Bài tập kinh tế lượng 5

Trang 1

Nhóm 6.

KINH TẾ LƯỢNG ỨNG DỤNG BÀI TẬP 4 (Phương sai thay đổi)

Bài 6: Bài tập 11.15, Gujarati (2003), trang 432-433, Table 11.7

Sử dụng Table 11.7

Với MPG: average miles per gallon (trung bình lượng gallon~4.875L)

SP: top speed, miles per hour (tốc độ)

HP: engine horsemower (mã lực động cơ)

VOL: cubic feet of cab space

WT: vehicle weight, hundreds of pounds (trọng lượng xe)

Obs: car observation number

a Xem mô hình bên dưới:

MPGi = 1 + 2SP + 3HP + 4WT + ui

Đánh giá các tham số trong mô hình và giải thích kết quả Có ý nghĩa kinh tế không?

Variable Coefficient Std Error t-Statistic Prob

R-squared 0.882864 Mean dependent var 33.83457

Adjusted R-squared 0.878301 S.D dependent var 10.05541

S.E of regression 3.507873 Akaike info criterion 5.396019

Sum squared resid 947.4985 Schwarz criterion 5.514263

Log likelihood -214.5388 F-statistic 193.4526

Durbin-Watson stat 1.023742 Prob(F-statistic) 0.00000

Vậy ta có mô hình: MPGi = 189.96 – 1.2717SP + 0.391HP – 1.9033WT

* Đánh giá các tham số trong mô hình:

2 = -1.2717 có ý nghĩa khi tốc độ tăng/giảm 1% thì trung bình lượng gallon sử dụng sẽ giảm / tăng 1.2717 % với các yếu tố khác không đổi

3 = 0.39 có ý nghĩa khi mã lực tăng / giảm 1% thì trung bình lượng gallon sử dụng sẽ tăng / giảm 0.39 % với các yếu tố khác không đổi

4 = - 1.9033 có ý nghĩa khi trọng lượng xe tăng/ giảm 1% thì trung bình lượng gallon sử dụng sẽ giảm/ tăng 1.9033 %, với các yếu tố khác không đổi

Trang 2

* Căn cứ kết quả trên ta nhận thấy giá trị F rất nhỏ, do vậy có ý nghĩa kinh tế.

b Bạn kỳ vọng gì về phương sai nhiễu trong mô hình trên Tại sao?

Do nghiên cứu rất nhiều lọai xe (80mẫu), do vậy phương sai khác nhau Nhìn biến MPG số liệu so sánh chênh lệch rất lớn Vì vậy nhận định về phương sai thay đổi là hợp lý Tuy nhiên, kỳ vọng vẫn là phương sai không đổi, ta có biểu đồ sau:

-10

-5

0

5

10

15

10 20 30 40 50 60 70 80

RESID

c Sử dụng kiểm định White để tìm, nếu phương sai nhiễu là giá trị khác.

Obs*R-squared 33.47376 Probability 0.000008

Với giả thiết: H0 :phương sai không đổi

Dựa vào kết quả kiểm định White ta có (X2)n*R2 = 33.47376

Trang 3

Tra bảng Chi-Square X0.05(df) = X0.05(71) = 79.0819

So sánh X2

tt=33.474 < X2

tb=79.0819 => chấp nhận giả thiết H0

Chấp nhận giả thiết: H0 Chấp nhận giả thiết phương sai không đổi

Kiểm định thêm bằng Park Test, Glejsei Test.

Kiểm định Park:

Tạo biến mpghat =c(1)*sp + c(2)hp + c(3)*wt

Vẽ đồ thị mpghat resid

-10

-5

0

5

10

15

10 20 30 40 50 60

MPGHAT

Nhìn biểu đồ trên, cho nhận xét có phương sai thay đổi

Do có nhiều mẫu nên ta chọn kiểm định phần dư với Y^ (mpghat) như sau:

R-squared 0.002754 Mean dependent var 0.697782 Adjusted R-squared -0.00987 S.D dependent var 3.023135 S.E of regression 3.038017 Akaike info criterion 5.084669 Sum squared resid 729.1344 Schwarz criterion 5.143791 Log likelihood -203.9291 F-statistic 0.218142 Durbin-Watson stat 1.111434 Prob(F-statistic) 0.641745 Với giả thiết H0: b2=0, phương sai không đổi

Căn cứ vào kết quả trên, ta có t=-0.467

và ttb (5%,79) = 2 => -2 < t=-0.467 < 2, chấp nhận giả thiết H0

Vậy phương sai không đổi

Trang 4

Kiểm định Glejsei:

Biến giá trị tuyệt đối: abse=@abs(ui)

Ước lượng mô hình theo Y^I (mpghat)

Với giả thiết H0: b2=0, phương sai không đổi

Ta có ttt = -1.773 thuộc khỏang (-2.2) tại mức ý nghĩa =5%, ttb = 2

=> -2 < t=-1.773 < 2, chấp nhận giả thiết H0

d Nếu phương sai của các nhiễu thay đổi đựơc xác định, bạn làm thế nào để chuyển sang dữ liệu như vậy giá trị sai số trong dữ liệu được chuyển qua là phương sai đồng nhất Chỉ ra cách tính cần thiết

e Trong Eview, khi có nghi ngờ phương sai thay đổi thì dùng

Các hệ số giống hồi quy thông thường, sai số nhỏ hơn dẩn đến t-stat cao có ý nghĩa hơn

Trang 5

Bài 7: Bài tập 11.16, Gujarati (2003), trang 434, Table 11.8

Chi tiêu thực phẩm tại Ấn độ Sử dụng bảng 11.8

a Hồi quy chi tiêu về thực phẩm trên tổng chi tiêu và kiểm tra phần dư lấy ra từ hồi quy này.

Sum squared resid 8.85E+08 Schwarz criterion 21.09178

Mô hình hồi quy chi tiêu về thực phẩm trên tổng chi tiêu Y = 73568.8 + 949.5621X

b Vẽ đồ thị phần dư lấy ra trong tổng chi tiêu và chỉ ra nếu bạn quan sát bất kỳ mô hình có tính hệ thống.

Kiểm tra phần dư từ mô hình hồi quy:

ei=resid, biểu đồ theo biến giải thích X

-30000

-20000

-10000

0

10000

20000

X

Nhận xét: ei tăng/giảm theo biến giải thích X Điều này chứng tỏ nhận định về phương sai thay đổi là hợp lý

c Kiểm định Park, Glejsei, White

Kiểm định Park:

Ước lượng mô hình phần dư ei với biến giải thích X

Trang 6

Sample: 1 15 　

Adjusted R-squared -0.07671 S.D dependent var 2.190526 S.E of regression 2.272988 Akaike info criterion 4.603633 Sum squared resid 67.16418 Schwarz criterion 4.69804

Durbin-Watson stat 1.706592 Prob(F-statistic) 0.960041 Với giả thiết H0: b2=0, phương sai không đổi

Căn cứ vào kết quả trên, ta có t= 0.0511

và ttb (5%,13) = 2.16 => -2.16 < t= 0.0511 < 2.16, chấp nhận giả thiết H0 Vậy phương sai không đổi

Kiểm định Glejsei:

Với giả thiết H0: b2=0, phương sai không đổi

Ta có ttt = 1.5197 thuộc khỏang (-2.16, 2.16) tại mức ý nghĩa =5%, ttb = 2.16

=> -2.16 < t=1.5197 < 2.16, chấp nhận giả thiết H0

Kiểm định White:

F-statistic 6.752358 Probability 0.010848

Obs*R-squared 7.942482 Probability 0.01885

Trang 7

Date: 09/05/07 Time: 13:51 　

(@SQRT(X)) -4.2E+07 21430758 -1.944054 0.0757

R-squared 0.529499 Mean dependent var 23840430

Adjusted R-squared 0.451082 S.D dependent var 35314207

S.E of regression 26163945 Akaike info criterion 37.17452

Với giả thiết: H0 :phương sai không đổi

Dựa vào kết quả kiểm định White ta có (X2)n*R2 =15*0.5295= 7.94249

Tra bảng Chi-Square X2

0.05(df) = X2

0.05(12) = 21.026

So sánh X2

tt=7.94249 < X2

tb=21.026 => chấp nhận giả thiết H0:phương sai không đổi

d Khắc phục theo cách nào

Chia cho căn bậc 2 tổng chi tiêu

Định dạng
Số trang	7
Dung lượng	222,5 KB