intTypePromotion=3

Kinh tế lượng ứng dụng - Bài tập 2

Chia sẻ: Meomeo Ten | Ngày: | Loại File: DOC | Số trang:10

0
60
lượt xem
13
download

Kinh tế lượng ứng dụng - Bài tập 2

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

BÀI TẬP 2.Bài 2. Sử dụng file Table 6.4..Fertility and other data for 64 countries.CM = child mortality (tỉ lệ tử vong ở trẻ sơ sinh).FLR = female literacy rate (tỉ lệ phụ nữ biết chữ).PGNP = per capita GNP in 1980 (thu nhập bình quân đầu người năm 1980) 

Chủ đề:
Lưu

Nội dung Text: Kinh tế lượng ứng dụng - Bài tập 2

  1. http://www.facebook.com/DethiNEU Nhóm 6: KINH TE¸ LƯỢNG ƯNG DỤNG BÀI TẬP 2 Bài 2. Sử dụng file Table 6.4. Fertility and other data for 64 countries CM = child mortality (tỉ lệ tử vong ở trẻ sơ sinh) FLR = female literacy rate (tỉ lệ phụ nữ biết chữ) PGNP = per capita GNP in 1980 (thu nhập bình quân đầu người năm 1980) TFR = total fertility rate (tỉ lệ sinh đẻ trung bình của một phụ nữ) a. Hoài quy CMi = βo + β1 PGNPi + β2 FLRi + ui Dependent Variable: CM       Method: Least Squares   Date: 08/18/07 Time: 21:46   Sample: 1 64   Included observations: 64             Variable Coefficient Std. Error t-Statistic Prob.           C 263.6416 11.59318 22.74109 0.0000 PGNP -0.005647 0.002003 -2.818703 0.0065 FLR -2.231586 0.209947 -10.62927 0.0000           R-squared 0.707665 Mean dependent var 141.5 Adjusted R-squared 0.698081 S.D. dependent var 75.97807 S.E. of regression 41.7478 Akaike info criterion 10.34691 Sum squared resid 106315.6 Schwarz criterion 10.44811 Log likelihood -328.1012 F-statistic 73.83254 Durbin-Watson stat 2.186159 Prob(F-statistic) 0.000000 Vậy ta có kết quả hồi quy CMi = 263.6416 – 0.0056471 PGNPi – 2.231586 FLRi + ui b. Kiểm định giả thiết Ho: β1 = 0 Với mức ý nghĩa α=5%. Ta có t(61,0.025) = 2 So sánh kết quả t-stat từ kết quả hoµi quy trên, ta có t-stat = -2.818 Do: t-stat = -2.818 < t(61,0.025) = - 2 => Bác bỏ giả thiết vì t-stat nằm ngòai khỏang (-2,2) Vậy PGNP có ảnh hưởng đến CM. 1
  2. http://www.facebook.com/DethiNEU c. Kiểm định giả thiết Ho: β2 = 2.2 Ta tính t-stat = (-2.231586 – 2.2) / 0.209947 = -21.108 Với mức ý nghĩa α=5%. Ta có t(61,0.025) = 2 So sánh kết quả t-stat = -21.108 Do: t-stat = -21.108 < t(61,0.025) = - 2 => Bác bỏ giả thiết Ho vì t-stat nằm ngòai khỏang (-2,2) d. Giải thích ý nghĩa các hệ số ước lượng β1, β2. ˆ * β 1 = - 0.005647 có ý nghĩa: khi thu nhập bình quân đaµu người PGNP giảm (tăng) 1% thì trung bình số trẻ sơ sinh tử vong có xu hướng tăng (giảm) tương ứng xấp xỉ 0.5647% trẻ, trong đieµu kiện các yếu tố khác không đổi. ˆ * β 2 = - 2.2316 có ý nghĩa: khi tỉ lệ phụ nữ biết chữ giảm (tăng) 1% thì trung bình số trẻ sơ sinh tử vong tăng (giảm) tương ứng xấp xỉ 223% trẻ, trong đieµu kiện các yếu tố khác không đổi. Bài 3. Sử dụng file Table 7.3. YEAR = Year Y = Real Gross Product, Millions of NT $ (Tổng sản lượng thực) X2 = Labor Days, Millions of Days (Ngày lao động) X3 = Real Capital Input, Millions of NT $ (Vốn thực) a. Giả sử hàm sản xuất Cobb-Douglas trong khu vực nông nghiệp Đài Loan có dạng sau: Yi = β1X2iβ2X3iβ3eui  Ln Yi = lnβ1 +β2lnX2i+ β3 lnX3i +ui với β1= lnβ1  Ln Yi = β1 +β2lnX2i+ β3 lnX3i +ui (dạng mô hình tuyến tính log) Trình bày kết quả hoµi qui Dependent Variable: LNY       Method: Least Squares   Date: 08/19/07 Time: 22:15   Sample: 1958 1972   Included observations: 15             Variable Coefficient Std. Error t-Statistic Prob.           C -1.44987 1.063808 -1.362908 0.1979 LNX2 1.49877 0.539803 2.776509 0.0168 LNX3 0.48986 0.102043 4.800487 0.0004           R-squared 0.88903 Mean dependent var 4.384869 Adjusted R-squared 0.87054 S.D. dependent var 0.090296 S.E. of regression 0.03249 Akaike info criterion -3.83894 Sum squared resid 0.01267 Schwarz criterion -3.69733 2
  3. http://www.facebook.com/DethiNEU Log likelihood 31.7921 F-statistic 48.06885 Durbin-Watson stat 0.89108 Prob(F-statistic) 0.000002 Ước lượng các hệ số β1 = -1.44987, β2 =1.49877, và β3 =0.48986 b. Kiểm định các giả thiết H0: β2 = 0 và H0: β3 = 0 Kiểm định giả thiết Ho: β2 = 0 Với mức ý nghĩa α=5%. Ta có t(12,0.025) = 2.179 So sánh kết quả t-stat từ kết quả hoµi quy trên, ta có t-stat = 2.7765 Do: t-stat = 2.7765 > t(12,0.025) = 2.179 => bác bỏ giả thiết vì t-stat nằm ngòai khỏang (-2.179,2.179) Kiểm định giả thiết Ho: β3 = 0 Với mức ý nghĩa α=5%. Ta có t(12,0.025) = 2.179 So sánh kết quả t-stat từ kết quả hoµi quy trên, ta có t-stat = 4.8005 Do: t-stat = 4.8005 > t(12,0.025) = 2.179 => bác bỏ giả thiết vì t-stat nằm ngòai khỏang (-2.179~2.179) c. Giải thích ý nghĩa các hệ số β2 và β3 c1) Y nghĩa các hệ số β2: thể hiện độ co giãn riêng phaµn X 2 lên Y, có nghĩa là theo dữ liệu mẫu, khi số ngày công tăng (hoặc giảm) 1đơn vị thì trung bình tổng sản l ượng tăng (ho ặc gi ảm) 1.4987 đơn vị với đieµu kiện vốn đaµu tư cho sản xuất đaµu vào không đổi. c2) Y nghĩa các hệ số β3: thể hiện độ co giãn riêng phaµn X3 lên Y, có nghĩa là theo dữ liệu mẫu, khi vốn đaµu tư tăng (hoặc giảm) 1 đơn vị thì trung bình tổng sản lượng tăng (hoặc giảm) 0.48986 đơn vị, với đieµu kiện số ngày công không đổi. d. Kiểm kịnh giả thiết cho rằng β2 + β3 = 1, Biến đổi (1) Yi = β1X2iβ2X3iβ3eui Với giả thiết Ho: β2+β3 = 1, H1: β2+β3 # 1,  β3=1-β2 Thế vào (1): Y= β1X2iβ2X3i1-β2eui  Y = β1 (X2i/ X3i )β2 X3i eui  Y/ X3i = β1 (X2i/ X3i )β2 eui  ln (Y/ X3i)= β1 +β2 ln (X2i/ X3i ) +eui 3
  4. http://www.facebook.com/DethiNEU Ước lượng 2 mô hình UR: Ln Yi = β1 +β2lnX2i+ β3 lnX3i +ui R: ln (Y/ X3i)= β1 +β2 ln (X2i/ X3i ) +eui Dependent Variable: LNY       Method: Least Squares   Date: 08/19/07 Time: 22:59   Sample: 1958 1972   Included observations: 15             Variable Coefficient Std. Error t-Statistic Prob.           C 0.74202 0.180615 4.108311 0.0012 LNX2 0.38702 0.093304 4.147951 0.0011           R-squared 0.56962 Mean dependent var -0.00614 Adjusted R-squared 0.53651 S.D. dependent var 0.053511 S.E. of regression 0.03643 Akaike info criterion -3.66326 Sum squared resid 0.01725 Schwarz criterion -3.56885 Log likelihood 29.4745 F-statistic 17.20549 Durbin-Watson stat 0.60113 Prob(F-statistic) 0.001146 Từ kết quả hoµi quy, ta có: RSSUR = 0.01267 RSSR = 0.01725 ( RSS R − RSSUR ) / m F= ( RSSUR ) / n − k1 − 1 (0.01725 − 0.01267) / 1 F= (0.01267) / 15 − 1 − 1 = 4.699 Tra bảng F(α, m, n-k-1) = F(5%, 1, 13) = 4.6672 So sánh kết quả, Fcomp=4.699 > F(5%, 1, 13) = 4.6672 => bác bỏ giả thiết Ho. Kết luận: nên đưa biến X3 (vốn đaµu tư) vào mô hình. Bài 4: Bài tập 7.16, Gujarati (2003), trang 235 (Table 7.6) Y: lượng hoa hoµng tiêu thụ (bó) X2 = giá bán sỉ trung bình. X3 = giá hàng hóa thay thế X4 = thu nhập trung bình hàng tuaµn. X5 = biến theo thời gian. a. Ước lượng tham số của mô hình(1), giải thích Yt=α1+α2X2t+α3X3t+α4X4t+α5X5t+ut.(1) 4
  5. http://www.facebook.com/DethiNEU Kết quả hoµi quy mô hình (1) Dependent Variable: Y         Method: Least Squares   Date: 08/25/07 Time: 08:41   Sample: 1971:3 1975:2   Included observations: 16       Variable Coefficient Std. Error t-Statistic Prob. C 10.81604 5.988348 1.806181 0.0983 X2 -2.227704 0.920466 -2.420193 0.034 X3 1.251141 1.157021 1.081347 0.3027 X4 0.006283 0.030622 0.205181 0.8412 X5 -0.1974 0.101561 -1.943655 0.078 R-squared 0.834699 Mean dependent var 7.645 Adjusted R-squared 0.77459 S.D. dependent var 2.042814 S.E. of regression 0.969874 Akaike info criterion 3.027006 Sum squared resid 10.34722 Schwarz criterion 3.26844 Log likelihood -19.21605 F-statistic 13.88635 Durbin-Watson stat 2.333986 Prob(F-statistic) 0.000281 Mô hình: Yt=10.81604- 2.227704X2t+1.251141X3t+0.006283X4t -0.1974X5t+ut.(1) Giải thích ý nghĩa hệ số hoµi quy: α2 = - 2.227704 có ý nghĩa giá bán sỉ trung bình tăng(giảm) 1 đơn vị thì trung bình l ượng hoa hoµng bán ra giảm (tăng) 2.227 đơn vị với các yếu tố khác không đổi. α3 = 1.251141 có ý nghĩa khi giá hàng hóa thay thế tăng (giảm) 1 đơn vị thì trung bình lượng hoa hoµng tăng (giảm) 1.251141 đơn vị với các yếu tố khác không đổi. α4 = 0.006283 có ý nghĩa khi thu nhập trung bình hàng tuaµn tăng (giảm) 1 đơn vị thì trung bình lượng hoa hoµng tăng (giảm) 0.006283 đơn vị với các yếu tố khác không đổi . b. Ước lượng tham số của mô hình(2), giải thích lnYt=β1+β2lnX2t+β3lnX3t+β4lnX4t+β5X5t+ut.(2) Kết quả hoµi quy mô hình (2) Dependent Variable: LOG(Y)       Method: Least Squares   Date: 08/25/07 Time: 08:42   Sample: 1971:3 1975:2   Included observations: 16   Variable Coefficient Std. Error t-Statistic Prob. C -6.280932 6.148262 -1.021578 0.3289 LOG(X2) -1.273555 0.526649 -2.418224 0.0341 LOG(X3) 0.937305 0.659191 1.421902 0.1828 LOG(X4) 1.712976 1.200843 1.426478 0.1815 LOG(X5) -0.181597 0.127893 -1.419907 0.1833 R-squared 0.777953 Mean dependent var 1.994454 Adjusted R-squared 0.697208 S.D. dependent var 0.306877 S.E. of regression 0.168864 Akaike info criterion -0.469145 Sum squared resid 0.313664 Schwarz criterion -0.227711 Log likelihood 8.753157 F-statistic 9.634745 5
  6. http://www.facebook.com/DethiNEU Durbin-Watson stat 1.782659 Prob(F-statistic) 0.001343 Mô hình lnYt=β1+β2lnX2t+β3lnX3t+β4lnX4t+β5X5t+ut.(2) Giải thích ý nghĩa: β2 = -1.273555 là hệ số của giãn của giá bán sỉ trung bình đối với lượng hoa hoµng tiêu thụ, nghĩa là theo dữ liệu mẫu khi giá bán sỉ trung bình tăng (giảm) 1% thì l ượng hoa hoµng bán ra giảm (tăng) 1.2735 % với các yếu tố khác không đổi. β3 = 0.937305 là hệ số của giãn của giá hàng hóa thay thế đối với lượng hoa hoµng tiêu thụ, nghĩa là theo dữ liệu mẫu khi giá hàng hóa thay thế tăng (giảm) 1% thì lượng hoa hoµng bán ra tăng(giảm) 0.937305 % với các yếu tố khác không đổi. β4 = 1.712976 là hệ số của giãn của thu nhập trung bình hàng tuaµn đối với l ượng hoa hoµng tiêu thụ, nghĩa là theo dữ liệu mẫu khi thu nhập trung bình hàng tuaµn tăng (giảm) 1% thì lượng hoa hoµng bán ra tăng(giảm) 1.71298 % với các yếu tố khác không đổi. c. β 2, β 3, β 4 là hệ số co giãn của caµu theo giá chính, giá chéo, theo thu nhập. Dấu kỳ vọng của β 2, β 3, β 4 là gì? Xuất kết quả hoµi quy xem đúng hay không? - Kỳ vọng dấu β2 là dấu (-) vì kỳ vọng lượng hoa hoµng bán ra tăng khi giá bán sỉ trung bình giảm. - Kỳ vọng dấu β3 là dấu (+) vì kỳ vọng lượng hoa hoµng bán ra tăng khi giá hàng hóa thay thế tăng. - Kỳ vọng dấu β4 là dấu (+) vì kỳ vọng lượng hoa hoµng bán ra tăng khi thu nhập trung bình hàng tuaµn tăng. 6
  7. http://www.facebook.com/DethiNEU Bài 5: Bài tập 7.19, Gujarati (2003), trang 238 (Table 7.9) Rõ hơn trong bài “Đa cộng tuyến” Y: tiêu dùng thịt gà / lượng caµu X2: thu nhập khả dụng thực tế X3: giá bán lẻ thực X4: giá bán lẻ thịt heo X5: giá bán lẻ thịt bò X6: giá thực của các hàng hóa thay thế, trọng số giữa giá thịt heo và thịt bò. (l ượng tiêu dùng) a. Dựa vào các hàm yêu caµu sau, bạn chọn mô hình nào? Tại sao? lnYt = α1 + α2lnX2t + α3lnX3t + ut (1) lnYt = γ 1 + γ 2lnX2t + γ 3lnX3t + γ 4 lnX4t + ut (2) lnYt = λ1+ λ2lnX2t + λ3X3t + λ4X5t + ut (3) lnYt = θ1 + θ2lnX2t + θ3lnX3t + θ4lnX4t + θ5lnX 5t + ut (4) lnYt = β1+ β2lnX2t + β3lnX3t + β4lnX6t + ut (5) Ước lượng mô hình (1) thiếu biến X4, X5 (hàng hóa thay thế) và X6 (giá hàng hóa thay thế) nên moµ hình không đaµy đủ => dạng hàm sai (2) thêm biến X4, nhưng chưa biết hàng hóa thịt heo có phải là thay thế tốt nhất hay không. (3) thêm biến X5, nhưng chưa biết hàng hóa thịt bò có phải là thay thế tốt nhất hay không. (4) lnYt = θ1 + θ2lnX2t + θ3lnX3t + θ4lnX4t + θ5lnX 5t + ut Ta thấy X4, X5 là loại hàng hóa thay thế, có mối liên hệ với nhau. Ngoài ra, nó còn ph ụ thuộc vào văn hóa, kinh tế ở từng địa phương khác nhau. Vì vậy khi đưa vào mô hình sẽ có hiện tượng sai lệch xảy ra. (5) lnYt = β1+ β2lnX2t + β3lnX3t + β4lnX6t + ut Variable Coefficient Std. Error t-Statistic Prob. C 2.029865 0.118682 17.10338 0 LOG(X2) 0.481286 0.068188 7.058251 0 LOG(X3) -0.350628 0.079394 -4.41631 0.0003 LOG(X6) -0.061035 0.12996 -0.469645 0.644 7
  8. http://www.facebook.com/DethiNEU R-squared 0.980303 Mean dependent var 3.663887 Adjusted R- 0.977193 S.D. dependent var 0.187659 squared S.E. of regression 0.02834 Akaike info criterion -4.132297 Sum squared 0.01526 Schwarz criterion -3.934819 resid Log likelihood 51.52141 F- 315.2063 statistic Durbin-Watson 1.910653 Prob(F-statistic) 0 stat Ở mô hình này ta thấy X6 là trọng số giữa giá thịt heo và thịt bò nên nó đại diện cho X 4, X5. Đoµng thời 2 biến đưa vào 1 biến giúp mô hình không xảy ra hiện tượng đa cộng tuy ến. Vì vậy, mô hình (5) là mô hình tốt nhất. b. Giải thích hệ số hoµi quy lnX2t và lnX3t trong mô hình. Từ bảng kết quả hoµi quy ta có: (5) lnYt = 2.029865+ 0.481286 lnX2t – 0.350628 lnX3t – 0.061035 lnX6t + ut * β2 = 0.481286 có ý nghĩa: khi thu nhập khả dụng thực tế / người tăng (giảm) 1 đơn vị thì lượng caµu tiêu dùng thịt gà trung bình tăng (giảm) 0.481286 đơn vị. * β2 = – 0.350628 có ý nghĩa: khi giá bán lẻ thịt gà tăng (giảm) 1 đơn vị thì lượng caµu tiêu dùng thịt gà trung bình giảm (tăng) 0.350628 đơn vị. c. Có sự khác nhau nào giữa 2 hàm (2) và (4) lnYt = γ 1 + γ 2lnX2t + γ 3lnX3t + γ 4 lnX4t + ut (2) Kết quả hoµi quy: Dependent Variable: LOG(Y) Method: Least Squares Date: 08/28/07 Time: 10:59 Sample: 1960 1982 Included observations: 23 Variable Coefficie Std. Error t-Statistic Prob. nt C 2.125498 0.137882 15.41533 0 LOG(X2) 0.405924 0.044791 9.062535 0 LOG(X3) - 0.083332 -5.265956 0 0.438825 LOG(X4) 0.106656 0.087838 1.214228 0.2395 8
  9. http://www.facebook.com/DethiNEU R-squared 0.981509 Mean dependent var 3.663887 Adjusted R-squared 0.97859 S.D. dependent var 0.187659 S.E. of regression 0.027459 Akaike info criterion -4.195488 Sum squared resid 0.014326 Schwarz criterion -3.998011 Log likelihood 52.24812 F- 336.1808 statistic Durbin-Watson stat 1.778678 Prob(F-statistic) 0 lnYt = θ1 + θ2lnX2t + θ3lnX3t + θ4lnX4t + θ5lnX 5t + ut (4) Kết quả hồi quy Dependent Variable: LOG(Y)       Method: Least Squares   Date: 08/25/07 Time: 13:57   Sample: 1960   1982 Included observations: 23   Variable Coefficien Std. Error t-Statistic Prob. t C 2.189792 0.155715 14.06283 0.0000 LOG(X2) 0.342555 0.083266 4.11397 0.0007 LOG(X3) -0.504592 0.110894 -4.550212 0.0002 LOG(X4) 0.148545 0.099673 1.490334 0.1535 LOG(X5) 0.091105 0.100716 0.904568 0.3776 R-squared 0.982313 Mean dependent var 3.663887 Adjusted R- 0.978383 S.D. dependent var 0.187659 squared S.E. of regression 0.027591 Akaike info criterion -4.152987 Sum squared 0.013703 Schwarz criterion -3.90614 resid Log likelihood 52.75935 F- 249.9282 statistic Durbin-Watson 1.826069 Prob(F-statistic) 0.00000 stat * Ở mô hình (2) cho ta thấy nó đánh giá hàng hóa thay thế X 4 có vai trò quan trọng hơn X5 nên được đưa vào mô hình. Nhưng đieµu này còn phải kiểm đ ịnh bởi thực t ế, nên ch ưa chính xác. * Ở mô hình (4) thì X4, X5 đeµu được đưa vào mô hình, chúng đeµu là hàng hóa thay thế và có mối liên hệ với nhau nên sẽ làm cho mô hình có kết quả sai l ệch, vì có hi ện t ượng đa cộng tuyến xảy ra. 9
  10. http://www.facebook.com/DethiNEU 10

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản