Huong Dan Eview Kinh Te Luong 123 456 An

lOMoARcPSD|16104815
Hướng dẫn Eview kinh tế lượng 123 456 an
kinh doanh thương mại (Trường Đại học Quốc tế Sài Gòn)
Studocu is not sponsored or endorsed by any college or university

Downloaded by C?a-hàng Ph??ng Hu?nh (huonghuynh1189@gmail.com)
lOMoARcPSD|16104815
HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD
MỤC LỤC
MỞ ĐẦU ........................................................................................... 3
§ 1 SỐ LIỆU DÙNG TRONG EVIEWS...................................... 7
§ 2 NHẬP SỐ LIỆU TỪ BÀN PHÍM – XỬ LÝ SỐ LIỆU ....... 11

2.1 Định dạng tần suất và nhập số liệu ......................................... 12
2.2 Sửa đổi số liệu và lưu số liệu .................................................. 15
2.3 Vẽ đồ thị.................................................................................. 16
2.4 Thống kê mô tả ....................................................................... 19
2.3 Đặt biến mới ........................................................................... 21
§ 3 ƯỚC LƯỢNG MÔ HÌNH HỒI QUY ĐƠN ........................ 23

3.1 Ước lượng mô hình................................................................. 23
3.2 Lưu kết quả hồi quy ................................................................ 26
3.3 Xem phần dư và giá trị ước lượng (giá trị tương hợp) ........... 26
§ 4 HỒI QUY NHIỀU BIẾN ĐỘC LẬP .................................... 28

4.1 Mở tệp số liệu có sẵn .............................................................. 28
4.2 Đánh giá chung về các biến .................................................... 28
4.3 Hồi quy mô hình nhiều biến ................................................... 29
4.4 Phương sai, hiệp phương sai các ước lượng hệ số.................. 31
4.5 Kiểm định bỏ bớt biến ............................................................ 31
4.6 Kiểm định thêm biến............................................................... 33
4.7 Kiểm định về hai hệ số hồi quy .............................................. 34
§ 5 CÁC DẠNG MÔ HÌNH ........................................................ 36

5.1 Biến xu thế thời gian............................................................... 36
5.2 Hồi quy với biến trễ ................................................................ 37
5.3 Hồi quy mô hình dạng hàm mũ .............................................. 37
1
lOMoARcPSD|16104815
§ 6 MÔ HÌNH VỚI BIẾN GIẢ ................................................... 39

6.1 Xác định yếu tố định tính........................................................ 39
6.2 Đặt biến giả ............................................................................. 40
6.3 Hồi quy mô hình có biến giả................................................... 40
§ 7 HIỆN TƯỢNG ĐA CỘNG TUYẾN .................................... 42

7.1 Đa cộng tuyến hoàn hảo.......................................................... 42
7.2 Đa cộng tuyến không hoàn hảo............................................... 42
7.3 Hồi quy phụ kiểm định đa cộng tuyến.................................... 44
§ 8 HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI.......... 45

8.1 Hiện tượng .............................................................................. 45
8.2 Kiểm định White..................................................................... 46
8.3 Lưu phần dư và giá trị ước lượng ........................................... 48
8.4 Kiểm định bằng hồi quy phụ................................................... 50
8.5 Khắc phục phương sai sai số thay đổi..................................... 51
§ 9 HIỆN TƯỢNG TỰ TƯƠNG QUAN.................................... 53

9.1 Hiện tượng .............................................................................. 53
9.2 Kiểm định Breusch-Godfrey................................................... 54
9.3 Kiểm định bằng hồi quy phụ................................................... 56
9.4 Khắc phục tự tương quan........................................................ 57
§ 10 ĐỊNH DẠNG MÔ HÌNH..................................................... 60

10.1 Kiểm định Ramsey RESET .................................................. 60
10.2 Kiểm định nhân tử Lagrange (kiểm định χ2) ........................ 62
10.3 Khắc phục khuyết tật tổng hợp ............................................. 63
Để thực hành, có thể tải chương trình Eviews4 tại trang mạng của
khoa Toán kinh tế: www.mfe.edu.vn, mục Thư viện / Dữ liệu –
phần mềm / Eviews4, đồng thời tải tệp SOLIEU, và giải nén.
Chương trình có thể chạy trực tiếp, không yêu cầu cài đặt.
2
lOMoARcPSD|16104815
MỞ ĐẦU
Eviews là phần mềm được thiết kế riêng cho các mô hình kinh tế
lượng và chuỗi thời gian. Phần mềm này phù hợp cho giảng dạy và
học tập kinh tế lượng cho đối tượng sinh viên đại học và sau đại học.
Chương trình Eviews được thiết kế để dễ sử dụng với con chuột và bàn
phím, các kết quả thiết kế dưới dạng bảng, các đồ thị được lưu dưới
dạng tệp có thể đưa vào các văn bản hoặc in ra dễ dàng.
Cuốn sách này tập trung giới thiệu những phần thực hành tương ứng
với chương trình Kinh tế lượng cơ bản giảng cho sinh viên bậc đại
học, các phần thực hành nâng cao dành cho bậc cao học sẽ giới thiệu
trong cuốn sách khác. Với chương trình Eviews4, không yêu cầu cài
đặt chương trình, chỉ cần có đầy đủ các tệp và nhấn vào biểu tượng của
Eviews là có thể chạy chương trình trực tiếp trên máy tính. Từ phiên
bản Eviews5 trở đi, chương trình yêu cầu phải cài đặt. Cuốn sách này
sử dụng hình ảnh của phiên bản Eviews4.
Tệp chạy chương trình Eviews có biểu tượng là . Nhấn vào biểu
tượng của Eviews, cửa sổ chính của chương trình xuất hiện.
Cửa số chính của chương trình Eviews gồm các phần:

- Thanh chức năng: với các nút để thực hiện các thao tác cơ bản
đã được chương trình định sẵn, và các lựa chọn định dạng
tương tự như các chương trình chạy trong môi trường
Windows.
- Cửa sổ lệnh: ô trắng bên dưới thanh chức năng là nơi để người
sử dụng viết lệnh trực tiếp. Có thể dùng chuột để kéo rộng cửa
sổ lệnh tùy ý.
3
lOMoARcPSD|16104815
- Thanh chỉ dẫn: xác định đường dẫn đến thư mục và tệp đang sử
dụng.
- Các nút thu nhỏ, mở rộng cửa số, và thoát khỏi chương trình.
Cửa Thanh Thanh Thoát

sổ chức chỉ khỏi
lệnh năng dẫn Eviews
Cửa số chính của chương trình Eviews gồm các phần:

- Thanh chức năng: với các nút để thực hiện các thao tác cơ bản
đã được chương trình định sẵn, và các lựa chọn định dạng
tương tự như các chương trình chạy trong môi trường
Windows.
- Cửa sổ lệnh: ô trắng bên dưới thanh chức năng là nơi để người
sử dụng viết lệnh trực tiếp. Có thể dùng chuột để kéo rộng cửa
sổ lệnh tùy ý.
- Thanh chỉ dẫn: xác định đường dẫn đến thư mục và tệp đang sử
dụng.
- Các nút thu nhỏ, mở rộng cửa số, và thoát khỏi chương trình.
Có thể không cần sử dụng chuột mà dùng bàn phím để chọn lựa các
nút. Ấn và giữ phím Alt trên bàn phím, trên dòng task bar các lựa chọn
4
lOMoARcPSD|16104815
sẽ tự động gạch chân các chữ cái. Khi đó phím Alt và nhấn phím
tương ứng với chữ cái tương ứng sẽ cho kết quả giống như khi dùng
chuột chọn nút đó.
Ví dụ: Khi giữ phím Alt, gõ phím F tương đương với nhấn chuột vào
nút File; chữ E tương đương với nút Edit.
- Ngăn cách phần nguyên và phần thập phân của một số, Eviews dùng
dấu chấm “.”
Một số chủ thể cơ bản của Eviews
Eviews làm việc với một số dạng chủ thể cơ bản, mỗi chủ thể có thể
lưu lại và đặt tên để có thể dễ dàng sử dụng khi cần thiết. Một số chủ
thể thông dụng gồm:
Series: Mỗi biến là một chuỗi số liệu, do đó Eviews dùng cách

gọi Series cho các biến.
Group: Một nhóm biến số được lựa chọn là một Group. Group
có thể gồm tất cả các biến hoặc chỉ hai biến.
Graph: Một đồ thị được lưu lại dưới dạng một Graph. Đồ thị có
thể gồm đồ thị của một biến, đồ thị của nhiều biến, đồ thị của các
biến theo nhau.
Equation: Một phương trình hồi quy được lưu lại dưới dạng một
Equation.
System: Một hệ gồm nhiều phương trình hồi quy được lưu lại
dưới dạng một System.
5
lOMoARcPSD|16104815
Một số kí hiệu dùng cho thực hành

: Thao tác, thực hiện thao tác yêu cầu.
Ví dụ Chọn View : dùng chuột nhấn vào nút View
Ö : Kết quả của thao tác.
→ : Các thao tác, chọn lựa kế tiếp nhau.
Ví dụ: File → Open: Chọn nút File rồi nút Open.
[?] : Câu hỏi, cần nắm được lý thuyết để trả lời.
Tất cả các câu hỏi kiểm định trong sách đều được thực hiện với
mức ý nghĩa α là 5%.
Cặp ngoặc vuông […]: do trong Eviews có thể mở nhiều cửa sổ cùng
lúc, do đó cặp ngoặc vuông để xác định cửa sổ cần thực hiện thao tác.
Ví dụ [Eviews] là cửa sổ chính.
- Để ngắn gọn và thuận tiện về sau, các nút trên các cửa sổ được viết
trong cặp dấu < >, ví dụ: <Ok>, <Cancel>
6
lOMoARcPSD|16104815
§ 1 SỐ LIỆU DÙNG TRONG EVIEWS
Eviews là chương trình xử lý số liệu, ước lượng phương trình hồi quy,
phân tích chuỗi thời gian, do đó việc hiểu rõ về số liệu là điều cần
thiết. Để hiểu rõ cấu trúc số liệu được quản lý và xử lý bởi Eviews, mở
một số bộ số liệu và quan sát các số liệu sau
Mở bộ số liệu có tần suất theo năm
Tại cửa sổ chính, chọn File → Open
Trong lựa chọn Open, có bốn dạng định dạng tệp có thể mở:
- Dạng Workfile: là tệp dữ liệu và thực hiện các phân tích thông
thường. Đây là dạng cơ bản, trong tệp có thể lưu số liệu, các đồ
thị, các phương trình hồi quy, kết quả ước lượng.
- Dạng Database: cơ sở dữ liệu, bao gồm nhiều định dạng.
7
lOMoARcPSD|16104815
- Dạng Program:
- Dạng Text File
Chọn dạng Workfile, là dạng thông thường nhất để tính toán xử lý

số liệu với Eviews.
Chọn thư mục SOLIEU, tệp số liệu BT_YEAR_US, cửa sổ
Workfile mở ra. Trên cửa sổ này có một số thông tin:
- Dòng trên cùng: Tên của Workfile và đường dẫn
- Các nút với các chức năng khác nhau, sẽ được đề cập sau
- Khoảng số liệu và Mẫu từ 1899 đến 1922
Bên dưới của cửa sổ, liệt kê các chủ thể mà Workfile đang quản lý,
gồm: c k l resid y.
Để có thể thấy rõ hơn thông tin mà các chủ thể này chứa đựng, tại cửa
sổ Workfile, nhấn vào nút Label+/-, xuất hiện các thông tin về thời
gian khởi tạo các số liệu này, theo thứ tự: tháng/ngày/năm, giờ:phút,
và chú thích về ba biến k, l, y.
Hai chủ thể c resid không có chú thích, vì đây là hai chủ thể đặc
biệt dùng để lưu các thông tin riêng.
Thông tin của một biến số thông thường bao gồm:

- Tên biến: Tên của biến số được đặt ngắn gọn, tối đa 24 ký tự chỉ gồm
chữ và số, không có dấu cách, bắt đầu bởi chữ cái. Tên biến thường
được đặt phù hợp với nội dung của biến.
- Nhãn biến: Phần chú thích về ý nghĩa của biến, có thể là chuỗi ký tự
với độ dài tùy ý, với các ý tự đặc biệt, dấu cách.
- Tần suất biến: là tần suất của số liệu, có thể theo thời gian, không
gian, hoặc số liệu hỗn hợp.
8
lOMoARcPSD|16104815
- Giá trị của biến: là các đại lượng đo lường bằng số. Trong chương
trình Eviews, dấu ngăn cách với phần thập phân là dấu chấm. Khi chưa
có giá trị, Eviews ngầm định sử dụng chữ NA (not available) để thay
thế.
c : chủ thể chứa các hệ số tính được từ các phương trình hồi quy,
các mô hình. Khi chưa có kết quả hồi quy từ phương trình nào, các giá
trị của C được gán bằng 0
resid: là chuỗi nhận sẽ nhận giá trị là phần dư từ có được từ việc
ước lượng các phương trình hồi quy. Khi chưa có phương trình hồi
quy, các giá trị Resid đều chưa có.
Nhấn đúp chuột trái vào c, cửa sổ [Coef C] mở ra, với cột C1
gồm các quan sát từ R1 đến R751, với các giá trị bằng 0.
Nhấn đúp chuột trái vào k, cửa sổ [Series: K] mở ra. Cột ngoài
cùng bên trái obs là tần suất của số liệu, từ 1899 đến 1922, các giá trị
của biến K được liệt kê theo các quan sát từ cột tiếp theo trong bảng.
Nhấn đúp chuột trái vào resid, cửa sổ [Series: RESID] mở ra với
quan sát từ 1899 đến 1922, các giá trị đều là NA vì chưa có kết quả
tính toán nào được thực hiện.
Tại cửa sổ [Workfile], sử dụng chuột đánh dấu (bôi đen) các biến từ
K đến Y, nháy chuột phải, chọn Open ` as Group, tất cả các biến đều
được liệt kê trong cùng một cửa số [Group].
Mở bộ số liệu có tần suất theo Quý

Mở bộ số liệu mới, tại cửa sổ [Eviews] File → New, chọn tệp
Bt_Quarter.
9
lOMoARcPSD|16104815
Bộ số liệu được thể hiện từ 1953:1 đến 1967:4, với một chữ số sau dấu
“:”. Với cách thể hiện này, số liệu là từ Quý 1 năm 1953 đến Quý 4
năm 1967.
Chọn biến bất kỳ, chẳng hạn X, mở ra dưới dạng cửa sổ [Series].
Với cửa số này, tần suất biến có chu kỳ 1, 2, 3, 4, 1,… thể hiện đây là
số liệu Quý.
Mở bộ số liệu có tần suất theo Quý
Mở bộ số liệu mới, tại cửa sổ [Eviews] File → New, chọn tệp

Bt_Monthly.
Bộ số liệu được thể hiện từ 1973:01 đến 1995:06, với hai chữ số sau
dấu “:”, thể hiện là số liệu từ Tháng 1 năm 1973 đến Tháng 6 năm
1995.
Để biết ý nghĩa các biến, chọn nút Label trên thanh chức năng của cửa
sổ [Workfile].
10
lOMoARcPSD|16104815
§ 2 NHẬP SỐ LIỆU TỪ BÀN PHÍM – XỬ LÝ SỐ LIỆU
Số liệu dùng cho Eviews có thể là tệp có sẵn dưới các định dạng khác
nhau, hoặc số liệu từ bên ngoài cần phải nhập vào máy. Bài này hướng
dẫn thực hành số liệu từ bên ngoài vào máy tính, lưu số liệu, và các xử
lý thông tin cơ bản cho bộ số liệu đó.
Xét bộ số liệu ví dụ sau, với X là đầu tư quốc gia (Gross National

Investment), Y là tổng sản phẩm quốc nội (Gross Domestic Products)
của Việt Nam theo các năm từ 1994 đến 2005. Cả hai biến đơn vị là
nghìn tỉ VND, tính theo giá so sánh 1994. Nguồn: Tổng cục thống kê.
Năm X Y
1994 53 179
1995 58 196
1996 67 214
1997 79 231
1998 76 245
1999 79 256
2000 115 274
2001 129 293
2002 148 313
2003 167 336
2004 187 362
2005 195 393
11
lOMoARcPSD|16104815
Thực hiện nhập số liệu và lưu lại dưới dạng một tệp số liệu của
Eviews.
2.1 Định dạng tần suất và nhập số liệu
Tại cửa sổ chính của Eviews, để thuận tiện, đóng cửa sổ nhỏ đang mở
(nếu có)
Chọn File → New : Cửa sổ [Workfile Range]: tần suất của số liệu.
Frequency - tần suất của số liệu

Tần suất và Ví dụ
định dạng Đầu – cuối Ý nghĩa
Annual
Start: 1991 15 quan sát theo năm, từ năm
(Năm)
End: 2005 1991 đến năm 2005
yyyy
Semi-annual 30 quan sát theo nửa năm, từ
Start: 1991:1
(Nửa năm) nửa đầu năm 1991 đến nửa
End: 2005:2
yyyy:h sau năm 2005
12
lOMoARcPSD|16104815
Quarterly
Start: 1991:1 60 quan sát theo quý, từ quý 1
(Quý)
End: 2005:4 năm 1991 đến quý 4 năm 2005
yyyy:q
Monthly 180 quan sát theo tháng, từ
Start: 1991:01
(Tháng) tháng 1 năm 1991 đến tháng
End: 2005:12
yyyy:mm 12 năm 2005
49 quan sát theo tuần, từ tuần
Weekly
Start: 01/01/2008 có ngày 1 tháng 1 năm 2008
(Tuần)
End: 12/01/2008 đến tuần có ngày 1 tháng 12
mm/dd/yyyy
năm 2008
Daily [5day] 22 quan sát theo ngày, từ ngày
(Ngày: tuần 5 Start: 11/12/2008 12 tháng 11 năm 08 đến ngày
ngày) End: 12/11/2008 11 tháng 12 năm 08, không có
mm/dd/yyyy ngày cuối tuần
Daily [7day] 29 quan sát theo ngày, từ ngày
(Ngày: tuần 7 Start: 11/12/2008 12 tháng 11 năm 08 đến ngày
ngày) End: 12/11/2008 11 tháng 12 năm 08, có ngày
mm/dd/yyyy cuối tuần
Undated or 30 quan sát không theo thời
Start: 1
Irregular gian, hoặc theo thời gian
Start: 30
(Quy tắc khác) nhưng quy tắc khác
- Với tần suất theo thời gian, riêng số liệu trong giai đoạn 1930 –
2029, thì số chỉ Năm có thể dùng bởi hai chữ số, ví dụ 67 được
hiểu là 1967, hoặc 12 được hiểu là 2012, với giai đoạn khác bắt
buộc phải đủ 4 chữ số.
- Số chỉ Ngày, Tháng với giá trị nhỏ hơn 10 có thể chỉ dùng một chữ
số, ví dụ số liệu tháng, 2000:1 và 2001:01 là như nhau.
- Với số liệu tần suất theo Ngày, Tuần, Eviews ngầm định sử dụng
quy ước của Mỹ, là Tháng/Ngày/Năm (mm/dd/yyyy). Có thể thay
13
lOMoARcPSD|16104815
đổi thứ tự này sang quy ước châu Âu là Ngày/Tháng/Năm bằng

cách chọn Option > Frequency Conversion – Dates >.
- Với số liệu theo Tuần, quan sát đầu tiên và cuối cùng sẽ là tuần có
chứa ngày nhập vào, và lấy ngày đó làm đại diện cho tuần. Các
quan sát sẽ lấy ngày có cùng Thứ với quan sát đầu tiên làm đại
diện. Ví dụ nếu quan sát đầu tiên là 1/1/2008, thì toàn bộ tuần từ
30/12/2007 đến 5/1/2008 lấy ngày 1/1/2008 làm đại diện, và đại
diện cho tuần từ 6/1/08 – 12/1/08 sẽ lấy ngày 8/1 làm đại diện.
- Với số liệu Ngày tính cho tuần 5 ngày, nếu thời điểm bắt đầu rơi
vào ngày cuối tuần, thì quan sát đầu tiên sẽ bắt đầu từ Thứ Hai của
tuần tiếp theo; và nếu thời điểm cuối cùng rơi vào ngày cuối tuần,
thì quan sát cuối cùng sẽ kết thúc ở Thứ Sáu của tuần trước đó.
- Tần suất Undated dùng cho số liệu không thuộc các trường hợp
trên; như tần suất theo giờ, theo phiên, số liệu chéo, số liệu hỗn
hợp.
Với bộ số liệu ví dụ trên của Việt Nam, tần suất của các biến là theo
năm, từ 1994 đến 2005.
Frequency: Annual → Start date: 1995 → End date: 2005 : mở

cửa sổ Workfile
Cửa sổ [Workfile] là cửa sổ quản lý việc nhập, lưu, xử lý số liệu.
Trong cửa sổ Workfile chỉ có hai biến là các hệ số C và phần dư
Resid. Cần tạo hai biến số mới và nhập số liệu.
Tại cửa sổ [Eviews], chọn Quick → Empty Group (Edit Series)

Mở cửa sổ [Group]
Chọn ô đầu tiên bên phải ô obs, nhập tên biến là X, các ô bên dưới
tự động chuyển thành NA, nhập các giá trị của biến X ứng với các
năm. Tiếp tục với cột biến Y.
Tại cửa sổ [Workfile], biểu tượng của hai biến X và Y xuất hiện.
14
lOMoARcPSD|16104815
Nhập nhãn biến
Hai biến X và Y đã nhập chưa có nhãn, cần nhập nhãn để chú thích ý
nghĩa của các biến.
Tại cửa sổ [Workfile], nhấn chuột đúp vào biến X, mở cửa sổ
[Series: X] chọn Name, mở cửa số [Object Name]
Trong cửa số này, ô trống ở trên cho phép thay đổi tên biến, ô trống
bên dưới để nhập nhãn biến. Với ví dụ đang xét, nhãn cho biến X là
Gross National Investment.
Tương tự, có thể nhập nhãn cho biến Y là Gross Domestic Products.
2.2 Sửa đổi số liệu và lưu số liệu
Trường hợp cần sửa đổi số liệu, ví dụ biến X có thể thực hiện theo
trình tự:
Chọn biến X, mở cửa sổ [Series: X], chọn nút Edit+/- và thay đổi
các giá trị cần thiết.
15
lOMoARcPSD|16104815
Số liệu đã nhập có thể lưu lại dưới dạng tệp chuyên dụng của Eviews,
để có thể mở và sử dụng khi cần thiết.
Tại cửa sổ [Eviews] Chọn File → Save (hoặc Save as)

Ö Cửa sổ [SaveAs] : Chọn vị trí và tên tệp.
Các tệp có đuôi ngầm định là .wf1.
Số liệu đã nhập ở phần 2.1 là số liệu thô. Để thấy được rõ hơn các
thông tin chứa đưng trong các biến đó, cần thực hiện tính các thống kê
với từng biến, xem xét tương quan, đồ thị mô tả về các biến và mối
liên hệ giữa chúng.
2.3 Vẽ đồ thị
Mô tả số liệu qua đồ thị và các thống kê đặc trưng cơ bản là xử lý ban

đầu cần thiết đối với các biến số.
Chọn X và Y, mở cửa sổ [Group]
Vẽ đồ thị các biến theo quan sát

[Group] View → Graph → Line
Kết quả cho đồ thị đường của X và Y theo quan sát (theo thời gian)
trên cùng một hệ tọa độ
16
lOMoARcPSD|16104815
Có thể chọn các loại đồ thị khác: Bar, Spike (đồ thị cột).
Để vẽ đồ thị của hai biến theo nhau, mỗi biến trên một trục tọa độ, lựa
chọn:
[Group] View → Graph → Scatter → Simple Scatter
Kết quả cho đồ thị điểm của biến Y trên trục tung và X trên trục
hoành. Khi không có lựa chọn được yêu cầu, Eviews ngầm định biến
xếp sau nằm trên trục tung, biến xếp trước nằm ở trục hoành.
Qua đồ thị điểm, có thể thấy xu thế khá rõ giữa Y và X, có thể xác
định được hình ảnh của đường hồi quy bằng cách chọn:
[Group] View → Graph → Scatter → Scatter with Regression
Cửa sổ [Global Fit Option], nếu không định dạng đặc biệt, chọn OK,
kết quả là đồ thị điểm với đường hồi quy
17
lOMoARcPSD|16104815
Các lựa chọn khác cho phép vẽ đồ thị theo các dạng khác nhau. Các đồ
thị sẽ tự đông điều chỉnh để khít với kích thước cửa sổ [Group].
Lưu đồ thị
Có thể lưu đồ thị để chèn vào các chương trình soạn thảo văn bản
Tại cửa sổ [Group] có đồ thị, nhấn tổ hợp phím Ctrl+C, mở cửa sổ
[Graph Metafile], chọn OK, mở văn bản và nhấn Ctrl+V để dán đồ thị
đã lưu.
Thay đổi định dạng đồ thị:

Tại cửa sổ [Group] có đồ thị, chọn Freeze, mở cửa sổ [Graph].
Với lựa chọn [Graph] Proc → Options : cửa sổ [Graph Option] với
các lựa chọn cho định dạng.
[Graph] Proc → Add text: Thêm dòng chữ vào đồ thị
[Graph] Proc → Save Graph: lưu đồ thị để chèn vào văn bản
[Graph] Name: lưu đồ thị dưới dạng một chủ thể, đặt tên.
Ngoài ra còn nhiều lựa chọn khác với đồ thị
18
lOMoARcPSD|16104815
Bên cạnh cách chọn vẽ đồ thị từ cửa sổ [Graph], có thể có cách khác
để vẽ đồ thị:
Cửa sổ [Eviews] Quick → Graph: chọn loại đồ thị, và thứ tự của các
biến để vẽ đồ thị.
Vẽ đồ thị trên nhiều hệ tọa độ

Khi muốn vẽ đồ thị cho mỗi biến trên một hệ tọa độ riêng, chọn:
[Group] Multiple Graphs.
2.4 Thống kê mô tả
Các thống kê mô tả về các biến và tương quan giữa các biến là những
thông tin cơ bản để đánh giá về biến.
Thống kê mô tả của các biến

Cửa sổ [Group] View → Descriptive Stats → Common Sample
X Y
Trung bình Mean 112.7500 274.3333
Trung vị Median 97.00000 265.0000
Tối đa Maximum 195.0000 393.0000
Tối thiểu Minimum 53.00000 179.0000
Độ lệch chuẩn Std. Dev. 51.36523 66.98213
Hệ số bất đối xứng Skewness 0.402047 0.304621
Hệ số nhọn Kurtosis 1.666396 2.030123
Thống kê JB Jarque-Bera 1.212534 0.655918

Mức xác suất Probability 0.545383 0.720393
Tổng Sum 1353.000 3292.000

Tổng bình phương chênh lệch Sum Sq. Dev. 29022.25 49352.67
Số quan sát Observations 12 12
Thống kê JB và Mức xác suất (P-value) dùng để kiểm định về cặp giả
thuyết với từng biến:
19
lOMoARcPSD|16104815
H0: biến phân phối theo quy luật Chuẩn

H1: biến không phân phối theo quy luật Chuẩn
Hệ số tương quan
[Group] View → Correlations → Common Sample
Kết quả:
X Y
X 1.000000 0.982533
Y 0.982533 1.000000
Phương sai - hiệp phương sai

[Group] View → Covariances → Common Sample
Kết quả:
X Y
X 2418.521 3098.750
Y 3098.750 4112.722
Kiểm định so sánh các biến

Kiểm định so sánh trung bình, trung vị, phương sai của hai biến
[Group] View → Test of Equality, mở cửa sổ [Test Between
Series].
Có ba lựa chọn kiểm định
Kiểm định sự bằng nhau của hai trung bình: Mean
Test for Equality of Means Between Series
Sample: 1994 2005
Included observations: 12
Method df Value Probability
t-test 22 6.631244 0.0000
Anova F-statistic (1, 22) 43.97339 0.0000
Kiểm định sự bằng nhau của hai phương sai: Variance

Test for Equality of Variances Between Series
Sample: 1994 2005
20
lOMoARcPSD|16104815
Method df Value Probability

F-test (11, 11) 1.700511 0.3921
Siegel-Tukey 0.086621 0.9310
Bartlett 1 0.732933 0.3919
Levene (1, 22) 0.686207 0.4164
Brown-Forsythe (1, 22) 0.562284 0.4613
Các phân tích thống kê của các kiểm định được cho trong các thông tin
bên dưới mỗi kiểm định.
2.3 Đặt biến mới
Bên cạnh các biến đã nhập số liệu là X và Y, có thể đặt các biến mới
từ các biến đã có hoặc nhập biến số mới. Có một số cách nhập biến
mới có tác dụng tương đương.
Ví dụ: cần đặt biến mới Z = Y – X
[Eviews] Quick → Generates Series: mở cửa sổ [Generate Series by

Equation]
Tại ô Enter Equation gõ: Z = Y – X
Tại ô Sample, ngầm định mẫu mà lệnh đặt biến có tác dụng là toàn bộ.
Khi cần có thể thay đổi mẫu này. Nhấn OK để chấp nhận.
Khi không cần thay đổi mẫu, có thể sử dụng lệnh trong Cửa sổ lệnh.
[Cửa sổ lệnh] GENR Z = Y – X
Biến Z được tạo ra nằm trong cửa sổ [Workfile].
Các hàm và lệnh cơ bản
Ngoài các phép toán cơ bản: cộng [+], trừ [–], nhân [*], chia [/], lũy
thừa [^], các hàm cơ bản của Eviews như sau:
21
lOMoARcPSD|16104815
Tên Ý nghĩa Ví dụ Kết quả

Logarit cơ số tự
LOG LX = LOG(X) LX i = ln( X i )
nhiên
Lũy thừa cơ số
EXP EX = EXP(X) EX i = e X i
tự nhiên
ABS Giá trị tuyệt đối AX = ABS(X) AX i =| X i |
SIN Hàm sin SINX = SIN(X) SINX i = sin( X i )
COS Hàm cosin COSX = COS(X) COSX i = cos( X i )
(-J) Trễ bậc J X4 = X(-4) X 4i = X i − 4
D(X) Sai phân bậc 1 DX = D(X) DX i = X i − X i −1
Đặt biến xu thế thời gian

[Cửa sổ lệnh] GENR T = TREND( )
Kết quả cho biến T nhận giá trị 0, 1, 2… phản ánh xu thế của thời gian
tăng dần theo các quan sát.
22
lOMoARcPSD|16104815
§ 3 ƯỚC LƯỢNG MÔ HÌNH HỒI QUY ĐƠN
(Tiếp theo § 2)
Với bộ số liệu từ bài 2, nhận xét qua đồ thị giữa Y và X, thấy giữa hai
biến có xu thế tuyến tính khá rõ, hệ số tương quan giữa hai biến bằng
0,982533 khá lớn, do đó có thể xác định một mô hình hồi quy trong đó
Tổng sản phẩm trong nước (Y) phụ thuộc vào Tổng đầu tư quốc gia
(X) có dạng tuyến tính với hai hệ số.
Hàm hồi quy tổng thể PRF:

E (Y / X t ) = β1 + β 2 X t
Dạng ngẫu nhiên Yt = β1 + β 2 X t + ut Mô hình (3.1)
Nếu xét biến hằng số C luôn bằng 1, có thể viết mô hình (3.1):
Yt = β1Ct + β 2 X t + ut
Với mẫu kích thước là 10 gồm 10 quan sát đã nhập, hàm hồi quy mẫu
SRF có dạng: Yˆ = βˆ + βˆ X
t 1 2 t
Yt = βˆ1 + βˆ2 X t + et
Dùng phương pháp Bình phương nhỏ nhất (Least Squares - LS) với bộ
số liệu đã nhập, tính toán các ước lượng, và các thống kê cần thiết
dành cho phân tích.
3.1 Ước lượng mô hình
[Eviews] Quick → Estimate Equation

(Ngoài ra còn 4 cách khác, được đề cập sau)
Cửa sổ định dạng phương trình xuất hiện.
23
lOMoARcPSD|16104815
Cửa sổ [Equation Specification] gồm ô khai báo phương trình hồi quy,
phương pháp ước lượng, mẫu để ước lượng.
Khai báo phương trình hồi quy
Với mô hình hồi quy Y theo X có hệ số chặn, có hai kiểu khai báo:
Kiểu 1: Y = C(1) + C(2)*X
Kiểu 2: Y C X
Sử dụng kiểu khai báo thứ hai, phương pháp LS – bình phương nhỏ
nhất, mẫu 1994 – 2005, được kết quả ở cửa sổ [Equation]
Dependent Variable: Y
Method: Least Squares
Date: … Time: …
Sample: 1994 2005
Variable Coefficient Std. Error t-Statistic Prob.
C 129.8715 9.439523 13.75826 0.0000
X 1.281258 0.076739 16.69636 0.0000
R-squared 0.965370 Mean dependent var 274.3333
Adjusted R-squared 0.961907 S.D. dependent var 66.98213
S.E. of regression 13.07316 Akaike info criterion 8.130011
Sum squared resid 1709.075 Schwarz criterion 8.210829
Log likelihood -46.78007 F-statistic 278.7683
Durbin-Watson stat 1.035566 Prob(F-statistic) 0.000000
24
lOMoARcPSD|16104815
Nếu sử dụng cách khai báo thứ nhất: Y = C(1) + C(2)*X thì kết quả
chỉ khác phần thể hiện các hệ số như sau
Y = C(1) + C(2)*X
Coefficient Std. Error t-Statistic Prob.
C(1) 129.8715 9.439523 13.75826 0.0000
C(2) 1.281258 0.076739 16.69636 0.0000
Các thông tin khác vẫn giữ nguyên
Bên cạnh Cách 1 [Eviews] Quick → Estimate Equation như trên, còn
một số cách sau:
Cách 2: [Eviews] Objects → New Object → Equation → OK
Cách 3: Chọn X, Y thành cửa sổ [Group] Procs → Make Equation
Cách 4: Chọn X và Y, nhấn chuột phải → Open → As Equation
Cách 5: [Cửa sổ lệnh] LS Y C X
Cách sử dụng lệnh LS Y C X là đơn giản nhất, sẽ được sử dụng trong
các phần sau.
Các kiểu thể hiện kết quả hồi quy

[Equation] View → Representations : được các kết quả
Estimation Command: Câu lệnh để ước lượng

=====================
LS Y C X (viết trong cửa số lệnh)
Estimation Equation: Phương trình hồi quy

=====================
Y = C(1) + C(2)*X
Substituted Coefficients: Kết quả ước lượng

=====================
Y = 129.8714549 + 1.281258345*X
[Equation] View → Estimation Output : bảng kết quả chi tiết
25
lOMoARcPSD|16104815
3.2 Lưu kết quả hồi quy
Kết quả hồi quy có thể được lưu giữ, biên tập, in ra như một văn bản.
Trong cửa sổ kết quả
[Equation] Name: cửa sổ [Object Name], tên ngầm định cho kết quả
ước lượng phương trình hồi quy là eq01. Nếu chọn OK, thì chủ thể
eq01 được tạo ra trong Workfile.
Muốn sao và dán kết quả ước lượng để chèn vào các văn bản, dùng
chuột đánh dấu toàn bộ bảng kết quả chi tiết, nhấn chuột phải, chọn
Copy, chọn loại giữ nguyên định dạng hoặc không giữ định dạng, rồi
tại nơi cần dán chọn Paste; hoặc sử dụng tổ hợp Ctrl+C và Ctrl+V.
3.3 Xem phần dư và giá trị ước lượng (giá trị tương hợp)
Sau khi ước lượng một mô hình hồi quy, có thể đánh giá chất lượng
của mô hình và kết quả thông qua các giá trị phần dư (residuals) và
các giá trị ước lượng của biến phụ thuộc (còn gọi là giá trị tương hợp –
fitted values).
[Equation] View → Actual, Fitted, Residual → Actual, Fitted,

Residual Table
Được bảng giá trị và đồ thị phần dư
Actual là giá trị thực tế bộ số liệu: Yt
Fitted là giá trị ước lượng bởi hàm hồi quy: Ŷt
Residual là giá trị phần dư: et hay ût
26
lOMoARcPSD|16104815
[?] - Vào năm nào giá trị quan sát và giá trị ước lượng gần nhau
nhất, xa nhau nhất?
- Năm 2000 có giá trị quan sát cao hay thấp hơn giá trị ước
lượng? Cao (thấp) hơn bao nhiêu?
- Phần dư có nằm ra ngoài hai đường biên không?
- Trong giai đoạn nào thì đường hồi quy mô tả gần đúng nhất sự
biến động của biến phụ thuộc Y?
Có thể xem đồ thị của giá trị thực tế, giá trị ước lượng, và phần dư trên
cùng hệ tọa độ hoặc đồ thị của riêng phần dư bằng cách chọn Actual,
Fitted, Residual Graph. Các đồ thị này có thể lưu lại hoặc cắt dán vào
các văn bản tương tự như đồ thị của các biến X, Y.
27
lOMoARcPSD|16104815
§ 4 HỒI QUY NHIỀU BIẾN ĐỘC LẬP
Bài này sẽ sử dụng bộ số liệu BT1CH1.wf1 có sẵn nằm trong thư mục
SOLIEU để thực hành. Đây là bộ số liệu về một số chỉ tiêu kinh tế vĩ
mô của Việt Nam.
4.1 Mở tệp số liệu có sẵn
[Eviews] File → Open

Chọn tệp số liệu BT1CH1 trong thư mục tương ứng
Cửa sổ [Workfile] gồm các biến số cơ bản của kinh tế vĩ mô Việt Nam
từ năm 1980 đến 1996: GDP GAP GIP EX IM, đơn vị là tỉ USD
tính theo giá so sánh 1994.
[?] - Ý nghĩa của các biến số trong bộ số liệu là gì?

- Đánh giá xu thế chung của các biến theo thời gian như thế nào?
Các biến có xu thế tăng hay không?
- Mức xuất khẩu tăng lên đột biến trong năm nào? Liên hệ với
thực tiễn, có thể giải thích gì về mức tăng đó?
- So sánh giữa EX và IM để đánh giá xem trong các năm, năm
nào có xuất siêu, nhập siêu, có cân bằng cán cân thương mại?
- So sánh giữa GAP và GIP để đánh giá giữa tổng sản phẩm nông
nghiệp và công nghiệp.
4.2 Đánh giá chung về các biến
Vẽ đồ thị của các biến theo thời gian, mỗi biến một đồ thị (Multiple
Graphs) và nhận xét về xu thế của các biến.
Vẽ đồ thị của GDP, GAP, GIP trên cùng một hệ trục tọa độ
(Graphs) và so sánh mức độ tăng trưởng của các biến.
28
lOMoARcPSD|16104815
[?] - So sánh trong hai trường hợp, khi GAP ở mức tối thiểu, và
GIP ở mức tối thiểu, khi đó GDP trong trường hợp nào lớn hơn?
- Có phải GDP luôn luôn tăng theo hai biến không?
- GDP tăng theo biến nào nhanh hơn?
Xem các thống kê đặc trưng mẫu của tất cả các biến (Descriptive
Stats)
[?] - Biến nào có giá trị trung bình lớn nhất, nhỏ nhất?
- Biến nào có sự biến động tuyệt đối đo bằng phương sai lớn nhất,
nhỏ nhất
- Biến nào có sự biến động tương đối đo bằng hệ số biến thiên lớn
nhất, nhỏ nhất?
- Hệ số lệch của biến nào lớn nhất, nhỏ nhất?
- Kiểm định về tính phân phối chuẩn của các biến?
Xem ma trận tương quan của các biến (Correlations)

[?] - Các biến có tương quan thuận chiều hay ngược chiều?
- Cặp biến nào có tương quan lớn nhất, nhỏ nhất?
- Tổng sản phẩm quốc nội tương quan với biến nào nhiều nhất, ít
nhất? quan hệ là tương quan cùng chiều hay ngược chiều?
4.3 Hồi quy mô hình nhiều biến
Xét mô hình hồi quy

E(GDP/GAPt , GIPt) = β1 + β2 GAPt + β3 GIPt (MH 4.1)
GDPt = β1 + β2 GAPt + β3 GIPt + ut
GDPt = β1Ct + β2 GAPt + β3 GIPt + ut
[Cửa sổ lệnh] LS GDP C GAP GIP ↵

Ö Bảng kết quả hồi quy
29
lOMoARcPSD|16104815
Dependent Variable: GDP

Date: …. Time: ….
Sample: 1980 1996
C -2.395032 1.571602 -1.523944 0.1498
GAP 1.455290 0.199663 7.288738 0.0000
GIP 0.674673 0.092429 7.299395 0.0000
Với kết quả hồi quy trên:

[?] - Giải thích ý nghĩa các ước lượng hệ số? Kết quả có phù hợp
với lý thuyết kinh tế không?
- Hệ số chặn có ý nghĩa thống kê không? Kết quả kiểm định này
có ý nghĩa như thế nào?
- Các hệ số góc có ý nghĩa thống kê không? Điều này có ý nghĩa
như thế nào?
- Theo mô hình này, GAP và GIP giải thích được bao nhiêu % sự
biến động của GDP?
- Qua ước lượng điểm các hệ số góc, GDP tăng trưởng theo biến
nào nhiều hơn?
- Tổng bình phương phần dư và sai số chuẩn của hồi quy bằng
bao nhiêu?
Giá trị ước lượng biến phụ thuộc (giá trị tương hợp) và phần dư
[Equation] Actual, Fitted, Residual → Actual, Fitted, Residual
Table: để xem giá trị ước lượng biến phụ thuộc và phần dư.
[Equation] Actual, Fitted, Residual → Actual, Fitted, Residual
Graph: để xem đồ thị các giá trị.
30
lOMoARcPSD|16104815
4.4 Phương sai, hiệp phương sai các ước lượng hệ số
Để có thể ước lượng, kiểm định về hơn một hệ số hồi quy, cần có ước
lượng phương sai, hiệp phương sai của các ước lượng hệ số.
[Equation] Covariance Matrix
C GAP GIP
C 2.469931 -0.308582 0.135627
GAP -0.308582 0.039865 -0.018113
GIP 0.135627 -0.018113 0.008543
[?] - Phương sai của các ước lượng bằng bao nhiêu?
- Hiệp phương sai ước lượng hai hệ số góc bằng bao nhiêu?
- Hiệp phương sai các ước lượng hệ số được dùng trong trường
hợp nào?
- Sử dụng kết quả hiệp phương sai, và bảng kết quả hồi quy mô
hình từ phần đầu, cho biết nếu GAP và GIP cùng tăng một đơn vị
thì trung bình của GDP thay đổi như thế nào?
- Kiểm định giả thuyết cho rằng: hệ số của biến GAP lớn gấp đôi
hệ số của biến GIP.
- Nếu GAP tăng một đơn vị, nhưng GIP giảm một đơn vị, thì
GDP sẽ tăng lên hay giảm đi, tăng lên (giảm đi) tối đa bao nhiêu,
tối thiểu bao nhiêu?
4.5 Kiểm định bỏ bớt biến
Eviews thực hiện kiểm định bỏ bớt biến số dựa trên kiểm định thu hẹp
hồi quy. Với mô hình ban đầu:
E(GDP/GAPt, GIPt) = β1 + β2 GAPt + β3 GIPt (4.1)
GDPt = β1 + β2 GAPt + β3 GIPt + ut
Muốn kiểm định bỏ biến GIP:
E(GDP/GAPt) = β1 + β2 GAPt (4.2)
GDPt = β1 + β2 GAPt + ut
31
lOMoARcPSD|16104815
H0: β3 = 0 : có thể bỏ biến GIP

H1: β3 ≠ 0 : không thể bỏ biến GIP
( RSS(4.2) − RSS(4.1) ) / m 2
( R(4.1) − RSS(4.2)
2
)/m
Kiểm định F; F = =
RSS(4.1) /(n − k(4.1) ) (1 − R(4.1)
2
) /(n − k(4.1) )
Tại cửa sổ kết quả ước lượng mô hình [Equation]
[Equation] View → Coefficient Tests → Redundant Variables

Ö Cửa sổ khai báo bớt (thêm) biến
→ Gõ biến muốn bỏ: GIP <Ok>

Ö Kết quả hồi quy sau khi đã bỏ biến GIP.
Redundant Variables: GIP

F-statistic 53.28117 Probability 0.000004
Log likelihood ratio 26.68699 Probability 0.000000
Test Equation:
Date: …. Time: ….
Sample: 1980 1996
C -13.10596 1.191955 -10.99535 0.0000
GAP 2.885761 0.080939 35.65346 0.0000
32
lOMoARcPSD|16104815

[?] Với cặp giả thuyết H0: β3 = 0 ; H1: β3 ≠ 0, giá trị thống kê F
dùng để kiểm định là F(1,14) = 53.2812 [.000]
- Thống kê F tính cụ thể như thế nào?
- Bậc tự do của kiểm định F bằng bao nhiêu?
- Dựa vào thông tin kiểm định F, kiểm định giả thuyết H0: “nên
bỏ biến GIP khỏi mô hình”, sử dụng thống kê F và mức xác suất
P-value để kết luận.
- Thực hiện kiểm định tương tự, có nên bỏ biến GAP khỏi mô
hình hay không?
4.6 Kiểm định thêm biến
Thêm hai biến EX và IM vào mô hình

E(GDPt) = β1 + β2 GAPt + β3 GIPt (4.1)
E(GDPt) = β1 + β2 GAPt + β3 GIPt + β4EXt + β5IMt (4.3)
H0: β3 = β4 = 0
H1: β32 + β42 ≠ 0
Tại cửa sổ kết quả ước lượng mô hình [Equation]

[Equation] View → Coefficient Tests → Omitted Variables
Ö Cửa sổ khai báo bớt (thêm) biến
→ Gõ biến muốn thêm: EX IM <Ok>
Ö Kết quả hồi quy sau khi thêm biến.
33
lOMoARcPSD|16104815
Omitted Variables: EX IM
Test Equation:
Date: 08/14/09 Time: 23:00
Sample: 1980 1996
C 0.845611 1.687898 0.500985 0.6254
GAP 1.232316 0.219174 5.622535 0.0001
GIP 0.606301 0.130161 4.658088 0.0006
EX 1.181808 0.259626 4.551961 0.0007
IM -0.436874 0.175753 -2.485723 0.0287
[?] - Nêu cách tính thống kê F = 10.78774, bậc tự do tương ứng

với kiểm định F là bao nhiêu?.
- Theo kiểm định F và mức P-value bằng 0.002, việc cho thêm hai
biến EX và IM vào mô hình có ý nghĩa thống kê không?
- Dùng kiểm định T để kiểm định xem có cần đưa biến EX, IM
vào mô hình không?
- Những kết luận trên có gì thay đổi nếu mức ý nghĩa bằng 1%?
4.7 Kiểm định về hai hệ số hồi quy
Với mô hình (4.1), kiểm định H0: β2 = β3

H1: β2 ≠ β3
34
lOMoARcPSD|16104815
[Equation] → View → Coefficient Tests → Wald Coefficient

Restrictions Ö Cửa sổ khai báo giả thuyết cần kiểm định về các hệ số:
Quy ước đánh số các hệ số C(1), C(2),… theo thứ tự khai báo của
phương trình hồi quy, do đó nếu khi khai báo biến là C GAP GIP thì
hệ số chặn là C(1), hệ số βGAP là C(2), βGAP là C(3).
Tại cửa sổ Wald Test: C(2) = C(3) <Ok>
Ö Kết quả kiểm định bằng kiểm định Wald, kiểm định F và χ2.
Wald Test:
Equation: Untitled
Null Hypothesis: C(2) = C(3)
Chi-square 7.199893 Probability 0.007291
[?] - Sử dụng P-value, có thể cho rằng β2 = β3 hay không?

- Tương tự, kiểm định giả thuyết βGAP = 2*βGIP
35
lOMoARcPSD|16104815
§ 5 CÁC DẠNG MÔ HÌNH
(Tiếp theo § 4)
Tiếp tục với bộ số liệu BT1CH1, bộ số liệu theo thời gian, các biến số
có xu thế tăng theo thời gian.
5.1 Biến xu thế thời gian
Mô hình GDPt = β1 + β2 GAPt + β3 GIPt + β4 t + ut (5.1)

Cửa sổ lệnh: GENR T = @TREND( ) ↵
Cửa sổ lệnh: LS GDP C GAP GIP T ↵

C -1.894304 4.039848 -0.468905 0.6469
GAP 1.397422 0.474727 2.943631 0.0114
GIP 0.683579 0.116234 5.881087 0.0001
T 0.025211 0.186117 0.135460 0.8943
R-squared 0.997577 F-statistic 1783.829
Sum squared resid 3.389751 Prob(F-statistic) 0.000000
Bằng kiểm định T tương ứng, có thể thấy biến xu thế thời gian là
không có ý nghĩa trong mô hình.
[?] - Nếu hồi quy trực tiếp GDP theo chỉ một biến xu thế thời gian
T (thực hiện yêu cầu này như một bài tập), thì biến GDP thực sự
phụ thuộc T, nhưng trong kết quả mô hình này thì biến T lại
không có ý nghĩa. Có thể giải thích điều đó như thế nào?
36
lOMoARcPSD|16104815
5.2 Hồi quy với biến trễ
Biến GDP có thể phụ thuộc vào chính nó thời kỳ trước đó.
Mô hình (5.2): GDPt = β1 + β2 GAPt + β3 GIPt + β4GDPt – 1 + ut

Hay: GDP = β1 + β2 GAP + β3 GIP + β4GDP(–1) + u
Cửa sổ lệnh: LS GDP C GAP GIP GDP(-1) ↵

Included observations: 16 after adjusting endpoints
C -2.463898 1.350701 -1.824162 0.0931
GAP 0.795588 0.272947 2.914805 0.0130
GIP 0.317487 0.110062 2.884625 0.0137
GDP(-1) 0.556071 0.153006 3.634316 0.0034
[?] - GDP có phụ thuộc vào trễ bậc 1 của nó không?

- Giải thích ước lượng hệ số ứng với biến trễ
- Hệ số xác định so với trước khi thêm biến thay đổi thế nào?
- Tương tự, thêm biến trễ bậc 1 của GAP, GIP vào mô hình
- Thêm biến trễ bậc 2 của GDP vào mô hình, kết quả thế nào?
5.3 Hồi quy mô hình dạng hàm mũ
Mô hình dạng hàm mũ Cobb-Douglas

Mô hình GDPt = eβ1 GAPt β2 GIPt β3 eut (5.3)
n = e βˆ1 GAP βˆ2 GIP βˆ3
GDPt t t
Logarit hai vế ln GDPt = β1 + β 2 ln GAPt + β3 ln GIPt + ut
37
lOMoARcPSD|16104815
Cửa sổ lệnh: LS LOG(GDP) C LOG(GAP) LOG(GIP) ↵
Dependent Variable: LOG(GDP)

C 0.375308 0.231645 1.620189 0.1275
LOG(GAP) 0.805312 0.164321 4.900835 0.0002
LOG(GIP) 0.307511 0.079742 3.856333 0.0017
S.E. of regression 0.018859 Akaike info criterion -4.944817
Sum squared resid 0.004980 Schwarz criterion -4.797780
Log likelihood 45.03095 F-statistic 2302.593
Theo kết quả này n = e0.37531GAP 0.80531GIP 0.30751

GDP
[?] - Giải thích ý nghĩa kết quả hồi quy

- Các hệ số có ý nghĩa thống kê không?
- Mô hình dạng hàm mũ giải thích bao nhiêu % sự biến động của
biến GDP, có giải thích được nhiều hơn dạng hàm tuyến tính
không?
Hồi quy mô hình GDPt = eβ1 GAPt β2 GIPt β3 EX t β4 IM t β5 eut
[?] - Hai biến mới đưa vào mô hình dạng hàm mũ có cần thiết hay
không? So sánh với mô hình dạng tuyến tính, mô hình theo dạng
nào giải thích được cho biến phụ thuộc GDP nhiều hơn?
38
lOMoARcPSD|16104815
§ 6 MÔ HÌNH VỚI BIẾN GIẢ
Sử dụng tệp BT1CH1 trong thư mục SOLIEU

Xét mối quan hệ nhập khẩu phụ thuộc vào GDP có dạng
IM = [Hệ số chặn] + [Hệ số góc]GDP + u
6.1 Xác định yếu tố định tính
Vẽ đồ thị điểm của IM theo GDP

Cửa sổ chính [Eviews] Quick → Graph → Scatter → GDP IM
12
import of goodsandservices
10
0
15 20 25 30 35 40 45 50
gross domestic products
Nhận xét thấy giai đoạn đầu 1980-1989 (ứng với 10 điểm bên trái) đồ
thị ít dốc hơn giai đoạn sau 1990-1996, yếu tố giai đoạn là định tính,
sử dụng biến giả
Đặt D là biến giả D = 0 với quan sát 1980 – 1989
D = 1 với quan sát 1990 – 1996
Mô hình IM = β1 + β2GDP + β3 D + β4D.GDP + u (MH 6.1)
Giai đoạn đầu: IM = β1 + β2GDP + u
Giai đoạn sau: IM = (β1 + β3) + (β2 + β4)GDP + u
Nếu β3= β4 = 0 : hàm hồi quy là đồng nhất trong hai giai đoạn
39
lOMoARcPSD|16104815
6.2 Đặt biến giả
Trong chương trình Eviews, tên biến D không được chấp nhận, do đó
sử dụng tên là D1
Lệnh: GENR D1 = 0 ↵
Tại cửa sổ [Workfile] xuất hiện biến D1,
Nháy đúp vào D1, mở cửa sổ [Series] → Edit+/-
Với các quan sát từ 1990 – 1996 đổi giá trị của D1 thành 1
Cách 2 để nhập giá trị cho biến giả: dùng khi số quan sát nhiều, việc
nhập số liệu khó khăn:
Tại cửa sổ [Workfile] chọn Sample → Cửa sổ [Sample], tại ô
Sample range pairs đang có sẵn 1980 1996; đổi thành 1990 1996.
Lệnh: D1 = 1 ↵
Cửa sổ [Workfile] → Sample → đổi lại mẫu thành 1980 1996.
6.3 Hồi quy mô hình có biến giả
Lệnh: LS IM C D1 GDP D1*GDP ↵
Dependent Variable: IM
Sample: 1980 1996
C -1.084655 1.342126 -0.808162 0.4335
D1 -11.19851 2.071545 -5.405872 0.0001
GDP 0.137484 0.060219 2.283088 0.0399
D1*GDP 0.325480 0.073081 4.453671 0.0007
40
lOMoARcPSD|16104815
[?] - Hàm hồi quy trong hai giai đoạn? Giải thích ý nghĩa?
- Các hệ số hồi quy có ý nghĩa thống kê không?
- Hệ số chặn của mô hình có khác nhau trong hai giai đoạn
không?
- Khi GDP tăng một đơn vị, nhập khẩu giai đoạn nào tăng lên
nhiều hơn, nhiều hơn bao nhiêu?
- Hàm hồi quy có đồng nhất trong hai giai đoạn không?
Kiểm định sự đồng nhất bằng kiểm định F
[Equation] View → Coefficient Tests → Redundant Variables

Biến cần bỏ: D1 D1*GDP <Ok>
Ö Kết quả sau khi bỏ hai biến giả.
Redundant Variables: D1 D1*GDP
Test Equation:
Dependent Variable: IM
C -3.794962 0.964703 -3.933813 0.0013
GDP 0.247898 0.032334 7.666868 0.0000
Sum squared resid 21.93584 Prob(F-statistic) 0.000001
[?] - Thống kê F của kiểm định thu hẹp hồi quy bằng bao nhiêu?
- Có nên bỏ hai biến giả khỏi mô hình không?
- Hàm hồi quy có đồng nhất trong hai giai đoạn không?
41
lOMoARcPSD|16104815
§ 7 HIỆN TƯỢNG ĐA CỘNG TUYẾN
Thực hành với bộ số liệu BT1CH1
7.1 Đa cộng tuyến hoàn hảo
Xét mô hình GDPt = β1 + β 2GAPt + β3GIPt + β 4 NX t + ut (7.1)

Với NX là xuất khẩu ròng, NX t = EX t − IM t
Lệnh: GENR NX = EX – IM ↵
Lệnh: LS GDP C EX IM NX ↵
Ö Cửa sổ Error Message với thông báo:
Mô hình có hiện tượng đa cộng tuyến hoàn hảo nên các tính toán
không thực hiện được.
Bỏ bớt biến NX khỏi phương trình hồi quy
Ö Các kết quả tính toán bây giờ có thể thực hiện được
7.2 Đa cộng tuyến không hoàn hảo
Xét mô hình
GDPt = β1 + β 2GAPt + β 3GIPt + β 4GAPt 2 + β 5GIPt 2 + ut (7.2)
Lệnh: LS GDP C GAP GIP GAP^2 GIP^2 ↵
42
lOMoARcPSD|16104815

C 0.295351 5.731684 0.051529 0.9598
GAP 1.134834 1.000746 1.133988 0.2789
GIP 0.344117 0.322092 1.068381 0.3064
GAP^2 0.028279 0.035942 0.786800 0.4467
GIP^2 0.002412 0.006913 0.348937 0.7332
[?] - Sử dụng các kiểm định T, cho biết các biến độc lập có giải
thích cho biến phụ thuộc hay không? Dựa trên các kiểm định này,
hàm hồi quy có phù hợp hay không?
- Hệ số xác định bằng bao nhiêu?
- Bằng kiểm định F, cho biết hàm hồi quy có phù hợp không?
- Mâu thuẫn giữa các kiểm định cho thấy điều gì?
Xét về quan hệ toán học, biến GIP và GIP2, biến GAP và GAP2 không
có quan hệ cộng tuyến, nhưng do thời kì lấy mẫu chưa đủ nên hiện
tượng đa cộng tuyến giữa các số liệu vẫn xảy ra.
Trong trường hợp này, cần bỏ hai biến GAP2, GIP2 khỏi mô hình, hiện
tượng mâu thuẫn giữa các kiểm định sẽ không còn.
Kiểm định bỏ bớt biến GAP2, GIP2 cho kết quả sau, theo đó nên bỏ hai
biến khỏi mô hình
Redundant Variables: GAP^2 GIP^2

43
lOMoARcPSD|16104815
7.3 Hồi quy phụ kiểm định đa cộng tuyến
Với ví dụ trên, sau khi bỏ hai biến GAP2, GIP2, được mô hình:
GDPt = β1 + β 2GAPt + β3GIPt + ut (7.3)
LS GDP C GAP GIP ↵
C -2.395032 1.571602 -1.523944 0.1498
GAP 1.455290 0.199663 7.288738 0.0000
GIP 0.674673 0.092429 7.299395 0.0000
Mô hình không có mâu thuẫn giữa các kiểm định T và kiểm định F. Để
kiểm định chi tiết về đa cộng tuyến, sử dụng hồi quy phụ:
Hồi quy GAP theo GIP

GAPt = α1 + α 2GIPt + vt (7.4)
Dependent Variable: GAP
C 7.740618 0.368769 20.99044 0.0000
GIP 0.454364 0.022878 19.86005 0.0000
[?] - Biến GAP có phụ thuộc tuyến tính vào GIP không? Mô hình
(7.3) có đa cộng tuyến không?
- Đa cộng tuyến này có phải đa cộng tuyến hoàn hảo không?
- Mức độ cộng tuyến giữa GAP và GIP trong mẫu này ở mức
nào?
- Tính độ đo Theil của mô hình (7.3)?
44
lOMoARcPSD|16104815
§ 8 HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI
Sử dụng bộ số liệu BT5EX trong thư mục SOLIEU

Có các biến: M : cầu tiền danh nghĩa, Y: thu nhập thực tế, R: lãi suất,
P là mức giá, C: hệ số chặn
8.1 Hiện tượng
Xét mô hình M i = β1 + β 2Yi + β3 Pi + β 4 Ri + ui (MH 8.1)

Hồi quy mô hình (9.1)
Lệnh: LS M C Y P R ↵
Ö Bảng kết quả hồi quy.
Dependent Variable: M
Sample: 1963 1987
C -52.33310 14.97030 -3.495794 0.0022
Y 0.288936 0.067958 4.251667 0.0004
P 40.70030 7.712388 5.277263 0.0000
R -2.480736 0.442728 -5.603290 0.0000
S.E. of regression 5.024448 F-statistic 159.1525
Để nhận định về phương sai sai số, đánh giá qua đồ thị phần dư
[Equation] View → Actual, Fitted, Residual → Residual Graph
Qua đồ thị có thể thấy sự dao động không đồng đều của sai số quanh
giá trị trung bình là 0. Hai đường đứt nét là giá trị ±σ̂ (sai số chuẩn
của hồi quy).
45
lOMoARcPSD|16104815
15
10
-5
-10
1965 1970 1975 1980 1985
M Residuals
8.2 Kiểm định White
Kiểm định White do Eviews thực hiện dựa trên hồi quy bình phương
phần dư (kí hiệu là RESID) theo bậc nhất và bậc hai của các biến độc
lập. Có hai trường hợp: kiểm định không có tích chéo giữa các biến
độc lập và kiểm định có tích chéo.
Kiểm định không có tích chéo

ei2 = α1 + α 2Yi + α 3Yi 2 + α 4 Pi + α 5 Pi 2 + α 6 Ri + α 7 Ri2 + vi (8.2)
H0: Mô hình gốc có phương sai sai số không đổi (đồng đều)
H1: Mô hình gốc có phương sai sai số thay đổi (không đồng đều)
R∗2 n − k∗
so sánh với Fα( ∗
k −1, n − k∗ )
Fqs = ⋅
1 − R∗ k∗ − 1
2
χ qs2 = nR∗2 so sánh với χα2 ( k∗ − 1)

[Equation] View → Residual Test → White heteroskedasticity
(no cross terms)
46
lOMoARcPSD|16104815
White Heteroskedasticity Test:

Obs*R-squared 14.30433 Probability 0.026415
Test Equation:
Dependent Variable: RESID^2
Date: … Time: …
Sample: 1963 1987
C 840.8150 665.8814 1.262710 0.2228
Y -6.521801 5.591946 -1.166285 0.2587
Y^2 0.012623 0.008874 1.422498 0.1720
P -148.9686 219.8589 -0.677565 0.5067
P^2 62.13170 192.4990 0.322764 0.7506
R 3.522892 43.76667 0.080493 0.9367
R^2 -0.011481 1.786478 -0.006426 0.9949
47
lOMoARcPSD|16104815
[?] - Cho biết giá trị F-statistic = 4,012181 và Obs*R-squared =

14,30433 được tính cụ thể thế nào ?
- Qua các thống kê và P-value tương ứng, thực hiện kiểm định để
kết luận về phương sai sai số của mô hình gốc?
- Các ước lượng hệ số của mô hình (8.1) có phải là ước lượng tốt
nhất không?
- Nếu ước lượng trên chưa phải tốt nhất, hãy nêu cách để ước
lượng được kết quả tốt hơn.
Kiểm định White có tích chéo

[Equation] View → Residual Test → White heteroskedasticity
(cross terms)
[?] - Viết phương trình hồi quy phụ ?
- Thực hiện kiểm định đối với kết quả này.
8.3 Lưu phần dư và giá trị ước lượng
Có thể thực hiện hồi quy phụ phần dư theo các biến độc lập theo kiểm
định Glejer, kiểm định Park, kiểm định dựa trên biến phụ thuộc. Để
thực hiện chủ động các hồi quy phụ, cần lưu lại các giá trị cần thiết
dưới dạng các biến số mới.
Lưu phần dư và giá trị ước lượng

Với bảng kết quả hồi quy mô hình (8.1), cửa sổ Equation:
[Equation] View → Estimation Output
[Equation] Procs → Make Residual Series…
Cửa sổ Make Residuals, tên ngầm định cho phần dư là resid01, đổi
thành E <Ok>, đóng cửa số Series E.
48
lOMoARcPSD|16104815
[Equation] → Forecast → Cửa sổ Forecast, trong ô Forecast name

là tên của giá trị ước lượng biến phụ thuộc M̂ , được ngầm định là
MF, sử dụng tên này.
Sau khi đặt chuỗi giá trị phần dư và giá trị ước lượng, trong cửa sổ
[Workfile] xuất hiện hai biến mới là E và MF.
49
lOMoARcPSD|16104815
8.4 Kiểm định bằng hồi quy phụ
Phương sai sai số được thay thế bởi ei2 thay đổi theo các giả thiết khác
nhau. Các kiểm định Glejer, Park thực hiện kiểm định cho từng biến
độc lập
Kiểm định phương sai sai số thay đổi với biến P

Kiểm định Glejer
Hồi quy phụ: | ei |= α1 + α 2 Pi + vi
Lệnh: LS ABS(E) C P ↵
Kết luận có PSSS thay đổi [?]
Hồi quy phụ: | ei |= α1 + α 2 Pi + vi
Lệnh: LS ABS(E) C P^0.5 ↵
Kiểm định Park
Giả thiết: Var (ui ) = σ i2 = σ 2 Piα 2 → ln ei = α1 + α 2 ln Pi + vi
Lệnh: LS LOG(E) C LOG(P) ↵
Kết luận có PSSS không đổi [?]
Dạng thu gọn của kiểm định White
Hồi quy phụ: ei2 = α1 + α 2 Pi 2 + vi
Lệnh: LS E^2 C P^2 ↵
Tương tự, kiểm định giả thuyết phương sai sai số thay đổi theo các
biến độc lập Y, R. Qua các hồi quy phụ, có thể thấy phương sai sai số
thay đổi theo P, theo Y, nhưng không thay đổi theo R.
50
lOMoARcPSD|16104815
Kiểm định phương sai sai số thay đổi với biến phụ thuộc
Giả thiết: Var (ui ) = σ i2 = σ 2 ( E ( M i ) )
2
Hồi quy phụ: ei2 = α1 + α 2 Mˆ i2 + vi

Lệnh: LS E^2 C MF^2 ↵
Kết luận có phương sai sai số thay đổi theo biến phụ thuộc.
8.5 Khắc phục phương sai sai số thay đổi
Mô hình (8.1) M i = β1 + β 2Yi + β3 Pi + β 4 Ri + ui có phương sai sai số

thay đổi, qua các hồi quy phụ, nhận thấy sự thay đổi theo biến P, Y,
hoặc M̂ 2 , khắc phục dựa trên các giả thiết này.
Khắc phục theo biến P

Từ hồi quy phụ ei2 = α1 + α 2 Pi 2 + vi trong phần trên, có thể cho rằng giả
thiết σ i2 = σ 2 Pi 2 là đúng, khắc phục bằng cách chia (8.1) cho Pi:
Mi 1 Y R u
= β1 + β 2 i + β 3 + β 4 i + i (8.3)
Pi Pi Pi Pi Pi
LS M/P 1/P Y/P C R/P ↵
Dependent Variable: M/P
1/P -13.38787 6.008009 -2.228337 0.0369
Y/P 0.082868 0.032222 2.571759 0.0178
C 54.34015 4.307226 12.61604 0.0000
R/P -1.055670 0.303220 -3.481534 0.0022
Để xem mô hình mới (8.3) đã khắc phục được hiện tượng phương sai
sai số thay đổi hay chưa, sử dụng kiểm định White
51
lOMoARcPSD|16104815
Kiểm định White không có tích chéo và có tích chéo

White Heteroskedasticity Test: no cross terms
White Heteroskedasticity Test: cross term
[?] - Mô hình (8.3) có phương sai sai số đồng đều hay thay đổi?
- Nếu mức ý nghĩa là 10% thì kết luận thế nào?
- Với mô hình này, ước lượng điểm mức thay đổi của M khi Y
tăng 1 đơn vị? So sánh với kết quả từ mô hình (8.1)
- Ước lượng điểm mức thay đổi của M khi P thay đổi 1 đơn vị?
- Giải thích ý nghĩa kinh tế của mô hình mới?
Khắc phục theo biến Y

Chia phương trình (8.1) cho biến Y
Mi 1 P R u
= β1 + β 2 + β 3 i + β 4 i + i (8.4)
Yi Yi Yi Yi Yi
LS M/Y 1/Y C P/Y R/Y ↵
Khắc phục theo biến phụ thuộc M

Chia phương trình (8.1) cho biến M̂
Mi 1 Y Pi R u
= β1 + β2 i + β3 + β4 i + i (8.5)
Mˆ i Mˆ i Mˆ i Mˆ i Mˆ i Mˆ i
Lưu ý phương trình này không có hệ số chặn
LS M/MF 1/MF Y/MF P/MF R/MF ↵
[?] - So sánh kết quả (8.5) với (8.3), (8.4) để đánh giá về hiện
tượng phương sai sai số thay đổi, hệ số xác định, và ước lượng
các hệ số?
52
lOMoARcPSD|16104815
§ 9 HIỆN TƯỢNG TỰ TƯƠNG QUAN
Sử dụng bộ số liệu BT7NCY trong thư mục SOLIEU.

Có các biến: CS : tiêu dùng khu vực dân cư, Y: thu nhập thực tế, C:
hằng số, số liệu của Nigeria
9.1 Hiện tượng
Hồi quy mô hình CSt = β1 + β2 Yt + ut (9.1)

LS CS C Y ↵ <Start>
Dependent Variable: CS
Sample: 1960 1986
C 155.2239 203.4712 0.762879 0.4527
Y 0.597069 0.060594 9.853648 0.0000
Sum squared resid 3316021. Schwarz criterion 14.80045
Theo kết quả hồi quy này, giá trị d của kiểm định Durbin-Watson bằng
0.46238; với giá trị dL = 1.302 và dU = 1.461 thì d < dL → mô hình có
hiện tượng tự tương quan bậc 1 dương.
[?] - Mô hình có tự tương quan bậc 1 dương, có thể ước lượng hệ
số tự tương quan bậc 1 bằng bao nhiêu?
- Hãy nêu 1 cách để khắc phục hiện tượng tự tương quan bậc 1
dựa trên thống kê DW?
53
lOMoARcPSD|16104815
9.2 Kiểm định Breusch-Godfrey
Kiểm định tự tương quan bậc 1 của mô hình (9.1) bằng kiểm định
Breusch-Godfrey, hồi quy phụ là:
et = (α1 + α 2Yt ) + ρ1et −1 + vt (9.2)
et = (α1 + α 2Yt ) + vt (9.3)
H0: ρ1 = 0: Mô hình không có tự tương quan bậc 1
H1: ρ1 ≠ 0: Mô hình có tự tương quan bậc 1
2
R(9.2) − R(9.3)
2
n(9.2) − k(9.2)
Fqs = ⋅ và χ qs2 = n(9.2) R(9.2)
2
1 − R(9.2)
2
1
Mô hình (9.2) có trễ bậc 1, số quan sát bớt đi 1. Tuy nhiên chương
trình Eviews tự động thay giá trị thiếu đó bằng 0, do đó số quan sát
vẫn được giữ nguyên.
[Equation] View → Residual Tests → Residual Correlation LM

Test…
Ö Cửa sổ [Lag specification] để xác định bậc của tự tương quan cần
kiểm định. Bậc ngầm định là 2, cần kiểm định tự tương quan bậc 1
[Lag specification] Lags to include: 1 <Ok>
54
lOMoARcPSD|16104815
Ö Bảng kết quả kiểm định hiện tượng tự tương quan bậc 1 của mô
hình (9.1) bằng kiểm định BG.
Breusch-Godfrey Serial Correlation LM Test:

Test Equation:
Dependent Variable: RESID
Date: … Time: …
Presample missing value lagged residuals set to zero.
C -60.84700 133.6292 -0.455342 0.6530
Y 0.021511 0.039844 0.539890 0.5942
RESID(-1) 0.777523 0.132732 5.857844 0.0000
R-squared 0.588437 Mean dependent var -2.97E-13
Lưu ý: những thông tin trong phần cuối của bảng kết quả là tương ứng
với mô hình hồi quy phụ (9.2).
[?] - Hãy cho biết thống kê F-statistic và Obs*R-squared được
tính cụ thể như thế nào, bậc tự do tương ứng là bao nhiêu?
- Kiểm định và kết luận về hiện tượng tự tương quan bậc 1?
- Có thể lấy ước lượng hệ số tự tương quan bậc 1 bằng bao nhiêu
thông qua kiểm định này?
Tương tự, thực hiện kiểm định tự tương quan đến bậc 2.
[?] - Với kiểm định tự tương quan bậc 2, hồi quy phụ thế nào?
- Thực hiện kiểm định cụ thể, có tự tương quan bậc 1, bậc 2
hay không?
55
lOMoARcPSD|16104815
9.3 Kiểm định bằng hồi quy phụ
Kiểm định tự tương quan dựa trên việc xem xét phần dư et có phụ
thuộc vào các trễ của nó không.
Kiểm định tự tương quan bậc 1
Không có hệ số chặn et = α1et −1 + vt (9.4)
Có hệ số chặn et = α 0 + α1et −1 + vt (9.5)
Cần lưu lại phần dư

[Make Residuals] → Name of resid series: E
Hồi quy không có hệ số chặn

Lệnh: LS E E(-1) ↵
Ö Kết quả hồi quy mô hình (9.4)
Dependent Variable: E
Sample(adjusted): 1961 1986
E(-1) 0.770406 0.129372 5.954944 0.0000
R-squared 0.586418 Mean dependent var -5.380974
Log likelihood -178.1651 Durbin-Watson stat 1.801323
[?] - Phần dư có phụ thuộc trễ của nó không?

- Có thể lấy hệ số tự tương quan bậc 1 bằng bao nhiêu?
- Tại sao bảng kết quả không có thông tin F-statistic và P-value
của kiểm định F?
56
lOMoARcPSD|16104815
Hồi quy có hệ số chặn

LS E C E(-1) ↵
[?] - Kết quả có giống với hồi quy không có hệ số chặn không?
- Qua kiểm định T và F, kết luận gì về hiện tượng tự tương
quan bậc 1 của mô hình gốc.
9.4 Khắc phục tự tương quan
Sử dụng phương trình sai phân tổng quát
Qua thống kê DW và hồi quy phụ (9.4), (9.5), ước lượng hệ số tương
quan bậc nhất ρˆ ≅ 0,77 , thay vào phương trình sai phân tổng quát
(9.6) như sau:
CSt – 0,77CSt – 1 = β1(1 – 0.77) + β2 (Yt – 0.77Yt – 1) + (ut – 0.77ut –1)
Về cửa sổ lệnh
LS (CS – 0.77*CS(-1)) C (Y – 0.77*Y(-1)) ↵
Ö Kết quả hồi quy
Dependent Variable: CS-0.77*CS(-1)

C 143.8042 123.0936 1.168251 0.2542
Y-0.77*Y(-1) 0.465693 0.141126 3.299833 0.0030
57
lOMoARcPSD|16104815
Theo bảng kết quả này, mô hình sau khi đổi biến số (9.6) có ước lượng
hệ số chặn là 143.8042, do đó ước lượng hệ số chặn của mô hình (9.1)
sẽ là βˆ = 143.8042 /(1 − 0.77) = 625.236 , ước lượng hệ số góc của mô
1
hình gốc βˆ2 = 0.46569 .

[?] - Dùng kiểm định Durbin-Watson chứng tỏ mô hình (9.6)
không còn tự tương quan.
- Tại sao ước lượng hệ số chặn β1 của mô hình (9.1) lại phải lấy
ước lượng hệ số chặn của mô hình (9.6) chia cho (1 – 0.77)?
- Khi đó sai số chuẩn Se( βˆ ) sẽ bằng bao nhiêu?
1
Dùng kiểm định Breusch-Godfrey kiểm định mô hình (9.6), được:

[?] - Kết quả này cho biết mô hình (9.6) có tự tương quan bậc 1
hay không?
Sử dụng phương pháp Cochran-Orcutt

Đổi câu lệnh hồi quy bằng cách thêm ký hiệu của tự tương quan bậc
tương ứng vào sau phương trình hồi quy
LS CS C Y AR(1) ↵
Convergence achieved after 39 iterations
C 1290.375 864.3354 1.492910 0.1491
Y 0.320087 0.180066 1.777612 0.0887
AR(1) 0.895753 0.097838 9.155465 0.0000
58
lOMoARcPSD|16104815

Inverted AR Roots .90
Bảng kết quả cho thấy phương pháp hồi quy dừng lại sau 39 bước lặp.
Ước lượng cho hệ số tự tương quan bậc 1 được tính ở bước cuối bằng
0.895735. Kiểm định BG cho kết quả sau:
Breusch-Godfrey Serial Correlation LM Test: AR(1)

[?] - Bằng kiểm định DW và kiểm định BG cho biết mục đích
khắc phục tự tương quan đã đạt được chưa?
- Ước lượng hệ số chặn và hệ số góc bằng bao nhiêu, có khác so
với dùng OLS trực tiếp không?
- Hệ số xác định có thay đổi không?
- Viết phương trình sai phân tổng quát ứng với bước cuối cùng
của mô hình. Khi đó ước lượng hệ số chặn của phương trình sai
phân tổng quát đó bằng bao nhiêu?
59
lOMoARcPSD|16104815
§ 10 ĐỊNH DẠNG MÔ HÌNH
Bài thực hành số 10 trình bày kiểm định về dạng hàm trong một mô
hình hồi quy bằng kiểm định Ramsey’RESET và kiểm định nhân tử
Lagrange. Bài thực hành này cũng tổng hợp một số phương pháp khắc
phục khuyết tật ở những bài trước nhằm tìm được những ước lượng tốt
nhất trên một bộ số liệu. Để hiểu được nội dung của bài thực hành, cần
nắm được các kĩ thuật kiểm định, mục đích, ý nghĩa và kết luận của
nó. Phần khắc phục khuyết tật tổng hợp yêu cầu nắm vững các khái
niệm, kĩ thuật trong tất cả các bài thực hành trước.
Sử dụng bộ số liệu BT7NCY trong thư mục SOLIEU
10.1 Kiểm định Ramsey RESET
Hồi quy mô hình CSt = β1 + β 2Yt + ut (10.1)

LS CS C Y ↵
C 155.2239 203.4712 0.762879 0.4527
Y 0.597069 0.060594 9.853648 0.0000
Kiểm định Ramsey RESET sử dụng hồi quy phụ, khi thêm một phần
tử vào mô hình gốc:
m +u
CSt = ( β1 + β 2Yt ) + α1 CS
2
(10.2)
t t
60
lOMoARcPSD|16104815
H0: α1 = 0: Mô hình gốc không thiếu biến, dạng hàm đúng

H1: α1 ≠ 0: Mô hình gốc thiếu biến, dạng hàm sai
2
R(10.2) − R(10.1)
2
n − k(10.2) (1,n −k )
Fqs = ⋅ so sánh với Fα (10.2)
1 − R(10.2)
2
1
[Equation] View → Stability Test → Ramsey RESET Test…
[RESET Specification] Number of fitted terms: 1
Ö Số phần tử muốn thêm vào, nhập là 1
Ramsey RESET Test:

Test Equation:
Sample: 1960 1986
C -268.6193 746.5686 -0.359805 0.7221
Y 0.954119 0.607571 1.570384 0.1294
FITTED^2 -0.000152 0.000257 -0.590693 0.5602
61
lOMoARcPSD|16104815
[?] - Hãy nêu chi tiết cách tính giá trị F-statistic = 0,34918 trong
bảng, và cho biết bậc tự do tương ứng bằng bao nhiêu?
- Theo kiểm định này, mô hình gốc có thiếu biến không?
Khi muốn kiểm định bằng cách thêm 2 nhân tử vào mô hình gốc, phương
trình hồi quy phụ:
m + α CS
CSt = ( β1 + β 2Y )t + α1 CS
2
m +u 3
(10.3)
t 2 t t
Giả thuyết H0: H0: α1 = α2 = 0

[?] - Thực hiện kiểm định khi thêm 2 phần tử, và kết luận về dạng
hàm của mô hình gốc?
10.2 Kiểm định nhân tử Lagrange (kiểm định χ2)
Hồi quy phụ

m +1
Tổng quát m + ... + α CS
et = ( β1 + β 2Y )t + α1 CS m 2
+ vt (10.4)
t m t
H0: Mô hình gốc có dạng hàm đúng

H1: Mô hình gốc có dạng hàm sai
χ qs2 = nR(10.4)
2
, so sánh với χα2 ( m)
Trường hợp đơn giản
Đơn giản m +v
et = ( β1 + β 2Y )t + α1 CS
2
(10.5)
t t
Lưu lại phần dư là E và giá trị ước lượng là CSF

[Make Residuals] → Name of resid series: E
[Equation] Forecast → Forecast name: CSF
62
lOMoARcPSD|16104815
Hồi quy phụ

Lệnh: LS E C Y CSF^2 ↵
Dependent Variable: E
C -423.8432 746.5686 -0.567722 0.5755
Y 0.357051 0.607571 0.587669 0.5622
CSF^2 -0.000152 0.000257 -0.590693 0.5602
R-squared 0.014330 Mean dependent var -2.97E-13
Adjusted R-squared -0.067809 S.D. dependent var 357.1264
[?] - Tính χ qs2 để thực hiện kiểm định, bậc tự do tương ứng là
bao nhiêu?
- Theo kiểm định này, mô hình gốc có dạng hàm đúng hay
không?
- Thực hiện kiểm định với hồi quy phụ sau và cho kết luận
m + α CS
et = ( β1 + β 2Y )t + α1 CS m +v 2 3
(10.6)
t 2 t t
10.3 Khắc phục khuyết tật tổng hợp
Quay lại với mô hình hồi quy CSt = β1 + β 2Yt + ut (10.1)
[?] Giải thích ý nghĩa của mô hình

- Hồi quy mô hình, cho biết mô hình có những khuyết tật nào?
- Nêu các cách khắc phục các khuyết tật của mô hình?
63
lOMoARcPSD|16104815
Sample: 1960 1986
C 155.2239 203.4712 0.762879 0.4527
Y 0.597069 0.060594 9.853648 0.0000


Ramsey RESET Test: number of fitted terms: 1

Mô hình có các khuyết tật: Phương sai sai số thay đổi, tự tương quan
bậc 1. Thực hiện khắc phục các khuyết tật đó.
Khắc phục tự tương quan bằng cách thêm biến trễ

Thêm trễ bậc 1 của biến phụ thuộc vào mô hình, mô hình mới không
dùng được kiểm định DW:
CSt = β1 + β 2Yt + β 2CSt −1 + ut (10.7)
LS CS C Y CS(-1) ↵
C 3.962031 122.4302 0.032362 0.9745
Y 0.207495 0.064345 3.224707 0.0038
CS(-1) 0.695319 0.094013 7.396025 0.0000
64
lOMoARcPSD|16104815



Ramsey RESET Test:

Mô hình vẫn còn phương sai sai số thay đổi, cần khắc phục
Trường hợp 1
Khắc phục phương sai sai số thay đổi bằng cách chia cho ước lượng
biến phụ thuộc
CSt 1 Y CS u
= β1 + β2 t + β3 t −1 + t (10.8)
mt
CS mt
CS mt
CS m t CS
CS mt
Lưu lại giá trị ước lượng
[Equation] Forecast → Forecast name: CSM
LS CS/CSM 1/CSM Y/CSM CS(-1)/CSM ↵
Dependent Variable: CS/CSM
1/CSM 23.65519 79.66907 0.296918 0.7692
Y/CSM 0.254084 0.059616 4.262025 0.0003
CS(-1)/CSM 0.609406 0.098079 6.213392 0.0000
S.E. of regression 0.087196 Akaike info criterion -1.933155
Sum squared resid 0.174871 Schwarz criterion -1.787990
Log likelihood 28.13101 Durbin-Watson stat 1.687418
65
lOMoARcPSD|16104815

Ramsey RESET Test:
Mô hình không có hệ số chặn, Eviews không tính thống kê F của kiểm
định về sự phù hợp, hệ số xác định có thể không mang ý nghĩa đúng.
Trường hợp 2
Khắc phục phương sai sai số thay đổi bằng cách chia cho CS(-1)
CSt 1 Y u
= β1 + β2 t + β3 + t (10.9)
CSt −1 CSt −1 CSt −1 CSt −1
LS CS/CS(-1) 1/CS(-1) Y/CS(-1) C ↵
Dependent Variable: CS/CS(-1)
1/CS(-1) 40.67407 82.29139 0.494269 0.6258
Y/CS(-1) 0.266193 0.060099 4.429221 0.0002
C 0.580444 0.106325 5.459150 0.0000
Sum squared resid 0.194990 F-statistic 10.23630
Ramsey RESET Test:
66
lOMoARcPSD|16104815
Trường hợp 3
Khắc phục phương sai sai số thay đổi bằng cách chia cho Y
CSt 1 CS u
= β1 + β2 + β3 t −1 + t (10.10)
Yt Yt Yt Yt
LS CS/Y 1/Y C CS(-1)/Y ↵
Dependent Variable: CS/Y
1/Y -2.478002 74.42575 -0.033295 0.9737
C 0.253066 0.060676 4.170761 0.0004
CS(-1)/Y 0.626413 0.095424 6.564513 0.0000
Sum squared resid 0.072154 F-statistic 23.00917


Ramsey RESET Test:

[?] - Kiểm định các khuyết tật của mô hình (10.8), (10.9), (10.10)
- So sánh đánh giá các mô hình đó, xác định mô hình tốt nhất?
- Với mô hình tốt nhất, phân tích tác động của thu nhập Y, chi tiêu
kỳ trước CS(-1) đến chi tiêu cùng kỳ CS?
67
lOMoARcPSD|16104815
68
lOMoARcPSD|16104815
HƯỚNG DẪN TẢI CHƯƠNG TRÌNH EVIEWS4 VÀ SỐ LIỆU
Một số sinh viên có thắc mắc về việc tải xuống (download) chương
trình Eviews, do đó phần này hướng dẫn chi tiết công đoạn này.
1. Tải chương trình và số liệu từ trang mạng
Tại trang mạng khoa Toán kinh tế: www.mfe.edu.vn chọn mục Thư
viện, rồi mục Dữ liệu – phần mềm.
Trong trang này có phần Chương trình cho thực hành, có liên kết
EVIEWS4, nhấn chuột trái vào liên kết để tải về, hoặc nhấn chuột
phải và chọn Save link as… để tải về.
File tải về là file nén dạng zip: Eviews4_2008.zip.
Tương tự, chọn liên kết SOLIEU để tải về file nén SOLIEU.zip.
Nên để cả hai file này vào chung 1 thư mục.
69
lOMoARcPSD|16104815
2. Giải nén thư mục chương trình và số liệu
Hai file tải về là file nén, chưa thể sử dụng ngay. Với hệ điều hành
WindowsXP trở đi, có thể mở file nén để xem nội dung trực tiếp,
nhưng chưa phải là giải nén, do đó chưa thể chạy chương trình được.
Tại thư mục chứa hai file nén, nhấn chuột phải vào 1 file nén, và chọn
giải nén (Extract files hoặc Extract Here)
Giải nén cả hai file, được hai thư mục Eviews4_2008 và SOLIEU.
Trong thư mục Eviews4_2008 đã có sẵn 3 thư mục dữ liệu là DATA,
DATA2, DATA3, cùng các file chương trình. Chuyển thư mục
SOLIEU vào trong thư mục Eviews4, để thuận tiện cho việc thực
hành.
70

Huong Dan Eview Kinh Te Luong 123 456 An

Uploaded by

Copyright:

Available Formats

You might also like

Huong Dan Eview Kinh Te Luong 123 456 An

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Huong Dan Eview Kinh Te Luong 123 456 An

Uploaded by

Copyright:

Available Formats

lOMoARcPSD|16104815

Hướng dẫn Eview kinh tế lượng 123 456 an

Studocu is not sponsored or endorsed by any college or university

§ 1 SỐ LIỆU DÙNG TRONG EVIEWS...................................... 7

§ 2 NHẬP SỐ LIỆU TỪ BÀN PHÍM – XỬ LÝ SỐ LIỆU ....... 11

§ 3 ƯỚC LƯỢNG MÔ HÌNH HỒI QUY ĐƠN ........................ 23

§ 4 HỒI QUY NHIỀU BIẾN ĐỘC LẬP .................................... 28

§ 5 CÁC DẠNG MÔ HÌNH ........................................................ 36

§ 6 MÔ HÌNH VỚI BIẾN GIẢ ................................................... 39

§ 7 HIỆN TƯỢNG ĐA CỘNG TUYẾN .................................... 42

§ 8 HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI.......... 45

§ 9 HIỆN TƯỢNG TỰ TƯƠNG QUAN.................................... 53

§ 10 ĐỊNH DẠNG MÔ HÌNH..................................................... 60

Cửa số chính của chương trình Eviews gồm các phần:

Cửa Thanh Thanh Thoát

Cửa số chính của chương trình Eviews gồm các phần:

Một số chủ thể cơ bản của Eviews

Series: Mỗi biến là một chuỗi số liệu, do đó Eviews dùng cách

Một số kí hiệu dùng cho thực hành

§ 1 SỐ LIỆU DÙNG TRONG EVIEWS

Mở bộ số liệu có tần suất theo năm

Tại cửa sổ chính, chọn File → Open

Chọn dạng Workfile, là dạng thông thường nhất để tính toán xử lý

Thông tin của một biến số thông thường bao gồm:

Mở bộ số liệu có tần suất theo Quý

Mở bộ số liệu có tần suất theo Quý

Mở bộ số liệu mới, tại cửa sổ [Eviews] File → New, chọn tệp

§ 2 NHẬP SỐ LIỆU TỪ BÀN PHÍM – XỬ LÝ SỐ LIỆU

Xét bộ số liệu ví dụ sau, với X là đầu tư quốc gia (Gross National

2.1 Định dạng tần suất và nhập số liệu

Frequency - tần suất của số liệu

đổi thứ tự này sang quy ước châu Âu là Ngày/Tháng/Năm bằng

Frequency:  Annual → Start date: 1995 → End date: 2005 : mở

Tại cửa sổ [Eviews], chọn Quick → Empty Group (Edit Series)

Nhập nhãn biến

2.2 Sửa đổi số liệu và lưu số liệu

Tại cửa sổ [Eviews] Chọn File → Save (hoặc Save as)

Mô tả số liệu qua đồ thị và các thống kê đặc trưng cơ bản là xử lý ban

Vẽ đồ thị các biến theo quan sát

Thay đổi định dạng đồ thị:

Vẽ đồ thị trên nhiều hệ tọa độ

Thống kê mô tả của các biến

Thống kê JB Jarque-Bera 1.212534 0.655918

Tổng Sum 1353.000 3292.000

Số quan sát Observations 12 12

H0: biến phân phối theo quy luật Chuẩn

Phương sai - hiệp phương sai

Kiểm định so sánh các biến

Kiểm định sự bằng nhau của hai phương sai: Variance

Method df Value Probability

2.3 Đặt biến mới

[Eviews] Quick → Generates Series: mở cửa sổ [Generate Series by

Các hàm và lệnh cơ bản

Tên Ý nghĩa Ví dụ Kết quả

Đặt biến xu thế thời gian

§ 3 ƯỚC LƯỢNG MÔ HÌNH HỒI QUY ĐƠN

Hàm hồi quy tổng thể PRF:

3.1 Ước lượng mô hình

[Eviews] Quick → Estimate Equation

Frequency: Annual → Start date: 1995 → End date: 2005 : mở