Professional Documents
Culture Documents
KTL 2024 ôn tập
KTL 2024 ôn tập
Ước lượng các mối i. Đối chiếu lý thuyết kinh tế Dự báo các hành vi
quan hệ kinh tế với thực tế của các biến số kinh tế
ii. Kiểm định các giả thiết liên
quan đến hành vi kinh tế
Nguồn: Ramu Ramanathan, Nhập môn kinh tế lượng với các ứng dụng (ấn bản thứ năm), Nhà xuất bản Harcourt College, 2002.
(Bản dịch của chương trình Giảng dạy Kinh tế Fulbright, Việt Nam)
1
Phương pháp luận của kinh tế lượng
Lý thuyết kinh tế, kinh nghiệm,
các nghiên cứu khác
Hình 1.1: Phương pháp luận nghiên cứu của kinh tế lượng
Nguồn: Ramu Ramanathan, Nhập môn kinh tế lượng với các ứng dụng (ấn bản thứ năm), Nhà xuất bản Harcourt College, 2002
Vd: số liệu về chỉ số giá tiêu dùng (CPI) qua các năm
CPI
101,54 103,72 103,97 109,28 108,77
2
Phương pháp luận của kinh tế lượng
Số liệu cho kinh tế lượng: 3 loại chính
2. Dữ liệu chéo (Cross data) : Số liệu của nhiều
biến số kinh tế tại cùng một thời điểm
Vd: số liệu về các chỉ số giá năm 2022
Năm 2022
3
Phân tích hồi quy
Ước lượng giá trị trung bình của
biến phụ thuộc với giá trị đã biết của
biến độc lập
4
Mô hình hồi qui tuyến tính đa biến
Ý nghĩa hệ số hồi quy riêng: cho biết ảnh hưởng của từng biến
độc lập lên giá trị trung bình của biến phụ thuộc khi các biến còn
lại được giữ không đổi.
Mô hình hồi quy tổng thể ngẫu nhiên:
PRF : Yi 1 2 X 2 i 3 X 3 i U i
Ui: sai số ngẫu nhiên của tổng thể
Mô hình hồi quy mẫu:
SRF : Yi ˆ1 ˆ2 X 2i ˆ3 X 3i ei
Hay: Yˆ ˆ ˆ X ˆ X
i 1 2 2i 3 3i
5
Các giả thiết của phương pháp OLS
1. Y và các Xi quan hệ tuyến tính
2. Giá trị trung bình của Ui bằng 0
E(Ui /X2i, X3i) = 0
3. Phương sai của các Ui là không đổi
Var(Ui) = σ2
4. Không có hiện tượng tự tương quan giữa các Ui
Cov(Ui, Uj) = 0; i≠j
5. Không có hiện tượng tự tương quan giữa các Ui và Xi
Cov(Ui, Xj) = 0;
6. Ui có phân phối chuẩn: Ui ̴ N(0, σ2)
7. Không có hiện tượng cộng tuyến giữa Xi và Xj
Vd: các hàm hồi quy Vd: các hàm không phải
tuyến tính hồi quy tuyến tính
1 1
Yi 1 2 U i ln Yi 2 ln X i U i
Xi 1
ln Yi 1 2 ln X i U i Yi 1 22 X i U i
6
Độ phù hợp của mô hình – Tóm tắt
3. Hệ số xác định R2:
n 1
R 2 1 (1 R 2 )
nk
7
Độ phù hợp của mô hình OLS
8
Kiểm định giả thuyết ước lượng OLS
Giả thiết H0
Trong thống kê, giả thiết phát biểu cần được kiểm định
được gọi là giả thuyết không ( ký hiệu : H0). Giả thuyết
đối (ký hiệu: H1)
9
Kiểm định mô hình hồi quy
10
Độ phù hợp của mô hình
Kiểm định giả thiết
2. Kiểm định sự phù hợp của mô hình: kiểm định giả thiết
đồng thời bằng không:
H0: 2 = 3 =…= k = 0;
(H1: ít nhất 1 trong k tham số khác 0)
R 2 (n k )
B1. Tính F
(1 R 2 )( k 1)
B2. Nguyên tắc quyết định:
Nếu F > F(k-1, n-k): Bác bỏ H0: Mô hình phù hợp
Nếu F ≤ F(k-1, n-k): Chấp nhận H0: Mô hình không phù hợp
11
Kiểm định giả thuyết ước lượng OLS
1. Kiểm định giả thuyết về hệ số hồi quy
ˆ i i*
ti
SE ( ˆ i )
12
Độ phù hợp của mô hình – Tóm tắt
5. Khoảng tin cậy của phương sai s:
13
Dự báo
* Ước lượng điểm
Yˆ0 ˆ1 ˆ 2 X 20 ... ˆ k X k0
* Dự báo giá trị trung bình của Y
∈( −e ; +e )
Với: 0 SE (Yˆ0 ) t ( n k , / 2 )
( )= 2 −
14
Dự báo
* Dự báo giá trị cá biệt của Y
CHƯƠNG 3
DẠNG HÀM
15
Hệ số biên tế (Cận biên)
Hệ số co giãn
Y
• Hệ số co giãn của Y theo X là E YX Y
X
X
• Lượng thay đổi tương đối của Y Y X
100 E YX (100 )
Y X
• Ý nghĩa của hệ số co giãn: cho biết sự thay đổi tương đối (%) của Y khi X
thay đổi 1%
16
Tóm tắt một số hàm hồi quy 2 biến thông dụng
Biên tế Ý nghĩa của hệ số
Hàm Phương trình Hệ số co giãn
(hệ số góc) góc
CHƯƠNG 4
17
Sử dụng biến giả trong mô hình hồi quy
Một chỉ tiêu chất lượng có n thuộc tính khác nhau thì dùng
n-1 biến giả
Mô hình: Yi = 1 + 3Xi
Trong đó
• Y : lương giáo viên
• X : số năm giảng dạy
và xem xét yếu tố giới tính có tác động đến thu nhập không
• G : giới tính với G = 1: nam; G = 0: nữ
18
Vd 4.4:
TH3: Lương khởi điểm và tốc độ tăng lương khác nhau
(Tác động đến cả hệ số chặn và hệ số góc)
CHƯƠNG 5
ĐA CỘNG TUYẾN
19
Các giả thiết của mô hình
1. Y và các Xi quan hệ tuyến tính
2. Giá trị trung bình của Ui bằng 0
E(Ui /X2i, X3i) = 0
3. Phương sai của các Ui là không đổi
Var(Ui) = σ2
4. Không có hiện tượng tự tương quan giữa các Ui
Cov(Ui, Uj) = 0; i≠j
5. Không có hiện tượng tự tương quan giữa các Ui và Xi
Cov(Ui, Xj) = 0;
6. Ui có phân phối chuẩn: Ui ̴ N(0, σ2)
7. Không có hiện tượng cộng tuyến giữa Xi và Xj
Khái niệm:
20
Đa cộng tuyến trong kinh tế lượng
Phân loại:
i. Chọn các biến độc lập có quan hệ nhân quả hay có tương
quan cao vì cùng phụ thuộc vào một điều kiện khác.
ii. Số quan sát nhỏ hơn số biến độc lập.
iii. Cách thu thập mẫu: mẫu không đặc trưng cho tổng thể
iv. Chọn biến Xi có độ biến thiên nhỏ.
21
Hậu quả của đa cộng tuyến
Nếu có cộng tuyến gần hoàn hảo
1. Phương sai và hiệp phương sai của các ước lượng OLS lớn.
2. Khoảng tin cậy rộng hơn.
3. Tỉ số t "không có ý nghĩa"
4. R2 cao nhưng tỉ số t ít có ý nghĩa
5. Các ước lượng OLS và sai số chuẩn của chúng trở nên rất nhạy
với những thay đổi nhỏ trong dữ liệu.
6. Dấu của các ước lượng của các hệ số hồi qui có thể sai
7. Thêm vào hay bớt đi các biến cộng tuyến với các biến khác, mô
hình sẽ thay đổi về dấu hoặc thay đổi về độ lớn của các ước
lượng.
22
Cách phát hiện đa cộng tuyến
1. R2 lớn nhưng tỷ số t nhỏ
2. Tương quan cặp giữa các biến giải thích cao
rXZ
(X i X )( Z i Z )
(X i X )2 (Z i Z )2
Trong đó X, Z là 2 biến giải thích trong mô hình
(rxz > 0,8)
23
Cách phát hiện đa cộng tuyến
4. Sử dụng nhân tử phóng đại phương sai (VIF)
Đối với hàm hồi quy 2 biến giải thích 1
VIF
(1 r232 )
Đối với trường hợp tổng quát, có (k-1) biến giải thích
1
VIF
(1 R 2j )
R2j: là giá trị R2 trong hàm hồi quy của Xj theo (k-2) biến giải thích
còn lại.
Thông thường khi VIF > 10, (> 2,5 theo Allison) thì biến này
được coi là có cộng tuyến cao
24
CHƯƠNG 6
25
Phương sai thay đổi trong kinh tế lượng
26
Hậu quả của phương sai thay đổi
1. Ước lượng OLS vẫn tuyến tính, không chệch nhưng
không hiệu quả (vì phương sai không nhỏ nhất)
2. Ước lượng phương sai sẽ bị chệch.
3. Các kiểm định dựa trên phân phối t và F sẽ không còn
đáng tin cậy.
4. Kết quả dự báo không còn hiệu quả nữa (khoảng tin
cậy rộng) khi sử dụng các ước lượng OLS có phương
sai không nhỏ nhất.
27
Phương pháp định lượng
1. Kiểm định Park (trường hợp riêng của kiểm định Harvey)
• Park cho rằng i2 là một hàm số nào đó của biến giải thích X
• i2 = 1 + 2ln|Xi |+ vi trong đó vi là phần sai số ngẫu nhiên.
• Vì i2 chưa biết, Park đề nghị sử dụng lnei2 thay cho i2 và
ước lượng mô hình hồi qui sau
lnei2 = 1 + 2 ln|Xi|+ vi (*)
ei2 được thu thập từ mô hình hồi qui gốc
28
Phương pháp định lượng
2. Kiểm định Glejser
• Tương tự như kiểm định Park: Sau khi thu thập được phần dư từ
mô hình hồi qui gốc, Glejser đề nghị chạy hồi qui |ei| theo biến X
nào mà có quan hệ chặt chẽ với i2.
• Glejser đề xuất một số dạng hàm hồi qui sau:
1
ei = B1 + B 2 + vi
X i
ei = B1 + B 2 X i + vi ei = B1 + B 2 X + vi
i
1
ei = B1 + B 2 + vi 2
Xi ei = B1 + B 2 X i + vi
• Nếu giả thuyết H0: B2 = 0 bị bác bỏ thì có thể có hiện tượng
phương sai sai số thay đổi.
• Tương tự như kiểm định Park: Sau khi thu thập được phần dư từ
mô hình hồi qui gốc, Glejser đề nghị chạy hồi qui |ei| theo biến X
nào mà có quan hệ chặt chẽ với i2.
• Glejser đề xuất một số dạng hàm hồi qui sau:
1
ei 1 2 Xi vi ei 1 2 vi
Xi
ei 1 2 Xi vi 1
ei 1 2 vi
Xi
• Nếu giả thuyết H0: B2 = 0 bị bác bỏ thì có thể có hiện tượng
phương sai sai số thay đổi.
29
Phương pháp định lượng
2. Kiểm định Glejser
3. Kiểm định giả thuyết H0: β2 = 0, nghĩa là phương sai của sai số
không đổi.
• Nếu giả thuyết H0 bị bác bỏ, mô hình gốc có phương sai của sai số
thay đổi.
• Nếu giả thuyết H0 được chấp nhận, 1 trong mô hình (*) có thể được
xem là giá trị chung của phương sai của sai số không đổi, s2.
30
Phương pháp định lượng
3. Kiểm định Breusch – Pagan – Godfrey
Các bước thực hiện kiểm định Breusch – Pagan – Godfrey:
1. Ước lượng hàm hồi qui gốc, thu thập phần dư ei:
Yi = 1 + 2X2i + 3X3i + … + kXki + Ui
2. Ước lượng hàm hồi quy:
ei2 = 1 + 2X2i + 3X3i +…+ mXmi (*)
3. Kiểm định giả thuyết:
H0: α2 = α3 =…= αm= 0
• Nếu H0 bị bác bỏ, mô hình gốc có phương sai của sai số thay đổi.
• Nếu H0 được chấp nhận i2 α1 (phương sai không đổi).
= + + + + + + (2)
31
Phương pháp định lượng
4. Kiểm định White
32
Phương pháp định lượng
5. Kiểm định Goldfeld - Quandt
4. Tính tỷ số
RSS 2 / df
λ=
RSS1 / df
33
CHƯƠNG 7
TỰ TƯƠNG QUAN
34
Nguyên nhân tự tương quan
Nguyên nhân khách quan:
• Quán tính: các chuỗi thời gian mang tính chu kỳ, VD:
các chuỗi số liệu thời gian về GDP, chỉ số giá, sản lượng,
tỷ lệ thất nghiệp…
• Hiện tượng mạng nhện: phản ứng của cung của nông
sản đối với giá thường có một khoảng trễ về thời gian:
QSt = 1 + 2Pt-1 + ut
• Độ trễ: tiêu dùng ở thời kỳ hiện tại phụ thuộc vào thu
nhập và chi tiêu tiêu dùng ở thời kỳ trước đó: Ct = 1 +
2It + 3Ct-1 + ut
35
Hậu quả của tự tương quan
Áp dụng OLS thì sẽ có các hậu quả:
1. Các ước lượng không chệch nhưng không hiệu quả (vì
phương sai không nhỏ nhất)
2. Phương sai của các ước lượng là các ước lượng chệch,
vì vậy các kiểm định t và F không còn hiệu quả.
3. sˆ là ước lượng chệch của σ2
2
d
(e e
i i 1 )2
e 2
i
ei ei 1
Khi n đủ lớn thì d 2(1-) với
e 2
i
36
Cách phát hiện tự tương quan
2. Dùng kiểm định d của Durbin – Watson
Bảng thống kê Durbin cho giá trị tới hạn dU và dL dựa vào 3
tham số:
• α: mức ý nghĩa
• k’: số biến độc lập của mô hình
• n: số quan sát
Có tự Không có Không
tương Không tự tương quyết Có tự
quan quyết định quan bậc định tương
dương được nhất được quan âm
0 dL dU 2 4-dU 4-dL 4
37
3. Dùng kiểm định Breusch – Godfrey (BG)
Xét mô hình:
Yt = 1 + 2Xt + ut (7.1)
ut = 1ut-1 + 2ut-2 + … + put-p + vt
Kiểm định giả thiết
H0: 1 = 2 = … = = 0, có nghĩa là không tồn
tại tự tương quan ở bất kỳ bậc nào trong số từ
bậc 1 đến bậc p.
38
CHƯƠNG 8
39
2. Các sai lầm khi chọn mô hình- Hậu quả
1. Bỏ sót biến thích hợp
i. Các tham số ước lượng sẽ bị chệch và không vững.
ii. Khoảng tin cậy và các kiểm định không chính xác.
iii. Dự báo dựa trên mô hình sai sẽ không đáng tin cậy.
2. Đưa vào mô hình những biến không phù hợp
Các ước lượng không hiệu quả, khoảng tin cậy rộng.
3. Lựa chọn mô hình không chính xác
i. Ước lượng chệch các hệ số hồi quy, dấu của hệ số hồi quy có
thể sai.
ii. Có ít hệ số hồi quy ước lượng được có ý nghĩa thống kê
iii. R2 không cao
iv. Phần dư các quan sát lớn và biểu thị sự biến thiên có tính hệ
thống.
( R ) : Y 1 2 X 2 ... m 1 X m 1 V
40
a. Kiểm định Wald
Xây dựng giả thiết để kiểm định đk ràng buộc
H0: βm =… βk = 0
H1: có ít nhất một βj khác 0
B1: Hồi quy mô hình (U) có k tham số, tính RSSU có n-k
bậc tự do
B2: Hồi quy mô hình (R) có m tham số, tính RSSR có n-m
bậc tự do
B3: Tính F
( RSS R RSS U ) / k m ) ( R 2 U R 2 R ) /( k m )
F
RSS U /( n k ) (1 R 2 U ) /( n k )
B4: Tra bảng F với mức ý nghĩa α có giá trị Fα (k-m, n-k)
Quy tắc quyết định
•Nếu F ≥ Fα (k-m, n-k): bác bỏ H0, tức mô hình (U) không
thừa biến
•Nếu F < Fα (k-m, n-k): chấp nhận H0
Nếu dùng kết quả p-value thì quy tắc quyết định như sau:
• Nếu p ≤ : Bác bỏ H0
• Nếu p > : Chấp nhận H0
41
b. Kiểm định bỏ sót biến giải thích (kiểm định Ramsey - Reset)
b. Kiểm định bỏ sót biến giải thích (kiểm định Ramsey - Reset)
Bước 3: Tính
2
( R new Rold
2
) m
F
(1 R new
2
) (n k )
n: số quan sát
k: số tham số trong mô hình mới
m: số biến đưa thêm vào
42
b. Kiểm định bỏ sót biến giải thích (kiểm định Ramsey - Reset)
Nếu dùng kết quả p-value thì quy tắc quyết định như sau:
• Nếu p ≤ : Bác bỏ H0
• Nếu p > : Chấp nhận H0
43
Tiêu chuẩn lựa chọn mô hình
• R2,
• R2 điều chỉnh,
• Giá trị của hàm hợp lý log-likelihood (L),
• Tiêu chuẩn thông tin Akaike (AIC),
• Tiêu chuẩn thông tin Schwarz (SC)
44
Tiêu chuẩn R2
• R2 đo lường % biến động của Y được giải thích bởi các Xi
trong mô hình.
• R2 càng gần 1, mô hình càng phù hợp.
• Lưu ý:
• R2 chỉ đo lường sự phù hợp trong mẫu
• Khi so sánh R2 giữa các mô hình khác nhau, các biến
phụ thuộc phải giống nhau.
• R2 không giảm khi tăng thêm biến độc lập.
45
Giá trị của hàm hợp lý log-likelihood (L)
n n 1
L ln s 2 ln( 2 ) U i2
2 2 2
RSS 2 k / n
AIC .e
n
hay
2k RSS
ln AIC ln
n n
• Trong đó k là số biến được ước lượng (gồm cả hệ số tự
do) và n là cỡ mẫu.
• Giá trị AIC càng nhỏ chứng tỏ mô hình càng phù hợp.
46
Tiêu chuẩn thông tin Schwarz (SC)
RSS k / n
SC .n
n
hay
k RSS
ln SC ln n
n n
• SC khắt khe hơn AIC.
• SC càng nhỏ, mô hình càng tốt.
47