Professional Documents
Culture Documents
Các D NG Hàm
Các D NG Hàm
Khi ΔX →0, 𝑋
𝐸𝑋𝑌 = 𝑓𝑋′ .
𝑌
KHÁI NIỆM
GIÁ TRỊ CẬN BIÊN VÀ HỆ SỐ CO GIÃN
Ví dụ.
Hệ số co giãn của cầu (Q) theo giá (P) đối với hàng hóa A là 𝐸𝑄𝑃 = −3
Nghĩa là: khi giá bán tăng 1%, mức cầu của người tiêu dùng đối với hàng
hóa A giảm xuống 3%.
CÁC DẠNG HÀM
1. Mô hình tuyến tính logarit (log-log)
Mô hình : lnYi = 1 + 2lnXi + Ui
Đặc điểm của mô hình
Lấy vi phân 2 vế của mô hình, ta có :
𝑑 𝑙𝑛𝑌 𝑑𝑌 𝑋 X thay đổi 1% thì Y trung
𝛽2 = = . = 𝐸𝑋𝑌
𝑑 𝑙𝑛𝑋 𝑑𝑋 𝑌 bình sẽ thay đổi 2(%).
Hay
𝑌 𝑑𝑌
𝛽2 . = = 𝑀𝑋𝑌
𝑋 𝑑𝑋
VÍ DỤ
Hàm sản xuất Cobb-Douglas
Q 1 K 2 L 3
Trong đó
Q: Sản lượng/GNP;
K: Vốn (máy móc, nguyên liệu)
L: Lao động sống
β1: Tham số hằng số (giả sử là khả năng tổ chức sản xuất của doanh nghiệp, xã
hội)
𝛽2 , 𝛽2 : là tham số chưa biết, 𝛽2 , 𝛽2 > 0 tức hàm Cobb-Douglass có sản lượng tỷ
lệ thuận với lao động và vốn.
ln (Q) = ln ( 1 K 2 L 3 )
= ln 1 + ln ( K 2 ) + ln ( L 3 ) = ln 1 + 2 ln K + 3 ln L
VÍ DỤ
Hàm sản xuất Cobb-Douglas
Hiệu quả theo Qui mô
Q 0,712 K 0, 2 L0,87
VÍ DỤ
Kiểm định thống kê
K và L có tác động đến sản lượng nếu 2 0 và 3 0.
Giả thiết
H0: β2 = 0 (Vốn không tác động đến sản lượng)
H1: β2 0 (Vốn có tác động)
Trị thống kê
ˆ j 0
t
se ˆ j (d.f. = n – k)
𝑑 𝑙𝑛𝑌 𝑑𝑌 𝑋
𝐸𝑋𝑌 = = . = 𝛽2 𝑋
𝑑 𝑙𝑛𝑋 𝑑𝑋 𝑌
𝑑𝑌
𝑀𝑋𝑌 = = 𝛽2 𝑌
𝑑𝑋
VÍ DỤ
Ví dụ : Mô hình tăng trưởng
Yt = Y0 (1 + g) t
Yt : GDP thời điểm t (t =1,2,3,…)
g : tốc độ tăng trưởng bình quân năm
Lấy ln hai vế : lnYt = lnY0 + [ln(1+g)].t
hay lnYt = 1 + 2 t
Ví dụ : Với số liệu GDP từ 1972-1991, ta có
VÍ DỤ
Ví dụ : Với số liệu GDP từ 1972-1991, ta có
ln̂ GDP 8.02 0.0247 t
GDP thực tăng trưởng với tốc độ 2.47% năm
CÁC DẠNG HÀM
2. Mô hình bán logarit (lin-log)
Mô hình : Yi = 1 + 2lnXi + Ui
Đặc điểm của mô hình:
𝑑𝑌 𝑇ℎ𝑎𝑦 đổ𝑖 𝑡𝑢𝑦ệ𝑡 đố𝑖 𝑐ủ𝑎 𝑌
𝛽2 = =
𝑑𝑋/𝑋 𝑇ℎ𝑎𝑦 đổ𝑖 𝑡ươ𝑛𝑔 đố𝑖 𝑐ủ𝑎 𝑋
𝑑𝑌
𝑀𝑋𝑌 = = 𝛽2 /𝑋
𝑑𝑋
CÁC DẠNG HÀM
2. Mô hình bán logarit (lin-log)
Ứng dụng trong các tình huống về gia tăng cận biên giảm dần:
─ Sản lượng cận biên của lúa sẽ giảm dần khi gia tăng diện tích
trồng lúa
─ Mức thỏa dụng cận biên sẽ giảm dần khi gia tăng tiêu dùng
cùng loại sản phẩm.
─ Tốc độ gia tăng của cung tiền ảnh hưởng đến GDP
VÍ DỤ
Ví dụ :Hồi qui GNP theo ln(cung tiền) với số liệu từ 1973 đến 1987, ta có :
ˆ 16329.2 2584.785ln M
GNPt t
GNP hàng năm tăng 25.85 đơn vị khi cung tiền tăng 1%.
CÁC DẠNG HÀM
3. Mô hình nghịch đảo
Mô hình : 1
Yi 1 2 U i
Xi
Đặc điểm của mô hình:
Khi X Y 1
𝛿𝑌 𝛿𝑌
𝛽2 = =−
𝛿 1/𝑋 𝛿𝑋/𝑋 2
CÁC DẠNG HÀM
3. Mô hình nghịch đảo
𝛿𝑌 𝛽2
𝑀𝑋𝑌 = =− 2
𝛿𝑋 𝑋
𝛿𝑌/𝑌 𝛽2
𝐸𝑋𝑌 = =−
𝛿𝑋/𝑋 𝑋𝑌
CÁC DẠNG HÀM
3. Mô hình nghịch đảo
Một số trường hợp áp dụng mô hình này:
- Quan hệ giữa chi phí sản xuất cố định trung bình (AFC) và sản lượng.
- Quan hệ giữa tỉ lệ thay đổi tiền lương và tỉ lệ thất nghiệp (đường cong
philips).
CÁC DẠNG HÀM
4. Mô hình hồi quy đa thức
Biến phụ thuộc và độc lập có thể có liên hệ phi tuyến
Sử dụng sơ đồ scatter để xác định quan hệ phi tuyến
Ví dụ: Mô hình bậc hai
Y β1 β 2 X 2 β3X 22 ε i
Cùng một biến độc lập, nhưng có trị bình phương.
Trong đó:
β1 = Tung độ gốc
β2 = Hệ số hồi qui cho tác động tuyến tính của X đến Y.
β3 = Hệ số hồi qui cho tác động bình phương của X đến Y.
εi = Sai số ngẫu nhiên Y cho điểm quan sát i
CÁC DẠNG HÀM
4. Mô hình hồi quy đa thức
Biến phụ thuộc và độc lập có thể có liên hệ phi tuyến
Sử dụng sơ đồ scatter để xác định quan hệ phi tuyến
Ví dụ: Mô hình bậc hai
Y β1 β 2 X 2 β3X 22 ε i
Cùng một biến độc lập, nhưng có trị bình phương.
Trong đó:
β1 = Tung độ gốc
β2 = Hệ số hồi qui cho tác động tuyến tính của X đến Y.
β3 = Hệ số hồi qui cho tác động bình phương của X đến Y.
εi = Sai số ngẫu nhiên Y cho điểm quan sát i
CÁC DẠNG HÀM
4. Mô hình hồi quy đa thức
Yi β1 β2 X2i β3X 2i
2
εi
Mô hình bình phương nên được cân nhắc khi biểu đồ scatter có những hình dạng sau:
Y Y Y Y
X1 X1 X1 X1
β2 < 0 β2 > 0 β2 < 0 β2 > 0
β3 > 0 β3 > 0 β3 < 0 β3 < 0
β2 = Hệ số tuyến tính
β3 = Hệ số bình phương
VÍ DỤ
Độ sạch
Thời gian lọc
Ví dụ: Độ sạch tăng khi thời gian lọc tăng
3 1
7 2
8 3 Độ sạch vs. Thời gian lọc
15 5 100
22 7
33 8 80
40 10
60
Độ sạch
54 12
67 13
40
70 14
78 15 20
85 15
87 16 0
0 5 10 15 20
99 17
Thời gian lọc
VÍ DỤ
Kết quả ước lượng mô hình hồi quy tuyến tính đơn biến
Standard Biểu đồ sai số
Coefficients Error t Stat P-value
Intercept -11.28267 3.46805 -3.25332 0.00691 10
8
Time 5.98520 0.30966 19.32819 2.078E-10
Sai số
6
4
2
Regression Statistics Significance
0
F F -2 0 5 10 15 20
R Square 0.96888
-4
Adjusted R 373.57904 2.0778E-10 -6
Square 0.96628 -8
-10
Standard Error 6.15997 Thời gian
Trị t, trị F, và R2 tất cả đều lớn, nhưng sai số không ngẫu nhiên
VÍ DỤ
Kết quả ước lượng mô hình bình phương Biểu đồ sai số
Coefficient Standard 6
5
s Error t Stat P-value
Sai số
4
3
Intercept 1.53870 2.24465 0.68550 0.50722 2
1
Time 1.56496 0.60179 2.60052 0.02467 0
-1 0 5 10 15 20
Time-squared 0.24516 0.03258 7.52406 1.165E-05 -2
-3
Thời gian
Regression Statistics Significan
R Square 0.99494 F ce F
Biểu đồ sai số
Adjusted R 1080.7
6
Square 0.99402 330 2.368E-13 5
Sai số
4
Standard Error 2.59513 3
2
1
0
Mô hình bình phương: R2 hiệu chỉnh lớn hơn, -1 0
-2
50 100 150 200 250 300 350