Mô hình hồi quy tuyến tính 2 biến (mô hình hồi quy đơn – Simple regression model) gồm: Biến phụ thuộc (biến được giải thích): Y Biến độc lập (biến giải thích): X Hệ số hồi quy: β1 và β2 Hệ số chặn: β1 Hệ số góc: β2 Sai số ngẫu nhiên: u, u chứa những biến có tác động đến Y mà không phải X
LOGO BÀI GIẢNG KINH TẾ LƯỢNG GV: ThS Nguyễn Thanh Hà Liên hệ - Điện thọai: 0969 488 488 Email: hant_tkt@buh.edu.vn CÁCH ĐÁNH GIÁ ĐIỂM MƠN HỌC Hình thức Cách tính điểm * KT kì 30% (thang điểm 10) Điểm danh + KT BTVN Bài kiểm tra cá nhân có báo trước 1đ 9đ Bài thực hành nhóm 30% Điểm thưởng: 70% Cộng 0,5đ/lần vào điểm KT kì - Trả lời câu hỏi làm tập * Thi cuối kì: Làm thi cá nhân hình thức tự luận, khơng sử dụng tài liệu, đem bảng tra thống kê of 10 70% (thang điểm 10) TÀI LIỆU THAM KHẢO Nguyễn Quang Dong – Nguyễn Thị Minh, “Kinh tế lượng”, NXB ĐHKTQD, 2013 Hoàng Ngọc Nhậm, “Giáo trình kinh tế lượng”, NXB LĐXH, 2010 Nguyễn Thành Cả - Nguyễn Thị Ngọc Miên, “Kinh tế lượng”, NXB KT TP.HCM, 2014 Nguyễn Văn Tùng, “Thực hành Kinh tế lượng với Eviews”, NXB Kinh tế TP.HCM, 2014 of 10 NỘI DUNG MÔN HỌC Chương Nhập mơn kinh tế lượng Mơ hình hồi quy PP OLS Suy diễn TK dự báo từ MHHQ Một số dạng đặc biệt MHHQ Kiểm định lựa chọn mơ hình of 10 CHƯƠNG 1: NHẬP MÔN KINH TẾ LƯỢNG LỊCH SỬ KINH TẾ LƯỢNG KINH TẾ LƯỢNG LÀ GÌ? SỐ LIỆU TRONG KINH TẾ LƯỢNG of 10 Tinbergen trình bày trước Hội Thuật ngữ đồng kinh tế Econometrics Hà Lan mơ (Đo lường hình kinh tế kinh tế) lượng sử dụng lần đầu A.K 1936 Ragnar Frisch J.Tinbergen 1930 Lawrance Klein đưa số mơ hình kinh tế lượng cho nước Mỹ Kinh tế lượng phát triển toàn giới Hiện 1950 LỊCH SỬ KINH TẾ LƯỢNG Jan Tinbergen Ragnar Frisch (1969) Robert Engle Clive Granger (2003) Nobel Lawrence Klein (1980) Daniel McFadden James Heckman (2000) Trygve Haavelmo (1989) of 10 KINH TẾ LƯỢNG LÀ GÌ Ước lượng Lý thuyết kinh tế Thống kê toán học Tin học Kinh tế lượng Kiểm định Dự báo SỐ LIỆU TRONG KINH TẾ LƯỢNG Thời gian -Nhiều thời điểm (Time Series - Cùng đối tượng Data) Chéo (Cross Data) -Cùng thời điểm - Nhiều đối tượng Hỗn hợp (Panel - Nhiều thời điểm, nhiều đối tượng Data) 10 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Mơ hình Các tiêu đơn giản chuẩn mơ tốt Tính đơn hình giản/tiết kiệm 2 Cách tiếp R R (Parsimony) cận để lựa chỉnh gần 1càng tốt chọn mơ hình Các sai lầm Tính phù hợp hậu (Goodness of fit) Cách phát khắc phục sai lầm Năng lực dự báo tốt (Predictive power) 185 of 10 Tính đồng (Identifiability) Các tham số ước lượng phải Mơ hình phải dựa LT Tính qn với LT (Theretical Consistency) Mơ hình cho kết dự báo sát với thực tế BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Xác định số biến độc lập: Từ đơn giản đến tổng quát: Bổ sung biến độc lập từ từ vào mơ hình Từ tổng qt đến đơn giản: Đầu tiên, xét mơ hình đầy đủ biến độc lập xác định Sau tiến hành loại trừ biến khơng quan trọng khỏi mơ hình 186 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Kiểm tra mơ hình có vi phạm giả thiết hay không: Đa cộng tuyến Tự tương quan Phương sai sai số thay đổi 187 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Chọn dạng hàm: dựa vào Các lý thuyết kinh tế Các kết thực nghiệm Đồ thị biểu diễn 188 of 10 BÀI 6: LỰA CHỌN MÔ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Một số tiêu chuẩn khác: Giá trị hàm hợp lý: n n L ln ln U i2 2 Giá trị hàm L lớn chứng tỏ mơ hình phù hợp 189 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Tiêu chuẩn AIC (Akaike info criterion) RSS k / n AIC e n - Giá trị AIC nhỏ chứng tỏ mơ hình phù hợp - Thường sử dụng tiêu chuẩn xét số liệu theo thời gian 190 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Tiêu chuẩn Schwarz (Schwarz criterion) RSS k / n SC n n -Giá trị SC nhỏ chứng tỏ mơ hình phù hợp - Thường sử dụng tiêu chuẩn ý đến độ phức tạp mơ hình 191 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Dependent Variable: Y Method: Least Squares Date: 11/05/15 Time: 23:40 Sample: 40 Included observations: 40 Variable Coefficient Std Error t-Statistic Prob C X 29.74505 0.711241 1.919609 0.023833 15.49537 29.84295 0.0000 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.959078 0.958001 2.655212 267.9056 -94.79265 890.6016 0.000000 192 of 10 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 85.64500 12.95632 4.839632 4.924076 4.870165 0.146761 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Bỏ sót biến thích hợp Thừa biến Chọn dạng hàm khơng 193 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Phát thừa biến: Xét mô hình k biến Y = β1 + β2X2 +…+ βkXk + u - Nếu có sở cho biến Xj thừa sau hồi quy mơ hình, tiến hành kiểm định t: H : j H1 : j Hoặc sử dụng redundant test Eviews - Nếu bác bỏ H0: Xj có tác động đến Y biến Xj khơng thừa mơ hình - Nếu khơng bác bỏ H0: Thừa biến Xj mơ hình 194 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Dependent Variable: CT Method: Least Squares Date: 11/02/17 Time: 15:49 Sample: 33 Included observations: 33 Variable Coefficient Std Error t-Statistic Prob C TN TS 18.86018 0.791224 0.015818 8.832144 0.015991 0.003984 2.135402 49.48055 3.970277 0.0410 0.0000 0.0004 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.999545 0.999515 12.27498 4520.257 -128.0019 32963.98 0.000000 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 1610.415 557.2878 7.939512 8.075558 7.985287 1.912696 ? Mơ hình có thừa biến TS khơng với mức ý nghĩa 5%? 195 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Redundant Variables Test Equation: UNTITLED Specification: CT C TN TS Redundant Variables: TS t-statistic F-statistic Likelihood ratio VD1 Value 3.970277 15.76310 13.93526 196 of 10 df 30 (1, 30) Probability 0.0004 0.0004 0.0002 BÀI 6: LỰA CHỌN MÔ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Kiểm định biến bị bỏ sót: Nếu nghi ngờ mơ hình thiếu biến Xk+1 mà ta có số liệu biến Xk+1 hồi quy mơ hình Y = β1 + β2 X2 +…+ βkXk + βk+1Xk+1 + u sau tiến hành kiểm định t: H0: βk+1 = (Mơ hình khơng cần thêm biến Xk+1) H1: βk+1 ≠ (Mơ hình cần thêm biến Xk+1) Ta dùng Eviews: Omitted variables test 197 of 10 BÀI 6: LỰA CHỌN MƠ HÌNH Các tiêu chuẩn mơ hình Cách tiếp cận để lựa chọn mơ hình Các sai lầm hậu Cách phát khắc phục sai lầm Nếu nghi ngờ mơ hình thiếu biến Xk+1 mà ta khơng có số liệu biến Xk+1 dùng kiểm định Ramsey Kiểm định sử dụng để phát dạng hàm sai: -Bước 1: Hồi quy Y = β1 + β2 X2 +…+ βkXk + u - Bước 2: Hồi quy phụ ^ i ^ m 1 Yi 1 2 X 2i k X ki Y m Y i vi Kiểm định cặp giả thuyết: H0: α1 = α2 = … = αm = (Mơ hình có dạng hàm đúng) H1: tồn αj ≠ j = m (Mơ hình có dạng hàm sai) 198 of 10 LOGO