Hướng dẫn thực hành Eviews trong kinh tế Lượng

Bài giảng này được viết đi kèm với phần lý thuyết của Giáo trình kinh tế lượng, Trường ĐH Kinh Tế TPHCM, Lao động Xã hội, Hoàng Ngọc Nhậm, cuốn Giáo trình này đã có viết phần hướng dẫn sử dụng Eviews để tính toán (xem 6). Bài giảng này cũng nhằm mục đích hướng đẫn từng bước việc tính toán trong giáo trình trên, tuy nhiên, ở đây chúng tôi hướng dẫn sử dụng Eviews 6.0 và có bổ sung, chỉnh sửa nhiều chổ so với 6. Bài giảng này sẽ giúp cho sinh viên thực hành các bài tập của môn Kinh tế lượng, cũng như cho những ai sử dụng Eviews để phân tích kinh tế. Eviews hỗ trợ rất mạnh mẽ trong việc quản lý dữ liệu, phân tích thống kê, vẽ các đồ thị và in kết quả. Hiện nay đã có biên bản Eviews 8.1, tuy nhiên, vì một vài lý do mà chúng tôi chọn Eviews 6.0 1 để viết bài giảng này. Để biết thêm nhưng thông tin về phần miềm này, cũng như các ứng dụng mở rộng của Eviews các bạn có thể vào trang web http:eviews.com. Tôi chân thành cảm ơn sự tham khảo, đóng góp ý kiến của các bạn đồng nghiệp, các bạn sinh viên của Đai học Tôn Đức Thắng, những đóng góp này đã giúp tôi rất nhiều trong việc hoàn thiện bài bài giảng này

HƯỚNG DẪN THỰC HÀNH EVIEWS TRONG

KINH TẾ LƯỢNG

MỤC LỤC

1.1 Khởi tạo workfile 1

1.2 Nhập dữ liệu trực tiếp 3

1.3 Mở dữ liệu từ file có sẳn 4

1.3.1 Mở dữ liệu file định dạng xls 5

1.3.2 Mở dữ liệu file định dạng wf1 5

1.4 Vẽ đồ thị 6

1.5 Thống kê mô tả 8

1.6 Tạo và xóa một series trong workfile 9

1.6.1 Tạo một series mới trong workfile 9

1.6.2 Xóa một series trong workfile 10

1.7 Một số toán tử và hàm cơ bản trong Eviews 10

1.7.1 Toán tử 10

1.7.2 Hàm 11

1.8 Tính toán trên Eviews 11

2 Hồi qui hai biến 14 2.1 Mô hình hồi qui tuyến tính 14

2.2 Khoảng tin cậy β1; β2 16

2.3 Kiểm định giả thiết về các hệ số hồi qui 17

4 Hồi qui bội 22

4.1 Mô hình hồi qui tuyến tính ba biến 22

4.2 Kiểm định giả thiết về hệ số hồi qui 24

4.3 Kiểm định đồng thời (kiểm định sự phù hợp của mô hình) 24

4.4 Tìm ma trận tương quan 25

4.5 Ma trận hiệp phương sai 26

4.6 Dự báo 26

4.6.1 Khoảng dự báo cá biệt 29

4.6.2 Khoảng dự báo trung bình 29

5 Phát hiện và khắc phục hiện tượng phương sai sai số của mô hình hồi qui thay đổi 30 5.1 Cách phát hiện 30

5.1.1 Dùng đồ thị 30

5.1.2 Dùng kiểm định White 30

5.2 Khắc phục phương sai sai số của mô hình thay đổi 32

6 Phát hiện và khắc phục hiện tượng tự tương quan 34 6.1 Cách phát hiện 34

6.1.1 Dùng đồ thị 34

6.1.2 Kiểm định Breusch-Godfrey (BG) 34

6.2 Khắc phục 35

6.2.1 Biết ρ 35

6.2.2 Chưa biết ρ 35

7 Một số kiểm định thường gặp 36 7.1 Kiểm định sự có mặt của biến không cần thiết 36

7.2 Kiểm định biến bị bỏ sót 37

7.3 Kiểm định Wald 39

7.4 Kiểm định Reset của Ramsey 40

8 Phân tích chuỗi thời gian 42 8.1 Mô hình cộng và mô hình nhân 42

8.1.2 Mô hình cộng 43

8.2 Mô hình dự báo san mũ Holt-Winters 44

8.3 Kiểm định tính dừng dựa trên lượt đồ tương quan 47

8.4 Kiểm định đơn vị đối với tính dừng 48

Lời nói đầu

Bài giảng này được viết đi kèm với phần lý thuyết của Giáo trình kinh tế lượng, Trường ĐHKinh Tế TPHCM, Lao động - Xã hội, Hoàng Ngọc Nhậm, cuốn Giáo trình này đã có viết phầnhướng dẫn sử dụng Eviews để tính toán (xem [6]) Bài giảng này cũng nhằm mục đích hướngđẫn từng bước việc tính toán trong giáo trình trên, tuy nhiên, ở đây chúng tôi hướng dẫn sửdụng Eviews 6.0 và có bổ sung, chỉnh sửa nhiều chổ so với [6] Bài giảng này sẽ giúp cho sinhviên thực hành các bài tập của môn Kinh tế lượng, cũng như cho những ai sử dụng Eviews đểphân tích kinh tế

Eviews hỗ trợ rất mạnh mẽ trong việc quản lý dữ liệu, phân tích thống kê, vẽ các đồ thị và inkết quả Hiện nay đã có biên bản Eviews 8.1, tuy nhiên, vì một vài lý do mà chúng tôi chọnEviews 6.01 để viết bài giảng này Để biết thêm nhưng thông tin về phần miềm này, cũng nhưcác ứng dụng mở rộng của Eviews các bạn có thể vào trang webhttp://eviews.com

Tôi chân thành cảm ơn sự tham khảo, đóng góp ý kiến của các bạn đồng nghiệp, các bạn sinhviên của Đai học Tôn Đức Thắng, những đóng góp này đã giúp tôi rất nhiều trong việc hoànthiện bài bài giảng này!

Tôi mong được sự đóng góp ý kiến về bài giảng này cho việc chỉnh sửa

Huỳnh Ngọc Phướcngphuynh@gmail.com

Chương 1

Giới thiệu Eviews

Trong chương này chúng tôi sẽ giới thiệu những thao tác cơ bản trên Eviews

1.1 Khởi tạo workfile

Công việc trước tiên của chúng ta là khởi tạo workfile Để khởi tạo workfile ta nhấp Dclickvào biểu tượng Eviews trên màn hình, sau đó chọn File/New/Workfile như hình sau

Khi ta chọn xong thì ta có

Trong workfile Structure type có các định dạng sau:

• Dated-regularfrequency: Dữ liệu thời gian (mặc định)

• Unstructure/Undated: Dữ liệu chéo

Ta điền độ lớn của dữ liệu vào Data range.

Sau khi thực hiện xong các thao tác ta điền tên workfile vào khung Workfile name, chọn Ok

sẽ xuất hiện hộp thoại sau

Khi khởi tạo xong workfile thì ta chọn Save as để lưu lại

1.2 Nhập dữ liệu trực tiếp

Trước hết ta tạo một workfile như ở mục1.1 Kế tiếp để nhập dữ liệu ta chọn Quick/EmptyGroup, sẽ xuất hiện hộp thoại sau

Sau đó chúng ta nhập các dữ liệu vào thì ta được

Các series1 mặc nhiên có tên là Ser01, Ser02, như hình trên, để đổi tên một series nào đó

ta chọn series đó, nhấp Dclick vào tên series rồi gõ tên mới, nhấn Enter, khi đó sẽ xuất hiệnmột hộp thoại, chọn Yes

Sau khi nhập xong ta tắt hộp thoại Group đi, khi đó trong Workfile xuất hiện các Series

mà ta vửa nhập Để lưu lại ta chọn File/Save as sau đó chọn đường dẫn đến nơi ta cần lưu,

tâ chọn Save là được

Chú ý 1.2 Chúng ta cần phải chú ý rằng từ Eviews 6.0 trở về trước chỉ mở được file excelđịnh dạng xls.

1.3.2 Mở dữ liệu file định dạng wf1

1.4 Vẽ đồ thị

Nếu muốn vẽ đồ thị phân tán của hai biến nào đó, trước tiên ta tạo một workfile hay mởmột workfile có sẵn Ví dụ như ở đây ta mở giao diện Eviews, chọn File/Open/EviewsWorkfile Khi đó sẽ xuất hiện một hộp thoại, ta chọn đường dẫn đến thư mục DATAE-VIEWS/data_chg1 chọn file thidu1.wf1 Ở đây ta muốn vẽ đồ thị phân tán của biếnchitieu và thunhap ta làm như sau:

Từ hộp thoại workfile, chọn Quick/Graph, khi đó sẽ xuất hiện hộp thoại Series list Ta gõtiên làm trục hoành là thunhap , biến làm trục tung là chitieu như hình sau

ta chọn Ok thì sẽ xuất hiện hộp thoại sau

ta nhấp chọn Scatter rồi chọn Ok ta được đồ thị

Ta có thể vẽ đường hồi qui mẫu thích hợp nhất đối với tập hợp các số liệu mẫu, muốn vậy tathực hiện các bước như trên, khi chọn Scatter thì trong khung Fit lines ta chọn Regressionline giống như hình sau

Cách chọn trên mặc nhiên là đường thẳng, tức chitieu và thunhap có quan hệ tuyến tính.Khi đó đồ thị có dạng

Để lưu đồ thị lại ta nhấp chuột vào Name trong hộp thoại Graph khi đó ta được

Ta điền tên đồ thị và khung Name to identify object sau đó chọn Ok là được

1.5 Thống kê mô tả

Để biết được các yếu tố liên quan đến thống kê của số liệu thì ta làm như sau:

Ví dụ như trong workfile thidu1.wf1 ta muốn biết các yếu tố thống kê liên quan đến thunhap

và chitieu, ta nhấp chọn series thunhap và chitieu như hình sau

sau đó nhấn Enter ta được

Trong hộp thoại Group, chọn View/Descriptive Stats/Common Sample, khi đó tađược

Ở đây việc chọn Common Sample hay Individual Sample thì không có gì khác nhau cholắm trừ khi có một series thiếu dữ liệu

1.6 Tạo và xóa một series trong workfile

1.6.1 Tạo một series mới trong workfile

Để tạo thêm một series mới trong workfile ta có thể nhập trực tiếp như mục 1.2, tuy nhiêntrong trương hợp series này có được từ các series đã có trong workfile qua các phép toán thìlàm như sau:

Từ hộp thoại workfile, chọn Genr, khi đó xuất hiện hộp thoại sau

Ví dụ như muốn tạo series mới là y=thunhap+chitieu thì ta gõ vào hộp thoại như hình sau

nhấp chon Ok ta được một series mới như hình sau

Để xóa một series, ta nhấp chọn series cần xóa, Rclick rồi chọn Delete sau đó chọn Yes all

là được

1.7 Một số toán tử và hàm cơ bản trong Eviews

Ký hiệu Toán Tử Mô tả

+ Cộng x + y:Phần tử trong series X công phần tử trong series Y tương ứng

− Trừ x − y: Phần tử trong series X trừ phần tử trong series Y tương ứng

∗ Nhân x.y: Phần tử trong series X nhân phần tử trong series Y tương ứng./ Chia x/y: Phần tử trong series X chia phần tử trong series Y tương ứng

∧ Lũy thừa xy: Phần tử trong series X lũy thừa phần tử trong series Y tương ứng

1.7.2 Hàm

D(X): sai phân, D(X) = xi− xi−1,

@sum(X): Tổng xi @mean(X): Trung bình X

@var(X): Phương sai X @cov(X,Y): Hiệp phương sai X và Y

@cor(X,Y): Hệ số tương quan

trend(d): Biến xu thuế thời gian chuẩn hóa về 0 ở thời kỳ d

@seas(d): Biến giả theo mùa bằng 1 khi quý hoặc tháng bằng d, bằng 0 nếu khác d

1.8 Tính toán trên Eviews

Eviews hỗ trợ một số tính toán cơ bản, trong Eviews có một khung có chức năng tính toánnhư hình

Các thao tác tính về mặc cơ bản giống như trong excel Ví dụ như muốn tính 2 × 5 =? ta gõvào khung như sau:

= 2 ∗ 5sau đó nhấn Enter ta được kết quả như hình sau

Tuy nhiên với cách làm như trên ta không lưu lại được kết quả, để lưu lại thì thay vì gõ

= 2 ∗ 5 thì ta gõ vào là

scalar pt = 2 ∗ 5sau đó chọn Enter thì Eviews sẽ cho ra kết quả và lưu lại trong wokfile với tên là pt Khi tathực hiện các thao tác trên Eviews thì pt xem như một số bình thường

Ngoài ra, ta còn có thể tính bằng cách chọn Object/New Object /Matrix-Vector-Coefnhư hình sau

trong khung Name for object ta điền tên của object được tạo ra sau đó chọn Ok ta được

ở đây ta chọn Vector và lưu với tên là v, khi đó workfile sẽ có thêm biến v như hình sau

Ở hộp thoại Vector v các giá trị R1, mặc nhiên là 0.000000 Ta có thể thay thế các giá trịnày bằng cách gõ vào khung v(i)=??

Ta có thể lưu lại ở dạng table bằng cach chọn Freeze, khi đó sẽ xuất hiện hộp thoại Vector

v dạng table Ta chọn Name để lưu lại

Các bạn muốn biết thêm các chức năng của Eviews, chọn Help/Eviews help topics

Chương 2

Hồi qui hai biến

2.1 Mô hình hồi qui tuyến tính

Mô hình dạng

Yi = β1+ β2Xi+ Ui.Hàm hồi qui mẫu SRF

Để tìm ước lượng hàm hồi qui với bảng số liệu trên, trước tiên ta tạo một workfile thidu2.wf1,sau đó, từ hộp thoại Equation, chọn Quick/Estimate, khi đó sẽ xuất hiện hộp thoại dạng

ta gõ vào màn hình như sau

sau đó nhấp chọn Ok ta được

Bảng này có ý nghĩa như sau:

Dependent variable: Y Biến phụ thuộc Y

Method: Least Squares Phương pháp bình phương bé nhất.Sample: 1 10 Mẫu quan sát từ 1 đến 10

Coefficient Hệ số hồi qui

Prob Xác suất.

P (|T | > 3, 812791) = 0, 0014

P (|T | > 14, 317) ' 0

R-Squared Hệ số xác định R2

Adjusted R-Squared Hệ số xác định điều chỉnhR2

Sum Squared resid Tổng bình phương các phần dư RSS

Log likelihook Ln hàm hợp lý

Durbin -Watson stat Thống kê Durbin Watson

Mean dependent var Trung bình biến phụ thuộc

S.D dependent var Độ lệch chuẩn biến phụ thuộc

Akaike info criterion Tiêu chuẩn Akaike

Schwarz criterion Tiêu chuẩn Schwarz

Với hệ số tin cậy 1 − α, khoảng tin cậy của β1, β2 là

Vậy khoảng tin cậy của β1 và β2 lần lượt là

(24, 4545 − 2, 306.6, 4138; 24, 4545 + 2, 306.6, 4138)và

(0, 509 − 2, 306.0, 035743; 0, 509 + 2, 306.0, 035743)Chúng ta có thể tính cận trên và cận dưới của khoảng ước lượng như sau:

scalar cantren=@coefs(i)+@qtdist(1-α/2,n-k)∗ @stderrs(i)

scalar canduoi=@coefs(i)-@qtdist(1-α/2,n-k)∗ @stderrs(i)2.3 Kiểm định giả thiết về các hệ số hồi qui

Kiểm sự có mặt của biến không cần thiết cho mô hình

Ví dụ 2.3 Với số liệu của Ví dụ2.1, kiểm định giả thiết H0 : β2 = 0, đối giả thiết H1 : β2 6= 0,với mức ý nghĩa 5%

Với kết quả của Ví dụ 2.1, ta có

ii) Nếu Pvalue(t)=P (|T | > |t|)> α: Chưa có cơ sở bác bỏ H0

Do đó, từ kết quả của hàm hồi qui, ta có P-value(t2)=0.000< α = 0.05, cho nên ta bác bỏ H0

Kiểm định hai bên

Giả thiết H0: βi= βi0, đối giả thiết H1 : βi 6= β0

i

Scalar pvalue = @ctdist(−@abs((@coef s(i) − βi0)/@stderrs(i)), n − k)

+1 − @ctdist(@abs((@coef s(i) − βi0)/@stderrs(i)), n − k)Kiểm định bên trái

Giả thiết H0: βi> βi0, đối giả thiết H1 : βi < βi0

Scalar pvalue = @ctdist((@coef s(i) − β0

i)/@stderrs(i), n − k)

Kiểm định bên phải

Giả thiết H0: βi6 βi0, đối giả thiết H1 : βi > βi0

Scalar pvalue = 1 − @ctdist((@coef s(i) − βi0)/@stderrs(i), n − k)

Chương 3

Mở rộng mô hình hồi qui hai biến

3.1 Hồi qui tuyến tính log

Mô hình dạng

log Yi= β1+ β2log Xi+ Ui

Ý nghĩa của mô hình này lầ cho biết khi X tăng 1% thì trung bình Y tăng (giảm) β2%

Ví dụ 3.1 Khảo sát nhu cầu tiêu thụ cafe (Y số tách 1 người dùng mỗi ngày) và giá bán lẻthực tế trung bình (X USD/kg) người ta thu được số liệu sau:

Ta tạo workfile Bang3_19.wf1, từ của sổ Equation, chọn Quick/Equation Estimation,

gõ vào hộp thoại mới xuất hiện như hình sau

nhấp chọn Ok ta được

từ đó ta được kết quả hồi qui sau

\log(Yi) = 0, 777418 − 0, 253 log(Xi)

Với kết quả này ta thấy khi giá cafe tăng 1% thì nhu cầu cafe giảm 0,25%

3.2 Hồi qui log tuyến tính

Mô hình dạng

log Y = β1+ β2t + Ui.t: lấy giá trị 1,2,3,

β2 là tốc độ tăng trưởng tức thời của Y theo biến t

Ví dụ 3.2 Cho bảng số liệu tổng giá trị sản phẩm nội địa (RGDP USD) của Hoa kỳ trongkhoảng thời gian 1972-1991 như sau

Năm RGDP Năm RGDP Năm RGDP

chọn Ok ta được

Khi đó hàm hồi qui sẽ là

\log(RGDP ) = 8, 0139 + 0, 024699t

Và ta có thể biết được trong giai đoạn 1972-1991 GDP thực của Hoa Kỳ tăng với tốc độ 2,47%.Ngoài ra ta còn có một số mô hình hồi qui sau:

Mô hình hồi qui lin-log: Yi = β1+ β2log Xi+ Ui

Chương 4

Hồi qui bội

4.1 Mô hình hồi qui tuyến tính ba biến

Mô hình dạng

Yi = β1+ β2X2i+ β3X3i+ Ui

Ví dụ 4.1 Cho bảng số liệu về doanh số bán Y, chi phí chào hàng X2 và chi phí quảng cáo

X3 trong năm 2001 ở 12 khu vưc bán hàng của một công ty như sau

Doanh số bán Yi (triệu đ) Chi phí chào hàng X2i (triệu đ) Chi phí quảng cáo X3i(triệu đ)

Sai số tiêu chuẩn lần lược là:

se( ˆβ1) = 71, 99136, se( ˆβ2) = 0, 469146, se( ˆβ3= 0, 379411

Hễ số xác định của hồi qui bội là R2 = 0, 967693

Hệ số xác định điều chỉnh R2 = 0, 960514

Ví dụ 4.2 Với số liệu của Ví dụ 4.1, tìm khoảng tin cậy của β2, β3, với hệ số tin cậy 95%

Khoảng tin cậy của β2, β3 lần lượt là

(4, 64951 − 2, 262.0.469146; 4, 64951 + 2, 262.0.469146)và

Với kết quả của Ví dụ 4.1(xem Hình 4.1), ta được

F = 134, 7884,tra bảng ta được F0,01(2; 9) = 8, 02.1 Do đó

F > F0,01(2; 9),vậy ta bác bỏ H0

Chú ý 4.1 Ở đây ta có thể dùng P-value để kiểm định

i) Nếu P-value(F)< α: Bác bỏ H0

ii) Nếu P-value(F)> α: Chưa có cơ sở bác bỏ H0

Do đó, từ kết quả của hàm hồi qui, ta có P-value(F)=0.000< α = 0.01, cho nên ta bác bỏ H0.4.4 Tìm ma trận tương quan

Với số liệu của Ví dụ 4.1, để tìm ma trân tương quan của các biến Y, X2, X3 Trước hết

ta chọn đồng thời các series Y, X2, X3 trong wofkfile thidu4_1.wf1, chọn Quick/GroupStatistics/Corelations, khi đó sẽ xuất hiện hộp thoại sau

chọn Ok Ta được ma trân hệ số tương quan như hình sau

4.5 Ma trận hiệp phương sai

Với workfile thidu4_1.wf1, để tìm ma trân hiệp phương sai của hệ số hồi qui ta thực hiêncác bước sau:

Bước 1 Tìm hàm ước lượng hồi qui tuyến tính (Ví dụ4.1)

Bước 2 Từ của sổ Equation, chọn View/Covarriance matric như hình sau

Khi đó, ma trận hiệp phương sai của hệ số hồi qui như hình sau

4.6 Dự báo

Để tìm dự báo trung bình của biến phụ thuôc, ví dụ như để dự báo danh số bán hàng Y ở

Ví dụ 4.1, với độ tin cậy 95%, khi chi phí chào hàng là 165 triệu đồng và chi phí quảng cáo là

200 triệu đồng Ta làm như sau:

Bước 1 Tìm hàm hồi qui tuyến tính mẫu của Y theo X2 và X3

Bước 2 Nhập dữ liệu X là 165, X là 200 vào quan sát thứ 13 Để thực hiện việc này ta quay

chọn Proc/Structure/Resize Curent Page , khi đó sẽ xuất hiện hộp thoại như sau

ta chỉnh hộp thoại này lại thành

chọn Ok −→ chọn Yes Sau đó nhấp vào series X2, nhập 165 vào quan sát 13 rồi đóng hộpthoại này lại Làm tương tự với X3

Bước 3 Ta quay sang hộp thoại Equation như hình

chọn Rorecast thì xuất hiện hộp thoại sau

Ta chỉnh hộp thoại trên lại thành

chọn Ok thì f và se1, sẽ được thêm vào workfile Ở đây,

f (13) = bY0

4.6.1 Khoảng dự báo cá biệt

scalar canduoi=f(13)−@qtdist(1 − 0.05/2, 12 − 3)∗se1(13)

scalar cantren=f(13)+@qtdist(1 − 0.05/2, 12 − 3)∗se1(13)

Như vậy ta tìm được dự báo khoảng cho doanh số bán được khi chi phí chào hàng 165 triệu

và chi phí quảng cáo 200 triệu với độ tin cậy 95% là (1488,568;1726,09)

scalar canduoi=f(13)−@qtdist(1 − 0.05/2, 12 − 3) ∗ sqr(se1(13) ∧ 2 − @se ∧ 2)

scalar cantren=f(13)+@qtdist(1 − 0.05/2, 12 − 3) ∗ sqr(se1(13) ∧ 2 − @se ∧ 2)

Như vậy ta tìm được dự báo khoảng cho doanh số bán trung bình khi chi phí chào hàng 165triệu và chi phí quảng cáo 200 triệu với độ tin cậy 95% là (1550,332;1664,348)