Tổng kết công thức kinh tế lượng

Ngày đăng: 24/10/2014, 22:24

Lê Quang Hiến A6QTK49 Email: lequanghien.k49.ftu@gmail.com Fb: http://www.facebook.com/lequanghien92 yahoo: jackychan_boy_9x TỔNG KẾT CÔNG THỨC KINH TẾ LƯỢNG Bài toán Hai bi ế n Đa bi ế n Xác định PRF E(Y/X i ) = f(X i ) = β 1 + β 2 X i Y i = β 1 + β 2 X i + u i kikik XXXXYE β β β + + + = ), |( 2212 ikikii UXXY + + + + = β β β 221 Xác định SRF ii XY 21 ˆ ˆ ˆ ββ += ∑ ∑ = = − − = n i i n i ii XnX YXnXY 1 22 1 2 ).( ˆ β ; XY 21 ˆˆ ββ −= ikikii eXXY ++++= βββ ˆ ˆ ˆ ˆ 221 Các giá trị β ˆ sẽ lấy ở phần Coefficient trong bảng kết quả Eview Ý nghĩa các hệ số hồi quy β ˆ > 0: X tăng 1 đơn vị thì Y tăng β ˆ đơn vị β ˆ <0: X tăng 1 đơn vị thì Y giảm β ˆ đơn vị Nói ý nghĩa biến nào thì cố định các biến còn lại. VD: nói ý nghĩa của 1 ˆ β thì cố định các biến X 2 , X 3. 1 ˆ β > 0: X 2 không đổi, nếu X 1 tăng 1 đvị thì Y tăng 1 ˆ β đvị. Tổng các bình phương TSS = ∑ ݕ ௜ ଶ ௡ ௜ ୀ ଵ = ∑ ( ܻ ௜ − ܻ ௡ ௜ ୀ ଵ ) 2 ESS= ∑ = n i i x 1 22 2 ˆ β RSS = ∑ = n i i e 1 2 =TSS – RSS Giải ma trận, nhưng không cần tính đến. Tra trong bảng kq Eview Sum squared resid: RSS Tính hệ số xác định TSS RSS TSS ESS R −== 1 2 TSS RSS TSS ESS R −== 1 2 Hệ số tương quan riêng phần và các cthức liên quan Mô hình hồi quy 3 biến: Y i = β 1 +β 2. X 2i + β 3 .X 3i + U i ݎ ଵଶ,ଷ = ݎ ଵଶ − ݎ ଵଷ . ݎ ଶଷ ඥ ( 1 − ݎ ଵଷ ଶ ) (1 − ݎ ଶଷ ଶ ) , ݎ ଵଷ,ଶ = ݎ ଵଷ − ݎ ଵଶ .ݎ ଶଷ ඥ ( 1 − ݎ ଵଶ ଶ )( 1 − ݎ ଶଷ ଶ ) , ݎ ଶଷ,ଵ = ݎ ଶଷ − ݎ ଵଶ . ݎ ଵଷ ඥ ( 1 − ݎ ଵଶ ଶ ) (1 − ݎ ଵଷ ଶ ) ܴ ଶ = ௥ భమ మ ା௥ భయ మ ିଶ௥ భమ ௥ భయ ௥ మయ ଵି௥ మయ మ , ܴ ଶ = ݎ ଵଶ ଶ + ( 1 − ݎ ଵଶ ଶ ) . ݎ ଵଷ,ଶ ଶ = ݎ ଵଷ ଶ + ( 1 − ݎ ଵଷ ଶ ) . ݎ ଵଶ,ଷ ଶ Var( 2 ˆ β ) = 2 δ ∑ ௫ మ೔ మ (ଵି௥ మయ మ ) Trong đó, ݎ ଵଶ , ଷ là hệ số tương quan giữa biến Y và X 2 trong khi X 3 không đổi. Tương tự ta sẽ có với ݎ ଵଷ , ଶ , ݎ ଶଷ , ଵ Hệ số xác định hiệu ch ỉ nh ܴ 2 =R 2 + (1 –R 2 ). ௡ ି ଵ ௡ ି ଶ ܴ 2 có thể âm, trong TH này, quy ước ܴ 2 =0 ܴ 2 =R 2 + (1 –R 2 ). ௡ ି ଵ ௡ ି ௞ ( k là số tham số của mô hình) Ước lượng của δ , se( β ˆ ), Var( β ˆ ) 2 ˆ 1 2 2 − = ∑ = n e n i i δ = ோௌௌ ௡ି ଶ ( ) 2 1 2 1 2 1 ˆ var δβ ∑ ∑ = = = n i i n i i xn X ; ( ) ∑ = = n i i x 1 2 2 2 ˆ var δ β k n e n i i − = ∑ =1 2 2 ˆ δ = ோௌௌ ௡ି ௞ Tra trong bảng Eview: δ ˆ : dòng S.E of regression ) ˆ ( 1 β SE : cột Std. Error dòng 1 2 ˆ ( β SE ): cột Std. Error dòng 2 Lê Quang Hiến A6QTK49 Email: lequanghien.k49.ftu@gmail.com Fb: http://www.facebook.com/lequanghien92 yahoo: jackychan_boy_9x δβ ∑ ∑ = = = n i i n i i xn X SE 1 2 1 2 1 ) ˆ ( ; ∑ = 2 2 ) ˆ ( i x SE δ β Kiểm định sự phù hợp SRF, mức ý nghĩa α PP giá trị tới hạn: B1: Lập giả thiết H o : β=0 ; H 1 : β≠0 Tính Fqs = ோ మ ଵିோ మ . ௡ିଶ ଵ B2: tra bảng F, giá trị tới hạn: F α (1, n -2 ) B3: So sánh Fqs với F α (1, n -2 ) + F qs > F α (1, n-2): bác bỏ H 0 → →→ → hàm SRF phù hợp với mẫu + F qs < F α (1, n-2): chấp nhận H 0 PP giá trị tới hạn: B1: Lập giả thiết H o : β=0 ; H 1 : β≠0 Tính Fqs = ோ మ ଵିோ మ . ௡ି௞ ௞ିଵ B2: tra bảng F, giá trị tới hạn: F α (k-1, n -k ) B3: So sánh Fqs với F α (k-1, n -k ) + F qs > F α (k-1, n-k): bác bỏ H 0 → →→ → hàm SRF phù hợp với mẫu + F qs < F α (k-1,n-k): chấp nhận H 0 PP giá trị P-value ( khi đề cho sẵn trong bảng kết quả) Lấy giá trị p-value ứng với F 0 (ô cuối cùng góc phải chữ Prod(F-statistic)) Tiến hành so sánh p-value và α: + p-value < α: bác bỏ H 0 → →→ → hàm SRF phù hợp với mẫu + p-value > α: chấp nhận H 0 PP giá trị P-value ( khi đề cho sẵn trong bảng kết quả) Lấy giá trị p-value ứng với F 0 (ô cuối cùng góc phải chữ Prod(F-statistic)) Tiến hành so sánh p-value và α: + p-value < α: bác bỏ H 0 → →→ → hàm SRF phù hợp với mẫu + p-value > α: chấp nhận H 0 Kiểm định giả thiết biến độc lập có ảnh hưởng lên biến phụ thuộc không? Giả thiết: H 0 : β = 0 H 1 : β ≠ 0 PP giá trị tới hạn: B1: Tính T qs = β ˆ ௌ௘( β ˆ ) B2: Tra bảng t-student giá trị ݐ ∝ మ ௡ିଶ B3: so sánh ห ܶ ௤௦ ห và ݐ ∝ మ ௡ିଶ + ห ܶ ௤௦ ห > ݐ ∝ మ ௡ିଶ : bác bỏ H o => biến độc lập ảnh hưởng lên biến phụ thuộc Y + ห ܶ ௤௦ ห < ݐ ∝ మ ௡ ି ଶ : chấp nhận H o Giả thiết: H 0 : β = 0 H 1 : β ≠ 0 PP giá trị tới hạn: B1: Tính T qs = β ˆ ௌ௘( β ˆ ) B2: Tra bảng t-student giá trị ݐ ∝ మ ௡ି௞ B3: so sánh ห ܶ ௤௦ ห và ݐ ∝ మ ௡ି௞ + ห ܶ ௤௦ ห > ݐ ∝ మ ௡ି௞ : bác bỏ H o => biến độc lập ảnh hưởng lên biến phụ thuộc Y + ห ܶ ௤௦ ห < ݐ ∝ మ ௡ ି ௞ : chấp nhận H o PP P-value: Lấy giá trị p-value tương ứng với biến độc lập mình đang xét Tiến hành so sánh p-value và α: + p-value < α: bác bỏ H 0 → →→ → biến độc lập (X) ảnh hưởng lên biến phụ thuộc (Y) + p-value > α: chấp nhận H 0 PP P-value: Lấy giá trị p-value tương ứng với biến độc lập mình đang xét Tiến hành so sánh p-value và α: + p-value < α: bác bỏ H 0 → →→ → biến độc lập (X) ảnh hưởng lên biến phụ thuộc (Y) + p-value > α: chấp nhận H 0 Ước lượng khoảng Dùng công thức cho đa biến với ( j =1,2) Với độ tin cậy ( 1 – α), khoảng tin cậy đối xứng, tối đa, tối thiểu của β j là: Khoảng tin cậy cho phương sai sai số ngẫu Lê Quang Hiến A6QTK49 Email: lequanghien.k49.ftu@gmail.com Fb: http://www.facebook.com/lequanghien92 yahoo: jackychan_boy_9x nhiên: Dự báo, dự đoán Cho X=X o mức ý nghĩa α ( dùng cả đa biến) Ước lượng điểm: 0210 ˆ ˆ ˆ XY ββ += Giá trị trung bình: Cá biệt: So sánh R 2 Chỉ so sánh được khi thỏa 3 điều kiện sau: 1. Cùng cỡ mẫu n. 2. Cùng số biến độc lập.(nếu ko cùng số biến độc lập thì dùng ࡾ ഥ ૛ ) 3. Cùng dạng hàm biến phụ thuộc Chỉ so sánh được khi thỏa 3 điều kiện sau: 1. Cùng cỡ mẫu n. 2. Cùng số biến độc lập (nếu ko cùng số biến độc lập thì dùng ) 3. Cùng dạng hàm biến phụ thuộc Kiểm định thu hẹp hồi quy Mô hình: kikik XXXXYE β β β + + + = ), |( 2212 Nghi ngờ m biến X k-m+1 , …, X k không giải thích cho Y B1: Lập cặp giả thiết: H o : β k-m+1 =…= β k = 0; H 1 : ∃ β j ≠ 0 (j =k-m+1 ÷ k) B2: Mô hình nhiều hệ số là mô hình lớn (L) Mô hình ít hệ số gọi là mô hình nhỏ (N) Tính F qs = ோௌௌ (ಽ) ିோௌௌ (ಿ) ோௌௌ (ಽ) x ௡ି௞ ௠ = ோ (ಽ) మ ିோ (ಿ) మ ଵିோ (ಽ) మ x ௡ି௞ ௠ B3: so sánh F qs > F α (m, n-k) => bác bỏ H o => tồn tại 1 trong các biến nghi ngờ có ý nghĩa Kiểm định sự đồng nhất của hàm hồi quy Cặp giả thiết: H o : 2 hàm hồi quy đồng nhất H 1 : 2 hàm hồi quy không đồng nhất B1: Có Hàm 1: kích thước mẫu n 1 , RSS 1; Hàm 2: kích thước mẫu n 2 , RSS 2 Hàm tổng thể: kích thước mẫu n 1 +n 2 , RSS Đặt ܴܵܵ = ܴܵܵ ଵ + ܴܵܵ ଶ B2: Tính F qs = ோௌௌି ோௌௌ ோௌௌ ݔ ௡ భ ା௡ మ ିଶ௞ ௞ B3: so sánh F qs > F α (k, n 1 +n 2 – 2k) => bác bỏ H o Lê Quang Hiến A6QTK49 Email: lequanghien.k49.ftu@gmail.com Fb: http://www.facebook.com/lequanghien92 yahoo: jackychan_boy_9x Phát hiện đa cộng tuyến B1: Hồi quy phụ: hồi quy 1 biến độc lập theo các biến độc lập khác: X si = ∑ ∝ ௝ ܺ ௝௜ + ݒ ௜௝ஷ௦ B2: Dùng kiểm định T ( kiểm định ý nghĩa thống kê của hệ số ) hoặc kiểm định F ( sự phù hợp của hàm hồi quy). B3: Nếu thực sự X s phụ thuộc ít nhất một biến độc lập khác thì mô hình gốc có đa cộng tuyến Kiểm định PSSS thay đổi Dựa trên biến độc lập: từ giả thiết cho, ta lập ra hàm hồi quy phụ. Sau đó tiến hành kiểm định hàm hồi quy phụ đó: Dựa trên biến phụ thuộc: Kiểm định hiện tượng tự tương quan Kiểm định Durbin-Watson Tính d = 2(1- ρ ) . ( d chính là số cho trong bảng ở dòng Durbin- Watson) -1≤ ρ ≤1  0≤d≤4 ρ = -1 => d = 4: tự tương quan hoàn hảo âm ρ = 0 => d = 2: không có tự tương quan ρ = 1 => d = 0: tự tương quan hoàn hảo dương Với n, k’ =k-1, α, tra bảng => d L và d U Note: Chỉ dùng cho tự tương quan bậc 1, không dùng khi mô hình không có hệ số chặn, không dùng với mô hình có biến trễ Dùng hồi quy phụ: Kiểm định B-G: Lê Quang Hiến A6QTK49 Email: lequanghien.k49.ftu@gmail.com Fb: http://www.facebook.com/lequanghien92 yahoo: jackychan_boy_9x Ý nghĩa hệ số góc, ảnh hưởng biên, hệ số co giãn: Tên gọi Dạng hàm Ảnh hưởng biên Hệ số co giãn Ý nghĩa hệ số góc Tuyến tính Y = α + β.X β β.(X/Y) Khi X tăng 1 đv thì Y thay đổi β đv Tuyến tính Log lnY = α + β.lnX β.(Y/X) β Khi X tăng 1% thì Y thay đổi β% Log –lin lnY = α + β.X β.Y β.X Khi X tăng 1 đv thì Y thay đổi 100. Β (%) Lin-log Y = α + β.lnX β.(1/X) β.(1/Y) Khi X tăng 1% thì Y thay đổi (β/100) đv Nghịch đảo Y = α + β. ଵ ௑ – β.(1/X 2 ) – β.(1/XY) . lequanghien.k49.ftu@gmail.com Fb: http://www.facebook.com/lequanghien92 yahoo: jackychan_boy_9x TỔNG KẾT CÔNG THỨC KINH TẾ LƯỢNG Bài toán Hai bi ế n Đa bi ế n Xác định PRF E(Y/X i ) = f(X i ) = β 1 . lập (X) ảnh hưởng lên biến phụ thuộc (Y) + p-value > α: chấp nhận H 0 Ước lượng khoảng Dùng công thức cho đa biến với ( j =1,2) Với độ tin cậy ( 1 – α), khoảng tin cậy đối xứng,. biến X 2 , X 3. 1 ˆ β > 0: X 2 không đổi, nếu X 1 tăng 1 đvị thì Y tăng 1 ˆ β đvị. Tổng các bình phương TSS = ∑ ݕ ௜ ଶ ௡ ௜ ୀ ଵ = ∑ ( ܻ ௜ − ܻ ௡ ௜ ୀ ଵ ) 2 ESS= ∑ = n i i x 1 22 2 ˆ β