Tự tương quan Autocorrelation Bản chất và nguyên nhân của hiện tượng tự tương quan Ước lượng bình phương nhỏ nhất khi có tự tương quan Ước lượng tuyến tính không chệch tốt nhất
Trang 1Tự tương quan (Autocorrelation)
Bản chất và nguyên nhân của hiện
tượng tự tương quan
Ước lượng bình phương nhỏ nhất khi
có tự tương quan
Ước lượng tuyến tính không chệch tốt
nhất khi có tự tương quan
Hậu quả của việc sử dụng phương pháp
OLS khi có tự tương quan
Phát hiện tự tương quan
Các biện pháp khắc phục
Trang 2Bản chất và nguyên nhân của hiện
tượng tự tương quan
Trong mô hình hồi qui tuyến tính cổ điển,
ta giả định rằng không có tương quan giữa các sai số ngẫu nhiên ui, nghĩa là: cov(ui, uj) = 0 (i j)
Nói một cách khác, mô hình cổ điển giả
định rằng sai số ứng với quan sát nào
đó không bị ảnh hưởng bởi sai số ứng với một quan sát khác.
Trang 3Bản chất và nguyên nhân của hiện tượng tự tương quan
Tuy nhiên trong thực tế có thể xảy ra hiện
tượng mà sai số của các quan sát lại phụ
thuộc nhau, nghĩa là:
cov(ui, uj) 0 (i j) Khi đó xảy ra hiện tượng tự tương quan.
Sự tương quan xảy ra đối với những quan sát
“cắt ngang” đgl “tự tương quan không
gian”.
Sự tương quan xảy ra đối với những quan sát
“chuổi thời gian” đgl “tự tương quan thời
gian”.
Trang 4
t
(a)
(b)
t
(c)
t
(d)
t
(e)
u i , e i
u i , e i
u i , e i
u i , e i
u i , e i
Trang 52 Nguyên nhân của tự tương quan
Quán tính: mang tính chu kỳ, VD: các chuổi số
liệu thời gian về: GDP, chỉ số giá, sản lượng,
thất nghiệp, …
Sai lệch do lập mô hình: bỏ sót biến, dạng hàm
sai
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: một hộ chi tiêu nhiều trong khoảng thời
gian t có thể do chi tiêu ít trong giai đoạn t-1
Ct = 1 + 2It + 3Ct-1 + ut
Hiệu chỉnh số liệu: do việc “làm trơn” số liệu
loại bỏ những quan sát “gai góc”
…
Trang 6Bản chất (tt)
Dạng mô hình sai
q
MC
Trang 7Ước lượng OLS khi có tự tương
quan
Giả sử tất cả các giả định đối với mô
hình hồi qui tuyến tính cổ điển đều thoả mãn trừ giả định không tương quan giữa các sai số ngẫu nhiên ut.
và không còn là ước lượng hiệu
quả nữa, do đó nó không còn là ước lượng không chệch tốt nhất.
^
1
Trang 8Ước lượng bình phương nhỏ nhất
khi có tự tương quan
Xét mô hình với số liệu chuổi thời gian:
Yt = 1 + 2Xt + ut
Ta giả thuyết: ut được tạo ra theo cách sau:
ut = ut-1 + et (-1 < < 1) (*)
: hệ số tự tương quan;
et: sai số ngẫu nhiên, thỏa mãn những giả định của OLS (et còn đgl sai số trắng):
E(et) = 0; Var(et) = 2; Cov(et, et+s) = 0 (*): phương trình tự hồi quy bậc nhất Markov, ký
hiệu: AR(1)
Nếu ut = 1ut-1 + 2ut-2 + et : tự hồi quy bậc hai:
AR(2)
Trang 9Ước lượng bình phương nhỏ
nhất khi có tự tương quan
Với mô hình AR(1), ta có thể chứng minh được:
Nếu =0, thì phương sai sai số của AR(1) bằng
phương sai sai số của OLS
Nếu sự tương quan giữa các ut và ut-1 rất nhỏ, thì
phương sai sai số của AR(1) cũng bằng phương sai sai số của OLS
Vậy nếu tương đối lớn, các ước lượng của vẫn
không chệch nhưng không còn hiệu quả nữa nên chúng không là “BLUE”
Trang 10Ước lượng tuyến tính không chệch tốt nhất khi có tự tương quan
Ước lượng bình phương tổng quát (GLS) của 1
phối hợp được tham số tự tương quan vào công thức ước lượng Đó chính là lý do vì sao ước lượng bình phương nhỏ nhất tổng quát là ước lượng tuyến tính không chệch tốt nhất
và