Professional Documents
Culture Documents
Slide Kinh Te Luong
Slide Kinh Te Luong
BÀI GIẢNG
KINH TẾ LƯỢNG 1
(ECONOMETRICS 1)
www.mfe.edu.vn
12 / 2018
1
KINH TẾ LƯỢNG CƠ BẢN – Bui Duong Hai – NEU – www.mfe.edu.vn/buiduonghai
Thông tin giảng viên
▪ Học vị. Họ tên giảng viên
▪ Giảng viên Bộ môn Toán kinh tế - Khoa Toán kinh tế
- ĐH Kinh tế quốc dân
▪ Văn phòng Khoa: Phòng 1106 – A1
▪ Email: (giangvien)@neu.edu.vn
▪ Trang web: www.mfe.neu.edu.vn/(họ tên GV)
Dự báo
Ra quyết định
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 9
Mở đầu
Ví dụ minh họa
▪ Chi tiêu và thu nhập của một số hộ gia đình
▪ Giá và lượng bán một loại hàng tại một số cửa hàng
Consumption Quantity
••• •
• • ••• •• •
•• • •
•• • • • • • • •
• •
• • • • • •
Income Price
Ví dụ minh họa
▪ Chi tiêu (Y) và Thu nhập (X)
Y E(Y | X)
(Y | X)
Ví dụ minh họa
▪ Hàm PRF dạng tuyến tính
Y
u (+)
β1 u (–)
E(Y | X) = β1 + β2X
Phần dư
▪ Giá trị 𝑌𝑖 có sai số so với Yi
▪ Đặt: 𝑒𝑖 = 𝑌𝑖 − 𝑌𝑖
▪ Hay: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖
▪ Ví dụ: Chi_tiêui = 110 + 0,67 Thu_nhậpi + ei
▪ 𝛽መ1 , 𝛽መ2 là hệ số hồi quy mẫu, hệ số ước lượng, là ước
lượng (estimator) cho hệ số tổng thể β1, β2
▪ Phần dư e là phản ánh sai số u trong tổng thể
▪ Ŷi là giá trị ước lượng (fitted value) cho E(Y | Xi)
Ví dụ minh họa
▪ PRF và SRF
• Ŷi
•
• •
• • •
β1• • •
• • • β̂1 • •
• • • Yi
E(Y | X)
Xi
Tóm tắt
▪ Tổng thể: Y = 𝛽1 + 𝛽2 𝑋 + 𝑢
𝐸(𝑌|𝑋) = 𝛽1 + 𝛽2 𝑋
▪ Mẫu: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖
𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖
▪ Với 𝑥𝑖 = 𝑋𝑖 − 𝑋ത và 𝑦𝑖 = 𝑌𝑖 − 𝑌ത
𝛽መ1 = 𝑌ത − 𝛽መ2 𝑋ത ;
σ 𝑥𝑖 𝑦𝑖
𝛽መ2 =
σ 𝑥𝑖2
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 30
Chương 1. Mô hình hồi quy hai biến 1.2. Phương pháp ước lượng OLS
Ví dụ 1.1 (tiếp)
i Xi Yi xi yi xiyi xi2 Ŷi ei
(1) 1 4 -1.4 -2.2 3.08 1.96 3.88 0.12
(2) 2 6 -0.4 -0.2 0.08 0.16 5.54 0.46
(3) 2 5 -0.4 -1.2 0.48 0.16 5.54 -0.54
(4) 3 7 0.6 0.8 0.48 0.36 7.19 -0.19
(5) 4 9 1.6 2.8 4.48 2.56 8.85 0.15
∑ 12 31 0 0 8.6 5.2 31 0
TB 2,4 6,2 6,2
Ví dụ 1.1 (tiếp)
▪ Với Y là thu nhập, X là số năm kinh nghiệm
Ŷi = 2,23 + 1,65 Xi
▪ (c) Giải thích ý nghĩa kết quả?
▪ (d) Ước lượng Thu nhập trung bình của người có 5
năm kinh nghiệm?
▪ (e) Giải thích ý nghĩa của cột giá trị ước lượng Ŷi và
cột phần dư ei trong bảng trước
▪ (f) Nếu thay giá trị Y5 = 9 trong mẫu bởi Y5 = 14 thì
kết quả như thế nào?
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 33
Chương 1. Mô hình hồi quy hai biến
Hệ số xác định
▪ Đặt đại lượng R2
𝐸𝑆𝑆 𝑅𝑆𝑆
= =1−𝑅2
𝑇𝑆𝑆 𝑇𝑆𝑆
▪ Khi có hệ số chặn: 0 R2 1
▪ R 2 là hệ số xác định (coefficient of determination)
▪ Ý nghĩa: Hệ số xác định cho biết tỉ lệ (%) sự biến
động của biến phụ thuộc trong mẫu được giải thích
bởi mô hình (bởi sự biến động của biến độc lập)
Ví dụ 1.1 (tiếp)
▪ Tính các đại lượng khác
0,577
i xi2 ei2 Xi2 𝑌𝑖 − 𝑌ത 2 σˆ =
2
= 0,192
5−2
(1) 1.96 0.013 1 4.84
(2) 0.16 0.213 4 0.04 ˆ 0,192 34
Se( β1 ) =
(3) 0.16 0.290 4 1.44 5 5,2
(4) 0.36 0.037 9 0.64 = 0,5
(5) 2.56 0.024 16 7.84
ˆ 0,192
∑ 5.2 0.577 34 14.8 Se( β2 ) = = 0,19
5,2
TB (RSS) (TSS)
14,223
2
ESS = 14,8 − 0,577 = 14,223 R = = 0,961
14,8
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 40
Chương 1. Mô hình hồi quy hai biến
Thống kê mô tả
▪ Descriptive statistics Hệ số tương quan
X Y
X Y
Mean 2.400 6.200
X 1 0.980
Median 2.000 6.000
Y 0.980 1
Maximum 4.000 9.000
Y vs. X
Minimum 1.000 4.000 10
Std. Dev. 1.140 1.923 9
Skewness 0.271 0.395 8
Kurtosis 1.955 1.994 7
Y 6
Jarque-Bera 0.288 0.341 5
Probability 0.865 0.843
4
3
Sum 12.00 31.00 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5
( )
n n 2
RSS = e = Yi − ˆ1 − ˆ2 X 2i − ... − ˆk X ki
2
i → min
i =1 i =1
▪ Tính được các hiệp phương sai của các cặp ước
lượng hệ số: 𝐶𝑜𝑣 𝛽መ𝑗 , 𝛽መ𝑠 , 𝑗 ≠ 𝑠
Ví dụ 3.1 (tiếp)
▪ (a) Giải thích ý nghĩa kết quả ước lượng
▪ (b) Biến K có thực sự giải thích cho Y?
▪ (c) Hệ số nào có ý nghĩa thống kê?
▪ (d) L tăng 1 đơn vị, K không đổi thì Y thay đổi thế nào?
▪ (e) K và L cùng tăng 1 đơn vị thì Y thay đổi thế nào?
▪ (f) K tăng 1 đơn vị, L giảm một đơn vị thì Y có giảm?
▪ (g) Kiểm định giả thuyết tổng hai hệ số góc = 3,6?
Ví dụ 3.1 (tiếp)
▪ (h) Kiểm định sự phù hợp của mô hình
▪ (i) Khi bớt biến L thì tổng bình phương phần dư
tăng lên đến 1,48E+08. Có nên bỏ biến đó không?
▪ (j) Khi bớt biến K thì hệ số xác định giảm xuống còn
0,65. Vậy có nên bỏ biến đó không? So sánh kết quả
với kiểm định T
▪ (k) Khi thêm hai biến K2 và K3 vào mô hình thì hệ số
xác định tăng lên đến 0,9664. Vậy có nên thêm hai
biến đó vào không?
Ví dụ 3.2 (tiếp)
▪ (b) Kiểm định giả thuyết “quá trình sản xuất có hiệu
quả không đổi theo quy mô” qua kết quả dưới đây
Sai số dự báo
▪ Đánh giá chất lượng dự báo bằng mô hình hồi quy
▪ Tiêu chí: giá trị ước lượng Ŷi gần giá trị thực Yi
▪ Sử dụng m giá trị để đánh giá. Thường lấy m = n
m
1
RMSE =
m i =1
(Yi −Yi )
ˆ 2
m
1
MAE =
mi
| Yˆi −Yi |
=1
1 Yˆi −Yi
m
MAPE = (100%)
m i =1 Yi
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 107
Chương 3. Suy diễn thống kê và dự báo 3.5. Dự báo biến phụ thuộc
Ví dụ 3.3 (tiếp)
▪ MAPE của các mô hình theo các nhóm quan sát
100 50 50
Mô hình
qs qs đầu qs sau
2.1(a) : lin-lin 6.86 7.25 6.47
2.1(b) : log-log 3.30 3.20 3.40
2.1(c) : lin-log 11.99 9.94 14.04
2.1(d) : log-lin 11.17 12.41 9.94
2.1(e) : tương tác 5.74 5.98 5.51
Biến giả
▪ Biến phụ thuộc (thu nhập) là Y
▪ Đặt biến D = 1 nếu người lao động là Nam
D = 0 nếu người lao động là nữ
▪ Mô hình: Y = β1 + β2D + u
• Đối với nam: Y = β1 + β2D + u
• Đối với nữ: Y = β1 +u
▪ Nếu β2 = 0 → Thu nhập không phụ thuộc vào giới
▪ Biến D gọi là Biến giả (dummy)
Ví dụ 4.1
▪ Số liệu với YD là thu nhập, CONS là chi tiêu, GEN = 1
nếu là Nam và GEN = 0 nếu là nữ, 40 quan sát
YD CONS GEN YD CONS GEN YD CONS GEN YD CONS GEN
65 66 0 88 76 0 109 87 0 132 104 1
69 67 0 92 78 0 114 95 1 137 99 0
72 72 1 93 81 1 115 98 1 137 100 0
74 68 0 93 81 0 116 93 0 141 112 1
75 68 0 94 81 1 117 93 0 144 111 1
78 71 1 94 85 1 117 92 0 145 104 0
80 75 1 97 86 1 117 92 0 150 107 0
83 75 0 98 84 0 122 100 1 155 121 1
85 77 0 103 84 0 122 100 1 155 121 1
85 75 0 107 86 0 127 103 1 159 126 1
Biến giả
▪ Biến phụ thuộc Y
▪ Nếu biến định tính có 2 trạng thái A và Ā
▪ Đặt biến giả D = 1 nếu quan sát ở A
D = 0 nếu quan sát ở Ā
▪ Mô hình: Y = β1 + β2D +u
• Tại A: Y = β1 + β2 +u
• Tại Ā: Y = β1 +u
▪ Nếu β2 0: Biến định tính có tác động đến Y
Ví dụ 4.5
▪ Với bộ số liệu xếp theo thứ tự 22 nữ, 18 nam
▪ LS CONS C YD → View → Stability Diagnostics →
Chow Breakpoint Test → 23
Ví dụ 5.1
▪ Với Y là sản lượng, K là vốn, L là lao động, so sánh
hai mô hình sau như thế nào?
▪ Mô hình [1]:
𝑌𝑖 = −486 + 1,29𝐾𝑖 + 2,21𝐿𝑖
Se (95,86) (0,04) (0,05) R2 = 0,964
Prob. [0.00] [0.00] [0.00]
▪ Mô hình [2]:
𝑖 ) = 0,417 + 0,62ln(𝐾𝑖 ) + 0,48ln(𝐿𝑖 )
ln(𝑌
Se (0,114) (0,015) (0,006) R2 = 0,988
Prob. [0.00] [0.00] [0.00]
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 139
Chương 5. Kiểm định và lựa chọn mô hình
600,000
500,000
400,000
300,000
200,000
100,000
0
10 20 30 40 50 60 70 80 90 100
Var( ˆ j ) = jiei
x 2 2
( x ) 2 2
ji
Dependent Variable: Y
White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C -485.9608 96.76637 -5.022001 0.0000
K 1.292811 0.053821 24.02078 0.0000
L 2.214092 0.076348 29.00013 0.0000
R-squared 0.964118 Prob(F-statistic) 0.000000
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 162
Chương 5. Kiểm định và lựa chọn mô hình
Jarque-Bera 9.753215
2 Probability 0.007623
0
-600 -400 -200 0 200 400
Khắc phục
▪ Nếu ĐCT cao nhưng không làm mất ý nghĩa hệ số,
không thay đổi dấu: có thể bỏ qua
▪ Biến cần quan tâm không cộng tuyến với biến khác,
không bị ảnh hưởng: có thể bỏ qua
▪ Nếu ĐCT cao gây ảnh hưởng:
• Tăng kích thước mẫu
• Thông tin ràng buộc để thu hẹp mô hình
• Phương pháp phân tích nhân tố
• Bỏ bớt biến
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 169
Chương 5. Kiểm định và lựa chọn mô hình 5.5. Đa cộng tuyến
Ví dụ 5.5
▪ Y: sản lượng, K: chi phí vốn, L: chi phí lao động, M:
chi phí quản lý và chi phí khác, TC: tổng chi phí
▪ Ma trận hệ số tương quan
K L M TC
Y 0.515 0.806 0.930 0.961
K -0.055 0.225 0.689
L 0.961 0.686
M 0.861
▪ Không thể hồi quy Y theo K, L, M, TC cùng lúc
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 170
Chương 5. Kiểm định và lựa chọn mô hình 5.5. Đa cộng tuyến
Ví dụ 5.5 (a)
Dependent Variable: Y
Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C -488.5271 96.19136 -5.078701 0.0000
K 0.875197 0.610312 1.434016 0.1548
L 0.531746 2.452609 0.216808 0.8288
M 8.406298 12.25247 0.686090 0.4943
R-squared 0.964293 Mean dep. var 3707.680
F-statistic 864.1738 Prob(F-statistic) 0.000000
Dependent Variable: L
Variable Coefficient Std. Error t-Statistic Prob.
C -1.113278 3.980585 -0.279677 0.7803
K -0.248146 0.001889 -131.3766 0.0000
M 4.994605 0.010565 472.7713 0.0000
R-squared 0.999568 Prob(F-statistic) 0.000000
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 172
Chương 5. Kiểm định và lựa chọn mô hình 5.5. Đa cộng tuyến
Chuỗi dừng
▪ Chuỗi Yt gọi là chuỗi dừng (stationary time series)
nếu thỏa mãn 3 điều kiện
• (i) E(Yt ) = không đổi t
• (ii) Var(Yt ) = σ 2 không đổi t
• (iii) Cov(Yt , Yt – p ) = p chỉ thay đổi theo p
▪ Vi phạm ít nhất 1 trong 3 điều kiện → chuỗi không
dừng (non-stationary time series)
▪ Chuỗi phụ thuộc yếu (weakly dependent):
Cov(Yt , Yt – p ) → 0 rất nhanh khi p tăng nhanh
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 182
Chương 6. Hồi quy với chuỗi thời gian 6.1. Một số khái niệm
Nhiễu trắng
▪ Chuỗi Yt là Nhiễu trắng (White noise) nếu:
• (i) E(Yt ) = 0 t
• (ii) Var(Yt ) = σ 2 t
• (iii) Cov(Yt , Yt – p ) = 0 t, p
▪ Nhiễu trắng là chuỗi dừng, không có tương quan với
quá khứ
Ví dụ 6.1
▪ Biến phụ thuộc: CPI (Chỉ số giá tiêu dùng)
▪ Biến độc lập: GGDP (Tỷ lệ tăng trưởng GDP)
Mô hình (a) (b) (c) (d) (e) (f) (g)
C 79*** 75*** 69*** -7*** -5*** -9*** -8***
GGDP 9.1*** 7.7** 7.9** -0.04 -0.9***
GGDP(-1) 2.0 0.2 1.2***
GGDP(-2) 2.3
CPI(-1) 1.1*** 1.3*** 1.1*** 1.1***
CPI(-2) -0.2
Adj R-sq 0.269 0.259 0.251 0.991 0.991 0.991 0.993
▪ ** và *** : có ý nghĩa thống kê ở mức 5% và 1%
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 191
Chương 6. Hồi quy với chuỗi thời gian 6.3. Mô hình chuỗi thời gian cơ bản
Ví dụ 6.2
Dependent Variable: GDP Sample (adjusted): 1990Q1 2008Q4
Included observations: 76 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 23.29782 2.378989 9.793163 0.0000
@TREND 1.222796 0.054758 22.33084 0.0000
R-squared 0.870780 Prob(F-stat) 0.000000
Ví dụ 6.2 (a)
Biến GDP GDP GDP lnGDP lnGDP
C 23.298 33.687 -13.081 3.467 2.857
@TREND 1.223 0.380 0.018
@TREND^2 0.011
ln(@TREND) 24.650 0.388
Adj R-sq 0.869 0.896 0.609 0.916 0.739
MAPE 76 qs 12.02 10.62 22.66 10.49 15.85
MAPE 4 qs cuối 14.27 10.98 22.48 10.89 22.88
Dự báo GDP
2009:Q1
Dự báo GDP
2009:Q2
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 194
Chương 6. Hồi quy với chuỗi thời gian 6.3. Mô hình chuỗi thời gian cơ bản
Ví dụ 6.2(b)
Biến GDP GDP lnGDP
C 11.570 21.956 3.293
@TREND 1.208 0.365 0.018
@TREND^2 0.011
S2 17.564 17.586 0.271
S3 10.519 10.542 0.158
S4 21.011 21.011 0.297
Adj R-sq 0.946 0.975 0.995
MAPE 76 qs & 4 qs cuối 8.5 & 9.0 5.6 & 5.7 2.3 & 3.4
Dự báo GDP 2009:Q1
Dự báo GDP 2009:Q2
Ví dụ 6.2(c)
GDP2008:4 = 144.828 GDP lnGDP
C -2.582 1.762
GDP(-1) 0.406
lnGDP(-1) 0.428
@TREND 0.745 0.010
S2 26.518 0.399
S3 12.323 0.170
S4 25.645 0.357
MAPE 76 qs & 4 qs cuối 7.8 & 9.4 2.3 & 4.0
Dự báo GDP 2009:Q1
Dự báo GDP 2009:Q2
n
(et − et −1 )2
DW = d = t =2
2(1 − ˆ 1 )
t =1 et
n 2
40
30
20
10
-10
-20
-30
-40
97 98 99 00 01 02 03 04 05 06 07
CPI Residuals
Ví dụ 7.1 (f)
Dependent Variable: CPI-0.85*CPI(-1)
Sample (adjusted): 1997Q2 2007Q4
Included observations: 43 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 9.013537 1.621201 5.559792 0.0000
GGDP-0.85*GGDP(-1) -0.235757 0.025639 -9.195202 0.0000
R-squared 0.673441 F-statistic 84.55175
Durbin-Watson 1.723960 Prob(F-statistic) 0.000000