Slide kinh tế lượng HVCNBVVT

trong quá trình giảng dạy hay học tập,chúng ta rất cần các sile bài giảng để nghiên cứu.Bởi vì sile sẽ tóm lược 1 cách chi tiết các vấn đề mà bạn quan tâm và đáng lưu ý hơn so với giáo trình dài dòng và không trọng tâm.

Trang 1

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

BÀI GIẢNG MÔN KINH TẾ LƯỢNG

Giảng viên: TS Trần Ngọc Minh

Điện thoại: 0912366032

Bộ môn: Kinh tế - Khoa QTKD1

Năm biên soạn: 2009

Giảng viên: TS Trần Ngọc Minh

Điện thoại: 0912366032

Bộ môn: Kinh tế - Khoa QTKD1

Năm biên soạn: 2009

Trang 2

NỘI DUNG MÔN HỌC

1 Kinh tế lượng là gì?Cơ sở lý luận của môn học

2 Mô hình hồi quy hai biến Một vài ý tưởng cơ bản

3 Mô hình hồi quy hai biến Ước lượng và kiểm định

giả thiết

4 Mô hình hồi quy bội

5 Hồi quy biến giả

Trang 3

và máy vi tính

Nhằm định lượng các mối quan hệ kinh

tế, dự báo khả năng phát triển hay diễn biến của các hiện tượng kinh tế và phân tích nó, làm cơ sở cho việc hoạch định các chính sách kinh tế.

“Kinh tế lượng liên quan đến: (1) Ước lượng các quan hệ kinh tế, (2) Kiểm chứng

lý thuyết kinh tế bằng dữ liệu thực tế và kiểm định giả thiết của kinh tế học về

hành vi, và (3) Dự báo hành vi của biến số kinh tế.”

Trang 4

trường Việt Nam.

Phân tích tác động của quảng

cáo và khuyến mãi lên doanh

số của một công ty.

Kiểm định giả thiết

Kiểm định giả thiết về tác động của chương trình khuyến nông làm tăng năng suất lúa.

Kiểm chứng nhận định độ co dãn theo giá của cầu về cá basa dạng fillet ở thị trường nội địa.

Có sự phân biệt đối xử về mức lương giữa nam và nữ hay không?

Dự báo

Doanh nghiệp dự báo doanh thu, chi phí sản xuất, lợi nhuận, nhu cầu tồn kho…

Chính phủ dự báo mức thâm hụt ngân sách, thâm hụt thương mại, lạm phát…

Dự báo chỉ số VN Index hoặc giá một loại cổ phiếu

cụ thể như REE.

Thí dụ

Trang 5

Mở đầu

Ước lượng tham số

Trang 6

Mở đầu

Những câu hỏi đặt ra cho một nhà

kinh tế lượng

- Mô hình có ý nghĩa kinh tế không?

- Dữ liệu có đáng tin cậy không?

- Phương pháp ước lượng có phù hợp không?

- Kết quả thu được so với kết quả từ mô hình khác hay phương pháp khác như thế nào?

Trang 7

Chương 1: Mô hình hồi quy hai biến.

Một vài ý tưởng cơ bản

Trang 8

PHÂN TÍCH HỒI QUY

Nghiên cứu mối liên hệ phụ thuộc

của một biến (gọi là biến phụ thuộc)

vào một hay nhiều biến khác (biến độc

lập) nhằm ước lượng và dự đoán giá

trị trung bình của biến phụ thuộc với

giá trị đã biết của (các) biến độc lập

Y: Biến phụ thuộc (biến được giải thích) Biến ngẫu nhiên, có quy luật phân bố xác suất.

X i : Biến độc lập (biến giải thích) thứ i Biến phi ngẫu nhiên (giá trị của nó đã được cho trước)

Trang 9

NHIỆM VỤ CỦA PHÂN TÍCH HỒI QUY

Ước lượng giá trị

trung bình của Y với

giá trị đã cho của X i

Kiểm định giả thiết về bản

chất của sự phụ thuộc

Dự đoán giá trị trung bình của biến phụ thuộc khi biết giá trị của các biến độc lập Kết hợp tất cả các vấn

đề trên

Trang 10

Hàm hồi quy và quan hệ

nhân quả Hàm hồi quy và quan hệ

nhân quả

Trang 11

BẢN CHẤT VÀ NGUỒN SỐ LIỆU CHO

Các loại số liệu

Nhược điểm của số liệu Nguồn gốc số liệu

-SL thời gian (chuỗi t/g)

- SL chéo (Không gian)

- SL hỗn hợp

- Biến rời rạc hay biến

liên tục

-SL thời gian (chuỗi t/g)

- SL chéo (Không gian)

-Cơ quan nhà nước -Tổ chức quốc tế -Các Cty tư nhân -Cá nhân

-Phần lớn là SL phi thực nghiệm, do đó,

có thể có sai số hoặc bỏ sót q.sát -Có sai số của phép đo khi thực nghiệm.

-Không nhận được câu trả lời hoặc trả lời không hết câu hỏi.

-Trong các cuộc điều tra kích thước mẫu rất khác nhau nên khó khăn trong việc so sánh các kết quả giữa các đợt điều tra.

-Các SL kinh tế thường có mức tổng hợp cao, không cho phép đi sâu vào các đơn

vị nhỏ.

-SL thuộc bí mật quốc gia, d nghiệp

Trang 12

MÔ HÌNH HỒI QUY TỔNG THỂ

E(Y/X i )=f(X i ): PRF

f(x i ) là một hàm nào đó của biến giải thích X

PRF cho biết giá trị trung bình của biến Y sẽ

thay đổi như thế nào theo X.

Xác định dạng hàm của PRF là vấn đề thực

nghiệm.

Giả sử: E(Y/X i ) = β 1 + β 2 X i

trong đó β 1 ,β 2 các tham số chưa biết nhưng cố

định, được gọi là các hệ số hồi quy

β 1 là hệ số tự do (hệ số chặn)

β 2 là hệ số góc.

trong phân tích hồi quy ta phải ước lượng giá

trị trung bình của Y với giá trị đã biết của X,

muốn vậy cần phải ước lượng được các tham

số β 1 ,β 2 Thuật ngữ “tuyến tính” được hiểu

theo 2 nghĩa: tuyến tính đối với tham số và

tuyến tính đối với các biến Hàm hồi quy

tuyến tính được hiểu là hồi quy tuyến tính

đối với tham số.`

E(Y/X i )=f(X i ): PRF

f(x i ) là một hàm nào đó của biến giải thích X

PRF cho biết giá trị trung bình của biến Y sẽ

thay đổi như thế nào theo X.

Xác định dạng hàm của PRF là vấn đề thực

nghiệm.

Giả sử: E(Y/X i ) = β 1 + β 2 X i

trong đó β 1 ,β 2 các tham số chưa biết nhưng cố

định, được gọi là các hệ số hồi quy

β 1 là hệ số tự do (hệ số chặn)

β 2 là hệ số góc.

trong phân tích hồi quy ta phải ước lượng giá

trị trung bình của Y với giá trị đã biết của X,

muốn vậy cần phải ước lượng được các tham

số β 1 ,β 2 Thuật ngữ “tuyến tính” được hiểu

theo 2 nghĩa: tuyến tính đối với tham số và

tuyến tính đối với các biến Hàm hồi quy

tuyến tính được hiểu là hồi quy tuyến tính

đối với tham số.`

Trang 13

HÀM HỒI QUY MẪU

Hàm hồi quy mẫu là gì?

-Ta muốn ước lượng PRF từ những thông tin

thu được trên mẫu ngẫu nhiên của các giá trị

Y đối với các giá trị của X đã biết.

-Từ tổng thể gồm N phần tử ta có thể lấy

được mẫu kích thước là n.

- Hàm hồi quy được xây dựng trên một mẫu

ngẫu nhiên được gọi là hàm hồi quy mẫu

(SRF) hoặc hồi quy mẫu.

- Trong các mẫu có thể mẫu nào được coi là

thích hợp với PRF? Câu hỏi này chưa trả lời

được bởi lẽ PRF chư biết Ta sẽ ước lượng

Giả sử ta có đường hồi quy mẫu:

Trong đó: là ước lượng của E(Y/X i )

là ước lượng của β 1 ,β 2 Hàm mẫu ngẫu nhiên có dạng:

Y i = + e i

trong đó e i được gọi là phần dư hay chính là ước lượng của U i Sự tồn tại của e i được giải thích như sự tồn tại của U i

Vấn đề đặt ra là: ta có thể đưa ra một phương pháp và một số điều kiện mà nhờ nó SRF là ước lượng tuyến tính, không chệch, có phương sai nhỏ nhất của PRF hay nói cách khác gần với giá trị thực β 1 ,β 2 có thể được dù rằng chúng ta không bao giờ biết giá trị thực của

β 1 ,β 2.

Giả sử ta có đường hồi quy mẫu:

Trong đó: là ước lượng của E(Y/X i )

là ước lượng của β 1 ,β 2 Hàm mẫu ngẫu nhiên có dạng:

Y i = + e i

trong đó e i được gọi là phần dư hay chính là ước lượng của U i Sự tồn tại của e i được giải thích như sự tồn tại của U i

Vấn đề đặt ra là: ta có thể đưa ra một phương pháp và một số điều kiện mà nhờ nó SRF là ước lượng tuyến tính, không chệch, có phương sai nhỏ nhất của PRF hay nói cách khác gần với giá trị thực β 1 ,β 2 có thể được dù rằng chúng ta không bao giờ biết giá trị thực của

Trang 14

Chương 2: Mụ hỡnh hồi quy hai biến Ước lượng và kiểm định giả thiết

Phươngưphápưbìnhưphươngưnhỏưnhấtư(OLS)ưưưưưư

ưưưưưưưưưưưưưưưưư

Phươngưphápưbìnhưphươngưnhỏưnhấtư(OLS)ưưưưưư

ưưưưưưưưưưưưưưưưư

Trang 15

Chương 2: Mô hình hồi quy hai biến Ước lượng và kiểm định giả thiết

Trang 16

Trang 17

Phương pháp OLS

Trang 18

Trang 19

Các giả thiết của

phương pháp OLS

Trang 20

Độ chính xác của các ước lượng OLS

Trang 21

Hệ số xác định(r2) và hệ số tương quan(r)

Trang 22

Trang 23

HÌNH V MINH H A Ễ Ọ

Trang 24

Ước lượng và kiểm định giả thiết`

TÍNH CHẤT CỦA HỆ SỐ TƯƠNG QUAN

- r có thể âm hoặc dương, phụ thuộc vào dấu của tỷ số, đó chính là dấu của Cov(X,Y), hay dấu của hệ số góc

-r đo độ phụ thuộc tuyến tính giữa X và Y, vì vậy không đòi hỏi X, Y có mối quan hệ nhân quả.

Trang 25

Phân bố xác suất của Ui

Trang 26

Trang 27

Trang 28

Trang 29

≠

Trang 30

Trang 31

Trang 32

Ước lượng và kiểm định giả thiết

● Ý nghĩa của việc “chấp nhận” hay “bác bỏ” một giả thuyết

Với H0 : β2 = 0,5 suy ra t = 0,25 Với α = 5% ta “chấp nhận” H0.

Giả sử H0 = 0,48, ta có t = 0,82 với α = 5% ta cũng “chấp nhận” H0.

Giả thuyết nào đúng trong 2 giả thuyết trên, ta không biết

Như vậy khi nói “chấp nhận” giả thuyết H0 ta luôn nhận thức rằng, còn nhiều giả thuyết không nữa cũng có thể hoàn toàn phù hợp với số liệu “Chưa có cơ sở bác bỏ giả thuyết H0”.

● Lập giả thuyết không và giả thuyết đối:

Không hề có quy tắc bất di bất dịch nào Tình huông nghiên cứu sẽ gợi ý về tính chất của giả thuyết không và giả thuyết đối.

Ví dụ: Xét mô hình hồi quy: Ei = β1 + β2σi trong đó Ei là suất sinh lợi kỳ vọng của chứng

khoán, còn σi là độ lệch chuẩn của suất sinh lợi Suất sinh lợi và rủi ro được dự đoán có quan

hệ đồng biến, vì vậy H0: β2 = 0; H1: β2 > 0 Không xem xét các giá trị β2 < 0

Các giả thuyết phải được lập trước khi điều tra thực nghiệm, dựa vào lý thuyết hay nghiên cứu kinh nghiệm trước đây hoặc cả hai.

● Lựa chọn mức ý nghĩa α:

Khi kiểm định giả thuyết, việc bác bỏ hay không bác bỏ giả thuyết H0 phụ thuộc nhiều vào α Trong thực tế việc ấn định mức ý nghĩa α không phải là bất khả xâm phạm Nhưng nếu dùng giá trị p của thống kê kiểm định thì việc chọn mức ý nghĩa α là không cần thiết.

● Mức ý nghĩa chính xác: Giá trị p:

Trong thí dụ tiêu dùng – thu nhập, khi kiểm định giả thuyết H0: β2 = 0; H1: β2 ≠ 0 Ta tính được t

= 14,243 Khi đó ta có thể tính được P(ỊTỊ > 14,243) Xác suất này được gọi là giá trị p Nó là mức ý nghĩa thấp nhất mà giả thuyết H0 có thể bị bác bỏ Ta nên từ bỏ cách cố định α một

cách tùy tý và đơn giản là chọn giá trị p của thống kê kiểm định

Trang 33

Trang 34

Trang 35

Trang 36

Trang 37

CHƯƠNG 3: HỒI QUY NHIỀU BIẾN(HQ BỘI)

Mô hình hồi quy 3 biến.

Giống như trong mô hình 2 biến, mô hình hồi quy 3 biến tổng thể (PRF) có dạng:

E(Y/X2, X3) = β1 + β2X2i + β3X3i

PRF là kỳ vọng có điều kiện của biến Y với giá trị đã cho của các biến X2, X3 Trong đó: Y là biến phụ thuộc; X2, X3 là biến độc lập.

β1: Hệ số tự do, là gía trị trung bình của biến Y khi X2=X3 = 0

β 2, β3 : Các hệ số hồi quy riêng.

Yi là gía trị của biến Y tại quan sát thứ i, khi đó:

Yi = E(Y/X2, X3) + Ui = β1 + βzX2i + β3X3i + Ui

Ui là yếu tố ngẫu nhiên, sự tồn tại của Ui được giải thích như trong chương 1

Trang 38

Các giả thiết của mô hình

- Các Ui có kỳ vọng bằng 0: E(Ui/X2i, X3i) = 0

- Không có sự tương quan giữa các Ui: Cov(Ui,Uj) = 0

- Các Ui thuần nhất: Var(Ui) = Var(Uj) =

- Giữa các biến giải thích X2, X3 không có quan hệ tuyến tính.

- Ui có phân phối N(0, )

Về mặt hình thức, nếu như có hiện tượng cộng tuyến giữa các

biến giải thích và trong mô hình có tất cả các biến này thi chúng ta không thể tách được ảnh hưởng của từng biến lên biến phụ thuộc

Trang 39

Trang 41

Y

Trang 42

Trang 48

Khi đó hàm hồi quy tổng thể NN có dạng:

Y = Xβ + U

Trang 49

Trang 60

Kiểm định Wald tổng quát

(U) Y = β1 + β2X2 +… βmXm + βm+1Xm+1 + βm+2Xm+2 +… + βkXk + U

(V) Y = β1 + β2X2 +… βmXm + V

Giả thuyết H0: βm+1 = βm+2 =… = βk = 0 k – m biến bị loại có ảnh hưởng liên kết

có ý nghĩa đối với Y hay không?

Kiểm định: B1: hồi quy MH (U) và (R) tính RSSU và RSSR Vì RSSU/σ2 có phân phối khi bình phương với bậc tự do dfU = n – k Tương tự RSS R/ σ2 cũng có phân phối khi bình phương với bậc tự do dfR = n – m Chúng độc lập và có tính chất cộng được Sai biệt của chúng (RSSR – RSSU )/σ2 cũng là phân phối khi bình phương với bậc tự do là dfR – dfU = k – m Ta biết rằng phân phối F là tỷ số của hai biến ngẫu nhiên phân phối khi bình phương độc lập

bị bác bỏ Hoặc căn cứ vào giá trị p = P(F > Fα(n1,n2)) và bác bỏ H0 nếu p < α

Lưu ý: Kiểm định Wald chỉ áp dụng khi có 2 hoặc nhiều hơn 2 hệ số hồi quy bằng không trong giả thuyết H 0

Trang 61

Trang 66

CHƯƠNG 4: HỒI QUY VỚI BIẾN ĐỘC LẬP LÀ BIẾN GIẢ

Trang 67

Trang 69

Trang 70

Trang 72

Trang 73

Để kiểm định sự bằng nhau của hệ số hồi quy chúng ta có thể sử dụng

một trong hai kỹ thuật:

Một là kiểm định Chow và hai là sự dụng biến giả

Trang 74

Trang 81

Diễn dịch biến giả trong mô hình tuyến tính - logarit

Ln(Y) = β 1 + β 2 X + β 3 D + u

Trong đó D là biến giả Lấy đối log của phương trình này: exp(β1 + β2X + β3D + u) Ký hiệu Y1 với D = 1 và Y0 với D = 0 Phần trăm thay đổi giữa 2 nhóm này là: 100(Y1 –

Y0)/Y0 = 100[exp(β3 - 1)] Trước hết ước lượng exp(β3) theo exp(β3) mẫu Để hiệu

chỉnh sự thiên lệch của exp(β3) ta dùng exp[β3 –(1/2)var(β3)], tính trên mẫu Var là

phương sai ước lượng Ta có:

100[(Y1/Y0) – 1] = 100{exp[β3 –(1/2)var(β3)] – 1}

Nếu mô hình có một số hạng tương tác thì ta có:

Ln(Y) = β1 + β2X + β3D + β4(DX) + u

Trong trường hợp này việc kiểm tra MH sẽ là:

100[(Y1/Y0) – 1] = 100{exp[β3 + β4 –(1/2)var(β3 + β4X)] – 1}

Ta có ∂(LnY)/∂X = β2 + β4D (tính trên mẫu) Ta có 100(∆Y/Y) = 100(β2 + β4D)∆X(tính

trên mẫu) Điều này có nghĩa:

100 β2 (mẫu) là phần trăm thay đổi gần đúng của Y đối với sự thay đổi một đơn vị của

X khi D = 0 và 100(β2 + β4) (mẫu)là là phần trăm thay đổi gần đúng của Y đối với sự

thay đổi một đơn vị của X khi D = 1

Trang 82

CHƯƠNG 5: ĐA CỘNG TUYẾN

Trang 90

(

2)/(k

R

i

2 i i

Trang 91

Trang 93

Trang 94

Trang 95

Trang 99

CHƯƠNG 6: PHƯƠNG SAI CỦA SAI SỐ THAY ĐỔI

Trang 100

2 Nguyên nhân của phương sai của sai số thay đổi

Phương sai thay đổi có thể do một trong các nguyên nhân sau:

- Do bản chất của các mối liên hệ kinh tế

- Do kỹ thuật thu thập số liệu được cải tiến, σ2 dường như giảm

- Do con người học được hành vi trong quá khứ

- Phương sai của sai số thay đổi cũng xuất hiện khi

có các quan trắc ngoại lai

- Một nguyên nhân khác là mô hình định dạng sai

Có thể do bỏ sót biến thích hợp hoặc dạng giải tích của hàm sai.

Định dạng
Số trang	167
Dung lượng	15,1 MB