Luận văn Các yếu tố ảnh hưởng đến số dự án có vốn đầu tư nước ngoài (FDI) trên địa bàn các tỉnh, thành phố ở Việt Nam năm 2007

Luận văn Các yếu tố ảnh hưởng đến số dự án có vốn đầu tư nước ngoài (FDI) trên địa bàn các tỉnh, thành phố ở Việt Nam năm 2007Thành viên nhóm Hoa mặt trời: Phan Thị Dương. Trần Thị Ngọc. Cao Thị Thu Hằng. Nguyễn Văn Phương. PHẦN I: ĐẶT VẤN ĐỀ Hiện nay, Việt Nam đang trong quá trình phát triển kinh tế, nguồn vốn đầu tư nước ngoài đổ vào Việt Nam ngày càng nhiều, đặc biệt là số vốn FDI. Đối với các nước đang phát triển quá trình mở rộng thu hút vốn đầu tư là con đường duy nhất để giải quyết vấn đề vốn trong quá trình phát triển kinh tế. Vậy những yếu tố nào quyết định đến việc thu hút các nguồn vốn này? Chính vì vậy nhóm quyết định chọn đề tài: Các yếu tố ảnh hưởng đến số dự án có vốn đầu tư nước ngoài (FDI) trên địa bàn các tỉnh, thành phố ở Việt Nam năm 2007. Đối với các tỉnh việc thu hút nguồn vốn đầu tư đã và đang được thực hiện thông qua việc cải thiện về môi trường đầu tư, các chính sách ưu đãi đối với các doanh nghiệp… Khi các nhà đầu tư thấy được môi trường đầu tư an toàn và thuận lợi thì sẽ có nhiều nhà đầu tư đầu tư vào tỉnh. Và để có thể giải thích phần nào số dựa án đầu tư vào một tỉnh nhóm đã xây dựng mô hình kinh tế lựơng để giải thích cho vấn để trên. PHẦN II: CƠ SỞ LÝ LUẬN 2.1. Các yếu tố ảnh hưởng đến số dự án có nguồn vốn đầu tư nước ngoài vào tỉnh Lý do nào mà các nhà đầu tư đầu tư vào tỉnh này mà không phải là tỉnh khác? Đối với các doanh nghiệp kinh doanh quốc tế, đặc biệt là các công ty đa quốc gia thì vấn đề đầu tiên các doanh nghiệp quan tâm là gì? Đó là vấn đề sự ổn định về môi trường chính trị. Một quốc gia hoặc một tỉnh có nên chính trị ổn định sẽ tiền đề thuận lợi cho việc thu hút các nguồn vốn đầu tư. Nền chính trị ổn định sẽ giúp các doanh nghiệp yên tâm đầu tư, tránh được những rủi ro. Bắt đầu từ năm 2005, Phòng Thương mại và Công nghiệp Việt Nam (VCCI) và Dự án Nâng cao Năng lực Cạnh tranh Việt Nam (VNCI) hợp tác xây dựng xác định về năng lực cạnh tranh của các tỉnh đó là chỉ số PCI Chỉ số tổng hợp PCI bao gồm 10 chỉ số thành phần phản ánh những khía cạnh quan trọng khác nhau của môi trường kinh doanh cấp tỉnh, những khía cạnh này chịu tác động trực tiếp từ thái độ và hành động của cơ quan chính quyền địa phương: Chi phí gia nhập thị trường (chi phí thành lập doanh nghiệp). Tiếp cận đất đai và sự ổn định trong sử dụng đất. Tính minh bạch và tiếp cận thông tin. Chi phí thời gian để thực hiện các qui định của Nhà nước/ thanh - kiểm tra. Chi phí không chính thức. Ưu đãi đối với doanh nghiệp nhà nước (Môi trường cạnh tranh). Tính năng động và tiên phong của chính quyền tỉnh. Chính sách phát triển khu vực kinh tế tư nhân. Thiết chế pháp lý. Đào tạo lao động. Chỉ số PCI được nghiên cứu và công bố hàng năm có ý nghĩa rất lớn trong quản lý, điều hành kinh tế ở các tỉnh. Nó chỉ ra năng lực cạnh tranh của từng tỉnh trong việc thu hút đầu tư và phát triển thành phần kinh tế tư nhân. PCI càng cao thì càng có lợi cho việc thu hút các dự án đầu tư có vốn nước ngoài. Khi đầu tư vao tỉnh thì các nhà đầu tư quan tâm đến thị trường tiêu thụ của sản phẩm và các yếu tố về trình độ dân trí của địa phương, những tỉnh có dân số lớn hoặc những khu vực có mật độ dân số cao thường thu hút được sự quan tâm của các doanh nghiệp kinh doanh quốc tế. Thứ nhất, dân số đông đồng nghĩa với tiềm năng thị trường lớn. Thứ hai, sẽ là nguồn cung lao động cho các doanh nghiệp. Vì vậy, mật độ dân số cũng là một yếu tố giúp địa phương có khả năng thu hút vốn đầu tư. Tiềm năng thị trường có lớn hay không những phụ thuộc vào mật độ dân số mà còn phụ thuộc vào mức sống và thu nhập của dân cư trong nước. Thị trường có tiềm năng càng lớn thì càng có thì việc thu hút các dự án đầu tư càng có lợi điều này thể hiện qua tốc độ tăng trưởng GDP của các tỉnh (GDP) Ngoài ra, vấn đề về cơ sở hạ tầng của tỉnh cũng là một thế mạnh của tỉnh nhằm thu hút các dự án đầu tư. Đối với các tỉnh trong quá trình xây dựng các khu công nghiệp kéo theo việc nâng cấp cơ sở hạ tầng, mạng lưới giao thông vận tải… Vị trí địa lý của tỉnh cũng là nhân tố thế mạnh của tỉnh. Tỉnh có vị trí địa lý thuận lợn về giao thông vận tải, điều kiện tự nhiên, điều này giúp cho các nhà đầu tư giảm bớt được những chi phí vận chuyển, tránh được tác động do thiên tai gây ra. 2.2. Mô hình dự kiến, dự đoán dấu Mô hình dự kiến Y= 1+2*X1 +3*X2 +4*X3 +5*X4 Dự đoán dấu 2: như trên đã nói, khi mật độ dân số lớn sẽ tạo điều kiện cho các doanh nghiệp đầu tư vào các địa phương càng lớn. Do đó dấu dự kiến là 2>0. 3: Chỉ số năng lực cạnh tranh cấp tỉnh thể hiện mức thu hút đầu tư. PCI càng cao, đầu tư càng nhiều. Do đó dấu dự kiến là 3>0. 4: Dự kiến dấu 4>0 5: Khi tốc độ tăng trưởng kinh tế của các tỉnh (GDP) càng cao thì khả năng các doanh nghiệp nước ngoài đầu tư vào các tỉnh càng cao. Do đó dấu dự kiến là 5>0. PHẦN III: MÔ TẢ SỐ LIỆU THU THẬP 3.1. Bảng số liệu STT TỈNH Y X1 X2 X3 X4 1 Bà Rịa - Vũng Tàu 18 466 55.95 7 8.17 2 Bạc Liêu 1 317 42.89 1 11.5 3 Bắc Ninh 35 1227 54.79 4 11.96 4 Bến Tre 2 573 53.11 1 10.5 5 Bình Định 12 259 66.49 2 14.3 6 Bình Dương 292 358 76.23 15 12 7 Bình Phước 30 118 46.29 2 12.2 8 Bình Thuận 10 148 52.66 1 17 9 Cà Mau 1 231 43.99 1 12.8 10 Cần Thơ 6 813 58.3 3 8.17 11 Đà Nẵng 22 627 75.39 4 11.5 12 Đồng Nai 116 375 64.64 23 14.3 13 Đồng Tháp 4 494 58.13 1 14.1 14 Gia Lai 1 75 53.08 1 13.1 15 Hà Nam 13 961 47.27 1 10.4 16 Hà Nội 234 3490 50.34 5 11.5 17 Hà Tây 21 1157 40.73 1 13.2 18 Hải Dương 45 1042 52.7 5 19.6 19 Hải Phòng 55 1186 49.98 3 10.84 20 Hậu Giang 22 498 52.61 1 13.2 21 Hưng Yên 35 1237 55.97 3 10.8 22 Khánh Hòa 8 218 55.33 2 11 23 Lâm Đồng 13 121 52.25 1 11.07 24 Lạng Sơn 5 90 49.64 1 17.6 25 Long An 66 317 50.4 8 9 26 Nam Định 4 1196 48.89 2 10 27 Nghệ An 2 186 54.43 2 13 28 Ninh Bình 6 663 55.82 1 12 29 Ninh Thuận 5 169 45.82 1 10.7 30 Phú Thọ 1 379 54.42 2 10.34 31 Phú Yên 5 173 54.93 1 12.42 32 Quảng Nam 16 141 56.42 1 17.87 33 Quảng Ngãi 2 251 44.2 2 12.3 34 Quảng Ninh 12 179 53.25 3 11.3 35 Quảng Trị 3 131 52.18 1 11.5 36 Sóc Trăng 2 385 55.34 1 12.7 37 Sơn La 3 71 45.22 1 16.5 38 Bắc Giang 15 417 55.99 2 15 39 Tây Ninh 22 259 48.35 2 11 40 Thái Bình 2 1206 50.54 2 10.56 41 Thái Nguyên 1 318 52.71 1 8.2 42 Thanh Hóa 6 330 45.3 1 12 43 Thừa Thiên - Huế 9 226 50.53 1 13.4 44 Tiền Giang 5 691 52.18 2 11.02 45 TP. Hồ Chí Minh 312 2909 63.39 15 13 46 Trà Vinh 1 452 56.83 1 7.8 47 Tuyên Quang 2 125 47.21 0 12 48 Vĩnh Long 1 715 64.67 2 8.17 49 Vĩnh Phúc 30 860 61.27 3 11.5 50 Yên Bái 2 170 56.85 2 15.3 . Mô hình Y = 1+2*X1 +3*X2+4*X3+5*X4 Trong đó: Y: số dự án đầu tư trong năm 2006 X1: mật độ dân số năm 2006 X2: chỉ số đánh giá năng lực cạnh tranh năm 2006 X3: số khu công nghiệp và khu chế xuất năm 2006 X4: tốc độ tăng GDP năm 2006 so với 2005 (tính theo giá gốc năm 1994) Nguồn: Tốc độ tăng trưởng GDP lấy từ web của 64 tỉnh thành trong nước. Số dự án năm 2006 từ webside: Mật độ dân số và vùng lấy từ webside tổng cục thống kê. Chỉ số PCI lấy webside thời báo kinh tế Sài Gòn và VCCI Số khu công nghiệp: trang web bộ công nghiệp và các tỉnh. PHẦN IV: ƯỚC LƯỢNG VÀ KIỂM ĐỊNH MÔ HÌNH. A: ƯỚC LƯỢNG VÀ KIỂM ĐỊNH MÔ HÌNH 5 BIẾN. 1. Ước lượng mô hình hồi quy Y = 1+2*X1 +3*X2+4*X3+5*X4 Trong đó: Y: số dự án đầu tư trong năm 2006 X1: mật độ dân số năm 2006 X2: chỉ số đánh giá năng lực cạnh tranh năm 2006 X3: số khu công nghiệp và khu chế xuất năm 2006 X4: tốc độ tăng GDP năm 2006 so với 2005 (tính theo giá gốc năm 1994) Kết quả ước lượng : Y = -96.90737604 + 0.04878939758*X1 + 0.8029087725*X2 + 8.981274435*X3 + 2.415093305*X4 Dependent Variable: Y Method: Least Squares Date: 12/22/11 Time: 09:30 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C -96.90738 49.89991 -1.942035 0.0584 X1 0.048789 0.008140 5.993778 0.0000 X2 0.802909 0.803530 0.999227 0.3230 X3 8.981274 1.465394 6.128915 0.0000 X4 2.415093 1.972464 1.224404 0.2272 R-squared 0.753169 Mean dependent var 30.72000 Adjusted R-squared 0.731229 S.D. dependent var 67.18116 S.E. of regression 34.82882 Akaike info criterion 10.03341 Sum squared resid 54587.11 Schwarz criterion 10.22461 Log likelihood -245.8352 F-statistic 34.32781 Durbin-Watson stat 1.781107 Prob(F-statistic) 0.000000 Ý nghĩa của mô hình: từ mô hình trên ta thấy Khi các yếu tố khác không đổi nếu MĐDS tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 0.048789 dự án. Khi các yếu tố khác không đổi nếu CPI tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 0.802909 dự án. Khi các yếu tố khác không đổi nếu SKCN tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 8.981274 dự án. Khi các yếu tố khác không đổi nếu GDP tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 2.415093 dự án. R2 = 0.753169, Mô hình thích hợp đến 75.3169%. Hay mật độ dân số, CPI, GDP, số khu công nghiệp giải thích được 75.3169% sự thay đổi của dự án đầu tư vào các tỉnh còn lại 24.6831% là do các yếu tố khác không đưa vào mô hình. 2. Xem xét mô hình có hiện tượng đa cộng tuyến hay không? Dấu hiệu 1: R2=0.753169, tỷ số t thấp, các biến X2 và X4 không có ý nghĩa về mặt thống kê. Dấu hiệu 2: Mô hình hồi quy phụ. Dependent Variable: X1 Method: Least Squares Date: 12/22/11 Time: 10:01 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 1352.050 881.5915 1.533647 0.1320 X2 -9.117911 14.49231 -0.629155 0.5324 X3 55.51463 25.24947 2.198645 0.0330 X4 -36.73246 35.31485 -1.040142 0.3037 R-squared 0.116941 Mean dependent var 580.0000 Adjusted R-squared 0.059350 S.D. dependent var 650.4608 S.E. of regression 630.8630 Akaike info criterion 15.80867 Sum squared resid 18307455 Schwarz criterion 15.96163 Log likelihood -391.2168 F-statistic 2.030552 Durbin-Watson stat 1.658619 Prob(F-statistic) 0.122728 Ta tiến hành Kiểm định cặp giả thuyết: H0: R2 = 0 H1: R2 ≠ 0 Ta có: F-statistic = 2.030552, Prob(F-statistic)= 0.12272>0.05 è Chấp nhận H0 hay mô hình không thích hợp è Mô hình không tồn tại đa cộng tuyến. Dấu hiệu 3: nhân tử phóng đại VIF=1/(1 – RI2) = 1/(1 - 0.116941) = 1.132426 < 10 è Mô hình không có hiện tượng đa cộng tuyến. Dấu hiệu 4: Tương quan cặp giữa các biến giải thích: R12 = 0.085354 R13 = 0.299717 R14 = -0.132624 R23 = 0.512875 R24 = -0.033528 R34 = 0.023433 Ta thấy các R12, R13, R14, R23, R24, R34 nhỏ è Mô hình không có đa cộng tuyến. è Từ bốn dấu hiệu trên ta có kết luận mô hình 2 không có hiện tượng đa cộng tuyến. 3. Xét mô hình có hiện tượng phương sai thay đổi hay không? Phương pháp 1: Vẽ đồ thị của phần dư. Nhận xét: Nhìn vào đồ thị ta thấy độ rộng của biểu đồ tăng lên khi Y1 tăng, cho nên có thể cho rằng phương sai của sai số thay đổi. Phương pháp 2: Kiểm định Park. Dependent Variable: LOG(E2) Method: Least Squares Date: 12/22/11 Time: 12:42 Sample: 1 50 Included observations: 33 Excluded observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C 1.129321 0.799998 1.411654 0.1680 LOG(Y1) 1.305776 0.228827 5.706385 0.0000 R-squared 0.512294 Mean dependent var 5.428386 Adjusted R-squared 0.496561 S.D. dependent var 2.178748 S.E. of regression 1.545897 Akaike info criterion 3.767777 Sum squared resid 74.08368 Schwarz criterion 3.858474 Log likelihood -60.16832 F-statistic 32.56283 Durbin-Watson stat 3.109505 Prob(F-statistic) 0.000003 Kiểm định cặp giả thiết H0 : β2 = 0 (không có hiện tượng phương sai thay đổi.), H1: β2 ≠ 0. ( có hiện tượng phương sai thay đổi). Ta thấy t-Statistic = 5.706385, p_value = 0.0000 < 0.05 è bác bỏ giả thiết H0 tức là mô hình có hiện tượng phương sai thay đổi. Phương pháp 3: Kiểm định White. White Heteroskedasticity Test: F-statistic 11.40486 Probability 0.000000 Obs*R-squared 34.49775 Probability 0.000033 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 12:55 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 39346.97 14727.72 2.671626 0.0108 X1 -0.719423 1.300885 -0.553026 0.5832 X1^2 7.08E-05 0.000407 0.174075 0.8627 X2 -1470.781 416.1246 -3.534473 0.0010 X2^2 13.70220 3.650815 3.753190 0.0005 X3 471.8087 296.6845 1.590271 0.1195 X3^2 -0.570781 13.31784 -0.042858 0.9660 X4 -77.45871 896.6476 -0.086387 0.9316 X4^2 2.730592 33.43671 0.081664 0.9353 R-squared 0.689955 Mean dependent var 1091.742 Adjusted R-squared 0.629459 S.D. dependent var 3278.964 S.E. of regression 1995.975 Akaike info criterion 18.19720 Sum squared resid 1.63E+08 Schwarz criterion 18.54137 Log likelihood -445.9300 F-statistic 11.40486 Durbin-Watson stat 2.221777 Prob(F-statistic) 0.000000 Kiểm định cặp giả thiết: H0 : Không có hiện tượng phương sai thay đổi. H1: Có hiện tượng phương sai thay đổi. Ta thấy: Obs*R-squared = 34.49775, Probability = 0.000033 < 0.05 è Bác bỏ giả thiết H0 tức là mô hình có hiện tượng phương sai thay đổi. Từ ba Phương pháp trên ta có thể kết luận rằng: “ Mô hình có phương sai thay đổi”. 4. Cách khắc phục hiện tượng phương sai thay đổi. Dùng giả thuyết 4: chúng ta ước lượng mô hình hồi quy: lnY = β1 + β2lnX1 + β3lnX2 + β4ln X3 + β5lnX4 + Ui ta được kết quả như sau: LOG(Y) = -3.40351724 + 0.3893206781*LOG(X1) - 0.8496157849*LOG(X2) + 1.303814781*LOG(X3) + 2.316259182*LOG(X4) Dependent Variable: LOG(Y) Method: Least Squares Date: 12/22/11 Time: 14:06 Sample: 1 50 Included observations: 49 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. C -3.403517 5.799350 -0.586879 0.5603 LOG(X1) 0.389321 0.186403 2.088592 0.0426 LOG(X2) -0.849616 1.318265 -0.644495 0.5226 LOG(X3) 1.303815 0.229617 5.678211 0.0000 LOG(X4) 2.316259 0.737600 3.140265 0.0030 R-squared 0.613512 Mean dependent var 2.160301 Adjusted R-squared 0.578377 S.D. dependent var 1.553277 S.E. of regression 1.008582 Akaike info criterion 2.951419 Sum squared resid 44.75845 Schwarz criterion 3.144462 Log likelihood -67.30976 F-statistic 17.46142 Durbin-Watson stat 2.004927 Prob(F-statistic) 0.000000 Dùng kiểm định White để kiểm tra lại: White Heteroskedasticity Test: F-statistic 0.604995 Probability 0.768044 Obs*R-squared 5.288991 Probability 0.726289 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 14:03 Sample: 1 50 Included observations: 49 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. C 29.80813 102.8798 0.289737 0.7735 LOG(X1) 0.190231 1.965215 0.096799 0.9234 (LOG(X1))^2 -0.027972 0.160266 -0.174535 0.8623 LOG(X2) -19.54517 48.40709 -0.403767 0.6885 (LOG(X2))^2 2.198991 6.049201 0.363518 0.7181 LOG(X3) 0.652953 0.529269 1.233690 0.2245 (LOG(X3))^2 -0.202437 0.195982 -1.032940 0.3078 LOG(X4) 11.09271 12.32882 0.899739 0.3736 (LOG(X4))^2 -2.232353 2.470001 -0.903786 0.3715 R-squared 0.107939 Mean dependent var 0.913438 Adjusted R-squared -0.070474 S.D. dependent var 0.977656 S.E. of regression 1.011520 Akaike info criterion 3.025191 Sum squared resid 40.92687 Schwarz criterion 3.372668 Log likelihood -65.11717 F-statistic 0.604995 Durbin-Watson stat 2.288658 Prob(F-statistic) 0.768044 Kiểm định cặp giả thiết: H0 : Không có hiện tượng phương sai thay đổi. H1: Có hiện tượng phương sai thay đổi. Ta có: Obs*R-squared = 5.288991, Probability = 0.726289 > 0.05 è Chấp nhận giả thuyết H0 tức là mô hình đã khắc phục được hiện tượng phương sai thay đổi. 5. Xét mô hình có hiện tượng tự tương quan hay không? Nhận biết: Cách 1: Dùng kiểm định Durbin Watson: Ta có Durbin-Watson stat = 1.781107 nằm trong khoảng (1 ; 3) èKhông có tự tương quan bậc 1. Cách 2: Dùng kiểm định BG: kiểm định tự tương quan bậc 2. Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.321577 Probability 0.726734 Obs*R-squared 0.736832 Probability 0.691829 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/22/11 Time: 15:12 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C -7.441291 51.99497 -0.143116 0.8869 X1 7.93E-05 0.008285 0.009571 0.9924 X2 0.149463 0.838744 0.178199 0.8594 X3 0.032173 1.488612 0.021612 0.9829 X4 -0.064733 2.028617 -0.031910 0.9747 RESID(-1) 0.100468 0.158586 0.633521 0.5297 RESID(-2) 0.068363 0.155086 0.440809 0.6616 R-squared 0.014737 Mean dependent var -4.30E-15 Adjusted R-squared -0.122742 S.D. dependent var 33.37698 S.E. of regression 35.36609 Akaike info criterion 10.09856 Sum squared resid 53782.68 Schwarz criterion 10.36624 Log likelihood -245.4640 F-statistic 0.107192 Durbin-Watson stat 1.958623 Prob(F-statistic) 0.995164 Xét cặp giả thuyết: H0: Không có tự tương quan ở bất kỳ một bậc nào từ bậc 1 đến bậc 2. H1:Tồn tại ít nhất một bậc tự tương quan từ bậc 1 đến bậc 2. Ta có: Obs*R-squared = 0.736832 ; Probability = 0.691829 > 0.05 è Chấp nhận H0 hay mô hình không có tự tương quan ở bất kỳ một bậc nào từ bậc 1 đến bậc 2. Từ hai cách trên ta có thể kết luận mô hình không có hiện tượng tự tương quan. B. XÉT MÔ HÌNH 4 BIẾN (KIỂM ĐỊNH SỰ THỪA BIẾN X2). 1. Xét mô hình hồi quy 4 biến. Y = 1+2*X1 +3*X3+4*X4+Ui. Kết quả ước lượng như sau: Redundant Variables: X2 F-statistic 0.998456 Probability 0.323028 Log likelihood ratio 1.097267 Probability 0.294867 Test Equation: Dependent Variable: Y Method: Least Squares Date: 12/22/11 Time: 09:32 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C -53.99899 25.41656 -2.124559 0.0390 X1 0.048038 0.008105 5.926919 0.0000 X3 9.735999 1.255721 7.753313 0.0000 X4 2.284548 1.968100 1.160789 0.2517 R-squared 0.747693 Mean dependent var 30.72000 Adjusted R-squared 0.731238 S.D. dependent var 67.18116 S.E. of regression 34.82824 Akaike info criterion 10.01535 Sum squared resid 55798.29 Schwarz criterion 10.16831 Log likelihood -246.3838 F-statistic 45.43912 Durbin-Watson stat 1.795167 Prob(F-statistic) 0.000000 Sau khi bỏ biến X2 ra khỏi mô hình ta có mô hình hồi quy mới: Y = -53.99899253 + 0.04803810778*X1 + 9.735999165*X3 + 2.284547868*X4 (mô hình 2) Ý nghĩa của mô hình 2: Từ mô hình ta thấy Khi các yếu tố khác không đổi nếu MĐDS tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 0.048038 dự án. Khi các yếu tố khác không đổi nếu SKCN tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 9.735999 dự án. Khi các yếu tố khác không đổi nếu GDP tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 2.284548 dự án. R2 = 0.747693, Mô hình thích hợp đến 74.7693%. Hay mật độ dân số, GDP, số khu công nghiệp giải thích được 74.7693%. sự thay đổi của dự án đầu tư vào các tỉnh còn lại 25.2307% là do các yếu tố khác không đưa vào mô hình. 2. Xem xét mô hình 2 có hiện tượng đa cộng tuyến hay không? Dấu hiệu 1: R2=0.747693, tỷ số t thấp,biến X4 không có ý nghĩa về mặt thống kê. Dấu hiệu 2: Mô hình hồi quy phụ: Dependent Variable: X1 Method: Least Squares Date: 12/22/11 Time: 16:14 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 872.2200 439.3660 1.985179 0.0530 X3 47.34786 21.51772 2.200413 0.0327 X4 -35.55331 35.03769 -1.014716 0.3154 R-squared 0.109342 Mean dependent var 580.0000 Adjusted R-squared 0.071442 S.D. dependent var 650.4608 S.E. of regression 626.7952 Akaike info criterion 15.77724 Sum squared resid 18464994 Schwarz criterion 15.89196 Log likelihood -391.4310 F-statistic 2.884995 Durbin-Watson stat 1.565366 Prob(F-statistic) 0.065797 Ta có : Kiểm định cặp giả thuyết: H0: R2 = 0 H1: R2 ≠ 0 Ta có: F-statistic = 2.884995, Prob(F-statistic)= 0.065797>0.05 è Chấp nhận H0 hay mô hình phụ không thích hợp è Mô hình (2) không tồn tại đa cộng tuyến. Dấu hiệu 3: tương quan cặp giữa các biến giải thích: R13 = 0.299717 R14 = -0.132624 R34 = 0.023433 è Ta thấy các R13, R14, R34 nhỏ è Mô hình không có đa cộng tuyến. Dấu hiệu 4: nhân tử phóng đại: VIF=1/(1 – RI2) = 1/(1 – 0.109342) = 1.1227 Ta có VIF < 10 nên có thể kết luận mô hình không tồn tại đa cộng tuyến. è Từ bốn dấu hiệu trên ta có kết luận mô hình 2 không có hiện tượng đa cộng tuyến. 3. Xét mô hình (2) có hiện tượng phương sai thay đổi hay không? Phương pháp 1: Vẽ đồ thị của phần dư. Nhận xét: Nhìn vào đồ thị ta thấy độ rộng của biểu đồ tăng lên khi Y1 tăng, cho nên có thể cho rằng phương sai của sai số thay đổi. Phương pháp 2: Kiểm định Park. Dependent Variable: LOG(E2) Method: Least Squares Date: 12/22/11 Time: 16:34 Sample: 1 50 Included observations: 36 Excluded observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 2.127252 0.656671 3.239451 0.0027 LOG(Y1) 0.987401 0.199412 4.951567 0.0000 R-squared 0.418982 Mean dependent var 5.004807 Adjusted R-squared 0.401894 S.D. dependent var 2.372196 S.E. of regression 1.834593 Akaike info criterion 4.105475 Sum squared resid 114.4349 Schwarz criterion 4.193448 Log likelihood -71.89855 F-statistic 24.51802 Durbin-Watson stat 2.819321 Prob(F-statistic) 0.000020 Kiểm định cặp giả thiết H0 : β2 = 0 (không có hiện tượng phương sai thay đổi.), H1: β2 ≠ 0. ( có hiện tượng phương sai thay đổi). Ta thấy t-Statistic =4.951567, p_value = 0.0000 < 0.05 è Bác bỏ giả thiết H0 tức là mô hình có hiện tượng phương sai thay đổi. Phương pháp 3: Kiểm định White. White Heteroskedasticity Test: F-statistic 9.037752 Probability 0.000002 Obs*R-squared 27.88669 Probability 0.000099 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 16:37 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C -7949.887 7589.137 -1.047535 0.3007 X1 -0.575333 1.708103 -0.336826 0.7379 X1^2 -0.000216 0.000528 -0.410278 0.6836 X3 990.7120 349.8034 2.832196 0.0070 X3^2 -15.23673 16.64572 -0.915354 0.3651 X4 1090.131 1121.080 0.972394 0.3363 X4^2 -40.54607 41.79218 -0.970183 0.3374 R-squared 0.557734 Mean dependent var 1115.966 Adjusted R-squared 0.496022 S.D. dependent var 3695.186 S.E. of regression 2623.264 Akaike info criterion 18.71140 Sum squared resid 2.96E+08 Schwarz criterion 18.97909 Log likelihood -460.7851 F-statistic 9.037752 Durbin-Watson stat 2.123859 Prob(F-statistic) 0.000002 Kiểm định cặp giả thiết: H0 : Không có hiện tượng phương sai thay đổi. H1: Có hiện tượng phương sai thay đổi. Ta thấy: Obs*R-squared =27.88669, Probability = 0.000099< 0.05 è Bác bỏ giả thiết H0 tức là mô hình có hiện tượng phương sai thay đổi. Từ ba Phương pháp trên ta có thể kết luận rằng: “ Mô hình có phương sai thay đổi”. 4. Cách khắc phục hiện tượng phương sai thay đổi. Dùng giả thuyết 4: chúng ta ước lượng mô hình hồi quy: lnY = β1 + β2lnX1 + β3lnX3 + β4ln X4 + Ui. ta được kết quả hồi quy như sau: LOG(Y) = -6.812287463 + 0.3978359902*LOG(X1) + 1.229651286*LOG(X3) + 2.327742456*LOG(X4) Dependent Variable: LOG(Y) Method: Least Squares Date: 12/22/11 Time: 16:42 Sample: 1 50 Included observations: 49 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. C -6.812287 2.363234 -2.882613 0.0060 LOG(X1) 0.397836 0.184723 2.153691 0.0367 LOG(X3) 1.229651 0.197407 6.229018 0.0000 LOG(X4) 2.327742 0.732579 3.177463 0.0027 R-squared 0.609863 Mean dependent var 2.160301 Adjusted R-squared 0.583854 S.D. dependent var 1.553277 S.E. of regression 1.002009 Akaike info criterion 2.919998 Sum squared resid 45.18099 Schwarz criterion 3.074433 Log likelihood -67.53996 F-statistic 23.44806 Durbin-Watson stat 1.958445 Prob(F-statistic) 0.000000 Dùng kiểm định White để kiểm tra lại: White Heteroskedasticity Test: F-statistic 0.494518 Probability 0.808763 Obs*R-squared 3.233213 Probability 0.779058 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 16:43 Sample: 1 50 Included observations: 49 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. C -11.10632 16.28747 -0.681894 0.4990 LOG(X1) -0.897462 1.897122 -0.473065 0.6386 (LOG(X1))^2 0.062983 0.154418 0.407872 0.6854 LOG(X3) 0.538365 0.520862 1.033605 0.3072 (LOG(X3))^2 -0.225688 0.193255 -1.167828 0.2495 LOG(X4) 12.43923 11.94059 1.041760 0.3035 (LOG(X4))^2 -2.563585 2.393930 -1.070869 0.2903 R-squared 0.065984 Mean dependent var 0.922061 Adjusted R-squared -0.067447 S.D. dependent var 0.984446 S.E. of regression 1.017103 Akaike info criterion 3.003358 Sum squared resid 43.44896 Schwarz criterion 3.273618 Log likelihood -66.58227 F-statistic 0.494518 Durbin-Watson stat 2.252600 Prob(F-statistic) 0.808763 Kiểm định cặp giả thiết: H0 : Không có hiện tượng phương sai thay đổi. H1: Có hiện tượng phương sai thay đổi. Ta có: Obs*R-squared =3.233213 , Probability = 0.779058 > 0.05 è chấp nhận giả thuyết H0 tức là mô hình đã khắc phục được hiện tượng phương sai thay đổi. 5. Xét mô hình (2) có hiện tượng tự tương quan hay không? Nhận biết: Cách 1: Dùng kiểm định Durbin Watson: Ta có Durbin-Watson stat = 1.795167, nằm trong khoảng (1 ; 3) è Không có tự tương quan bậc 1. Cách 2: Dùng kiểm định BG: Kiểm định tự tương quan bậc 2. Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.244838 Probability 0.783891 Obs*R-squared 0.550325 Probability 0.759449 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/22/11 Time: 18:09 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C 0.541931 26.28716 0.020616 0.9836 X1 0.000280 0.008281 0.033802 0.9732 X3 0.084464 1.282568 0.065855 0.9478 X4 -0.081094 2.036179 -0.039827 0.9684 RESID(-1) 0.086536 0.152273 0.568291 0.5727 RESID(-2) 0.054090 0.153399 0.352610 0.7261 R-squared 0.011006 Mean dependent var -1.62E-14 Adjusted R-squared -0.101379 S.D. dependent var 33.74523 S.E. of regression 35.41448 Akaike info criterion 10.08428 Sum squared resid 55184.14 Schwarz criterion 10.31373 Log likelihood -246.1071 F-statistic 0.097935 Durbin-Watson stat 1.955641 Prob(F-statistic) 0.992000 Xét cặp giả thuyết: H0: Không có tự tương quan ở bất kỳ một bậc nào từ bậc 1 đến bậc 2. H1: Tồn tại ít nhất một bậc tự tương quan từ bậc 1 đến bậc 2. Ta có: Obs*R-squared = 0.550325; Probability = 0.759449 > 0.05 è Chấp nhận H0 hay mô hình không có tự tương quan ở bất kỳ một bậc nào từ bậc 1 đến bậc 2. Từ hai cách trên ta có thể kết luận mô hình không có hiện tượng tự tương quan. C. XÉT MÔ HÌNH 3 BIẾN (KIỂM ĐỊNH SỰ THỪA BIẾN X4). 1. Xét mô hình hồi quy 3 biến. Y = 1+2*X1 +3*X3 + Ui. Kết quả ước lượng như sau: Redundant Variables: X4 F-statistic 1.347430 Probability 0.251717 Log likelihood ratio 1.443558 Probability 0.229564 Test Equation: Dependent Variable: Y Method: Least Squares Date: 12/22/11 Time: 18:28 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C -25.64665 7.055719 -3.634875 0.0007 X1 0.046661 0.008047 5.798287 0.0000 X3 9.833395 1.257537 7.819565 0.0000 R-squared 0.740302 Mean dependent var 30.72000 Adjusted R-squared 0.729251 S.D. dependent var 67.18116 S.E. of regression 34.95673 Akaike info criterion 10.00422 Sum squared resid 57432.73 Schwarz criterion 10.11895 Log likelihood -247.1056 F-statistic 66.98976 Durbin-Watson stat 1.778746 Prob(F-statistic) 0.000000 Sau khi bỏ biến X4 ra khỏi mô hình ta có mô hình hồi quy mới: Y = -25.64665292 + 0.04666058131*X1 + 9.833394551*X3 (mô hình 3). Ý nghĩa của mô hình 2: Từ mô hình ta thấy Khi các yếu tố khác không đổi nếu MĐDS tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 0.046661 dự án. Khi các yếu tố khác không đổi nếu SKCN tăng lên hoặc giảm đi 1 đơn vị thì SDA tăng lên 9.833395 dự án. R2 = 0.740302, Mô hình thích hợp đến 74.0302%. Hay mật độ dân số, GDP, số khu công nghiệp giải thích được 74.0302% sự thay đổi của dự án đầu tư vào các tỉnh còn lại 25.9698% là do các yếu tố khác không đưa vào mô hình. 2. Xem xét mô hình 3 có hiện tượng đa cộng tuyến hay không? Dấu hiệu 1: dùng mô hình hồi quy phụ: Dependent Variable: X1 Method: Least Squares Date: 12/22/11 Time: 17:08 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C 440.4281 109.4272 4.024851 0.0002 X3 46.83620 21.51845 2.176560 0.0345 R-squared 0.089830 Mean dependent var 580.0000 Adjusted R-squared 0.070868 S.D. dependent var 650.4608 S.E. of regression 626.9887 Akaike info criterion 15.75891 Sum squared resid 18869514 Schwarz criterion 15.83539 Log likelihood -391.9728 F-statistic 4.737414 Durbin-Watson stat 1.529515 Prob(F-statistic) 0.034464 Ta có : kiểm định cặp giả thuyết: H0: R2 = 0 H1: R2 ≠ 0 Ta có: F-statistic = 4.737414, Prob(F-statistic)= 0.034464 < 0.05 è Bác bỏ H0 hay mô hình phụ là thích hợp è mô hình (3) tồn tại đa cộng tuyến. Dấu hiệu 2: tương quan cặp giữa các biến giải thích: R13 = 0.299717 è Ta thấy các R13, R14, R34 nhỏ è Mô hình không có đa cộng tuyến. Dấu hiệu 3: nhân tử phóng đại: VIF=1/(1 – RI2) = 1/(1 – 0.089830) = 1.0987 Ta có VIF < 10 nên có thể kết luận mô hình không tồn tại đa cộng tuyến. è Từ ba dấu hiệu trên ta có kết luận mô hình 3 không có hiện tượng đa cộng tuyến. 3. Xét mô hình (3) có hiện tượng phương sai thay đổi hay không? Phương pháp 1: vẽ đồ thị của phần dư: Nhận xét: nhìn vào đồ thị ta thấy độ rộng của biểu đồ tăng lên khi Y1 tăng, cho nên có thể cho rằng phương sai của sai số thay đổi. Phương pháp 2: Kiểm định Park. Dependent Variable: LOG(E2) Method: Least Squares Date: 12/22/11 Time: 17:34 Sample: 1 50 Included observations: 36 Excluded observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 2.127252 0.656671 3.239451 0.0027 LOG(Y1) 0.987401 0.199412 4.951567 0.0000 R-squared 0.418982 Mean dependent var 5.004807 Adjusted R-squared 0.401894 S.D. dependent var 2.372196 S.E. of regression 1.834593 Akaike info criterion 4.105475 Sum squared resid 114.4349 Schwarz criterion 4.193448 Log likelihood -71.89855 F-statistic 24.51802 Durbin-Watson stat 2.819321 Prob(F-statistic) 0.000020 Kiểm định cặp giả thiết: H0 : β2 = 0 (không có hiện tượng phương sai thay đổi.), H1: β2 ≠ 0. ( có hiện tượng phương sai thay đổi). Ta thấy: t-Statistic =4.951567; Prob = 0.0000 < 0.05 è bác bỏ giả thiết H0 tức là mô hình có hiện tượng phương sai thay đổi. Phương pháp 3: Kiểm định White. White Heteroskedasticity Test: F-statistic 13.47502 Probability 0.000000 Obs*R-squared 27.24977 Probability 0.000018 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 17:48 Sample: 1 50 Included observations: 50 Variable Coefficient Std. Error t-Statistic Prob. C -686.5274 775.0081 -0.885832 0.3804 X1 -0.833858 1.594577 -0.522933 0.6036 X1^2 -7.01E-05 0.000488 -0.143508 0.8865 X3 896.0545 323.1568 2.772817 0.0081 X3^2 -11.55437 15.25951 -0.757192 0.4529 R-squared 0.544995 Mean dependent var 1148.655 Adjusted R-squared 0.504551 S.D. dependent var 3594.377 S.E. of regression 2530.017 Akaike info criterion 18.60448 Sum squared resid 2.88E+08 Schwarz criterion 18.79568 Log likelihood -460.1120 F-statistic 13.47502 Durbin-Watson stat 2.103384 Prob(F-statistic) 0.000000 Kiểm định cặp giả thiết H0 : không có hiện tượng phương sai thay đổi. H1: có hiện tượng phương sai thay đổi. Ta thấy: Obs*R-squared = 27.24977, Probability = 0.000018 < 0.05 è bác bỏ giả thiết H0 tức là mô hình có hiện tượng phương sai thay đổi. Từ ba phương pháp trên ta có thể kết luận rằng: “ Mô hình có phương sai thay đổi”. 4. Cách khắc phục hiện tượng phương sai thay đổi. Dùng giả thuyết 4: chúng ta ước lượng mô hình hồi quy: lnY = β1 + β2lnX1 + β3lnX3 + Ui , ta được kết quả hồi quy như sau: LOG(Y) = -0.02704512937 + 0.2245872013*LOG(X1) + 1.257720654*LOG(X3) Dependent Variable: LOG(Y) Method: Least Squares Date: 12/22/11 Time: 17:54 Sample: 1 50 Included observations: 49 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. C -0.027045 1.107914 -0.024411 0.9806 LOG(X1) 0.224587 0.193156 1.162723 0.2509 LOG(X3) 1.257721 0.215829 5.827401 0.0000 R-squared 0.522332 Mean dependent var 2.160301 Adjusted R-squared 0.501563 S.D. dependent var 1.553277 S.E. of regression 1.096614 Akaike info criterion 3.081602 Sum squared resid 55.31786 Schwarz criterion 3.197427 Log likelihood -72.49924 F-statistic 25.15057 Durbin-Watson stat 1.642428 Prob(F-statistic) 0.000000 Dùng kiểm định White để kiểm tra lại: White Heteroskedasticity Test: F-statistic 0.707220 Probability 0.591322 Obs*R-squared 2.960036 Probability 0.564535 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/11 Time: 17:57 Sample: 1 50 Included observations: 49 Excluded observations: 1 Variable Coefficient Std. Error t-Statistic Prob. C 1.179555 6.486452 0.181849 0.8565 LOG(X1) -0.174755 2.157437 -0.081001 0.9358 (LOG(X1))^2 0.031067 0.177003 0.175514 0.8615 LOG(X3) 0.061246 0.621720 0.098511 0.9220 (LOG(X3))^2 -0.162579 0.230114 -0.706514 0.4836 R-squared 0.060409 Mean dependent var 1.128936 Adjusted R-squared -0.025008 S.D. dependent var 1.212173 S.E. of regression 1.227236 Akaike info criterion 3.343858 Sum squared resid 66.26880 Schwarz criterion 3.536900 Log likelihood -76.92451 F-statistic 0.707220 Durbin-Watson stat 2.052535 Prob(F-statistic) 0.591322 Kiểm định cặp giả thiết: H0 : không có hiện tượng phương sai thay đổi. H1: có hiện tượng phương sai thay đổi. Ta có: Obs*R-squared = 2.960036, Probability = 0.564535 > 0.05 è chấp nhận giả thuyết H0 tức là mô hình đã khắc phục được hiện tượng phương sai thay đổi. 5. Xét mô hình (3) có hiện tượng tự tương quan hay không? Nhận biết: Cách 1: dùng kiểm định Durbin Watson: Ta có Durbin-Watson stat = 1.778746, nằm trong khoảng (1 ; 3) è không có tự tương quan bậc 1. Cách 2: dùng kiểm định BG: kiểm định tự tương quan bậc 2. Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.352606 Probability 0.704778 Obs*R-squared 0.771479 Probability 0.679948 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/22/11 Time: 18:03 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C -0.446896 7.187773 -0.062174 0.9507 X1 0.000200 0.008205 0.024427 0.9806 X3 0.103140 1.281131 0.080507 0.9362 RESID(-1) 0.085468 0.149865 0.570301 0.5713 RESID(-2) 0.083892 0.149227 0.562179 0.5768 R-squared 0.015430 Mean dependent var -4.18E-15 Adjusted R-squared -0.072088 S.D. dependent var 34.23589 S.E. of regression 35.44842 Akaike info criterion 10.06867 Sum squared resid 56546.56 Schwarz criterion 10.25988 Log likelihood -246.7168 F-statistic 0.176303 Durbin-Watson stat 1.930466 Prob(F-statistic) 0.949453 Xét cặp giả thuyết: H0: không có tự tương quan ở bất kỳ một bậc nào từ bậc 1 đến bậc 2. H1: tồn tại ít nhất một bậc tự tương quan từ bậc 1 đến bậc 2. Ta có: Obs*R-squared = 0.771479; Probability = 0.679948 > 0.05 è chấp nhận H0 hay mô hình không có tự tương quan ở bất kỳ một bậc nào từ bậc 1 đến bậc 2. Từ hai cách trên ta có thể kết luận mô hình 3 không có hiện tượng tự tương quan. PHẦN V: LỰA CHỌN MÔ HÌNH. Các thuộc tính MÔ HÌNH 1 MÔ HÌNH 2 MÔ HÌNH 3 Tính tiết kiệm 5 BIẾN 4 BIẾN 3 BIẾN R2 hiệu chỉnh 0.731229 0.731238 0.729251 Akaike info Criterion 10.03341 10.01535 10.00422 Schwarz criterion 10.22461 10.16831 10.11895 Log likelihood -245.8352 -246.3838 -247.1056 Đa cộng tuyến có có không Tự tương quan không không không Phương sai thay đổi có có có è Từ kết quả so sánh trên và dựa trên lí thuyết thực tế ta lựa chọn mô hình 1. Mục lục