Professional Documents
Culture Documents
Bai Giang BSKT
Bai Giang BSKT
BASIC ECONOMETRICS
BỔ SUNG KIẾN THỨC
Bùi Dương Hải
Bộ môn Toán kinh tế - Khoa Toán kinh tế
haiktqd@yahoo.com
www.mfe.edu.vn
Tài liệu
1. Vũ Thiếu, Nguyễn Quang Dong, Nguyễn
Khắc Minh, Kinh tế lượng, NXB KHKT,
1996.
2. Nguyễn Quang Dong, Bài giảng Kinh tế
lượng, 2009.
3. Bùi Dương Hải, Hướng dẫn thực hành Kinh
tế lượng với chương trình Eviews4, 2009.
4. Website khoa Toán kinh tế: www.mfe.edu.vn
Nội dung
• Bài mở đầu
• Chương 1. Mô hình kinh tế lượng
• Chương 2. Ước lượng và phân tích
mô hình kinh tế lượng
• Chương 3. Đánh giá về mô hình
Chương 1
MÔ HÌNH KINH TẾ LƯỢNG
Econometric Model
1.1. Phân tích hồi quy
1.2. Mô hình hồi quy tổng thể
1.3. Mô hình hồi quy mẫu
1.4. Mô hình hồi quy tổng quát
1.5. Một số mô hình hồi quy trong kinh tế
Tài liệu: “Kinh tế lượng” chương 1 + 2 + 3
• Quan hệ hàm số : x → ! y
• Hệ số tương quan ρXY ∈ [–1 ; 1]
10
11
12
• Dạng của PRF tùy thuộc mô hình kinh tế, gồm các hệ
số (coefficient) chưa biết
• Nếu hàm hồi quy tổng thể có dạng đường thẳng:
E(Y / X) = β1 + β2X
• β1: hệ số chặn (intercept): β1 = E(Y/X = 0)
• β2: hệ số góc (slope coefficient)
dE (Y / X )
β2 =
dX
13
14
15
16
Ước lượng
• βˆ1 , βˆ2 là ước lượng ngẫu nhiên của các hệ số
(estimators)
• Với mẫu cụ thể với các quan sát (observation) kết quả
sẽ là con số cụ thể (estimates)
17
Phần dư
• Thông thường: Yi ≠ Ŷi
• Đặt: ei = ûi = Yi ≠ Ŷi
• Suy ra: Yi = Ŷi + ei = f^(Xi) + ei
• Các giá trị ei gọi là phần dư (residuals)
• Phần dư nhận giá trị (–), (+), là sai số ngẫu nhiên
trong mẫu
• Phần dư là ước lượng của ui trong mẫu
• Trong tính toán, sử dụng ei thay cho ui
18
19
Yi = β1 + β2 X 2i + ... + βk X ki + ui
20
Dạng ma trận
• Đặt: Xi = ( 1 X2i X3i … Xki)
⎝ βk ⎠ ⎜ βˆ ⎟ ⎪ Y = X βˆ + e
⎝ k⎠ ⎩ i i i
21
⎧ E ( Y) = Xβ
⎪ Y = Xβ + u
⎪
⎨ ˆ ˆ Với E(u) = [0]
⎪ Y = Xβ
⎪ Y = Xβˆ + e
⎩
22
23
Tổng quát k
k
Yi = ∏ X ji j ⋅ eui
β
ln Yi = ∑ β j ln X ji + ui
j =1 j =1
24
25
26
i =1
2
i = RSS → min
27
⎧ βˆ1 = Y − βˆ2 X
⎪ xi = X i − X
⎨ˆ XY − X .Y ∑x y
⎪ β2 = 2 = i i
⎩ X − ( X )2 ∑x 2
i
yi = Yi − Y
28
29
n n
sao cho: RSS = ∑ (Yi − Yˆi ) 2 = ∑ ei2 = e ' e → min
i =1 i =1
30
31
Định lý: Nếu các giả thiết được thỏa mãn thì
βˆ = ( X ' X) −1 X ' Y
là ước lượng tuyến tính không chệch tốt nhất của β
(BLUE: Best Linear Unbias Estimators).
33
Se( βˆ j ) = Var ( βˆ j )
• Trường hợp mô hình một biến độc lập, hai hệ số
σˆ 2 ∑ X i2 σˆ 2
Se ( βˆ1 ) = Se ( βˆ 2 ) =
n∑ x 2
i ∑ xi2
35
36
⎧H 0 : β j = β *
⎨
j
| T |> tα( n/−2k )
⎩ H1 : β j ≠ β
*
j
βˆ j − β *j ⎧⎪H 0 : β j = β *j
T= ⎨ T > tα( n−k )
Se( βˆ j ) ⎪⎩ H1 : β j > β j
*
⎧H 0 : β j = β *j
⎨ T < −tα( n −k )
⎩ H1 : β j < β j
*
37
38
βˆ j − Se ( βˆ j ) t α( n/ −2 k ) < βj < βˆ j + Se ( βˆ j ) t α( n/ −2 k )
βj < βˆ j + Se ( βˆ j ) t α( n − k )
βˆ j − Se ( βˆ j ) t α( n − k ) < βj
39
41
42
⎧H 0 : R 2 = 0 ⎧H 0 : β 2 = ... = β k = 0
⎨ hay ⎨
⎩ H1 : R > 0 ⎩ H1 : ∃β j ≠ 0 : ( j ≠ 1)
2
• Nếu bác bỏ H0: hàm hồi quy là phù hợp: ít nhất một
biến độc lập có giải thích cho biến phụ thuộc
44
46
2.6. Dự báo
(
X 0 = 1 X 20 X 30 ... X k0 )
• Dự báo, ước lượng khoảng trung bình biến phụ thuộc
với độ tin cậy cho trước
• Ước lượng điểm: Yˆ = X0βˆ = βˆ + βˆ X 0 + ... + βˆ X 0
0 1 2 2 k k
47
48
49
50
51
52
⎧H 0 : R*2 = 0 ⎪⎧ H 0 : ∀α j ≡ 0
⎨ ⇔⎨ ( j ≠ 1)
> ⎩ H1 : ∃α j ≠ 0
2
H
⎩ 1 *: R 0 ⎪
H0: mô hình gốc không có đa cộng tuyến
H1: mô hình gốc có đa cộng tuyến
R2 n − k*
Fqs = * 2 ×
1 − R* k* − 1 53
Khắc phục
• Cách khắc phục đơn giản nhất: bỏ bớt biến độc lập
• Có thể đổi dạng mô hình
• Sử dụng thông tin tiên nghiệm
54
55
56
58
Khắc phục
• Khi biết σi2 = Var(ui), chia phương trình hồi quy gốc
ban đầu cho Se(ui) = σi
Yi 1 X X u
= β1 + β2 2i + β3 3i + i
σi σi σi σi σi
• Nếu chưa biết σi, hồi quy phụ ei2 theo đại lượng nào
thì chia cho căn bậc hai của đại lượng đó
59
61
∑ (e − e
i i −1 )2
DW = d = i=2
n
≅ 2(1 − ρˆ )
∑e
i =1
2
i
n
∑e e i i −1
ρˆ = i =2
n là ước lượng cho ρ
∑e
i =1
2
i
62
Tự Không Tự
tương Không có tự Không tương
quan có kết tương có kết quan
dương luận quan luận âm
ρ>0 ρ=0 ρ<0
0 dL dU 4 – dU 4 – dL 4
63
• Kiểm định F:
R*2 − R**2 n* − k*
Fqs = ×
1 − R*2 p
64
Khắc phục
• Khắc phục tự tương quan bậc 1:
• Sử dụng phương trình sai phân có dạng
Yi – ρYi–1 = β1 (1 – ρ) + β2(Xi – ρXi–1) + εi (2)
Trong đó dùng ước lượng của ρ từ thống kê DW hoặc
từ các hồi quy phụ.
• Có thể thêm biến, đổi dạng mô hình
65
⎧H 0 : α1 = ... = αm = 0 2
R(2) − R(1)
2
n − k(2)
⎨ Fqs = ×
⎩H1 : ∃α j ≠ 0, j = 1 ÷ m 1 − R(2)
2
m
H0: Mô hình gốc không thiếu biến, dạng hàm đúng
H1: Mô hình gốc thiếu biến, dạng hàm sai
66
67