Tổng quan về giáo trình

Giáo trình Kinh tế lượng do tập thể giảng viên Bộ môn Toán – Thống kê, Khoa Cơ bản, Trường Đại học Tài chính – Marketing biên soạn (với sự tham gia của ThS. Nguyễn Văn Phong, tác giả Nguyễn Trung Đông và tác giả Nguyễn Tuấn Duy; được phản biện bởi PGS. Trần Lộc Hùng và TS. Trần Kim Thanh). Tài liệu này được thiết kế phục vụ trực tiếp cho học phần Kinh tế lượng thuộc chương trình đào tạo bậc đại học khối ngành kinh tế, tài chính, marketing, đồng thời đáp ứng chuẩn đầu ra cho sinh viên chương trình chất lượng cao.

Mục tiêu học tập của giáo trình tập trung vào việc trang bị cho người học phương pháp luận kinh tế lượng để lượng hóa và kiểm định thực nghiệm các quy luật kinh tế học định tính (như mối quan hệ giữa giá cả và lượng cầu trong kinh tế vi mô, hay giữa thu nhập khả dụng và tiêu dùng trong kinh tế vĩ mô). Người học được rèn luyện kỹ năng xây dựng mô hình hồi quy tuyến tính, ước lượng tham số bằng phương pháp bình phương nhỏ nhất (OLS), thực hiện các kiểm định thống kê và ứng dụng mô hình để dự báo các biến số kinh tế.

Cấu trúc giáo trình gồm 4 chương nội dung và hệ thống phụ lục:

  • Chương Mở đầu: Giới thiệu khái niệm, phương pháp tiếp cận 4 bước và các công cụ thống kê mô tả số liệu.
  • Chương 1: Mô hình hồi quy hai biến.
  • Chương 2: Mô hình hồi quy bội và các mở rộng (mô hình phi tuyến, biến giả).
  • Chương 3: Kiểm định giả thuyết mô hình và các khuyết tật (phương sai thay đổi, đa cộng tuyến, tự tương quan).
  • Phụ lục: Hướng dẫn sử dụng phần mềm EViews 7 và các bảng tra phân phối xác suất chuẩn tắc, Student, Fisher cùng bảng thống kê Durbin-Watson ($d_L, d_U$).

Giáo trình tiếp cận theo hướng tinh gọn phần chứng minh lý thuyết trừu tượng, tăng cường các ví dụ mẫu có số liệu thực tế và kết hợp chặt chẽ việc giải toán thủ công với việc đọc hiểu bảng kết quả từ phần mềm thống kê chuyên dụng.

Nội dung kiến thức cốt lõi

Các chương và chủ đề chính

  • Chương Mở đầu (Chương 0): Trình bày lịch sử hình thành thuật ngữ "Econometrics" do Giáo sư Ragnar Frisch (Nobel Kinh tế 1969) đặt ra năm 1930. Xác định phương pháp kinh tế lượng gồm quy trình 4 bước lặp:

    1. Đặt giả thuyết kinh tế;
    2. Thiết lập mô hình toán học dạng $Y = \beta_1 + \beta_2 X + u$;
    3. Thu thập số liệu mẫu $(X_i, Y_i)$ và ước lượng tham số;
    4. Phân tích kết quả, kiểm định và khai thác mô hình để dự báo hoặc đề ra chính sách.

    Chương này phân loại 3 dạng số liệu: số liệu chuỗi thời gian (ví dụ GDP Việt Nam 1998–2006), số liệu chéo (ví dụ GDP 10 nước ASEAN năm 2006) và số liệu hỗn hợp (GDP các nước ASEAN từ 1998–2006 trích từ báo cáo IMF/ASEAN). Đồng thời, chương giới thiệu cách mã hóa biến định tính bằng biến giả (dummy) và các công cụ đánh giá số liệu ban đầu gồm đồ thị phân tán (scatter plot), hiệp phương sai mẫu ($\sigma_{X,Y}$) và hệ số tương quan tuyến tính ($r_{X,Y}$).

  • Chương 1: Mô hình hồi quy hai biến: Dẫn xuất từ nghiên cứu của Francis Galton (1886) về quy luật hồi quy về giá trị trung bình ("regression to mediocrity"). Phân biệt hàm hồi quy tổng thể (PRF: $E(Y|X) = \beta_1 + \beta_2 X$) và hàm hồi quy mẫu (SRF: $\hat{Y} = \hat{\beta}_1 + \hat{\beta}_2 X$). Trình bày phương pháp bình phương nhỏ nhất (OLS) do Carl Friedrich Gauss thiết lập nhằm tối thiểu hóa tổng bình phương các phần dư ($\sum e_i^2$). Thiết lập 6 giả thiết cổ điển của mô hình hồi quy tuyến tính và Định lý Gauss – Markov chứng minh ước lượng OLS là ước lượng tuyến tính không chệch tốt nhất (BLUE). Giới thiệu phân rã tổng bình phương sai lệch $TSS = ESS + RSS$, hệ số xác định mô hình $R^2 = ESS/TSS$, phân phối xác suất của các ước lượng tham số ($\hat{\beta}_j \sim \text{Student}$), kiểm định giả thiết bằng thống kê $t$, phân tích phương sai (ANOVA) qua thống kê $F$, cách tính $p$-value và kỹ thuật dự báo giá trị trung bình $E(Y|X_0)$ cũng như giá trị cá biệt $Y_0$.

  • Chương 2: Mô hình hồi quy bội: Mở rộng nghiên cứu mối quan hệ giữa một biến phụ thuộc $Y$ với nhiều biến độc lập $X_2, X_3, \dots, X_k$. Thiết lập hệ phương trình chuẩn OLS để tìm các hệ số hồi quy riêng $\hat{\beta}_j$, ma trận phương sai - hiệp phương sai của các ước lượng. Phân tích hệ số xác định hiệu chỉnh theo bậc tự do: $$\bar{R}^2 = 1 - \frac{n-1}{n-k}(1-R^2)$$ Giáo trình giải thích vai trò của $\bar{R}^2$ trong việc xem xét đưa thêm biến giải thích mới vào mô hình. Chương cũng đề cập đến các dạng mô hình phi tuyến và ứng dụng biến giả để lượng hóa các yếu tố định tính trong phân tích hồi quy.

  • Chương 3: Kiểm định giả thuyết mô hình: Tập trung nhận diện, phát hiện và đưa ra biện pháp khắc phục cho ba khuyết tật vi phạm các giả thiết OLS cơ bản:

    • Hiện tượng phương sai của sai số thay đổi (Heteroscedasticity);
    • Hiện tượng đa cộng tuyến giữa các biến độc lập (Multicollinearity);
    • Hiện tượng tự tương quan giữa các sai số (Autocorrelation).

  • Phần thực hành và Phụ lục: Cung cấp tài liệu hướng dẫn từng bước trên phần mềm EViews 7, đi kèm 5 bảng tra cứu thống kê gồm phân phối Gauss (Chuẩn tắc), phân phối Student, hai bảng phân phối Fisher, và bảng giá trị tới hạn $d_L, d_U$ của thống kê Durbin-Watson ở mức ý nghĩa $\alpha = 0.05$.

Kiến thức nền tảng được xây dựng

  • Lý thuyết Kinh tế lượng cổ điển (CLRM): Thiết lập mô hình toán kinh tế dựa trên các giả thiết nghiêm ngặt về biến giải thích phi ngẫu nhiên và sai số ngẫu nhiên thuần nhất ($E(u_i)=0, \text{Var}(u_i)=\sigma^2, \text{cov}(u_i, u_j)=0$).
  • Nguyên lý tối ưu hóa: Phương pháp OLS tìm cực trị hàm nhiều biến bằng đạo hàm riêng bậc nhất triệt tiêu để tìm các điểm dừng.
  • Khung suy diễn thống kê: Liên kết giữa phân tích hồi quy và phân tích phương sai (ANOVA), ứng dụng các phân phối xác suất chuẩn, $t$-Student, Fisher $F$, và $\chi^2$ để xây dựng khoảng tin cậy và thực hiện kiểm định giả thuyết thống kê.

Kỹ năng phát triển

  • Kỹ năng kỹ thuật (Technical skills): Tính toán thủ công các tham số thống kê mẫu ($\bar{X}, \bar{Y}, S_X, S_Y, r_{X,Y}, \hat{\beta}_1, \hat{\beta}_2, R^2$); nhập liệu, chạy hồi quy OLS và xuất kết quả trên phần mềm EViews 7; tra cứu chính xác các bảng giá trị phân phối xác suất.
  • Kỹ năng phân tích (Analytical skills): Đọc hiểu và phân tích các chỉ số trong bảng báo cáo EViews (Dependent Variable, Coefficient, Std. Error, t-Statistic, Prob., R-squared, Adjusted R-squared, S.E. of regression, Sum squared resid, F-statistic, Durbin-Watson stat, tiêu chuẩn thông tin Akaike và Schwarz); phát hiện các khuyết tật của mô hình thông qua kiểm định thống kê.
  • Kỹ năng ứng dụng thực tế (Practical competencies): Diễn giải ý nghĩa kinh tế của các hệ số hồi quy (hệ số chặn, hệ số góc, hệ số hồi quy riêng); xây dựng khoảng dự báo cho các bài toán kinh tế cụ thể dựa trên mức độ tin cậy được thiết lập.

Phương pháp giảng dạy và học tập

Giáo trình áp dụng phương pháp sư phạm kết hợp giữa diễn dịch toán thống kê và quy nạp từ các bộ số liệu quan sát thực nghiệm. Lý thuyết được trình bày ngắn gọn, theo sau ngay là các ví dụ bằng số có quy mô từ nhỏ (dành cho tính toán thủ công từng bước) đến lớn (dành cho xử lý trên phần mềm máy tính).

Hệ thống bài tập và dữ liệu mẫu trong giáo trình được xây dựng đa dạng:

  • Khảo sát quan hệ giữa mức chi tiêu cho tiêu dùng ($Y$) và thu nhập khả dụng ($X$) của hộ gia đình (bộ số liệu 60 quan sát).
  • Phân tích mối liên hệ giữa lãi suất ngân hàng ($Y$) và tỷ lệ lạm phát ($X$) ở 9 quốc gia trong năm 1988.
  • Đánh giá quan hệ giữa năng suất cây trồng ($Y$) và lượng phân bón ($X$) giai đoạn 1988–1997.
  • Khảo sát giá bán nhà ($Y$) theo diện tích ($X$) và mức chi tiêu chăm sóc sức khỏe cá nhân theo thu nhập của 51 đối tượng tại Mỹ.
  • Kiểm định lý thuyết tiêu dùng của Keynes (tổng tiêu dùng CONS đồng biến với thu nhập khả dụng YD) so với quan điểm kinh tế học cổ điển (tiêu dùng nghịch biến với lãi suất thực RR) dựa trên dữ liệu chuỗi thời gian 1955–1986.
  • Phân tích mô hình suất sinh lời hàng tháng của cổ phiếu Texaco theo suất sinh lời thị trường giai đoạn 1978–1987.

Phương pháp đánh giá kết quả học tập trong giáo trình gắn liền với việc giải quyết các câu hỏi định lượng: ước lượng hàm hồi quy mẫu, kiểm định giả thuyết $H_0: \beta_j = 0$ bằng cả hai phương pháp (so sánh giá trị thống kê $T$ với giá trị tới hạn $C$, hoặc so sánh giá trị $p$-value với mức ý nghĩa $\alpha$), xác định khoảng tin cậy của các hệ số và tính toán khoảng dự báo trung bình/cá biệt.

Đối với việc tự học, giáo trình đưa ra quy trình đối chiếu: sinh viên sử dụng công thức mẫu trong bài giảng để tự tính toán số liệu mẫu nhỏ, sau đó so khớp với kết quả bảng xuất tự động từ phần mềm EViews 7 nhằm nắm vững bản chất toán học của các chỉ số thống kê.

Điểm nổi bật và cập nhật

  • Ấn bản xuất bản lần đầu: Bài giảng được biên soạn hoàn chỉnh cho hệ thống đào tạo của Trường Đại học Tài chính – Marketing, có sự phân công chuyên trách giữa các tác giả: ThS. Nguyễn Văn Phong phụ trách lý thuyết Chương 1 và Chương 2; tác giả Nguyễn Trung Đông biên soạn Chương 3, hướng dẫn phần mềm EViews 7 và hiệu đính bản in; tác giả Nguyễn Tuấn Duy xây dựng hệ thống bài tập cho toàn bộ các chương.
  • Tích hợp nguồn số liệu kinh tế chuẩn mực: Dữ liệu thực hành trong giáo trình được trích xuất từ các báo cáo thống kê chính thức của Quỹ Tiền tệ Quốc tế (IMF), Hiệp hội các quốc gia Đông Nam Á (ASEAN), cùng các tập dữ liệu chuỗi thời gian và số liệu chéo từ các nghiên cứu kinh tế học thực nghiệm quốc tế (dữ liệu lạm phát – thất nghiệp Mỹ 1959–1995, dữ liệu giá vàng GP – chỉ số giá tiêu dùng CPI – chỉ số chứng khoán NYSE 1977–1991).
  • Minh họa trực quan qua đồ thị phân tán: Mọi phân tích hồi quy tuyến tính đều bắt đầu bằng việc lập biểu đồ phân tán (scatter plot) trên hệ trục tọa độ để kiểm tra trực quan xu hướng quan hệ đồng biến, nghịch biến hoặc phi tuyến giữa các biến số trước khi tiến hành ước lượng toán học.
  • Tài liệu hướng dẫn phần mềm tích hợp: Thay vì tách rời phần mềm thành học phần riêng, giáo trình tích hợp trọn vẹn phần hướng dẫn thực hành EViews 7 trong cấu trúc bài giảng, kèm theo việc giải thích chi tiết ý nghĩa của từng ô thông số trong bảng kết quả hồi quy chuẩn của EViews.

Đối tượng sử dụng giáo trình

  • Sinh viên đại học: Giáo trình được thiết kế chuẩn hóa cho sinh viên năm thứ hai hoặc năm thứ ba các ngành Kinh tế, Tài chính – Ngân hàng, Kế toán, Quản trị kinh doanh, Marketing tại Trường Đại học Tài chính – Marketing, bao gồm cả hệ đại trà và hệ đào tạo chất lượng cao.
  • Yêu cầu kiến thức tiên quyết: Người học cần hoàn thành các học phần:
    • Toán cao cấp/Toán dành cho các nhà kinh tế: Nắm vững giải tích ma trận, đạo hàm riêng và bài toán tìm cực trị hàm nhiều biến.
    • Lý thuyết Xác suất và Thống kê toán: Nắm vững các khái niệm biến ngẫu nhiên, kỳ vọng toán, phương sai, hiệp phương sai, hệ số tương quan, định lý giới hạn trung tâm và các quy luật phân phối xác suất (Gauss, Student, Fisher, Chi-bình phương).
    • Kinh tế học cơ sở: Nắm được các nguyên lý kinh tế vi mô và vĩ mô cơ bản để hiểu bản chất của các giả thuyết kinh tế cần kiểm định.
  • Giảng viên: Tài liệu dùng làm giáo trình giảng dạy chính thức trên lớp, cung cấp khung chương trình 4 chương chuẩn mực cùng hệ thống dữ liệu mẫu sẵn có để tổ chức bài giảng lý thuyết và các buổi thực hành phòng máy.
  • Tự học và Nghiên cứu: Tài liệu phù hợp làm sách tham khảo cơ sở cho học viên cao học khối ngành kinh tế và các nhà nghiên cứu cần tra cứu nhanh công thức OLS, quy trình kiểm định mô hình hoặc phương pháp thao tác trên phần mềm EViews 7.

Câu hỏi thường gặp

1. Giáo trình này phù hợp với ai?

Giáo trình phục vụ trực tiếp cho sinh viên đại học khối ngành kinh tế, tài chính, marketing (đặc biệt là sinh viên Trường Đại học Tài chính – Marketing và sinh viên hệ chất lượng cao), đồng thời là tài liệu tham khảo nền tảng cho người học cao học hoặc người nghiên cứu phân tích dữ liệu kinh tế.

2. Cần chuẩn bị những kiến thức nền nào trước khi học?

Người học cần nắm vững kiến thức về Toán giải tích (đạo hàm, cực trị), Đại số tuyến tính (ma trận, hệ phương trình), Xác suất thống kê (kỳ vọng, phương sai, các phân phối xác suất, kiểm định giả thuyết) và các khái niệm cơ bản trong Kinh tế vi mô, Kinh tế vĩ mô.

3. Điểm khác biệt của giáo trình so với các tài liệu khác là gì?

Giáo trình tối giản phần chứng minh thuần toán học, tập trung vào phương pháp luận kinh tế lượng 4 bước, sử dụng các bộ dữ liệu thực tế (IMF, ASEAN, thị trường chứng khoán Mỹ) và tích hợp hướng dẫn chi tiết thao tác xử lý cũng như đọc kết quả trên phần mềm EViews 7 song song với lý thuyết.

4. Làm thế nào để tự học giáo trình hiệu quả?

Người học nên tuân thủ tiến trình:

  1. Đọc hiểu cơ sở lý thuyết và các giả thiết mô hình;
  2. Tự tính toán các ví dụ mẫu số nhỏ bằng máy tính cầm tay theo công thức OLS;
  3. Nhập dữ liệu vào phần mềm EViews 7 theo hướng dẫn ở phụ lục để chạy mô hình;
  4. So sánh kết quả tính tay với bảng xuất của EViews và trả lời các câu hỏi bài tập ứng dụng cuối mỗi chương.

5. Giáo trình có tài liệu bổ trợ nào đi kèm?

Giáo trình bao gồm phần phụ lục hướng dẫn phần mềm EViews 7, toàn bộ hệ thống bảng số tra cứu giá trị tới hạn của phân phối Gauss, Student, Fisher (bảng 1 và bảng 2), bảng giá trị $d_L, d_U$ của thống kê Durbin-Watson ($\alpha = 0.05$) và danh mục tài liệu tham khảo chuyên ngành.

Kết luận

Giáo trình Kinh tế lượng của Bộ môn Toán – Thống kê, Khoa Cơ bản, Trường Đại học Tài chính – Marketing cung cấp khung kiến thức nền tảng và phương pháp luận định lượng chuẩn mực cho khối ngành kinh tế. Giá trị cốt lõi của tài liệu nằm ở sự kết nối chặt chẽ giữa lý thuyết kinh tế học, công cụ thống kê toán và kỹ thuật xử lý dữ liệu thực nghiệm trên phần mềm chuyên dụng.

Lộ trình học tập đề xuất:

  1. Giai đoạn 1 (Nền tảng & Đánh giá số liệu): Nghiên cứu Chương Mở đầu, nắm vững 4 bước nghiên cứu kinh tế lượng, phân loại dữ liệu và các công cụ thống kê mô tả (đồ thị phân tán, hiệp phương sai, hệ số tương quan).
  2. Giai đoạn 2 (Mô hình cốt lõi & Ước lượng OLS): Học Chương 1, thực hành ước lượng mô hình hồi quy hai biến, phân tích phương sai ANOVA, thực hiện kiểm định giả thuyết $t, F$ và bài toán dự báo.
  3. Giai đoạn 3 (Mở rộng & Nâng cao): Học Chương 2 để mở rộng lên mô hình hồi quy bội, hiểu ý nghĩa hệ số $\bar{R}^2$, biến giả và mô hình phi tuyến.
  4. Giai đoạn 4 (Kiểm định khuyết tật & Thực hành ứng dụng): Học Chương 3 để phát hiện, xử lý phương sai thay đổi, đa cộng tuyến, tự tương quan; đồng thời sử dụng Phụ lục EViews 7 và các bảng phân phối xác suất đi kèm để hoàn thành các bài tập phân tích dữ liệu thực tế.