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

Bài giảng Kinh tế lượng - ĐH Kinh tế TP. HCM

Chia sẻ: Minh Vũ | Ngày: | Loại File: PDF | Số trang:65

Thêm vào BST
Báo xấu
57
lượt xem 4
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

 Bài giảng "Kinh tế lượng" cung cấp cho người học các kiến thức nhập môn kinh tế lượng, mô hình hồi quy hai biến, hồi quy tuyến tính bội, hồi quy với biến giả. Mời các bạn cùng tham khảo nội dung chi tiết.

Chủ đề:

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

Lưu

Nội dung Text: Bài giảng Kinh tế lượng - ĐH Kinh tế TP. HCM

  1. 11/5/2015 Chương 1 NHẬP MÔN KINH TẾ LƯỢNG by Tuan Anh (UEH) 1. LỊCH SỬ MÔN HỌC Thuật ngữ “Econometrics” được sử dụng đầu tiên bởi Pawel Ciompa vào năm 1910 Tuy nhiên, mãi đến năm 1930 , với các công trình nghiên cứu của Ragnar Frisch (Na Uy) thì thuật ngữ “Econometrics” mới được dùng đúng ý nghĩa như ngày hôm nay Cùng khoảng thời gian này thì Jan Tinbergen (Hà Lan) cũng độc lập xây dựng các mô hình kinh tế lượng đầu tiên Hai ông cùng được trao giải Nobel năm 1969 – giải Nobel kinh tế đầu tiên - với những nghiên cứu của mình về kinh tế lượng by Tuan Anh (UEH) 1
  2. 11/5/2015 1. LỊCH SỬ MÔN HỌC Từ năm 1969 đến nay đã có 5 giải Nobel trao cho các nhà kinh tế lượng Jan Tinbergen, Ragnar Frisch - Năm 1969 Lawrence Klein – năm 1980 Trygve Haavelmo – năm 1989 Daniel McFadden , James Heckman – năm 2000 Robert Engle , Clive Granger - năm 2003 Lars P. Hansen, Eugene F.Fama, Robert J Shiller (2013) by Tuan Anh (UEH) 2. NỘI DUNG NGHIÊN CỨU Econometrics – Kinh tế lượng  Ước lượng, đo lường các mối quan hệ kinh tế  Đối chiếu lý thuyết kinh tế với thực tiễn, qua đó kiểm định sự phù hợp của các lý thuyết kinh tế.  Dự báo các biến số kinh tế. by Tuan Anh (UEH) 2
  3. 11/5/2015 3. CÁC MÔN HỌC LIÊN QUAN  Kinh tế vi mô và kinh tế vĩ mô  Toán học  Xác suất  Thống kê  Tin học by Tuan Anh (UEH) 4. HỒI QUY TRONG KINH TẾ LƯỢNG a) Quan hệ hồi quy Hồi quy nghiên cứu sự phụ thuộc của một đại lượng kinh tế này (biến phụ thuộc) vào một hay nhiều đại lượng kinh tế khác (biến độc lập, biến giải thích ) dựa trên ý tưởng là ước lượng giá trị trung bình của biến phụ thuộc trên cơ sở các giá trị biết trước của các biến độc lập Như vậy:  Biến độc lập có giá trị xác định trước  Biến phụ thuộc là đại lượng ngẫu nhiên tuân theo các quy luật phân bố xác suất by Tuan Anh (UEH) 3
  4. 11/5/2015 4. HỒI QUY TRONG KINH TẾ LƯỢNG b) Phân biệt quan hệ hồi quy với các quan hệ khác  Quan hệ hồi quy với quan hệ nhân quả  Quan hệ hồi quy với quan hệ tương quan  Quan hệ hồi quy với quan hệ hàm số Hàm số : Y  f (X ) Hàm hồi quy : Y  f ( X ) U Với U là sai số by Tuan Anh (UEH) Vì sao sai số U luôn tồn tại trong mô hình hồi quy ?  Vì không biết hết các yếu tố ảnh hưởng đến biến phụ thuộc Y  Vì không thể đưa hết các yếu tố ảnh hưởng đến Y vào mô hình ( sẽ làm mô hình phức tạp )  Vì không có tất cả các số liệu cần thiết  Vì sai sót và sai số trong quá trình thu thập số liệu by Tuan Anh (UEH) 4
  5. 11/5/2015 4. HỒI QUY TRONG KINH TẾ LƯỢNG c) Hàm hồi quy tổng thể - PRF(Population Regression Function ) PRF : Yi  f ( X 2i , X 3i ,... X ki )  U i Y : Biến phụ thuộc Yi : Giá trị thực tế cụ thể của biến phụ thuộc X2,X3,…, Xk : Các biến độc lập X2i,X3i,…, Xki : Giá trị cụ thể của biến độc lập Ui : Sai số ngẫu nhiên ứng với quan sát thứ i by Tuan Anh (UEH) 4. HỒI QUY TRONG KINH TẾ LƯỢNG c) Hàm hồi quy tổng thể - PRF (Population Regression Function ) PRF : Yi  f ( X 2i , X 3i ,... X ki )  U i Hoặc : E (Y | X 2i , X 3i ,... X ki )  f ( X 2i , X 3i ,... X ki ) Lưu ý : gần như không bao giờ có được hàm hồi quy tổng thể by Tuan Anh (UEH) 5
  6. 11/5/2015 4. HỒI QUY TRONG KINH TẾ LƯỢNG d)Hàm hồi quy mẫu - SRF (Sample Regression Function ) Trong thực tế rất khó nghiên cứu trên tổng thể nên thông thường người ta nghiên cứu xây dựng hàm hồi quy trên một mẫu => Gọi là hàm hồi quy mẫu SRF : Yi  f ( X 2i , X 3i ,... X ki )  ei Với ei là sai số trong mẫu, là phần dư, là ước lượng của Ui. SRF : Yˆi  f ( X 2i , X 3i ,...X ki ) by Tuan Anh (UEH) Chương 2 MÔ HÌNH HỒI QUY HAI BIẾN 6
  7. 11/5/2015 I. HỒI TUYẾN TÍNH 2 BIẾN 1. Hàm hồi quy tuyến tính 2 biến của tổng thể Trong quan hệ hồi quy , một biến phụ thuộc có thể được giải thích bởi nhiều biến độc lập Nếu chỉ nghiên cứu một biến phụ thuộc bị ảnh hưởng bởi một biến độc lập => Mô hình hồi quy hai biến Nếu mối quan hệ giữa hai biến này là tuyến tính => Mô hình hồi quy tuyến tính hai biến I. HỒI TUYẾN TÍNH 2 BIẾN Hàm hồi quy tổng thể (PRF) của mô hình hồi quy hai biến PRF : Yi  1   2 X i  U i E (Y | X i )  1   2 X i Hay: Trong đó Y : Biến phụ thuộc Yi : Giá trị cụ thể của biến phụ thuộc X : Biến độc lập Xi : Giá trị cụ thể của biến độc lập Ui : Sai số ngẫu nhiên ứng với quan sát thứ i 7
  8. 11/5/2015 I. HỒI TUYẾN TÍNH 2 BIẾN Hàm hồi quy tổng thể (PRF) của mô hình hồi quy hai biến PRF : Yi  1   2 X i  U i Trong đó β1,β2 là các tham số của mô hình với ý nghĩa : β1 : Tung độ gốc của hàm hồi quy tổng thể, là giá trị trung bình của biến phụ thuộc Y khi biến độc lập X nhận giá trị bằng 0 β2 : Độ dốc của hàm hồi quy tổng thể , là lượng thay đổi trung bình của Y khi X thay đổi 1 đơn vị Đồ thị minh họa 7 PRF Tiêu dùng Y (trieu đong/tháng ) 6 5 Ui E (Y | X i )  1   2 X i 4 3 Yi 2 1 0 0 1 2 3 4 5 6 7 8 Thu nhập X (triệu đồng/tháng) Thu nh?p X (tri?u đ?ng /tháng) 8
  9. 11/5/2015 I. HỒI TUYẾN TÍNH 2 BIẾN 2. Hàm hồi quy mẫu của hồi quy 2 biến Trong thực tế rất khó nghiên cứu trên tổng thể nên thông thường người ta nghiên cứu xây dựng hàm hồi quy trên một mẫu => Gọi là hàm hồi quy mẫu Đồ thị minh họa 7 Tiêu dùng Y (trieu đong/tháng ) 6 SRF 5 ei Yˆi  ˆ1  ˆ2 Xi 4 3 Yi 2 ˆ2 ˆ1 1 0 0 1 2 3 4 5 6 7 8 Thu nhập X (triệu đồng/tháng) Thu nh?p X (tri?u đ?ng /tháng) 9
  10. 11/5/2015 I. HỒI TUYẾN TÍNH 2 BIẾN 2. Hàm hồi quy mẫu của hồi quy 2 biến SRF : Yi  ˆ1  ˆ2 X i  ei Trong đó ˆ1 Tung độ gốc của hàm hồi quy mẫu, là ước lượng điểm của β1 ˆ2 Độ dốc của hàm hồi quy mẫu, là ước lượng điểm của β2 ei Sai số ngẫu nhiên , là ước lượng điểm của Ui I. HỒI TUYẾN TÍNH 2 BIẾN 2. Hàm hồi quy mẫu của hồi quy 2 biến SRF : Yi  ˆ1  ˆ2 X i  ei Nếu bỏ qua sai số ngẫu nhiên ei , thì giá trị thực tế Yi sẽ trở thành giá trị ước lượng Yˆ i SRF : Yˆi  ˆ1  ˆ2 X i 10
  11. 11/5/2015 7 Tiêu dùng Y (tri eu đong /tháng ) 6 SRF ei 5 ei 4 ei ei 3 ei ei 2 ei 1 0 0 1 2 3 4 5 6 7 8 Thu nh?p X (tri?u đ?ng /tháng) II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 1. Ước lượng các tham số của mô hình Giá trị thực tế Yi  ˆ1  ˆ2 X i  ei Giá trị ước lượng Yˆi  ˆ1  ˆ2 X i Sai số ei  Yi  Yˆi  Yi  ˆ1  ˆ2 X i Tìm ˆ1 , ˆ2 sao cho tổng bình phương sai số là nhỏ nhất  e   Y  ˆ  ˆ X  Tức là n n 2 2 i i 1 2 i  min i 1 i 1 Tại sao chúng ta không tìm Σei nhỏ nhất ? 11
  12. 11/5/2015 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) Giải bài toán cực trị hàm hai biến , ta được n  X Y  n.X .Y i i ˆ2  i 1 n X i 1 i 2  n.( X )2 Với ˆ1  Y  ˆ2 X X X i là giá trị trung bình của X n Y Yi n là giá trị trung bình của Y II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) Ví dụ áp dụng Quan sát về thu nhập (X – triệu đồng/năm) và chi tiêu (Y – triệu đồng/năm) của 10 người, ta được các số liệu sau : X 100 80 98 95 75 79 78 69 81 88 Y 90 75 78 88 62 69 65 55 60 70 Xây dựng hàm hồi quy mẫu Yˆi  ˆ1  ˆ2 X i 12
  13. 11/5/2015 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 2. Các giả thiết của OLS Giả thiết 1 : Quan hệ giữa Y và X là tuyến tính Các giá trị Xi cho trước và không ngẫu nhiên Giả thiết 2 : Các sai số Ui là đại lượng ngẫu nhiên có giá trị trung bình bằng 0 E (U i | X i )  0 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 2. Các giả thiết của OLS Giả thiết 3 : Các sai số Ui là đại lượng ngẫu nhiên có phương sai không thay đổi Var (U i | X i )   2  const Giả thiết 4 : Không có sự tương quan giữa các Ui Cov(U i ,U j | X i , X j )  0, i  j Giả thiết 5 : Không có sự tương quan giữa Ui và Xi Cov(U i , X i )  0 13
  14. 11/5/2015 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 2. Các giả thiết của OLS Định lý Guass – Markov : Khi các giả thiết này được đảm bảo thì các ước lượng tính được bằng phương pháp OLS là các ước lượng tuyến tính không chệch, hiệu quả nhất của hàm hồi quy tổng thể ước lượng OLS là BLUE (Best Linear Unbiased Estimator) II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 2. Các giả thiết của OLS Giả thiết 6 : các sai số Ui có phân phối chuẩn Ui N (0,  2 ) 14
  15. 11/5/2015 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 3. Hệ số xác định của mô hình Tổng bình phương toàn phần TSS (Total Sum of Squares) TSS   (Yi  Y )   Yi 2  n(Y ) 2 2 Tổng bình phương hồi quy ESS (Explained Sum of Squares) ESS   (Yˆi  Y )  ˆ22 ( X i2  nX 2 ) 2 Tổng bình phương phần dư RSS (Residual Sum of Squares) RSS   (Yi Yˆi )2   ei2 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 3. Hệ số xác định của mô hình Yi (Yi  Yˆ ) SRF RSS i Y ) Yˆi (YTSS ˆ Y ) (YESS i Y O Xi 15
  16. 11/5/2015 II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) 3. Hệ số xác định của mô hình TSS  ESS  RSS RSS ESS Hệ số xác định R2  1   TSS TSS •0 ≤ R2 ≤ 1 •R2 = 1 : mô hình phù hợp hoàn toàn với mẫu nghiên cứu •R2 = 0 : mô hình hoàn toàn không phù hợp với mẫu nghiên cứu II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (OLS) Ví dụ áp dụng Từ số liệu đã cho của ví dụ trước , yêu cầu tính hệ số xác định của mô hình 16
  17. 11/5/2015 III. KiỂM ĐỊNH MÔ HÌNH HỒI QUY 1. Các đại lượng ngẫu nhiên a. Đại lượng ngẫu nhiên Ui Theo giả thiết của phương pháp OLS, Ui là đại lượng ngẫu nhiên có giá trị trung bình bằng 0 và phương sai không thay đổi Ui ~ N(0,σ2) Khi đó σ2 được gọi là phương sai của tổng thể , được ước lượng bằng phương sai mẫu ˆ 2  i e 2   i i (Y  ˆ Y ) 2  RSS n2 n2 n2 III. KiỂM ĐỊNH MÔ HÌNH HỒI QUY 1. Các đại lượng ngẫu nhiên a. Đại lượng ngẫu nhiên Ui Ta có Yi  1   2 X i  U i Vì Ui ~ N(0 , σ2) Nên Yi ~ N(β1+β2Xi , σ2) 17
  18. 11/5/2015 III. KiỂM ĐỊNH MÔ HÌNH HỒI QUY 1. Các đại lượng ngẫu nhiên b. Đại lượng ngẫu nhiên ˆ , ˆ 1 2 Vì sao ˆ1 , ˆ2 là các đại lượng ngẫu nhiên ? ˆ1 ~ N (1 ,  2ˆ ) 1 ˆ2 ~ N ( 2 ,  2ˆ ) 2 Trong đó  2ˆ 1 là phương sai của ˆ1  2ˆ 2 là phương sai của ˆ2 III. KiỂM ĐỊNH MÔ HÌNH HỒI QUY 1. Các đại lượng ngẫu nhiên Với  2  X i 2 ˆ 2 ˆ 1 n( X  nX i 2 2 ) ˆ 2   2 ˆ 2  i X 2  nX 2 se(ˆ1 )   2ˆ sai số chuẩn của ˆ1 1 se(ˆ2 )   2ˆ Sai số chuẩn của ˆ2 2 18
  19. 11/5/2015 III. KiỂM ĐỊNH MÔ HÌNH HỒI QUY 2. Các khoảng tin cậy a. Khoảng tin cậy của β2 Khoảng tin cậy của β2 với độ tin cậy 1-α là  ˆ    2  t   se( ˆ2 ); ˆ2  t   se( ˆ2 )     2 2  Với t có được khi tra bảng t-Student với bậc tự do 2 (n-2), mức ý nghĩa α/2 III. KiỂM ĐỊNH MÔ HÌNH HỒI QUY 2. Các khoảng tin cậy b. Khoảng tin cậy của β1 Khoảng tin cậy của β1 với độ tin cậy 1-α là  ˆ   1  t   se( ˆ1 ); ˆ1  t   se( ˆ1 )     2 2  Giải thích ý nghĩa của độ tin cậy (1- α), ví dụ (1- α) =95%? 19
  20. 11/5/2015 Ví dụ áp dụng Từ số liệu đã cho của ví dụ trước , yêu cầu tính khoảng tin cậy của β2 và β1 với độ tin cậy 95% III. KIỂM ĐỊNH MÔ HÌNH HỒI QUY Nhắc lại về giả thuyết H0 Trong thống kê, giả thuyết phát biểu cần được kiểm định được gọi là giả thuyết không ( ký hiệu : H0). Giả thuyết đối được ký hiệu là giả thuyết H1 Báo bỏ H0 Chấp nhận H0 H0 sai Đúng Sai lầm loại II H0 đúng Sai lầm loại I Đúng Người ta thường đặt giả thuyết H0 sao cho sai lầm loại I là nghiêm trọng ( nguy hiểm) hơn sai lầm loại II 20
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