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
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 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.
30 trang |
Chia sẻ: lylyngoc | Lượt xem: 2609 | Lượt tải: 5
Bạn đang xem trước 20 trang tài liệu 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, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
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 2007Thành 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
Các file đính kèm theo tài liệu này:
- 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.doc