Kinh tế lượng - Kiểm định và lựa chọn mô hình part 2

Chia sẻ: Pham Duong | Ngày: | Loại File: PDF | Số trang:13

Thêm vào BST

Báo xấu

641
lượt xem 25
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

2.2 Kiểm định Durbin-Watson d Kiể đị Durbin H0: mô hình không có tự tương quan tự ương  H0:  = 0; H1:   0. Nếu d

Chủ đề:

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

Lưu

Nội dung Text: Kinh tế lượng - Kiểm định và lựa chọn mô hình part 2

2.2 2.2 Kiểm định Durbin-Watson d  H0: mô hình không có tự tương quan  H0:  = 0; H1:   0. Nếu d < dU hoặc (4 - d) < (4 d) dU thì bác bỏ giả thuyết H0, chấp nhận H1, tức có tự tương quan (dương hoặc âm). Giả thuyết H0 Quyết định nếu 0 < d < dL Không có tự tương quan dương Bác bỏ Không qđ Không có tự tương quan dương dL  d dU 4 - dL < d
2.3 2.3 Kiểm định RESET của Ramsey Ramsey Để Để minh họa, ta trở lại hàm chi phí  tuyến tuyến tính theo sản lượng: Yi = 1 + 2Xi + u3i (*)  Ước Ước lượng mô hình này bằng OLS và  vẽ đồ thị của sai số theo giá trị, Yi.  Hình vẽ sẽ cho ta thấy mối quan hệ ình  có hệ thống giữa ei và Yi. có và Các bước tiến hành: 
Ki Kiểm định RESET của Ramsey Ramsey Chạy Chạy hồi quy mô hình (*), và tính   toán toán ước lượng của Yi, Yi. Chạy lại (*) và đưa thêm biến Yi  vào vào mô hình dưới dạng một biến nào đó, chẳng hạn, Yi2 và Yi3. nào  Yi = 1 + 2Xi + 3Yi2 + 4Yi3 + ui (**) Đặt R2 từ (**) là Rnew2 và từ (*) là và  Rold2. Chúng ta dùng kiểm định F Chúng theo theo công thức:
Ki Kiểm định RESET của Ramsey Ramsey Nếu F > F tra bảng ở một mức ý nghĩa nào đó, ta chấp nhận có việc bỏ sót biến. Ví dụ:
Ki Kiểm định RESET của Ramsey: Ramsey: ví dụ
Ví Ví dụ: H0: mô hình không bỏ sót biến  Giá trị kiểm định F thu được trực tiếp  từ phần mềm Stata ovtest  Ramsey Ramsey RESET test using powers of the  fitted fitted values of chiphi Ho: model has no omitted variables F(3, 4) = 1.52 Prob > F = 0.3380
2.3 2.3 Kiểm định RESET của Ramsey Ramsey Một thuận lợi của phương pháp RESET ng  là là nó dễ áp dụng bởi vì nó không đòi vì hỏi chúng ta phải biết rõ các dạng mô ng hình liên quan. Tuy nhiên, đó cũng lại là bất lợi của  ph phương pháp này bởi vì khi chúng ta vì bi mô biết mô hình có sai sót, chúng ta không không có dạng mô hình tốt hơn để thay thế.
2.4 2.4 Kiểm định hệ số Lagrange (LM) Lagrange đối với biến thêm vào  Nếu chúng ta so sánh hàm chi phí chúng tuy tuyến tính với hàm chi phí bậc ba thì ba hàm hàm tuyến tính chính là một phiên bản phiên bị giới hạn của hàm bậc ba.  H0: hệ số của biến sản lượng bình ng ph phương và lập phương đều bằng ng không.  Các biến tiến hành:
Ki Kiểm định hệ số Lagrange Lagrange Ước Ước lượng “phiên bản bị giới hạn”  bằng bằng OLS và thu thập sai số, ei.  Nếu “phiên bản không bị giới hạn” là Nếu đúng đúng thì ei ở trên sẽ có tương quan với X2 và X3. với  Chạy hồi quy ei theo tất cả các biến: ei = 1 + 2Xi + 3Xi2 + 4X3 + vi vi thỏa các giả định của mô hình CLRM. thỏa  Khi cở mẫu lớn, Khi
Ki Kiểm định hệ số Lagrange Lagrange Nếu nR2 > 2 tra bảng, ta bác bỏ H0: các hệ số các  của X2 và X3 bằng không; tức là chúng khác 0, của bằng hay hay mô hình bỏ sót biến. Ví dụ: ta trở lại hàm chi phí tuyến tính:  nR2 = 10.(0,9896)=9,896 > 2 tra bảng = 9,2. Kết quả này giống như kiểm định RESET.
3. 3. Sai số của phép đo lường  dữ liệu có thể thiếu chính xác do một ếu chính số lý do như: • sai số khi cung cấp thông tin, thông • sai số khi báo cáo khi • hay sai số tính toán. tính gây ra những mô hình sai lệch.   Chúng ta có thể xem xét hậu quả Chúng của của việc này trong 2 trường hợp: 3.1. Sai số trong biến phụ thuộc Y:
3.1. 3.1. Sai số trong biến phụ thuộc Y: Giả sử ta có mô hình:  Yi* =  + Xi + ui (1) Yi*: tiêu dùng thường xuyên của hộ; Xi: thu nhập thu hiện hiện hành và ui: sai số ngẫu nhiên. Do Yi* không thể đo lường trực tiếp được nên ta không quan quan sát: Yi = Yi* + i (2) Ta viết lại (1): Yi = ( + Xi + ui) + i =  + Xi + (ui + i) =  + Xi + vi (3) Nếu ui và i thỏa mãn các giả định của CLRM thì các và thỏa ước lượng OLS vẫn không chệch nhưng phương sai của ước lượng  sẽ thay đổi