Xem mẫu
1.
Chương 8
L A CH N MÔ HÌNH
H I QUY
Các tiêu chu n c a mô hình
Tính ti t ki m : mô hình càng ñơn gi n càng t t
Tính ñ ng nh t : các tham s ư c lư ng là duy nh t cho
cùng m t t p h p s li u
Tính thích h p : R2 và R2 hi u ch nh càng g n 1 càng t t
Tính b n v ng : mô hình ph i d a trên m t cơ s lý
thuy t nào ñó
Có kh năng d báo t t : mô hình cho k t qu d báo
sát v i th c t
2.
Cách ti p c n ñ l a ch n mô hình
2.
a.Xác ñ nh s bi n ñ c l p
Có hai hư ng ti p c n
T ñơn gi n ñ n t ng quát : B sung bi n ñ c l p
t t vào mô hình
Ki m tra các “b nh c a mô hình ”
ða c ng tuy n
T t ng quát ñ n ñơn gi n : ð u tiên, xét mô hình
ñ y ñ các bi n ñ c l p ñã ñư c xác ñ nh . Sau ñó
ti n hành lo i tr nh ng bi n không quan tr ng ra
kh i mô hình
2.
Cách ti p c n ñ l a ch n mô hình
c. Ch n d ng hàm
C n d a vào
Các lý thuy t kinh t
Các k t qu th c nghi m
Cách ti p c n ñ l a ch n mô hình
b.Ki m tra mô hình có vi ph m gi thi t hay
không
T tương quan
Phương sai thay ñ i
2.
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
Giá tr c a hàm h p lý log-likelihood(L)
n
n
1
L = − ln σ 2 − ln(2π ) − ∑ U i2
2
2
2
ð th bi u di n
Giá tr c a L càng l n ch ng t mô hình càng phù
h p
2.
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
Tiêu chu n AIC (Akaike info criterion)
AIC =
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
Tiêu chu n Schwarz (Schwarz criterion)
RSS 2 k n
e
n
Giá tr c a AIC càng nh ch ng t mô hình càng
phù h p
2.
2.
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
SC =
RSS 2 k n
n
n
Giá tr c a SC càng nh ch ng t mô hình càng
phù h p
3. Các sai l m thư ng g p khi ch n mô hình
a.
N u chú ý ñ n ñ ph c t p c a mô hình thì thư ng chú ý
ñ n tiêu chu n SC
B sót bi n thích h p
Gi s mô hình ñúng là :
Yi = β1 + β2X2i+ β3X3i + Ui
Nhưng ta l i ch n mô hình :
Yi = α1 + α2X2i + Vi
h u qu :
N u xét s li u theo th i gian thì thư ng dùng tiêu chu n
AIC
(a)
( b)
Lưu ý là bi n ph thu c xu t hi n trong mô hình ph i
cùng d ng
3. Các sai l m thư ng g p khi ch n mô hình
b.
Th a bi n
Gi s mô hình ñúng là :
Yi = β1 + β2X2i + Ui
(a)
Nhưng ta l i ch n mô hình (có thêm X3):
Yi = α1 + α2X2i + α2X3i + Vi (b)
h u qu :
4. Phát hi n nh ng sai l m
a.
Phát hi n th a bi n
Xét hàm h i qui : Yi = β 1+ β2X2i+ β 3X3i+ β 4X4i+ β 5X5i + Ui
ki m ñ nh
H0 : β5 = 0 (Ki m ñ nh b ng cách nào?)
X5 không c n thi t. (Có th s
N u ch p nh n H0
d ng redundant test c a Eviews)
- Trư ng h p nghi ng X5 là bi n th a
Trư ng h p nghi ng X3 và X5 là các bi n không c n
thi t
ki m ñ nh gi thi t ñ ng th i
H0 : β3= β5 = 0
(S d ng ki m ñ nh Wald)
Ki m ñ nh Wald cho mô hình sau .
Redundant variables Test
4. Phát hi n nh ng sai l m
b.
Ki m ñ nh các bi n b b sót
Xét mô hình : Yi = β1 + β2Xi + Ui
(*)
Gi s nghi ng mô hình ñã b sót bi n Z
ki m tra b ng cách :
- N u có s li u c a Z :
+ H i qui mô hình Yi = β1+β2Xi+β3Zi +Ui
+ Ki m ñ nh H0 : β3= 0. N u bác b H0 thì mô
hình ban ñ u ñã b sót bi n Z.
- N u không có s li u c a Z : dùng ki m ñ nh
RESET c a Ramsey.
Ki m ñ nh RESET c a Ramsey :
ˆ ˆ
Ramsey ñ xu t s d ng Yi 2 , Yi 3 làm x p x cho Zi.
Bư c 1 : H i qui mô hình (*), thu l y ˆi
Y
Bư c 2 : H i qui Yi theo các bi n ñ c
l p trong (*) và ˆi2 , Yi3
Y ˆ (mô hình ˆi2 , Yi3 này
Y ˆ
g i là mô hình (new)) .
Bư c 3 : Ki m ñ nh H0 : các h s c a Yi2 , Yi3
ˆ ˆ
ñ ng th i b ng 0.
N u bác b H0 mô hình (*) ñã b sót bi n.
Ki m ñ nh RESET c a Ramsey :
Omitted variables Test
H t
3. Các sai l m thư ng g p khi ch n mô hình
H u qu vi c b sót bi n :
Các ư c lư ng thu ñư c là ư c lư ng ch ch c a các
tham s trong mô hình ñúng.
Các ư c lư ng thu ñư c không ph i là ư c lư ng
v ng.
Phương sai c a các ư c lư ng trong mô hình sai (b) >
trong mô hình ñúng (a) .
Kho ng tin c y r ng, các ki m ñ nh không còn tin c y
n a.
3. Các sai l m thư ng g p khi ch n mô hình
- Các ư c lư ng OLS v n là các ư c lư ng
không ch ch và v ng c a các tham s trong
mô hình ñúng.
- Phương sai c a các ư c lư ng trong mô hình
th a bi n (b) l n hơn trong mô hình ñúng
(a).
- Kho ng tin c y r ng, các ki m ñ nh không
còn tin c y n a.
nguon tai.lieu . vn
Chương 8
L A CH N MÔ HÌNH
H I QUY
Các tiêu chu n c a mô hình
Tính ti t ki m : mô hình càng ñơn gi n càng t t
Tính ñ ng nh t : các tham s ư c lư ng là duy nh t cho
cùng m t t p h p s li u
Tính thích h p : R2 và R2 hi u ch nh càng g n 1 càng t t
Tính b n v ng : mô hình ph i d a trên m t cơ s lý
thuy t nào ñó
Có kh năng d báo t t : mô hình cho k t qu d báo
sát v i th c t
2.
Cách ti p c n ñ l a ch n mô hình
2.
a.Xác ñ nh s bi n ñ c l p
Có hai hư ng ti p c n
T ñơn gi n ñ n t ng quát : B sung bi n ñ c l p
t t vào mô hình
Ki m tra các “b nh c a mô hình ”
ða c ng tuy n
T t ng quát ñ n ñơn gi n : ð u tiên, xét mô hình
ñ y ñ các bi n ñ c l p ñã ñư c xác ñ nh . Sau ñó
ti n hành lo i tr nh ng bi n không quan tr ng ra
kh i mô hình
2.
Cách ti p c n ñ l a ch n mô hình
c. Ch n d ng hàm
C n d a vào
Các lý thuy t kinh t
Các k t qu th c nghi m
Cách ti p c n ñ l a ch n mô hình
b.Ki m tra mô hình có vi ph m gi thi t hay
không
T tương quan
Phương sai thay ñ i
2.
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
Giá tr c a hàm h p lý log-likelihood(L)
n
n
1
L = − ln σ 2 − ln(2π ) − ∑ U i2
2
2
2
ð th bi u di n
Giá tr c a L càng l n ch ng t mô hình càng phù
h p
2.
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
Tiêu chu n AIC (Akaike info criterion)
AIC =
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
Tiêu chu n Schwarz (Schwarz criterion)
RSS 2 k n
e
n
Giá tr c a AIC càng nh ch ng t mô hình càng
phù h p
2.
2.
Cách ti p c n ñ l a ch n mô hình
d.M t s tiêu chu n khác
SC =
RSS 2 k n
n
n
Giá tr c a SC càng nh ch ng t mô hình càng
phù h p
3. Các sai l m thư ng g p khi ch n mô hình
a.
N u chú ý ñ n ñ ph c t p c a mô hình thì thư ng chú ý
ñ n tiêu chu n SC
B sót bi n thích h p
Gi s mô hình ñúng là :
Yi = β1 + β2X2i+ β3X3i + Ui
Nhưng ta l i ch n mô hình :
Yi = α1 + α2X2i + Vi
h u qu :
N u xét s li u theo th i gian thì thư ng dùng tiêu chu n
AIC
(a)
( b)
Lưu ý là bi n ph thu c xu t hi n trong mô hình ph i
cùng d ng
3. Các sai l m thư ng g p khi ch n mô hình
b.
Th a bi n
Gi s mô hình ñúng là :
Yi = β1 + β2X2i + Ui
(a)
Nhưng ta l i ch n mô hình (có thêm X3):
Yi = α1 + α2X2i + α2X3i + Vi (b)
h u qu :
4. Phát hi n nh ng sai l m
a.
Phát hi n th a bi n
Xét hàm h i qui : Yi = β 1+ β2X2i+ β 3X3i+ β 4X4i+ β 5X5i + Ui
ki m ñ nh
H0 : β5 = 0 (Ki m ñ nh b ng cách nào?)
X5 không c n thi t. (Có th s
N u ch p nh n H0
d ng redundant test c a Eviews)
- Trư ng h p nghi ng X5 là bi n th a
Trư ng h p nghi ng X3 và X5 là các bi n không c n
thi t
ki m ñ nh gi thi t ñ ng th i
H0 : β3= β5 = 0
(S d ng ki m ñ nh Wald)
Ki m ñ nh Wald cho mô hình sau .
Redundant variables Test
4. Phát hi n nh ng sai l m
b.
Ki m ñ nh các bi n b b sót
Xét mô hình : Yi = β1 + β2Xi + Ui
(*)
Gi s nghi ng mô hình ñã b sót bi n Z
ki m tra b ng cách :
- N u có s li u c a Z :
+ H i qui mô hình Yi = β1+β2Xi+β3Zi +Ui
+ Ki m ñ nh H0 : β3= 0. N u bác b H0 thì mô
hình ban ñ u ñã b sót bi n Z.
- N u không có s li u c a Z : dùng ki m ñ nh
RESET c a Ramsey.
Ki m ñ nh RESET c a Ramsey :
ˆ ˆ
Ramsey ñ xu t s d ng Yi 2 , Yi 3 làm x p x cho Zi.
Bư c 1 : H i qui mô hình (*), thu l y ˆi
Y
Bư c 2 : H i qui Yi theo các bi n ñ c
l p trong (*) và ˆi2 , Yi3
Y ˆ (mô hình ˆi2 , Yi3 này
Y ˆ
g i là mô hình (new)) .
Bư c 3 : Ki m ñ nh H0 : các h s c a Yi2 , Yi3
ˆ ˆ
ñ ng th i b ng 0.
N u bác b H0 mô hình (*) ñã b sót bi n.
Ki m ñ nh RESET c a Ramsey :
Omitted variables Test
H t
3. Các sai l m thư ng g p khi ch n mô hình
H u qu vi c b sót bi n :
Các ư c lư ng thu ñư c là ư c lư ng ch ch c a các
tham s trong mô hình ñúng.
Các ư c lư ng thu ñư c không ph i là ư c lư ng
v ng.
Phương sai c a các ư c lư ng trong mô hình sai (b) >
trong mô hình ñúng (a) .
Kho ng tin c y r ng, các ki m ñ nh không còn tin c y
n a.
3. Các sai l m thư ng g p khi ch n mô hình
- Các ư c lư ng OLS v n là các ư c lư ng
không ch ch và v ng c a các tham s trong
mô hình ñúng.
- Phương sai c a các ư c lư ng trong mô hình
th a bi n (b) l n hơn trong mô hình ñúng
(a).
- Kho ng tin c y r ng, các ki m ñ nh không
còn tin c y n a.