Professional Documents
Culture Documents
KINH TẾ LƯỢNG
ECONOMETRICS
1
Quy định môn học
Thời gian học: 45 TIẾT (15 buổi học)
Điểm môn học: theo đề cương môn học
Tài liệu tham khảo:
1. Hoàng Ngọc Nhậm chủ biên (2010). Giáo trình kinh tế lượng.
NXB Trường đại học Kinh tế TP. Hồ Chí Minh
2. Nguyễn Quang Dông (2011). Bài giảng Kinh tế lượng. NXB
Giao thông Vận tải
3. Nguyễn Quang Dong + Nguyễn Thị Minh, (2012), Giáo trình
Kinh tế lượng
4. D. Gujarati. Basic Econometrics. Third Edition. McGraw-
Hill,Inc 1996
2
MỞ ĐẦU
3
Lịch sử ra đời của Kinh tế lượng
4
I. Kinh tế lượng là gì?
Định nghĩa:
5
Định nghĩa:
• KTL bao gồm việc áp dụng thống kê toán
cho các số liệu kinh tế để củng cố về mặt
thực nghiệm cho các mô hình do các nhà
kinh tế đề xuất và tìm ra lời giải bằng số
• KTL: kiểm định thực nghiệm các quy luật
kinh tế
• KTL có thể xem như là một khoa học xã
hội trong đó các công cụ của lý thuyết kinh
tế, toán học và suy diễn thống kê được sử
dụng để phân tích các vấn đề kinh tế
6
• Bản chất: thực chứng cho các lý thuyết kinh
tế và qua đó chứng minh hoặc bác bỏ các lý
thuyết kinh tế này.
7
2. Phân biệt KTL và các môn khoa học khác
8
II. Phương pháp luận của KTL
9
Lý thuyết kinh tế, các giả thiết (1)
Sơ đồ
Ước lượng các tham số (3) phương
pháp
Kiểm định giả thiết (4) luận
nghiên
cứu
Mô hình ước
Kinh tế
Không lượng tốt không ?
lượng
Có
Dự báo, ra quyết định
Bước 1: Nêu ra giả thuyết
• Các biến:
13
Bước 4: Ước lượng các tham số
• Sử dụng phương pháp OLS (Ordinary Least
Squares) tìm được các ước lượng điểm của 1, 2:
E(Y/X) = 1 + 2X
14
Bước 5: Phân tích kết quả
• Kết quả ước lượng có phù hợp với lý thuyết kinh tế ?
H0 : 2 = 0 H 0 : 2 = 1
(1) (2)
H1 : 2 0 H1 : 2 1
- Kiểm định giả thuyết đối với mô hình, chẳng hạn:
21
c. Bản chất chung của số liệu KT – XH
24
Mô hình hồi qui hai biến
Một vài ý tưởng cơ bản
å e = å ( Yi - β1 - β 2Xi ) ® min
i =1
2
i
ˆ
i =1
ˆ 2
ï ˆ =
i =1
å 2( Y - βˆ
i 1 - βˆ2 X i )( - X i ) = 0
î ¶β 2 i =1
giải hệ, ta có :
n
å X Y - nX Y
i i
βˆ2 = i =1
n
βˆ1 = Y - βˆ2 X
åX
i =1
2
i - n( X ) 2
å x y = å X Y - nX Y
i =1
i i
i =1
i i xi = Xi - X
n n với y i = Yi - Y
åx
i =1
2
i = å X - n( X )
i =1
2
i
2
Nên có thể biểu diễn :
βˆ2 =
å xyi i
åx 2
i
σ 2
se( βˆ1 ) = σ βˆ = σ β2ˆ
1
nå x i
2 1 1
1
Var( βˆ2 ) = σ β2ˆ = σ 2
se( βˆ2 ) = σ βˆ = σ β2ˆ
2
å xi
2 2 2
n
ESS = å i
( Ŷ
i =1
- Y ) 2
n n
RSS = å i i =
( Y
i =1
- Ŷ ) 2
å i
e 2
i =1
Miền xác định của R2 :
0 £ R2 £ 1
R2 à 1 : hàm hồi qui càng phù hợp.
R2 à 0 : hàm hồi qui càng ít phù hợp
Ví dụ : …
b. Hệ số tương quan : Là số đo mức độ
chặt chẽ của quan hệ tuyến tính giữa
X và Y.
r=
å (X - X)( Y - Y )
i i
=
å $" #"
å (X - X) å ( Y - Y )
i
2
i
2
å "å "
$ !
# !
2
Chứng minh được : r = R
Và dấu của r trùng với dấu của hệ số của
X trong hàm hồi qui ( βˆ2 ).
Tính chất của hệ số tương quan :
1. Miền giá trị của r : -1 £ r £ 1
| r| à 1 : quan hệ tuyến tính giữa X và
Y càng chặt chẽ.
2. r có tính đối xứng : rXY = rYX
3. Nếu X, Y độc lập thì r = 0. Điều
ngược lại không đúng.
5. Phân phối xác suất của các ước lượng
Giả thiết 6 : Ui có phân phối N (0, s2),
Với giả thiết 6, các ước lượng có thêm
các tính chất sau :
1. Khi số quan sát đủ lớn thì các ước
lượng xấp xỉ với giá trị thực của phân
phối :
ˆ ˆ
β1 ¾¾¾® β1 , β 2 ¾¾¾® β 2
n® ¥ n® ¥
ˆ
β 1 - β1
ˆ
2. β1 ~ N( β1 , σ βˆ ) Þ Z =
2
~ N(0,1)
1
σ βˆ
1
βˆ2 - β 2
βˆ2 ~ N( β 2 , σ )
2
βˆ2
ÞZ= ~ N(0,1)
σ βˆ
2
(n - 2)σ
ˆ 2
3. ~ χ (n - 2)
2
σ 2
F=
( 2 2
)
(β 2 - β 2 ) å xi / 1
ˆ
~ F(1, n - 2)
åe 2
i /(n - 2)
Khi b2 = 0 , F có thể viết :
β 2 å xi
ˆ 2 2
ESS / 1 R2 /1
F= = = (*)
å ei /(n - 2) RSS /(n - 2) (1 - R ) /(n - 2)
2 2
Trong đó :
é 1 ( X 0 - X )2 ù
ú ´σ
ˆ 2
vâr( Ŷ0 ) = ê +
êë n å x i úû
2
b. Dự báo giá trị cá biệt :
Cho X =X0 , tìm Y0.
(n - 2) (n - 2)
Ŷ0 - sê( Y0 - Ŷ0 ).t α /2 £ Y0 £ Ŷ0 + sê( Y0 - Ŷ0 ).t α /2
Trong đó :
var( Y0 - Ŷ0 ) = var( Ŷ0 ) + σ 2
nên
vâr( Y0 - Ŷ0 ) = vâr( Ŷ0 ) + σˆ2
dải tin cậy của
Y giá trị cá biệt
X X
å Xi Yi ˆ
var( β ) =
σ 2
βˆ2 = i =1 2 n
å i
X
n
2 å i
X 2
i =1
i =1
với σˆ 2
=
å e 2
i
n -1
*Lưu ý :
• R2 có thể âm đối với mô hình này, nên
không dùng R2 mà thay bởi R2thô :
R 2
=
(å XY)i i
2
thô
åX åY
2
i i
2
βˆ2 =
å x y åx - åx x åx
2i i
2
3i 2i 3i y
3i i
åx åx - ( åx x )
2
2i
2
3i 2i 3i
2
βˆ3 =
å x y åx - åx x åx
3i i
2
2i 2i 3i y
2i i
åx åx - ( åx x )
2
2i
2
3i 2i 3i
2
ˆ
é1
Var( β1 ) = ê +
å X ( x
2 3i - X x
3 2i
ù
ú
)
2
´σ 2
êë n å x 2i å x 3i - ( å x 2i x 3i ) úû
2 2 2
ˆ
Var( β 2 ) =
å x 2
3i
´σ 2
å x 2i å x 3i - ( å x 2i x 3i )
2 2 2
Var( βˆ3 ) =
åx 2
2i
´σ 2
åx åx
2
2i
2
3i - ( å x 2i x 3i ) 2
Trong đó : s2 = Var(Ui)
s2 chưa biết nên dùng ước lượng của nó là :
σˆ 2
=
å e 2
i
n-3
Với :
åi
e 2
=TSS - ESS = å $ 2 å %$ i 3 å " #$ ! i
! %
- ˆ
β " ! - ˆ
β
b. Mô hình hồi qui tuyến tính k biến
Yi = b1+ b2X2i + …+ bkXki+ Ui (PRF)
(i = 1,…, n)
Hàm hồi qui mẫu :
Yi = Ŷi + ei = βˆ1 + βˆ2 X 2i + ... + βˆk X ki + ei
Theo phương pháp OLS,
βˆj (j= 1,2,…,k) phải thoả mãn :
åe 2
i ® min
Tức là :
ì ¶ å ei2
ï ˆ =0 ì
ï 1 ¶β
ïï
å 2( Yi - ˆ
β 1 - ˆ
β X
2 2i - ... - ˆ
β k X ki )( -1) = 0
ï
í ! Ûí !
ï ¶ e2 ï
ï å i
=0 î
ï å 2( Yi - ˆ
β 1 - ˆ
β 2 X 2 i - ... - ˆ
β k X ki )( - X ki ) = 0
ï ¶βˆk
î
ˆ
Viết hệ dưới dạng ma trận : X X β = X Y
T
( T
)
Þ βˆ = X X ( T
) (X Y )
-1 T
é βˆ1 ù é å Yi ù
ê ú ê ú
βˆ = ê βˆ2 ú T
X Y= ê å X 2 i Yiú
ê!ú ê ! ú
ê ú ê ú
êë βˆk úû êë å X ki Yi úû
é n
ê
åX 2i åX 3i ... åX ki ù
ú
T
X X= ê å X 2i åX 2
2i åX X 2i 3i ... åX X
2i ki ú
ê ! ! ú
ê 2 ú
êë å X ki å XkiX2i å XkiX3i ... å Xki úû
4. Hệ số xác định
2
R =
ESS
=1-
RSS
=1-
å i
e 2
TSS TSS å i
y 2
åe 2
i = RSS = TSS - ESS
= å y i2 - βˆ2 å x 2i y i - ... - βˆk å x ki y i
* Chú ý : Khi tăng số biến độc lập trong
mô hình thì R2 cũng tăng cho dù các
biến độc lập thêm vào có ảnh hưởng mô
hình hay không . Do đó không thể dùng
R2 để quyết định có hay không nên thêm
biến vào mô hình mà thay vào đó có thể sử
dụng hệ số xác định được hiệu chỉnh :
R 2
=1-
å 2
e /(n - k )
i
å " /(n - 1)
# !
Hay:
2 n -12
R = 1 - (1 - R )
n-k
Tính chất của R 2 :
- Khi k > 1, R 2 £ R 2 £ 1
- R 2 có thể âm, trong trường hợp âm, ta coi
giá trị của nó bằng 0.
!
* Cách sử dụng " để quyết định đưa
thêm biến vào mô hình :
Mô hình hai biến Mô hình ba biến
Ŷi = βˆ1 + βˆ2 X 2i (1) Ŷi = βˆ1 + βˆ2 X 2i + βˆ3 X 3i (2)
R 12 R 22
2 2
R 1 R 2
2 2
- Nếu R > R thì chọn mô hình (1) ,
1 2
tức là không cần đưa thêm biến X3 vào
mô hình. Ngược lại, ta chọn mô hình (2).
• So sánh hai giá trị R2 :
Nguyên tắc so sánh :
- Cùng cỡ mẫu n .
- Cùng các biến độc lập.
- Biến phụ thuộc phải ở dạng giống
nhau. Biến độc lập có thể ở bất cứ dạng
nào.
Ví dụ :
5. Ma trận tương quan
Xét mô hình : Ŷi = βˆ1 + βˆ2 X 2i + ... + βˆk X ki
Gọi rtj là hệ số tương quan tuyến tính
giữa biến thứ t và thứ j. Trong đó Y
được xem là biến thứ 1.
Ma trận tương quan tuyến tính có dạng :
é 1 r12 ... r1k ù
êr 1 ... r2k ú
ê 21 ú
ê ... ... ú
ê ú
ërk 1 rk 2 ... 1 û
6. Ma trận hiệp phương sai
é var( βˆ1 ) cov( βˆ1 , βˆ2 ) ... cov( βˆ1 , βˆk )ù
ê ú
ê cov( βˆ , βˆ ) var( βˆ 2) ... cov( βˆ2 , βˆk )ú
ˆ
cov( β ) = 2 1
ê ... ... ú
ê ú
êëcov( βˆk , βˆ1 ) cov( βˆk , βˆ2 ) ... var( βˆk ) úû
Để tính ma trận hiệp phương sai của các hệ
số, áp dụng công thức :
ˆ RSS
cov( β ) = ( X X ) σ
T -1 2
với σˆ =2
n-k
Trong đó, k là số tham số trong mô hình.
7. Khoảng tin cậy của các hệ số hồi qui
ê!ú
ê 0ú
ëXk û
CN sử dụng B A A B B A B A A B
Năng suất 28 32 35 27 25 37 29 34 33 30
βˆ2 =
å x y åx - åx x åx
2i i
2
3i 2i 3i 3i yi
åx åx - ( åx x )
2
2i
2
3i 2i 3i
2
βˆ3 =
å x y åx - åx x åx
3i i
2
2i 2i 3i 2i yi
åx åx - ( åx x )
2
2i
2
3i 2i 3i
2
Thay x3i = l2x2i vào công thức :
βˆ2 =
å x y (λ
2i i å x ) - (λ å x )(λ å x
2 2
2i
2
2i y)
2i i
=
0
å x (λ å x ) - λ ( å x )
2
2i
2 2
2i
2 2 2
2i 0
Tương tự : ˆ 0
β3 =
0
Tuy nhiên nếu thay X3i = lX2i vào hàm
hồi qui (1), ta được :
Yi = b1+b2X2i+b3 lX2i + Ui
Hay Yi = b1+ (b2+ lb3) X2i + Ui (2)
Ước lượng (2), ta có : βˆ1 , βˆ0 = βˆ2 + λβˆ3
• Tóm lại, khi có đa cộng tuyến hoàn
hảo thì không thể ước lượng được các
hệ số trong mô hình mà chỉ có thể ước
lượng được một tổ hợp tuyến tính của
các hệ số đó.
2. Trường hợp có đa cộng tuyến không
hoàn hảo
Thực hiện tương tự như trong trường hợp
có đa cộng tuyến hoàn hảo nhưng với
X3i = lX2i +Vi à Vẫn có thể ước
lượng được các hệ số trong mô hình.
III. Hậu quả của đa cộng tuyến
Nguyên nhân :
- Do bản chất của các mối quan hệ trong
kinh tế chứa đựng hiện tượng này.
- Do kỹ thuật thu thập số liệu được cải
tiến, sai lầm phạm phải càng ít hơn.
- Do con người học được hành vi trong
quá khứ.
- Do trong mẫu có các giá trị bất thường
(hoặc rất lớn hoặc rất nhỏ so với các
giá trị khác).
Hiện tượng phương sai không đồng đều
thường gặp đối với số liệu chéo.
II. Hậu quả của phương sai thay đổi
Ta có :
æ Ui ö 1 1 2 2
Var (U ) = Var çç ÷÷ = 2 Var (Ui ) = 2 ωi σ = σ "i
*
i
2
è ωi ø ωi ωi
Nên (2) thỏa các giả thiết của mô hình hồI
qui tuyến tính cổ điển.
Do đó, nếu dùng p2 OLS cho (2), ta sẽ
thu được βˆ2* là ước lượng tuyến tính,
không chệch, có phương sai bé nhất
của b2 (Theo định lý Gauss-Markov).
Vì vậy phương sai của βˆ2 không còn
bé nhất nữa nên βˆ2 không còn là ước
lượng hiệu quả nữa.
2. Với mô hình (1), khi có phương sai
thay đổi thì có thể chứng minh được :
ˆ
Var ( β 2 ) =
å x i σ
2 2
i
(å x )
i
2 2
Do đó : ln σ i
2
= ln σ 2
+ α ln X i + ν i
Vì σ i2 chưa biết nên để ước lượng hàm
trên Park đề nghị sử dụng ei2
thay cho σ i2
Các bước kiểm định Park :
- Ước lượng mô hình hồI qui gốc (1), thu
lấy phần dư ei à tính ei2
- Ước lượng mô hình
ln ei = α0 + α ln X i + ν i
2
βˆ =
xy
i i
x
2 2
i
σ 2
2σ 2 x x t t +1
ˆ
Var ( β 2 ) = + ρ 1
+
xt xt
2 2
x 2
t
n−2
x x t t +2
x1 x n
+ρ 2 1
+ ... + ρ n −1
x 2
t xt 2
IV. Hậu quả của việc sử dụng phương
pháp OLS khi có tự tương quan
1. Các ước lượng OLS vẫn là các ước lượng
tuyến tính, không chệch nhưng không
còn hiệu quả nữa.
2. Ước lượng của các phương sai bị chệch
(thường thấp hơn giá trị thực) nên các
kiểm định t và F không còn hiệu lực nữa.
3. Thường R2 được ước lượng quá cao so
vớI giá trị thực.
4. Sai số chuẩn của các giá trị dự báo không
còn tin cậy nữa.
V. Cách phát hiện tự tương quan
1. Phương pháp đồ thị
- Hồi qui mô hình gốc → thu phần dư et.
- Vẽ đồ thị phần dư et theo thời gian.
- Nếu phần dư phân bố ngẫu nhiên xung
quanh trung bình của chúng, không
biểu thị một kiểu mẫu nào khi thời gian
tăng → mô hình gốc không có tự tương
quan.
2. Kiểm định d của Durbin-Watson
Xét mô hình hồi qui có tự tương quan
bậc nhất (Ut =Ut-1+t (-1 1) ).
- Thống kê d. Durbin-Watson :
n
(e t − e t −1 ) 2
d= t =2
n
2(1 − ρˆ)
e 2
t n
t =1
e e t t −1
e
t =1
2
t
Khi n đủ lớn thì : d 2( 1- )
Do -1 1 nên 0 d 4
- = 0 (không có tự tương quan) → d = 2
- =1 (tương quan hoàn hảo dương) →d= 0
- = -1 (tương quan hoàn hảo âm) → d=4
* Qui tắc kiểm định d của Durbin-Watson:
0 dL dU 2 4 -dU 4 -dL 4
Có tự Không Có tự
tương có tự tương
quan tương quan
dương Không quan Không âm
quyết quyết
định định
Trong đó DL và dU là các giá trị tới hạn
của thống kê Durbin-Watson dựa vào
ba tham số : , số quan sát n , số biến
độc lập k’.
Ví dụ : Một kết quả hồI qui được cho :
Yi = 12.5 + 3.16Xi – 2.15Di (1)
n = 20 d = 0.9
Với =5%, n=20, k’=2, ta có :
dL = 1.1 dU =1.54
→ d = 0.9 [0, dL] nên (1) có tự tương
quan dương.
Kiểm định Durbin-Watson cải biên :
Với mức ý nghĩa 2, ta có :
0 dU 4 - dU 4
Có tự Không Có tự
tương có tự tương
quan tương quan
dương quan âm
3. Kiểm định Breusch-Godfrey (BG)
Xét mô hình : Yt = 1+ 2Xt + Ut (1)
với Ut =1Ut-1+ 2Ut-2 +…+ pUt-p+ t
t thỏa mãn các giả thiết của mô hình cổ điển
Cần kiểm định H0 : 1=2=…=p=0
(không có tự tương quan)
Bước 1: Ước lượng mô hình (1), thu et.
Bước 2: Ước lượng mô hình sau, thu R2 :
et = 1+ 2Xt + 1et-1+ 2et-2 +…+ pet-p+ Vt
Bước 3 : Nếu (n-p)R2 > 2(p) → bác bỏ
H0, nghĩa là có tự tương quan.