HƯỚNG DẪN THỰC HÀNH EVIEWS ĐỂ DỰ BÁO KINH TẾ Yêu cầu: Eviews 9; File solieu Với cửa sổ Series View Spreadsheet Graph Descriptive Statistic Correlogram Unit Root Test Procs Seasonal Adjustment Moving Average Method Exponential Smoothing Hodrick-Prescott Filter Số liệu Đồ thị Các thống kê đặc trưng Lược đồ tự tương quan Kiểm định nghiệm đơn vị Hiệu chỉnh yếu tố thời vụ Hiệu chỉnh theo trung bình trượt San mũ đơn, kép, Holt-Winters Lọc chuỗi Với cửa sổ Equation View Representations Estimation Output Actual, Fitted, Residual Gradients and Derivatives Covarian Matrix Coefficient Test Residual tests Correlogram – Q-statistic Histogram – Normality test Serial Correlation LM test White Heterokedasticity Stability test Chow breakpoint test Chow forecast test Ramsey RESET test Procs Specify/Estimate Forecast Make residual series Đàm Đình Mạnh - QNU Cách trình bày dạng phương trình Bảng kết đầy đủ Các thông tin phần dư Các thông tin Gradient Đảo biến Ma trận Hiệp phương sai ước Các kiểm định hệ số Các kiểm định phần dư Lược đồ tự tương quan phần dư Đồ thị, kiểm định tính phân phối ẩ định tự tương quan theo B-G Kiểm Kiểm định phương sai sai số thay đổi Các kiểm định dạng hàm Kiểm định tính đồng hai đoạn Kiểm định đánh giá dự báo Kiểm định định dạng hàm theo Định dạng phương trình, mẫu, Đặt tên chuỗi ước lượng, đánh giá dự báo Đặt tên chuỗi phần dư 1 Các mơ hình dự báo giản đơn Sử dụng sheet VAR2 file SOLIEU.WF1 Các biến: Income thu nhập Investment đầu tư Tần suất theo quý, từ Quý 3/1993 đến Quý 2/2016 1.1 Ngoại suy giản đơn Mơ hình hồi quy INCOME theo biến thời gian Đặt biến xu thời gian: Genr T = @trend(1993q3) Hồi quy mơ hình sau so sánh kết thông qua việc đánh giá hệ số xác định Mơ hình xu tuyến tính: Incomet = β1 + β2t + ut Mơ hình bậc hai: Incomet = β1 + β2t + β2t2 + ut Mô hình dạng mũ: log(Incomet) = β1 + β2t + ut 1.2 Trung bình trướt Trung bình trượt thời kỳ biến INCOME vào thời kỳ t Genr IncomeMA3 = ( Income(-1) + Income + Income(+1) ) / Cho kết giống với lệnh: Genr IncomeMA3 = @movav(Income(+1),3) Với hàm @movav, khơng có tham số (+1) tính trung bình trượt lấy mốc kỳ lùi hai thời kỳ trước, muốn tính thời kỳ trước, thời kỳ sau cần đặt tham số (+1) để đưa lùi mốc sau quan sát Mở cửa số [Group] với hai biến INCOME INVE STMENT, so sánh thống kê đặc trưng, vẽ đồ thị hai biến theo thời gian để thấy trình làm trơn trung bình trượt 1.3 San mũ giản đơn Chọn INCOME thành Series [Series] Procs → Exponential Smoothing → Single Exponential Smoothing → Cửa sổ [Exponential Smoothing] → Chọn Single (trong phần Smoothing Method) → Ô tên chuỗi mới: Smoothed series: đặt lại INCOMEESM1 Trong phần Estimation Sample chọn khoảng thời gian dự báo: Đàm Đình Mạnh - QNU Method: Single Exponential Original Series: INCOME Forecast Series: INCOMESM1 Parameters: Alpha Sum of Squared Residuals Root Mean Squared Error End of Period Levels: 0.9990 168591.4 42.80789 Mean 2650.976 1.4 Hiệu chỉnh mùa vụ Biến INCOME: [Series] Procs → Seasonal Adjustment → Moving Average Methods → Cửa sổ [Seasonal Adjustment] → Ratio Moving Average Tên chuỗi sau hiệu chỉnh INCOMESA Ratio to Moving Average Original Series: INCOME Adjusted Series: INCOMESA Scaling Factors: 1.001044 0.999402 0.999361 1.000194 1.5 San mũ Holt-Winter San mũ Holt-Winters cho phép đặt nhiều mơ hình khác Biến INCOME: [Series] Procs → Exponential Smoothing → Single Exponential Smoothing → Cửa sổ [Exponential Smoothing] → Chọn Holt-Winters – No seasonal → Đặt tên chuỗi san INCOMESM2  Incom en  k  Incomen  kTn Công thức dự báo cho kỳ sau: Method: Holt-Winters No Seasonal Original Series: INCOME Forecast Series: INCOMESM2 Parameters: Alpha Beta Sum of Squared Residuals Root Mean Squared Error End of Period Levels: 0.9600 0.2000 19750.30 14.65187 Mean Trend 2650.894 20.28128 1.6 Mơ hình xu mùa vụ - mơ hình Cộng Biến INCOME: [Series] Procs → Exponential Smoothing → Single Exponential Smoothing → Cửa sổ [Exponential Smoothing] → Chọn Holt-Winters – Addtive → Đặt tên chuỗi san INCOMESM3  Incom e n  k   Income n  kTn   Fs Công thức dự báo cho kỳ sau: Đàm Đình Mạnh - QNU Trong đó: Fs mùa vụ tương ứng với thời gian cần dự báo Method: Holt-Winters Additive Seasonal Original Series: INCOME Forecast Series: INCOMESM3 Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: 0.9500 0.2300 0.0000 20396.67 14.88969 Mean Trend Seasonals: 2015Q3 2015Q4 2016Q1 2016Q2 2652.339 19.17210 0.348310 0.623505 0.724481 -1.696296 1.7 Mô hình xu mùa vụ - mơ hình Nhân Biến INCOME: [Series] Procs → Exponential Smoothing → Single Exponential Smoothing → Cửa sổ [Exponential Smoothing] → Chọn Holt-Winters – Multiplcative → Đặt tên chuỗi san INCOMESM4  Incom e n  k   Income n  kTn  Fs Công thức dự báo cho kỳ sau: Trong đó: Fs mùa vụ tương ứng với thời gian cần dự báo Method: Holt-Winters Multiplicative Seasonal Original Series: INCOME Forecast Series: INCOMESM4 Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: 0.8400 0.2500 0.6701 23844.52 16.09905 Mean Trend Seasonals: 2015Q3 2015Q4 2016Q1 2016Q2 2652.893 18.07028 0.999702 0.999073 1.001213 1.000012 Hãy dự báo cho INCOME vào thời kỳ từ 2016Q3 – 2017Q4 phương pháp trên? Đàm Đình Mạnh - QNU Mơ hình dự báo ARIMA Sử dụng sheet AGRI file SOLIEU.WF1 Các biến: Agri_index (chỉ số giá nông nghiệp) Tần suất theo tháng từ 8/2007 – 6/2017 2.1 Kiểm tra tính dừng Biến Agri_index : [Series] Graph → Chọn tham số OK Price 200 190 180 170 160 150 140 130 120 110 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Kết cho thấy chuỗi khơng dừng Kiểm tra nghiệm đơn vị Dickey – Fuller Biến INCOME: [Series] View → Unit Root Test Chọn OK cho kết sau: Null Hypothesis: AGRI_INDEX has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=12) Đàm Đình Mạnh - QNU Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -2.742868 -3.487046 -2.886290 -2.580046 0.0700 *MacKinnon (1996) one-sided p-values Biến đổi chuỗi agri_index dạng log(agri_index) agri_index/agri_index(-1) để có chuỗi dừng hợp lý Ví dụ tạo chuỗi Genr gagri = agri_index/agri_index(-1) kiểm tra tính dừng ta có: Null Hypothesis: GAGRI has a unit root Exogenous: Constant, Linear Trend Lag Length: (Automatic - based on SIC, maxlag=12) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -6.425682 -4.038365 -3.448681 -3.149521 0.0000 *MacKinnon (1996) one-sided p-values Vậy ta sử dụng chuỗi GARI để thực dự báo 2.2 Xác định bậc p, q Biến GAGRI : [Series] Correlogram → Chọn tham số OK Dự đoán bậc p (dựa vào PACF) q (dựa vào ACF) 2.3 Ước lượng mơ hình Gõ mơ hình ước lượng vào cửa sổ Command nhấn Enter: ls gagri c ar(1) ma(1) ma(8) Dependent Variable: GAGRI Method: ARMA Maximum Likelihood (BFGS) Convergence achieved after 12 iterations Coefficient covariance computed using outer product of gradients Variable Đàm Đình Mạnh - QNU Coefficient Std Error t-Statistic Prob C AR(1) MA(1) MA(8) SIGMASQ 1.002162 0.405715 0.070895 -0.149711 0.000940 R-squared Adjusted R-squared S.E of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Inverted AR Roots Inverted MA Roots 0.249833 0.223278 0.031331 0.110924 243.5593 9.408279 0.000001 41 78 -.01-.79i 0.004657 0.190096 0.200131 0.110473 9.87E-05 215.2148 2.134258 0.354243 -1.355180 9.526553 Mean dependent var S.D dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter Durbin-Watson stat 55+.56i -.57+.56i 0.0000 0.0350 0.7238 0.1781 0.0000 1.002175 0.035550 -4.043378 -3.925976 -3.995710 1.965360 55-.56i -.57-.56i -.01+.79i -.80 Để đánh giá mơ hình đạt độ ổn định nhiễu trắng chưa ta thực sau: [Equation] View → ARMA Structure → Chọn tham số nhấn OK Inverse Roots of AR/MA Polynomial(s) 1.5 1.0 0.5 AR roots MA roots 0.0 -0.5 -1.0 -1.5 -1.5 Đàm Đình Mạnh - QNU -1.0 -0.5 0.0 0.5 1.0 1.5 Kiểm định nhiễu trắng [Equation] View → Residual Diagnostics → Correlogram – Q-statistics Chọn tham số OK Từ bậc trở đi, giá trị p-value lớn 5% nên chuỗi nhiễu trắng Hoặc ta kiểm định nghiệm đơn vị cho phần dư từ mơ hình ARIMA 2.4 Dự báo [Equation] View → Forecast → Chọn tên chuỗi dự báo, khoảng thời gian dự báo phương pháp dự báo động → OK Kết quả: 2017M07 2017M08 2017M09 2017M10 2017M11 2017M12 2018M01 2018M02 2018M03 2018M04 2018M05 2018M06 1.008475317583521 1.005424272181475 1.003963120384211 1.003263371841231 1.002928260852544 1.002767775524114 1.002690918776616 1.002654111925213 1.002636485049833 1.002628043503659 1.002624000830168 1.00262206478568 Hãy thực dự báo cho chuỗi khác mơ hình ARIMA Đàm Đình Mạnh - QNU Mơ hình VAR Sử dụng sheet VAR3 file SOLIEU.WF1 Các biến: GGDP (tốc độ tăng GDP) GM2 (tốc độ tăng cung tiền) Tần suất theo tháng từ 1/2000 – 11/2007 3.1 Kiểm tra tính dừng Mơ hình VAR đòi hỏi biến đưa vào phải dừng Kiểm tra Unit Root Test cho hai biến ta có: Null Hypothesis: GGDP has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level t-Statistic Prob.* -11.84422 -3.503049 -2.893230 -2.583740 0.0001 t-Statistic Prob.* -8.953692 -3.502238 -2.892879 -2.583553 0.0000 *MacKinnon (1996) one-sided p-values Null Hypothesis: GM2 has a unit root Exogenous: Constant Lag Length: (Automatic - based on SIC, maxlag=11) Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level *MacKinnon (1996) one-sided p-values Vậy hai biến dừng 3.2 Ước lượng VAR Thực ước lượng VAR cho hai biến sau: Chọn biến Nhấn đúp chuột trái chọn Open VAR ta được: Ở ô Endogenous ta đưa vào biến nội sinh Ô Lag … ta đưa vào độ trễ (thường để mặc định) Ô Exogenous ta đưa vào biến ngoại sinh Và VAR Type để Standard VAR Kết ước lượng sau: Đàm Đình Mạnh - QNU Vector Autoregression Estimates Date: 20/09/17 Time: 15:24 Sample (adjusted): 2000M04 2007M11 Included observations: 92 after adjustments Standard errors in ( ) & t-statistics in [ ] GGDP GM2 GGDP(-1) -0.668470 (0.09892) [-6.75745] 0.011082 (0.01791) [ 0.61866] GGDP(-2) -0.368939 (0.10016) [-3.68367] -0.018688 (0.01814) [-1.03044] GM2(-1) 0.368458 (0.60492) [ 0.60910] 0.173544 (0.10954) [ 1.58435] GM2(-2) -1.401898 (0.52761) [-2.65707] 0.063712 (0.09554) [ 0.66688] C 3.129237 (0.72243) [ 4.33155] 0.787284 (0.13082) [ 6.01830] 0.372587 0.343740 0.604821 0.083378 12.91614 100.5898 -2.078038 -1.940984 1.017404 0.102924 0.062029 0.018904 0.019831 0.015098 1.438357 257.8025 -5.495707 -5.358653 1.022073 0.015243 R-squared Adj R-squared Sum sq resids S.E equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D dependent Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion Number of coefficients 1.50E-06 1.34E-06 360.9650 -7.629675 -7.355567 10 3.3 Xác định độ trễ tối ưu Lựa chọn độ trễ tối ưu: Từ [Var] View → Lag Structure → Lag Length Criteria Lag LogL LR FPE AIC SC HQ 309.3370 324.4933 333.1754 335.3216 336.1134 339.1840 341.1766 NA 29.25531 16.35466* 3.942906 1.417962 5.355737 3.382738 2.70e-06 2.08e-06 1.87e-06* 1.95e-06 2.10e-06 2.15e-06 2.26e-06 -7.147371 -7.406822 -7.515708* -7.472595 -7.397987 -7.376373 -7.329689 -7.090293 -7.235588* -7.230319 -7.073050 -6.884286 -6.748517 -6.587677 -7.124400 -7.337908 -7.400852* -7.311796 -7.191246 -7.123690 -7.031063 Đàm Đình Mạnh - QNU 10 341.6456 341.9215 0.774372 0.442666 2.46e-06 2.69e-06 -7.247572 -7.160964 -6.391404 -6.190641 -6.903004 -6.770454 Lưu ý: độ trễ vô lý nên thực tế không chọn độ trễ Ở ta chọn độ trễ Vậy mơ hình ước lượng ban đầu hoàn toàn hợp lý Ta cần kiểm tra thêm vài tiêu chí độ tin cậy 3.4 Đánh giá mơ hình Mơ hình cần đạt tiêu chí - Ổn định (kiểm định nghiệm đơn vị đa thức đặc trưng) Nhiễu trắng Sai số dự báo thấp Từ [Var] View → Lag Structure → AR Roots Graph Inverse Roots of AR Characteristic Polynomial 1.5 1.0 0.5 0.0 -0.5 -1.0 -1.5 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 Các nghiệm đa thức đặc trưng nằm vòng tròn đơn vị nên VAR có ổn định Từ [Var] View → Residual Tests → Portmanteau Autocorrelation Test VAR Residual Portmanteau Tests for Autocorrelations Null Hypothesis: No residual autocorrelations up to lag h Included observations: 92 Lags Q-Stat Prob.* Adj Q-Stat Prob.* df 0.170230 0.726349 6.358807 8.525234 9.437392 12.87764 14.93619 17.02637 0.1739 0.3839 0.6652 0.6817 0.7800 0.8475 0.172100 0.740578 6.562894 8.827795 9.792376 13.47264 15.70072 17.98996 0.1609 0.3570 0.6342 0.6379 0.7350 0.8035 12 16 20 24 Đàm Đình Mạnh - QNU 11 *Test is valid only for lags larger than the VAR lag order df is degrees of freedom for (approximate) chi-square distribution Kể từ độ trễ thứ sai số ngẫu nhiên không tương quan với … 3.5 Dự báo Có vấn đề dự báo: Hàm phản ứng đẩy (cơ chế truyền tải sốc) Hàm phân rã phương sai Dự báo Solve Từ [Var] View → Impulse Responses → (chú ý tới tính thứ tự biến nội sinh) Kết quả: Đàm Đình Mạnh - QNU 12 Response to Cholesky One S.D (d.f adjusted) Innovations ± S.E Response of GGDP to GGDP Response of GGDP to GM2 08 08 04 04 00 00 -.04 -.04 10 Response of GM2 to GGDP 015 010 010 005 005 000 000 8 10 10 Response of GM2 to GM2 015 10 Từ [Var] View → Variance Decompositon → chọn Table Kết quả: Variance Decompositi on of GGDP: Period S.E GGDP GM2 0.083378 0.099724 0.102408 0.104256 100.0000 99.70574 94.56241 93.73718 0.000000 0.294255 5.437587 6.262816 Đàm Đình Mạnh - QNU 13 10 0.104630 0.104693 0.104770 0.104782 0.104786 0.104789 93.78009 93.68110 93.66982 93.66996 93.66500 93.66472 6.219907 6.318896 6.330183 6.330037 6.335003 6.335283 Variance Decompositi on of GM2: Period S.E GGDP GM2 10 0.015098 0.015388 0.015545 0.015568 0.015583 0.015586 0.015587 0.015587 0.015587 0.015587 5.439426 6.231322 7.261129 7.530497 7.532284 7.570514 7.574970 7.576339 7.578118 7.578203 94.56057 93.76868 92.73887 92.46950 92.46772 92.42949 92.42503 92.42366 92.42188 92.42180 Cholesky Ordering: GGDP GM2 Giải thích kết kỳ thứ ? Từ [Var] Proc → Make Model → Cửa sổ Model ta có: [Model] Solve → chọn khoảng thời gian cần dự báo i Kết quả: 2007M12 2008M01 2008M02 2008M03 2008M04 0.9938073 0.971971 1.047771 1.015673 1.007765 Đàm Đình Mạnh - QNU 1.028058 1.020889 1.022153 1.023163 1.021647 14 2008M05 2008M06 2008M07 2008M08 2008M09 2008M10 2008M11 2008M12 1.022918 1.017948 1.015341 1.018434 1.01772 1.017034 1.017637 1.017559 Đàm Đình Mạnh - QNU 1.02196 1.022234 1.021963 1.021997 1.022069 1.022018 1.022019 1.022036 15 ... VAR có ổn định Từ [Var] View → Residual Tests → Portmanteau Autocorrelation Test VAR Residual Portmanteau Tests for Autocorrelations Null Hypothesis: No residual autocorrelations up to lag h Included... Seasonal Original Series: INCOME Forecast Series: INCOMESM2 Parameters: Alpha Beta Sum of Squared Residuals Root Mean Squared Error End of Period Levels: 0.9600 0.2000 19750.30 14.65187 Mean Trend 2650.894... Original Series: INCOME Forecast Series: INCOMESM3 Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: 0.9500 0.2300 0.0000 20396.67 14.88969 Mean