Professional Documents
Culture Documents
Kinh Te Luong Ung Dung - Dinh Cong Khai - Slide Bai Giang Kinh Te Luong
Kinh Te Luong Ung Dung - Dinh Cong Khai - Slide Bai Giang Kinh Te Luong
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
om
.c
ng
Tài liệu co
1. Vũ Thiếu, Nguyễn Quang Dong, Nguyễn
Khắc Minh, Kinh tế lượng, NXB KHKT,
1996.
an
2
du
u
cu
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
om
.c
ng
Phương pháp luận co
• Đặt giả thiết về vấn đề nghiên cứu
• Xây dựng mô hình
- Mô hình lý thuyết
an
(parameter, coefficient)
• Thu thập số liệu và ước lượng tham số
• Kiểm định về mối quan hệ kinh tế
ng
5
du
u
cu
om
.c
ng
Chương 1
MÔ HÌNH KINH TẾ LƯỢNG
co
Econometric Model
1.1. Phân tích hồi quy
an
8
du
u
cu
• Quan hệ hàm số : x → ! y
• Hệ số tương quan ρXY ∈ [–1 ; 1]
10
om
.c
ng
1.2. Mô hình hồi quy tổng thể co
• Tổng thể (population): tất cả các phần tử chứa dấu
hiệu nghiên cứu
• Phân tích mô hình xây dựng trên toàn bộ tổng thể
an
11
du
u
cu
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
om
.c
ng
Sai số ngẫu nhiên co
• Với giá trị cá biệt Yi ∈ (Y/Xi)
• Thông thường Yi ≠ E(Y/Xi)
an
• Đặt ui = Yi – E(Y/Xi)
ui là sai số ngẫu nhiên (disturbance, random error),
th
Yi = f (Xi) + ui
o
14
du
u
cu
15
16
om
.c
ng
Ước lượng co
• βˆ1 , βˆ2 là ước lượng ngẫu nhiên của các hệ số
(estimators)
• Với mẫu cụ thể với các quan sát (observation) kết quả
an
17
du
u
cu
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
om
.c
ng
1.4. Mô hình tổng quát co
• Y phụ thuộc k biến độc lập X1, X2,…, Xk, với X1 ≡ 1
k
E (Y / X 2i ,..., X ki ) = β1 + β2 X 2i + ... + βk X ki = ∑ β j X ji
an
j =1
Yi = β1 + β2 X 2i + ... + βk X ki + ui
th
Yi
o
20
du
u
cu
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
om
.c
ng
1.5. Một số mô hình trong kinh tế co
• Hàm bậc nhất
Ci = β1 + β2Yi + ui
an
23
du
u
cu
Tổng quát k
k
Yi = ∏ X ji j ⋅ eui
β
ln Yi = ∑ β j ln X ji + ui
j =1 j =1
24
25
om
.c
ng
Chương 2. ƯỚC LƯỢNG
& PHÂN TÍCH KẾT QUẢ
co
• 2.1. Ước lượng mô hình hai biến
• 2.2. Ước lượng mô hình tổng quát
an
26
du
u
cu
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
om
.c
ng
2.2. Ước lượng Mô hình tổng quát co
• Mô hình ba biến
E(Y / X2i, X3i) = β1 + β2X2i + β3X3i
Yi = β1 + β2X2i + β1X3i + ui
an
29
du
u
cu
n n
sao cho: RSS = ∑ (Yi − Yˆi ) 2 = ∑ ei2 = e ' e → min
i =1 i =1
30
31
om
.c
ng
2.3. Các giả thiết LS co
• Gt 1 : Hàm hồi quy tuyến tính theo hệ số
• Gt 2 : Các biến độc lập không ngẫu nhiên
• Gt 3: Trung bình sai số bằng 0: E(ui) = 0 ∀ i
an
32
du
u
cu
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
om
.c
ng
2.3. Các giả thiết LS co
• Sai số chuẩn của hồi quy (S.E. of Regression)
σˆ = σˆ 2 = RSS /( n − k )
an
Se( βˆ j ) = Var ( βˆ j )
th
σˆ 2 ∑ X i2 σˆ 2
Se ( βˆ1 ) = Se ( βˆ 2 ) =
n∑ x 2
i ∑ xi2
o
35
du
u
cu
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
om
.c
ng
2.4. Kiểm định các hệ số co
• Cặp giả thuyết cơ bản
⎧H 0 : β j = 0 Hệ số không có ý nghĩa thống kê
⎨
⎩ H1 : β j ≠ 0 Hệ số có ý nghĩa thống kê
an
• Giá trị “Prob.” hay “P-value”: mức xác suất thấp nhất
để bác bỏ H0 ứng với một mẫu
th
38
du
u
cu
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
om
.c
ng
2.6. Sự phù hợp của hàm hồi qui co
Đo sự biến động của biến phụ thuộc
yi = Yi − Y ⎫
⎪
an
n n n
• Chứng minh được ∑ y = ∑ yˆ + ∑ e
i =1
2
i
i =1
2
i
i =1
2
i
ng
41
du
u
cu
42
om
.c
ng
Kiểm định sự phù hợp co
⎧H 0 : R 2 = 0 ⎧H 0 : β 2 = ... = β k = 0
⎨ hay ⎨
⎩ H1 : R > 0 ⎩ H1 : ∃β j ≠ 0 : ( j ≠ 1)
2
an
• Nếu bác bỏ H0: hàm hồi quy là phù hợp: ít nhất một
biến độc lập có giải thích cho biến phụ thuộc
o
44
du
u
cu
46
om
.c
ng
2.6. Dự báo co
(
X 0 = 1 X 20 X 30 ... X k0 )
• Dự báo, ước lượng khoảng trung bình biến phụ thuộc
an
47
du
u
cu
48
49
om
.c
ng
3.1. Đa cộng tuyến co
• Mô hình nhiều biến độc lập
E(Y/X2i,…, Xki) = β1+ β2X2i + …+ β2Xki (k ≥ 3)
an
(multicollinearity)
o ng
50
du
u
cu
51
52
om
.c
ng
Kiểm định phát hiện co
• Nghi ngờ Xk phụ thuộc vào các biến độc lập khác
• Dùng hồi quy phụ (auxiliary regression)
X ki = ∑ α j X ji + vi (*)
an
j ≠k
⎧H 0 : R*2 = 0 ⎪⎧ H 0 : ∀α j ≡ 0
⎨ ⇔⎨ ( j ≠ 1)
th
> ⎩ H1 : ∃α j ≠ 0
2
H
⎩ 1 *: R 0 ⎪
H0: mô hình gốc không có đa cộng tuyến
ng
53
du
u
cu
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
om
.c
ng
Nguyên nhân – Hậu quả co
• Bản chất kinh tế xã hội: sự dao động của biến phụ
thuộc trong những điều kiện khác nhau không giống
nhau
an
56
du
u
cu
58
om
.c
ng
Khắc phục co
• Khi biết σi2 = Var(ui), chia phương trình hồi quy gốc
ban đầu cho Se(ui) = σi
an
Yi 1 X X u
= β1 + β2 2i + β3 3i + i
σi σi σi σi σi
th
• Nếu chưa biết σi, hồi quy phụ ei2 theo đại lượng nào
ng
59
du
u
cu
61
om
.c
ng
Kiểm định Durbin - Watson co
• Dùng ei thay thế cho ui trong kiểm định
• Kiểm định Durbin-Watson (DW)
n
an
∑ (e − e
i i −1 )2
DW = d = i=2
n
≅ 2(1 − ρˆ )
∑e 2
th
i
i =1
n
∑e e i i −1
ng
ρˆ = i =2
n là ước lượng cho ρ
∑e
i =1
2
i
o
62
du
u
cu
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
om
.c
ng
Khắc phục co
• 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)
an
65
du
u
cu
⎧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
om
.c
ng
co
an
th
o ng
du
u
cu