bài tập thuyết trình môn kinh tế lượng trong dự báo và phân tích kinh tế, ứng dụng phần mềm eviews để dự báo kinh tế trong những năm tiếp theo dành cho khoa kinh tế. trong đó có so sánh các mô hình khác nhau như mô hình tuyến tính, mô hình bậc 2, mô hình mũ
Bài tập “ Tìm hiểu biến đổi lượng khách quốc tế đến Việt Nam từ tháng 1/2006 đến tháng 8/2016 A Mô tả số liệu Bảng: Lượng khách quốc tế đến Việt Nam từ tháng 1/2006 tháng 8/2016 X Y( nghìn lượt người) X Y(nghìn lượt người) X Y(nghìn lượt người) 2006M1 2006M2 2006M3 2006M4 2006M5 2006M6 2006M7 2006M8 2006M9 2006M10 2006M11 2006M12 2007M1 2007M2 2007M3 2007M4 2007M5 2007M6 2007M7 2007M8 2007M9 2007M10 2007M11 2007M12 2008M1 2008M2 2008M3 2008M4 2008M5 2008M6 2008M7 337.048 336 304.737 321.724 272.934 274.07 271.435 288.148 271.188 276 305.577 324.625 369.017 380 362.336 350.878 320.235 335 340.297 356 331.039 332.762 359.225 392.56 399.556 411.032 414.332 395.9 366.387 352.945 332.096 2010M1 2010M2 2010M3 2010M4 2010M5 2010M6 2010M7 2010M8 2010M9 2010M10 2010M11 2010M12 2011M1 2011M2 2011M3 2011M4 2011M5 2011M6 2011M7 2011M8 2011M9 2011M10 2011M11 2011M12 2012M1 2012M2 2012M3 2012M4 2012M5 2012M6 2012M7 416.249 446.323 473.509 432.608 350.982 375.707 410 427.935 383.463 440.071 428.295 449.57 506.424 542.671 475.733 460 480.886 446.996 460 490 286.618 518.477 611.864 593.408 630 681.849 561.877 615.523 456.749 417.429 466 2014M1 2014M2 2014M3 2014M4 2014M5 2014M6 2014M7 2014M8 2014M9 2014M10 2014M11 2014M12 2015M1 2015M2 2015M3 2015M4 2015M5 2015M6 2015M7 2015M8 2015M9 2015M10 2015M11 2015M12 2016M1 2016M2 2016M3 2016M4 2016M5 2016M6 2016M7 776.174 842.026 709.725 745.98 674.204 539.776 564.736 618.588 590.881 559.002 608.617 657.304 700.692 756 617.895 690.44 576.868 529.445 593.566 664.985 626.324 649.099 732.74 760.798 805.072 833.598 820.48 789.484 757.244 700.446 846.311 2008M8 342.461 2012M8 525.292 2016M8 899.738 2008M9 286.389 2012M9 460.238 2008M10 296.742 2012M10 495.576 2008M11 279.904 2012M11 655.701 2008M12 358.048 2012M12 614.673 2009M1 345.84 2013M1 651.812 2009M2 342.913 2013M2 570.476 2009M3 303.489 2013M3 587.366 2009M4 329.371 2013M4 613.919 2009M5 292.842 2013M5 558.751 2009M6 279.147 2013M6 567.291 2009M7 271.422 2013M7 658.325 2009M8 310.786 2013M8 676.719 2009M9 304.419 2013M9 614.827 2009M10 220.78 2013M10 628.695 2009M11 368.575 2013M11 731.034 2009M12 377.847 2013M12 722.449 Nguồn số liệu: http://www.vietnamtourism.gov.vn/index.php/cat/1205 Đồ thị SER01 1,000 900 800 700 600 500 400 300 200 06 07 08 09 10 11 12 13 14 15 16 Nhìn vào đồ thị ta thấy lượng khách du lịch đến Việt Nam có xu hướng tăng qua năm Trong năm có biến động qua tháng, lượng khách đến cao vào đầu năm cuối năm Chuỗi có tính thời vụ Để biết chắn ta vào xây dựng kiểm định mô hình B Xây dựng mô hình lựa chọn mô hình dự báo tốt cho chuỗi số liệu Mô hình xu tuyến tính Mô hình tổng quát: Yt= β0+β1*TIMEt Trong đó: β0, β1 : hệ số TIMEt : biến thời gian Yt: lượng khách quốc tế đến Việt Nam thời điểm t Bảng kết mô hình dự báo Dependent Variable: SER01 Method: Least Squares Date: 09/08/16 Time: 09:24 Sample: 2006M01 2016M03 Included observations: 123 Variable Coefficie nt Std Error t-Statistic Prob C TIME 239.6600 13.72947 17.45589 3.885818 0.192163 20.22146 0.0000 0.0000 R-squared Adjusted Rsquared 0.771658 Mean dependent var 480.5808 0.769771 157.7040 S.D dependent var Akaike info S.E of regression 75.66982 criterion Sum squared resid 692836.5 Schwarz criterion Hannan-Quinn Log likelihood -705.6659 criter F-statistic 408.9073 Durbin-Watson stat 11.50676 11.55249 11.52534 0.634317 Vậy ta có mô hình : Y= 239.66 + 3.885818* TIMEt Kiểm định hệ số hồi quy mức ý nghĩa α = 5% Có giá trị t tra bảng t(0.025,121) = 2.2696366 /tβ0 / = 17.45589 >2.2696366 Vậy β0 có ý nghĩa thống kê /tβ1/= 20.22146 > 2.2696366 Vậy β1 có ý nghĩa thống kê Kiểm định mô hình Ta có = = 3.91946446 Fkđ= 408.9073 > 3.91946446 Vậy mô hình có ý nghĩa thống kê mức ý nghĩa α= 5% Ý nghĩa tham số • β0 =239.66 cho biết biến TIME nhận giá trị số lượt khách du lịch quốc tế 239.66 lượt khách • β1 = 3.885818 cho biết TIME tăng đơn vị số lượt khách du lịch quốc tế đến Việt Nam tăng 3.885818 đơn vị • R2 = 0.771658 cho biết biến TIME dự báo 77,1658% biến động số lượt khách du lịch nước đến Việt Nam Đồ thị mô hình xu tuyến tính 1,000 800 600 300 400 200 100 200 -100 -200 -300 2006 2007 2008 2009 2010 Residual 2011 Actual 2012 2013 2014 2015 Fitted Mô hình xu bậc Mô hình tổng quát có dạng: Yt= β0 + β1*TIMEt+ β2*TIMEt2 Trong đó: β0, β1, β2: hệ số TIMEt: biến thời gian Yt: lượng khách quốc tế đến Việt Nam thời điểm t Bảng kết mô hình dự báo Dependent Variable: SER01 Method: Least Squares Date: 09/08/16 Time: 09:25 Sample: 2006M01 2016M03 Included observations: 123 Variable Coefficie nt Std Error t-Statistic Prob C TIME TIME2 286.1927 20.11323 14.22908 1.652249 0.748812 2.206495 0.018013 0.005850 3.079070 0.0000 0.0293 0.0026 R-squared Adjusted Rsquared 0.788378 Mean dependent var 480.5808 0.784851 157.7040 S.D dependent var Akaike info S.E of regression 73.14976 criterion Sum squared resid 642106.5 Schwarz criterion Hannan-Quinn Log likelihood -700.9894 criter F-statistic 223.5238 Durbin-Watson stat Prob(F-statistic) 0.000000 11.44698 11.51557 11.47484 0.683382 Vậy ta có mô hình: Y= 286.1927 + 1.652249*TIME + 0.018013*TIME2 Kiểm định hệ số hồi quy mức ý nghĩa α = 5% Có giá trị t tra bảng t(0.025,120) = 2.269875 /tβ0 / = 14.22908>2.269875 Vậy β0 có ý nghĩa thống kê /tβ1/= 2.2064952.269875 Vậy β2 có ý nghĩa thống kê Kiểm định mô hình Ta có = = 3.071779 Fkđ= 223.5238>3.071779 Vậy mô hình có ý nghĩa thống kê mức ý nghĩa α= 5% Đồ thị mô hình xu bậc 1,000 800 600 300 200 400 100 200 -100 -200 -300 2006 2007 2008 2009 2010 Residual 2011 Actual 2012 2013 2014 2015 Fitted Mô hình xu dạng mũ Yt = β0 * Trong đó: β0, β1: hệ số TIMEt: biến thời gian Yt: lượng khách quốc tế đến Việt Nam thời điểm t Bảng kết mô hình dự báo Dependent Variable: SER01 Method: Least Squares Date: 09/08/16 Time: 12:44 Sample: 2006M01 2016M03 Included observations: 123 Convergence achieved after 19 iterations SER01=C(1)*EXP(C(2)*TIME) C(1) C(2) R-squared Adjusted Rsquared Coefficie nt Std Error t-Statistic Prob 276.8295 9.935950 27.86140 0.008217 0.000410 20.05198 0.0000 0.0000 0.785622 Mean dependent var 480.5808 0.783850 157.7040 S.D dependent var Akaike info S.E of regression 73.31961 criterion Sum squared resid 650467.6 Schwarz criterion Hannan-Quinn Log likelihood -701.7851 criter Durbin-Watson stat 0.674667 11.44366 11.48939 11.46223 Kiểm định hệ số hồi quy mức ý nghĩa α = 5% Có giá trị t tra bảng t(0.025,121) = 2.2696366 /tβ0 / = 27.86140>2.2696366 Vậy β0 có ý nghĩa thống kê /tβ1/= 20.05198> 2.2696366 Vậy β1 có ý nghĩa thống kê Đồ thị mô hình xu dạng mũ 1,000 800 600 300 200 400 100 200 -100 -200 -300 2006 2007 2008 2009 2010 Residual 2011 2012 Actual 2013 2014 2015 Fitted So sánh để lựa chọn mô hình xu tốt Tiêu chí MH xu tuyến tính AIC 11.50676 SE 75.66982 DW 0.634317 R² 0.771658 MH xu hàm bậc MH xu dạng mũ 11.44698 73.14976 0.683382 0.788378 Từ bảng ta nhận thấy mô hình xu bậc mô hình dự báo tốt cho chuỗi số liệu C Kiểm định tính thời vụ (4 bước) Bước 1: Dùng OLS hồi quy mô hình không ràng buộc UR Tạo biến giả Di i=1,2,3,…,12 Bảng kết mô hình hồi quy sau: Dependent Variable: SER01 Method: Least Squares Date: 09/08/16 Time: 13:15 Sample: 2006M01 2016M03 Included observations: 123 Variable Coefficie nt Std Error t-Statistic Prob TIME TIME2 D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12 2.001102 0.015145 339.5756 354.3483 303.9623 310.6290 246.3054 219.1988 240.3722 269.8120 211.3649 233.6222 296.1001 309.0900 0.609720 0.004764 23.13799 23.20077 23.25967 24.21421 24.28644 24.35450 24.41838 24.47811 24.53370 24.58520 24.63265 24.67609 0.0014 0.0019 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.873707 Mean dependent var 480.5808 0.858644 157.7040 R-squared Adjusted Rsquared 3.282001 3.178992 14.67610 15.27313 13.06821 12.82838 10.14168 9.000343 9.843907 11.02258 8.615288 9.502551 12.02064 12.52589 S.D dependent var Akaike info S.E of regression 59.29247 criterion Sum squared resid 383200.1 Schwarz criterion Hannan-Quinn Log likelihood -669.2433 criter Durbin-Watson stat 0.668798 11.10965 11.42973 11.23967 Thu SSR UR=383200.1 Bước 2: Dùng OLS hồi quy mô hình có ràng buộc R với già thuyết hệ số mùa vụ Đó hàm xu bậc Vậy thu SSRR= 642106.5 Bước 3: Tính Fqs Ta có : Fqs= Trong : m: số rang buộc mô hình m=11 k: số tham số mô hình k=14 Vậy ta tính Fqs= 6.695006 So sánh Fqs với F tra bảng Ta có F0.05(13,109)=1.810979 < Fqs= 6.695006 Vậy mô hình có tính thời vụ D Thực dự báo cho quan sát lại ( Từ 2016M4 đến 2016M8) Ta có mô hình hồi quy sau: Yt= 2.001102*TIMEt + 0.015145*TIMEt2 + 339.5756*D1 + 354,3483*D2 +…+ 309.09D12 Dự báo điểm Thay giá trị D TIME, TIME2 vào để tính Y dự báo (YT+h) Dự báo khoảng Với độ tin cậy p=1-α YT+h ta có Cận = Ŷt+h - σ^ Cận = Ŷt+h + σ^ Trong đó: Z: Giá trị tới hạn bảng chuẩn Z = 1,96 σ^: Sai số chuẩn hồi quy xu σ^=59.29247 h: tầm xa dự báo Thực Excel ta bảng sau: Thời gian Y thực tế 2016M4 789.484 2016M5 757.244 TIME 124 125 TIME2 15376 15625 Y dự báo 791.6352 733.0838 Cận 675.4219 616.8705 Cận 907.8484 849.297 2016M6 2016M7 2016M8 700.446 846.311 899.738 126 127 128 15876 16129 16384 711.7797 738.7859 774.0887 595.5664 622.5726 657.8755 827.9929 854.9991 890.302 E Vẽ đồ thị dự báo đánh giá dự báo Đồ thị dự báo Đánh giá dự báo: Nhìn vào đồ thị ta thấy từ tháng 4/2016 đến tháng 6/2016, giá trị dự báo tương đối gần với giá trị thực tế, từ tháng 6/2016 đến tháng 8/2016 giá trị dự báo có chênh lệch so với giá trị thực tế chênh lệch nhỏ Vậy mô hình dự báo tốt [...]... 622.5726 657.8755 827.9929 854.9991 890.302 E Vẽ đồ thị dự báo và đánh giá dự báo Đồ thị dự báo Đánh giá dự báo: Nhìn vào đồ thị trên ta thấy từ tháng 4/2016 đến tháng 6/2016, giá trị dự báo tương đối gần với giá trị thực tế, từ tháng 6/2016 đến tháng 8/2016 giá trị dự báo có sự chênh lệch so với giá trị thực tế nhưng chênh lệch nhỏ Vậy mô hình dự báo này khá tốt ... trị của D và TIME, TIME2 vào để tính Y dự báo (YT+h) Dự báo khoảng Với độ tin cậy p=1-α của YT+h ta có Cận dưới = Ŷt+h - σ^ Cận trên = Ŷt+h + σ^ Trong đó: Z: Giá trị tới hạn ở bảng chuẩn Z = 1,96 σ^: Sai số chuẩn của hồi quy xu thế σ^=59.29247 h: tầm xa của dự báo Thực hiện trên Excel ta được bảng sau: Thời gian Y thực tế 2016M4 789.484 2016M5 757.244 TIME 124 125 TIME2 15376 15625 Y dự báo 791.6352... : Fqs= Trong đó : m: số rang buộc trong mô hình m=11 k: số tham số trong mô hình k=14 Vậy ta tính được Fqs= 6.695006 4 So sánh Fqs với F tra bảng Ta có F0.05(13,109)=1.810979 < Fqs= 6.695006 Vậy mô hình có tính thời vụ D Thực hiện dự báo cho 5 quan sát còn lại ( Từ 2016M4 đến 2016M8) Ta có mô hình hồi quy sau: Yt= 2.001102*TIMEt + 0.015145*TIMEt2 + 339.5756*D1 + 354,3483*D2 +…+ 309.09D12 Dự báo điểm