Kinh tÕ lîng n©ng cao BÀI 6 (tiếp theo) DỰ BÁO 4. VÉC TƠ TỰ HỒI QUY (MÔ HÌNH VAR) 4.1. Khái niệm chung Trước đây ta đã xét mô hình nhiều phương trình, trong đó các biến được phân chia thành các biến nội sinh và ngoại sinh và để hệ phương trình định dạng đúng thì một số biến ngoại sinh chỉ có mặt trong một số phương trình. Sims (năm 1980) đã lập luận rằng nếu các biến diễn ra đồng thời thì phân loại các biến nội sinh và ngoại sinh thực ra khá trừu tượng. Trên thực tế, khi có hiện tượng đồng hành giữa các biến chúng phải được cân nhắc đều như nhau và tất cả đều được coi là biến nội sinh. Do đó chúng sẽ có mặt trong tất cả các phương trình. Sims đã đưa ra mô hình véc tơ tự hồi quy. VAR là mô hình động của một số biến thời gian. Mô hình này về cấu trúc gồm nhiều phương trình và gồm các biến trễ của các biến số. Xét 2 chuỗi số liệu, Y 1 và Y 2 . Mỗi biến có một bước trễ, mô hình VAR sẽ có dạng: Y 1t = α + β 1 Y 1t-1 + γ 1 Y 2t-1 + u 1t NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Bµi 5: dù b¸o Y 2t = δ + ε 1 Y 1t-1 + θ 1 Y 2t-1 + u 2t Mô hình này xây dựng trên cơ sở 1 vectơ có 2 biến, Y 1 và Y 2 và là mô hình tự hồi quy bởi vì trong mỗi phương trình đều có 1 biến trễ phụ thuộc. Dưới dạng tổng quát, với Y 1 và Y 2 ta có mô hình VAR sau đây: Y 1t = α + ∑ = p i 1 β i Y 1t-i + ∑ = p i 1 γ i Y 2t-i + u 1t Y 2t = δ + ∑ = p i 1 ε i Y 1t-i + ∑ = p i 1 θ 1 Y 2t-i + u 2t Trong đó p là bậc trễ cho cả Y 1 và Y 2 trong mỗi phương trình. Với 2 biến, ta có số hệ số góc là 2 2 p và với m biến ta có m 2 p hệ số góc. Nếu các phương trình đều chứa cùng một số biến, tức là độ dài của trễ của các biến trong các phương trình đều giống nhau thì có thể ước lượng được ngay bằng OLS và có thể sử dụng để làm dự báo. Tuy nhiên, trong thực tế, số thông số trong mô hình cần ước lượng trở nên quá lớn. Ví dụ, với 4 thời kỳ trễ cho mỗi biến, thì với 5 biến, ta cần ước lượng 20 hệ số (không kể hệ số chặn) cho mỗi một trong 5 phương trình ước lượng. Tổng các thông số cần phải ước lượng trong hệ phương trình là 5 2 .4 + 5 = 105. Trừ phi có rất nhiều số liệu, số bậc tự do quá lớn do có quá nhiều thông số ước lượng sẽ là một khó khăn. Cụ thể là các hệ số không được ước lượng chính xác và điều đó sẽ gây NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Kinh tÕ lîng n©ng cao nên sai số dự báo. Chúng ta có thể có được những kết quả dự báo có độ tin cậy lớn hơn thông qua việc đưa ra những điều kiện ràng buộc cho các thông số. Trong số những mô hình dự báo thành công nhất có mô hình BVAR (Mô hình vectơ tự tương quan Bayes). Cách tiếp cận này liên quan đến việc xác định điều kiện ràng buộc "xoắn" do cách định trước phân bố của các hệ số. Ví dụ, cách xác định trước thường hay dùng nhất là trung bình của hệ số của biến trễ thứ nhất trong mỗi phương trình là 1 và trung bình của tất cả các hệ số khác là 0. Với 2 biến Y 1 và Y 2 với 4 thời kỳ trễ cho mỗi biến, p=4, phương trình của Y 1 sẽ là: Y 1t = α + β 1 Y 1t-1 + ∑ = 4 2i β i Y 1t-i + ∑ = 4 1i γ i Y 2t-i + u 1t Cho trước điều kiện trung bình của hệ số β 1 là 1 và phương sai là v<1, đồng thời cho trước trung bình các hệ số β 2 ,β 3 và β 4 là 0 và các phương sai tương ứng là v 2 , v 3 và v 4 . Trung bình cho trước của γ 1 , γ 2 , γ 3 và β 4 là 0 và các phương sai tương ứng là v,v 2 , v 3 và v 4 . Vì v<1, phương sai của nó sẽ tiến tới 0 khi độ trễ tăng lên - ở đây có thể rút ra một nhận xét là khi độ trễ càng tăng thì hệ số càng tiệm cận giá trị 0. Ví dụ 1: với tệp số liệu cs.wf1 hãy ước lượng mô hình VAR với các biến nội sinh GDP CS INV và GOV- net trễ 4 thời kỳ. NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Bµi 5: dù b¸o Ví dụ 2.: Hãy ước lượng mô hình VAR với các số liệu về tổng mức tiêu dùng cá nhân và GDP của Mỹ ( tr. 651 - Gujarati) Ví dụ 3. Mô hình VAR với Kinh tế Texas Vấn đề được đặt ra ở đây là "khủng hoảng dầu mỏ cũng chính là khủng hoảng kinh tế Texas". Để kiểm định giả thiết này người ta sử dụng các biến sau: - Tỷ lệ thay đổi giá dầu thực tế (X). - Tỷ lệ thay đổi của lao động phi nông nghiệp ở Texas (Y). - Tỷ lệ thay đổi lao động phi nông nghiệp ở phần còn lại của Hoa Kỳ (Z). Xác định hai bước trễ cho mỗi biến trong mô hình như vậy số tham số cần ước lượng kể cả hệ số chặn là 7. Kết quả hồi qui mô hình VAR nhờ ước lượng OLS như sau: NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Kinh tÕ lîng n©ng cao Kết quả ước lượng mô hình VAR với hai bước trễ (1974-1 đến 1988-1) Biến phụ thuộc: X (tỷ lệ % thay đổi giá dầu thực tế) Biến Mức trễ Hệ số Độ lệch tiêu chuẩn Mức ý nghĩa x 1 0.7054 0.1409 0.83E-5 x 2 - 0.3351 0.15 0.03027 y 1 - 1.3525 2.7013 0.6189 y 2 3.4371 2.4344 0.1645 z 1 3.4566 2.8048 0.2239 z 2 - 4.8703 2.7500 0.08304 Constant 0 - 0.0099 0.01696 0.5589 NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Bµi 5: dù b¸o R 2 điều chỉnh: 0.2982. Kiểm định bỏ biến, với biến phụ thuộc là X Biến Thống kê F Mức ý nghĩa x 12.5536 1.3646 1.5693 0.00004283 0.2654 0.2188 y z Với kết qủa này rõ ràng hệ số các biến trễ của X trong phương tình đầu là khác không. Trong khi các biến trễ của Y và Z không có vai trò giải thích cho X. Biến phụ thuộc: Y (tỷ lệ % thay đổi lao động phi nông nhiệp ở TEXAS) Biến Mức Hệ số Độ lệch tiêu Mức ý NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Kinh tÕ lîng n©ng cao trễ chuẩn nghĩa x 1 0.02228 0.008759 - 0.0143 x 2 - 0.001882 0.009322 0.8407 y 1 0.6462 0.1678 0.000355 4 y 2 0.04234 0.1512 0.7807 z 1 0.2655 0.1742 0.1342 z 2 - 0.1715 0.1708 0.3205 Constan t 0 - 0.001602 .001053 0.1351 R 2 điều chỉnh: 0.6316 Kiểm định bỏ biến, với biến phụ thuộc là Y NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Bµi 5: dù b¸o Biến Thống kê F Mức ý nghĩa x 3.6238 0.0000342 y z Kết qủa này cho thấy các biến trễ của x và y có vai trò giải thích cho Y. Biến phụ thuộc: Z (tỷ lệ % thay đổi lao động phi nông nghiệp ở phần còn lại của Hoa Kỳ) Biến Mức trễ Hệ số Độ lệch tiêu chuẩn Mức ý nghĩa x 1 - 0.0083 0.006849 0.2299 NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Kinh tÕ lîng n©ng cao x 2 0.0036 0.007289 0.6202 y 1 0.3849 0.1312 0.00517 y 2 - 0.4805 0.1182 0.00182 z 1 0.7226 0.1362 0.000003 z 2 - 0.01366 0.1336 0.9190 Constan t 0 - 0.002387 0.0008241 0.0057 R 2 điều chỉnh: 0.6503 Kiểm định bỏ biến, với biến phụ thuộc là Z biến Thống kê F Mức ý nghĩa x 0.7396 0.4827 y NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi Bµi 5: dù b¸o 8.2714 27.9609 0.00083 .1E-7 z Kết quả này cho thấy các biến trễ của y và z có vai trò giải thích cho Z, còn các biến trễ của X có hệ số bằng không. NguyÔn cao V¨n- Khoa To¸n kinh tÕ-§¹i häc kinh tÕ quèc d©n Hµ néi . vậy số tham số cần ước lượng kể cả hệ số chặn là 7. Kết quả hồi qui mô hình VAR nhờ ước lượng OLS như sau: NguyÔn cao V¨n- Khoa To¸n kinh t - ¹i häc kinh. β 1 Y 1t-1 + γ 1 Y 2t-1 + u 1t NguyÔn cao V¨n- Khoa To¸n kinh t - ¹i häc kinh tÕ quèc d©n Hµ néi Bµi 5: dù b¸o Y 2t = δ + ε 1 Y 1t-1 + θ 1 Y 2t-1 + u 2t