Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 1 1 Dữ liệubảng (Panel Data) 2 Các loạidữ liệu Time – series Cross – sections Panel Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 2 3 Dữ liệubảng và dữ liệuchéogộp chung Dữ liệubảng là các quan sát về một chỉ tiêu nào đó sẽ bao gồm quan sát chéo và quan sát theo thờigian Cầnphânbiệtdữ liệubảng và dữ liệuchéo gộp chung (pooled): i,t?? ¾Bỏ qua yếu tố thời gian ¾Chỉ là các quan sát dữ liệu thuần túy 4 Ưu điểmcủadữ liệubảng Nghiên cứu đượcsự khác biệtgiữa các đơn vị chéo mà trước đây chúng ta hay sử dụng dummy Nâng cao đượcsố quan sát củamẫuvàphần nào khắcphục đượchiệntượng đacộng tuyến Chứa đựng nhiều thông tin hơncácdữ liệu khác Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 3 5 Ưu điểmcủadữ liệubảng (tt) Nghiên cứu được động thái thay đổicủa các đơnvị chéotheothờigian Mộtmôtả dạng hàm dữ liệubảng đơngiản và các ý tưởng khai thác từ dữ liệubảng: mốiquanhệ giữanăng suấtlúavớilaođộng nông nghiệp 6 Tổ chứcdữ liệubảng Unstacked: Các đơnvị chéo đượcsắpxếp theo thờigianmột cách riêng biệttheotừng biến (vd trong tài liệu đọccủa Gujarati, đây là cách thông thường khi mô tả dữ liệu bảng-ví dụ bằng Eviews) Stacked: Các đơnvị chéo đượcsắpxếptheo thời gian và các đơnvị chéo này được nhóm lạivớinhautheotừng biến Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 4 7 Ví dụ về dữ liệubảng stacked ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ TN, N,2 N,1 T,2 2,2 1,2 T,1 2,1 1,1 Y Y Y Y Y Y Y Y Y M M M M ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ TN, N,2 N,1 ,2 2,2 1,2 ,1 2,1 1,1 X X X M M M M T T X X X X X X ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ TN, N,2 N,1 ,2 2,2 1,2 ,1 2,1 1,1 Z Z Z M M M M T T Z Z Z Z Z Z 8 Ví dụ về dữ liệubảng Unstacked 254,22202,9361,61940186,62132,274,41940 312,71957,3230,41939172,62256,248,11939 260,21801,9262,31938156,22039,744,61938 118,12673,3469,91937118,02803,377,21937 50,51807,1355,31936104,42015,845,01936 53,81362,4209,9193597,81170,633,11935 USGE C –1 F –1 IQuan saùtC –1 F –1 IQuan saùt Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 5 9 Các loạidữ liệubảng Dữ liệubảng cân bằng (balanced): khi các đơnvị chéo có cùng số quan sát theo thời gian Dữ liệubảng không cân bằng (unbalance): khi các đơnvị chéo không có cùng số quan sát theo thờigian 10 Ý tưởng cơ bảnvề dữ liệubảng Dữ liệubảng không thể thựchiệnhồiqui bằng OLS thông thường Các trường hợpcóthể xảy ra cho các đơnvị chéo ¾Các đơnvị chéo có điềukiện đặcthùgiống nhau ¾Các đơnvị chéo có điềukiện đặcthùkhác nhau Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 6 11 Ý tưởng cơ bảnvề dữ liệubảng (tt) ¾Các đơnvị chéo có sự khác biệtvề tác động biên của các nhân tốảnh hưởng ¾Các đơnvị chéo vừakhácbiệtvềđiềukiện đặc thù và vừakhácbiệtvề tác động biên của các nhân tốảnh hưởng ¾Các đơnvị chéo không có sự khác biệtvề điềukiện đặc thù và tác động biên của các biến độc lập đang xét 12 Dummy và dữ liệubảng Dummy có giảiquyếtcácvấn đề củadữ liệubảng? Câu trả lờilàđượcnhưng rấtphứctạpvà không hiệuquả Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 7 13 Dạng tổng quát mô hình Yit = β 1it + β 2it X 2it + β 3it X 3it + u it Các tiếpcận ướclượng mô hình tổng quát ¾Pure Pooled Î OLS ¾FEM Î OLS + Dummy (LSDV) ¾ECM/REM Î GLS 14 Tiếpcậntácđộng cốđịnh Tấtcả các hệ sốđều không đổitheothời gian và các đơnvị chéo (pure pooled) Hệ sốđộdốc không đổi theo thờigianvà các đơnvị chéo nhưng hệ số trụctungkhác nhau giữa các đơnvị chéo (+dummy) Hệ sốđộdốc không đổi theo thờigianvà các đơnvị chéo nhưng hệ số trụctungbiến đổigiữa các đơnvị chéo và thờigian Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 8 15 Tiếpcậntácđộng cốđịnh (tt) Tấtcả các hệ số biến đổi theo các đơnvị chéo (dummy + interactive) Tấtcả các hệ số biến đổi theo các đơnvị chéo và theo thời gian (dummy + interactive) 16 Tấtcả các hệ số không đổi OLS- Pooled (hồi qui kếthợptấtcả các quan sát) Yit = β 1 + β 2 X 2it + β 3 X 3it + u it Nhược điểm ¾ Nhậndạng sai thể hiện ở DW ¾Ràng buộcquáchặtvề các đơnvị chéo, điềunàykhóxảyratrongthựctế Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 9 17 Tấtcả các hệ số không đổi (tt) Y^ = –63,3041 +0,1101X2 + 0,3034X3 se (29,6124) (0,0137) (0,0493) t (–2,1376) (8,0188) (6,1545) R2 = 0,7565 DW = 0,2187 n = 80 df = 77 Phương trình 16.3.1 trong bài đọc 18 Hệ số trụctungbiến đổi theo chéo Phương pháp FEM – LSDV Yit = β 1it + β 2 X 2it + β 3 X 3it + u it FEM: mặcdùcósự khác biệt các đơnvị chéo về hệ số trụctungnhưng lại không khác biệttheothờigian Giải pháp dummy? Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 10 19 Intercept biến đổitheođơnvị chéo (tt) Yit = α1 + α2D2i + α3D3i + α4D4i + β 2X2it + β 3X3it + uit 20 Intercept biến đổitheođơnvị chéo (tt) Hãy xem kếtquả mô hình ướclượng 16.3.4 Mô hình này tốthơnmôhìnhđầutiênở các hệ số xác định, ý nghĩathống kê t và DW . . . Sự sai lầmvề nhậndạng đượccảithiện Thoả mãn kiểm định Wald [...]... Sử dụng dummy theo các đơn vị chéo cho intercept và slope Kết quả hồi qui ở 16.3.8 Các hàm đầu tư của các đơn vị chéo khác nhau Không thể sử dụng dữ liệu pooled để hồi qui hàm đầu tư cho tất cả các đơn vị chéo mà không tính đến đặc thù của chúng 23 Trục trặc khi sử dụng FEM (LSDV) Giảm bậc tự do của dữ liệu đi rất nhiều Nguy cơ đa cộng tuyến vì có quá nhiều biến Giả định cổ điển về uit ~ N (0, σ2) rất... chéo và chúng ta quan sát được ECM chỉ có một intercept duy nhất cho tất cả các đơn vị chéo, giá trị này là giá trị trung bình của tất cả các đơn vị chéo Sự khác biệt của các đơn vị chéo ước lượng bằng εi ECM nằm trong thành phần ngẫu nhiên 27 Lựa chọn mô hình cho dữ liệu bảng Ý tưởng kinh tế lượng FEM khi εi và các biến độc lập được giả thiết có mối quan hệ chặt chẽ (chọn mẫu không đại diện) ECM khi... không có mối quan hệ chặt chẽ (chọn mẫu ngẫu nhiên) Căn cứ vào n và t: Judge 28 14 Chương trình giảng dạy kinh tế Fulbright Niên khóa 2006-2007 Các phương pháp phân tích Bài giảng Lựa chọn mô hình cho dữ liệu bảng Căn cứ vào N và T: Judge ECM và FEM không phân biệt khi T lớn và N nhỏ ECM và FEM sẽ khá khác biệt về kết quả khi N lớn và T nhỏ ECM thích hợp khi các đơn vị chéo ngẫu nhiên FEM sẽ thích hợp khi... Không có ý nghĩa thống kê Time effect: điều này có nghĩa là các yếu tố đặc thù của ngành không thay đổi theo thời gian Yit = λ0 + λ1 Dum35 + λ2 Dum36+ + λ19 Dum53 + β2X2it + β3X3it + uit (16.3.6) 21 Intercept biến đổi theo đơn vị chéo và theo thời gian Sử dụng dummy một lần nữa cho cả đơn vị chéo và thời gian Kết quả Các hệ số của dummy ít có ý nghĩa thống kê Mô hình tốt là mô hình có các biến giả theo... hiện Cần thiết có một phương pháp khác 24 12 Chương trình giảng dạy kinh tế Fulbright Niên khóa 2006-2007 Các phương pháp phân tích Bài giảng Tiếp cận REM (ECM) Ý tưởng của tiếp cận này cho rằng sự khác biệt về các điều kiện đặc thù của các đơn vị chéo được chứa đựng trong phần sai số ngẫu nhiên β1i = β1 + εi Yit = β1 + β2X2it + β3X3it + εi + uit = β1 + β2X2it + β3X3it + wit wit = εi + uit 25 Giả định . 2006-2007 2 3 Dữ liệubảng và dữ liệuchéogộp chung Dữ liệubảng là các quan sát về một chỉ tiêu nào đó sẽ bao gồm quan sát chéo và quan sát theo thờigian Cầnphânbiệtdữ liệubảng và dữ liệuchéo gộp chung. gian ¾Chỉ là các quan sát dữ liệu thuần túy 4 Ưu điểmcủadữ liệubảng Nghiên cứu đượcsự khác biệtgiữa các đơn vị chéo mà trước đây chúng ta hay sử dụng dummy Nâng cao đượcsố quan sát củamẫuvàphần nào. tin hơncácdữ liệu khác Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright Niên khóa 2006-2007 3 5 Ưu điểmcủadữ liệubảng (tt) Nghiên cứu được động thái thay đổicủa các đơnvị