Kinh tế lượng - Kiểm định và lựa chọn mô hình part 3

Chia sẻ: Pham Duong | Ngày: | Loại File: PDF | Số trang:11

Thêm vào BST

Báo xấu

217
lượt xem 32
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Ta thấy phương sai, và do đó sai số chuẩn sẽ tăng lên khi có sai số trong đo lường Yi. 3.2 Sai số trong đo lường biến độc lập Xi: Giả sử ta có mô hình: Yi =  + Xi* + ui (4) Thay vì quan sát được Xi*, ta quan sát Xi: Xi = Xi* + wi (5) Do vậy, thay vì ước lượng (4), ta lại ước lượng: Yi =  + (Xi – wi) + ui =  + Xi + (ui - wi) =  +  Xi + zi (6) Bây giờ, thậm chí wi...

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 3

3.1. 3.1. Sai số trong biến phụ thuộc Y: Ta Ta thấy phương sai, và do đó sai số chuẩn  sẽ sẽ tăng lên khi có sai số trong đo lường Yi.
3.2 Sai số trong đo lường biến độc lập lập Xi: Giả sử ta có mô hình:  Yi =  + Xi* + ui (4) Thay vì quan sát được Xi*, ta quan sát Xi:  Xi = Xi* + wi (5) Do vậy, thay vì ước lượng (4), ta lại ước lượng:  Yi =  + (Xi – wi) + ui =  + Xi + (ui - wi) =  +  Xi + zi (6) Bây giờ, thậm chí wi có trung bình bằng 0, độc có  lập lập và không tương quan với ui, chúng ta cũng chúng không không thể có zi độc lập với Xi.
3.2 3.2 Sai số trong đo lường biến độc lập Xi: Cov(zi, Xi) = E[zi – E(zi)][Xi – E(Xi – E(Xi)]  = E(ui - wi)wi=E(-wi2)=-w2 0 Do vậy, Xi và zi có tương quan và vi phạm có  các giả định của CLRM. Các ước lượng OLS chẳng những bị chệch mà còn không vững. vững. Hậu Hậu quả của loại sai sót nghiêm trọng  nhưng khó có thể khắc phục nó vì ta không không biết Xi được như thế nào cho đúng. Ta Ta có thể giả định w2 rất nhỏ nên xem như ất  không có sai số này và dùng OLS bình thường. thường.
4. 4. Xác định dạng của phần sai sai số không đúng Do chúng ta không thể quan sát trực  ti tiếp phần sai số nên để định dạng cho ng nó nó không phải là việc dễ dàng. Chúng ta xem lại phần sai số sau:  Yi = Xiui (*) và Yi = Xi + ui (**) Nếu (*) đúng nhưng lại ước lượng ếu   (**), thì ước lượng  sẽ chệch.
Tiêu Tiêu chuẩn lựa chọn mô hình R2,  R2 điều chỉnh, nh,  Tiêu chuẩn thông tin Akaike (AIC), thông  Tiêu chuẩn thông tin Schwarz thông  (SIC), Tiêu chuẩn Cp của Mallows, Mallows,  và dự báo χ2. báo 
Martin Martin Feldstein: “Nhà kinh tế lượng ứng dụng, giống như ng các nhà lý thuyết, nhanh chóng phát t, hi hiện ra rằng một mô hình hữu ích ích không không phải là một mô hình “đúng” hay mô “th “thực tế” mà là một mô hình tiết kiệm, m, đáng đáng tin cậy và cung cấp nhiều thông thông tin”.
Tiêu chuẩn R2 Tiêu R2 đo lường % biến động của Y được giải đo  thích thích bởi các Xi trong mô hình. R2 càng gần 1, mô hình cành phù hợp.  Lưu ý:  • Nó chỉ đo lường sự phù hợp “trong mẫu” • Khi so sánh R2 giữa các mô hình khác nhau, giữa các các biến phụ thuộc phải giống nhau. • R2 không giảm khi tăng thêm biến độc lập.
Tiêu chuẩn R2 điều chỉnh (R2) Tiêu Ta thấyR2  R2.R2 chỉ tăng khi giá chỉ  trị tuyệt đối của giá trị t của biến được được thêm vào mô hình lớn hơn 1. Do vậy,R2 là tiêu chuẩn tốt hơn R2. là  Lưu Lưu ý, các biến phụ thuộc cũng phải  giống nhau.
Tiêu Tiêu chuẩn thông tin Akaike (AIC) Để tiện lợi cho việc tính toán, ta lấy log: Trong Trong đó k là số biến được ước lượng (gồm cả hệ  số số tự do) và n là cở mẫu. Ta Ta thấy AIC phát hiện sai sót khắt khe hơn các tiêu  chuẩn chuẩn trên khi tăng thêm số biến. Mô hình nào AIC thấp hơn thì tốt hơn 
Tiêu Tiêu chuẩn thông tin Schwarz (SIC) hay SIC còn khắt khe hơn AIC.  SIC càng nhỏ, mô hình càng tốt. 
Tiêu Tiêu chuẩn Cp của Mallows