Professional Documents
Culture Documents
BÀI GIẢNG
KINH TẾ LƯỢNG
GV: ThS. Nguyễn Thanh Hà
Liên hệ
- Điện thọai: 0969 488 488
- Email: ntha.dhnh@gmail.com
CÁCH ĐÁNH GIÁ ĐIỂM MÔN HỌC
* Điểm thưởng: trả lời câu hỏi hoặc làm bài tập đúng. + 0,5đ/lần vào điểm KT cá
nhân hoặc bài thực hành
nhóm
3 of 10
TÀI LIỆU THAM KHẢO
Nguyễn Quang Dong – Nguyễn Thị Minh, “Kinh tế
1
lượng”, NXB ĐHKTQD, 2013
Chương
1 Nhập môn kinh tế lượng
2 Mô hình hồi quy và PP OLS
3 Suy diễn TK và dự báo từ MHHQ
5 of 10
CHƯƠNG 1: NHẬP MÔN KINH TẾ LƯỢNG
6 of 10
LỊCH SỬ KINH TẾ LƯỢNG
Econo Metrics
(Kinh (Đo Econometrics
tế) lường)
7 of 10
Kinh tế lượng
được phát
Lawrance triển trên toàn
Klein đưa ra thế giới
một số mô
Tinbergen hình kinh tế
trình bày lượng cho
trước Hội nước Mỹ
đồng kinh tế
Thuật ngữ Hiện
Hà Lan mô
Econometrics
hình kinh tế nay
được sử dụng
lượng đầu tiên 1950
lần đầu bởi
A.K. Ragnar
Frisch và 1936
J.Tinbergen
1930
LỊCH SỬ KINH TẾ LƯỢNG
Jan Tinbergen
Ragnar Frisch (1969)
Robert Engle
Clive Granger (2003)
Daniel McFadden
James Heckman (2000)
9 of 10
KINH TẾ LƯỢNG LÀ GÌ
Ước
Lý thuyết kinh tế
lượng
Thống kê toán
học
Kinh tế
lượng
Kiểm
Dự báo
Tin học định
SỐ LIỆU TRONG KINH TẾ LƯỢNG
Thời gian -Nhiều thời điểm.
(Time Series
- Cùng đối tượng.
Data)
Chéo
-Cùng thời điểm.
(Cross
- Nhiều đối tượng.
Data)
Hỗn hợp
(Panel - Nhiều thời điểm, nhiều đối tượng.
Data)
11 of 10
DỮ LIỆU TRONG KINH TẾ LƯỢNG
12 of 10
SỐ LIỆU TRONG KINH TẾ LƯỢNG
13 of 10
CHƯƠNG 2: MÔ HÌNH HỒI QUY VÀ PHƯƠNG PHÁP OLS
14 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng Y = β1 + β2 X + u
thể
2. Mô hình Mô hình hồi quy tuyến tính 2 biến (mô hình hồi
hồi quy mẫu quy đơn – Simple regression model) gồm:
3. Phương
pháp OLS Biến phụ thuộc (dependent variable): Y
Biến độc lập (independent variable): X
Hệ số chặn (intercept): β1
Hệ số góc (slope): β2
16 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng Tổng quát
thể
2. Mô hình Hàm hồi quy tổng thể (PRF – population regression
hồi quy mẫu
3. Phương function) là hàm có dạng: E (Y X i ) f ( X i )
pháp OLS
1 biến độc lập:
hàm hồi quy
đơn
PRF
2 biến độc lập
trở lên: hàm
hồi quy bội
Dạng tuyến tính với
tham số
17 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng E(Y|X) = β1 + β2X PHÂN
TÍCH HỒI
thể
QUY
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
β2 cho biết nếu X tăng 1 thì giá trị trung bình của Y
thay đổi bao nhiêu.
18 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng E(Y|X) = β1 + β2X PHÂN
TÍCH HỒI
thể
QUY
2. Mô hình
hồi quy mẫu
3. Phương Việc β2 = 0 hay β2 ≠ 0 cho biết X có tác động đến Y
pháp OLS không.
Nếu biết giá trị của X ta có thể tính giá trị trung bình
của Y
19 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng PHÂN
TÍCH HỒI
thể
E(Y|X) = 5 + 0,3X QUY
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
20 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng
thể
2. Mô hình hệ số hồi quy
giá trị ước
hồi quy mẫu mẫu hay hệ số
lượng
3. Phương ước lượng
pháp OLS
(Fitted)
^ ^ ^
Y = 1+ 2 X: hàm hồi quy mẫu
(Sample Regression Function - SRF)
21 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng Xi Yi
thể
7 5
2. Mô hình Y 10 6
hồi quy mẫu ^ ^ ^
3. Phương SRF : Y 1 2 X
pháp OLS Yi
^ ei ^
Yi ei = Yi Yi gọi là phần dư
(residual)
Xi ^ ^X
Phương pháp OLS chủ trương tìm 1 , 2 sao cho
n
i 1 2
e 2
e
i 1
2
e 2
... en min
2
22 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
2
hổi quy tổng
^ ^ n n ^ ^
ei2
^ ^
i
0
^ 2. Y X i ( 1) 0
1 1 2
ei 0 2. Y X ( X ) 0
2 ^ ^
^ i 1 2 i
i
2
23 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng
Sau một số bước biến đổi ta được:
thể n n n
2. Mô hình ^ (X i X )(Yi Y ) X Y nXY x y
i i i i
hồi quy mẫu 2 i 1
i 1
i 1
n n n
3. Phương
(Xi X ) X n X i
2
2 2 2
pháp OLS i x
i 1 i 1 i 1
^ ^
1 Y 2 X
n
Với: X i
X i 1
và xi X i X
n
n
Yi
Y i 1
và yi yi Y
n
24 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS VD1
1. Mô hình Gọi CT: chi tiêu của hộ gia đình (triệu đồng/tháng), TN: thu
hổi quy tổng nhập hộ gia đình (triệu đồng/tháng).
thể a) Viết hàm hồi quy tổng thể (PRF), hàm hồi quy mẫu (SRF)?
2. Mô hình b) Giải thích ý nghĩa của các hệ số ước lượng?
hồi quy mẫu c) Các hệ số ước lượng có phù hợp lý thuyết kinh tế không?
3. Phương d) Gợi ý một yếu tố trong sai số ngẫu nhiên của PRF.
pháp OLS Dependent Variable: CT
Method: Least Squares
Date: 11/02/17 Time: 09:56
Sample: 1 33
Included observations: 33
25 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS VD1
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
26 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS VD1
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
27 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS VD1
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
28 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS VD1
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
29 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP OLS
1. Sự cần thiết
của MHHQ bội Mô hình hồi quy bội
Mô hình hồi quy bội thường
cho phép sử dụng
2. Mô hình hồi có chất lượng dự báo tốt
dạng hàm phong phú
quy tổng thể hơn
hơn
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
quy
6. Các giả thiết
của OLS và ĐL Mô hình hồi quy bội cho
Khắc phục vấn đề kì
Gauss – phép thực hiện các phân
vọng sai số khác 0
Markov tích phong phú hơn
7. Độ chính
xác của ước
lượng
30 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
Mô hình hồi quy tuyến tính k biến
2. Mô hình hồi E(u| X2,…, Xk) = 0
quy tổng thể Y=β1+β2X2+…
E(Y|X2,…Xk)=β1+
3. Mô hình hồi
quy mẫu
+βkXk +u
-
β2X2+…+βkXk
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
4. Phương
pháp OLS Mô hình hồi quy tổng thể (PRF)
5. Độ phù hợp
của hàm hồi Y: biến phụ thuộc
quy X2, …, Xk : biến độc lập
6. Các giả thiết
của OLS và ĐL
u: sai số ngẫu nhiên
Gauss – β1: hệ số chặn/hệ số tự do
Markov
β2,…, βk: hệ số hồi quy riêng của X2,…, Xk
7. Độ chính
xác của ước
lượng
31 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
2. Mô hình hồi E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk
quy tổng thể
3. Mô hình hồi
quy mẫu βj cho biết nếu Xj tăng 1 còn các biến khác giữ
4. Phương nguyên thì giá trị trung bình của Y thay đổi bao
pháp OLS nhiêu.
5. Độ phù hợp
của hàm hồi
quy
6. Các giả thiết
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
32 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
hệ số hồi quy
2. Mô hình hồi
mẫu hay hệ số
quy tổng thể ước lượng
3. Mô hình hồi
quy mẫu Hàm hồi quy mẫu
4. Phương (SRF)
pháp OLS
giá trị ước ^ ^ ^ ^
5. Độ phù hợp
lượng Y = 1+ 2 X2+… k Xk
của hàm hồi
quy (Fitted)
6. Các giả thiết
của OLS và ĐL E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk
Gauss - Hàm hồi quy tổng thể (PRF)
Markov
7. Độ chính
xác của ước
lượng
33 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
PRF: E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk
2. Mô hình hồi
quy tổng thể ^ ^ ^ ^
3. Mô hình hồi
SRF: Yi 1 2 X 2i ... ... k X ki
quy mẫu
4. Phương ^
pháp OLS e Y Y
i i i gọi là phần dư
5. Độ phù hợp
của hàm hồi
quy Phương pháp OLS nhằm xác định các giá trị
^ 2
6. Các giả thiết ^
của OLS và ĐL sao cho
Gauss -
j e 2
i i i min
Y Y
Markov
7. Độ chính
xác của ước
lượng
34 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
2. Mô hình hồi Gọi CT, TN, TS lần lượt là chi tiêu, thu nhập, tài
quy tổng thể
sản của hộ gia đình (triệu đồng/tháng). Dựa vào
3. Mô hình hồi
quy mẫu bảng kết quả hồi quy, hãy trả lời các câu hỏi:
4. Phương
pháp OLS a) Viết hàm hồi quy tổng thể, hàm hồi quy mẫu.
5. Độ phù hợp
của hàm hồi b) Giải thích ý nghĩa của các hệ số ước lượng.
quy
6. Các giả thiết
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
35 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
Eviews
của MHHQ bội VD1
2. Mô hình hồi
quy tổng thể Dependent Variable: CT
Method: Least Squares
3. Mô hình hồi
Date: 11/14/15 Time: 05:55
quy mẫu Sample: 1 33
4. Phương Included observations: 33
1. Sự cần thiết
của MHHQ bội
2. Mô hình hồi
quy tổng thể
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
quy
6. Độ chính
xác của ước
lượng
7. Các giả thiết
của OLS và ĐL
Gauss -
Markov
37 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
Tổng bình phương toàn phần (TSS – Total Sum of Squares)
2. Mô hình hồi TSS (Yi Y ) 2
quy tổng thể
3. Mô hình hồi Tổng bình phương hồi quy (ESS – Explained Sum of
quy mẫu Squares)
Phương ^
ESS (Y i Y ) 2
4.
pháp OLS
5. Độ phù hợp
của hàm hồi Tổng bình phương phần dư (RSS – Residual Sum of
quy Squares) 2
^
6. Các giả thiết RSS ei2 Yi Yi
của OLS và ĐL
Gauss -
Nếu mô hình có hệ số chặn
Markov
7. Độ chính TSS = ESS + RSS
xác của ước
lượng
38 of 10
BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Tư tưởng Y 70 65 90 95 110 115 120 140 155 150
i
của PP OLS
Xi 80 100 120 140 160 180 200 220 240 260
(Ordinary ^
Least Yi 65,1 75,3 85,5 95,7 105, 116, 126, 136, 146, 156,
825 645 465 285 910 092 274 456 638 820
Squares)
5 5 5 5 5 5
2. Tính chất ^
đại số của PP Y 24, 4545 0,5091X
OLS
Y
Yi 1110 111
3. Các giả n 10
thiết cơ bản
2
của PP OLS TSS Yi Y (70 111) 2
(65 111) 2
... 8890
4. Tính không ^ 2
chệch và độ ESS i
(Y Y ) (65,1825 111) 2
(75,3645 111) 2
... 8552, 73
chính xác của ^
ước lượng RSS (Yi Yi ) 2 (70 65,1825) 2 (65 75,3645) 2 ... 337, 27
OLS
5. Độ phù hợp
của hàm hồi
quy 39 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội Hệ số xác định của hàm hồi quy (Determination
2. Mô hình hồi coefficient r-squares) 2 ESS
R
quy tổng thể TSS
3. Mô hình hồi 0 ≤ R2 ≤ 1
quy mẫu
4. Phương R2 cho biết các biến độc lập giải thích được
pháp OLS bao nhiêu % sự thay đổi của Y.
5. Độ phù hợp
của hàm hồi Số biến độc lập càng lớn thì R2 càng lớn.
quy
6. Các giả thiết
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
40 of 10
BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
Dependent Variable: CT
của MHHQ bội Method: Least Squares
2. Mô hình hồi Date: 11/14/15 Time: 05:55
Sample: 1 33 VD3
quy tổng thể Included observations: 33
3. Mô hình hồi
quy mẫu Variable Coefficient Std. Error t-Statistic Prob.
Markov
7. Độ chính
xác của ước
lượng
43 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội Y = β1 + β2X2+…+ βkXk + u
2. Mô hình hồi
quy tổng thể
• Việc ước lượng dựa trên cơ sở mẫu
3. Mô hình hồi 1 ngẫu nhiên.
quy mẫu
4. Phương • Kì vọng của sai số ngẫu nhiên tại mỗi giá
pháp OLS 2 trị (X2i,…, Xki) là 0. E(u|X2i,…, Xki) = 0
5. Độ phù hợp
của hàm hồi • Phương sai2của sai số ngẫu nhiên tại các giá trị (X2i,…,Xki) không
đổi, bằng
quy 3 • Var(u|X2i,…, Xki) = 2
6. Các giả thiết
của OLS và ĐL
• Giữa các biến X2,…, Xk không có hiện tượng đa cộng tuyến hoàn hảo
Gauss - 4
Markov
7. Độ chính
xác của ước
lượng
44 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
Định lý Gauss - Markov
1. Sự cần thiết
của MHHQ bội Với các giả thiết 1 – 4 của phương pháp
2. Mô hình hồi
quy tổng thể OLS, các ước lượng của OLS sẽ là ước
3. Mô hình hồi lượng tuyến tính, không chệch và có
quy mẫu
4. Phương phương sai nhỏ nhất trong lớp các ước
pháp OLS
5. Độ phù hợp
lượng tuyến tính không chệch. (BLUE –
của hàm hồi Best Linear Unbiased Estimator)
quy
6. Các giả thiết ^
Không chệch: Ej j
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
45 of 10
BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội
2. Mô hình hồi
quy tổng thể
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
^ phản ánh độ chính xác của ước lượng
quy
var j
6. Các giả thiết
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
46 of 10
BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Sự cần thiết
của MHHQ bội Dependent Variable: CT
Method: Least Squares
2. Mô hình hồi Date: 11/14/15 Time: 05:55
VD3
quy tổng thể Sample: 1 33
Included observations: 33
3. Mô hình hồi
quy mẫu Variable Coefficient Std. Error t-Statistic Prob.
4. Phương C 18.86018 8.832144 2.135402 0.0410
pháp OLS TN 0.791224 0.015991 49.48055 0.0000
5. Độ phù hợp TS 0.015818 0.003984 3.970277 0.0004
Sử
dụng
phần
mềm
Eviews
48 of 10
CHƯƠNG 3: SUY DIỄN THỐNG KÊ VÀ DỰ BÁO TỪ MÔ HÌNH HỒI QUY
Quy luật phân phối xác suất của một số thống kê mẫu
49 of 10
BÀI 1: QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT SỐ THỐNG KÊ MẪU
50 of 10
BÀI 1: QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT SỐ THỐNG KÊ MẪU
51 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng
tin cậy cho E(Y|X2,…Xk) = β1+β2X2 +…+ βkXk
một hệ số
Khi Xj tăng 1 đơn vị, các biến khác không đổi thì
hồi quy
2.2. Khoảng giá trị trung bình của biến phụ thuộc thay đổi…..
tin cậy cho
biểu thức
của 2 hệ số Với độ tin cậy 1 – α, khoảng tin cậy đối xứng của
hồi quy
βj là :
^ ^ ^ ^
j t /2,n k se j , j t /2,n k se j
52 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng Dependent Variable: CT
tin cậy cho Method: Least Squares
Date: 11/14/15 Time: 05:55
một hệ số VD1
Sample: 1 33
hồi quy Included observations: 33
2.2. Khoảng
Variable Coefficient Std. Error t-Statistic Prob.
tin cậy cho
biểu thức C 18.86018 8.832144 2.135402 0.0410
của 2 hệ số TN 0.791224 0.015991 49.48055 0.0000
TS 0.015818 0.003984 3.970277 0.0004
hồi quy
R-squared 0.999545 Mean dependent var 1610.415
Adjusted R-squared 0.999515 S.D. dependent var 557.2878
S.E. of regression 12.27498 Akaike info criterion 7.939512
Sum squared resid 4520.257 Schwarz criterion 8.075558
Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
F-statistic 32963.98 Durbin-Watson stat 1.912696
Prob(F-statistic) 0.000000
53 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng
tin cậy cho
một hệ số
hồi quy
2.2. Khoảng
tin cậy cho
biểu thức
của 2 hệ số
hồi quy
54 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng
tin cậy cho
một hệ số
hồi quy
2.2. Khoảng
tin cậy cho
biểu thức
của 2 hệ số
hồi quy
55 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng E(Y|X2,X3) = β1 + β2X2 + β3X3
tin cậy cho
một hệ số E(Y|X2 + a, X3 + b) – E(Y|X2, X3)= aβ2 + bβ3
hồi quy
2.2. Khoảng
tin cậy cho
Khi X2 tăng a đơn vị, X3 tăng b đơn vị, giá trị trung
biểu thức bình của Y thay đổi aβ2 + bβ3. Với độ tin cậy 1 – α,
của 2 hệ số
hồi quy khoảng tin cậy đối xứng cho aβ2 + bβ3 là:
^ ^
^ ^
^ ^
^ ^
a b t /2, n k se a b 3 , a b t /2, n k se a b 3
2 3 2 2 3 2
với
^ ^
^ ^
^ ^
se a 2 b 3 a var 2 b var 3 2ab cov 2 , 3
2 2
56 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng
Để đánh giá hiệu quả của đầu tư từ các khu vực kinh tế lên
tin cậy cho
một hệ số tổng sản phẩm quốc nội, người ta sử dụng mô hình hồi quy
hồi quy
sau: GDP = β1 + β2FDI + β3 DI + u trong đó GDP, FDI, DI lần
2.2. Khoảng
tin cậy cho lượt là tổng sản phẩm quốc nội, đầu tư trực tiếp nước ngoài và
biểu thức đầu tư nội địa (đơn vị: tỷ USD). VD2
của 2 hệ số
hồi quy Sử dụng 30 quan sát thu được kết quả ước lượng sau:
57 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng
tin cậy cho
một hệ số
hồi quy
2.2. Khoảng
tin cậy cho
biểu thức
của 2 hệ số
hồi quy
58 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
3.2. Kiểm định
giả thuyết về một Dependent Variable: CT
ràng buộc giữa Method: Least Squares
các hệ số hồi Date: 09/01/15 Time: 10:32
quy – kiểm định Sample: 1 33
T Included observations: 33
3.3. Giá trị xác
suất P của các Variable Coefficient Std. Error t-Statistic Prob.
thống kê kiểm
định C 18.86018 8.832144 2.135402 0.0410
TN 0.791224 0.015991 49.48055 0.0000
3.4. Kiểm định TS 0.015818 0.003984 3.970277 0.0004
giả thuyết về
nhiều ràng buộc R-squared 0.999545 Mean dependent var 1610.415
của các hệ số hồi Adjusted R-squared 0.999515 S.D. dependent var 557.2878
quy – kiểm định S.E. of regression 12.27498 Akaike info criterion 7.939512
F Sum squared resid 4520.257 Schwarz criterion 8.075558
3.5. Kiểm định về Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
sự phù hợp của F-statistic 32963.98 Durbin-Watson stat 1.912696
hàm hồi quy Prob(F-statistic) 0.000000
59 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
H0 H1 Bác bỏ H0 nếu
3.2. Kiểm định
giả thuyết về một
ràng buộc giữa βj = β* βj ≠ β* |tqs |>tα/2,n-k
các hệ số hồi
quy – kiểm định βj ≥ β* βj < β* tqs < - tα,n-k
T
3.3. Giá trị xác βj ≤ β* βj > β* tqs > tα,n-k
suất P của các
thống kê kiểm
định ^
3.4. Kiểm định j *
giả thuyết về tqs
nhiều ràng buộc ^
của các hệ số hồi se j
quy – kiểm định
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
60 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T Dependent Variable: CT
3.2. Kiểm định Method: Least Squares
VD1
giả thuyết về một Date: 09/01/15 Time: 10:32
ràng buộc giữa Sample: 1 33
các hệ số hồi Included observations: 33
quy – kiểm định
T Variable Coefficient Std. Error t-Statistic Prob.
3.3. Giá trị xác
suất P của các C 18.86018 8.832144 2.135402 0.0410
thống kê kiểm TN 0.791224 0.015991 49.48055 0.0000
định TS 0.015818 0.003984 3.970277 0.0004
3.4. Kiểm định
giả thuyết về R-squared 0.999545 Mean dependent var 1610.415
nhiều ràng buộc Adjusted R-squared 0.999515 S.D. dependent var 557.2878
của các hệ số hồi S.E. of regression 12.27498 Akaike info criterion 7.939512
quy – kiểm định Sum squared resid 4520.257 Schwarz criterion 8.075558
F Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
3.5. Kiểm định về F-statistic 32963.98 Durbin-Watson stat 1.912696
sự phù hợp của Prob(F-statistic) 0.000000
hàm hồi quy
61 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
VD1
3.2. Kiểm định
giả thuyết về một
ràng buộc giữa
các hệ số hồi
quy – kiểm định
T
3.3. Giá trị xác
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
nhiều ràng buộc
của các hệ số hồi
quy – kiểm định
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
62 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
H0 H1 Bác bỏ H0 nếu
3.2. Kiểm định
giả thuyết về một
ràng buộc giữa aβj + bβs = a* aβj + bβs ≠ a* |tqs |>tα/2,n-k
các hệ số hồi
quy – kiểm định aβj + bβs ≥ a* aβj + bβs < a* tqs < - tα,n-k
T
3.3. Giá trị xác aβj + bβs ≤ a* aβj + bβs > a* tqs > tα,n-k
suất P của các
thống kê kiểm ^ ^
định a j b s a*
3.4. Kiểm định tqs
giải thuyết về ^ ^
nhiều ràng buộc se a j b s
của các hệ số hồi
quy – kiểm định
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
63 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một VD3
hệ số hồi quy –
Để xem xét mối quan hệ giữa các yếu tố đầu vào với sản
kiểm định T
3.2. Kiểm định lượng trong các nhà máy dệt kim, người ta thực hiện mô
giả thuyết về một
ràng buộc giữa hình hồi quy với số liệu từ 30 nhà máy và thu được kết
các hệ số hồi
quy – kiểm định quả:
T ^ ^
3.3. Giá trị xác Q = 150 + 0,5K + 0,7L + e cov 2 , 3 0, 017
suất P của các
thống kê kiểm Se (1,2) (0,1) (0,2)
định
3.4. Kiểm định trong đó Q là số áo sản xuất được (đơn vị: trăm), K là số
giải thuyết về
nhiều ràng buộc máy dệt (máy), L là số lao động (đơn vị: 10 người).
của các hệ số hồi
quy – kiểm định Giả sử chi phí thuê 10 lao động cũng bằng chi phí thuê 1
F
3.5. Kiểm định về
máy dệt. Với mức ý nghĩa 5%, có thể cho rằng tiền chi cho
sự phù hợp của lao động hiệu quả hơn tiền chi cho máy dệt không?
hàm hồi quy
64 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
3.2. Kiểm định
giả thuyết về một
ràng buộc giữa
các hệ số hồi
quy – kiểm định
T
3.3. Giá trị xác
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
nhiều ràng buộc
của các hệ số hồi
quy – kiểm định
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
65 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một Xét cặp giả thuyết H0 và đối thuyết H1
hệ số hồi quy –
kiểm định T
3.2. Kiểm định Gọi P là mức ý nghĩa nhỏ nhất mà H0 bị bác bỏ
giả thuyết về một
ràng buộc giữa
các hệ số hồi tương ứng với giá trị quan sát của thống kê kiểm
quy – kiểm định
T định.
3.3. Giá trị xác
suất P của các
thống kê kiểm
định
- Nếu p-value < α (mức ý nghĩa) thì ta bác bỏ H0.
3.4. Kiểm định
giải thuyết về
nhiều ràng buộc - Nếu p-value > α thì chưa đủ cơ sở để bác bỏ
của các hệ số hồi
quy – kiểm định H0.
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
66 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định Dependent Variable: CT
giả thuyết về một Method: Least Squares
hệ số hồi quy – Date: 09/01/15 Time: 10:32
kiểm định T Sample: 1 33 VD4
3.2. Kiểm định Included observations: 33
giả thuyết về một
ràng buộc giữa Variable Coefficient Std. Error t-Statistic Prob.
các hệ số hồi
quy – kiểm định C 18.86018 8.832144 2.135402 0.0410
T TN 0.791224 0.015991 49.48055 0.0000
3.3. Giá trị xác TS 0.015818 0.003984 3.970277 0.0004
suất P của các
thống kê kiểm R-squared 0.999545 Mean dependent var 1610.415
định Adjusted R-squared 0.999515 S.D. dependent var 557.2878
3.4. Kiểm định S.E. of regression 12.27498 Akaike info criterion 7.939512
giải thuyết về Sum squared resid 4520.257 Schwarz criterion 8.075558
nhiều ràng buộc Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
của các hệ số hồi F-statistic 32963.98 Durbin-Watson stat 1.912696
quy – kiểm định Prob(F-statistic) 0.000000
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
67 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
VD1
3.1. Kiểm định
giả thuyết về một Gọi CT, TN, TS, SD lần lượt là chi tiêu, thu nhập,
hệ số hồi quy –
kiểm định T
tài sản, cổ tức hộ gia đình nhận được trong 1 năm.
3.2. Kiểm định Sử dụng bộ số liệu của 33 hộ gia đình thu được
giả thuyết về một
ràng buộc giữa mô hình hồi quy mẫu 1:
các hệ số hồi CT=28,9417+0,7275TN+0,0216TS+5,1255SD+e
quy – kiểm định
T Hệ số xác định của mô hình 1: 0,9996
3.3. Giá trị xác
suất P của các Cùng bộ số liệu ấy, người ta hồi quy CT theo TN
thống kê kiểm (mô hình 2) thu được kết quả:
định
3.4. Kiểm định CT = 42,7329 + 0,8533TN + e
giả thuyết về
nhiều ràng buộc Hệ số xác định của mô hình 2: 0,9993
của các hệ số hồi
quy – kiểm định
? Có thể cho rằng TS và SD cùng không ảnh hưởng
F đến CT không với mức ý nghĩa 5%?
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
68 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T ( R 2 (U ) R 2 ( R)) / m
3.2. Kiểm định Tính Fqs trong đó
giả thuyết về một (1 R 2 (U ) / (n k (U ))
ràng buộc giữa
các hệ số hồi R2(U): hệ số xác định mô hình không có ràng buộc
quy – kiểm định
T R2(R) là hệ số xác định mô hình có ràng buộc,
3.3. Giá trị xác
suất P của các m: số ràng buộc,
thống kê kiểm k(U): số biến của mô hình không có ràng buộc.
định
3.4. Kiểm định
giả thuyết về Nếu Fqs > Fα (m, n – k) thì bác bỏ H0, chấp
nhiều ràng buộc
của các hệ số hồi nhận H1
quy – kiểm định
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
69 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
3.2. Kiểm định
giả thuyết về một
ràng buộc giữa
các hệ số hồi
quy – kiểm định
T
3.3. Giá trị xác
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
nhiều ràng buộc
của các hệ số hồi
quy – kiểm định
F
3.5. Kiểm định về
VD4
sự phù hợp của
hàm hồi quy
70 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy – Kiểm định cặp giả thuyết:
kiểm định T
3.2. Kiểm định H0: R2 = 0 (Hàm hồi quy không phù hợp)
giả thuyết về một
ràng buộc giữa
các hệ số hồi H1: R2 ≠ 0 (Hàm hồi quy phù hợp)
quy – kiểm định
T Tiêu chuẩn thống kê:
3.3. Giá trị xác
suất P của các
thống kê kiểm R 2 / (k 1)
định Fqs
3.4. Kiểm định
(1 R 2 ) / (n k )
giả thuyết về
nhiều ràng buộc
của các hệ số hồi
Nếu Fqs > Fα (k – 1, n – k) thì bác bỏ H0,
quy – kiểm định
F kết luận hàm hồi quy là phù hợp.
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
71 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một VD1
hệ số hồi quy –
kiểm định T
3.2. Kiểm định Dependent Variable: CT
giả thuyết về một Method: Least Squares
ràng buộc giữa Date: 11/01/17 Time: 15:09
các hệ số hồi Sample: 1 33
quy – kiểm định Included observations: 33
T
Variable Coefficient Std. Error t-Statistic Prob.
3.3. Giá trị xác
suất P của các C -209.3590 67.34694 -3.108664 0.0040
thống kê kiểm TS 0.208648 0.007405 28.17857 0.0000
định
3.4. Kiểm định R-squared 0.962426 Mean dependent var 1610.415
giả thuyết về Adjusted R-squared 0.961214 S.D. dependent var 557.2878
nhiều ràng buộc S.E. of regression 109.7537 Akaike info criterion 12.29305
của các hệ số hồi Sum squared resid 373422.1 Schwarz criterion 12.38374
Log likelihood -200.8353 Hannan-Quinn criter. 12.32356
quy – kiểm định
F-statistic 794.0318 Durbin-Watson stat 0.766250
F
Prob(F-statistic) 0.000000
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
72 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một VD1
hệ số hồi quy –
kiểm định T
3.2. Kiểm định
giả thuyết về một
ràng buộc giữa
các hệ số hồi
quy – kiểm định
T
3.3. Giá trị xác
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
nhiều ràng buộc
của các hệ số hồi
quy – kiểm định
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
73 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
Lưu ý
hệ số hồi quy –
kiểm định T
3.2. Kiểm định
giả thuyết về một Khi kiểm định cặp giả thuyết dạng H0: βj = β* ,
ràng buộc giữa
các hệ số hồi
H1: βj ≠ β* ta có thể áp dụng kiểm định T và kiểm
quy – kiểm định định F và kết luận là hoàn toàn giống nhau.
T
3.3. Giá trị xác
suất P của các Khi kiểm định giả thuyết có 2 ràng buộc trở lên
thống kê kiểm thì sử dụng kiểm định F.
định
3.4. Kiểm định
giả thuyết về Có sự khác biệt trong kết luận khi sử dụng kiểm
nhiều ràng buộc định T và kiểm định F cho trường hợp nhiều hệ số
của các hệ số hồi
quy – kiểm định do một số nguyên nhân, trong đó có nguyên nhân
F về sự đa cộng tuyến giữa các biến độc lập.
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
74 of 10
BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC
4.1. Ước
lượng điểm
cho giá trị
trung bình CT = 18,86018 + 0,791224TN + 0,015818TS + e
4.2. Dự báo
giá trị trung
bình mô hình
2 biến
4.3. Dự báo
giá trị cá biệt
mô hình 2
biến
75 of 10
BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC
4.1. Ước
Trường hợp mô hình hồi quy 2 biến:
lượng điểm
cho giá trị
trung bình
Y = β1 + β2X + u
4.2. Dự báo Khoảng tin cậy với độ tin cậy 1 – α cho giá trị trung
giá trị trung
bình mô hình bình của biến phụ thuộc khi X = X0 là:
2 biến
^ ^ ^ ^
4.3. Dự báo Y0 t /2,n 2 se Y0 , Y0 t /2, n 2 se Y0
giá trị cá biệt
^ ^ ^
mô hình 2
trong đó Y 0 1 2 X 0 là ước lượng điểm
biến
của E(Y|X0).
^ ^ 1 ( X 0 X )2
se Y 0
n
xi2
n
i 1
76 of 10
CHƯƠNG 3: CÁC MÔ HÌNH HỒI QUY ĐẶC BIỆT
77 of 10
BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
1. Khái niệm
biến giả
2. Biến định
Biến • Giá trị thể hiện bằng
những con số
tính
phạm trù
có 2 định
Với các giả thiết•1VD:
– 4Thu
củanhập,
phươngchi pháp
tiêu, GDP, tỷ giá…
2.1. Hồi quy lượng
OLS, các ước lượng của OLS sẽ là ước
với biến độc
lập là biến giả lượng tuyến tính, không chệch và có
2.2. Hồi quy
với biến độc Biến
phương sai nhỏ•nhất
Giá trị không
trong thểcác
lớp hiệnước
bằng những con số
lập định tính
và định lượng định
lượng tuyến tính• không
VD: Giớichệch.
tính, màu
sắc, nghề nghiệp…
2.3. Hồi quy
với biến
tính
tương tác
3. Biến định
Lượng hoá
tính có nhiều
hơn 2 phạm
Biến giả
trù
78 of 10
BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
1. Khái niệm
biến giả
(dummy Giới tính: nam, nữ
variable)
2. Biến định
Vị trí ngôi nhà: mặt tiền, không mặt tiền
tính có 2 Khu vực bán hàng: thành thị, nông thôn
phạm trù
2.1. Hồi quy
với biến độc
lập là biến giả
2.2. Hồi quy
với biến độc
lập định tính
và định lượng
2.3. Hồi quy
với biến
tương tác
3. Biến định
tính có nhiều
hơn 2 phạm
trù 79 of 10
BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
1.1. Khái niệm
Dependent Variable: Y
biến giả Method: Least Squares
(dummy Date: 11/18/15 Time: 10:11 VD4
variable) Sample: 1 10
Included observations: 10
1.2. Biến định
tính có 2 Variable Coefficient Std. Error t-Statistic Prob.
phạm trù
1.2.1. Hồi quy C 4.440000 0.361386 12.28602 0.0000
Z 3.620000 0.511077 7.083077 0.0001
với biến độc
lập là biến giả R-squared 0.862472 Mean dependent var 6.250000
1.2.2. Hồi quy Adjusted R-squared 0.845281 S.D. dependent var 2.054399
S.E. of regression 0.808084 Akaike info criterion 2.588555
với biến độc
Sum squared resid 5.224000 Schwarz criterion 2.649072
lập định tính Log likelihood -10.94278 Hannan-Quinn criter. 2.522168
và định lượng F-statistic 50.16998 Durbin-Watson stat 2.175421
1.2.3. Hồi quy Prob(F-statistic) 0.000104
với biến ^
tương tác Yi 4, 44 3,62 Z i
1.3. Biến định
tính có nhiều
hơn 2 phạm
trù 80 of 10
BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
1.1. Khái niệm
biến giả E(Y|Z) = β1 + β2Z
(dummy
variable)
1.2. Biến định
tính có 2
phạm trù
1.2.1. Hồi quy
với biến độc β1 cho biết giá trị trung bình của biến Y khi Z = 0.
lập là biến giả
1.2.2. Hồi quy
với biến độc
lập định tính
β2 cho biết sự chênh lệch về giá trị trung bình của
và định lượng Y trong 2 trường hợp Z = 1 và Z = 0.
1.2.3. Hồi quy
với biến
tương tác
1.3. Biến định
tính có nhiều
hơn 2 phạm
trù 81 of 10
BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
Dependent Variable: Y
1.1. Khái niệm Method: Least Squares
biến giả Date: 11/18/15 Time: 10:11 VD4 ^
(dummy
Sample: 1 10
Included observations: 10
Yi 4, 44 3,62 Z i
variable)
1.2. Biến định Variable Coefficient Std. Error t-Statistic Prob.
tính có 2
C 4.440000 0.361386 12.28602 0.0000
phạm trù Z 3.620000 0.511077 7.083077 0.0001
1.2.1. Hồi quy
với biến độc R-squared 0.862472 Mean dependent var 6.250000
Adjusted R-squared 0.845281 S.D. dependent var 2.054399
lập là biến giả
S.E. of regression 0.808084 Akaike info criterion 2.588555
1.2.2. Hồi quy Sum squared resid 5.224000 Schwarz criterion 2.649072
với biến độc Log likelihood -10.94278 Hannan-Quinn criter. 2.522168
lập định tính F-statistic 50.16998 Durbin-Watson stat 2.175421
và định lượng ^ Prob(F-statistic) 0.000104
2.1. Mô hình
dạng log –
log
2.2. Mô hình
dạng bán
loga
(semilog)
2.2.1. Mô
hình log-lin
2.2.2. Mô
hình dạng
lin-log
95 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
2.1. Mô hình
dạng log –
log
Cho hàm sản xuất của DN:
2.2. Mô hình
dạng bán Q aK L
loga
(semilog) Doanh nghiệp tăng quy mô có hiệu quả khi và
2.2.1. Mô chỉ khi α + β > 1.
hình log-lin
2.2.2. Mô Doanh nghiệp tăng quy mô không hiệu quả
hình dạng khi và chỉ khi α + β < 1.
lin-log
Doanh nghiệp tăng quy mô không thay đổi
hiệu quả khi và chỉ khi α + β = 1.
96 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
2.1. Mô hình
dạng log – Mô hình hồi quy dạng log – log:
log
2.2. Mô hình
dạng bán log Y 1 2 log X 2 ... k log X k u
loga
(semilog)
2.2.1. Mô j XY j
: Nếu Xj tăng 1%, các yếu tố khác không
hình log-lin
đổi thì trung bình của Y thay đổi βj %
2.2.2. Mô
hình dạng
lin-log
97 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
98 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
2.1. Mô hình
dạng log –
log Các mô hình hồi quy tuyến tính trong đó chỉ
2.2. Mô hình có một biến xuất hiện dưới dạng logarithm
dạng bán
loga gọi là mô hình dạng bán loga.
(semilog)
2.2.1. Mô
hình log-lin Nếu biến phụ thuộc xuất hiện dưới dạng
2.2.2. Mô logarithm thì gọi là mô hình log – lin.
hình dạng
lin-log
99 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
2.1. Mô hình
dạng log –
log
2.2. Mô hình
dạng bán
loga Mô hình log-lin có dạng:
(semilog)
2.2.1. Mô log(Y) = β1 + β2X2 +…+βkXk + u
hình log-lin
2.2.2. Mô
hình dạng βj cho biết: nếu Xj tăng 1 đơn vị thì Y trung
lin-log
bình thay đổi 100βj %.
100 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
2.1. Mô hình
dạng log –
log
Năm T GDP
2.2. Mô hình
1972 1
dạng bán
loga 1973 2
(semilog) …
2.2.1. Mô 1991 20
hình log-lin
2.2.2. Mô
hình dạng
lin-log
VD7
101 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
VD7
102 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
103 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
VD6
2.1. Mô hình
dạng log – Nghiên cứu đầu tư (DT- triệu đồng/năm) của hộ gia đình
log
phụ thuộc vào lãi suất (LS - %/năm) và thu nhập (TN –
2.2. Mô hình
dạng bán triệu đồng/năm) dựa trên mẫu quan sát gồm 33 hộ gia
loga
đình cho kết quả như sau:
(semilog)
2.2.1. Mô LOG(DT) = 0,534 + 0,065LS + 0,526LOG(TN) + e
hình log-lin
(se) (0,25) (0,024) (0,115)
2.2.2. Mô
hình dạng a) Hãy cho biết ý nghĩa các hệ số ước lượng chỉ tác động
lin-log
riêng phần.
b) Khi lãi suất tăng 1% mỗi năm và thu nhập không đổi thì
giá trị trung bình của đầu tư của mỗi hộ gia đình thay đổi
trong khoảng nào với độ tin cậy 95%?
104 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
VD6
2.1. Mô hình
dạng log –
log
2.2. Mô hình
dạng bán
loga
(semilog)
2.2.1. Mô
hình log-lin
2.2.2. Mô
hình dạng
lin-log
105 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
VD6
Sử dụng
phần mềm
Eviews
106 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
107 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
Câu hỏi 1
WAGE
AGE
Kì vọng:
108 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
Câu hỏi 2
109 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
110 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
VD9
Cho mô hình hồi quy mẫu:
WAGE = 16 + 50AGE – 0,5AGE2 + 3EDU + e
se = (1,2) (0,05) (0,8) (0,2)
R2 = 0,7645; n = 34
a) Giải thích ý nghĩa của hệ số ước lượng ứng với
biến AGE2 và EDU.
b) Bắt đầu từ độ tuổi nào thì tiền lương trung bình
bắt đầu giảm?
c) Tìm độ tuổi mà tại đó tiền lương trung bình đạt
mức tối đa.
d) Có ý kiến cho rằng mức tăng của lương sẽ giảm
dần qua các năm. Cho nhận xét với mức ý nghĩa
5%.
111 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
VD9
112 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
VD9
113 of 10
CHƯƠNG 5: KIỂM ĐỊNH VÀ LỰA CHỌN MÔ HÌNH
• Kì vọng của sai số ngẫu nhiên tại mỗi giá trị (X2i,…, Xki)
2 bằng 0. E(u|X2i,…Xki) = 0
• Phương sai của sai số ngẫu nhiên tại các giá trị (X2i,…Xki)
3 là bằng nhau. Var(u|X2i,…Xki) = σ2
• Giữa các biến độc lập không có hiện tượng đa cộng tuyến
4 hoàn hảo.
• Sai số ngẫu nhiên tuân theo quy luật chuẩn: ui ~ N(0, σ2)
5
115 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
1. Nguyên
nhân Mô hình thiếu biến quan trọng:
2. Hậu quả
3. Cách phát Biến có tác động đến biến phụ thuộc Y.
hiện
4. Cách khắc Biến có tương quan với ít nhất một trong
phục
các biến độc lập sẵn có trong mô hình.
116 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
1. Nguyên
nhân Ước lượng OLS sẽ là ước lượng chệch.
2. Hậu quả
3. Cách phát
hiện
Các suy diễn thống kê không còn đáng tin cậy.
4. Cách khắc
phục
117 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
118 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
1. Nguyên
nhân
2. Hậu quả Kiểm định bỏ sót biến.
3. Cách phát
hiện
4. Cách khắc
phục
119 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
Sử dụng
phần mềm
Eviews
120 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
1. Nguyên
nhân Omitted Variables Test
Equation: UNTITLED
2. Hậu quả Specification: Y C X2
Omitted Variables: X3
3. Cách phát
hiện t-statistic
Value
6.747707
df
9
Probability
0.0001
4. Cách khắc F-statistic
Likelihood ratio
45.53155
21.61866
(1, 9)
1
0.0001
0.0000
phục F-test summary:
Sum of S... df Mean Squares
Test SSR 96553.86 1 96553.86
Restricted SSR 115639.2 10 11563.92
Unrestricted SSR 19085.33 9 2120.592
Unrestricted SSR 19085.33 9 2120.592
LR test summary:
Value df
Restricted LogL -72.0672... 10
Unrestricted LogL -61.2578... 9
121 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
122 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
123 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
124 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
Sử dụng
phần mềm
Eviews
125 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
LR test summary:
Value df
Restricted LogL -61.2578... 9
Unrestricted LogL -60.7513... 8
126 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
1. Nguyên
nhân Nếu MH thiếu biến Z (đã biết) thêm biến.
2. Hậu quả
3. Cách phát
hiện Nếu dạng hàm sai được phát hiện từ kiểm
4. Cách khắc
phục
định Ramsey dùng mô hình dạng logarit
hoặc thêm các biến dạng bình phương của
các biến đã có trong mô hình.
127 of 10
BÀI 2 : PHƯƠNG SAI SAI SỐ THAY ĐỔI
• Phương sai của sai số ngẫu nhiên tại các giá trị (X2i,…Xki)
3 là bằng nhau. Var(ui|X2i,…Xki) = σ2
• Giữa các biến độc lập không có hiện tượng đa cộng tuyến
4 hoàn hảo.
• Sai số ngẫu nhiên tuân theo quy luật chuẩn: ui ~ N(0, σ2)
5
128 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
Khi giả thiết 3 bị vi phạm tức là mô hình có hiện
2. Nguyên
nhân tượng phương sai sai số thay đổi (Heteroskedasticity)
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
129 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
2. Nguyên
Do bản chất của số liệu.
nhân
3. Hậu quả
Do mô hình thiếu biến quan trọng hoặc dạng hàm
4. Phát hiện sai.
5. Cách khắc
phục
130 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
Ước lượng không chệch
2. Nguyên
nhân
3. Hậu quả Phương sai của hệ số ước lượng chệch.
4. Phát hiện
5. Cách khắc Kết quả BT khoảng tin cậy và kiểm định không
phục đáng tin cậy.
131 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm Phương pháp định tính: dựa vào bản chất của vấn
2. Nguyên
nhân đề nghiên cứu.
3. Hậu quả
4. Phát hiện Sử dụng đồ thị phần dư.
5. Cách khắc
phục Dùng kiểm định White
132 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
H0: α2 = α3 = α4 = α5 = α6 = 0
133 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
Sử dụng
phần mềm
Eviews
134 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
3. Hậu quả
Test Equation:
4. Phát hiện Dependent Variable: RESID^2
Method: Least Squares
5. Cách khắc Date: 09/02/19 Time: 19:34
phục Sample: 1 12
Included observations: 12
135 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
Breusch
2. Nguyên
- Pagan Y = β1 + β2X2 + β3X3 + u
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc u2 có tương quan với một trong
phục MH có HET
các biến X2, X3
ei2 1 2 X 2i 3 X 3i vi
H0: α2 = α3 = 0
136 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
Heteroskedasticity Test: Breusch-Pagan-Godfrey
2. Nguyên
nhân
F-statistic 0.153728 Prob. F(2,9) 0.8597 VD10
Obs*R-squared 0.396399 Prob. Chi-Square(2) 0.8202
3. Hậu quả Scaled explained SS 0.188943 Prob. Chi-Square(2) 0.9099
4. Phát hiện
Test Equation:
5. Cách khắc Dependent Variable: RESID^2
Method: Least Squares
phục Date: 09/02/19 Time: 21:12
Sample: 1 12
Included observations: 12
137 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
2. Nguyên
nhân Thêm biến, sửa lại dạng hàm.
3. Hậu quả
4. Phát hiện Phương pháp bình phương bé nhất tổng quát
5. Cách khắc
phục (GLS – Generalized Least Square).
138 of 10
BÀI 3: ĐA CỘNG TUYẾN
139 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục α
140 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
141 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
142 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên
nhân
Do bản chất mối quan hệ giữa các biến độc
3. Hậu quả lập.
4. Phát hiện Dạng hàm mô hình: mô hình có dạng hàm đa
5. Cách khắc thức: biến X và X2, X3 đặc biệt khi X nhận giá
phục
trị trong khoảng nhỏ.
- Hồi quy mà số biến độc lập lớn hơn số quan
sát.
Mẫu không mang tính đại diện.
Các biến độc lập được quan sát theo chuỗi
thời gian có cùng chiều hướng biến động
143 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm Khi gặp đa cộng tuyến hoàn hảo, ta không thể
2. Nguyên
nhân ước lượng được mô hình.
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
144 of 10
BÀI 3: ĐA CỘNG TUYẾN
145 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
Dependent Variable: CT
2. Nguyên Method: Least Squares
nhân Date: 09/01/15 Time: 10:32 VD15
3. Hậu quả Sample: 1 33
4. Phát hiện Included observations: 33
146 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
Hồi quy một biến độc lập nào đó theo các biến
2. Nguyên
nhân độc lập còn lại và quan sát hệ số xác định của
3. Hậu quả
4. Phát hiện các mô hình. Nếu R2 quá lớn (ví dụ: >0.9)nghi
5. Cách khắc
phục ngờ đa cộng tuyến.
147 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
Dependent Variable: TN
2. Nguyên Method: Least Squares
nhân Date: 11/02/17 Time: 15:12
Sample: 1 33
3. Hậu quả
Included observations: 33
4. Phát hiện
5. Cách khắc Variable Coefficient Std. Error t-Statistic Prob.
phục C -288.4380 84.60065 -3.409407 0.0018
TS 0.243711 0.009301 26.20137 0.0000
148 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên Tính hệ số tương quan cặp (pair – wise
nhân
3. Hậu quả correlation) giữa các biến Xj:
4. Phát hiện
5. Cách khắc Nếu hệ số tương quan giữa 2 biến nào đó > 0,8 thì
phục
có thể xem là mô hình có đa cộng tuyến cao.
149 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên
Dùng nhân tử phóng đại phương sai (VIF –
nhân
variance inflation factor)
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
150 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
Dependent Variable: TN
2. Nguyên Method: Least Squares
nhân Date: 11/02/17 Time: 15:12 VD15
Sample: 1 33
3. Hậu quả
Included observations: 33
4. Phát hiện
5. Cách khắc Variable Coefficient Std. Error t-Statistic Prob.
phục C -288.4380 84.60065 -3.409407 0.0018
TS 0.243711 0.009301 26.20137 0.0000
VIF?
151 of 10
BÀI 3: ĐA CỘNG TUYẾN
152 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm
2. Nguyên
nhân Gia tăng kích thước mẫu.
3. Hậu quả
4. Phát hiện Bỏ bớt biến gây ra đa cộng tuyến cao.
5. Cách khắc
phục Tổng hợp các biến bị đa cộng tuyến thành một
biến duy nhất rồi đưa vào mô hình.
153 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
2.Nguyên Tự tương quan là hiện tượng có sự tương quan
nhân
3. Hậu quả giữa các quan sát trong cùng bảng số liệu.
4. Phát hiện
4. Cách khắc
phục
cov(ui , u j ) 0
Hiện tượng này thường xảy ra với dữ liệu chuỗi
thời gian.
154 of 10
BÀI 4: TỰ TƯƠNG QUAN
155 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa Nếu sai số ut chỉ tương quan với ut-1 thì ta có hiện
2.Nguyên
nhân tượng tự tương quan bậc 1, kí hiệu là AR(1)
3. Hậu quả
4. Phát hiện Nếu sai số ut tương quan với m kì trước đó thì ta
4. Cách khắc
phục có hiện tượng tự tương quan bậc m, kí hiệu là
AR(m)
156 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
2.Nguyên Do bản chất của các hiện tượng kinh tế: các
nhân
3. Hậu quả
hiện tượng kinh tế có tính chất quán tính, tính
4. Phát hiện chất mạng nhện hoặc tính trễ.
4. Cách khắc
phục
Do lập mô hình (thiếu biến hoặc dạng hàm
sai…)
Do việc xử lý số liệu
157 of 10
BÀI 4: TỰ TƯƠNG QUAN
158 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
2.Nguyên
nhân Xem xét đồ thị phần
3. Hậu quả
dư
4. Phát hiện
4. Cách khắc
phục
Dùng phương pháp
Durbin - Watson
159 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
Hồi quy mô hình gốc: thu phần dư et.
2. Nguyên
nhân Vẽ đồ thị phần dư et theo thời gian.
3. Hậu quả
4. Phát hiện
Một số dạng đồ thị có tự tương quan:
4.1. Xem xét
đồ thị phần ei
dư
ei
4.2. Dùng
phương pháp
Durbin – t t
Watson
4.3. Dùng ei ei
phương pháp
Breusch -
Godfrey
5. Cách khắc
t t
phục
160 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
Điều kiện áp dụng:
2. Nguyên
nhân Có nhiều hơn 15 quan sát.
3. Hậu quả
4. Phát hiện
Chuỗi số liên tục: không có quan sát bị mất ở giữa.
4.1. Xem xét
đồ thị phần
Biến giải thích không được là biến trễ của biến phụ
dư
thuộc.
4.2. Dùng
phương pháp
Durbin – Mô hình có hệ số chặn.
Watson
4.3. Dùng Chỉ kiểm định tự tương quan bậc nhất.
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
161 of 10
BÀI 4: TỰ TƯƠNG QUAN
t 1
4.1. Xem xét
đồ thị phần
Tra bảng DW với mức ý nghĩa α, số quan sát n,
dư số biến độc lập k’ = k – 1 ta được dL và dU
4.2. Dùng Quy tắc kiểm định
phương pháp
Durbin – 4
Watson
4.3. Dùng
0 dL dU 4-dU 4-dL
phương pháp ρ>0
Breusch - ρ=0 ρ<0
Tương Không Không có tự
Godfrey Không Tương quan
5. Cách khắc
quan kết luận tương quan kết luận âm
phục dương
162 of 10
BÀI 4: TỰ TƯƠNG QUAN
163 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
Yt 1 2 X 2t ... k X kt ut
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
4.1. Xem xét ? MH có hiện tượng tự tương quan bậc p?
đồ thị phần
dư
4.2. Dùng
phương pháp
Durbin –
Watson
4.3. Dùng
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
164 of 10
BÀI 4: TỰ TƯƠNG QUAN
Sử dụng
phần mềm
Eviews
165 of 10
BÀI 4: TỰ TƯƠNG QUAN
166 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
2. Nguyên Vẫn dùng OLS nhưng hiệu chỉnh sai số chuẩn
nhân ^
3. Hậu quả của j để kiểm định đáng tin cậy hơn bằng cách
4. Phát hiện
dùng ma trận Newey – West.
4.1. Xem xét
đồ thị phần
dư
4.2. Dùng
phương pháp
Durbin –
Watson
4.3. Dùng
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
167 of 10
BÀI 5: VẤN ĐỂ PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN
1. Hậu quả
2. Phát hiện
Khi sai số ngẫu nhiên không tuân theo quy luật
chuẩn thì các thống kê t và F không tuân theo
quy luật Student và quy luật Fisher tương ứng.
Tuy nhiên, nếu kích thước mẫu lớn thì các suy
diễn thống kê vẫn có giá trị.
168 of 10
BÀI 5: VẤN ĐỂ PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN
1. Hậu quả
2. Phát hiện Xem xét đồ thị phần dư:
Nếu phân phối quá lệch về bên trái hoặc bên phải,
quá nhọn hoặc quá dẹt thì đó là dấu hiệu cho rằng
sai số ngẫu nhiên của mô hình không tuân theo
quy luật chuẩn.
169 of 10
BÀI 5: VẤN ĐỂ PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN
1. Hậu quả
2. Phát hiện Kiểm định Jacque – Bera (JB)
170 of 10
BÀI 5: VẤN ĐỂ PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN
35
1. Hậu quả 30
Series: Residuals
Sample 1 135
2. Phát hiện Observations 135
25
Mean -3.55e-14
Median -16.09313
20
Maximum 430.4679
Minimum -111.4659
15
Std. Dev. 61.62183
Skewness 2.929305
10 Kurtosis 19.51095
5 Jarque-Bera 1726.509
Probability 0.000000
0
-100 -50 0 50 100 150 200 250 300 350 400 450
171 of 10
BÀI 5: VẤN ĐỂ PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN
Sử dụng
phần mềm
Eviews
172 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Mô hình càng
1. Các tiêu đơn giản càng 2. Các tham số
chuẩn của mô tốt ước lượng được
Tính đơn phải duy nhất
hình Tính đồng
giản/tiết kiệm
2. Cách tiếp 3. R và R hiện
2 2 nhất
(Parsimony)
(Identifiability)
cận để lựa chỉnh càng gần
chọn mô hình 1càng tốt
3. Các sai lầm 4. Mô hình phải
và hậu quả Tính phù hợp
dựa trên một
(Goodness of fit)
4. Cách phát LT nào đó
hiện và khắc
Tính nhất quán
phục sai lầm
với LT
(Theretical
Consistency)
Năng lực
dự báo tốt
5. Mô hình cho kết
(Predictive quả dự báo
power) sát với thực tế
173 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Các tiêu
chuẩn của mô Xác định số biến độc lập:
hình
2. Cách tiếp Từ đơn giản đến tổng quát:
cận để lựa
chọn mô hình
Từ tổng quát đến đơn giản:
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
174 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Các tiêu
chuẩn của mô Kiểm tra mô hình có vi phạm giả thiết hay
hình
2. Cách tiếp không:
cận để lựa
chọn mô hình Đa cộng tuyến
3. Các sai lầm
và hậu quả Tự tương quan
4. Cách phát
hiện và khắc
Phương sai sai số thay đổi
phục sai lầm
175 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Các tiêu
chuẩn của mô Chọn dạng hàm: dựa vào
hình
2. Cách tiếp Các lý thuyết kinh tế
cận để lựa
chọn mô hình
Các kết quả thực nghiệm
3. Các sai lầm
và hậu quả
Đồ thị biểu diễn
4. Cách phát
hiện và khắc
phục sai lầm
176 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Các tiêu
chuẩn của mô Bỏ sót biến thích hợp
hình
2. Cách tiếp Thừa biến
cận để lựa
chọn mô hình Chọn dạng hàm không đúng
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
177 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
178 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
179 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Các tiêu
chuẩn của mô Kiểm định các biến bị bỏ sót:
hình
2. Cách tiếp Kiểm định Ramsey Reset:
cận để lựa
chọn mô hình
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
180 of 10
LOGO