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

Bài giảng Kinh tế lượng: Chương 9 - ThS. Phạm Trí Cao

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:12

Thêm vào BST
Báo xấu
32
lượt xem 1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng "Kinh tế lượng - Chương 9: Một số vấn đề mở rộng về dạng hàm và dữ liệu" trình bày các nội dung: Vấn đề xác định sai dạng hàm, sử dụng biến đại diện cho các biến giải thích không quan sát được, mô hình với hệ số góc ngẫu nhiên,... Mời các bạn cùng tham khảo.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Kinh tế lượng: Chương 9 - ThS. Phạm Trí Cao

  1. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu MỘT SỐ VẤN ĐỀ MỞ RỘNG VỀ DẠNG HÀM VÀ DỮ LIỆU 9.1 Vấn đề xác định sai dạng hàm Chúng ta có thể kiểm định xem liệu mô hình đang xét có thiếu bình phương hay bậc cao hơn của một biến độc lập hay không bằng cách thêm các số hạng này vào mô hình và kiểm định xem thành phần thêm vào có ý nghĩa thống kê không. Chương 9 Ngoài ra, có thể sử dụng kiểm định chung về sai dạng hàm như RESET của Ramsey. Kiểm định sai dạng hàm (RESET) Ý tưởng của RESET là thêm bình phương và bậc cao hơn của giá trị ước lượng của biến phụ thuộc vào hàm hồi quy (giống với kiểm định White rút gọn) Wooldridge: Introductory Econometrics: y   0  1 x1  ...   k xk  u 9.2 A Modern Approach, 5e y   0  1 x1  ...   k xk  1 yˆ   2 yˆ  saiso 2 3 9.3 Kiểm định xem có nên loại bỏ thành phần này hay không. Nếu ta không thể loại bỏ chúng, nghĩa là mô hình đã thiếu bậc cao của biến độc lập và biến tương tác, hay nói cách khác, mô hình sai dạng hàm. H0: 1=0, 2=0  H0: mô hình (9.2) có dạng hàm đúng © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Ví dụ 9.1: Mô hình kinh tế về vấn đề tội phạm Dependent Variable: NARR86 (MH2) • Tập tin crime1.wf1 Method: Least Squares Included observations: 2725 Dependent Variable: NARR86 (MH1) Method: Least Squares Variable Coefficient Std. Error t-Statistic Prob. Included observations: 2725 PCNV 0.552524 0.154237 3.582297 0.0003 Variable Coefficient Std. Error t-Statistic Prob. PCNV^2 -0.730212 0.156118 -4.677317 0.0000 AVGSEN -0.017022 0.012054 -1.412124 0.1580 PCNV -0.133234 0.040350 -3.301949 0.0010 TOTTIME 0.011954 0.009282 1.287803 0.1979 AVGSEN -0.011318 0.012240 -0.924645 0.3552 PTIME86 0.287433 0.044258 6.494462 0.0000 TOTTIME 0.012022 0.009435 1.274210 0.2027 PTIME86^2 -0.029608 0.003863 -7.663609 0.0000 PTIME86 -0.040842 0.008812 -4.634769 0.0000 QEMP86 -0.014094 0.017361 -0.811813 0.4170 QEMP86 -0.050540 0.014440 -3.500045 0.0005 INC86 -0.003415 0.000804 -4.249251 0.0000 INC86 -0.001489 0.000341 -4.370173 0.0000 INC86^2 7.19E-06 2.56E-06 2.811369 0.0050 BLACK 0.326503 0.045416 7.189232 0.0000 BLACK 0.292296 0.044830 6.520096 0.0000 HISPAN 0.193914 0.039711 4.883099 0.0000 HISPAN 0.163617 0.039451 4.147388 0.0000 C 0.568685 0.036046 15.77660 0.0000 C 0.504607 0.036835 13.69898 0.0000 R-squared 0.072321 Mean dependent var 0.404404 R-squared 0.103454 Mean dependent var 0.404404 Adjusted R-squared 0.069588 S.D. dependent var 0.859077 Adjusted R-squared 0.099819 S.D. dependent var 0.859077 Biến QEMP86 là 1 biến rời rạc chỉ nhận 5 giá trị. 3 4 https://sites.google.com/a/ueh.edu.vn/phamtricao/ 1
  2. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Wald Test: (MH2) Equation: EQ02 Test Statistic Value df Probability Ví dụ 9.2: Hàm hồi quy giá nhà 9.4 F-statistic 31.40381 (3, 2713) 0.0000 Chi-square 94.21144 3 0.0000 Bằng chứng cho thấy có sai dạng hàm Null Hypothesis: C(2)=0,C(6)=0,C(9)=0 Null Hypothesis Summary: 9.5 Normalized Restriction (= 0) Value Std. Err. Ít bằng chứng cho thấy C(2) -0.730212 0.156118 có sai dạng hàm C(6) -0.029608 0.003863 Thảo luận C(9) 7.19E-06 2.56E-06 Chúng ta có thể thêm vào các bậc cao hơn của yˆ , hàm ý là thêm vào mô hình các Restrictions are linear in coefficients. biến tương tác phức tạp và bậc cao hơn của các biến độc lập. p-value = 0.0000 < 0.05 : bác bỏ H0 RESET cung cấp ít thông tin về nguyên nhân sai dạng hàm. Vậy nên chọn mô hình 2. 5 © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Ramsey RESET Test • Tập tin hprice1.wf1 Equation: EQ01 Specification: PRICE C LOTSIZE SQRFT BDRMS Omitted Variables: Powers of fitted values from 2 to 3 Dependent Variable: PRICE (MH 9.4) Value df Probability Method: Least Squares F-statistic 4.668205 (2, 82) 0.0120 Included observations: 88 Likelihood ratio 9.489063 2 0.0087 Unrestricted Test Equation: Variable Coefficient Std. Error t-Statistic Prob. Dependent Variable: PRICE Method: Least Squares Included observations: 88 C -21.77031 29.47504 -0.738601 0.4622 LOTSIZE 0.002068 0.000642 3.220096 0.0018 Variable Coefficient Std. Error t-Statistic Prob. SQRFT 0.122778 0.013237 9.275093 0.0000 C 166.0973 317.4325 0.523252 0.6022 BDRMS 13.85252 9.010145 1.537436 0.1279 LOTSIZE 0.000154 0.005203 0.029545 0.9765 SQRFT 0.017599 0.299251 0.058810 0.9532 R-squared 0.672362 Mean dependent var 293.5460 BDRMS FITTED^2 2.174904 0.000353 33.88811 0.007099 0.064179 0.049786 0.9490 0.9604 FITTED^3 1.55E-06 6.55E-06 0.235810 0.8142 R-squared 0.705853 Mean dependent var 293.5460 H0: Mô hình (9.4) có dạng hàm đúng . Với = 3% p-value = 0.0120 < 0.03: bác bỏ H0 7 8 https://sites.google.com/a/ueh.edu.vn/phamtricao/ 2
  3. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Ramsey RESET Test Dependent Variable: LOG(PRICE) (MH 9.5) Equation: EQ01 Specification: PRICE C LOTSIZE SQRFT BDRMS Method: Least Squares Omitted Variables: Powers of fitted values from 2 to 5 Included observations: 88 Value df Probability Variable Coefficient Std. Error t-Statistic Prob. F-statistic 3.225850 (4, 80) 0.0166 Likelihood ratio 13.15896 4 0.0105 C -1.297042 0.651284 -1.991517 0.0497 Unrestricted Test Equation: LOG(LOTSIZE) 0.167967 0.038281 4.387714 0.0000 Dependent Variable: PRICE LOG(SQRFT) 0.700232 0.092865 7.540306 0.0000 Method: Least Squares Included observations: 88 BDRMS 0.036958 0.027531 1.342415 0.1831 Variable Coefficient Std. Error t-Statistic Prob. R-squared 0.642965 Mean dependent var 5.633180 C 340.2329 3320.583 0.102462 0.9186 LOTSIZE 0.002603 0.080979 0.032149 0.9744 SQRFT 0.157983 4.816594 0.032800 0.9739 BDRMS 19.32476 542.8438 0.035599 0.9717 FITTED^2 -0.034809 0.240737 -0.144595 0.8854 FITTED^3 0.000191 0.000714 0.267613 0.7897 FITTED^4 -3.93E-07 1.02E-06 -0.383490 0.7024 FITTED^5 2.83E-10 5.70E-10 0.495886 0.6213 9 10 PHÂN TÍCH HỒI QUY BỘI: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Ramsey RESET Test Specification: LOG(PRICE) C LOG(LOTSIZE) LOG(SQRFT) BDRMS Omitted Variables: Powers of fitted values from 2 to 3 Kiểm định đối với mô hình không lồng nhau Value df Probability Dạng hàm nào sẽ F-statistic 2.565041 (2, 82) 0.0831 phù hợp hơn? Likelihood ratio 5.340099 2 0.0692 Mô hình 1: 9.6 Unrestricted Test Equation: Mô hình 2: 9.7 Dependent Variable: LOG(PRICE) Included observations: 88 Xây dựng một mô hình hỗn hợp và mỗi mô hình ban đầu là trường hợp đặc biệt của mô hình hỗn hợp và kiểm định: y   0   1 x1   2 x2   3 log( x1 )   4 log( x2 )  u Variable Coefficient Std. Error t-Statistic Prob. 9.8 C 87.88576 240.9739 0.364711 0.7163 LOG(LOTSIZE) -4.181019 12.59521 -0.331953 0.7408 H0: 1=0, 2=0 cho mô hình 9.7 LOG(SQRFT) -17.34933 52.48991 -0.330527 0.7418 BDRMS -0.925342 2.769757 -0.334088 0.7392 H0: 3=0, 4=0 cho mô hình 9.6 FITTED^2 3.910284 13.01429 0.300461 0.7646 Thảo luận FITTED^3 -0.192766 0.752080 -0.256311 0.7984 H0: Mô hình (9.5) có dạng hàm đúng . Với = 6% Luôn có thể thực hiện; tuy nhiên, không có mô hình chiếm ưu thế rõ ràng. Không thể sử dụng nếu các mô hình có biến phụ thuộc có dạng hàm khác nhau. p-value = 0.0831 > 0.06: chấp nhận H0 11 © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 3
  4. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Tập tin hprice1.wf1 Wald Test: Equation: EQ03 Dependent Variable: PRICE (MH 9.8) Method: Least Squares Test Statistic Value df Probability Included observations: 88 F-statistic 7.792740 (2, 83) 0.0008 Variable Coefficient Std. Error t-Statistic Prob. Chi-square 15.58548 2 0.0004 C 1403.700 970.6562 1.446135 0.1519 Null Hypothesis: C(2)=0, C(3)=0 LOTSIZE -0.000493 0.001021 -0.483133 0.6303 Null Hypothesis Summary: SQRFT 0.247463 0.063686 3.885688 0.0002 LOG(LOTSIZE) 60.21552 20.04305 3.004309 0.0035 Normalized Restriction (= 0) Value Std. Err. LOG(SQRFT) -282.6301 140.5320 -2.011144 0.0476 C(2) -0.000493 0.001021 C(3) 0.247463 0.063686 R-squared 0.713293 Mean dependent var 293.5460 Restrictions are linear in coefficients. p-value = 0.0008 < 0.05: bác bỏ H0: 1=0, 2=0 Mô hình (9.7) không chiếm ưu thế hơn (9.6) 13 14 PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Wald Test: • Cách làm này chỉ cho ra kết quả tốt khi 1 giả thiết bị bác bỏ và 1 giả Equation: EQ03 thiết được chấp nhận. Test Statistic Value df Probability • Có thể dùng kiểm định Davidson-MacKinnon, trang 350. F-statistic 7.259057 (2, 83) 0.0012 Chi-square 14.51811 2 0.0007 Null Hypothesis: C(4)=0,C(5)=0 Null Hypothesis Summary: Normalized Restriction (= 0) Value Std. Err. C(4) 60.21552 20.04305 C(5) -282.6301 140.5320 Restrictions are linear in coefficients. p-value = 0.0012 < 0.05: bác bỏ H0: 3=0, 4=0 Mô hình (9.6) không chiếm ưu thế hơn (9.7) 15 16 https://sites.google.com/a/ueh.edu.vn/phamtricao/ 4
  5. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge Phân tích hồi quy bội: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu Vấn đề dạng hàm và dữ liệu 9.2 Sử dụng biến đại diện cho các biến giải thích không quan sát được Giả thiết đối với biến đại diện Biến đại diện “chỉ là đại diện“ cho biến bị bỏ sót, nó không thuộc vào hàm hồi Ví dụ: Bỏ sót biến năng lực trong mô hình tiền lương Thay bằng biến đại diện quy tổng thể, nghĩa là, nó không tương quan với nhiễu. 9.9 Nếu nhiễu và biến đại diện có tương quan, biến đại Thông thường, ước lượng của suất sinh lợi giáo dục và kinh nghiệm thường bị chệch bởi vì mô hình diện cần có mặt trong mô hình hồi quy tổng thể có thể bỏ sót biến năng lực không quan sát được. Ý tưởng: tìm một biến đại diện cho năng lực, có thể kiểm soát và thể hiện được năng lực khác nhau giữa các cá nhân, khi đó hệ số hồi quy của các biến khác không còn chệch. Một trong những biến Biến đại diện phải đại diện “tốt“ cho biến bị bỏ sót, nghĩa là các biến khác thêm đại diện cho năng lực là chỉ số IQ hoặc kết quả của các bài kiểm tra tương tự. vào không giúp gì trong dự đoán biến bị bỏ sót. Cách sử dụng biến đại diện trong mô hình: 9.13 9.10 Nếu điều này không thỏa, thì x1 và x2 cần được thêm Biến bỏ sót, chẳng hạn: năng lực vào mô hình hồi quy của 9.11 biến bị bỏ sót. Hồi quy biến bỏ sót theo biến đại diện của nó (x3 đại diện cho x3*) © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. Phân tích hồi quy bội: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu Vấn đề dạng hàm và dữ liệu Ví dụ 9.3: IQ là biến đại diện cho năng lực abil Khi thỏa các giả định trên, biến đại diện được sử dụng như sau: Giống với kỳ vọng, suất sinh lợi giáo dục giảm nếu IQ được đưa vào mô hình để làm đại diện cho biến năng lực không quan sát được. Trong mô hình hồi quy này, sai số ngẫu nhiên e= u+β3v3 không tương quan với tất cả biến giải thích. Khi đó, hệ số hồi quy sẽ được ước lượng đúng bằng OLS. Hệ số của biến x1 và x2 sẽ xác Hệ số hồi quy đứng trước biến IQ cho định đúng. Hệ số của biến đại diện trong nhiều trường hợp cũng được quan tâm (nó là bội số biết sự khác nhau trong năng lực giữa của hệ số đứng trước biến bị bỏ sót). các cá nhân có ý nghĩa quan trọng đến tiền lương (ví dụ, mức chênh lệnh 15 Thảo luận về giả thiết biến đại diện trong hàm tiền lương điểm IQ dẫn đến mức chênh lên 5,4 điểm phần trăm trong tiền lương). Giả thiết 1: Chỉ số IQ phải hoàn toàn không tác động trực tiếp đến tiền lương; quan trọng Ngay cả khi chỉ số IQ không hoàn toàn là một cá nhân chứng minh năng lực trong công việc như thế nào. giải thích sự thay đổi do năng lực, việc Giả thiết 2: Hầu hết sự biến động của biến năng lực có thể được giải thích bởi sự thay đổi thêm nó vào mô hình ít nhất làm giảm tính chệch của suất sinh lợi giáo dục. trong chỉ số IQ, chỉ có một số ít được giải thích bởi học vấn và kinh nghiệm. Tương tác giữa năng lực và học vấn Có thể có đa cộng tuyến cao giữa IQ và educ không có ý nghĩa. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 5
  6. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Tập tin wage2.wf1 Dependent Variable: LOG(WAGE) (MH2) Method: Least Squares Dependent Variable: LOG(WAGE) (MH1) Included observations: 935 Method: Least Squares Included observations: 935 Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob. EDUC 0.054411 0.006928 7.853173 0.0000 EDUC 0.065431 0.006250 10.46826 0.0000 EXPER 0.014146 0.003165 4.469316 0.0000 EXPER 0.014043 0.003185 4.408852 0.0000 TENURE 0.011395 0.002439 4.671302 0.0000 TENURE 0.011747 0.002453 4.788998 0.0000 MARRIED 0.199764 0.038802 5.148237 0.0000 MARRIED 0.199417 0.039050 5.106691 0.0000 SOUTH -0.080169 0.026253 -3.053735 0.0023 SOUTH -0.090904 0.026249 -3.463193 0.0006 URBAN 0.181946 0.026793 6.790848 0.0000 URBAN 0.183912 0.026958 6.822087 0.0000 BLACK -0.143125 0.039492 -3.624118 0.0003 BLACK -0.188350 0.037667 -5.000444 0.0000 IQ 0.003559 0.000992 3.588501 0.0004 C 5.395497 0.113225 47.65286 0.0000 C 5.176439 0.128001 40.44074 0.0000 R-squared 0.252558 Mean dependent var 6.779004 R-squared 0.262809 Mean dependent var 6.779004 Adjusted R-squared 0.246914 S.D. dependent var 0.421144 Adjusted R-squared 0.256441 S.D. dependent var 0.421144 21 22 PHÂN TÍCH HỒI QUY BỘI: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Dependent Variable: LOG(WAGE) (MH3) Method: Least Squares Included observations: 935 Sử dụng biến trễ của biến phụ thuộc làm biến đại diện Variable Coefficient Std. Error t-Statistic Prob. Trong nhiều trường hợp, yếu tố không quan sát được bị bỏ sót có thể được đại diện EDUC 0.018456 0.041061 0.449479 0.6532 bởi giá trị của biến phụ thuộc ở các thời điểm trước. EXPER 0.013907 0.003177 4.377665 0.0000 TENURE 0.011393 0.002440 4.669853 0.0000 Ví dụ 9.4: Tỷ lệ tội phạm trong thành phố MARRIED 0.200866 0.038827 5.173393 0.0000 SOUTH -0.080235 0.026256 -3.055888 0.0023 9.16 URBAN 0.183576 0.026859 6.834892 0.0000 BLACK -0.146699 0.039701 -3.695069 0.0002 IQ -0.000942 0.005163 -0.182424 0.8553 Việc đưa thêm tỷ lệ tội phạm thời điểm trước vào mô hình ít nhất kiểm soát được phần nào các EDUC*IQ 0.000340 0.000383 0.888386 0.3746 yếu tố bị bỏ sót có tác động đến tỷ lệ tội phạm trong năm đang xét. C 5.648248 0.546296 10.33916 0.0000 So sánh hai thành phố có cùng tỷ lệ tội phạm vào năm trước; nghĩa là, chúng ta đã tránh trường hợp so sánh hai thành phố có sự khác biệt rất lớn trong các yếu tố tác động đến tỷ lệ tội phạm không quan sát được. R-squared 0.263438 Mean dependent var 6.779004 Adjusted R-squared 0.256271 S.D. dependent var 0.421144 Kỳ vọng dấu của β3>0. Nếu 2 thành phố có cùng tỷ lệ tội phạm trước đây (crime-1) và tỷ lệ thất nghiệp hiện tại (unem), β2 đo lường tác động của expend lên crime. Chọn MH2. 23 © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 6
  7. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Tập tin crime2.wf1 Dependent Variable: LOG(CRMRTE87) (MH2) • Ví dụ 9.4: Tỷ lệ tội phạm trong thành phố Method: Least Squares Included observations: 46 after adjustments Dependent Variable: LOG(CRMRTE87) (MH1) Method: Least Squares Variable Coefficient Std. Error t-Statistic Prob. Included observations: 46 after adjustments UNEM87 0.008621 0.019517 0.441725 0.6610 Variable Coefficient Std. Error t-Statistic Prob. -0.139576 0.2059 LOG(LAWEXPC87) 0.108641 -1.284745 LOG(CRMRTE82) 1.193923 0.132098 9.038124 0.0000 UNEM87 -0.029003 0.032339 -0.896856 0.3748 C 0.076450 0.821143 0.093102 0.9263 LOG(LAWEXPC87) 0.203365 0.172653 1.177881 0.2453 C 3.342899 1.250526 2.673194 0.0106 R-squared 0.679830 Mean dependent var 4.590739 R-squared 0.057117 Mean dependent var 4.590739 Adjusted R-squared 0.656961 S.D. dependent var 0.325302 Adjusted R-squared 0.013262 S.D. dependent var 0.325302 Dấu của UNEM87 và LOG(LAWEXPC87) đúng với kỳ vọng. Dấu của UNEM87 và LOG(LAWEXPC87) trái với kỳ vọng. 25 26 PHÂN TÍCH HỒI QUY BỘI: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Cách tạo ra biến CRMRTE82: • Tạo ra biến CRMRTE82 từ biến CRMRTE. 9.3 Mô hình với hệ số góc ngẫu nhiên (= Mô hình có hệ số ngẫu nhiên) (tự đọc) • Thêm 1 quan sát NA vào dòng đầu tiên (Insert obs…). Mô hình có hệ số chặn ngẫu nhiên và hệ số góc ngẫu nhiên 9.18 Hệ số chặn Thành phần Hệ số góc Thành phần trung bình ngẫu nhiên trung bình ngẫu nhiên Sai số Thành phần ngẫu nhiên của một cá nhân độc lập với biến Giả thiết: giải thích WLS hay OLS với sai số chuẩn cải thiện sẽ giúp ước lượng vững hệ số chặn trung bình và hệ số góc trung bình của tổng thể. 9.20 27 © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 7
  8. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge Phân tích hồi quy bội: PHÂN TÍCH HỒI QUY BỘI: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Ví dụ 9.5: Hàm tiết kiệm với sai số đo lường Khi chúng ta sử dụng 1 thước đo không chính xác cho 1 biến kinh tế trong 1 mô hình • sav* = β0 + β1inc + β2size + β3educ + β4age + u hồi quy, thì có nghĩa là mô hình của chúng ta hàm chứa vấn đề sai số đo lường. • sav*: tiết kiệm thật sự, sav: tiết kiệm báo cáo 9.4 Tính chất của OLS khi có sai số trong đo lường • e0 = sav-sav* Sai số đo lường ở biến phụ thuộc • Khá hợp lý nếu giả thiết sai số đo lường không tương quan với inc, 9.24 Giá trị sai = Giá trị đúng + Sai số đo lường size, educ, age. • Chúng ta có thể không bao giờ biết được sai số đo lường có Hàm hồi quy tổng thể tương quan với inc, educ hay không, trừ khi chúng ta thu thập được dữ liệu về sav*. Mô hình được ước lượng 9.25 • Ví dụ 9.6: Sai số đo lường trong tỷ lệ phế phẩm Hậu quả của sai số đo lường ở biến phụ thuộc Ước lượng kém hiệu quả hơn do phương sai sai số cao hơn. • log(scrap*)= β0 + β1grant + u Tuy nhiên, ước lượng OLS vẫn không chệch và vững (với giả thiết sai số đo lường e0 • scrap*: tỷ lệ phế phẩm thực tế, scrap: tỷ lệ phế phẩm công ty báo cáo không tương quan với các biến giải thích xj). Ngoài ra, các thống kê t, F, LM vẫn hợp lệ. • e0 = log(scrap) - log(scrap*) © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. 30 Phân tích hồi quy bội: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu Vấn đề dạng hàm và dữ liệu Sai số đo lường ở 1 biến giải thích Hậu quả của sai số đo lường trong biến giải thích Dưới giả thiết sai số trong đo lường cổ điển (CEV), OLS cho ước lượng chệch và 9.28 Giá trị sai = Giá trị đúng + Sai số đo lường không vững vì biến đo sai x1 bị nội sinh. Hàm hồi quy tổng thể 9.27 Có thể biểu diễn tính không vững của ước lượng như sau: Mô hình được ước lượng Nhân tử này (liên quan đến phương sai 9.30 của nhiễu trong hàm hồi quy giá trị đúng Sai số không tương quan với 9.33 của x1 theo các biến giải thích khác) luôn Giả thiết sai số trong đo lường cổ điển: 9.31 giá trị đúng nhận giá trị từ 0 đến nhỏ hơn 1. Giá trị sai x1 có Tác động của biến đo sai bị chệch suy giảm, nghĩa là độ lớn tác động của biến đo 9.32 tương quan với sai số của mô hình sai luôn gần với giá trị 0 hơn so với tác động của biến đúng. Ví dụ nếu β1 >0 thì β1^ - sẽ có xu hướng ước lượng thấp hơn β1. Ngoài ra, tác động của các biến giải thích khác cũng bị chệch. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 8
  9. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Ví dụ 9.7: Phương trình GPA với sai số đo lường • colGPA = β0 + β1faminc* + β2hsGPA + β3SAT + u 9.5 Dữ liệu bị khuyết, mẫu phi ngẫu nhiên, các quan sát bất thường (tự đọc) • faminc*: thu nhập thực tế hàng năm của hộ gia đình • faminc: thu nhập hàng năm của hộ gia đình do sinh viên kê khai Dữ liệu bị khuyết do chọn mẫu • e1 = faminc - faminc* Dữ liệu khuyết là trường hợp đặc biệt của vấn đề chọn mẫu (mẫu phi ngẫu nhiên) khi • Nếu dùng faminc thay cho faminc* sẽ làm chệch ước lượng OLS của quan sát bị thiếu thông tin không thể sử dụng được. β1 về phía 0. Một hậu quả của sự chệch dưới là kiểm định giả thiết H0: β1 = 0 ; H1: β1 > 0 sẽ thường cho kết quả chấp nhận H0 (do |t| Nếu mẫu được chọn dựa trên các biến độc lập thì hàm hồi quy không gặp bất kỳ nhỏ). vấn đề nào vì hàm hồi quy xét điều kiện dựa trên các biến dộc lập. Nói chung, việc chọn mẫu sẽ không có vấn đề gì trong trường hợp nó không liên quan tới sai số của mô hình (= chọn mẫu ngoại sinh). Việc chọn mẫu sẽ có vấn đề nếu nó dựa trên biến phụ thuộc hoặc sai số (= chọn mẫu nội sinh). 33 © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. Phân tích hồi quy bội: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu Vấn đề dạng hàm và dữ liệu Ví dụ về chọn mẫu ngoại sinh Quan sát bất thường và quan sát có ảnh hưởng lớn 9.37 Quan sát có giá trị cách xa hay bất thường là vấn đề đặc trưng của OLS vì phương Nếu mẫu phi ngẫu nhiên được chọn theo nhóm thu nhập, nhóm tuổi, quy mô gia đình, thì hàm hồi pháp này dựa trên bình phương phần dư. quy không có bất kỳ vấn đề gì bởi vì nó nghiên cứu tiết kiệm cho một tập con của tổng thể được Nếu quan sát bất thường do sai sót khi nhập liệu, ta chỉ cần bỏ đi các quan sát đó. xác định bởi thu nhập, tuổi và quy mô gia đình. Nếu quan sát bất thường nảy sinh do quá trình thu thập dữ liệu, việc quyết định giữ Ví dụ về chọn mẫu nội sinh lại hay bỏ đi những quan sát này không phải dễ dàng. 9.38 Ví dụ 9.8: Cường độ R&D và quy mô doanh nghiệp Nếu mẫu phi ngẫu nhiên là do các cá nhân từ chối tham gia cuộc khảo sát vì giá trị tài sản của họ 9.40 (wealth) quá cao hoặc thấp, kết quả ước lượng sẽ bị chệch vì những cá nhân này có sự khác biệt một cách hệ thống với những cá nhân không từ chối tham gia mẫu khảo sát. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 9
  10. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge Phân tích hồi quy bội: PHÂN TÍCH HỒI QUY BỘI: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Tập tin rdchem.wf1 Dependent Variable: RDINTENS Ví dụ 9.8: Cường độ R&D và quy mô doanh nghiệp (tiếp tục) Method: Least Squares Sample: 1 32 Included observations: 32 Variable Coefficient Std. Error t-Statistic Prob. C 2.622954 0.585494 4.479896 0.0001 SALES 5.35E-05 4.41E-05 1.214138 0.2345 PROFMARG 0.044744 0.046179 0.968926 0.3406 R-squared 0.076490 Mean dependent var 3.265625 Adjusted R-squared 0.012800 S.D. dependent var 1.874079 Giá trị bất thường này không phải là lỗi nhập liệu: Một trong các công ty trong dữ Kết quả ước lượng khi không có quan sát liệu có quy mô lớn hơn các công ty khác bất thường thì có ý nghĩa hơn. © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. 38 PHÂN TÍCH HỒI QUY BỘI: Phân tích hồi quy bội: Vấn đề dạng hàm và dữ liệu VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Dependent Variable: RDINTENS Method: Least Squares 9.6 Phương pháp độ lệch tuyệt đối nhỏ nhất (LAD) Sample: 1 32 IF (SALES39709) Included observations: 31 Phương pháp độ lệch tuyệt đối nhỏ nhất tìm cách cực tiểu hóa tổng trị tuyệt đối của các Variable Coefficient Std. Error t-Statistic Prob. phần dư (thay vì tổng bình phương phần dư, OLS) C 2.294401 0.591756 3.877273 0.0006 9.45 SALES 0.000186 8.42E-05 2.206527 0.0357 PROFMARG 0.047974 0.044480 1.078555 0.2900 Ít nhạy cảm hơn với các giá trị bất thường vì không bình phương phần dư. R-squared 0.173177 Mean dependent var 3.254839 Adjusted R-squared 0.114118 S.D. dependent var 1.904048 Phương pháp độ lệch tuyệt đối nhỏ nhất ước lượng các tham số của trung vị có điều kiện (thay vì trung bình có điều kiện như OLS) Các ước lượng độ lệch tuyệt đối nhỏ nhất là trường hợp đặc biệt của hồi quy phân vị (ước lượng các tham số của phân vị có điều kiện). 39 © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. https://sites.google.com/a/ueh.edu.vn/phamtricao/ 10
  11. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU • Tập tin rdchem.wf1 • Nhược điểm của LAD: • Không thể viết thành các công thức đối với các ước lượng LAD. Dependent Variable: RDINTENS (OLS) • LAD cần nhiều tính toán hơn so với OLS. Method: Least Squares Included observations: 32 • Các suy diễn thống kê liên quan tới các ước lượng LAD chỉ đúng khi cỡ mẫu lớn. Variable Coefficient Std. Error t-Statistic Prob. • LAD luôn luôn ước lượng không vững các tham số xuất hiện trong hàm hồi quy trung bình có điều kiện E(y/x1,…xk). C 2.622954 0.585494 4.479896 0.0001 • Để LAD ước lượng vững trung bình có điều kiện E(y/x1,…xk) thì cần SALES 5.35E-05 4.41E-05 1.214138 0.2345 thêm 2 giả thiết (ngoài các giả thiết đã biết): PROFMARG 0.044744 0.046179 0.968926 0.3406 – Phân phối của u|x1,…, xk đối xứng qua giá trị 0. R-squared 0.076490 Mean dependent var 3.265625 – u độc lập với (x1,…, xk). Adjusted R-squared 0.012800 S.D. dependent var 1.874079 S.E. of regression 1.862047 Akaike info criterion 4.170290 Sum squared resid 100.5493 Schwarz criterion 4.307702 Log likelihood -63.72464 Hannan-Quinn criter. 4.215838 F-statistic 1.200970 Durbin-Watson stat 1.694915 Prob(F-statistic) 0.315429 41 42 PHÂN TÍCH HỒI QUY BỘI: PHÂN TÍCH HỒI QUY BỘI: VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU Dependent Variable: RDINTENS (LAD) Method: Quantile Regression (Median) • Kiểm tra giả thiết MLR4: Included observations: 32 Xem Chương 15, mục 15.5 Huber Sandwich Standard Errors & Covariance Sparsity method: Kernel (Epanechnikov) using residuals Bandwidth method: Hall-Sheather, bw=0.30602 Estimation successfully identifies unique optimal solution Variable Coefficient Std. Error t-Statistic Prob. C 1.620740 0.699333 2.317552 0.0277 SALES 1.87E-05 4.99E-05 0.374881 0.7105 PROFMARG 0.118251 0.062049 1.905760 0.0666 Pseudo R-squared 0.059663 Mean dependent var 3.265625 Adjusted R-squared -0.005188 S.D. dependent var 1.874079 S.E. of regression 2.008451 Objective 19.89753 Quantile dependent var 2.620000 Restr. objective 21.16000 Sparsity 4.885282 Quasi-LR statistic 2.067383 Prob(Quasi-LR stat) 0.355692 43 44 https://sites.google.com/a/ueh.edu.vn/phamtricao/ 11
  12. Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M. 09.12.2017 Wooldridge Môøi gheù thaêm trang web: 45  https://sites.google.com/a/ueh.edu.vn/phamtricao/  https://sites.google.com/site/phamtricao/ https://sites.google.com/a/ueh.edu.vn/phamtricao/ 12
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2