Bài giảng Kinh tế lượng: Phần 2 - Cao Tấn Bình

Bài giảng Kinh tế lượng: Phần 2 cung cấp cho người học những kiến thức như: Phân tích đặc trưng và lựa chọn mô hình; mô hình vi phạm các giả thiết. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Bài giảng Kinh tế lượng: Phần 2 - Cao Tấn BìnhChương 6 PHÂN TÍCH ĐẶC TRƯNG VÀ LỰA CHỌN MÔ HÌNH6.1 Các thuộc tính của mô hình tốtTính đơn giản (Parsimony): Mô hình càng đơn giản càng tốt nhưng phải chứa các biếnchủ yếu liên quan với biến phụ thuộc nhằm giải thích bản chất của vấn đề cần nghiêncứu.Tính phù hợp (Goodness of fit): Hệ số xác định càng cao càng tốt. Tuy nhiên không nênchỉ căn cứ vào hệ số này để kết luận mô hình có phù hợp hay không, bởi vì trong nhiềutrường hợp hệ số xác định rất lớn nhưng mô hình không phù hợp do thiếu biến quan trọnghoặc xảy ra các khuyết tật (đa cộng tuyến, tự tương quan,…).Tính nhất quán về mặt lý thuyết (Theoretical consistency): Mô hình phải phù hợp với cơsở lý thuyết khoa học.Tính đồng nhất (Identifiability): Với một tập dữ liệu cho trước, các tham số ước lượngphải duy nhất.Có khả năng dự báo tốt (Predictive power): Một mô hình được đánh giá là tốt nếu chokết quả dự báo sát với thực tế.6.2 Phương pháp chọn lựa mô hìnhCác bước để chọn lựa được mô hình tốt và phù hợp:Bước 1: Xác định số biến độc lập trong mô hình  Từ đơn giản đến tổng quát: Bổ sung dần dần biến độc lập vào mô hình nhằm tránh việc bỏ sót biến quan trọng (có thể sử dụng kiểm định Wald).  Từ tổng quát đến đơn giản: Thiết lập mô hình hồi quy với các biến độc lập đã được xác định. Tiếp theo tiến hành lọc những biến không quan trọng ra khỏi mô hình (có thể sử dụng kiểm định t hoặc giá trị xác suất p-value).Bước 2: Kiểm tra xem mô hình có khuyết tật hay không (có vi phạm ít nhất các giả thiếtđảm bảo thực hiện được phương pháp OLS hay không) và tìm cách khắc phục chúng.Bước 3: Chọn dạng hàm hồi quy (dựa vào cơ sở lý thuyết kinh tế).Bước 4: Các tiêu chuẩn thông dụng để chọn mô hình tốt.  Hệ số xác định R 2 .  Giá trị hàm hợp lý log-likelihood L: 72 n n 1 n L   ln  2  ln(2 )   U i2 2 2 2 i 1 L càng lớn mô hình càng phù hợp.  Tiêu chuẩn AIC (Akaike info criterion): RSS 2 k / n AIC  .e n Giá trị AIC càng bé mô hình càng phù hợp.  Tiêu chuẩn SIC (Schwarz Information Criterion): RSS k / n SIC  .n n Giá trị SIC càng bé mô hình càng phù hợp.Ngoài việc căn cứ vào các tiêu chuẩn để xem xét việc chọn lựa một mô hình tốt, tính chấttốt của một mô hình đôi khi phụ thuộc nhiều vào quan điểm của nhà kinh tế lượng.6.3 Hậu quả khi chọn mô hình không phù hợp  Ước lượng chệch các hệ số hồi quy, sai dấu các hệ số hồi quy.  Có rất ít hệ số hồi quy có ý nghĩa thống kê.  R 2 thấp.  Phần dư của các quan sát có giá trị tuyệt đối lớn.  Các ước lượng bị chệch, phương sai của các ước lượng không phải là tốt nhất.  Phương pháp kiểm định thông thường không còn hiệu lực.6.4 Cách phát hiện các sai số đặc trưng của mô hìnhKiểm định biến bị bỏ sót: Giả sử cần thực hiện mô hình hồi quy tuyến tính dạng Y  1   2 X 2  U (6.4.1)Một câu hỏi tự nhiên được đặt ra là: Ngoài biến độc lập X, còn có biến nào khác cũnggiải thích cho Y. Khi đó ta nghĩ đến việc kiểm tra xem liệu biến X 3 nào đó bị bỏ sóttrong mô hình sau đây hay không: Y  1   2 X 2   3 X 3  V (6.4.2)Trường hợp 1: Có số liệu về biến X 3  Cách 1: Hồi quy mô hình (6.4.2), kiểm định cặp giả thuyết H 0 :  3  0 , H1 :  3  0 , 2 và so sánh giá trị R của hai mô hình. 73  Cách 2: Sử dụng kiểm định Wald để đưa dần dần các biến độc lập vào mô hình.Trường hợp 2: Không có số liệu về biến X 3  Sử dụng kiểm định RESET (Regression Specification Error Test) của RAMSEY: Bước 1: Hồi quy mô hình (6.4.1) (old), được Y . Bước 2: Hồi quy mô hình (new) Y   1   2 X 2   3 Y   4 Y   5 Y  V 2 3 4 Bước 3: Kiểm định giả thuyết H0 :  3   4   5  0 Nếu F   R  R  / m  F (m, n  k ) thì bác bỏ H 2 new 2 old ...