đề tài thảo luận nhóm môn kinh tế lượng PDF

Preview

Summary

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNGKHOA TÀI CHÍNH NGÂN HÀNGTIỂU LUẬN KINH TẾ LƯỢNGĐề tài: WAGE2Giảng viên hướng dẫn:TS. Đinh Thị Thanh BìnhSinh viên thực hiện: Lớp KTE309.Khương Thị Thanh Loan 1113320237Vũ Thị Thu Hoài 1111330036Vương Thị Phương Mai 1113330066Phạm Thị Nguyệt Anh 1111330053Ngọ Hồng Vy 111133...

Description

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA TÀI CHÍNH NGÂN HÀNG

TIỂU LUẬN KINH TẾ LƯỢNG Đề tài: WAGE2.DTA Giảng viên hướng dẫn: TS. Đinh Thị Thanh Bình Sinh viên thực hiện: Lớp KTE309.7 Khương Thị Thanh Loan

1113320237

Vũ Thị Thu Hoài Vương Thị Phương Mai Phạm Thị Nguyệt Anh Ngọ Hồng Vy Lê Thu Trang

1111330036 1113330066 1111330053 1111330022 1113330060

Hà Nội, tháng 7 /2013

LỜI MỞ ĐẦU Như chúng ta đã biết, tiền lương là một bộ phận của sản phẩm xã hội. được tính bằng tiền trả cho những người lao động dựa trên số lượng và chất lượng lao động của mỗi người dùng để bù đắp lại hao phí lao động của họ. Do đó, tiền lương luôn là một vấn đề thiết thực đối với các cán bộ, công nhân viên. Tiền lương được quy định một cách đúng đắn, là yếu tố kích thích sản xuất mạnh mẽ, nó kích thích người lao động ra sức sản xuất và làm việc, nâng cao trình độ tay nghề, cải tiến kỹ thuật nhằm nâng cao năng suất lao động. Người lao động sau khi sử dụng sức lao động tạo ra sản phẩm thì được trả một số tiền công nhất định. Xét về hiện tượng, ta thấy sức lao động được đem ra trao đổi để lấy tiền công. Vậy có thể coi sức lao động là hàng hoá, một loại hàng hoá đặc biệt. Và tiền lương chính là giá cả của hàng hoá đặc biệt đó - hàng hoá sức lao động. Trên thực tế, tiền lương của mỗi người không phải đều giống hệt nhau bởi tiền lương chịu ảnh hưởng của rất nhiều yếu tố, ví dụ như Trình độ học vấn, Kinh nghiệm,… Chẳng hạn, trong nghiên cứu của Acemoglu và Angrist (1999) ở Mỹ cho thấy mỗi năm học thêm mức lương trung bình tăng 7.5%; hay nghiên cứu gần đây của Caponi và Plesca (2007) chỉ ra rằng những người tốt nghiệp Đại học có thu nhập cao hơn những người chỉ tốt nghiệp Phổ thông Trung học từ 30 tới 40%. Để tìm hiểu sâu hơn về vấn đề này, nhóm em quyết định chọn nghiên cứu đề tài “Sự thay đổi trong tiền lương và những nhân tố ảnh hưởng đến tiền lương.” Trong quá trình làm bài tiểu luận, dù đã rất cố gắng nhưng chắc chắn không tránh khỏi những sai sót, kính mong được cô góp ý để nhóm chúng em có thể hoàn thiện hơn bản báo cáo này. Chúng em xin chân thành cảm ơn cô!

MỤC LỤC

NỘI DUNG A. Mô tả dữ liệu I. Cơ sở lí thuyết 1. Số giờ làm việc: Thực tế cho thấy số giờ làm việc ảnh hưởng trực tiếp đến thu nhập hàng tháng của mỗi cá nhân, làm việc nhiều thu nhập nhiều, làm việc ít thu nhập ít là điều đương nhiên. Nghiên cứu cho thấy những ng công nhân làm tăng ca 10-14h/ tuần sẽ có thu nhập cao hơn những ng k làm tăng ca trung bình là 300-500$/ tuần 2. Chỉ số IQ: Chỉ số IQ cũng là nhân tố ảnh hưởng nhiều đến tiền lương, 1 người có chỉ số IQ cao hơn sẽ có cơ hội kiếm được công việc tốt hơn cũng như tiền lương cao hơn 3. Chỉ số KWW: Đây là chỉ số để kiểm tra năng lực liên quan đến công việc. Hiện nay chỉ số này được các công ty nươc ngoài dùng phổ biến hơn chỉ số IQ bởi tính sát thực gần gũi hơn của nó tới công việc, có thể kiểm tra được hiểu biết, khả năng của ứng viên trong công việc, liệu có phù hợp với vị trí đang thi tuyển vào hay không. 4. Trình độ học vấn Trình độ học vấn của một người quyết định đến thu nhập của họ. Ảnh hưởng số năm học vấn tới thu nhập của từng người tương đối phức tạp. Nếu số năm học nhỏ hơn 12, trình độ học vấn của người đó chỉ nằm ở mức phổ thông. Trình độ học vấn có mối quan hệ tỷ lệ thuận với thu nhập. Tức là, khi số năm trình độ học vấn tăng (giảm) thì thu nhập tăng (giảm). 5. Kinh nghiệm làm việc Kinh nghiệm làm việc cho thấy những trải nghiệm việc làm, tinh thần trách nhiệm khi làm việc và khả năng hòa nhập của người lao động với những người khác. Thực tế cho thấy những người có nhiều năm kinh nghiệm làm việc thường sẽ gây được ấn tượng tốt hơn cho nhà tuyển dụng, có thể ứng cử hay được đề bạt vào các vị trí quan trọng và có mức lương cao những người chưa có kinh nghiệm hoặc có ít năm kinh nghiệm hơn. 6. Số năm tuổi: Người ở độ tuổi trưởng thành hơn. Lớn hơn sẽ đi kèm với việc có nhiều kinh nghiệm hơn, kiến thức hơn và thường sẽ đi kèm với tiền lương cao hơn. Tuy

nhiên điều này chưa hẳn đúng, bởi có những công việc chỉ phù hợp với 1 số độ tuổi nhất định 7.

Mô tả dữ liệu:

Mô tả dữ liệu trong file WAGE2.DTA từ phần mềm Stata, ta thu được kết quả như sau: . des Contains data from C:\Users\Duong\Downloads\Statafiles. wooldridge\WAGE2.DTA obs: 935 vars: 17 14 Apr 1999 13:41 size: 24,310 (99.9% of memory free) ---------------------------------------------------------------------------storage display value variable name type format label variable label ---------------------------------------------------------------------------wage int %9.0g monthly earnings hours byte %9.0g average weekly hours IQ int %9.0g IQ score KWW byte %9.0g knowledge of world work score educ byte %9.0g years of education exper byte %9.0g years of work experience tenure byte %9.0g years with current employer age byte %9.0g age in years married byte %9.0g =1 if married black byte %9.0g =1 if black south byte %9.0g =1 if live in south urban byte %9.0g =1 if live in SMSA sibs byte %9.0g number of siblings brthord byte %9.0g birth order meduc byte %9.0g mother's education feduc byte %9.0g father's education lwage float %9.0g natural log of wage ----------------------------------------------------------------------------

Thông tin về dữ liệu cho thấy đây là thống kê về các yếu tố ảnh hưởng đến mức thu nhập hàng tháng dựa trên 935 mẫu quan sát ở Mỹ năm 1980 (tham khảo tại: http://eswf.uni-koeln.de/daten/wage2.htm). Sau khi xem xét kĩ các biến, nhóm chúng em quyết định chọn biến phụ thuộc là wage, các biến độc lập gồm 5 biến: hours, IQ,

KWW, educ, exper, và age. Định dạng và ý nghĩa của các biến được mô tả ở Bảng 1 dưới đây: Bảng 1: Định dạng và ý nghĩa của các biến Tên biến wage Hour IQ KWW educ

Dạng dữ liệu integer byte

exper age

Đơn vị US Dollar giờ

Ý nghĩa biến Thu nhập hàng tháng Số giờ làm việc trung bình mỗi tuần

byte integer byte

năm

Chỉ số IQ Chỉ số KWW (knowledge of world work) Số năm đi học

byte byte

năm năm

Số năm đi làm Số năm tuổi

Tiếp tục sử dụng lệnh sum để miêu tả dữ liệu. Lệnh sum cho biết số lượng quan sát (Obs), giá trị trung bình (mean), độ lệch chuẩn (std. dev.) cũng như giá trị lớn nhất (max) và nhỏ nhất (min) của các biến. . sum wage hours IQ KWW educ exper age Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------wage | 935 957.9455 404.3608 115 3078 hours | 935 43.92941 7.224256 20 80 IQ | 935 101.2824 15.05264 50 145 KWW | 935 35.74439 7.638788 12 56 educ | 935 13.46845 2.196654 9 18 -------------+-------------------------------------------------------exper | 935 11.56364 4.374586 1 23 age | 935 33.08021 3.107803 28 38

Có thể nhận thấy thu nhập hàng tháng có sự chênh lệch khá lớn giữa mức cao nhất và mức thấp nhất, lên tới xấp xỉ 27 lần, cao hơn hẳn so với các biến còn lại. Ngoài ra, nhìn vào độ tuổi khảo sát từ 28 đến 38 cũng cho thấy đối tượng khảo sát được hướng đến là những người đã bắt đầu ổn định trong công việc. Tiếp tục sử dụng lệnh tab để thực hiên một vài phân tích kĩ hơn, ta có kết quả như sau: . tab educ years of | education |

Freq.

Percent

Cum.

------------+----------------------------------9 | 10 1.07 1.07 10 | 35 3.74 4.81 11 | 43 4.60 9.41 12 | 393 42.03 51.44 13 | 85 9.09 60.53 14 | 77 8.24 68.77 15 | 45 4.81 73.58 16 | 150 16.04 89.63 17 | 40 4.28 93.90 18 | 57 6.10 100.00 ------------+----------------------------------Total | 935 100.00 . tab age age in | years | Freq. Percent Cum. ------------+----------------------------------28 | 45 4.81 4.81 29 | 86 9.20 14.01 30 | 120 12.83 26.84 31 | 98 10.48 37.33 32 | 99 10.59 47.91 33 | 81 8.66 56.58 34 | 69 7.38 63.96 35 | 61 6.52 70.48 36 | 95 10.16 80.64 37 | 82 8.77 89.41 38 | 99 10.59 100.00 ------------+----------------------------------Total | 935 100.00

Thống kê thứ nhất chỉ ra tình trạng được đào tạo về trường lớp, cho thấy có một số lượng lớn người được khảo sát (42%) đã học hết 12 năm học, tương ứng với học hết bậc phổ thông rồi đi làm ngay mà không học lên cao hơn. Thống kê thứ hai cho biết phân bố độ tuổi của những người được khảo sát, cho thấy rằng các nhóm tuổi được phân bố khá đồng đều, chiếm từ 4.81% đến 12.83% và không có sự chênh lệch nào quá lớn.

B. Phân tích hồi quy 1. Thiết lập mô hình tổng quát a. Mô hình tổng quát Hàm hồi quy tổng thể biểu diễn mối quan hệ giữa biến phụ thuộc là thu nhập hàng tháng wage với các biến độc lập hours, IQ, KWW, educ, exper, và age có dạng: b. Giải thích biến Các biến được giải thích ở Bảng 2 dưới đây: Bảng 2: Giải thích biến Dấu kì vọng

Diễn giải

+

Làm việc càng nhiều thì thu nhập hàng tháng càng nhiều

Chỉ số IQ

+

Chỉ số IQ càng cao thì cơ hội tang mức thu nhập hang tháng

KWW

Chỉ số KWW

+

Chỉ số KWW càng cao thì cơ hội tăng mức thu nhập hàng tháng

educ

Số năm đi học

+

exper

Số năm đi làm

+

Số năm tuổi

+

Tên biến Biến phụ thuộc

wage hours IQ

Ý nghĩa Thu nhập hàng tháng Số giờ làm việc trung bình mỗi tuần

Biến độc lập

age

2. Lập bảng tương quan

Bậc học càng cao thì thu nhập hàng tháng càng cao Kinh nghiệm làm việc càng nhiều thì thu nhập hàng tháng càng cao Những người có độ tuổi cao hơn sẽ có mức thu nhập hang tháng cao hơn

Chạy lệnh corr để biểu diễn mỗi quan hệ tương quan giữa các biến, nhóm thu được kết quả như sau: . corr wage hours IQ KWW educ exper age (obs=935) |

wage

hours

IQ

KWW

educ

exper

age -------------+-------------------------------------------------------------wage | 1.0000 hours | -0.0095 1.0000 IQ | 0.3091 0.0738 1.0000 KWW | 0.3261 0.1139 0.4135 1.0000 educ | 0.3271 0.0910 0.5157 0.3881 1.0000 exper | 0.0022 -0.0621 -0.2249 0.0175 -0.4556 1.0000 age | 0.1567 0.0248 -0.0437 0.3931 -0.0123 0.4953 1.0000

Nhìn chung các biến độc lập có tương quan với biến phụ thuộc không cao, đặc biệt hai biến hours và exper có hệ số tương quan rất thấp (-0.0095 và 0.0022). Ngoài ra, các biến độc lập đều có hệ số tương quan dương cho thấy tác động cùng chiều lên biến phụ thuộc, ngoại trừ biến hours có hệ số tương quan âm. Mối quan hệ tương quan giữa các biến độc lập với nhau cũng không cao, hệ số tương quan cáo nhất cũng chỉ là 0.5157 giữa biến IQ và educ. Do không có hệ số tương quan nào có độ lớn vượt quá 0.9 nên nhóm em có thể dự đoàn mô hình không xảy ra hiện tượng đa cộng tuyến khi hồi quy. 3. Chạy mô hình hồi quy Chạy mô hình hồi quy giữa biến phụ thuộc và các biến độc lập, ta thu được kết quả như sau: . reg wage hours IQ KWW educ exper age Source |

SS

df

MS

Number of obs =

-------------+------------------------------

F(

6,

935

928) =

35.43

Model |

28464598.6

6

4744099.77

Prob > F

=

0.0000

Residual |

124251570

928

133891.778

R-squared

=

0.1864

Adj R-squared =

0.1811

Root MSE

365.91

-------------+-----------------------------Total |

152716168

934

163507.675

=

-----------------------------------------------------------------------------wage |

Coef.

Std. Err.

t

P>|t|

[95% Conf. Interval]

-------------+---------------------------------------------------------------hours |

-3.047275

1.672268

-1.82

0.069

-6.32914

.2345892

IQ |

4.030096

.9822516

4.10

0.000

2.102404

5.957788

KWW |

8.025221

1.996581

4.02

0.000

4.106884

11.94356 60.78197

educ |

46.25634

7.401504

6.25

0.000

31.73072

exper |

11.1259

3.68989

3.02

0.003

3.884407

18.3674

age |

6.308391

5.055275

1.25

0.212

-3.612705

16.22949

_cons |

-563.5638

178.0838

-3.16

0.002

-913.0574

-214.0702

------------------------------------------------------------------------------

4. Phương trình hồi quy Từ kết quả chạy hồi quy, nhóm tóm tắt các giá trị thu được ở bảng 3: Bảng 3: Kết quả hồi quy Biến

Hệ số B1

hours IQ KWW educ

B2

exper age

B6

B3 B4 B5

B7

Giá trị -563.5638

Thống kê t -3.16

P-value 0.002

-3.047275 4.030096 8.025221 46.25634

-1.82 4.10 4.02 6.25

0.069 0.000 0.000 0.000

11.1259 6.308391

3.02 1.25

0.003 0.212

Từ bảng 3, ta có phương trình hồi quy: Wage = -563.5638 + -3.047275 (hours) + 4.030096 (IQ) + 8.025221 (KWW) + 46.25634 (educ) + 11.1259 ( exper) + 6.308391 (age) 5. Phân tích kết quả hồi quy - Số quan sát đưa vào phân tích obs = 935. - Phần tổng bình phương các độ lệch giữa giá trị quan sát Yi với giá trị trung bình của nó TSS=152716168. - Phần tổng bình phương được giải thích bởi mô hình (biến giải thích) ESS=28464599. - Phần tổng bình phương không giải thích được (phần dư) RSS=124251570. - Độ lệch bình phương bình quân (phương sai) của các bộ phận trên là MSm=4744099.77 và MSr=133891.778 - Sai số chuẩn của ước lượng RMSE=365.91, nhỏ hơn độ lệch chuẩn của biến phụ thuộc là SD = = 404.3682. Vậy ước lượng của hồi quy là chấp nhận được.

- Mức độ phù hợp của mô hình so với thực tế là R2 = 18.64% cho thấy các biến độc lập đã giải thích được 18.64% sự thay đổi của biến phụ thuộc.- Ý nghĩa các tham số trong mô hình: 8. b1= -563.5638 có nghĩa là trong điều kiện các yếu tố khác không đổi và giá trị các biến độc lập bằng 0 thì thu nhập trung bình hàng tháng sẽ là 563.5638 USD. 9. b2= -3.047275 có p-value = 0.069 > 0.05 nên không có ý nghĩa thống kê. Do đó, số giờ làm việc trung bình hàng tuần không có tác động lên thu nhập hàng tháng. 10. b3= 4.030096 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố khác không đổi, nếu chỉ số IQ tăng thêm 1 đơn vị thì thu nhập hàng tháng trung bình tăng lên 4.030096 USD. 11. b4= 8.025221 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố khác không đổi, nếu chỉ số KWW tăng lên 1 đơn vị thì thu nhập hàng tháng trung bình tăng lên 8.025221 USD. 12. b5= 46.25634 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố khác không đổi, nếu số năm đi học tăng thêm 1 năm thí thu nhập trung bình hàng tháng tăng lên 46.25634 USD. 13. b6= 11.1259 có ý nghĩa thống kê, chỉ ra rằng trong điều kiện các yếu tố khác không đổi, nếu số năm đi làm tăng thêm 1 năm thí thu nhập trung bình hàng tháng tăng lên 11.1259 USD. 14. b7= 6.308391 có p-value = 0.212 > 0.05 nên không có ý nghĩa thống kê. Do đó, tuổi tác không có tác động lên thu nhập hàng tháng.

III. Kiểm định mô hình 1. Kiểm định sự phù hợp của mô hình Để kiểm định sự phù hợp của mô hình, xét cặp giả thuyết sau: H0: b1 = b2 = b3 = b4 = b5 = b6 = b7 H1: Có ít nhất môt trong các hệ số khác 0 Kết quả của kiểm định được cho ở bảng dưới đây: . test hours IQ KWW educ exper age ( 1) ( 2)

hours = 0 IQ = 0

( 3)

KWW = 0

( 4) ( 5)

educ = 0 exper = 0

( 6)

age = 0 F(

6,

928) =

Prob > F =

35.43 0.0000

P-value = 0.0000 < 0.05 nên giả thuyết H0 bị bác bỏ, thừa nhận sự phù hợp của mô hình hồi quy. 15.

Kiểm định đa cộng tuyến

Mô hình hồi quy tuyến tính cổ điển giả định các biến độc lập không có mối quan hệ tuyến tính với nhau, tức là các hệ số hồi quy đối với một biến cụ thể là số đo tác động riêng phần của biến tương ứng khi tất cả các biến khác trong mô hình được giữ cố định. Tuy nhiên trong thực tế, do nhiều nguyên nhân mà giả thiết này bị vi phạm. Nếu điều này xảy ra thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Nguyên nhân xảy ra đa cộng tuyến có nhiều nhưng chủ yếu là 3 nguyên nhân cơ bản sau: - Do thu thập số liệu ít, không toàn diện. - Do bản chất của các biến độc lập là tương quan nhau. - Do một số dạng mô hình sản sinh ra đa cộng tuyến. Hậu quả của đa cộng tuyến: - Ước lượng phương sai trở nên kém chính xác.

- Giá trị tới hạn t trở nên nhỏ hơn so với thực tế trong khi R2 là khá cao. Kiểm định T và F trở nên kém hiệu quả. - Các giá trị ước lượng biến động mạnh khi thay đổi số liệu trong mô hình. - Các giá trị của các ước lượng có khả năng biến động mạnh khi thay đổi (rút ra hoặc thêm vào) các biến có tham gia vào hiện tượng đa cộng tuyến. Chúng ta có thể dùng lệnh vif sau hồi quy để kiểm tra tính đa cộng tuyến. Lệnh vif đặc trưng cho yếu tố lạm phát phương sai, nếu một biến có giá trị vif > 10 thì mô hình có khả năng xảy ra đa cộng tuyến. Sử dụng lệnh vif trong phần mềm stata, ta có kết quả sau: . vif Variable |

VIF

1/VIF

-------------+---------------------educ |

1.84

0.542305

exper |

1.82

0.550182

age |

1.72

0.580778

KWW |

1.62

0.616289

IQ |

1.52

0.655747

hours |

1.02

0.982221

-------------+---------------------Mean VIF |

1.59

Các giá trị VIF đều nhỏ hơn 10, do đó có thể đi đến kết luận mô hình không có hiện tượng đa cộng tuyến. 16.

Kiểm đinh phương sai sai số thay đổi

Khi nghiên cứu mô hình hồi quy tuyến tính cổ điển, chúng ta đã đưa ra giả thiết rằng: Phương sai của mỗi một ngẫu nhiên Ui trong điều kiện giá trị đã cho của biến giải thích Xi là không đổi, nghĩa là u1 = u2 =…. = ui ; i = 1,2,3…n Tuy nhiên, trong thực tế, do bản chất kinh tế xã hội, quá trình thu thập, xử lí, làm trơn số liệu hay do mô hình định dạng sai mà giả thiết này bị vi phạm dẫn đến hiện tượng phương sai sai số thay đổi. Hậu quả của phương sai sai số thay đổi là các ước lượng bình phương nhỏ nhất vẫn là không chệch nhưng không còn hiệu quả nữa, cùng với đó ước lượng của các phương sai sẽ bị chệch, như vậy làm mất hiệu lực của kiểm định. a. Phương pháp định tính

2000 Residuals 1000 0 -1000 500

1000 Fitted values

1500

Qua đồ thị trên ta có thể thấy các điểm phân bố rải rác nên có thể tạm kết luận mô hình có hiện tượng phương sai sai số thay đổi b. Phương pháp định lượng: Cặp giả thuyết cần kiểm định: Ho: Mô hình có phương sai sai số thuần nhất H1: Mô hình có phương sai sai số tahy đổi Do đó nếu giá trị p-value nhỏ hơn mức ý nghĩa , chúng ta bác bỏ giả thiết H0 và chấp nhận giả thiết H1 Để kiểm định giả thuyết về phương sai sai số thay đổi, nhóm em sử dụng 2 kiểm định là Breusch-Pagan và White, kết quả thu được như sau: . hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of wage chi2(1)

=

37.70

Prob > chi2

=

0.0000

. estat imtest, white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(27)

=