PHÂN TÍCH DỮ LiỆU VỚI PHẦN MỀM EVIEWS

10/8/2013

PHÂN TÍCH DỮ LiỆU VỚI PHẦN MỀM EVIEWS*

NGUYỄN DUY TÂM - IDR

Giới thiệu bài báo và phương pháp phân tích

1 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Bài báo

Phương pháp phân tích định lượng 1. Thống kê mô tả 2. Hồi quy 3. ARIMA 4. ARCH/GARCH 5. Kiểm định đồng liên kết 6. VAR/VECM 7. Kiểm định nhân quả

Grange

8. Kinh tế lượng với panel

data

2 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

GIAO DIỆN EVIEWS

3 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

TẠO WORKFILE

Cửa sổ tạo workfile

Các loại dữ liệu 1. Dữ liệu chéo 2. Dữ liệu chuổi thời gian 3. Dữ liệu bảng

4 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Tạo biến cho workfile

Nhập liệu cho biến

Tạo biến Các loại biến: • •

Biến định lượng: Scale Biến phân loại: Categories/Classification

Tạo biến bằng thanh menu Quick

Tạo biến bằng button lệnh Genr trên workfile

Tạo biến bằng câu lệnh Genr hoặc series

5 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Thao tác với dữ liệu

Mở 1 biến (Series) • Mở bằng thanh menu • Mở bằng double click mouse on variable • Mở bằng lệnh Show

Mở nhóm biến (Group) • Mở bằng thanh menu • Mở bằng double click mouse on variable • Mở bằng lệnh Show

6 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Lọc dữ liệu và hiệu chỉnh mẫu

Loại bỏ Outlier • Ý nghĩa:

Hiệu chỉnh mẫu • Ý nghĩa:

• Công cụ:

Lựa chọn quan sát

Lựa chọn quan sát thỏa điều kiện

7 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Trình bày dữ liệu

Trình bày dữ liệu: Series

Trình bày dữ liệu: Group

8 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Trình bày dữ liệu

Phương pháp đồ thị: series

Phương pháp đồ thị: group

9 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Trình bày dữ liệu

PP chỉ số: Series • Thống kê mẫu • Thống kê phân loại

PP chỉ số: Group • Thống kê mẫu chung • Thống kê mẫu riêng

10 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Kiểm định Quy trình kiểm định

• B1: Đặt hai giả thiết thống kê: H0 và H1

(quy tắt đặt giả thiết???)

• B2: Tìm giá trị tới hạn

• B3: Xác định miền bác bỏ H0

• B4: Ra quyết định

(Nguyên tắt ra quyết định)

11 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Kiểm định trung bình

Kiểm định trung bình: Series • Kiểm định tính phân phối

Kiểm định trung bình: Group • Kiểm định trung bình nhiều

chuẩn của biến

biến scale

• Kiểm định trung bình 1 mẫu

• Kiểm định trung bình phân

loại

12 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Phân tích và kiểm định tương quan

Ma trận tương quan • Ý nghĩa chỉ số tương quan r

Kiểm định tương quan • Mục đích

• Đặc điểm r

• Các giả thiết

• Nhược điểm r

• Kiểm định tương quan

13 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

TƯƠNG QUAN – HỒI QUY đơn biến

1. Giới thiệu hồi quy 2. Ý nghĩa hồi quy 3. Giới thiệu hồi quy đơn biến 4. Giả thiết của hồi quy đơn biến 5. Phương pháp ước lượng mô hình hồi quy

đơn biến

6. Kiểm định đơn biến 7. Dự báo

14 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

HỒI QUY

Giới thiệu về hồi quy

Ý nghĩa và đặc điểm của hồi quy • Ý nghĩa: Nghiên cứu tác độn

của XiY

• Hồi quy tổng thể (PRF) • Y = 0 + 1X1 +2X2+…+ i

• Đặc điểm: hồi quy tuyến

tính

• Hồi quy mẫu (SRF) • Y = 0 + 1X1 +2X2+…+ ei

15 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

HỒI QUY ĐƠN

• Y = 0 + 1X1 + i

• Định nghĩa biến: • Y: Dependent variable • X1: independent variable • X2: independent variable • i: independent variable • Y^ = 0 + 1X1 : Forecast • Y & Xi : Random

Nguyen Duy Tam - nguyenduytam@ueh.edu.vn 16

10/8/2013

Các giả thuyết của mô hình hồi quy

1. Xi là biến độc lập, được xác định trước 2. E(ei) = 0:  Y^ = 0 + 1X1 gần Y 3. Cov(Xi,ei)=0 4. Cov(ei,ej)=0 5. 2=const 6. ei ~ N( 2)

Assumption/Hypothesis

1. Phương pháp bình phương nhỏ nhất (OLS) (tt)

SRF2

SRF1

SRF3

17 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

18 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Phương pháp ước lượng hàm hồi quy đơn

Đường hồi quy ước lượng

2= (Y-Y^)2  min

Phương pháp ước lượng • ei= (Y-Y^)  min • ei

Ước lượng hàm hồi quy trên Eviews

• C1: Quick/…

• C2: Click mouse:…

• C3: Lệnh: …

19 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

20 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Bảng kết quả của hàm hồi quy

21 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Kiểm định Ý nghĩa của 1

22 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Kiểm định Ý nghĩa của R2

23 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Lựa chọn dạng hàm hồi quy đơn

Dạng hàm tuyến tính

Dạng hàm phi tuyến

24 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Các dạng hàm thông dụng

Dạng hàm tuyến tính

Dạng hàm Power

25 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Các dạng hàm thông dụng

Dạng hàm Logarithmic

Dạng hàm nghịch đảo

26 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Các dạng hàm thông dụng

Dạng hàm bậc 2:

Dạng hàm bậc 3

27 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Một số dạng hàm thông dụng

• Lin – Log

• Log - Log

• Log - Lin

28 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Hàm hồi quy chuổi thời gian

• Dạng hàm: y = 0 + 1X1 + i

• Time series

• Biến t (time)

• Câu lệnh

29 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

HỒI QUY ĐA BIẾN

1. Giới thiệu 2. Các giả thiết của mô hình 3. Phương pháp ước lượng và kiểm định mô

hình

4. Quy trình xây dựng mô hình hồi quy đa biến 5. Trình bày kết quả nghiên cứu hồi quy

30 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Giới thiệu mô hình và các giả thiết

• Các giả thiết của hồi quy đơn và, • Cov(Xi,Xj) =0

31 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

1. Mô hình hồi quy 3 biến

• Sơ đồ các biến độc lập tác động vào biến phụ thuộc

32 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Bảng kết quả

33 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Kỹ thuật LS trên EVIEWS

• Menu Quick/…

• Click mouse:…

• Lệnh: LS

34 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Kiểm định i

1. Kiểm định hệ số I

2. Kiểm định biến thừa

3. Kiểm định biến thiếu

4. Kiểm định WALD

 Mô hình đã ok về các Xi???

35 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Kiểm định hệ số R2

• Hệ số R2

• Hệ số adjusted R2

36 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Lựa chọn mô hình

• Adjusted R2

• Hệ số AIC

• Hệ số Schwarz

37 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

So sánh mô hình về { nghĩa

Hồi quy đơn • Phương trình:

Hồi quy đa biến • Phương trình:

• Hệ số I:

• Hệ số giải thích R2

• So sánh độ mạnh tác động

của các Xi  Y

38 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Trình bày kết quả mô hình

Biến số

Mô hình A

Mô hình B

Mô hình ….

….

Adjusted R2

ACI

Schwarz

Ra quyết định

Không chọn???

Chọn ???

Không chọn ???

39 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Kết luận về mô hình

Mô hình

Kỳ vọng ban đầu

Phù hợp kỳ vọng

Ghi chú/giải thích

…

Adjusted R2

40 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Quy trình phân tích hồi quy

• B1: Phân tích tương quan • B2: Lựa chọn mối quan hệ Xi và Y • B3: Xây dựng và kiểm định mô hình • B4: Xử l{ và lựa chọn mô hình • B5: Ra quyết định hoặc dự báo

MÔ HÌNH HỒI QUY VỚI BIẾN GiẢ DUMMY VARIABLE

• Giới thiệu mô hình • Hồi quy với biến giả đơn giản • Hồi quy với biến giả

41 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

42 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Giới thiệu mô hình

• Y = 0 + 1X1 +2X2+ 1D1+ 2D2+ 3X1D2 +

4X2D2 + ei

43 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Hồi quy với biến giả có 2 đặc điểm

• Y = 0 + 1X1 + 1D1+ 2X1D1 +ei • Giải thích hế số 1 • Giải thích hệ số 1

44 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Các khả năng xảy ra

Di không ảnh hưởng Xi

Di và Xi có liên quan nhau, Di không ảnh hưởng đến Y

Y = 0 + 1X1 + 1D1+ 2X1D2 +ei

45 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Các khả năng xảy ra

Y = 0 + 1X1 + 1D1+ 2X1D2 +ei

46 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Hồi quy với biến giả có k đặc điểm (k>2)

• Y = 0 + 1X1 +2X2+ 1D1+ 2D2+ 3X1D2 +

4X2D2 + ei

• Giải thích hế số 1 • Giải thích hệ số 1

MỘT SỐ NGUYÊN TẮT SỬ DỤNG DUMMY VARIBLE

• Nguyên tắt 1: • Nguyên tắt 2: • Nguyên tắt 3: • Nguyên tắt 4: • Nguyên tắt 5: • Nguyên tắt 6:

47 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

48 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

MỘT SỐ CÂU LỆNH TRONG EVIEWS

• Dùng menu Quick:

• Dùng Genr trong workfile

• Dùng lệnh:

Hồi quy đa biến với dữ liệu time series

• Đặc điểm của dãy số time series

– 1

– 2.

– 3.

– 4

49 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

50 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIỂM ĐỊNH CÁC GiẢ THIẾT MÔ HÌNH HỒI QUY

NGUYỄN DUY TÂM - IDR

Đa cộng tuyến Multicollinearity

Nguyễn Duy Tâm - IDR

51 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Bài giảng có tham khảo của Nguyễn Khánh Duy

52 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Các vấn đề liên quan đa cộng tuyến

1. Giới thiệu Đa Cộng tuyến 2. Nguyên nhân 3. Hậu quả 4. Cách phát hiện 5. Cách khắc phục

Ví dụ 5.2 Ramanathan

• Dựa trên dữ liệu thực của một trạm xe

Toyota, Data3-7 có 3 biến sau: – Et: Cost - chi tiêu tích lũy tại thời điểm t cho

việc bảo trì (không tính xăng dầu) một chiếc xe hơi cho trước.

– Miles: số dặm xe đã chạy (ngàn dặm) – Age: tuổi của xe Xem xét 3 mô hình sau, bạn kz vọng như thế nào

về dấu của các hệ số?

53 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

54 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Bạn có nhận xét gì từ kết quả trên?

Giới thiệu hiện tượng đa cộng tuyến

• Là hiện tượng giả thiết Cov(Xi, Xj)<>0. Vi phạm giả thiết về hồi quy tuyến tính

55 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

56 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Đa cộng tuyến chính xác hay hoàn hảo Exact (or Perfect) Multicollinearity

• Nếu hai hoặc nhiều hơn hai biến độc lập có quan hệ tuyến tính giữa hai biến, hoặc giữa nhiều biến (nói cách khác là khi mô hình hồi quy bội có một số biến độc lập có thể được biểu diễn bằng các tổ hợp tuyến tính của các biến độc lập khác) thì mô hình bị đa cộng tuyến hoàn hảo.

• Ví dụ: Y=f(X2, X3, X4) và X3=2X2

hoặc X2+X3+X4=1 …

hoặc 2X2+3X3+4X4=0 …

• Hệ quả là: các hệ số hồi quy tương ứng không thể ước lượng được. Máy tính thường báo “matrix singular” hay “exact collinearity encountered”

• Khắc phục: Loại một hoặc nhiều biến ra khỏi mô hình (một số

phần mềm như SPSS,Stata … sẽ tự động loại biến)

Đa cộng tuyến không hoàn hảo Near Multicollinearity

• Khi các biến giải thích có tương quan gần như tuyến tính (như hai ví dụ mà ta đã xem xét). Lúc này vẫn tìm được các ước lượng duy nhất. • Tuy nhiên nếu ta cứ để đa cộng tuyến không

hoàn hảo xảy ra thì hậu quả sẽ là gì?

• Làm sao biết được mô hình có bị đa cộng

tuyến (không hoàn hảo) hay không?

• Các biện pháp sẵn có mà nhà nghiên cứu sử

dụng để tránh đa cộng tuyến là gì?

57 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

58 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Hậu quả của Đa Cộng tuyến

• Ảnh hưởng đến dự báo

– Mặc dù đa cộng tuyến ảnh hưởng đến các hệ số hồi quy riêng lẻ, tác động của nó đến các dự báo thường ít nghiêm trọng hơn và có thể lại là những tác động có lợi (Ở phần ví dụ, khi cộng tuyến, ta thấy MAPE, MSE không có sự thay đổi lớn, thậm chí nó nhỏ hơn)

Hậu quả của Đa Cộng tuyến

• Ảnh hưởng đến sai số chuẩn

– Mặc dù các ước lượng là BLUE, nhưng SE(Betajhat) cao hơn, khiến t- statistic thấp hơn, P-value cao hơn và có thể dẫn đến hệ số hồi quy là không có ý nghĩa.

– Cov(Betajhat,Betashat) cao hơn, khi đó hệ số hồi quy không thể đại diện cho tác động riêng rẽ của Xj lên Y. Mỗi hệ số chỉ giải thích được phần nào ảnh hưởng của X2 và X3 lên Y. Không thể thể giữ X3 không đổi và chỉ tăng X2 vì X2 có tương quan X3;

* r: Partial Correlation

59 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

60 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Các hệ quả khác

• (2) Sai số chuẩn của các hệ số sẽ lớn

Khoảng tin cậy lớn và thống kê ít ý nghĩa Các ước lượng không thật chính xác Dễ phạm sai lầm loại II (chấp nhận giả thuyết sai H0)

• (3) R2 rất cao dù thống kê ít ý nghĩa

đổi khác biệt giữa các biến độc lập.

Nguyên nhân do có tương quan với nhau nên những biến Dễ bác bỏ giả thuyết H0 của kiểm định F vì cho rằng mô

hình có giá trị thống kê

61 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Các hệ quả khác

62 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Cách phát hiện

63 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Cách phát hiện

64 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Solutions (các giải pháp khắc phục)

• Beign neglect (bỏ qua nhẹ nhàng) hay Do nothing (Không làm

gì cả) – Nếu nhà nghiên cứu ít quan tâm đến diễn dịch từng hệ số riêng lẻ

nhưng lại chú trọng vào việc dự báo thì tính đa cộng tuyến không phải là vấn đề nghiêm trọng

– Khi các hệ số hồi quy đều có { nghĩa và dấu phù hợp thì không bận tâm

về đa cộng tuyến

– Nếu một biến cần ở trong mô hình vì những l{ do về mặt l{ thuyết thì có thể an toàn hơn khi chúng ta giữ biến đó ở lại trong mô hình ngay cả khi bị đa cộng tuyến.

65 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Solutions (cont.)

• Loại bỏ biến dư thừa (có thể tham khảo PP Hendry/LSE, tuy nhiên loại bỏ quá nhiều biến có thể dẫn đến thiên lệch trong các ước lượng, người ta cũng có thể cân nhắc giữ lại những biến có P-value<0.25)

• Tái thiết lập mô hình, chuyển đổi biến (kết hợp các biến, lấy

sai phân…)

• Phân tích nhân tố, Hồi quy ngọn sóng… • Tăng cỡ mẫu

66 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Giải pháp khắc phục

• Bài tập • Sử dụng bài tập • World95-viet.wf1

67 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

PHƯƠNG SAI THAY ĐỔI (Heterochedasticity)

Nguyễn Duy Tâm - IDR

Bài giảng có tham khảo của Cao Hào Thi

68 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

NOÄI DUNG

1. HET ? 2. Haäu quaû cuûa vieäc boû qua HET 3. Kieåm ñònh HET 4. Caùc thuû tuïc öôùc löôïng

69 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

HET ?

Giaû thieát : Phöông sai cuûa sai soá khoâng ñoåi

2) = 2=const

Var(i) = E[(i-)2] = E(i

Vi phaïm giaû thieát:

2  const

Var(i) = i

Phöông sai cuûa sai soá thay ñoåi

70 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

HET ?

Phöông sai khoâng ñoåi

Phöông sai thay ñoåi

71 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

HET ?

Phöông sai khoâng ñoåi

Phöông sai thay ñoåi

72 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

HET ?

u2

Phöông sai khoâng ñoåi

Phöông sai thay ñoåi

73 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

HAÄU QUAÛ BOÛ QUA HET ?

1. Caùc öôùc löôïng vaø döï baùo döïa treân caùc öôùc löôïng ñoù vaãn khoâng cheäch vaø nhaát quaùn. 2. Caùc öôùc löôïng OLS khoâng coøn BLUE vaø seõ khoâng hieäu quaû  Caùc döï baùo cuõng seõ khoâng hieäu quaû.

3. Phöông sai vaø ñoàng phöông sai öôùc löôïng cuûa caùc heä soá seõ cheäch vaø khoâng nhaát quaùn vaø do ñoù caùc kieåm ñònh giaû thuyeát (t & F) khoâng coøn hieäu löïc

74 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Tính không chệch và nhất quán

• Tuyến tính • Var (X)<>0 • E(ut)=0 • Cov(Xt,ut)=0

Nhất quán

Không thiên lệch

(Consistent)

(Unbiased)

Khi n tiến đến vô cùng, Bhat=Beta

E(B hat)=Beta

75 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

KIEÅM ÑÒNH HET ?

1. Phöông phaùp ñoà thò:

Kyõ thuaät naøy chæ coù tính gôïi yù veà HET vaø khoâng thay theá ñöôïc kieåm ñònh chính thöùc

76 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH HET ?

1. Kieåm ñònh nhaân töû Larrange (LM):

Kieåm ñònh Breusch – Pagan (1979) Kieåm ñònh Glesjer (1969) Kieåm ñònh Harvey-Godfrey (1976-1978) Kieåm ñònh White

77 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Yi = 1 + 2X2i + 3X3i + … kXki + i 2 = E(i

2/Xi)

i  Hoài quy phuï Breusch – Pagan :

2 = 1 + 2Z2i + 3Z3i + … pZpi + i

i Glesjer :

|i | = 1 + 2Z2i + 3Z3i + … pZpi + i

Harvey-Godfrey : Ln(i

2)= 1 + 2Z2i + 3Z3i + … pZpi + i

78 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH GIAÛ THUYEÁT

H0 : 2 = 3 = … = p = 0 H1 : Coù ít nhaát 1 soá j  0 (j = 2,p)

Vì khoâng bieát i neân söû duïng ei thay theá

79 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

CAÙC BÖÔÙC THÖÏC HIEÄN

Böôùc 1: Thöïc hieän hoài quy Yi = f(C,X)

PRF: Yi = 1 + 2X2i + 3X3i + … kXki + i

 Tính phaàn dö ei (=resid)

80 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

CAÙC BÖÔÙC THÖÏC HIEÄN

Böôùc 2: Thöïc hieän hoài quy phuï Breusch – Pagan :

2 = 1 + 2Z2i + 3Z3i + … pZpi + i

ei Glesjer :

|ei | =1 + 2Z2i + 3Z3i + … pZpi + i

Harvey-Godfrey :

Ln(ei

2)= 1 + 2Z2i + 3Z3i + … pZpi + i

81 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

CAÙC BÖÔÙC THÖÏC HIEÄN

Böôùc 3: Kieåm ñònh giaû thuyeát: H0 : 2 = 3 = … = p = 0 H1 : Coù ít nhaát 1 soá j  0 (j = 2,p)

2 = nR2

Tính trò kieåm ñònh: c Tính p-value hay 2* = 2

p-1,

82 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

CAÙC BÖÔÙC THÖÏC HIEÄN

Böôùc 4:

 Baùc boû Ho

2 > 2

Neáu c p-1, Hay p-value < 

 HET

KIEÅM ÑÒNH WHITE

83 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Yi = 1 + 2X2i + 3X3i + i 2 = E(i

2/Xi)

i  Hoài quy phuï i

2 = 1 + 2X2i + 3X3i +

4X2

3i + 6X2i X3i + I

2i +  5X2  Caùch thöïc hieän treân EVIEW

84 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

CAÙC THUÛ TUÏC ÖÔÙC LÖÔÏNG

1. Öôùc löôïng ma traän Ñoàng phöông sai

nhaát quaùn cuûa HET (HCCM) (Heteroscedasticity Consistent Covariance Matrix Estimator)

2. Bình phöông toái thieåu toång quaùt hay bình phöông toái thieåu coù troïng soá (GLS – WSL) (Weighted Least Squares)

85 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

CAÙC THUÛ TUÏC ÖÔÙC LÖÔÏNG

3. Bình Phöông Toái Thieåu Toång Quaùt

Khaû Thi (FGLS) (Feasible Generalized Least Squares)

4. Phöông sai cuûa sai soá thay ñoåi vôùi tyû

soá bieát tröôùc

86 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

GLS - WLS

HET VÔÙI TYÛ SOÁ BIEÁT TRÖÔÙC

87 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

88 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

FGLS

Tìm nhieàu caùch öôùc löôïng i Baèng hoài quy phuï cuûa: • Breusch – Pagan • Glesjer • Harvey-Godfrey • White Thöïc hieän treân EVIEW

TƯƠNG QUAN CHUỔI

SC : SERIAL CORRELATION AC: AUTO CORRELATION AR: AUTO REGRESSION

NGUYỄN DUY TÂM - IDR

89 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

90 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

NOÄI DUNG

1. Töông quan chuoãi (Töï töông quan –

AR) ?

2. Haäu quaû cuûa vieäc boû qua AR 3. Kieåm ñònh AR 4. Caùc thuû tuïc öôùc löôïng

91 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Töông quan chuoãi ?

Töông quan chuoãi (hay töï töông quan) laø töông quan giöõa caùc phaàn dö t • Serial Correlation • Autocorrelation • AutoRegression - AR

92 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Töông quan chuoãi ?

PRF:

Yt = 1 + 2X2t + 2X3t + … + kXkt +t

AR(p): tương quan chuỗi bậc p

t = 1  t-1 + 2 t-2 + … + p t-p + t

Quá trình tự hồi quy bậc p của các phần dư t

93 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Töông quan chuoãi ?

Các sai số t có tính nhiễu trắng khi:

E(t) = 0 t) = 2 = const E(2 E(t t-s) = 0 với s  0

AR(p): tương quan chuỗi bậc p H0 : 1 = 2 = … = p = 0 : Không có AR(p)

94 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

Töông quan chuoãi ?

Giaû thieát : Khoâng coù AR

E(t t-p) = 0 với p  0

Vi phaïm giaû thieát:

E(t t-p)  0 với p  0

Coù AR(p)

95 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

HAÄU QUAÛ BOÛ QUA AR ?

1. Caùc öôùc löôïng vaø döï baùo döïa treân caùc öôùc löôïng ñoù vaãn khoâng cheäch vaø nhaát quaùn nhöng khoâng hieäu quaû. Tính nhaát quaùn seõ khoâng coù neáu bieán ñoäc laäp bao goàm bieán phuï thuoäc coù ñoä treã

2. Phöông sai vaø ñoàng phöông sai öôùc löôïng cuûa caùc heä soá seõ cheäch vaø khoâng nhaát quaùn vaø do ñoù caùc kieåm ñònh giaû thuyeát (t & F) khoâng coøn hieäu löïc

96 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH AR ?

1. Phöông phaùp ñoà thò:

Kyõ thuaät naøy chæ coù tính gôïi yù veà AR vaø khoâng thay theá ñöôïc kieåm ñònh chính thöùc

ÑOÀ THÒ KIEÅM TRA AR ?

97 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

98 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

ÑOÀ THÒ KIEÅM TRA AR ?

99 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

KIEÅM ÑÒNH AR ?

Kieåm ñònh Durbin Watson Kieåm ñònh Correlogram – Q Statistics Kieåm ñònh Serial Correlation LM

100 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH DURBIN WATSON ?

Chỉ dùng kiểm định AR(1)

Yt = 1 + 2X2t + 2X3t + … + kXkt +t

AR(1): t = 1  t-1 + t

Giả thuyết:

H0 : 1 = 0 : Không có AR(1) H1 : 1  0 : Có AR(1)

101 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

KIEÅM ÑÒNH DURBIN WATSON ?

Trị kiểm định:

H 0: = 0

Tự tương quan âm H 1: < 0

Tự tương quan dương H 1 : > 0

Không kết luận

4 - d U

4 - dL

2 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

102

10/8/2013

KIEÅM ÑÒNH DURBIN WATSON ?

Lưu ý: - Có một số trường hợp không kết luận

được

- Khi vế phải của mô hình có các biến phụ thuộc có độ trễ thì kiểm định không còn hiệu lực

103 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

KIEÅM ÑÒNH CORRELOGRAM

Heä soá ACk (Auto Correlation) ACk = r = correl(t, t-k)

Heä soá PACk (Partial Auto Correlation)

ut = 1ut-1 + t thì 1^ = PAC1 ut = 1ut-1 + 2ut-2 + t thì 2^ = PAC2

104 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH CORRELOGRAM

Giaû thuyeát: H0 : AC1 =AC2 = …= ACp = 0  Khoâng coù AR(p) H1 : Coù ít nhaát 1 soá ACj  0 (j = 2,p)  Coù AR(p)

Nghóa laø: AR(1) : H0 : AC1 = 0  Khoâng coù AR(1) H1 : AC1 ≠ 0  Coù AR(1)

AR(2) : H0 : AC1 = AC2 = 0  Khoâng coù AR(2) H1 : AC1 ≠ 0 hoaëc AC2 ≠ 0  Coù AR(2)

KIEÅM ÑÒNH CORRELOGRAM

Trò kieåm ñònh

LB: Lung-Box

k: Ñoä treã ñang xeùt

p: Baäc töï hoài quy

Q* = 2

k-p-q

q: Baäc TB tröôït

Qtt > Q*  Baùc boû HoNguyen Duy Tam -

105 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

106 nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH CORRELOGRAM

Thực hiện trên EVIEW View/Residual Test/Correlogram–Q Statistics

Nếu t không có tự tương quan thì: - AC và PAC của tất cả các độ trễ sẽ có giá trị

gần bằng 0  các giá trị trong  2

- Tất cả trị thống kê Q-Stat sẽ không có ý nghĩa nếu các giá trị p-value > 5%  Không có AR

107 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

KIEÅM ÑÒNH NHAÂN TÖÛ LAGRANGE

Yt = 1 + 2X2t + 2X3t + … + kXkt +t

AR(p): tương quan chuỗi bậc p

t = 1  t-1 + 2 t-2 + … + p t-p + t

Giaû thuyeát: H0 : AC1 =AC2 = …= ACp = 0  Khoâng coù AR(p) H1 : Coù ít nhaát 1 soá ACj  0 (j = 2,p)  Coù AR(p)

108 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH NHAÂN TÖÛ LAGRANGE

Yt = 1 + 2X2t + 2X3t + … + kXkt +t

AR(p): tương quan chuỗi bậc p

t = 1  t-1 + 2 t-2 + … + p t-p + t

Giaû thuyeát: H0 : AC1 =AC2 = …= ACp = 0  Khoâng coù AR(p) H1 : Coù ít nhaát 1 soá ACj  0 (j = 2,p)

109 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

KIEÅM ÑÒNH NHAÂN TÖÛ LAGRANGE

Bước 1: Thực hiện hồi quy:

Yt = 1 + 2X2t + 2X3t + … + kXkt +t

 t^ = resid Bước 2: Hồi quy phụ:

t^ =  1 + 2X2t + 2X3t + … + kXkt + 1  t-1 + 2 t-2 + … + p t-p + t

 R2

hqp

110 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

KIEÅM ÑÒNH NHAÂN TÖÛ LAGRANGE

Bước 3: Kiểm định giả thuyết: H0 : 1 = 2 = … = p = 0  Không có AR(p) H1 : Có ít nhất 1 j  0 (j = 1,p)  Có AR(p)

Trị kiểm định: 2

tt = (n-p)R2

hqp

2* = 2

2

p, tt > 2* hay p-value <   Bác bỏ H0

111 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

CAÙC GiAÛI PHAÙP KHAÉC PHUÏC AR

1. Thay Ñoåi Daïng Haøm Soá 2. Laáy sai phaân 3. Caùc thuû tuïc öôùc löôïng

– Thuû tuïc Tính laëp Cochrane – Orcutt (CORC) (Cochrane vaø Orcutt, 1949) – Thuû tuïc tìm kieám Hildrth – Lu (HILU)

(Hildreth – Lu, 1960).

112 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

THAY ÑOÅI DAÏNG HAØM SOÁ

Töông quan chuoãi coù theå laø trieäu chöùng cuûa moâ hình bò sai daïng haøm.

Khoâng coù thuû tuïc öôùc löôïng naøo coù theå hieäu chænh vaán ñeà AR maø nguyeân nhaân laø do ñaëc tröng sai trong phaàn xaùc ñònh hôn laø trong soá haïng sai soá

113 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

LAÁY SAI PHAÂN

Yt = 0 + 1Xt + t Yt = 0 + 1 Xt + t

Trong ñoù:

Yt = Yt – Yt –1 Xt = Xt – Xt –1

Tuy nhieân, giaûi phaùp söû duïng sai phaân baäc nhaát

naøy khoâng phaûi luùc naøo cuõng thích hôïp

114 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

THUÛ TUÏC COCHRANE – ORCUTT

Yt = 1 + 2 X2t + 3X3t + … + k Xkt + t Yt–1 =1 + 2 X(t–1)2 + 3X(t–1)3 + … + k X(t –1)k + t –1

 Yt – Yt–1 = 1(1–) + 2[Xt2 – X(t–1)2] + 3[Xt3 – X(t–1)3] + … + k[Xtk – X(t–)k] + t

THUÛ TUÏC COCHRANE – ORCUTT

115 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Yt = 1 + 2 X2t + 3X3t + … + k Xkt + t (1)

Böôùc 1: Öôùc löôïng (1) baèng OLS  t^ = resid Böôùc 2: t^  t-1^, tính ^

116 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

THUÛ TUÏC COCHRANE – ORCUTT

Böôùc 3: Tính

Böôùc 4: Öôùc löôïng

baèng OLS

THUÛ TUÏC COCHRANE – ORCUTT

117 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

Böôùc 5: Söû duïng caùc k^ trong böôùc 4 thay vaøo (1) ñeå tính laïi caùc t^

Böôùc 6: Tính laïi ^ vaø so saùnh vôùi ^ ôû böôùc 2

 Phöông phaùp naøy chæ tìm ñöôïc ^ cuïc boä

118 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

THUÛ TUÏC HILDRTH – LU

Böôùc 1: Choïn moät giaù trò  (1). Söû duïng giaù trò naøy, bieán ñoåi caùc bieán vaø öôùc löôïng phöông trình

(*)

baèng thuû tuïc OLS.

119 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

THUÛ TUÏC HILDRTH – LU

Böôùc 2: • Töø caùc giaù trò öôùc löôïng naøy cuûa phöông trình (*) ta tính ra giaù trò toång bình phöông sai soá töông öùng. Goïi giaù trò naøy laø ESS(1).

• Tieáp tuïc choïn moät giaù trò khaùc nöõa cho  (goïi laø

2) vaø laëp laïi böôùc 1 vaø 2.

120 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

10/8/2013

THUÛ TUÏC HILDRTH – LU

Böôùc 3: • Thay ñoåi giaù trò cuûa  töø –1 ñeán + 1 theo vôùi böôùc nhaûy coù tính heä thoáng naøo ñoù  Moät chuoãi caùc giaù trò ESS().

• Choïn  naøo coù giaù trò ESS nhoû nhaát  * • Phöông trình (*) öôùc löôïng vôùi giaù trò * laø keát

quaû toái öu.

121 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

122 Nguyen Duy Tam - nguyenduytam@ueh.edu.vn

PHÂN TÍCH DỮ LiỆU VỚI PHẦN MỀM EVIEWS

Kiểm địnhQuy trình kiểm định •B1: Đặt hai giả thiết thống kê: H0 và H1 (quy tắt đặt giả thiết???) •B2: Tìm giá trị tới hạn •B3: Xác định miền bác bỏ H0 •B4: Ra quyết định (Nguyên tắt ra quyết định)