kinh te luong le kim long on tap kinh te luong cuuduongthancong com

TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG ÔN TẬP MÔN KINH TẾ LƯỢNG Hàm hồi quy tuyến tính (phương pháp bình phương bé OLS: Ordinary Least Squares) PRF: Yi = α +βXi + ui ˆ αˆ βˆ SRF: Y = + Xi (ước lượng) ● Tính giá trị trung bình mẫu (average value): ∑ Xi Y = ∑ Yi X = n n ● Tính hệ số hồi quy (Coefficient): ∑ XiYi − n.X Y βˆ = ∑ Xi − n( X ) αˆ = Y − βˆX ● Tính phương sai (Variance): σ ● Y ∑ (Yi − Y ) = n −1 σ X ∑ ( Xi − X ) = n −1 Tính độ lệch chuẩn (Standard Deviation): 2 SDY = σ Y SDX = σ X ● ● Tính đồng phương sai hay hiệp phương sai (Covariance): n * ∑ ( Xi − X )(Yi − Y ) SXY = cov(X,Y) = n − i =1 Tính tổng bình phương độ lệch: yi ∑ (Yi − Y ) ∑ TSS = = = (Yˆi − Y ) =∑ ● yˆ i ESS = ∑ ● uˆi RSS = ∑ ● TSS = ESS + RSS ● Với (Yi − Yˆi ) =∑ xi = Xi − X = ∑ Yi − n(Y ) βˆ ∑ xi 2 yi = Yi − Y Tính hệ số xác định R2: 2 RSS ESS βˆ ∑ xi R = 1− = = TSS TSS ∑ yi 2 ● 1-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG ● ● Với 0 SRF(mơ hình hồi quy mẫu) khơng thích hợp RSS=TSS => Yˆi = Y i, ∀i Hệ số tương quan: r (coefficient of Correlation) ∑ XiYi − nXY r= ➘ ∑ Xi − n ( X ) * ∑ Yi − n(Y ) xi = Xi − X ➘ Với ➘ Ta viết: ➘ r dấu với r= yi = Yi − Y ∑ xi yi ∑ xi ∑ yi 2 = ± R2 βˆ Tính khỏang tin cậy hệ số: ➘ Bước 1: Xác định khỏang tin cậy 95% (hoặc 90%) để tìm mức ý nghĩa α=5% (hoặc 10%) Tính α/2 = 0.025 Tính giá trị t tra bảng t-student với phân vị α/2 bậc tự df=n-k-1 ➘ Bước 2: Xác định phương sai PRF RSS σˆ = n − k −1 ➘ Bước 3: Xác định sai số chuẩn (standard error) hệ số seˆ(αˆ ) = ∑ Xi * σˆ n * ∑ xi seˆ( βˆ ) = σˆ ∑ xi2 ➘ 2 Với xi = Xi − X Bước 4: So sánh tính khỏang tin cậy αˆ ± tα( n/−2k −1) * seˆ(αˆ ) αˆ − tα( n/−2k −1) * seˆ(αˆ ) < αˆ < αˆ + tα( n/−2k −1) * seˆ(αˆ ) βˆ ± tαn −/ 2k −1 * seˆ( βˆ ) βˆ − tαn −/ k2−1 * seˆ( βˆ ) < βˆ < βˆ + tαn −/ k2−1 * seˆ( βˆ ) Khỏang tin cậy phương sai: ● Bước 1: Xác định khỏang tin cậy 95% (hoặc 90%) để tìm mức ý nghĩa α=5% (hoặc 10%) Tính phân vị α/2 = 0.025 1-α/2=0.975 Tra bảng phân phối Chi-square với phân vị α/2 1-α/2 ứng với bậc tự df=n-k-1 2-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG X α2 / (df ) ● X 12−α / (df )  (n − k − 1)σˆ (n − k − 1)σˆ  σ2 =  ;  Bước 2: Định khỏang tin cậy phương sai X 1−α / (df )   X α / (df ) Kiểm định hệ số hồi quy: ➘ Bước 1: Đặt giả thiết Ho: β=0 H1: β#0 với mức ý nghĩa α=5% (thông thường) ➘ Bứơc 2: Áp dụng cách sau: ➼ Cách 1: Phương pháp khỏang tin cậy [θˆ − tα( n/−22) * seˆ(θˆ); θˆ + tα( n/−22) * seˆ(θˆ)] ● Kiểm định phía: Nếu θo khơng rơi vào khỏang bác bỏ giả thiết Ho [θˆ − tα( n/−22) * seˆ(θˆ);+∞] ● Kiểm định phía phải: Nếu θo khơng rơi vào khỏang bác bỏ giả thiết Ho [−∞;θˆ + tα( n−/ 22 ) * seˆ(θˆ)] ● Kiểm định phía trái: Nếu θo khơng rơi vào khỏang bác bỏ giả thiết Ho Cách 2: Phương pháp giá trị tới hạn βˆ − β t0 = ■ Bứơc 1: Tính seˆ( βˆ ) ➼ ■ Bước 2: Tra bảng với mức ý nghĩa α/2 α (α/2 kiểm định tαn −/ 22 tαn − phía α kiểm định phía) Tra bảng t-student: ■ Bước 3: So sánh t0 với giá trị tới hạn tαn −/ 22 Kiểm định phía: to> : bác bỏ giả thiết Ho Kiểm định phía phải: to> Kiểm định phía trái: to< - ➼ tαn − : bác bỏ giả thiết Ho : bác bỏ giả thiết Ho Cách 3: Phương pháp giá trị p-value Bước 1: Tính giá trị ◆ ◆ ◆ tαn − t0 = βˆ − β seˆ( βˆ ) Bước 2: Tính p-value = P(t> to) Bước 3: So sánh với mức ý nghĩa α=5% Kiểm định phía: p-value 0 ESS / R ( n − 2) ● Bước 2: tính Fo = = RSS /( n − 2) 1− R2 ● Bước 3: So sánh kết với α=5% Tra bảng F với mức ý nghĩa α bậc tự (1,n-2) ta tính đựơc giá trị tới hạn Fα(1,n-2) So sánh Fo Fα(1,n-2) Nếu Fo> Fα(1,n-2) : bác bỏ giả thiết Ho Nếu Fo< Fα(1,n-2): chấp nhận giả thiết Ho Đọc hiểu bảng kết hồi quy phần mềm Excel: Regression Statistics 　 Multiple R hệ số R nhân đơi 　 　 　 　 　 　 ESS TSS 　 R-Square (R ) hệ số xác định R R2 = Ajusted R Square (r ) hệ số tương quan r r=1-[1-R2]*(n-1/n-k-1) 　 Standard Error (σ) Sai số chuẩn PRF RSS n − k − df 　 Observation số quan sát ANOVA 　 　 σˆ = 　 　 　 　 df(bậc tự do) SS (ESS) MS(EMS) 　 　ESS 　ESS/df Regression(ESS) (trungbình phần g.thích) 　 Residual (RSS) 　RSS 　RSS/df = 　 F 　 ESS / df RSS / df 　 　 　 　 　 (t.bình phần khg g.thích) Total (TSS) 　TSS=ESS+RSS 　TSS 　TMS=EMS+RMS 4-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG 　 Coefficient standard t-stat p-value lower 95% upper error 　 Hệ số hồi quy 95% sai số chuẩn t- thống kê giá trị P (hồi quy) 　 αˆ Intercept Variable (biến 1) Variable (biến 2) 　 　 　 βˆ 　 βˆ3 　 se(αˆ ) 　 se ( βˆ ) 　 se( βˆ3 ) 　 t= độ tin cậy độ tin cậy (dưới) (trên) 　 　 　 βˆ − β se( βˆ ) 　 　 　 βˆ3 − β se( βˆ ) 　 　 　 t= 10 Đọc hiểu bảng kết hồi quy phần mềm Eviews: 　 Dependent Variable: CM 　 　 Method: Least Squares 　 Date: 08/18/07 Time: 21:46 　 Sample: 64 　 Included observations: 64 　 　 Số quan st 　 　 　 　 Variable Coefficient Std Error t-Statistic Prob Biến mơ hình Hệ số HQ Sai số chuẩn Thống k t Gi trị P C αˆ =263.6416 PGNP βˆ =-0.005647 R-squared (R2)hệ số xác định 0.707665 se(αˆ ) =11.59318 se( βˆ ) =0.002003 Mean dependent var t= (Y ) 5-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt βˆ − β se( βˆ ) 141.5 TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG Adjusted R-squared (Radj)or R 0.698081 S.D dependent var S.E of regression ( σˆ ) ∑ (Yi − Y ) n −1 41.7478 Akaike info criterion (AIC) PRF) Sum squared resid (RSS) 106315.6 Schwarz criterion (SC) Log likelihood (L) -328.1012 F-statistic Durbin-Watson stat (DW) 75.97807 Gi trị thống k F 2.186159 Prob(F-statistic) =P(phn phối F>Fo) 10.34691 10.44811 73.83254 0.000000 11 Viết phương trình hồi quy Căn vào kết hồi quy có bảng, ta viết lại phương trình hồi quy mẫu sau: ˆ αˆ βˆ SRF: Y = + Xi (ước lượng) 12 Trình bày kết hồi quy: ˆ Yˆ = αˆ + β X i se(αˆ ) t= se( βˆ ) =? αˆ − α se(αˆ ) t= n= ? (số quan sát) R2=? =? βˆ − β se( βˆ ) Fo=? p-value(SRF) =? TSS=? ESS=? P-value (PRF) RSS=? σˆ (PRF)=? 13 Ý nghĩa hệ số hồi quy: ● ˆ αˆ βˆ Đối với dạng hàm: Y = + Xi (hệ số hồi quy α,β có ý nghĩa hệ số độ dốc) ● ˆ αˆ βˆ Đối với dạng hàm log Y = + logXi (hệ số hồi quy α,β có ý nghĩa hệ số co giãn) ● Đối với dạng hàm có biến giả: hệ số hồi quy β theo biến giả có ý nghĩa hệ số cắt 14 Ý nghĩa R2, F, DW 2 RSS ESS βˆ ∑ xi R = 1− = = R2: TSS TSS ∑ yi (Với 0 SRF(mơ hình hồi quy mẫu) khơng thích hợp RSS=TSS => ➼ ● ● F: Giá trị thống kê F-stat = EMS/RMS (càng lớn tốt, chứng tỏ phần dư RSS nhỏ, mơ hình phù hợp) Durbin Waston stat (phương pháp OLS): Sau xuất kết hồi quy, tìm phần dư ei tạo biến trễ phần dư ei-k: độc lập DW = ● ● Yˆi = Y i, ∀i ∑ (e − e ∑e i i−k i )2 với k=1 (Dùng để kiểm định mơ hình có hay khơng có tương quan biến) AIC: nhỏ tốt Quan hệ R2 R2adj: R2 =1 => R2adj =1 R2 =0 => R2adj 0 ~ H1: có β#0 ➘ Bước 2: Tính giá trị F F= ➘ ➘ ESS /( k − 1) R (n − k ) = ~ F (k − 1, n − k ) RSS /( n − k ) (1 − R )( k − 1) Bước 3: Tra bảng F với mức ý nghĩa α=5% (thông thường) phân vị F(k-1,n-k) Bước 4: So sánh kết giá trị F bảng kết hồi quy (F-statistic) với F tra bảng 7-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG ➘ Kiểm định phương pháp giá trị tới hạn: Fo> Fα(k-1,n-k) : bác bỏ giả thiết Ho Kiểm định mức ý nghĩa α: p-value =P(F>Fo)< α: bác bỏ giả thiết Ho Note: Fo cao khả bác bỏ giả thiết Ho lớn 17 Kiểm định Wald Test ● Ý nghĩa: xem xét có nên đưa thêm biến vào mơ hình hay khơng? ● Xét mơ hình: Mơ hình ràng buộc (UR-unrestricted model): Y=β0+β1X1+…+βm-1Xm-1+…+βk-1Xk-1+ui Mơ hình ràng buộc (R – restricted model) : Y=β0+β1X1+…+βm-1Xm-1+ui ● Kiểm định thống kê F: ➼ Bước 1: Ước lượng mơ hình UR với k tham số, lưu kết RSSUR có df=n-k Ước lượng mơ hình R với m tham số, lưu kết RSSR có df=n-m Trong đó: m số ràng bụơc =k1-k2 k2 số biến giải thích mơ hình R k1 số biến giải thích mơ hình UR ➼ Bước 2: Tra bảng F với mức ý nghĩa α=5% (thông thường) Fα(k-m,n-k) ( RSS R − RSS UR ) /( k − m) ( RUR − R R2 ) /( k − m) Ftt = = RSS UR /( n − k ) (1 − RUR ) /( n − k ) Tính ➼ Bước 3: So sánh F tính tóan với F tra bảng Ftt > Fα(k-m,n-k) : bác bỏ giả thiết Ho (nên đưa biến vào mơ hình) Ftt < Fα(k-m,n-k) : chấp nhận giả thiết Ho (khơng nên đưa biến vào mơ hình) 18 Kiểm định Chow Test: ● Ý nghĩa: Xem chuỗi liệu có khác cấu trúc khơng? Nếu khác tách thành mơ hình khác Nếu giống dùng mơ hình ● Ý tưởng: có nên tách riêng hay để chung mơ hình ● Thực hiện: ➼ Bước 1: Ước lượng mơ hình (1) Y=α1+α2X+v1 giai đọan đầu có n1 quan sát (VD: 1997~1990) Tính RSS1 với df=n1-k (2) Y=β1+β2X+v2 giai đọan sau có n2 quan sát (VD: 1991~1998) Tính RSS2 với df=n2-k (k tham số mơ hình hồi quy) ● Đặt RSSU=RSS1+RSS2 với bậc tự df=n1+n2-2k (1) Ước lượng mơ hình chung Y=γ1+γ2X+u với số quan sát n=n1+n2 Tính RSSR với df=n-k 8-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG Ftt = ( RSS R − RSS UR ) / k RSS UR /( n − 2k ) ➼ Bước 2: Tính giá trị F-statistic ➼ Bước 3: Kiểm định Giả thiết: Ho: hai hồi quy thời kỳ Giả thiết H1: hai hồi quy khác Ftt > Fα(k,n-2k) : bác bỏ giả thiết Ho Ftt < Fα(k,n-2k) : chấp nhận giả thiết Ho 19 Xác định biến giả; ● Cách tạo biến giả: ➼ Đối với liệu chéo, biến giả theo giai đọan D=0 : giai đọan D=1: giai đọan Bằng Eviews: Cách 1: nhập giá trị 0,1 vào quan sát tương ứng Cách 2: * tạo biến xu Eviews/genr/tt=@trend(mốc cuối giai đọan1) * tạo biến giả dựa biến xu thế, Eviews/genr/DUM=tt>số quan sát ➼ Đối với thụơc tính: D=1 (thuộc tính trội), phần cịn lại D=0 (biến khơng có mơ hình) ➼ Đối với nhiều thuộc tính, số biến giả = số thụơc tính -1 So sánh thuộc tính khác với thuộc tính sở ➼ Tính % khác biệt biến giả cách lấy 1-antilog ● Kiểm định: ➼ Phương pháp khỏang tin cậy (liên hệ phần tính khỏang tính cậy) ➼ Phương pháp mức ý nghĩa: (liên hệ kiểm định giá trị p-value với mức ý nghĩa) ➼ Phương pháp nên hay khơng đưa biến vào mơ hình (kiểm định thống kê F) ➼ Note: Ta cần ý đến mô hình hồi quy trước vào sau có biến giả để đánh giá Khi đưa biến giả vào mơ hình, hệ số hồi quy có ý nghĩa (R2,t-stat p-value) cho ta nhận định mô hình Khi kết luận mơ hình phù hợp hay không 20 Phát phương sai thay đổi ● Phát hiện: ➼ Để phát phương sai nhiễu có thay đổi hay khơng, người ta thường dùng cơng cụ chẩn đóan phần dư Ui (có thể có kết đáng tin cậy) ➼ Trong liệu chéo lấy mẫu rộng, dễ xảy phương sai thay đổi ➼ Phân tích phần dư Ui, vẽ đồ thị phần dư theo biến độc lập bất kỳ, ta có dạng hình phân tán đồng ● Kiểm định Park test ● Bước 1: Hồi quy mô hình, lưu số liệu phần dư (resid bảng biến phần mềm 9-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG Eviews) Mơ hình (1): Yi=β1+β2Xi+Ui ● Bước 2: Ước lượng mơ hình phần dư theo biến độc lập Mơ hình (2): lnU^i= α1+α2Xi+Vi ● Bước 3: Đặt giả thiết: Ho: α2=0 (phương sai không đổi) H1: α2 #0 (phương sai thay đổi) Kiểm định t-stat ● Kiểm định Glejsei test ■ Bước 1: Hồi quy mơ hình, lưu số liệu phần dư (resid bảng biến phần mềm Eviews) Mơ hình (1): Yi=β1+β2Xi+Ui ■ Bước 2: Ước lượng mơ hình phần dư theo biến độc lập Mơ hình (2) có dạng sau : ˆ + Vi Uˆi = α + α Xi + Vi Ui = α + α Xi Uˆi = α + α + Vi Uˆi = α + α Xi + Vi Xi ■ ● Bước 3: Đặt giả thiết: Ho: α2=0 (phương sai không đổi) H1: α2 #0 (phương sai thay đổi) Kiểm định t-stat Kiểm định White test: ◆ Bước 1: Hồi quy mơ hình, lưu số liệu phần dư (resid bảng biến phần mềm Eviews) Mơ hình (1): Yi=β0+β1X1i+β2X2i +Ui ◆ Bước 2: Ước lượng mơ hình phụ thao tác Eviews (View/Residual Tests/White Heteroscedasticity) thu đựơc R2 Sau ta tính Xtt=n* R2 (trong n số quan sát) ◆ Bước 3: Đặt giả thiết: Ho: α1=α2=α3 = α4 = (phương sai không đổi) H1: α1=α2=α3 = α4 #0 (phương sai thay đổi) ◆ Bước 4: Kiểm định so sánh, X α2 (df ) Tra bảng Chi-square với mức ý nghĩa α Nếu Xtt=n* R2 > Xtt=n* R2 : bác bỏ giả thiết 21 Phát tự tương quan kiểm định Durbin Waston ● Phát hiện: vào đồ thị Scatter phần dư Ui với biến trễ Ui-1 -Đồ thị có dạng ngẫu nhiên khơng có tương quan - Đồ thị có dạng hệ thống nhận định có tương quan xảy 10-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG ● Thực kiểm định Durbin Waston ➘ Bước 1: Ước lượng mơ hình hồi quy gốc Lưu giá trị phần dư Ui tạo biến trễ Ui-1 n ➘ Bước 2: Tính giá trị ρ = ∑ Uˆ Uˆ t i =2 n ∑Uˆ i =1 n Hoặc tính giá trị d = ∑ (Uˆ t =2 t − Uˆ t −1 ) t n ∑Uˆ t =1 ➘ t −1 t với −1 ≤ ρ ≤ ≈ 2(1 − ρˆ ) với 0≤d ≤4 Bước 3: Kiểm định so sánh Tra bảng thống kê Durbin Waston cho ta giá trị tới hạn dU dL với mức ý nghĩa α, số quan sát n, số biến độc lập k So sánh: * d∈ (0,dL): tự tương quan dương * d∈ (dL,dU): không định đựơc * d∈ (dU,2): khơng có tương quan bậc * d∈ (2,4-dU): khơng có tương quan bậc * d∈ (4-dU, 4-dL): không định đựơc * d∈ (4-dL, 4): tự tương quan âm 22 Phát đa cộng tuyến ● Phát hiện: R2 cao t-stat thấp (khơng có ý nghĩa p-value có giá trị cao) Hệ số tương quan cặp biến giải thích cao, khỏang 0.8 ● ➼ Thực kiểm định xác định đa cộng tuyến: Bước 1: Xét hệ số tương quan biến (có đa cộng tuyến) Nếu hệ số tương quan gần (đa cộng tuyến gần hòan hảo), Nếu hệ số tương quan < 0.8 (đa cộng tuyến khơng hịan hảo) ➼ Bước 2: Hồi quy Y theo biến độc lập X1, X2 Ta có mơ hình (1): Y^1=α + α1X1 lưu kết R2, p-value (xem có hay khơng ý nghĩa thống kê) (2): Y^2=β+β2X2 lưu kết R2, p-value (xem có hay khơng ý nghĩa thống kê) ➼ Bước 3: Hồi quy mơ hình phụ biến có đa cộng tuyến (3) X^2=γ+γ1X1 lưu kết R2, p-value (xem có hay khơng ý nghĩa thống kê) ➼ Bước 4: Đặt giả thiết: Ho: đa cộng tuyến H1: có đa cộng tuyến Kiểm định thống kê F: R22 /( k − 2) F2 = (1 − R22 ) /( n − k + 1) 11-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG Tính F tra bảng với mức ý nghĩa α, Fα(k-2,n-k+1) So sánh: F2 > Fα(k-2,n-k+1): bác bỏ giả thiết F2 < Fα(k-2,n-k+1): chấp nhận giả thiết ● ➼ Thực kiểm định bỏ bớt biến Bước 1: Xét hệ số tương quan biến (có đa cộng tuyến) Nếu hệ số tương quan gần (đa cộng tuyến gần hòan hảo), Nếu hệ số tương quan < 0.8 (đa cộng tuyến khơng hịan hảo) ➼ Bước 2: Hồi quy Y theo biến độc lập X1, X2 Ta có mơ hình (1): Y^1=α + α1X1 lưu kết R2, p-value (xem có hay không ý nghĩa thống kê) (2): Y^2=β+β2X2 lưu kết R2, p-value (xem có hay khơng ý nghĩa thống kê) ➼ Bước 3: Kiểm định Xét p-value X1 p-value X2 kết hồi quy p-value (X1) > p-value (X2): mơ hình hồi quy Y theo X1 có mức độ phù hợp cao mơ hình hồi quy Y theo X2 Do lọai bỏ biến X2 23 Cách khắc phục lọai bệnh (phương sai thay đổi, tự tương quan, đa cộng tuyến) ● Cách khắc phục đa cộng tuyến: ➼ Bỏ biến khỏi mơ hình, sau hồi quy lại mơ hình khơng bao gồm biến cần lọai bỏ Đánh giá giá trị R2, t-stat p-value xem có ý nghĩa thống kê không ➼ Căn vào kết earnings (hệ số đáng tin cậy cho trước) Sau xác định mơ hình hồi quy phụ theo hệ số cho trước Đánh giá giá trị R2, t-stat p-value mơ hình hồi quy phụ xem có ý nghĩa thống kê khơng ➼ Thêm liệu cho mơ hình, nhiên cách thức tốn chi phí nên đựơc thực ● Cách khắc phục phương sai thay đổi: ➼ Biết phương sai σ2 ➼ Không biết phương sai σ2: Bứơc 1: Ước lượng phương trình (1): Yi=b1+b2Xi+ui Bước 2: Vẽ đồ thị phần dư ui theo Xi Đánh giá xem phương sai nhiễu có hay khơng tỷ lệ thuận với biến giải thích Bứơc 3: Chia vế phương trình hồi quy (1) cho bậc biến giải thích b b Yi Xi ui Yi = + b2 + = + b2 Xi + vi Xi Xi Xi X i Xi (2) X i ● chuyển thành dạng phương trình khơng có hệ số cắt Bứơc 4: So sánh mơ hình (1) (2) qua số liệu hồi quy R2, t-stat p-value đánh giá mơ hình Cách khắc phục tự tương quan: 12-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG ➼ ➼ Trừơng hợp biết cấu trúc tương quan Trừơng hợp chưa biết cấu trúc tương quan Cách 1: Ước lượng ρ thống kê d Cách 2: Phương pháp Durbin Waston bước (sách KTL-trang 171) 13-Mr.Isaac Nguyễn CuuDuongThanCong.com https://fb.com/tailieudientucntt ... dependent var t= (Y ) 5-Mr.Isaac Nguyễn CuuDuongThanCong. com https://fb .com/ tailieudientucntt βˆ − β se( βˆ ) 141.5 TAI LIEU KINH TE LUONG – WWW.KHOAKINHTE.ORG Adjusted R-squared (Radj)or R 0.698081... p-value