Đang tải... (xem toàn văn)
tiểu luận kinh tế lượng và dự báo: PHẦN I: THỰC HIỆN TRÊN EXCEL 1.1. THIẾT LẬP MÔ HÌNH HỒI QUI MẨU – MÔ TẢ DỮ LIỆU Ta có mô hình hồi qui mẩu có dạng: Yi = 1 + 2X2i + 3X3i + 4X4i + ei Yi = SUB: Số người thuê bao của mỗi hệ thống (nghìn người) X2i= HOME: Số nhà mà mỗi hệ thống cáp TV đi ngang qua (nghìn nhà) X3i = AIR: Số kênh truyền hính thu được X4i = AGE: Số tuổi của mỗi hệ thống (năm) 1.2. Phân tích kết quả thực nghiệm 1.2.1. Kết quả chạy mô hình từ Excel
TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO TL SỐ Phần I : Excel Sử dụng liệu Data BT Excel, dùng Regression Data Analysis để ước lượng hàm hồi quy mẫu có dạng sau : SUB = B1 + B2 * HOME + B3* AIR +B4* AGE SUB số người thuê bao hệ thống (nghìn người) HOM E Số nhà mà hệ thống cáp TV ngang qua (nghìn nhà) AIR Số kênh truyền hính thu AGE Số tuổi hệ thống (năm) Phần II : Eviews a/ Hãy chuyển liệu từ file Excel phần sang thành liệu dạng workfile Eviews lưu lại tên : Data TL Sau dùng cơng cụ Eviews để: - Lập bảng tham số thống kê biến độc lập, vẽ đồ thị biến độc lập bảng - Lập ma trận Correlation Matrix gồm biến phụ thuộc tất biền độc lập - Ước lượng phương trình hồi quy dạng câu phần I b/ Hãy kiểm định Wald ( biến thừa ) cho biến độc lập nêu c/ Từ mô hinh câu a phần II kiểm định White BG cho mơ hình d/ Hãy dự báo giá trị trung bình giá trị cá biệt số người th bao hệ thống theo mơ hình sau: SUB = C(1) + C(2)*AGE + C(3)*AIR + C(4)*HOME Cho biết AGE = 25; AIR = 18; HOME = 360 (nghìn hộ ) Và độ tin cậy 1- = 95% Biểu diễn trực quan đồ thị dự báo cách vẽ đồ thị khoảng dự báo trung bình, dự báo cá biệt, tương ứng với cận cận theo số quan sát làm biến trục hoành chung cho đại lượng khác BẢNG DỮ LIỆU ĐỂ LÀM BÀI TIỂU LUẬN (DATA BT2) TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO ST T 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 SUB HOME AIR AGE 105 90 14 11.7 46 11.217 12 6.428 20.1 8.5 1.6 1.1 4.355 78.91 19.6 1.65 13.4 18.708 1.352 170 15.388 6.555 40 19.9 2.45 3.762 24.882 21.187 3.487 42.1 20.35 23.15 9.866 42.608 10.371 5.164 31.15 350 255.631 31 34.84 153.434 26.621 18 9.324 32 28 15.204 97.889 93 2.6 18.284 55 1.7 270 46.54 20.417 120 46.39 14.5 9.5 81.98 39.7 4.113 99.75 33.379 35.5 34.775 64.84 30.556 16.5 70.515 13 11 10 12 8 6 7 5 6 6 4 5 6 11.83 11.42 7.33 6.92 26 8.83 13.08 5.58 12.42 4.92 4.08 4.25 10.67 17.58 8.08 0.17 13.25 12.67 5.25 15 17 6.83 5.67 11.25 2.92 2.17 7.08 12.17 13.08 0.17 7.67 10.33 12.25 13.08 4.67 TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO ST T 40 SUB HOME AIR AGE 18.35 42.04 TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO PHẦN I: THỰC HIỆN TRÊN EXCEL 1.1 THIẾT LẬP MƠ HÌNH HỒI QUI MẨU – MƠ TẢ DỮ LIỆU Ta có mơ hình hồi qui mẩu có dạng: Yi = β + β 2X2i + β 3X3i + β 4X4i + ei Yi = SUB: Số người thuê bao hệ thống (nghìn người) X2i= HOME: Số nhà mà hệ thống cáp TV ngang qua (nghìn nhà) X3i = AIR: Số kênh truyền hính thu X4i = AGE: Số tuổi hệ thống (năm) 1.2 Phân tích kết thực nghiệm 1.2.1 Kết chạy mơ hình từ Excel Bước 1: Vào Data/Data Analysis/Regtesion/Ok (sẽ xuất hộp thoại hình bên dưới) Bước 2: (Các thao tác bước thể cụ thể hình bên dưới) - Tại mục Input Y Range: ta chọn tất ô cột biến phụ thuộc (kể tên biến) - Tại mục Input Y Range: Ta chọn tất các ô cột biến giải thích (kể tên biến) - Check vào mục Label - Tại mục Output options: chọn Output Range chọn vùng để xuất ước lượng hồi qui TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Bước 3: Bấm Ok (sẽ xuất bảng hình bên dưới) SUMMARY OUTPUT Regression Statistics 0.9340425 Multiple R 0.8724355 R Square Adjusted R 0.8618051 Square Standard 12.467307 Error Observation 40 s ANOVA df Regression SS MS F Significance F 82.07009 3.67E-16 38269.38632 12756.46 Residual 36 5595.614791 155.4337 Total 39 43865.00111 Coefficient s 12.869285 Standard Error 6.410971823 t Stat 2.007384 P-value 0.052261 Lower 95% -0.13277 Upper 95% 25.87134 Lower 95.0% -0.13277 Upper 95.0% 25.87133841 0.030962654 13.29027 1.88E-15 0.348707 0.474297 0.348707 0.474297276 1.037577482 -3.33645 0.001979 -5.56613 -1.35752 -5.56613 1.357522004 0.409436419 2.783676 0.00851 0.309363 1.970114 0.309363 1.970114056 Intercept HOME AIR AGE 0.4115021 3.4618266 1.1397385 TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Dựa vào bảng kết ta viết mơ hình hồi quy mẫu số người thuê bao hệ thống có dạng: SUB = 12,86928501 + 0,411502104* HOME - 3,46182666* AIR + 1,139738517*AGE + ei Trong đó: B1 = 12,86928501: Khi biến HOME, AIR, AGE đồng thời số người thuê bao trung bình hệ thống SUB 12,86928501 (nghìn người) B2 = 0,411502104: Trong điều kiện yếu tố khác không đổi số nhà hệ thống cáp tivi ngang qua tăng lên nghìn người làm cho số người thuê bao trung bình hệ thống tăng lên 0,411502104 (nghìn người) B3 = - 3,46182666: Trong điều kiện yếu tố khác không đổi số kênh truyền hình thu tăng lên kênh số người thuê bao trung bình hệ thống giảm 3,46182666 (nghìn người) B4 = 1,139738517: Trong điều kiện yếu tố khác không đổi số tuổi hệ thống tăng lên năm làm cho số người thuê bao trung bình hệ thống tăng lên 1,139738517 (nghìn người) 1.2.2 Giải thích số ký hiệu Bảng SUMMARY OUTPUT: Regression Statistics: Hồi quy số liệu thống kê Multiple R = 0,934043: Hệ số tương quan R biến phụ thuộc SUB biến độc lập HOME, AIR, AGE R Square = 0,872436 Hệ số xác định Trong 100% biến động biến phụ thuộc Y có 87,2436 % biến động biến độc lập X ảnh hưởng, lại sai số yếu tố khác ngồi mơ hình Adjusted R Square = 0,861805 : Hệ số R2 điều chỉnh Là hệ số xác định có tính đến độ lớn hay nhỏ bậc tự Standard Error= 12,46731: Sai số chuẩn Y hồi quy Observation= 40: Số quan sát hay dung lượng mẫu TIỂU LUẬN MƠN KINH TẾ LƯỢNG VÀ DỰ BÁO Bảng phân tích phương sai ANOVA: Regression: Do hồi quy, lượng biến thiên ESS Residual: Do ngẫu nhiên, lượng biến thiên RSS Total: Tổng cộng, lượng biến thiên TSS D (Degree of freedom): Số bậc tự ESS (3), RSS(36), TSS(39) SS (Sum of Square): Tổng bình phương mức động (sai lệch) giá trị quan sát Y (ký hiệu Yi) giá trị bình quân chúng MS (Mean of Square): Phương sai hay số bình quân tổng bình phương sai lệch kể TSS ( Total Sum of Square)= 43865: Tổng bình phương tất mức sai lệch giá trị quan sát Yi giá trị bình quân chúng Do hồi quy Regression ESS (Explained Sum of Square)= 38269,39 tổng bình phương sai lệch giá trị biến phụ thuộc Y nhận từ hàm hồi quy mẫu (ký hiệu Y*i) Độ lớn ESS phản ánh mức độ giao động giá trị cá biệt mô hình với giá trị trung bình mẫu hàm hồi quy Do ngẫu nhiên Residual RSS (Residual Sum of Square) = 5595,615 tổng bình phương tất sai lệch giá trị quan sát Y (Y i) giá trị nhận từ hàm hồi quy Ta kiểm tra chéo sau: TSS = ESS + RSS R2 = ESS/ TSS SD2 = Var = MSS of RSS F= 82,07009 : Trị số F-Fisher dùng làm để kiểm định độ tin cậy mặt khoa học (thống kê) tồn phương trình hồi quy Residual (cột MS) =155,4337: Trị số sigma ước lượng bình phương t Stat: Tiêu chuẩn t dùng làm để kiểm định độ tin cậy mặt khoa học mối liên hệ biến độc lập với biến phụ thuộc • β1/SE(β1) = 2,00738443 • β2/SE(β2) = 13,2902723 • β3/SE(β3) = -3.33645122 • β4/SE(β4) = 2,78367645 P-value: Xác suất để tkd> t Stat, trị xác suất tiêu chuẩn tới hạn Coefficients: Hệ số chặn hệ số hồi quy riêng Standar Error: độ lệch chuẩn hệ số hồi quy • SE(β1) = 6,410971823 • SE(β2) = 0,030962654 • SE(β3) = 1,037577482 • SE(β4) = 0,409436419 Lower 95%: Cận khoảng ước lượng cho tham số với độ tin cậy 95% TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO β1= -0,13276839 β2 = 0,34870693 β3= -5,56613131 β4= 0,30936298 Upper95%: Cận khoảng ước lượng cho tham số với độ tin cậy 95% • β1= 25.8713384 • β2 = 0.47429728 • β3= -1.357522 • β4= 1.97011406 • • • • 1.1.3 Nhận xét: R Square = R2 = 0,872436 ≈ 87,2436% Nghĩa 100% biến động biến phụ thuộc SUB có 87,2436% biến động biến độc lập ảnh hưởng, lại sai số ngẫu nhiên các yếu tố khác ngồi mơ hình F = Fkd = 82,07009469 > Fα(k-1,n-k) = F0,05(4-1,40-4) =2,866266 Ta tìm Fα(k-1,n-k) hàm FINV với cú pháp: =FINV(probability, deg_freedom1, deg_freedom2) Trong đó: probability mức ý nghĩa, deg_freedom1 deg_freedom2 số bậc tự thứ (k-1) thứ hai (n-k) (với k số biến độc lập n số quan sát mơ hình) Thực hàm Excel: = FINV(0.05,3,36) cho F0,05(4-1,40-4) Ta kết F0,05(4-1,40-4) = 2,866266 Các giá trị P-value biến độc lập nhỏ mức ý nghĩa α=0,05 Vậy biến đưa vào mơ hình hợp lý ⇒ Kết luận: Mơ hình phù hợp PHẦN HAI: THỰC HIỆN TRÊN EVIEWS 2.1 Chuyển liệu từ Excel sang Eviews - Bật phần mềm Eviews 8, Xuất hộp thoại để chọn file liệu cần chuyển đổi - Ta chọn Open a Foreign file (Such as Excel) (như hình bên dưới) TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Tại đây, ta chọn đường dẫn chứa liệu, địa giới hạn liệu cần lấy Tiếp tục Next -> Finish, sau lưu lại với tên DATA TL9 (ta workfile để làm hình bên dưới) TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO 2.2 Lập bảng tham số thống kê biến độc lập vẽ đồ thị 2.2.1 Lập bảng tham số thống kê Chọn biến giải thích, Clik chuột phải vào vùng chọn chọn Open/as Group TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Nhận xét: Giả thiết: H0: β2=0 Giả thiết đối: β2 ≠ Dựa vào bảng kết trên, ta thấy giá trị Probability F-statistic 0,00000 Coeficient Diagnostics -> Wald Test – Coeficient Restrictions… Hộp thoại Wald Test xuất hiện, gõ C(2)=0 Nhấn OK Nhận xét: Giả thiết H0: β3=0 Giả thiết đối: β3 ≠ Dựa vào bảng kết trên, ta thấy giá trị Probability F-statistic 0,0020 Coeficient Diagnostics -> Wald Test – Coeficient Restrictions… Hộp thoại Wald Test xuất hiện, gõ C(3)=0 Nhấn OK Nhận xét: Giả thiết: H0: β4=0 Giả thiết đối: β4 ≠ Dựa vào bảng kết trên, ta thấy giá trị Probability F-statistic 0,0085 Residual -> Heteroskedasicity Test Xuất hợp thoại Heteroskedasicity Test Tại mục Test type chọn White Check vào Incule White cross terms Nhấn OK, ta kết quả: Từ cửa sổ Eviews nhập Scalar cbp=@qchisq(0.95,9) đề tìm TIỂU LUẬN MƠN KINH TẾ LƯỢNG VÀ DỰ BÁO Mơ hình phụ có dạng: = α + α 2HOME2 + α 3HOME*AIR + α 4HOME*AGE+ α HOME + α 6AIR2+ α 7AGE*AIR+ α 8AIR+ α 9AIR*AIR + AGE2 + α 10AGE + Vi Giả thiết: H0: α 2= α 3=α = α = α = α = α = α 9= α 10 = Giả thiết đối: Có hệ số α I ≠ Từ bảng ta thấy: Obs*R-Squared = nR2 = 35.73754 >(9) = 16.91898 Ngoài ra, Prob Chi-Square (9) Obs.R-Square có giá trị 0,0000< 0,05, ta bác bỏ giả thiết H0, nghĩa mơ hình hồi quy xảy tượng phương sai thay đổi Lưu ý: Để khắc phục tượng phương sai thay đổi, ta dùng phương pháp FGL để hồi quy lại phần dư sau kiểm định lại phương sai để giảm tối đa phương sai thay đổi 2.3.3.2.Kiểm định BG Mục đích kiểm định BG đẻ kiểm định tượng tự tương quan Từ cửa sổ kết ước lượng mô hình hồi quy, vào View -> Residual Diagnostics -> Serial Correlation LM Test Trong cửa sổ này, mục Lags to include – ta chọn giá trị 2→OK Ta bảng kết kiểm định sau: TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Mơ hình phụ có dạng: Ui = ρ1 + ρ1Ui-1 + ρ2Ui-2 + ρ3Ui-3 + … + ρpUi-p + εi Với εi thỏa giả thiết OLS Ta có giả thiết kiểm định sau: H0: ρ1 = ρ2 =ρ3 = … = ρp = Từ bảng ta thấy (n-p)R2 = 2,036768 với xác suất Prob Chi-Square (2) = 0,3612 Giá trị P-value lớn mức ý nghĩa α= 0,05 Vậy, chấp nhận giả thiết H0: nghĩa mơ hình khơng có tượng tự tương quan bậc hai TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO 2.3.4 Dự báo giá trị trung bình giá trị cá biệt số người thuê bao hệ thống Từ kết tính ta có: SUB = 12.86928501 + 0.411502104*HOME 3.46182666*AIR + 1.139738517 AGE Bước 1: Ta ước lượng mơ hình hồi quy biến SUB, HOME, AIR, AGE Bước 2: Tạo thêm biến quan sát thứ (n+1) điền giá trị biến độc lập Tại cửa sổ Workfile, vào Proc -> Structure/ Resize Current Page Tại mục Workfile structure type chọn Unstructure/Undated, Tại mục Data range, ta tăng giá trị có lên đơn vị (40 +1) Mở biến SUB, HOME, AIR, AGE Group, chọn Edit +/và nhập: X0 = (HOME = 360, AIR = 18, AGE = 25) vào ô Obs số 41, ta kết sau: TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Bước 3: Tạo biến giá trị vơ hướng • Trở lại mơ hình hồi quy bước 1, vào Forecast, hộp thoại Forecast xuất • Trong khung Series name: - Tại mục Forecast name ta đặt tên biến dự báo cho biến phụ thuộc “subf” - Tại mục S.E (optional) ta khai biến số SE (Y0) “se_1dubao” • Nhập xong, chọn OK TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Mở đồng thời biến SUBf se_1dubao thấy quan sát cuối (quan sát thứ 41) giá trị SUBf giá trị giá trị se_1dubao giá trị SE(Y0) Ở mơ hình = - 127,1906; SE(Y0)= 16,74943 Lập biến se_2dubao thông qua se_1dubao S.E of regression (sigma ước lượng) Tại hộp thoại Eviews gõ scalar sigma=@se để khởi tạo giá trị sigma TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Tại hộp thoại Eviews gõ genr se_2dubao=sqr(se_1dubao^2-sigma^2) để tạo series se_2dubao Lập giá trị kiểm định tinv để tính giá trị tα(n-k) với n-k=40-4=36, α/2=0,025 Tại hộp lệnh Eviews nhập scalar tinv=@qtdist(0.975,36) để tạo giá trị tinv TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Bước 4: Thiết lập cận trên, cận cho khoảng dự báo trung bình cá biệt Tiến hành dự báo: Tại hộp thoại Eviews ta nhập lệnh sau: - genr upperCB=subf+tinv* se_1dubao - genr lowerCB= subf-tinv* se_1dubao - genr lowerTB= subf-tinv* se_2dubao - genr upperTB= subf+tinv* se_2dubao Ta bảng sau: Sau đó, ta chọn biến vừa tạo, click phải chuột chọn Open as Group, ta có bảng kết khoảng dự báo giá trị sau: TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Từ bảng số liệu cho ta biết với mức ý nghĩa α = 5% thì: Khoảng dự báo giá trị trung bình số người thuê bao hệ thống ứng với Home = 360; AGE = 25;nAIR = 18 là: [104,5059 ; 149,8754] (nghìn người) Khoảng dự báo giá trị trung bình số người thuê bao hệ thống ứng với Home = 360; AGE = 25;nAIR = 18 là: [93,22120 ; 161,1601] (nghìn người) Vẽ đồ thị giá trị dự báo trung bình cá biệt: Dự báo giá trị trung bình số người thuê bao hệ thống Bảng liệu giá trị trung bình hệ thống TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Tương tự phần vẽ đồ thị cho biến phần ta đồ thị giá trị trung bình số người thuê bao hệ thống sau Nhận xét: Đồ thị biểu diễn trực quan, ta thấy giá trị trung bình gần với giá trị thực => dự báo đáng tin cậy Đồ thị giá trị trung bình có khoảng cách cận cận ngắn nên việc dự báo xác tốt ngắn hạn gặp khó khăn dài hạn TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Dự báo giá trị cá biệt số người thuê bao hệ thống Bảng liệu giá trị cá biệt hệ thống Tương tự phần vẽ đồ thị cho biến phần ta đồ thị giá trị trung bình số người thuê bao hệ thống sau TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Nhận xét: Đồ thị biểu diễn trực quan, ta thấy giá trị cá biệt bám sát với giá trị thực => dự báo đáng tin cậy Đồ thị giá trị cá biệt có khoảng cách cận cận xa so với dự báo trung bìnhnhưng việc dự báo tốt dài hạn TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO KẾT LUẬN Kết tìm hàm hồi qui đề tài số dựa theo liệu data việc thực hành phần mềm ứng dụng Excel Eviews ta hàm hồi qui biến phụ thuộc SALEPRIC biến độc lập (giải thích) SUB, HOME, AIR, AGE sau: Yi= 12,86929 + 0,411502*HOME – 3,461827*AIR + 1,139739*AGE+ ei Đối với việc thực phương pháp kiểm định Wald, White, BG ta rút nhận xét sau: Phương pháp kiểm định Wald cho thấy biến giải thích cần thiết với mơ hình đồng thời có ảnh hưởng lớn đến biến phụ thuộc Phương pháp kiễm định White cho thấy mơ hình hồi quy xảy tượng phương sai thay đổi, Để khắc phục tượng phương sai thay đổi, ta dùng phương pháp FGL để hồi quy lại phần dư sau kiểm định lại phương sai để giảm tối đa phương sai thay đổi Thực kiểm định BG, ta thấy mơ hình khơng có tượng tương quan bậc 2, điểm tốt mơ hình Mặc dù mơ hình hạn chế tượng phương sai thay đổi, khắc phục Hiện tượng đa cộng tuyến biến HOME với biến AIR AGE mức trung bình chấp nhận Đánh giá chung, kiểm định dự báo cho ta thấy biến HOME, AIR, AGE biến thật sần thiết có tác động, ảnh hưởng đến SUB Đây mộ mơ hình tương đối bền vững hợp lý, ta áp dụng kết phân tích liệu để áp dụng thực tế công việc ... 7.08 12.17 13.08 0.17 7.67 10.33 12.25 13.08 4.67 TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO ST T 40 SUB HOME AIR AGE 18.35 42.04 TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO PHẦN I: THỰC HIỆN TRÊN EXCEL 1.1... vùng chọn chọn Open/as Group TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Sẽ xuất bảng liệu hình bên Vào View > Descriptive Stats > Common Sample TIỂU LUẬN MÔN KINH TẾ LƯỢNG VÀ DỰ BÁO Ta có bảng thống... muốn, sau nhấn OK TIỂU LUẬN MƠN KINH TẾ LƯỢNG VÀ DỰ BÁO Ở chọn kiểu đồ thị Distributationvà để xuất tất bảng mục Multiple series chọn Multiple graphs→ OK: TIỂU LUẬN MƠN KINH TẾ LƯỢNG VÀ DỰ BÁO