Professional Documents
Culture Documents
Chương : mô hình hồi quy tuyến tính đa biến và các loại phân phối
- Hã y trình bà y cá c giả định phương trình hồ i quy đa biến theo phương phá p bình phương bé
nhấ t dướ i dạ ng ma trậ n và cho biết chỗ nà o cầ n A1 , A2 , A3 , A4 , A5 , A6 . A7 cầ n khi nà o ? 5
=> 9 , 11 , 12
- Chứ ng minh Estimator BLUE ? ( A1 , … , A6 ) 13,14
- Tính toá n sai số chuẩ n ( Standard Erros ) cho mô hình MLR 15
- Kiểm định đồ ng thờ i nhiều giả thuyết F-test 18
( Lý thuyết + Bài tậ p )
- F-test : phương trình hồ i quy rang buộ c và khô ng rang buộ c 19,20
- Tính toá n F-test 21
- Phâ n phố i 22
- Xác định số rà ng buộ c trong F-test 23
- Nhữ ng trườ ng hợ p rang buộ c khô ng thể sử dụ ng F hoặ c t-test 24
xem ví dụ về F-test slide 26,27
- Lý thuyết về giớ i hạ n trung tâm và phâ n phố i Chi – Square ( Bỏ đặc tính ) 31
- Phâ n phố i Students ( Định Nghĩa ) ( Bỏ đặ c tính ) 33
- Phâ n phố i F ( Định Nghĩa ) ( Bỏ đặ c tính ) 35
- Data mining / Snooping / Fishing / Dredging 51
- Chỉ tiêu thố ng kê đo lườ ng mứ c độ phù hợ p củ a mô hình ( R2 là gì ? Thô ng đạ t ý nghĩa R2) 52
- TSS , ESS , RSS là gì ? Định nghĩa R2 53,54
Bà i tậ p : Chụ p kết quả Eviews thự c tế , dự a và o bả ng kết quả , tính bằ ng tay TSS , RSS ,
ESS, R2=… ý nghĩa R2là gì ?
- R = O là gì ? R2= 1 là gì ? 55
2
- Các vấ n đề vớ i R2 56
- Adjust R2
Bà i tậ p : kết quả Eviews thự c tế . Thô ng đạ t ý nghĩa adjust R2, tính adjust R2 bằ ng tay , F-
stat bằ ng tay ( như slide 60 )
Chương 4 : Thực hành hồi quy với dữ liệu bảng ( Panel Data )
- Thế nà o là dữ liệu bả ng ? 2,5,6
- Sự khác biệt giữa hồi quy dữ liệu bảng bằng phương pháp Pooled OLS , Fixed Effects
và Random Effects
- Ưu điểm củ a sử dụ ng kỹ thuậ t phâ n tích dữ liệu bả ng 8
- Nhượ c điểm củ a mô hình hồ i quy bằ ng phương phá p Pooled OLS 7
- Trườ ng hợ p nà o dù ng FE , nà o dù ng RE
- Slide 9 , 10 , 11
- Phương phá p chuyển đổ i nộ i tạ i 12,13
- Phương phá p ướ c lượ ng “ ở giữ a” 14
- Phương phá p ướ c lượ ng vớ i biến sai phâ n bậc 1 15
- Mô hình hồ i quy hiệu ứ ng cố định theo thờ i gian FE 16->19
Ví dụ minh họ a slide 17 : đọ c hiểu
- Mô hình hồ i quy dữ liệu bả ng vớ i hiệu ứ ng cố định RE 42->45
Tạ i sao kết quả kiểm định lại là Pooled tố t hợ n ? FE tố t hơn hay RE tố t hơn ?
Lự a chọ n giữ a Pooled , FE , RE về mặ t lý thuyết thì cách là m như thế nò a ?
Khắc phụ c hiện tượ ng nộ i sinh bằ ng phương phá p 2SLS
- Nhữ ng giả định nà o cầ n GMM 100
Chương 7: Mô hình hồi quy với biến phụ thuộc bị giới hạn
- Cho mố t số ví dụ cho cá c mô hình trong tài chính sử dụ ng cá c biến phụ thuộ c bị giớ i hạ n 2,3
Tạ i sao trong mộ t số trườ ng hợ p ( cho ví dụ cụ thể trong lĩnh vự c tài chính ) phả i sử
dụ ng phương phá p hồ i quy vớ i biến phụ thuộ c giớ i hạ n ( Logit và Probit ) thay vì sử
dụ ng OLS ? ( slide 9 )
Thô ng đạ t kết quả từ phương phá p hồ i quy Logit và Probit ( thầ y chụ p kq ) ( LMS file
cuố i ) ( Slide 26)
- Diễn giải kết quả hệ số hồ i quy đố i vớ i mô hình Logit ( chỉ phương trình ) 30
Pi = 1/ { 1+ e^ [- ( …)]}
Chương 1 : Lập mô hình và dự báo với chuỗi thời gian đơn biến
- Hiểu thế nà o là tiến trình MA ? ( viết phương trình ) ( 3 dò ng đầu ) 48
- Thế nà o là tiến trình AR ? ( Viết phương trình ) ( 2 dò ng đầu ) 54
- Định đề phâ n rã Wold ( 3 dấ u chấm đầ u ) 56
khô ng có tính toá n AR , MA
- Tiến trình ARMA ( 2 dò ng cuố i ) 68
- Tiến trình ARIMA khá c gì so vớ i ARMA cho ví dụ 86
- Dự bá o trong pham vi mẫu ( In – Sample Forecast ) so vớ i dự bá o ngoà i phạm vi mẫ u ( Out –
Of – Sample Forecast ) 100
- Dự bá o như thế nà o ? 101
- Là m sao chú ng ta có thể kiểm định kết quả n dự bá o có tố t hay khô ng ? 109,110
Thuộ c MSE , MAE , MAPE
Theil ‘s U Statistics khô ng cầ n nhớ
- Nhữ ng nhâ n tố nà o thự c sự có ả nh hưở ng đến chấ t lương củ a mô hình dự bá o 112
- Các hạ n chế củ a cô ng tá c dự bá o 113
GHI CHÚ :
Thứ tự slide là màu xanh dương in đậm ở cuối gạch đầu dòng.