TỰ TƯƠNG QUAN

I II III

NGUYÊN PHÁT HIỆN KHẮC PHỤC

NHÂN VÀ KHUYẾT TẬT KHUYẾT TẬT
HẬU QUẢ
 I. NGUYÊN NHÂN VÀ HẬU QUẢ

I.1 Hiện tượng tự tương quan

I.2 Nguyên nhân hiện tượng tự tương quan

I.3 Hậu quả của hiện tượng tự tương quan

I.1 Hiện tượng tự tương quan

Mô hình tuyến tính cổ điển giả thiết:

Nói cách khác, nhiễu gắn với một quan sát nào đó
không bị ảnh hưởng bởi nhiễu gắn với một quan sát
khác, nếu có giá trị cá biệt nào đó của Ui > 0 (< 0)
thì không có nghĩa các giá trị khác cũng > 0 (< 0)
Hiện tượng tự tương quan xảy ra khi :
 ĐỒ THỊ TỰ TƯƠNG QUAN
Trục Ox: thời gian; Trục Oy: phần dư

Chu kỳ Tuyến tính tăng Tuyến tính giảm

Parabol Không có tự tương quan

 Các giả định về cách sản sinh nhiễu
(trong chuỗi thời gian)

Giả định 1:
Trong đó:
ρ: hệ số tự tương quan bậc 1 (hay hệ số tự hồi quy bậc 1)
ɛt: nhiễu ngẫu nhiên thỏa mãn mọi giả thiết của mô hình
hồi quy tuyến tính cổ điển.
-> Ut tuân theo lược đồ tự hồi quy bậc 1, kí hiệu AR(1)
 Các giả định về cách sản sinh nhiễu
(trong chuỗi thời gian)

Giả định 2:
Trong đó:
ρj: hệ số tự hồi quy bậc j (j=1..p)
ɛt: nhiễu ngẫu nhiên thỏa mãn mọi giả thiết của mô hình
hồi quy tuyến tính cổ điển.
-> Ut tuân theo lược đồ tự hồi quy bậc p, kí hiệu AR(p)
 I.2 Nguyên nhân hiện tượng tự tương quan

- Quán tính – tính chất phổ biến của các đại lượng kinh
tế quan sát theo thời gian
- Hiện tượng mạng nhện
- Tính chất “trễ” của các đại lượng kinh tế
- Phương pháp (kỹ thuật) thu thập và xử lý số liệu
- Sai lầm khi lập mô hình: bỏ biến (không đưa biến vào
mô hình), dạng hàm sai...
 I.3 Hậu quả của hiện tượng tự tương quan

- Các ước lượng BPNN là các ước lượng tuyến tính, không
chệch nhưng không phải là ước lượng hiệu quả nữa.
- Các ước lượng của các phương sai là chệch và thông
thường là thấp hơn giá trị thực, do đó giá trị của thống kê T
được phóng đại lên nhiều lần so với giá trị thực của nó
- Thống kê T và F không còn có ý nghĩa về mặt thống kê
nên việc kiểm định các giả thiết thống kê không còn đáng
tin cậy nữa
- Các dự báo dựa trên các ước lượng BPNN không còn tin
cậy nữa.
 II. PHÁT HIỆN KHUYẾT TẬT
II.1 Phương pháp đồ thị

II.2 Kiểm định Durbin - Watson

II.3 Kiểm định Breusch – Godfrey (BG)

 II.1 Phương pháp đồ thị

Tự tương
- Quan sát đồ thị phần dư theo quan dương,
bậc 1
thời gian. Nếu phần dư biến
đổi phụ thuộc vào thời gian thì
tồn tại tự tương quan (xem lại
một số đồ thị tự tương quan).
- Quan sát đồ thị et đối với et-s Tự tương
(s>=1). Nếu có mối liên hệ quan âm,
bậc 1
giữa 2 đại lượng này thì tồn tại
tự tương quan bậc s.
 II.2 Kiểm định Durbin - Watson

Đây là phương pháp kiểm định có ý nghĩa nhất để phát

hiện ra tương quan chuỗi.
Các giả thiết cơ sở:
- Mô hình hồi quy gốc phải có hệ số chặn.
- Các biến giải thích có giá trị xác định.
-Các nhiễu được sản sinh ra từ lược đồ tự hồi quy bậc 1:

- Mô hình hồi quy không chứa biến giải thích là giá trị trễ
của biến phụ thuộc (không chứa biến Yt-s).
- Không có các quan sát bị mất trong dữ liệu.
Thống kê d được định nghĩa:

trong đó: : ước lượng của ρ trong lược đồ tự

hồi quy bậc 1. Vì

Quy tắc ra quyết định:

Tự tương Không Không có tự Không Tự tương

quan dương xác định tương quan xác định quan âm

Các giá trị dL, dU được tra bảng, phụ thuộc α, n và số biến
giải thích k’= (k-1) có trong mô hình.
 BẢNG GIÁ TRỊ dL, dUVỚI α = 5%

k'=1 k'=2 k'=3 k'=4

n dL dU dL dU dL dU dL dU
19 1.18 1.4 1.07 1.53 0.97 1.69 0.86 1.85
20 1.2 1.41 1.1 1.54 1 1.68 0.9 1.83
21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1.81
22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.8
23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79
24 1.27 1.45 1.19 1.55 1.1 1.66 1.01 1.78
25 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.89
39 1.44 1.54 1.38 1.6 1.32 1.66 1.27 1.72
40 1.44 1.54 1.39 1.6 1.34 1.66 1.28 1.72
41 1.45 1.55 1.39 1.6 1.35 1.66 1.3 1.72
42 1.46 1.55 1.39 1.6 1.36 1.66 1.31 1.72
43 1.46 1.56 1.42 1.61 1.37 1.66 1.32 1.72
 II.3 Kiểm định Breusch – Godfrey (BG)

Xét mô hình:
Giả sử rằng:
Không tồn tại tự tương quan ở bất kỳ bậc nào ↔ giả
thuyết
Bước 1: Ước lượng mô hình gốc nhận được các phần dư.
Bước 2: Ước lượng mô hình sau thu được R2:
Bước 3: Kiểm định . 2 cách:
- Kiểm định χ2: Nếu H0 đúng thì χ2=(n-p)R2 ~ χ2(p). Miền
bác bỏ H0: χ2 > χ2(p): ít nhất tồn tại tự tương quan ở một
bậc nào đó.
- Kiểm định F: Ước lượng mô hình sau thu được R12:

Tiêu chuẩn kiểm định:

Nếu Ho đúng thì F~F(p, n-2p-k).

Miền bác bỏ Ho: F > F(p, n-2p-k)
 III. BIỆN PHÁP KHẮC PHỤC

III.1 Khi cấu trúc tự tương quan đã biết

III.2 Khi cấu trúc tự tương quan chưa biết

III.3 Thay đổi dạng hàm

- Bổ sung biến mới (nếu mô hình bị cho là thiếu biến)

- Đổi dạng mô hình (tuyến tính, phi tuyến: parabol, log – log, ...)
 III.1 Khi cấu trúc tự tương quan đã biết

Xét mô hình hồi quy đơn: mà ta cho

rằng có hiện tượng tự tương quan.
Giả sử rằng: thỏa mãn các
giả thiết OLS, đã biết.
Đặt
Khi đó: thỏa mãn các điều kiện của
OLS -> Phương trình sai phân tổng quát
 Các bước khắc phục
Bước 1: Lập các biến mới:

Bước 2: Hồi quy mô hình sau, xác định :

(*)
Bước 3: Tính

Bước 4: SRF của mô hình gốc cho bởi:

Chú ý: - Việc có hay không hệ số chặn của hồi quy (*) phụ
thuộc vào mô hình gốc có hệ số chặn hay không.
- Mất 1 quan sát so với mô hình gốc.
 III.2 Khi ρ chưa biết

Ý tưởng: ước lượng ρ rồi lặp lại các thao tác khắc phục như
trường hợp đã biết cấu trúc tự tương quan. Áp dụng trên các
mẫu lớn, cẩn thận khi áp dụng trên các mẫu bé.

Ước lượng ρ dựa trên thống kê d Durbin - Watson

Thủ tục lặp Cochrane – Orcutt để ước lượng ρ

Phương pháp Durbin – Watson 2 bước

 Ước lượng ρ dựa trên thống kê d
Durbin - Watson

Mô hình gốc: ( : AR(1))

Bước 1: Xác định (d: thống kê của kiểm định
Durbin – Watson)
Bước 2: Tương tự trường hợp đã biết:
- Lập các biến mới:
- Hồi quy mô hình: ->
-Tính
-SRF của mô hình gốc cho bởi:
 Thủ tục lặp Cochrane – Orcutt để ước lượng ρ

Mô hình gốc: (với )

Bước 1: Ước lượng mô hình gốc -> et
Bước 2: Bắt đầu vòng lặp:
- Ước lượng hồi quy:
- Lập các biến mới:
- Hồi quy mô hình: thu được
- Tính
- Tính bắt đầu lại vòng lặp với
Thoát khỏi vòng lặp khi các ước lượng kế tiếp nhau của ρ
khác nhau một lượng rất nhỏ (<1% hoặc 5‰).
Bước 3: SRF của mô hình gốc cho bởi: với
là giá trị ước lượng cuối cùng của khi thoát ra
khỏi vòng lặp.
 Phương pháp Durbin – Watson 2 bước

Mô hình gốc: (với )

Bước 1: Ước lượng mô hình:

Bước 2: Tương tự trường hợp đã biết:

- Lập các biến mới:
- Hồi quy mô hình: thu được
-Tính
-SRF của mô hình gốc cho bởi:
 Dự báo dựa vào phần dư
Giả sử chúng ta chỉ có dữ liệu cho đến thời điểm t.
+ Tại thời điểm t+1:
với là các ước lượng OLS, thu được bằng các
cách ở trên và
+ Tại thời điểm t+2: (do chưa biết)

+ Tại thời điểm t+k:

 Ví dụ
Hồi quy chỉ số lương mỗi giờ (Y) theo chỉ số sản xuất mỗi giờ (X), tính
theo năm gốc 1992 ở Mỹ giai đoạn 1959 – 1998 ta thu được phần dư e (mô
hình 1). Người ta phác họa đồ thị phần dư theo thời gian (hình a) và phần
dư năm nay phụ thuộc vào phần dư năm ngoái (hình b). Có cơ sở để nghi
ngờ mô hình 1 có khuyết tật tự tương quan không, bậc mấy?

Có tự tương quan Có tự tương quan, bậc 1

Kết quả hồi quy mô hình 1 như bảng dưới. Giá trị thống kê d của kiểm định
Durbin – Watson bằng 0.142339. Với mức ý nghĩa α=5%, mô hình 1 có
khuyết tật tự tương quan không, bậc mấy?

n = 40, k’ = 1, α=5%
dL =1,44, dU =1,54

0 < d < dL  mô hình 1

có hiện tượng tự tương
quan dương, bậc 1
Thực hiện kiểm định BG mô hình 1 thu được kết quả dưới đây. Có kết luận gì
về khuyết tật của mô hình 1, với α = 5%?
Kết quả kiểm định F

Kết quả kiểm định χ2

Bậc TTQ Cặp giả thuyết:

Ho: không có TTQ cho đến bậc 2
H1: tồn tại TTQ bậc ≤ 2

Nguyên tắc ra quyết định:

p < α  bác bỏ Ho

p(F) = 0 < α, p(χ2) = 0 < α 

bác bỏ Ho, tồn tại TTQ bậc ≤ 2
Bởi hệ số của e(-1) thực sự khác 0 trong khi
hệ số của e(-2) được coi bằng 0, mô hình có
TTQ bậc 1 mà không phải bậc 2