khắc phục phương sai của sai số thay đổi

CHÀO MỪNG CÔ VÀ CÁC BẠN ĐẾN VỚI BÀI THẢO LUẬN CỦA NHÓM ĐỀ TÀI: KHẮC PHỤC PHƯƠNG SAI CỦA SAI SỐ THAY ĐỔI Bài toán : Cho số liệu quan sát sau: STT K S Y STT K S Y 4.71 26 25 12.8 3.6 27 25 5.2 4.37 28 27 8.12 4 4.64 29 28 17.54 3.27 30 28 22.52 4.26 31 30 5.47 7 6.14 32 31 13.67 6.74 33 32 4.84 6.11 34 34 38.52 10 5.53 35 34 9.98 11 5.53 36 37 27.73 12 10 5.36 37 37 5.06 13 11 8.73 38 37 4.36 14 13 5.85 39 38 23.96 15 15 6.88 40 38 30.77 16 15 7.17 41 39 20.68 17 15 10.8 42 40 50.9 18 18 5.06 43 42 3.96 19 19 13.69 44 42 7.58 20 21 8.01 45 43 6.18 21 21 17.13 46 44 43.42 22 23 7.75 47 44 32.04 23 24 6.2 48 45 3.35 24 24 17.72 49 45 18.35 25 24 8.8         Y - Thu nhập TB theo (USD/giờ) K - Kinh nghiệm công tác (năm) S - Số năm đào tạo (năm) Mô hình có phương sai thay đổi không? Vì sao? Nếu xảy phương sai thay đổi, tìm cách khắc phục 1.Ước lượng mô hình 2.Kiểm định White Ta thực hàm hồi quy sau: ei2 = α + α K + α K + α K 22 + α K 32 + α K K + Vi Từ mô hình hồi quy mẫu: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK   Từ kiểm định White ta nhận thấy: = 0,0085 < 0,05 nên bác bỏ Ho Kết luận: Vậy có tượng phương sai sai số thay đổi 3.Cách khắc phục   Giả thuyết 1: Phương sai sai số tỉ lệ với bình phương biến giải thích Bước 1: Ta thực hồi quy sau: Từ hộp thoại vào sample: → sample range ( 49) Trên hộp equation hồi quy : ls y/k c 1/k s/k → if conditional (k>0) → Ok Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK   Bước 3: Kết luận : Ta có P-value = 0.5234 > 0.05 nên chấp nhận không phương sai sai số thay đổi Giả thuyết 2: Phương sai sai số tỷ lệ với biến giải thích:   Bước 1: Ta thực hồi quy sau:   Hộp equation: ls y/sqr(k) 1/sqr(k) sqr(k) s/sqr(k) Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK   Bước 3: Kết luận :Ta có P-value = 0.0526 > 0.05 nên chấp nhận ,không phương sai sai số thay đổi   Giả thiết 3: Phương sai sai số tỉ lệ với bình phương giá trị kỳ vọng Bước 1: Ta thực phép biến đổi biến số sau: Từ hộp thoại vào : Sample → if conditional xóa k>0 → Ok Từ mô hình hồi quy gốc : vào forecast → forecast name (yf) → forecast sample ( 49) → ok Hộp equation : ls y/yf 1/yf k/yf s/yf Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK   Bước 3:Kết luận: Ta có P-value = 0.3228 > 0.05 nên chấp nhận không phương sai sai số thay đổi   Giả thiết 4: Hạng hàm sai Bước 1: Ta thực hồi quy sau: Log(y) c log(k) log(s) Vào sample → Sample range ( 49) → if conditional (s>0) →ok Hộp equation: ls log(y) c log(k) log(s) Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK   Bước 3: Kết luận: Ta có P-value = 0,0241 < 0.05 nên bác bỏ phương sai sai số thay đổi.Vậy mô hình không phù hợp ... 0,0085 < 0,05 nên bác bỏ Ho Kết luận: Vậy có tượng phương sai sai số thay đổi 3.Cách khắc phục   Giả thuyết 1: Phương sai sai số tỉ lệ với bình phương biến giải thích Bước 1: Ta thực hồi quy sau:... > 0.05 nên chấp nhận ,không phương sai sai số thay đổi   Giả thiết 3: Phương sai sai số tỉ lệ với bình phương giá trị kỳ vọng Bước 1: Ta thực phép biến đổi biến số sau: Từ hộp thoại vào : Sample... (USD/giờ) K - Kinh nghiệm công tác (năm) S - Số năm đào tạo (năm) Mô hình có phương sai thay đổi không? Vì sao? Nếu xảy phương sai thay đổi, tìm cách khắc phục 1.Ước lượng mô hình 2.Kiểm định White