KHA BI DNG V D BO S DNG
KHÓA BỒI DƯỠNG VỀ DỰ BÁO SỬ DỤNG EVIEWS HÀ NỘI – THÁNG 4 - 2011 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 1
CHƯƠNG TRÌNH o o o TỔNG QUAN VỀ DỰ BÁO – HỒI QUY TRONG EVIEWS MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN ĐƠN BIẾN MÔ HÌNH DỰ BÁO CHUỖI THỜI GIAN ĐA BIẾN – MÔ HÌNH VAR - VECM NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 2
PHẦN 1: TỔNG QUAN VỀ DỰ BÁOHỒI QUY TRÊN EVIEWS NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 3
TỔNG QUAN VỀ DỰ BÁO o Dự báo trong kinh tế: o Một số kỹ thuật trong dự báo: n Mô hình hồi quy n Mô hình kinh tế lượng vĩ mô n Mô hình CGE n Mô hình dự báo chuỗi thời gian đơn biến n Mô hình dự báo chuỗi thời gian đa biến NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 4
TỔNG QUAN VỀ DỰ BÁO o Nguyên lý dự báo: n o Xét đoán hành vi trong quá khứ => dự báo cho tương lai n => yêu cầu về cấu trúc n => yêu cầu về số liệu Yếu tố ngẫu nhiên o o Sai số trong dự báo Yêu cầu dự báo: ngắn hạn, trung hạn, dài hạn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 5
PHẦN I: MÔ HÌNH CHUỖI THỜI GIAN ĐƠN BIẾN o I. SAN CHUỖI o II. MÔ HÌNH ARIMA NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 6
CHUỖI THỜI GIAN o o Tần suất xuất hiện thấp (Low frequency): n GDP n Lạm phát, m, Tần số xuất hiện cao (high frequency): n n n giá cổ phiếu giá dầu, vàng, đô la Mỹ trên thị trường quốc tế. v NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 7
CHUỖI THỜI GIAN NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 8
CHUỖI THỜI GIAN o Các thành phần của chuỗi xt n Xu thế T n Chu kỳ C n Mùa vụ S n Bất quy tắc I n o 3 thành phần đầu được giả định là không thay đổi theo thời gian Ý tưởng của san chuỗi: n Từ số liệu quá khứ => ước tính các thành phần n xây dựng chuỗi mới x*t NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 9
I. SAN CHUỖI o Trung bình trượt (MA) o Hiệu chỉnh mùa vụ sử dụng MA o San mũ giản đơn o San mũ Holt- Winter NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 10
1. SAN CHUỖI TRUNG BÌNH TRƯỢT(MA) o Công thức: o Ý tưởng: Tách thành phần I o Sử dụng tốt với T và I o Lệnh trong eviews: n genr xnew=@movav(x(+k), 2 k+1) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 11
MA 3 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 12
MA 12 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 13
2. HIỆU CHỈNH MÙA VỤ (SA) SỬ DỤNG MA o Tại sao SA: n Tách được tác động của mùa vụ n => nắm được bản chất của chuỗi số (peak, trough, turning point, . . ) n o => có thể so sánh các tháng (quý) liên tiếp nhau SA: số liệu quý, tháng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 14
3. SAN MŨ GIẢN ĐƠN o Ý tưởng: vai trò giảm dần theo thời gian o Không T, S o Công thức: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 15
4. SAN MŨ HOLT-WINTERS o Từ số liệu quá khứ, xác định ra: n thành phần xu thế n thành phần mùa vụ n => dự báo: thành lập chuỗi mới sử dụng 2 thành phần này NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 16
4. HOLT-WINTERS VỚI XU THẾ o x*n = αxn+(1 - α)Tn-1 n Tn= β(x*n-1)+(1 - β)Tn-1 n Giá trị ban đầu: T 2 = x 2 -x 1; x*2=x 2 n Dự báo: o x*n+1 = x*n + Tn o x*n+h = x*n + h. Tn (số liệu: gtsx, gdp) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 17
4. HOLT-WINTERS VỚI T VA S o Y*t = α(Yt/Ft-s) +(1 - α)(Y*t-1+Tt-1) Tt = β(Y*t – Y*t-1) +(1 - β)Tt-1 Ft = λ Yt/Y*t-1 + (1 - λ )Ft-s Trong đó: F: chỉ số thời vụ, s: số thời kỳ trong 1 năm Dự báo: dự báo cho thời kỳ (n+h) với thời kỳ hiện tại: n n Y*(n+h) = (Y*n +h Tn)Fn+h-s với h =1, 2, . . s n Y*(n+h) = (Y*n +h Tn)Fn+h-2 s với h= s+1; . . ; 2 s n v. v NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 18
THỰC HÀNH TRÊN EVIEWS THỰC HÀNH VỚI SỐ LIỆU gtsx NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 19
II. MÔ HÌNH ARMA PHƯƠNG PHÁP BOX- JENKINS NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 20
MỘT SỐ KHÁI NIỆM o Nhiễu trắng (white noise): n E(εt) = 0 với mọi t n Var(εt) = σ2 với mọi t n cov(εt, εt-s) = 0 với mọi t ≠ s n => sốc ngẫu nhiên n ý nghĩa: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 21
MỘT SỐ KHÁI NIỆM o o Chuỗi dừng xt n E(xt) = µ với mọi t n Var(xt) = σ2 với mọi t n cov(xt, xt-s) = γs với mọi t, s Chỉ quan tâm đến chuỗi dừng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 22
CHUỖI TỰ HỒI QUY AR(1) o Xét chuỗi có dạng: n xt = a 0 +a 1 xt-1+ εt n Trong đó εt là nhiễu trắng n o Ý nghĩa: giá trị hôm nay bằng tổng có trọng số của giá trị trong quá khứ và sốc ngẫu nhiên Nếu biết chuỗi là dừng, có dạng AR(1) => có thể ước lượng được ai => dự báo được cho xt NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 23
CHUỖI TỰ HỒI QUY AR(1) o Ví dụ 1: xt = 1. 5 xt-1 + εt=> xt = εt+1. 5 εt-1+…+1. 5 k εt-k+… o Ví dụ 2: xt = 1 xt-1 + εt=> n xt = εt+ εt-1+…+ εt-k+… o Ví dụ 3: xt = 0. 5 xt-1 + εt o => Với AR(1): n |a 1|<1: chuỗi dừng n |a 1|≥ 1: chuỗi không dừng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 24
CHUỖI TỰ HỒI QUY AR(p) o o Chuỗi có dạng n xt = a 0 +a 1 xt-1+. . +apxt-p + εt n εt : nhiễu trắng AR(p) Ý nghĩa: giá trị hôm nay bằng tổng có trọng số giá trị trong quá khứ và sốc ngẫu nhiên Các hệ số của chuỗi AR(p) cần thỏa mãn các điều kiện để chuỗi là dừng. Nếu biết chuỗi là dừng AR(p), biết p, => có thể ước lượng => dự báo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 25
CHUỖI TRUNG BÌNH TRƯỢT MA(q) o o o Chuỗi có dạng: n xt = εt+a 1εt-1 : MA(1) n xt = εt+a 1εt-1+. . +aqεt-q MA(q) n với εt: nhiễu trắng Ý nghĩa: là tổng có trọng số của các tác động của các sốc ngẫu nhiên trong quá khứ Q: Chuỗi MA có dừng không? NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 26
CHUỖI TRUNG BÌNH TRƯỢT MA(q) o o MA(q) được gọi là khả nghịch nếu nó có thể biểu diễn được dưới dạng AR Ví dụ: n ut = εt+0. 5εt-1 n ut = εt+0. 5(ut-1 – 0. 5 εt-2) n ut = εt+ 0. 5 ut-1 – 0. 52 ut-2+ …. n là chuỗi khả nghịch NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 27
MÔ HÌNH ARMA(p, q) o xt = a 0+ a 1 xt-1+. . +apxt-p + ut o ut = b 1 ε o Trong đó x là chuỗi dừng o t-1+…+ bq εt-q+ εt => nếu biết được p và q => có thể ước lượng các hệ số và dự báo cho xt o => Làm thế nào để xác định p, q? o => Dựa vào ACF và PACF NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 28
MÔ HÌNH ARMA(p, q) o Chuỗi có dạng: n o xt = a 0 +a 1 xt-1+. . +apxt-p + εt+b 1εt-1+. . +bqεt-q Tính dừng và khả nghịch: n Dừng khi AR(p) dừng n Khả nghịch khi MA(q) khả nghịch NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 29
o DƯỚI MỘT SỐ ĐIỀU KIỆN CƠ BẢN MỘT CHUỖI DỪNG CÓ THỂ BIỂU DIỄN ĐƯỢC DƯỚI DẠNG ARMA(P, Q) DỪNG, KHẢ NGHỊCH VỚI P VÀ Q BÉ NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 30
HÀM TỰ TƯƠNG QUAN ACF o Hàm có dạng: ρs = γs/γ 0 o o Trong đó: n γs= cov(xt, xt-s); n γ 0= var(xt); Ý nghĩa: Thể hiện mối tương quan giữa xt và xt- NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 31
ACF cho MA(q) o MA(1): yt = b 1εt-1 + εt; cov(ytyt) = E((b 1εt-1 + εt))=(1+b 12) σ2 cov (ytyt-1) = E((b 1εt-1 + εt)(b 1εt-2 + εt-1))=b 1 σ2 cov (ytyt-2) = E((b 1εt-1 + εt)(b 1εt-3 + εt-2))=0 => ρ0 = 1; ρ1 = b 1/(1+b 12); ρs = 0 với s>1 o MA(2): yt = b 1εt-1 + b 2εt-2 + εt => ρs =0 với s>2 o MA(q): ρs =0 với s>q NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 32
HÀM TỰ TƯƠNG QUAN RIÊNG PACF o Ký hiệu: Φkk là hệ số tương quan giữa xt và xt-k sau khi đã tách mối tương quan giữa xt-1, . . , xtk+1 và xt NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 33
PACF CHO AR(p) o o o PACF của AR(1): n Φ 11= ρ1 n Φ 22=. . = Φkk =. . =0 PACF của AR(2): n Φ 11= ρ1; Φ 22 = (ρ2 – ρ21)/(1 - ρ21) n Φ 33=. . = Φkk =. . =0 PACF của AR(p): n Φ(p+1)=. . = Φkk =. . =0 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 34
ACF CHO AR(1) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 35
ACF CHO MA(1) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 36
ACF cho MA(q), PACF cho AR(p) o MA(1): n o ρs = 0 với s>1 MA(2): n o o ρs =0 với s>2 o MA(q): n AR(1): n Φ 1= ρ1 n Φ 2=. . = Φk =. . =0 AR(2): n ρs =0 với s>q o Φ 3=. . = Φk =. . =0 AR(p): n NGUYEN THI MINH - KTQD KHOA TOAN KINH TE Φp+1=. . = Φk =. . =0 - 37
PHƯƠNG PHÁP BOX-JENKINS (n>=50) o B 1: Định dạng mô hình n Kiểm định tính dừng của chuỗi, n Nếu chuỗi là không dừng=> biến đổi về chuỗi dừng n Xác định p và q o B 2: Ước lượng mô hình o B 3: Thẩm định mô hình o B 4: Dự báo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 38
B 1: Định dạng mô hình: n n n Kiểm định tính dừng của chuỗi Nếu không dừng => biến đổi về chuỗi dừng Xác định p và q NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 39
KIỂM ĐỊNH TÍNH DỪNG CỦA CHUỖI o Xét mô hình: n xt = ρxt-1+ εt n nếu |ρ|<1 => chuỗi là dừng => n o việc kiểm định tính dừng chuyển về bài toán kiểm định Kiểm định tính dừng: n Kiểm định Dickey-Fuller n H 0: ρ =1; H 1: ρ<1 n thực hiện: Δxt = (ρ-1)xt-1+ εt n => kiểm định hệ số (ρ-1)<0? NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 40
KIỂM TRA TÍNH DỪNG CỦA CHUỖI o o o Các lựa chọn khác: n xt =a 0+ ρxt-1+ εt n xt = a 0+ ρxt-1+ bt+ εt Kiểm định ADF: n Δxt = (ρ-1)xt-1+b 1Δxt-1+. . + bpΔxt-p + εt n và lựa chọn tương ứng Q: khi thực hiện thì sử dụng lựa chọn nào? NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 41
B 1: ĐỊNH DẠNG MÔ HÌNH n n n Kiểm định tính dừng của chuỗi Nếu không dừng => biến đổi về chuỗi dừng Xác định p và q NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 42
BIẾN ĐỔI THÀNH CHUỖI DỪNG o o o 3 nguồn chính làm dạng không dừng: n xu thế tất định n xu thế ngẫu nhiên n yếu tố mùa vụ Dừng xu thế (tất định): xt = a 0 + a 1 t + ut n ước lượng mô hình trên OLS n Lấy phần dư => được chuỗi dừng Dừng sai phân: (xu thế ngẫu nhiên) thường lấy sai phân sẽ được chuỗi dừng. Chuỗi I(d) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 43
BIẾN ĐỔI THÀNH CHUỖI DỪNG o o Yếu tố mùa vụ=>Thực hiện khử yếu tố mùa vụ n x*t = xt – xt-4 ( hay x*t = (1 -L 4)xt ) n x*t = xt – xt-12 ( hay x*t = (1 -L 12)xt ) Vừa mùa vụ vừa ngẫu nhiên: n x*t = (1 -L)(1 -L 4)xt chẳng hạn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 44
B 1: ĐỊNH DẠNG MÔ HÌNH n n n Kiểm định tính dừng của chuỗi Nếu không dừng => biến đổi về chuỗi dừng Xác định p và q NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 45
XÁC ĐỊNH P VÀ Q o Dựa vào lược đồ ADF và PADF n AR(1): PACF: bằng 0 từ bước 2, ACF: giảm n AR(2): PACF bằng 0 từ bước 3 bước, ACF: giảm n MA(1): ACF=0 từ k=2, PACF giảm n MA(2): ACF=0 từ k=3, PACF giảm n ARMA(p, q): ? n Có thể có một số mô hình ứng viên khác nhau NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 46
B 2. ƯỚC LƯỢNG MÔ HÌNH o AR(p): o ARMA(p, q): o ARMAX(p, q) với biến ngoại sinh NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 47
3. THẨM ĐỊNH MÔ HÌNH o Kiểm tra tính khả nghịch, tính dừng của chuỗi o o Kiểm định phần dư: phần dư phải là nhiễu trắng Các tiêu chuẩn lựa chọn: => AIC, BIC, hàm loglikelihood o Kiểm tra khả năng dự báo của mô hình NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 48
KIỂM ĐỊNH PHẦN DƯ o Xem xét lược đồ tương quan o Kiểm định Q (Ljung-Box): H 0: không có ttq đến bậc K Trong đó: rk: hệ số tương quan mẫu bậc k o Kiểm định LM NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 49
B 3. THẨM ĐỊNH MÔ HÌNH o Kiểm tra tính khả nghịch, tính dừng của chuỗi o o Kiểm định phần dư: phần dư phải là nhiễu trắng Các tiêu chuẩn lựa chọn: => AIC, BIC, hàm loglikelihood o Kiểm tra khả năng dự báo của mô hình NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 50
CÁC TIÊU CHUẨN LỰA CHỌN o Tiêu chuẩn AIC o BIC o Log likelihood NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 51
B 3. THẨM ĐỊNH MÔ HÌNH o Kiểm tra tính khả nghịch, tính dừng của chuỗi o o Kiểm định phần dư: phần dư phải là nhiễu trắng Các tiêu chuẩn lựa chọn: => AIC, BIC, hàm loglikelihood o Kiểm tra khả năng dự báo của mô hình NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 52
DỰ BÁO TRONG MẪU o Chọn một phần của mẫu o Sử dụng để dự báo o Đánh giá sai số o Thực hiện trên eviews NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 53
ĐÁNH GIÁ SAI SỐ o o Xu thế nhiều khi không rõ => cần lựa chọn một số kỹ thuật khác nhau để dự báo Tiêu chuẩn lựa chọn: Sai số tuyệt đối (MAD): Sai số tuyệt đối phần trăm Sai số trung bình phương (MSE) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 54
4. DỰ BÁO THỰC HÀNH VỚI CHUỖI SỐ LIỆU GIÁ (ARIMA) SAI SỐ DỰ BÁO NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 55
C U HỎI THẢO LUẬN o Khi nào nên sử dụng mô hình chuỗi thời gian đơn biến NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 56
PHỤ LỤC – ACF CHO AR o AR(1): yt = b 1 yt-1 + εt; o o => cov(yj, εj+1) =. . = cov(yj, εj+m)=0 cov(ytyt-1)= E((b 1 yt-1+ εt)yt-1 )=b 1σy 2, => γ 1 = b 1 cov(yt, yt-k) = b 1 k σy 2 => γk = b 1 k NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 57
PHỤ LỤC: SAI SỐ DỰ BÁO o o o AR(1): n yt+1 = ayt + εt+1 => yf = ayt n yt+2 = a 2 yt + ayt+1 + εt+2 => yf = a 2 yt, . . Dự báo: n yft+1 = ayt n yft+k = akyt Sai số: n n var|t(yt+1) = vart(ayt + εt+1) = σ2 var|t(yt+k) = (1+a 2+. . +a 2(k-1)) σ2 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 58
PHẦN II: MÔ HÌNH CHUỖI THỜI GIAN ĐA BIẾN NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 59
I. MÔ HÌNH VAR (TỰ HỒI QUY DẠNG VEC TƠ) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 60
MÔ HÌNH VAR – VÍ DỤ o Mô hình về lạm phát với nền kinh tế đóng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 61
MÔ HÌNH VAR o Mô hình với hai biến, 1 bước trễ o Nhận xét: n Vế phải của phương trình chỉ chứa biến trễ n Có tính đối xứng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 62
MÔ HÌNH VAR o Dạng ma trận: o Tổng quát NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 63
ƯỚC LƯỢNG VAR NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 64
CÁC BƯỚC LƯỢNG VAR o o o B 1: kiểm định tính dừng của các biến, thực hiện biến đổi đến khi được chuỗi dừng B 2: Tìm bước trễ thích hợp: tiêu chuẩn LR, tiêu chuẩn AIC, SBC B 3: Kiểm định và lựa chọn mô hình Tính ổn định của mô hình (phụ lục A) o Phần dư có phải là nhiễu trắng? Giản lược mô hình: o Kiểm định Granger o n o o Chọn lựa mô hình B 4: Phân tích và sử dụng kết quả (dự báo, hàm phản ứng, phân rã phương sai) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 65
B 2: CHỌN ĐỘ DÀI TRỄ o Ước lượng mô hình: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 66
B 2: CHỌN ĐỘ DÀI TRỄ o View/Lag Structure/Lag length criteria NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 67
B 3: KIỂM ĐỊNH VÀ GIẢN LƯỢC MÔ HÌNH o Mô hình có ổn định không : n View/Lag Structure/AR root table n Tất cả nghiệm đều nằm trong vòng tròn đơn vị? o Nhiễu có trắng không? NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 68
B 3: KIỂM ĐỊNH VÀ GIẢN LƯỢC MÔ HÌNH o Có nên bỏ bớt một số biến/ trễ không? o Lựa chọn mô hình: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 69
DỰ BÁO o Dự báo trong mẫu o Dự báo ngoài mẫu NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 70
DỰ BÁO NGOÀI MẪU n B 1: Mở rộng kích thước mẫu cho thời gian dự báo n n B 2: Chuyển sang môi trường mô hình B 3: Ước lượng mô hình và Dự báo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 71
B 1: MỞ RỘNG KÍCH THƯỚC MẪU o o Giả sử mẫu: 1990 -2008, muốn dự báo cho 2009 -2010 Sửa kích thước mẫu như mong muốn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 72
B 2: CHUYỂN SANG MÔI TRƯỜNG MÔ HÌNH o Thực hiện: sau khi ước lượng VAR NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 73
B 3: DỰ BÁO o o Màn hình hiện: Chọn solve, => kết quả dự báo sẽ được ghi lại y_0 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 74
DỰ BÁO TRONG MẪU o Thực hiện tương tự như dự báo ngoài mẫu, khác nhau ở việc lựa chọn mẫu để ước lượng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 75
PH N TÍCH CƠ CHẾ TRUYỀN TẢI SỐC HÀM PHẢN ỨNG (IRF) PH N RÃ CHOLESKY PH N TÍCH PHƯƠNG SAI NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 76
HÀM PHẢN ỨNG (IRF) o o o Q: Tác động của sốc chính sách Ф 12(0), Ф 12(1), . . , Ф 12(k), : tác động của cú sốc 1 đơn vị của biến y 2 tại thời điểm t lên y 1 sau 0, 1, . . , k giai đoạn; . . => Фij(t): hàm phản ứng thể hiện tác động của cú sốc 1 đơn vị của biến j lên biến i sau t giai đoạn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 77
VÍ DỤ VỀ HÀM PHẢN ỨNG NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 78
VÍ DỤ VỀ HÀM PHẢN ỨNG NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 79
PH N RÃ CHOLESKY THỰC HÀNH TRÊN EVIEWS NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 80
PH N RÃ PHƯƠNG SAI THỰC HÀNH TRÊN EVIEWS- VAR 1 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 81
X Y DỰNG KỊCH BẢN PH N TÍCH CHÍNH SÁCH SỬ DỤNG VAR THỰC HÀNH TRÊN EVIEWS NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 82
X Y DỰNG KỊCH BẢN o Q: Nếu biến điều khiển diễn biến A thì các biến nội sinh sẽ như thế nào? n n => kịch bản 1: phá giá đồng tiền 5% (scenario 1) => kịch bản 2: giữ nguyên tỷ giá (scenario 2) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 83
NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 84
VÍ DỤ o Nghĩa là: o Ý nghĩa NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 85
HÀM PHẢN ỨNG (IRF) o Q: Tác động của sốc chính sách lên các biến khác? o => sử dụng phân tích IRF o Thực hiện: Biểu diễn các biến phụ thuộc như một hàm của các cú sốc (impulse) o Xét hệ (1. 2): yt = B 0 + B 1 yt-1+ et , nếu hệ ổn định => NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 86
PH N RÃ PHƯƠNG SAI o Mục đích: xem xét vai trò tác động của cú sốc lên sai số dự báo o Thực hiện như sau: Từ (1. 4) o Do đó giá trị dự báo sau n bước là: o Sai số dự báo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 87
PH N RÃ PHƯƠNG SAI o Chẳng hạn khi n = 1 o Hay: o Do đó phương sai của sai số dự báo là: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 88
PH N RÃ PHƯƠNG SAI o Khi đó vai trò của mỗi cú sốc lên phương sai của sai số dự báo được thể hiện trong các tỷ số sau: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 89
Ví dụ o o o Cho mô hình sau: n y = 0. 8 yt-1 +0. 2 zt-1 + e 1 t n zt = 0. 2 yt-1 +0. 8 zt-1 + e 2 t Giả sử e 1 t = εyt+ 0. 5εZt, e 2 t = εzt, tìm hàm phản ứng của y khi εyt sốc 1 đơn vị, Chuỗi y, z có dừng không? NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 90
THỰC HÀNH o o Số liệu: từ 2000 m 1 -2008 m 1 Biến số: core, grgdp, grm 2/ grr 1, grm 2, grtygia, grnhapkhau NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 91
PHỤ LỤC- ĐIỀU KIỆN ĐỂ VAR(1) ỔN ĐỊNH o Xét VAR(1): xt = Axt-1 + et o Xét hệ thuần nhất: xt = A xt-1 o xit= ci λt => n o c 1 λt = a 11 c 1 λt-1 +. . +a 1 kck λt-1 n -------------------------- n ck λt = ak 1 c 1 λt-1 +. . +akkck λt-1 Hệ này tương đương với: n c 1 (a 11 -λ) + a 12 c 2 +. . +a 1 kck =0 n ----------------- n c 1 ak 1 + a 12 c 2 +. . +(akk - λ )ck =0 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 92
PHỤ LỤC- ĐIỀU KIỆN ĐỂ VAR(1) ỔN ĐỊNH o o Để hệ có nghiệm không tầm thường thì định thức của ma trận phải bằng 0. Mặt khác định thức này phải là hàm của λ: a 0(λ- λ 1)…(λ- λk) = 0 o Với λ 1, . . , λk là các nghiệm riêng của ma trận => => xit = d 1 λ 1 t+. . +dkλkt => để hệ ổn định thì các λi (các nghiệm riêng của ma trận A) phải nằm trong vòng tròn đơn vị NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 93
ƯỚC LƯỢNG VECM o B 1: Định dạng mô hình n Kiểm định tính đồng tích hợp n Nếu chuỗi là không dừng=> biến đổi về chuỗi dừng n Xác định p và q o B 2: Ước lượng mô hình o B 3: Thẩm định mô hình o B 4: Dự báo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 94
ƯỚC LƯỢNG VECM o o B 1. Kiểm tra xem các biến có phải là CI(1)? B 2. Chọn bước trễ/ Ước lượng mô hình với số bước trễ đã chọn/ số quan hệ dài hạn o B 3. Kiểm định mô hình o B 4. Phân tích kết quả và dự báo o B 5. Phân tích hàm phản ứng/ phân rã phương sai NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 95
MÔ HÌNH VECM NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 96
MỘT SỐ KHÁI NIỆM o Chỉ quan tâm đồng tích hợp CI(1) o Ví dụ về chuỗi đồng tích hợp xt = ayt+ε 1 t yt= yt-1+ ε 2 t Trong đó ε 1, ε 2 là nhiễu trắng và không tương quan với nhau x và y là đồng tích hợp (c/m? ) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 97
VÍ DỤ VÀ MỘT SỐ KHÁI NIỆM o Tổng quát: x 1; , . . ; xk là các chuỗi đồng tích hợp CI(p, b): n n x 1; , . . ; xk: I(p) tồn tại λ 1, . . , λk không đồng thời bằng 0 sao cho: λ 1 x 1+. . + λkxk: I(p-b), b>0 o o o Lưu ý: nếu (λ 1, . . , λk) là một véc tơ đồng tích hợp của tập các chuỗi {x 1, . . , xk} thì a. (λ 1, . . , λk) cũng là một véc tơ đồng tích hợp của các chuỗi {x 1, . . , xk} với a ≠ 0 => chuẩn hóa NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - Số quan hệ đồng tích hợp của {x , . . , x } là số 98
MỘT SỐ KHÁI NIỆM o o Đồng tích hợp và mối quan hệ cân bằng dài hạn: Nếu lý thuyết về cầu tiền là đúng thì et phải là chuỗi dừng, vì mọi sự khác biệt giữa cầu tiền thực tế và cầu tiền ước lượng phải mang tính tạm thời Cơ chế hiệu chỉnh sai số: => khi các chuỗi sai lệch với đường cân bằng dài hạn thì cơ chế này điều chỉnh làm nhỏ bớt sai lệch này trong bước sau, để đảm bảo hệ thống trở về mối cân bằng dài hạn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 99
MÔ HÌNH VECM o Xét mô hình VAR sau: (2. 1) o Mô hình trên tương đương với (2. 2) o Dễ dàng c. m được nếu x, y là I(1) và ε là nhiễu có định thức bằng 0 (2. 3) trắng thì NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 100
MÔ HÌNH VECM o Sử dụng (2. 3), biến đổi (2. 2) thành: (2. 4) o (2. 4): mô hình VECM giản đơn n (1, β): véc tơ đồng tích hợp, trong đó β = a 2/(a 1 -1) n α 1, α 2 : các hệ số hiệu chỉnh n Viết dạng ma trận NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 101
NHẬN XÉT TỪ MÔ HÌNH VECM(2) o Quan hệ giữa Π và đồng tích hợp n n n o Nếu các chuỗi là CI(1, 1) thì hạng của ma trận Π bằng 1 Nếu hạng bằng 0 => các chuỗi là dừng Nếu hạng bằng 2 => các chuỗi là không đồng tích hợp Nếu cả α 1, α 2 đều khác 0: 2 biến đều phản ứng với sự sai lệch ra khỏi quan hệ cân bằng. Nếu có 1 trong chúng bằng 0: chỉ có 1 biến có phản ứng, biến còn lại không phản ứng=> Granger trong mô hình VECM được. NGUYEN phát biểu lại như sau: THI MINH - KTQD 102 KHOA TOAN KINH TE
GRANGER TRONG MÔ HÌNH VECM(2) o o Mô hình VECM tổng quát: Nhân quả Granger trong mô hình VECM: x được hiểu là không gây ra y theo nghĩa Granger nếu giá trị trễ của Δx không có mặt trong p. t của Δy, và y không phản ứng hiệu chỉnh NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 103
CÁC THÀNH PHẦN CỦA MÔ HÌNH VECM Quan hệ cân bằng dài hạn Hệ số hiệu chỉnh của x Hệ số hiệu chỉnh của y NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 104
PHỤ LỤC 5: MH VECM TỔNG QUÁT o Xét mô hình VAR: o Khi đó VECM có thể viết dưới dạng o o o Π = (- I + B 1+. . +Bp); M 1 = (B 2+. . +Bp); …, Mp-1 = Bp rank(Π) = số q. h đồng tích hợp Khi rank(Π) = r => Πkxk = αkxr βkxr’, mà β’y = I(0) NGUYEN THI MINH - KTQD 105 KHOA TOAN KINH TE
QUAN HỆ GIỮA MA TRẬN Π VÀ Q. H Đ. T. H o Rank = 0 o o o Ma trận chỉ chứa các hệ số bằng 0 Không có quan hệ đồng tích hợp, Mô hình VECM trở thành VAR của sai phân bậc nhất, x o Rank = m o Tất cả các hàng độc lập tuyến tính, tồn tại Π-1 o Các x là I(0) o VECM trở thành VAR - NGUYEN THI MINH - KTQD KHOA TOAN KINH TE 106
QUAN HỆ GIỮA MA TRẬN Π VÀ Q. H Đ. T. H o Rank = 1 o o Rank = r o Có duy nhất một quan hệ đồng tích hợp Có r mối quan hệ đồng tích hợp độc lập xi I(1) => 0≤r <k; xi: CI(1, 1) => 0<r<k Hạng của ma trận = số giá trị riêng khác 0 của ma trận => xét số nghiệm riêng của ma trận => kiểm định NGUYEN THI MINH - KTQD Johansen KHOA TOAN KINH TE 107
PHỤ LỤC 5: KIỂM ĐỊNH JOHANSON o o Kiểm định vết (trace test) o H 0: r ≤ r 0; H 1: r >r 0 o Kiểm định dựa trên giá trị riêng lớn nhất (max eigenvalue test) H 0: r = r 0, H 1: r = r 0+1 Các kiểm định này thực hiện theo thứ tự và dừng lại khi H 0 đầu tiên không bị bác bỏ NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 108
ƯỚC LƯỢNG VECM o o o B 1. Kiểm tra xem các biến có phải là CI(1)? B 2. Chọn bước trễ: thực hiện VAR cho I(1) để chọn B 3. Ước lượng mô hình với số bước trễ đã chọn, xác định hạng của ma trận Π/ kiểm định như trong VAR B 4. Phân tích kết quả/ hệ số dài hạn/ hệ số hiệu chỉnh B 5. Phân tích hàm phản ứng/ phân rã phương sai NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 109
Δy=αβ’yt-1+ εt Δy=α(β’yt-1+a. B 3 0)+ εt Δy=α(β’yt-1+a 0)+b 0 c 0+ εt o Kiểm định về đồng tích hợp: k. định Johansen o Có các lựa chọn tương ứng Δy=α(β’yt-1+a 0 +a 1 t)+b 0 NGUYEN c 0+ εTHI Δy=α(β’y - KTQD t-1 - +a 0 +a 1 t)+b 0 (c 0+c 110 t MINH 1 t)+ εt KHOA TOAN KINH TE
B 3 o Đọc kết quả kiểm định đồng tích hợp o Ước lượng VECM o Thực hiện các kiểm định: n n Kiểm định về phần dư: o Tương quan chuỗi o Phân phối chuẩn o Phương sai không đổi Kiểm định Granger/ bớt trễ NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 111
PL 1: VẤN ĐỀ ĐỊNH DẠNG CỦA SVAR o Q: từ các hệ số của mô hình VAR dạng rút gọn có suy ra được các tham số của SVAR? NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 112
PL 1: VẤN ĐỀ ĐỊNH DẠNG CỦA SVAR o Mô hình (1. 1) viết lại thành: o Do đó nếu 1 - a 11 a 12 ≠ 0 thì: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 113
PL 1: VẤN ĐỀ ĐỊNH DẠNG CỦA SVAR o Từ hệ trên và (1. 2) => (1. 3) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 114
PL 1: VẤN ĐỀ ĐỊNH DẠNG CỦA SVAR o o o Khi ước lượng (1. 2) sẽ thu được ước lượng của 9 tham số (? ) Nhưng (1. 1) có 10 tham số cần ước lượng: không định dạng được => để mô hình là định dạng được thì cần phải đưa thêm ràng buộc lên mô hình Tùy bài toán mà đưa ra các ràng buộc thích hợp NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 115
GIỚI THIỆU MÔ HÌNH NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 116
TÍNH KHẢ NGHỊCH CỦA CHUỖI MA* o MA(1): xt = εt+0. 1εt-1 => n εt=xt-0. 1 εt-1; εt-1=xt-1 -0. 1 εt-2 n => xt = εt +0. 1(xt-1 -0. 1 εt-2)=. . n o o = εt + 0. 1 xt-1 +. . +(0. 1)k xt-k +…=> khả nghịch MA(1): xt = εt+εt-1 => xt = εt+xt-1 -xt-2+. . +xt-(2 k+1)-…=> không khả nghịch NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 117
PHƯƠNG TRÌNH ĐẶC TRƯNG* o o o Phương trình xt = a 1 xt-1 có phương trình đặc trưng là: (λ-a 1)= 0, có nghiệm là λ=a 1 xt = a 1 xt-1 + a 2 xt-2: (λ 2 –a 1λ-a 2)= 0, có 2 nghiệm xt = a 1 xt-1 +. . + apxt-p: (λp –a 1λp-1 -. . -ap)= 0 có p nghiệm Chuỗi AR dừng nếu các nghiệm đặc trưng của nó nằm trong vòng tròn đơn vị Chuỗi MA khả nghịch nếu các nghiệm đặc trưng của nó nằm trong vòng tròn đơn vị NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 118
NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 119
MÔ HÌNH CHUỖI THỜI GIAN ĐƠN BIẾN o MÔ HÌNH VAR o MÔ HÌNH VECM NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 120
GIỚI THIỆU o Q: n Một khách hàng sẽ trả nợ/ không n Một công ty có bị phá sản hay không n Người được phỏng vấn sẽ chấp nhận/không n n Một người sẽ quyết định sử dụng xe buýt/không Một người khách có chọn mua hàng/ không o Biến phụ thuộc là biến định tính o Xét trường hợp có hai quyết định: có/không NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 121
GIỚI THIỆU o o o Quan tâm: pi = P( Yi = 1) Mục đích: n Đánh giá xác suất rủi ro => x. đ mức lãi suất hoặc các yêu cầu tương ứng n Ước lượng số người dân tham gia một dịch vụ n v. v => 3 mô hình: n Mô hình xác suất tuyến tính (hạn chế) n Mô hình probit n Mô hình logit NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 122
MÔ HÌNH PROBIT o Dạng phi tuyến: pi = g(X 1, X 2, . . , Xk) o Giả sử: pi = F(a 1+a 2 Xi) ( xem phụ lục 2) o Trong đó: o Nhận xét: o n tác động phi tuyến của X lên xác suất n pi nằm trong khoảng [0, 1] Phương pháp u. l: ML (Phụ lục) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 123
ĐỌC KẾT QUẢ ƯỚC LƯỢNG o Từ các kết quả ước lượng tính được: n Xác suất để Y = 1 khi X = X 0 nào đó pi = P(Y = 1| X=X 0) = F(a 1+a 2 X 0) n Ảnh hưởng biên của X đến P(Y = 1) tại X 0 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 124
ĐỌC KẾT QUẢ ƯỚC LƯỢNG o o Ví dụ: . . BaigiangEconometricsKTL 2logit_probit. csv Mô hình: n p(Y=honor) = F(a 1+ a 2 F +a 3 Math +a 4 read) n Kết quả ước lượng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 125
ĐÁNH GIÁ/ LỰA CHỌN MÔ HÌNH o o o Kiểm định mô hình: n linktest n Kiểm định H-L n Pearson test (khi m>>) Đánh giá mô hình n Các tiêu chuẩn thông tin n Mc Fadden R 2? n Bảng kỳ vọng - dự báo Thực hành: autorepair NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 126
ỨNG DỤNG CỦA MÔ HÌNH o o o Tài chính: Bảo hiểm y tế: quyết định lựa chọn mua dịch vụ Marketing: lựa chọn new brands Doanh nghiệp: quyết định lựa chọn ngân hàng để giao dịch/ mở tài khoản Giao thông: quyết định lựa chọn phương tiện giao thông, v. v NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 127
MỞ RỘNG o Y có thể nhận nhiều giá trị: n n Đánh giá chất lượng dịch vụ: rất tốt – bình thường – kém: mô hình probit có thứ bậc Mua hàng màu: xanh, vàng, đỏ => mô hình probit đa cấp NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 128
o The ROC curve plots the false positive rate on the X axis and 1 - the false negative rate on the Y axis. It shows the trade-off between the two rates. If the area under the ROC curve is close to 1, you have a very good test. If the area is close to 0. 5, you have a lousy test. o 0. 50 to 0. 75 = fair o 0. 75 to 0. 92 = good o 0. 92 to 0. 97 = very good o 0. 97 to 1. 00 = excellent. NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 129
o An ROC curve is a graphical representation of the trade off between the false negative and false positive rates for every possible cut off. Equivalently, the ROC curve is the representation of the tradeoffs between sensitivity (Sn) and specificity (Sp). o By tradition, the plot shows the false positive rate on the X axis and 1 - the false negative rate on the Y axis. You could also describe this as a plot with 1 -Sp on the X axis and Sn on the Y axis. NGUYEN THI MINH - KTQD 130 KHOA TOAN KINH TE
PHỤ LỤC: MÔ HÌNH LOGIT (1) o Công thức sử dụng: o Nhận xét: n Đảm bảo 0<pi <=1 n pi là phi tuyến n Ước lượng hợp lý tối đa (ML) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 131
PHỤ LỤC: MÔ HÌNH LOGIT (2) o Từ các kết quả ước lượng tính được: n Xác suất để Y = 1 khi X = X 0 nào đó pi = P(Y = 1| X=X 0) = n Ảnh hưởng biên của X đến P(Y = 1) bằng n Tác động biên mạnh nhất khi NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 132
PHỤ LỤC: MÔ HÌNH LOGIT (3) § => xác suất để một người là có nhà khi thu nhập = 20 là: Exp(- 6. 55+0. 38 x 20)/[1+ Exp(6. 55+0. 38 x 20) ]= 0. 74 § § Khi lương tăng lên từ 20 lên 21 đơn vị thì xác suất một người có nhà sẽ tăng lên: = 0. 74 x(1 -0. 74)x 0. 38 = 0. 073 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 133
PHỤ LỤC: MÔ HÌNH LOGIT (4) o odd ratio = pi/ (1 – pi) o Ý nghĩa của tỷ số: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 134
NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 135
MÔ HÌNH PH N TÍCH SỐ LIỆU MẢNG o Phân tích – đánh giá tác động – dự báo o Nhiều ưu việt NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 136
CÁC GIẢ THIẾT CỦA OLS 1. var(ui) = σ2 với mọi i (homoscedasticity) 2. cov(ui, uj) = 0 với i ≠ j (no autocorrelation) 3. Y: ngẫu nhiên, X không ngẫu nhiên => cov(X, u) = 0 4. Định dạng hàm đúng 5. ui ~N(0, σ2) 6. E(ui) = 0 (no systematic error) 7. Không có đa cộng tuyến hoàn hảo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 137
KHÁI NIỆM o 5 hộ gia đình, thu nhập và chi tiêu trong 3 năm Quan sát Id hộ năm Chi tiêu Thu nhập 1 1 2007 1. 200 2. 000 2 1 2008 1. 400 2. 100 3 1 2009 1. 500 2. 200 -- . . . 13 5 2007 2. 000 3. 000 14 5 2008 2. 100 3. 500 15 5 2009 2. 300 3. 400 NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 138
KHÁI NIỆM o Số liệu mảng: cùng một tập đơn vị (N) (hộ gia đình, doanh nghiệp, nền kinh tế) được quan sát dọc theo một số thời điểm (T) o Số liệu cân xứng: không bị mất quan sát ở giữa o Kích thước của số liệu: n N lớn, T nhỏ n N nhỏ, T lớn n N nhỏ, T nhỏ n N lớn, T lớn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 139
KHÁI NIỆM o Số liệu mảng có thể có: n n n Biến số nhận các giá trị khác nhau giữa các đơn vị, nhưng với mỗi đơn vị thì không thay đổi theo thời gian. (địa bàn hoạt động, năng lực của CEO, giới tính, . . ) Biến số nhận các giá trị khác nhau cho mỗi thời kỳ, nhưng giống nhau giữa các đơn vị (tỷ giá hối đoái, c. s kinh tế vĩ mô, . . ) Biến số thay đổi cả hai chiều: vốn, lao động, , NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 140
ƯU VIỆT CỦA SỐ LIỆU MẢNG o Xét ví dụ: Khi đánh giá các yếu tố ảnh hưởng đến năng suất lao động n => chọn ngẫu nhiên 20 thửa ruộng ở các tỉnh => hồi quy thu được: NS^ = 4 – 0. 5 PB o Q: Có thể tin tưởng kết quả trên không? o A: chưa chắc: n NS còn phụ thuộc vào độ phì nhiêu của đất, không quan sát được. n Chất lượng đất có tương quan với lượng PB n => vấn đề về tương quan giữa X và u NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 141
KHI BÀI TOÁN CÓ BIẾN KHÔNG QUAN SÁT ĐƯỢC MÀ CÓ TƯƠNG QUAN VỚI BIẾN ĐỘC LẬP => CÁC UL OLS LÀ KHÔNG ĐÁNG TIN CẬY NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 142
ƯU VIỆT CỦA SỐ LIỆU MẢNG Ø Ø Ø Vấn đề thiếu biến không quan sát được Có thể thực hiện các nghiên cứu tinh vi, phức tạp hơn: động thái của các đơn vị khác nhau dọc theo thời gian, . v. v Nhiều số liệu=> suy diễn thống kê đáng tin cậy hơn Ø Đối với các nước đang phát triển, VN: Ø Yếu tố vi mô v. s vĩ mô Ø Thường giải quyết được vấn đề về đa cộng tuyến cao trong chuỗi thời gian, v. v NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 143
MÔ HÌNH PH N TÍCH SỐ LIỆU MẢNG o o Xét mô hình từ góc độ biến bị bỏ sót: n không đổi theo i n Không đổi theo t n thay đổi theo cả t và i n Chúng ta xét trường hợp thứ 1 Mô hình có dạng: Yit = a 0 + β 1 X 1 it+. . + βk. Xkit + ci+ uit, uit thỏa mãn giả thiết của OLS ci: không quan sát được NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 144
MÔ HÌNH PH N TÍCH SỐ LIỆU MẢNG o o Ký hiệu: vij = ci+uij Tùy thuộc vào bản chất của yếu tố ci, ta có 3 loại mô hình sau n OLS gộp (POLS) n Mô hình tác động cố định (FE) n Mô hình tác động ngẫu nhiên (RE) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 145
MÔ HÌNH OLS GỘP o o Nếu không có ci: trở về mô hình thông thường => OLS gộp: ul OLS cho toàn bộ quan sát n OLS là tốt nhất (khi đó v thỏa mãn các giá thiết OLS) NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 146
MÔ HÌNH TÁC ĐỘNG NGẪU NHIÊN o Nếu tồn tại ci: n Nếu ci không tương quan với X => v: sai số ngẫu nhiên tổng hợp n ssnn tổng hợp này không vi phạm giả thiết 3 n => mô hình tác động ngẫu nhiên NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 147
MÔ HÌNH TÁC ĐỘNG CỐ ĐỊNH o Khi ci là có tương quan với X, khi đó cả FE và POLS đều chệch o => Không thể nhóm ci vào vij được o => Sử dụng mô hình tác động cố định o => các phương pháp xử lý ci khác nhau sẽ dẫn đến các phương pháp ước lượng khác nhau: n ước lượng dọc n hồi quy với biến giả NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 148
FE VÀ RE FE: o RE Không đánh giá được tác động của các yếu tố như: giới tính, năng lực, xuất phát điểm của địa phương o o Tập quan sát phải mang tính ngẫu nhiên o Gỉa thiết về sự không tương quan giữa c và X thường là quá chặt Không suy diễn được cho các cá thể ngoài mẫu NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 149
LỰA CHỌN MÔ HÌNH o o o Nếu biến bị bỏ sót là không đáng kể => POLS là tốt nhất Nếu biến bị bỏ sót không tương quan với X => RE là hiệu quả hơn FE (nhưng phải giả thiết về sự không tương quan giữa c và u) Nếu biến bị bỏ sót là tương quan với X thì RE là chệch và không vững=> chọn FE Lựa chọn giữa POLS và RE: sử dụng xttest 0 Nếu RE được lựa chọn => sẽ chọn giữa FE hay RE: Hausman NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 150
THỦ TỤC LỰA CHỌN MÔ HÌNH RE xttest 0 P>> POLS FE Hausman P>> RE FE NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 151
MỘT SỐ LỆNH THÔNG DỤNG 1. xtset id time: khai báo số liệu dạng mảng 2. xtreg y x 1 x 2 xk, re : chạy mô hình r. e 3. xttest 0: lựa chọn re và pols 4. xtreg y x 1 x 2 xk, fe 5. est store tdcd: lưu giữ kết quả vừa ước lượng 6. hausman tdcd: kiểm định lựa chọn re và fe 7. Thực hành trên stata với số liệu productivity NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 152
PHỤ LỤC: KIỂM ĐỊNH HAUSMAN o Ý tưởng: n Nếu ci và X là không tương quan=> FE và RE: vững, RE hiệu quả hơn n n Nếu ci và X là tương quan=> RE không vững => nếu sự khác biệt giữa ULFE và ULRE quá lớn thì là dấu hiệu của sự có tương quan => chọn FE NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 153
PHỤ LỤC: VỀ TÍNH TỰ TƯƠNG QUAN CỦA V o vij = ci + uij; uij không tương quan, p. s không đổi o => cov(vij; vis) = cov(ci + uij; ci + uis)= o = var(ci) +cov(ci, uis) + cov(ci; uij) khi j ≠ s o = var(ci) +var(uij)+cov(ci, uis) + cov(ci; uij) khi j =s o Giá trị này nói chung là khác 0, ngay cả khi c va u là không tương quan NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 154
GIỚI THIỆU o Ứng dụng: n Dự báo ngắn hạn n Khi không có nhiều thông tin về các yếu tố tác động n Thường là các chuỗi số vĩ mô/ tài chính/ chứng khoán NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 155
PHỤ LỤC 4: CÁC TIÊU CHUẨN LỰA CHỌN TRỄ o Kiểm định LR (likelihood ratio): m: tổng các hệ số trong mỗi p. t, q: tổng tất cả ràng buộc o Tiêu chuẩn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 156
VAR VÀ SVAR o SVAR và VAR o Vấn đề định dạng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 157
VẤN ĐỀ ĐỊNH DẠNG CỦA SVAR o Mô hình (1. 1) viết lại thành: o Do đó nếu 1 - a 11 a 12 ≠ 0 thì: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 158
QUAN HỆ GIỮA E VÀ o ε Nếu (1. 2) là định dạng được => NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 159
Nhận xét n Mô hình: atheoretical n Mô hình dự báo (ngắn hạn? trung hạn? ) n Phân tích cơ chế chuyền tải sốc giữa các biến o tác động của sốc của một biến lên các biến khác theo thời gian o vai trò tương đối của từng sốc đối với sai số dự báo NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 160
PH N RÃ CHOLESKY o Lựa chọn o => Quay về bài toán định dạng: o => chẳng hạn có thể giả sử rằng sốc trên biến y 2 t không có ảnh hưởng tức thời đến y 1 t: a 11 = 0 => o => phân rã Cholesky NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 161
HÀM PHẢN ỨNG (IRF) o o Nhận xét: sốc lên một biến chính sách tác động lên cả hệ thống, theo t Mục đích của phân tích IRF: tìm hiểu tác động của các cú sốc lên các biến phụ thuộc trong mô hình theo thời gian Thực hiện: Biểu diễn các biến phụ thuộc như một hàm của các cú sốc (impulse) Xét hệ (1. 2): yt = B 0 + B 1 yt-1+ et , nếu hệ ổn định => NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 162
HÀM PHẢN ỨNG (IRF) o Hay: (1. 4) o Từ p. t này có thể suy ra được tác động của các cú sốc hệ thống lên từng biến số của mô hình NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 163
HÀM PHẢN ỨNG (IRF) o Ý nghĩa của các hệ số trong (1. 4) n n o Ф 11(0), Ф 11(1), . . , Ф 11(k), : tác động của cú sốc 1 đơn vị của biến y 1 tại thời điểm t lên chính nó sau 0, 1, . . , k giai đoạn Ф 12(0), Ф 12(1), . . , Ф 12(k), : tác động của cú sốc 1 đơn vị của biến y 2 tại thời điểm t lên y 1 sau 0, 1, . . , k giai đoạn; . . => Фij(t): hàm phản ứng thể hiện tác động của cú sốc 1 đơn vị của biến j lên biến i sau t giai đoạn NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 164
HÀM PHẢN ỨNG (IRF) o Фij(0): nhân tử tác động (impact multiplier) : nhân tử dài hạn (long run o multiplier) o Q: làm sao để tính được hàm phản ứng NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 165
PH N RÃ CHOLESKY o o Để biết được giá trị của các hàm này, cần có ước lượng của các hệ số tạo nên Фij, nghĩa là các ai và bi => Quay về bài toán định dạng: => chẳng hạn có thể giả sử rằng sốc trên biến y 2 t không có ảnh hưởng tức thời đến y 1 t: a 11 = 0 => => phân rã Cholesky NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 166
VÍ DỤ o o o Xét hệ VAR dạng rút gọn với giá trị ước lượng: Sử dụng phân rã Cholesky, với giả thiết sốc lên biến z không có tác động tức thời lên biến y, nghĩa là a 11 = 0 Giải hệ phương trình (1. 3) và với giả thiết a 11 = 0: a 10 = a 20 = 0; a a - KTQD =b-11 = 0. 6, a 13 = b 167 11 =THI 0, 12 NGUYEN MINH 12 KHOA TOAN KINH TE = 0. 2
VÍ DỤ o => Khi đó ta có: NGUYEN THI MINH - KTQD KHOA TOAN KINH TE - 168
VÍ DỤ VÀ MỘT SỐ KHÁI NIỆM o o Ví dụ: future price và spot price n Cùng là I(1) n Có xu hướng giống nhau => y(t) –x(t)? Định nghĩa: x 1; , . . ; xk là các chuỗi đồng tích hợp nếu: n n x 1; , . . ; xk: I(1) tồn tại λ 1, . . , λk không đồng thời bằng 0 sao cho: λ 1 x 1+. . + λkxk: I(0) o Véc tơ (λ 1, . . , λk. NGUYEN ): véc tơ -đồng THI MINH KTQD - tích hợp của KHOA TOAN KINH TE 169
- Slides: 169