Bài giảng Kinh tế lượng 1: Bài 6 - ThS. Nguyễn Hải Dương

"Bài giảng Kinh tế lượng 1 - Bài 6: Đánh giá các khuyết tật" với các kiến thức tiêu chí đánh giá; kiểm định dạng hàm sai – kỳ vọng sai số khác 0; kiểm định phương sai sai số thay đổi; kiểm định tính phân phối chuẩn của sai số ngẫu nhiên.
Nội dung trích xuất từ tài liệu:
Bài giảng Kinh tế lượng 1: Bài 6 - ThS. Nguyễn Hải Dương BÀI 6 ĐÁNH GIÁ CÁC KHUYẾT TẬT ThS. Nguyễn Hải Dương và ThS. Vũ Thị Bích Ngọc Trường Đại học Kinh tế Quốc dânv1.0015108225 1 TÌNH HUỐNG KHỞI ĐỘNG Tham khảo tình huống trong Bài giảng dạng text. 1. Mô hình 1 có bị thiếu biến số quan trọng hay không? (với bộ số liệu đang sử dụng) 2. Nếu có thêm số liệu về biến số người của hộ (SN) thì có nên đưa biến này vào mô hình 1 hay không? 3. Sai số ngẫu nhiên trong mô hình 1 có phương sai đồng đều hay không? 4. Sai số ngẫu nhiên của mô hình 1 có phân phối chuẩn hay không? Nếu không, điều này có ảnh hưởng đến các phân tích hồi quy hay không? 5. Có thể dùng các kết quả ước lượng từ mô hình 1 có đáng tin cậy để thực hiện phân tích hồi quy hay không?v1.0015108225 2 MỤC TIÊU Sau khi học xong bài này, sinh viên cần đảm bảo được các yêu cầu sau: • Nắm được các tiêu chí cơ bản đánh giá một mô hình thích hợp cho phân tích thực nghiệm. • Hiểu rõ bản chất của các khuyết tật có thể gặp phải khi sử dụng một mô hình để phân tích. • Nắm được hậu quả và cách phát hiện một số khuyết tật cơ bản của mô hình hồi quy. • Nắm được một số phương pháp khắc phục đơn giản cho các khuyết tật của mô hình.v1.0015108225 3 NỘI DUNG Tiêu chí đánh giá Kiểm định dạng hàm sai – kỳ vọng sai số khác 0 Kiểm định phương sai sai số thay đổi Kiểm định tính phân phối chuẩn của sai số ngẫu nhiênv1.0015108225 4 1. TIÊU CHÍ ĐÁNH GIÁ 1.1. Tiêu chí lựa chọn mô hình 1.2. Một số kiểu định dạng hàm sai trong nghiên cứu thực nghiệmv1.0015108225 5 1.1. TIÊU CHÍ LỰA CHỌN MÔ HÌNH (1) Độ chính xác của số liệu chấp nhận được (2) Độ vững của lý thuyết (3) Mô hình có dạng hàm được định dạng đúng (4) Tính bao quát D.F.Hendry và J.F.Richard (1983)v1.0015108225 6 1.2. MỘT SỐ KIỂU ĐỊNH DẠNG HÀM SAI TRONG NGHIÊN CỨU THỰC NGHIỆM (+) Mô hình bỏ sót biến giải thích quan trọng: Ví dụ Mô hình (1): CT  1   2TN  u1 Mô hình (2): CT   1   2TN   3 SN  u 2 Nếu dạng hàm của mô hình (2) là đúng thì: u1   3 SN  u 2 Như vậy: E (u1 TN , SN )  E[(  3 SN  u 2 ) TN , SN ]  E (  3 SN TN , SN )  E (u 2 TN , SN )  0 Mô hình (1) vi phạm giả thiết 2.v1.0015108225 7 1.2. MỘT SỐ KIỂU ĐỊNH DẠNG HÀM SAI TRONG NGHIÊN CỨU THỰC NGHIỆM (+) Mô hình chứa các biến không cần thiết: Ví dụ Mô hình: TN   1   2 KN   3TUOI  u Với các biến: TN – thu nhập của người lao động. KN – số năm kinh nghiệm làm việc trong công việc hiện tại. TUOI – tuổi đời của người lao động. Trong mô hình dễ thấy khi tuổi đời tăng lên thì số năm kinh nghiệm của người lao động cũng tăng lên  điều này dẫn tới có thông tin trùng lặp trong mô hình, người nghiên cứu có thể bỏ bớt 1 trong 2 biến giải thích của mô hình.v1.0015108225 8 1.2. MỘT SỐ KIỂU ĐỊNH DẠNG HÀM SAI TRONG NGHIÊN CỨU THỰC NGHIỆM (+) Xác định dạng hàm sai Ví dụ Mô hình (1): Q  1   2 P  u1  u Mô hình (2): Q   1P 2 e 2 Giả sử dạng hàm đúng là mô hình (2), như vậy ta cũng gặp tình huống tương tự như trường hợp mô hình bị bỏ sót biến giải thích quan trọng và dẫn tới các ước lượng bị chệch.v1.0015108225 9 1.2. MỘT SỐ KIỂU ĐỊNH DẠNG HÀM SAI TRONG NGHIÊN CỨU THỰC NGHIỆM (+) Sai số trong đo lường các biến số Nghiên cứu sự phụ thuộc của Lượng cầu hàng hóa vào giá bán hàng hóa. Trên thực tế ta cần sử dụng biến đại diện cho biến lượng cầu hàng hóa là “lượng bán của hàng hóa”. Thông thường trong trường hợp này biến đại diện là tốt. Ví dụ Mô hình: Y  1   2 X  u Tuy nhiên, biến Y và biến X trong mô hình trên p ...