Bài giảng Kinh tế lượng: Bài 5 - Lê Minh Tiến

Bài giảng "Kinh tế lượng - Bài 5: Kiểm định và lựa chọn mô hình" cung cấp cho người học các kiến thức: Các giả định của hồi quy tuyến tính cổ điển, các thuộc tính của một mô hình tốt, cách tiếp cận để lựa chọn mô hình,... Mời các bạn cùng tham khảo nội dung chi tiết.
Nội dung trích xuất từ tài liệu:
Bài giảng Kinh tế lượng: Bài 5 - Lê Minh Tiến22/8/2015Các giả định của hồi quy tuyến tính cổ điển Chính vì thế, các giả định về biến giải thích Xt vàsố hạng nhiễu ut có ý nghĩa rất quan trọng choviệc giải thích các giá trị ước lượng của hồi quy.Ta đã biết, các hạng nhiễu ut (không thể quansát được) là các hạng nhiễu ngẫu nhiên. Dohạng nhiễu ut cộng với một số hạng phi ngẫunhiên Xt để tạo ra Yt, vậy Yt sẽ là một biến ngẫunhiên.Kiểm định và chọn mô hìnhLê Minh Tiến1Các giả định của hồi quy tuyến tính cổ điểnBài giảng Kinh tế lượng © Tien M. LeCác giả định của hồi quy tuyến tính cổ điển Theo Gujarati (2003), nếu mục tiêu của ta chỉ làước lượng các hệ số βj thì chỉ cần phương phápOLS là đủ. Nhưng, như ta đã biết, các mục tiêucủa phân tích hồi quy không chỉ dừng lại ở việccó được các giá trị ước lượng βj^ mà còn phảisuy diễn (dự báo khoảng) về các giá trị thực βjthực sự có nghĩa thống kê hay không. Chính vìvậy, chúng ta cần biết cụ thể về bản chất củahàm hồi quy tổng thể.(1)(2)(3)(4)(5)(6)(7)(8)(9)Bài giảng Kinh tế lượng © Tien M. Le42Giả dịnhMô hình tuyến tínhMô hình được xác địnhđúngXt có thể biến thiênGiá trị kỳ vọng của hạngnhiễu bằng khôngXt và ut không tươngquanKhông có đa cộng tuyếnPhương sai không đổiKhông có tương quanchuỗiHạng nhiễu phân phốichuẩnBài giảng Kinh tế lượng © Tien M. LeCác giả định của hồi quy tuyến tính cổ điểnBài giảng Kinh tế lượng © Tien M. LeBài giảng Kinh tế lượng © Tien M. LeKhông thỏa mãn doYt = β1+β2Xt + utSai dạng mô hìnhVar(Xt) ≠ 0Sai dạng mô hìnhSai dạng mô hìnhE(ut) = 0Cov(Xt,ut) = 0Σ(δiXit + δjXjt-) ≠ 0, i ≠ jVar(ut) = σ2Cov(ut,us) = 0, t ≠ sut ~ N(μ,σ2)Tự hồi quyĐa cộng tuyếnPhương sai thay đổiTự tương quanOutliers5Các kiểm định Cụ thể, chúng ta không chỉ xác định dạng hàmcủa mô hình hồi quy, mà còn đưa ra các giả địnhvề cách mà Yt được tạo ra như thế nào. PRMcho thấy Yt phụ thuộc vào cả Xt và ut. Cho nên,nếu ta không biết Xt và ut được tạo ra như thếnào, thì ta sẽ không có cách nào suy diễn đượcYt cũng như các hệ số βj.Biểu diễn dạng toán3Nhiễu phân phối chuẩn (GT 9)Sai dạng mô hình (các GT 1, 2, 3, 4)Kì vọng nhiễu khác 0 (GT 5)Không có đa cộng tuyến (GT 6), phương saikhông đổi (GT 7), không có tương quan chuỗi(GT 8): các giả thiết này được xét riêng6122/8/2015Các thuộc tính của một mô hình tốtCác thuộc tính của một mô hình tốt Trong thực tế, có thể ta không bao giờ biết đượcmô hình thực (đúng) là như thế nào, mà chỉ hyvọng tìm được mô hình có thể biểu diễn thực tếmột cách gần đúng có thể chấp nhận được. Việc đánh giá một mô hình có đúng đắn, phùhợp với bản chất của vấn đề nghiên cứu haykhông cần dựa theo tiêu chuẩn nào đó. Tính bền vững về mặt lý thuyết (theoreticalconsistency): mô hình phải phù hợp với cơ sở lý thuyết nền tảng. một mô hình có giá trị R2 cao nhưng dấu của hệ sốhồi quy sai thì cũng không được đánh giá là mô hìnhtốt. Có khả năng dự báo tốt (predictive power): Một mô hình tốt là mô hình có khả năng cho kết quảdự báo càng sát với thực tế càng tốt.Bài giảng Kinh tế lượng © Tien M. Le7Bài giảng Kinh tế lượng © Tien M. LeCác thuộc tính của một mô hình tốtCách tiếp cận để lựa chọn mô hìnhCác tiêu chuẩn để đánh giá một mô hình tốt theoquan điểm của A.C. Harvey được vận dụng khárộng rãi bao gồm: Tính tiết kiệm (parsimony):10Sơ đồ chung gồm các bước sau: Bước 1: xác định số biến độc lập Bước 2: kiểm tra các giả định Bước 3: chọn dạng hàm Bước 4: chọn mô hình theo các tiêu chuẩn mô hình càng đơn giản càng tốt. Điều này không có nghĩa là mô hình ít biến là tốt, môhình đơn giản nhưng phải chứa các biến chủ yếu ảnhhưởng đến biến phụ thuộc để giải thích bản chất củavấn đề đang nghiên cứu.Bài giảng Kinh tế lượng © Tien M. Le8Bài giảng Kinh tế lượng © Tien M. LeCác thuộc tính của một mô hình tốtCách tiếp cận để lựa chọn mô hình Tính đồng nhất (identifiability):11 Bước 1: xác định số biến độc lập có trong môhình với một tập dữ liệu đã cho, các tham số ước lượngđược phải duy nhất. Tính thích hợp (goodness of fit): Các biến độc lập càng giải thích được nhiều sự thayđổi của biến phụ thuộc càng tốt, tức là R2 (hoặc R2adj)càng cao càng tốt. Tuy nhiên, không nên chỉ căn cứvào R2 (hoặc R2adj) để xem mô hình có phù hợpkhông.Bài giảng Kinh tế lượng © Tien M. Le9 Có 2 hướng tiếp cận để xác định biến: Từ đơn giản đến tổng quát (Simple to General): bổ sung biếnđộc lập từ từ vào mô hình. Quá trình bổ sung biến độc lậpvào mô hình thực chất là việc xem xét có bỏ sót biến quantrọng hay không. Từ tổng quát đến đơn giản: xét mô hình hồi quy có đầy đủcác biến độc lập đã được xác định. Sau đó thực hiện kiểmđịnh loại những biến không quan trọng ra khỏi mô hình.Bài giảng Kinh tế lượng © Tien M. Le12222/8/2015Cách tiếp cận để lựa chọn mô hìnhCách tiếp cận để lựa chọn mô hình! Giá trị của hàm hợ ...