Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 18 trang
THÔNG TIN TÀI LIỆU
Nội dung
CÁC SAI SỐ ĐẶC TRƯNG CỦA MÔ HÌNH (SPECIFICATION ERRORS) GV : Đinh Công Khải – FETP Môn: Các Phương Pháp Định Lượng Các sai số đặc trưng mô hình Phương pháp “Hồi qui kinh tế trung bình” (Average Economic Regression) Bắt đầu mô hình với số biến độc lập cho trước, sau dựa vào chẩn đoán để thêm bớt biến giải thích mô hình Nhận dạng lý giải sai số đặc trưng mô hình Mục tiêu nghiên cứu Hiểu rõ chất sai số đặc trưng Hậu sai số đặc trưng Nhận dạng sai số đặc trưng Phương thức sửa chữa sai số đặc trưng Các sai sót đặc trưng mô hình Các loại sai số đặc trưng Bỏ sót biến thích hợp/biến quan trọng Đưa thêm biến không thích hợp vào mô hình Định dạng hàm sai Sai số đo lường Bỏ sót biến thích hợp Giả sử, mô hình Yi = β1 + β2 X2i+ β3 X3i+ ui (1) Mô hình chọn Yi = α1 + α2 X2i+ vi (2) Hậu việc loại biến X3i sau: vi = β3 X3i+ ui E(vi) ≠ 0, vi phạm giả thiết mô hình hồi qui tuyến tính cổ điển (CLRM) Phương sai sai số ngẫu nhiên σ2 ước lượng không Bỏ sót biến thích hợp E (ˆ ) x x x 3i i 2i (xem Phụ lục 7A.5) Nếu X3i có tương quan với X2i ˆ ước lượng bị lệch không quán Nếu X3i tương quan với X2i ˆ không thiên lệch, ước lượng bị lệch giá trị dự báo bị thiên lệch x3i x2i E (ˆ1 ) 1 X X x 2i ˆ1 Bỏ sót biến thích hợp Phương sai ˆ ước lượng chệch kết luận sai lầm xây dựng khoảng tin cậy kiểm định giả thuyết thống kê var( ˆ ) var( ˆ2 ) 2 x 2i 2 2 x ( r 2i 23 ) var( ˆ ) var( ˆ2 ) Mô hình hồi qui nên dựa tảng lý thuyết sở thực nghiệm để không bỏ sót biến quan trọng Đưa vào biến không liên quan Giả sử, mô hình Yi = β1 + β2 X2i+ ui (3) Mô hình chọn Yi = α1 + α2 X2i+ α3 X3i +vi (4) Hậu việc đưa thêm biến X3i vào mô sau: E(vi) = 0, không vi phạm giả thiết mô hình hồi qui tuyến tính cổ điển (CLRM) Phương sai sai số ngẫu nhiên σ2 ước lượng Đưa vào biến không liên quan Ước lượng OLS mô hình (4) không bị thiên lệch E (ˆ ) E (ˆ1 ) 1 Ước lượng OLS không hiệu kiểm định giả thuyết xác var( ˆ ) var( ˆ2 ) 2 2 x ( r 2i 23 ) 2 x 2i var( ˆ ) var( ˆ2 ) Kiểm định sai số đặc trưng Phát có mặt biến không cần thiết (Phương pháp Henry/LSE) Yi = β1 + β2 X2i+ … +βm Xmi+ βm+1 Xm+1i+… + βK XKi+ ui Kiểm tra dấu tiên nghiệm Dùng kiểm định t cho mức ý nghĩa riêng βk Dùng kiểm định F cho mức ý nghĩa chung βm+1 = … = βK = *** Chú ý: Cần dùng lý thuyết để định hướng cho việc xây dựng mô hình cần tránh chiến lược “khai thác liệu” (data mining) Kiểm định sai số đặc trưng Kiểm định việc bỏ sót biến quan trọng dạng hàm sai Dùng R2 điều chỉnh kiểm định t; So sánh dấu hệ số hồi qui với dấu tiên nghiệm Kiểm định Durbin-Watson Xem xét phần dư Xem xét đồ thị phần dư để kiểm tra xem biến động theo xu hướng hay theo dạng đáng ý không? Nếu có nghi ngờ sai số tự tương quan dạng hàm không thích hợp thiếu biến quan trọng ĐỒ THỊ PHẦN DƯ THEO X (Nguồn: Cao Hào Thi) Phần dư y yˆ Dạng tốt x 12 ĐỒ THỊ PHẦN DƯ THEO X (Nguồn: Cao Hào Thi) y yˆ Phần dư Dạng mô hình không thích hợp x 13 Kiểm định Durbin_Watson (Nguồn: Cao Hào Thi) Tự tương quan dương H1 : r > 0 Không kết luận dL Không tự tương quan H 0: r = dU Không kết luận - dU Tự tương quan âm H1: r < - dL Kiểm định sai số đặc trưng Kiểm định RESET Ramsey Yi = λ1 + λ X2i+ ui (5) Hồi qui (5), tính ước lượng Y, Nếu uˆi quan hệ với Yˆi Yˆi cách có hệ thống đưa Yˆi vào vế phải (5) biến độc lập làm tăng R2 Hồi qui (5) theo mô hình sau Yi 1 X 2i 3Yˆi 4Yˆi ui (6) Kiểm định sai số đặc trưng Gọi R2U có từ việc hồi qui (6) R2R có từ việc hồi qui (5) ( RU2 RR2 ) /( K m) F (1 RU2 ) /(n K ) (K-m số biến đưa vào; K số biến phương trình mới) Nếu F có ý nghĩ mức 5% bác bỏ giả thuyết mô hình (5) Kiểm định sai số đặc trưng Kiểm định nhân tử Lagrance Yi = β1 + β2 Xi+ β3 X2i+ β4 X3i+ εi (dạng đúng) (7) Yi = λ1 + λ Xi+ ui (dạng sai) (8) Hồi qui (8), tính phần dư, uˆi Nếu mô hình (8) uˆi Nếu mô hình (8) sai quan hệ với uˆi 1 2X i 3X i2 3X i3 vi X i2 (9) X i3 Kiểm định sai số đặc trưng Với mẫu lớn, nR2 (R2 từ (9)) có phân phối Chi-square với tự với số biến bị giới hạn Nếu nR2 > χ2 (df=K-m) bác bỏ giả thuyết cho hàm hồi qui giới hạn ... lý giải sai số đặc trưng mô hình Mục tiêu nghiên cứu Hiểu rõ chất sai số đặc trưng Hậu sai số đặc trưng Nhận dạng sai số đặc trưng Phương thức sửa chữa sai số đặc trưng Các sai sót... Kiểm định sai số đặc trưng Kiểm định việc bỏ sót biến quan trọng dạng hàm sai Dùng R2 điều chỉnh kiểm định t; So sánh dấu hệ số hồi qui với dấu tiên nghiệm Kiểm định Durbin-Watson Xem xét... sai sót đặc trưng mô hình Các loại sai số đặc trưng Bỏ sót biến thích hợp/biến quan trọng Đưa thêm biến không thích hợp vào mô hình Định dạng hàm sai Sai số đo lường Bỏ sót biến thích