Hiện tượng tự tương quan, cách khắc phục hiện tượng tự tương quan

Kinh tế lượng_1353AMAT0411 LỜI MỞ ĐẦU Một trong các giả thuyết của mô hình hôi quy tuyến tính cổ điển là không có tự tương quan hay tương quan chuỗi các nhiễu U i trong hàm hồi quy tổng thể. Nhưng trong thực tế liệu hiện tượng đó có xảy ra hay không? Nếu có thì phát hiện bằng cách nào? Nguyên nhân là do đâu? Để trả lời những câu hỏi đó nhóm 8 đã lựa chọn và nghiên cứu đề tài: “Hiện tượng tự tương quan, cách khắc phục hiện tượng tự tương quan” Bài thảo luận gồm hai phần lí thuyết và bài tập ứng dụng sẽ cung cấp cho thầy giáo và các bạn những thông tin liên quan đến hiện tượng tự tương quan, cách phát hiện và khắc phục trên phần mềm Eviews … Bài làm không thể tránh được những thiếu sót mong thầy giáo và các bạn đóng góp ý kiến để hoàn chỉnh hơn! Nhóm 6 xin chân thành cảm ơn! 1 Kinh tế lượng_1353AMAT0411 MỤC LỤC A. A. Lý thuyết Trang Phần 1: Bản chất hiện tượng tự tương quan 1.1 Định nghĩa 3 1.2 Nguyên nhân của tự tương quan 3 1.2.1. Nguyên nhân khách quan 3 1.2.2. Nguyên nhân chủ quan 3 1.3. Ước lượng bình phương nhỏ nhất khi có tự tương quan 4 1.4. Ước lượng tuyến tính không chệch tốt nhất khi có tự tương quan 4 1.5. Hậu quả 5 Phần 2: Phát hiện có tự tương quan 2.1. Phương pháp đồ thị 5 2.2. Một số phương pháp kiểm định 6 2.2.1. Kiểm định các đoạn mạch 6 2.2.2. Kiểm định 2 χ về tính độc lập của các phần dư 6 2.2.3. Kiểm định d (Durbin - Watson) 6 2.2.4. Kiểm định Breusch – Godfrey (BG) 7 2.2.5. Kiểm định Durbin h 7 2.2.6. Phương pháp khác: Kiểm định Correlogram 7 Phần 3: Biện pháp khắc phục tự tương quan 3.1. Khi cấu trúc tự tương quan là đã biết 8 3.2. Khi ρ chưa biết 8 3.2.1. Phương pháp sai phân cấp 1 8 3.2.2. Ước lượng ρ dựa trên thống kê d.Durbin – Watson 9 3.2.3. Thủ tục lặp Cochrane – Orcutt để ước lượng ρ 9 3.2.4. Thủ tục Cochrane – Orcutt hai bước 10 3.2.5. Phương pháp Durbin – Watson hai bước để ước lượng ρ 10 3.2.6. Các phương pháp khác để ước lượng ρ 10 B. Bài tập ứng dụng 2 Kinh tế lượng_1353AMAT0411 A. CƠ SỞ LÝ THUYẾT. 1. Bản chất của hiện tượng tự tương quan. 1.1. Tự tương quan là gì? Thuật ngữ tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian (trong các số liệu chuỗi thời gian) hoặc không gian (trong số liệu chéo). Trong phạm vi hồi quy, mô hình tuyến tính cổ điển giả thuyết rằng không có sự tương quan giữa các nhiễu U I nghĩa là: Cov(U i ,U j ) = 0 ( i≠j) (1) Tuy nhiên trong thực tế có xảy ra hiện tượng mà thành phần nhiễu của các quan sát lại có thể phụ thuộc lẫn nhau nghĩa là: Cov(U i ,U j ) ≠0 ( i ≠ j) (2) 1.2. Nguyên nhân của tự tương quan. 1.2.1. Nguyên nhân khách quan. • Quán tính: Chúng ta đều biết các chuỗi thời gian như tổng sản phẩm, chỉ số giá, thất nghiệp mang tính chu kì. Vì vậy trong hồi quy của chuỗi thời gian, các quan sát kế tiếp đó có nhiều khả năng phụ thuộc lẫn nhau. • Hiện tượng mạng nhện: Chẳng hạn vào đầu vụ trồng lạc năm nay, người nông dân bị ảnh hưởng bởi giá mua lạc năm ngoái của các công ty xuất khẩu. Cho nên cung về lạc có biểu hiện dưới dạng hàm : Y t = β 1 + β 2 P t-1 + U t (3) Giả sử ở cuối kỳ t giá lạc P t < P t-1 , do đó trong thời kỳ t+1 những người nông dân có thể sẽ quyết định sản xuất lạc ít hơn thời kỳ t. Điều này sẽ dẫn đến mô hình mạng nhện. • Trễ: Khi nghiên cứu mối quan hệ giữa tiêu dùng và thu nhập, chúng ta thấy rằng tiêu dùng ở thời kỳ hiện tại chẳng những phụ thuộc vào tiêu dùng ở thời kỳ trước đó, nghĩa là: Y t = β 1 + β 2 X t + β 3 Y t-1 + U t (4) Trong đó: Y t : tiêu dùng ở thời kỳ t X t : Thu nhập ở thời kỳ t. Y t-1 : Tiêu dùng ở thời kỳ t-1. U t : Nhiễu. β 1 , β 2 , β 3 : Các hệ số. 1.2.2. Nguyên nhân chủ quan. • Xử lý số liệu: 3 Kinh tế lượng_1353AMAT0411 Kỹ thuật thu thập và xử lý số liệu thô làm trơn số liệu và giảm sự dao động của dữ liệu. Chính sự làm trơn này dẫn tới sai số hệ thống các nhiễu ngẫu nhiên và gây ra tự tương quan. • Sai lệch do lập mô hình: Sai lầm do bỏ sót, không đưa biến vào mô hình, dạng hàm sai… 1.3. Ước lượng bình phương nhỏ nhất khi có tự tương quan. Để đơn giản ta xét mô hình: (5) Trong đó: t: ký hiệu quan sát ở thời điểm t (giả thiết ta đang nghiên cứu số liệu dạng chuỗi thời gian). Với giả thiết tổng quát (là giả thiết quá chung theo thực hành) vì vậy chúng ta giả thiết có một cơ chế sản sinh ra như là một điểm xuất phát hoặc xấp xỉ ban đầu, ta có thể giả thiết nhiễu sản sinh ra theo cách sau: (6) Trong đó ρ gọi là hệ số tương quan, là nhiễu ngẫu nhiên thỏa mãn các giả thiết thông thường của phương pháp bình phương nhỏ nhất Lược đồ (6) gọi là lược đồ tự hồi quy bậc nhất Markov. Chúng ta ký hiệu lược đồ đó là AR(1). Nếu có dạng: (7) Là lược đồ tự hồi quy bậc 2 và ký hiệu AR(2). Chú ý rằng hệ số ρ trong (6) có thể giả thích là hệ số tự tương quan bấc nhất hay đúng hơn là hệ số tự tương quan trễ một thời kỳ. Bằng phương pháp bình phương nhỏ nhất ta tính được: (8) Giả sử tiếp tục sử dụng phương pháp bình phương nhỏ nhất thông thường và điều chỉnh công thức phương sai thông thường bằng việc sử dụng lược đồ AR(1) thì dễ chứng minh rằng: - vẫn là ước lượng tuyến tính không chệch; - không còn là ước lượng tuyến tính không chệch tốt nhất nữa. Vậy liệu chúng ta có thể tìm được ước lượng không chệch tốt nhất hay không? 1.4. Ước lượng tuyến tính tốt nhất không chệch khi có tự tương quan. Ta tiếp tục xem xét mô hình 2 biến và có quá trình AR(1) bằng phương pháp OLS.Ta được : (9) Và phương sai của nó được cho bởi công thức : (10) Trong đó C và D là các hệ số điều chỉnh và ta có thể bỏ qua trong thực hành. 1.5. Hậu quả của việc sử dụng phương pháp bình phương nhỏ nhất thông thường khi có tự tương quan. 4 Kinh tế lượng_1353AMAT0411 • Ước lượng BPNN j là các ước lượng tuyến tính, không chệch nhưng chúng không phải là hiệu quả nữa. • Các ước lượng của các phướng sai là chệch và thông thường là thấp hơn giá trị thực của phương sai, do đó giá trị của thống kê T được phóng đại lên nhiều lần so với giá trị thực. • Các kiểm định T và F nói chung không đáng tin cậy. • Các dự báo trên các ước lượng BPNN không còn tin cậy nữa Như vậy, hậu quả này cũng giống như đối với trường hợp phương sai thay đổi và cũng là vấn đề nghiêm trọng trong thực hành. 2. Phát hiện có tự tương quan. 2.1.Phương pháp đồ thị. Giả thiết không có tự tương quan trong mô hình hồi quy tuyến tính cổ điển gắn với các nhiễu U t không quan sát được, ta chỉ có thể quan sát các phần dư e t . Mặc dù e t không hoàn toàn giống như U t nhưng quan sát các phần dư e t có thể gợi ý cho ta những nhận xét về U t Nhìn vào đồ thị, ta thấy phần dư không biểu thị một kiểu mẫu nào khi thời gian tăng lên, nó phân bố một cách ngẫu nhiên xung quanh trung bình của chúng Nếu đồ thị của phần dư như hình dưới: ta thấy có xu thế tuyến tính, tăng hoặc giảm trong các nhiễu → Nó ủng hộ cho giả thiết có sự tương quan trong mô hình hồi quy tuyến tính cổ điển. 2.2. Phương pháp kiểm định số lượng 2.2.1. Kiểm định các đoạn mạch 5 Kinh tế lượng_1353AMAT0411 Kiểm định các đoạn mạch là một phép kiểm định thống kê giúp ta xác định xem có thể coi một dãy các ký hiệu, các khoản mục hoặc các số liệu có phải là kết quả của một quá trình mang tính ngẫu nhiên hay không. 2.2.2. Kiểm định 2 χ về tính độc lập của các phần dư Để kiểm định 2 χ về tính độc lập của các phần dư ta sử dụng bảng tiếp liên. Bảng tiếp liên mà chúng ta sử dụng ở đây gồm một số dòng và một số cột, cụ thể là bảng tiếp liên 2 dòng và 2 cột. 2.2.3. Kiểm định d.Durbin – Watson Đây là kiểm định có ý nghĩa nhất để phát hiện ra tương quan chuỗi Thống kê d được định nghĩa như sau: d = ∑ ∑ = = − − n t t n t tt e ee 1 2 2 2 1 )( (11) d ≈ 2(1 - ρ ˆ ) (12) Trong đó: ∑ ∑ = = − = n t t n t tt e ee 1 2 2 1 ˆ ρ (13) Vì -1 ≤ ≤ ρ 1 nên 0 ≤≤ d 4. Nếu ρ = -1 thì d =4: tự tương quan ngược chiều Nếu ρ = 0 thì d = 2: không có tự tương quan Nếu ρ = 1 thì d = 0: tồn tại tự tương quan thuận chiều (1) (2) (3) (4) (5) 0 d l d u 2 4-d u 4-d l 4 d ∈ (1): tồn tại tự tương quan thuận chiều d ∈ (2): không xác định d ∈ (3): không có tự tương quan d ∈ (4): không xác định d ∈ (5): tồn tại tự tương quan ngược chiều Kiểm định Durbin – Watson chỉ nhận dạng được hiện tượng tương quan chuỗi bậc 1. Đôi khi Kiểm định Durbin – Watson không cho kết luận. 2.2.4. Kiểm định Breusch – Godfrey (BG) Để đơn giản ta xét mô hình giản đơn: Y t = tt UX ++ 21 ββ Trong đó: U t = tptptt UUU ερρρ ++++ −−− 2211 , t ε thoả mãn các giả thiết của OLS. Giả thiết: H 0 : 0 21 ==== p ρρρ 6 Kinh tế lượng_1353AMAT0411 Kiểm định như sau: Bước 1: Ước lượng mô hình ban đầu bằng phương pháp OLS. Từ đó thu được các phần dư e t . Bước 2: Ước lượng mô hình sau đây bằng phương pháp OLS: e t = tptpttt veeeX ++++++ −−− ρρρββ 221121 Từ kết quả ước lượng mô hình này thu được R 2 Bước 3: Với n đủ lớn, (n - p)R 2 có phân bố xấp xỉ 2 χ (p). Nếu (n - p)R 2 > 2 α χ (p) thì H 0 bị bác bỏ, nghĩa là ít nhất tồn tại tự tương quan một bậc nào đó. Trong trường hợp ngược lại không tồn tại tự tương quan. 2.2.5. Kiểm định Durbin h Ta ước lượng mô hình Y t = ttt VYX +++ −1210 ααα bằng phương pháp bình phương bé nhất. Tính Var( 2 ˆ α ). Tính 2 1 ˆ d −= ρ . Tính h theo công thức h ) 2 1( d −≈ ) ˆ (1 2 α nVar n − . Quy tắc quyết đinh: Vì h ≈ N(0,1) nên P(-1,96 ≤≤ h 1,96) = 0,95. Nếu h>1.96 hoặc h<-1.96: bác bỏ giả thiết không có tự tương quan Nếu -1.96<h<1.96: không bác bỏ giả thiết không có tự tương quan 2.2.6. Phương pháp khác: Kiểm định Correlogram (trong tập bài giảng kinh tế lượng – biên soạn: ThS Hoàng Thị Hồng Vân). Một phương pháp khác giúp nhận dạng AR là kiểm định Q. Để thực hiện kiểm định này chúng ta cần xem xét một khái niệm “tự tương quan” (AutoCorrellation – AC) Giả thuyết kiểm định: Trị số thống kê kiểm định (Box-Lung): 3. Các biện pháp khắc phục hiện tượng tự tương quan. 3.1. Khi cấu trúc của tự tương quan là đã biết 7 Kinh tế lượng_1353AMAT0411 Trong thực hành, người ta thường giả sử rằng t U theo mô hình tự hồi quy bậc nhất nghĩa là: ttt UU ερ += −1 (6) Trong đó 1 < ρ và t ε thoả mãn các giả thiết của phương pháp bình phương nhỏ nhất thông thường. Giả sử (6) là đúng thì vấn đề tương quan chuỗi có thể được giải quyết thoả đáng nếu hệ số tự tương quan ρ là đã biết. Ta quay lại mô hình hai biến: ttt UXY ++= 21 ββ (5) Nếu (5) đúng với t thì cũng đúng với t – 1 nên: 11211 −−− ++= ttt UXY ββ (17) Nhân hai vế (17) với ρ ta được: 11211 −−− ++= ttt UXY ρρβρβρ (18) Trừ (17) cho (18) ta được: ttt tttttt XX UUXXYY ερβρβ ρρβρβρ +−+−= −+−+−=− − −−− )()1( )()()1( 121 11211 (19) Đặt )1( 1 * 1 ρββ −= 2 * 2 ββ = Đặt 1 * − −= ttt YYY ρ 1 * − −= ttt XXX ρ Thì phương trình (19) có thể viết lại dưới dạng: ttt XY εββ ++= ** 2 * 1 * (20) Phương trình hồi quy (19) được gọi là phương trình sai phân tổng quát. 3.2. Khi ρ chưa biết 3.2.1. Phương pháp sai phân cấp 1 Như ta đã biết 11 ≤≤− ρ nghĩa là ρ nằm giữa [-1,0] hoặc [0,1] cho nên người ta có thể bắt đầu từ các giá trị ở các đầu mút của các khoảng đó. Nghĩa là ta có thể giả thiết rằng: 0 = ρ tức là không có tương quan chuỗi 1 ±= ρ nghĩa là có tương quan dương hoặc âm hoàn toàn. Tuy nhiên nếu 1 ±= ρ thì phương trình sai phân tổng quát (17) quy về phương trình sai phân cấp 1: ttttttttt XXUUXXYY εββ +−=−+−=− −−−− )()()( 121121 Hay ttt XY εβ +∆=∆ 2 (21) Để ước lượng hồi quy (21) thì cần phải lập các sai phân cấp 1 của biến phụ thuộc và biến giải thích và sử dụng chúng làm những đầu vào trong phân tích hồi quy. Giả sử mô hình ban đầu là: ttt UtXY +++= 321 βββ (22) 8 Kinh tế lượng_1353AMAT0411 Trong đó t là biến xu thế còn U t theo sơ đồ tự hồi quy bậc nhất. Thực hiện phép biến đổi sai phân cấp 1 đối với (22) ta đi đến ttt XY εββ ++∆=∆ 32 (23) Trong đó 1− −=∆ ttt YYY và X t = X t - X Nếu 1 −= ρ nghĩa là có tương quan chuỗi âm hoàn toàn, phương trình sai phân bây giờ có dạng: ttttt XXYY εββ +++=+ −− )(2 1211 Hay 222 1 21 1 ttttt XXYY ε ββ + + += + −− (24) Mô hình này được gọi là mô hình hồi quy trung bình trượt (2 thời kỳ) vì chúng ta hồi quy giá trị của một trung bình trượt đối với một trung bình trượt khác. 3.2.2. Ước lượng ρ dựa trên thống kê d – Durbin – Watson Trong phần kiểm định d chúng ta đã thiết lập được các công thức: ) ˆ 1(2 ρ −≈d (25) Hoặc 2 1 ˆ d −≈ ρ (26) Đẳng thức này gợi cho ta cách thức đơn giản để thu được ước lượng của ρ từ thống kê d. Do đó thống kê d cung cấp cho ta một phương pháp sẵn có để thu được ước lượng của ρ . Nhưng lưu ý rằng quan hệ (26) chỉ là quan hệ xấp xỉ và có thể không đúng với các mẫu nhỏ. Vì vậy trong các mẫu nhỏ ta phải cẩn thận trong khi giải thích các kết quả ước lượng. 3.2.3. Thủ tục lặp Cochrane – Orcutt để ước lượng ρ Phương pháp này sử dụng các phần dư e t đã được ước lượng để thu được thông tin về ρ chưa biết. Ta xét phương pháp này thông qua mô hình hai biến sau: ttt UXY ++= 21 ββ (5) Giả sử U t được sinh ra từ lược đồ AR(1) cụ thể là ttt UU ερ += −1 (6) Các bước tiến hành như sau: Bước 1: Ước lượng mô hình 2 biến bằng phương pháp bình phương nhỏ nhất thông thường và thu được các phần dư e t . Bước 2: Sử dụng các phần dư đã ước lượng để ước lượng hồi quy: ttt vee += −1 ˆ ρ (27) Bước 3: Sử dụng ρ ˆ thu được từ (26) để ước lượng phương trình sai phân tổng quát (19) cụ thể là phương trình: ) ˆ () ˆ () ˆ 1( ˆ 11211 −−− −+−+−=− tttttt UUXXYY ρρβρβρ 9 Kinh tế lượng_1353AMAT0411 Hoặc đặt 2 * 21 * 11 * ); ˆ 1(; ˆ ββρββρ =−=−= −tt YYtY Ta ước lượng hồi quy (28) *** 2 * 1 * ttt eXY ++= ββ (28) Bước 4: Vì chúng ta chưa biết trước rằng ρ ˆ thu được từ (19) có phải là ước lượng tốt nhât của ρ hay không, ta thế giá trị ) ˆ 1( ˆˆ 1 * 1 ρββ −= và * 2 ˆ β thu được từ (28) vào hồi quy gốc ban đầu (5) và thu được các phần dư mới chẳng hạn e ** tt XYte * 2 * 1 ** ˆˆ ˆ ββ −−= (29) Ước lượng phương trình hồi quy tương tự với (19) += − ** 1 ** ˆ ˆ tt ee ρ W t (30) ρ ˆ ˆ là ước lượng vòng 2 của ρ . Thủ tục này tiếp tục cho đến khi các ước lượng kế tiếp nhau của ρ khác nhau một lượng rất nhỏ chẳng hạn bé hơn 0,01 hoặc 0,005. 3.2.4. Thủ tục Cochrane – Orcutt hai bước Đây là một kiểu rút gọn quá trình lặp. Trong bước 1 ta ước lượng ρ từ bước lặp đầu tiên nghĩa là từ phép hồi quy (5) và trong bước 2 ta sử dụng ước lượng của ρ để ước lượng phương trình sai phân tổng quát. 3.2.5. Phương pháp Durbin – Watson 2 bước để ước lượng ρ Để minh hoạ phương pháp này chúng ta viết lại phương trình sai phân tổng quát dưới dạng sau: ttttt YXXY ερρββρβ ++−+−= −− 11221 )1( (31) Durbin đã đề xuất thủ tục 2 bước để ước lượng ρ : Bước 1: Coi (31) như là một mô hình hồi quy bội, hồi quy Y t theo X t , X t-1 và Y t-1 và coi giá trị ước lượng được của hệ số hồi quy của Y t-1 (= ρ ˆ ) là ước lượng của ρ . Mặc dù là ước lượng chệch nhưng ta có ước lượng vững của ρ . Bước 2: Sau khi thu được ρ ˆ , hãy đổi biến 1 * ˆ − −= ttt YYY ρ và 1 * ˆ − −= ttt XXX ρ và ước lượng hồi quy bằng phương pháp bình phương nhỏ nhất thông thường trên các biến đã biến đổi đó như là ở (20). Như vậy theo phương pháp này thì bước 1 là ước lượng ρ còn bước 2 là để thu được các ước lượng tham số. 3.2.6. Các phương pháp khác ước lượng ρ Ngoài các phương pháp để ước lượng ρ đã trình bày ở trên còn có một số phương pháp khác nữa. Chẳng hạn ta có thể dùng phương pháp hợp lý cực đại để ước lượng trực tiếp các tham số của (31) mà không cần dùng đến một số thủ tục lặp đã thảo luận. Nhưng phương pháp này tốn nhiều thời gian và không hiệu quả nên ngày nay không được dùng nhiều. B.PHẦN THỰC HÀNH. 10 [...]... không có tự tương quan ở bậc 1, hay nói cách khác, ta kết luận sau khi khắc phục không còn tồn tại hiện tượng tự tương quan bậc 1 Tương tự ta tiến hành kiểm định BG bậc 2 được kết quả như sau: 21 Kinh tế lượng_1353AMAT0411 - Theo đó : prob.chi-square(2) = 0.4845 Với α = 0,05 < 0.4845→ ta chấp nhận giả thiết cho rằng không có tự tương quan ở bậc 2, hay nói cách khác, ta kết luận sau khi khắc phục không... có tự tương quan ở bậc 1, hay nói cách khác, ta kết luận sau khi khắc phục không còn tồn tại hiện tượng tự tương quan bậc 1 Tương tự ta kiểm định BG bậc 2 ta được: 27 Kinh tế lượng_1353AMAT0411 - Nhìn vào phần trên của bảng kết quả ta có: prob.chi-square (2) = 0.4652 Với α = 0,05 < 0.4652→ ta chấp nhận giả thiết cho rằng không có tự tương quan ở bậc 2, hay nói cách khác, ta kết luận sau khi khắc phục. .. cho rằng không có tự tương quan ở bậc 1, hay nói cách khác, ta kết luận tồn tại hiện tượng tự tương quan bậc 1 Tượng tự trên để kiểm định B-G ở bậc 2, ta nhập 2 vào ô Lags to include và cửa sổ hồi quy mô hình mà B-G đưa ra sẽ là: 16 Kinh tế lượng_1353AMAT0411 - Nhìn vào phần trên của bảng kết quả ta có: prob.chi-square(2) = 0.0010 Với α = 0,05 > 0,0010→ tồn tại hiện tượng tự tương quan bậc 2 1.1.4 Kiếm... ta kết luận sau khi khắc phục không còn tồn tại hiện tượng tự tương quan bậc 2 KẾT LUẬN Sau khi tiến hành các biện pháp khắc phục ta thấy rằng hiện tượng tư tương quan các bậc 1, 2 đã được khắc phục, mô hình bộ số liệu ban đầu đã trở lên tốt hơn Do vậy các nhà nghiên cứu khi muốn sử dụng bộ số liệu phục vụ cho mục đích nghiên cứu có thể tiến hành khắc phục theo các phương pháp trên để có được bộ số... lên 0.077576 triệu USD 1.2.2 Kiểm định d.Durbin – Watson kiểm định hiện tượng tự tương quan: Nhìn vào bảng số liệu ta có: d = 1,880706 lại có n = 21, α = 0,05, k’ = 2 → dL = 1,125; dU = 1,538 Ta nhận thấy: dU < d < 4 - dU → Không có tự tương quan bậc 1 1.2.3 Ta tiến hành Kiểm định Breusch – Gofrey (BG) kiểm định hiện tượng tự tương quan: Tiến hành kiểm định BG bậc 1 được ta được kết quả: 20 Kinh tế... Q-stat = 9,1189 hay p-value = 0.003 < α =0.05→ Có sự tương quan hay có AR(1) Qua phương pháp đồ thị và các kiểm định trên ta thấy tồn tại hiện tượng tự tương quan trong mô hình bộ số liệu hay các yếu tố trong mô hình vốn đầu tư trực tiếp nước ngoài FDI có ảnh hưởng qua lại lần nhau 1.2 Các biện pháp khắc phục Trong trường hợp này cấu trúc tự tương quan là chưa biết, vì vậy chúng ta sẽ đi ước lượng ρ... vốn đầu tư trực tiếp nước ngoài FDI Từ khi Luật đầu tư nước ngoài được ban hành(29-121987), Việt Nam đã đạt được những kết quả khả quan trong thu hút dòng vốn FDI Vậy giữa các yếu tố trên có tồn tại mối quan hệ độc lập hay tự tương quan không? Nếu có thì khắc phục hiện tượng đó như thế nào và bằng những mô hình toán học nào? Nhóm 6 đã quyết định giải đáp những câu hỏi đó bằng việc nghiên cứu bộ số... k’ = 2→ dL = 1,147 ; dU = 1,54 0 Bác bỏ H0 >0 Tương quan thuận dL dU 2 4- dU Chấp nhận H0 Không Xác định Không có TQC bậc 1 4- dL 4 Bác bỏ H0 Không α =0.05→ Không có sự tương quan hay không có AR(1) 1.2.5 Ước... xuất hiện, yêu cầu nhập tên biến “E” cần vẽ đồ thị - Sau khi nhập tên biến xong, chọn “OK” ta được đố thị phần dư dưới đây: 14 Kinh tế lượng_1353AMAT0411 Nhìn Vào đồ thị ta thấy tăng giảm trong các nhiễu Do đó có hiện tượng tự tương quan trong mô hình 1.1.2 Kiểm định d.Durbin – Watson Ta có kết quả của thống kê d: d = 0.610699 Tra bảng với n = 22, α = 5%, k’ = 2→ dL = 1,147 ; dU = 1,54 0 Bác bỏ H0 >0 Tương . tài: Hiện tượng tự tương quan, cách khắc phục hiện tượng tự tương quan Bài thảo luận gồm hai phần lí thuyết và bài tập ứng dụng sẽ cung cấp cho thầy giáo và các bạn những thông tin liên quan. Bản chất của hiện tượng tự tương quan. 1.1. Tự tương quan là gì? Thuật ngữ tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian. chất hiện tượng tự tương quan 1.1 Định nghĩa 3 1.2 Nguyên nhân của tự tương quan 3 1.2.1. Nguyên nhân khách quan 3 1.2.2. Nguyên nhân chủ quan 3 1.3. Ước lượng bình phương nhỏ nhất khi có tự tương