Đề tài Mối quan hệ giữa GDP với công nghiệp và xây dựng, dịch vụ

MỞ ĐẦU XÁC ĐỊNH VẤN ĐỀ NGHIÊN CỨU 1.1.1. Ý nghĩa đề tài Trong thời kì hội nhập WTO thì nền kinh tế ngày càng phát triển năng động. Đặc biệt là các ngành công nghiệp, xây dựng và dịch vụ đã có một bước phát triển và chuyển biến tích cực. Tốc độ tăng trưởng hàng năm khá cao và tương đối đồng đều. Cơ sở hạ tầng cho công nghiệp từng bước được cải thiện nên sức hút đầu tư tăng dần. Và để biết được tốc độ phát triển kinh tế của một quốc gia đang trên đà phát triển hay tuột dốc thì phải nói đến GDP (Gross DomesticProducts). Chỉ tiêu GDP ngày càng được nhắc đến nhiều hơn trên các phương tiện thông tin đại chúng và trong các báo cáo thành tích cuối năm ở các địa phương. GDP phản ánh đúng đắng và thiết thực nhất tình hình nền kinh tế của một quốc gia. GDP tăng trưởng cao thường gắn liền với sự hãnh diện, GDP tăng trưởng thấp là một sự lo âu. GDP là tổng giá trị của các sản phẩm thành phẩm và của dịch vụ trong một năm được tạo ra trong biên giới quốc gia. Gọi đó là tổng sản lượng quốc dân, đồng thời cũng là hoạch toán kinh tế cho cả nước. Như một doanh nghiệp muốn biết làm ăn lời lỗ họ phài xét số thu, số chi cả năm. Quốc gia muốn biết làm ăn thế nào phài biết tổng sản lượng hàng hóa và dịch vụ cả nước làm ra hay cung cấp trong năm. Hay nói cách khác là phải dựa vào Gross DomesticProducts (GDP). Qua đó, ta thấy GDP là một thước đo quan trọng trong nền kinh tế của mỗi quốc gia và chất lượng tăng trưởng vẫn là vấn đề lớn của kinh tế Việt Nam trong suốt giai đoạn vừa qua. Vì thế, nhóm chúng tôi đã chọn đề tài “mối quan hệ giữa GDP với công nghiệp và xây dựng, dịch vụ” và tiến hành nghiên cứu. 1.1.2. Mục đích của đề tài Nhằm đánh giá tình hình kinh doanh của chi nhánh Mobifone tại Trà Vinh và đưa ra dự báo tình hình kinh doanh của chi nhánh trong 9 năm tiếp theo. 1.1.3. Mục tiêu của đề tài Tìm hiểu về Lợi nguận và sự ảnh hưởng của chi phí bán hàng, chi phí quảng cáo, chi phí quản lý doanh nghiệp đến Lợi nhuận và mối quan hệ giữa chúng. 1.2. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU. Đối tượng: Lợi nhuận và mối quan hệ giữa các chi phí bán hàng, chi phí quảng cáo, chi phí quản lý doanh nghiệp và Lợi nhuận. Phạm vi nghiên cứu: tại chi nhánh Mobifone Trà Vinh. 1.3. NỘI DUNG NGHIÊN CỨU VÀ PHƯƠNG PHÁP THỰC HIỆN ĐỀ TÀI Nội dung nghiên cứu: - Thu thập thông tin về: + Y: (GDP): Tổng Lợi nhuận. + X1:Tổng chi phí bán hàng. + X2: Tổng chi phí quảng cáo. + X3: Tổng chi phí quản lý doanh nghiệp. - Tổng hợp, phân tích và xử lý số liệu đã thu thập được. - Dự báo chỉ số X1, X2, X3 và Lợi nhuận trong tương lai. Phương pháp nghiên cứu: - Thu thập và xử lý dữ liệu trên excel, trên phần mềm SPSS. - Xây dựng mô hình hồi quy tương quan để xem xét mối quan hệ giữa các biến (các yếu tố ảnh hưởng) là X1, X2, X3 và Lợi nhuận. - Vận dụng dãy số thời gian để dự đoán trị giá chi phí bán hàng, chi phí quảng cáo, chi phí quảng lý doanh nghiệp và nhờ vào đó ta có thể dự đoán được Lợi nhuận trong những năm tiếp theo. 1.4. CÁC YẾU TỐ LIÊN QUAN Lợi nhuận tăng hay giảm là do chi phối bởi nhiều yếu tố như: tiêu dùng; tích lũy; các chi phí như: chi phí bán hàng, quảng cáo, quản lý doanh nghiệp,… Nhưng trong đó tổng chi phí bán hàng, quảng cáo, quản lý doanh nghiệp là những yếu tố quan trọng đóng góp vào tốc độ tăng hoặc giảm Lợi nhuận. CHƯƠNG 1: CƠ SỞ LÝ LUẬN 1.1. CÁC KHÁI NIỆM 1.1.1. Tổng thể thống kê Tổng thể thống kê là tập hợp những thông tin về người, sự vật, hoặc sự việc riêng biệt kết hợp với nhau trên cơ sở một đặc điểm chung nào đó mà người nghiên cứu đang quan tâm. Nói cách khác, tổng thể thống kê là một tổng thể tập hợp tất cả các quan sát của một hay nhiều biến ( một hay nhiều chỉ tiêu ). 1.1.2. Mẫu Mẫu là một bộ phận của tổng thể nghiên cứu được chọn một cách ngẫu nhiên để quan sát và suy rộng cho tổng thể đó. 1.1.3. Bảng thống kê Bảng thống kê là một hình thức trình bày số liệu thống kê và thông tin đã thu thập làm cơ sở phân tích và kết luận. Bảng thống kê cũng là bảng để trình bày kết quả đã được phân tích, nhờ nó các nhà quản trị có thể nhận xét tổng quan về những vấn đề nghiên cứu. 1.2. PHƯƠNG PHÁP HỒI QUY VÀ TƯƠNG QUAN Mục đích của phương pháp hồi quy tương quan là ước lượng mức độ liên hệ (tương quan) giữa các biến độc lập (các biến giải thích) đến biến phụ thuộc (biến được giải thích), hoặc ảnh hưởng của các biến độc lập với nhau (các yếu tố nguyên nhân). Phương pháp này được ứng dụng trong kinh doanh và kinh tế để phân tích mối liên hệ giữa hai hay nhiều biến ngẫu nhiên. 1.2.1. Hệ số tương quan Hệ số tương quan đo lường mức độ quan hệ tuyến tính giữa hai biến; chính xác hơn là quan hệ tuyến tính giữa hai biến, không phân biệt biến này phụ thuộc vào biến kia. Hệ số tương quan mẫu (r): ð Hệ số tương quan (r) luôn luôn biến động trong khoảng 1 (-1 ≤ r ≤ 1), nếu hệ số tương quan (r) dương cho biết X và Y biến động cùng chiều và âm thì ngược lại. Để biểu hiện mức độ chặt chẽ của mối liên hệ giữa các biến ta có các nhận xét sau: r = 1: Mối liên hệ giữa các biến hoàn toàn chặt chẽ. r = 0 : Giữa các biến không có mối liên hệ. 1.2.2. Mô hình hồi quy tuyến tính Mục tiêu phân tích của mô hình này là xét mối liên hệ tuyến tính giữa một hay nhiều biến độc lập Xi (Xi: còn được gọi là biến giải thích) đến một biến phụ thuộc Yi(Y: biến được giải thích). 1.2.2.1. Hồi quy tuyến tính một chiều Phương trình hồi quy tuyến tính một chiều: yi=α +βxi+εi Theo phương pháp bình phương bé nhất thì ước lượng các hệ số α và β là các giá trị a và b sao cho tổng bình phương sai số của phương trình sau đây là bé nhất: Các hệ số a và b được tính như sau: Suy ra: a = Và đường hồi quy tuyến tính mẫu của y trên x là: y = a + bx 1.2.2.2. Hồi quy nhiều chiều (hồi quy tuyến tính bội) Phương trình hồi quy nhiều chiều: y = a + b1x1 + b2x2 +….+ bkxk Phương trình này sẽ được suy rộng cho tổng thể có biến phụ thuộc Y và các biến độc lập X1, X2,…Xk. Hệ số xác định R2: R2 là tỷ lệ (hay phần trăm) biến động của biến phụ thuộc (y) được giải thích bởi các biến độc lập xi. Hệ số xác định được tính như sau: 0 ≤ R2 ≤ 1 : Error Sum of Squares : Regression sum of Squares : Total sum of Squares Hệ số tương quan bội R: R nói lên tính chặt chẽ của mối liên hệ giữa biến phụ thuộc (y) và các biến độc lập (x1): (-1 ≤ R ≤ 1) Tỷ số F = MSR/MSE trong bảng kết quả: Dùng để so sánh với F trong bảng phân phối F ở mức ý nghĩa α. Tuy nhiên, cũng trong bảng kết quả ta có giá trị Significane F, giá trị này cho ta kết luận ngay mô hình hồi qui có ý nghĩa khi nó nhỏ hơn mức ý nghĩa α nào đó (thay vì phải tra bảng phân phối F, và giá trị Sig). F cũng là cơ sở để quyết định bác bỏ hay chấp nhận giả thuyết H0 trong kiểm định bao quát các tham số của mô hình hồi qui. Nói chung F càng lớn, khả năng bác bỏ giả thuyết H0 càng cao – giả thuyết Ho cho rằng tất cả các tham số hồi qui đều bằng 0, nghĩa là các biến độc lập (xi) không liên quan tuyến tính tới biến phụ thuộc y. Ý nghĩa các hệ số hồi quy trong mô hình: Các hệ số hồi quy của từng biến độc lập đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi đơn vị, giữa các biến độc lập còn lại không đổi. Nói cách khác, nó cho biết ảnh hưởng thuần của các thay đổi một đơn vị trong Xk đối với giá trị trung bình của biến phụ thuộc Y khi loại trừ ảnh hưởng của các biến độc lập khác. Trong hồi quy tuyến tính bội, để đánh giá đóng góp thật sự của một biến đối với thay đổi trong Y thì bằng cách nào đó ta phải kiểm soát được ảnh hưởng của các biến khác. Hệ số beta: Vì độ lớn của các hệ số phụ thuộc vào đơn vị đo lường của các biến nên chỉ khi nào tất cả các biến độc lập đều có cùng đơn vị đo lường thì các hệ số của chúng mới có thể so sánh trực tiếp với nhau. Một cách để làm cho các hệ số hồi quy có thể so sánh được với nhau là tính trọng số beta, đó là hệ số của biến độc lập khi tất cả dữ liệu trên các biến được biểu diễn bằng đơn vị đo lường độ lệch chuẩn. Hệ số beta được tính trực tiếp từ hệ số hồi quy như sau: Trong đó Sk là độ lệch chuẩn của biến độc lập thứ k. 1.2.2.3. Kiểm định trênh tất cả các tham số của một mô hình hồi quy Xét mô hình nhiều chiều sau:y=α + β1x1 + β2x2 + β3x3 + ε Giả thuyết: H0: β1 = β2 = βk = 0 (các xi không ảnh hưởng đến y) H1: Có ít nhất một tham số β1 ≠ 0 Giả thuyết H0 có thể kiểm định dựa trên số thống kê: Bác bỏ giả thuyết H0 khi: F >Fk,n-k,α Phần kiểm định ta cũng có thể tính trực tiếp dựa vào hệ số xác định R2 vì: 1.3. DÃY SỐ THỜI GIAN 1.3.1. Khái niệm Các hiện tượng kinh tế - xã hội luôn luôn biến động qua thời gian. Để nghiên cứu sự biến động này người ta dung phương pháp dãy số thời gian. Dãy số thời gian là dãy các trị số của một chỉ tiêu nào đó được sắp xếp theo thứ tự thời gian. 1.3.2. Phân loại Căn cứ vào đặc điểm về mặt thời gian, người ta thường chia dãy số thời gian thành 2 loại: Dãy số thời kỳ: là dãy số biểu hiện sự thay đổi của hiện tượng qua từng thời kỳ nhất định. Dãy số thời điểm: là dãy số biểu hiện mặt lượng của hiện tượng vào một thời điểm nhất định. Một cách chi tiết hơn, dãy số thời điểm còn có thể được chia thành dãy số thời điểm có khoảng cách thời gian bằng nhau và dãy số thời điểm có khoảng cách thời gian không bằng nhau. 1.3.3. Ý nghĩa của việc nghiên cứu dãy số thời gian Phương pháp phân tích một dãy số thời gian dựa trên một giả định căn bản là: sự biến động trong tương lai của hiện tượng nói chung sẽ giống với sự biến động của hiện tượng trong quá khứ và hiện tại, xét về mặt đặc điểm và cường độ biến động. Nói một cách khác, các yếu tố đã ảnh hưởng đến biến động của hiện tượng trong quá khứ và hiện tại được giả định trong tương lai sẽ tiếp tục tác động đến hiện tượng theo xu hướng và cường độ giống hoặc gần giống như trước. Do vậy, mục tiêu chính của việc phân tích dãy số thời gian là chỉ ra và tách biệt các yếu tố đã ảnh hưởng đến dãy số. Điều đó có ý nghĩa trong việc dự đoán cũng như nghiên cứu quy luật biến động của hiện tượng. Tất nhiên, giả định nói trên có nhược điểm, nó thường bị phê bình là quá ngây thơ và máy móc vì đã không xem xét đến sự thay đổi về kỹ thuật, thói quen, nhu cầu hoặc sự tích lũy kinh nghiệm trong kinh doanh…. Phương pháp phân tích dãy số thời gian cung cấp những thông tin hữu ích cho các nhà kinh doanh trong việc dự đoán cũng như xem xét chu kỳ biến động của hiện tượng. Nếu biết kết hợp các phương pháp phân tích thống kê khác cộng với bản lĩnh, kinh nghiệm và sự nhạy bén trong kinh doanh, phương pháp dãy số thời gian sẽ là một công cụ đắc lực cho các nhà quản lý trong việc ra quyết định. Các yếu tố ảnh hưởng đến biến động của dãy số thời gian Biến động của một dãy số thời gian: x1, x2,…, xn thường được xem như là kết quả hợp thành của các yếu tố sau đây: Tính xu hướng Quan sát số liệu thực tế của hiện tượng trong một thời gian dài, ta thấy biến động của hiện tượng theo một chiều hướng rõ rệt. Nguyên nhân của loại biến động này là sự thay đổi trong công nghệ sản xuất, gia tăng dân số,biến động về tài sản,…. Tính chu kỳ Biến động của hiện tượng được lặp lại với một chu kỳ nhất định, thường kéo dày từ 2 – 10 năm, trải qua 4 giai đoạn: phục hồi và phát triển, thịnh vượng, suy thoái và đình truệ. Biến động của chu kỳ là do tác động tổng hợp của nhiều yếu tố khác nhau. Tính thời vụ Biến động của một số hiện tượng kinh tế - xã hội mang tính thời vụ, nghĩa là hàng năm, vào những thời điểm nhất định, biến động của hiện tượng được lặp di lặp lại. Tính ngẫu nhiên hay bất thường (Irregular component) Biến động không có quy luật và hầu như không thể dự đoán được. Loại biến động này thường xảy ra trong một thời gian ngắn và không lặp lại, do ảnh hưởng của các biến cố chính trị, thiên tai, chiến tranh… Một cách tổng quát, giá trị xi trong dãy số thời gian x1, x2,…,xn có thể được diễn tả bằng công thức như sau: Xi = Ti . Ci .Si . Ii Xi : giá trị thứ i của dãy số thời gian. Ti : giá trị của yếu tố xu hướng. Ci : giá trị của yếu tố chu kỳ. Si : giá trị của yếu tố thời vụ. Ii : giá trị của yếu tố ngẫu nhiên (bất thường). 1.3.5. Các chỉ tiêu cơ bản dùng để phân tích dãy số thời gian a. Mức độ trung bình theo thời gian Là số trung bình của các mức độ trong dãy số. Chỉ tiêu này biểu hiện mức độ chung nhất của hiện tượng trong thời kỳ nghiên cứu. Ký hiệu : x1, x2,…,xn : Dãy số thời gian. : Mức độ trung bình. Mức độ trung bình của dãy số thời kỳ Mức độ trung bình của dãy số thời điểm: Có hai trường hợp: Khoảng cách thời gian giữa các thời điểm bằng nhau: Nếu khoảng cách thời gian giữa các thời điểm không bằng nhau: Tùy theo đặc điểm của thông tin ta áp dụng một trong hai công thức: xi : mức độ thứ i. ti : độ dài thời gian có mức độ xi. hoặc : : giá trị trung bình thứ i. b. Lượng tăng (giảm) tuyệt đối Là chỉ tiêu biểu hiện sự thay đổi về giá trị tuyệt đối của hiện tượng giữa hai thời kỳ hoặc thời điểm nghiên cứu. Tùy theo mục đích nghiên cứu, ta có: Lượng tăng (giảm) tuyệt đối từng kỳ (liên hoàn): Biểu hiện lượng tăng (giảm) tuyệt đối giữa hai thời kỳ kế tiếp nhau. Lượng tăng (giảm) tuyệt đối định gốc: Biểu hiện lượng tăng (giảm) tuyệt đối giữa kỳ nghiên cứu và kỳ được chọn làm gốc. Giữa lượng tăng (giảm) tuyệt đối từng kỳ và định gốc có mối quan hệ sau. Tổng đại số các lượng tăng (giảm) tuyêt đối từng kỳ bằng lượng tăng (giảm) tuyệt đối định gốc, nghĩa là: Lượng tăng (giảm) tuyệt đối trung bình : Chỉ tiêu này biểu hiện một cách chung nhất lượng tăng (giảm) tuyệt đối, tính trung bình cho cả thời kỳ nghiên cứu. Chỉ tiêu này chỉ có ý nghĩa khi các lượng tăng (giảm) tuyệt đối từng kỳ xấp xỉ nhau. c. Tốc độ phát triển (lần, %) Là chỉ tiêu biểu hiện sự biến động của hiện tượng xét về mặt tỷ lệ. Tùy theo mục đích nghiên cứu, ta có các loại tốc độ phát triển sau đây: Tốc độ phát triển từng kỳ (liên hoàn) : Biểu hiện sự biến động về mặt tỷ lệ của hiện tượng giữa hai kỳ liền nhau. Tốc độ phát triển định gốc : Biểu hiện sự biến động về mặt tỷ lệ của hiện tượng giữa kỳ nghiên cứu với kỳ được chọn làm gốc. x1 : kỳ được chọn làm gốc. Mối quan hệ giữa tốc độ phát triển từng kỳ và định gốc. + Tích các tốc độ phát triển từng kỳ bằng tốc độ phát triển định gốc. + Thương của hai tốc độ phát triển định gốc liền nhau bằng tốc độ phát triển từng kỳ. Tốc độ phát triển trung bình : Là chỉ tiêu biểu hiện mức độ chung nhất sự biến động về mặt tỷ lệ của hiện tượng trong suốt thời kỳ nghiên cứu, chỉ tiêu này được tính bằng cách căn bậc (n-1) tích cực tốc độ phát triển liên hoàn mà trong đó n là số mức độ của dãy số. Chỉ tiêu này chỉ có ý nghĩa khi các tốc độ phát triển từng kỳ xấp xỉ nhau, tức là trong suốt thời kỳ nghiên cứu hiện tượng phát triển với một tốc độ tương đối đều. d. Tốc độ tăng (giảm) Thực chất, tốc độ tăng ( giảm) bằng tốc độ phát triển trừ đi 1 (hoặc trừ 100 nếu tính bằng %). Tốc độ tăng (giảm) từng kỳ (hay liên hoàn) Vì Tốc độ tăng (giảm) định gốc: Suy ra: hay Vì : Suy ra : hay Tốc độ tăng (giảm) trung bình : e. Gía trị tuyệt đối của 1% tăng giảm Chỉ tiêu này biểu hiện mối quan hệ giữa chỉ tiêu lượng tăng (giảm) tuyệt đối với chỉ tiêu tốc độ tăng (giảm), nghĩa là tính xem 1% tăng (giảm) của chỉ tiêu ứng với một lượng giá trị tuyệt đối tăng (giảm) là bao nhiêu. Từ công thức ta có: Chỉ tiêu này không tính cho tốc độ tăng (giảm) định gốc vì kết quả luôn luôn bằng x1/100. 1.3.6. Nghiên cứu biến động chu kỳ của dãy số thời gian. Như đã đề cập, dãy các số trung bình di động bao hàm 2 yếu tố: xu hướng và chu kỳ(TC). Do đó, ta có thể xác định chỉ số biến động chu kỳ đối với dãy số bằng cách đem chia các giá trị của dãy số trung bình di động cho các giá trị của yếu tố biến động xu hướng được tính toán từ hàm số. Tuy nhiên, không giống như biến động thời vụ, biến động chu kỳ xảy ra khá phức tạp – đôi khi thất thường – cả về biên độ lẫn chu kỳcuar biến động. Điều đó gây nhiều khó khăn cho việc dự đoán. 1.3.7. Dự đoán biến động của dãy số thời gian. Dự đoán là xác định mức độ có thể xảy ra trong tương lai của hiện tượng. Biết được tương lai của hiện tượng sẽ giúp các nhà quản trị chủ động cũng như có những quyết định đúng trong kinh doanh. Hoạt động trong nền kinh tế thị trường cùng với sự phát triển mạnh mẽ của tiến bộ kỹ thuật khiến cho công tác dự đoán gặp nhiều khó khăn: biến động bất thường, thiếu thong tin,thong tin không đáng tin cậy hoặc không có thông tin…Do vậy, tùy từng vấn đề dự đoán cụ thể, nguồn thong tin cũng như mục tiêu của dự đoán mà chon lựa phương pháp dự đoán thích hợp. Có nhiều phương pháp dự đoán khác nhau. Tuy vậy, nội dung cơ bản của dự đoán thống kê là dựa trên các giá trị đã biết (x1, x2,…, xn). Dự đoán dựa vào dãy số thời gian để phân tích các yếu tố ảnh hưởng đến sự biến động của hiện tượng, thừa nhận rằng những yếu tố đã và đang tác động sẽ vẫn còn tiếp tục tác động đến hiện tượng trong tương lai, xây dựng mô hình để dự đoán các giá trị tương lai chưa biết xn + 1, xn+2,…. a. Dự báo bằng hàm xu hướng Tùy theo tính chất của hiện tượng nghiên cứu hoặc kết hợp với kinh nghiêm ta có thể xây dựng hoặc chọn một hàm số phù hợp biểu hiện sự biến động của hiện tượng qua thời gian. Giả sử ta có một mô hình hồi quy tổng thể có dạng tổng quát như sau: (i=1,2,…,n+1) Có một số mô hình hàm xu hướng sau: Mô hình hàm xu hướng hàm bậc 4: . Hàm xu hướng dạng bậc 3: . Hàm xu hướng dạng bậc 2(Parabol): . Hàm xu hướng dạng bậc 1(hàm tuyến tính): . Hàm xu hướng dạng hàm mũ: . Hàm xu hướng dạng hàm Logarithmic: . Hàm xu hướng dạng hàm lũy thừa: b. Dự đoán vào lượng tăng giảm tuyệt đối trung bình Phương pháp này được sử dụng khhi hiện tượng biến động với một lượng tuyệt đối tương đối đều, nghĩa là các lượng tăng giảm tuyệt đối từng kỳ xấp xỉ bằng nhau. Công thức dự đoán: : Gía trị dự đoán ở thời điểm n+L.(tỷ đồng). yn : giá trị thực tế ở thời điểm n.(tỷ đồng). L: tầm xa dự đoán.(năm). : lượng tăng giảm tuyệt đối trung bình. c. Dự đoán dựa vào tốc độ phát triển trung bình: Phương pháp này thường được sử dụng khi hiện tượng biến động với một nhịp độ tương đối ổn định, nghĩa là tốc độ phát triển từng kỳ xấp xỉ nhau. : Gía trị dự đoán ở thời điểm n+L. yn : giá trị thực tế ở thời điểm n. L: tầm xa dự đoán. : tốc độ phát triển trung bình. CHƯƠNG 2 XÂY DỰNG MÔ HÌNH HỒI QUY XỬ LÝ VÀ PHÂN TÍCH SỐ LIỆU 2.1. BẢNG SỐ LIỆU ĐƯỢC THU THẬP Bảng số liệu được thu thập từ phòng kế toán chi nhánh Mobifone Trà Vinh. Trong đó: Y: Lợi Nhuận thu được X1:Tổng chi phí bán hàng. X2: Tổng chi phí quảng cáo X3: Tổng chi phí quảng lý doanh nghiệp Số liệu nghiên cứu (đơn vị: triệu đồng ): Năm Y X1 X2 X3 2003 1545 135 245 180 2004 1873 155 270 168 2005 1995 195 327 135 2006 1790 140 310 150 2007 2310 210 344 126 2008 2495 220 358 120 2009 2980 255 390 114 2.2. XÂY DỰNG MÔ HÌNH HỒI QUY 2.2.1. Mô hình tổng quát Y = b0 + b1X1 + b2X2 + b3X3 2.2.2. Ý nghĩa các biến Y : là biến phụ thuộc X1, X2, X3 : là biến giải thích. b0 : hệ số chặn b1, b2 , b3 : hệ số góc 2.3. SỰ TƯƠNG QUAN TUYẾN TÍNH 2.3.1. Biểu đồ thể hiện sự tương quan giữa các biến * Biểu đồ thể hiện sự tương quan giữa Y và X1: => Biểu đồ thể hiện mối liên hệ thuận chiều giữa Y và X1, nghĩa là khi X1 tăng thì Y tăng. * Biểu đồ thể hiện mối liên hệ giữa Y và X2: => Biểu đồ thể hiện mối liên hệ tuyến tính và thuận chiều giữa 2 biến Y và X2. Nghĩa là, khi X2 tăng thì Y tăng. 2.3.2. Hệ số tương quan (r): Correlations Y X1 X2 Y Pearson Correlation 1 .997(**) .999(**) Sig. (2-tailed) .000 .000 N 17 17 17 X1 Pearson Correlation .997(**) 1 .993(**) Sig. (2-tailed) .000 .000 N 17 17 17 X2 Pearson Correlation .999(**) .993(**) 1 Sig. (2-tailed) .000 .000 N 17 17 17 ** Correlation is significant at the 0.01 level (2-tailed). Qua phân tích ta thấy rằng: Hệ số tương quan giữa Y và chính nó là 1. Như vậy GDP với chính nó có mối quan hệ rất chặt chẽ. Hệ số tương quan giữa X1 và Y là 0.997. Giá trị này cho thấy rằng giữa GDP và tổng giá trị ngành thu nhập có mối liên hệ thuận khá chặt chẽ. Hệ số tương quan giữa X2 và Y là 0.999. Có nghĩa là giữa GDP và giá trị ngành d