Ôn tập kinh tế lượng

Đề thi cuối kì gồm 3 phần:

1/ Lý thuyết (1đ) Có thể hỏi một trong các câu hỏi sau:
1.1/ Xét hàm hồi quy: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2 + 𝑢𝑖 , Trình bày phương pháp OLS để ước
lượng 𝛽1 𝑣à 𝛽2 .
1.2/ Nêu các giả thiết của mô hình hồi quy tuyến tính cổ điển.
Giả thiết 1: Mô hình hồi qui tuyến tính.
Mô hình hồi qui là tuyến tính theo các tham số của mô hình Yi = β1 + β2 Xi + ui
Giả thiết 2: Các giá trị của X được cố định trong việc lấy mẫu lặp lại. Giá trị lấy ra từ
biến X được coi là cố định trong các mẫu lặp lại. X được cho là không ngẫu nhiên.
Giả thiết 3: E(ui |Xi ) = 0
Giả thiết 4: Đồng phương sai giữa ui và Xi bằng 0, cov(ui , Xi ) = 0 (không có mối
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 thể tất cả đều bằng nhau, var (Xi ) ≠ 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(ui ,uj | 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 hồi 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 thống kê và quan hệ hàm số:
Quan hệ thống kê thể 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
 Ứng 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
 Ứng với mỗi giá trị của biến giải thích có một giá trị của biến phụ thuộc
 Phân tích hồi 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 thống kê
Tính chu vi hình vuông bằng 4 lần chiều dài y = 4x là quan hệ hàm số
1.4/ Trình bày tóm tắt cách phát hiện mô hình có đa cộng tuyến và các biện pháp
khắc phục?
Cách phát hiện:
-Hệ số 𝑅2 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.
-Loại trừ một biến giải thích ra khỏi mô hình.
-Thu thập thêm số liệu hoặc lấy mẫu mới.
-Sử dụng sai phân cấp một.
-Giảm tương quan trong các hàm hồi quy đa thức.
-Một số biện pháp khác (Hồi quy thành phần chính, Hồi quy dạng sóng...)
1.5/ Trình bày tóm tắt cách phát hiện mô hình có phương sai thay đổi và các biện
pháp khắc phục
Cách phát hiện:
-Bản chất của vấn đề nghiên cứu.
-Xem xét đồ thị của phần dư.
-Kiểm 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.
2/ Bài tập (mô hình hồi quy tuyến tính đơn)-EViews:
Công thức:
Bấm máy
https://www.youtube.com/watch?v=gvLpRdAqBP8 (Coi clip bấm theo)
Chương 3
Các dạng hàm khác- ý nghĩa kinh tế và các hệ số cần tính( hệ số co giãn- hệ số dốc)
Eviews
Giao diện

Sử dụng số liệu của bảng eviews với các công thức đã được liệt kê để giải
Các dạng kiểm định thường gặp
Chương 5: Đa cộng tuyến
Nhận biết qua kiểm định VIF

Variance Inflation Factors

Date: 06/28/21 Time: 21:06
Sample: 1 89
Included observations: 89

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 0.019570 70.67261 NA
X2 0.001138 62.76296 1.655336
X3 0.001670 91.80982 1.998062
X4 0.001700 92.63919 2.179518
X5 0.002823 157.7974 3.006694
X6 0.001498 80.05901 2.207995
X7 0.001555 94.98456 2.600583
X8 0.001699 93.51294 2.374097
Z1 0.001404 3.019198 1.221249

Theo lý thuyết, các giá trị VIF của các biến đều bé hơn 10 => không xảy ra hiện
tượng cộng tuyến (hoặc có cộng tuyến nhẹ không cần khắc phục).
Chương 6: Phương sai thay đổi
Đây là bài test dùng để kiểm định có hiện tượng phương sai thay đổi hay không theo
quan điểm của White.
Đặt giả thiết: Ho: mô hình có phương sai không đổi.

Ha: mô hình có phương sai thay đổi.

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 𝑛𝑅2 = 40.12208 có xác suất p-value tương ứng là 0.5968 nên ta
chấp nhận giả thiết Ho: phương sai không đổi.

Chương 7- Thừa-thiếu biến

Thừa biến

Đây là bài test dùng để kiểm 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

F-statistic 0.740164 (1, 80) 0.3922
Chi-square 0.740164 1 0.3896

Bằng phương pháp kiểm 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

Thiếu biến
Đây là bài test dùng để kiểm 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 Z1
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 kiểm định theo quan điểm của Ramsey, thì p-value=
0.3057=39,22%>5% nên ta chấp nhận giả thiết H0: mô hình không bị thiếu biến.

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