HD eviews caohoc 2008 p2

H NG D N TH C HÀNH KINH T L NG

B NG PH N M M EVIEWS

PH N HAI: CÁC CHUYÊN

5 MÔ HÌNH CÓ BI N TR

S d ng b s li u CH9BT1 trong th m c DATA

Các bi n s chính: NM: l ng cung ti n m t (tính b ng giá hi n này), NNI: thu nh p ròng (tính

b ng giá hi n hành), IPD: Ch s giá, R: Lãi su t (%)

l y s li u th c t tính theo giá so sánh, c n chia cho ch s giá t các bi n m i:

Genr M = M / IPD M là cung ti n th c t

Genr Y = NNI / IPD Y là thu nh p ròng th c t

5.1 Mô hình có tr phân ph i

H i quy các mô hình: M t = +c β0Y t+u t M t = +c β1Y t−1+u t M t = +c β2Y t−2+u t

t

Qua các mô hình trên th y M có ph thu c vào M và các tr c a Y

H i quy mô hình M t = +c β0Y t+β1Y t−1+β2Y t−2+u [5.1]

Khi đó do có đa c ng tuy n nên các h s b m t ý ngh a th ng kê

V i b s li u đã có, không th th c hi n v i tr b c quá cao, và k t qu c ng nhi u sai l ch

5.2 Bi n đ i Koych

Mô hình tr vô h n:

0

j

j t

M c ∞ β Y−

=

Gi thi t c a Koych: β1=β λ β0 ; 2 =β λ0 2; βj =β λ0 j v i λ ∈ [0 , 1]

Khi đó [5.2] t ng đ ng M t = c + β0Y t + λ M t – 1 + u t [5.3]

c l ng: LS M C Y M(-1)

K t qu c l ng

Dependent Variable: M Method: Least Squares Sample(adjusted): 1949 1964 Included observations: 16 after adjusting endpoints

Theo k t qu này: c l ng c a tác đ ng tr c ti p, ng n h n: βˆ0 =11.84843

Tác đ ng c a th i k tr th j: βˆj =λ βˆ ˆj 0 =0.552938j×11.84843 =

T ng tác đ ng, tác đ ng dài h n: 0

0

ˆ 11.84843 ˆ

ˆ 1 0.552938 1

j j

β β

λ

∞

=

−

−

∑ Câu h i: - Bên c nh bi n thu nh p th c t ròng Y, thêm vào mô hình bi n lãi su t R v i

tr vô h n, và d a trên bi n đ i Koych đ c l ng mô hình Khi đó tác đ ng tr c ti p

và dài h n c a lãi su t đ n cung ti n th c t nh th nào?

5.3 Mô hình hi u ch nh

Gi thi t: cung ti n kì v ng là hàm c a lãi su t: M t*= +c β1R t +u t

Chênh l ch gi a cung ti n k này và k tr c đ c hi u ch nh: ( * )

Do đó ph ng trình h i quy là: M t =δc+δβ1R t + −(1 δ)M t−1+ v t

c l ng: LS M C R M(-1)

Dependent Variable: M

Method: Least Squares

Sample(adjusted): 1949 1964

Included observations: 16 after adjusting endpoints

T m th i b qua vi c h s c a bi n R có th không có ý ngh a th ng kê

c l ng đi m h s hi u ch nh: δˆ 1 0.808062 0.191938= − =

c l ng đi m tác đ ng c a lãi su t đ n cung ti n kì v ng: ˆ 2.362283

0.191938

c l ng đi m h s ch n c a ph ng trình cung ti n kì v ng: ˆ 4.282241

0.191938

c= −

=

6 H I QUY H PH NG TRÌNH

S d ng b s li u CH10BT14 trong th m c DATA

Có các bi n s g c: I, M, R, Y trong đó I là đ u t , M là cung ti n, R là lãi su t, Y là thu nh p

qu c dân

6.1 Kh i t o h ph ng trình

Mô hình cân b ng th tr ng hàng hóa, đ ng IS: Y = β1 + β2 R + β3 I + u1 [6.1]

Mô hình cân b ng th tr ng ti n t , đ ng LM: R = α1 + α2M + α3Y + u2 [6.2]

N u h i quy riêng t ng mô hình

Estimation Equation:

=====================

Y = C(1)*R + C(2)*I + C(3)

Substituted Coefficients:

=====================

Y = -42.11*R + 6.2929*I + 197.0355332

Estimation Equation:

=====================

R = C(1)*M + C(2)*Y + C(3) Substituted Coefficients:

=====================

R = -0.068290*M + 0.01068223*Y + 9.268843944

N u xét d i d ng h ph ng trình g m c [6.1] và [6.2], thì mô hình g m 2 bi n n i sinh là Y,

R, hai bi n ngo i sinh là I, M Các bi n công c nh v y là I, M, C (h s ch n)

6.1 Khai báo bi n công c và các ph ng trình

Có nhi u cách đ h i quy m t h ph ng trình, đ t tên h đó là IS_LM

Cách 1: C a s l nh: SYSTEM IS_LM

Cách 2: [Workfile] Objects → New Object → System

Cách 3: [Eviews] Objects → New Object → System

ö C a s [System] và bi u t ng c a h ( IS_LM ) trong Workfile Trong c a s [System], khai báo các bi n công c và các ph ng trình L u ý bi n công c bao

g m c h s ch n, và các h s c a ph ng trình kí hi u là C,

INST C I M

Y = C(11) + C(12)*R + C(13)*I

R = C(21) + C(22)*M + C(23)*Y

[System] Estimate ö C a s [System Estimation]

Ch n ph ng pháp bình ph ng nh nh t hai b c: → Two-Stage Least Squares

System: IS_LM Estimation Method: Two-Stage Least Squares Sample: 1959 1990

Included observations: 32 Total system (balanced) observations 64 Instruments: C M I

Equation: Y = C(11)+C(12)*R + C(13)*I Observations: 32

Adjusted R-squared 0.965322 S.D dependent var 1581.342 S.E of regression 294.4783 Sum squared resid 2514807

Durbin-Watson stat 0.711789 Equation: R = C(21)+C(22)*M + C(23)*Y

Observations: 32

Adjusted R-squared 0.702848 S.D dependent var 2.823746 S.E of regression 1.539269 Sum squared resid 68.71116 Durbin-Watson stat 0.641020

Câu h i:

- Theo k t qu c l ng h ph ng trình, c l ng đi m m c tác đ ng c a đ u t ,

c a lãi su t đ n thu nh p b ng bao nhiêu? c l ng đi m m c tác đ ng c a thu

nh p đ n lãi su t b ng bao nhiêu?

- Theo ph ng trình đ ng IS, lãi su t và đ u t gi i thích đ c bao nhiêu % s bi n

đ ng c a thu nh p?

- Dùng DW đ ki m đ nh hi n t ng t t ng quan b c nh t c a hai ph ng trình h i quy?

- H i quy h b ng ph ng pháp bình ph ng nh nh t 3 b c và đ i chi u k t qu

- Khi thêm vào ph ng trình th nh t bi n Y(-1) là tr b c 1 c a Y, hãy đ nh d ng cho các ph ng trình trong h b ng đi u ki n c n và đi u ki n đ Khi đó n u mu n dùng

ph ng pháp bình ph ng nh nh t thì thì các bi n công c có thay đ i không? Th c

hi n h i quy h khi đó b ng ph ng pháp 2SLS

- Thêm vào c hai ph ng trình bi n Y(-1), hãy đ nh d ng l i hai ph ng trình và h i quy b ng ph ng pháp 2SLS, 3SLS

- nh d ng cho các ph ng trình trong h sau b ng đi u ki n c n và đ , và c l ng

h b ng ph ng pháp 2SLS:

2

u

−

7 MÔ HÌNH CÓ BI N C L P LÀ BI N GI

S d ng b s li u CH4BT3 trong th m c DATA

B s li u này g m các bi n CS là chi cho tiêu dùng, Y là thu nh p sau thu ; s li u theo quý

t quý 1 n m 1974 đ n quý 4 n m 1984

Mô hình h i quy E(CS / Y) = [H s ch n] + [H s góc].Y [7.1]

7.1 t bi n gi 0 - 1

Xét m t y u t đ nh tính là Giai đo n: Giai đo n đ u t Quý 1/1974 đ n Quý 4/1979; Giai

đo n sau t Quý 1/1980 đ n Quý 4/1984 C n đ t bi n gi : D1 = 0 v i giai đo n đ u ; D1 = 1

v i giai đo n sau

T i c a s l nh: Genr D1 = 0 ö Bi n D1 xu t hi n trong Workfile

[Workfile] Sample ö C a s [Sample] → i th i k m u là: 1980: 1 1986:4

T i c a s [Workfile], Sample đã đ i l i thành 1980:1 1984:4

C a s l nh: D1 = 1

[Workfile] Sample ö C a s [Sample] → i th i k m u là: 1974: 1 1986:4

Thao tác cu i đ l y l i th i kì m u t Quý 1/1974 đ n Quý 4/1984

7.2 Mô hình có bi n gi và phân tích

Xét mô hình h i quy E(CS / Y, D1) = β1 + β2 Y + β3 D1 + β4 D1.Y [ ]

Giai đo n đ u: E(CS / Y, D1 = 0) = β1 + β2 Y

Giai đo n sau: E(CS / Y, D1 = 1) = (β1 + β3 ) + (β2 + β4 ) Y

M i quan h gi a CS và Y có khác nhau gi a hai giai đo n hay không ph thu c vào giá tr các h s β3 và β4

H i quy: LS CS C Y D1 D1*Y

Dependent Variable: CS Method: Least Squares Sample: 1974:1 1984:4 Included observations: 44

Câu h i:

- Vi t hàm h i quy m u trong hai giai đo n

- N u Thu nh p là 65000 thì c l ng đi m chi tiêu và ti t ki m c a hai giai đo n là bao nhiêu?

- V i α = 5% thì h s ch n c a mô hình trong hai giai đo n có khác nhau không? H

s góc c a mô hình trong hai giai đo n có khác nhau không?

- Khi l y α = 10% thì h s ch n và h s góc c a mô hình trong hai giai đo n có khác nhau không?

- N u ch p nh n có s khác nhau t i m c 10%, thì Tiêu dùng t đ nh (khi thu nh p

b ng 0) c a giai đo n nào nhi u h n? Nhi u h n bao nhiêu? Khuynh h ng tiêu dùng

c a giai đo n nào nhi u h n, nhi u h n bao nhiêu?

7.3 Bi n gi mùa v

Có th đ t bi n gi đ phân tích y u t mùa v v i b s li u có t n su t theo quý

Genr S1 = @seas(1) Bi n S1 b ng 1 v i quý 1, b ng 0 v i quý khác

Genr S2 = @seas(2) Bi n S2 b ng 1 v i quý 2, b ng 0 v i quý khác

Câu h i:

- Xây d ng mô hình xem y u t Quý 1 có tác đ ng đ n h s ch n c a mô hình [7.1] hay không? Y u t Quý 2 có tác đ ng đ n h s góc c a mô hình [7.1] hay không?

- t thêm các bi n gi ng v i Quý 3 và Quý 4, th c hi n vi c đ a các bi n gi vào

mô hình và phân tích s chênh l ch c a h s ch n, h s góc mô hình gi a các quý

- Phân tích đ ng th i hai y u t : Giai đo n tr c – sau và Quý 1, khi đó mô hình c n làm th nào? Th c hi n h i quy đó và phân tích k t qu

_

8 MÔ HÌNH BI N PH THU C LÀ NH TÍNH

S d ng b s li u CH11BT4 trong th m c DATA

Các bi n s : GPA: đi m trung bình đ u vào quy v thang đi m 5, TUCE: đi m gi a k (thang

đi m 30), GRA là k t qu cu i k , GRA = 1 n u k t qu gi i, GRA = 2 n u khá, và GRA = 3

n u trung bình tr xu ng

Xác đ nh mô hình đánh giá tác đ ng c a đi m s đ u vào đ n kh n ng đ t k t qu gi i cu i k

nh th nào

Genr G = 20*GPA

8.1 T o bi n Nh phân

t bi n Y = 1 n u k t qu cu i k lo i gi i, Y = 0 n u ng c l i

Genr Y = 0 Bi n Y nh n giá tr 0 v i m i quan sát

[Workfile] Sample ö C a s [Sample]

→ Gi nguyên m u 1 32 trong ô Sample range

→ Trong ô[IF condition]nh p đi u ki n: GRA = 1

(Dòng sample trong c a s l nh đ i thành: 1 32 if gra = 1)

C a s l nh: Y = 1 (v i quan sát có GRA = 1 thì Y = 1)

C a s [Sample], b đi u ki n GRA = 1 kh i ô IF condition đ l y l i m u nguyên Xem l i k t qu b ng cách đ i chi u giá tr c a GRA và Y

8.2 Mô hình xác su t tuy n tính (LPM)

Mô hình LMP: P(Y = 1 / G) = E(Y/G) = β1 + β2 G [8.2]

T i c a s l nh:LS Y C G

K t qu h i quy

Dependent Variable: Y Method: Least Squares Sample: 1 32

Included observations: 32

Câu h i: Theo k t qu h i quy này

- Kh n ng cu i k đ t lo i gi i là bao nhiêu n u đi m đ u vào G b ng 60?

- G t ng 1 đi m thì kh n ng cu i k đ t lo i gi i t ng bao nhiêu? T i đa bao nhiêu?

- Xem giá tr c l ng bi n ph thu c, có bao nhiêu giá tr n m ngoài [0,1]?

- N u đi m đ u vào là 80 thì c l ng kh n ng đ t lo i gi i là bao nhiêu?

8.3 c l ng mô hình Logit

1 2

exp( ) ( 1/ ) ( / )

1 exp( )

+

G

G

β β

β β [Equation] Estimate ö C a s [Equation Specification]

→ T i ô Method đ i thành: BINARY – Binary choice (logit, probit, extreme value)

→ Binary estimation method : Logit

Dependent Variable: Y Method: ML - Binary Logit (Quadratic hill climbing) Sample: 1 32

Xác su t đ t lo i gi i n u đi m đ u vào G b ng 60:

1 2

G p

G

β β

M c thay đ i c a xác su t khi đi m G t ng thêm 1 đ n v là:

2

ˆ(1 ˆ)

∂

∂

p

8.4 c l ng mô hình Probit

Mô hình P Y( =1/G)=E Y G( / )= Φ(β β1+ 2G)

[Equation] Estimate→Method: BINARY – Probit

Dependent Variable: Y Method: ML - Binary Probit (Quadratic hill climbing) Sample: 1 32

Xác su t đ t lo i gi i n u đi m đ u vào G b ng 60:

1 2

ˆ = Φ( + )≅ Φ −( 5.42 0.0795 60)+ × = Φ −( 0.65)

M c thay đ i c a xác su t khi đi m đ u vào t ng thêm m t là:

1 2 2

( ) ( 0.65) 0.0795

∂

∂

p

GPA

Giá tr hàm

2

1

2 2

u u

ϕ

π ⎟ , giá tr hàm Φ u cho trong b ng ph l c 0( )

Câu h i: - So sánh k t qu tính theo hai mô hình Logit và Probit?

- Tính xác su t đ cu i k đ t lo i gi i khi đi m đ u vào G b ng 80 đ i v i hai mô hình Logit và Probit? Khi đó n u G t ng thêm m t thì xác su t đó thay đ i nh th nào?

- c l ng m c đi m đ u vào G sao cho kh n ng đ t và không đ t lo i gi i là nh nhau đ i v i hai mô hình Logit và Probit?

9 MÔ HÌNH HÓA CHU I TH I GIAN

S d ng b s li u CH12BT20 trong th m c DATA

Các bi n: GDP là t ng s n ph m qu c n i, PDI là thu nh p sau thu c a dân c , PCE là chi cho tiêu dùng dân c , PROFIT là l i nhu n sau thu c a các doanh nghi p, DIVIDENT là l i t c

c a các doanh nghi p, s li u M tính theo giá so sánh 1987 T n su t theo quý, t Quý 1/1970

đ n Quý 4/1991, t ng c ng 88 quan sát

Trong bài này s phân tích chu i s li u GDP

9.1 Ngo i suy gi n đ n

Mô hình h i quy GDP theo bi n th i gian

t bi n xu th th i gian: Genr T = @trend( )

H i quy các mô hình sau và so sánh k t qu thông qua vi c đánh giá h s xác đ nh

Mô hình xu th tuy n tính: GDP t = β1 + β2t + u t

Mô hình b c hai GDP t = β1 + β2t + β2t2 + u t

0

t

u t

e eβ

β t) = ln(β0) + β1ln(t) + u t

Mô hình t h i quy: GDP t = β1 + β2GDP t – 1 + u t

9.2 Trung bình tr t (MA)

Trung bình tr t 3 th i k c a bi n GDP vào th i k t s là 1 1

3

GDP− +GDP+GDP t+

Genr GDPMA3 = ( GDP(-1) + GDP + GDP(+1) ) / 3

Cho k t qu gi ng v i l nh: Genr GDPMA3 = @movav(GDP(+1),3)

V i hàm @movav, n u không có tham s (+1) thì s tính trung bình tr t l y m c k

hi n t i lùi v hai th i k tr c, do đó mu n tính m t th i k tr c, m t th i k sau thì

c n đ t tham s (+1) đ đ a lùi m c v sau m t quan sát

M c a s [Group] v i hai bi n GDP và GDPMA3, so sánh các th ng kê đ c tr ng,

th y bi n trung bình tr t có cùng trung bình, nh ng giá tr t i đa nh h n, giá tr t i thi u l n h n, đ l ch chu n nh h n so v i bi n g c V đ th hai bi n theo th i gian

đ th y quá trình làm tr n b ng trung bình tr t

Câu h i: - t GDPMA9 là trung bình tr t 9 th i k , và so sánh v i GDP, GDPMA3

v đ làm tr n c a bi n m i

9.3 San chu i gi n đ n

Mô hình ‹GDP1=GDP1 , ‹ (1 )‹t 1

GDP =αGDP+ −α GDP−

Ch n GDP thành m t Series [Series] Procs → Exponential Smoothing

ö C a s [Exponential Smoothing]

→ Ch n Single → Ô tên chu i m i: Smoothed series: đ t l i là GDPEXM

Sample: 1970:1 1991:4 Included observations: 88 Method: Single Exponential Original Series: GDP Forecast Series: GDPEXM

H ng s san m α b ng 0.999, GDP‹1991:4 =GDP‹88 =4867.995

9.4 Hi u ch nh y u t mùa v

Bi n GDP: [Series] Procs → Seasonal Adjustment → Moving Average Methods

ö C a s [Seasonal Adjustment] → Ratio Moving Average

Tên chu i sau khi hi u ch nh là GDPSA

Sample: 1970:1 1991:4 Included observations: 88 Ratio to Moving Average Original Series: GDP Adjusted Series: GDPSA Scaling Factors:

V y có 4 ch s th i v ng v i 4 quý, giá tr quan sát thu c quý nào thì s đ c hi u

ch nh b i ch s quý đó Trong ví d này chu i đã đ c làm tr n nên tính mùa v không rõ ràng l m

9.5 San m Holt-Winters

San m Holt-Winters cho phép đ t nhi u mô hình khác nhau

Bi n GDP: [Series] Procs → Exponential Smoothing ö C a s [Exponential Smoothing]

Mô hình ch có tính xu th

‹ ‹

(1 ) ; 0 1; 0 1

D báo cho th i k sau: ‹n k ‹n .

n GDP + =GDP +k T

[Exponential Smoothing]→ Ch n Holt-Winters – No seasonal

→ t tên chu i san là GDPHN

Sample: 1970:1 1991:4 Included observations: 88 Method: Holt-Winters No Seasonal Original Series: GDP

Forecast Series: GDPHN

Beta 0.2799

D báo GDP vào quý 4 n m 1992: ‹1992:4 ‹1991:4

1991:4

4

GDP =GDP + ×T

88

GDP + =GDP + ×T = + ×

Mô hình xu th và mùa v - mô hình Nhân

Công th c d báo: ‹GDP n k+ =(GDP‹n+k T n)× F s

Trong đó F s là mùa v t ng ng v i th i gian c n d báo

[Exponential Smoothing]→ Ch n Holt-Winters - Multiplicative

→ t tên chu i san là GDPHM

Sample: 1970:1 1991:4 Included observations: 88 Method: Holt-Winters Multiplicative Seasonal Original Series: GDP

Forecast Series: GDPHM