BÀI GIẢNG

KINH TẾ LƯỢNG
ECONOMETRICS

1
 Quy định môn học
Thời gian học: 45 TIẾT (15 buổi học)
Điểm môn học: theo đề cương môn học
Tài liệu tham khảo:
1. Hoàng Ngọc Nhậm chủ biên (2010). Giáo trình kinh tế lượng.
NXB Trường đại học Kinh tế TP. Hồ Chí Minh
2. Nguyễn Quang Dông (2011). Bài giảng Kinh tế lượng. NXB
Giao thông Vận tải
3. Nguyễn Quang Dong + Nguyễn Thị Minh, (2012), Giáo trình
Kinh tế lượng
4. D. Gujarati. Basic Econometrics. Third Edition. McGraw-
Hill,Inc 1996
2
 MỞ ĐẦU

Lịch sử ra đời của Kinh tế lượng

I. Kinh tế lượng là gì?

II. Phương pháp luận của Kinh tế lượng

III. Số liệu cho phân tích Kinh tế lượng

3
 Lịch sử ra đời của Kinh tế lượng

• Cuộc khủng hoảng kinh tế 1929-1933: tan rã tư

tưởng “tự do kinh tế” → lý giải nguyên nhân
→ tìm cách khắc phục

• Các nhà kinh tế: sử dụng các phương pháp

thống kê để đo lường và kiểm định các hiện
tượng kinh tế mang tính quy luật.

4
 I. Kinh tế lượng là gì?
Định nghĩa:

Econometrics = Econo + Metrics

= “Đo lường kinh tế”
= “Kinh tế lượng”

5
Định nghĩa:
• KTL bao gồm việc áp dụng thống kê toán
cho các số liệu kinh tế để củng cố về mặt
thực nghiệm cho các mô hình do các nhà
kinh tế đề xuất và tìm ra lời giải bằng số
• KTL: kiểm định thực nghiệm các quy luật
kinh tế
• KTL có thể xem như là một khoa học xã
hội trong đó các công cụ của lý thuyết kinh
tế, toán học và suy diễn thống kê được sử
dụng để phân tích các vấn đề kinh tế
6
• Bản chất: thực chứng cho các lý thuyết kinh
tế và qua đó chứng minh hoặc bác bỏ các lý
thuyết kinh tế này.

• Mục đích: tìm ra các kết luận về mặt định

lượng cho các lý thuyết kinh tế trong điều
kiện, hoàn cảnh cụ thể để phục vụ cho việc
phân tích, dự báo và hoạch định chính sách.

7
2. Phân biệt KTL và các môn khoa học khác

• KTL và Lý thuyết kinh tế (economic theory)

• KTL và Kinh tế toán (mathematical economics)

• KTL và Thống kê kinh tế (economic statistics)

• KTL và thống kê toán (mathematical statistics)

• KTL và Tin học (computing)

8
II. Phương pháp luận của KTL

9
 Lý thuyết kinh tế, các giả thiết (1)

Lập mô hình (2)

Sơ đồ
Ước lượng các tham số (3) phương
pháp
Kiểm định giả thiết (4) luận
nghiên
cứu
Mô hình ước
Kinh tế
Không lượng tốt không ?
lượng
Có
Dự báo, ra quyết định
 Bước 1: Nêu ra giả thuyết

• Luận thuyết về tiêu dùng của John Maynard

Keynes:
“Một cá nhân sẽ tăng tiêu dùng khi thu nhập tăng
lên tuy nhiên mức tăng của tiêu dùng sẽ nhỏ hơn
mức tăng của thu nhập” – mức tăng cận biên.
→ 0 < MPC < 1
MPC (Marginal Propensity to Consume): lượng tiêu dùng tăng thêm khi thu
nhập khả dụng tăng thêm một đơn vị

• Lý thuyết kinh tế xác lập quan hệ về mặt định tính

giữa tiêu dùng và thu nhập
11
 Bước 2: Thiết lập MH lý thuyết
 Mô hình toán kinh tế
Hàm tiêu dùng của Keynes: Y = 1 + 2X

 Mô hình Kinh tế lượng

Biểu diễn quan hệ phụ thuộc giữa mức tiêu dùng
trung bình và thu nhập:
E(Y/X) = 1 + 2X

Các giá trị cá biệt của Y:

Y = E(Y/X) + U = 1 + 2X + U
12
 Bước 3: Thu thập số liệu
• Số liệu của nước Mỹ, thời kỳ 1960 – 2005

• Các biến:

X = GDP(Gross Domestic Product)

Y = tổng chi cho tiêu dùng cá nhân

• Đơn vị: tỷ usd

13
 Bước 4: Ước lượng các tham số
• Sử dụng phương pháp OLS (Ordinary Least
Squares) tìm được các ước lượng điểm của 1, 2:

E(Y/X) = 1 + 2X

Yˆt = βˆ1 + βˆ2 X t = − 299, 6 + 0, 72 X t

Hàm này gọi là hàm hồi quy mẫu (SRF – Sample

Regression Function)

14
 Bước 5: Phân tích kết quả
• Kết quả ước lượng có phù hợp với lý thuyết kinh tế ?

• Kiểm định các giả thuyết đối với các tham số

- Kiểm định 0 < 2 <1?

H0 :  2 = 0 H 0 :  2 = 1
(1)  (2) 
 H1 :  2  0  H1 :  2  1
- Kiểm định giả thuyết đối với mô hình, chẳng hạn:

H0: Mô hình có dạng tuyến tính

H1: Mô hình có dạng phi tuyến

15
• Kiểm định mô hình giúp chúng ta trả lời 2 câu
hỏi sau:

- Nếu lý thuyết kinh tế là đúng thì việc kiểm

định cho biết mô hình là đúng hay sai? Nếu mô
hình là sai quay trở lại bước 2 để sửa.

- Nếu mô hình là đúng thì việc kiểm định cho

biết lý thuyết kinh tế là đúng hay sai? Nếu sai
quay trở lại bước 1 xem xét lại lý thuyết kinh
tế. 16
 Bước 6: Dự báo
• Giả sử X2006 (GDP2006) = 11319,4 (tỷ usd)
• Dự báo Y2006 = ?
• Dựa vào mô hình ước lượng được ta có:
Yˆ2006 = ˆ1 + ˆ 2 . X 2006
= −299,6 + 0,72.11319,4 = 7870,8

• Mức chi cho tiêu dùng thực tế năm 2006 là 8044 tỷ

usd
• Sai số dự báo là 173 tỷ $ (khoảng 1,5% GDP năm
2006)
17
 Bước 7: Kiểm tra hoặc ra chính
sách
• Nếu Y2006 = 8750 tỷ usd thì tỷ lệ thất nghiệp là
4,2%. Vậy X2006 =? (kiểm soát hoặc đề xuất
chính sách)
• Từ mô hình ước lượng được ta có:
Yˆ2006 = βˆ1 + βˆ2 X 2006
 X 2006 = (Yˆ2006 − βˆ1 ) / βˆ2 = 12537(GDP2006 )

• Vậy GDP cần đạt mức 12537 tỷ usd để duy trì

tỷ lệ thất nghiệp ở mức 4,2%.
18
 Các bước Thí dụ
1. Nêu ra giả thuyết Luận thuyết về tiêu dùng của M. Keynes
2. Thiết lập mô hình lý thuyết
- Mô hình Toán kinh tế Hàm tiêu dùng Keynes: Y = 1 + 2X
- Mô hình Kinh tế lượng Y = 1 + 2X + U
3. Thu thập số liệu Bảng số liệu
4. Ước lượng các tham số
Yˆ = βˆ + βˆ X = − 299, 6 + 0, 72 X
(Phương pháp OLS) t 1 2 t t

5. Phân tích kết quả

- Kết quả ước lượng có phù hợp - Kết quả ước lượng là phù hợp
với lý thuyết kinh tế hay không?
- Kiểm định giả thuyết thống kê - 0 < 2 <1 ? Tức là 0 < MPC < 1?

6. Dự báo Y2006 = ? nếu X2006 = 11319,4

7. Ra quyết định Nếu Y2006 = 8750 thì u = 4,2%.
Vậy X2006 =? 19
III. Số liệu dùng trong phân tích
KTL
a. Các loại số liệu
• Số liệu theo thời gian (Time series data)
Ví dụ: CPI, GDP,…
• Số liệu chéo (Undate – Cross section data)
Ví dụ: Doanh thu, lợi nhuận (của các DN)
• Số liệu kết hợp (Pooled data)
• Số liệu bảng (Panel data)
20
 Số liệu theo thời gian
Chuỗi thời gian là choỗi số liệu được thu thập trong một
thời kì hoặc một khoảng thời gian lặp lại như nhau trên
cùng một đối tượng, một không gian, một địa điểm
 Số liệu chéo
Số liệu chéo là các số liệu về một hay nhiều biến
thu thập tại cùng một thời điểm ở các đối tượng
(không gian) khác nhau
 Số liệu hỗn hợp
• Số liệu hỗn hợp là các số liệu được thu thập
theo cả thời gian và không gian. Đây là
dạng số liệu kết hợp giữa số liệu chéo và số
liệu choỗi thời gian.
• VD: GDP, tốc độ tang trưởng, dân số của
các nước qua các năm
• Chỉ số cạnh tranh của các tỉnh từ 2010-2020
• Doanh thu của các doanh nghiệp khối dịch
vụ theo quý từ 2008-2018
b. Nguồn gốc các số liệu

• Số liệu từ các nguồn được phát hành như:

Niên giám thống kê, tạp chí,…

• Số liệu từ các cuộc điều tra thực tế hoặc đi

mua.

24
c. Bản chất chung của số liệu KT – XH

• Phần lớn là các số liệu phi thực nghiệm,

mang tính ngẫu nhiên, kém tin cậy.
• Có sẵn để thu thập, tính toán phù hợp với
mục đích nghiên cứu.
Ghi nhớ: Kết quả của nghiên cứu sẽ
không chỉ phụ thuộc vào mô hình được
lựa chọn mà còn phụ thuộc rất nhiều vào
chất lượng của số liệu.
25
 Nội dung môn học
▪ Chương 1: tổng quan kinh tế lượng

▪ Chương 2: mô hình hồi quy tuyến tính hai biến

▪ Chương 3: mở rộng mô hình hồi qui hai biến

▪ Chương 4: mô hình hồi quy bội

▪ Chương 5: hồi qui với biến giả

▪ Chương 6: đa cộng tuyến

▪ Chương 7: phương sai thay đổi

▪ Chương 8: tự tương quan

▪ Chương 9: chọn mô hình & kiểm định 26

 CÁC DẠNG BÀI TẬP

1. Dạng 1. Xây dựng mô hình hồi quy KTL

2. Dạng 2. Suy diễn thống kê

3. Dạng 3. Phân tích hàm hồi quy

4. Dạng 4. Đánh giá mô hình (phát hiện các khuyết

tật trong mô hình)

27
 Mô hình hồi qui hai biến
Một vài ý tưởng cơ bản

1. Bản chất của phân tích hồi qui

Phân tích hồi qui là nghiên cứu sự
phụ thuộc của một biến (biến phụ
thuộc) vào một hoặc nhiều biến khác
(biến độc lập), với ý tưởng là ước
lượng giá trị trung bình của biến phụ
thuộc khi biết giá trị các biến độc lập.
 Y = f (X1,X2, …, Xk)
- Y : biến phụ thuộc (biến được giải
thích)
- X1,X2, …, Xk : các biến độc lập (biến
giải thích)
- Hàm HQ có một biến độc lập → hàm
hồi qui hai biến
- Hàm HQ có hơn một biến độc lập →
hàm hồi qui bội
Ví dụ :
 * Phân biệt các quan hệ :
1. Quan hệ thống kê và quan hệ hàm số :
- Quan hệ thống kê
- Quan hệ hàm số
2. Hồi qui và quan hệ nhân quả
Ví dụ : …
Phân tích hồi qui không đòi hỏi giữa các
biến có mối quan hệ nhân quả. Nếu quan
hệ nhân quả tồn tại thì nó phải được xác
lập dựa trên các lý thuyết kinh tế khác.
3. Hồi qui và tương quan :
- Tương quan : đo mức độ kết hợp
tuyến tính giữa 2 biến và các biến có
tính đối xứng (rXY = rYX).
- Hồi qui :
2. Bản chất và nguồn số liệu cho phân
tích hồi qui

* Các loại số liệu :

1. Số liệu theo thời gian
2. Số liệu chéo
3. Số liệu hỗn hợp
* Nguồn số liệu
* Nhược điểm của số liệu
3. Mô hình hồi qui hai biến
a. Hàm hồi qui tổng thể
Ví dụ : Xét một địa phương có 40 hộ gia
đình và nghiên cứu mối quan hệ giữa
chi tiêu tiêu dùng hàng tuần của các
gia đình (Y) và thu nhập hàng tuần
của họ (X). Số liệu thu thập được cho
ở bảng 1 (đvt : USD/ tuần) .
Bảng 1 : Thu nhập và tiêu dùng của một địa phương
Thu 80 100 120 140 160 180 200
nhập
55 65 79 80 102 110 120
60 70 84 93 107 115 136
65 74 90 95 110 120 140
Tiêu
dùng 70 80 94 103 116 130 144
75 85 98 108 118 135 145
88 113 125 140
115
Ta có :
E (Y/X= 80) =
= 1/5 (55 + 60 + 65 + 70 + 75) = 65
E (Y/X= 100) = 77
E (Y/X= 120) = 89
E(Y/X= 140) = 101
…
E(Y/X= 200) = 137
Ta thấy : E(Y/Xi) = f(Xi) (1)
(1) : hàm hồi qui tổng thể (PRF).
Nếu (PRF) có dạng tuyến tính thì :
E(Y/Xi) = 1 + 2Xi (2)
Trong đó :
- 1 2 : các hệ số hồi qui
- 2 có ý nghĩa : Trong điều kiện các
yếu tố khác không thay đổi, khi X
tăng một đơn vị thì giá trị trung bình
của Y sẽ thay đổi 2 đơn vị.
- Thuật ngữ “tuyến tính ” trong hàm hồi
qui được hiểu là tuyến tính theo các
tham số.
b. Sai số ngẫu nhiên ( Ui )
Ui = Yi – E(Y/Xi)
Suy ra : - Yi = E(Y/Xi) + Ui (2)
(2) : (PRF) ngẫu nhiên
- Ui : đại lượng ngẫu nhiên, đại
diện cho các yếu tố khác ảnh hưởng đến
Y nhưng không có mặt trong mô hình.
 c. Hàm hồi qui mẫu (SRF)
Là hàm hồi qui được xây dựng từ một mẫu.
Nếu (PRF) là : E(Y/Xi) = 1 + 2Xi
dạng ngẫu nhiên là Yi = E(Y/Xi) + Ui
= 1 + 2X i + U i
Thì (SRF) là : Ŷi = βˆ1 + βˆ2 X i
dạng ngẫu nhiên là Yi = Ŷi + ei = βˆ1 + βˆ2 X i + ei
Trong đó: Ŷi là ước lượng điểm của E(Y/Xi)
βˆ1 , βˆ2 : là ước lượng điểm của 1,,2
ei (phần dư): là ước lượng điểm của Ui..