Bài giảng Kinh tế lượng: Phần 2 - TS Nguyễn Duy Thục

Chia sẻ: Dsgvfdcx Dsgvfdcx | Ngày: | Loại File: PDF | Số trang:43

Thêm vào BST

Báo xấu

268
lượt xem 19
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong phần 2 Kinh tế lượng nâng cao chương 1 Mô hình tự hồi quy, mô hình trễ phân phối và kiểm định quan hệ nhân quả nhằm giúp sinh viên nắm được bản chất 2 loại mô hình, nắm được phương pháp UL biến công cụ, nắm được cách biến đổi mô hình có trễ phân phối thành mô hình tự hồi quy và nắm được kiểm định nhân quả.

Chủ đề:

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

Lưu

Nội dung Text: Bài giảng Kinh tế lượng: Phần 2 - TS Nguyễn Duy Thục

Phần II Kinh tế lượng nâng cao 1
Chương I: Mô hình tự hồi quy, mô hình trễ phân phối và kiểm định quan hệ nhân quả Yêu cầu: • Nắm được bản chất 2 loại mô hình • Nắm được phương pháp UL biến công cụ • Nắm được cách biến đổi mô hình có trễ phân phối thành mô hình tự hồi quy • Nắm được kiểm định nhân quả 2
Mô hình tự hồi quy và mô hình có trễ phân phối • Mô hình tự hồi quy: Là mô hình trong đó có ít nhất một biến giải thích là giá trị trễ của biến phụ thuộc – Ví dụ: Yt = a1 +a2Xt + a3Yt-1 + ut • Mô hình có trễ phân phối: Là mô hình trong đó có cả giá trị hiện tại và giá trị trễ của biến giải thích. Yt = a+b0 Xt+...+bk Xt-k+ ut Yt = a+b0Xt+...+bk Xt-k+..+ ut mô hình có trễ phân phối mô hình có trễ phân phối hữu hạn; k: chiều dài của trễ vô hạn • b0 tác động ngắn hạn, là tác động tức thì của sự Δ của X lên biến Y • b0+...+bk+...= tác động dài hạn của X lên Y, là: ---- 3
• Đều là mô hình động: – Số liệu theo thời gian – Thể hiện tác động trễ giữa các biến số kinh tế (chính sách tiền tệ và lạm phát, cung-cầu và giá,.v.v) 4
Ước lượng mô hình có trễ phân phối • Giả sử mô hình cần UL là: Yt = a+b0 Xt+...+bk Xt-k+..+ ut • Phương pháp Alt and Tinbergen: Dùng phương pháp OLS để – UL Yt theo Xt, thu được ước lượng của b0 – UL Yt theo Xt và Xt-1, thu được ước lượng của b0 và b1;,v.v – Dừng quá trình trên khi UL của hệ số cuối cùng không có ý nghĩa thống kê, hoặc dấu của ít nhất một hệ số UL thay đổi • Nhược điểm của phương pháp trên: – Không có định hướng ban đầu về chiều dài của trễ – Khi ước lượng các trễ kế tiếp => số bậc tự do bị giảm đi => các suy diễn sẽ thiếu chính xác – Các biến trễ thường có tương quan cao=> vấn đề về đa cộng tuyến • Cần đến cách tiếp cận khác => chuyển về dạng mô hình tự hồi quy? 5
Biến đổi mô hình có trễ phân phối thành mô hình tự hồi quy • Mục đích: nhằm UL các tham số của mô hình có trễ phân phối • Ý tưởng: đưa ra các giả định về dạng của dãy các hệ số bj • Dùng giả định này để chuyển mô hình về dạng tự hồi quy Phương pháp Koyck: Xét mô hình có trễ phân phối vô hạn: Yt = a+b0Xt +...+ bk Xt-k +..+ ut (2.1) – Giả định: b0;b1;.. có cùng dấu và: – bk = b0 λk với -1
Biến đổi mô hình (tiếp) • Từ (2.3) và (2.4) Y t  a (1   )  b 0 X t   Y t 1  v t ; v t  ( u t   u t 1 ) ( 2.5) – b0: tác động ngắn hạn của ΔX lên Y – b0+...+bk+...= b0/(1-λ): tác động dài hạn của ΔX lên Y • Nhận xét: – Phép biến đổi Koyck chuyển mô hình có TPP về dạng mô hình THQ – Số hệ số cần ước lượng trong mô hình THQ chỉ còn là 3 – Tuy nhiên việc suy diễn về dạng hàm THQ dựa trên giả định (2.2) có vẻ mang tính riêng biệt và không dựa trên nền tảng lý thuyết nào cả ??? – Nhưng khi nhìn từ khía cạnh khác thì lại hợp lý => 7
Tính hợp lý của mô hình Koyck • Mô hình kỳ vọng thích nghi – Yt = a + bXt* +ut (2.6) – Y: diện tích trồng trong năm; X*: giá mong đợi – Mong đợi về giá được điều chỉnh dựa theo “sai lệch” trong quá khứ: X t*  X t*1   ( X t 1  X t*1 ) ( 2 .7 ) – Thay (2.7) vào (2.6) Yt  a  bX t1  (1  )Yt1  (ut  (1 )ut 1 ) ) (2.8) Mô hình tự hồi quy 8
Tính hợp lý của mô hình Koyck (tiếp) • Mô hình điều chỉnh riêng (mô hình hiệu chỉnh bộ phận): – Y*t = a + bX t-1 +cZt+ ut (2.9) – Y*: diện tích gieo trồng cân bằng; X: giá thực tế; Z: các biến khác Yt  Y t 1   ( Y t*  Y t 1 ) ( 2 . 10 ) 0    1 – Thay (2.10) vào (2.9): Yt  a  bX t 1  (1   )Yt 1  cZ t  u t – Mở rộng của Koyck (đọc giáo trình) 9
ước lượng mô hình tự hồi quy • Q: có thể dùng OLS để UL mô hình THQ nói trên không? • Xét giả thiết OLS của 3 mô hình trên • Mô hình mong đợi hợp lý và mô hình Koyck: – Yt-1 và vt có tương quan – Các vt là tự tương quan – Do đó OLS sẽ cho UL chệch, không vững=> không phù hợp • Mô hình điều chỉnh riêng: OLS thỏa mãn nhưng đòi hỏi n lớn. • => Cần phương pháp ước lượng mới để ước lượng mô hình tự hồi quy 10
Phương pháp biến công cụ – Ý tưởng: Nhằm giải quyết vấn đề về sự tương quan giữa biến giải thích Yt-1 và sai số ngẫu nhiên vt;bằng cách thay thế Yt-1 bằng một biến Zt có tính chất: • Có cộng tuyến cao với biến Yt-1 • Không tương quan với vt • Biến như vậy được gọi là biến công cụ – Thực hiện: (Liviatan) • chọn Xt-1 làm biến công cụ cho Yt-1 • Áp dụng OLS cho mô hình với biến công cụ này 11
Trễ đa thức Almon • Ý tưởng: Là một cách tiếp cận khác của mô hình TPP, với giả thiết các hệ số trong mô hình có thể biểu diễn được dưới dạng đa thức như sau bi = a0 + a1i+a2i2 hoặc bi = a0 + a1i+a2i2+...+arir • Thực hiện: dùng phép đổi biến số và sau đó áp dụng OLS • Ví dụ: với mô hình TPP có chiều dài trễ là 5: Yt = a+b0Xt +...+ b5 Xt-5 + ut Giả sử r = 2. Phép đổi biến được thực hiện như sau: 5 Z 0t   X t i  X t  ....  X t 5 0 5 Yt = a+ a0Z0t + a1Z1t + a2Z2t +ut Z 1t   iX t i  X t  2 X t  2 .  ...  5 X t 5 0 5 Z 2 t   i 2 X t i  X t  4 X t  2 ...  25 X t 5 0 12
Kiểm định quan hệ nhân quả • Từ phân tích hồi quy nói chung không suy ra được quan hệ nhân quả • Đối với hồi quy theo chuỗi thời gian, có thể suy diễn được về quan hệ nhân quả • Khái niệm nhân quả Grange: – X=>Y nếu X giúp dự báo Y – Y=> X nếu Y giúp dự báo X –X Y? 13
Kiểm định quan hệ nhân quả (tiếp) • Thực hiện kiểm định: – H0: ΔX không gây ra ΔY; Ha: ΔX gây ra ΔY – Thực hiện OLS: • Yt = α0+ α1Yt-1+..+ αmYt-m+ β1Xt-1+..+ βmXt-m+ut (*) • Yt = α0+ α1Yt-1+..+ αmYt-m+ ut (**) • Fqs = [ (R2*- R2**)/m]/[(1-R2*)/n-k] – Nếu Fqs> fα(m, n-k) => bác bỏ H0; ΔX gây ra ΔY • Tương tự đối với: H0: ΔY không gây ra ΔX; Ha: ΔY gây ra ΔX • Ví dụ 2 (Eviews/ demo.wf1): 14
Tóm tắt chương I • Biến độc lập có thể có ảnh hưởng lâu dài đến biến phụ thuộc => mô hình trễ phân phối Yt = a+b0Xt +...+ bk Xt-k +..+ ut • Muốn ước lượng tác động dài hạn và tác động ngắn hạn • Chuyển về mô hình tự hồi quy: Yt = a1 +a2Xt + a3Yt-1 + ut • Khi đó: a2 tác động ngắn hạn, a2/(1-a3) tác động dài hạn của X • Có 3 dạng của mô hình tự hồi quy – Biến đổi Kyock: giả sử về dạng của bi vt : TTQ – Mô hình kỳ vọng hợp lý Vt: không TTQ – Mô hình điều chỉnh riêng 15
Tóm tắt chương I • Nếu mô hình tự hồi quy là mô hình hiệu chỉnh riêng thì có thể áp dụng được OLS để ước lượng tác động dài hạn và tác động ngắn hạn • Thế nào là mô hình hiệu chỉnh riêng? Y*t = a + bXt+cZt+ ut => qua quá trình hiệu chỉnh => Yt = a1 +a2Xt + a3Yt-1 + vt, trong đó vt không tự tương quan 16
Tiếp • Nếu mô hình tự hồi quy là mô hình kỳ vọng thích nghi hoặc mô hình Kyock: OLS là không thích hợp vì Yt-1 có tương quan với ssnn=> dùng phương pháp biến công cụ • Phương pháp BCC: tìm một biến thay thế cho Yt-1 trong mô hình và UL OLS cho mô hình đã được thay thế này • Trong đó gợi ý của Liviatan là: dùng Xt-1 làm biến công cụ cho Yt-1 17
Mô hình nhiều phương trình 18
Giới thiệu Y= f(X, Z,u) Z=g(X,Y,v) Giả thiết OLS bị vi phạm=> Không sử dụng được OLS 19
Cơ chế liên hệ ngược • Giới thiệu: – Trong mô hình có nhiều phương trình giữa các biến số – Giữa các biến này có thể có mối quan hệ qua lại => – Có thể tồn tại tương quan giữa các biến giải thích với sai số ngẫu nhiên => – Vi phạm giả thiết cơ bản của OLS => ? • Ví dụ1: mô hình cung - cầu: quan hệ giữa cung cầu và giá của một loại hàng hóa – QD = a1 +a2P + u1; (4.1) – QS =b1+b2P + u2 ; (4.2) – QD= QS (4.3) • Q: P và U2 có tương quan không? • Q: Có nhận được giá trị quan sát cho cả (4.1) và (4.2)? 20