Note dự báo trong eview

1 Dự báo Eview (phương pháp san mũ giản đơn) (được dùng tính xu thời vụ) - Vào Quick -> Series Statistics -> Exponential Smoothing Nhập biến dự báo vào Series name – OK -> bảng Exponential Smoothing Chọn Single: san mũ giản đơn – Đọc kết quả: Giá trị alpha = 0.31 Giá trị Sum of Squared Residual: Tổng (ei)^2 (tổng bình phương sai số) Sau bảng Workbook, chọn Filter dự báo (doanh thu_sm) giá trị dự báo copy vào file Excel  Xong Dự báo Holt-Winters (Dự báo có tính xu tính thời vụ chọn thứ : Holt-Winters No Seasonal) giả thuyêt để thực phương pháp bình phương bé - Giả thuyết 1: Phần dư có phân phối chuẩn (kiểm định dùng mô hình Plot) Giả thuyết 2: Phần dư có kỳ vọng toán (trung bình) Giả thuyết 3: Không có tượng tự tương quan (hệ số Durbin – Watson) Giả thuyết 4: Không có tượng đa cộng tuyến dùng hệ số VIFF ma trận tự tương quán Correlations) Giả thuyết 5: Không tồn tượng phương sai không đồng Giả thuyết 6: Giữa phần dư biến độc lập mối liên hệ Thực hồi quy Eview 4.1 Xây dựng mô hình hồi quy Variable Coefficient Std Error t-Statistic Prob C X 2.741695 1.249407 0.681263 0.038826 4.024432 32.17985 0.0050 0.0000 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 0.993286 0.992326 1.724951 20.82819 -16.54632 1035.543 0.000000 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 14.50000 19.69150 4.121404 4.165232 4.026824 1.806737 F-statistic 1035.543 Prob(F-statistic) 0.000000 Căn giá trị Prob = bỏ bác giả thiết Ho, thừa nhận H1, hay nói cách khác mô hình tồn hay lãi suất chịu tác động lạm phát 4.2 Kiểm định giả thuyết tồn mô hình 4.1.1 Giả thiết 1: Phần dư (U) mô hình có phân phối chuẩn Thực kiểm định Jarque – Bera • B1: Thực tính phần dư Series: Residuals Sample Observations Mean Median Maximum Minimum Std Dev Skewness Kurtosis Jarque-Bera 0.082166 Probability 0.959750 -4 -3 -2 -1 1.09e-15 -0.161436 2.561153 -3.040508 1.613544 -0.221807 2.850616 Kiểm định Jarque – Bera có giá trị Prob = 0.68677 >5% nên kết luận phần dư mô hình có phân phối chuẩn Giả thiết A1 chấp nhận 4.1.2 Giả thiết 2: Kỳ vọng toán phần dư Test of Hypothesis: Mean = 0.000000 Sample Mean = 1.09e-15 Sample Std Dev = 1.613544 Method t-statistic Value Probability 2.02E-15 1.0000 Giá trị Prob = >0.05 => thừa nhận giả thiết Ho, hay nói cách khác 4.1.3 Kiểm định tượng tự tương quan Durbin-Watson stat 1.806737 Giá trị Durbin – Watson nằm khoảng (1;3) nên không tồn tượng tự tương quan 4.1.4 Kiểm định mối quan hệ tương quan phần dư biến độc lập cách C1: Kiểm định correlation biến (tức Group Statistics) 1.000000 1.57E-15 1.57E-15 1.000000 Hệ số tương quan hạng < 0.8 => không tồn mối quan hệ phần dư biến độc lập C2: Xây dựng hồi quy biến phần dư biến độc lập (tương tự Estimate Equation) Variable Coefficient Std Error t-Statistic Prob C -5.94E-16 0.681263 -8.72E-16 1.0000 X 1.63E-16 0.038826 4.19E-15 1.0000 R-squared 0.000000 Mean dependent var 1.09E-15 Adjusted R-squared -0.142857 S.D dependent var 1.613544 S.E of regression 1.724951 Akaike info criterion 4.121404 Sum squared resid 20.82819 Schwarz criterion Log likelihood -16.54632 Hannan-Quinn criter 4.026824 4.165232 Durbin-Watson stat 1.806737 Giá trị Prob = >0.05 => chấp nhận giả thuyết Ho, nói cách khác tồn mối quan hệ tương quan biến độc lập phần dư 4.1.5 Không tồn tượng phương sai không đồng (KĐ White) Heteroskedasticity Test: White F-statistic 0.728954 Prob F(2,6) 0.5207 Obs*R-squared 1.759364 Prob Chi-Square(2) 0.4149 Scaled explained SS 0.984811 Prob Chi-Square(2) 0.6112 Giá trị Prob = 0.52 > 0.05 => chấp nhận Ho cho phép kết luận mô hình tồn phương sai không đồng Kết luận: Mô hình thực tiễn có dạng: Y = 2.74 + 1.249X Khi lạm phát tăng 1% lãi suất thay đổi tăng thêm 1.249% Hệ số xác định = 0.993286, mô hình hồi quy giải thích 99.322% tượng Mô hình tự hồi quy Có dạng: Y = f (Y(-t)) + Mô hình tự hồi quy bậc Y = βo + β1*Y(-1) + U Mã hóa Eview: Y c Y(-1) + Mô hình tự hồi quy bậc k K = 2: Y = βo + β1*Y(-1) + β2*Y(-2) + U Mã hóa Eview: Y c Y(-1) Y(-2) Mô hình hồi quy có phân phối trễ Y = f(X; X(-K); Y(-K)) + Mô hình hồi quy phân phối trễ bậc Y = βo + β1*X + β2*X(-1) + β3*Y(-1) + U Mã hóa Eview: Y c X X(-1) Y(-1) + Mô hình hồi quy phân phối trễ bậc k (k=2) Y = βo + β1*X + β2*X(-1) + β3* X(-2) + β4*Y(-1) + β5*Y(-2) + U VÍ DỤ: Lãi suất phụ thuộc vào lạm phát, lạm phát năm trước lãi suất năm trước Y = βo + β1*X + β2*X(-1) + β3*Y(-1) + U Variable Coefficien t Std Error t-Statistic Prob C 3.169217 1.173567 2.700499 0.0541 X 1.226182 0.041501 29.54603 0.0000 X(-1) -0.319919 0.506542 -0.631574 0.5620 Y(-1) 0.194521 0.402010 0.483871 0.6538 R-squared 0.996930 Mean dependent var 14.82500 Adjusted Rsquared 0.994627 S.D dependent var 21.02527 Akaike info S.E of regression 1.541105 criterion 4.009730 Sum squared resid 9.500022 4.049450 Schwarz criterion Log likelihood Hannan-Quinn -12.03892 criter F-statistic 432.9723 Prob(F-statistic) 0.000018 3.741829 Durbin-Watson stat 2.297769 Mô hình hồi quy với biến giả (biến định tính) Y = β0 + β1X1 + β2X2 + β3X3 (Định lượng) + Biến định: Quy ước mã hóa biến định tính • Đối tượng có K biểu (K thuộc tính) xây dựng thành (K-1) biến giả Vd: - Ngành học trường có nhiều ngành: xây dựng biến giả D1 = học ngành thống kê D1 = học ngành thống kê VD: - Đối với biến Giới tính có biểu (nam, nữ, ko xác định) => xây dựng biến giả D2 = 1: giới tính nam D2 = 0: giới tính na D3 = 1: giới tính nữ D3 = 0: giới tính nữ  Mô hình: Y = β0 + β1X1 + β2X2 + β3X3 + β4D1 + β5D2 + β6D3 + U YÊU CẦU: TỔ CHỨC DỮ LIỆU THEO NĂM Y: GIÁ BÌNH QUÂN CỔ PHIẾU (BQ NĂM) X1: khối lượng giao dịch bình quân năm X2: tổng lợi nhuận theo năm X3: tổng tài sản bình quân D1: ngành kinh doanh (lấy ngành KD sinh viên giao đầu năm làm chuẩn) bạn tích hợp thành ... Mô hình tự hồi quy bậc Y = βo + β1*Y(-1) + U Mã hóa Eview: Y c Y(-1) + Mô hình tự hồi quy bậc k K = 2: Y = βo + β1*Y(-1) + β2*Y(-2) + U Mã hóa Eview: Y c Y(-1) Y(-2) Mô hình hồi quy có phân phối... mã hóa biến định tính • Đối tượng có K biểu (K thuộc tính) xây dựng thành (K-1) biến giả Vd: - Ngành học trường có nhiều ngành: xây dựng biến giả D1 = học ngành thống kê D1 = học ngành thống kê... X(-K); Y(-K)) + Mô hình hồi quy phân phối trễ bậc Y = βo + β1*X + β2*X(-1) + β3*Y(-1) + U Mã hóa Eview: Y c X X(-1) Y(-1) + Mô hình hồi quy phân phối trễ bậc k (k=2) Y = βo + β1*X + β2*X(-1) +