864612
-1.644124
-1.333551

1686.023
36.07023
0.246532
0.000884
0.866398
1.980643
3.939838

t-Statistic

Prob.

0.999707
100.8226
121982.4
-115.5378
9254.912
0.000000

-2.016221

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.0667
35484.38
5887.848
12.35378
12.75207
12.43153
1.684419

Từ kết quả của Eview, ta thu được hàm hồi quy tổng thể như sau:
SLL = -30337.178533 + 740.521467*NSLUA + 4.285310*DTLUA +
0.003751*DV - 0.864612*DTNGO - 1.644124*DTMIA
- 1.333551*DTLAC - 292.173636*D1 + Ui

(1)


-30337.18
740.5215
4.285310
0.003751
-0.864612
-1.644124

1686.023
36.07023
0.246532
0.000884
0.866398
1.980643

-17.99334
20.52999
17.38236
4.245383
-0.997938
-0.830096

0.0000
0.0000
0.0000
0.0011
0.3380
0.4227
Trang 10


Instrument rank

0.7409
0.0667
35484.38
5887.848
121982.4
1.684419
121982.4
8

Kết quả ước lượng bằng phương pháp 2STS cũng cho ta các hệ số ước
lượng ứng với các biến độc lập tương ứng giống như ước lượng bằng phương
pháp OLS. Như vậy mô hình tương quan giữa biến giá trị sản xuất công
nghiệp với các biến độc lập:năng suất lúa, diện tích lúa, dịch vụ ăn uống, diện
tích ngô, diện tích mía, diện tích lạc và biến giả vẫn còn nhiều khuyết điểm
cần được cải tiến.
Kiểm định loại bỏ các biến không cần thiết ra khỏi mô hình
Xét mô hình
Dependent Variable: SLL
Method: Least Squares
Date: 12/05/15 Time: 07:50
Sample: 1995 2014
Included observations: 20
Variable

Coefficient

Std. Error



-17.99334
20.52999
17.38236
4.245383
-0.997938
-0.830096
-0.338479
-2.016221

0.0000
0.0000
0.0000
0.0011
0.3380
0.4227
0.7409
0.0667

R-squared
Adjusted R-squared
S.E. of regression

0.999815
0.999707
100.8226

Mean dependent var
S.D. dependent var
Akaike info criterion

•

Prob(β5) = 0.3380 > 0.05

•

Prob(β6) = 0.4227 > 0.05

•

Prob(β7) = 0.7409 > 0.05

•

Prob(β8) = 0.0667 > 0.05

Các giá trị P-value đều lớn hơn 0.05 nên ta chấp nhận H 0, nghĩa là hệ số hồi
quy của các biến DTNGO, DTLAC, DTMIA, D1 bằng 0 nên không có ý
nghĩa thống kê, ta loại các biến này ra khỏi mô hình.
Cách 2: Tiến hành kiểm định Wald, ta có kết quả như sau:
Giả thiết: H0: β5 = β6 = β7 = β8 =0
View – coeff – wadl
Wald Test:
Equation: Untitled
Test Statistic
F-statistic
Chi-square

Value


-1.333551
-292.1736

0.866398
1.980643
3.939838
144.9115

Restrictions are linear in coefficients.
Theo như kết quả trên Prob (F-statistic) = 0.3875 > 0.05, chấp nhận
giả thiết H0, tức là hệ số hồi quy của các biến DTNGO, DTLAC, DTMIA, D1
bằng 0 nên không có ý nghĩa thống kê, ta loại các biến này ra khỏi mô hình.
Vậy, với mức ý nghĩa 5%, MH (1) thừa các biến DTNGO, DTLAC, DTMIA,
D1 nên ta loại bỏ khỏi mô hình.
Cách 3: Sử dụng tỷ lệ hàm hợp lý (LR)
Xét MH (1)
Giả thiết: H0: β5 = β6 = β7 = β8 =0
Redundant Variables Test
Equation: UNTITLED
Specification: sll c nslua dtlua dv dtngo dtmia dtlac d1
Redundant Variables: dtngo dtmia dtlac d1
View – coff – redun : dtngo dtmia dtlac d1

F-statistic
Likelihood ratio

Value
1.131494
6.400535



t-Statistic

Prob.

C
NSLUA
DTLUA
DV

-29884.22
705.0600
4.230666
0.003344

817.1952
7.475375
0.116198
0.000426

-36.56925
94.31769
36.40914
7.841364

0.0000
0.0000
0.0000
0.0000


SLL = -29884.215385 + 705.060047*NSLUA + 4.230666*DTLUA
+ 0.003344*DV + Ui

(2)

Thực hiện một số kiểm định
Xét MH (2)
Kết quả hồi quy:
2.3.1.

Dependent Variable: SLL
Method: Least Squares
Date: 12/05/15 Time: 19:39
Sample: 1995 2014
Included observations: 20
Variable
C
NSLUA
DTLUA
DV
R-squared
Adjusted R-squared
S.E. of regression

Coefficient Std. Error
-29884.22
705.0600
4.230666
0.003344
0.999745



Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
2.3.1.1.

167989.9
-118.7380
20906.03
0.000000

Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

12.47295
12.31268
1.412286

Kiểm định sự phù hợp của các hệ số hồi quy

Với mức ý nghĩa là α = 5%
Giả thiết: H0: βi = 0 (i = 2,3,4)
H1: βi # 0 (i = 2,3,4)
Quy tắc kiểm định P_value (với α =0.05): P < 0.05 bác bỏ H0
P > 0.05 chấp nhận H0
Nhìn vào kết quả Eview, ta thấy:
P2=P3=P4 = 0.0000 < 0.05 nên ta bác bỏ H0 hay chấp nhận βi # 0


Dấu của hệ số β3

Giả thiết:

H0: β3 = 0
H1: β3 ≠ 0

•

Dấu của hệ số β4

Giả thiết:

H0: β4 = 0
H1: β4 ≠ 0

Nhìn vào kết quả Eview, ta thấy:
P4 < 0.000 nên ta bác bỏ H0 hay chấp nhận β4 > 0
Như vậy, với mức ý nghĩa 5% dấu của các hệ số hồi quy phù hợp với lý
thuyết đã nêu trên.
Ý nghĩa và ước lượng khoảng tin cậy của các hệ số hồi quy
(với α =0.05)
2.3.2.1.
Ý nghĩa các hệ số β
2.3.2.

β 2 = 705.06: với các yếu tố khác không đổi, khi năng suất lúa tăng
(giảm) 1 tấn/ha thì trung bình sản lượng lúa tăng (giảm) 705.06 nghìn tấn và
biến thiên trong khoảng (689.213, 720.9071).

Ta lưu lại kết quả hồi quy với tên eq01
Sau đó thực hiện:
coef(2) hsc
hsc(1)=eq01.@coef(1)-eq01.@stderrs(1)*@qtdist(0.975,16)
hsc(2)=eq01.@coef(1)+eq01.@stderrs(1)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số góc β1, trong đó: hsc là tên do ta tự
đặt)
coef(2) hsdtlua
hsdtlua(1)=eq01.@coef(2)-eq01.@stderrs(2)*@qtdist(0.975,16)
hsdtlua(2)=eq01.@coef(2)+eq01.@stderrs(2)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số năng suất lúa β2)
coef(2) hsnslua
hsnslua(1)=eq01.@coef(3)-eq01.@stderrs(3)*@qtdist(0.975,16)
hsnslua(2)=eq01.@coef(3)+eq01.@stderrs(3)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số diện tích lúa β3)
Trang 17


coef(2) hsdv
hsdv(1)=eq01.@coef(4)-eq01.@stderrs(4)*@qtdist(0.975,16)
hsdv(2)=eq01.@coef(4)+eq01.@stderrs(4)*@qtdist(0.975,16)
(để tính khoảng tin cậy đối xứng cho hệ số dịch vụ β4).
Ta có kết quả như sau:
Với mức ý nghĩa 5%, ta có khoảng tin cậy của các hệ số như sau:
β1 (-31616.59, -28151.84)
β2 (689.2130, 720.9071)
β3 (3.984338, 4.476995)
β4 (0.002440, 0.004248)
Tương tự với các hệ số, ta cũng tính được giá trị tối đa và giá trị tối
thiểu cho các hệ số hồi quy như sau:

SLL
NSLUA 1.000000 0.668625 0.871430 0.987450
DTLUA 0.668625 1.000000 0.651079 0.774726
DV
0.871430 0.651079 1.000000 0.889745
SLL
0.987450 0.774726 0.889745 1.000000
Từ ma trận tương quan giữa các biến, ta thấy hệ số tương quan giữa các
biến nslua, dtlua, dv khá cao, trong đó hệ số tương quan của 2 biến dv và
nslua là r13 = 0.87143 là rất lớn, chứng tỏ đa cộng tuyến cao.
Cách 2: Hệ số xác định R2 cao nhưng tỷ số t thấp
Xét mô hình: SLL = β1 + β2NSLUA + β3DTLUA + β4DV + V
SLL = -29884.215385 + 705.060047*NSLUA
+ 4.230666*DTLUA + 0.003344*DV+V

(3)

Ta có kết quả hồi quy: Ta thấy: R 2 = 0.978614 là rất lớn, tỷ số t của hệ số hồi
quy β2 rất nhỏ và giá trị p-value (dv) = 0.111 > 0.05, do đó, β 2 không có ý
nghĩa thống kê, biến DV không có ảnh hưởng lên sản lượng lúa.
Vậy có khả năng hai biến độc lập là dịch vụ ăn uống và năng suất lúa có
cộng tuyến cao.
Cách 3: Sử dụng hồi quy phụ
Xét MH (2):
Trang 19


Ta ước lượng MH HQ phụ giữa biến độc lập DV với các biến độc lập còn lại
dưới dạng:
DV = α1 + α2NSLUA +V

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Kiểm định giả thiết:

0.759390 Mean dependent var
0.746023 S.D. dependent var
57653.63 Akaike info criterion
5.98E+10 Schwarz criterion
-246.5693 Hannan-Quinn criter.
56.80992 Durbin-Watson stat
0.000001
Rj2 = 0 :không có đa cộng tuyến

110706.1
114400.9
24.85693
24.95651
24.87637
0.151055

Rj2 > 0: có đa cộng tuyến
Ta có:
F(4) = 56.80992 và fα(k-2;n-k+1) = f0.05(3-2;20-3+1) = f0.05(1;18) = 4.414
Ta thấy: F(4) > f0.05(1;18) nên ta bác bỏ H0, chấp nhận H1. Vậy, với mức ý nghĩa 5%, MH (2) có xảy
ra đa cộng tuyến.


Coefficient Std. Error

t-Statistic

Prob.

C
NSLUA
DTLUA

-32939.19 1533.641
750.3525 10.13104
4.401579 0.243674

-21.47777
74.06471
18.06336

0.0000
0.0000
0.0000

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat


1.2.1.

Kiểm định phương sai SSNN thay đổi
Sử dụng kiểm định White
Trang 21


1.2.1.1.

Kiểm định hồi quy phụ không có tích chéo giữa các biến độc lập

Mô hình hồi quy phụ
E2i = α1 + α2nslua + α3nslua2 + α4dtlua + α5dtlua2 + α6dv + α7dv2 + Vi (5)
Kết quả mô hình hồi quy phụ 1
VIEW/RESIDUAL TESTS/White

Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

0.297550
1.056851
0.373354

Prob. F(3,16)
Prob. Chi-Square(3)
Prob. Chi-Square(3)

0.8266

6.197352
0.000760
9.95E-08

1.058767
0.368776
-0.927704
0.274871

0.3054
0.7171
0.3673
0.7869

R-squared
0.052843
Adjusted R-squared -0.124749
S.E. of regression
9602.799
Sum squared resid
1.48E+09
Log likelihood
-209.5435
F-statistic
0.297550
Prob(F-statistic)
0.826640
Kiểm định cặp giả thuyết:

Mean dependent var


Kiểm định hồi quy phụ có tích chéo giữa các biến độc lập

Mô hình hồi quy phụ:
Ei2= α1 + α2*DTL + α3* + α4*DTL*DVAU + α5*DTL*NSL + α6*NSL +
α7* + α8*NSL*DVAU + α9*DVAU + α10*DV2 + Vi (6)
Kết quả của MHHQ phụ (6)
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

2.283854
13.45436
4.753027

Prob. F(9,10)
Prob. Chi-Square(9)
Prob. Chi-Square(9)

0.1072
0.1431
0.8553

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/30/15 Time: 08:35
Sample: 1995 2014
Included observations: 20

0.0614
0.2722
0.7877
0.0490
Trang 23


NSLUA
DTLUA^2
DTLUA*DV
DTLUA
DV^2
DV

-55323.18
0.052953
-0.000574
-799.2523
4.85E-06
12.47933

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Kiểm định cặp giả thuyết:


0.2079
0.2002
0.1518
0.0747
0.0686
8399.494
9054.614
20.89171
21.38958
20.98890
2.230880

H0 : R2(6) = 0 (không có hiện tượng phương sai sai số thay đổi
H1 : R2(6) > 0 (có hiện tượng phương sai sai số thay đổi).
Ta thấy: P-value của kiểm định F = 0.1072 > α = 0.05 nên chưa có cơ sở bác
bỏ H0. Vậy mô hình (2) không có hiện tượng phương sai sai số thay đổi.

 Kết luận: với phương pháp kiểm định white có tính chéo giữa các biến
độc lập, mô hình (2) không có hiện tượng phương sai sai số thay đổi.
1.2.2.

Kiểm định Park/Harvey:

Bước 1: Hồi quy mô hình gốc (MH 2)
Bước 2: Hồi quy MH phụ:

(7)
View – re- hete – har :
Heteroskedasticity Test: Harvey
F-statistic

t-Statistic

Prob.

C
LOG(NSLUA)
LOG(DTLUA)
LOG(DV)

-74.96855
-20.12473
13.69475
2.661751

130.7318
11.65026
15.96018
1.463645

-0.573453
-1.727407
0.858058
1.818577

0.5743
0.1033
0.4035
0.0877

R-squared

H1 :

(phương sai thay đổi)

Ta dùng kiểm định F, với mức ý nghĩa 5%, ta thấy: P-value = 0.3110 > α=0.05
nên ta chấp nhận H0, mô hình 7 không có hiện tượng phương sai thay đổi.
1.2.3.

Kiểm định Glejer

Hồi quy các mô hình :
1.

Heteroskedasticity Test: Glejser
F-statistic
Obs*R-squared
Scaled explained

0.748266
2.460753

Prob. F(3,16)
Prob. Chi-Square(3)

0.5391
0.4824

SS

1.568447