Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng

Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng Tổng hợp các dạng bài và nội dung ôn tập kinh tế lượng

ĐỀ BÀI ÔN TẬP KINH TẾ LƯỢNG

Giả sử có các số liệu về các biến số sau:

Q: tỷ lệ số ng sử dụng xe bus trên tổng dân cư ở thành phố (%)

P: Giá vé xe bus (nghìn đồng/vé)

KC: Khoảng cách giữa các bến chờ xe bus (tram mét)

TN: Thu nhập bình quân của người dân (triệu đ/ng/năm)

Số liệu chéo của 24 thành phố trên hai miền Nam, Bắc

Bài I:

1.Xây dựng mô hình hồi quy tuyến tính nhằm đánh giá tác động của các yếu tố kể trên lên lượng hành khách Q Nêu các bước dùng để kiểm định ý kiến cho rằng KC có tác

động ngược chiều lên Q

2.Có ý kiến cho rằng Q còn phụ thuộc vào việc thành phố đó ở miền Bắc hay miền Nam Nêu cách xây dựng mô hình và các bược thực hiện để kiểm định ý kiến trên

Bài II: Cho các hệ số góc ước lượng sau, và

White Heteroskedasticity Test: cross terms

Cho hiệp phương sai ước lượng hai hệ số góc bất kỳ xấp xỉ bằng 0

3 Viết hàm hồi quy mẫu và giải thích ý nghĩa của các hệ số góc ước lượng

4 Tỷ lệ giải thích của mô hình ước lượng bằng bao nhiêu? Từ đó cho biết mô hình có phù hợp không?

5 KC có tác động đến Q không?

6 Khi KC giảm thêm 100m thì tỷ lệ Q tăng trong khoảng nào?

7 Khi Tn tăng thêm 1 triệu đồng/người/năm thì Q giảm nhiều hơn 0.3%

8 Nếu KC giảm 100m và P tăng thêm 2000đ thì tỷ lệ Q không đổi

9 Kết quả kiểm định Ramsey cho biết điều gì? Các kết luận trong các câu 5-8 có đáng tin cậy không?

10 Nêu một cách phát hiện khuyết tật đa cộng tuyến trong mô hình hồi quy?

H

0 :

H

3 1

3 0

ˆ3

W     

Nếu T qsW thì bác bỏ H0, chấp nhận H1 hay b3^ < 0, KC có tác động ngược chiều lên Q

Nếu T qsW: chưa đủ cơ sở bác bỏ H0, b3^ >= 0, KC không có tác động ngược chiều lên Q (Chú ý dùng cụm từ Chưa đủ cơ sở bác bỏ Ho)

Kết luận ý kiến trên là đúng hay sai  Chỉ viết thế này chưa đủ

Câu này em làm chưa được, khi kết luận phải nói rõ ràng, “Nếu a thì b dư lào, Nếu không thì dư lào”, Không nói rõ ràng không sẽ không được tối đa điểm Khi làm trình bày như phần anh đã sửa phía trên

quan neu

0

Bac mien sat thuoc

quan neu

1

*) Mô hình hồi quy:

Q = 1  2 P  3 KC  4 TN  5 D 1  U

(2) Trong trường hợp đề bài không nói rõ ràng về tác động của D1 đến Q thì em phải làm cho trường hợp tổng quát, tức là thêm cả D1 và D1*X vào, tuy nhiên em có thể nhận định biến D1 khó có thể kết hợp được với biến nào trong biến P, KC, TN (giá xe bus nam bắc khác nhau không rõ ràng, khoảng cách thì tuỳ vào địa chỉ nhà chứ k phụ thuộc vào Nam, Bác, Thu nhập ng dân 2 miền Nam Bác cũng khác nhau k rõ ràng) nên không thêm D1*X vào cũng đc MH trên em làm vẫn đc điểm

*****Kiểm định ý kiến cho rằng Q còn phụ thuộc vào việc thành phố đó ở miền Bắc hay miền Nam

H

0 :

H

5 1

5 0

ˆ5

Nếu Tqs  W thì bác bỏ H0

Nếu Tqs  W thì chấp nhận H0

Kết luận ý kiến trên là đúng hay sai

Cũng nhưu bài trên, phải nêu rõ ràng, Bác bỏ Ho thì ntn, có tác động hay không; Chấp nhận Ho thì ntn, có tác động hay không?

Nếu Tqs  W thì bác bỏ H0, chấp nhận H1 hay nói cách khác có sự khác biệt nhau

về sản lượng Q giữa 2 miền Nam – Bắc (Hay Q còn phụ thuộc vào thành phố ở miền Nam hay miền Bắc)

Nếu Tqs  Wthì chưa đủ cơ sở Bác bỏ H0, hay nói cách khác, Q không phụ

thuộc vào thành phố ở miền Nam hay miền Bắc

Bài II:

3 Hàm hồi quy mẫu:

TN KC

P

Q ˆ  54 80053  0 708182  2 132785  0 410313 (1)

Ý nghĩa các hệ số góc ước lượng:

 1=54.80053: tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các thành phố trung bình là 54.80053% khi giá xe bus, khoảng cách giữa các bến chờ xe bus và thu nhập bình quân của người dân bằng 0

 2= -0.708182: Nếu các yếu tố khác không đổi, khi giá vé xe bus tăng 1(nghìn đồng/vé) thì tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các thành phố trung bình giảm 0.708182%

 β3=-2.132785: Nếu các yếu tố khác không đổi, khi khoảng cách giữa các bến chờ

xe bus tăng 1(trăm mét) thì tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các thành phố trung bình giảm 2.132785%

 β4=-0.410313: Nếu các yếu tố khác không đổi, khi thu nhập bình quân của người dân tăng 1(triệu đồng/người/năm) thì tỷ lệ số người sử dụng xe bus trên tổng số dân cư ở các thành phố trung bình giảm 0.410313%

 OK, tuy nhiên em cần chú ý; Người ta yêu cầu giải thích ý nghĩa của hệ số góc cho nên không cần giải thích cho b1, còn nói rõ ràng HỆ SỐ GÓC ƯỚC

LƯỢNG nên em phải ghi là b2^ = -0,708182 < 0 cho biết ….; tương tự cho b3^

và b4^

 Tại sao phải có từ TRUNG BÌNH, x2 tăng lên 1 đơn vị thì trung bình của y (hay y

trung bình) tăng lên beta2 đơn vị, ở đây KTL chỉ nghiên cứu xu thế chung, hiện tượng số lớn chứ không nghiên cứu hiện tượng đơn lẻ nên sẽ dựa vào nhân tố đại diện, mà ở đây đại diện là mức trung bình

4 Vì hệ số xác định R^2 = … => Tỷ lệ giải thích của mô hình ước lượng bằng 51.9724%

**Kiểm định sự phù hợp của hàm hồi quy:

phù quy hoi Hàm

:

H

hop phù không quy

hoi Hàm

H

0 :

H

3

1

3 0

ˆ3

6 Khi KC giảm thêm 100m, ta có với độ tin cậy 95%, khoảng tin cậy đối xứng của β3:

β 3 ^– SE(β^ 3 ). (20 4)

2 05 0



t <3 < β^ 3 + SE(β^ 3 ). (20 4)

2 05 0

H

3 0 :

H

4 1

4 0

)3.0(ˆ

0

3.0410313

VậyTqs  W: chưa đủ cơ sở để bác bỏ H0

Kết luận: Nếu TN tăng thêm 1 triệu/người/năm thì Q trung bình không giảm đi nhiều hơn 0.3%

Khi TN tăng thêm 1 triệu đồng/người/năm thì Q giảm nhiều hơn 0.3%

Theo mô hình, khi TN tăng thêm 1 trđ 1ng 1 năm thì Q tăng beta4 đơn vị, hay Q giảm đi –beta4 đơn vị, tức là –beta4 > 0.3 hay beta4 < - 0.3 Vậy ta kiểm định cặp giả thuyết như trong câu 7:

3 0 :

H

4 1

4 0





Chú ý: Ho luôn là đối của H1 và luôn chứa dấu =; H1 là > thì Ho là <=; H1 là # thì Ho là

= và H1 là < thì H0 là >=

dấu = ở Ho trên cặp giả thuyết viết là beta4 = -0.3 nhưng biểu thị beta4 >= -0.3

8 Kiểm định cặp giả thuyết:

2 : H

0

2 : H

4 2

1

4 2

2 (

ˆ ˆ

2

4 2

4 2

0

116617

0 171607

9 Kết quả kiểm định Ramsey cho biết dạng hàm đúng hay sai

hàm dang có

(1) hình Mô

: H

đúng hàm

dang có

(1) hình Mô

: H

1 0

Theo Ramsey, kiểm định F:

Probability=0.031417

α=0.05

Vậy Probability<α : Bác bỏ H0

Kết luận: Dạng hàm của mô hình (1) là dạng hàm sai

Mô hình (1) mắc phải khuyết tật, vi phạm giả thuyết 2 Do đó các ước lượng thu được là ước lượng chệch Chính vì vậy, các bài toán ước lượng và bài toán kiểm định hệ số hồi quy không còn đáng tin cậy Kết luận trong các câu 5-8 không đáng tin cậy

5, 7, 8: Kiểm định T

6: Khoảng tin cậy:

Khi mắc khuyết tật dạng hàm sai thì để lại hậu quả:

+ Các tham số ước lượng sẽ bị chệch và không vững

+ Khoảng tin cậy và các kiểm định khoogn chính xác

Như vậy, kết luận ở câu 5,6,7,8, là không đáng tin cậy nữa

10 Cách phát hiện khuyết tật đa cộng tuyến

Giả sử biến P cộng tuyến với các biến KC và TN, ta có mô hình hồi quy phụ sau:

P=α 1 +α 2 KC + α 3 TN + v (2)

Ước lượng OLS mô hình (2) thu được (R2)2

Nếu (R2)2>0.9 thì mô hình (1) có hiện tượng đa cộng tuyến cao

MỘT SỐ NỘI DUNG THỰC HÀNH SINH VIÊN CẦN NẮM VỮNG

Khởi động eviews

Nhập số liệu từ bàn phím

Tạo workfile

File\new\workfile (điền thông tin)

Lưu workfile (trên cửa sổ workfile chọn save …)

Tạo biến để nhập số liệu: quick\empty group\ (chú ý: edit, rename, …) - khi tạo biến giả mới cũng làm theo cách này

Mở workfile có sẵn: File\open\workfile\

Xem giá trị thống kê mô tả (Descriptive Statistics) của các biến số như là trung bình, trung vị, độ lệch chuẩn, tối đa, tối thiểu, tổng,…

 Trên cửa sổ Group chọn View/Descriptive Stats/Common Sample

Xem ma trận hệ số tương quan giữa các biến số [r(x,y)]: Trên cửa sổ group chọn View/Correlation /Common Sample

Xem ma trận hiệp phuơng sai giữa các biến số [Cov(x,y)]: Trên cửa sổ Group chọn View/Covariance /Common Sample

Ước lượng mô hình, có 3 cách sau:

Quick\estimate equation\ (gõ lần lượt tên biến phụ thuộc, c , các biến độc lập) Chọn các biến bắt đầu từ biến phụ thuộc rồi đến các biến độc lập, chuột phải, open

as equation

Trên cửa sổ lệnh (màu trắng) gõ: ls y c x2 x3… (***)

Xem các kết quả liên quan đến ước lượng phương trình:

Xem phần dư - residual, giá trị thực tế - actual và giá trị ước lượng – fitted: trên cửa sổ equation\view\actual, fitted, residual

Ma trận hiệp phương sai của các hệ số ước lượng (bê ta mũ): trên cửa sổ equation chọn view\covariance matrix

Kiểm định giả thuyết liên quan đến các hệ số (bêta)

Kiểm định một điều kiện ràng buộc (beta=0,beta=0,5…): trên cửa sổ equation chọn view\coefficient tests\wald coefficient restrictions… (gõ: c(2)=0.5 )

Kiểm định nhiều điều kiện ràng buộc (b2=0.5 và b3=0.01) trên cửa sổ equation chọn view\coefficient tests\wald coefficient restrictions… (gõ: c(2)=0.5,

c(3)=0.01)

Kiểm định nhiều điều kiện ràng buộc (b2=b3=0)

Cách 1: như 9.2

Cách 2: kiểm định thu hẹp hồi qui:

Nếu quan tâm việc mô hình có bỏ sót biến nào đó hay không (hay nói cách khác là

có nên bổ sung biến vào mô hình hay không) thì trên cửa sổ Equation chọn

view\coefficient tests\omitted variable; Nhập vào tên biến nghi ngờ bị bỏ sót (hoặc muốn bổ sung)

Nếu quan tâm việc có nên bỏ bớt biến vào mô hình hay không thì trên cửa sổ equation chọn view\coefficient tests\redundant variable; Nhập vào tên biết muốn lược bỏ

Dự báo

- change workfile range

 workfile\procs\change workfile range

-change sample

 workfile\procs\sample

- nhập giá trị của biến độc lập

- ước lượng lại phương trình

- forecast

Ghi lại phần dư:

Trên cửa sổ Equation chọn Procs\make residual series

Ghi lại giá trị ước lượng của biến phụ thuộc, có 2 cách:

Trên cửa sổ Equation chọn Procs\forecast

Trên cửa sổ Equation chọn Forecast

MỘT SỐ CÂU HỎI LUYỆN TẬP

(Vì P-value theo đk JB = 0,861737>0,05) Ước lượng phương trình Y phụ thuộc vào X2 có hệ số chặn gọi là phương trình [1]

7 Hệ số góc ước lượng bằng bao nhiêu, có ý nghĩa thống kê

không?

0,521675

11 Có phải X2 tăng 1 đơn vị thì Y tăng 0,7 đơn vị hay

không?

KIỂM ĐỊNH KHUYẾT TẬT CỦA MÔ HÌNH

18 Kết luận về tính phân phối chuẩn của sai số ngẫu nhiên trong mô hình [1]

MỘT SỐ KIỂM ĐỊNH ĐÃ ĐƯỢC LẬP TRÌNH TỰ ĐỘNG TRÊN EVIEWS RAMSEY: [Equation] view\Stability tests\ Ramsey RESET test\

WHITE: [Equation] view\Residual tests\White Heteroskedasticity…

NORMALITY (U): [Equation] view\Residual tests\Histogram Normality test

KiỂM Định tự tương quan: [Equation] view\Residual tests\Serial Correlation LM test

Tạo biến giả NAM nhận giá trị bằng 1 với quan sát có thứ tự lẻ, bằng 0 với quan sát có thứ tự chẵn

Ước lượng mô hình Y phụ thuộc vào X2, Nam, Nam*x2 có hệ số chặn.[2]

19 Mô hình [2] có phù hợp không?

20 Việc thêm biến giả vào mô hình [2] có cần thiết không?

Ước lượng mô hình Y phụ thuộc vào X2, X3 có hệ số chặn, gọi là mô hình [3]?

21 Hệ số góc ước lượng tương ứng với X3 bằng bao nhiêu, có ý

nghĩa thống kê không?

25 sai số ngẫu nhiên của mô hình có phân phối chuẩn hay

Ước lượng mô hình d88 phụ thuộc vào y88 có hệ số chặn gọi là [1]

1 Mô hình có định dạng đúng hay sai? (number of fitted

term=2)

Sai (P-value

<0,05)

Kiểm định Ramsey

value

(P-<0,05) Kiểm định White (no cross term)

3 Mô hình có tự tương quan bậc 1 hay không? giá trị Prob=?

4 sai số ngẫu nhiên của mô hình có phân phối chuẩn hay

không? Prob=?

Ước lượng mô hình log(d88) phụ thuộc vào log(y88) có hệ số chặn gọi là [2]

5 Hệ số góc ước lượng =? Có ý nghĩa thống kê không? 0.808330

Có

8 Ước lượng của biến phụ thuộc tại quan sát thứ 60=?

9 Mô hình có định dạng đúng hay sai? (number of fitted

term=2)

10 Mô hình có phương sai sai số thay đổi? (C/K) LMqs=?

11 Mô hình có tự tương quan bậc 2 hay không? giá trị Fqs=?

12 sai số ngẫu nhiên của mô hình có phân phối chuẩn hay

không? Prob=?

Bổ sung biến y882 vào mô hình [1] gọi là mô hình [3]

13 Biến mới bổ sung có tác động đến biến phụ thuộc hay

không?

14 Việc thêm biến mới vào mô hình có khắc phục được hiện

tượng phương sai sai số thay đổi trong mô hình [1] hay không?

sử dụng được

là mô hình k

có khuyết tật Chia hai vế mô hình [1] cho căn bậc hai của y88, gọi là mô hình [5], ước lượng [5]

18 Mô hình [5] có khắc phục được khuyết tật trong mô hình [1]

Bài tập 3:

Sử dụng tệp số liệu chuỗi thời gian: ch7bt4.wf1

Ước lượng mô hình CONS phụ thuộc vào GDP có hệ số chặn gọi là [1]

1 Mô hình có định dạng đúng hay sai? (number of fitted

term=1)

3 Mô hình có tự tương quan bậc 1 hay không? giá trị LMqs=?

4 Sai số ngẫu nhiên của mô hình có phân phối chuẩn hay

không? JBqs=?

Tạo biến xu thế (T) và thêm vào mô hình [1] gọi là mô hình [2]

5 Biến xu thế có tác động đến biến phụ thuộc hay không?tqs=?

6 Mô hình [2] có khắc phục được khuyết tật trong mô hình [1]

hay không?

Ghi lại phần dư của mô hình [1] với tên là E

Ước lượng mô hình [3]: E phụ thuộc vào trễ một kỳ của nó

Áp dụng phương pháp sai phân tổng quát cho mô hình [1] với ước lượng của hệ số

tự tương quan thu được từ mô hình [3] Gọi là mô hình [4]

9 Hệ số góc ước lượng trong mô hình [4] =?, có ý nghĩa thống

kê không?

10 Phương pháp sai phân tổng quát có khắc phục được khuyết

tật trong mô hình [1] hay không?

11 Có thể sử dụng mô hình đã biến đổi này để phân tích hay

không? Tại sao?

Áp dụng phương pháp sai phân tổng quát cho mô hình [1] với ước lượng của hệ số

tự tương quan thu được từ thống kê d (DW) Gọi là mô hình [5]

12 Phương pháp sai phân tổng quát có khắc phục được khuyết

tật trong mô hình [1] hay không?

13 Có thể sử dụng mô hình đã biến đổi này để phân tích hay

không? Tại sao?

14 Có ý kiến cho rằng xu hướng chi tiêu biên ngày càng giảm

dần, xây dựng mô hình để kiểm định ý kiến này và cho biết ý

kiến đúng hay sai?

Nhập chính xác số liệu với 10 quan sát sau, nếu sai sót sẽ sai toàn bộ

(Gọi là giai đoạn đầu và giai đoạn sau)

1 Biến Y có phân phối chuẩn không? (C/K), P-value của kiểm định = C

0.595376

Hồi quy Y theo X có hệ số chặn (MH [1]) bằng bình phương nhỏ

nhất

Hệ số chặn có ý nghĩa thống kê không (C/K)? P-value kiểm định đó = K 0.1271

Theo đó, mô hình có phương sai sai số thay đổi hay đồng đều? = DD

4 Kiểm định tự tương quan đến bậc 2 theo BG, thống kê 2 = 0.672822

Với E là phần dư thu được từ mô hình [1]

Hồi quy E theo trễ bậc 1 của E, có hệ số chặn (mô hình [2])

6 Trễ bậc 1 của phần dư giải thích bao nhiêu % sự biến động của E = 3,3236

Theo hồi quy phụ này, mô hình [1] có tự tương quan bậc 1 không? = K

Thêm biến giả đã đặt vào mô hình [1], được mô hình [3]

-2.312500

-0.04963

043869241

Bvgf Đặt biến phù hợp và thêm vào mô hình (được mô hình [4])

9 Ước lượng điểm mức chênh lệch của hệ số chặn giữa hai giai đoạn = 3.436321

Ước lượng điểm mức chênh lệch của hệ số góc giữa hai giai đoạn = -0.459906

Kiểm định dạng hàm của [4] bằng kiểm định Ramsey thêm 1 phần

tử

Mô hình có thiếu biến hay không? (C/K) Giá trị p_value của kiểm

định F

= C 0.032647

BẢNG CÁC THÔNG SỐ TRONG HỒI QUY EVIEW

Dependent var: Y Biến phụ thuộc: Y

Method: Least Squares Phương pháp: Bình phương nhỏ nhất

Coefficient Ước lượng của các hệ số

Std Error Sai số chuẩn của ước lượng các hệ số

R-squared

Hệ số xác định (bội): R2VD: R2 = 0,987 tức là mô hình (hay các biến độc lập) giải thích được 98,7% cho sự thay đổi của biến phụ thuộc (Y)

Adjusted R-squared

Hệ số xác định điều chỉnh

S.E of regression Sai số chuẩn của mô hình hồi quy σ

Var (variance) Phương sai của hồi quy: Var = σ2

= SE2