1. Trang chủ
  2. » Giáo án - Bài giảng

Bài tập thực hành eview

13 739 8

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 13
Dung lượng 331,77 KB

Nội dung

Hướng dẫn thực hành eview hồi quy mô hình kinh tế lượng Phát hiện khuyết tật đa cộng tuyến Hồi quy mô hình: LS TSL C DT NS phát hiện phương sai sai số ngẫu nhiên thay đổi phương sai sai số ngẫu nhiên thay đổi

Trang 1

Bài tập thực hành eview cải thiện điểm

Sinh viên: Trần Thị Lan Mã sv: 11G4020033 Lớp: Thứ 6 Ca 3

Lúa là một loại cây lương thực được trồng rất nhiều ở nước ta, chiếm phần lớn tổng sản lượng cây lương thực có hạt trên cả nước

Để nghiên cứu mối quan hệ giữa tổng sản lượng lương thực có hạt TSL(nghìn tấn) với sản lượng lúa diện tích canh tác lúa DT(nghìn ha) và năng suất lúa NS(tạ/ha) của cả nước trong giai đoạn 1995-2013 Chúng ta có thể xây dựng mô hình kinh tế lượng cho các biến TSL, DT, NS

Ta có bảng số liệu1 sau:

Trang 2

Hồi quy mô hình: LS TSL C DT NS

Estimation Command:

=========================

LS TSL C DT NS

Estimation Equation:

=========================

TSL = C(1) + C(2)*DT + C(3)*NS

Substituted Coefficients:

=========================

TSL = -34081.72645 + 3.93660773155*DT + 839.917169678*NS

Với mức ý nghĩa α =5%, kết quả hồi quy mô hình thu được như trên (n=19; k=3) Sau đây chúng ta sẽ thực hiện các kiểm định để phát hiện và khắc phục các khuyết tật có trong mô hình

Trang 3

1 Phát hiện khuyết tật đa cộng tuyến

Hồi quy mô hình: LS TSL C DT NS

Từ kết quả hồi quy, ta thấy cho thấy hệ số cao, F cao nhưng tỷ số T của DT nhỏ Do đó nghi ngờ có đa cộng tuyến

Hồi quy mô hình phụ:

Trang 4

Từ kết quả hồi quy ta thấy Prob(F-statistic)< 0.05 nên bác bỏ Ho

Do đó mô hình không có hiện tượng đa cộng tuyến giữa biến NS và DT

2 Phát hiện và khắc phục khuyết tật phương sai sai số ngẫu nhiên thay

đổi.

 Phát hiện:

-Hồi quy mô hình gốc: LS TSL C DT NS thu được:

TSL = -34081.72645 + 3.93660773155*DT + 839.917169678*NS (2.1) -Sử dụng kiểm định White

Trang 5

Kiểm định cặp giả thiết:

H0: Mô hình không có khuyết tật phương sai sai số ngẫu nhiên thay đổi

H1: Mô hình có khuyết tật phương sai sai số ngẫu nhiên thay đổi

Ta thấy �2

qs= 14,81365> �2

0.05=12,5916 nên �2

qs � Wα

⇒Bác bỏ H0, thừa nhận H1, mô hình có khuyết tật phương sai sai số ngẫu nhiên thay đổi

Cách khắc phục:

Để khắc phục khuyết tật, thực hiện chia 2 vế của (2.1) cho biến DT

Gọi TSL*=TSL/NS; DT*=DT/NS; NS*=1/NS

Kết quả hồi quy như sau:

Trang 6

TSL/NS t = 846.313478904 + 3.68945514501*DT/NS t - 32326.3709334*1/NS t (2.2)

Thực hiện kiểm định White (không bao gồm tích chéo) cho (2.2) kết quả cho Prob của tiêu chuẩn kiểm định

�2> 0,05nên chưa có cơ sở bác bỏ H0 Nói cách khác thừa nhận mô hình không còn khuyết tật PSSSNN thay đổi Kết quả như sau:

Trang 7

Thu được mô hình (2.3):

(phương sai sai số tỷ lệ với bình phương của biến giải thích)

Nhân cả 2 vế của (2.3) cho NS ta được mô hình tốt

Trang 8

Ta thấy P-Value = 0,0022 < α = 0,05

Kết luận: Bác bỏ H0 Vậy mô hình có hiện tượng tự tương quan

Cách khắc phục đơn giản nhất là sử dụng ước lượng dựa trên thống kê Durbin-Watson

Ở mô hình gốc:

Durbin-Watson stat 0.364361

Ta có:

TSLt = -34081.72645 + 3.93660773155*DTt + 839.917169678*NSt+ Ut

Trang 9

TSLt-1 = -34081.72645 + 3.93660773155*DTt-1 + 839.917169678*NSt-1+Ut-1

Đây là mô hình không còn khuyết tật tự tương quan

nữa.

4 Kiểm định sự có mặt của “biến không cần thiết”

Giả sử nghi ngờ biến NS không cần thiết

Giả thiết: H0 : β3 =0 (biến NS không cần thiết)

H1: β3 ≠ 0 (biến NS cần thiết)

Trang 10

Ta thấy Prob(F-Statistic)=0,0000 < α =0,05 nên bác bỏ H0

Kết luận: Biến NS là biến cần thiết trong mô hình.

5 Kiểm định “biến bị bỏ sót”

- Ước lượng mô hình (LS TSL C DT NS)

-Sử dụng kiểm định Ramsey để kiểm tra:

Trang 12

H0: Mô hình gốc không thiếu biến, dạng hàm đúng.

H1: Mô hình gốc thiếu biến, dạng hàm sai

Ta thấy Prob(F-Statistic)=0,0000 < α =0,05 Mô hình thiếu biến độc lập, dạng hàm sai

6 Kiểm định tính phân phối chuẩn của các sai số ngẫu nhiên.

Sử dụng Histogram Normal Test để kiểm tra:

Với H0: các sai số ngẫu nhiên trong mô hình có phân phối chuẩn

Trang 13

H1: các sai số ngẫu nhiên trong mô hình không có phân phối chuẩn JB= 3,077766 với xác suất 0,214621 > 0,05 nên chấp nhận H0.

Chứng tỏ trong mô hình, các sai số ngẫu nhiên có phân phối chuẩn

Trên đây là bài thực hành của em Mong thầy xem xét ạ!

Em cảm ơn thầy ạ!.

Ngày đăng: 28/11/2015, 01:31

TỪ KHÓA LIÊN QUAN

w