PowerPoint Presentation LỰA CHỌN MÔ HÌNH VÀ MỘT SỐ KIỂM ĐỊNH NỘI DUNG CHÍNH Các thuộc tính của một mô hình tốt Phương pháp lựa chọn mô hình tốt Các tiêu chuẩn chọn mô hình Các sai lầm thường gặp khi c[.]
LỰA CHỌN MƠ HÌNH VÀ MỘT SỐ KIỂM ĐỊNH NỘI DUNG CHÍNH Các thuộc tính mơ hình tốt Phương pháp lựa chọn mơ hình tốt Các tiêu chuẩn chọn mơ hình Các sai lầm thường gặp chọn mơ hình Bỏ sót biến thích hợp Mơ hình thừa biến CÁC THUỘC TÍNH CỦA MỘT MƠ HÌNH TỐT Tính tiết kiệm: mơ hình đơn giản Tính thích hợp: biến phụ thuộc giải thích nhiều mơ hình tốt Tính đồng nhất: số liệu, tham số ước lượng có giá trị thống Tính bền vững mặt lý thuyết: phù hợp với lý thuyết, tức sở lý thuyết để xây dựng mô hình Có khả dự báo tốt: suy luận cho giá trị mẫu PHƯƠNG PHÁP LỰA CHỌN MƠ HÌNH TỐT Phương pháp (từ đơn giản đến tổng qt) Bắt đầu mơ hình với biến độc lập, sau thêm biến giải thích có tương quan với biến phụ thuộc vào mơ hình Đánh giá phù hợp thêm biến vào mơ hình PHƯƠNG PHÁP LỰA CHỌN MƠ HÌNH TỐT Phương pháp (từ tổng quát đến đơn giản) Bắt đầu mơ hình với tất biến độc lập có, sau dựa vào kiểm định để bớt biến giải thích mơ hình nhận dạng lý giải sai lầm đặc trưng mô hình CÁC TIÊU CHUẨN LỰA CHỌN MƠ HÌNH 𝟐 Hệ số xác định điều chỉnh 𝑹 𝑅𝑆𝑆 𝑅 =1−𝑛−𝑘 𝑇𝑆𝑆 𝑛−1 Mơ hình có giá trị tiêu chuẩn cao chọn CÁC TIÊU CHUẨN LỰA CHỌN MƠ HÌNH Tiêu chuẩn AIC (Akaike Info Criterion) 𝑅𝑆𝑆 2𝑘 𝐴𝐼𝐶 = 𝑒𝑛 𝑛 Mô hình có giá trị tiêu chuẩn thấp chọn CÁC TIÊU CHUẨN LỰA CHỌN MÔ HÌNH Tiêu chuẩn Schwarz 𝑅𝑆𝑆 𝑘 𝐵𝐼𝐶 = 𝑛𝑛 𝑛 Mơ hình có giá trị tiêu chuẩn thấp chọn CÁC TIÊU CHUẨN LỰA CHỌN MƠ HÌNH Tiêu chuẩn Hannan - Quinn (HQ criterion) 2𝑘 𝑅𝑆𝑆 𝐻𝑄 = (ln 𝑛) 𝑛 𝑛 Mô hình có giá trị tiêu chuẩn thấp chọn VÍ DỤ Dependent Variable: CHITIEU Method: Least Squares Sample: 10 Included observations: 10 Variable Coefficient Std Error t-Statistic Prob C THUNHAP 2.047024 0.635562 0.785207 0.056890 2.606988 11.17176 0.0313 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.939763 0.932233 0.663690 3.523880 -8.974272 124.8082 0.000004 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 10.50000 2.549510 2.194854 2.255372 2.128467 3.275702 KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP KIỂM ĐỊNH BỎ SĨT BIẾN THÍCH HỢP KIỂM ĐỊNH BỎ SĨT BIẾN THÍCH HỢP Kiểm định RESET Ramsey Ramsey đề xuất sử dụng 𝑌 , 𝑌 ,… 𝑌 𝑚+1 làm xấp xỉ cho Zi Bước : Hồi qui mơ hình Yi = 1 + 2Xi + Ui (*), thu lấy 𝑌 Bước : Hồi qui Yi theo biến độc lập (*) 𝑌2; 𝑌3;… (mơ hình gọi mơ hình (new)) Bước : Kiểm định giả thuyết 𝐻0 : hệ số 𝑌 , 𝑌 , … 𝑌 𝑚+1 đồng thời 𝐻1 : có hệ số 𝑌 , 𝑌 , … 𝑌 𝑚+1 khác Nếu bác bỏ H0 mơ hình (*) bỏ sót biến KIỂM ĐỊNH BỎ SĨT BIẾN THÍCH HỢP Kiểm định RESET Ramsey (R R ) / m Trị thống kê F (1 R ) /( n k ) new new * Trong : m : số biến độc lập thêm vào mơ hình k : Số tham số mơ hình (new) Nếu F > F, m, n-k p-value(F) < bác bỏ H0 VÍ DỤ Ta có : F = 0.3888 với P-value(F-stat) = 0.684 > 5% mơ hình ban đầu khơng bỏ sót biến VÍ DỤ Ramsey RESET Test Equation: UNTITLED Specification: SALARY C AGE EDUC Omitted Variables: Powers of fitted values from to Value F-statistic df 86.25145 (2, 469) Likelihood ratio 148.4620 Probability 0.0000 0.0000 MƠ HÌNH THỪA BIẾN Giả sử mơ hình : Yi = 1 + 2X2i + Ui (R) Nhưng ta lại chọn mơ hình (có thêm X3): Yi = 1 + 2X2i + 2X3i + Vi (U) Trong đó, Ui Vi sai số ngẫu nhiên thỏa: 2 𝑈𝑖 ~𝑁 0, 𝜎𝑈 ; 𝑉𝑖 ~𝑁(0, 𝜎𝑉 ) Trường hợp gọi thừa biến MƠ HÌNH THỪA BIẾN Hậu - Các ước lượng OLS ước lượng không chệch vững tham số mơ hình - Phương sai ước lượng mơ hình thừa biến (U) lớn mơ hình (R) - Khoảng ước lượng rộng hơn, kiểm định khơng cịn tin cậy MƠ HÌNH THỪA BIẾN Phát loại bỏ biến không cần thiết (từ tổng quát đến đơn giản) Giả sử mơ hình hồi qui: Yi = 1+ 2X2i+ 3X3i+ 4X4i+ 5X5i + Ui Dùng kiểm định t cho ý nghĩa riêng phần hệ số βj Dùng kiểm định F cho kiểm định ý nghĩa đồng thời hệ số hồi quy VÍ DỤ 𝐻0: 𝛽5 = Bài tốn kiểm định 𝐻1 : 𝛽5 ≠ Nếu chấp nhận H0 𝛽5 khơng có ý nghĩa thống kê X5 không cần thiết 𝐻0: 𝛽5 = 𝐻0: 𝛽3 = Bài toán kiểm định 𝐻1 : 𝛽3 ≠ 𝐻1 : 𝛽5 ≠ Nếu chấp nhận H0 hai tốn tiến hành toán kiểm 𝐻0: 𝛽3 = 𝛽5 = định đồng thời: (Sử dụng kiểm định Wald) 2 𝐻1 : 𝛽3 + 𝛽5 ≠ VÍ DỤ Nghi ngờ biến INST biến bị thừa Tiến hành kiểm định 𝑡 cho thừa biến VÍ DỤ Biến INST thực biến bị thừa Vì nên loại biến khỏi mơ hình VÍ DỤ Nghi ngờ ba biến INST, SVC TV ba biến bị thừa Tiến hành kiểm định thừa biến kiểm định WALD VÍ DỤ Ba biến INST, SVC TV thực ba biến bị thừa Vì nên loại biến khỏi mơ hình