PHÂN TÍCH DỮ LiỆU VỚI PHẦN MỀM EVIEWS

Kiểm địnhQuy trình kiểm định •B1: Đặt hai giả thiết thống kê: H0 và H1 (quy tắt đặt giả thiết???) •B2: Tìm giá trị tới hạn •B3: Xác định miền bác bỏ H0 •B4: Ra quyết định (Nguyên tắt ra quyết định)

Trang 1

PHÂN TÍCH DỮ LiỆU VỚI

PHẦN MỀM EVIEWS*

NGUYỄN DUY TÂM - IDR

Nguyen Duy Tam nguyenduytam@ueh.edu.vn 1

-Giới thiệu bài báo và phương pháp phân tích

Bài báo Phương pháp phân tích định lượng

Trang 2

GIAO DIỆN EVIEWS

Trang 3

-Tạo biến cho workfile

Tạo biến

Các loại biến:

• Biến định lượng: Scale

• Biến phân loại:

Nhập liệu cho biến

-Thao tác với dữ liệu

• Mở bằng lệnh Show

Trang 4

Lọc dữ liệu và hiệu chỉnh mẫu

Trình bày dữ liệu: Series Trình bày dữ liệu: Group

Trang 5

-Trình bày dữ liệu

Phương pháp đồ thị: series Phương pháp đồ thị: group

• Thống kê mẫu chung

• Thống kê mẫu riêng

Trang 6

Kiểm định Quy trình kiểm định

• B1: Đặt hai giả thiết thống kê: H0 và H1

(quy tắt đặt giả thiết???)

Kiểm định trung bình: Series

• Kiểm định tính phân phối

chuẩn của biến

• Kiểm định trung bình 1 mẫu

• Kiểm định trung bình phân

loại

Kiểm định trung bình: Group

• Kiểm định trung bình nhiều biến scale

Trang 7

-Phân tích và kiểm định tương quan

• Kiểm định tương quan

-TƯƠNG QUAN – HỒI QUY đơn biến

1 Giới thiệu hồi quy

2 Ý nghĩa hồi quy

3 Giới thiệu hồi quy đơn biến

4 Giả thiết của hồi quy đơn biến

5 Phương pháp ước lượng mô hình hồi quy

đơn biến

6 Kiểm định đơn biến

7 Dự báo

Trang 8

Ý nghĩa và đặc điểm của hồi quy

• Ý nghĩa: Nghiên cứu tác độn của XiY

• Đặc điểm: hồi quy tuyến tính

-HỒI QUY ĐƠN

Trang 9

Các giả thuyết của mô hình hồi quy

1 Xi là biến độc lập, được xác định trước

Trang 10

Phương pháp ước lượng

hàm hồi quy đơn

Đường hồi quy ước lượng Phương pháp ước lượng

Trang 11

-Bảng kết quả của hàm hồi quy

Trang 12

Kiểm định Ý nghĩa của R 2

-Lựa chọn dạng hàm hồi quy đơn

Dạng hàm tuyến tính Dạng hàm phi tuyến

Nguyen Duy Tam nguyenduytam@ueh.edu.vn

-40 50 60 70 80 90

Trang 13

0 4,000 8,000 12,000 16,000 20,000 24,000

X2

Trang 15

-Hàm hồi quy chuổi thời gian

2 Các giả thiết của mô hình

3 Phương pháp ước lượng và kiểm định mô

hình

4 Quy trình xây dựng mô hình hồi quy đa biến

5 Trình bày kết quả nghiên cứu hồi quy

Trang 16

Giới thiệu mô hình và các giả thiết

• Các giả thiết của hồi quy đơn và,

nguyenduytam@ueh.edu.vn

Trang 18

Kiểm định  i

1 Kiểm định hệ số  I

2 Kiểm định biến thừa

3 Kiểm định biến thiếu

Trang 20

Trình bày kết quả mô hình

Ra quyết định Không chọn??? Chọn ??? Không chọn ???

Trang 21

-Quy trình phân tích hồi quy

• B1: Phân tích tương quan

• B2: Lựa chọn mối quan hệ Xi và Y

• B3: Xây dựng và kiểm định mô hình

• B4: Xử l{ và lựa chọn mô hình

• B5: Ra quyết định hoặc dự báo

-MÔ HÌNH HỒI QUY VỚI BIẾN GiẢ

DUMMY VARIABLE

• Giới thiệu mô hình

• Hồi quy với biến giả đơn giản

• Hồi quy với biến giả

Trang 22

Giới thiệu mô hình

Trang 23

-Các khả năng xảy ra

Di không ảnh hưởng Xi Di và Xi có liên quan nhau, Di không ảnh hưởng đến Y

Trang 24

Hồi quy với biến giả có k đặc điểm

Trang 25

-Hồi quy đa biến với dữ liệu time series

• Đặc điểm của dãy số time series

– 1

– 2.

– 3

– 4

Trang 26

NGUYỄN DUY TÂM - IDR

KIỂM ĐỊNH CÁC GiẢ THIẾT

MÔ HÌNH HỒI QUY

Trang 27

Các vấn đề liên quan đa cộng tuyến

1 Giới thiệu Đa Cộng tuyến

• Dựa trên dữ liệu thực của một trạm xe

Toyota, Data3-7 có 3 biến sau:

– E t : Cost - chi tiêu tích lũy tại thời điểm t cho

việc bảo trì (không tính xăng dầu) một chiếc xe

hơi cho trước.

– Miles: số dặm xe đã chạy (ngàn dặm)

– Age: tuổi của xe

Xem xét 3 mô hình sau, bạn kz vọng như thế nào

về dấu của các hệ số?

Trang 28

Bạn có nhận xét gì từ kết quả trên?

-Giới thiệu hiện tượng đa cộng tuyến

• Là hiện tượng giả thiết Cov(Xi, Xj)<>0 Vi phạm

giả thiết về hồi quy tuyến tính

Trang 29

Đa cộng tuyến chính xác hay hoàn hảo

Exact (or Perfect) Multicollinearity

• Nếu hai hoặc nhiều hơn hai biến độc lập có quan hệ tuyến

tính giữa hai biến, hoặc giữa nhiều biến (nói cách khác là khi

mô hình hồi quy bội có một số biến độc lập có thể được biểu

diễn bằng các tổ hợp tuyến tính của các biến độc lập khác) thì

mô hình bị đa cộng tuyến hoàn hảo.

• Ví dụ: Y=f(X 2 , X 3 , X 4 ) và X 3 =2X 2

hoặc X 2 +X3+X4=1 … hoặc 2X2+3X3+4X4=0 …

• Hệ quả là: các hệ số hồi quy tương ứng không thể ước lượng

được Máy tính thường báo “matrix singular” hay “exact

collinearity encountered”

• Khắc phục: Loại một hoặc nhiều biến ra khỏi mô hình (một số

phần mềm như SPSS,Stata … sẽ tự động loại biến)

-Đa cộng tuyến không hoàn hảo

Near Multicollinearity

• Khi các biến giải thích có tương quan gần như

tuyến tính (như hai ví dụ mà ta đã xem xét).

Lúc này vẫn tìm được các ước lượng duy nhất.

• Tuy nhiên nếu ta cứ để đa cộng tuyến không

hoàn hảo xảy ra thì hậu quả sẽ là gì?

• Làm sao biết được mô hình có bị đa cộng

tuyến (không hoàn hảo) hay không?

• Các biện pháp sẵn có mà nhà nghiên cứu sử

dụng để tránh đa cộng tuyến là gì?

Trang 30

Hậu quả của Đa Cộng tuyến

• Ảnh hưởng đến dự báo

– Mặc dù đa cộng tuyến ảnh hưởng đến các hệ số

hồi quy riêng lẻ, tác động của nó đến các dự báo

thường ít nghiêm trọng hơn và có thể lại là những

tác động có lợi (Ở phần ví dụ, khi cộng tuyến, ta

thấy MAPE, MSE không có sự thay đổi lớn, thậm

chí nó nhỏ hơn)

59Nguyen Duy Tam -

nguyenduytam@ueh.edu.vn

60

Hậu quả của Đa Cộng tuyến

• Ảnh hưởng đến sai số chuẩn

– Mặc dù các ước lượng là BLUE, nhưng SE(Betajhat) cao hơn, khiến

t-statistic thấp hơn, P-value cao hơn và có thể dẫn đến hệ số hồi quy là

không có ý nghĩa.

– Cov(Betajhat,Betashat) cao hơn, khi đó hệ số hồi quy không thể đại diện

cho tác động riêng rẽ của Xj lên Y Mỗi hệ số chỉ giải thích được phần nào

ảnh hưởng của X2 và X3 lên Y Không thể thể giữ X3 không đổi và chỉ

tăng X2 vì X2 có tương quan X3;

* r: Partial Correlation

Trang 31

Các hệ quả khác

• (2) Sai số chuẩn của các hệ số sẽ lớn

• (3) R2 rất cao dù thống kê ít ý nghĩa

đổi khác biệt giữa các biến độc lập

hình có giá trị thống kê

-Các hệ quả khác

Trang 33

Solutions (các giải pháp khắc phục)

• Beign neglect (bỏ qua nhẹ nhàng) hay Do nothing (Không làm

gì cả)

– Nếu nhà nghiên cứu ít quan tâm đến diễn dịch từng hệ số riêng lẻ

nhưng lại chú trọng vào việc dự báo thì tính đa cộng tuyến không phải

là vấn đề nghiêm trọng

– Khi các hệ số hồi quy đều có { nghĩa và dấu phù hợp thì không bận tâm

về đa cộng tuyến

– Nếu một biến cần ở trong mô hình vì những l{ do về mặt l{ thuyết thì

có thể an toàn hơn khi chúng ta giữ biến đó ở lại trong mô hình ngay

cả khi bị đa cộng tuyến.

-Solutions (cont.)

• Loại bỏ biến dư thừa (có thể tham khảo PP Hendry/LSE, tuy

nhiên loại bỏ quá nhiều biến có thể dẫn đến thiên lệch trong

các ước lượng, người ta cũng có thể cân nhắc giữ lại những

Trang 34

Nguyễn Duy Tâm - IDR

Nguyen Duy Tam nguyenduytam@ueh.edu.vn 68Bài giảng có tham khảo của Cao Hào Thi

Trang 35

4 Các thủ tục ước lượng

-HET ?

Giả thiết :

Phương sai của sai số không đổi

Var(  i ) = E[(  i -  ) 2 ] = E(  i 2 ) =  2 =const

 Vi phạm giả thiết:

Var(  i ) =  i 2  const Phương sai của sai số thay đổi

Trang 36

HET ?

Phöông sai

-72

HET ?

Phöông sai

Trang 37

-HẬU QUẢ BỎ QUA HET ?

1 Các ước lượng và dự báo dựa trên các ước

lượng đó vẫn không chệch và nhất quán.

2 Các ước lượng OLS không còn BLUE và sẽ

không hiệu quả  Các dự báo cũng sẽ

không hiệu quả.

3 Phương sai và đồng phương sai ước lượng

của các hệ số sẽ chệch và không nhất

quán và do đó các kiểm định giả thuyết (t

& F) không còn hiệu lực

Trang 38

 ( , ) ,

ar( )

Cov X u n

1 Phương pháp đồ thị:

Kỹ thuật này chỉ có tính gợi ý về HET

và không thay thế được kiểm định

chính thức

Trang 39

KIỂM ĐỊNH HET ?

1 Kiểm định nhân tử Larrange (LM):

Kiểm định Breusch – Pagan (1979)

Trang 40

KIỂM ĐỊNH GIẢ THUYẾT

H 0 :  2 =  3 = … =  p = 0

H 1 : Có ít nhất 1 số  j  0 (j = 2,p)

Vì không biết  i nên sử dụng e i thay thế

-80

CÁC BƯỚC THỰC HIỆN

Bước 1: Thực hiện hồi quy Y i = f(C,X)

PRF: Y i =  1 +  2 X 2i +  3 X 3i + …  k X ki +  i

 Tính phần dư e i (=resid)

Trang 41

CÁC BƯỚC THỰC HIỆN

Bước 2: Thực hiện hồi quy phụ

-CÁC BƯỚC THỰC HIỆN

Bước 3: Kiểm định giả thuyết:

Trang 42

 Cách thực hiện trên EVIEW

Trang 43

CÁC THỦ TỤC ƯỚC LƯỢNG

1 Ước lượng ma trận Đồng phương sai

nhất quán của HET (HCCM)

(H eteroscedasticity C onsistent

C ovariance M atrix Estimator)

2 Bình phương tối thiểu tổng quát hay

bình phương tối thiểu có trọng số

(GLS – WSL)

( W eighted L east S quares)

-CÁC THỦ TỤC ƯỚC LƯỢNG

3 Bình Phương Tối Thiểu Tổng Quát

Khả Thi (FGLS)

( F easible G eneralized L east S quares)

4 Phương sai của sai số thay đổi với tỷ

số biết trước

Trang 44

HET VỚI TỶ SỐ BIẾT TRƯỚC

Trang 45

FGLS

Tìm nhiều cách ước lượng  i

Bằng hồi quy phụ của:

• Breusch – Pagan

• Glesjer

• Harvey-Godfrey

• White

Thực hiện trên EVIEW

-TƯƠNG QUAN CHUỔI

SC : SERIAL CORRELATION AC: AUTO CORRELATION AR: AUTO REGRESSION

NGUYỄN DUY TÂM - IDR

Trang 46

-92

Tương quan chuỗi ?

Tương quan chuỗi (hay tự tương quan) là

tương quan giữa các phần dư  t

Trang 47

-Töông quan chuoãi ?

Các sai số  t có tính nhiễu trắng khi:

Trang 48

HẬU QUẢ BỎ QUA AR ?

1 Các ước lượng và dự báo dựa trên các ước

lượng đó vẫn không chệch và nhất quán

nhưng không hiệu quả.

Tính nhất quán sẽ không có nếu biến độc

lập bao gồm biến phụ thuộc có độ trễ

2 Phương sai và đồng phương sai ước lượng

của các hệ số sẽ chệch và không nhất

quán và do đó các kiểm định giả thuyết (t

& F) không còn hiệu lực

Trang 49

KIỂM ĐỊNH AR ?

1 Phương pháp đồ thị:

Kỹ thuật này chỉ có tính gợi ý về AR

và không thay thế được kiểm định

Trang 50

ĐỒ THỊ KIỂM TRA AR ?

-100

KIỂM ĐỊNH AR ?

Kiểm định Durbin Watson

Kiểm định Correlogram – Q Statistics

Kiểm định Serial Correlation LM

Trang 51

0 d L d U 2 4 - d U 4 - d L 4

H 0 :  = 0 H 1 :  < 0

Tự tương quan âm

Tự tương quan dương

H 1 :  > 0

Không kết luận

Trang 53

KIỂM ĐỊNH CORRELOGRAM

Giả thuyết:

H 0 : AC 1 =AC 2 = …= AC p = 0  Không có AR(p)

H 1 : Có ít nhất 1 số AC j  0 (j = 2,p)  Có AR(p)

Nghĩa là:

H 1 : AC 1 ≠ 0 hoặc ACNguyen Duy Tam - 2 ≠ 0  Có AR(2)

Q tt > Q*  Bác bỏ H o

Trang 54

KIỂM ĐỊNH CORRELOGRAM

Thực hiện trên EVIEW

View/Residual Test/Correlogram–Q Statistics

Nếu  t khơng cĩ tự tương quan thì:

- AC và PAC của tất cả các độ trễ sẽ cĩ giá trị

gần bằng 0  các giá trị trong  2 

H 1 : Có ít nhất 1 số AC j  0 (j = 2,p)  Có AR(p)

Trang 55

H 1 : Có ít nhất 1 số AC j  0 (j = 2,p)

-Bước 1: Thực hiện hồi quy:

Trang 56

KIỂM ĐỊNH NHÂN TỬ LAGRANGE

-112

CÁC GiẢI PHÁP KHẮC PHỤC AR

1 Thay Đổi Dạng Hàm Số

2 Lấy sai phân

– Thủ tục Tính lặp Cochrane – Orcutt

(CORC) (Cochrane và Orcutt, 1949)

– Thủ tục tìm kiếm Hildrth – Lu (HILU)

(Hildreth – Lu, 1960).

Trang 57

THAY ĐỔI DẠNG HÀM SỐ

Tương quan chuỗi có thể là triệu chứng

của mô hình bị sai dạng hàm.

Không có thủ tục ước lượng nào có thể hiệu

chỉnh vấn đề AR mà nguyên nhân là do đặc

trưng sai trong phần xác định hơn là trong

số hạng sai số

-LẤY SAI PHÂN

Tuy nhiên, giải pháp sử dụng sai phân bậc nhất

này không phải lúc nào cũng thích hợp

Trang 58

Y       *    *  

3 3

* 2 2

* 1

1 2 2

1

ˆ

ˆ ˆ ˆ





Trang 59

3 3

* 2 2

* 1

*

THỦ TỤC COCHRANE – ORCUTT

Bước 5: Sử dụng các  k ^ trong bước 4 thay vào

(1) để tính lại các  t ^

Bước 6: Tính lại  ^ và so sánh với  ^ ở bước 2

 Phương pháp này chỉ tìm được  ^ cục bộ

Trang 60

THỦ TỤC HILDRTH – LU

Bước 1: Chọn một giá trị  (  1 ) Sử dụng giá trị

này, biến đổi các biến và ước lượng phương trình

(*) bằng thủ tục OLS.

-t tk k t

t

3 3

* 2 2

* 1

*

k t tk

1 1

• Từ các giá trị ước lượng này của phương trình (*)

ta tính ra giá trị tổng bình phương sai số tương

ứng Gọi giá trị này là ESS(  1 ).

• Tiếp tục chọn một giá trị khác nữa cho  (gọi là

 2 ) và lặp lại bước 1 và 2.

Trang 61

THỦ TỤC HILDRTH – LU

Bước 3:

• Thay đổi giá trị của  từ –1 đến + 1 theo với

bước nhảy có tính hệ thống nào đó  Một chuỗi

các giá trị ESS(  ).

• Chọn  nào có giá trị ESS nhỏ nhất   *

• Phương trình (*) ước lượng với giá trị  * là kết

quả tối ưu.

Định dạng
Số trang	61
Dung lượng	1,76 MB