MÔ HÌNH HỒI QUY TỔNG THỂ • Dạng của PRF tùy thuộc mô hình kinh tế, gồm các hệ số coefficient chưa biết • Nếu hàm hồi quy tổng thể có dạng đường thẳng:... • Tính chất của yếu tố ngẫu n
Trang 1KINH TẾ LƯỢNG
BẬC CAO HỌC
ECONOMETRICS
Trang 2KINH TẾ LƯỢNG CƠ BẢN
Chương 1, 2, 3
KINH TẾ LƯỢNG NÂNG CAO
Chương 4, 5, 6, 7,8
Trang 33 Nguyễn Khắc Minh, (2002), Các phương pháp Phân tích & Dự báo trong Kinh tế, NXB KHKT
4 Damodar N.Gujarati, Basic Econometrics, 4 th
Edition, Mc Graw - Hill, 2004
Trang 4KHÁI NIỆM VỀ KINH TẾ LƯỢNG
kinh tế
tế xã hội
Toán kinh tế, phương pháp toán, xác suất thống kê, với sự hỗ trợ của máy tính
Trang 5• Thu thập số liệu và ước lượng tham số
• Kiểm định về mối quan hệ
• Phân tích, dự báo, minh chứng hoặc phản
biện lý thuyết
Trang 6KINH TẾ LƯỢNG CƠ BẢN
Basic Econometrics
Trang 7CHƯƠNG 1 MÔ HÌNH KINH TẾ LƯỢNG
CHƯƠNG 2 ƯỚC LƯỢNG VÀ PHÂN TÍCH
MÔ HÌNH KINH TẾ LƯỢNG CHƯƠNG 3 ĐÁNH GIÁ VỀ MÔ HÌNH
Trang 8CHƯƠNG I MÔ HÌNH KINH TẾ LƯỢNG
Econometrics Model
1.1 Phân tích hồi qui 1.2 Mô hình hồi qui tổng thể 1.3 Mô hình hồi qui mẫu
1.4 Mô hình hồi qui tổng quát 1.5 Mô hình hồi qui trong kinh tế
Trang 9PHÂN TÍCH HỒI QUY
• Nghiên cứu mối liên hệ phụ thuộc giữa 1 biến
(biến phụ thuộc) vào một hoặc một số biến số khác (biến độc lập/biến giải thích)
• Biến phụ thuộc, thường ký hiệu Y , đại diện cho đối tượng kinh tế mà ta quan tâm nghiên cứu
sự biến động (dependent, explained, exogenous
variable)
• Biến độc lập, thường ký hiệu X , X X1, 2, đại diện cho đối tượng kinh tế giải thích cho sự biến động của biến phụ thuộc (independent,
Trang 10dấu hiệu nghiên cứu
• Phân tích dựa trên toàn bộ tổng thể
Trang 11• Để thuận tiện: mô hình một biến độc lập, X →
Y
X giải thích cho Y, Y phụ thuộc vào X
Trang 12MÔ HÌNH HỒI QUY TỔNG THỂ
PRF: Population Regression Function
Trang 13MÔ HÌNH HỒI QUY TỔNG THỂ
• Dạng của PRF tùy thuộc mô hình kinh tế,
gồm các hệ số (coefficient) chưa biết
• Nếu hàm hồi quy tổng thể có dạng đường thẳng:
Trang 14→ PRF cho biết quan hệ giữa biến phụ thuộc
và biến giải thích về mặt trung bình trong tổng thể.
MÔ HÌNH HỒI QUY TỔNG THỂ
• Hàm hồi quy tổng thể được gọi là tuyến tính
nếu nó tuyến tính theo tham số
• Giá trị cụ thể Y i ∈( /Y X i ) , thông thường
i i ) Đặt i i i )
Y ≠ E Y ( / X u = Y − E Y X( / : là yếu tố
ngẫu nhiên (nhiễu, sai số ngẫu nhiên - Random
errors)
Trang 15• Tính chất của yếu tố ngẫu nhiên : E(u i) = 0 ∀i
→ đại diện cho tất cả những yếu tố không phải
biến giải thích trong mô hình nhưng cũng tác động tới biến phụ thuộc
MÔ HÌNH HỒI QUY MẪU
• Không biết toàn bộ Tổng thể, nên dạng của PRF có thể biết nhưng giá trị β j thì không biết
• Mẫu : một bộ phận mang thông tin của tổng thể W = {(X i , Y i ), i = 1÷ n} được gọi là một mẫu kích thước n, n quan sát (observation)
Trang 16• Trong mẫu W, tồn tại một hàm số mô tả xu thế
biến động của biến phụ thuộc theo biến giải thích về mặt trung bình, ˆ = ˆ ) gọi là hàm hồi qui mẫu (SRF- Sample Regression
Trang 17• Với mẫu cụ thể w kích thước n, β j là số cụ thể.
• Thông thường Y i ≠ Y ˆ i, đặt Y i và gọi là
Trang 18i ˆ i
ˆ
ie
MÔ HÌNH HỒI QUY TỔNG QUÁT
• Mô hình hồi quy k biến, 1 biến phụ thuộc và
) biến giải thích, hệ số (kể cả hệ số
chặn).
( k
Trang 21Cobb-Douglas Q = β K β2 Lβ3
0 tuyến tính hóa và xây dựng mô hình kinh tế lượng:
Trang 22CHƯƠNG II ƯỚC LƯỢNG VÀ PHÂN TÍCH
MÔ HÌNH KINH TẾ LƯỢNG
• 2.1 Ước lượng mô hình 2 biến
• 2.2 Ước lượng mô hình tổng quát
• 2.3 Các giả thiết của phương pháp OLS
• 2.4 Các tham số của ước lượng OLS
• 2.5 Ước lượng khoảng tin cậy của các hệ
Trang 23số
CHƯƠNG II ƯỚC LƯỢNG VÀ PHÂN TÍCH
MÔ HÌNH KINH TẾ LƯỢNG
• 2.6 Kiểm định giả thuyết về các hệ số
• 2.7 Ước lượng về tổ hợp các hệ số hồi
Trang 24• 2.10 Kiểm định thu hẹp hồi quy
• 2.11 Dự báo
Trang 25ƯỚC LƯỢNG MÔ HÌNH HỒI QUY HAI BIẾN
• Mô hình hồi qui hai biến là mô hình gồm một
biến phụ thuộc (Y) và một biến giải thích (X)
• Tìm β βˆ ,1 ˆ
ˆ (Y Y ) e
Trang 26Giải được nghiệm ˆ XY X Y
n
i i
x y ˆ
2 1
• β βˆ ˆ1 , 2 ước lượng bằng phương pháp bình phương nhỏ nhất - LS, gọi là các ước lượng bình phương nhỏ nhất (các ước lượng LS) của
β1 và β2
Trang 27ƯỚC LƯỢNG MÔ HÌNH TỔNG QUÁT
• Việc ước lượng mô hình hồi quy tổng quát cũng thực hiện như đối với hồi quy đơn, với
tiêu chuẩn là tìm βˆ j sao cho n i i n
Trang 28
k k
X X X
1 2
n
Y Y Y=
Y
k
ˆ ˆ
ˆ
ˆ
Trang 29CÁC GIẢ THIẾT CỦA PHƯƠNG PHÁP LS
• Giả thiết 1 : Hàm hồi quy tuyến tính theo hệ
số
• Giả thiết 2 : Biến độc lập là phi ngẫu nhiên
• Giả thiết 3 : Trung bình của sai số ngẫu nhiên
bằng 0: E( u ) i = 0 ( i∀ )
• Giả thiết 4 : Phương sai sai số ngẫu nhiên đồng
nhất Var( u ) i = σ 2 ( i∀ )
Trang 30• Giả thiết 5 : Các sai số ngẫu nhiên không
i j
Cov( u ,u ) = ∀ ≠0( i j )
tương quan Cov( u , X ) i i = 0( i )∀
• Giả thiết 7: Số quan sát nhiều hơn số hệ số
• Giả thiết 8: Giá trị của biến độc lập có sự khác
biệt đủ lớn
• Giả thiết 9: Hàm hồi qui được xác định đúng
Trang 31hệ cộng tuyến
chuẩn
Trang 32ĐỊNH LÍ
Nếu tổng thể thỏa mãn các giả thiết trên thì ước lượng OLS sẽ là ước lượng tuyến tính, không chệch, tốt nhất (trong
số các ước lượng không chệch) của các tham số
(BLUE: Best Linear Unbias Estimate)
Trang 34CÁC THAM SỐ CỦA ƯỚC LƯỢNG LS
• Với hồi quy đơn
Kì vọng: E( βˆ j ) = β j ( j = 1 2 ) ,
Phương sai:
n
i i
n
i i
X ˆ
2 1
ˆ
i i
Độ lệch chuẩn: Se( βˆ j ) = Var( βˆ j ) (j = 1,2)
Trang 35σ2 chưa biết, được ước lượng bởi : e i
k k
k
ˆ ˆ
Cov( , )
ˆ ˆ Cov( , )
ˆ Var( )
β β
β β
β
1 2
Trang 36Cov( )βˆ = σ 2( X ' X )−1
i
e ˆ
Trang 37ƯỚC LƯỢNG KHOẢNG CÁC HỆ SỐ HỒI QUY
• Độ tin cậy 1 − α cho trước, ước lượng khoảng tin cậy đối xứng, tối đa, tối thiểu của các hệ số hồi quy
ˆ ( β )tα −
- Quan hệ thuận chiều
- Quan hệ ngược chiều
Trang 38KIỂM ĐỊNH GIẢ THIẾT VỀ CÁC HỆ SỐ
j
ˆ T
Trang 40• Trường hợp đặc biệt,β j = 0 , thường kiểm định
về bản chất của mối liên hệ phụ thuộc
j j
β β
có thể sử dụng quy tắc p-value (Prob) như sau :
Nếu p-value > α → chấp nhận H 0
Trang 41BÁO CÁO KẾT QUẢ ƯỚC LƯỢNG MÔ HÌNH
Trang 42ƯỚC LƯỢNG PHƯƠNG SAI CỦA
YẾU TỐ NGẪU NHIÊN
n i
Trang 43ƯỚC LƯỢNG KHOẢNG TỔ HỢP TUYẾN
β ± β <
Se( aβ ± bβ ) = a Var(2 β )± 2abCov( β β, ) b Var(+ 2 βˆ )
• KTC tối đa và tối thiểu: tương tự
• Ví dụ minh họa
Trang 45T < −tα −
Trang 46SỰ PHÙ HỢP CỦA HÀM HỒI QUY
TSS = ESS + RSS
TSS (Total Sum of Squares): đo tổng mức độ
biến động của biến phụ thuộc
ESS (Explained Sum of Squares): phần biến
động của biến phụ thuộc được giải thích bởi
Trang 47mô hình - bởi các biến giải thích trong mô hình
RSS (Residual Sum of Squares): phần biến động của biến phụ thuộc được giải thích bởi các yếu
tố nằm ngoài mô hình - Yếu tố ngẫu nhiên
Trang 48biến động của các biến độc lập (theo mô hình, trong mẫu)
• Hệ số xác định hiệu chỉnh (Adjusted R-squared)
Trang 492 1
=
≠
0 0
H 1 : Hàm hồi quy phù hợp (có
ít nhất 1 biến giải thích có ảnh hưởng tới biến phụ thuộc)
1
Statistic
Trang 50( k ,n k qs
F > Fα −1 −
,n k qs
Trang 51KIỂM ĐỊNH THU HẸP HỒI QUY
Nghi ngờ m biến giải thích X k-m+1 ,…, X k không
giải thích cho Y
k m k m j
β β β β
Trang 52Nếu F qs > Fα( m ,n k− ): bác bỏ H 0
KIỂM ĐỊNH THU HẸP HỒI QUY
• Kiểm định thu hẹp hồi quy cho phép xem xét
có nên bỏ đi đồng thời 1 số biến ra khỏi mô hình hay đưa thêm vào mô hình đồng thời 1 số biến
• Có thể sử dụng để kiểm định về các ràng buộc tuyến tính về các hệ số hồi quy
• Nếu các ràng buộc tuyến tính làm thay đổi
Trang 53biến phụ thuộc của mô hình thì phải tính F qs theo RSS
• Khi m = k-1 kiểm định sự phù hợp hàm HQ
DỰ BÁO
• Với mô hình hồi quy 2 biến
Ước lượng khoảng cho giá trị trung bình của biến phụ thuộc khi biến giải thích nhận giá trị
Trang 55Ước lượng khoảng cho giá trị trung bình của biến phụ thuộc khi các biến giải thích nhận giá trị xác định X 0 = ( , X , X , , X )1 2 0 3 0 k0
Dự báo bằng ước lượng điểm
CHƯƠNG III ĐÁNH GIÁ VỀ MÔ HÌNH
Trang 56(Diagnostic Tests)
• 3.1 Đa cộng tuyến (Multicollinearity)
• 3.2 Phương sai sai số thay đổi
(Heteroscedasticity)
• 3.3 Tự tương quan (Autocorrelation)
• 3.4 Định dạng mô hình (Model specification)
CƠ SỞ ĐÁNH GIÁ
Trang 57• Định lý Gauss-Markov: Nếu mô hình thỏa
mãn các giả thiết của phương pháp LS thì các ước lượng thu được khi sử dụng phương pháp
LS là tuyến tính, không chệch, tốt nhất
lượng không tốt, kết quả không đáng tin cậy, không dùng phân tích được, cần phải khắc phục
Trang 58ĐA CỘNG TUYẾN
• Mô hình E(Y ) = β1 + β2X2 + β3X3 + + βk X k
Giả thiết của LS: các biến giải thích không có
quan hệ cộng tuyến (mô hình có k ≥ 3)
• Nếu giả thiết bị vi phạm → mô hình có hiện
tượng đa cộng tuyến (Multicollinerity)
• Có 2 loại đa cộng tuyến
- ĐCT hoàn hảo
- ĐCT không hoàn hảo
Trang 59PHÂN LOẠI ĐA CỘNG TUYẾN
Trang 60NGUYÊN NHÂN VÀ HẬU QUẢ
• ĐCT hoàn hảo thường do lập mô hình sai: ít khi xảy ra → không giải được nghiệm
• ĐCT không hoàn hảo thường xảy ra: do bản chất KTXH của quan hệ, do thu thập và xử lý
số liệu
• ĐCT không hoàn hảo → vẫn giải được nghiệm, tìm được các duy nhất, nhưng kết quả không tốt, sai số của các ước lượng lớn:
- Các ước lượng LS không còn là ước
lượng tốt nhất
Trang 61- Khoảng tin cậy của các hệ số rộng hơn
- Kiểm định T không đáng tin cậy, có thể cho nhận định sai lầm
• ĐCT nặng → các kiểm định T và F có thể cho kết luận mâu thuẫn nhau, các hệ số ước lượng được có thể có dấu không phù hợp với lí thuyết kinh tế
• ĐCT không hoàn hảo là hiện tượng gặp với hầu hết các mô hình, nếu gây hậu quả nghiêm trọng thì cần phải khắc phục
Trang 63
2 2
0 0
F > Fα − − →
k ) qs
Trang 64• Có thể dùng kiểm định T cho các hệ số góc của mô hình hồi quy phụ và kết luận tương
tự
• Có một số tiêu chuẩn khác cũng có thể được
sử dụng để kiểm định về ĐCT của mô hình
KHẮC PHỤC KHUYẾT TẬT
• Bỏ bớt biến độc lập gây đa cộng tuyến
• Lấy thêm quan sát hoặc thu thập mẫu mới
Trang 65• Thay đổi dạng mô hình
• Sử dụng thông tin tiên nghiệm biến đổi mô
hình
PHƯƠNG SAI CỦA SAI SỐ THAY ĐỔI
• Phương sai các yếu tố ngẫu nhiên là đồng nhất, Var( u ) i = σ 2( i )∀ không đổi → giả thiết của LS
Trang 66• Nếu giả thiết được thỏa mãn → Phương sai của sai số đồng đều (không đổi -
→ Phương sai của sai số
thay đổi (heterscocedasticity)
2 → Kí hiệu Var( u = σ
NGUYÊN NHÂN VÀ HẬU QUẢ
• Bản chất KTXH của mối quan hệ: sự dao
Trang 67động của biến phụ thuộc trong những điều kiện khác nhau không giống nhau
• Quá trình thu thập số liệu không chính xác, số liệu không phản ánh đúng bản chất hiện
tượng; do việc xử lý, làm trơn số liệu
→ Các ước lượng là không chệch, nhưng không hiệu quả, không phải là tốt nhất
→ Các kiểm định T, F có thể sai, KTC rộng
PHÁT HIỆN KHUYẾT TẬT
Trang 69PHÁT HIỆN KHUYẾT TẬT - KIỂM ĐỊNH
WHITE
• Hồi qui bình phương phần dư theo tổ hợp
bậc cao dần của các biến giải thích
=
≠
2 0
2 1
0 0
Trang 70• Mô hình phụ để thực hiện kiểm định có thể có hoặc không có tích chéo giữa các biến độc lập ban đầu, có thể có lũy thừa bậc cao hơn của các biến độc lập và phải có hệ số chặn
Trang 71KHẮC PHỤC KHUYẾT TẬT
• Sử dụng phương pháp bình phương nhỏ nhất tổng quát GLS
Var( u
• Nếu chưa biết , dựa trên giả thiết về sự thay đổi của mà có cách khắc phục tương ứng
Trang 72KHUYẾT TẬT TỰ TƯƠNG QUAN
• Hiện tượng thường gặp với số liệu theo thời gian nên sử dụng chỉ số thay cho chỉ số t i
Trang 73tật tự tương quan bậc p (Autocorrelation Order
0 ≤ 1 : mô hình có tự tương quan dương
ρ = 0 : mô hình không có tự tương quan
Trang 74• Tổng quát: tự tương quan bậc : p
p
u t = ρ1u t−1 + ρ2u t−2 + + ρ u t p− + εt với ρp ≠ 0
NGUYÊN NHÂN VÀ HẬU QUẢ
• Do bản chất của mối quan hệ
• Tính quán tính trong các chuỗi số liệu
• Quá trình xử lý, nội suy, ngoại suy số liệu
• Mô hình thiếu biến hoặc dạng hàm sai
Trang 75chệch nhưng không phải ước lượng hiệu quả/không phải ước lượng tốt nhất
PHÁT HIỆN KHUYẾT TẬT
• Kiểm định Durbin-Watson
- Dùng để phát hiện tự tương quan bậc 1
- Dùng phần dư là đại diện cho e t u t
- Mô hình phải có hệ số chặn và không chứa biến trễ bậc 1 của biến phụ thuộc làm biến độc lập (không phải mô hình tự hồi
Trang 76quy)
• Các bước thực hiện kiểm định
- Ước lượng MH ban đầu thu được phần dư
n
t t
2 1
2 1− =
DW-Statistic
Trang 77trong đó
n t
ˆ
ρ n t t
t t
e e e
2 1
là ước lượng cho ρ
Trang 78Không có
tự tương quan
ρ = 0
Không
có kết luận
Tự tương quan âm
0 d L d U 2 4 – d U 4 – d L 4
KIỂM ĐỊNH BREUSCH-GODFREY(BG)
• Kiểm định về tự tương quan bậc p bất kỳ
• Các bước thực hiện kiểm định
Trang 79- Hồi quy mô hình ban đầu:
t u t t
- Kiểm định giả thiết:
Trang 80p i
ρ ρ ρ ρ
Trang 81KHẮC PHỤC TỰ TƯƠNG QUAN
• Sử dụng phương pháp bình phương nhỏ nhất tổng quát GLS dựa trên mô hình dạng sai phân
• Biến đổi mô hình ban đầu về mô hình mới có cùng các hệ số tương ứng như mô hình cũ nhưng không có khuyết tật tự tương quan
• Chi tiết tham khảo giáo trình
Trang 82ĐỊNH DẠNG MÔ HÌNH
• Các thuộc tính của mô hình tốt
- Mô hình đầy đủ
- Mô hình phù hợp về lý thuyết và thống kê
- Khả năng phân tích và dự báo
• Các sai lầm thường gặp khi định dạng mô hình
- Mô hình thừa biến độc lập
- Mô hình thiếu biến độc lập
Trang 83- Dạng hàm sai
PHÁT HIỆN MÔ HÌNH THIẾU BIẾN ĐỘC LẬP
• Kiểm định Ramsey – Reset
- Hồi quy mô hình ban đầu: Y i = β + β X i + u i
Trang 84( ) ,n k )
Trang 85TỔNG KẾT PHẦN I
lượng là tốt nhất, ước lượng khoảng, kiểm định giả thiết là đáng tin cậy, kết quả là tốt cho phân tích
đến sự biến động của biến phụ thuộc thông qua các hệ số hồi quy và hệ số xác định