Tieu luan ung dung phan mem eviews trong nghien cuu KHoa hoc

TUYỂN LỌC LẠI TỪ TẬP HỢP CÁC BIẾN GIẢI THÍCH ĐỂ CHỌN BIẾN PHÙ HỢP ĐƯA VÀO MÔ HÌNH HỒI QUY MỚI KIỂM ĐỊNH WALD, KIỂM ĐỊNH F-SỰ PHÙ HỢP MÔ HÌNH, TÍNH CÁC HỆ SỐ HỒI QUY CHUẨN HÓA...10 2.2.1.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC QUỐC TẾ HỒNG BÀNG

-TIỂU LUẬN MÔN KINH TẾ LƯỢNG

ỨNG DỤNG PHẦN MỀM EVIEWS

TRONG NGHIÊN CỨU

Giảng viên hướng dẫn: TS Đinh Kiệm Học viên thực hiện: Võ Thị Ngọc Huyền Lớp: AGVS18CH1-NH1

AN GIANG – NĂM 2018

DANH MỤC BIỂU BẢN

Bảng 1.1: Mô tả số liệu 2Bảng 1.2: Giá bán nhà với các yếu tố quyết định nó với 224 điểm nhà 2

DANH MỤC HÌNH

Hình 2.1: Workfile tạo mới 8

Hình 2.2: Thao tác chọn Correlations 8

Hình 2.3: Hộp thoại Series List 9

Hình 2.4: Bảng kết quả Correlation Matrix 9

Hình 2.5: Thao tác lệnh chạy mô hình hồi quy 10

Hình 2.6: Hộp thoại Equation Estimation 10

Hình 2.7: Kết quả mô hình hồi quy 11

Hình 2.8: Bảng kiểm tra mô hình hồi quy 11

Hình 2.9: Thao tác chọn lệnh kiểm định Wald 12

Hình 2.10: Thao tác chọn lệnh kiểm định Wald 13

Hình 2.11: Kết quả kiểm định Wald với các biến đồng thời 13

Hình 2.12: Thao tác chọn lệnh kiểm định Wald với biến SQFT 14

Hình 2.13: Kết quả kiểm định Wald với biến SQFT 14

Hình 2.14: Thao tác chọn lệnh kiểm định Wald với biến BEDRMS 14

Hình 2.15: Kết quả kiểm định Wald với biến BEDRMS 15

Hình 2.16: Thao tác chọn lệnh kiểm định Wald với biến BATHS 15

Hình 2.17: Kết quả kiểm định Wald với biến BATHS 16

Hình 2.18: Thao tác chọn lệnh kiểm định Wald với biến GARAGE 16

Hình 2.19: Kết quả kiểm định Wald với biến GARAGE 17

Hình 2.20: Thao tác chọn lệnh kiểm định Wald với biến AGE 17

Hình 2.21: Kết quả kiểm định Wald với biến AGE 18

Hình 2.22: Thao tác chọn lệnh kiểm định Wald với biến CITY 18

Hình 2.23: Kết quả kiểm định Wald với biến CITY 19

Hình 2.24: Kết quả mô hình hồi quy sau khi loại biến 19

Hình 2.25: Bảng kiểm tra mô hình hồi quy sau khi loại biến 20

Hình 2.26 Thao tác chọn lệnh hồi quy chuẩn hóa 20

Hình 2.27 Kết quả mô hình hồi quy chuẩn hóa 21

Hình 2.28: Thao tác chọn lệnh kiểm định Jarque- bera 22

Hình 2.29: Kết quả kiểm định Jarque- Bera 22

Hình 2.30: Thao tác chọn lệnh kiểm định tính chất đa cộng tuyến bằng tiêu chuẩn hệ số phương sai phóng đại VIF 23

Hình 2.31: Bảng kết quả kiểm định tính chất đa cộng tuyến bằng tiêu chuẩn hệ số phương sai phóng đại VIF 23

Hình 2.32: Thao tác chọn lệnh kiểm định White 24

Hình 2.33: Thao tác chọn lệnh kiểm định White 24

Hình 2.34: Kết quả kiểm định White 25

Hình 2.35: Thao tác thực hiện lệnh kiểm định BG 26

Hình 2.36: Chọn Lag 2 26

Hình 2.37: Kết quả kiểm định BG 27

Hình 2.38: Thao tác chọn thêm biến 28

Hình 2.39: Tăng thêm một biến 29

Hình 2.40: Thao tác thêm biến 29

Hình 2.41: Nhập thêm dữ liệu và data 30

Hình 2.42: Nhập dữ liệu biến mới 31

Hình 2.43: Nhập các biến vô hướng 31

Hình 2.44: Kết quả SE(Y0) và Y^0 32

Hình 2.45: Tạo giá trị δ^ 32

Hình 2.46: Tạo biến giá trị T tra bảng 33

Hình 2.47: Kết quả biến se_2dubao 33

Hình 2.48: Kết quả dự báo các giá trị trung bình và cá biệt 34

Hình 2.49: Đồ thị dự báo trung bình 35

Hình 2.50: Đồ thị dự báo cá biệt 35

MỤC LỤC

Danh mục biểu bảng i

Danh mục hình ii

Mục lục iv

PHẦN 1: ĐỀ TIỂU LUẬN 1

PHẦN 2: NỘI DUNG 8

2.1 LẬP MA TRẬN TƯƠNG QUAN VÀ PHÂN TÍCH CÁC MỐI QUAN HỆ 8 2.1.1 Nhập dữ liệu từ excel 8

2.1.2 Lập ma trận tương quan 8

2.2 TUYỂN LỌC LẠI TỪ TẬP HỢP CÁC BIẾN GIẢI THÍCH ĐỂ CHỌN BIẾN PHÙ HỢP ĐƯA VÀO MÔ HÌNH HỒI QUY MỚI (KIỂM ĐỊNH WALD, KIỂM ĐỊNH F-SỰ PHÙ HỢP MÔ HÌNH, TÍNH CÁC HỆ SỐ HỒI QUY CHUẨN HÓA) 10

2.2.1 Mô hình hồi quy 10

2.2.2 Kiểm định WALD 12

2.2.3 Tính các hệ số hồi quy chuẩn hóa 20

2.3 TIẾN HÀNH KIỂM TRA SỰ VI PHẠM CÁC GIẢ THIẾT HỒI QUY CỔ ĐIỂN (KIỂM ĐỊNH JARQUE BERA VỀ PHÂN PHỐI CHUẨN CHO PHẦN DƯ, KIỂM ĐỊNH TÍNH CHẤT ĐA CỘNG TUYẾN, KIỂM ĐỊNH TÍNH CHẤT PHƯƠNG SAI THAY ĐỔI, KIỂM ĐỊNH DURBIN-WATSON HOẶC BG) 21

2.3.1 Kiểm định Jarque Bera 21

2.3.2 Kiểm định tính chất đa cộng tuyến 23

2.3.3 Kiểm định tính chất phương sai thay đổi 24

2.3.4 Kiểm định BG 26

2.4 HÃY TIẾN HÀNH DỰ BÁO GIÁ TRỊ TRUNG BÌNH VÀ CÁ BIỆT CỦA TỔNG THỂ THEO MÔ HÌNH HỒI QUY PHÙ HỢP VỪA CHỌN NHƯ Ở CÂU 2 VỚI CÁC GIÁ TRỊ BIẾN GIẢI THÍCH CHO TRƯỚC NHƯ SAU: 28

PHẦN 3: KẾT LUẬN 36

+C(5)*GARAGE +C(6)* AGE +C(7)*CITY +ei

Trên đây là dạng mô hình chưa phù hợp và chưa hoàn chỉnh Bằng lý thuyếtkinh tế lượng và phần mềm EVIEWS ứng dụng đã học, anh chị hãy thực hiện cácnôi dung sau đây:

1/ Lập ma trận tương quan và phân tích các mối quan hệ

2/ Tuyển lọc lại từ tập hợp các biến giải thích để chọn biến phù hợp đưa vào

mô hình hồi quy mới (kiểm định Wald, kiểm định F-sự phù hợp mô hình, tính các

hệ số hồi quy chuẩn hóa.)

3/ Tiến hành kiểm tra sự vi phạm các gỉa thiết hồi quy cổ điển (kiểm địnhJarque bera về phân phối chuẩn cho phần dư, kiểm định tính chất đa cộng tuyến,kiểm định tính chất phương sai thay đổi,kiểm định Durbin-Watson hoặc BG)

4/ Hãy tiến hành dự báo khoảng giá trị trung bình và cá biệt của tổng thể theo

mô hình hồi quy phù hợp vừa chọn như ở câu 2 với các gíá trị biến giải thích chotrước như sau:

Bảng 1.1: Mô tả số liệu

SALEPRIC giá bán nhà tính theo ngàn USD

SQFT diện tích sinh hoạt khu nhà tính theo feet vuông, từ 2000- 50000

GARAGE số chỗ đậu xe hơi , từ 3…7

CITY =1 đối với vùng Coto de Caza,

=0 đối với Dove Canyon

BEDRMS số phòng ngủ, từ 2….7

BATHS số phòng tắm, từ 4…7

AGE tuổi thọ căn nhà tính theo năm, từ 2…12

Bảng 1.2: Giá bán nhà với các yếu tố quyết định nó với 224 điểm nhà

Stt SALEPRIC SQFT GARAGE CITY BEDRMS BATHS AGE

PHẦN 2 NỘI DUNG 2.1 LẬP MA TRẬN TƯƠNG QUAN VÀ PHÂN TÍCH CÁC MỐI QUAN HỆ 2.1.1 Nhập dữ liệu từ excel

Từ File Excel DATA-02.xls chứa số liệu đề bài cho, ta thực hiện

các bước sau:

Mở chương trình Eviews 9 chọn File → Open →Foreign Data

as Workfile, ta được kết quả như hình sau:

Hình 2.1: Workfile tạo mới 2.1.2 Lập ma trận tương quan

Chọn các biến SALEPRIC, SQFT, BEDRMS, BATHS, GARAGE, AGE,

CITY trong Workfile Từ cửa sổ Eviews chọn Quick/ Group Statistics/

Correlations Khi đó màn hình xuất hiện như sau:

Hình 2.2: Thao tác chọn Correlations

Nhấp chuột được hộp thoại sau:

Hình 2.3: Hộp thoại Series List

Nhập tên các biến cần trong ma trận tương quan: SALEPRIC, SQFT,

BEDRMS, BATHS, GARAGE, AGE , CITY rồi chọn OK, ta được ma trận tương quan như sau

Hình 2.4: Bảng kết quả Correlation Matrix

Phân tích mối quan hệ: Biến SQFT- diện tích sinh hoạt khu nhà có ý nghĩa ởmức tương đối cho biến SALEPRIC Các biến BEDRMS, BATHS, GARAGE,CITY giải thích tương đối cho biến SALEPRIC Và biến AGE giải thích không tốtcho SALEPRIC

Mức độ tương quan giữa biến SQFT và SALEPRIC tương đối cao nên môhình có thể xảy ra hiện tượng cộng tuyến giữa các biến này

2.2 TUYỂN LỌC LẠI TỪ TẬP HỢP CÁC BIẾN GIẢI THÍCH ĐỂ CHỌN BIẾN PHÙ HỢP ĐƯA VÀO MÔ HÌNH HỒI QUY MỚI (KIỂM ĐỊNH WALD, KIỂM ĐỊNH F-SỰ PHÙ HỢP MÔ HÌNH, TÍNH CÁC HỆ SỐ HỒI QUY CHUẨN HÓA)

2.2.1 Mô hình hồi quy

Từ mô hình trên, ta chạy hồi quy cho mô hình như sau: Mở biến phụ thuộc và

biến giải thích ở chế độ AS Equation…(phải chọn biến phụ thuộc trước rồi mới chọn lần lượt các biến giải thích)OK

Hình 2.5: Thao tác lệnh chạy mô hình hồi quy

Xuất hiện khung Equation Estimation, nhấn OK

Hình 2.6: Hộp thoại Equation Estimation

Ta có bảng hồi quy sau, gọi là bảng Equation

Hình 2.7: Kết quả mô hình hồi quy

Từ bảng kết quả hồi quy, ta kiểm tra lại mô hình hồi quy, chọn View  Representations

Hình 2.8: Bảng kiểm tra mô hình hồi quy

Từ bảng trên ta có mô hình hồi quy mẫu:

SALEPRIC = 0.222892555006*SQFT - 21.7850505256*BEDRMS +

10.0480660454*BATHS + 134.113100509*GARAGE + 5.71295362868*AGE + 87.847380608*CITY - 698.069490847

2.2.2 Kiểm định WALD

2.2.2.1 Kiểm định đồng thời các biến độc lập

Ta có giả thuyết sau:

H0: C(1) = C(2) = C(3) = C(4) = C(5) = C(6) = 0: các biến không ảnh hưởngđồng thời tới SALEPRIC

H1: C(1) # C(2) # C(3) # C(4) # C(5) # C(6) # 0: các biến ảnh hưởng đồngthời tới SALEPRIC

Mục đích của kiểm định WALD là khi gia tăng thêm một hoặc nhiều biến vào

mô hình thì có thể ảnh hưởng xấu đến mô hình đã lập trước đó Để chắc chắn môhình bài toán ta vừa tìm ra là chính xác và phù hợp, ta kiểm định sự có mặt các biếnkhông cần thiết (biến thừa) Ta kiểm định từng biến theo bước sau:

Từ cửa sổ Equation ta chọn View  Coefficient Diagnostics  Wald Coefficient Restrictions Khi đó màn hình như sau:

Test-Hình 2.9: Thao tác chọn lệnh kiểm định Wald

Nhấp chuột xuất hiện hộp thoạiWald Test sau:

Hình 2.10: Thao tác chọn lệnh kiểm định Wald

Nhập C(1)=C(2)=C(3)=C(4)=C(5)=C(6)=0 để kiểm định đồng thời

Ta có bảng kết quả kiểm định như sau:

Hình 2.11: Kết quả kiểm định Wald với các biến đồng thời

Nhận xét: từ bảng kết quả kiểm định, ta thấy giá trị Probability của

F-statistic=0.0000 < α (α=5%) Ta bác bỏ H0, nghĩa là các biến giải thích SQFT,BEDRMS, BATHS, GARAGE, AGE, CITY đồng thời ảnh hưởng tới biến phụthuộc SALEPRIC

2.2.2.2 Kiểm định Wald với từng biến độc lập

a) Kiểm định Wald với biến SQFT

Gõ vào hộp thoại Wald Test, nhập C(1)=0

Hình 2.12: Thao tác chọn lệnh kiểm định Wald với biến SQFT

Chọn OK ta được bảng kết quả sau:

Hình 2.13: Kết quả kiểm định Wald với biến SQFT Nhận xét: từ bảng kết quả, ta thấy giá trị Probability =0.0000 < α (α = 0.05).

Nghĩa là biến SQFT nên đưa vào mô hình Vì biến này giải thích cho biếnSALEPRIC

b) Kiểm định Wald với biến BEDRMS

Gõ vào hộp thoại Wald Test, nhập C(2)=0

Hình 2.14: Thao tác chọn lệnh kiểm định Wald với biến BEDRMS

Chọn OK ta được kết quả sau:

Hình 2.15: Kết quả kiểm định Wald với biến BEDRMS Nhận xét: từ bảng kết quả trên ta thấy, giá trị Probability=0.1562 > α

(α=0.05) Nghĩa là biến BEDRMS không nên đưa vào mô hình Vì biến này làm cho

mô hình không hợp lí

c) Kiểm định Wald với biến BATHS

Gõ vào hộp thoại Wald Test , nhập C(3)=0

Hình 2.16: Thao tác chọn lệnh kiểm định Wald với biến BATHS

Chọn OK ta được kết quả sau:

Hình 2.17: Kết quả kiểm định Wald với biến BATHS Nhận xét: từ bảng kết quả trên ta thấy, giá trị Probability=0.5097 > α (α=5%).

Nghĩa là biến BATHS không nên đưa vào mô hình Vì biến này làm cho mô hìnhkhông hợp lí

d) Kiểm định Wald với biến GARAGE

Gõ vào hộp thoại Wald Test, nhập C(4)=0

Hình 2.18: Thao tác chọn lệnh kiểm định Wald với biến GARAGE

Chọn OK, ta được kết quả như sau:

Hình 2.19: Kết quả kiểm định Wald với biến GARAGE

Nhận xét: từ bảng kết quả trên ta thấy, giá trị Probability=0.0000 < α (α=5%).

Nghĩa là biến GAREGE nên đưa vào mô hình Vì biến này giải thích cho biếnSALEPRIC

e) Kiểm định Wald với biến AGE

Gõ vào hộp thoại Wald Test, nhập C(5)=0

Hình 2.20: Thao tác chọn lệnh kiểm định Wald với biến AGE

Chọn OK, ta được kết quả như sau:

Hình 2.21: Kết quả kiểm định Wald với biến AGE Nhận xét: từ bảng kết quả trên ta thấy, giá trị Probability=0.0582 > α

(α=0.05) Nghĩa là biến AGE không nên đưa vào mô hình Vì biến này làm cho môhình không hợp lí

f) Kiểm định Wald với biến CITY

Gõ vào hộp thoại Wald Test , nhập C(6)=0

Hình 2.22: Thao tác chọn lệnh kiểm định Wald với biến CITY

Chọn OK, ta được kết quả như sau:

Hình 2.23: Kết quả kiểm định Wald với biến CITY Nhận xét: từ bảng kết quả trên ta thấy, giá trị Probability=0.0000 < α (α=5%).

Nghĩa là biến CITY nên đưa vào mô hình Vì biến này giải thích cho biếnSALEPRIC

Tóm lại:

Qua việc thực hiện kiểm định Wald đồng thời 6 biến và từng biến, ta có kếtquả khác nhau Khi kiểm định đồng thời 6 biến thì 6 biến đều phù hợp với mô hình.Tuy nhiên, khi thực hiện kiểm định từng biến riêng lẻ thì chỉ còn biến 3 biến làSQFT, GARAGE, CITY là phù hợp với mô hình

Sau khi loại 3 biến BATHS, BEDRMS, AGE, ta có mô hình hồi quy mới nhưsau:

Hình 2.24: Kết quả mô hình hồi quy sau khi loại biến

Từ bảng kết quả hồi quy, ta kiểm tra lại mô hình hồi quy

Hình 2.25: Bảng kiểm tra mô hình hồi quy sau khi loại biến

Từ bảng trên ta có mô hình hồi quy mới:

SALEPRIC = 0.220060308066*SQFT +129.286161434*GARAGE

+101.27492938*CITY -704.854151925

2.2.3 Tính các hệ số hồi quy chuẩn hóa

Từ kết quả bảng hồi quy sau khi loại biến, ta chọn lệnh sau: View 

Coefficient Diagnostics  Scaled Coefficients Khi đó màn hình như sau:

Hình 2.26 Thao tác chọn lệnh hồi quy chuẩn hóa

Nhấp chuột ta được kết quả sau:

Hình 2.27 Kết quả mô hình hồi quy chuẩn hóa

Dựa vào kết quả trên, ta thấy hệ số hồi quy chuẩn hóa của biến GARAGE làlớn nhất 129.2862 (ảnh hưởng lớn nhất tới biến phụ thuộc SALEPRIC), kế tiếp làbiến CITY với hệ số hồi quy chuẩn hoá là 101.2749 và ảnh hưởng nhỏ nhất là biếnSQFT với hệ số hồi quy chuẩn hóa là 0.220660

2.3 TIẾN HÀNH KIỂM TRA SỰ VI PHẠM CÁC GIẢ THIẾT HỒI QUY CỔ ĐIỂN (KIỂM ĐỊNH JARQUE BERA VỀ PHÂN PHỐI CHUẨN CHO PHẦN

DƯ, KIỂM ĐỊNH TÍNH CHẤT ĐA CỘNG TUYẾN, KIỂM ĐỊNH TÍNH CHẤT PHƯƠNG SAI THAY ĐỔI, KIỂM ĐỊNH DURBIN-WATSON HOẶC BG)

2.3.1 Kiểm định Jarque Bera

Từ bảng kết quả ước lượng hồi quy, ta chọn View  Residual Diagnostics 

Histogam- Normality Test Khi đó màn hình như sau:

Hình 2.28: Thao tác chọn lệnh kiểm định Jarque- bera

Ta được kết quả như bảng sau:

Hình 2.29: Kết quả kiểm định Jarque- Bera

Ta có giả thiết sau:

H0: Ui theo phân phối chuẩn

H1: Ui không theo phân phối chuẩn

Dựa vào bảng kết quả Series Residual, ta thấy đại lượng Jaque- Bera =

813.1517 có Probability = 0.0000 < α (α= 5%), ta có điều kiện bác bỏ H0, tức là phần dư Ui không theo phân phối chuẩn

2.3.2 Kiểm định tính chất đa cộng tuyến

Từ bảng kết quả ước lượng hồi quy, ta chọn View Coefficient Diagnostics

 Variance Inflation Factors Khi đó màn hình sẽ như sau:

Hình 2.30: Thao tác chọn lệnh kiểm định tính chất đa cộng tuyến bằng tiêu

chuẩn hệ số phương sai phóng đại VIF

Ta được kết quả như sau:

Hình 2.31: Bảng kết quả kiểm định tính chất đa cộng tuyến bằng tiêu chuẩn hệ

số phương sai phóng đại VIF

Từ bảng kết quả, giá trị trị ở cột Centered VIF của các biến đều <10, ta kếtluận mô hình không xảy ra hiện tượng đa cộng tuyến

2.3.3 Kiểm định tính chất phương sai thay đổi

Từ bảng kết quả hồi quy, ta chọn View  Residual Diagnostics 

Heteroskedasticity Tests Khi đó màn hình sẽ như sau:

Hình 2.32: Thao tác chọn lệnh kiểm định White

Nhấp chuột, màn hình sẽ như sau:

Hình 2.33: Thao tác chọn lệnh kiểm định White

Ta chọn White, rồi nhấn Ok Ta có kết quả như sau:

Hình 2.34: Kết quả kiểm định White

Ta kiểm định giả thiết sau:

H0: ɑ(1) =ɑ(2)= ɑ(3)=ɑ(4)=ɑ(5)=0: Mô hình không có phương sai thay đổi

H1: ɑ(1) # ɑ(2) # ɑ(3) # ɑ(4) # ɑ(5) # 0: Mô hình có phương sai thay đổi

Dựa vào bảng kết quả kiểm định, ta thấy Obs*R-squares= 173.5569, có giá trịProbability =0.0000 < α (α=5%), ta bác bỏ H0, mô hình có hiên tượng phương saithay đổi

2.3.4 Kiểm định BG

Kiểm định BG dùng để kiểm định hiện tượng tự tương quan của mô hình hồi

quy Từ bảng kết quả hồi quy, ta chọn View  Residual Diagnostics  Serial

Correlation LM Test… Khi đó màn hình như sau:

Hình 2.35: Thao tác thực hiện lệnh kiểm định BG

Tại khung của sổ Lag Specification, ta chọn bậc 2 và OK

Hình 2.36: Chọn Lag 2

Ta có kết quả như sau:

Hình 2.37: Kết quả kiểm định BG

Ta kiểm định giả thiết:

H0: p1 = p2 = p3 = p4 =p5= 0 : mô hình không có hiện tượng tự tương quan

H1: p1 # p2 # p3 # p4 # p5 # 0 : Mô hình có hiện tượng tự tương quan

Dựa vào bảng kết quả kiểm định, ta thấy Obs*R-squares = 2.531419, có giá trịProbability =0.2820 > α (α=5%), ta chấp nhận giả thiết H0, mô hình không có hiệntượng tự tương quan bậc 2 trong mô hình này