BỘ TÀI CHÍNH

HỌC VIỆN TÀI CHÍNH

-----🙞 🕮 🙜-----

BÀI KIỂM TRA THỰC HÀNH MÔN : KINH TẾ LƯỢNG

Giảng viên :
Lớp tín chỉ : CQ60/22.08_LT2
Nhóm:
ĐỀ TÀI:

Họ và tên
STT
Lớp niên chế
1 Nguyễn Đình Huy

2 Nguyễn Thùy Dương

3 Vũ Thị Giang
4 Đinh Thị Thu Hoài
5 Nguyễn Thị Thanh Hiền

6 Nguyễn Quang Hưng

Hà Nội, tháng tư 2024

MỤC LỤC
I. NÊU GIẢ THUYẾT VỀ VẤN ĐỀ KINH TẾ.......................................................3
1.1. Lý do chọn đề tài.......................................................................................................3
1.2. Phạm vi và mục tiêu nghiên cứu.............................................................................4
1.3. Đề xuất các biến nghiên cứu...................................................................................4
II. ĐỀ XUẤT MÔ HÌNH..............................................................................................5
III. THU THẬP SỐ LIỆU.............................................................................................6
IV. ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH...............................................7
V. MỘT SỐ KIỂM ĐỊNH LIÊN QUAN ĐẾN MÔ HÌNH HỒI QUY....................8
5.1. Kiểm định sự phù hợp của mô hình hồi quy...........................................................8
5.2. Kiểm định sự phù hợp của các hệ số hồi quy..........................................................9
5.2.1. Kiểm định sự phù hợp của hệ số chặn.........................................................9
5.2.2. Kiểm định sự phù hợp của β 2......................................................................9
5.2.3. Kiểm định sự phù hợp của β 3 ......................................................................9
5.2.4. Kiểm định sự phù hợp của β 4......................................................................9
VI. KIỂM TRA CÁC KHUYẾT TẬT CỦA MÔ HÌNH HỒI QUY.......................11
6.1. Mô hình bỏ sót biến..........................................................................................................................11
6.1.1. Kiểm định Ramsey......................................................................................11
6.1.2. Cách khắc phục mô hình bỏ sót biến thích hợp.......................................12
6.2. Phương sai sai số ngẫu nhiên thay đổi.................................................................12
6.2.1. Kiểm định White.........................................................................................12
6.2.2. Kiểm định Glejer.........................................................................................13
6.2.3. Kiểm định Breusch – Pagan.......................................................................14
6.3. Sai số ngẫu nhiên tự tương quan..........................................................................17
6.3.1.Kiểm định Durbin – Waston.......................................................................17
6.3.2.Kiểm định Breusch – Godfrey.....................................................................18
6.4. Đa cộng tuyến.........................................................................................................19
6.4.1. Xét tương quan giữa các cặp biến độc lập................................................19
6.4.2. Hồi quy phụ và hệ số phóng đại phương sai.............................................20
6.4.3. Kiểm định độ đo Theil................................................................................21
6.4.4. Cách khắc phục mô hình có đa cộng tuyến...............................................24
6.5. Sai số ngẫu nhiên không có phân phối chuẩn......................................................24
1
VII. XÁC ĐỊNH KHOẢNG TIN CẬY CỦA CÁC HỆ SỐ HỒI QUY VÀ
PHƯƠNG SAI SAI SỐ NGẪU NHIÊN...............................................................27
7.1. Khoảng tin cậy của các hệ số hồi quy và phương sai sai số ngẫu nhiên.............27
7.1.1. Khoảng tin cậy của β 2.................................................................................27
7.1.2. Khoảng tin cậy của β 3.................................................................................28
7.1.3. Khoảng tin cậy của phương sai sai số ngẫu nhiên....................................29
7.2. Một số tình huống kiểm định.................................................................................30
7.2.1. Tình huống 1:…...........................................................................................30
7.3. Hồi quy với biến giả là biến định tính...................................................................35
VIII. DỰ BÁO….......................................................................................................….38
8.1. Dự báo giá trị trung bình của biến phụ thuộc......................................................39
8.1.1. Khoảng tin cậy 2 phía của giá trị trung bình của biến phụ thuộc..........39
8.1.2. Khoảng tin cậy trái của giá trị trung bình của biến phụ thuộc..............39
8.1.3. Khoảng tin cậy phải của giá trị trung bình của biến phụ thuộc.............40
8.2. Dự báo giá trị cá biệt của biến phụ thuộc.............................................................40
8.2.1. Khoảng tin cậy 2 phía của giá trị cá biệt của biến phụ thuộc.................40
8.2.2. Khoảng tin cậy trái của giá trị cá biệt của biến phụ thuộc......................40
8.2.3. Khoảng tin cậy phải của giá trị cá biệt của biến phụ thuộc....................40
IX. KẾT LUẬN............................................................................................................41
9.1. Tổng kết..................................................................................................................41
9.2. Giải pháp.................................................................................................................42

I. NÊU GIẢ THUYẾT VỀ VẤN ĐỀ KINH TẾ

I.1. Lý do chọn đề tài

Kinh tế lượng là việc sử dụng các lý thuyết và dữ liệu kinh tế, kinh doanh, xã hội, …
cùng các công cụ toán học, thống kê và tin học nhằm đưa ra câu trả lời về sự thay đổi
của các yếu tố để cung cấp thông tin cần thiết cho sự nghiên cứu, dự đoán, dự báo và ra
các quyết định kinh tế.

2
Pháp là một trong những nền kinh tế lớn nhất của châu Âu, đã trải qua một hành trình
phát triển đáng kinh ngạc từ năm 2001 đến năm 2021. Với vị thế địa lý đắc địa, nền
kinh tế đa dạng và sự đầu tư vào nhiều lĩnh vực khác nhau, Pháp là một điểm đến hấp
dẫn cho các nhà đầu tư và nhà nghiên cứu kinh tế. Trong những năm qua, việc phân tích
các yếu tố ảnh hưởng tới tăng trưởng kinh tế của Pháp đã trở thành một chủ đề nóng
bỏng, đặc biệt là khi nền kinh tế toàn cầu đang chịu những biến động mạnh mẽ.

Trong các chỉ số thường được sử dụng để đánh giá kết quả hoạt động sản xuất kinh
doanh của một quốc gia, biến GROW, tức là tỷ lệ tăng trưởng kinh tế, đóng vai trò quan
trọng trong việc đo lường sức khỏe và sự phát triển của nền kinh tế. Biến GROW không
chỉ là một chỉ số quan trọng mà còn phản ánh khả năng của một quốc gia trong việc tạo
ra nguồn lực, cơ hội việc làm, và thu nhập cho công dân.

Nghiên cứu về biến GROW của Pháp, thông qua việc sử dụng mô hình kinh tế lượng, là
một yếu tố cần thiết để hiểu rõ hơn về các yếu tố ảnh hưởng đến sự phát triển kinh tế
của quốc gia này. Việc phân tích các yếu tố nội tại và bên ngoài, bao gồm các chỉ số tài
chính, cấu trúc kinh tế, và chính sách quốc gia, có thể giúp ta nhận biết được những yếu
tố nào đang có ảnh hưởng tích cực hoặc tiêu cực đến biến GROW của Pháp.

1.2 Phạm vi và mục tiêu nghiên cứu

- Phạm vi: Phân tích các yếu tố ảnh hưởng đến tăng trưởng kinh tế của Pháp từ
năm 2001 đến năm 2021
- Mẫu nghiên cứu: 21

1.3 Đề xuất các biến

Dựa trên tình hình thực tế nghiên cứu và lý thuyết kinh tế, ta có nhận định như
sau:
Bảng 1. Thống kê các biến trong mô hình nghiên cứu

Tên biến Ký hiệu Đơn vị Dấu kì

vọng

Biến phụ thuộc

3
 Tăng trưởng kinh GROW %
tế

Biến độc lập

Đầu tư trực tiếp FDI % +

nước ngoài

Tỷ lệ thất nghiệp UR % -

Lạm phát IR % -

(*) Các nhận định theo lý thuyết kinh tế:

- Tốc độ tăng trưởng kinh tế của Pháp phụ thuộc vào các nhân tố sau:
+ Đầu tư trực tiếp nước ngoài (FDI)
+ Tỷ lệ thất nghiệp (UR)
+ Lạm phát (IR)

(*) Mối quan hệ giữa các biến:

- GROW và FDI có mối quan hệ cùng chiều

- GROW và UR có mối quan hệ ngược chiều
- GROW và IR có mối quan hệ ngược chiều

II. Đề xuất mô hình

 Hàm hồi quy tổng thể:
PRF: GROW i ¿ β1 + β 2 . FDI i + β 3 . UR i + β 4 . IR i

 Mô hình hồi quy tổng thể:

PRM:GROW i ¿ β1 + β 2 . FDI i + β 3 . UR i + β 4 . IR i +ui

Trong đó:
4
+ β 1: Là hệ số chặn cho biết khi FDI = 0, UR = 0 thì tốc độ tăng trưởng kinh tế (GROW)
bằng β1 %.

+ β 2: Cho biết khi đầu tư trực tiếp nước ngoài (FDI) tăng (giảm) 1% trong điều kiện các
yếu tố khác không đổi thì tốc độ tăng trưởng kinh tế (GROW) tăng (giảm) β2 %.

+ β 3: Cho biết khi tỷ lệ thất nghiệp (UR) tăng (giảm) 1% trong điều kiện các yếu tố khác
không đổi thì tốc độ tăng trưởng kinh tế (GROW) giảm (tăng) β3 %.

+ β 4: Cho biết khi lạm phát (IR) tăng (giảm) 1% trong điều kiện các yếu tố khác không
đổi thì tốc độ tăng trưởng kinh tế (GROW) giảm (tăng) β4 %.

+ ui: Là sai số ngẫu nhiên.

III. THU THẬP SỐ LIỆU

Sau khi tìm hiểu, nghiên cứu, thu thập số liệu, nhóm em có bảng số liệunhư sau:

Năm GROW FDI UR IR

2001 1.983721 3.639661 8.6178 2.008334

2002 1.135531 3.433473 8.780975 2.067426

2003 0.823161 2.296003 8.762063 1.859368

2004 2.829753 1.679939 8.549234 1.622675

2005 1.66322 3.875247 8.470051 1.936341

2006 2.449324 3.402535 8.47531 2.155327

2007 2.424736 3.148834 8.304529 2.556637

2008 0.254946 2.320491 8.40408 2.367074

2009 -2.87331 0.682106 8.734071 0.066627

2010 1.949438 1.470196 8.658596 1.069697

2011 2.192701 1.542875 8.482983 0.94796

5
 2012 0.313135 1.227597 8.456467 1.161825

2013 0.576327 1.123423 8.500378 0.778101

2014 0.956183 0.203255 8.512063 0.576944

2015 1.112912 1.755724 8.46424 1.138249

2016 1.095464 1.326492 8.41907 0.522559

2017 2.29142 1.38212 8.4516 0.521577

2018 1.865066 2.776578 8.40717 0.992225

2019 1.842972 1.960494 8.35443 1.278592

2020 -7.54046 0.731612 8.67784 2.839876

2021 6.43521 3.239382 8.245027 1.423948

- Nguồn: WB: https://databank.worldbank.org/source/world-development-indicators

IV. ƯỚC LƯỢNG THAM SỐ

 Hàm hồi quy mẫu:
GROW i= ^
SRF:^ β1 + ^
β 2 . FDI i + ^
β 3 . UR i + ^
β 4 . IR i

 Mô hình hồi quy mẫu:

SRM:GROW i= β^1 + ^
β 2 . FDI i + ^
β 3 . UR i+ ^
β 4 . IR i+ ei

Trong đó: ei là phần dư

Với số liệu ở trên sử dụng phần mền Eviews để ước lượng, với mức ý nghĩa α =
5% và ta thu được báo cáo kết quả ước lượng như sau:

6
 Dựa vào báo cáo Eviews, ta có:
- Hàm hồi quy mẫu:
SRF:^
GROW i=55,11576+1,790598 . FDI i−6,457662 .UR i−1,902584 . IR i

- Mô hình hồi quy mẫu:

SRM: GROW i=−1, 55,11576+1,790598 . FDI i−6,457662. UR i−1,902584 . IRi + ei
Ý nghĩa kinh tế:
+^β 1 = 55,11576 cho biết khi FDI = 0, UR = 0 thì tốc độ tăng trưởng kinh tế (GROW)
bằng 55,11576 %..

+^β 2 = 1,790598 cho biết khi đầu tư trực tiếp nước ngoài (FDI) tăng (giảm) 1% trong
điều kiện các yếu tố khác không đổi thì tốc độ tăng trưởng kinh tế (GROW) tăng (giảm)
1,790598 %.

+^β 3 = 6,457662 cho biết khi tỷ lệ thất nghiệp (UR) tăng (giảm) 1% trong điều kiện các
yếu tố khác không đổi thì tốc độ tăng trưởng kinh tế (GROW) giảm (tăng) 6,457662 %.

7
+^β 4 = 1,902584 cho biết khi lạm phát (IR) tăng (giảm) 1% trong điều kiện các yếu tố
khác không đổi thì tốc độ tăng trưởng kinh tế (GROW) giảm (tăng) 1,902584 %.

V. MỘT SỐ KIỂM ĐỊNH LIÊN QUAN ĐẾN MÔ HÌNH HỒI QUY

V.1. Kiểm định sự phù hợp của mô hình hồi quy
SRM:GROW i=−1, 55,11576+1,790598 . FDI i−6,457662. UR i−1,902584 . IRi + ei

 Tiến hành kiểm định cặp giả thuyết: { H 0 : Mô hình hồi quy không phù hợp
H 1 : Mô hình hồi quy phù hợp

Dựa vào báo cáo Eviews, ta có: 𝑃 − 𝑣𝑎𝑙𝑢𝑒 = 0.000323 ¿ α =0 , 05

 Bác bỏ H 0, chấp nhận H 1
Vậy với mức ý nghĩa α =5 % ,mô hình hồi quy là phù hợp.

V.2. Kiểm định sự phù hợp của các hệ số hồi quy

V.2.1. Kiểm định sự phù hợp của hệ số chặn

 Tiến hành kiểm định cặp giả thuyết { H 0 : β 1=0

H 1 : β1≠ 0

Dựa vào báo cáo Eviews, ta có: 𝑃 − 𝑣𝑎𝑙𝑢𝑒 = 0.0234 < 𝛼 = 0,05

 Bác bỏ 𝐻0, chấp nhận 𝐻1

 Vậy với mức ý nghĩa 𝛼 = 5%, hệ số chặn có ý nghĩa thống kê.
V.2.2. Kiểm định sự phù hợp của β 2

{ H : β =0
 Tiến hành kiểm định cặp giả thuyết H 0 : β2 ≠ 0
1 2

Dựa vào báo cáo Eviews, ta có: 𝑃 − 𝑣𝑎𝑙𝑢𝑒 = 0.0006 < 𝛼 = 0,05

 Bác bỏ 𝐻0, chấp nhận 𝐻1

 Vậy với mức ý nghĩa 𝛼 = 5%, hệ số β2 có ý nghĩa thống kê.
V.2.3. Kiểm định sự phù hợp của β 3
 Tiến hành kiểm định cặp giả thuyết: { H 0 : β 3=0
H 1 : β3≠ 0
Dựa vào báo cáo Eviews, ta có: 𝑃 − 𝑣𝑎𝑙𝑢𝑒 = 0.0233 < 𝛼 = 0,05
8
  Bác bỏ 𝐻0, tạm thời chấp nhận 𝐻1
 Vậy với mức ý nghĩa 𝛼 = 5%, hệ số β3 có ý nghĩa thống kê.
V.2.4. Kiểm định sự phù hợp của β 4

 Tiến hành kiểm định cặp giả thuyết { H 0 : β 4=0

H 1 : β4 ≠ 0

Dựa vào báo cáo Eviews, ta có: 𝑃 − 𝑣𝑎𝑙𝑢𝑒 = 0.0057 < 𝛼 = 0,05

 Chưa có cơ sở bác bỏ 𝐻0, tạm thời chấp nhận 𝐻0

 Vậy với mức ý nghĩa 𝛼 = 5%, hệ số β4 có ý nghĩa thống kê

VI. KIỂM TRA CÁC KHUYẾT TẬT CỦA MÔ HÌNH HỒI QUY
VI.1. Kỳ vọng của sai số ngẫu nhiên khác không
VI.1.1. Kiểm định Ramsey

 Ước lượng mô hình:

GROW i= β^1 + ^
β 2 . FDI i + ^
β 3 . UR i+ ^
β 4 . IR i+ ui thu được ^ 2
GROW i ; R .
9
  Ước lượng mô hình hồi quy sau:
GROW i=α 1 +α 2 . FDI i +α 3 . UR i+ α 4 . IR i+ α 5 ^
2 2
. GROWi + v i thu được R1 .

Kiểm định cặp giả thuyết:

{ H 0 : Mô hình ban đầu không bỏ sót biến

H 1 : Mô hìnhban đầu có bỏ sót biến

Dựa vào báo cáo Eviews, ta có: P−value=0,0378<α =0 , 05

 Bác bỏ H 0, chấp nhận H 1
Vậy với mức ý nghĩa α =5 % ,bằng kiểm định Ramsey, có thể cho rằng mô hình ban đầu
đã bỏ sót biến thích hợp.
VI.1.2. Cách khắc phục mô hình bỏ sót biến thích hợp
- Bổ sung thêm biến có thể có trong mô hình như các hệ số liên quan đến chỉ số chi
trả và phân chia lợi nhuận sau thuế của doanh nghiệp như thu nhập một cổ phần
thường (EPS); tỷ suất cổ tức,….
- Đổi dạng hàm của mô hình, thêm lũy thừa cho biến độc lập.
Nếu mô hình thiếu biến không quan sát được, ta sử dụng biến công cụ hoặc biến
đại diện.
Đổi dạng hàm của mô hình, thêm lũy thừa cho biến độc lập.
- Nếu mô hình thiếu biến không quan sát được, ta sử dụng biến công cụ hoặc
biến đại diện.
- (cần bổ sung và chỉnh sửa)

VI.2. Phương sai sai số ngẫu nhiên thay đổi

VI.2.1. Kiểm định White

10
Bảng kiểm định White:

 Ước lượng mô hình:

GROW i=β 1 + β 2 . FDI i + β 3 . UR i+ β 4 . IR i+ ui thu được ei → ei2.

Sửa

 Ước lượng mô hình White: thu được R2w

 Kiểm định cặp giả thuyết:

{
~ 2
H 0 : Phương sai sai s ố ng â u nhiên không đ ối(R w =0)
~
H 1 : Phương sai sai s ố ng â n nhiênthay đ ố i ( Rw >0 )
2

Dựa vào báo cáo Eviews, ta có: P−value=0.1127> α =0 , 05

 Chưa đủ cơ sở bác bỏ H 0; tạm thời chấp nhận H 0

Vậy với mức ý nghĩa α = 5%, bằng phương pháp kiểm định White, có thể cho rằng mô
hình có phương sai sai số ngẫu nhiên không thay đổi.

6.2.2.Kiểm định Glejser

11
 Bảng kiểm định Glejser:

 Ước lượng mô hình:

GROW i=β 1 + β 2 . FDI i + β 3 . UR i+ β 4 . IR i+ ui thu được ei => |ei|.

 Ước lượng mô hình Glejser:

|ei|=α 1 +α 2 . FDI i +α 3 . UR i+ α 4 . IR i+ v i thu được R2G

Tiến hành kiểm định cặp giả thuyết:

~
{
2
H 0 : Phương sai sai s ố ng â u nhiên không đổi (RG =0)
~
H 1 : Phương sa i sai s ố ng â n nhiên thay đ ố i(R2G > 0)

Dựa vào báo cáo Eviews, ta có: P−value=0.3263>α =0 , 05

 Chưa đủ cơ sở bác bỏ H 0; tạm thời chấp nhận H 0

Vậy với mức ý nghĩa α = 5%, bằng phương pháp kiểm định Glejser, có thể cho rằng mô
hình có phương sai sai số ngẫu nhiên không thay đổi.

6.2.3.Kiểm định Breusch – Pagan

12
Bảng kiểm định Breusch – Pagan:

 Ước lượng mô hình:

GROW i=β 1 + β 2 . FDI i + β 3 . UR i+ β 4 . IR i+ ui thu được e i2.

 Ước lượng mô hình hồi quy:

2 2
e i =α 1+ α 2 . FDI i + α 3 .UR i +α 4 . IRi + vi thu được R1.

 Kiểm định cặp giả thuyết:

{
~ 2
H 0 : Phương sai sai s ố ng â u nhiên không đ ối(R 1=0)
~
H 1 : Phương sai sai s ố ng â n nhiênthay đ ố i ( R1 >0 )
2

Dựa vào báo cáo Eviews, ta có: P−value=0.2726>α =0 , 05

 Chưa đủ cơ sở bác bỏ H 0; tạm thời chấp nhận H 0

Vậy với mức ý nghĩa α = 5%, bằng phương pháp kiểm định Breusch – Pagan , có thể
cho rằng mô hình có phương sai sai số ngẫu nhiên không thay đổi.

13
 VI.3. Sai số ngẫu nhiên tự tương quan
VI.3.1. Kiểm định Durbin – Waston
 Ước lượng mô hình:
GROW i=β 1 + β 2 . FDI i + β 3 . UR i+ β 4 . IR i+ ui thu được e i và e i−1

Kiểm định cặp giả thuyết:

{ H 0 : Mô hình gốc không có tự tương quan

H 1 : Mô hình gốc có tự tương quan

∑ ( e i−e i−1 )2
i=2
 Sử dụng thống kê : d = n

∑ ei2
i=1

Theo báo cáo Eviews, ta có: 𝑑𝑞𝑠 = 1,483287

Dựa vào báo cáo Eviews, ta có dqs= 2.247982

14
Với 𝛼 = 5%; n=28; hệ số góc k’= 6 -1 =5, ta có: 𝑑𝐿 = 1,028 , 𝑑𝑈 = 1,850; thiết lập bảng
giá trị:

Với n = 21, k′=3, 𝛼=5%, ta có : dl=1.026, du=1.699

0 Tự tương quan Không có Không có tự Không có kết Tự tương quan

(+)1 . 0 2 6kết luận tương quan 1 . luận
699 (-) 2.301

Nhận thấy: 1.699 < 𝑑𝑞𝑠 < 2.301 nên mô hình gốc không có tự tương quan
Vậy với mức ý nghĩa α = 5%, bằng phương pháp kiểm định Durbin – Waston, mô
hình gốc không có tự tương quan
VI.3.2. Kiểm định Breusch – Godfrey
Do kiểm định Durbin – Waston không cho kết luận về mô hình và nhằm khắc
phục những hạn chế của kiểm định Durbin – Waston (kích thước mẫu lớn hơn 15 quan
sát, chỉ áp dụng với mức ý nghĩa α =5 % , …, chúng ta có thể sử dụng kiểm định Breusch
– Godfrey (BG). Đây là phương pháp có thể áp dụng đối với hầu hết các mô hình: mô
hình có chứa biến phụ thuộc ở các thời kỳ trễ.

Bảng kiểm định Breusch – Godfrey:

Ước lượng mô hình:

15
GROW i=β 1 + β 2 . FDI i + β 3 . UR i+ β 4 . IR i+ ui thu được e i; e i−1 ; e i−2.

Ước lượng mô hình B-G:

 e i=α 1+ α 2 . FDI i+ α 3 . URi + α 4 . IRi +α 5 . ei−1 +α 6 . e i−1+ v 1i thu được R21.
 e i=α 1+ α 2 . FDI i+ α 3 . URi + α 4 . IRi + v 2i thu được R25.
Tiến hành kiểm định cặp giả thuyết:

{ H 0 : Mô hình gốc không có tự tương quan bậc 2

H 1 : Mô hình gốc có tự tương quan bậc 2

Dựa vào báo cáo Eviews, ta có: P−value=0.8201> α =0 , 05

 Chưa đủ cơ sở bác bỏ H 0; tạm thời chấp nhận H 0

Vậy với mức ý nghĩa α = 5%, bằng phương pháp kiểm định Breusch – Godfrey, có thể
thấy rằng mô hình gốc không có tự tương quan bậc 2.

VI.4. Đa cộng tuyến

VI.4.1. Hồi quy phụ và hệ số phóng đại phương sai
 Ước lượng mô hình hồi quy phụ có dạng:
UR i=α 1 +α 2 FDI i +α 3 IR i+ v i

Ước lượng mô hình hồi quy phụ bằng phần mềm Eviews, ta có bảng dữ liệu sau:

16
Để kiểm định mô hình gốc có hiện tượng đa cộng tuyến hay không, ta đi kiểm định cặp
giả thuyết sau với mô hình hồi quy phụ:

{ H 0 :UR không có mối quan hệ tuyếntính với các biếnđộc lập khác
H 1 :UR có mối quan hệ tuyến tính với các biếnđộc lập khác

Dựa vào báo cáo Eviews, ta có: P−value=0,526105>α =0 , 05

⇒
Bác bỏ H 0, chấp nhận H 1

⇒
Vậy với mức ý nghĩa α =5 % , biến AGE có mối quan hệ tuyến tính với các biến
độc lập khác hay mô hình gốc có hiện tượng đa cộng tuyến.

⇨ Chưa đủ điều kiện bác bỏ H 0 nên tạm thời chấp nhận H 0

⇨ Vậy với mức ý nghĩa biến UR không có mối quan hệ tuyến tính với các
biến độc lập khác hay mô hình gốc không có hiện tượng đa cộng tuyến.

 Hệ số phóng đại phương sai:

1
WIF UR = 2
1−(R¿ ¿UR ) ¿

Dựa vào báo cáo Eviews, ta có: R2=0.068875

⇒
WIF UR=1,07397 nhỏ hơn rất nhiều so với 10

⇒
Vậy với mức ý nghĩa α =5 % , mô hình gốc có hiện tượng đa cộng tuyến ở mức
THẤP.

VI.4.2. Kiểm định độ đo Theil

 Bỏ biến FDI

17
Ước lượng mô hình GROW i = α 1+ α 2 . URi + α 3 . IR i +U i thu được R2−2= 0,299653

 Bỏ biến UR:

Ước lượng mô hình GROW i ¿ α 1 + α 2 . FDI i +α 3 . IR i+U i thu được R2−3 =¿0,531109

 Bỏ biến IR:

18
 Ước lượng mô hình GROW i = α 1+ α 2 . FDI i+ α 3 . IR i +U i thu được R2−4= 0,454491
Độ đo Theil được tính theo công thức:
K
m=R −∑ (R2−R2−J )
2

J=2

= 0,656684 – [ (0,656684 - 0,531109) + (0,656684 - 0,299653) (0,656684 -

0,454491)]
= -0,028115
Kết luận: Do |m| = 0.028115 xấp xỉ 0 => đây là mô hình có đa cộng tuyến rất
thấp.
Như vậy, thông qua kiểm định đa cộng tuyến bằng mô hình hồi quy phụ và độ đo
Theil, với mức ý nghĩa α =5 %, ta kết luận rằng: Mô hình gốc có đa cộng tuyến thấp.
VI.4.3. Cách khắc phục mô hình có đa cộng tuyến
 Sử dụng thông tin tiên nghiệm
- Có nhiều trường hợp vấn đề cần nghiên cứu đã có các thông tin liên quan đến
mẫu hoặc tổng thể từ các giai đoạn nghiên cứu trước đó hoặc từ các mẫu tương
đồng. Những thông tin từ trước này nếu được xem là phù hợp có thể vận dụng
trong việc giải quyết vấn đề đa cộng tuyến.
 Thu thập thêm số liệu mới
- Đa cộng tuyến có thể ở mức độ cao do việc lấy mẫu không ngẫu nhiên hoặc
do thiếu kinh nghiệm khi xác định các giá trị của các biến giải thích cần quan sát
khi lấy mẫu,… Trong nhiều trường hợp chỉ cần lấy thêm một số tư liệu bằng cách
19
tăng số mẫu hoặc thay một số quan sát mới có thể giảm đáng kể đa cộng tuyến.
- Tuy nhiên, không phải mô hình nào cũng có điều kiện thu thập thêm số liệu
mới do nhiều yếu tố khác như: kinh phí không cho phép, số liệu khó tìm,…
 Bỏ biến
- Khi mô hình có đa cộng tuyến thì cách “đơn giản nhất” là loại biến ra khỏi
mô hình.
- Có 2 cách để loại biến ra khỏi mô hình:
+ Cách 1: Loại khỏi mô hình biến có tỷ số t thấp nhất
+ Cách 2: Lần lượt bỏ từng biến, hồi quy mô hình và chọn mô hình có tỷ số
𝑅2 cao nhất.

VI.5. Sai số ngẫu nhiên không có phân phối chuẩn

VI.5.1. Kiểm định Jacque – Bera

Để kiểm định sai số ngẫu nhiên có phân phối chuẩn hay không, ta sử dụng bảng dữ liệu
Jacque – Bera trong Eviews như sau:

Tiến hành kiểm định cặp giả thuyết:

{ H 0 : Sai số ngẫu nhiêncó phân phốichuẩn

H 1 : Sai số ngẫu nhiênkhông có phân phối chuẩn

Dựa vào báo cáo Eviews, ta có: P−value=0,901473>α =0 , 05

 Chưa đủ điều kiện bác bỏ H 0 nên tạm thời chấp nhận H 0

20
 Vậy với mức ý nghĩa α =5 % , có thể cho rằng, sai số ngẫu nhiên của mô hình hồi
quy có phân phối chuẩn.

VII. XÁC ĐỊNH KHOẢNG TIN CẬY CỦA CÁC HỆ SỐ HỒI QUY VÀ
PHƯƠNG SAI SAI SỐ NGẪU NHIÊN

Mô hình hồi quy mẫu (SRM):

GROWTHi = 55.11576 + 1.790598FDIi - 6.457662URi - 1.902584IRi+ ei

VII.1.Khoảng tin cậy của các hệ số hồi quy

VII.1.1. Khoảng tin cậy của β 2
+ Khi FDI tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROWTH
thay đổi như thế nào?

- Với mức ý nghĩa α = 5% ta có khoảng tin cậy hai phía là:

- Khoảng tin cậy hai phía của β 2:
n−4 n−4
β 2 −¿ Se ( β^2 ) . T α ≤ β 2 ≤ ^
^ β 2 +¿ Se ( β^2 ) . T α
2 2

Với 𝛼 = 0,05 , ta có T 17
0,025= 2.110

 1.790598 - 0.425861× 2.110≤ β 2 ≤ 1.790598 + 0.425861× 2.110

0.89203 ≤ β 2 ≤ 2.68916

- Vậy với mức ý nghĩa α = 5%, khi FDI tăng 1% trong điều kiện các yếu tố khác
không đổi thì tốc độ tăng trưởng kinh tế tăng trong khoảng (0.89203; 2.68916)%

+ Khi FDI tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROWTH
thay đổi tối đa là bao nhiêu ?

- Với mức ý nghĩa α = 5% ta có khoảng tin cậy trái là:

- Khoảng tin cậy bên phải của β 2

21
 β2 ≤^
β 2+ ¿ Se ( β^2 ) . T n−4
α

Với 𝛼 = 0,05 , ta có T 17
0 ,05 = 1.740

β 2 ≥ 1.790598 + 0.425861× 1.740

𝛽2 ≥ 2.5316
Vậy với mức ý nghĩa α = 5%, khi FDI tăng 1% trong điều kiện các yếu tố khác
không đổi thì tốc độ tăng trưởng kinh tế tăng tối đa 2.5316%

+ Khi FDI tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay
đổi tối thiểu là bao nhiêu ?

- Với mức ý nghĩa α = 5% ta có khoảng tin cậy phải là

- Khoảng tin cậy bên phải của β 2

^
β 2−Se ( β^2 ). T n−4
α ≤ β2
Với 𝛼 = 0,05 , ta có T 17
0 ,05 = 1.740

1.790598 – 0.425861× 1.740 ≤ β 2

1.0496 ≤ β 2

Vậy với mức ý nghĩa α = 5%, khi FDI tăng 1% trong điều kiện các yếu tố khác không
đổi thì tốc độ tăng trưởng kinh tế tăng tối thiểu 1.0496%.

VII.1.2. Khoảng tin cậy của β 3

+ Khi UR tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay đổi
như thế nào?

- Với mức ý nghĩa a = 5%, ta có khoảng tin cậy hai phía là:
- Khoảng tin cậy hai phía của 𝛽3 :
n−4 n−4
β 3 −¿ Se ( β^3 ). T α ≤ β 3≤ ^
^ β 3 +¿ Se ( β^3 ). T α
2 2

Với 𝛼 = 0,05 , ta có T 17
0,025= 2.110

- 6.457662– 2.589690 × 2.110 ≤ β 3 ≤ - 6.457662 + 2.589690 × 2.110

- 11.92191≤ β 3≤ - 0.99342

22
Vậy với mức ý nghĩa α = 5%, khi UR tăng 1% trong điều kiện các yếu tố khác không
đổi thì tốc độ tăng trưởng kinh tế giảm trong khoảng (0.99342;11.92191)%

+ Khi UR tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay đổi
tối đa là bao nhiêu?

- Với mức ý nghĩa α bằng 5% ta có khoảng tin cậy phải là:

- Khoảng tin cậy bên phải của β 3

β 3≥ ^
β 3 +¿ Se ( β^3 ) . T n−4
α

Với 𝛼 = 0,05 , ta có T 170 ,05 = 1,740

β 3 ≥ -6.457662 – 2.589690 × 1.740

β 3 ≥ -10.96372

- Vậy với mức ý nghĩa α = 5%, khi UR tăng 1% trong điều kiện các yếu tố khác
không đổi thì tốc độ tăng trưởng kinh tế giảm tối đa là 10.96372%

+ Khi UR tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay
đổi tối thiểu là bao nhiêu?

- Với mức ý nghĩa α bằng 5% ta có khoảng tin cậy trái là:

- Khoảng tin cậy bên trái của 𝛽3

β 3≤ ^
β 3 +¿ Se ( β^3 ) . T n−4
α

Với 𝛼 = 0,05 , ta có T 22
0 ,05 = 1.740

β 3 ≤ -6.457662 + 2.589690 x 1.740

β 3 ≤ -1.95160

Vậy với mức ý nghĩa α = 5%, khi UR tăng 1% trong điều kiện các yếu tố khác
không đổi thì tốc độ tăng trưởng kinh tế giảm tối thiểu là 1.95160%.

23
 VII.1.3. Khoảng tin cậy của β 4

+ Khi IR tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay đổi
như thế nào?

- Với mức ý nghĩa a = 5%, ta có khoảng tin cậy hai phía là:
- Khoảng tin cậy hai phía của 𝛽4 :
n−4 n−4
β 4 −¿ Se ( β^4 ) . T α ≤ β 4≤ ^
^ β 4 +¿ Se ( β^4 ) . T α
2 2

Với 𝛼 = 0,05 , ta có T 17
0,025= 2.110

- 1.902584 – 0.601291 × 2.110 ≤ β 3 ≤ - 1.902584 + 0.601291 × 2.110

- 3.17131 ≤ β 3≤ - 0.63386

Vậy với mức ý nghĩa α = 5%, khi IR tăng 1% trong điều kiện các yếu tố khác không đổi
thì tốc độ tăng trưởng kinh tế giảm trong khoảng (0.63386;3.17131)%

+ Khi IR tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay đổi
tối đa là bao nhiêu?

- Với mức ý nghĩa α bằng 5% ta có khoảng tin cậy phải là:

- Khoảng tin cậy bên phải của β 4

β 4≥ ^
β 4 +¿ Se ( β^4 ) . T n−4
α

Với 𝛼 = 0,05 , ta có T 170 ,05 = 1,740

β 3 ≥ - 1.902584 – 0.601291× 1.740

β 3 ≥ - 2.94883

Vậy với mức ý nghĩa α = 5%, khi IR tăng 1% trong điều kiện các yếu tố khác không đổi
thì tốc độ tăng trưởng kinh tế giảm tối đa là 2.94883%

+ Khi IR tăng 1% trong điều kiện các yếu tố khác không thay đổi thì GROW thay đổi
tối thiểu là bao nhiêu?

24
 - Với mức ý nghĩa α bằng 5% ta có khoảng tin cậy trái là:

- Khoảng tin cậy bên trái của 𝛽4

β 3≤ ^
β 3 +¿ Se ( β^3 ) . T n−4
α

Với 𝛼 = 0,05 , ta có T 22
0 ,05 = 1.740

β 3 ≤ - 1.902584 + 0.601291x 1.740

β 3 ≤ -0.85634

Vậy với mức ý nghĩa α = 5%, khi IR tăng 1% trong điều kiện các yếu tố khác không đổi
thì tốc độ tăng trưởng kinh tế giảm tối thiểu là 0.85634%

VII.2.Khoảng tin cậy của phương sai sai số ngẫu nhiên

- Khoả ng tin cậ y 2 phía củ a σ 2
RSS 2 RSS
2(n−4 )
≤ σ ≤ 2(n−4 )
χ α/ 2 χ 1−α/ 2

Dự a và o bá o cá o Eviews, ta có : RSS=45.56894

{
2(n−4 ) 2 (17 )
χ α /2 = χ 0,025 =30.1910
Tra số liệu, ta có : 2 (n−4 ) 2(17)
χ 1−α / 2 = χ 0,975=7.5642

45.56894 2 45.56894
≤σ ≤
⇒ 30.1910 7.5642
2
1.50935 ≤ σ ≤ 6.02429
⇒

Vậ y vớ i mứ c ý nghĩa α =5 % thì phương sai sai số ngẫ u nhiên biến độ ng trong

khoả ng( 1.50935 ; 6.02429 ).

- Khoả ng tin cậ y bên phả i củ a σ 2

2 RSS
σ ≥ 2(n−4)
χα

Dự a và o bá o cá o Eviews, ta có : RSS=45.56894
25
Tra số liệu, ta có : χ 2α ( n−4)= χ 20 (,05
17 )
=27.5871

2 45.56894
σ ≥
⇒ 27.5871
2
σ ≥1.65182
⇒

Vậ y vớ i mứ c ý nghĩa α =5 % thì phương sai sai số ngẫ u nhiên tố i thiểu là 1.65182.

- Khoả ng tin cậ y bên trá i củ a σ 2

2 RSS
σ ≤ 2(n−4)
χ 1−α

Dự a và o bá o cá o Eviews, ta có : RSS=45.56894

Tra số liệu, ta có : χ 21−α

( n−4) 2 ( 17 )
= χ 0 ,95 =8.6718

2 45.56894
σ ≤
⇒ 8.6718
2
σ ≤5.25484
⇒

Vậ y vớ i mứ c ý nghĩa α =5 % thì phương sai sai số ngẫ u nhiên tố i đa là 5.25484 .

VII.3.Một số tình huống kiểm định

VII.3.1. Tình huống 1:
Có ý kiến cho rằng nếu với mức ý nghĩa 5%, FDI tăng 1% , đồng thời UR giảm 1% thì
GROW tăng tối đa 2% . Anh chị có đồng tình với ý kiến trên không ?Tiến hành kiểm

1
{
2
H : β −β ≤2
định cặp giả thuyết: H 0 : β2 −β3 > 2
3

( β^ 2− β^ 3 )−2 (n−4 )
-Tiêu chuẩn kiểm định : T = T
Se ( ^β 2− ^β 3)

-Miền bác bỏ: W α ={T /T >T (n−4

α
)
}
-Dựa vào báo cáo Eviews, ta có:

^β =1.790598 ; ^β =−6.457662 ; Se ( ^β )=0.425861 ;

2 3 2

26
 Se( β^ 3 )=2.589690 ; cov ( β^ 2 ; ^β3 )=0.285065

Se( β^ 2− β^ 3 )=√ ¿ ¿= 2.513507

Tra bảng: T 17
0.05 =¿ 1.740

(1.790598+6.457662)−2
Ta có : T qs= =2.485873
2.513507

=> T qs> ¿ T 17
0.05 =>
T qs thuộc W α

 Bác bỏ H0, chấp nhận H1

 Với mức ý nghĩa α =5 % , em đồng tình với ý kiến đề bài đề suất

VIII. DỰ BÁO
 Mô hình gốc
PRM: GROW i = β 1+ β2 . FDI i+ β 3 .UR i + β 4 . IRi +U i
 Dựa vào ước lượng mô hình hồi quy, ta thu được mô hình hồi quy mẫu:
SRM:GROW i=55,11576+1,790598. FDI i−6,457662.UR i−1,902584. IRi +e i
Dự báo tăng trưởng kinh tế (GDP) của quốc gia Pháp giai đoạn năm 2022, có:
- Đầu tư trực tiếp từ nước ngoài (FDI): 3.7935
- Tỷ lệ thất nghiệp (UR): 8.3654
- Tỷ lệ lạm phát (IR): 2.9472169
Tiến hành dự báo bằng phần mềm Eviews, ta thu được báo cáo sau:

27
 VIII.1. Dự báo giá trị trung bình của biến phụ thuộc
GROW 0 ) =√ Se ( GROW 0 ) 2−σ^ 2
Ta có công thức sau: Se ( ^
Dựa vào báo cáo Eviews, ta có: Se ( ROE 0 )=¿ 1.6757
σ^ =¿ 1.637231
⇒
GROW 0 ) =¿ 0.35652
Se ( ^
VIII.1.1. Khoảng tin cậy 2 phía của giá trị trung bình của biến phụ thuộc
Với độ tin cậy 95%:
^
GROW 0 −Se ( ^
( 17 )
GROW 0 )∗T 0,025 ≤ E (GROW |21 ) ≤ ^
GROW 0 + Se ( ^
GROW 0 )∗T 0,025
(17)

⇔
2.2801−0.35652∗2.110 ≤ E ( GROW |21 ) ≤ 2.2801+ 0.35652∗2.110
⇔
1.527842 ≤ E ( ROE|29 ) ≤3.0323572
Vậy với FDI=3.7935 ; UR=8.3654 ; IR=2.9472169 thì dự báo giá trị trung bình của GROW
nằm trong khoảng( 1.527842 ; 3.0323572 ) %.
VIII.1.2. Khoảng tin cậy trái của giá trị trung bình của biến phụ thuộc
Với độ tin cậy 95%:
^
E ( GROW |21 ) ≤ GROW 0 +Se ( ^
GROW 0 )∗T 0 ,05
(17)

⇔
E ( GROW |21 ) ≤ 2.2801+ 0.35652∗1.740
⇔
E ( ROE|29 ) ≤2.90044
Vậy với FDI=3.7935 ; UR=8.3654 ; IR=2.9472169 thì dự báo giá trị trung bình của GROW
28
tối đa bằng 2.90044 %.
VIII.1.3. Khoảng tin cậy phải của giá trị trung bình của biến phụ thuộc
Với độ tin cậy 95%:
E ( GROW |21 ) ≥ ^
GROW 0−Se ( ^
GROW 0 )∗T 0 , 05
(17)

⇔
E ( GROW |21 ) ≥ 2.2801−0.35652∗1.740
⇔
E ( GROW |21 ) ≥ 1.65975
Vậy với FDI=3.7935 ; UR=8.3654 ; IR=2.9472169 thì dự báo giá trị trung bình của GROW
tối thiểu bằng 1.65975 %
VIII.2. Dự báo giá trị cá biệt của biến phụ thuộc
VIII.2.1. Khoảng tin cậy 2 phía của giá trị cá biệt của biến phụ thuộc
Với độ tin cậy 95%:
^
GROW 0 −Se ( GROW 0 )∗T 0,025 ≤ GROW 0 ≤ ^
( 17 ) (17)
GROW 0 +Se ( GROW 0 )∗T 0,025
⇔
2.2801−1.6757∗2.110 ≤GROW 0 ≤ 2.2801+1.6757∗2.110
⇔
−1.255627 ≤ GROW 0 ≤ 5.815827
Vậy với FDI=3.7935 ; UR=8.3654 ; IR=2.9472169 thì dự báo giá trị cá biệt của GROW
nằm trong khoảng (−1.255627 ; 5.815827 ) %.
VIII.2.2. Khoảng tin cậy trái của giá trị cá biệt của biến phụ thuộc
Với độ tin cậy 95%:
^ +Se ( GROW )∗T (17 )
GROW 0 ≤ GROW 0 0 0 , 05
⇔
GROW 0 ≤ 2.2801+1.6757∗1.740
⇔
ROE 0 ≤ 5.195818
Vậy với FDI=3.7935 ; UR=8.3654 ; IR=2.9472169 thì dự báo giá trị cá biệt của GROW tối đa
bằng 5.195818 %
VIII.2.3. Khoảng tin cậy phải của giá trị cá biệt của biến phụ thuộc
Với độ tin cậy 95%:
GROW 0 ≥ ^
(17)
GROW 0−Se ( GROW 0 )∗T 0 ,05
⇔
GROW 0 ≥ 2.2801−1.6757∗1.740
⇔
GROW 0 ≥−0.63561
Vậy với FDI=3.7935 ; UR=8.3654 ; IR=2.9472169 thì dự báo giá trị trung bình của GROW
tối thiểu bằng −0.63561 %

29
IX. KẾT LUẬN
IX.1. Tổng kết
IX.2. Giải pháp
Trong quá trình nghiên cứu sâu rộng về các yếu tố kinh tế vĩ mô tác động đến
tăng trưởng GDP của nước Pháp, chúng tôi đã xác định được ba biến chính - đầu tư trực
tiếp nước ngoài (FDI), tỷ lệ thất nghiệp (UR), và tỷ lệ lạm phát (IR) - như những nhân
tố chủ chốt. Phân tích hồi quy từ EViews cho thấy một mối quan hệ đặc biệt giữa FDI
và tăng trưởng GDP, trong đó FDI đóng vai trò như một catalyzer cho sự đổi mới và
phát triển công nghệ, cũng như là một kênh quan trọng trong việc tạo ra việc làm và
tăng năng suất lao động. Để tối ưu hóa lợi ích từ FDI, chính phủ Pháp cần phải tiếp tục
và mở rộng chương trình cải cách, tập trung vào việc cải thiện môi trường đầu tư thông
qua việc giảm bớt quy định, cải thiện hạ tầng và cung cấp các ưu đãi thuế. Điều này
không chỉ khuyến khích sự đầu tư mới mà còn tăng cường sự tái đầu tư, đồng thời củng
cố niềm tin của các nhà đầu tư vào nền kinh tế Pháp.

Tuy nhiên, FDI không phải là giải pháp duy nhất. Với tỷ lệ thất nghiệp (UR) còn cao,
chính sách lao động của Pháp cần được điều chỉnh để thúc đẩy việc tạo ra các cơ hội
việc làm chất lượng cao, đặc biệt là trong những ngành sáng tạo và công nghệ cao. Điều
này bao gồm việc đầu tư vào giáo dục và đào tạo nghề, tăng cường liên kết giữa các
trường đại học và các ngành công nghiệp, và hỗ trợ các doanh nghiệp trong việc đào tạo
lại lao động để phù hợp với yêu cầu công việc mới.

Về tỷ lệ lạm phát (IR), một cách tiếp cận cẩn trọng trong chính sách tiền tệ là cần thiết
để đảm bảo rằng mức lạm phát được kiểm soát mà không làm ảnh hưởng đến sự tăng
trưởng của đầu tư và tiêu dùng. Ngân hàng Trung ương châu Âu (ECB) cần tiếp tục
theo dõi sát sao các xu hướng lạm phát và sẵn sàng điều chỉnh lãi suất và thực hiện các
biện pháp phi truyền thống nếu cần thiết để hỗ trợ mục tiêu lạm phát và tăng trưởng
kinh tế.

Cuối cùng, không thể không nhắc đến tác động của chính sách cấu trúc đối với tăng
trưởng GDP. Pháp cần tiếp tục quá trình cải cách thị trường lao động để tạo ra một môi
trường kinh doanh linh hoạt hơn, thúc đẩy đổi mới và nâng cao năng suất. Điều này bao
gồm cả việc đơn giản hóa quy định về việc làm, cải thiện quan hệ lao động, và giảm bớt
gánh nặng thuế cho các doanh nghiệp nhằm khuyến khích tăng trưởng và cạnh tranh.

30
Những giải pháp này phản ánh một chiến lược toàn diện và cân nhắc, dựa trên dữ liệu
và phân tích thực tế, không phải là các giả định không có cơ sở. Pháp, với lịch sử và vị
thế của mình, không chỉ có khả năng mà còn có trách nhiệm để dẫn dắt kinh tế châu Âu
tiến lên phía trước, thông qua việc thực thi các chính sách sáng tạo và tận dụng mọi cơ
hội từ sự đổi mới kỹ thuật số và toàn cầu hóa.

31