mô hình tự hồi quy vecto trong Kinh tế lượng

Định lý Gauss-Markov  Định lý: Nếu các giả thiết 1-6 được thỏa mãn thì sử dụng phương pháp OLS: 1... CHỌN TRỄ FPE: Final prediction error criterion  AIC: Akaike information criterion

(Vecto Autoregression)

Unrestricted Var

VAR

TỔNG QUAN

Tại sao

phải

nghiên cứu

và sử dụng

mô hình

VAR?

?

Định lý Gauss-Markov

 Định lý: Nếu các giả thiết 1-6 được thỏa mãn thì sử dụng phương pháp OLS:

1 E(u i |X 2i , ,X ki )=0: không có sai số hệ thống

2 var(u i |X 2i , ,X ki ) = δ 2 với mọi i

3 cov(u i ,u j )=0 với mọi i khác j

4 u i ~ N(0, δ 2 ) với mọi i

5 Không có đa cộng tuyến hoàn hảo giữa các biến

X j

6 Biến X j là phi ngẫu nhiên, nếu là ngẫu nhiên thì phải độc lập với U i

SIMS (1980s)

Các nghiên cứu trước

Yt = a0 + a1Xt + a2Yt-1 + a3Xt-1 + ut

Xt = b0 + b1Yt + b2Yt-1 + b3Xt-1 + vt

Sự chỉ trích của SIMS

Vấn đề nội

sinh

NOBEL PRIZE

Sims đã đề nghị sử dụng

dạng thu gọn của mô hình

cấu trúc để ước lượng:

Xt = c0 + c1Yt-1 + c2Xt-1 + a1vt + ut

Yt = d0 + d1Yt-1 + d2Xt-1 + vt + b1ut

 Đây chính là mô hình VAR và

nghiên cứu này của SIMS đã đạt giải

Nobel Kinh tế năm 2011

ĐỊNH NGHĨA

Xem xét mô hình VAR đơn giản gồm 2 biến:

 Lãi suất Tín phiếu Kho bạc kỳ hạn 3 tháng: TB3t

 Lãi suất Tín phiếu Kho bạc kỳ hạn 6 tháng: TB6t

U1t v

CHỌN TRỄ

 FPE: Final prediction error criterion

 AIC: Akaike information criterion

 SIC: Schwars information criterion

 Độ trễ phù hợp nếu thoả mãn nhiều nhất các tiêu chuẩn trên.

 Mô hình VAR(p) tổng quát (dạng thu gọn):

 Trong đó:

 c là k × 1 vector hệ số chặn

 Ai là một ma trận k × k ( i = 1, , p)

 et là k × 1 vector sai số

ĐỊNH NGHĨA

ASt: Doanh thu xe hơi (Auto Sale, AS)

TBt: Tín phiếu kho bạc (Treasury Bill, TB)

Giả thiết mỗi phương trình gồm có bốn giá trị trễ của AS

và bốn giá trị trễ của TB với vai trò là biến làm hồi quy.

PHÂN RÃ PHƯƠNG SAI

 Mặc dù hàm phản ứng đẩy cung cấp thông tin về mức truyền dẫn của AS đến các TB, nhưng không cho biết tầm quan trọng của các cú sốc này trong việc giải thích sự biến động của các TB

Để xem xét vấn đề này chúng ta áp dụng phân rã phương sai

 Mục đích của phân rã là để giảm sự không chắc chắn trong một phương trình tới phương sai của sai số trong tất cả các phương trình