Đề tài nghiên cứu: Mô hình số liệu mảng áp dụng trong ngành kinh tế Dệt may Việt Nam

Chia sẻ: Vtu Vtu | Ngày: | Loại File: PDF | Số trang:19

Thêm vào BST

Báo xấu

157
lượt xem 13
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Đề tài nghiên cứu: Mô hình số liệu mảng áp dụng trong ngành kinh tế Dệt may Việt Nam với mục đích nhằm nghiên cứu năng suất, ảnh hưởng của lao động, của tài sản đầu tư lên năng suất và năng suất tổng hợp của ngành. Mời các bạn cùng tìm hiểu và tham khảo nội dung thông tin tài liệu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Đề tài nghiên cứu: Mô hình số liệu mảng áp dụng trong ngành kinh tế Dệt may Việt Nam

1 TÓM TẮT ĐỀ TÀI Mô hình số liệu mảng ngày càng được sử dụng rộng rãi trong nghiên cứu các mô hình kinh tế lượng bởi tính ưu việt của nó. Các mô hình số liệu mảng như mô hình tác động ngẫu nhiên, mô hình tác động cố định, mô hình OLS gộp,… đã được áp dụng trong nhiều mô hình kinh tế. Trong đề tài này chúng tôi sử dụng mô hình số liệu mảng áp dụng trong ngành kinh tế Dệt may Việt Nam nhằm nghiên cứu năng suất, ảnh hưởng của lao động, của tài sản đầu tư lên năng suất và năng suất tổng hợp của ngành. ABSTRACT Panel data models are increasingly widely used in studies of econometric model by its advantages. The panel data models such as random effects model, fixed effects model, pooled OLS model, …have been applied in many economic models. In this thesis we use panel data models applied economics Textile Vietnam to research productivity, impact of labor and investement of assets on productivity and total factor productivity of the sector. i
1 DANH MỤC HÌNH ẢNH VÀ BẢNG BIỂU Hình 1.1. Giao diện Stata 11 Bảng 1.1. Câu lệnh phân tích số liệu mảng trong Stata Bảng 2.1: Danh sách các ngành cấp 3 nghiên cứu Bảng 2.2: Các chỉ tiêu điều tra doanh nghiệp Bảng 2.3: Kết quả ước lượng TFP theo phương pháp bán tham số của Levpet Bảng 2.4: Kết quả ước lượng mô hình tác động ngẫu nhiên Bảng 2.5: Kết quả ước lượng bằng phương pháp biến giả Bảng 2.6: kết quả ước lượng mô hình tác động ngẫu nhiên Bảng 2.7: Kết quả ước lượng mô hình bằng phương pháp phương sai mạnh Bảng phụ 1.1: Kiểm định Hausman Bảng phụ 2.1: Kết quả kiểm định nhân tử Lagrange của Breusch Bảng phụ 2.2: tóm tắt các kết quả ii
1 DANH MỤC TỪ VIẾT TẮT, KÝ HIỆU OLS Ordinary Least Squared – ình phương nh nhất cổ điển POLS Pooled Ordinary Least Squared – ình phương nh nhất cổ điển gộp. LS eneral Least Squared – ình phương nh nhất tổng quát R Random ffect – tác động ngẫu nhiên F Fixed ffect – tác động cố định W within – t ng cá nh n F First – ifferences – sai ph n cấp một TFP: Total Factor Productivity – Năng suất các nhân tố tổng hợp Trong đề tài này, các ký hiệu về véc tơ và ma trận được sử dụng rộng rãi để mô tả các mô hình kinh tế lượng cũng như các kết quả ước lượng. Véc tơ được định nghĩa là véc tơ cột và được ký hiệu bằng chữ thường in đậm. Ví dụ, với hồi qui tuyến tính, véc tơ biến giải thích x là véc tơ dòng K 1 với thành phần thứ j là x j và véc tơ tham số  là một véc tơ cột K 1 với thành phần thứ j là  j , cho nên  x1   1  x     và      K 1  xK  K 1  K  o đó mô hình hồi qui tuyến tính y  1 x1   2 x2  ...   K xK  u được biểu diễn là y  x  u . 3
1 CHƢƠNG 1: TỔNG QUAN VỀ SỐ LIỆU MẢNG VÀ CÁC PHƢƠNG PHÁP ƢỚC LƢỢNG SỐ LIỆU MẢNG 1.1. Tổng quan về số liệu mảng 1.1.1. Định nghĩa ([1]) 1.1.2. Các đặc trƣng của số liệu mảng 1.1.3. Các nghiên cứu đã thực hiện với số liệu mảng ở trong nƣớc và thế giới 1.1.3.1. Trong nƣớc 1.1.3.2. Thế giới 1.2. Tổng quan về các mô hình phân tích số liệu mảng ([3], [4]) Trong phần này chúng ta xét đến vấn đề biến không quan sát được hay không được xét đến trong các mô hình kinh tế lượng và động lực của mô hình phân tích số liệu mảng. Tại sao số liệu mảng lại được sử dụng bởi vì nó ước lượng phù hợp với mô hình có những biến không quan sát được. Mô hình số liệu mảng với biến không quan sát được viết dưới dạng sau: yit  xi1 1  xi 2  2  ...  xiT T  ci  uit (1.1) Trong đó biến giải thích xit có thể thay đổi theo chiều dọc hoặc theo chiều ngang, hoặc cả hai chiều, i chỉ số đối tượng (quốc gia, tỉnh, doanh nghiệp,…) t chỉ số thời gian. uit là sai số ngẫu nhiên thông thường và được giả thiết là th a mãn các giả thiêt thông thường, nghĩa là phương sai sai số không đổi và không tự tương quan. Trong thành phần không quan sát được ci được cộng thêm vào, có nhiều cách gọi tên ci như thành phần không quan sát được, biến ẩn, hoặc biến bị b qua. Nếu i là cá thể thì thường gọi là tác động cá thể, thường là hộ gia đình, doanh nghiệp, tỉnh, …Mô hình (1.1) được viết lại dưới dạng vector như sau yit  xit   ci  uit (1.2) Trong đó xit là véc tơ 1  K của biến giải thích, β là véc tơ K  1 các hệ số ước lượng. 1
1 Những mô hình này người ta thường gọi là mô hình tác động cá thể và ta sẽ nghiên cứu các mô hình này dưới đ y. 1.2.1. Mô hình tác động ngẫu nhiên 1.2.1.1. Ƣớc lƣợng và những giả thiết cơ bản của mô hình 1.2.1.2. Phƣơng pháp ƣớc lƣợng bình phƣơng bé nhất tổng quát (GLS) 1.2.1.3. Ƣớc lƣợng sử dụng ma trận phƣơng sai mạnh 1.2.2. Mô hình tác động cố định Người ta sử dụng mô hình tác động ngẫu nhiên khi yếu tố không quan sát được dạng ci có tương quan đến biến giải thích trong mô hình. 1.2.2.1. Mô hình và các giả thiết 1.2.2.2. Phƣơng pháp ƣớc lƣợng nội bộ 1.2.2.3. Phƣơng pháp ƣớc lƣợng sử dụng biến giả 1.2.3. Một số mô hình khác 1.2.3.1. Mô hình OLS gộp 1.2.3.2. Mô hình sai phân cấp một 1.3. Câu lệnh trong phần mềm Stata 1.3.1. Giới thiệu phần mềm Stata Stata là phần mềm thống kê dùng để quản lý, phân tích số liệu và vẽ đồ thị.Stata cho phép lưu trữ thông tin về các đặc điểm của các đối tượng nghiên cứu, số liệu lưu trữ trong Stata có thể hiển thị dưới dạng bảng.Vì vậy việc phân tích số liệu mảng người ta thường dùng với Stata. 2
1 1.3.2. Câu lệnh sử dụng các mô hình để phân tích số liệu mảng trong phần mềm Stata Câu lệnh phân tích số liệu mảng trong Stata luôn bắt đầu bằng “xt”. Sau đ y là một số câu lệnh được sử dụng để phân tích số liệu mảng: Bảng 1.2. Câu lệnh phân tích số liệu mảng trong Stata STT Câu Mô tả Cấu trúc lệnh 1 xtset Định dạng số liệu xtset id time dưới dạng mảng id: chỉ biến cá thể time: chỉ biến thời gian 2 xtdes Mô tả cấu trúc của xtdes [if] [in] số liệu mảng if điều kiện in: chỉ rõ dạng quan sát 3 xtsum Tóm tắt số liệu xtsum [varlist] [if] varlist: danh sách biến if điều kiện 4 xttab Tạo bảng số liệu xttab varname [if] varname: tên biến if điều kiện 5 xtreg Ước lượng số liệu xtreg depvar [indepvar], option mảng depvar: biến phụ thuộc indepvar: biến độc lập option: lựa chọn mô hình ước lượng Ước lượng GLS ngẫu nhiên xtreg depvar [varlist] [if exp] [, re i(varname) sa theta level(#) ] Ước lượng tác động cố định xtreg depvar [varlist] [if exp] , fe [ i(varname) level(#) ] 3
1 Ước lượng MLE ngẫu nhiên xtreg depvar [varlist] [weight] [if exp] , mle [ i(varname) noconstant level(#) ] 6 xtdata Tìm nhanh số liệu xtdata varlist, option mảng varlist: danh sách biến option: lựa chọn 7 xtline Đồ thị đường thẳng xtline varname, option varname: tên biến option: chọn dạng đường thẳng 8 xtlogit Mô hình logarit xtlogit depvar [indepvar], option 9 xtprobit Ước lượng độ tin xtprobit depvar [indepvar], option cậy 10 xtgraph Đồ thị trong số liệu xtgraph varname, option mảng Trên đ y là một số câu lệnh cơ bản trong ước lượng số liệu mảng, ngoài ra còn có một số lệnh khác nữa người đọc có thể sử dụng phần “help xt” của phần mềm Stata. 4
1 CHƢƠNG 2. THỰC NGHIỆM Trong phần này, chúng tôi sử dụng số liệu điều tra doanh nghiệp được thực hiện hằng năm t năm 2000 đến 2010, các số liệu được sử dụng là số liệu sơ cấp t cuộc điều tra, sau đó tác giả tổng hợp xử lý và tính toán lập thành số liệu mảng để sử dụng các mô hình tính năng suất Levpet, tác động cố định và ngẫu nhiên trong Stata. Cấu trúc số liệu như sau Bảng 2.1: Danh sách các ngành cấp 3 nghiên cứu Ký Mã Ngành hiệu ngành id = 1 1711 Sản xuất sợi và dệt vải id = 2 1712 Hoàn thiện các sản phẩm dệt id =3 1721 Sản xuất các sản phẩm dệt may sẵn có id = 4 1722 Sản xuất thảm và chăn đệm id = 5 1723 Sản xuất dây bện và lưới id = 6 1729 Sản xuất các hàng dệt khác id = 7 1730 Sản xuất hàng đan móc id = 8 1810 May trang phục tr quần áo da lông thú Thuộc và nhuộm da lông thú, sản xuất các sản phẩm t lông id = 9 1820 thú Year Thời gian t 2000 tới 2010 Bảng 2.2: Các chỉ tiêu điều tra doanh nghiệp 5
1 STT Tên biến Chỉ tiêu 1 laodong Lao động 2 thunhap Thu nhập người lao động 3 taisan Tài sản – vốn 4 tscddtdh Tài sản cố định đầu tư dài hạn 5 nguyegia Nguyên giá 6 khtscd Khấu hao tài sản cố định 7 tsld Tài sản lưu động 8 xddodang Chi phí xây dựng dở dang 9 Nophatra Nợ phải trả 10 Doanhthu Doanh thu 11 Loinhuan Lợi nhuận trước thuế 12 Thue Thuế và các khoản phải nộp 13 Vondautu Vốn đầu tư 14 vdt_vay Vốn đầu tư đi vay 15 Gtsx Giá trị sản xuất 16 vonpd_vn Vốn pháp định bên Việt Nam 17 vonpd_nn Vốn pháp định nước ngoài 18 Va Va là giá trị gia tăng lợi nhuận thu nhập người lao động khấu hao tài sản cố định 19 M Đầu vào trung gian được xác định = Va – doanh thu 2.1. Cách tính năng suất tổng hợp theo phƣơng pháp Levpet 2.1.1. Câu lệnh ƣớc lƣợng năng suất trong Stata Levpet depvar [if exp] [in range],free(varlist) proxy(varlist) capital(varname) [[valueadded/revenue] justid grid i(varname) t(varname) reps(#) level(#)] ú pháp ước lượng bằng phần mềm Stata 6
1 Predict [type]newvarname[if exp] [in range], omega 2.1.2. Các tùy chọn 3.1.3. Kết quả chạy ƣớc lƣợng Bảng 2.3: Kết quả ƣớc lƣợng TFP theo phƣơng pháp bán tham số của Levpet Levinsohn-Petrin productivity estimator Dependent variable represents value added. Number of obs = 97 Group variable (i): id Number of groups = 9 Time variable (t): year Obs per group: min = 11 avg = 11 max = 11 ---------------------------------------------------------------------------- lnva| Coef. Std. Err. z P>|z| [95% Conf. Interval] ----------------------------------------------------------------------------- lnlaodong | .3400428 .0994789 3.42 0.001 .1450678 .5350178 lnvondautu | .4927971 .1485485 3.32 0.001 .2016473 .7839469 ------------------------------------------------------------------------------ Wald test of constant returns to scale: Chi2 = 2.75 (p = 0.0156). 2.2. Mô hình tác động cố định 2.2.1. Phƣơng pháp ƣớc lƣợng nội bộ Câu lệnh trong Stata với mô hình tác động ngẫu nhiên như sau: xtreg va laodong vondautu, fe 7
1 Kết quả chạy ước lượng như bảng sau: Bảng 2.4: Kết quả ƣớc lƣợng mô hình tác động ngẫu nhiên Fixed-effects (within) regression Number of obs = 99 Group variable: id Number of groups = 9 R-sq: within = 0.8590 Obs per group: min = 11 between = 0.8946 avg = 11.0 overall = 0.8567 max = 11 F(2,88) = 267.96 corr(u_i, Xb) = -0.6977 Prob > F = 0.0000 ------------------------------------------------------------------------------ va| Coef. Std. Err. t P>|t| [95% Conf. Interval] ----------------------------------------------------------------------------- laodong | 42.9308 3.38083 12.70 0.000 36.21211 49.64949 vondautu | 1.462452 .1379941 10.60 0.000 1.188218 1.736687 _cons | -872898.7 309016.4 -2.82 0.006 -1487004 -258793.5 ----------------------------------------------------------------------------- sigma_u | 3696305.3 sigma_e | 2062221.5 rho | .7626204 (fraction of variance due to u_i) ------------------------------------------------------------------------------ 8
1 F test that all u_i=0: F(8, 88) = 8.10 Prob > F = 0.0000 Trong báo cáo Stata u ký hiệu cho ci và e ký hiệu cho uit. 2.2.2. Phƣơng pháp ƣớc lƣợng sử dụng biến giả Ta tạo ra các biến giả là các ngành t 1 đến 9 bằng câu lệnh trong Stata như sau: quietly tab id, gen(nganh) Câu lệnh ước lượng sử dụng biến giả trong Stata: xi: reg va laodong vondautu nganh2-nganh9 Kết quả ước lượng bằng Stata: Bảng 2.5: Kết quả ƣớc lƣợng bằng phƣơng pháp biến giả Source | SS df MS Number of obs = 99 ------------------------------------------- F( 10, 88) = 153.81 Model | 6.5413e+15 10 6.5413e+14 Prob > F = 0.0000 Residual | 3.7424e+14 88 4.2528e+12 R-squared = 0.9459 ------------------------------------------- Adj R-squared = 0.9397 Total | 6.9155e+15 98 7.0566e+13 Root MSE = 2.1e+06 ------------------------------------------------------------------------------ va | Coef. Std. Err. t P>|t| [95% Conf. Interval] ----------------------------------------------------------------------------- laodong | 42.9308 3.38083 12.70 0.000 36.21211 49.64949 9
1 vondautu | 1.462452 .1379941 10.60 0.000 1.188218 1.736687 nganh2 | -3533464 1018848 -3.47 0.001 -5558210 -1508718 nganh3 | -3574134 1013755 -3.53 0.001 -5588758 -1559510 nganh4 | -3560481 1035600 -3.44 0.001 -5618518 -1502445 nganh5 | -3177395 1032420 -3.08 0.003 -5229112 -1125677 nganh6 | -3613499 1005882 -3.59 0.001 -5612479 -1614520 nganh7 | -3761585 1026276 -3.67 0.000 -5801093 -1722077 nganh8 | -1.36e+07 1733210 -7.84 0.000 -1.70e+07 -1.01e+07 nganh9 | -3388547 1036368 -3.27 0.002 -5448112 -1328983 _cons | 3371575 832333.6 4.05 0.000 1717487 5025663 Thực chất phương pháp ước lượng với biến giả chính là phương pháp ước lượng gộp tiến hành với số liệu mảng với n – 1 biến giả thể hiện cho n cá thể.Với phương pháp này, chúng ta một mặt ước lượng được các giá trị ci mặt khác còn đưa ra được suy diễn thống kê về sự khác biệt giữa các cá thể.Trong bảng 2.5 nói trên, 2.3. Mô hình tác động ngẫu nhiên 2.3.1. Phƣơng pháp ƣớc lƣợng tác động ngẫu nhiên GLS Lệnh khai báo: xtset id year Câu lệnh ước lượng mô hình tác động ngẫu nhiên cho số liệu doanh nghiệp: xtreg va laodong vondautu, re Trong đó va là biến phụ thuộc, laodong, vondautu là biến độc lập, re ngụ ý mô hình tác động ngẫu nhiên. 10
1 Kết quả chạy mô hình như sau Bảng 2.6: kết quả ƣớc lƣợng mô hình tác động ngẫu nhiên Random-effects GLS regression Number of obs = 99 Group variable: id Number of groups = 9 R-sq: within = 0.7928 Obs per group: min = 11 between = 0.9773 avg = 11.0 overall = 0.9060 max = 11 Random effects u_i ~ Gaussian Wald chi2(2) = 925.62 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 theta =0 ------------------------------------------------------------------------------ va | Coef. Std. Err. z P>|z| [95% Conf. Interval] ----------------------------------------------------------------------------- laodong | 21.45524 1.926044 11.14 0.000 17.68026 25.23021 vondautu | 2.038142 .1356104 15.03 0.000 1.772351 2.303934 _cons | 84284.39 294173.8 0.29 0.774 -492285.7 660854.5 sigma_u | 0 sigma_e | 2062221.5 rho | 0 (fraction of variance due to u_i) 11
1 2.3.2. Phƣơng pháp ƣớc lƣợng phƣơng sai mạnh cho mô hình tác động ngẫu nhiên Câu lệnh thực hiện trong Stata như sau xtreg va laodong vondautu, re robust Kết quả chạy mô hình như bảng sau: Bảng 2.7: Kết quả ƣớc lƣợng mô hình bằng phƣơng pháp phƣơng sai mạnh Random-effects GLS regression Number of obs = 99 Group variable: id Number of groups = 9 R-sq: within = 0.7928 Obs per group: min = 11 between = 0.9773 avg = 11.0 overall = 0.9060 max = 11 Random effects u_i ~ Gaussian Wald chi2(2) = 41102.50 corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 (Std. Err. adjusted for 9 clusters in id) Robust va| Coef. Std. Err. z P>|z| [95% Conf. Interval] ----------------------------------------------------------------------------- laodong | 21.45524 1.665656 12.88 0.000 18.19061 24.71986 vondautu | 2.038142 .1525553 13.36 0.000 1.739139 2.337145 _cons | 84284.39 413967.6 0.20 0.839 -727077.1 895645.9 ----------------------------------------------------------------------------- 12
1 sigma_u | 0 sigma_e | 2062221.5 rho | 0 (fraction of variance due to u_i) KẾT LUẬN T kết quả chạy thực nghiệm các mô hình số liệu mảng áp dụng cho ngành Dệt may Việt Nam ta có một số nhận xét sau: Qua sử dụng hai mô hình tác động ngẫu nhiên và tác động cố định ta thấy rằng lực lượng lao động có tác động mạnh mẽ lên giá trị gia tăng của ngành dệt may, nếu lực lượng lao động tăng 1% thì giá trị gia tăng của ngành Dệt may tăng xấp xỉ 21%. Như vậy để tăng giá trị gia tăng của ngành chúng ta cần n ng cao năng lực của người lao động. T hai mô hình ta cũng nhận thấy rằng khi vốn đầu tư cho ngành ệt may tăng thì giá trị gia tăng cũng tăng theo, nếu vốn đầu tư tăng 1% thì giá trị gia tăng xấp xỉ 2%, như vậy vốn đầu tư cũng là một nhân tố ảnh hưởng tới giá trị gia tăng của ngành. Ngày nay việc tính năng suất tổng hợp phản ánh các yếu tố vô hình như kiến thức, kỹ năng lao động, giải pháp công nghệ, …đang dần phổ biến và đóng vai trò quan trọng tron việc phân tích và dự báo kinh tế. Trong đề tài này cũng đề xuất một phương pháp tính năng suất tổng hợp sử dụng số liệu mảng. Như vậy chúng ta thấy rằng việc ứng dụng mô hình số liệu mảng vào tính toán kinh tế lượng ngày càng phổ biến do tính ưu việt của nó. Ngành Dệt may là ngành kinh tế mũi nhọn của nước ta, là ngành có kim ngạch xuất khẩu nằm trong tốp đầu trong nền kinh tế nước ta. Qua các mô hình ước lượng trên ta thấy rằng để n ng cao năng suất hay sản lượng ngành Dệt may chúng ta phải quan tâm tới lực lượng lao động và đầu tư đúng mức cho ngành kinh tế này. 13
1 Về mặt ứng dụng của đề tài vào ngành giáo dục. húng tôi đặt ra mục tiêu là sẽ viết về công cụ nghiên cứu nhằm giới thiệu và trang bị cho người đọc những mô hình cần thiết và cách thực hiện một mô hình bằng phần mềm Stata. Đề tài cũng đã giới thiệu được phương pháp tương đối mới trong nền kinh tế hiện nay để xử lý các vấn đề kinh tế. Đó là phương pháp kinh tế lượng. húng tôi đề xuất, sẽ đưa tài liệu này vào giảng dạy, làm tài liệu tham khảo cho các bạn sinh viên làm khóa luận tốt nghiệp trong các ngành Toán Ứng dụng và ngành tài chính ngân hàng. 14
1 TÀI LIỆU THAM KHẢO [1]. Jeffrey M. Wooldridge (2002), Econometric Analysis of Cross Section and Panel Data, The MIT Press Cambridge, Massachusetts London, England [2]. Badi H. Baltagi (2005), Econometric Analysis of Panel Data, 3rd Edition, John Wiley& Son, Ltd, [3]. GS.TS. Nguyễn Khắc Minh (2002), Các phương pháp phân tích và dự báo trong kinh tế, NXB Khoa học và Kỹ Thuật Hà Nội. [4]. GS.TS. Nguyễn Quang Dong (2008), Bài giảng kinh tế lượng, NXB Giao thông vận tải Hà Nội. [5]. Arthur S.Goldberger, Econometric Theory, John Wiley & Sons,Inc [6]. Damodar N. Gujarati (1995), Basic Econometric, MacGraw-Hill Inc, Third Ed. [7]. Madala, G.S-macmillan (19920), Introduction of Econometrics. 2d ed., New York. [8]. Greene, W. 2000. Econometric Analysis. Upper Saddle River, NJ: Prentice–Hall. [9]. Brown, M. B., and A. B. Forsythe. 1974. Robust test for the equality of variances. Journal of the American Statistical Association 69: 364-367 15
1 PHẦN PHỤ LỤC Phụ lục 1: Kiểm định Hausman Phụ lục 2: Kiểm định nhân tử Lagrange của Breusch-Pagan Phụ lục 3: Code chạy chƣơng trình ƣớc lƣợng Phụ lục 4: Code chạy ƣớc lƣợng bán tham số theo phƣơng pháp Levpet 16