Chuyên đề thực tập tốt nghiệp: Sử dụng mô hình phân tích dữ liệu hỗn hợp dự báo tăng trưởng GDP Việt Nam

• Tác giả: Tong Khanh Ly
• Người hướng dẫn: TS. Nguyen Viet Hung
• Trường học: Trường Đại học Kinh tế Quốc dân
• Chuyên ngành: Kinh tế học
• Đề tài: Sử dụng mô hình phân tích dữ liệu có tần suất hỗn hợp để dự báo tăng trưởng GDP của Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CƠ SỞ LÝ THUYẾT VỀ GDP
• 1.1. Lý thuyết chung về GDP
• 1.2. Khái niệm và phương pháp tính GDP
• 1.3. Lý thuyết về tăng trưởng GDP
• 1.4. Mô hình dự báo với dữ liệu tần suất hỗn hợp
• 1.4.1. Mô hình mẫu tần suất hỗn hợp (MIDAS)
• 2. CHƯƠNG 2: THỰC TRẠNG GDP VÀ SỬ DỤNG MÔ HÌNH PHÂN TÍCH DỮ LIỆU CÓ TẦN SUẤT HỖN HỢP ĐỂ DỰ BÁO TĂNG TRƯỞNG GDP CỦA VIỆT NAM GIAI ĐOẠN 2008-2022
• 2.1. Phân tích thực trạng GDP của Việt Nam
• 2.2. Bối cảnh nền kinh tế Việt Nam trong giai đoạn 2008 - 2022
• 2.3. Diễn biến tăng trưởng GDP của Việt Nam giai đoạn 2008 - 2022
• 2.4. Các yếu tố ảnh hưởng đến tăng trưởng GDP của Việt Nam
• 2.4.1. Yếu tố tăng trưởng xuất khẩu
• 2.4.2. Yếu tố cán cân thanh toán
• 2.4.3. Yếu tố tăng trưởng doanh số bán lẻ
• 2.4.4. Yếu tố tốc độ tăng trưởng sản xuất công nghiệp
• 2.4.5. Yếu tố cản cân thương mại
• 2.4.6. Những nhân tố khác
• 2.5. Dữ liệu nghiên cứu
• 2.6. Mô tả và lựa chọn biến dự báo
• 2.7. Xây dựng mô hình phân tích dữ liệu tần suất hỗn hợp và kết quả dự báo tăng trưởng GDP của Việt Nam
• 2.8. Xây dựng mô hình hồi quy
• 2.9. Kết quả dự báo tăng trưởng GDP của Việt Nam bằng mô hình MIDAS
• 3. CHƯƠNG 3: KẾT LUẬN VÀ KHUYẾN NGHỊ
• 3.1. Các kết luận và phát hiện qua nghiên cứu
• 3.2. Một số khuyến nghị
• 3.3. Hạn chế và định hướng nghiên cứu
• DANH MỤC THAM KHẢO

I. Tính cấp thiết của đề tài

Dự báo tăng trưởng GDP là một nhiệm vụ quan trọng nhưng đầy thách thức đối với chính phủ Việt Nam. Tình hình kinh tế trong nước và quốc tế ngày càng phức tạp, đặc biệt là những cú sốc như dịch bệnh COVID-19. Các mô hình dự báo truyền thống thường không thống nhất và không khai thác tốt dữ liệu có tần suất khác nhau. Việc ứng dụng mô hình phân tích dữ liệu có tần suất hỗn hợp (MIDAS) sẽ giúp cải thiện độ chính xác của dự báo. Nghiên cứu này nhằm khắc phục những hạn chế của các mô hình trước đó và cung cấp một cái nhìn sâu sắc về tăng trưởng GDP của Việt Nam.

II. Mục tiêu nghiên cứu

Mục tiêu chính của đề tài là dự báo tăng trưởng GDP của Việt Nam bằng mô hình phân tích dữ liệu có tần suất hỗn hợp. Các mục tiêu cụ thể bao gồm hệ thống hóa lý luận về GDP, đánh giá thực trạng công tác dự báo tăng trưởng GDP và xây dựng mô hình phân tích dữ liệu tần suất hỗn hợp. Đề tài sẽ trả lời các câu hỏi nghiên cứu liên quan đến các biến số kinh tế ảnh hưởng đến dự báo GDP và các phương pháp dự báo hiệu quả.

III. Phương pháp nghiên cứu

Nghiên cứu sử dụng nhiều phương pháp khác nhau để đạt được mục tiêu đề ra. Phương pháp phân tích tổng hợp sẽ hệ thống hóa lý luận về GDP và phân tích dữ liệu. Phương pháp thống kê sẽ thu thập số liệu từ các nguồn chính thức như Tổng cục Thống kê và Ngân hàng Thế giới. Phương pháp phân tích so sánh sẽ đánh giá thực trạng tăng trưởng GDP qua các giai đoạn và so sánh các phương pháp dự báo khác nhau. Việc áp dụng mô hình MIDAS sẽ giúp khai thác tốt nhất dữ liệu có tần suất khác nhau.

IV. Tổng quan về cơ sở lý thuyết về GDP

GDP là chỉ tiêu kinh tế tổng hợp quan trọng, phản ánh giá trị sản phẩm và dịch vụ cuối cùng trong một khoảng thời gian nhất định. Có ba phương pháp tính GDP: phương pháp sản xuất, phương pháp sử dụng cuối cùng và phương pháp thu nhập. Tăng trưởng GDP được đo lường qua sự gia tăng của tổng sản phẩm quốc nội theo thời gian. Tăng trưởng kinh tế không chỉ cải thiện thu nhập mà còn tạo điều kiện cho việc làm và củng cố an ninh quốc gia.

V. Mô hình dự báo với dữ liệu tần suất hỗn hợp

Mô hình MIDAS cho phép sử dụng dữ liệu với tần suất khác nhau, giúp khắc phục những hạn chế của các mô hình dự báo truyền thống. MIDAS được phát triển để dự báo các chỉ số kinh tế vĩ mô, đặc biệt là GDP hàng quý với các chỉ số hàng tháng. Mô hình này không chỉ giảm thiểu số lượng tham số ước lượng mà còn cải thiện độ chính xác của dự báo. Các nghiên cứu đã chỉ ra rằng MIDAS hiệu quả cho dự báo tức thời và ngắn hạn.