khắc phục phương sai của sai số thay đổi

CHÀO MỪNG CÔ VÀ CÁC BẠN ĐẾN VỚI BÀI THẢO LUẬN CỦA NHÓM 1ĐỀ TÀI: KHẮC PHỤC PHƯƠNG SAI CỦA SAI SỐ THAY ĐỔI... Y - Thu nhập TB theo giờ USD/giờ K - Kinh nghiệm công tác năm S - Số năm được

CHÀO MỪNG CÔ VÀ CÁC BẠN ĐẾN VỚI BÀI THẢO LUẬN CỦA NHÓM 1

ĐỀ TÀI: KHẮC PHỤC PHƯƠNG SAI CỦA SAI SỐ THAY ĐỔI

Bài toán : Cho số liệu quan sát sau:

Y - Thu nhập TB theo giờ (USD/giờ)

K - Kinh nghiệm công tác (năm)

S - Số năm được đào tạo (năm)

Mô hình có phương sai thay đổi không? Vì sao? Nếu xảy ra phương sai thay đổi, hãy tìm cách khắc phục

1.Ước lượng mô hình

2.Kiểm định White

Ta thực hiện hàm hồi quy sau:

Từ mô hình hồi quy mẫu:

View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms) 

OK

i

3 5

2 2 4 3

3 2

2 1

Từ kiểm định White ta nhận thấy:

= 0,0085 < 0,05 nên bác bỏ Ho

Kết luận: Vậy có hiện tượng phương sai sai số thay đổi

3.Cách khắc phục

Giả thuyết 1: Phương sai của sai số tỉ lệ với bình phương của biến giải thích.

Bước 1: Ta thực hiện hồi quy sau:

Từ hộp thoại chính vào sample: → sample range ( 1 49) → if conditional (k>0) → Ok Trên hộp equation hồi quy : ls y/k c 1/k s/k

Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK

Bước 3: Kết luận : Ta có P-value = 0.5234 > 0.05 nên chấp nhận không còn phương sai sai số thay đổi

Giả thuyết 2: Phương sai của sai số tỷ lệ với biến giải thích:

Bước 1: Ta thực hiện hồi quy sau:

Hộp equation: ls y/sqr(k) 1/sqr(k) sqr(k) s/sqr(k)

Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK

Bước 3: Kết luận :Ta có P-value = 0.0526 > 0.05 nên chấp nhận ,không còn phương sai sai số thay đổi

Giả thiết 3: Phương sai của sai số tỉ lệ với bình phương của giá trị kỳ vọng

Bước 1: Ta thực hiện phép biến đổi biến số như sau:

Từ hộp thoại chính vào : Sample → ở if conditional xóa k>0 → Ok

Từ mô hình hồi quy gốc : vào forecast → forecast name (yf) → forecast sample ( 1 49) → ok

Hộp equation : ls y/yf 1/yf k/yf s/yf

Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại: View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK

Bước 3:Kết luận: Ta có P-value = 0.3228 > 0.05 nên chấp nhận không còn phương sai sai số thay đổi

Giả thiết 4: Hạng hàm sai

Bước 1: Ta thực hiện hồi quy sau:

Log(y) c log(k) log(s)

Vào sample → Sample range ( 2 49) → if conditional (s>0) →ok Hộp equation: ls log(y) c log(k) log(s)

Bước 2: Dùng kiểm định White có số hạng tích chéo kiểm định lại:

View  Residual Tests  Heteroskedasticity Tests  White (include White cross terms)  OK

Bước 3: Kết luận: Ta có P-value = 0,0241 < 0.05 nên bác bỏ vẫn còn phương sai sai số thay đổi.Vậy mô hình này không phù hợp