Giới thiệu về Kinh tế lượng

Chào mừng các bạn sinh viên đến với chuỗi bài học nhập môn về Kinh tế lượng! Nếu bạn từng tò mò làm thế nào các nhà kinh tế có thể đưa ra những con số cụ thể như “mỗi năm đi học thêm sẽ giúp tăng lương 10%” hay “một chính sách mới sẽ tác động đến GDP như thế nào”, thì đây chính là nơi bạn sẽ tìm thấy câu trả lời. Kinh tế lượng không chỉ là những công thức toán học khô khan, mà nó là một nghệ thuật và khoa học về việc sử dụng dữ liệu để kiểm chứng các lý thuyết kinh tế và trả lời những câu hỏi quan trọng trong thế giới thực.

Trong chuỗi bài học này, chúng ta sẽ cùng nhau xây dựng một nền tảng vững chắc, bắt đầu từ những câu hỏi cơ bản nhất. Chúng ta sẽ khám phá ra rằng, sức mạnh của kinh tế lượng đến từ sự kết hợp tuyệt vời của ba yếu tố: Lý thuyết kinh tế để đặt ra câu hỏi đúng, Toán học và Thống kê để xây dựng công cụ phân tích, và Dữ liệu thực tế để tìm kiếm bằng chứng. Trọng tâm của phương pháp tiếp cận hiện đại chính là coi các mô hình kinh tế như những mô hình xác suất, thừa nhận rằng thế giới luôn tồn tại yếu tố ngẫu nhiên không thể đoán trước. Đây chính là chìa khóa để phân tích dữ liệu một cách khoa học.

Mục tiêu của chuỗi bài viết không chỉ là giúp bạn hiểu các khái niệm, mà còn là trang bị cho bạn tư duy của một nhà kinh tế lượng. Chúng ta sẽ học cách nhìn vào một bộ dữ liệu và đặt câu hỏi, phân biệt giữa mối tương quan và quan hệ nhân quả, và hiểu được những thách thức khi làm việc với dữ liệu quan sát trong thực tế. Hãy chuẩn bị cho một hành trình khám phá đầy thú vị, nơi những con số biết nói và lý thuyết được kiểm chứng!

Cấu trúc chuỗi bài học

PHỤ LỤC: Dữ liệu mô phỏng cho chuỗi bài viết

Để giúp việc học trở nên trực quan, chúng ta sẽ sử dụng một bộ dữ liệu mô phỏng đơn giản trong suốt chuỗi bài học. Bộ dữ liệu này mô phỏng thông tin về lương khởi điểm của 1000 sinh viên mới tốt nghiệp. Các bạn có thể tự tạo lại bộ dữ liệu này bằng Stata để thực hành.

Mô tả biến:

• salary: Lương khởi điểm hàng tháng (đơn vị: triệu VND).
• gpa: Điểm trung bình tích lũy khi tốt nghiệp (thang 4).
• internships: Số kỳ thực tập đã hoàn thành.
• is_stem: Biến giả, bằng 1 nếu sinh viên tốt nghiệp ngành STEM (Khoa học, Công nghệ, Kỹ thuật, Toán học), bằng 0 nếu ngược lại.

Code Stata để tạo dữ liệu:

* ==================================================
* TẠO DỮ LIỆU MÔ PHỎNG: LƯƠNG SINH VIÊN MỚI TỐT NGHIỆP
* Mục đích: Tạo một bộ dữ liệu đơn giản, dễ hiểu cho mục đích học tập
* Số quan sát: 1000 sinh viên
* ==================================================

* Xóa bộ nhớ và thiết lập số quan sát
clear
set obs 1000

* Đặt một seed để kết quả có thể tái lập được
set seed 12345

* --- TẠO CÁC BIẾN ĐỘC LẬP ---

* Tạo biến GPA, phân phối đều từ 2.5 đến 4.0
* runiform() tạo số ngẫu nhiên từ 0 đến 1
gen gpa = 2.5 + 1.5 * runiform()

* Tạo biến số kỳ thực tập, từ 0 đến 4
* rpoisson(1) tạo số ngẫu nhiên theo phân phối Poisson với trung bình là 1
gen internships = rpoisson(1)
* Giới hạn số kỳ thực tập tối đa là 4 cho hợp lý
replace internships = 4 if internships > 4

* Tạo biến ngành STEM (biến giả 0/1)
* Giả sử 40% sinh viên học ngành STEM
gen is_stem = (runiform() < 0.4)

* --- TẠO BIẾN PHỤ THUỘC (LƯƠNG) ---

* Tạo thành phần sai số ngẫu nhiên (nhiễu)
* rnormal(0, 2) tạo số ngẫu nhiên theo phân phối chuẩn, trung bình 0, độ lệch chuẩn 2
gen error = rnormal(0, 2)

* Tạo biến lương dựa trên một mô hình tuyến tính giả định
* Lương cơ bản là 5 triệu
* Mỗi điểm GPA tăng lương 3 triệu
* Mỗi kỳ thực tập tăng lương 1.5 triệu
* Học ngành STEM tăng lương 2.5 triệu
gen salary = 5 + 3*gpa + 1.5*internships + 2.5*is_stem + error

* --- HOÀN THIỆN DỮ LIỆU ---

* Gán nhãn cho các biến để dễ hiểu hơn
label variable salary "Lương khởi điểm (triệu VND)"
label variable gpa "Điểm GPA tốt nghiệp"
label variable internships "Số kỳ thực tập"
label variable is_stem "Tốt nghiệp ngành STEM (1=Có)"

* Lưu bộ dữ liệu để sử dụng cho các bài học sau
save "grad_salary.dta", replace

* Xem qua 5 dòng dữ liệu đầu tiên
list in 1/5

* ==================================================
* TẠO DỮ LIỆU MÔ PHỎNG: LƯƠNG SINH VIÊN MỚI TỐT NGHIỆP
* Mục đích: Tạo một bộ dữ liệu đơn giản, dễ hiểu cho mục đích học tập
* Số quan sát: 1000 sinh viên
* ==================================================

* Xóa bộ nhớ và thiết lập số quan sát
clear
set obs 1000

* Đặt một seed để kết quả có thể tái lập được
set seed 12345

* --- TẠO CÁC BIẾN ĐỘC LẬP ---

* Tạo biến GPA, phân phối đều từ 2.5 đến 4.0
* runiform() tạo số ngẫu nhiên từ 0 đến 1
gen gpa = 2.5 + 1.5 * runiform()

* Tạo biến số kỳ thực tập, từ 0 đến 4
* rpoisson(1) tạo số ngẫu nhiên theo phân phối Poisson với trung bình là 1
gen internships = rpoisson(1)
* Giới hạn số kỳ thực tập tối đa là 4 cho hợp lý
replace internships = 4 if internships > 4

* Tạo biến ngành STEM (biến giả 0/1)
* Giả sử 40% sinh viên học ngành STEM
gen is_stem = (runiform() < 0.4)

* --- TẠO BIẾN PHỤ THUỘC (LƯƠNG) ---

* Tạo thành phần sai số ngẫu nhiên (nhiễu)
* rnormal(0, 2) tạo số ngẫu nhiên theo phân phối chuẩn, trung bình 0, độ lệch chuẩn 2
gen error = rnormal(0, 2)

* Tạo biến lương dựa trên một mô hình tuyến tính giả định
* Lương cơ bản là 5 triệu
* Mỗi điểm GPA tăng lương 3 triệu
* Mỗi kỳ thực tập tăng lương 1.5 triệu
* Học ngành STEM tăng lương 2.5 triệu
gen salary = 5 + 3*gpa + 1.5*internships + 2.5*is_stem + error

* --- HOÀN THIỆN DỮ LIỆU ---

* Gán nhãn cho các biến để dễ hiểu hơn
label variable salary "Lương khởi điểm (triệu VND)"
label variable gpa "Điểm GPA tốt nghiệp"
label variable internships "Số kỳ thực tập"
label variable is_stem "Tốt nghiệp ngành STEM (1=Có)"

* Lưu bộ dữ liệu để sử dụng cho các bài học sau
save "grad_salary.dta", replace

* Xem qua 5 dòng dữ liệu đầu tiên
list in 1/5

Hướng dẫn sử dụng: Các bạn hãy sao chép đoạn code trên, dán vào Do-file của Stata và chạy. Thao tác này sẽ tạo ra một tệp tin tên là grad_salary.dta trong thư mục làm việc của bạn. Chúng ta sẽ sử dụng tệp này trong các bài thực hành sau này.