2. Vận dụng mô hình ARIMA dự báo lạm phát ở Việt Nam năm 2011 1 Giới thiệu mô hình
2.1.4. Hồi quy giả mạo, chuỗi dừng xu thế và dừng sai phân.
Khi hồi quy với các chuỗi thời gian, có thể có kết quả giả mạo trong các chuỗi này có cùng xu thế.Điều này thường xảy ra trong kinh tế.Ước lượng các hệ số hồi quy không phải chỉ là ảnh hưởng của biến độc lập đến biến phụ thuộc mà còn bao hàm xu thế.
Để khắc phục vấn đề hồi quy giả mạo người ta đưa thêm biến xu thế vào mô hình.Tuy nhiên việc đưa biến xu thế vào chỉ có thể chấp nhận được nếu biến này là phi ngẫu nhiên.Và để biết được biến xu thế ngẫu nhiên hay
không ta phải ước lượng mô hình: .
Sử dụng DF để kiểm định nghiệm đơn vị. Nếu là chuỗi không dừng thì biến xu thế t là ngẫu nhiên.
Nếu của mô hình: mà dừng, được gọi là dừng xu thế ( trend – stationary).
Nếu của mô hình: mà dừng, được gọi
là dừng sai phân ( difference –stationary process).
2.1.5.Mô hình trung bình trượt đồng liên kết tự hồi quy
a .Mô hình AR, MA, và ARIMA mô hình hóa chuỗi thời gian trong kinh tế. kinh tế.
a.1.Quá trình tự hồi quy AR.
Với – nhiễu trắng, ta nói tuân theo quá trình ngẫu nhiên tự hồi quy bậc nhất hay AR(1). Mô hình này cho biết giá trị dự báo của Y trong thời đoạn t chỉ đơn giản là tỷ lệ (= ) của giá trị của nó trong thời đoạn ( t-1) cộng với yếu tố ngẫu nhiên trong thời gian t.
Quá trình tự hồi quy bậc p có dạng như sau: Điều kiện để quá trình AR(p) hội tụ là
Lưu ý rằng trong tất cả các mô hình trên, chỉ có các giá trị hiện tại và quá khứ của Y được đứa vào mô hình; không có biến làm hồi quy nào khác.Do vậy, ta nói rằng “ dữ liệu tự nói”.