Hd eviews guide 4

7,331 views
7,111 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
7,331
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
248
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Hd eviews guide 4

  1. 1. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD MỤC LỤC MỞ ĐẦU........................................................................................... 3 § 1 SỐ LIỆU DÙNG TRONG EVIEWS...................................... 7 § 2 NHẬP SỐ LIỆU TỪ BÀN PHÍM – XỬ LÝ SỐ LIỆU....... 11 2.1 Định dạng tần suất và nhập số liệu ......................................... 12 2.2 Sửa đổi số liệu và lưu số liệu.................................................. 15 2.3 Vẽ đồ thị.................................................................................. 16 2.4 Thống kê mô tả ....................................................................... 19 2.3 Đặt biến mới ........................................................................... 21 § 3 ƯỚC LƯỢNG MÔ HÌNH HỒI QUY ĐƠN ........................ 23 3.1 Ước lượng mô hình................................................................. 23 3.2 Lưu kết quả hồi quy................................................................ 26 3.3 Xem phần dư và giá trị ước lượng (giá trị tương hợp) ........... 26 § 4 HỒI QUY NHIỀU BIẾN ĐỘC LẬP.................................... 28 4.1 Mở tệp số liệu có sẵn .............................................................. 28 4.2 Đánh giá chung về các biến .................................................... 28 4.3 Hồi quy mô hình nhiều biến ................................................... 29 4.4 Phương sai, hiệp phương sai các ước lượng hệ số.................. 31 4.5 Kiểm định bỏ bớt biến ............................................................ 31 4.6 Kiểm định thêm biến............................................................... 33 4.7 Kiểm định về hai hệ số hồi quy .............................................. 34 § 5 CÁC DẠNG MÔ HÌNH ........................................................ 36 5.1 Biến xu thế thời gian............................................................... 36 5.2 Hồi quy với biến trễ ................................................................ 37 5.3 Hồi quy mô hình dạng hàm mũ .............................................. 37 1
  2. 2. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 6 MÔ HÌNH VỚI BIẾN GIẢ................................................... 39 6.1 Xác định yếu tố định tính........................................................ 39 6.2 Đặt biến giả............................................................................. 40 6.3 Hồi quy mô hình có biến giả................................................... 40 § 7 HIỆN TƯỢNG ĐA CỘNG TUYẾN .................................... 42 7.1 Đa cộng tuyến hoàn hảo.......................................................... 42 7.2 Đa cộng tuyến không hoàn hảo............................................... 42 7.3 Hồi quy phụ kiểm định đa cộng tuyến.................................... 44 § 8 HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI.......... 45 8.1 Hiện tượng .............................................................................. 45 8.2 Kiểm định White..................................................................... 46 8.3 Lưu phần dư và giá trị ước lượng ........................................... 48 8.4 Kiểm định bằng hồi quy phụ................................................... 50 8.5 Khắc phục phương sai sai số thay đổi..................................... 51 § 9 HIỆN TƯỢNG TỰ TƯƠNG QUAN.................................... 53 9.1 Hiện tượng .............................................................................. 53 9.2 Kiểm định Breusch-Godfrey................................................... 54 9.3 Kiểm định bằng hồi quy phụ................................................... 56 9.4 Khắc phục tự tương quan........................................................ 57 § 10 ĐỊNH DẠNG MÔ HÌNH..................................................... 60 10.1 Kiểm định Ramsey RESET .................................................. 60 10.2 Kiểm định nhân tử Lagrange (kiểm định χ2 )........................ 62 10.3 Khắc phục khuyết tật tổng hợp ............................................. 63 Để thực hành, có thể tải chương trình Eviews4 tại trang mạng của khoa Toán kinh tế: www.mfe.edu.vn, mục Thư viện / Dữ liệu – phần mềm / Eviews4, và giải nén. Chương trình có thể chạy trực tiếp, không yêu cầu cài đặt. 2
  3. 3. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD MỞ ĐẦU Eviews là phần mềm được thiết kế riêng cho các mô hình kinh tế lượng và chuỗi thời gian. Phần mềm này phù hợp cho giảng dạy và học tập kinh tế lượng cho đối tượng sinh viên đại học và sau đại học. Chương trình Eviews được thiết kế để dễ sử dụng với con chuột và bàn phím, các kết quả thiết kế dưới dạng bảng, các đồ thị được lưu dưới dạng tệp có thể đưa vào các văn bản hoặc in ra dễ dàng. Cuốn sách này tập trung giới thiệu những phần thực hành tương ứng với chương trình Kinh tế lượng cơ bản giảng cho sinh viên bậc đại học, các phần thực hành nâng cao dành cho bậc cao học sẽ giới thiệu trong cuốn sách khác. Với chương trình Eviews4, không yêu cầu cài đặt chương trình, chỉ cần có đầy đủ các tệp và nhấn vào biểu tượng của Eviews là có thể chạy chương trình trực tiếp trên máy tính. Từ phiên bản Eviews5 trở đi, chương trình yêu cầu phải cài đặt. Cuốn sách này sử dụng hình ảnh của phiên bản Eviews4. Tệp chạy chương trình Eviews có biểu tượng là . Nhấn vào biểu tượng của Eviews, cửa sổ chính của chương trình xuất hiện. Cửa số chính của chương trình Eviews gồm các phần: - Thanh chức năng: với các nút để thực hiện các thao tác cơ bản đã được chương trình định sẵn, và các lựa chọn định dạng tương tự như các chương trình chạy trong môi trường Windows. - Cửa sổ lệnh: ô trắng bên dưới thanh chức năng là nơi để người sử dụng viết lệnh trực tiếp. Có thể dùng chuột để kéo rộng cửa sổ lệnh tùy ý. 3
  4. 4. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD - Thanh chỉ dẫn: xác định đường dẫn đến thư mục và tệp đang sử dụng. - Các nút thu nhỏ, mở rộng cửa số, và thoát khỏi chương trình. Cửa sổ lệnh Thanh chức năng Thanh chỉ dẫn Thoát khỏi Eviews Cửa số chính của chương trình Eviews gồm các phần: - Thanh chức năng: với các nút để thực hiện các thao tác cơ bản đã được chương trình định sẵn, và các lựa chọn định dạng tương tự như các chương trình chạy trong môi trường Windows. - Cửa sổ lệnh: ô trắng bên dưới thanh chức năng là nơi để người sử dụng viết lệnh trực tiếp. Có thể dùng chuột để kéo rộng cửa sổ lệnh tùy ý. - Thanh chỉ dẫn: xác định đường dẫn đến thư mục và tệp đang sử dụng. - Các nút thu nhỏ, mở rộng cửa số, và thoát khỏi chương trình. Có thể không cần sử dụng chuột mà dùng bàn phím để chọn lựa các nút. Ấn và giữ phím Alt trên bàn phím, trên dòng task bar các lựa chọn 4
  5. 5. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD sẽ tự động gạch chân các chữ cái. Khi đó phím Alt và nhấn phím tương ứng với chữ cái tương ứng sẽ cho kết quả giống như khi dùng chuột chọn nút đó. Ví dụ: Khi giữ phím Alt, gõ phím F tương đương với nhấn chuột vào nút File; chữ E tương đương với nút Edit. - Ngăn cách phần nguyên và phần thập phân của một số, Eviews dùng dấu chấm “.” Một số chủ thể cơ bản của Eviews Eviews làm việc với một số dạng chủ thể cơ bản, mỗi chủ thể có thể lưu lại và đặt tên để có thể dễ dàng sử dụng khi cần thiết. Một số chủ thể thông dụng gồm: Series: Mỗi biến là một chuỗi số liệu, do đó Eviews dùng cách gọi Series cho các biến. Group: Một nhóm biến số được lựa chọn là một Group. Group có thể gồm tất cả các biến hoặc chỉ hai biến. Graph: Một đồ thị được lưu lại dưới dạng một Graph. Đồ thị có thể gồm đồ thị của một biến, đồ thị của nhiều biến, đồ thị của các biến theo nhau. Equation: Một phương trình hồi quy được lưu lại dưới dạng một Equation. System: Một hệ gồm nhiều phương trình hồi quy được lưu lại dưới dạng một System. 5
  6. 6. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Một số kí hiệu dùng cho thực hành : Thao tác, thực hiện thao tác yêu cầu. Ví dụ Chọn View : dùng chuột nhấn vào nút View : Kết quả của thao tác. → : Các thao tác, chọn lựa kế tiếp nhau. Ví dụ: File → Open: Chọn nút File rồi nút Open. [?] : Câu hỏi, cần nắm được lý thuyết để trả lời. Tất cả các câu hỏi kiểm định trong sách đều được thực hiện với mức ý nghĩa α là 5%. Cặp ngoặc vuông […]: do trong Eviews có thể mở nhiều cửa sổ cùng lúc, do đó cặp ngoặc vuông để xác định cửa sổ cần thực hiện thao tác. Ví dụ [Eviews] là cửa sổ chính. - Để ngắn gọn và thuận tiện về sau, các nút trên các cửa sổ được viết trong cặp dấu < >, ví dụ: <Ok>, <Cancel> 6
  7. 7. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 1 SỐ LIỆU DÙNG TRONG EVIEWS Eviews là chương trình xử lý số liệu, ước lượng phương trình hồi quy, phân tích chuỗi thời gian, do đó việc hiểu rõ về số liệu là điều cần thiết. Để hiểu rõ cấu trúc số liệu được quản lý và xử lý bởi Eviews, mở một số bộ số liệu và quan sát các số liệu sau Mở bộ số liệu có tần suất theo năm Tại cửa sổ chính, chọn File → Open Trong lựa chọn Open, có bốn dạng định dạng tệp có thể mở: - Dạng Workfile: là tệp dữ liệu và thực hiện các phân tích thông thường. Đây là dạng cơ bản, trong tệp có thể lưu số liệu, các đồ thị, các phương trình hồi quy, kết quả ước lượng. - Dạng Database: cơ sở dữ liệu, bao gồm nhiều định dạng. 7
  8. 8. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD - Dạng Program: - Dạng Text File Chọn dạng Workfile, là dạng thông thường nhất để tính toán xử lý số liệu với Eviews. Chọn thư mục SOLIEU, tệp số liệu BT_YEAR_US, cửa sổ Workfile mở ra. Trên cửa sổ này có một số thông tin: - Dòng trên cùng: Tên của Workfile và đường dẫn - Các nút với các chức năng khác nhau, sẽ được đề cập sau - Khoảng số liệu và Mẫu từ 1899 đến 1922 Bên dưới của cửa sổ, liệt kê các chủ thể mà Workfile đang quản lý, gồm: c k l resid y. Để có thể thấy rõ hơn thông tin mà các chủ thể này chứa đựng, tại cửa sổ Workfile, nhấn vào nút Label+/-, xuất hiện các thông tin về thời gian khởi tạo các số liệu này, theo thứ tự: tháng/ngày/năm, giờ:phút, và chú thích về ba biến k, l, y. Hai chủ thể c resid không có chú thích, vì đây là hai chủ thể đặc biệt dùng để lưu các thông tin riêng. Thông tin của một biến số thông thường bao gồm: - Tên biến: Tên của biến số được đặt ngắn gọn, tối đa 24 ký tự chỉ gồm chữ và số, không có dấu cách, bắt đầu bởi chữ cái. Tên biến thường được đặt phù hợp với nội dung của biến. - Nhãn biến: Phần chú thích về ý nghĩa của biến, có thể là chuỗi ký tự với độ dài tùy ý, với các ý tự đặc biệt, dấu cách. - Tần suất biến: là tần suất của số liệu, có thể theo thời gian, không gian, hoặc số liệu hỗn hợp. 8
  9. 9. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD - Giá trị của biến: là các đại lượng đo lường bằng số. Trong chương trình Eviews, dấu ngăn cách với phần thập phân là dấu chấm. Khi chưa có giá trị, Eviews ngầm định sử dụng chữ NA (not available) để thay thế. c : chủ thể chứa các hệ số tính được từ các phương trình hồi quy, các mô hình. Khi chưa có kết quả hồi quy từ phương trình nào, các giá trị của C được gán bằng 0 resid: là chuỗi nhận sẽ nhận giá trị là phần dư từ có được từ việc ước lượng các phương trình hồi quy. Khi chưa có phương trình hồi quy, các giá trị Resid đều chưa có. Nhấn đúp chuột trái vào c, cửa sổ [Coef C] mở ra, với cột C1 gồm các quan sát từ R1 đến R751, với các giá trị bằng 0. Nhấn đúp chuột trái vào k, cửa sổ [Series: K] mở ra. Cột ngoài cùng bên trái obs là tần suất của số liệu, từ 1899 đến 1922, các giá trị của biến K được liệt kê theo các quan sát từ cột tiếp theo trong bảng. Nhấn đúp chuột trái vào resid, cửa sổ [Series: RESID] mở ra với quan sát từ 1899 đến 1922, các giá trị đều là NA vì chưa có kết quả tính toán nào được thực hiện. Tại cửa sổ [Workfile], sử dụng chuột đánh dấu (bôi đen) các biến từ K đến Y, nháy chuột phải, chọn Open as Group, tất cả các biến đều được liệt kê trong cùng một cửa số [Group]. Mở bộ số liệu có tần suất theo Quý Mở bộ số liệu mới, tại cửa sổ [Eviews] File → New, chọn tệp Bt_Quarter. 9
  10. 10. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Bộ số liệu được thể hiện từ 1953:1 đến 1967:4, với một chữ số sau dấu “:”. Với cách thể hiện này, số liệu là từ Quý 1 năm 1953 đến Quý 4 năm 1967. Chọn biến bất kỳ, chẳng hạn X, mở ra dưới dạng cửa sổ [Series]. Với cửa số này, tần suất biến có chu kỳ 1, 2, 3, 4, 1,… thể hiện đây là số liệu Quý. Mở bộ số liệu có tần suất theo Quý Mở bộ số liệu mới, tại cửa sổ [Eviews] File → New, chọn tệp Bt_Monthly. Bộ số liệu được thể hiện từ 1973:01 đến 1995:06, với hai chữ số sau dấu “:”, thể hiện là số liệu từ Tháng 1 năm 1973 đến Tháng 6 năm 1995. Để biết ý nghĩa các biến, chọn nút Label trên thanh chức năng của cửa sổ [Workfile]. 10
  11. 11. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 2 NHẬP SỐ LIỆU TỪ BÀN PHÍM – XỬ LÝ SỐ LIỆU Số liệu dùng cho Eviews có thể là tệp có sẵn dưới các định dạng khác nhau, hoặc số liệu từ bên ngoài cần phải nhập vào máy. Bài này hướng dẫn thực hành số liệu từ bên ngoài vào máy tính, lưu số liệu, và các xử lý thông tin cơ bản cho bộ số liệu đó. Xét bộ số liệu ví dụ sau, với X là đầu tư quốc gia (Gross National Investment), Y là tổng sản phẩm quốc nội (Gross Domestic Products) của Việt Nam theo các năm từ 1994 đến 2005. Cả hai biến đơn vị là nghìn tỉ VND, tính theo giá so sánh 1994. Nguồn: Tổng cục thống kê. Năm X Y 1994 53 179 1995 58 196 1996 67 214 1997 79 231 1998 76 245 1999 79 256 2000 115 274 2001 129 293 2002 148 313 2003 167 336 2004 187 362 2005 195 393 11
  12. 12. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Thực hiện nhập số liệu và lưu lại dưới dạng một tệp số liệu của Eviews. 2.1 Định dạng tần suất và nhập số liệu Tại cửa sổ chính của Eviews, để thuận tiện, đóng cửa sổ nhỏ đang mở (nếu có) Chọn File → New : Cửa sổ [Workfile Range]: tần suất của số liệu. Frequency - tần suất của số liệu Ví dụTần suất và định dạng Đầu – cuối Ý nghĩa Annual (Năm) yyyy Start: 1991 End: 2005 15 quan sát theo năm, từ năm 1991 đến năm 2005 Semi-annual (Nửa năm) yyyy:h Start: 1991:1 End: 2005:2 30 quan sát theo nửa năm, từ nửa đầu năm 1991 đến nửa sau năm 2005 12
  13. 13. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Quarterly (Quý) yyyy:q Start: 1991:1 End: 2005:4 60 quan sát theo quý, từ quý 1 năm 1991 đến quý 4 năm 2005 Monthly (Tháng) yyyy:mm Start: 1991:01 End: 2005:12 180 quan sát theo tháng, từ tháng 1 năm 1991 đến tháng 12 năm 2005 Weekly (Tuần) mm/dd/yyyy Start: 01/01/2008 End: 12/01/2008 49 quan sát theo tuần, từ tuần có ngày 1 tháng 1 năm 2008 đến tuần có ngày 1 tháng 12 năm 2008 Daily [5day] (Ngày: tuần 5 ngày) mm/dd/yyyy Start: 11/12/2008 End: 12/11/2008 22 quan sát theo ngày, từ ngày 12 tháng 11 năm 08 đến ngày 11 tháng 12 năm 08, không có ngày cuối tuần Daily [7day] (Ngày: tuần 7 ngày) mm/dd/yyyy Start: 11/12/2008 End: 12/11/2008 29 quan sát theo ngày, từ ngày 12 tháng 11 năm 08 đến ngày 11 tháng 12 năm 08, có ngày cuối tuần Undated or Irregular (Quy tắc khác) Start: 1 Start: 30 30 quan sát không theo thời gian, hoặc theo thời gian nhưng quy tắc khác - Với tần suất theo thời gian, riêng số liệu trong giai đoạn 1930 – 2029, thì số chỉ Năm có thể dùng bởi hai chữ số, ví dụ 67 được hiểu là 1967, hoặc 12 được hiểu là 2012, với giai đoạn khác bắt buộc phải đủ 4 chữ số. - Số chỉ Ngày, Tháng với giá trị nhỏ hơn 10 có thể chỉ dùng một chữ số, ví dụ số liệu tháng, 2000:1 và 2001:01 là như nhau. - Với số liệu tần suất theo Ngày, Tuần, Eviews ngầm định sử dụng quy ước của Mỹ, là Tháng/Ngày/Năm (mm/dd/yyyy). Có thể thay 13
  14. 14. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD đổi thứ tự này sang quy ước châu Âu là Ngày/Tháng/Năm bằng cách chọn Option > Frequency Conversion – Dates >. - Với số liệu theo Tuần, quan sát đầu tiên và cuối cùng sẽ là tuần có chứa ngày nhập vào, và lấy ngày đó làm đại diện cho tuần. Các quan sát sẽ lấy ngày có cùng Thứ với quan sát đầu tiên làm đại diện. Ví dụ nếu quan sát đầu tiên là 1/1/2008, thì toàn bộ tuần từ 30/12/2007 đến 5/1/2008 lấy ngày 1/1/2008 làm đại diện, và đại diện cho tuần từ 6/1/08 – 12/1/08 sẽ lấy ngày 8/1 làm đại diện. - Với số liệu Ngày tính cho tuần 5 ngày, nếu thời điểm bắt đầu rơi vào ngày cuối tuần, thì quan sát đầu tiên sẽ bắt đầu từ Thứ Hai của tuần tiếp theo; và nếu thời điểm cuối cùng rơi vào ngày cuối tuần, thì quan sát cuối cùng sẽ kết thúc ở Thứ Sáu của tuần trước đó. - Tần suất Undated dùng cho số liệu không thuộc các trường hợp trên; như tần suất theo giờ, theo phiên, số liệu chéo, số liệu hỗn hợp. Với bộ số liệu ví dụ trên của Việt Nam, tần suất của các biến là theo năm, từ 1994 đến 2005. Frequency: Annual → Start date: 1995 → End date: 2005 : mở cửa sổ Workfile Cửa sổ [Workfile] là cửa sổ quản lý việc nhập, lưu, xử lý số liệu. Trong cửa sổ Workfile chỉ có hai biến là các hệ số C và phần dư Resid. Cần tạo hai biến số mới và nhập số liệu. Tại cửa sổ [Eviews], chọn Quick → Empty Group (Edit Series) Mở cửa sổ [Group] Chọn ô đầu tiên bên phải ô obs, nhập tên biến là X, các ô bên dưới tự động chuyển thành NA, nhập các giá trị của biến X ứng với các năm. Tiếp tục với cột biến Y. Tại cửa sổ [Workfile], biểu tượng của hai biến X và Y xuất hiện. 14
  15. 15. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Nhập nhãn biến Hai biến X và Y đã nhập chưa có nhãn, cần nhập nhãn để chú thích ý nghĩa của các biến. Tại cửa sổ [Workfile], nhấn chuột đúp vào biến X, mở cửa sổ [Series: X] chọn Name, mở cửa số [Object Name] Trong cửa số này, ô trống ở trên cho phép thay đổi tên biến, ô trống bên dưới để nhập nhãn biến. Với ví dụ đang xét, nhãn cho biến X là Gross National Investment. Tương tự, có thể nhập nhãn cho biến Y là Gross Domestic Products. 2.2 Sửa đổi số liệu và lưu số liệu Trường hợp cần sửa đổi số liệu, ví dụ biến X có thể thực hiện theo trình tự: Chọn biến X, mở cửa sổ [Series: X], chọn nút Edit+/- và thay đổi các giá trị cần thiết. 15
  16. 16. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Số liệu đã nhập có thể lưu lại dưới dạng tệp chuyên dụng của Eviews, để có thể mở và sử dụng khi cần thiết. Tại cửa sổ [Eviews] Chọn File → Save (hoặc Save as) Cửa sổ [SaveAs] : Chọn vị trí và tên tệp. Các tệp có đuôi ngầm định là .wf1. Số liệu đã nhập ở phần 2.1 là số liệu thô. Để thấy được rõ hơn các thông tin chứa đưng trong các biến đó, cần thực hiện tính các thống kê với từng biến, xem xét tương quan, đồ thị mô tả về các biến và mối liên hệ giữa chúng. 2.3 Vẽ đồ thị Mô tả số liệu qua đồ thị và các thống kê đặc trưng cơ bản là xử lý ban đầu cần thiết đối với các biến số. Chọn X và Y, mở cửa sổ [Group] Vẽ đồ thị các biến theo quan sát [Group] View → Graph → Line Kết quả cho đồ thị đường của X và Y theo quan sát (theo thời gian) trên cùng một hệ tọa độ 16
  17. 17. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Có thể chọn các loại đồ thị khác: Bar, Spike (đồ thị cột). Để vẽ đồ thị của hai biến theo nhau, mỗi biến trên một trục tọa độ, lựa chọn: [Group] View → Graph → Scatter → Simple Scatter Kết quả cho đồ thị điểm của biến Y trên trục tung và X trên trục hoành. Khi không có lựa chọn được yêu cầu, Eviews ngầm định biến xếp sau nằm trên trục tung, biến xếp trước nằm ở trục hoành. Qua đồ thị điểm, có thể thấy xu thế khá rõ giữa Y và X, có thể xác định được hình ảnh của đường hồi quy bằng cách chọn: [Group] View → Graph → Scatter → Scatter with Regression Cửa sổ [Global Fit Option], nếu không định dạng đặc biệt, chọn OK, kết quả là đồ thị điểm với đường hồi quy 17
  18. 18. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Các lựa chọn khác cho phép vẽ đồ thị theo các dạng khác nhau. Các đồ thị sẽ tự đông điều chỉnh để khít với kích thước cửa sổ [Group]. Lưu đồ thị Có thể lưu đồ thị để chèn vào các chương trình soạn thảo văn bản Tại cửa sổ [Group] có đồ thị, nhấn tổ hợp phím Ctrl+C, mở cửa sổ [Graph Metafile], chọn OK, mở văn bản và nhấn Ctrl+V để dán đồ thị đã lưu. Thay đổi định dạng đồ thị: Tại cửa sổ [Group] có đồ thị, chọn Freeze, mở cửa sổ [Graph]. Với lựa chọn [Graph] Proc → Options : cửa sổ [Graph Option] với các lựa chọn cho định dạng. [Graph] Proc → Add text: Thêm dòng chữ vào đồ thị [Graph] Proc → Save Graph: lưu đồ thị để chèn vào văn bản [Graph] Name: lưu đồ thị dưới dạng một chủ thể, đặt tên. Ngoài ra còn nhiều lựa chọn khác với đồ thị 18
  19. 19. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Bên cạnh cách chọn vẽ đồ thị từ cửa sổ [Graph], có thể có cách khác để vẽ đồ thị: Cửa sổ [Eviews] Quick → Graph: chọn loại đồ thị, và thứ tự của các biến để vẽ đồ thị. Vẽ đồ thị trên nhiều hệ tọa độ Khi muốn vẽ đồ thị cho mỗi biến trên một hệ tọa độ riêng, chọn: [Group] Multiple Graphs. 2.4 Thống kê mô tả Các thống kê mô tả về các biến và tương quan giữa các biến là những thông tin cơ bản để đánh giá về biến. Thống kê mô tả của các biến Cửa sổ [Group] View → Descriptive Stats → Common Sample X Y Trung bình Mean 112.7500 274.3333 Trung vị Median 97.00000 265.0000 Tối đa Maximum 195.0000 393.0000 Tối thiểu Minimum 53.00000 179.0000 Độ lệch chuẩn Std. Dev. 51.36523 66.98213 Hệ số bất đối xứng Skewness 0.402047 0.304621 Hệ số nhọn Kurtosis 1.666396 2.030123 Thống kê JB Jarque-Bera 1.212534 0.655918 Mức xác suất Probability 0.545383 0.720393 Tổng Sum 1353.000 3292.000 Tổng bình phương chênh lệch Sum Sq. Dev. 29022.25 49352.67 Số quan sát Observations 12 12 Thống kê JB và Mức xác suất (P-value) dùng để kiểm định về cặp giả thuyết với từng biến: 19
  20. 20. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD H0: biến phân phối theo quy luật Chuẩn H1: biến không phân phối theo quy luật Chuẩn Hệ số tương quan [Group] View → Correlations → Common Sample Kết quả: X Y X 1.000000 0.982533 Y 0.982533 1.000000 Phương sai - hiệp phương sai [Group] View → Covariances → Common Sample Kết quả: X Y X 2418.521 3098.750 Y 3098.750 4112.722 Kiểm định so sánh các biến Kiểm định so sánh trung bình, trung vị, phương sai của hai biến [Group] View → Test of Equality, mở cửa sổ [Test Between Series]. Có ba lựa chọn kiểm định Kiểm định sự bằng nhau của hai trung bình: Mean Test for Equality of Means Between Series Sample: 1994 2005 Included observations: 12 Method df Value Probability t-test 22 6.631244 0.0000 Anova F-statistic (1, 22) 43.97339 0.0000 Kiểm định sự bằng nhau của hai phương sai: Variance Test for Equality of Variances Between Series Sample: 1994 2005 Included observations: 12 20
  21. 21. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Method df Value Probability F-test (11, 11) 1.700511 0.3921 Siegel-Tukey 0.086621 0.9310 Bartlett 1 0.732933 0.3919 Levene (1, 22) 0.686207 0.4164 Brown-Forsythe (1, 22) 0.562284 0.4613 Các phân tích thống kê của các kiểm định được cho trong các thông tin bên dưới mỗi kiểm định. 2.3 Đặt biến mới Bên cạnh các biến đã nhập số liệu là X và Y, có thể đặt các biến mới từ các biến đã có hoặc nhập biến số mới. Có một số cách nhập biến mới có tác dụng tương đương. Ví dụ: cần đặt biến mới Z = Y – X [Eviews] Quick → Generates Series: mở cửa sổ [Generate Series by Equation] Tại ô Enter Equation gõ: Z = Y – X Tại ô Sample, ngầm định mẫu mà lệnh đặt biến có tác dụng là toàn bộ. Khi cần có thể thay đổi mẫu này. Nhấn OK để chấp nhận. Khi không cần thay đổi mẫu, có thể sử dụng lệnh trong Cửa sổ lệnh. [Cửa sổ lệnh] GENR Z = Y – X Biến Z được tạo ra nằm trong cửa sổ [Workfile]. Các hàm và lệnh cơ bản Ngoài các phép toán cơ bản: cộng [+], trừ [–], nhân [*], chia [/], lũy thừa [^], các hàm cơ bản của Eviews như sau: 21
  22. 22. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Tên Ý nghĩa Ví dụ Kết quả LOG Logarit cơ số tự nhiên LX = LOG(X) ln( )i iLX X= EXP Lũy thừa cơ số tự nhiên EX = EXP(X) iX iEX e= ABS Giá trị tuyệt đối AX = ABS(X) | |i iAX X= SIN Hàm sin SINX = SIN(X) sin( )i iSINX X= COS Hàm cosin COSX = COS(X) cos( )i iCOSX X= (-J) Trễ bậc J X4 = X(-4) 44i iX X −= D(X) Sai phân bậc 1 DX = D(X) 1i i iDX X X −= − Đặt biến xu thế thời gian [Cửa sổ lệnh] GENR T = TREND( ) Kết quả cho biến T nhận giá trị 0, 1, 2… phản ánh xu thế của thời gian tăng dần theo các quan sát. 22
  23. 23. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 3 ƯỚC LƯỢNG MÔ HÌNH HỒI QUY ĐƠN (Tiếp theo § 2) Với bộ số liệu từ bài 2, nhận xét qua đồ thị giữa Y và X, thấy giữa hai biến có xu thế tuyến tính khá rõ, hệ số tương quan giữa hai biến bằng 0,982533 khá lớn, do đó có thể xác định một mô hình hồi quy trong đó Tổng sản phẩm trong nước (Y) phụ thuộc vào Tổng đầu tư quốc gia (X) có dạng tuyến tính với hai hệ số. Hàm hồi quy tổng thể PRF: 1 2( / )t tE Y X Xβ β= + Dạng ngẫu nhiên 1 2tY Xt tuβ β= + + Mô hình (3.1) Nếu xét biến hằng số C luôn bằng 1, có thể viết mô hình (3.1): 1 2t t tY C X tuβ β= + + Với mẫu kích thước là 10 gồm 10 quan sát đã nhập, hàm hồi quy mẫu SRF có dạng: 1 2 ˆ ˆˆ t tY Xβ β= + 1 2 ˆ ˆ t tY Xβ β te= + + Dùng phương pháp Bình phương nhỏ nhất (Least Squares - LS) với bộ số liệu đã nhập, tính toán các ước lượng, và các thống kê cần thiết dành cho phân tích. 3.1 Ước lượng mô hình [Eviews] Quick → Estimate Equation (Ngoài ra còn 4 cách khác, được đề cập sau) Cửa sổ định dạng phương trình xuất hiện. 23
  24. 24. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Cửa sổ [Equation Specification] gồm ô khai báo phương trình hồi quy, phương pháp ước lượng, mẫu để ước lượng. Khai báo phương trình hồi quy Với mô hình hồi quy Y theo X có hệ số chặn, có hai kiểu khai báo: Kiểu 1: Y = C(1) + C(2)*X Kiểu 2: Y C X Sử dụng kiểu khai báo thứ hai, phương pháp LS – bình phương nhỏ nhất, mẫu 1994 – 2005, được kết quả ở cửa sổ [Equation] Dependent Variable: Y Method: Least Squares Date: … Time: … Sample: 1994 2005 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C 129.8715 9.439523 13.75826 0.0000 X 1.281258 0.076739 16.69636 0.0000 R-squared 0.965370 Mean dependent var 274.3333 Adjusted R-squared 0.961907 S.D. dependent var 66.98213 S.E. of regression 13.07316 Akaike info criterion 8.130011 Sum squared resid 1709.075 Schwarz criterion 8.210829 Log likelihood -46.78007 F-statistic 278.7683 Durbin-Watson stat 1.035566 Prob(F-statistic) 0.000000 24
  25. 25. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Nếu sử dụng cách khai báo thứ nhất: Y = C(1) + C(2)*X thì kết quả chỉ khác phần thể hiện các hệ số như sau Y = C(1) + C(2)*X Coefficient Std. Error t-Statistic Prob. C(1) 129.8715 9.439523 13.75826 0.0000 C(2) 1.281258 0.076739 16.69636 0.0000 Các thông tin khác vẫn giữ nguyên Bên cạnh Cách 1 [Eviews] Quick → Estimate Equation như trên, còn một số cách sau: Cách 2: [Eviews] Objects → New Object → Equation → OK Cách 3: Chọn X, Y thành cửa sổ [Group] Procs → Make Equation Cách 4: Chọn X và Y, nhấn chuột phải → Open → As Equation Cách 5: [Cửa sổ lệnh] LS Y C X Cách sử dụng lệnh LS Y C X là đơn giản nhất, sẽ được sử dụng trong các phần sau. Các kiểu thể hiện kết quả hồi quy [Equation] View → Representations : được các kết quả Estimation Command: ===================== LS Y C X Câu lệnh để ước lượng (viết trong cửa số lệnh) Estimation Equation: ===================== Y = C(1) + C(2)*X Phương trình hồi quy Substituted Coefficients: ===================== Y = 129.8714549 + 1.281258345*X Kết quả ước lượng [Equation] View → Estimation Output : bảng kết quả chi tiết 25
  26. 26. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 3.2 Lưu kết quả hồi quy Kết quả hồi quy có thể được lưu giữ, biên tập, in ra như một văn bản. Trong cửa sổ kết quả [Equation] Name: cửa sổ [Object Name], tên ngầm định cho kết quả ước lượng phương trình hồi quy là eq01. Nếu chọn OK, thì chủ thể eq01 được tạo ra trong Workfile. Muốn sao và dán kết quả ước lượng để chèn vào các văn bản, dùng chuột đánh dấu toàn bộ bảng kết quả chi tiết, nhấn chuột phải, chọn Copy, chọn loại giữ nguyên định dạng hoặc không giữ định dạng, rồi tại nơi cần dán chọn Paste; hoặc sử dụng tổ hợp Ctrl+C và Ctrl+V. 3.3 Xem phần dư và giá trị ước lượng (giá trị tương hợp) Sau khi ước lượng một mô hình hồi quy, có thể đánh giá chất lượng của mô hình và kết quả thông qua các giá trị phần dư (residuals) và các giá trị ước lượng của biến phụ thuộc (còn gọi là giá trị tương hợp – fitted values). [Equation] View → Actual, Fitted, Residual → Actual, Fitted, Residual Table Được bảng giá trị và đồ thị phần dư Actual là giá trị thực tế bộ số liệu: Yt Fitted là giá trị ước lượng bởi hàm hồi quy: Ŷt Residual là giá trị phần dư: et hay ût 26
  27. 27. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [?] - Vào năm nào giá trị quan sát và giá trị ước lượng gần nhau nhất, xa nhau nhất? - Năm 2000 có giá trị quan sát cao hay thấp hơn giá trị ước lượng? Cao (thấp) hơn bao nhiêu? - Phần dư có nằm ra ngoài hai đường biên không? - Trong giai đoạn nào thì đường hồi quy mô tả gần đúng nhất sự biến động của biến phụ thuộc Y? Có thể xem đồ thị của giá trị thực tế, giá trị ước lượng, và phần dư trên cùng hệ tọa độ hoặc đồ thị của riêng phần dư bằng cách chọn Actual, Fitted, Residual Graph. Các đồ thị này có thể lưu lại hoặc cắt dán vào các văn bản tương tự như đồ thị của các biến X, Y. 27
  28. 28. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 4 HỒI QUY NHIỀU BIẾN ĐỘC LẬP Bài này sẽ sử dụng bộ số liệu BT1CH1.wf1 có sẵn nằm trong thư mục SOLIEU để thực hành. Đây là bộ số liệu về một số chỉ tiêu kinh tế vĩ mô của Việt Nam. 4.1 Mở tệp số liệu có sẵn [Eviews] File → Open Chọn tệp số liệu BT1CH1 trong thư mục tương ứng Cửa sổ [Workfile] gồm các biến số cơ bản của kinh tế vĩ mô Việt Nam từ năm 1980 đến 1996: GDP GAP GIP EX IM, đơn vị là tỉ USD tính theo giá so sánh 1994. [?] - Ý nghĩa của các biến số trong bộ số liệu là gì? - Đánh giá xu thế chung của các biến theo thời gian như thế nào? Các biến có xu thế tăng hay không? - Mức xuất khẩu tăng lên đột biến trong năm nào? Liên hệ với thực tiễn, có thể giải thích gì về mức tăng đó? - So sánh giữa EX và IM để đánh giá xem trong các năm, năm nào có xuất siêu, nhập siêu, có cân bằng cán cân thương mại? - So sánh giữa GAP và GIP để đánh giá giữa tổng sản phẩm nông nghiệp và công nghiệp. 4.2 Đánh giá chung về các biến Vẽ đồ thị của các biến theo thời gian, mỗi biến một đồ thị (Multiple Graphs) và nhận xét về xu thế của các biến. Vẽ đồ thị của GDP, GAP, GIP trên cùng một hệ trục tọa độ (Graphs) và so sánh mức độ tăng trưởng của các biến. 28
  29. 29. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [?] - So sánh trong hai trường hợp, khi GAP ở mức tối thiểu, và GIP ở mức tối thiểu, khi đó GDP trong trường hợp nào lớn hơn? - Có phải GDP luôn luôn tăng theo hai biến không? - GDP tăng theo biến nào nhanh hơn? Xem các thống kê đặc trưng mẫu của tất cả các biến (Descriptive Stats) [?] - Biến nào có giá trị trung bình lớn nhất, nhỏ nhất? - Biến nào có sự biến động tuyệt đối đo bằng phương sai lớn nhất, nhỏ nhất - Biến nào có sự biến động tương đối đo bằng hệ số biến thiên lớn nhất, nhỏ nhất? - Hệ số lệch của biến nào lớn nhất, nhỏ nhất? - Kiểm định về tính phân phối chuẩn của các biến? Xem ma trận tương quan của các biến (Correlations) [?] - Các biến có tương quan thuận chiều hay ngược chiều? - Cặp biến nào có tương quan lớn nhất, nhỏ nhất? - Tổng sản phẩm quốc nội tương quan với biến nào nhiều nhất, ít nhất? quan hệ là tương quan cùng chiều hay ngược chiều? 4.3 Hồi quy mô hình nhiều biến Xét mô hình hồi quy E(GDP/GAPt , GIPt) = β1 + β2 GAPt + β3 GIPt (MH 4.1) GDPt = β1 + β2 GAPt + β3 GIPt + ut GDPt = β1Ct + β2 GAPt + β3 GIPt + ut [Cửa sổ lệnh] LS GDP C GAP GIP ↵ Bảng kết quả hồi quy 29
  30. 30. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Dependent Variable: GDP Method: Least Squares Date: …. Time: …. Sample: 1980 1996 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -2.395032 1.571602 -1.523944 0.1498 GAP 1.455290 0.199663 7.288738 0.0000 GIP 0.674673 0.092429 7.299395 0.0000 R-squared 0.997573 Mean dependent var 28.42353 Adjusted R-squared 0.997227 S.D. dependent var 9.350102 S.E. of regression 0.492409 Akaike info criterion 1.579772 Sum squared resid 3.394535 Schwarz criterion 1.726809 Log likelihood -10.42806 F-statistic 2877.499 Durbin-Watson stat 1.205284 Prob(F-statistic) 0.000000 Với kết quả hồi quy trên: [?] - Giải thích ý nghĩa các ước lượng hệ số? Kết quả có phù hợp với lý thuyết kinh tế không? - Hệ số chặn có ý nghĩa thống kê không? Kết quả kiểm định này có ý nghĩa như thế nào? - Các hệ số góc có ý nghĩa thống kê không? Điều này có ý nghĩa như thế nào? - Theo mô hình này, GAP và GIP giải thích được bao nhiêu % sự biến động của GDP? - Qua ước lượng điểm các hệ số góc, GDP tăng trưởng theo biến nào nhiều hơn? - Tổng bình phương phần dư và sai số chuẩn của hồi quy bằng bao nhiêu? Giá trị ước lượng biến phụ thuộc (giá trị tương hợp) và phần dư [Equation] Actual, Fitted, Residual → Actual, Fitted, Residual Table: để xem giá trị ước lượng biến phụ thuộc và phần dư. [Equation] Actual, Fitted, Residual → Actual, Fitted, Residual Graph: để xem đồ thị các giá trị. 30
  31. 31. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 4.4 Phương sai, hiệp phương sai các ước lượng hệ số Để có thể ước lượng, kiểm định về hơn một hệ số hồi quy, cần có ước lượng phương sai, hiệp phương sai của các ước lượng hệ số. [Equation] Covariance Matrix C GAP GIP C 2.469931 -0.308582 0.135627 GAP -0.308582 0.039865 -0.018113 GIP 0.135627 -0.018113 0.008543 [?] - Phương sai của các ước lượng bằng bao nhiêu? - Hiệp phương sai ước lượng hai hệ số góc bằng bao nhiêu? - Hiệp phương sai các ước lượng hệ số được dùng trong trường hợp nào? - Sử dụng kết quả hiệp phương sai, và bảng kết quả hồi quy mô hình từ phần đầu, cho biết nếu GAP và GIP cùng tăng một đơn vị thì trung bình của GDP thay đổi như thế nào? - Kiểm định giả thuyết cho rằng: hệ số của biến GAP lớn gấp đôi hệ số của biến GIP. - Nếu GAP tăng một đơn vị, nhưng GIP giảm một đơn vị, thì GDP sẽ tăng lên hay giảm đi, tăng lên (giảm đi) tối đa bao nhiêu, tối thiểu bao nhiêu? 4.5 Kiểm định bỏ bớt biến Eviews thực hiện kiểm định bỏ bớt biến số dựa trên kiểm định thu hẹp hồi quy. Với mô hình ban đầu: E(GDP/GAPt, GIPt) = β1 + β2 GAPt + β3 GIPt (4.1) GDPt = β1 + β2 GAPt + β3 GIPt + ut Muốn kiểm định bỏ biến GIP: E(GDP/GAPt) = β1 + β2 GAPt (4.2) GDPt = β1 + β2 GAPt + ut 31
  32. 32. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD H0: β3 = 0 : có thể bỏ biến GIP H1: β3 ≠ 0 : không thể bỏ biến GIP Kiểm định F; 2 2 (4.2) (4.1) (4.1) (4.2) 2 (4.1) (4.1) (4.1) (4.1) ( )/ ( /( ) (1 )/( ) )/RSS RSS m R RSS m F RSS n k R n k − − = = − − − Tại cửa sổ kết quả ước lượng mô hình [Equation] [Equation] View → Coefficient Tests → Redundant Variables Cửa sổ khai báo bớt (thêm) biến → Gõ biến muốn bỏ: GIP <Ok> Kết quả hồi quy sau khi đã bỏ biến GIP. Redundant Variables: GIP F-statistic 53.28117 Probability 0.000004 Log likelihood ratio 26.68699 Probability 0.000000 Test Equation: Dependent Variable: GDP Method: Least Squares Date: …. Time: …. Sample: 1980 1996 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -13.10596 1.191955 -10.99535 0.0000 GAP 2.885761 0.080939 35.65346 0.0000 32
  33. 33. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD R-squared 0.988337 Mean dependent var 28.42353 Adjusted R-squared 0.987560 S.D. dependent var 9.350102 S.E. of regression 1.042863 Akaike info criterion 3.031948 Sum squared resid 16.31345 Schwarz criterion 3.129973 Log likelihood -23.77156 F-statistic 1271.169 Durbin-Watson stat 0.753159 Prob(F-statistic) 0.000000 [?] Với cặp giả thuyết H0: β3 = 0 ; H1: β3 ≠ 0, giá trị thống kê F dùng để kiểm định là F(1,14) = 53.2812 [.000] - Thống kê F tính cụ thể như thế nào? - Bậc tự do của kiểm định F bằng bao nhiêu? - Dựa vào thông tin kiểm định F, kiểm định giả thuyết H0: “nên bỏ biến GIP khỏi mô hình”, sử dụng thống kê F và mức xác suất P-value để kết luận. - Thực hiện kiểm định tương tự, có nên bỏ biến GAP khỏi mô hình hay không? 4.6 Kiểm định thêm biến Thêm hai biến EX và IM vào mô hình E(GDPt) = β1 + β2 GAPt + β3 GIPt (4.1) E(GDPt) = β1 + β2 GAPt + β3 GIPt + β4EXt + β5IMt (4.3) H0: β3 = β4 = 0 H1: β3 2 + β4 2 ≠ 0 Tại cửa sổ kết quả ước lượng mô hình [Equation] [Equation] View → Coefficient Tests → Omitted Variables Cửa sổ khai báo bớt (thêm) biến → Gõ biến muốn thêm: EX IM <Ok> Kết quả hồi quy sau khi thêm biến. 33
  34. 34. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Omitted Variables: EX IM F-statistic 10.78774 Probability 0.002084 Log likelihood ratio 17.49112 Probability 0.000159 Test Equation: Dependent Variable: GDP Method: Least Squares Date: 08/14/09 Time: 23:00 Sample: 1980 1996 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C 0.845611 1.687898 0.500985 0.6254 GAP 1.232316 0.219174 5.622535 0.0001 GIP 0.606301 0.130161 4.658088 0.0006 EX 1.181808 0.259626 4.551961 0.0007 IM -0.436874 0.175753 -2.485723 0.0287 R-squared 0.999133 Mean dependent var 28.42353 Adjusted R-squared 0.998844 S.D. dependent var 9.350102 S.E. of regression 0.317965 Akaike info criterion 0.786176 Sum squared resid 1.213219 Schwarz criterion 1.031239 Log likelihood -1.682500 F-statistic 3455.873 Durbin-Watson stat 1.720441 Prob(F-statistic) 0.000000 [?] - Nêu cách tính thống kê F = 10.78774, bậc tự do tương ứng với kiểm định F là bao nhiêu?. - Theo kiểm định F và mức P-value bằng 0.002, việc cho thêm hai biến EX và IM vào mô hình có ý nghĩa thống kê không? - Dùng kiểm định T để kiểm định xem có cần đưa biến EX, IM vào mô hình không? - Những kết luận trên có gì thay đổi nếu mức ý nghĩa bằng 1%? 4.7 Kiểm định về hai hệ số hồi quy Với mô hình (4.1), kiểm định H0: β2 = β3 H1: β2 ≠ β3 34
  35. 35. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [Equation] → View → Coefficient Tests → Wald Coefficient Restrictions Cửa sổ khai báo giả thuyết cần kiểm định về các hệ số: Quy ước đánh số các hệ số C(1), C(2),… theo thứ tự khai báo của phương trình hồi quy, do đó nếu khi khai báo biến là C GAP GIP thì hệ số chặn là C(1), hệ số βGAP là C(2), βGAP là C(3). Tại cửa sổ Wald Test: C(2) = C(3) <Ok> Kết quả kiểm định bằng kiểm định Wald, kiểm định F và χ2 . Wald Test: Equation: Untitled Null Hypothesis: C(2) = C(3) F-statistic 7.199893 Probability 0.017831 Chi-square 7.199893 Probability 0.007291 [?] - Sử dụng P-value, có thể cho rằng β2 = β3 hay không? - Tương tự, kiểm định giả thuyết βGAP = 2*βGIP 35
  36. 36. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 5 CÁC DẠNG MÔ HÌNH (Tiếp theo § 4) Tiếp tục với bộ số liệu BT1CH1, bộ số liệu theo thời gian, các biến số có xu thế tăng theo thời gian. 5.1 Biến xu thế thời gian Mô hình GDPt = β1 + β2 GAPt + β3 GIPt + β4 t + ut (5.1) Cửa sổ lệnh: GENR T = @TREND( ) ↵ Cửa sổ lệnh: LS GDP C GAP GIP T ↵ Dependent Variable: GDP Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -1.894304 4.039848 -0.468905 0.6469 GAP 1.397422 0.474727 2.943631 0.0114 GIP 0.683579 0.116234 5.881087 0.0001 T 0.025211 0.186117 0.135460 0.8943 R-squared 0.997577 F-statistic 1783.829 Sum squared resid 3.389751 Prob(F-statistic) 0.000000 Bằng kiểm định T tương ứng, có thể thấy biến xu thế thời gian là không có ý nghĩa trong mô hình. [?] - Nếu hồi quy trực tiếp GDP theo chỉ một biến xu thế thời gian T (thực hiện yêu cầu này như một bài tập), thì biến GDP thực sự phụ thuộc T, nhưng trong kết quả mô hình này thì biến T lại không có ý nghĩa. Có thể giải thích điều đó như thế nào? 36
  37. 37. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 5.2 Hồi quy với biến trễ Biến GDP có thể phụ thuộc vào chính nó thời kỳ trước đó. Mô hình (5.2):GDPt = β1 + β2 GAPt + β3 GIPt + β4GDPt – 1 + ut Hay: GDP = β1 + β2 GAP + β3 GIP + β4GDP(–1) + u Cửa sổ lệnh: LS GDP C GAP GIP GDP(-1) ↵ Dependent Variable: GDP Included observations: 16 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C -2.463898 1.350701 -1.824162 0.0931 GAP 0.795588 0.272947 2.914805 0.0130 GIP 0.317487 0.110062 2.884625 0.0137 GDP(-1) 0.556071 0.153006 3.634316 0.0034 R-squared 0.998853 F-statistic 3483.029 Durbin-Watson stat 0.940028 Prob(F-statistic) 0.000000 [?] - GDP có phụ thuộc vào trễ bậc 1 của nó không? - Giải thích ước lượng hệ số ứng với biến trễ - Hệ số xác định so với trước khi thêm biến thay đổi thế nào? - Tương tự, thêm biến trễ bậc 1 của GAP, GIP vào mô hình - Thêm biến trễ bậc 2 của GDP vào mô hình, kết quả thế nào? 5.3 Hồi quy mô hình dạng hàm mũ Mô hình dạng hàm mũ Cobb-Douglas Mô hình 31 2 tu t t tGDP e GAP GIP eββ β = (5.3) 31 2 ˆˆ ˆ t tGDP e GAP GIPt ββ β = Logarit hai vế 1 2 3ln ln lnt tGDP GAP GIP ut tβ β β= + + + 37
  38. 38. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Cửa sổ lệnh: LS LOG(GDP) C LOG(GAP) LOG(GIP) ↵ Dependent Variable: LOG(GDP) Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C 0.375308 0.231645 1.620189 0.1275 LOG(GAP) 0.805312 0.164321 4.900835 0.0002 LOG(GIP) 0.307511 0.079742 3.856333 0.0017 R-squared 0.996969 Mean dependent var 3.298273 Adjusted R-squared 0.996536 S.D. dependent var 0.320444 S.E. of regression 0.018859 Akaike info criterion -4.944817 Sum squared resid 0.004980 Schwarz criterion -4.797780 Log likelihood 45.03095 F-statistic 2302.593 Durbin-Watson stat 1.101466 Prob(F-statistic) 0.000000 Theo kết quả này 0.37531 0.80531 0.30751 GDP e GAP GIP= [?] - Giải thích ý nghĩa kết quả hồi quy - Các hệ số có ý nghĩa thống kê không? - Mô hình dạng hàm mũ giải thích bao nhiêu % sự biến động của biến GDP, có giải thích được nhiều hơn dạng hàm tuyến tính không? Hồi quy mô hình 3 51 2 4 tu t t t t tGDP e GAP GIP EX IM eβ ββ β β = [?] - Hai biến mới đưa vào mô hình dạng hàm mũ có cần thiết hay không? So sánh với mô hình dạng tuyến tính, mô hình theo dạng nào giải thích được cho biến phụ thuộc GDP nhiều hơn? 38
  39. 39. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 6 MÔ HÌNH VỚI BIẾN GIẢ Sử dụng tệp BT1CH1 trong thư mục SOLIEU Xét mối quan hệ nhập khẩu phụ thuộc vào GDP có dạng IM = [Hệ số chặn] + [Hệ số góc]GDP + u 6.1 Xác định yếu tố định tính Vẽ đồ thị điểm của IM theo GDP Cửa sổ chính [Eviews] Quick → Graph → Scatter → GDP IM 0 2 4 6 8 10 12 15 20 25 30 35 40 45 50 gross domestic products importofgoodsandservices Nhận xét thấy giai đoạn đầu 1980-1989 (ứng với 10 điểm bên trái) đồ thị ít dốc hơn giai đoạn sau 1990-1996, yếu tố giai đoạn là định tính, sử dụng biến giả Đặt D là biến giả D = 0 với quan sát 1980 – 1989 D = 1 với quan sát 1990 – 1996 Mô hình IM = β1 + β2GDP + β3 D + β4D.GDP + u (MH 6.1) Giai đoạn đầu: IM = β1 + β2GDP + u Giai đoạn sau: IM = (β1 + β3) + (β2 + β4)GDP + u Nếu β3= β4 = 0 : hàm hồi quy là đồng nhất trong hai giai đoạn 39
  40. 40. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 6.2 Đặt biến giả Trong chương trình Eviews, tên biến D không được chấp nhận, do đó sử dụng tên là D1 Lệnh: GENR D1 = 0 ↵ Tại cửa sổ [Workfile] xuất hiện biến D1, Nháy đúp vào D1, mở cửa sổ [Series] → Edit+/- Với các quan sát từ 1990 – 1996 đổi giá trị của D1 thành 1 Cách 2 để nhập giá trị cho biến giả: dùng khi số quan sát nhiều, việc nhập số liệu khó khăn: Tại cửa sổ [Workfile] chọn Sample → Cửa sổ [Sample], tại ô Sample range pairs đang có sẵn 1980 1996; đổi thành 1990 1996. Lệnh: D1 = 1 ↵ Cửa sổ [Workfile] → Sample → đổi lại mẫu thành 1980 1996. 6.3 Hồi quy mô hình có biến giả Lệnh: LS IM C D1 GDP D1*GDP ↵ Dependent Variable: IM Sample: 1980 1996 Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -1.084655 1.342126 -0.808162 0.4335 D1 -11.19851 2.071545 -5.405872 0.0001 GDP 0.137484 0.060219 2.283088 0.0399 D1*GDP 0.325480 0.073081 4.453671 0.0007 R-squared 0.944354 Mean dependent var 3.251176 Adjusted R-squared 0.931513 S.D. dependent var 2.596830 S.E. of regression 0.679590 Akaike info criterion 2.267670 Sum squared resid 6.003951 Schwarz criterion 2.463720 Log likelihood -15.27519 F-statistic 73.54055 Durbin-Watson stat 1.409782 Prob(F-statistic) 0.000000 40
  41. 41. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [?] - Hàm hồi quy trong hai giai đoạn? Giải thích ý nghĩa? - Các hệ số hồi quy có ý nghĩa thống kê không? - Hệ số chặn của mô hình có khác nhau trong hai giai đoạn không? - Khi GDP tăng một đơn vị, nhập khẩu giai đoạn nào tăng lên nhiều hơn, nhiều hơn bao nhiêu? - Hàm hồi quy có đồng nhất trong hai giai đoạn không? Kiểm định sự đồng nhất bằng kiểm định F [Equation] View → Coefficient Tests → Redundant Variables Biến cần bỏ: D1 D1*GDP <Ok> Kết quả sau khi bỏ hai biến giả. Redundant Variables: D1 D1*GDP F-statistic 17.24819 Probability 0.000220 Log likelihood ratio 22.02697 Probability 0.000016 Test Equation: Dependent Variable: IM Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -3.794962 0.964703 -3.933813 0.0013 GDP 0.247898 0.032334 7.666868 0.0000 R-squared 0.796695 F-statistic 58.78087 Sum squared resid 21.93584 Prob(F-statistic) 0.000001 [?] - Thống kê F của kiểm định thu hẹp hồi quy bằng bao nhiêu? - Có nên bỏ hai biến giả khỏi mô hình không? - Hàm hồi quy có đồng nhất trong hai giai đoạn không? 41
  42. 42. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 7 HIỆN TƯỢNG ĐA CỘNG TUYẾN Thực hành với bộ số liệu BT1CH1 7.1 Đa cộng tuyến hoàn hảo Xét mô hình 1 2 3 4t t t tGDP GAP GIP NX utβ β β β= + + + + t (7.1) Với NX là xuất khẩu ròng, t tNX EX IM= − Lệnh: GENR NX = EX – IM ↵ Lệnh: LS GDP C EX IM NX ↵ Cửa sổ Error Message với thông báo: Mô hình có hiện tượng đa cộng tuyến hoàn hảo nên các tính toán không thực hiện được. Bỏ bớt biến NX khỏi phương trình hồi quy Các kết quả tính toán bây giờ có thể thực hiện được 7.2 Đa cộng tuyến không hoàn hảo Xét mô hình 2 2 1 2 3 4 5t t t tGDP GAP GIP GAP GIP uβ β β β β= + + + + +t t (7.2) Lệnh: LS GDP C GAP GIP GAP^2 GIP^2 ↵ 42
  43. 43. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Dependent Variable: GDP Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C 0.295351 5.731684 0.051529 0.9598 GAP 1.134834 1.000746 1.133988 0.2789 GIP 0.344117 0.322092 1.068381 0.3064 GAP^2 0.028279 0.035942 0.786800 0.4467 GIP^2 0.002412 0.006913 0.348937 0.7332 R-squared 0.998026 F-statistic 1517.112 Durbin-Watson stat 1.447594 Prob(F-statistic) 0.000000 [?] - Sử dụng các kiểm định T, cho biết các biến độc lập có giải thích cho biến phụ thuộc hay không? Dựa trên các kiểm định này, hàm hồi quy có phù hợp hay không? - Hệ số xác định bằng bao nhiêu? - Bằng kiểm định F, cho biết hàm hồi quy có phù hợp không? - Mâu thuẫn giữa các kiểm định cho thấy điều gì? Xét về quan hệ toán học, biến GIP và GIP2 , biến GAP và GAP2 không có quan hệ cộng tuyến, nhưng do thời kì lấy mẫu chưa đủ nên hiện tượng đa cộng tuyến giữa các số liệu vẫn xảy ra. Trong trường hợp này, cần bỏ hai biến GAP2 , GIP2 khỏi mô hình, hiện tượng mâu thuẫn giữa các kiểm định sẽ không còn. Kiểm định bỏ bớt biến GAP2 , GIP2 cho kết quả sau, theo đó nên bỏ hai biến khỏi mô hình Redundant Variables: GAP^2 GIP^2 F-statistic 1.377907 Probability 0.289273 Log likelihood ratio 3.514419 Probability 0.172526 43
  44. 44. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 7.3 Hồi quy phụ kiểm định đa cộng tuyến Với ví dụ trên, sau khi bỏ hai biến GAP2 , GIP2 , được mô hình: 1 2 3t tGDP GAP GIP ut tβ β β= + + + (7.3) LS GDP C GAP GIP ↵ Dependent Variable: GDP Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C -2.395032 1.571602 -1.523944 0.1498 GAP 1.455290 0.199663 7.288738 0.0000 GIP 0.674673 0.092429 7.299395 0.0000 R-squared 0.997573 F-statistic 2877.499 Durbin-Watson stat 1.205284 Prob(F-statistic) 0.000000 Mô hình không có mâu thuẫn giữa các kiểm định T và kiểm định F. Để kiểm định chi tiết về đa cộng tuyến, sử dụng hồi quy phụ: Hồi quy GAP theo GIP 1 2tGAP GIP vt tα α= + + (7.4) Dependent Variable: GAP Included observations: 17 Variable Coefficient Std. Error t-Statistic Prob. C 7.740618 0.368769 20.99044 0.0000 GIP 0.454364 0.022878 19.86005 0.0000 R-squared 0.963363 Mean dependent var 14.39118 Durbin-Watson stat 0.623993 Prob(F-statistic) 0.000000 [?] - Biến GAP có phụ thuộc tuyến tính vào GIP không? Mô hình (7.3) có đa cộng tuyến không? - Đa cộng tuyến này có phải đa cộng tuyến hoàn hảo không? - Mức độ cộng tuyến giữa GAP và GIP trong mẫu này ở mức nào? - Tính độ đo Theil của mô hình (7.3)? 44
  45. 45. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 8 HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI Sử dụng bộ số liệu BT5EX trong thư mục SOLIEU Có các biến: M : cầu tiền danh nghĩa, Y: thu nhập thực tế, R: lãi suất, P là mức giá, C: hệ số chặn 8.1 Hiện tượng Xét mô hình 1 2 3 4i i i i iM Y P R uβ β β β= + + + + (MH 8.1) Hồi quy mô hình (9.1) Lệnh: LS M C Y P R ↵ Bảng kết quả hồi quy. Dependent Variable: M Sample: 1963 1987 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -52.33310 14.97030 -3.495794 0.0022 Y 0.288936 0.067958 4.251667 0.0004 P 40.70030 7.712388 5.277263 0.0000 R -2.480736 0.442728 -5.603290 0.0000 R-squared 0.957870 Mean dependent var 26.55516 S.E. of regression 5.024448 F-statistic 159.1525 Durbin-Watson stat 0.887349 Prob(F-statistic) 0.000000 Để nhận định về phương sai sai số, đánh giá qua đồ thị phần dư [Equation] View → Actual, Fitted, Residual → Residual Graph Qua đồ thị có thể thấy sự dao động không đồng đều của sai số quanh giá trị trung bình là 0. Hai đường đứt nét là giá trị ˆσ± (sai số chuẩn của hồi quy). 45
  46. 46. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD -10 -5 0 5 10 15 1965 1970 1975 1980 1985 M Residuals 8.2 Kiểm định White Kiểm định White do Eviews thực hiện dựa trên hồi quy bình phương phần dư (kí hiệu là RESID) theo bậc nhất và bậc hai của các biến độc lập. Có hai trường hợp: kiểm định không có tích chéo giữa các biến độc lập và kiểm định có tích chéo. Kiểm định không có tích chéo 2 2 2 1 2 3 4 5 6 7i i i i i i ie Y Y P P R Rα α α α α α α= + + + + + + +2 iv (8.2) H0: Mô hình gốc có phương sai sai số không đổi (đồng đều) H1: Mô hình gốc có phương sai sai số thay đổi (không đồng đều) 2 2 1 1 qs R n k F R k ∗ ∗ ∗ ∗− = ⋅ − − so sánh với ( 1,k n k Fα ∗ − − )∗ )so sánh với2 2 qs nRχ ∗= 2 ( 1kαχ ∗ − [Equation] View → Residual Test → White heteroskedasticity (no cross terms) 46
  47. 47. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD White Heteroskedasticity Test: F-statistic 4.012181 Probability 0.010027 Obs*R-squared 14.30433 Probability 0.026415 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: … Time: … Sample: 1963 1987 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C 840.8150 665.8814 1.262710 0.2228 Y -6.521801 5.591946 -1.166285 0.2587 Y^2 0.012623 0.008874 1.422498 0.1720 P -148.9686 219.8589 -0.677565 0.5067 P^2 62.13170 192.4990 0.322764 0.7506 R 3.522892 43.76667 0.080493 0.9367 R^2 -0.011481 1.786478 -0.006426 0.9949 R-squared 0.572173 Mean dependent var 21.20586 Adjusted R-squared 0.429564 S.D. dependent var 38.74929 S.E. of regression 29.26626 Akaike info criterion 9.822244 Sum squared resid 15417.25 Schwarz criterion 10.16353 Log likelihood -115.7780 F-statistic 4.012181 Durbin-Watson stat 1.799271 Prob(F-statistic) 0.010027 47
  48. 48. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [?] - Cho biết giá trị F-statistic = 4,012181 và Obs*R-squared = 14,30433 được tính cụ thể thế nào ? - Qua các thống kê và P-value tương ứng, thực hiện kiểm định để kết luận về phương sai sai số của mô hình gốc? - Các ước lượng hệ số của mô hình (8.1) có phải là ước lượng tốt nhất không? - Nếu ước lượng trên chưa phải tốt nhất, hãy nêu cách để ước lượng được kết quả tốt hơn. Kiểm định White có tích chéo [Equation] View → Residual Test → White heteroskedasticity (cross terms) [?] - Viết phương trình hồi quy phụ ? - Thực hiện kiểm định đối với kết quả này. 8.3 Lưu phần dư và giá trị ước lượng Có thể thực hiện hồi quy phụ phần dư theo các biến độc lập theo kiểm định Glejer, kiểm định Park, kiểm định dựa trên biến phụ thuộc. Để thực hiện chủ động các hồi quy phụ, cần lưu lại các giá trị cần thiết dưới dạng các biến số mới. Lưu phần dư và giá trị ước lượng Với bảng kết quả hồi quy mô hình (8.1), cửa sổ Equation: [Equation] View → Estimation Output [Equation] Procs → Make Residual Series… Cửa sổ Make Residuals, tên ngầm định cho phần dư là resid01, đổi thành E <Ok>, đóng cửa số Series E. 48
  49. 49. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [Equation] → Forecast → Cửa sổ Forecast, trong ô Forecast name là tên của giá trị ước lượng biến phụ thuộc ˆM , được ngầm định là MF, sử dụng tên này. Sau khi đặt chuỗi giá trị phần dư và giá trị ước lượng, trong cửa sổ [Workfile] xuất hiện hai biến mới là E và MF. 49
  50. 50. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 8.4 Kiểm định bằng hồi quy phụ Phương sai sai số được thay thế bởi ei 2 thay đổi theo các giả thiết khác nhau. Các kiểm định Glejer, Park thực hiện kiểm định cho từng biến độc lập Kiểm định phương sai sai số thay đổi với biến P Kiểm định Glejer Hồi quy phụ: 1 2| |i ie P ivα α= + + Lệnh: LS ABS(E) C P ↵ Kết luận có PSSS thay đổi [?] Hồi quy phụ: 1 2| |i ie α α iP v= + + Lệnh: LS ABS(E) C P^0.5 ↵ Kết luận có PSSS thay đổi [?] Kiểm định Park Giả thiết: 22 2 ( )i i iVar u Pα σ σ= = → 1 2ln lni ie P ivα α= + + Lệnh: LS LOG(E) C LOG(P) ↵ Kết luận có PSSS không đổi [?] Dạng thu gọn của kiểm định White Hồi quy phụ: 2 2 1 2i ie Pα α iv= + + Lệnh: LS E^2 C P^2 ↵ Kết luận có PSSS thay đổi [?] Tương tự, kiểm định giả thuyết phương sai sai số thay đổi theo các biến độc lập Y, R. Qua các hồi quy phụ, có thể thấy phương sai sai số thay đổi theo P, theo Y, nhưng không thay đổi theo R. 50
  51. 51. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Kiểm định phương sai sai số thay đổi với biến phụ thuộc Giả thiết: ( ) 22 2 ( ) ( )i i iVar u E Mσ σ= = Hồi quy phụ: 2 2 1 2 ˆ i ie Mα α iv= + + Lệnh: LS E^2 C MF^2 ↵ Kết luận có phương sai sai số thay đổi theo biến phụ thuộc. 8.5 Khắc phục phương sai sai số thay đổi Mô hình (8.1) 1 2 3 4i i i i iM Y P R uβ β β β= + + + + có phương sai sai số thay đổi, qua các hồi quy phụ, nhận thấy sự thay đổi theo biến P, Y, hoặc 2ˆM , khắc phục dựa trên các giả thiết này. Khắc phục theo biến P Từ hồi quy phụ 2 1 2i ie Pα α 2 iv= + + trong phần trên, có thể cho rằng giả thiết là đúng, khắc phục bằng cách chia (8.1) cho P2 2 i Pσ σ= 2 i i: 1 2 3 4 1i i i i i i i i i M Y R P P P P β β β β= + + + + u P (8.3) LS M/P 1/P Y/P C R/P ↵ Dependent Variable: M/P Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. 1/P -13.38787 6.008009 -2.228337 0.0369 Y/P 0.082868 0.032222 2.571759 0.0178 C 54.34015 4.307226 12.61604 0.0000 R/P -1.055670 0.303220 -3.481534 0.0022 R-squared 0.391639 Mean dependent var 52.40034 Durbin-Watson stat 0.576960 Prob(F-statistic) 0.013650 Để xem mô hình mới (8.3) đã khắc phục được hiện tượng phương sai sai số thay đổi hay chưa, sử dụng kiểm định White 51
  52. 52. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Kiểm định White không có tích chéo và có tích chéo White Heteroskedasticity Test: no cross terms F-statistic 2.385495 Probability 0.071356 Obs*R-squared 11.07370 Probability 0.086125 White Heteroskedasticity Test: cross term F-statistic 2.371617 Probability 0.067065 Obs*R-squared 14.68208 Probability 0.100047 [?] - Mô hình (8.3) có phương sai sai số đồng đều hay thay đổi? - Nếu mức ý nghĩa là 10% thì kết luận thế nào? - Với mô hình này, ước lượng điểm mức thay đổi của M khi Y tăng 1 đơn vị? So sánh với kết quả từ mô hình (8.1) - Ước lượng điểm mức thay đổi của M khi P thay đổi 1 đơn vị? - Giải thích ý nghĩa kinh tế của mô hình mới? Khắc phục theo biến Y Chia phương trình (8.1) cho biến Y 1 2 3 4 1i i i i i i i i i M P R Y Y Y Y β β β β= + + + + u Y (8.4) LS M/Y 1/Y C P/Y R/Y ↵ Khắc phục theo biến phụ thuộc M Chia phương trình (8.1) cho biến ˆM 1 2 3 4 1 ˆ ˆ ˆ ˆ ˆ i i i i i i i i ˆ i i i M Y P R β β β β u M M M M M = + + + + M (8.5) Lưu ý phương trình này không có hệ số chặn LS M/MF 1/MF Y/MF P/MF R/MF ↵ [?] - So sánh kết quả (8.5) với (8.3), (8.4) để đánh giá về hiện tượng phương sai sai số thay đổi, hệ số xác định, và ước lượng các hệ số? 52
  53. 53. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 9 HIỆN TƯỢNG TỰ TƯƠNG QUAN Sử dụng bộ số liệu BT7NCY trong thư mục SOLIEU. Có các biến: CS : tiêu dùng khu vực dân cư, Y: thu nhập thực tế, C: hằng số, số liệu của Nigeria 9.1 Hiện tượng Hồi quy mô hình CSt = β1 + β2 Yt + ut (9.1) LS CS C Y ↵ <Start> Bảng kết quả hồi quy. Dependent Variable: CS Sample: 1960 1986 Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob. C 155.2239 203.4712 0.762879 0.4527 Y 0.597069 0.060594 9.853648 0.0000 R-squared 0.795240 Mean dependent var 2037.449 Adjusted R-squared 0.787050 S.D. dependent var 789.2231 S.E. of regression 364.1989 Akaike info criterion 14.70446 Sum squared resid 3316021. Schwarz criterion 14.80045 Log likelihood -196.5103 F-statistic 97.09438 Durbin-Watson stat 0.462830 Prob(F-statistic) 0.000000 Theo kết quả hồi quy này, giá trị d của kiểm định Durbin-Watson bằng 0.46238; với giá trị dL = 1.302 và dU = 1.461 thì d < dL → mô hình có hiện tượng tự tương quan bậc 1 dương. [?] - Mô hình có tự tương quan bậc 1 dương, có thể ước lượng hệ số tự tương quan bậc 1 bằng bao nhiêu? - Hãy nêu 1 cách để khắc phục hiện tượng tự tương quan bậc 1 dựa trên thống kê DW? 53
  54. 54. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 9.2 Kiểm định Breusch-Godfrey Kiểm định tự tương quan bậc 1 của mô hình (9.1) bằng kiểm định Breusch-Godfrey, hồi quy phụ là: (9.2)( )1 2 1 1t t te Y eα α ρ −= + + + tv tv (9.3)( )1 2t te Yα α= + + H0: ρ1 = 0: Mô hình không có tự tương quan bậc 1 H1: ρ1 ≠ 0: Mô hình có tự tương quan bậc 1 2 2 (9.2) (9.3) (9.2) (9.2) 2 (9.2)1 1 qs R R n k F R − − = ⋅ − và 2 2 (9.2) (9.2)qs n Rχ = Mô hình (9.2) có trễ bậc 1, số quan sát bớt đi 1. Tuy nhiên chương trình Eviews tự động thay giá trị thiếu đó bằng 0, do đó số quan sát vẫn được giữ nguyên. [Equation] View → Residual Tests → Residual Correlation LM Test… Cửa sổ [Lag specification] để xác định bậc của tự tương quan cần kiểm định. Bậc ngầm định là 2, cần kiểm định tự tương quan bậc 1 [Lag specification] Lags to include: 1 <Ok> 54
  55. 55. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Bảng kết quả kiểm định hiện tượng tự tương quan bậc 1 của mô hình (9.1) bằng kiểm định BG. Breusch-Godfrey Serial Correlation LM Test: F-statistic 34.31433 Probability 0.000005 Obs*R-squared 15.88781 Probability 0.000067 Test Equation: Dependent Variable: RESID Method: Least Squares Date: … Time: … Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C -60.84700 133.6292 -0.455342 0.6530 Y 0.021511 0.039844 0.539890 0.5942 RESID(-1) 0.777523 0.132732 5.857844 0.0000 R-squared 0.588437 Mean dependent var -2.97E-13 Adjusted R-squared 0.554140 S.D. dependent var 357.1264 S.E. of regression 238.4630 Akaike info criterion 13.89074 Sum squared resid 1364750. Schwarz criterion 14.03473 Log likelihood -184.5250 F-statistic 17.15717 Durbin-Watson stat 1.846319 Prob(F-statistic) 0.000024 Lưu ý: những thông tin trong phần cuối của bảng kết quả là tương ứng với mô hình hồi quy phụ (9.2). [?] - Hãy cho biết thống kê F-statistic và Obs*R-squared được tính cụ thể như thế nào, bậc tự do tương ứng là bao nhiêu? - Kiểm định và kết luận về hiện tượng tự tương quan bậc 1? - Có thể lấy ước lượng hệ số tự tương quan bậc 1 bằng bao nhiêu thông qua kiểm định này? Tương tự, thực hiện kiểm định tự tương quan đến bậc 2. [?] - Với kiểm định tự tương quan bậc 2, hồi quy phụ thế nào? - Thực hiện kiểm định cụ thể, có tự tương quan bậc 1, bậc 2 hay không? 55
  56. 56. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 9.3 Kiểm định bằng hồi quy phụ Kiểm định tự tương quan dựa trên việc xem xét phần dư et có phụ thuộc vào các trễ của nó không. Kiểm định tự tương quan bậc 1 Không có hệ số chặn 1 1t te e tvα −= + (9.4) Có hệ số chặn 0 1 1t te e tvα α −= + + (9.5) Cần lưu lại phần dư [Equation] View → Estimation Output [Equation] Procs → Make Residual Series… [Make Residuals] → Name of resid series: E Hồi quy không có hệ số chặn Lệnh: LS E E(-1) ↵ Kết quả hồi quy mô hình (9.4) Dependent Variable: E Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. E(-1) 0.770406 0.129372 5.954944 0.0000 R-squared 0.586418 Mean dependent var -5.380974 Adjusted R-squared 0.586418 S.D. dependent var 363.0810 S.E. of regression 233.4985 Akaike info criterion 13.78193 Sum squared resid 1363039. Schwarz criterion 13.83032 Log likelihood -178.1651 Durbin-Watson stat 1.801323 [?] - Phần dư có phụ thuộc trễ của nó không? - Có thể lấy hệ số tự tương quan bậc 1 bằng bao nhiêu? - Tại sao bảng kết quả không có thông tin F-statistic và P-value của kiểm định F? 56
  57. 57. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Hồi quy có hệ số chặn LS E C E(-1) ↵ [?] - Kết quả có giống với hồi quy không có hệ số chặn không? - Qua kiểm định T và F, kết luận gì về hiện tượng tự tương quan bậc 1 của mô hình gốc. 9.4 Khắc phục tự tương quan Sử dụng phương trình sai phân tổng quát Qua thống kê DW và hồi quy phụ (9.4), (9.5), ước lượng hệ số tương quan bậc nhất ˆ 0,77ρ ≅ , thay vào phương trình sai phân tổng quát (9.6) như sau: CSt – 0,77CSt – 1 = β1(1 – 0.77) + β2 (Yt – 0.77Yt – 1) + (ut – 0.77ut –1) Về cửa sổ lệnh LS (CS – 0.77*CS(-1)) C (Y – 0.77*Y(-1)) ↵ Kết quả hồi quy Dependent Variable: CS-0.77*CS(-1) Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 143.8042 123.0936 1.168251 0.2542 Y-0.77*Y(-1) 0.465693 0.141126 3.299833 0.0030 R-squared 0.312102 Mean dependent var 520.6781 Adjusted R-squared 0.283440 S.D. dependent var 276.5709 S.E. of regression 234.1170 Akaike info criterion 13.82332 Sum squared resid 1315458. Schwarz criterion 13.92010 Log likelihood -177.7032 F-statistic 10.88890 Durbin-Watson stat 1.720759 Prob(F-statistic) 0.003013 57
  58. 58. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Theo bảng kết quả này, mô hình sau khi đổi biến số (9.6) có ước lượng hệ số chặn là 143.8042, do đó ước lượng hệ số chặn của mô hình (9.1) sẽ là , ước lượng hệ số góc của mô hình gốc . 1 ˆ 143.8042/(1 0.77) 625.236β = − = 2 ˆ 0.46569β = [?] - Dùng kiểm định Durbin-Watson chứng tỏ mô hình (9.6) không còn tự tương quan. - Tại sao ước lượng hệ số chặn β1 của mô hình (9.1) lại phải lấy ước lượng hệ số chặn của mô hình (9.6) chia cho (1 – 0.77)? - Khi đó sai số chuẩn 1 ˆ( )Se β sẽ bằng bao nhiêu? Dùng kiểm định Breusch-Godfrey kiểm định mô hình (9.6), được: Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.429307 Probability 0.518829 Obs*R-squared 0.476411 Probability 0.490052 [?] - Kết quả này cho biết mô hình (9.6) có tự tương quan bậc 1 hay không? Sử dụng phương pháp Cochran-Orcutt Đổi câu lệnh hồi quy bằng cách thêm ký hiệu của tự tương quan bậc tương ứng vào sau phương trình hồi quy LS CS C Y AR(1) ↵ Dependent Variable: CS Method: Least Squares Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Convergence achieved after 39 iterations Variable Coefficient Std. Error t-Statistic Prob. C 1290.375 864.3354 1.492910 0.1491 Y 0.320087 0.180066 1.777612 0.0887 AR(1) 0.895753 0.097838 9.155465 0.0000 R-squared 0.917399 Mean dependent var 2068.732 Adjusted R-squared 0.910216 S.D. dependent var 787.5967 58
  59. 59. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD S.E. of regression 235.9953 Akaike info criterion 13.87367 Sum squared resid 1280957. Schwarz criterion 14.01883 Log likelihood -177.3577 F-statistic 127.7230 Durbin-Watson stat 1.884378 Prob(F-statistic) 0.000000 Inverted AR Roots .90 Bảng kết quả cho thấy phương pháp hồi quy dừng lại sau 39 bước lặp. Ước lượng cho hệ số tự tương quan bậc 1 được tính ở bước cuối bằng 0.895735. Kiểm định BG cho kết quả sau: Breusch-Godfrey Serial Correlation LM Test: AR(1) F-statistic 0.074213 Probability 0.787839 Obs*R-squared 0.087411 Probability 0.767495 [?] - Bằng kiểm định DW và kiểm định BG cho biết mục đích khắc phục tự tương quan đã đạt được chưa? - Ước lượng hệ số chặn và hệ số góc bằng bao nhiêu, có khác so với dùng OLS trực tiếp không? - Hệ số xác định có thay đổi không? - Viết phương trình sai phân tổng quát ứng với bước cuối cùng của mô hình. Khi đó ước lượng hệ số chặn của phương trình sai phân tổng quát đó bằng bao nhiêu? 59
  60. 60. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD § 10 ĐỊNH DẠNG MÔ HÌNH Bài thực hành số 10 trình bày kiểm định về dạng hàm trong một mô hình hồi quy bằng kiểm định Ramsey’RESET và kiểm định nhân tử Lagrange. Bài thực hành này cũng tổng hợp một số phương pháp khắc phục khuyết tật ở những bài trước nhằm tìm được những ước lượng tốt nhất trên một bộ số liệu. Để hiểu được nội dung của bài thực hành, cần nắm được các kĩ thuật kiểm định, mục đích, ý nghĩa và kết luận của nó. Phần khắc phục khuyết tật tổng hợp yêu cầu nắm vững các khái niệm, kĩ thuật trong tất cả các bài thực hành trước. Sử dụng bộ số liệu BT7NCY trong thư mục SOLIEU 10.1 Kiểm định Ramsey RESET Hồi quy mô hình 1 2t tCS Y utβ β= + + (10.1) LS CS C Y ↵ Bảng kết quả hồi quy. Dependent Variable: CS Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob. C 155.2239 203.4712 0.762879 0.4527 Y 0.597069 0.060594 9.853648 0.0000 R-squared 0.795240 F-statistic 97.09438 Durbin-Watson stat 0.462830 Prob(F-statistic) 0.000000 Kiểm định Ramsey RESET sử dụng hồi quy phụ, khi thêm một phần tử vào mô hình gốc: ( ) 2 1 2 1t t tCS Y CS uβ β α= + + + t (10.2) 60
  61. 61. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD H0: α1 = 0: Mô hình gốc không thiếu biến, dạng hàm đúng H1: α1 ≠ 0: Mô hình gốc thiếu biến, dạng hàm sai 2 2 (10.2) (10.1) (10.2) 2 (10.2)1 1 qs R R n k F R − − = ⋅ − so sánh với ( )(10.2)1,n k Fα − [Equation] View → Stability Test → Ramsey RESET Test… [RESET Specification] Number of fitted terms: 1 Số phần tử muốn thêm vào, nhập là 1 Ramsey RESET Test: F-statistic 0.348918 Probability 0.560248 Log likelihood ratio 0.389707 Probability 0.532453 Test Equation: Dependent Variable: CS Method: Least Squares Sample: 1960 1986 Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob. C -268.6193 746.5686 -0.359805 0.7221 Y 0.954119 0.607571 1.570384 0.1294 FITTED^2 -0.000152 0.000257 -0.590693 0.5602 R-squared 0.798175 Mean dependent var 2037.449 Adjusted R-squared 0.781356 S.D. dependent var 789.2231 S.E. of regression 369.0360 Akaike info criterion 14.76410 Sum squared resid 3268502. Schwarz criterion 14.90809 Log likelihood -196.3154 F-statistic 47.45732 Durbin-Watson stat 0.428978 Prob(F-statistic) 0.000000 61
  62. 62. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD [?] - Hãy nêu chi tiết cách tính giá trị F-statistic = 0,34918 trong bảng, và cho biết bậc tự do tương ứng bằng bao nhiêu? - Theo kiểm định này, mô hình gốc có thiếu biến không? Khi muốn kiểm định bằng cách thêm 2 nhân tử vào mô hình gốc, phương trình hồi quy phụ: (10.3)( ) 2 3 1 2 1 2t tt CS Y CS CS uβ β α α= + + + +t t t tv Giả thuyết H0: H0: α1 = α2 = 0 [?] - Thực hiện kiểm định khi thêm 2 phần tử, và kết luận về dạng hàm của mô hình gốc? 10.2 Kiểm định nhân tử Lagrange (kiểm định χ2 ) Hồi quy phụ Tổng quát ( ) 2 1 1 2 1 ... m t t mt e Y CS CSβ β α α + = + + + + + (10.4) H0: Mô hình gốc có dạng hàm đúng H1: Mô hình gốc có dạng hàm sai 2 2 (10.4)qs nRχ = , so sánh với 2 ( )mαχ Trường hợp đơn giản Đơn giản ( ) 2 1 2 1t tt e Y CSβ β α tv= + + + (10.5) Lưu lại phần dư là E và giá trị ước lượng là CSF [Equation] View → Estimation Output [Equation] Procs → Make Residual Series… [Make Residuals] → Name of resid series: E [Equation] Forecast → Forecast name: CSF 62
  63. 63. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Hồi quy phụ Lệnh: LS E C Y CSF^2 ↵ Dependent Variable: E Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob. C -423.8432 746.5686 -0.567722 0.5755 Y 0.357051 0.607571 0.587669 0.5622 CSF^2 -0.000152 0.000257 -0.590693 0.5602 R-squared 0.014330 Mean dependent var -2.97E-13 Adjusted R-squared -0.067809 S.D. dependent var 357.1264 S.E. of regression 369.0360 Akaike info criterion 14.76410 Sum squared resid 3268502. Schwarz criterion 14.90809 Log likelihood -196.3154 F-statistic 0.174459 Durbin-Watson stat 0.428978 Prob(F-statistic) 0.840967 [?] - Tính 2 qsχ để thực hiện kiểm định, bậc tự do tương ứng là bao nhiêu? - Theo kiểm định này, mô hình gốc có dạng hàm đúng hay không? - Thực hiện kiểm định với hồi quy phụ sau và cho kết luận ( ) 2 3 1 2 1 2t tt e Y CS CSβ β α α t tv= + + + + (10.6) 10.3 Khắc phục khuyết tật tổng hợp Quay lại với mô hình hồi quy 1 2t tCS Y utβ β= + + (10.1) [?] Giải thích ý nghĩa của mô hình - Hồi quy mô hình, cho biết mô hình có những khuyết tật nào? - Nêu các cách khắc phục các khuyết tật của mô hình? 63
  64. 64. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Dependent Variable: CS Sample: 1960 1986 Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob. C 155.2239 203.4712 0.762879 0.4527 Y 0.597069 0.060594 9.853648 0.0000 R-squared 0.795240 Mean dependent var 2037.449 Durbin-Watson stat 0.462830 Prob(F-statistic) 0.000000 White Heteroskedasticity Test: F-statistic 6.256641 Probability 0.006503 Obs*R-squared 9.253033 Probability 0.009789 Breusch-Godfrey Serial Correlation LM Test: AR(1) F-statistic 34.31433 Probability 0.000005 Obs*R-squared 15.88781 Probability 0.000067 Ramsey RESET Test: number of fitted terms: 1 F-statistic 0.348918 Probability 0.560248 Log likelihood ratio 0.389707 Probability 0.532453 Mô hình có các khuyết tật: Phương sai sai số thay đổi, tự tương quan bậc 1. Thực hiện khắc phục các khuyết tật đó. Khắc phục tự tương quan bằng cách thêm biến trễ Thêm trễ bậc 1 của biến phụ thuộc vào mô hình, mô hình mới không dùng được kiểm định DW: 1 2 2 1t t tCS Y CS utβ β β −= + + + (10.7) LS CS C Y CS(-1) ↵ Dependent Variable: CS Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 3.962031 122.4302 0.032362 0.9745 Y 0.207495 0.064345 3.224707 0.0038 CS(-1) 0.695319 0.094013 7.396025 0.0000 64
  65. 65. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD R-squared 0.937124 Mean dependent var 2068.732 Durbin-Watson stat 1.919159 Prob(F-statistic) 0.000000 White Heteroskedasticity Test: F-statistic 3.188330 Probability 0.034049 Obs*R-squared 9.823814 Probability 0.043502 Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.045571 Probability 0.832923 Obs*R-squared 0.053745 Probability 0.816670 Ramsey RESET Test: F-statistic 1.766355 Probability 0.197454 Log likelihood ratio 2.007940 Probability 0.156478 Mô hình vẫn còn phương sai sai số thay đổi, cần khắc phục Trường hợp 1 Khắc phục phương sai sai số thay đổi bằng cách chia cho ước lượng biến phụ thuộc 1 1 2 3 1t t t t t t t CS Y CS u β β β CS CS CS CS CS − = + + + t t (10.8) Lưu lại giá trị ước lượng [Equation] Forecast → Forecast name: CSM LS CS/CSM 1/CSM Y/CSM CS(-1)/CSM ↵ Dependent Variable: CS/CSM Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. 1/CSM 23.65519 79.66907 0.296918 0.7692 Y/CSM 0.254084 0.059616 4.262025 0.0003 CS(-1)/CSM 0.609406 0.098079 6.213392 0.0000 R-squared 0.325043 Mean dependent var 1.001633 Adjusted R-squared 0.266351 S.D. dependent var 0.101801 S.E. of regression 0.087196 Akaike info criterion -1.933155 Sum squared resid 0.174871 Schwarz criterion -1.787990 Log likelihood 28.13101 Durbin-Watson stat 1.687418 65
  66. 66. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD White Heteroskedasticity Test: F-statistic 1.886912 Probability 0.135595 Obs*R-squared 9.707915 Probability 0.137504 Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.716728 Probability 0.406335 Obs*R-squared 0.820183 Probability 0.365127 Ramsey RESET Test: F-statistic 0.026481 Probability 0.872215 Log likelihood ratio 0.031277 Probability 0.859623 Mô hình không có hệ số chặn, Eviews không tính thống kê F của kiểm định về sự phù hợp, hệ số xác định có thể không mang ý nghĩa đúng. Trường hợp 2 Khắc phục phương sai sai số thay đổi bằng cách chia cho CS(-1) 1 2 3 1 1 1 1t t t t t CS Y u β β β CS CS CS CS− − − = + + + 1 t t− (10.9) LS CS/CS(-1) 1/CS(-1) Y/CS(-1) C ↵ Dependent Variable: CS/CS(-1) Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. 1/CS(-1) 40.67407 82.29139 0.494269 0.6258 Y/CS(-1) 0.266193 0.060099 4.429221 0.0002 C 0.580444 0.106325 5.459150 0.0000 R-squared 0.470931 Mean dependent var 1.038130 Sum squared resid 0.194990 F-statistic 10.23630 Durbin-Watson stat 1.728394 Prob(F-statistic) 0.000661 White Heteroskedasticity Test: F-statistic 1.701609 Probability 0.187270 Obs*R-squared 6.364257 Probability 0.173547 Breusch-Godfrey Serial Correlation LM Test: AR(1) F-statistic 0.553661 Probability 0.464700 Obs*R-squared 0.638264 Probability 0.424340 Ramsey RESET Test: F-statistic 2.380814 Probability 0.137097 Log likelihood ratio 2.671606 Probability 0.102153 66
  67. 67. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD Trường hợp 3 Khắc phục phương sai sai số thay đổi bằng cách chia cho Y 1 1 2 3 1t t t t CS CS u β β β Y Y Y − = + + +t t t Y (10.10) LS CS/Y 1/Y C CS(-1)/Y ↵ Dependent Variable: CS/Y Sample(adjusted): 1961 1986 Included observations: 26 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. 1/Y -2.478002 74.42575 -0.033295 0.9737 C 0.253066 0.060676 4.170761 0.0004 CS(-1)/Y 0.626413 0.095424 6.564513 0.0000 R-squared 0.666755 Mean dependent var 0.649882 Sum squared resid 0.072154 F-statistic 23.00917 Durbin-Watson stat 1.636999 Prob(F-statistic) 0.000003 White Heteroskedasticity Test: F-statistic 1.463834 Probability 0.248651 Obs*R-squared 5.668846 Probability 0.225282 Breusch-Godfrey Serial Correlation LM Test: AR(1) F-statistic 0.965274 Probability 0.336544 Obs*R-squared 1.092829 Probability 0.295845 Ramsey RESET Test: F-statistic 0.509304 Probability 0.482943 Log likelihood ratio 0.595043 Probability 0.440476 [?] - Kiểm định các khuyết tật của mô hình (10.8), (10.9), (10.10) - So sánh đánh giá các mô hình đó, xác định mô hình tốt nhất? - Với mô hình tốt nhất, phân tích tác động của thu nhập Y, chi tiêu kỳ trước CS(-1) đến chi tiêu cùng kỳ CS? 67
  68. 68. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 68
  69. 69. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD HƯỚNG DẪN TẢI CHƯƠNG TRÌNH EVIEWS4 VÀ SỐ LIỆU Một số sinh viên có thắc mắc về việc tải xuống (download) chương trình Eviews, do đó phần này hướng dẫn chi tiết công đoạn này. 1. Tải chương trình và số liệu từ trang mạng Tại trang mạng khoa Toán kinh tế: www.mfe.edu.vn chọn mục Thư viện, rồi mục Dữ liệu – phần mềm. Trong trang này có phần Chương trình cho thực hành, có liên kết EVIEWS4, nhấn chuột trái vào liên kết để tải về, hoặc nhấn chuột phải và chọn Save link as… để tải về. File tải về là file nén dạng zip: Eviews4_2010.zip. 69
  70. 70. HƯỚNG DẪN THỰC HÀNH EVIEWS 4 - BÙI DƯƠNG HẢI - KHOA TOÁN KINH TẾ - ĐHKTQD 2. Giải nén thư mục chương trình và số liệu Hai file tải về là file nén, chưa thể sử dụng ngay. Với hệ điều hành WindowsXP trở đi, có thể mở file nén để xem nội dung trực tiếp, nhưng chưa phải là giải nén, do đó chưa thể chạy chương trình được. Tại thư mục chứa hai file nén, nhấn chuột phải vào 1 file nén, và chọn giải nén (Extract files hoặc Extract Here) Giải nén cả hai file, được thư mục Eviews4_2010 và trong đó có thư mục SOLIEU cùng 3 thư mục dữ liệu là DATA, DATA2, DATA3, và các file chương trình. 70

×