Luận Văn Thạc Sĩ: Phân Tích Số Liệu Ngành Dệt May Việt Nam Sử Dụng Stata (2000-2010)

Luận văn thạc sĩ phân tích mô hình số liệu ngành dệt may Việt Nam giai đoạn 2000-2010 bằng phần mềm Stata. Nghiên cứu ứng dụng và kết quả.

• Tác giả: Phan Huy Băng
• Người hướng dẫn: PGS. Phạm Hoàng Quân
• Trường học: Đại học Bách Khoa - Đại học Quốc Gia TP Hồ Chí Minh
• Chuyên ngành: Toán Ứng Dụng
• Đề tài: Các Mô Hình Phân Tích Số Liệu Mảng Sử Dụng Với Phần Mềm Stata - Ứng Dụng Phân Tích Số Liệu Ngành Dệt May Việt Nam Trong Giai Đoạn 2000-2010
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• LỜI CAM ĐOAN CỦA TÁC GIẢ
• 1. CHƯƠNG 1: TỔNG QUAN VỀ SỐ LIỆU MẢNG
• 1.1. Các đặc trưng của số liệu mảng
• 1.2. Các nghiên cứu đã thực hiện với số liệu mảng ở trong nước và thế giới
• 1.3. Tổng quan về các mô hình phân tích số liệu mảng
• 1.4. Mô hình tác động ngẫu nhiên
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC
• Phụ lục 1. Kiểm định Hausman
• Phụ lục 2. Kiểm định nhân tử Lagrange của Breusch-Pagan
• Phụ lục 3. Code chạy chương trình ước lượng
• Phụ lục 4. Code chạy ước lượng Ï€VDGK
• Phụ lục 5. Code chạy ước lượng ngẫu nhiên trong Levpet

Tóm tắt

I. Tổng quan về ngành dệt may Việt Nam

Ngành dệt may Việt Nam đã có những bước phát triển mạnh mẽ trong giai đoạn 2000-2010. Theo số liệu thống kê, ngành này đóng góp một phần lớn vào GDP và xuất khẩu của cả nước. Sự phát triển này không chỉ nhờ vào nguồn lao động dồi dào mà còn nhờ vào việc áp dụng công nghệ mới và cải tiến quy trình sản xuất. Các doanh nghiệp trong ngành đã đầu tư mạnh mẽ vào cơ sở hạ tầng và công nghệ, từ đó nâng cao năng suất lao động và chất lượng sản phẩm. Theo báo cáo của Tổng cục Thống kê, kim ngạch xuất khẩu hàng dệt may đã tăng trưởng đều đặn, cho thấy sự cạnh tranh của ngành trên thị trường quốc tế. Tuy nhiên, ngành cũng phải đối mặt với nhiều thách thức như biến động giá nguyên liệu, áp lực từ các hiệp định thương mại tự do và yêu cầu ngày càng cao về chất lượng sản phẩm.

1.1. Tình hình phát triển ngành dệt may

Trong giai đoạn 2000-2010, ngành dệt may đã chứng kiến sự tăng trưởng vượt bậc. Theo số liệu từ Bộ Công Thương, doanh thu của ngành đã tăng từ 5 tỷ USD năm 2000 lên 15 tỷ USD vào năm 2010. Sự phát triển này không chỉ đến từ việc mở rộng thị trường xuất khẩu mà còn nhờ vào việc nâng cao năng lực sản xuất trong nước. Các doanh nghiệp đã áp dụng nhiều mô hình kinh tế mới, trong đó có mô hình mô hình kinh tế và phân tích dữ liệu để tối ưu hóa quy trình sản xuất. Việc sử dụng phần mềm Stata trong phân tích số liệu đã giúp các nhà nghiên cứu và doanh nghiệp có cái nhìn sâu sắc hơn về năng suất và hiệu quả sản xuất. Điều này cho phép họ đưa ra các quyết định chiến lược phù hợp nhằm nâng cao khả năng cạnh tranh trên thị trường quốc tế.

II. Phân tích dữ liệu ngành dệt may bằng Stata

Việc sử dụng phần mềm Stata trong phân tích dữ liệu ngành dệt may đã mang lại nhiều lợi ích. Phần mềm này cho phép xử lý và phân tích dữ liệu thời gian một cách hiệu quả, giúp các nhà nghiên cứu có thể thực hiện các mô hình phân tích thống kê phức tạp. Các mô hình như mô hình tác động ngẫu nhiên và mô hình tác động cố định đã được áp dụng để phân tích ảnh hưởng của các yếu tố như lao động và đầu tư đến năng suất. Kết quả phân tích cho thấy rằng, đầu tư vào công nghệ và đào tạo lao động có tác động tích cực đến năng suất của ngành. Điều này khẳng định rằng, để duy trì sự phát triển bền vững, ngành dệt may cần tiếp tục đầu tư vào công nghệ và nâng cao chất lượng nguồn nhân lực.

2.1. Các mô hình phân tích số liệu

Trong nghiên cứu này, các mô hình phân tích dữ liệu được áp dụng bao gồm mô hình tác động ngẫu nhiên và mô hình tác động cố định. Mô hình tác động ngẫu nhiên cho phép xem xét sự biến động giữa các doanh nghiệp trong ngành, trong khi mô hình tác động cố định giúp phân tích sự thay đổi theo thời gian của từng doanh nghiệp. Kết quả từ các mô hình này cho thấy rằng, năng suất của ngành dệt may không chỉ phụ thuộc vào yếu tố lao động mà còn bị ảnh hưởng bởi các yếu tố bên ngoài như chính sách của nhà nước và tình hình kinh tế thế giới. Việc áp dụng các mô hình này đã giúp các nhà nghiên cứu có cái nhìn tổng quan hơn về sự phát triển của ngành trong giai đoạn 2000-2010.

III. Kết quả và ứng dụng thực tiễn

Kết quả phân tích cho thấy rằng, ngành dệt may Việt Nam đã có sự tăng trưởng mạnh mẽ trong giai đoạn 2000-2010. Sự tăng trưởng này không chỉ đến từ việc mở rộng thị trường mà còn nhờ vào việc cải tiến quy trình sản xuất và nâng cao năng suất. Các doanh nghiệp đã áp dụng các mô hình kinh tế hiện đại để tối ưu hóa hoạt động sản xuất. Hơn nữa, việc sử dụng phần mềm Stata trong phân tích dữ liệu đã giúp các nhà quản lý đưa ra các quyết định chính xác hơn. Điều này cho thấy rằng, việc áp dụng công nghệ thông tin trong quản lý và sản xuất là rất cần thiết để nâng cao hiệu quả hoạt động của ngành. Các kết quả nghiên cứu cũng có thể được sử dụng làm cơ sở cho các chính sách phát triển ngành trong tương lai.

3.1. Đề xuất chính sách

Dựa trên kết quả phân tích, một số đề xuất chính sách cho ngành dệt may Việt Nam được đưa ra. Đầu tiên, cần tăng cường đầu tư vào công nghệ và đào tạo nguồn nhân lực để nâng cao năng suất. Thứ hai, cần có các chính sách hỗ trợ doanh nghiệp trong việc tiếp cận công nghệ mới và thị trường quốc tế. Cuối cùng, việc xây dựng các chương trình hợp tác giữa các doanh nghiệp và các cơ sở nghiên cứu sẽ giúp nâng cao khả năng cạnh tranh của ngành. Những chính sách này không chỉ giúp ngành dệt may phát triển bền vững mà còn góp phần vào sự phát triển chung của nền kinh tế Việt Nam.

Nội dung chính

Tổng quan nghiên cứu

Trong giai đoạn 2000-2010, ngành dệt may Việt Nam đã có những bước phát triển vượt bậc với kim ngạch xuất khẩu tăng trưởng nhanh chóng, đạt khoảng 11,1 tỷ USD vào năm 2010, chiếm tỷ trọng lớn trong tổng kim ngạch xuất khẩu quốc gia. Ngành sử dụng khoảng 2,2 triệu lao động, với hơn 2.500 doanh nghiệp hoạt động, tập trung chủ yếu tại TP. Hồ Chí Minh và Hà Nội. Tuy nhiên, ngành vẫn đối mặt với nhiều thách thức như nguồn nguyên liệu trong nước chưa đáp ứng đủ nhu cầu (tỷ lệ đáp ứng nguyên phụ liệu dưới 40%), công nghệ dệt nhuộm lạc hậu, và sự phụ thuộc lớn vào nhập khẩu bông, xơ, sợi.

Luận văn tập trung nghiên cứu ứng dụng các mô hình phân tích số liệu mảng (panel data) sử dụng phần mềm Stata để phân tích năng suất và các yếu tố ảnh hưởng đến năng suất tổng hợp (TFP) trong ngành dệt may Việt Nam giai đoạn 2000-2010. Mục tiêu chính là đánh giá tác động của lao động, vốn đầu tư và các yếu tố khác lên năng suất, từ đó đề xuất giải pháp nâng cao hiệu quả sản xuất, góp phần phát triển bền vững ngành dệt may. Phạm vi nghiên cứu bao gồm dữ liệu của các doanh nghiệp dệt may trong nước trong giai đoạn 10 năm, với trọng tâm phân tích số liệu mảng nhằm khai thác tối đa thông tin đa chiều về thời gian và không gian.

Nghiên cứu có ý nghĩa quan trọng trong việc cung cấp cơ sở khoa học cho các nhà quản lý, doanh nghiệp và các cơ quan hoạch định chính sách trong việc nâng cao năng suất, cải thiện chuỗi giá trị ngành dệt may, đồng thời góp phần thúc đẩy phát triển kinh tế địa phương và quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình kinh tế lượng về số liệu mảng, bao gồm:

• Mô hình tác động cố định (Fixed Effects Model): Giúp kiểm soát các yếu tố không quan sát được có tương quan với biến giải thích, phù hợp khi các đặc điểm cá thể không thay đổi theo thời gian ảnh hưởng đến biến phụ thuộc.
• Mô hình tác động ngẫu nhiên (Random Effects Model): Áp dụng khi các yếu tố không quan sát được không tương quan với biến giải thích, sử dụng phương pháp ước lượng GLS để tăng hiệu quả.
• Mô hình OLS gộp (Pooled OLS Model): Phương pháp đơn giản gộp dữ liệu theo thời gian và cá thể, không kiểm soát sự khác biệt cá thể.
• Mô hình sai phân cấp một (First Difference Model): Giúp loại bỏ các yếu tố không quan sát được không đổi theo thời gian bằng cách lấy sai phân bậc một của các biến.

Ngoài ra, luận văn sử dụng khái niệm Năng suất các yếu tố tổng hợp (Total Factor Productivity - TFP) dựa trên hàm sản xuất Cobb-Douglas, trong đó TFP thể hiện hiệu quả sử dụng các yếu tố đầu vào như lao động và vốn, phản ánh sự đổi mới công nghệ và cải tiến quản lý.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là số liệu mảng thu thập từ các doanh nghiệp ngành dệt may Việt Nam trong giai đoạn 2000-2010, bao gồm các biến về đầu ra (doanh thu, giá trị gia tăng), đầu vào (lao động, vốn đầu tư), và các yếu tố trung gian như đầu tư vào công nghệ, nguyên phụ liệu. Cỡ mẫu khoảng vài nghìn quan sát doanh nghiệp theo thời gian, đảm bảo đủ độ tin cậy cho phân tích.

Phương pháp phân tích sử dụng phần mềm Stata với các lệnh chuyên dụng cho số liệu mảng như xtset, xtreg để ước lượng các mô hình tác động cố định, tác động ngẫu nhiên, và OLS gộp. Các kiểm định Hausman và Breusch-Pagan được áp dụng để lựa chọn mô hình phù hợp. Phương pháp ước lượng GLS và phương sai mạnh (White, Newey-West) được sử dụng để xử lý các vấn đề về phương sai không đồng nhất và tự tương quan trong sai số.

Quá trình nghiên cứu được thực hiện theo timeline từ tháng 01 đến tháng 06 năm 2014, bao gồm thu thập dữ liệu, xử lý số liệu, chạy mô hình, phân tích kết quả và viết báo cáo luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Ảnh hưởng của lao động và vốn đầu tư đến năng suất: Kết quả ước lượng mô hình tác động cố định cho thấy lao động và vốn đầu tư có ảnh hưởng tích cực và có ý nghĩa thống kê đến năng suất đầu ra. Cụ thể, tăng 1% lao động làm tăng năng suất khoảng 0,35%, trong khi tăng 1% vốn đầu tư làm tăng năng suất khoảng 0,42%.

2. Năng suất các yếu tố tổng hợp (TFP) tăng trưởng ổn định: TFP ngành dệt may Việt Nam giai đoạn 2000-2010 có mức tăng trung bình khoảng 3,5% mỗi năm, phản ánh sự cải tiến công nghệ và quản lý trong ngành. So với mức tăng trưởng năng suất lao động đơn thuần, TFP thể hiện hiệu quả sử dụng tổng hợp các yếu tố đầu vào tốt hơn.

3. Mô hình tác động cố định phù hợp hơn mô hình tác động ngẫu nhiên: Kiểm định Hausman cho thấy mô hình tác động cố định phù hợp hơn với dữ liệu ngành dệt may, do yếu tố không quan sát được có tương quan với các biến giải thích. Mô hình này giúp kiểm soát tốt hơn các đặc điểm riêng biệt của từng doanh nghiệp.

4. Nguồn nguyên liệu và công nghệ ảnh hưởng đến năng suất: Phân tích bổ sung cho thấy sự thiếu hụt nguyên liệu trong nước (tỷ lệ đáp ứng dưới 40%) và công nghệ dệt nhuộm lạc hậu là những rào cản chính làm giảm hiệu quả sản xuất. Doanh nghiệp có đầu tư vào công nghệ mới và cải tiến quản lý có năng suất cao hơn trung bình 15-20%.

Thảo luận kết quả

Nguyên nhân chính của các phát hiện trên là do ngành dệt may Việt Nam trong giai đoạn nghiên cứu đã có sự mở rộng đầu tư và áp dụng công nghệ mới, đặc biệt từ năm 2006 trở đi khi Việt Nam gia nhập WTO. Việc sử dụng mô hình tác động cố định giúp kiểm soát các yếu tố đặc thù doanh nghiệp như quy mô, trình độ quản lý, vốn con người, từ đó cho kết quả ước lượng chính xác hơn so với mô hình tác động ngẫu nhiên.

So sánh với các nghiên cứu quốc tế, mức tăng trưởng TFP của ngành dệt may Việt Nam tương đối cao, phù hợp với xu hướng phát triển của các nước đang phát triển trong khu vực. Tuy nhiên, sự phụ thuộc lớn vào nhập khẩu nguyên liệu và công nghệ còn hạn chế tiềm năng tăng trưởng bền vững. Dữ liệu có thể được trình bày qua biểu đồ tăng trưởng TFP theo năm và bảng so sánh tỷ lệ đáp ứng nguyên liệu trong nước qua các năm.

Kết quả nghiên cứu nhấn mạnh vai trò quan trọng của đổi mới công nghệ và phát triển ngành công nghiệp phụ trợ để nâng cao năng suất tổng hợp, đồng thời cảnh báo về rủi ro khi phụ thuộc quá nhiều vào nguồn nguyên liệu nhập khẩu.

Đề xuất và khuyến nghị

1. Tăng cường đầu tư vào công nghệ hiện đại: Khuyến khích doanh nghiệp ngành dệt may đầu tư vào máy móc, thiết bị dệt nhuộm tiên tiến nhằm nâng cao năng suất và chất lượng sản phẩm. Mục tiêu tăng năng suất lao động ít nhất 10% trong vòng 3 năm tới. Chủ thể thực hiện: doanh nghiệp, phối hợp với các cơ quan quản lý nhà nước.

2. Phát triển ngành công nghiệp phụ trợ trong nước: Đẩy mạnh sản xuất nguyên phụ liệu như bông, sợi, thuốc nhuộm trong nước để nâng tỷ lệ đáp ứng nội địa từ dưới 40% lên ít nhất 60% trong 5 năm tới. Chủ thể thực hiện: Bộ Công Thương, các doanh nghiệp sản xuất nguyên liệu, các địa phương có tiềm năng phát triển.

3. Xây dựng hệ thống thu thập và quản lý số liệu năng suất: Thiết lập hệ thống thống kê, báo cáo năng suất các yếu tố tổng hợp cho doanh nghiệp dệt may, hỗ trợ phân tích và ra quyết định. Thời gian triển khai trong 2 năm. Chủ thể thực hiện: các cơ quan thống kê, viện nghiên cứu kinh tế.

4. Đào tạo nâng cao chất lượng nguồn nhân lực: Tổ chức các khóa đào tạo kỹ thuật, quản lý sản xuất cho lao động và cán bộ quản lý nhằm nâng cao trình độ và kỹ năng, góp phần tăng năng suất lao động. Mục tiêu nâng trình độ lao động kỹ thuật lên 20% trong 3 năm. Chủ thể thực hiện: doanh nghiệp, các trường đào tạo nghề, cơ quan quản lý lao động.

Đối tượng nên tham khảo luận văn

1. Các nhà quản lý ngành dệt may và cơ quan hoạch định chính sách: Nhận diện các yếu tố ảnh hưởng đến năng suất, từ đó xây dựng chính sách hỗ trợ phát triển ngành bền vững.

2. Doanh nghiệp dệt may trong nước: Áp dụng các mô hình phân tích số liệu mảng để đánh giá hiệu quả sản xuất, tối ưu hóa nguồn lực và nâng cao năng suất.

3. Các nhà nghiên cứu kinh tế lượng và quản trị sản xuất: Tham khảo phương pháp ứng dụng mô hình số liệu mảng và phần mềm Stata trong phân tích năng suất ngành công nghiệp.

4. Các tổ chức đào tạo và phát triển nguồn nhân lực: Sử dụng kết quả nghiên cứu để thiết kế chương trình đào tạo phù hợp với nhu cầu nâng cao năng suất lao động trong ngành dệt may.

Câu hỏi thường gặp

1. Mô hình số liệu mảng là gì và tại sao lại phù hợp với nghiên cứu ngành dệt may?
   Mô hình số liệu mảng kết hợp dữ liệu theo thời gian và cá thể, giúp kiểm soát các yếu tố không quan sát được riêng biệt từng doanh nghiệp. Điều này phù hợp với ngành dệt may có nhiều doanh nghiệp với đặc điểm khác nhau và biến động theo thời gian.

2. Phần mềm Stata có ưu điểm gì trong phân tích số liệu mảng?
   Stata cung cấp các lệnh chuyên biệt cho số liệu mảng, hỗ trợ ước lượng mô hình tác động cố định, tác động ngẫu nhiên, kiểm định mô hình và xử lý phương sai không đồng nhất, giúp phân tích chính xác và hiệu quả.

3. Tại sao mô hình tác động cố định được lựa chọn thay vì mô hình tác động ngẫu nhiên?
   Kiểm định Hausman cho thấy yếu tố không quan sát được có tương quan với biến giải thích, do đó mô hình tác động cố định phù hợp hơn vì nó kiểm soát được sự khác biệt cá thể không đổi theo thời gian.

4. Năng suất các yếu tố tổng hợp (TFP) được tính toán như thế nào?
   TFP được tính dựa trên hàm sản xuất Cobb-Douglas, sử dụng các biến đầu vào như lao động, vốn và đầu vào trung gian, áp dụng phương pháp bán tham số và ước lượng theo Levinsohn-Petrin để kiểm soát các yếu tố không quan sát được.

5. Ngành dệt may Việt Nam cần làm gì để nâng cao năng suất trong tương lai?
   Cần tập trung đầu tư công nghệ hiện đại, phát triển ngành công nghiệp phụ trợ, nâng cao chất lượng nguồn nhân lực và xây dựng hệ thống quản lý số liệu năng suất để hỗ trợ ra quyết định chính xác và kịp thời.

Kết luận

• Luận văn đã ứng dụng thành công các mô hình phân tích số liệu mảng với phần mềm Stata để đánh giá năng suất và các yếu tố ảnh hưởng trong ngành dệt may Việt Nam giai đoạn 2000-2010.
• Kết quả cho thấy lao động, vốn đầu tư và đổi mới công nghệ là những nhân tố quan trọng thúc đẩy tăng trưởng năng suất tổng hợp (TFP) của ngành.
• Mô hình tác động cố định được xác định là phù hợp nhất với dữ liệu ngành dệt may, giúp kiểm soát các yếu tố đặc thù doanh nghiệp.
• Ngành dệt may cần phát triển công nghiệp phụ trợ và nâng cao chất lượng nguồn nhân lực để giảm sự phụ thuộc vào nhập khẩu nguyên liệu và tăng năng suất bền vững.
• Các bước tiếp theo bao gồm triển khai các giải pháp đề xuất, xây dựng hệ thống thu thập số liệu năng suất và đào tạo nguồn nhân lực, nhằm nâng cao năng lực cạnh tranh của ngành trên thị trường quốc tế.

Quý độc giả và các nhà quản lý được khuyến khích áp dụng kết quả nghiên cứu để phát triển ngành dệt may Việt Nam một cách hiệu quả và bền vững trong tương lai.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan chéo chính của ma trận hiệp phương sai €2. Công thức ông sử dụng do đó là như sau: var(Ô)=(X'X)" — XX%X'X)' (116 Phương sai mạnh dạng Newey — West: Các gia trị ngoài đường chéo chính được ước lượng qua các tích giữa các phan dư e;, đo lường độ tương quan giữa các thành phân của sai sô ngau nhiên, như sau: var(Ô)=(X'X)" — XX,+~A\(X'X)"; (1.17) m1 n—k ¬ [++m i=l+1 ,Ø,,( Xj Xj_ | +X,,%,) Trong đó m là bậc tự tương quan của sai số ngẫu nhiên, và e là phan dư thông thường thu được từ phương pháp OLS. Ma trận hiệp phương sai thu được từ hai phương pháp ước lượng trên là các ước lượng vững cho giá trị thực của tong thé.

Phần chứng minh được trình bày trong các tài liệu tham khảo [1], [2]. Các phương pháp này được sử dụng rộng rãi trong các phân tích kinh tế lượng, và được lập trình sẵn trong các phần mém thông dụng như Eviews hay STATA. Mô hình tác động cô định Người ta sử dụng mô hình tác động có định khi yếu tố không quan sát được dạng c¡ có tương quan đến biến giải thích trong mô hình. Mô hình và các giả thiết Mô hình tác động ngẫu nhiên được cho như sau: y„=x„8+c,+u, t=1,.18) Mô hình tác động ngẫu nhiên ước lượng thông số B bang cách cho thành phân c; vào trong sai số và giả thiết rằng nó không tương quan tới biến giải thích x; và tính toán những chuỗi sai số tổng hợp thành v„ =c, tu, sử dụng phương pháp ước lượng GLS.

Tuy nhiên, trong nhiều ứng dụng kinh tế thì c¡ có tương quan đến Xi, khi Ay mô hình tac động có định là phù hợp để ước lượng. Tổng quan T phương trình trong mô hình (1.18) được viết lại như sau: y.19) Trong đó 7„ van là vec tơ T x1 của 1. Các giả thiết của mô hình tác động cố định: Giả thiết FE.T Giả thiết RE.la được giữ nguyên bởi vì yếu t6 sai số thông thường uj là không tương quan tới cj và Xz. Tuy nhiên giả thiết RE.1b không được giữ lại do sự tương quan của c; tới biến giải thích xị nghĩa là E(c,lx„) #0.

Giả thiết FE.2: rank(Š E(x! ¥,)) = rank|[E(X}X,)]= K =I Nếu x, chỉ gôm một thành phan nghĩa là không thay đối theo thời gian với mọi i kéo theo ¥, bằng 0 với mọi t. Khi X, có một cột bằng 0 thì giả thiết FE. Giả thiết FE.2 giải thích rằng các cá thé có tính bất biến theo thời gian thì không sử dụng mô hình tác động cô định. Giả thiết FE.,c,)=o71, Giả thiết FE.3 giống như giả thiết RE.

Từ giả thiết FE.1 E(u, | x,,c,)=0 ta có thé viết lại giả thiết FE.3 trở thành Var(u, | x,,c,) =Ø?1„. Giả thiết FE.3 có hai ý nghĩa, thứ nhất E(u,u! | x,,c,)= E(u,w/) với tiêu chuẩn ước lượng từng thành phan, thứ hai cau trúc ma trận phương sai không điều kiện E(u,u,) có dạng đặc biệt như sau: Ø'1,„.18) và các giả thiết FE.3 gọi là mô hình tác động cô định. Phương pháp ước lượng nội bộ Y tưởng của phương pháp này là ước lượng các hệ số dựa trên quan sát về sự thay đổi trong nội bộ mỗi cá thể. Như đã nói trong phân 1.2, do với cùng một cá thé thi yếu tổ không quan sat được c; là như nhau nên sự ton tại hay không ton tại của yếu tố c¡ này không ảnh hưởng đến quan hệ giữa sự thay đổi của các biến trong nội bộ môi cá thê.

II Chương 1. Tổng quan Từ mô hình (1.18), lẫy trung bình cho mỗi cá thể dọc theo thời gian t, ta có : y.21) Phuong pháp OLS gộp áp dụng cho mô hình (1.21) được gọi là phương pháp ước lượng nội bộ. Chúng ta thay rang các biến giải thích trong mô hình (1.21) thé hiện sự khác biệt trong nội bộ mỗi cá thể, đo lường bởi sự khác biệt giữa các giá tri của mỗi cá thể so với giá trị trung bình của cá thể ấy dọc theo thời gian. Như vậy việc ước lượng các hệ số j; được dựa trên thông tin về sự khác biệt nội bộ giữa các cá thé - do đó có tên gọi là ước lượng nội bộ.

Nhiều khi ta muốn ước lượng c; ta sử dụng công thức (1. Phương pháp ước lượng sir dung biến gia Phương pháp ước lượng cố định xem c¡ như là một biến giải thích thông thường nhưng không quan sát được. Một cách tiếp cận khác với phương pháp trên đây là xem xét c¡ như là các tham số có thể ước lượng cùng với các hệ sỐ Ø,. Khi đó ta có thé viết lại mô hình (1.18) dưới dạng khai triển như sau ly, — L2 + + B,X,, +.23) cho thấy răng chúng ta có thé ước lượng các c;¡ bang cách sử dụng biến giả như sau di = 1 nêu n =i, dạ; = Ö nêu 7#¡ 12 Chương 1.

Tổng quan Khi đó (1.23) có thể viết gọn lại dưới dạng : y =8 +cd,+.+/X„+u, - (124 Phương pháp ước lượng với biến giả là phương pháp OLS gộp cho bài toán (1. Một số mô hình khác 1. Mô hình OLS gop Mô hình và các giả thiết: y„=x„8+1, (1.25) Trong phương pháp OLS gộp các sai số được gộp lại thành một thành phần các giả thiết của phương pháp. Giả thiết POLS.7 T Gia thiết POLS.2: rank(3_ E(x'x,)) = K £=l Giả thiết POLS.25) và các giả thiết trên là mô hình OLS gộp cũng thường dùng trong ước lượng số liệu mảng.

Mô hình sai phân cấp một Đề ước lượng yếu tố không quan sát được c¡ người ta sử dụng phương pháp sai phân cấp một với giá trị ban đầu T = 2. Mô hình sai phân cấp một chính là mô hình vi phân cấp một (1. Các giả thiết của mô hình như sau: Giả thiết FD.7 Giả thiết FD.2: rank(Š E(Ax,Ax,))=K t=2 13 Chương 1. Tổng quan Giả thiết FD.

Phương pháp ước lượng của mô hình là vi phân cấp một hai về của phương trình (1.18) ta được ước lượng như sau: Ay,=Ax,Ð+Au,, t=2,3,.18) và các giả thiết FD.3 cùng với công thức (1.26) được gọi là mô hình sai phân cấp một cũng là một phương pháp ước lượng số liệu mảng hữu ích. Câu lệnh trong phần mềm Stata 1. Giới thiệu phần mềm Stata Stata là phần mềm thống kê dùng để quản lý, phân tích số liệu và vẽ đồ thị. Stata cho phép lưu trữ thông tin về các đặc điểm của các đối tượng nghiên cứu, số liệu lưu trữ trong Stata có thé hiến thị dưới dang bảng.

Vì vậy việc phân tích số liệu mảng người ta thường dùng với Stata. Khoi đông và thoát khói Stata Stata được khởi động tương tự như các chương trình tin học ứng dụng khác, băng cách kích đúp vào biểu tượng sfata.exe trên Windows explorer, hoặc chọn theo đường dan Start -> Program -> Stata 11. Chương trình được thoát ra bang lệnh Exit từ cửa số lệnh Stata command hoặc tùy chon Exit trong thực đơn (menu) _ ile. Giao diện Stata Sau khi khởi động Stata, giao diện Stata được hiện lên, bao gồm thanh thực đơn (menu bar) ở trên cùng, dưới đó là thanh công cụ (toolbar) và các cửa sỐ windows.

Tổng quan File Edit Data Graphics Statistics User Window Help & — (R) | f _(ý £ ff —~JS/ / f_f f F_f 11.1 Copyright 2009 Statacorp LF Statistics/Data Analysis Statacorp 4905 Lakeway Drive Special Edition college Station, Texas 7784 800-STATA-PC http: /,L 979-696-4600 stata@s 979-696-4601 (fax) Single-user Stata license expires 31 Dec 9999: Serial number: 71606281563 Licensed to: STATAForAl] STATA _ CAP ||NUM ||OVR Hinh 1. Giao dién Stata 11 Các cửa so của Stata Các cửa số của Stata được mở bằng tùy chọn trên thanh thực đơn Windows (menu bar). Các cửa sô này bao gôm: Results Hiền thị các lệnh và kết quả Graph Hién thị đồ thị Viewer Hién thi tro giúp (help) và nội dung các file van ban Command ùng để gõ các câu lệnh Review Hiền thị các lệnh đã thực hiện Variables Hiền thị danh sách các biến của tập số liệu Data editor Hiền thị va sửa chữa số liệu dưới dạng bảng Do-file editor Hiền thị các của số dé soạn thảo chương trình 15 Chương 1. Tổng quan Thanh thực đơn (Menu bar) + Thanh thực đơn (menu bar) gồm các thanh sau: File Đóng mở tập tin Edit Hiệu chỉnh Prefs Tùy chọn Data Các xử lý trên số liệu Graphics Vẽ đồ thị Statistics Thực hiện việc phan tích số liệu User Nguoi su dung Windows Mở các cửa số Help Trợ giúp + Thanh công cụ gồm các nút sau: Open Mo file data Save Luu file Print results In két qua Log begin/close Bắt dau đóng mở file lưu kết qua phân tích Data editor Biên tập số liệu, chỉnh sửa, thêm, bớt số liệu New do-file editor Biên tập mới, lưu chương trình phân tích.

Lưu lệnh/chương trình phân tích số liệu Trong quá trình phân tích số liệu ta cần thực hiện rất nhiều lệnh mới đạt được kết quả cuối cùng do đó để không mat nhiều thời gian và có thé quên người ta phải lưu lại lệnh. Nhấp chuột vào New do-file editor một cửa số mới mở ra cửa số đó chính là Stata do-file editor ta có thể viết lệnh lên đó và Save file. Lưu lai kết quả phân tích Kết qua phân tích hiện trên cửa số Stata results tuy nhiên cửa số này chỉ cho phép hiển thị kết quả phân tích gan đây vi vậy khi chạy chương trình phân tích dai thì cửa số này không thé hiển thị hết được do đó chúng ta phải lưu kết quả lại. Nhap chuột vào Log begin/elose để lưu file.

Câu lệnh sir dụng các mô hình dé phân tích số liệu mảng trong phần mềm Stata Câu lệnh phân tích số liệu mảng trong Stata luôn bắt đầu bang “xt”. Sau đây là một sô câu lệnh được sử dụng dé phân tích sô liệu mang: Bảng 1. Câu lệnh phân tích số liệu mảng trong Stata STT | Caulénh | Mô tả Câu trúc l xtset Dinh dang số liệu | xtset id time dưới dạng mang _| id: chỉ biến cá thể time: chỉ biến thời gian 2 xtdes Mô tả cau trúc của | xtdes [if] [in] số liệu mảng if: điều kiện in: chi rố dang quan sát 3 xtsum Tóm tat số liệu xtsum [varlist] [if] varlist: danh sách biến if: điều kiện 4 xttab Tao bang sỐ liệu xttab varname [if] varname: tén bién if: diéu kién 5 xtreg Ước lượng sô liệu | xtreg depvar [indepvar], option mảng depvar: biến phụ thuộc indepvar: bién độc lập option: lựa chọn mô hình ước lượng Ước lượng GLS ngẫu nhiên xtreg depvar [varlist] [if exp] [, re i(varname) sa theta level(#) ] Ước lượng tac động cố định xtreg depvar [varlist] [if exp] , fe [ i(varname) level(#) | Ước lượng MLE ngẫu nhiên 17 Chương 1.