1/21/2013
1
Chương 1
TỔNG QUAN VỀ KINH TẾ LƯỢNG
1. Các quan điểm về kinh tế lượng
2. Phương pháp nghiên cứu của kinh tế lượng
3. Tổng quan về phân tích hồi qui
4. Phân biệt các loại quan hệ
5. Số liệu
1. Các quan điểm về Kinh tế lượng
a/ Giới thiệu về Kinh tế lượng.
 Kinh tế lượng là:
– Nghiên cứu thực nghiệm của qui luật kinh tế.
– Là sự kết hợp giữa, kinh tế, thống kê toán, mô hình
và dữ liệu.
– Là phương pháp phân tích định lượng sử dụng đồng
thời lý thuyết, thực tế.
– Sử dụng các công cụ để dự báo các biến số kinh tế.
– ….
1/21/2013
2
1. Các quan điểm về Kinh tế lượng
 Quan điểm một số nhà kinh tế học:
– Theil: Kinh tế lượng quan tâm đến việc xác định về
thực nghiệm các quy luật kinh tế.
– Samuelson: Kinh tế lượng là sự phân tích về lượng
các vấn đề kinh tế dựa trên sử dụng đồng thời lý
thuyết và thực tế thông qua các phương pháp suy
đoán thích hợp.
1. Các quan điểm về Kinh tế lượng
b/ Ứng dụng kinh tế lượng.

 Ước lượng quan hệ kinh tế
– Đo lường mức độ tác động của việc hạ lãi suất lên
tăng trưởng kinh tế.
– Ước lượng nhu cầu đi lại bằng đường hàng không.
– Phân tích tác động của quảng cáo và khuyến mãi
lên doanh số của một công ty
1/21/2013
3
1. Các quan điểm về Kinh tế lượng
b/ Ứng dụng kinh tế lượng.
 Kiểm định giả thiết
– Kiểm định giả thiết về một chương trình truyền
thông tác động đến nhận thức của người dân.
– Kiểm chứng nhận định độ co dãn theo giá của cầu
về du lịch ở thị trường nội địa.
– Có sự phân biệt đối xử về mức lương giữa nam và
nữ hay không?.
1. Các quan điểm về Kinh tế lượng
b/ Ứng dụng kinh tế lượng.
 Dự báo
– Doanh nghiệp dự báo doanh thu, chi phí sản xuất,
lợi nhuận, nhu cầu tồn kho…
– Chính phủ dự báo mức thâm hụt ngân sách, thâm
hụt thương mại, lạm phát…
– Dự báo về cầu hàng hóa khi thu nhập thay đổi
1/21/2013
4
Lý thuyết kinh tế, giả thiết, nghiên cứu khác.
Thiết lập mô hình KTL
Thu thập số liệu

Ước lượng tham số
Kiểm định giả thiết
(Mô hình ước lượng
có tốt hay không?)
Sử dụng mô hình để dự báo, đề xuất chính sách.
Không
Có
1.2 Phương pháp luận của Kinh tế lượng
1.2 Phương pháp luận của
Kinh tế lượng
 Ví dụ: Các bước tiến hành nghiên cứu một
vấn đề kinh tế sử dụng kinh tế lượng với đề
tài nghiên cứu xu hướng tiêu dùng biên của
nền kinh tế Việt Nam.
(1) Phát biểu lý thuyết hoặc giả thiết
– Keynes cho rằng: Hầu hết mọi người có xu hướng
tăng tiêu dùng khi thu nhập của họ tăng. Tuy nhiên
tăng chi tiêu không nhiều như là tăng trong thu
nhập của họ hoặc xu hướng tiêu dùng biên
(marginal propensity to consume-MPC), lớn hơn 0
nhưng nhỏ hơn 1.
1/21/2013
5
1.2 Phương pháp luận của
Kinh tế lượng
(2) Thiết lập mô hình kinh tế lượng
– Dạng hàm đơn giản nhất thể hiện ý tưởng
của Keynes là dạng hàm tuyến tính.
+ ε
Trong đó : 0 < β

2
< 1.
ε là biến ngẫu nhiên, đại diện cho các biến
không đo được trong mô hình.
GNPTD
21
β+β=
1.2 Phương pháp luận của
Kinh tế lượng
• Biểu diển dưới dạng đồ thị của dạng hàm
này như sau:
• Với các giá trị:
–β1 : Tung độ gốc
– β2: Độ dốc
– TD : Biến phụ thuộc
hay biến được giải
thích
– GNP: Biến độc lập hay
biến giải thích
1/21/2013
6
1.2 Phương pháp luận của
Kinh tế lượng
(3) Thu thập số liệu
 Số liệu về tiêu
dùng và thu
nhập của nền
kinh tế Việt
Nam trong một
giai đoạn 1986

đến 1998.
1.2 Phương pháp luận của
Kinh tế lượng
(4) Ước lượng tham số
 Sử dụng phương pháp tổng bình phương tối thiểu
OLS (Ordinary Least Squares, sẽ được học ở chương
2), cho kết quả:
TD = 6.375.007.667 + 0,680GNP
t [4,77] [19,23]
 R
2
= 0,97
 Ước lượng cho hệ số β1 là 6.375.007.667
 Ước lượng cho hệ số β2 là 0,68
 Xu hướng tiêu dùng biên của nền kinh tế Việt Nam
(marginal propensity to consume) là MPC=0,68.
=
β
1
ˆ
=
β
2
ˆ
1/21/2013
7
1.2 Phương pháp luận của
Kinh tế lượng
(5) Kiểm định giả thiết thống kê
 Trị số xu hướng tiêu dùng biên được tính toán

là MPC = 0,68 đúng theo phát biểu của
Keynes 1>MPC>0.
 Như vậy: Tiêu dùng tăng 0,68 ngàn tỷ đồng
nếu GNP tăng 1 ngàn tỷ đồng. Điều này phù
hợp với giả thuyết.
1.2 Phương pháp luận của
Kinh tế lượng
(6) Sử dụng kết quả hồi quy
 Dựa vào kết quả hồi quy chúng ta có thể dự
báo hoặc phân tích tác động của chính sách.
 Nếu biết GNP của năm 2004 thì có thể dự báo
được tiêu dùng của năm đó.
 Vậy kết quả hồi quy này hữu ích cho phân tích
chính sách đầu tư, chính sách kích cầu.
1/21/2013
8
1.3 Tổng quan về phân tích hồi qui
 Bản chất của hồi qui là nghiên cứu mối liên hệ
phụ thuộc của một biến (gọi là biến phụ thuộc)
với một hay nhiều biến khác (gọi là biến độc lập)
 Phân tích hồi qui giải quyết vấn đề:
– Ước lượng giá trị trung bình của biến phụ thuộc với
các giá trị đã cho của biến độc lập.
– Kiểm định giả thiết về bản chất của sự phụ thuộc đó
– Dự báo giá trị của biến phụ thuộc khi biết giá trị của
biến độc lập
– Kết hợp các vấn đề trên
1.3 Tổng quan về phân tích hồi qui
a/ Hàm hồi qui tổng thể (Population Regression Function: PRF)
 Được xây dựng trên kết quả nghiên cứu tổng thể.

 Ví dụ: Hồi quy tiêu dùng Y theo thu nhập X của giáo viên
trường Đại học Z có 30 người.
 Theo Keynes thì hàm tiêu dùng như sau
Y = β
1
+ β
2
X
với β2 là xu hướng tiêu dùng biên và 0<β2<1
 Chúng ta kiểm chứng giả thiết trên với số liệu từ 30
người và được minh họa như đồ thị phân tán sau.
1/21/2013
9
1.3 Tổng quan về phân tích hồi qui
a/ Hàm hồi qui tổng thể (PRF)
 Nhận xét:
– Có mối quan hệ đồng biến giữa tiêu dùng và thu nhập.
– Có thể biểu diễn bằng hàm hồi quy tổng thể (PRF)
E(Y/X=X
i
) = β
1
+ β
2
X + ε
– Trong đó: β
1
: tung độ gốc; β
2
: độ dốc; ε

i
: Sai số của
hồi qui.
– Nguyên nhân của sai số là (1)Bỏ sót biến giải thích;
(2)Sai số khi đo lường biến phụ thuộc; (3)Các tác
động không tiên đoán được; (4)Dạng hàm hồi quy
không phù hợp. .
1/21/2013
10
Hàm hồi qui tổng thể có thể được mô tả như sau
1.3 Tổng quan về phân tích hồi qui
b/ Hồi qui mẫu (Sample Regression Function: SRF)
 Trong thực tế hiếm khi chúng ta có số liệu của tổng thể
mà chỉ có số liệu mẫu.
 Ví dụ: khảo sát bài toán thu nhập và chi tiêu của người
Việt Nam nói chung. Trong trường hợp này chúng ta phải
sử dụng dữ liệu mẫu để ước lượng hàm hồi quy tổng
thể.
 Hàm hồi quy mẫu:
 Trong đó : ước lượng cho β
1
;
: Ước lượng cho β
2
.
 Đối với quan sát thứ i : Y
i
= + X
i
+ e

i
i21i
X
ˆ
ˆ
Y
ˆ
β+β=
1
ˆ
β
2
ˆ
β
i21i
X
ˆ
ˆ
Y
ˆ
β+β=
2
ˆ
β
1
ˆ
β
2
ˆ
β

1/21/2013
11
Hàm hồi qui mẫu
1.3 Tổng quan về phân tích hồi qui
 Ví dụ TN-TD: Khảo sát ở một địa phương có
60 hộ gia đình và ta quan tâm tới việc nghiên
cứu giữa chi tiêu Y và thu nhập X. Với 60 hộ
gia đình và chia thành 10 nhóm thu nhập
tương đối như nhau, ta có số liệu theo giả
thiết như ở bảng sau.
1/21/2013
12
80 100 120 140 160 180 200 220 240 260
55 65 79 80 102 110 120 135 137 150
60 70 84 93 107 115 136 137 145 152
65 74 90 95 110 120 140 140 155 175
70 80 94 103 116 130 144 152 165 178
75 85 98 108 118 135 145 157 175 180
88 113 125 140 160 189 185
115 162 191
325 462 445 707 678 750 685 1043 996 1211
80 100 120 140 160 180 200 220 240 260
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/6 1/7 1/6 1/6 1/7 1/6 1/7
1/7 1/7 1/7
65 77 89 101 113 125 137 149 161 173

Ta có thể tính xác suất có điều kiện như trong bảng sau
1/21/2013
13
1.3 Tổng quan về phân tích hồi qui
 Nếu lấy mẫu, ta có thể chọn một bộ dữ liệu
sau.
X
i
80 100 120 140 160 180 200 220 240 260
Y
i
70 65 90 95 110 115 120 140 155 150
1.4 Các loại quan hệ
a/ Quan hệ thống kê và quan hệ hàm số
 Phân tích hồi qui nghiên cứu sự phụ thuộc thống
kê của một biến phụ thuộc vào một hay nhiều
biến độc lập theo nghĩa: ứng với giá một giá trị
của biến độc lập có thể có nhiều giá trị khác
nhau của biến phụ thuộc, do đó biến phụ thuộc
là đại lượng ngẫu nhiên.
1/21/2013
14
1.4 Các loại quan hệ
a/ Quan hệ thống kê và quan hệ hàm số
 Trong quan hệ hàm số các biến không phải là
ngẫu nhiên, ứng với mỗi giá trị của biến độc lập
có duy nhất một biến phụ thuộc.
 Đặc điểm của quan hệ thống kê là nó phản ánh
mối quan hệ không chính xác trong khi quan hệ
hàm số thể hiện mối quan hệ chính xác giữa

biến phụ thuộc với các biến độc lập. Phân tích
hồi qui chỉ quan tâm tới quan hệ thống kê.
1.4 Các loại quan hệ
b/ Quan hệ nhân quả
 Hai biến X và Y được gọi là quan hệ nhân quả
nếu biến X được xem là nguyên nhân mang lại
kết quả là biến Y và ngược lại, nếu có kết quả Y
thì có thể suy luận là do nguyên nhân X.
 Phân tích hồi qui không nhất thiết bao hàm quan
hệ nhân quả và lý thuyết kinh tế đề xuất những
khung và mối liên hệ hữu ích giữa các biến được
sử dụng trong hồi qui.
1/21/2013
15
1.4 Các loại quan hệ
b/ Quan hệ nhân quả
 Tuy nhiên, phân tích hồi quy dựa trên ý tưởng sự
phụ thuộc của một biến số kinh tế vào biến số
kinh tế khác nhưng bản thân kỹ thuật phân tích
hồi quy không bao hàm quan hệ nhân quả.
 Mối quan hệ nhân quả giữa hai biến số trong khi
trong thực tế chúng đều là hệ quả của một
nguyên nhân khác. Ví dụ: (ở một chừng mực
nào đó) chúng ta có thể nhầm lẫn giữa mối quan
hệ giáo viên và phòng học vì cả hai yếu tố này
phụ thuộc vào số học sinh.
1.4 Các loại quan hệ
c/ Hồi qui và tương quan
 Phân tích tương quan là đo lường mối liên kết tuyến tính
giữa hai biến.

 Phân tích hồi qui là ước lượng hoặc dự đoán giá trị trung
bình của biến phụ thuộc dựa trên giá trị xác định của
biến độc lập.
 Giữa hồi qui và tương quan có sự khác nhau cơ bản đó
là trong phân tích tương quan hai biến có vai trò đối
xứng còn trong phân tích hồi qui cần xác định rõ vai trò
của biết phụ thuộc và biến độc lập.
1/21/2013
16
1.5.Dữ liệu trong phân tích
a/ Một số khái niệm
 Dữ liệu sử dụng trong phân tích hồi qui có thể
được sử dụng từ số liệu điều tra thực tế hoặc số
liệu thử nghiệm.
 Số liệu thử nghiệm là thu thập từ quá trình thử
nghiệm theo điều kiện nhất định nào đó.
 Số liệu thực tế không bị kiểm soát bởi nhà
nghiên cứu.
 Số liệu cũng được phân ra là dữ liệu sơ cấp(tự
điều tra) hoặc dữ liệu thứ cấp.
1.5.Dữ liệu trong phân tích
b/ Dữ liệu chuỗi thời gian
 Là số liệu của biến điều tra từ một thực thể ứng với
các thời điểm khác nhau
Ngày 7/9 8/9 9/9 ….
Giá
1/21/2013
17
1.5.Dữ liệu trong phân tích
c/ Dữ liệu chéo

 Là số liệu của biến điều tra từ các thực thể khác
nhau tại cùng một thời điểm
Nơi HN ĐN SG …
Giá
1.5.Dữ liệu trong phân tích
d/ Dữ liệu hỗn hợp
 Là sự kết hợp của hai dạng trên.
Nơi\Ngày 7/9 8/9 9/9
HN
ĐN
SG
…
1/21/2013
18
1.6. Vai trò của phần mềm tin học
 Vì kinh tế lượng liên quan đến việc xử lý một
khối lượng số liệu rất lớn nên chúng ta cần dến
sự trợ giúp của máy vi tính và một chương trình
hỗ trợ tính toán kinh tế lượng.
 Hiện nay có rất nhiều phần mềm chuyên dùng
cho kinh tế lượng hoặc hỗ trợ xử lý kinh tế
lượng.
1.6. Vai trò của phần mềm tin học
Excel
 Phần mềm bảng tính có nhiều công cụ hỗ trợ
trong tính toán kinh tế nói chung.
 Đối với Kinh tế lượng, Excel cũng cấp nhiều
công cụ phân tích, đặc biệt là việc xử lý số liệu
ban đầu.
1/21/2013

19
1.6. Vai trò của phần mềm tin học
Phần mềm chuyên dùng cho kinh tế lượng
 Hướng đến việc ứng dụng các mô hình kinh tế
lượng và các kiểm định giả thiết một cách
nhanh chóng và hiệu quả chúng ta phải quen
thuộc với ít nhất một phần mềm chuyên dùng
cho kinh tế lượng. Hiện nay có rất nhiều phần
mềm kinh tế lượng như: Eviews, SPSS,
Stata,….
1/22/2013
1
Chương 2: Hồi Qui Hai Biến
2.1 Phương pháp bình phương nhỏ nhất OLS
2.2 Các giả thiết của phương pháp OLS
2.3 Phương sai và sai số tiêu chuẩn của các ước lượng.
2.4 Hệ số xác định và hệ số tương quan.
2.5 Phân phối xác suất của các ước lượng
2.6 Khoảng tin cậy của β
1
, β
2
, σ
2
2.7 Kiểm định giả thuyết về các hệ số hồi qui
2.8 Ứng dụng phân tích hồi qui.
2.9 Trình bày và đánh giá kết quả của phân tích hồi qui
 Giả sử: là PRF
 Khi đó: Y
i

=E(Y/X
i
) + U
i
 Và: là SRF
 Khi đó
 Vấn đề, tìm:
i 1 2 i
E(Y/X )= + X
β β
1 2
^ ^ ^
i i
Y X
β β
= +
1 2
^ ^
i i i
Y X e
β β
= + +
1 2
^ ^ ^
i i
Y X
β β
= +
2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square

1/22/2013
2
• Giá trị tìm được sao cho nó gần với
giá trị thực
• Hoặc tìm để hàm e
i
có giá trị càng nhỏ
càng tốt
=>min
• Có thể được minh họa như hình sau:
^
i
Y
i
Y
1 2
^ ^
i i i
e Y X
β β
= − −
2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square
^
i
Y
1/22/2013
3
• Tức là:
 Hay:

 Để hàm trên đạt tới điểm cực trị, ta đạo hàm
theo :
1 2
^ ^ ^
2 2 2
1 1 1
( ) ( ) min
i i i i
n n n
i
i i i
e Y Y Y X
β β
= = =
= − = − − ⇒
∑ ∑ ∑
1 2 1 2
^ ^ ^ ^
2 2
1 1
( , ) ( ) min
i i
n n
i
i i
f e Y X
β β β β
= =
= = − − ⇒
∑ ∑

2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square
2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square
 Đạo hàm theo β
1
và β
2
, ta có:
( )
0e2X
ˆˆ
Y2
ˆ
e
n
1i
i
n
1i
i21i
1
n
1i
2
i
=−=β−β−−=
β∂







∂
∑∑
∑
==
=
( )
0Xe2XX
ˆˆ
Y2
ˆ
e
n
1i
iii
n
1i
i21i
2
n
1i
2
i
=−=β−β−−=
β∂







∂
∑∑
∑
==
=
1/22/2013
4
 Giải hệ phương trình ta có kết quả:
Với
2
^
1
2
1
i i
n
i
n
i
i
y x
x
β
=
=
=

∑
∑
1 2
^ ^
Y X
β β
− −
= −
i i
x X X
−
= −
i i
y Y Y
−
= −
2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square
2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square
 Ví dụ TN-TD: Bảng sau đây cho biết mức chi
tiếu Y và thu nhập X theo tuần của một mẫu
gồm 10 gia đình. Giả sử Y và X có quan hệ
tương quan tuyến tính, hãy ước lượng hàm
hồi qui Y theo X.
Y
i
70 65 90 95 110 115 120 140 155 150
X
i

80 100 120 140 160 180 200 220 240 260
1/22/2013
5
2.1 Phương pháp bình phương nhỏ nhất
OLS: Ordinary Least Square
 Gợi ý: Ta cần tìm các giá trị
∑
i
Y
∑
i
X
∑
2
i
X
ii
YX
∑
n
Y
Y
i
∑
=
n
X
X
i
∑

=
YXnYXyx
i
n
i
ii
n
i
i
.
11
−=
∑∑
==
2
1
2
1
2
)( XnXx
n
i
i
n
i
i
−=
∑∑
==
∑

∑
=
=
=
n
i
i
n
i
ii
x
yx
1
2
1
2
β
)
XY
21
ˆˆ
ββ
−=
2.2 Các giả thiết của phương pháp OLS
 Giả thiết 1: Biến giải thích phi ngẫu nhiên (các
giá trị của chúng là các số đã được xác định)
 Giả thiết 2: Kỳ vọng của yếu tố ngẫu nhiên có giá
trị: E(U
i
/X

i
) = 0. Tức U
i
dương, âm triệt tiêu lẫn
nhau sao cho trung bình của chúng ảnh hưởng
đến Y=0.
 Giả thiết 3: Các U
i
có phương sai bằng nhau:
var(U
i
/X
i
) = var(U
j
/X
i
) = σ
2
V i ≠ j
1/22/2013
6
2.2 Các giả thiết của phương pháp OLS
 Giả thiết 4: Không tự tương quan giữa các U
i
Cov(U
i
,U
j
) = 0 với Vi≠j

 Giả thiết 5: Không có tương quan giữa U
i
và X
i
Cov(U
i
,X
i
) = 0
 Định lý Gauss – Markov: Với 5 giả thiết trên,
các ước lượng của phương pháp OLS sẽ là
ước lượng tuyến tính, không chệch và có
phương sai nhỏ nhất trong lớp các ước lượng
tuyến tính
2.3 Phương sai và sai số tiêu chuẩn
của các ước lượng
 Nhắc lại:
 Là các ước lượng của mẫu, mẫu khác nhau
có ước lượng khác nhau.
1 2
^ ^
Y X
β β
− −
= −
2
^
1
2
1

i i
n
i
n
i
i
y x
x
β
=
=
=
∑
∑