Bài 7. chỉ ĐỊNH MÔ HÌNH 1. Các loại sai lầm chỉ định và hậu quả. 1.1. Mô hình thừa biến giải thích Ví dụ: Mô hình đúng: Y i = β 1 + β 2 X i + u i Mô hình sai: Y i = α 1 + α 2 X i + α 3 Z i + v i Nếu mô hình thừa biến giải thích thì các ước lượng vẫn là không chệch và vững, nhưng không hiệu quả, khoảng tin cậy rộng. Kiểm định bằng cách bỏ bớt biến số nghi là không cần thiết và dùng kiểm định với hệ số tương ứng để kết luận 1.2. Mô hình thiếu biến. Ví dụ: Mô hình đúng: Y i = β 1 + β 2 X i + β 3 Z i + u i Mô hình sai: Y i = α 1 + α 2 X i + v i Nếu mô hình thiếu biến thì các uoc lượng sẽ bị chệch nên không đáng tin cậy. 1.3. D¹ng hµm sai. Ví dụ : Mô hình đúng: Y i = β 1 + β 2 X i + u i Mô hình sai: LnY i = β 1 + β 2 LnX i + v i Có thể kiểm định thiếu biến và dạng hàm sai bằng các kiểm định sau: 1. Kiểm định Ramsey Mô hình ban đầu: Y i = β 1 + β 2 X i + u i (1) Nếu cho rằng mô hình thiếu biến Z i nào đó thì: B1: Hồi qui mô hình ban đầu thu được các giá trị ước lượng i Y ˆ B2: Hồi qui MH hồi qui phụ : Y i = [ β 1 + β 2 X i ] + α 1 2 ˆ i Y +…+ α m 1 ˆ +m i Y + u i (2) ______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD 1 ⎩ ⎨ ⎧ =≠∃ === mj j m ,1,0:H 0 :H 1 10 α αα F qs = MH (1) không thiếu biến MH (1) thiếu biến 1 1 )2()2( − − k R )2( 2 2 )1( 2 )2( − × − knRR ếu F qs > F α (k (2) – 1; n – k (2) ) bác bỏ H 0 2. Kiể thu được các phần dư e i và giá trị ước lượng i Y B i N m định nhân tử Lagrange (LM) B1: Hồi qui mô hình ban đầu ˆ 2: Hồi qui MH hồi qui phụ : e i = [ β 1 + β 2 X ]+ α 1 2 ˆ i Y +…+ α m 1 ˆ +m i Y + v (*) ______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD 2 ⎩ =≠∃ j j ,0:H 1 α sai ⎨ ⎧ === m ,1 0 :H 10 αα g MH (1) có d Kiểm định χ 2 : 2 * 2 nR qs = χ , nếu )( 22 p qs α χχ > thì bác bỏ H 0 . 7bt4. iểm định Ramsey cho kết quả sau: SET Te F-statistic 0.348918 Probability 0.5602 m MH (1) có dạng hàm đún ạng hàm Ví dụ: Trở lại thí dụ với tệp số liệu ch K Ramsey RE st: 4 8 Log likelihood ratio 0.389707 Probability 0.5324 3 5 Test Equation: Dependent Variable: CONS e: 22:18 Inclu vatio Variable Coeffic nt Std. Error t-Statistic Prob. Method: Least Squares Date: 11/19/08 Tim Sample: 1960 1986 ded obser ns: 27 ie C 746.5686 -0.359805 0.7221- 268.6193 GDP 0.95411 FITTED^2 0.000257 -0.590693 0.5602 R-squared 0.798175 ean dependent 2037.4 9 - 0.607571 1.570384 0.1294 0.000152 M var 4 9 ______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD 3 R- 0.781356 S.D. dependent var 789.22 S.E. of regression 369.0360 info 14.764 Sum squared resid 3268502. Schwarz criterion 14.908 Log likelihood 47.457 in-Watson 0.428978 Prob(F-statistic) 0.0000 0 Adjusted squared 3 1 1 Akaike criterion 0 0 9 3 - F-statistic 196.3154 2 0 Durb stat KiÓm ®Þnh b»ng nh©n tö Lagrange cho kÕt qu¶ sau: e: 08:53 Inclu vatio Variable Coeffic nt Std. Error t-Statistic Prob. Dependent Variable: E Method: Least Squares Date: 11/21/08 Tim Sample: 1960 1986 ded obser ns: 27 ie C 746.5686 -0.567722 0.5755- 423.8432 GDP 0.35705 CONSF^2 0.000257 -0.590693 0.5602 R-squared 0.014330 ean dependent -8.42 1 - 0.607571 0.587669 0.5622 0.000152 M var E- 14 Adjusted R- nt var 357.12 S.E. of regression 369.0360 info 14.764 Sum squared resid 3268502. Schwarz criterion 14.908 Log likelihood stic 0.1744 in-Watson 0.428978 Prob(F-statistic) 0.8409 7 Mà χ 2 (1) = 3,84146 ⇒ Mô hình chỉ định đúng. 2. Phâ i chuẩn thì các ước lượng vẫn là ước lượng tốt nhất, hưng các phân tích không dùng được. squared - S.D. depende 0.067809 6 4 1 Akaike criterion 0 0 9 5 - F-stati 196.3154 9 6 Durb stat Từ đó 38691,001433,0*27* 2 * 2 === Rn qs χ n phối xác suất của sai số ngẫu nhiên Các suy diÔn thống kê (khoảng tin cậy, kiểm định giả thiết) phụ thuộc giả thiết SSNN phân phối chuẩn. Nếu SSNN không phân phố n ______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD 4 H 1 : SS Với S là h ), K là hệ số nhọn (kurtosis) cña e i JB = H 0 : SSNN phân phối chuẩn NN không phân phối chuẩn Kiểm định Jarque – Bera: ệ số bất đối xứng (skewness ⎥ ⎦ 24 ⎤⎡ − += )3( 6 22 2 KS n qs χ Nếu )2( 22 α χχ > qs thì bác bỏ H 0 í dụ:Với tệp số liệu ch7bt4 kiểm định Jarque-Bera cho kết quả sau: chệch, tốt nhất; các kết quả hồi qui là đáng tin cậy và sử dụng để phân tích được. ⎢ ⎣ V Nếu mô hình không có khuyết tật nào thì các ước lượng là ước lượng tuyến tính, không . 27 ie C 74 6.5686 -0 .5 677 22 0. 575 5- 423.8432 GDP 0.3 570 5 CONSF^2 0.0002 57 -0 .590693 0.5602 R-squared 0.014330 ean dependent -8 .42 1 - 0.6 075 71 0.5 876 69. 4 9 ______________________________________________________________________________________________________ Bài giảng Kinh tế lượng – NguyÔn cao V¨n – Bộ môn Toán Kinh tế - khoa Toán Kinh tế - ĐH KTQD 3 R- 0 .78 1356 S.D. dependent var 78 9.22 S.E.