Thực hành hồi quy với dữ liệu

bảng – Panel data

SỬ DỤNG STATA

Khoa Tài Chính - ĐHKT TPHCM 1

 Cú pháp hồi quy dữ liệu bảng trong Stata

Bước 1: Statistics\Longitudinal/panel data\set up and utilities\declare

dataset to be panel data

Hoặc có thể sử dụng câu lệnh trong command window như sau:
xtset panelvar timevar [, tsoptions]

Để kiểm tra xem dữ liệu có cấu trúc ra sao tại bất kỳ thời điểm nào:
xtset

Để xóa cấu trúc dữ liệu bảng trong Stata:

xtset, clear

Bước 2: Statistics\Longitudinal/panel data\ linear models/Linear

regression (FE,RE,PA,BE)

Khoa Tài Chính - ĐHKT TPHCM 2

Kiểm định hiện tượng Heteroskedasticity và Autocorrelation
CÁCH 1
Heteroskedasticity

Autocorrelation

3
Khoa Tài Chính - ĐHKT TPHCM
Kiểm định hiện tượng Heteroskedasticity và Autocorrelation
CÁCH 2

4
Khoa Tài Chính - ĐHKT TPHCM
Khắc phục hiện tượng Heteroskedasticity và Autocorrelation
với panel data – Cách 1: Sử dụng hồi quy GLS
STATA –

5
Khoa Tài Chính - ĐHKT TPHCM
Khắc phục hiện tượng Heteroskedasticity và Autocorrelation
với panel data – Cách 1: Sử dụng hồi quy GLS

6
Khoa Tài Chính - ĐHKT TPHCM
 Khắc phục Heteroskedasticity, Autocorrelation và
Endogeneity trong panel data – Cách 2: hồi quy GMM
Arellano–Bond (Arellano and Bond 1991) giới thiệu Difference hay
Dynamic GMM (câu lệnh trong Stata là xtabond).

Arellano–Bover/Blundell–Bond (Arellano and Bover 1995; Blundell and

Bond 1998) sau đó giới thiệu phương pháp ước lượng System GMM (câu
lệnh trong Stata là xtabond2).

Với dữ liệu bảng - panel data thì Difference và System GMMs được sử dụng
ngày càng phổ biến để khắc phục mô hình có hiện tượng nội sinh va phương
sai thay đổi.

Phương pháp System GMM sử dụng Windmeijer (2005) finite-sample

correction với two-step estimation để khắc phục hiện tượng estimators bị
“biased downward” hay dễ dẫn đến Over-rejection.

Ngoài ra cả hai mô hinh System và Difference GMM có yếu điểm là phức

tạp và dễ dẫn đến sử dụng sai và như vậy sẽ cho ra kết quả ước lượng sai.
7
Khoa Tài Chính - ĐHKT TPHCM
 Khắc phục Heteroskedasticity, Autocorrelation và
Endogeneity trong panel data – Cách 2: hồi quy GMM

• Phương pháp Arellano–Bond Difference GMM sẽ transforming tất cả các

biến bằng cách lấy sai phân và hồi quy với GMM (Hansen 1982), do vậy
được gọi là difference GMM.

• Phương pháp Arellano–Bover/Blundell–Bond System GMM sử dụng giả

định bổ sung là sai phân bậc 1 của biến IVs không có tương quan với fixed
effects và do vậy có thể cho ra nhiều IVs hơn, cải thiện “efficiency”.

• Phương pháp System GMM thực hiện 2 phương trình hồi quy : phương
trình hồi quy gốc (original equation) và phương trình hồi quy đã sử dụng
chuyển đổi biến và do vậy được gọi là system GMM. System GMM sử
dụng kết hợp moment conditions của mô hình sai phân bậc 1 và moment
conditions của mô hình ở level.

Khoa Tài Chính - ĐHKT TPHCM 8

 Khắc phục Heteroskedasticity, Autocorrelation và
Endogeneity trong panel data – Cách 2: hồi quy GMM

Cả 2 phương pháp Difference/Dynamic GMM và System GMM đều cần

những giả định sau:
1) “small T, large N” panels
2) a linear functional relationship
3) one left-hand-side variable that is dynamic, depending on its own past
realizations
4) independent variables that are not strictly exogenous,
5) fixed individual effects; and
6) heteroskedasticity and autocorrelation within individuals but not across
them.

Khoa Tài Chính - ĐHKT TPHCM 9

 Khắc phục Heteroskedasticity, Autocorrelation và
Endogeneity trong panel data – Cách 2: hồi quy GMM

Statistics/Panel data/Dynamic panel data/Arellano_Bond estimation

10
Khoa Tài Chính - ĐHKT TPHCM
 Khắc phục Heteroskedasticity, Autocorrelation và
Endogeneity trong panel data – Cách 2: hồi quy GMM

Sau khi hồi quy Xtbond cần thực hiện kiểm định Sargan test như sau (cần
không bác bỏ giả thiết Null):

11
Khoa Tài Chính - ĐHKT TPHCM