Bài 7. chỉ ĐỊNH MÔ HÌNH
1. Các loại sai lầm chỉ định và hậu quả.
1.1. Mô hình thừa biến giải thích
Ví dụ: Mô hình đúng: Yi = β1 + β2Xi + ui Mô hình sai: Yi = α1 + α2Xi + α3Zi + vi
Nếu mô hình thừa biến giải thích thì các ước lượng vẫn là không chệch và vững, nhưng không hiệu quả, khoảng tin cậy rộng. Kiểm định bằng cách bỏ bớt biến số nghi là không cần thiết và dùng kiểm định với hệ số tương ứng để kết luận
1.2. Mô hình thiếu biến. Ví dụ: Mô hình đúng: Yi = β1 + β2Xi +β3 Zi + ui Mô hình sai: Yi = α1 + α2Xi + vi Nếu mô hình thiếu biến thì các uoc lượng sẽ bị chệch nên không đáng tin cậy. 1.3. D¹ng hµm sai. Ví dụ : Mô hình đúng: Yi = β1 + β2Xi + ui Mô hình sai: LnYi = β1 + β2LnXi + vi
Có thể kiểm định thiếu biến và dạng hàm sai bằng các kiểm định sau:
1. Kiểm định Ramsey
Mô hình ban đầu: Yi = β1 + β2Xi + ui (1) Nếu cho rằng mô hình thiếu biến Zi nào đó thì:
iYˆ
B1: Hồi qui mô hình ban đầu thu được các giá trị ước lượng
+ ui (2)
ˆ +m 1 iY
1
______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD
Yi = [β1 + β2Xi ] +α1 B2: Hồi qui MH hồi qui phụ : 2ˆ iY +…+ αm
MH (1) không thiếu biến
0 m
= ,0
= ,1
... ≠
α m j =
:H 0 :H 1
= α 1 ∃ α j
MH (1) thiếu biến
⎧ ⎨ ⎩
R
−
kn −
2 )1(
×
Fqs =
k
)2( 1 −
R
2 )2( 1 −
R 2 )2(
)2(
ếu Fqs > Fα(k(2) – 1; n – k(2)) bác bỏ H0
N
2. Kiể
ˆ iY
m định nhân tử Lagrange (LM) B1: Hồi qui mô hình ban đầu thu được các phần dư ei và giá trị ước lượng
B
i = [β1 + β2X ]+α1
+ v (*)
ˆ +m 1 iY
2ˆ iY +…+ αm
e 2: Hồi qui MH hồi qui phụ : i
...
g MH (1) có dạng hàm đún
= ,0
= ,1
0 m
α m j =
≠
p
)
MH (1) có d ạng hàm sai
, nếu
:H = α ⎧ 0 1 ⎨ :H1 α ∃ ⎩ j Kiểm định χ2 :
2 nR *
2 qs =χ
2 qs
(2 αχχ >
thì bác bỏ H0.
7bt4.
SET Te
Ví dụ: Trở lại thí dụ với tệp số liệu ch K iểm định Ramsey cho kết quả sau: Ramsey RE F-statistic st: 0.348918 Probability
0.389707 Probability Log likelihood ratio 4 0.5602 8 5 0.5324 3
e: 22:18
Test Equation: Dependent Variable: CONS Method: Least Squares Date: 11/19/08 Tim Sample: 1960 1986 Inclu vatio ded obser Variable ns: 27 Coeffic Std. Error t-Statistic Prob.
C 746.5686 -0.359805 0.7221
GDP FITTED^2 0.607571 1.570384 0.1294 0.000257 -0.590693 0.5602
2
______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD
ie nt - 268.6193 9 0.95411 - 0.000152 0.798175 R-squared ean dependent M var 2037.4 4 9
R-
Adjusted squared S.E. of regression 369.0360 info Akaike criterion
Sum squared resid 3268502. Schwarz criterion
- F-statistic Log likelihood
196.3154 0.428978 Prob(F-statistic) in-Watson 3 0.781356 S.D. dependent var 789.22 1 1 14.764 0 0 14.908 9 3 47.457 2 0 0.0000 0
e: 08:53
Durb stat KiÓm ®Þnh b»ng nh©n tö Lagrange cho kÕt qu¶ sau: Dependent Variable: E Method: Least Squares Date: 11/21/08 Tim Sample: 1960 1986 Inclu vatio ded obser Variable Std. Error t-Statistic ns: 27 Coeffic Prob.
C 746.5686 -0.567722 0.5755
GDP CONSF^2 0.607571 0.587669 0.5622 0.000257 -0.590693 0.5602
ie nt - 423.8432 1 0.35705 - 0.000152 0.014330 R-squared ean dependent -8.42 M var - S.D. depende nt var 357.12
Adjusted R- 0.067809 squared S.E. of regression 369.0360 info Akaike criterion Sum squared resid 3268502. Schwarz criterion
- F-stati Log likelihood stic
38691
01433
,0
=
=
=
* 2 Rn *
2 qsχ
196.3154 0.428978 Prob(F-statistic) in-Watson E- 14 6 4 1 14.764 0 0 14.908 9 5 0.1744 9 6 0.8409 7
Durb stat Từ đó ,0*27 Mà χ2(1) = 3,84146 ⇒ Mô hình chỉ định đúng.
2. Phâ
3
______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD
n phối xác suất của sai số ngẫu nhiên Các suy diÔn thống kê (khoảng tin cậy, kiểm định giả thiết) phụ thuộc giả thiết SSNN phân i chuẩn thì các ước lượng vẫn là ước lượng tốt nhất, phối chuẩn. Nếu SSNN không phân phố n hưng các phân tích không dùng được.
H0 : SSNN phân phối chuẩn H1 : SS
2
2
ệ số bất đối xứng (skewness NN không phân phối chuẩn Kiểm định Jarque – Bera: Với S là h ), K là hệ số nhọn (kurtosis) cña ei
K
(
)3
n
=
+
2 qsχ
JB =
− 24
S 6
⎤ ⎥ ⎦
2
⎡ ⎢ ⎣ )2(2
αχχ >qs
Nếu thì bác bỏ H0
í dụ:Với tệp số liệu ch7bt4 kiểm định Jarque-Bera cho kết quả sau:
4
______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD
V Nếu mô hình không có khuyết tật nào thì các ước lượng là ước lượng tuyến tính, không chệch, tốt nhất; các kết quả hồi qui là đáng tin cậy và sử dụng để phân tích được.
