Note dự báo trong eview

Dự báo trong Eview phương pháp san bằng mũ giản đơn được dùng khi không có tính xu thế và thời vụ - Vào Quick -> Series Statistics -> Exponential Smoothing - Nhập biến dự báo vào Series

1 Dự báo trong Eview (phương pháp san bằng mũ giản đơn)

(được dùng khi không có tính xu thế và thời vụ)

- Vào Quick -> Series Statistics -> Exponential Smoothing

- Nhập biến dự báo vào Series name – OK -> ra bảng Exponential Smoothing

- Chọn Single: san bằng mũ giản đơn –

Đọc kết quả:

Giá trị alpha = 0.31

Giá trị Sum of Squared Residual: Tổng (ei)^2 (tổng bình phương sai số)

Sau đó ra bảng Workbook, chọn Filter dự báo (doanh thu_sm) ra giá trị dự báo rồi copy vào file Excel

 Xong

2 Dự báo Holt-Winters

(Dự báo khi có tính xu thế và không có tính thời vụ thì chọn thứ 3 : Holt-Winters

No Seasonal)

3 7 giả thuyêt để thực hiện phương pháp bình phương bé nhất

- Giả thuyết 1: Phần dư có phân phối chuẩn (kiểm định hoặc dùng mô hình Plot)

- Giả thuyết 2: Phần dư có kỳ vọng toán (trung bình) bằng 0

- Giả thuyết 3: Không có hiện tượng tự tương quan (hệ số Durbin – Watson)

- Giả thuyết 4: Không có hiện tượng đa cộng tuyến dùng hệ số VIFF hoặc ma trận

tự tương quán Correlations)

- Giả thuyết 5: Không tồn tại hiện tượng phương sai không đồng nhất

- Giả thuyết 6: Giữa phần dư và các biến độc lập không có mối liên hệ

4 Thực hiện hồi quy trong Eview

4.1 Xây dựng mô hình hồi quy

Variable Coefficient Std Error t-Statistic Prob

Adjusted R-squared 0.992326 S.D dependent var 19.69150

S.E of regression 1.724951 Akaike info criterion 4.121404

Sum squared resid 20.82819 Schwarz criterion 4.165232

Log likelihood -16.54632 Hannan-Quinn criter 4.026824

F-statistic 1035.543 Durbin-Watson stat 1.806737

Prob(F-statistic) 0.000000

F-statistic 1035.543 Prob(F-statistic) 0.000000

Căn cứ giá trị Prob = 0 <0.05 => bỏ bác giả thiết Ho, thừa nhận H1, hay nói cách khác

mô hình tồn tại hay lãi suất chịu tác động của lạm phát

4.2 Kiểm định các giả thuyết sự tồn tại mô hình

4.1.1 Giả thiết 1: Phần dư (U) của mô hình có phân phối chuẩn

Thực hiện kiểm định Jarque – Bera

• B1: Thực hiện tính phần dư

0

1

2

3

4

5

Series: Residuals Sample 1 9 Observations 9 Mean 1.09e-15 Median -0.161436 Maximum 2.561153 Minimum -3.040508 Std Dev 1.613544 Skewness -0.221807 Kurtosis 2.850616 Jarque-Bera 0.082166 Probability 0.959750

Kiểm định Jarque – Bera có giá trị Prob = 0.68677 >5% nên có thể kết luận phần dư của

mô hình có phân phối chuẩn Giả thiết A1 được chấp nhận

4.1.2 Giả thiết 2: Kỳ vọng toán các phần dư bằng 0

Test of Hypothesis: Mean = 0.000000 Sample Mean = 1.09e-15

Sample Std Dev = 1.613544

Giá trị Prob = 1 >0.05 => thừa nhận giả thiết Ho, hay nói cách khác

4.1.3 Kiểm định hiện tượng tự tương quan

Durbin-Watson stat 1.806737

Giá trị Durbin – Watson nằm trong khoảng (1;3) nên không tồn tại hiện tượng tự tương quan

4.1.4 Kiểm định mối quan hệ tương quan giữa phần dư và biến độc lập

2 cách

C1: Kiểm định correlation giữa 2 biến (tức Group Statistics)

1.000000 1.57E-15 1.57E-15 1.000000

Hệ số tương quan hạng < 0.8 => không tồn tại mối quan hệ giữa phần dư và biến độc lập C2: Xây dựng hồi quy giữa biến phần dư và biến độc lập (tương tự Estimate Equation)

Variable Coefficient Std Error t-Statistic Prob

C -5.94E-16 0.681263 -8.72E-16 1.0000

X 1.63E-16 0.038826 4.19E-15 1.0000 R-squared 0.000000 Mean dependent var 1.09E-15 Adjusted R-squared -0.142857 S.D dependent var 1.613544 S.E of regression 1.724951 Akaike info criterion 4.121404 Sum squared resid 20.82819 Schwarz criterion 4.165232 Log likelihood -16.54632 Hannan-Quinn criter 4.026824 Durbin-Watson stat 1.806737

Giá trị Prob = 1 >0.05 => chấp nhận giả thuyết Ho, nói cách khác tồn tại mối quan hệ tương quan giữa biến độc lập và phần dư

4.1.5 Không tồn tại hiện tượng phương sai không đồng nhất (KĐ White)

Heteroskedasticity Test: White F-statistic 0.728954 Prob F(2,6) 0.5207 Obs*R-squared 1.759364 Prob Chi-Square(2) 0.4149 Scaled explained

SS 0.984811 Prob Chi-Square(2) 0.6112

Giá trị Prob = 0.52 > 0.05 => chấp nhận Ho cho phép kết luận mô hình tồn tại phương sai không đồng nhất

Kết luận: Mô hình thực tiễn có dạng: Y = 2.74 + 1.249X

Khi lạm phát tăng 1% thì lãi suất thay đổi tăng thêm 1.249%

Hệ số xác định = 0.993286, mô hình hồi quy giải thích 99.322% hiện tượng

5 Mô hình tự hồi quy

Có dạng: Y = f (Y(-t))

+ Mô hình tự hồi quy bậc nhất

Y = βo + β1*Y(-1) + U

Mã hóa trong Eview: Y c Y(-1)

+ Mô hình tự hồi quy bậc k

K = 2: Y = βo + β1*Y(-1) + β2*Y(-2) + U

Mã hóa trong Eview: Y c Y(-1) Y(-2)

6 Mô hình hồi quy có phân phối trễ

Y = f(X; X(-K); Y(-K))

+ Mô hình hồi quy phân phối trễ bậc nhất

Y = βo + β1*X + β2*X(-1) + β3*Y(-1) + U

Mã hóa trong Eview: Y c X X(-1) Y(-1)

+ Mô hình hồi quy phân phối trễ bậc k (k=2)

Y = βo + β1*X + β2*X(-1) + β3* X(-2) + β4*Y(-1) + β5*Y(-2) + U

VÍ DỤ: Lãi suất phụ thuộc vào lạm phát, lạm phát năm trước và lãi suất của năm trước

Y = βo + β1*X + β2*X(-1) + β3*Y(-1) + U

Variable

Coefficien

t Std Error t-Statistic Prob

C 3.169217 1.173567 2.700499 0.0541

X 1.226182 0.041501 29.54603 0.0000

X(-1) -0.319919 0.506542 -0.631574 0.5620

Y(-1) 0.194521 0.402010 0.483871 0.6538

R-squared 0.996930 Mean dependent var 14.82500

Adjusted

R-squared 0.994627 S.D dependent var 21.02527

S.E of regression 1.541105

Akaike info

Sum squared resid 9.500022 Schwarz criterion 4.049450

Log likelihood -12.03892

Hannan-Quinn

F-statistic 432.9723 Durbin-Watson stat 2.297769

Prob(F-statistic) 0.000018

7 Mô hình hồi quy với biến giả (biến định tính)

Y = β0 + β1X1 + β2X2 + β3X3 (Định lượng)

+ Biến định: Quy ước mã hóa biến định tính

• Đối tượng có K biểu hiện (K thuộc tính) thì xây dựng thành (K-1) biến giả Vd: - Ngành học trong trường có nhiều ngành: xây dựng 1 biến giả

D1 = 1 nếu là học ngành thống kê

D1 = 0 nếu không phải học ngành thống kê

VD: - Đối với biến Giới tính có 3 biểu hiện (nam, nữ, ko xác định) => xây dựng 2 biến giả

D2 = 1: nếu giới tính là nam

D2 = 0: nếu giới tính không phải là na

D3 = 1: nếu giới tính là nữ

D3 = 0: nếu giới tính không phải là nữ

 Mô hình:

Y = β0 + β1X1 + β2X2 + β3X3 + β4D1 + β5D2 + β6D3 + U

YÊU CẦU: TỔ CHỨC DỮ LIỆU THEO NĂM

Y: GIÁ BÌNH QUÂN CỔ PHIẾU (BQ NĂM)

X1: khối lượng giao dịch bình quân năm

X2: tổng lợi nhuận theo năm

X3: tổng tài sản bình quân

D1: ngành kinh doanh (lấy ngành KD của mỗi sinh viên được giao đầu năm làm chuẩn)

5 bạn tích hợp thành