Ôn tập kinh tế lượng

ôn tập KTL là bộ tài liệu tổng hợp kiến thức căn bản của nhập môn kinh tế lượng. Nhằm giúp các bạn sinh viên hệ thống lại kiến thức môn học nhanh nhất và dễ hiểu nhất. Hy vọng đây sẽ là nguồn tham khảo hữu ích cho các bạn.

Ôn tập kinh tế lượng

Đề thi cuối kì gồm 3 phân:

1/ Lý thuyết (1đ) Có thể hỏi một trong các câu hỏi sau:

1.1/ Xét hàm hồi quy: Ÿ; = ¡ + B2X> + u; Trinh bay phương pháp OLS để ước

lượng _ tà Bp

1.2/ Nêu các giả thiết của mô hình hồi quy tuyến tính cố điển

Giả thiết I: Mô hình hôi qui tuyến tính

Mô hình hồi qui là tuyến tính theo các tham số của mô hình Yï = B1 + B2 Xi + ui Giả thiết 2: Các giá trị của X được cô định trong việc lấy mẫu lặp lại Giá trị lấy ra từ biến X được coi là cô định trong các mẫu lặp lại X được cho là không ngẫu nhiên Giả thiết 3: E(ui |Xi ) = 0

Giả thiết 4: Đông phương sai giữa ui và Xi bằng 0, cov(ui, Xi ) = 0 (không có mỗi quan hệ giữa uI và XI

Giả thiết 5: Sự biến thiên trong các giá trị của X Các giá trị Xi trong mẫu cho trước không thê tât cả đêu băng nhau, var (Xỉ ) # 0

Giả thiết 6: Phương sai của sai số không đổi

Giả thiết 7: Độc lập theo chuỗi Không có tương quan giữa các sai số cov(Hỉ ,Hj | Xi

»XJ) =0

Giả thiết 8: Kích thước mẫu phải lớn hơn số lượng tham số cần ước lượng (n>k) Giả thiết 9: Mô hình hôi qui được xác định một cách đúng đắn (không có độ thiên lệch hoặc sai số đặc trưng)

Giả thiết 10: Không có tính đa cộng tuyến hoàn toàn

1.3/ Cho biết sự khác nhau giữa quan hệ thống kê và quan hệ hàm số Cho ví dụ

Quan hệ thông kê và quan hệ hàm số:

Quan hệ thông kê thê hiện ở sự phụ thuộc thống kê của biến phụ thuộc vào các biến giải thích

—= Biến phụ thuộc là đại lượng ngẫu nhiên có phân phối xác suất

— Các biến giải thích có giá trị biết trước

=> Ung với mỗi giá trị của biến giải thích có thể có nhiều giá trị khác nhau của biến giải thích

Quan hệ hàm số:

— Các biến không phải là ngẫu nhiên

= Ung với mỗi giá trị của biến giải thích có một giá trị của biến phụ thuộc

—= Phân tích hôi quy không nghiên cứu các quan hệ hàm số

Ví dụ: Sự phụ thuộc của năng suất lúa vào nhiệt độ, lượng mưa, lượng phân bón là

một quan hệ thông kê

Tính chu vi hình vuông bằng 4 lần chiều dài y = 4x là quan hệ hàm số

Cách phát hiện:

-Hệ số R? cao nhưng trị thống kê t nhỏ

-Tương quan giữa các biến độc lập cao

-Sử dụng mô hình hồi quy phụ

-Sử dụng phương pháp nhân tử phóng đại phương sai (VIF)

Cách khắc phục:

-Sử dụng hệ thống thông tin tiên nghiệm

-Loai trừ một biến giải thích ra khỏi mô hình

-Thu thập thêm số liệu hoặc lấy mẫu mới

-Sử dụng sai phân cấp mội

-Giảm tương quan trong các hàm hôi quy đa thức

-Một số biện pháp khác (Hồi quy thành phân chính, Hỏi quy dạng sóng )

Cách phát hiện:

-Bản chất của vấn đề nghiên cứu

-Xem xét đồ thị của phần dư

-Kiém định Park

-Kiểm định Gleiser

-Kiểm định White

Cách khắc phục:

-Nhận dạng lại mô hình hoặc xác định lại dạng hàm của biến

-Sử dụng các sai số chuẩn mạnh

-Sử dụng phương pháp bình phương tối thiểu có trọng số

Công thức:

2/ Bài tâp (mô hình hồi quy tuyến tính đơn)-EViews:

TÔNG KÉT CÔNG THỨC KINH TÉ LƯỢNG

mete À Y,=,+8,X„ + +8,X„ +U,

ed định Y¥,=6,+ BX; Ÿ, = ñ + ổ,X., + + Xu +e,

yy, X-nX¥ _ ,_ Các giá trị / sẽ lấy 6 phan Coefficient trong

ie ị 8 =Y-8X bảng kết quả Eview

5 X?-n.(X)

il

Y nghia ầ> 0: X tăng 1 đơn vị thì Y tăng B don vi Nói ý nghĩa biên nào thì cô định các biên còn

các hệ sô | „ oll - lai

hôi quy Ø <0: Xiêng Í đơn viHhì Y giảm /Ở đơn vị VD: nói ý nghĩa của Bb thì cố định các biến

X2, X3,

B,> 0: X; không đổi, nếu X, tăng | dvi thi Y

tang B, dvi

Tông các | TSS= y= TN - yy Giải ma trận, nhưng không cân tính đên bình NHI 2 Tra trong bảng kq Eview

phương ESS= BY x Sum squared resid: RSS

i=l

RSS = 3 "e7 =TSS - RSS

i=l

Tinh hé so

xác định R? =——= ESS _,_ RSS

TSS TSS

Hệ sô xác R”=R +(I -R) R”=R + (1 -R’) › — ( k là sô tham sô của mô <i eos à

định hiệu : = ‘

chinh " Ì PP có thể âm, trong TH này, quy ước R“=0 hình)

Ước lượng ne HH

Ồ: dòng S.E of regression

SE(B,) : ct Std Error dong 1

SE( B, ): cột Std Error dòng 2

Kiêm định

PP giá trị tới hạn:

sự phù hợp BI: Lap giả thiết Hạ: B=0 ; Hy: B40

Ynghiac | po: tra bang F, gid tri toi han: F, (1, n-2) B2: tra bảng E, giá trị tới han: F, (k-1, n-k)

B3: So sánh Fqs với F, (1, n-2 ) B3: So sánh Fqs với F„ (k-1 n -k )

+ Fy > E,(l, n-2): bác bỏ Hạ > ham SRF phi | + F,, > F,(k-1, n-k): bác bỏ Hạ > ham SRF

hợp với mẫu | phù hợpvớimẫu

+ Eạ„ < F,(1, n-2): chấp nhận Hạ + Eạ„ < F,(k-1,n-k): chấp nhận Hạ

PP giá trị P-value ( khi để cho sẵn trong bảng kết | PP gid tri P-value ( khi để cho sẵn trong bảng

quả) Lay gid trị p-value ứng với Fạ (ô cuối cùng góc | Lay gid tri p-value ứng với Fạ (ô cuối cùng Kitna)

phải chữ Prod(F-statistic)) góc phải chữ Prod(F-statistic))

Tiến hành so sánh p-value và a: Tiến hành so sánh p-value và a:

+ p-value < a: bic bo Hy + ham SRF phi hgp | + p-value < a: bac bo H) + ham SRF phi

với mẫu | hợpvớimẫu |

+ p-value > a: chap nhan Hy + p-value > a: chấp nhận Họ

Kiếm dinh | Gia thiét: Hy: B=0 | Ay: BO Giả thiết: Hạ:B=0 — H:B£0

giả thiét | PP gid tri t6i hạn: PP giá trị tới han:

lập có ảnh | BI: Tính Tạ„=—— BI: Tinh T,.= ——

hưởng lên se() se( B)

or Phu | Bo: Tra bảng t-student giá trị t2-? B2: Tra bảng t-student giá trị t8”

tuộ 2 z

không? B3: so sánh |Tạ;| và tz”” B3: so sánh |T„| và t#”*

+ |Ts|> bi “Ê: bác bỏ H, => biến độc lập ảnh | + |Tạ;|> t3”: bác bỏ H, => biến độc lập ảnh

2

hưởng lên biến phụ thuộc Y hưởng lên biến phụ thuộc Y

+ [Tạs|< t8”°: chấp nhận H, 5 Tas|< t2-*: chap nhan H,

PP P-value: - PP P-value: -

Lấy giá trị p-value tương ứng với biến độc lập | Lấy giá trị p-value tương ứng với biến độc lập mình đang xét mình đang xét

Tiến hành so sánh p-value và a: Tiến hành so sánh p-value và a:

+ p-value < œ: bác bỏ Hạ —> biến độc lập (X) | + p-value < a: béc bo Hy —> biến độc lập (X) ảnh hưởng lên biến phụ thuộc (Y) ảnh hưởng lên biến phụ thuộc (Y)

+ p-value > a: chap nhan Ho + p-value > a: chap nhận Họ

Ước lượng | Dùng công thức cho đa biến với (j =1,2) Với độ tin cậy ( 1 — 0), khoảng tin cậy đổi khoảng xứng, tối đa, tôi thiểu của j, là: B,-Se(B, wi? < 8, < B, + Seb, ye?

B,<B,+Seh, ur

B, -Se(B, wo? <p

Khoảng tin cậy cho phương sai sai số ngẫu

Dự báo, dự | ChoX=Komicÿnghao(dumgcđabể,O 7 —

đoán Ước lượng điểm:

lọ= Â + BX,

Gia tri trung binh: l -

Y, ~ Se(f,)t12? < EŒX,)< + Se(¥, 13"

Se(Y, )=e 4, Meade Bà

rx;

So sánh RẺ | Chỉ so sánh được khi thỏa 3 điều kiện sau: Chỉ so sánh được khi thỏa 3 điều kiện sau:

1 Cùng cỡ mẫu n 1 Cùng cỡ mẫu n

2 Cùng số biến độc lập (nếu ko cùng số biến | 2 Cùng số biến độc lập (nếu ko cùng số

độc lập thì dùng ÑZ ) biến độc lập thì ding F* )

3 Cùng dạng hàm biến phụ thuộc 3 Cùng dạng hàm biến phụ thuộc

mm

https://www.youtube.com/watch?v=gvLpRdAgBP8 (Coi clip bam theo)

Các dạng hàm khác- ý nghĩa kinh tê và các hệ sô cân tính( hệ sô co giãn- hệ sô dôc)

Ahi ui Wi hl

Hi

t thd iho

a

Mô hình Log-Lin

(Logarit-Tuyến tính)

+D0V ác

Dạng hàm:

Tác động biên:

Mô hình Lin-Log

(Tuyến tinh-Logarit)

Dạng hàm: Y = B, + B;lnX + u

Tác động biên: dy |) am

GIÝ (000) 72

EP aN

> Nếu các yếu tô khác không đối, thay đổi 1% của X sẽ làm thay đối Y trung bình là B100

đơn VỊ

BFLBLINF Wea

UY

Lưu ý: * có nghĩa là hệ số co giãn thay đôi, phụ thuộc vào giá tri cua X hay Y hay ca hai

Khi các gia tri X¥ và Y không được cụ : thê hóa, trên thực tê, thường thì các hệ sô co giãn

này được tính từ giá trị trung bình, X và Y

Eviews

Cao diện

Dependent Variable: Y Method: Least Squares Date: 01/25/16 Time: 21:46

S le: 2000M01 2008M12 Included-observations: 108

(Equation: UNTITLED Workfile: UNTITLED::Untitled\

View Proc Object Print Name Freeze Estimate Forecast |Stats Resids

sai số chuẩn của J; va B,

[|| fete)

giá trị thống kê của

pr( |t|>0.972023)

hằng số Variable Coefficient Std Error ị t-Statistic (Prob

—— x Ĩ Pr{ |t|> 22.29109)

| 8.95955 19.50526 | 0.972023 / 0.3333

tén bién ———X 0.838935 0.037835 2229109 0.0000-——~

R-squared 0.824181 Mean dependent var 419.1426 ~ Adjusted R-squared 0.822522 $.D dependent var 188.1261 ——

S.E of regression 79.25394 Akaike info criterion 11.60154 Par o>

L- Sum squared resid 665805.8 Schwarz criterion 11.65121 độ lệch chuẩn của Y RSS aa] Log likelihood -624.4830 Hannan-Quinn criter 11.62168

F-statistic 96.8927 Durbin-Watson stat 0.609021 Prob(F-statistic) —_ “25800000 I

Giá trị thống kê F

pr(|F| > 496.8927) ị

Thống kê d

Các dạng kiểm định thường gặp

Nhận biết qua kiểm dinh VIF

Variance Inflation Factors

Date: 06/28/21 Time: 21:06

Sample: 1 89

Included observations: 89

Coefficient Uncentered mm

Variable Variance VIF

C 0.019570 70.67261

X2 0.001138 62.76296

x3 0.001670 91.80982

X4 0.001700 92.63919

X5 0.002823 157.7974

X6 0.001498 80.05901

X7 0.001555 94.98456

X8 0.001699 93.51294

Z1 0.001404 3.019198

Theo lý thuyết, các giá trị VIE của các biến đều bé hơn 10 => không xảy ra hiện

tượng cộng tuyến (hoặc có cộng tuyến nhẹ không cần khắc phục)

Đây là bài test dùng để kiêm định có hiện tượng phương sai thay đối hay không theo quan diém của White

Đặt giả thiết: Ho: mô hình có phương sai không đổi

Ha: mô hình có phương sai thay đồi

Heteroskedasticity Test: White

F-statistic 0.859043 Prob F(43,45 0.6908

Obs*R-squared 40.12208 Prob Chi-Square(43) 0.5968

Scaled explainedSS 26.24065 Prob Chi-Square(43) 0.9794

Theo kết quả ta thấy +ƠR2 = 40.12208 có xác suất p-value tương ứng là 0.5968 nên ta chấp nhận giả thiết Ho: phương sai không đối

Đây là bài test dùng để kiêm định có hiện tượng thừa biến hay không theo quan điểm của Wald

Đặt giả thiết: Ho: mô hình bị thừa biến

Ha: mô hình không bị thừa biến

Wald Test:

Equation: Untitled

Test Statistic Value df Probability

t-statistic -0.860328 80 0.3922

0.3922

Chi-square 0.740164 1 0.3896

Bằng phương pháp kiếm định theo quan điểm của Wald, thì p-value=

0.3922=39,22%>5% nên ta chấp nhận giả thiết H0: Mô hình thừa biến

Đây là bài test dùng để kiêm định có hiện tượng thiếu biến hay không theo quan điểm của Ramsey

Đặt giả thiết: Ho: mô hình không bị thiếu biến.

Ha: mô hình bị thiếu biến

Ramsey RESET Test

Equation: UNTITLED

Specification: Y C X2 X3 X4 X5 X6 X7 X8 21

Omitted Variables: Squares of fitted values

Value df Probability t-statistic 1.030878 79 0.3057

F-statistic 1.062710 (1,79) 0.3057

Likelihood ratio 1.189249 1 0.2755

Bằng phương pháp kiếm định theo quan điểm của Ramsey, thì p-value=

0.3057=39,22%>5% nên ta chấp nhận giả thiết HO: mô hình không bị thiếu biến

Sử dụng file với mục đích học tập nhé- chúc các bạn 10d