Chương 19. Các biến giải thích ngẫu nhiên và phương pháp biến công cụ

Size: px
Start display at page:

Download "Chương 19. Các biến giải thích ngẫu nhiên và phương pháp biến công cụ"

Transcription

1 Chương 19 Các biến giải thích ngẫu nhiên và phương pháp biến công cụ Domadar N. Gujarati (Econometrics by example, 2011). Người dịch và diễn giải: Phùng Thanh Bình, MB (24/12/2017) Một lần tôi đã hỏi sinh viên của mình để xem các phát biểu sau đây là đúng, sai hoặc không chắc chắn: A. Số năm đi học càng nhiều thì thu nhập càng cao. B. Tỷ lệ người già trong dân số càng cao thì tỷ lệ nghèo đói càng cao. C. Trong một cộng đồng càng có nhiều khu học chánh thì cạnh tranh càng cao và càng có nhiều trường tốt hơn. D. Hỗ trợ tài chính càng cao thì sẽ càng có nhiều sinh viên đi học đại học. E. Trong kỳ thi SAT, điểm phần thi đọc hiểu càng cao thì điểm phần thi toán càng cao. F. Là một cựu chiến binh thì thu nhập trọn đời sẽ cao hơn. G. Trung bình, phụ nữ được trả lương ít hơn đàn ông bởi vì sự phân biệt giới tính. H. Điểm của sinh viên trong kỳ thi kinh tế lượng phụ thuộc vào nỗ lực của sinh viên đó. I. Tăng cung tiền dẫn đến lạm phát cao hơn. J. Xem TV dẫn đến tự kỷ. 1

2 Mặc dù có một vài sinh viên trong lớp của tôi nghĩ rằng một số các phát biểu này đúng, nhưng phần lớn trong số họ cho rằng: tùy. Hãy xem phát biểu A. Có phải bản thân giáo dục chính thức hoặc giáo dục chính thức và năng lực bẩm sinh quyết định tiền lương trong tương lai? [Lưu ý: Earnings ở đây được hiểu là thu nhập từ tiền lương, nên từ đây về sau sẽ gọi là tiền lương]. Nên nếu chúng ta không tính đến năng lực bẩm sinh của sinh viên, thì chúng ta có thể phóng đại đóng góp của giáo dục đối với tiền lương. Vì thế trong một hồi quy tiền lương theo giáo dục (được đo bằng số năm đi học), biến giáo dục có khả năng tương quan với hạng nhiễu của hồi quy, vì hạng nhiễu có thể chứa biến về năng lực bẩm sinh. Trong trường hợp này, chúng ta nói rằng giáo dục là một biến giải thích nội sinh (endogenous regressor), hoặc nói một cách chính thức hơn, là một biến giải thích ngẫu nhiên (stochastic regressor). Như chúng ta thấy dưới đây, điều này sẽ làm cho các kết quả hồi quy theo phương pháp OLS thông thường bị hoài nghi. Như một trường hợp khác, xem phát biểu D. Đối với nhiều sinh viên, thì hỗ trợ tài chính có thể là một điều kiện cần của giáo dục đại học, nhưng đó có thể không phải là điều kiện đủ, vì còn nhiều yếu tố liên quan đến việc quyết định đi học đại học. Vì thế, một hồi quy về quyết định đi học đại học (thông qua mô hình logit hoặc probit) theo biến hỗ trợ tài chính có thể cường điệu tác động của hỗ trợ tài chính bởi vì hồi quy như thế không tính đến các biến bị bỏ sót trong mô hình, mà các biến bị bỏ sót ấy có thể tương quan chặt chẽ với hỗ trợ tài chính. Vì thế hỗ trợ tài chính có thể là một biến giải thích ngẫu nhiên. Ý chính của tất cả các phát biểu vừa kể trên và nhiều phát biểu tương tự như thế là rằng nếu chúng ta có một biến giải thích ngẫu nhiên có thể tương quan với hạng nhiễu (của hồi quy), thì điều đó có thể làm cho ước lượng chuẩn theo OLS không thể áp dụng được, hoặc ít nhất là không thể tin cậy được. Trong 2

3 phần còn lại của chương này, chúng ta sẽ nghiên cứu vấn đề này một cách chính thức hơn và sau đó xem xét một số ứng dụng thực tế Vấn đề nội sinh Một giả định quan trọng của mô hình hồi quy tuyến tính cổ điển được phát biểu trong phương trình (1.8) là giá trị kỳ vọng của hạng nhiễu ui, khi cho trước các giá trị của các biến giải thích, là bằng 0. Về mặt ký hiệu sẽ như sau: Nói cách khác, giả định này phát biểu rằng các yếu tố không quan sát được, đại diện bởi hạng nhiễu ui không có tương quan một cách cố hệ thống với các biến giải thích hoặc các biến giải thích thực sự là các biến ngoại sinh (exogenous). Lưu ý rằng X có thể bao gồm một hoặc nhiều biến giải thích. Với giả định này và các giả định khác được đưa ra trong chương 1, chúng ta có thể khẳng định rằng các ước lượng OLS là các ước lượng tuyến tính không chệch tốt nhất (BLUE). Với giả định được bổ sung thêm rằng hạng nhiễu theo phân phối chuẩn, thì chúng ta có thể thấy rằng từng ước lượng OLS theo phân phối chuẩn với trung bình và phương sai được trình bày trong chương đó. Nhưng điều gì xảy ra nếu giả định (19.1) không thỏa mãn - nghĩa là, có tương quan giữa hạng nhiễu và một hoặc nhiều biến giải thích? Nói theo một cách khác, điều gì xảy ra nếu X là một biến ngẫu nhiên (stochastic or random variable) và có tương quan với hạng nhiễu? Đây được biết như trường hợp về một biến giải thích nội sinh (endogenous regressor) nghĩa là, một trường hợp trong đó các biến giải thích ngẫu nhiên có tương quan với hạng nhiễu. 3

4 Cho một ví dụ cụ thể. Hãy xem hồi quy sau đây về tỷ lệ tội phạm theo chi tiêu cho lực lượng cảnh sát ở 50 bang của Mỹ năm 1992, dữ liệu trong Table 19.1, có thể được tìm thấy trên trang web đồng hành cùng cuốn sách. Sử dụng dữ liệu này, chúng ta có được kết quả như trong Bảng Được đánh giá theo các tiêu chí thông thường, hồi quy này trong rất ấn tượng [ ]. Kết quả cho thấy rằng tăng chi tiêu cho lực lượng cảnh sát dẫn đến tỷ lệ tội phạm cao hơn! Nếu điều này đúng, thì thật là một tin xấu. Bảng 19.2: Hồi quy tỷ lệ tội phạm 1. Dĩ nhiên, chúng ta nên hoài nghi về các kết quả này bởi vì chúng không mang ý nghĩa thực tế. Dường như một số biến giải thích thuộc mô hình này đã bị bỏ sót và biến chi tiêu cho lực lượng cảnh sát có thể có tương quan chặt chẽ với những biến bị bỏ ra ngoài mô hình (left-out variables). Trong cuốn sách nổi tiếng hiện nay của họ, cuốn Kinh tế học hài hước (Freakonomics), Steven Levitt va Stephen Dubner lập luận rằng để thiết lập mối quan hệ nhân quả giữa tội phạm và cảnh sát chúng ta cần một kịch bản trong đó nhiều cảnh sát được thuê hơn vì nhiều lý do hoàn toàn không liên quan gì đến việc tội phạm gia tăng. Ví dụ, nếu 1 Các phân loại tội phạm bao gồm: tấn công có vũ khí, sự cố gây hỏa hoạn, ăn trộm, giết người, ăn cướp, bạo hành tình dục, xe hơi bị mất trộm, và ăn trộm trong xe hơi. 4

5 cảnh sát được rải ngẫu nhiên ở một số thành phố và ở các thành phố khác thì không, chúng ta có thể xem liệu tội phạm có giảm ở những thành phố có cảnh sát tình cờ đổ bộ xuống 2. Levitt và Stephen chỉ ra rằng trong các tháng trước ngày bầu cử, các thị trưởng đương nhiệm liên tục nhận các thư ủy nhiệm về việc giữ gìn an ninh trật tự (lwaand-order credentials) bằng cách thuê thêm nhiều cảnh sát, thậm chí khi tỷ lệ tội phạm dường như không gia tăng. Tiêu điểm của tất cả thảo luận này là có phải việc X là nguyên nhân của Y (X causes Y) có thể phụ thuộc nhiều vào một biến Z nào khác, mà biến này có thể là nguyên nhân của Y một cách gián tiếp thông qua ảnh hưởng của nó lên X, mặc dù Z có thể không có bất kỳ mối quan hệ trực tiếp nào với Y. Vì thế, trong một hồi quy Y theo X, nếu chúng ta không tính đến ảnh hưởng của Z lên X và chuyển nó vào hạng nhiễu ui của phương trình, nên chắc chắn có sự tương quan giữa X và hạng nhiễu. Nói cách khác, biến giải thích X là một biến ngẫu nhiên, điều này vi phạm giả định trong phương trình (19.1). Chúng ta có thể cho thấy điều này với một sơ đồ đường dẫn (path diagram), trong đó mũi tên chỉ chiều hướng của mối quan hệ giữa các biến (Hình 19.1) 3. Hình 19.1: Mối quan hệ giữa các biến. Trong hình 19.1(a), không có mũi tên giữa X và u (tức là không có sự tương quan), điều này đại diện cho giả định hồi quy OLS cổ điển. Ở đây, hồi quy OLS 2 Steven D. Levitt and Stephen J. Dubner, Freakonomics, William Morrow, New York, 2005, p Hình này lấy từ A. Colin Cameron and Pravin K. Trivedi, Microeconometrics Using Stata, Stata Press, College Station, Texas, pp

6 của Y theo X sẽ cho chúng ta các giá trị ước lượng nhất quán của các hệ số hồi quy. Hình 19.1(b) cho thấy một mối quan hệ giữa biến giải thích và hạng nhiễu, đó là trường hợp của biến giải thích ngẫu nhiên. Trong trường hợp này, như chúng ta sẽ thấy dưới đây, hồi quy Y theo X sẽ đưa ra các giá trị không nhất quán của các hệ số hồi quy, thậm chí trong các mẫu lớn. Trong hình 19.1(c), những thay đổi trong Z không ảnh hưởng một cách trực tiếp lên Y, nhưng có ảnh hưởng gián tiếp thông qua X. Như chúng ta sẽ sớm thấy, Z được gọi là biến công cụ (IV) hoặc đơn giản là một công cụ (instrument) và cho biết làm sao mà (các) biến như thế có thể giúp chúng ta có được các giá trị ước lượng nhất quán của các hệ số hồi quy. Trong các phần tiếp theo, trước tiên chúng ta thảo luận trường hợp biến giải thích ngẫu nhiên và chỉ ra các hậu quả của nó đối với ước lượng OLS và sau đó cho thấy phương pháp biến công cụ có thể được sử dụng như thế nào trong trường hợp chúng ta không thể dựa vào OLS Vấn đề với các biến giải thích ngẫu nhiên Để giải thích các ý tưởng cơ bản mà không dựa vào đại số ma trận, chúng ta sẽ xem xét hồi quy tuyến tính hai biến: Chúng ta giả định rằng biến giải thích Xi là ngẫu nhiên. Bây giờ chúng ta phân biệt ba trường hợp 4 : 4 Thảo luận sau đây dựa theo Jan Kmenta, Elements of Econometrics, 2 nd edn, Macmillan Publishing Company, New York, 1986, pp ; William H. Greene, Econometric Analysis, 6 th edn, Pearson/Prentice-Hall, 2008; and Russell Davidson and James G. MacKinnon, Econometric Theory and Methods, 2 nd edn, Oxford University Press, New York,

7 1. X và u phân phối độc lập: Trong trường hợp này, đối với tất cả các mục đích ứng dụng thực tế chúng ta có thể tiếp tục sử dụng OLS. Như Greene lưu ý như sau: Vì thế, kết luận rằng các kết quả quan trọng mà chúng ta đã có được cho đến giờ đối với ước lượng theo bình phương bé nhất, sự không chệch và định lý Gauss-Markov vẫn đúng cho dù chúng ta xem X ngẫu nhiên hay không X và u tại cùng thời điểm không tương quan với nhau: Đây là một điều kiện yếu điều kiện thứ nhất. Trong trường hợp này, các kết quả OLS cổ điển vẫn đúng chỉ mang tính tiệm cận nghĩa là trong các mẫu lớn (xem Phụ lục 19A.1). 3. X và u hoặc là không có phân phối độc lập hoặc tương quan tại cùng thời điểm: Trường hợp này, trường hợp nghiêm trọng hơn, các ước lượng OLS không những bị chệch mà còn không nhất quán. Bằng trực giác, lý do của điều này là: phương pháp ước lượng theo bình phương bé nhất được thiết kế theo một cách sao cho tổng biến thiên của Y [TSS] có thể luôn luôn được chia thành hai phần, một đại diện cho biến thiên do các biến giải thích [ESS] và một đại diện cho biến biến do các yếu tố khác. Nhưng khi biến giải thích và hạng nhiễu tương quan, một sự phân chia như thế không còn hợp lý vì nó không cho phép ảnh hưởng kết hợp của X và [= u] lên Y 6. Điều này có thể dễ dàng thấy được trong trường hợp hồi quy hai biến. Ước lượng OLS của B2 trong phương trình (19.2) được cho như sau: 5 Greene, op cit., p Kmenta, op cit, p

8 Bây giờ thế phương trình (19.2) vô vế phải của phương trình (19.3), chúng ta có: Ở đây chúng ta tận dụng sự thật là xi = 0, bởi vì tổng của các độ lệch của một biến ngẫu nhiên quanh giá trị trung bình của nó luôn bằng 0, và cũng bởi vì 2 x i X i / x i = 1 (xem Bài tập 19.1). Bây giờ nếu chúng ta thử lấy kỳ vọng hai vế của phương trình trên, chúng ta sẽ gặp một vấn đề, vì bởi vì toán tử về kỳ vọng, E, là một toán tử tuyến tính. Hơn nữa, kỳ vọng của một tích của xi và ui không phải bằng tích của các kỳ vọng, bởi vì chúng không độc lập 7. Cách tốt nhất mà chúng ta có thể làm là xem b2 sẽ như thế nào khi cỡ mẫu tăng lên vô cùng. Chúng ta có thể làm điều này bằng cách sử dụng khái niệm giới hạn xác suất (probability limit), hoặc ngắn gọn là plim, đây là một thủ tục quy chuẩn để biết xem một ước lượng có nhất quán hay không; nghĩa là, nếu nó có 7 Nhớ rằng E(XY) = E(X)E(Y) chỉ khi X và Y độc lập. 8

9 tiến đến giá trị thực (của tổng thể) khi cỡ mẫu tang lên vô cùng. Vì thế chúng ta thực hiện như sau: Ở đây chúng ta tận dụng các tính chất của plim 8, n là cỡ mẫu, và cov là hiệp phương sai và var là phương sai. Vì thế, chúng ta có: Đây có thể được gọi là chệch (tiệm cận). Bây giờ, nếu hiệp phương sai giữa biến giải thích và hạng nhiễu là dương, b2 sẽ ước lượng trên (overestimate) B2 thực, chệch dương. Trái lại, nếu hiệp phương sai làm âm, b2 sẽ ước lượng dưới (underestimate) B2 thực, chệch âm. Và chệch, dương hay âm, sẽ không biến mất cho dù cỡ mẫu lớn như thế nào. Tóm tắt lại thảo luận vừa rồi là nếu một biến giải thích và hạng nhiễu tương quan nhau, thì ước lượng OLS bị chệch và cũng không nhất quán. Bây giờ thậm 88 Các tính chất này như sau: plim(x + Y) = plim(x) + plim(y); plim(xy) = plim(x).plim(y); plim(x/y) = plim(x)/plim(y), và plim của một hằng số là bằng chính nó. 9

10 chí nếu một biến giải thích duy nhất trong một hồi quy bội tương quan với hạng nhiễu, thì các ước lượng OLS của tất cả các hệ số không nhất quán Các lý do tương quan giữa các biến giải thích và hạng nhiễu Cơ bản có bốn lý do tại sao các biến giải thích có thể tương quan với hạng nhiễu: 1. Các sai số do đo lường trong (các) biến giải thích. 2. Chệch do bỏ sót biến. 3. Chệch do phương trình đồng thời. 4. Mô hình hồi quy trạng thái động với tương quan chuỗi trong hạng nhiễu. Điều quan trọng là chúng ta tìm hiểu các nguồn của tương quan giữa các biến giải thích và hạng nhiễu để đánh giá một cách đầy đủ về phương pháp các biến công cụ. Các sai sót do đo lường trong (các) biến giải thích Trong chương 7 chúng ta đã lưu ý rằng nếu có các sai sót do đo lường trong (các) biến giải thích thì các ước lượng OLS bị chệch cũng như không nhất quán. Để có cái nhìn sơ qua về vấn đề này, chúng ta xem xét giả thuyết thu nhập thường xuyên (PIH) nổi tiếng của kinh tế gia đạt giải Nobel: Milton Friedman, giả thuyết này có thể được giải thích như sau: Trong đó, Y = chi tiêu cho tiêu dùng được quan sát, hoặc hiện tại, X * i = thu nhập thường xuyên và ui = hạng nhiễu. B2 ở đây đại diện cho khuynh hướng tiêu dùng biên (MPC), nghĩa là, tăng trong chi tiêu cho tiêu dùng theo một đôla tăng trong 9 Nhắc lại rằng trong các hồi quy bội, các hạng tích chéo của các biến giải thích có trong công thức tính các hệ số hồi quy riêng. Vì thế, một sai số trong một biến giải thích có thể ảnh hưởng các hệ số của các biến giải thích khác trong mô hình. 10

11 thu nhập thường xuyên, nghĩa là, mức thu nhập trung bình mà bạn kỳ vọng sẽ có trong tương lai 10. Dĩ nhiên, chúng ta không có sẵn các thước đo về thu nhập thường xuyên. Nên thay vì sử dụng thu nhập thường xuyên, chúng ta sử dụng thu nhập quan sát được hoặc thu nhập hiện tại, Xi, thước đo này có thể bao hàm các lỗi đo lường, chẳng hạng bằng wi. Vì thế, chúng ta có thể viết: Nghĩa là, thu nhập hiện tại bằng thu nhập thường xuyên cộng sai sót do đo lường. Vì thế, thay vì ước lượng phương trình (19.8), chúng ta ước lượng: Trong đó, vi = ui B2wi, một kết hợp kép của các sai số của phương trình và sai số do đo lường. Bây giờ, ngay cả nếu chúng ta giả định rằng wi có trung bình bằng 0, không có tương quan chuỗi, và không có tương quan với ui, thì chúng ta có thể không còn duy trì được hạng nhiễu gộp vi độc lập với biến giải thích Xi bởi vì [giả định E(vi) = 0] thì chúng ta có thể rằng (xem Bài tập 9.1): 10 Đáng lẽ chúng ta cho chi tiêu thường xuyên (Y * i) là một hàm của thu nhập thường xuyên (X * i), nhưng để cho đơn giản về đại số nên chúng ta sẽ không làm như thế. 11

12 Kết quả này cho thấy rằng trong hồi quy (19.10), biến giải thích Xi và hạng nhiễu vi có tương quan, điều này vi phạm giả định quan trọng của mô hình hồi quy tuyến tính cổ điển khi cho rằng hạng nhiễu và (các) biến giải thích không tương quan với nhau. Vì thế, chúng ta có thể thấy rằng giá trị ước lượng OLS của B2 trong phương trình (19.8) không những bị chệch mà còn không nhất quán. Chúng ta có thể chứng minh một cách bài bản rằng (xem bài tập 19.3): Trong đó, plim là giới hạn xác suất, như đã được đề cập ở trên, được chúng ta sử dụng để kiểm chứng tính chất nhất quán của một ước lượng. Vì số hạng bên trong ngoặc được kỳ vọng nhỏ hơn 1, nên b2 sẽ không hội tụ về giá trị MPC thực của nó cho dù cỡ mẫu là bao nhiêu. Nếu B2 được giả định là dương, điều này có nghĩa trong trường hợp hiện tại, thì b2 nhỏ hơn B2 thực nghĩa là, b2 ước lượng dưới B2. Nói chính xác hơn, nó bị chệch hướng tới 0. Như bài tập này cho thấy, lỗi do đo lường trong (các) biến giải thích có thể gây ra các vấn nghiêm trọng khi ước lượng hệ số thực 11. Thế thì chúng ta có thể đo lường MPC thực như thế nào? Nếu bằng cách nào đó mà chúng ta có thể tìm một biến đại diện hoặc một công cụ cho thu nhập thường xuyên sao cho biến đại diện đó không tương quan với hạng nhiễu nhưng có tương quan với biến giải thích (giả sử là tương quan cao), chúng ta có thể đo lường MPC thực, ít nhất là trong các mẫu lớn. Đây là bản chất của phương pháp 11 Nhân tiện lưu ý rằng lỗi do đo lường trong biến phụ thuộc không gây ra vấn đề như thế bởi vì những sai sót này có thể được hấp thu trong sai số của phương trình và chúng ta vẫn có được các giá trị ước lượng không chệch của các hệ số hồi quy, mặc dù các phương sai và các sai số chuẩn của các ước lượng lớn hơn so với trường hợp không có các lỗi do đo lường trong biến phụ thuộc. 12

13 biến công cụ. Nhưng làm sao chúng ta tìm được một biến đại diện tốt? Chúng ta sẽ sớm trả lời câu hỏi này. Chệch do bỏ sót biến Trong chương 2, chúng ta đã thảo luận một số trường hợp về sai dạng mô hình, chẳng hạn như bỏ sót các biến quan trọng, sai dạng hàm, và giả định sai về phân phối xác suất của hạng nhiễu, và vân vân. Ví dụ, hãy xem mô hình sau đêy về nhân tố xác định tiền lương chúng ta gọi đây là hàm tiền lương. Trong đó, Y là tiền lương (wages) hay thu nhập (earnings), X2 là giáo dục được đo bằng số năm đi học, và X3 là năng lực bẩm sinh. Vì giả sử các thước đo trực tiếp về năng lực là rất khó đạt được, nên thay vì ước lượng phương trình (19.13), chúng ta ước lượng hàm sau đây: Trong đó, vi là hạng nhiễu. Nghĩa là, chúng ta bỏ sót biến về năng lực ra khỏi hàm tiền lương. Trong trường hợp này, vi = ui + B3X3i. Bây giờ, chúng ta có thể thấy rằng (xem Phụ lục 19A.2) [hoặc Ôn tập #3, Kinh tế lượng căn bản] 13

14 Trong đó b32 là hệ số dốc trong hồi quy của X3 (biến bị bỏ sót) theo X2 (biến được đưa vào mô hình). Nói cách khác, trong ví dụ hiện tại, giá trị kỳ vọng của hệ số dốc ước lượng trong phương trình (19.15) bằng giá trị thực của nó (tức B2) cộng với hệ số độ dốc của biến bị bỏ ra ngoài mô hình (tức B3) nhân với b32. Nghĩa là, nó bị chệch. Và không có lý do gì để tin rằng sự chệch này sẽ biến mất khi cỡ mẫu tăng lên. Nói cách khác, ước lượng thậm chí là không nhất quán. Về các hậu quả khác của việc bỏ sót các biến phù hợp, xem chương 7. Cũng như trường hợp cái sai sót trong biến giải thích, liệu chúng ta có thể tìm một công cụ cho khả năng sao cho chúng ta có thể ước lượng phương trình (19.13) và thu được giá trị ước lượng nhất quán của hệ số biến giáo dục B2? Liệu chúng ta có thể sử dụng giáo dục của cha hoặc mẹ như một biến đại diện cho năng lực? Chúng ta sẽ sớm trả lời câu hỏi này sau khi chúng ta thảo luận hai nguồn sai sót còn lại giữa (các) biến giải thích và hạng nhiễu. Chệch do phương trình đồng thời Hãy xem xét cặp phương trình sau đây: Trong đó, Yi = tỷ lệ tội phạm ở thành phố i và Xi = chi tiêu cho lực lượng cảnh sát ở thành phố i. Đây là vấn đề loại con gà hay quả trứng có trước. Có phải tỷ lệ tội phạm quyết định số lượng cảnh sát và vì thế mức chi tiêu cho lực lượng cảnh sát hay chi tiêu cho lực lượng cảnh sát quyết định tỷ lệ tội phạm? 14

15 Nếu bạn ước lượng từng phương trình (19.16) và (19.17) bằng OLS, bạn sẽ thấy rằng Xi và u1i trong phương trình (19.16) tương quan với nhau. Tương tự, nếu bạn chỉ ước lượng phương trình (19.17), bạn sẽ thấy rằng Yi và u2i tương quan với nhau một trường hợp cổ điển của một biến giải thích ngẫu nhiên tương quan với hạng nhiễu (về chứng minh, xem Phụ lục 19A.3). Trong lý thuyết, tình huống này được gọi là chệch do tính đồng thời (simultaneity bias). Chúng ta giải quyết tình huống này như thế nào? Như chúng ta thấy dưới đây, kỹ thuật biến công cụ có thể được sử dụng để giải quyết vấn đề này trong nhiều trường hợp. Hồi quy trạng thái động và tương quan chuỗi trong hạng nhiễu Trở lại với giả thuyết thu nhập thường xuyên của Friedman đã được phát biểu trong phương trình (19.8). Vì thu nhập thường xuyên, X * i, không thể quan sát một cách trực tiếp, nên chúng ta hãy xem xét cơ chế sau đây được phát triển bởi Cgan và Friedman, được gọi là kỳ vọng thích nghi (adaptive expectations), kỳ vọng cấp tiến (progressive expectation), hoặc mô hình học hỏi sai số (error learning model) 12. Phương trình (19.18) phát biểu rằng các tác nhân kinh tế sẽ thích nghi các kỳ vọng của họ theo kinh nghiệm quá khứ và đặc biệt họ sẽ học hỏi từ những sai lầm 13. Cụ thể hơn, phương trình (19.18) nói rằng các kỳ vọng được xem xét lại 12 P. Cagan, Monetary Dynamics of Hyperinflation, in M. Friedman (ed.), Studies in the Quantitative Theory of Money, University of Chicago Press, Chicago, 1956 and Milton Friedman, A Theory of Consumption Function, National Bureau of Economic Research, Princeton University Press, Princeton, NJ, Mô hình này dựa trên một công trình tiên phong của Koyck: L. M. Koyck, Distributed Lags and Investment Analysis, North-Holland Publishing Company, Amsterdam, G. K. Shaw, Rational Expectations: An Elementary Exposition, St. Martin s Press, New York, 1984, p

16 mỗi giai đoạn bằng một tỷ lệ của chênh lệch giữa giá trị hiện hành của biến số và giá trị kỳ vọng trước đó của nó, nghĩa là giữa thu nhập được quan sát ở hiện tại và giá trị kỳ vọng hoặc dự đoán trong giai đoạn trước. Một cách khác để thể hiện điều này là chúng ta viết lại phương trình (19.18) như sau: Phương trình này cho thấy rằng giá trị của thu nhập thường xuyên tại thời điểm t là một bình quân gia quyền của giá trị thu nhập thực tại thời điểm t và giá trị kỳ vọng của nó ở giai đoạn trước, với các trọng số lần lượt là và (1 - ). Thay phương trình (19.19) vào phương trình (19.8), sau một số tính toán thích hợp, chúng ta có được mô hình sau đây: Trong lý thuyết, mô hình (19.20) được gọi là mô hình kỳ vọng thích nghi (adaptive expectations model) và gọi là hệ số kỳ vọng (coefficient of expectations). Mô hình (19.20) cũng được biết như một mô hình trạng thái động (dynamic model) bởi vì nó thể hiện chi tiêu cho tiêu dùng hiện tại như một hàm của thu nhập được quan sát hoặc thu nhập hiện tại và giá trị trễ của chi tiêu cho tiêu dùng hiện tại. Điều thú vị như thế nào là với sự hỗ trợ của một mô hình trạng tháng động, chúng ta có thể loại bỏ được biến không thể quan sát được, X * t. Vì không có có bữa trưa miễn phí, nên khi đơn giản hóa giả thuyết thu nhập thường xuyên, 16

17 chúng ta tạo ra một số vấn đề về ước lượng. Thứ nhất, Yt là ngẫu nhiên, nên Yt 1 cũng ngẫu nhiên. Vì thế, chúng ta có một biến giải thích ngẫu nhiên ở vế phải của phương trình (19.20). Ngoài ra, hạng nhiễu vt có khả năng tương quan chuỗi, vì nó là một kết hợp tuyến tính của hạng nhiễu gốc, ui. Chúng ta có thể thấy rằng: và chúng ta cũng có Như chúng ta thấy trước đây, nếu một biến giải thích có tương quan với hạng nhiễu, thì các ước lượng OLS không những bị chệch mà còn không nhất quán, bất kể cỡ mẫu là bao nhiêu. Tóm lại, trong tất cả bốn trường hợp chúng ta đã xem xét, có một khả năng rất lớn là (các) biến giải thích không những là (các) biến ngẫu nhiên mà còn tương quan với hạng nhiễu. Vì thế, các ước lượng OLS bị chệch và cũng không nhất quán. Điều này cho thấy rằng hoặc là chúng ta bỏ OLS hoặc chúng ta tìm (các) phương pháp khác thích hợp mà nó sẽ cho chúng ta các ước lượng ít nhất là nhất quán. Một trong số những phương pháp như thế đã được đề xuất phổ biến trong lý thuyết là phương pháp biến công cụ. Bây giờ chúng ta thảo luận phương pháp này Phương pháp biến công cụ Vấn đề chính khi sử dụng OLS trong các mô hình hồi quy có chứa một hoặc nhiều biến giải thích có tương quan với hạng nhiễu là các ước lượng OLS bị 17

18 chệch và không nhất quán. Liệu chúng ta có thể tìm ra thay thế hoặc các biến đại diện cho các biến giải thích bị nghi ngờ sao cho các biến đại diện cho chúng ta các ước lượng nhất quán của các hệ số hồi quy thực (của tổng thể)? Nếu chúng ta có thể làm điều đó một cách thành công, thì các biến như thế được gọi là các biến công cụ (instrumental variables) hoặc gọi đơn giản là các công cụ (instruments). Làm sao chúng ta tìm được các công cụ như thế? Làm sao chúng ta biết chúng là các công cụ tốt? Có những cách chính thức nào để biết liệu rằng công cụ được chọn thực sự là một công cụ tốt? Để trả lời những câu hỏi này, chúng ta hãy bắt đầu với hồi quy tuyến tính đơn giản được cho trong phương trình (19.2). Giả sử rằng trong hồi quy này biến giải thích X là ngẫu nhiên và có tương quan với hạng nhiễu u. Giả sử rằng một biến Z là một công cụ ứng cử cho X. Để là một công cụ hợp lý, Z phải thỏa mãn các tiêu chí sau đây: 1. Sự phù hợp của công cụ (instrument relevance): Nghĩa là, Z phải tương quan, dương hoặc âm, với biến ngẫu nhiên mà nó đóng vai trò như một công cụ, tứ biến X trong trường hợp hiện tại. Mức độ tương quan càng mạnh giữa hai biến, thì công cụ càng tốt. Ký hiệu như sau: 2. Tính ngoại sinh của công cụ (instrument exogeneity): Z phải không được tương quan với hạng nhiễu u. Nghĩa là, 3. Không phải là một biến giải thích nào trong mô hình: Nghĩa là nó không thuộc mô hình gốc. Nếu nó thuộc mô hình gốc, thì mô hình gốc phải bị xác định sai. 18

19 Trước khi chúng ta đi tiếp, có lẽ nên lưu ý rằng nếu chúng ta có một hồi quy bội với nhiều biến giải thích và một số trong các biến giải thích đó có tương quan với hạng nhiễu, thì chúng ta phải tìm một công cụ cho mỗi biến giải thích ngẫu nhiên. Nói cách khác, phải có ít nhất số công cụ bằng với số biến giải thích ngẫu nhiên trong mô hình. Nhưng chúng ta sẽ phải nói nhiều hơn về vấn đề này sau. Như bạn có thể thấy, tất cả các điều kiện này có thể khó mà thỏa mãn cùng lúc. Vì thế, không dễ tìm các công cụ tốt trong mỗi ứng dụng. Đó là lý do tại sao đôi khi ý tưởng về các biến công cụ nghe hơi hão huyền, mặc dù có nhiều ví dụ về các công cụ thành công 14. Như một ví dụ về một ví dụ thú vị nhưng hơi đáng ngờ về áp dụng biến công cụ, Caroline Hoxby muốn tìm hiểu mối quan hệ giữa thành tích của sinh viên và sự cạnh tranh của trường học. Cô đã ước lượng hồi quy sau đây: Nghi ngờ rằng biến giải thích là ngẫu nhiên, nên cô đã sử dụng số các dòng suối (number of streams) trong khu học chánh như một công cụ cho số khu học chánh (number of school districts), vì cô quan sát thấy rằng các vùng có nhiều khu học chánh cũng có nhiều con suối; có lẽ các con suối tạo nên các ranh giới tự nhiên cho các khu học chánh 15. Ước lượng bằng phương pháp công cụ thực hiện như thế nào? Câu trả lời như sau đây. 14 Ví dụ, xem Jonathan Klick and Alexander Tabarrok, Using terror alert levels to estimate the effect of police on crime, Journal of Law and Economics, University of Chicago, vol. 48, 2005, pp Caroline M. Hocby, Does competition among public schools benefit students and taxpayers?, American Economic Review, 2000, vol. 90, pp

20 Ước lượng bằng phương pháp biến công cụ Để thấy IV thực hiện như thế nào, chúng ta sẽ tiếp tục với hồi quy hai biến. Như chúng ta biết ước lượng OLS của B2 trong phương trình (19.2) như sau: Bây giờ chúng ta sử dụng Z như một công cụ cho X trong phương trình (19.2) và có được: Cảnh báo: Không phải chỉ thay zi cho xi trong công thức về b2 được cho ở trên và lưu ý cẩn thận rằng mẫu số bây giờ có cả các số hạn z và x. Bây giờ lưu ý rằng Yi = B1 + B2Xi + ui, và vì thế Bạn có thể thấy sự tương tự giữa các ước lượng OLS và IV. Dĩ nhiên, nếu Z = X, thì ước lượng IV trùng với ước lượng OLS. Ước lượng của hệ số cắt B1, theo công thức thông thường như sau: 20

21 Trong công thức này, khác biệt duy nhất so với ước lượng OLS thông thường của B1 là chúng ta sử dụng hệ số dốc được ước lượng từ ước lượng IV. Vì chúng ta đang giả định rằng trong tổng thể cov(z, u) = 0, nên lấy giới hạn xác suất của phương trình (19.27) chúng ta có thể thấy rằng 16 : Nghĩa là, ước lượng IV của B2 là ước lượng nhất quán (xem Bài tập 19.4). Nhưng cũng nên nói thêm rằng trong các mẫu xác định hoặc mẫu nhỏ thì ước lượng này bị chệch. Mặc dù b IV 2 là một ước lượng nhất quán của B2, nhưng trong các mẫu nhỏ thì nó bị chệch. Hơn nữa, chúng ta có thể thấy rằng trong các mẫu lớn thì ước lượng IV có phân phối như sau: Lưu ý rằng phương sai của ước lượng IV có liên quan với hệ số tương quan (tổng thể) bình phương giữa X và công cụ Z của nó. Nói bằng lời, trong các mẫu lớn thì ước lượng theo phương pháp biến công cụ b IV 2 theo phân phối chuẩn với trung bình bằng với giá trị tổng thể của nó và phương sai được cho như công thức ở trên. Trái lại, ước lượng OLS thông thường có phương sai như sau: 16 Chúng ta sẽ lấy giới hạn xác suất bởi vì số hạng thứ hai trong phương trình (19.27) liên quan đến các đại lượng của mẫu và không phải các đại lượng của tổng thể. 21

22 Vì 0 < 2 XZ < 1, nên phương sai của ước lượng IV sẽ lớn hơn phương sai của ước lượng OLS, đặc biệt nếu 2 XZ nhỏ. [Diễn giải: Nghĩa là Z là một biến công cụ ít phù hợp, ít tương quan với biến giải thích ngẫu nhiên X]. Nói cách khác, ước lượng IV ít hiệu quả hơn ước lượng OLS. Nếu 2 XZ nhỏ thì điều đó cho biết rằng Z là một công cụ yếu (weak instrument) của X. Trái lại, nếu 2 XZ lớn thì điều đó cho biết rằng Z là một công cụ mạnh (strong instrument) của X. Để có ý tưởng về mức độ chênh lệch bao xa giữa phương sai của ước lượng IV và ước lượng OLS, giả sử rằng zx = 0.2. Trong trường hợp này, phương sai của ước lượng IV lớn gấp 25 lần phương sai của ước lượng OLS. Nếu zx = 0.1, thì nó lớn gấp 100 lần. Trong trường hợp đặc biệt nhất, nếu zx = 0, thì phương sai của ước lượng IV lớn vô cùng. Dĩ nhiên, nếu zx = 1, thì hai phương sai bằng nhau, điều này là một cách khác để nói rằng biến X là công cụ của chính nó. Lưu ý rằng, trong thực tế chúng ta ước lượng zx bằng bản sao mẫu (sample counterpart) của nó, rzx. Chúng ta có thể sử dụng phương sai của ước lượng IV được cho trong phương trình (19.30) để thiết lập các khoảng tin cậy và kiểm định các giả thuyết, giả định rằng cỡ mẫu của chúng ta là lớn một cách hợp lý. Nhưng lưu ý rằng phương sai của ước lượng IV là phương sai thay đổi 17. Vì thế, chúng ta sẽ phải sử dụng các sai số chuẩn hiệu chỉnh phương sai thay đổi của White. Nhưng các phần mềm hiện đại có thể dễ dàng cho chúng ta các sai số chuẩn cải thiện bằng chỉ dẫn lệnh thích hợp. 17 Điều này là đúng đối với mô hình đơn giản được xem xét ở đây. Đối với các mô hình có nhiều biến giải thích, thì công thức của phương sai và hiệp phương sai thì phức tạp, bạn đọc có thể tìm hiểu trong các tài liệu tham khảo. 22

23 [ Một điểm thú vị cần lưu ý về thảo luận ở trên là khi có được các giá trị ước lượng nhất quán thông qua phương pháp IV, chúng ta phải trả giá cho các khoảng tin cậy lớn hơn bởi vì phương sai của các ước lượng IV lớn hơn, đặc biệt là nếu công cụ được chọn là một đại diện yếu cho biến giải thích gốc. Một lần nữa, không có một bữa trưa miễn phí! 19.5 Mô phỏng Monte Carlo của IV Để thấy OLS có thể bóp méo các kết quả như thế nào trong các trường hợp (các) biến giải thích có tương quan với hạng nhiễu, Cameron và Trivedi đã thực hiện một thí nghiệm phân tích mô phỏng Monte Carlo 18. Họ giả định như sau: Nói bằng lời, hệ số dốc thực trong hồi quy của Yi theo Xi được giả định là đã biết và bằng 0.5. Hơn nữa, biến giải thích Xi bằng biến công cụ Zi và hạng nhiễu vi. Các tác giả giả định rằng Zi theo phân phối chuẩn với trung bình bằng 2 và phương sai bằng 1. Các hạng nhiễu cũng theo phân phối chuẩn, mỗi hạng nhiễu có trung bình bằng 0 và phương sai bằng 1, và hệ số tương quan giữa các hạng nhiễu được giả định bằng 0.8. Với cấu trúc này, họ tạo ra một cỡ mẫu quan sát và thu được kết quả sau đây: 18 A. Colin Cameron and Pravin K. Trivedi, Microeconometrics, op cit., pp

24 Lưu ý: Các con số trong ngoặc là các sai số chuẩn cải thiện, nghĩa là, các sai số chuẩn đã điều chỉnh phương sai thay đổi. Các kết quả này cho thấy như sau. Thứ nhất, mô hình đúng được cho trong phương trình (19.32) không có hệ số cắt, nhưng kết quả OLS cho thấy rằng giá trị của nó là và có ý nghĩa thống kê (t = /0.014 = ). Thứ hai, giá trị ước lượng OLS của hệ số dốc là 0.902, trong khi đó giá trị thực của độ dốc là 0.5. Trái lại, các giá trị ước lượng IV rất gần với các giá trị thực; hệ số cắt không khác 0 một cách có ý nghĩa thống kê và hệ số độ dốc là 0.51 gần giống với hệ số thực của độ dốc là 0.5. Tuy nhiên, lưu ý rằng các sai số chuẩn của các giá trị IV lớn hơn các sai số chuẩn của OLS, một điểm đã được đề cập ở trên. Thí nghiệm Monte Carlo của Cameron và Trivedi cho thấy ước lượng OLS có thể bóp méo các kết quả thực đáng kể như thế nào. Một lưu ý về các thí nghiệm Monte carlo: Trong các thí nghiệm như thế, chúng ta giả định rằng một mô hình đúng và tạo ra nhiều tập dữ liệu giả để từ đó cho ra nhiều tập hợp các giá trị ước lượng của tham số; từ các giá trị ước lượng này chúng ta thu được phân phối mẫu để biết được chúng phù hợp như thế nào với các phương pháp cạnh tranh để ước lượng các quan số mà chúng ta quan tâm Về một cách trình bằng đồ thị và các chi tiết khác của thủ tục này, xem Peter Hennedy, A Guide to Econometrics, 6 th edn, Blackwell Publishing, 2008, pp

25 Hướng dẫn Stata: clear set obs gen obs = _n set seed drawnorm u, n(10000) means(0) sds(1) gen v = 0.8*u drawnorm z, n(10000) means(2) sds(1) gen x = z + v gen y = 0.5*x + u reg y x, robust ivregress 2sls y (x = z), robust 25

26 19.6 Một vài ví dụ minh họa Trước khi chúng ta tiến hành một ví dụ bằng số mở rộng về ước lượng IV, chúng ta hãy xem một vài ví dụ áp dụng IV. Ảnh hưởng của cảnh sát lên tội phạm bằng cách sử dụng mức độ cảnh báo khủng bố Trong Bảng 19.2, chúng ta đã thấy rằng ảnh hưởng của cảnh sát (được thể hiện bằng chi tiêu cho lực lượng cảnh sát) có quan hệ dương với tỷ lệ tội phạm, điều trái ngược với cảm nhận trực giác. Chúng ta đã đặt ra một khả năng rằng kết quả này có thể là do chệch vì tính đồng thời (simultaneity bias). Để đánh giá tác động của cảnh sát lên tội phạm, Jonathan Klick và Alexander Tabarrok đã sử dụng một biến công cụ thú vị để tránh vấn đề chệch vì tính đồng thời 20. Công cụ mà họ sử dụng là mức độ cảnh báo (alert level) được tiến hành bởi Bộ An ninh Nội địa Hoa Kỳ (Department of Homeland Security, DHS) sau vụ khủng 20 Xem Klick and Tabarrok, op cit. 26

27 bố 9/11. Các mức độ cảnh báo này là thấp (màu xanh lá cây, green), an toàn (màu xanh da trời, blue), mà vàng (đang lên cao, elevated), màu cam (cao, high), và màu đỏ (nghiêm trọng). Giả thuyết của họ là mức tội phạm giảm trong những ngày cảnh báo cao ở thủ đô Washington (DC) bởi vì gia tăng sự hiện diện của cảnh sát trên các đường phố. Dựa trên số liệu của 506 ngày (12/3/2002 đến 30/7/2003), trong suốt giai đoạn này có vụ phạm tội (trung bình có 110 vụ/ngày), trước hết họ chạy hồi quy tổng số vụ phạm tội theo ngày ở DC theo mức cảnh báo (phương trình 1) và sau đó theo mức độ cảnh báo và log của số lượt khác sử dụng phương tiện giao thông công cộng vào buổi trưa (mid-day public transport ridership) (phương trình 2) như được trình bày trong Bảng Bảng 19.3: Tội phạm ở những ngày có mức cảnh báo cao. Lưu ý: Cảnh báo (alert) là một biến giả nhận giá trị bằng 1 vào những ngày có cảnh báo cao và bằng 0 vào những ngày có cảnh báo đang lên cao (elevated). Các tác giả cũng đưa các biến giả thể hiện những ngày trong tuần để kiểm soát các ảnh hưởng theo ngày, nhưng các hệ số này không được báo cáo. * và ** lần lượt là ký hiệu các mức ý nghĩa 5% và 1%. Như phương trình (1) cho thấy, có một sự suy giảm trung bình khoảng 7 vụ trên ngày, và ảnh hưởng này có ý nghĩa thống kê. Trong phương trình (2) họ đưa biến log của số lượt khách vào buổi trưa như một biến đại diện cho du lịch. Đưa 27

28 thêm biến này vào, tổng số vụ phạm tội giảm còn khoảng 6 vụ trên ngày, một sự khác biệt không lớn so với ảnh hưởng trong phương trình (1). Ảnh hưởng dương của hệ số log của số lượt khách cho thấy rằng 10% tăng trong số lượt khách tăng tổng số phạm tội trung bình khoảng 1.7 vụ trên ngày, không đủ mạnh để cần đến sự hiện diện đông đúc của cảnh sát vào những ngày có cảnh báo cao 21. Bạn đọc được khuyên nên đọc bài báo này để biết thêm chi tiết. Nhưng điểm cần lưu ý là đôi khi người ta có thể tìm ra các biến đại diện có ý nghĩa để giải quyết (các) vấn đề do các biến giải thích ngẫu nhiên tạo ra. Giả thuyết thu nhập thường xuyên (PIH) Khi thảo luận giả thuyết thu nhập thường xuyên của Friedman trước đây, chúng ta thấy rằng nếu hồi quy PCE theo DPI hiện tại thay cho thu nhập thường xuyên, chúng ta có thể thu được các giá trị ước lượng bị chệch của khuynh hướng tiêu dùng biên bởi vì các sai sót do đo lường, và sự chệch này không giảm ngay cả nếu chúng ta tăng cỡ mẫu lên vô cùng. Khó khăn ở đây là chúng ta không biết làm thế nào để đo lường thu nhập thường xuyên. Một phương pháp để có được một thước đo về thu nhập thường xuyên là lấy bình quân gia quyền của các thu nhập trong quá khứ qua một giai đoạn nhất định và lấy giá trị bình quân đó như một thước đo (thô) của thu nhập thường xuyên. Lý thuyết thì có rất nhiều thảo luận về PIH trong nhiều hình thức khác nhau và các vấn đề đo lường thu nhập thường xuyên 22. Ví dụ, Fumo Hiyashi sử dụng các biến trễ chẳng hạn như biến trễ của xuất khẩu bình quân đầu người và biến 21 Nhớ lại thảo luận của chúng ta về mô hình lin-log ở chương 2. Nhân hệ số với 0.01, ta được Vì thế một sự gia tăng 10% trong số lượt khách dẫn đến một sự gia tăng khoảng 1.7 lần trong tỷ lệ tội phạm. 22 Một khảo sát về các sai sót đo lường trong dữ liệu điều tra, xem J. Bound, C. Brown, and N. Kathiowetz, Measurement errors in survey data trong J. J. hackman and E. E. Leamer (eds.), Handbook of Econometrics, vol. V., Amsterdam, North Holland, 2001, pp

29 trễ của chi tiêu của chính phủ bình quân đầu người như các công cụ cho thu nhập thường xuyên, vì ông ta lập luận rằng các biến này có tương quan với thu nhập thường xuyên của người tiêu dùng 23. Bản thân Friedman đã ước lượng thu nhập thường xuyên như một trung bình trượt (moving average) của thu nhập hiện tại và thu nhập quá khứ với trọng số giảm theo số mũ, giới hạn độ trễ tới 17 giai đoạn. Nhưng với mô hình kỳ vọng thích nghi của Cagan, được thảo luận trước đây, thì không nhất thiết phải giới hạn độ trễ một cách tùy tiện. [Diễn giải: Đây chính là một dạng của phương pháp san mũ giản đơn]. Chi tiết về chiến lược cũng như các chi tiết về mô hình của Cagan có thể được tìm thấy trong các tài liệu tham khảo 24 (cũng có thể xem Bài tập 19.5). Chi tiêu cho thực thi luật và tỷ lệ tội phạm Để minh họa vấn đề về tính đồng thời, Barreto và Howland đã xem xét mô hình sau đây (các ký hiệu có thay đổi so với mô hình gốc) 25. Trong đó: Gini là hệ số Gini, một thước đo bất bình đẳng thu nhập. Hệ số này nằm giữa 0 (bình đẳng hoàn toàn) và 1 (bất bình đẳng hoàn toàn: một người sở 23 Xem Fumio Hayashi, The permanent income hypothesis: estimation and testing by instrumental variables, Journal of Political Economy, vol. 90, no. 5, 1982, pp Xem Kenneth F. Wallis, Topics in Applied Econometrics, 2 nd edn, University of Minnesota Press, 1980, Chapter 1; Gujarati/Porter, op cit., Chapter Humberto Barreto and Frank M. Howland, Introductory Econometrics: Using Monte Carlo Simulation with Microsoft Excel. Cambridge University Press, New York, 2006, Chapter

30 hữu tất cả thu nhập). Hệ số này càng gần 0, bình đẳng về thu nhập càng lớn. Trái lại, hệ số này càng gần 1, bất bình đẳng về thu nhập càng lớn. Trong phương trình (19.36), B3 được kỳ vọng mang dấu dương bởi vì bất bình đẳng về thu nhập lớn hơn cho biết tỷ lệ tội phạm cao hơn, khi các yếu tố khác được giữ nguyên không đổi. Nhưng lưu ý rằng không có lý do hợp lý để kỳ vọng rằng Gini thuộc phương trình (19.35). Chúng ta có thể xem Gini như một biến ngoại sinh, được quyết định bên ngoài hệ thống, và vì thế chúng ta không kỳ vọng nó có tương quan với hạng nhiễu, u2i. Nhưng điều này không đúng với hai biến khác, vì chúng phụ thuộc lẫn nhau. Nếu chúng ta giải phương trình (19.35) và (19.36) đồng thời, xử lý Gini như biến ngoại sinh (một loại công cụ), chúng ta có: Trong đó các hệ số trong các phương trình này là các kết hợp (phi tuyến) của các hệ số trong các phương trình (19.35) và (19.36). Cũng như thế, các hạng nhiễu trong các phương trình này là các kết hợp (phi tuyến) của các hạng nhiễu trong các phương trình (19.35) và (19.36). Các phương trình (19.37) và (19.38) được gọi là các phương trình dạng rút gọn (reduced form equations) theo ngôn ngữ của các mô hình phương trình đồng thời 26. So với các phương trình dạng rút gọn, các phương trình (19.35) và (19.36) được gọi là các phương trình cấu trúc (structural equations). Trong các phương trình dạng rút gọn, chỉ có các biến ngoại sinh hoặc biến đã được xác định trước (chẳng hạn như các biến trễ của biến nội sinh và biến trễ của biến ngoại sinh) xuất hiện ở vế phải của các phương trình. 26 Một thảo luận chi tiết về các phương trình đồng thời, xem Gujarati/Porter, op cit., Chapters 18, 19, and 20. Như đã lưu ý ở đâu đó, chủ đề này không còn phổ biến như đã từng ở những năm 1960 và

31 Các hệ số của các phương trình dạng rút gọn được gọi là các hệ số dạng rút gọn (reduced form coefficients), trong khi đó các hệ số trong các phương trình cấu trúc được gọi là các hệ số cấu trúc (structural coefficients). Chúng ta có thể ước lượng các phương trình dạng rút gọn bằng OLS. Một khi các hệ số dạng rút gọn được ước lượng, chúng ta có thể ước lượng một hoặc tất cả các hệ số cấu trúc. Nếu chúng ta có thể ước lượng tất cả các hệ số cấu trúc từ các hệ số dạng rút gọn, chúng ta nói rằng các phương trình cấu trúc được nhận dạng (identified); nghĩa là, chúng ta có thể có được các giá trị ước lượng duy nhất của các hệ số cấu trúc. Nếu điều này là không thể thực hiện được cho một hoặc hơn một phương trình cấu trúc, chúng ta nói rằng (các) phương trình là không được nhận dạng (unidentified). Nếu chúng ta có được hơn một giá trị ước lượng cho một hoặc hơn một tham số của một phương trình cấu trúc, thì chúng ta nói rằng phương trình được nhận dạng quá mức (overidentified). Cũng cần lưu ý rằng phương pháp dùng để có được các hệ số cấu trúc từ các hệ số dạng rút gọn được gọi là phương pháp bình phương bé nhất gián tiếp (indirect least squared) trước hết chúng ta ước lượng các hệ số dạng rút gọn và sau đó cố gắng suy ra các hệ số cấu trúc. Tóm lại, chúng ta sẽ thảo luận phương pháp bình phương bé nhất hai bước (2SLS two-stage least squares) và cho thấy nó hỗ trợ tìm ra các biến công cụ như thế nào. 31

32 19.7 Một ví dụ bằng số: Tiền lương và việc tham gia giáo dục của thanh thiếu niên ở Mỹ Khảo sát thanh thiếu niên trên cả nước của Mỹ năm 1979 (NLSY1979) là một khảo sát lặp lại cho một mẫu mang tính đại diện trên phạm vi cả nước đối với các thanh thiếu niên nam và nữ lứa tuổi từ 14 đến 21 trong năm Từ năm 1979 đến 1994, cuộc khảo sát được thực hiện hàng năm, nhưng từ đó trở đi nó được tiến hành hai năm một lần. Lúc đầu, mẫu dữ liệu gốc bao gồm nam và 3108 nữ. Tập dữ liệu chéo NLSY được hình thành từ 22 tập con, mỗi tập con bao gồm một mẫu 540 quan sát (270 nam và 270 nữ) được rút ngẫu nhiên 27. Dữ liệu được thu thập về nhiều điều kiện kinh tế - xã hội và khá bao quát. Các loại chính của dữ liệu được thu thập liên quan đến giới tính, dân tộc, tuổi, số năm đi học, bằng cấp cao nhất, tình trạng hôn nhân, niềm tin, gia cảnh (giáo dục của cha, mẹ và số con cái), nơi sống, thu nhập từ tiền lương (earnings), số giờ làm việc, số năm kinh nghiệm, loại công việc (chính phủ, tư nhân, tự kinh doanh), và vùng miền (trung bắc, đông bắc, nam, và tây). Chúng ta sẽ sử dụng một số dữ liệu này của năm 2002 (một tập con của mẫu mang số 12) để xây dựng một hàm tiền lương. Theo cách truyền thống được thiết lập bởi Jacob Mincer, chúng ta xem xét hàm tiền lương sau đây 28 : 27 Dữ liệu được sử dụng ở đây có thể được lấy từ Một số dữ liệu có thể được tải miễn phí và dữ liệu đầy đủ có thể đặt mua được. 28 Jacob Mincer, Schooling, Experience, and Earnings, Columbia University Press, Cũng xem thêm James J. Hickman, Lance J. Lochner and Petra E. Todd, Fifty Years of Mincer Earnings Function, National Bureau of Economic Research, Working Paper, No. 9732, Mar

33 Trong đó, lnearn = log của tiền lương theo giờ tính bằng đôla, S = số năm đi học (lớp cao nhất hoàn thành vào năm 2002), Wexp = tổng số năm kinh nghiệm làm việc ngoài giờ học tính trong đợt phỏng vấn năm 2002, Gender = 1 cho nữ và bằng 0 cho nam, Ethblack = 1 cho người da đen, Ethhis = 1 cho người Hispanic; người không phải da đen và không phải Hispanic là phân loại tham chiếu. Như bạn có thể thấy, một số biến là biến định lượng và một số biến là biến giả. Theo tiên nghiệm, dựa trên các bằng chứng thực nghiệm, chúng ta kỳ vọng B2 > 0, B3 > 0, B4 < 0, B5 < 0, và B6 < 0. Đối với mục đích của chương này, mối quan tâm của chúng ta là biến giáo dục S trong mô hình ở trên. Nếu năng lực (bẩm sinh) và giáo dục có tương quan, thì đáng lẽ chúng ta nên đưa cả hai biến vào mô hình. Tuy nhiên, biến về năng lực thì rất khó đo lường một cách trực tiếp. Vì thế, nó có thể được cộng gộp trong hạng nhiễu. Nhưng trong trường hợp đó thì biến giáo dục có thể tương quan với hạng nhiễu, do đó làm cho biến giáo dục là một biến giải thích nội sinh hoặc biến giải thích ngẫu nhiên. Từ thảo luận của chúng ta về các hậu quả của (các) biến giải thích ngẫu nhiên, thì dường như rằng nếu chúng ta ước lượng phương trình (19.39) bằng OLS thì hệ số của S sẽ bị chệch và cũng không nhất quán. Điều này là bởi vì chúng ta không thể biết tác động thực của giáo dục lên tiền lương mà không loại trừ được ảnh hưởng của năng lực. Đương nhiên, chúng ta sẽ muốn tìm một hoặc các công cụ thích hợp cho số năm đi học sao cho chúng ta có thể có được giá trị ước lượng nhất quán của hệ số của nó. Trước khi chúng ta đi tìm (các) công cụ, chúng ta hãy ước lượng phương trình (19.39) bằng OLS cho các mục đích so sánh. Sử dụng Stata 10, kết quả hồi quy được trình bày trong Bảng

34 Bảng 19.4: Hàm tiền tương, của Mỹ, tập dữ liệu năm Tất cả các hệ số ước lượng có dấu đúng với kỳ vọng và dưới các giả định cổ điển thì tất cả các hệ số đều có ý nghĩa thống kê cao, ngoại lệ duy nhất là hệ số biến giả của Hispanics. Các kết quả này cho thấy rằng so với các công nhân nam, thì các công nhân nữ trung bình kiếm ít hơn các đồng nghiệp nam của họ, khi các yếu tố khác được giữ nguyên. Tiền lương trung bình của các công nhân da màu thấp hơn so với công nhân không phải da màu và không phải người Hispanics (tức phân loại cơ sở), khi các yếu tố khác được giữ nguyên. Về mặt định tính, thì dấu của hệ số Hispanic là âm, nhưng hệ số này không có ý nghĩa thống kê. Lưu ý rằng mô hình hồi quy dạng log-lin, nên chúng ta phải giải thích các hệ số của các biến định lượng và định tính (tức biến giả) một cách cẩn thận (xem chương 2 về các dạng hàm). Đối với các biến định lượng, số năm đi học và số năm kinh nghiệm làm việc, thì các hệ số ước lượng thể hiện các hệ số bán co 34

35 giãn. Vì thế, nếu số năm đi học tăng thêm một năm, thì tiền lương theo giờ trung bình tăng thêm khoảng 13%, khi các yếu tố khác được giữ nguyên. Tương tự, khi kinh nghiệm tăng thêm một năm, thì tiền lương theo giờ trung bình tăng thêm khoảng 3.2%, khi các yếu tố khác được giữ nguyên. Để có hệ số bán con giãn của một biến giả, trước hết chúng ta lấy anti-log [tức exp(hệ số)] hệ số của biến giả, lấy 1 trừ cho anti-log, và nhân phần chênh lệch cho 100%. {Tức là [1 - exp(hệ số)]100%, hoặc chúng ta có thể làm ngược lại [exp(hệ số) 1]100%}. Theo thủ tục này, đối với hệ số biến giả của nữ, chúng ta có được một giá trị khoảng , điều này cho thấy các công nhân nữ trung bình kiếm được ít hơn khoảng 26% so với các công nam. Hệ số bán co giãn cho các công nhân da đen và Hispanic lần lượt là khoảng 0.81 và Điều này cho biết rằng các công nhân da đen và Hispanic trung bình kiếm được ít hơn phân loại cơ sở khoảng 19% và 10%, mặc dù hệ số bán co giãn của Hispanics là không khác một các có ý nghĩa thống kê so với phân loại cơ sở. Như chúng ta đã thảo luận, vì biến giáo dục không nhất thiết tính đến năng lực, nên nó có thể tương quan với hạng nhiễu, vì thế làm cho nó là một biến giải thích ngẫu nhiên. Nếu chúng ta tìm được một công cụ thích hợp, chúng ta có thể sử dụng nó và ước lượng hàm tiền lương theo phương pháp IV. Câu hỏi là cái gì có thể là một công cụ hợp lý? Câu hỏi này khó mà trả lời một cách dứt khoát. Điều mà chúng ta có thể làm là thử một hoặc nhiều biến đại diện và so sánh kết quả OLS được cho trong Bảng 19.4 và xem các kết quả OLS bị chệch xa như thế nào, nếu có. Trong dữ liệu, chúng ta có thông tin về giáo dục của cha và mẹ (được đo bằng số năm đi học), số con cái, và điểm thi ASVAB (kiến thức từ vựng) và điểm thi toán (khả năng suy luận số học). Khi chọn một biến đại diện hoặc nhiều biến đại diện, chúng ta phải nhớ rằng các đại diện như thế phải không được tương quan với hạng nhiễu và phải tương 35

36 quan (có lẽ cao) với (các) biến giải thích ngẫu nhiên và không phải là một ứng viên như các biến giải thích trong trường hợp sau, mô hình được sử dụng trong phân tích sẽ vướng phải lỗi sai dạng mô hình. Không phải luôn luôn dễ dàng để hoàn thành các mục tiêu trọn vẹn này trong mỗi trường hợp. Vì thế, chúng ta thường sử dụng cách thử và sai, được hỗ trợ bằng phán đoán hoặc cảm nhận về chủ đề đang được xem xét. Tuy nhiên, có các kiểm định chẩn đoán có thể cho chúng ta biết (các) biến đại diện được chọn có thích hợp hay không. Chúng ta sẽ sớm xem xét các kiểm định này. Dữ liệu cho các thông tin về số năm đi học chủa mẹ (Sm), mà chúng ta sẽ sử dụng để làm công cụ cho số năm đi học của người tham gia khảo sát. Ý tưởng ở đây là S và Sm có tương quan với nhau, một giả định hợp lý. Vì dữ liệu của chúng ta cho thấy hệ số tương quan giữa hai biến này là khoảng 0.4. Chúng ta phải giả định rằng Sm không tương quan với hạng nhiễu. Chúng ta cũng giả định rằng Sm không thuộc hàm tiền lương của người tham gia, điều này dường như hợp lý. Bây giờ chúng ta tạm chấp nhận sự thích hợp của Sm như một công cụ, nó sẽ được kiểm định sau khi chúng ta trình bày chi tiết về ước lượng IV. Để sử dụng Sm như công cụ cho S và ước lượng hàm tiền lương, chúng ta tiến hành hai bước: Bước 1: Chúng ta hồi quy biến nghi ngờ là nội sinh (S) theo công cụ được chọn (Sm) và các biến giải thích khác trong mô hình gốc và thu được giá trị ước lượng của S từ hồi quy này; gọi là S-hat. Bước 2: Sau đó chúng ta chạy hồi quy hàm tiền lương theo các biến giải thích được đưa vào mô hình gốc nhưng thay thế biến giáo dục bằng giá trị ước lượng của nó từ hồi quy ở bước 1. 36

37 Phương pháp ước lượng các tham số của mô hình đang được quan tâm theo cách này được gọi một cách thích hợp là phương pháp bình phương bé nhất hai bước (two-stage least squares 2SLS), vì chúng ta áp dụng OLS hai lần. Vì thế, phương pháp IV cũng được gọi là 2SLS. Bảng 19.5: Bước 1 của 2SLS với Sm là công cụ. Chúng ta hãy minh họa phương pháp này (Bảng 19.5). Sử dụng giá trị ước lượng S-hat từ hồi quy này, chúng ta thu được hồi quy bước hai 2SLS (Bảng 19.6). 37

38 Bảng 19.6: Bước 2 của 2SLS của hàm tiền lương. Lưu ý rằng trong hàm tiền lương (dạng log) này, không giống như kết quả đã được trình bày trong Bảng 19.4, chúng ta sử dụng S-hat (được ước lượng từ giai đoạn 1 của 2SLS) thay vì S như biến giải thích. Tuy nhiên, các sai số chuẩn được trình bày trong Bảng 19.6 là không đúng bởi vì chúng được dựa trên ước lượng không đúng của phương sai của hạng nhiễu, ui. Công thức để điều chỉnh cho đúng các sai số chuẩn ước lượng thì hơi phức tạp. Vì thế tốt hơn là nên sử dụng phần mềm như Stata hoặc Eviews, các phần mềm này không những điều chỉnh các sai số chuẩn mà còn cho chúng ta các giá trị ước lượng mà không cần phải đi qua thủ tục hai bước rờm rà. 38

39 Để làm điều này, chúng ta có thể sử dụng lệnh ivreg (instrumental variable regression) của Stata. Sử dụng lệnh này, chúng ta có được kết quả được trình bày trong Bảng Bảng 19.7: Các giá trị ước lượng một bước của hàm tiền lương (với các sai số chuẩn cải thiện) Quan sát thấy rằng các hệ số ước lượng trong hai bảng ở trên là giống nhau, nhưng các sai số chuẩn thì khác nhau. Như đã được chỉ ra, chúng ta nên dựa vào các sai số chuẩn được trình bày trong Bảng Cũng nên lưu ý rằng với lệnh ivreg chúng ta chỉ cần một bảng, thay vì hai bảng, như trường hợp áp dụng máy móc (học vẹt, rote) của 2SLS. 39

40 19.8 Kiểm định giả thuyết với ước lượng IV Chúng ta đã ước lượng hàm tiền lương bằng phương pháp IV, chúng ta kiểm định các giả thuyết về một hệ số hồi quy riêng lẻ (giống như kiểm định t trong CLRM) và các giả thuyết về nhiều hệ số hồi quy đồng thời (giống như kiểm định F trong CLRM) như thế nào? Bây giờ, giả định rằng công cụ mà chúng ta đã chọn (Sm) là công cụ thích hợp cho số năm đi học, mặc dù chúng ta sẽ đưa ra một kiểm định để xem điều này có thực sự đúng hay không ở phần sau. Như Davidson và MacKinnon lưu ý, Bởi vì các phân phối mẫu xác định của các ước lượng IV hầu như không biết được, các kiểm định chính xác của các giả thuyết dựa trên các ước lượng như thế hầu như không bao giờ có sẵn 29. Tuy nhiên, trong các mẫu lớn chúng ta có thể thấy ước lượng IV có phân phối xấp xỉ chuẩn với trung bình và phương sai như đã thấy trong phương trình (19.30). Vì thế, thay vì sử dụng kiểm định t chuẩn, chúng ta sử dụng kiểm định z (tức là phân phối chuẩn tắc standard normal distribution) như được thấy trong Bảng Các giá trị z trong bảng này tất cả đều có ý nghĩa thống kê cao, trừ hệ số của Hispanic. Để kiểm định giả thuyết đồng thời cho hai hay nhiều hệ số, thay vì sử dụng kiểm định F cổ điển chúng ta sử dụng kiểm định Wald, đây là một kiểm định cho mẫu lớn. Thống kê Wald theo phân phối Chi bình phương với số bậc tự do bằng với số biến giải thích được ước lượng: 5 trong Bảng Giả thuyết Ho, như kiểm định F thông thường, là tất cả các hệ số của biến giải thích đồng thời bằng 0, nghĩa là, không có biến giải thích nào có bất kỳ mối quan hệ nào với (log) tiền lương. Trong ví dụ của chúng ta, giá trị Chi bình phương là khoảng 138 và xác suất để có được giá trị Chi bình phương như thế hoặc lớn hơn thực tế bằng Davidson and MacKinnon, op cit., pp

41 Nói cách khác, tất cả các biến giải thích cùng có tác động quan trọng lên tiền lương theo giờ. Một cảnh báo về việc sử dụng R 2 trong ước lượng IV Mặc dù chúng ta đã trình bày R 2 đối với hồi quy IV được cho trong hai bảng ở trên, nhưng nó không có cùng cách giải thích như trong mô hình hồi quy tuyến tính cổ điển và đôi khi nó thực sự có thể âm. Vì thế R 2 được báo cáo trong các hồi quy IV nên được xem xét theo kiểu nửa tin nửa ngờ 30. Kiểm định chẩn đoán Sau khi đã trình bày các vấn đề cơ bản của ước lượng IV, bây giờ chúng ta xem xét một số câu hỏi liên quan đến phương pháp luận về IV. Bởi vì tầm quan trọng của nó trong thực tế, nên chúng ta thảo luận các câu hỏi này theo trình tự. A. Làm sao chúng ta biết một biến giải thích thực sự là biến ngoại sinh? B. Làm sao chúng ta biết một công cụ là yếu hay mạnh? C. Điều gì xảy ra nếu chúng ta đưa nhiều công cụ cho một biến giải thích ngẫu nhiên? Và làm sao chúng ta kiểm định sự phù hợp của tất cả các công cụ? D. Chúng ta ước lượng một mô hình như thế nào khi có nhiều hơn một biến giải thích ngẫu nhiên? Trong phần tiếp theo chúng ta sẽ trả lời trình tự các câu hỏi này Kiểm định tính nội sinh của một biến giải thích Chúng ta tiếp tục với giả định rằng S trong ví dụ của chúng ta là biến nội sinh. Nhưng chúng ta có thể kiểm định giả định này một cách rõ ràng bằng cách sử 30 Hệ số xác định được tính toán theo cách thông thường là R 2 = 1 RSS/TSS, nhưng trong ước lượng IV thì RSS có thể lớn hơn TSS, nên R 2 có thể âm. 41

42 dụng một trong các biến thể của kiểm định Hausman. Kiểm định này tương đối đơn giản, và bao gồm hai bước: Bước 1: Chúng ta hồi quy biến nội sinh S theo tất cả các biến giải thích (không ngẫu nhiên) trong hàm tiền lương cộng với (các) biến công cụ và thu được phần dư từ hồi quy này; gọi là S-hat. Bước 2: Sau đó chúng ta hồi quy log(earnings) theo tất cả các biến giải thích, kể cả biến giải thích ngẫu nhiên S và phần dư thu được từ bước 1. Nếu trong hồi quy này, giá trị t của biến phần dư có ý nghĩa thống kê, thì chúng ta kết luận rằng S là một biến nội sinh hay một biến ngẫu nhiên. Nếu không phải như thế, thì không cần ước lượng IV, vì trong trường hợp đó S cũng chính là công cụ của nó. Trở lại với ví dụ của chúng ta, chúng ta có được các kết quả trong Bảng Các kết quả của hồi quy bước thứ hai được trình bày trong Bảng Vì hệ số của shat không có ý nghĩa thống kê nên dường như số năm đi học không phải là biến nội sinh. Nhưng chúng ta không nên xem các kết quả này theo giá trị bề ngoài bởi vì chúng ta có dữ liệu chéo và hiện tượng phương sai thay đổi là một vấn đề thường gặp trong dữ liệu như thế. Vì thế, chúng ta cần tìm sai số chuẩn hiệu chỉnh phương sai thay đổi, chẳng hạn như các sai số chuẩn HAC đã được thảo luận ở chương về phương sai thay đổi. Chúng ta có thể sử dụng lệnh về sai số chuẩn cải thiện trong Stata để có được các sai số chuẩn điều chỉnh phương sai thay đổi, kết quả này được trình bày trong Bảng Bây giờ hệ số của biến shat có y` nghĩa thống kê, ở mức ý nghĩa khoảng 8%, điều này chỉ ra rằng giáo dục (số năm đi học) dường như là một biến nội sinh. 42

43 Bảng 19.8: Kiểm định Hausman về tính nội sinh của biến số năm đi học: kết quả bước 1. Bảng 19. 9: Kiểm định Hausman về tính nội sinh của biến số năm đi học: kết quả bước 2. 43

44 Bảng 19.10: kiểm định Hausman về tính nội sinh với các sai số cải thiệ, Làm sao chúng ta biết một công cụ là yếu hay mạnh Nếu một công cụ được sử dụng trong phân tích là yếu theo cách mà nó có quan hệ kém với biến giải thích ngẫu nhiên mà nó làm công cụ, thì ước lượng IV có thể bị chệch một nghiêm trọng và phân phối mẫu của nó không xấp xỉ chuẩn, thậm chí trong các mẫu lớn. Vì thế, các sai số chuẩn IV và các khoảng tin cậy dựa vào chúng (tức là các sai số chuẩn) mắc sai lầm đáng kể, điều này dẫn đến các kiểm định giả thuyết không thể tin cậy. Để biết tại sao điều này là nghiêm trọng, hãy xem phương trình (19.30). Nếu xz trong phương trình này bằng 0, thì phương sai cửa ước lượng IV là vô cùng. Nếu xz không thực sự bằng 0, nhưng rất thấp (trường hợp một công cụ yếu), thì ước lượng IV không theo phân phối chuẩn, thậm chí trong các mẫu lớn. Nhưng trong một trường hợp nhất định thì làm sao chúng ta quyết định được một công cụ là yếu hay không? Trong trường hợp chỉ có một biến giải thích nội sinh thì quy tắc thực nghiệm cho chúng ta biết rằng một thống kê F thấp hơn 10 trong bước 1 của kiểm định 44

45 Hausman cho chúng ta biết công cụ được chọn là một công cụ yếu. Nếu thống kê F lớn hơn 10, thì có thể đó không phải là một công cụ yếu 31. Trong trường hợp một biến giải thích (ngẫu nhiên) duy nhất, quy tắc này chuyển thành một giá trị t bằng khoảng 3.2 bởi vì mối quan hệ giữa các thống kê F và t, đó là F1,k = t 2 k, trong đó thống kê F có mộ bậc tự do ở tử số và k bậc tự do ở mẫu số. Theo thang điểm đó, trong ví dụ của chúng ta Sm (số năm đi học của mẹ) dường như là một công cụ mạnh cho S bởi vì giá trị của thống kê F trong bước 1 của thủ tục hai bước là khoảng 35, con số này lớn hơn giá trị ngưởng bằng 10. Nhưng quy tắc này, giống như hầu hết các quy tắc thực nghiệm khác, không nên được sử dụng một cách mù quán Trường hợp nhiều biến công cụ Vì có nhiều biến công cụ cạnh tranh, giáo dục có thể tương quan với nhiều hơn một biến công cụ. Để cho phép khả năng này, chúng ta có thể đưa nhiều hơn một công cụ trong hồi quy IV. Điều này thường được thực hiện với sự hỗ trợ của 2SLS mà chúng ta vừa mới thảo luận. Bước 1: Chúng ta hồi quy biến bị nghi ngờ (ngoại sinh) theo tất cả các công cụ, và thu được giá trị ước lượng của biến giải thích này. [Hình như phải có cả các biến giải thích phi ngẫu nhiên khác trong mô hình gốc nữa mới đúng?]. Bước 2: Sau đó chúng ta chạy hồi quy hàm tiền lương theo các biến giải thích được đưa vào mô hình gốc nhưng thay thế biến giáo dục bằng giá trị ước lượng của nó từ hồi quy ở bước Tại sao 10? Một câu trả lời hơi thiên về mặt kỹ thuật cho trường hợp này có thể được tìm thấy trong James H. Stock and Mark W. Watson, Introduction to Econometrics, 2 nd edn, Pearson/Addison Wesley, Boston, 2007, p Nếu thống kê F lớn hơn 10, nó cho thấy rằng sự chệch trong mẫu nhỏ của giá trị ước lượng IV là ít hơn 10% sự chệch của OLS. Nhớ rằng trong các trường hợp (các) biến giải thích ngẫu nhiên, thì OLS bị chệch cả trong mẫu nhỏ và mẫu lớn. 45

46 Chúng ta có thể thay thế thủ tục hai bước này bằng một bước duy nhất nhờ sử dụng lệnh ivreg trên Stata bằng cách đưa nhiều công cụ đồng thời, như ví dụ sau đây thể hiện. Bảng 19.11: Hàm tiền lương với nhiều biến công cụ. Đối với hồi quy tiền lương của chúng ta, ngoài giáo dục của mẹ (Sm), chúng ta có thể đưa thêm số năm đi học của cha (Sf), và số anh chị em (number of siblings) như các biến công cụ trong hồi quy tiền lương theo giáo dục (S), giới tính (female = 1), số năm kinh nghiệm làm việc (wexp), dân tộc (các biến giả cho người da đen và người Hispanics). Bước 1: Hồi quy biến số năm đi học (S) theo tất cả các biến giải thích (phi ngẫu nhiên) trong mô hình gốc và các biến công cụ. Từ mô hình này chúng ta thu được giá trị ước lượng của S, ví dụ ký hiệu là S. Bước 2: Bây giờ chúng ta hồi quy tiền lương theo gender, wexp, các biến giả về dân tộc, và S, biến cuối cùng này được ước lượng từ bước 1. 46

47 [[ Xem Bảng So với trường hợp một công cụ duy nhất trong Bảng 19.7, khi chúng ta đưa nhiều công cụ vào, hệ số của S (giáo dục) tăng lên chút ít, nhưng nó vẫn có ý nghĩa thống kê cao hơn so với hồi quy OLS. Nhưng lưu ý một lần nữa rằng sai số chuẩn tương đối của hệ số này cũng cao hơn so với hệ số tương ứng bằng OLS của nó, điều này lại nhắc nhỡ chúng ta rằng các ước lượng IV có thể kém hiệu quả. Kiểm định sự phù hợp của các công cụ đưa thêm (dôi ra) Từ đầu chúng ta đã phát biểu rằng số công cụ ít nhất phải bằng với số biến giải thích ngẫu nhiên. Vì thế, về mặt kỹ thuật đối với hồi quy hàm tiền lương của chúng ta thì một công cụ sẽ đủ, như trong Bảng 19.7 chúng ta sử dụng Sm (giáo dục của mẹ) như một biến công cụ. Trong Bảng 19.11, chúng ta có 3 biến công cụ, nhiều hơn hai công cụ so với mức tối thiểu tuyệt đối. Làm sao chúng ta biết rằng chúng phù hợp theo nghĩa chúng có tương quan với biến giáo dục nhưng không có tương quan với hạng nhiễu? Theo thuật ngữ đơn giản, chúng có phù hợp hay không? Trước khi đưa ra câu trả lời cho câu hỏi này, điều đáng đề cập như sau: 1. Nếu số biến công cụ (I) bằng số biến giải thích nội sinh, K, thì chúng ta nói rằng các hệ số hồi quy được nhận dạng chính xác (exactly identified), nghĩa là, chúng ta có thể có được các giá trị ước lượng duy nhất của chúng. 2. Nếu số biến công cụ (I) lớn hơn số biến giải thích nội sinh, K, thì các hệ số hồi quy được nhận dạng quá mức (overidentified), trong trường hợp này chúng ta có thể có được hơn một giá trị ước lượng của một hoặc hơn một biến giải thích. 47

48 3. Nếu số biến công cụ (I) nhỏ hơn số biến giải thích nội sinh, K, thì các hệ số hồi quy được nhận dạng dưới mức (underidentified), nghĩa là, chúng ta không thể có được các giá trị duy nhất của các hệ số hồi quy 32. Trong ví dụ hiện tại, nếu chúng ta sử dụng 3 biến công cụ (Sm, Sf, và siblings), chúng ta phải có hai công cụ dôi ra (extra or surplus instruments). Làm sao chúng ta biết được sự phù hợp của biến công cụ dôi ra? Chúng ta có thể tiến hành như sau 33 : 1. Thu được các giá trị ước lượng IV của các hệ số hồi quy hàm tiền lương bao gồm tất cả các biến giải thích (ngoại sinh) trong mô hình cộng với tất cả các biến công cụ, 3 biến trong trường hợp hiện tại. 2. Thu được phần dư từ hồi quy này; gọi là Res. 3. Hồi quy Res theo tất cả các biến giải thích gốc, kể cả các biến công cụ, và thu được giá trị R 2 từ hồi quy này. 4. Nhân giá trị R 2 thu được từ bước 3 với cỡ mẫu (n = 540). Nghĩa là, có được nr 2. Nếu tất cả các công cụ dôi ra là phù hợp, chúng ta có thể thấy rằng nr 2 ~ 2 m, nghĩa là nr 2 theo phân phối Chi bình phương với m bậc tự do, trong đó m là số công cụ dôi ra; 2 trong trường hợp của chúng ta. 5. Nếu giá trị Chi bình phương ước lượng lớn hơn giá trị Chi bình phương phê phán, ví dụ ở mức ý nghĩa 5%, thì chúng ta kết luận rằng ít nhất một công cụ dôi ra là không phù hợp. Chúng ta đã trình bày các giá trị ước lượng IV của hồi quy tiền lương bao gồm 3 biến công cụ trong Bảng Từ hồi quy này, chúng ta có được hồi quy sau đây như bước 3 ở trên. Kết quả này được trình bày trong Bảng Chủ đề nhận dạng (identification) thường được thảo luận trong ngữ cảnh các mô hình hồi quy đồng thời. Để biết thêm chi tiết, xem Gujarati/Porter, op cit., Chapters 18, 19, and Thảo luận này dựa theo R. Carter Hill, William E. Griffiths and Guay C. Lim, Principles of Econometrics, 3 rd edn, John Wiley & Sons, New York, 2008, pp

49 Chúng ta không cần lo lắng về các hệ số của bảng này. Đối tượng quan trọng ở đây là R 2, bằng Nhân giá trị này với cỡ mẫu n = 540, chúng ta có nr 2 = Giá trị Chi bình phương ở mức ý nghĩa 1% cho 2 bậc tự do là khoảng Vì thế giá trị Chi bình phương tính toán có ý nghĩa thống kê cao, điều này cho chúng ta biết rằng ít nhất có một công cụ dôi ra là không phù hợp. Chúng ta có thể loại bỏ hai trong ba công cụ này, vì chúng ta chỉ cần một công cụ để nhận dạng (tức ước lượng) các tham số. Dĩ nhiên, loại bỏ các công cụ không phải là một ý tưởng hay. Có các thủ tục trong lý thuyết sử dụng WLS để có được các giá trị ước lượng IV nhất quán. Chúng tôi để bạn độc tự khám phá về vấn đề này trong các tài liệu tham khảo (xem giáo trình của Stock và Watson để tìm hiểu thêm chi tiết). Bảng 19.12: Kiểm định các công cụ dôi ra. 49

50 19.12 Hồi quy với nhiều hơn một biến giải thích nội sinh Cho đến giờ chúng ta chỉ tập trung vào một biến giải thích nội sinh duy nhất. Chúng ta giải quyết một tình huống có hai hoặc nhiều hơn các biến giải thích ngẫu nhiên như thế nào? Giả sử trong hồi quy tiền lương của chúng ta, chúng ta nghĩ rằng biến giải thích kinh nghiệm làm việc (wexp) cũng là một biến ngẫu nhiên. Bây giờ chúng ta có hai biến giải thích ngẫu nhiên, giáo dục (S) và wexp. Chúng ta cũng sử dụng phương pháp 2SLS để giải quyết trường hợp này. Cũng như chỉ cần một biến công cụ (Sm) là đủ để nhận dạng tác động của giáo dục lên tiền lương, chúng ta cần một công cụ khác cho wexp. Chúng ta có một biến, age, trong dữ liệu của mình. Vì thế chúng ta có thể sử dụng biến age để đại diện cho wexp. Chúng ta có thể xử lý age như một biến ngoại sinh thực sự. Để ước lượng hồi quy tiền lương với hai biến giải thích ngẫu nhiên, chúng ta tiến hành như sau: Bước 1: Chúng ta hồi quy mỗi biến giải thích nội sinh theo tất cả các biến ngoại sinh vàc thu được các giá trị ước lượng của các biến giải thích (nội sinh này). Bước 2: Chúng ta ước lượng hàm tiền lương sử dụng tất cả các biến ngoại sinh và các giá trị ước lượng của các biến giải thích nội sinh từ bước 1. Thực sự, chúng ta không phải đi qua thủ tục hai bước này, vì các phần mềm như Stata có thể làm điều này trong một bước. Các kết quả được trình bày trong Bảng Hồi quy này cho thấy rằng suất sinh lợi từ giáo dục đối với một năm tăng thêm là khoảng 13.4%, khi các yếu tố khác được giữ nguyên. Từng biến giải thích female và ethblack có ý nghĩa thống kê cao, cũng như trước đây, nhưng biến kinh nghiệm làm việc không có ý nghĩa thống kê. 50

51 Bảng 19.13: Ước lượng IV với hai biến giải thích nội sinh. Chúng ta đã lập luận rằng ước lượng IV sẽ cho các giá trị ước lượng nhất quán trong trường hợp một biến giải thích có sai số đo lường nghiêm trọng, mặc dù các giá trị ước lượng thu được là không hiệu quả. Nhưng nếu không có các sai số đo lường, thì các giá trị OLS và IV đều nhất quán, trong trường hợp này chúng ta nên chọn OLS bởi vì nó hiệu quả hơn. Vì thế chúng ta cần biết các công cụ được chọn cho vấn đề đang được xem xét có phù hợp hay không. Một kiểm định được phát triển bởi Durbin, Wu, và Hausman (DWH), nhưng được biết phổ biến là kiểm định Hausman, là một kiểm định được sử dụng trong kinh tế lượng ứng dụng để kiểm định sự phù hợp của các công cụ Xem Jerry Hausman, Specification tests in econometrics, Econometrica, vol. 46, no. 6, 1978, pp ; James Durbin, Errors in variables, Review of the International Statistical Institute, vol. 22, no. 1, 1954, pp , and Wu, De-Min, Alternative tests of independence between stochastic regressors and disturbances, Econometrica, vol. 41, no. 4, 1073, Cũng có thể xem, A. Nakamura and M. Nakamura, On the relationship among several specification error tests presented by Durbin, Wu, and hausman, Econometrica, vol. 49, November, 1981, pp

52 Mặc dù toán học của kiểm định thì phức tạp, nhưng ý tưởng cơ bản đằng sau kiểm định DWH thì khá đơn giản. Chúng ta so sánh sự khác biệt giữa các hệ số OLS và IV của tất cả các biến trong mô hình, và thu được m = (b OLS - b IV ). Dưới giả thuyết Ho: m = 0, chúng ta có thể thấy rằng m theo phân phối Chi bình phương với số bậc tự do bằng với số hệ số được so sánh. Nếu m bằng 0, thì điều đó cho biết rằng biến giải thích (ngẫu nhiên) không có tương quan với hạng nhiễu và chúng ta có thể sử dụng OLS thay vì IV, bởi vì các ước lượng OLS hiệu quả hơn. Kết quả của kiểm định DWH với Stata được trình bày trong Bảng Trong bảng này, cột (b) cho biết các giá trị ước lượng của mô hình theo IV (earniv) và cột (B) cho biết các giá trị ước lượng thu được từ OLS (earnols). Cột kế tiếp cho biết chênh lệch giữa hai nhóm các hệ số (m) và cột cuối cùng cho biết sai số chuẩn của khác biệt giữa hai giá trị ước lượng. Chúng ta không bác bỏ giả thuyết Ho rằng các giá trị ước lượng theo OLS và IV là giống nhau về mặt thống kê, vì xác suất để có được một giá trị Chi bình phương bằng hoặc lớn hơn 1.63 là khoảng 98%. Trong trường hợp này, chúng ta nên chọn các ước lượng OLS, vì chúng hiệu quả hơn so với các ước lượng IV. Mặc dù chúng ta không xem xét tất cả dữ liệu trong Table 9.2, dựa trên mô hình được xem xét ở đây, nhưng dường như rằng biến giáo dục (S) có thể không tương quan với hạng nhiễu. Nhưng bạn đọc được khuyên nên thử các mô hình khác từ dữ liệu được cho trong Table 19.2 để xem chúng có đưa ra một kết luận khác với kết luận ở trên hay không. 52

53 Bảng 19.14: Kiểm định DWH về sự phù hợp của công cụ cho hàm tiền lương. Hướng dẫn Stata: clear use "D:\My Blog\Econometrics by example\table19_2.dta" ivregress 2sls lnearnings female wexp ethblack ethhisp asvab02 (s = sm sf siblings) estimates store earniv reg lnearnings s female wexp ethblack ethhisp asvab02 estimates store earnols hausman earniv earnols, constant 53

Lâm sàng thống kê Ước tính khoảng tin cậy 95% cho một biến số đã hoán chuyển sang đơn vị logarít

Lâm sàng thống kê Ước tính khoảng tin cậy 95% cho một biến số đã hoán chuyển sang đơn vị logarít Lâm sàng thống kê Ước tính khoảng tin cậy 95% cho một biến số đã hoán chuyển sang đơn vị logarít Hỏi: Nhiều biến số lâm sàng không tuân theo luật phân phối Gaussian, do đó cách tính khoảng tin cậy 95%

More information

10/1/2012. Hạch toán Thu nhập Quốc dân

10/1/2012. Hạch toán Thu nhập Quốc dân Hạch toán Thu nhập Quốc dân 2012 1 2 3 Nội dung 1. Sản lượng quốc gia - tâm điểm KTH vĩ mô? 2. Sản lượng quốc gia - đo lường? 3. Mức giá chung và tỷ lệ lạm phát đo lường? 4. Trao đổi sản lượng giữa các

More information

PHÂN TÍCH THỐNG KÊ SỬ DỤNG EXCEL

PHÂN TÍCH THỐNG KÊ SỬ DỤNG EXCEL PHÂN TÍCH THỐNG KÊ SỬ DỤNG EXCEL Nguyễn Ngọc Anh Nguyễn Đình Chúc Đoàn Quang Hưng Copyright 2008 DEPOCEN Development and Policies Research Center (DEPOCEN) Page 1 PHÂN TÍCH THỐNG KÊ SỬ DỤNG EXCEL Tác giả

More information

HƯỚNG DẪN THỰC HÀNH TRÊN EVIEW 6.0. Hi vọng rằng phần HƯỚNG DẪN THỰC HÀNH TRÊN EVIEW 6.0 sẽ là một tài liệu tham khảo bổ ích cho các bạn!

HƯỚNG DẪN THỰC HÀNH TRÊN EVIEW 6.0. Hi vọng rằng phần HƯỚNG DẪN THỰC HÀNH TRÊN EVIEW 6.0 sẽ là một tài liệu tham khảo bổ ích cho các bạn! HƯỚNG DẪN THỰC HÀNH TRÊN EVIEW 6.0 Để tiện lợi cho việc thực hành và theo dõi, chúng tôi sử dụng xuyên suốt một chuỗi dữ liệu thời gian là chuỗi CLOSE chuỗi giá đóng cửa (close) của Vnindex với 1047 quan

More information

Tác dụng codeine của tác dụng thuốc Efferalgan Codein thuốc Thuốc tác dụng thuốc codein tác dụng tác dụng tác dụng thước Efferalgan codein dụng tác

Tác dụng codeine của tác dụng thuốc Efferalgan Codein thuốc Thuốc tác dụng thuốc codein tác dụng tác dụng tác dụng thước Efferalgan codein dụng tác MowerPartsZone.com just announced the opening of their retail store at 7130 Oak Ridge Highway in Knoxville, TN. They are located in the former location of Tác dụng phụ: - Phản ướng do codeine: táo bón,

More information

Bộ ba bất khả thi. Impossible Trinity

Bộ ba bất khả thi. Impossible Trinity Bộ ba bất khả thi Impossible Trinity Mundell Fleming Model Professor Robert Mundell The 1999 Nobel Prize Winner "for his analysis of monetary and fiscal policy under different exchange rate regimes and

More information

POWER POINT 2010 GIÁO TRÌNH

POWER POINT 2010 GIÁO TRÌNH GIÁO TRÌNH POWER POINT 2010 Mọi thông tin xin liên hệ: - Trung tâm tin học thực hành VT - ĐC: Nhà số 2 - ngõ 41/27 Phố Vọng - HBT - HN. - ĐT: 0913.505.024 - Email: daytinhoc.net@gmail.com - Website: daytinhoc.net

More information

XÁC ĐỊNH HÀM LƯỢNG CÁC BON TRONG CÁC BỘ PHẬN CÂY LUỒNG (Dendrocalamus barbatus Hsueh.et.E.Z.Li)

XÁC ĐỊNH HÀM LƯỢNG CÁC BON TRONG CÁC BỘ PHẬN CÂY LUỒNG (Dendrocalamus barbatus Hsueh.et.E.Z.Li) XÁC ĐỊNH HÀM LƯỢNG CÁC BON TRONG CÁC BỘ PHẬN CÂY LUỒNG (Dendrocalamus barbatus Hsueh.et.E.Z.Li) Lê Xuân Trường, Nguyễn Đức Hải, Nguyễn Thị Điệp TS. Trường Đại học Lâm nghiệp Trung tâm Khuyến nông Quốc

More information

ĐÁNH GIÁ CHẤT LƯỢNG DỊCH VỤ ĐIỂM ĐẾN DU LỊCH VĂN HÓA TỈNH BẠC LIÊU

ĐÁNH GIÁ CHẤT LƯỢNG DỊCH VỤ ĐIỂM ĐẾN DU LỊCH VĂN HÓA TỈNH BẠC LIÊU ĐÁNH GIÁ CHẤT LƯỢNG DỊCH VỤ ĐIỂM ĐẾN DU LỊCH VĂN HÓA TỈNH BẠC LIÊU Bùi Văn Trịnh 1 và Nguyễn Văn Đậm 2 1 Nhà xuất bản, Trường Đại học Cần Thơ 2 Khoa Kinh tế, Trường Đại học Cần Thơ Thông tin chung: Ngày

More information

Các phương pháp định lượng Bài đọc. Chương trình Giảng dạy Kinh tế Fulbright Nin khĩa

Các phương pháp định lượng Bài đọc. Chương trình Giảng dạy Kinh tế Fulbright Nin khĩa Nin khĩa 2011-2013 Phần III CÁC CHỦ ĐỀ TRONG KINH TẾ LƯỢNG Trong Phần I ta đã giới thiệu mô hình hồi quy tuyến tính cổ điển với tất cả các giả thiết của nó. Trong Phần II, ta xem xét chi tiết các hậu quả

More information

Năm 2015 A E. Chứng minh. Cách 1.

Năm 2015 A E. Chứng minh. Cách 1. ài toán về các hình vuông dựng ra ngoài một tam giác guyễn Văn inh ăm 2015 húng ta bắt đầu từ một bài toán khá quen thuộc. ài 1. ho tam giác. Dựng ra ngoài tam giác các tam giác và lần lượt vuông cân tại

More information

Đo lường các hoạt động kinh tế

Đo lường các hoạt động kinh tế Đo lường các hoạt động kinh tế 2017 1 2 Nguồn : VEPR 3 Nội dung 1. Sản lượng quốc gia - tâm điểm KTH vĩ mô? 2. Sản lượng quốc gia - đo lường? 3. Mức giá chung và tỷ lệ lạm phát đo lường? 4. Trao đổi sản

More information

Cách tiếp cận quốc gia về các biện pháp đảm bảo an toàn: Hướng dẫn cho chương trình REDD+ quốc gia

Cách tiếp cận quốc gia về các biện pháp đảm bảo an toàn: Hướng dẫn cho chương trình REDD+ quốc gia Cách tiếp cận quốc gia về các biện pháp đảm bảo an toàn: Hướng dẫn cho chương trình REDD+ quốc gia Daniela Rey & Steve Swan Tháng 7, 2014 Mục lục Lời cảm ơn Lời tựa Các từ viết tắt Danh mục các hộp, hình

More information

Chương 14. Đồng liên kết và mô hình hiệu chỉnh sai số

Chương 14. Đồng liên kết và mô hình hiệu chỉnh sai số Chương 14 Đồng liên kết và mô hình hiệu chỉnh sai số Domadar N. Gujarati (Econometrics by example, 2011). Người dịch và diễn giải: Phùng Thanh Bình, MB (13/10/2017) Trong chương trước chúng ta nói rằng

More information

VAI TRÒ LÀM GIẢM TÁC ĐỘNG CỦA DÒNG CHẢY, SÓNG DO RỪNG NGẬP MẶN Ở KHU VỰC VEN BỜ BÀNG LA- ĐẠI HỢP (HẢI PHÒNG)

VAI TRÒ LÀM GIẢM TÁC ĐỘNG CỦA DÒNG CHẢY, SÓNG DO RỪNG NGẬP MẶN Ở KHU VỰC VEN BỜ BÀNG LA- ĐẠI HỢP (HẢI PHÒNG) 126 Hội nghị Khoa học và Công nghệ biển toàn quốc lần thứ V VAI TRÒ LÀM GIẢM TÁC ĐỘNG CỦA DÒNG CHẢY, SÓNG DO RỪNG NGẬP MẶN Ở KHU VỰC VEN BỜ BÀNG LA- ĐẠI HỢP (HẢI PHÒNG) Vũ Duy Vĩnh, Trần Anh Tú, Trần Đức

More information

Thực hành có sự tham gia đầy đủ của các bên liên quan. Hướng dẫn cho các thử nghiệm y sinh học dự phòng HIV

Thực hành có sự tham gia đầy đủ của các bên liên quan. Hướng dẫn cho các thử nghiệm y sinh học dự phòng HIV Thực hành có sự tham gia đầy đủ của các bên liên quan Hướng dẫn cho các thử nghiệm y sinh học dự phòng HIV 2011 UNAIDS / JC1853E (phiên bản thứ hai, tháng 6 năm 2011) Chương trình Phối hợp Liên hợp quốc

More information

Mô phỏng vận hành liên hồ chứa sông Ba mùa lũ bằng mô hình HEC-RESSIM

Mô phỏng vận hành liên hồ chứa sông Ba mùa lũ bằng mô hình HEC-RESSIM Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ 27, Số 3S (2011) 32-38 Mô phỏng vận hành liên hồ chứa sông Ba mùa lũ bằng mô hình HEC-RESSIM Nguyễn Hữu Khải 1, *, Lê Thị Huệ 2 1 Khoa Khí tượng

More information

ĐẶC ĐIỂM SINH TRƯỞNG VÀ SỬ DỤNG THỨC ĂN CỦA GÀ RỪNG (Gallus gallus Linnaeus, 1758) TRONG ĐIỀU KIỆN NUÔI NHỐT

ĐẶC ĐIỂM SINH TRƯỞNG VÀ SỬ DỤNG THỨC ĂN CỦA GÀ RỪNG (Gallus gallus Linnaeus, 1758) TRONG ĐIỀU KIỆN NUÔI NHỐT ĐẶC ĐIỂM SINH TRƯỞNG VÀ SỬ DỤNG THỨC ĂN CỦA GÀ RỪNG (Gallus gallus Linnaeus, 1758) TRONG ĐIỀU KIỆN NUÔI NHỐT Nguyễn Chí Thành 1, Vũ Tiến Thịnh 2 1 Trường Đại học Nông Lâm Bắc Giang 2 Trường Đại học Lâm

More information

Thay đổi cuộc chơi: Impact 360 TM Ghi âm cho truyền thông IP & Tối ưu hóa Nhân lực (WFO) Stephen Abraham Loh Presenter

Thay đổi cuộc chơi: Impact 360 TM Ghi âm cho truyền thông IP & Tối ưu hóa Nhân lực (WFO) Stephen Abraham Loh Presenter Thay đổi cuộc chơi: Impact 360 TM Ghi âm cho truyền thông IP & Tối ưu hóa Nhân lực (WFO) Stephen Abraham Loh Presenter Email: sloh@witness.com Chương trình Ghi âm tương tác Lý do và cách thức Truyền thông

More information

The Magic of Flowers.

The Magic of Flowers. Co phâ n chuyê n ngư sang tiê ng viêt, mơ i baṇ ke o xuô ng đo c tiê p The Magic of Flowers. My love for roses made me want to have a flower garden. I didn t know anything about gardening, but I have a

More information

ĐÁNH GIÁ PROFILE VẬN TỐC GIÓ THEO CÁC TIÊU CHUẨN CỦA MỘT SỐ NƯỚC

ĐÁNH GIÁ PROFILE VẬN TỐC GIÓ THEO CÁC TIÊU CHUẨN CỦA MỘT SỐ NƯỚC ĐÁNH GIÁ PROFILE VẬN TỐC GIÓ THEO CÁC TIÊU CHUẨN CỦA MỘT SỐ NƯỚC TS. VŨ THÀNH TRUNG Viện KHCN Xây dựng KS. NGUYỄN QUỲNH HOA Công ty Aurecon Tóm tắt: Đối với nghiên cứu về gió, sự hiểu biết chính xác về

More information

Ghi chú. Công ty TNHH MTV Dầu khí TP.HCM. 27 Nguyễn Thông, Phường 7, quận 3, TP.HCM. SP Saigon Petro

Ghi chú. Công ty TNHH MTV Dầu khí TP.HCM. 27 Nguyễn Thông, Phường 7, quận 3, TP.HCM. SP Saigon Petro DANH SÁCH Thương nhân kinh doanh đầu mối LPG được chấp thuận đăng ký hệ thống phân phối trên địa bàn thành phố Hồ Chí Minh (Đến ngày 22/7/2014) Nhãn hàng hóa, thương Stt đầu mối trụ sở chính hiệu đăng

More information

TIẾN TỚI XÂY DỰNG HỆ THỐNG MÔ HÌNH DỰ BÁO VÀ KIỂM SOÁT MÔI TRƯỜNG BIỂN ĐÔNG

TIẾN TỚI XÂY DỰNG HỆ THỐNG MÔ HÌNH DỰ BÁO VÀ KIỂM SOÁT MÔI TRƯỜNG BIỂN ĐÔNG TIẾN TỚI XÂY DỰNG HỆ THỐNG MÔ HÌNH DỰ BÁO VÀ KIỂM SOÁT MÔI TRƯỜNG BIỂN ĐÔNG Đinh Văn Ưu Trung tâm Động lực học Thủy khí Môi trường (CEFD), Đại học Quốc gia Hà Nội, 334 Nguyễn Trãi, Hà Nội, Việt Nam ĐT:

More information

CHẤN ĐOÁN, ĐIỀU TRỊ CHẤN THƯƠNG BỤNG KÍN TẠI BỆNH VIỆN QUÂN Y 103 TRONG GIAI ĐOẠN

CHẤN ĐOÁN, ĐIỀU TRỊ CHẤN THƯƠNG BỤNG KÍN TẠI BỆNH VIỆN QUÂN Y 103 TRONG GIAI ĐOẠN CHẤN ĐOÁN, ĐIỀU TRỊ CHẤN THƯƠNG BỤNG KÍN TẠI BỆNH VIỆN QUÂN Y 103 TRONG GIAI ĐOẠN 2013-2018 TÓM TẮT Đặng Việt Dũng*; Nguyễn Văn Tiệp* Nguyễn Trọng Hòe*; Hồ Chí Thanh* Mục tiêu: nghiên cứu đặc điểm tổn

More information

Các Phương Pháp Phân Tích Định Lượng

Các Phương Pháp Phân Tích Định Lượng Chương Trình Giảng Dạy Kinh tế Fulbright Học kỳ Thu năm 013 Các Phương Pháp Phân Tích Định Lượng Gợi ý giải bài tập 8 HỒI QUY ĐA BIẾN Ngày Phát: Thứ ba 3/1/013 Ngày Nộp: Thứ ba 7/1/013 Bản in nộp lúc 8h0

More information

The Hoi An Declaration on Urban Heritage Conservation and Development in Asia 2017

The Hoi An Declaration on Urban Heritage Conservation and Development in Asia 2017 The Hoi An Declaration on Urban Heritage Conservation and Development in Asia 2017 Meeting in Hoi An, Viet Nam, from the 13 th to the 14 th of June 2017, to participate in the International Conference

More information

Giải pháp cơ sở hạ tầng dành cho Điện toán Đám mây và Ảo hóa

Giải pháp cơ sở hạ tầng dành cho Điện toán Đám mây và Ảo hóa Giải pháp cơ sở hạ tầng dành cho Điện toán Đám mây và Ảo hóa Lựa chọn một Chiến lược về Mật độ Triển khai một Môi trường Mật độ cao Tối đa hóa những Lợi ích về Hiệu suất Hình dung về Trung tâm Dữ liệu

More information

HỢP TÁC QUỐC TẾ TRONG LĨNH VỰC DẦU KHÍ CỦA TỔNG CÔNG TY CỔ PHẦN KHOAN VÀ DỊCH VỤ KHOAN DẦU KHÍ ( )

HỢP TÁC QUỐC TẾ TRONG LĨNH VỰC DẦU KHÍ CỦA TỔNG CÔNG TY CỔ PHẦN KHOAN VÀ DỊCH VỤ KHOAN DẦU KHÍ ( ) ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC XÃ HỘI VÀ NHÂN VĂN ------------------------------------- NGUYỄN MẠNH HÙNG HỢP TÁC QUỐC TẾ TRONG LĨNH VỰC DẦU KHÍ CỦA TỔNG CÔNG TY CỔ PHẦN KHOAN VÀ DỊCH VỤ

More information

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DƯỢC HÀ NỘI

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DƯỢC HÀ NỘI 1 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC DƯỢC HÀ NỘI BỘ Y TẾ VŨ THỊ THU HƯƠNG ĐÁNH GIÁ HOẠT ĐỘNG CỦA HỘI ĐỒNG THUỐC VÀ ĐIỀU TRỊ TRONG XÂY DỰNG VÀ THỰC HIỆN DANH MỤC THUỐC TẠI MỘT SỐ BỆNH VIỆN ĐA KHOA LUẬN

More information

TỶ SỐ GIỚI TÍNH KHI SINH Ở VIỆT NAM: CÁC BẰNG CHỨNG MỚI VỀ THỰC TRẠNG, XU HƯỚNG VÀ NHỮNG KHÁC BIỆT

TỶ SỐ GIỚI TÍNH KHI SINH Ở VIỆT NAM: CÁC BẰNG CHỨNG MỚI VỀ THỰC TRẠNG, XU HƯỚNG VÀ NHỮNG KHÁC BIỆT BỘ KẾ HOẠCH VÀ ĐẦU TƯ TỔNG CỤC THỐNG KÊ TỔNG ĐIỀU TRA DÂN SỐ VÀ NHÀ Ở VIỆT NAM 2009 CÁC BẰNG CHỨNG MỚI VỀ THỰC TRẠNG, XU HƯỚNG VÀ NHỮNG KHÁC BIỆT Hà Nội, Ha tháng Noi, 2011 5 năm 2011 BỘ KẾ HOẠCH VÀ ĐẦU

More information

NHỮNG HỆ LỤY VÀ THAY ĐỔI TRONG CUỘC CHIẾN CHỐNG BIẾN ĐỔI KHÍ HẬU CỦA THẾ GIỚI KHI MỸ RÚT KHỎI HIỆP ĐỊNH PARIS

NHỮNG HỆ LỤY VÀ THAY ĐỔI TRONG CUỘC CHIẾN CHỐNG BIẾN ĐỔI KHÍ HẬU CỦA THẾ GIỚI KHI MỸ RÚT KHỎI HIỆP ĐỊNH PARIS PETROVIETNAM NHỮNG HỆ LỤY VÀ THAY ĐỔI TRONG CUỘC CHIẾN CHỐNG BIẾN ĐỔI KHÍ HẬU CỦA THẾ GIỚI KHI MỸ RÚT KHỎI HIỆP ĐỊNH PARIS Tóm tắt Nguyễn Đức Huỳnh 1, Lê Thị Phượng 2 1 Hội Dầu khí Việt Nam 2 Tập đoàn

More information

NGHIÊN CỨU SỬ DỤNG ẢNH VIỄN THÁM XÁC ĐỊNH SỰ PHÂN BỐ ĐẤT THAN BÙN Ở U MINH HẠ

NGHIÊN CỨU SỬ DỤNG ẢNH VIỄN THÁM XÁC ĐỊNH SỰ PHÂN BỐ ĐẤT THAN BÙN Ở U MINH HẠ NGHIÊN CỨU SỬ DỤNG ẢNH VIỄN THÁM XÁC ĐỊNH SỰ PHÂN BỐ ĐẤT THAN BÙN Ở U MINH HẠ Võ Quang Minh và Nguyễn Thị Thanh Nhanh 1 ABSTRACT Application of remote sensing to delineate the environmental resources is

More information

Pháp luật Quốc tế với vấn đề khủng bố quốc tế: một số vấn đề lý luận và thực tiễn

Pháp luật Quốc tế với vấn đề khủng bố quốc tế: một số vấn đề lý luận và thực tiễn Pháp luật Quốc tế với vấn đề khủng bố quốc tế: một số vấn đề lý luận và thực tiễn Trần Minh Thu Khoa Luật Luận văn Thạc sĩ ngành: Luật quốc tế; Mã số: 60 38 60 Người hướng dẫn: TS. Nguyễn Hoàng Anh Năm

More information

Bài 5 Chiến lược Sản phẩm Quốc tế

Bài 5 Chiến lược Sản phẩm Quốc tế Bài 5 Chiến lược Sản phẩm Quốc tế www.dinhtienminh.net Th.S Đinh Tiên Minh Trường ĐHKT TPHCM Khoa Thương Mại Du Lịch Marketing Mục tiêu chương 5 Giúp sinh viên hiểu rõ khái niệm sản phẩm/ dịch vụ và các

More information

Phối cảnh - Artist s impression Phối cảnh - Artist s impression Phối cảnh - Artist s impression

Phối cảnh - Artist s impression Phối cảnh - Artist s impression Phối cảnh - Artist s impression Hướng khu dân cư Urban view Hướng sông River view 13 3 11 26 12 25 21 22 14 15 4 36 5 24 23 27 24 34 28 30 29 33 32 31 38 17 9 8 Hướng khu dân cư Urban view Hướng trung tâm Quận 1 CBD view Hướng sông River

More information

Uỷ Ban Dân Tộc. Nghèo đa chiều trẻ em Việt Nam vùng dân tộc thiểu số

Uỷ Ban Dân Tộc. Nghèo đa chiều trẻ em Việt Nam vùng dân tộc thiểu số Uỷ Ban Dân Tộc Nghèo đa chiều trẻ em Việt Nam vùng dân tộc thiểu số Hà Nội, tháng 6/2015 Nghèo đa chiều trẻ em Việt Nam vùng dân tộc thiểu số 1 MỤC LỤC MỤC LỤC... 2 Danh mục chữ viết tắt... 4 Danh mục

More information

LỜI CAM ĐOAN. Trương Thị Chí Bình

LỜI CAM ĐOAN. Trương Thị Chí Bình i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu khoa học độc lập của riêng tôi. Các số liệu sử dụng phân tích trong luận án có nguồn gốc rõ ràng, đã công bố theo đúng quy định. Các kết quả

More information

CHƯƠNG 1. Nhận thức của thị trường và niềm tin của nhà đầu tư: Những nhân tố làm biến động giá cổ phiếu

CHƯƠNG 1. Nhận thức của thị trường và niềm tin của nhà đầu tư: Những nhân tố làm biến động giá cổ phiếu Mục lục CHIẾN LƯỢC ĐẦU TƯ CHỨNG KHOÁN LỜI GIỚI THIỆU LỜI MỞ ĐẦU LỜI GIỚI THIỆU CHƯƠNG 1. Nhận thức của thị trường và niềm tin của nhà đầu tư: Những nhân tố làm biến động giá cổ phiếu CHƯƠNG 2. Quy trình

More information

Chương 16. Dự báo kinh tế

Chương 16. Dự báo kinh tế Chương 16 Dự báo kinh tế Domadar N. Gujarati (Econometrics by example, 2011). Người dịch và diễn giải: Phùng Thanh Bình, MB (6/10/2017) Có nhiều lĩnh vực trong đó các dự báo kinh tế đã chứng tỏa sự hữu

More information

learn.quipper.com LUYỆN THI THPT - QG

learn.quipper.com LUYỆN THI THPT - QG EN GL IS H learn.quipper.com LUYỆN THI THPT - QG Lipit anh văn Toán học Hóa học Vật Lý Lipit Mục tiêu bài học Qua bài học này các em sẽ được học cách tính nhanh các chỉ số axit, chỉ số xà phòng hóa và

More information

Lý thuyết hệ thống tổng quát và phân hóa xã hội: Từ Ludwig von Bertalanffy đến Talcott Parsons

Lý thuyết hệ thống tổng quát và phân hóa xã hội: Từ Ludwig von Bertalanffy đến Talcott Parsons Tạp chí Khoa học ĐHQGHN: Khoa học Xã hội và Nhân văn, Tập 30, Số 3 (2014) 51-62 Lý thuyết hệ thống tổng quát và phân hóa xã hội: Từ Ludwig von Bertalanffy đến Talcott Parsons Lê Ngọc Hùng* Học viện Chính

More information

Terms and Conditions of 'Shopping is GREAT' cash back campaign Điều khoản và Điều kiện của Chương trình tặng tiền Mua sắm Tuyệt vời

Terms and Conditions of 'Shopping is GREAT' cash back campaign Điều khoản và Điều kiện của Chương trình tặng tiền Mua sắm Tuyệt vời Terms and Conditions of 'Shopping is GREAT' cash back campaign Điều khoản và Điều kiện của Chương trình tặng tiền Mua sắm Tuyệt vời 1. The Program period is from 3 November 2015 to 11 January 2016, both

More information

Ảnh hưởng của xâm nhập lạnh sâu đến mưa ở Việt Nam

Ảnh hưởng của xâm nhập lạnh sâu đến mưa ở Việt Nam Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 236-242 Ảnh hưởng của xâm nhập lạnh sâu đến mưa ở Việt Nam Trần Tân Tiến * Khoa Khí tượng Thủy văn và Hải dương học, Trường

More information

PHÒNG THƯƠNG MẠI VÀ CÔNG NGHIỆP VIỆT NAM ỦY BAN TƯ VẤN VỀ CHÍNH SÁCH THƯƠNG MẠI QUỐC TẾ NGHIÊN CỨU

PHÒNG THƯƠNG MẠI VÀ CÔNG NGHIỆP VIỆT NAM ỦY BAN TƯ VẤN VỀ CHÍNH SÁCH THƯƠNG MẠI QUỐC TẾ NGHIÊN CỨU PHÒNG THƯƠNG MẠI VÀ CÔNG NGHIỆP VIỆT NAM ỦY BAN TƯ VẤN VỀ CHÍNH SÁCH THƯƠNG MẠI QUỐC TẾ NGHIÊN CỨU ĐỀ XUẤT VIỆT NAM GIA NHẬP CÔNG ƯỚC VIÊN VỀ HỢP ĐỒNG MUA BÁN HÀNG HÓA QUỐC TẾ (CÔNG ƯỚC VIÊN 1980 - CISG)

More information

PHU LUC SUA DOI VA BO SUNG DIEU LE

PHU LUC SUA DOI VA BO SUNG DIEU LE PHU LUC SUA DOI VA BO SUNG DIEU LE CONG TY CO PHAN TON MA MAU FUJITON 9> : THANG 09 NAM 2011 PHU LUC SUA DOIVA BO SUNG DIEU LE Xet rsng, cac c6 dong sang lap ("Co Dong Sang Lap") cua CONG TY CO PHAN TON

More information

KHUNG THỐNG KÊ VĂN HÓA UNESCO 2009 (FCS)

KHUNG THỐNG KÊ VĂN HÓA UNESCO 2009 (FCS) KHUNG THỐNG KÊ VĂN HÓA UNESCO 2009 (FCS) UNESCO Công ước Tổ chức giáo dục, khoa học và văn hóa Liên hiệp quốc (UNESCO) được 20 quốc gia thông qua tại Hội nghị London vào tháng 11 năm 1945 và có hiệu lực

More information

Ý nghĩa của trị số P trong nghiên cứu y học

Ý nghĩa của trị số P trong nghiên cứu y học LTS. Trị số P trong nghiên cứu y khoa vẫn thỉnh thoảng được đem ra thảo luận trên các tập san y học quốc tế, và ý nghĩa của nó vẫn là một đề tài cho chúng ta khai thác để hiểu rõ hơn. Bài viết sau đây

More information

THÀNH PHỐ HỒ CHÍ MINH A Nguyen Van Nghi Street, Ward 7, Go Vap District. 4 1C Nguyen Anh Thu Street, Trung My Tay Ward, District 12

THÀNH PHỐ HỒ CHÍ MINH A Nguyen Van Nghi Street, Ward 7, Go Vap District. 4 1C Nguyen Anh Thu Street, Trung My Tay Ward, District 12 NO. ADDRESS THÀNH PHỐ HỒ CHÍ MINH 1 362A Nguyen Van Nghi Street, Ward 7, Go Vap District 2 No 20, 3/2 Street, Ward 12, District 10 3 430-432- 434, 3/2 Street, Ward 12, District 10 4 1C Nguyen Anh Thu Street,

More information

TRỞ LẠI TƯƠNG LAI: SỰ BẤT ỔN TẠI CHÂU ÂU SAU CHIẾN TRANH LẠNH (PHẦN 1)

TRỞ LẠI TƯƠNG LAI: SỰ BẤT ỔN TẠI CHÂU ÂU SAU CHIẾN TRANH LẠNH (PHẦN 1) #101 27/12/2013 TRỞ LẠI TƯƠNG LAI: SỰ BẤT ỔN TẠI CHÂU ÂU SAU CHIẾN TRANH LẠNH (PHẦN 1) Nguồn: John J. Mearsheimer (1990). Back to the Future: Instability in Europe after the Cold War, International Security,

More information

Sự lựa chọn hợp lý. Nâng cao năng lực cho quá trình chính sách y tế dựa trên bằng chứng. Liên minh Nghiên cứu chính sách và hệ thống y tế

Sự lựa chọn hợp lý. Nâng cao năng lực cho quá trình chính sách y tế dựa trên bằng chứng. Liên minh Nghiên cứu chính sách và hệ thống y tế Sự lựa chọn hợp lý Nâng cao năng lực cho quá trình chính sách y tế dựa trên bằng chứng Liên minh Nghiên cứu chính sách và hệ thống y tế Tổ chức Y tế thế giới Trường Đại học Y tế Công cộng NHÀ XUẤT BẢN

More information

336, Nguyễn Trãi, Hà Nội, Việt Nam. Nhận bài : 16 tháng 3 năm 2012, Nhận đăng : 10 tháng 8 năm 2012

336, Nguyễn Trãi, Hà Nội, Việt Nam. Nhận bài : 16 tháng 3 năm 2012, Nhận đăng : 10 tháng 8 năm 2012 Tạp chí Khoa học ĐHQGHN, Ngoại Ngữ 28 (2012) 194-209 Quốc tế học và khu vực học: Những khía cạnh phương pháp luận Lương Văn Kế * Trường Đại học Khoa học Xã hội và Nhân văn - Đại học Quốc gia Hà Nội, 336,

More information

CÔNG ƯỚC LUẬT BIỂN 1982 VÀ KHẢ NĂNG ÁP DỤNG VÀO CÁC TRANH CHẤP TẠI BIỂN ĐÔNG

CÔNG ƯỚC LUẬT BIỂN 1982 VÀ KHẢ NĂNG ÁP DỤNG VÀO CÁC TRANH CHẤP TẠI BIỂN ĐÔNG #129 07/03/2014 CÔNG ƯỚC LUẬT BIỂN 1982 VÀ KHẢ NĂNG ÁP DỤNG VÀO CÁC TRANH CHẤP TẠI BIỂN ĐÔNG Nguồn: Donald R. Rothwell (2013). The 1982 UN convention on the Law of the Sea and its relevance to maritime

More information

CHƯƠNG 9: DRAWING. Hình 1-1

CHƯƠNG 9: DRAWING. Hình 1-1 CHƯƠNG 9: DRAWING 1. Tạo bản vẽ trong Creo Parametric 3.0 1.1 Khái niệm Các model 3D trong Creo là nguồn gốc sinh ra bản vẽ 2D để lắp ráp, thiết kế khuôn và gia công. Trong bài học này, bạn sẽ học cách

More information

BÁO CÁO TỔNG KẾT 10 NĂM ( ) THỰC HIỆN VIETNAM ICT INDEX VÀ GIỚI THIỆU HỆ THỐNG CHỈ TIÊU, PHƢƠNG PHÁP TÍNH MỚI

BÁO CÁO TỔNG KẾT 10 NĂM ( ) THỰC HIỆN VIETNAM ICT INDEX VÀ GIỚI THIỆU HỆ THỐNG CHỈ TIÊU, PHƢƠNG PHÁP TÍNH MỚI BỘ THÔNG TIN VÀ TRUYỀN THÔNG HỘI TIN HỌC VIỆT NAM BÁO CÁO TỔNG KẾT 10 NĂM (2006-2016) THỰC HIỆN VIETNAM ICT INDEX VÀ GIỚI THIỆU HỆ THỐNG CHỈ TIÊU, PHƢƠNG PHÁP TÍNH MỚI Báo cáo đƣợc xây dựng bởi: Hội Tin

More information

DẪN NHẬP. B. Mục Lục Thư Viện Tự Động Hóa (automated online catalog) hay Mục Lục Trực Tuyến (OPAC = Online Public Access Catalog)

DẪN NHẬP. B. Mục Lục Thư Viện Tự Động Hóa (automated online catalog) hay Mục Lục Trực Tuyến (OPAC = Online Public Access Catalog) DẪN NHẬP I. Mục đích của việc làm biên mục Các tài liệu thư viện thuộc đủ loại hình: sách, tạp chí, tài liệu thính thị [tài liệu nghe nhìn], tài liệu điện tử, v.v. Nếu thư viện muốn phục vụ độc giả một

More information

SINH KHỐI RỪNG TRÀM VƯỜN QUỐC GIA U MINH THƯỢNG, TỈNH KIÊN GIANG

SINH KHỐI RỪNG TRÀM VƯỜN QUỐC GIA U MINH THƯỢNG, TỈNH KIÊN GIANG SINH KHỐI RỪNG TRÀM VƯỜN QUỐC GIA U MINH THƯỢNG, TỈNH KIÊN GIANG Trần Thị Kim Hồng 1, Quách Trường Xuân 2 và Lê Thị Ngọc Hằng 3 1 Khoa Môi trường & Tài nguyên Thiên nhiên, Trường Đại học Cần Thơ 2 Học

More information

THIẾT KẾ BỔ SUNG TRONG CHỌN GIỐNG

THIẾT KẾ BỔ SUNG TRONG CHỌN GIỐNG J. Sc. & Devel., Vol. 12, No. 2: 269-275 Tạp chí Khoa học và Phát trển 2014, tập 12, số 2: 269-275 www.hua.edu.vn THIẾT KẾ BỔ SUNG TRONG CHỌN GIỐNG Nguyễn Đình Hền Khoa Công nghệ thông tn, Trường Đạ học

More information

Công ty Cổ phần Chứng khoán Bản Việt (VCSC)

Công ty Cổ phần Chứng khoán Bản Việt (VCSC) SỞ GIAO DỊCH CHỨNG KHOÁN CẤP ĐĂNG KÝ NIÊM YẾT CHỨNG KHOÁN CHỈ CÓ NGHĨA LÀ VIỆC NIÊM YẾT CHỨNG KHOÁN ĐÃ THỰC HIỆN THEO CÁC QUY ĐỊNH CỦA PHÁP LUẬT LIÊN QUAN MÀ KHÔNG HÀM Ý ĐẢM BẢO GIÁ TRỊ CỦA CHỨNG KHOÁN.

More information

BÁO CÁO NGÀNH CẢNG BIỂN

BÁO CÁO NGÀNH CẢNG BIỂN BÁO CÁO NGÀNH CẢNG BIỂN Tháng 7/2017 Nâng cấp cơ sở hạ tầng để thúc đẩy đà tăng trưởng ngành cảng biển Việt Nam vẫn đang trong giai đoạn phát triển, sản lượng hàng hóa container thông qua hệ thống cảng

More information

THAY ĐỔI MÔ HÌNH TĂNG TRƯỞNG RENOVATION OF GROWTH MODEL

THAY ĐỔI MÔ HÌNH TĂNG TRƯỞNG RENOVATION OF GROWTH MODEL VIỆN NC QUẢN LÝ KINH TẾ TW TRUNG TÂM THÔNG TIN TƯ LIỆU THÔNG TIN CHUYÊN ĐỀ THAY ĐỔI MÔ HÌNH TĂNG TRƯỞNG RENOVATION OF GROWTH MODEL 6 SỐ 2012 CIEM, Trung tâm Thông tin Tư liệu 1 VIỆN NC QUẢN LÝ KINH TẾ

More information

LUẬN ÁN TIẾN SĨ LỊCH SỬ

LUẬN ÁN TIẾN SĨ LỊCH SỬ BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KHOA HỌC ---------------------- TRẦN HỮU TRUNG QUAN HEÄ CHÍNH TRÒ - NGOAÏI GIAO, AN NINH CUÛA ASEAN VÔÙI TRUNG QUOÁC VAØ NHAÄT BAÛN (1991-2010) Chuyên

More information

Rèn kỹ năng đọc hiểu (1)

Rèn kỹ năng đọc hiểu (1) 1 Rèn kỹ năng đọc hiểu (1) NỘI DUNG BÀI HỌC Phân tích cấu trúc đề thi Giới thiệu 9 dạng câu hỏi thường gặp Chi tiết cách làm về 9 dạng câu hỏi Phân tích cấu trúc đề thi o Có 2 bài đọc: tổng cộng 15 câu

More information

và Sáng kiến Thích ứng và Uỷ ban Sông Mê Kông

và Sáng kiến Thích ứng và Uỷ ban Sông Mê Kông Biến đổi Khí hậu Mê Kông và Sáng kiến Thích ứng và Uỷ ban Sông Mê Kông Jeremy Bird Giám đốc Điều hành Ban Thư ký UBSMK Vientiane, Lao PDR Mê Kông là một trong những con sông dài nhất thế giới (4.800km),

More information

BÁO CÁO KHẢO SÁT NHU CẦU ĐÀO TẠO HỆ THỐNG THƯ VIỆN CÔNG CỘNGVÀ ĐIỂM BƯU ĐIỆN VĂN HOÁ XÃ TẠI 3 TỈNH THÁI NGUYÊN, NGHỆ AN VÀ TRÀ VINH

BÁO CÁO KHẢO SÁT NHU CẦU ĐÀO TẠO HỆ THỐNG THƯ VIỆN CÔNG CỘNGVÀ ĐIỂM BƯU ĐIỆN VĂN HOÁ XÃ TẠI 3 TỈNH THÁI NGUYÊN, NGHỆ AN VÀ TRÀ VINH BÁO CÁO KHẢO SÁT NHU CẦU ĐÀO TẠO HỆ THỐNG THƯ VIỆN CÔNG CỘNGVÀ ĐIỂM BƯU ĐIỆN VĂN HOÁ XÃ TẠI 3 TỈNH THÁI NGUYÊN, NGHỆ AN VÀ TRÀ VINH DỰ ÁN NÂNG CAO NĂNG LỰC CHO HỆ THỐNG THƯ VIỆN CÔNG CỘNG NHẰM HỖ TRỢ TRUY

More information

CỘNG ĐỒNG KINH TẾ ASEAN SỔ TAY KINH DOANH

CỘNG ĐỒNG KINH TẾ ASEAN SỔ TAY KINH DOANH CỘNG ĐỒNG KINH TẾ ASEAN SỔ TAY KINH DOANH 2 Cộng đồng kinh tế ASEAN (AEC) 2011 CỘNG ĐỒNG KINH TẾ ASEAN SỔ TAY KINH DOANH Ban thư ký ASEAN Jakarta Cộng đồng kinh tế ASEAN (AEC) 2011 3 Hiệp hội các quốc

More information

Văn phòng ILO khu vực Châu Á Thái Bình Dương Phòng phân tích kinh tế và xã hội khu vực (RESA) Tháng 12 năm 2014

Văn phòng ILO khu vực Châu Á Thái Bình Dương Phòng phân tích kinh tế và xã hội khu vực (RESA) Tháng 12 năm 2014 Văn phòng ILO khu vực Châu Á Thái Bình Dương Phòng phân tích kinh tế và xã hội khu vực (RESA) Tháng 2 năm 24 Báo cáo tiền lương toàn cầu 24/5 Phụ trương Khu vực Châu Á Thái Bình Dương Tiền lương khu vực

More information

Detail Offer/ Chi Tiết. Merchant/ Khách Sạn & Resorts Sofitel Legend Metropole Hanoi (Le Spa du Metropole)

Detail Offer/ Chi Tiết. Merchant/ Khách Sạn & Resorts Sofitel Legend Metropole Hanoi (Le Spa du Metropole) Premium Travel Offers For Standard Chartered Visa Platinum Debit Card Danh Sách Khách Sạn & Resorts Được Hưởng Ưu Đãi Từ Thẻ Standard Chartered Visa Platinum Merchant/ Khách Sạn & Resorts Sofitel Legend

More information

KINH TẾ CHÍNH TRỊ CỦA ĐỒNG EURO

KINH TẾ CHÍNH TRỊ CỦA ĐỒNG EURO #133 17/03/2014 KINH TẾ CHÍNH TRỊ CỦA ĐỒNG EURO Nguồn: Paul De Grauwe (2013). The Political Economy of the Euro, Annual Review of Political Sciences, 16, pp. 153 170. Biên dịch: Bùi Thu Thảo Hiệu đính:

More information

Lê Anh Tuấn Khoa Môi trường và Tài nguyên Thiên nhiên Viện Nghiên cứu Biến đổi Khí hâu - Đại học Cần Thơ

Lê Anh Tuấn Khoa Môi trường và Tài nguyên Thiên nhiên Viện Nghiên cứu Biến đổi Khí hâu - Đại học Cần Thơ ------ TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU LÊN HỆ SINH THÁI VÀ PHÁT TRIỂN NÔNG THÔN VÙNG ĐỒNG BẰNG SÔNG CỬU LONG Lê Anh Tuấn Khoa Môi trường và Tài nguyên Thiên nhiên Viện Nghiên cứu Biến đổi Khí hâu - Đại học

More information

VẤN ĐỀ KINH TẾ CHÍNH TRỊ TRONG THƯƠNG MẠI QUỐC TẾ

VẤN ĐỀ KINH TẾ CHÍNH TRỊ TRONG THƯƠNG MẠI QUỐC TẾ #140 02/04/2014 VẤN ĐỀ KINH TẾ CHÍNH TRỊ TRONG THƯƠNG MẠI QUỐC TẾ Nguồn: Benjamin J.Cohen (1990). Review: The Political Economy of International Trade, International Organization, Vol. 44, No. 2, pp. 261-281.

More information

ĐIỂM LẠI CẬP NHẬT TÌNH HÌNH PHÁT TRIỂN KINH TẾ VIỆT NAM. Public Disclosure Authorized. Public Disclosure Authorized. Public Disclosure Authorized

ĐIỂM LẠI CẬP NHẬT TÌNH HÌNH PHÁT TRIỂN KINH TẾ VIỆT NAM. Public Disclosure Authorized. Public Disclosure Authorized. Public Disclosure Authorized Public Disclosure Authorized Public Disclosure Authorized Public Disclosure Authorized Public Disclosure Authorized 92825 ĐIỂM LẠI CẬP NHẬT TÌNH HÌNH PHÁT TRIỂN KINH TẾ VIỆT NAM Tháng 12, 2014 ĐIỂM LẠI

More information

THÚC ĐẨY CHUYỂN DỊCH NĂNG LƯỢNG TÁI TẠO TOÀN CẦU

THÚC ĐẨY CHUYỂN DỊCH NĂNG LƯỢNG TÁI TẠO TOÀN CẦU THÚC ĐẨY CHUYỂN DỊCH NĂNG LƯỢNG TÁI TẠO TOÀN CẦU Những điểm nổi bật Báo cáo hiện trạng năng lượng tái tạo toàn cầu REN21-217 217 MẠNG LƯỚI CHÍNH SÁCH NĂNG LƯỢNG TÁI TẠO CHO THẾ KỶ 21 REN21 là mạng lưới

More information

Southlake, DFW TEXAS

Southlake, DFW TEXAS EB-5 T.E.A. DỰ ÁN ĐẦU TƯ NHẬN THẺ XANH Ở MỸ CHƯƠNG TRÌNH 1. Gặp gỡ Chúng tôi David Pham Agenda: ductions t is EB-5? (Program Description) Money is Secure? (Government Security) Chance of a Visa? (Job/Visa

More information

Cần Thơ, Việt Nam Tăng cường Khả năng Thích ứng của Đô thị

Cần Thơ, Việt Nam Tăng cường Khả năng Thích ứng của Đô thị Public Disclosure Authorized Public Disclosure Authorized Public Disclosure Authorized Public Disclosure Authorized Cần Thơ, Việt Nam Tăng cường Khả năng Thích ứng của Đô thị THÁNG 6/2014 NGÂN HÀNG THẾ

More information

KHẢ NĂNG CUNG CẤP KALI VÀ SỰ ĐÁP ỨNG CỦA LÚA ĐỐI VỚI PHÂN KALI TRÊN ĐẤT THÂM CANH BA VỤ LÚA Ở CAI LẬY TIỀN GIANG VÀ CAO LÃNH ĐỒNG THÁP

KHẢ NĂNG CUNG CẤP KALI VÀ SỰ ĐÁP ỨNG CỦA LÚA ĐỐI VỚI PHÂN KALI TRÊN ĐẤT THÂM CANH BA VỤ LÚA Ở CAI LẬY TIỀN GIANG VÀ CAO LÃNH ĐỒNG THÁP KHẢ NĂNG CUNG CẤP KALI VÀ SỰ ĐÁP ỨNG CỦA LÚA ĐỐI VỚI PHÂN KALI TRÊN ĐẤT THÂM CANH BA VỤ LÚA Ở CAI LẬY TIỀN GIANG VÀ CAO LÃNH ĐỒNG THÁP Nguyễn Đỗ Châu Giang 1 và Nguyễn Mỹ Hoa 1 ABSTRACT This study was

More information

Chuyển đổi Nông nghiệp Việt Nam: Tăng giá trị, giảm đầu vào

Chuyển đổi Nông nghiệp Việt Nam: Tăng giá trị, giảm đầu vào Public Disclosure Authorized NHÓM NGÂN HÀNG THẾ GIỚI Báo cáo Phát triển Việt Nam 2016 Chuyển đổi Nông nghiệp Việt Nam: Tăng giá trị, giảm đầu vào Public Disclosure Authorized Public Disclosure Authorized

More information

CTCP Dược Hậu Giang (HOSE: DHG)

CTCP Dược Hậu Giang (HOSE: DHG) c Báo cáo cập nhật 23 Dec 2016 Đánh giá TĂNG TỶ TRỌNG DHG Dược phẩm Giá thị trường (VND) 94,800 Giá mục tiêu (VND) 109,000 Tỷ lệ tăng giá (%) 15% Suất sinh lợi cổ tức (%) 3.2% Suất sinh lợi bình quân năm

More information

Lồng ghép các mối liên hệ giữa đói nghèo môi trường với quy hoạch phát triển: Sách hướng dẫn người thực hiện

Lồng ghép các mối liên hệ giữa đói nghèo môi trường với quy hoạch phát triển: Sách hướng dẫn người thực hiện Môi trường vì các mục tiêu phát triển thiên niên kỷ Lồng ghép các mối liên hệ giữa đói nghèo môi trường với quy hoạch phát triển: Sách hướng dẫn người thực hiện Sáng kiến Đói nghèo Môi trường của UNDP

More information

PHÂN TÍCH HIỆU QUẢ KỸ THUẬT CHO CÁC TRẠI NUÔI CÁ TRA THƯƠNG PHẨM TẠI ĐỒNG BẰNG SÔNG CỬU LONG

PHÂN TÍCH HIỆU QUẢ KỸ THUẬT CHO CÁC TRẠI NUÔI CÁ TRA THƯƠNG PHẨM TẠI ĐỒNG BẰNG SÔNG CỬU LONG THOÂNG BAÙO KHOA HOÏC PHÂN TÍCH HIỆU QUẢ KỸ THUẬT CHO CÁC TRẠI NUÔI CÁ TRA THƯƠNG PHẨM TẠI ĐỒNG BẰNG SÔNG CỬU LONG TECHNICAL EFFICIENCY ANALYSIS FOR TRA CATFISH AQUACULTURE FARMS IN MEKONG RIVER DELTA

More information

NIÊM YẾT TRÁI PHIẾU TRÊN SỞ GIAO DỊCH CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH

NIÊM YẾT TRÁI PHIẾU TRÊN SỞ GIAO DỊCH CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH TẬP ĐOÀN VINGROUP CÔNG TY CP (Giấy chứng nhận Đăng ký Doanh nghiệp: Số 0101245486 do Sở Kế hoạch và Đầu tư Thành phố Hà Nội cấp lần đầu ngày 03/05/2002 (được sửa đổi vào từng thời điểm)) Địa chỉ trụ sở

More information

Trường Công Boston 2017

Trường Công Boston 2017 Discover BPS 07 High School Edition Vietnamese Trường Công Boston 07 Hướng dẫn cho Cha mẹ và Học sinh Chọn trường trung tại Boston Cách thức, địa điểm và thời điểm để đăng ký trường trung Các chương trình

More information

NGHIÊN CỨU XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU ĐẾN MỘT SỐ LĨNH VỰC KINH TẾ - XÃ HỘI CHO THÀNH PHỐ ĐÀ NẴNG

NGHIÊN CỨU XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU ĐẾN MỘT SỐ LĨNH VỰC KINH TẾ - XÃ HỘI CHO THÀNH PHỐ ĐÀ NẴNG BỘ TÀI NGUYÊN VÀ MÔI TRƯỜNG VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ BIẾN ĐỔI KHÍ HẬU Trần Duy Hiền NGHIÊN CỨU XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ TÁC ĐỘNG CỦA BIẾN ĐỔI KHÍ HẬU ĐẾN MỘT SỐ LĨNH VỰC KINH TẾ - XÃ HỘI CHO

More information

TĂNG TỶ TRỌNG. HNX - Vietnam Điểm sáng lợi nhuận trong quý 4 và tăng trưởng tích cực trong các năm tới

TĂNG TỶ TRỌNG.  HNX - Vietnam Điểm sáng lợi nhuận trong quý 4 và tăng trưởng tích cực trong các năm tới Công ty Cổ phần Tasco (HNX) Ngành: Bất động sản & hạ tầng giao thông www.phs.vn HNX - Vietnam 27.12.2017 TĂNG TỶ TRỌNG Giá mục tiêu 15,408 VNĐ Giá đóng cửa 10,700 VNĐ 26/12/2017 Hoàng Trung Thông thonghoang@phs.vn

More information

Trươ ng Trung Ho c Cơ Sơ George V. Ley Va

Trươ ng Trung Ho c Cơ Sơ George V. Ley Va Trươ ng Trung Ho c Cơ Sở George V. Ley Va Sở Giáo Dục California Phiếu Báo Cáo Trách Nhiệm Giải Trình của Trươ ng Ho c Báo Cáo Dựa Trên Dữ Liệu từ Năm Ho c 2015 16 Theo luật tiểu bang, trễ nhất vào ngày

More information

MỐI TƯƠNG QUAN GIỮA TUỔI ĐỘNG MẠCH THEO THANG ĐIỂM NGUY CƠ FRAMINGHAM VÀ TỔN THƯƠNG ĐỘNG MẠCH VÀNH. ThS. BS. Đặng Trần Hùng Viện Tim TP.

MỐI TƯƠNG QUAN GIỮA TUỔI ĐỘNG MẠCH THEO THANG ĐIỂM NGUY CƠ FRAMINGHAM VÀ TỔN THƯƠNG ĐỘNG MẠCH VÀNH. ThS. BS. Đặng Trần Hùng Viện Tim TP. MỐI TƯƠNG QUAN GIỮA TUỔI ĐỘNG MẠCH THEO THANG ĐIỂM NGUY CƠ FRAMINGHAM VÀ TỔN THƯƠNG ĐỘNG MẠCH VÀNH ThS. BS. Đặng Trần Hùng Viện Tim TP.HCM 1 NỘI DUNG ĐẶT VẤN ĐỀ MỤC TIÊU TỔNG QUAN TÀI LIỆU ĐỐI TƯỢNG &

More information

CONTENT IN THIS ISSUE

CONTENT IN THIS ISSUE JOURNAL OF ECOLOGICAL ECONOMY YEAR 14 Issue 31-2009 Advisory Edition Board Prof. Dr. HA CHU CHU Prof. Dr. NGUYEN NANG AN Prof. Dr. TRAN THANH BINH Prof. Dr. TON THAT CHIEU Ass. Prof. Dr. NGUYEN DUY CHUYEN

More information

Tôi xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS. Nguyễn Hiệu người thầy giáo trực tiếp hướng dẫn và chỉ bảo cho Tôi hoàn thành luận văn này.

Tôi xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS. Nguyễn Hiệu người thầy giáo trực tiếp hướng dẫn và chỉ bảo cho Tôi hoàn thành luận văn này. Lời cảm ơn Trong quá trình thực hiện đề tài Nghiên cứu đề xuất định hướng sinh kế bền vững gắn với bảo tồn và phát huy các giá trị của tài nguyên địa hình ở Vịnh Bái Tử Long, Tôi đã nhận được rất nhiều

More information

THU THANH VÀ SOẠN NHẠC VỚI CUBASE

THU THANH VÀ SOẠN NHẠC VỚI CUBASE Thu thanh và soạn nhạc với Cubase Nguyễn Mai Kiên THU THANH VÀ SOẠN NHẠC VỚI CUBASE Nguyễn Mai Kiên Trường đại học văn hóa nghệ thuật quân đội 1 Thu thanh và soạn nhạc với Cubase http://maikien.com THU

More information

NHỮNG VẤN ĐỀ CỦA EU TRÊN CON ĐƢỜNG TIẾN TỚI NHẤT THỂ HÓA. Sinh viên thực hiện: Lê Trà My

NHỮNG VẤN ĐỀ CỦA EU TRÊN CON ĐƢỜNG TIẾN TỚI NHẤT THỂ HÓA. Sinh viên thực hiện: Lê Trà My NHỮNG VẤN ĐỀ CỦA EU TRÊN CON ĐƢỜNG TIẾN TỚI NHẤT THỂ HÓA Sinh viên thực hiện: Lê Trà My 1 DANH SÁCH CÁC TỪ VIẾT TẮT BRIC Brazil, Russia, India, China Các nền kinh tế mới nổi CEECs Center and East European

More information

MỘT SỐ NÉT CHÍNH VỀ CÔNG TY CỔ PHẦN VINHOMES

MỘT SỐ NÉT CHÍNH VỀ CÔNG TY CỔ PHẦN VINHOMES MỘT SỐ NÉT CHÍNH VỀ CÔNG TY CỔ PHẦN VINHOMES Ngày 07/5/2018, Sở Giao dịch Chứng khoán Thành phố Hồ Chí Minh ( HOSE, SGDCK TPHCM ) đã cấp Quyết định Niêm yết số 159/QĐ-SGDHCM cho phép Công ty Cổ phần Vinhomes

More information

Hồi kết cho chế độ chuyên chế dẻo dai của Đảng Cộng sản Trung Quốc? Một đánh giá ba phần về sự thay đổi quyền lực ở Trung Quốc 1

Hồi kết cho chế độ chuyên chế dẻo dai của Đảng Cộng sản Trung Quốc? Một đánh giá ba phần về sự thay đổi quyền lực ở Trung Quốc 1 Bản thảo bài đang biên tập. Bản cuối cùng sẽ được đăng trên Thời Đại Mới Hồi kết cho chế độ chuyên chế dẻo dai của Đảng Cộng sản Trung Quốc? Một đánh giá ba phần về sự thay đổi quyền lực ở Trung Quốc 1

More information

Châu Á Thái Bình Dương

Châu Á Thái Bình Dương BẢN TÓM TẮT TRUNG TÂM DỮ LIỆU Châu Á Thái Bình Dương Sự phát triển trung tâm dữ liệu đã trở thành vấn đề tiên quyết của rất nhiều nước, nhận được sự hỗ trợ phong phú từ chính phủ như kỹ thuật số/ công

More information

THÁNG 1/2016 KHU VỰC TRUNG TÂM TP. HỒ CHÍ MINH. Accelerating success

THÁNG 1/2016 KHU VỰC TRUNG TÂM TP. HỒ CHÍ MINH. Accelerating success THÁNG 1/2016 KHU VỰC TRUNG TÂM TP. HỒ CHÍ MINH BÁO CÁO THỊ TRƯỜNG KHU TRUNG TÂM Accelerating success www.colliers.com/vietnam MỤC LỤC TỔNG QUAN THỊ TRƯỜNG Văn phòng... Bán lẻ... Khách sạn... Căn hộ dịch

More information

Hiện trạng triển khai IPv6 toàn cầu qua các con số thống kê và dự án khảo sát mức độ ứng dụng IPv6

Hiện trạng triển khai IPv6 toàn cầu qua các con số thống kê và dự án khảo sát mức độ ứng dụng IPv6 Hiện trạng triển khai IPv6 toàn cầu qua các con số thống kê và dự án khảo sát mức độ ứng dụng IPv6 Nguyễn Thị Thu Thủy Mức độ ứng dụng triển khai IPv6 thực của thế giới hiện ra sao, khu vực và quốc gia

More information

B NG CÂU H I: TÌM HI U CÁC KHÁI NI M V DU L CH B N V NG. 2. B n có ngh r ng vi c b o v ngu n l i t nhiên và du l ch có th t ng thích nhau?

B NG CÂU H I: TÌM HI U CÁC KHÁI NI M V DU L CH B N V NG. 2. B n có ngh r ng vi c b o v ngu n l i t nhiên và du l ch có th t ng thích nhau? CÁC KHÁI NI M V DU L CH B N V NG H C PH N 1 Tài li u: 1.1 i n vào các câu h i d i ây và s d ng chúng th o lu n và n p l i cho ng i h ng d n. B NG CÂU H I: TÌM HI U CÁC KHÁI NI M V DU L CH B N V NG 1. B

More information

Phát triển của Việt Nam trong mối quan hệ thương mại với Trung Quốc: cần làm gì?

Phát triển của Việt Nam trong mối quan hệ thương mại với Trung Quốc: cần làm gì? Phát triển của Việt Nam trong mối quan hệ thương mại với Trung Quốc: cần làm gì? Vũ Quang Việt 16/7/2014, sửa lại 1/11/2014 Giới thiệu Phát triển của Việt Nam ngày càng gắn bó về nhiều mặt với TQ. Muốn

More information

ĐẶC ĐIỂM THẠCH HỌC TRẦM TÍCH THÀNH TẠO CARBONATE TRƯỚC KAINOZOI MỎ HÀM RỒNG, ĐÔNG BẮC BỂ SÔNG HỒNG

ĐẶC ĐIỂM THẠCH HỌC TRẦM TÍCH THÀNH TẠO CARBONATE TRƯỚC KAINOZOI MỎ HÀM RỒNG, ĐÔNG BẮC BỂ SÔNG HỒNG PETROVIETNAM ĐẶC ĐIỂM THẠCH HỌC TRẦM TÍCH THÀNH TẠO CARBONATE TRƯỚC KAINOZOI MỎ HÀM RỒNG, ĐÔNG BẮC BỂ SÔNG HỒNG Tóm tắt ThS. Lê Trung Tâm 1, TS. Cù Minh Hoàng 2, TS. Phạm Văn Tuấn 3 1 Tổng công ty Thăm

More information

TRIẾT LÝ ĐỀN THÁNH CAO ĐÀI TÂY NINH

TRIẾT LÝ ĐỀN THÁNH CAO ĐÀI TÂY NINH TRIẾT LÝ ĐỀN THÁNH CAO ĐÀI TÂY NINH Môn sanh ĐẠT TỊNH (Nguyễn Văn Phát) Chánh Hội Trưởng thánh thất Bàu Sen và Gia Đình ấn tống 2.500 quyển. Kỉnh nguyện hồi hướng về giác linh thân mẫu là LÊ THỊ DO (1921-2010).

More information

NGOẠI GIAO SONG PHƯƠNG VÀ ĐA PHƯƠNG CỦA TRUNG QUỐC Ở BIỂN ĐÔNG Ian Storey Những hành động ngày càng quyết đoán của Trung Quốc ở Biển Đông làm gia tăng mối quan ngại ở khu vực Đông Nam Á và hơn thế nữa

More information

thời đại mới TẠP CHÍ NGHIÊN CỨU & THẢO LUẬN

thời đại mới TẠP CHÍ NGHIÊN CỨU & THẢO LUẬN thời đại mới TẠP CHÍ NGHIÊN CỨU & THẢO LUẬN Số 23 tháng 11, 2011 Trung Quốc với Châu Phi: Dầu Mỏ và Kinh Tế * Nguyễn Huy Vũ và Nguyễn Minh Thọ Tóm tắt: Bài viết trình bày những nét chính trong chính sách

More information