intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Kinh tế lượng - Chương 8: Chọn mô hình và kiểm định chọn mô hình

Chia sẻ: Kiếp Này Bình Yên | Ngày: | Loại File: PDF | Số trang:4

108
lượt xem
3
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chương 8 trình bày về chọn mô hình và kiểm định chọn mô hình. Chương này gồm có các nội dung chính sau: Chọn mô hình - Các sai lầm khi chọn mô hình, cách tiếp cận để lựa chọn mô hình, kiểm định việc chọn mô hình. Mời các bạn cùng tham khảo.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Kinh tế lượng - Chương 8: Chọn mô hình và kiểm định chọn mô hình

  1. 09/09/2014 CHỌN MÔ HÌNH CHƯƠNG 8 CHỌN MÔ HÌNH VÀ K IỂM ĐỊNH 1. Bi ế t c á ch ti ế p c ậ n đ ể HÌNH CHỌN MÔ HÌ lựa chọn mô hình MỤ C TIÊU 2. Biết cách kiểm định việc chọn mô hình 2 NỘI DUNG 1. Chọn mô hình •Tiết kiệm 1 Chọn mô hình- Các sai lầm khi chọn mô hình •Tính đồng nhất •Tính thích hợp: Mô hình có R2 càng cao càng 2 Cách tiếp cận để lựa chọn mô hình thích hợp •Tính bền vững về mặt lý thuyết: mô hình phải 3 Kiểm định việc chọn mô hình phù hợp với lý thuyết nền tảng •Khả năng dự báo cao 4 3 4 2. Các sai lầm khi chọn mô hình- Hậu quả 2. Các sai lầm khi chọn mô hình- Hậu quả 1. Bỏ sót biến thích hợp 2. Đưa vào mô hình những biến không phù i.Cácthamsốướclượngsẽbịchệchvà hợp khôngvững. Cácướclượngkhônghiệuquả,khoảngtin i.Khoảngtincậyvàcáckiểmđịnhkhôngchính cậyrộng. xác. i.Dựbáodựatrênmôhìnhsaisẽkhôngđáng tincậy. 5 6 1
  2. 09/09/2014 2. Các sai lầm khi chọn mô hình- Hậu quả Ví dụ 3. Lựa chọn mô hình không chính xác �Về hàm chi phí của doanh nghiệp, dạng i.Ướclượngchệchcáchệsốhồiquy,dấu hàm đúng củahệsốhồiquycóthểsai. Yi =b1 +b2Xi +b3Xi 2 +b4Xi 3 +u1i i.Cóíthệsốhồiquyướclượngđượccó �Bỏsótbiếnquantrọng (Xi ) 3 ýnghĩathốngkê i.R2 khôngcao Yi =a1 +a2Xi +a3Xi 2 +u2i iv.Phầndưcácquansátlớnvàbiểuthị �Đưabiếnkhôngliênquanvàomôhình(Xi ) 4 sựbiếnthiêncótínhhệthống. Yi =l1 +l2Xi +l3Xi 2 +l4Xi 3 +l5Xi 4 + u3i �Dạng hàm sai lnY=g1 +g2Xi +g3Xi 2 +g4Xi 3 +u4i 7 8 3. Cách tiếp cận để lưa chọn mô hình 4. Kiểm định việc chọn mô hình 1.Xác định số biến độc lập Từđơngiảnđếntổngquát a. Kiểm định thừa biến (kiểm định Wald) Từtổngquátđếnđơngiản Xét hai mô hình: 2. Kiểm định mô hình có vi phạm giả thiết (U) : Y = β 1 + β 2 X2 + ... β m −1 X m + β mX m + β k Xk + U Nếu mô hình vi phạm thì cần có biện pháp + −1 khắc phục. ( R ) : Y = β 1 + β 2 X2 + ... β m −1 Xm −1 + V 3. Chọn dạng hàm, dựa vào + (U): mô hình không bị ràng buộc Các lý thuyết kinh tế (R): mô hình bị ràng buộc Các kết quả nghiên cứu thực nghiệm Điều kiện ràng buộc: các hệ số hồi quy của 4. Sử dụng các tiêu chuẩn thông dụng để các biến Xm , Xm+1 , Xk đồng thời bằng 0 chọn mô hình 9 10 a. Kiểm định Wald a. Kiểm định Wald Xây dựng giả thiết để kiểm định đk ràng B4: Tra bảng F với mức ý nghĩa α có giá buộc H0: βm =… β k = 0 trị Fα (k-m, n-k) H1: có ít nhất một βj khác 0 Quy tắc quyết định B1: Hồi quy mô hình (U) có k tham số, tính •Nếu F≥ Fα (k-m, n-k): bác bỏ H0, tức mô RSSU có n-k bậc tự do hình (U) không thừa biến B2: Hồi quy mô hình (R) có m tham số, tính •Nếu F< Fα (k-m, n-k): chấp nhận H0 RSSR có n-m bậc tự do Nếudùngkếtquảp-valuethìquytắc B3: Tính F quyếtđịnhnhưsau: ( RSS R − RSS U ) / k − m) ( R 2 U − R 2 R ) /( k − m) •Nếu p ≤ α : Bác bỏ H0 F= = •Nếu p > : Chấp nhận H0 RSS U /( n − k) (1 R 2 U ) /( n − k) α 11 − 12 2
  3. 09/09/2014 b. Kiểm định bỏ sót biến giải thích b. Kiểm định bỏ sót biến giải thích Dùng kiểm định Reset của Ramsey: Bước3: Tính Bước1: Dùng OLS để ước lượng mô hình 2 ( Rnew − old2 ) m Yi = β1 + β2X2i + ui F= 2R (1 − new ) (n − k ) Từ đó tính Yˆi và R2old Bước2: dùng OLS để ước lượng mô hình n: số quan sát R k: số tham số trong mô hình mới Yi β1 β2 + β3Yˆ2 + β4 3 + ... + m: số biến đưa thêm vào = + 2i Tính Yˆ vi X giả thiết H0: β3 = β4 =… = βk = 0 Kiểm định R2new 13 14 b. Kiểm định bỏ sót biến giải thích c. Kiểm định giả thiết phân phối chuẩn của ui Bước4: Quy tắc quyết định Dùng kiểm định χ2, hay kiểm định Jarque-Bera •Nếu F > Fα(m,n-k): Bác bỏ H0, tức các hệ số Kiểm định giả thiết H0: ui có phân phối chuẩn mô hình cũ β3,β4,…βk không đồng thời bằng 0, đã bỏ sót biến S 2 ( K −3) 2⎤ •Nếu F < Fα(m,n-k): Chấp nhận H0 JB = n ⎡⎢ + ⎣ 6 24 ⎥⎦ Nếudùngkếtquảp-valuethìquytắcquyếtđịnh nhưsau: S = ∑ (ui − u) 3 K= ∑ (ui − u) 4 • Nếu p ≤ α : Bác bỏ H0 n .SE3u n .SE 4u •Nếu p > α: Chấp nhận H0 Nếu JB > χ2, Bác bỏ H0, ngược lại, chấp nhận H0 15 16 5.Tiêu chuẩn lựa chọn mô hình Tiêu chuẩn R2 � R2 đo lường % biến động của Y được giải thích bởi các Xi trong mô hình. �R2, �R2 điều chỉnh, � R2 càng gần 1, mô hình càng phù hợp. �Giá trị của hàm hợp lý log-likelihood (L), �Lưu ý: �Tiêu chuẩn thông tin Akaike (AIC), �R2 chỉ đo lường sự phù hợp trong mẫu �Tiêu chuẩn thông tin Schwarz (SIC) � Khi so R2 giữa các mô hình khác nhau, sánh các biến phụ thuộc phải giống nhau. �R2 không giảm khi tăng thêm biến độc lập. 17 18 3
  4. 09/09/2014 Giá trị của hàm hợp lý log-likelihood (L) Tiêu chuẩn R2 điều chỉnh (⎺R2) RSS/(n −k ) n 1 n n 1 R2 = 1 = 1 − (1 − 2R − L = − ln σ 2 − ln( 2π) − ∑ U2i − TSS /( n −1) ) n −k 2 2 2 �⎺R2 ≤ R2.⎺R2 chỉ tăng khi giá trị tuyệt đối �Giá trị L càng lớn chứng tỏ mô hình càng của giá trị t của biến được thêm vào mô phù hợp hình lớn hơn 1. �R2 là tiêu chuẩn tốt hơn R2. �Các biến phụ thuộc cũng phải giống nhau. 19 20 Tiêu chuẩn thông tin Akaike (AIC) Tiêu chuẩn thông tin Schwarz (SC) ⎛RSS ⎞ k/ ⎛RSS ⎞ 2k/ SC = ⎜ ⎟.n AIC = ⎜ ⎟.e ⎝ n n ⎝ n n hay hay k ⎠ ⎛RSS ⎞ ⎛2k ⎛RSS ⎞ ln AIC = ⎜ ⎟+ ⎠ ln ln SC = ln n+ ⎜ ⎟ ⎞n ⎝ ⎠ n ⎟ ⎠ n ⎝ n ⎠ ⎜ ⎝ �SC khắt khe hơn AIC. �Trong đó k là số biến được ước lượng �SC càng nhỏ, mô hình càng tốt. (gồm cả hệ số tự do) và n là cỡ mẫu. �Giá trị AIC càng nhỏ chứng tỏ mô hình càng phù hợp. 21 22 4
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
6=>0