[hệ số góc]: cho biết khi biến độc lập Xm tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝜷𝒎| đơn vị, với điều kiện các yếu tố khác không đổi.
- Hàm hồi quy đa thức [parabol]
𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽3. 𝑋𝑖2 + 𝑢𝑖 𝛽1[hệ số chặn]: cho biết khi biến độc lập X bằng 0 thì trung bình biến phụ thuộc là 𝛽1 đơn vị. +] Xét dấu hệ số 𝛽3 [vẽ đồ thị]: 𝛽3 \> 0 có cực tiểu, 𝛽3 < 0 có cực đại. Mối quan hệ X-Y: 𝛽3 \> 0 thì ban đầu X tăng Y giảm rồi sau đó X tăng Y tăng, 𝛽3 < 0 thì ban đầu X tăng Y tăng rồi sau đó X tăng Y giảm. +] Tại điểm X0 cụ thể: 𝑌x0, \= 𝛽2 + 2𝛽3. 𝑋0 \= 𝑎 Cho biết tại điểm X0, khi X tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝒂| đơn vị. +] Điểm cực trị: 𝑋∗ \=
- Hàm hồi quy đa thứ [tương tác biến định lượng]
𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽3. 𝑍𝑖 + 𝛽4. 𝑋𝑖 ∗ 𝑍𝑖 + 𝑢𝑖 𝛽1[hệ số chặn]: cho biết khi biến độc lập X=Z=0 thì trung bình biến phụ thuộc là 𝛽1 đơn vị. 𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝜷𝟐| đơn vị, với điều kiện các yếu tố khác =0. 𝛽3[hệ số góc]: cho biết khi biến độc lập Z tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝜷𝟑| đơn vị, với điều kiện các yếu tố khác =0. 𝛽4[hệ số góc]: cho biết tác động của X đến Y phụ thuộc vào độ lớn của Z và tác động của Z đến Y phụ thuộc độ lớn của X.
- Hàm hồi quy nghịch đảo [hypecbol]
𝑌𝑖 \= 𝛽1 + 𝛽2/𝑋𝑖 + 𝑢𝑖
𝛽1[hệ số chặn]: cho biết khi biến độc lập 𝑋 → ∞ thì trung bình biến phụ thuộc đạt cực trị là 𝛽1 đơn vị. +] Xét dấu hệ số 𝛽2 [vẽ đồ thị]: 𝛽2 \> 0 thì trung bình biến phụ thuộc đạt cực tiểu là 𝛽1 đơn vị, 𝛽2 < 0 thì trung bình biến phụ thuộc đạt cực đại là 𝛽1 đơn vị. +] Mối quan hệ X-Y: 𝛽2 \> 0 thì X tăng Y giảm, 𝛽2 < 0 thì X tăng Y tăng.
- Hàm hồi quy loga tuyến tính [hàm mũ, điển hình là hàm sản xuất Cobb-Douglas]
𝑙𝑜𝑔𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑙𝑜𝑔𝑋𝑖 + 𝑢𝑖
𝑌𝑖\= 𝑒𝛽1 . 𝑋𝑖𝛽2. 𝑒𝑢𝑖
𝛽1[hệ số chặn]: cho biết khi biến độc lập cùng bằng 1 đơn vị thì trung bình biến phụ thuộc là 𝑒𝛽1đơn vị.
𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 % thì trung bình biến phụ thuộc thay đổi |𝛽𝟐| %, với điều kiện các yếu tố khác không đổi.
- Hàm hồi quy semi-loga
𝑙𝑜𝑔𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝑢𝑖 𝑌𝑖 \= 𝑒𝛽1+𝛽2.𝑋𝑖+𝑢𝑖 𝛽1[hệ số chặn]: cho biết khi biến độc lập bằng 0 thì trung bình biến phụ thuộc là 𝑒𝛽1 đơn vị. 𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝛽𝟐| × 𝟏𝟎𝟎%. 𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑙𝑜𝑔𝑋𝑖 + 𝑢𝑖 𝛽1[hệ số chặn]: cho biết khi biến độc lập bằng 1 đơn vị thì trung bình biến phụ thuộc là 𝛽1 đơn vị. 𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 % thì trung bình biến phụ thuộc thay đổi |𝛽𝟐|/𝟏𝟎𝟎 đơn vị.
- Hàm hồi quy có biến giả [vẽ đồ thị các trường hợp chênh lệch hệ số chặn, hệ số góc hoặc cả hai]
𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽3. 𝐷 + 𝑢𝑖 𝛽1[hệ số chặn]: cho biết khi biến độc lập bằng 0 thì trung bình biến phụ thuộc ở trạng thái D=0 là 𝛽1 đơn vị. 𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc thay đổi |𝛽𝟐| đơn vị. 𝛽3[hệ số góc]: cho biết ở các mức X tương ứng thì trung bình biến phụ thuộc ở trạng thái D=1 chênh lệch so với trạng thái D=0 là |𝖰𝟑| đơn vị. 𝑌𝑖 \= 𝛽1 + 𝛽2. 𝑋𝑖 + 𝛽4. 𝐷𝑋𝑖 + 𝑢𝑖 𝛽1[hệ số chặn]: cho biết khi biến độc lập bằng 0 thì trung bình biến phụ thuộc là 𝛽1 đơn vị. 𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc ở trạng thái D=0 thay đổi |𝛽𝟐| đơn vị. 𝛽4[hệ số góc]: cho biết khi X tăng [giảm] 1 đơn vị thì mức thay đổi trung bình biến phụ thuộc ở trạng thái D=1 chênh lệch so với trạng thái D=0 là |𝛽𝟒| đơn vị.
- Hàm hồi quy trễ phân phối
𝑌𝑡 \= 𝛼 + 𝛽0. 𝑋𝑡 + 𝛽1. 𝑋𝑡−1 + 𝛽2. 𝑋𝑡−2 + ⋯ + 𝛽𝑝. 𝑋𝑡−𝑝 + 𝑢𝑡 𝛼 [hệ số chặn]: cho biết khi biến độc lập ở các thời kỳ cùng bằng 0 thì trung bình biến phụ thuộc là 𝛼 đơn vị. 𝛽0[hệ số góc]: cho biết khi biến độc lập X hiện tại tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc ở thời điểm hiện tại thay đổi |𝖰𝟎| đơn vị. 𝛽1[hệ số góc]: cho biết khi biến độc lập X trước đó 1 thời kỳ tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc ở thời điểm hiện tại thay đổi |𝖰𝟏| đơn vị, với điều kiện các yếu tố khác không đổi. cho biết khi biến độc lập X hiện tại tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc ở sau đó 1 thời kỳ thay đổi |𝖰𝟏| đơn vị, với điều kiện các yếu tố khác không đổi.
- Hàm hồi quy có xu thế
𝑌𝑡 \= 𝛽1 + 𝛽2. 𝑋𝑡 + 𝛽3. 𝑇 + 𝑢𝑡 𝛽1[hệ số chặn]: cho biết khi biến độc lập bằng 0 ở thời điểm gốc [T=0] thì trung bình biến phụ thuộc là 𝛽1 đơn vị [lưu ý trường hợp cho T=1 là gốc] 𝛽2[hệ số góc]: cho biết khi biến độc lập X tăng [giảm] 1 đơn vị thì trung bình biến phụ thuộc ở thời điểm hiện tại thay đổi |𝖰𝟐| đơn vị. 𝛽3[hệ số góc]: cho biết cứ sau 1 thời kỳ thì trung bình biến phụ thuộc có xu thế thay đổi |𝖰𝟑| đơn vị, với điều kiện các yếu tố khác không đổi. * Yêu cầu:
- Viết lại hàm hồi quy tổng thể, hàm và mô hình hồi quy mẫu cho các dạng hàm trên.
- Tự vẽ lại đồ thị các dạng hàm đa thức [parabol, hypecbol và có biến giả].
- Tìm các lý thuyết kinh tế [vi mô + vĩ mô] áp dụng các dạng hàm trên [ví dụ: hàm cầu dùng dạng tuyến tính, hàm sản xuất dùng dạng Cobb-Douglas, hàm tổng chi phí dùng dạng đa thức,…]
DẠNG 2: SUY DIỄN THỐNG KÊ
- Các câu hỏi thường gặp
- Các hệ số có ý nghĩa thống kê không?
- Phân tích mối quan hệ biến độc lập và biến phụ thuộc.
- Ước lượng/ Kiểm định sự thay đổi biến phụ thuộc khi biến độc lập thay đổi-Hàm Cobb-Douglas: hàm sản xuất thay đổi theo quy mô…
2.2.Lý thuyết cần nhớ
Bước 1: Xác định hệ số cần ước lượng/ kiểm định [xem lại ý nghĩa kinh tế các hệ số] - Hệ số riêng 𝛽𝑗 - Hệ số đồng thời 𝛽 \= 𝑎𝛽𝑖 ± 𝑏𝛽𝑗 [cách tính 𝛽̂, 𝑠𝑒[𝛽̂]] Khoảng thay đổi của Y khi 2 biến thay đổi:
Mức thay đổi Xi
Mức thay đổi Xj
Mức thay đổi Y
Tăng a
Tăng b
Tăng a
Giảm b
Giảm a
Tăng b
Giảm a
Giảm b
Bước 2: Xác định bài toán ước lượng:
- Khoảng nào? à KTC đối xứng
- Tối đa à Tối đa [nếu là hệ số chặn /hệ số góc 𝛽̂ > 0], Tối thiểu [nếu hệ số góc 𝛽̂ < 0]
- Tối thiểu à Tối thiểu [nếu là hệ số chặn/hệ số góc 𝛽̂ > 0], Tối đa [nếu hệ số góc 𝛽̂ < 0]
Công thức khoảng tin cậy của hệ số: KTC đối xứng: KTC tối đa: KTC tối thiểu: Bước 3: Xác định bài toán kiểm định [suy luận với |𝛽̂| và |𝛽|]
- Viết cặp kiểm định giả thuyết:
- Có dấu bằng [=, ≤, ≥] là H0
- Không có dấu bằng [≠, >, < ] là H1
- H0, H1 là hai giả thuyết đối nhau
- Tiêu chuẩn kiểm định Tà Tqs
- Miền bác bỏ 𝑊𝛼
- Kết luận: 𝑇𝑞𝑠 ∈ 𝑊𝛼: bác bỏ H0 𝑇𝑞𝑠 ∉ 𝑊𝛼: chưa có cơ sở bác bỏ H0
Kiểm định
Tiêu chuẩn
Miền bác bỏ
𝐻0: 𝛽 \= 𝛽∗ {𝐻1: 𝛽 ≠ 𝛽∗
𝑊 \= {𝑇: |𝑇| > 𝑡[𝑛−𝑘]} 𝛼 𝛼/2
𝐻0: 𝛽 ≥ 𝛽∗ {𝐻1: 𝛽 < 𝛽∗
𝑊 \= {𝑇: 𝑇 < −𝑡[𝑛−𝑘]} 𝛼 𝛼
𝐻0: 𝛽 ≤ 𝛽∗ {𝐻1: 𝛽 \> 𝛽∗
𝑊 \= {𝑇: 𝑇 \> 𝑡[𝑛−𝑘]} 𝛼 𝛼
* Lưu ý các kiểm định đặc biệt:
- Hệ số có ý nghĩa thống kê [sử dụng p –value]
𝐻0: 𝛽𝑗 \= 0 {𝐻1: 𝛽𝑗 ≠ 0
- Mối quan hệ X-Y
𝐻0: 𝛽𝑗 \= 0 {𝐻1: 𝛽𝑗 ≠ 0 X có ảnh hưởng đến Y
𝐻0: 𝛽𝑗 ≤ 0 {𝐻1: 𝛽𝑗 \> 0 X có ảnh hưởng cùng chiều đến Y
𝐻0: 𝛽𝑗 ≥ 0 {𝐻1: 𝛽𝑗 < 0 X có ảnh hưởng ngược chiều đến Y
- Mức độ tác động của 2 biến độc lập lên biến phụ thuộc [xét 2 hệ số góc cùng hay khác dấu]
𝐻0: |𝛽𝑖| = |𝛽𝑗| {𝐻1: |𝛽𝑖| ≠ |𝛽𝑗| Xi, Xj tác động như nhau đến Y
𝐻0: |𝛽𝑖| ≤ |𝛽𝑗| {𝐻1: |𝛽𝑖| > |𝛽𝑗| Xi tác động mạnh hơn Xj
𝐻0: |𝛽𝑖| ≥ |𝛽𝑗| {𝐻1: |𝛽𝑖| < |𝛽𝑗| Xi tác động yếu hơn Xj
- Hàm Cobb-Douglas: hàm sản xuất thay đổi theo quy mô
𝐻0: 𝛽2 + 𝛽3 \= 1 {𝐻1: 𝛽2 + 𝛽3 ≠ 1 Hàm SX không đổi [thay đổi]
{𝐻0: 𝛽2 + 𝛽3 ≤ 1 𝐻1: 𝛽2 + 𝛽3 \> 1 Hàm SX tăng
{𝐻0: 𝛽2 + 𝛽3 ≥ 1 𝐻1: 𝛽2 + 𝛽3 < 1 Hàm SX giảm
- Hàm có biến giả: hàm hồi quy đồng nhất
{𝐻0: 𝛽3 \= 0 𝐻1: 𝛽3 ≠ 0 Không có chênh lệch hệ số chặn
𝐻0: 𝛽4 \= 0 {𝐻1: 𝛽4 ≠ 0 Không có chênh lệch hệ số góc
{𝐻0: 𝛽3 \= 𝛽4 \= 0 𝐻1: 𝛽2 + 𝛽2 ≠ 0 3 4 Không có chênh lệch 2 hệ số
- Hàm có biến xu thế: lưu ý đơn vị thời gian [theo năm, tháng hay quý] và thời điểm [quá khứ, hiện tại, tương lai].
DẠNG 3: PHÂN TÍCH HÀM HỒI QUY
3. Các câu hỏi thường gặp
- Ý nghĩa hệ số xác định R2
- Kiểm định sự phù hợp của hàm hồi quy [các biến độc lập đều không ảnh hưởng đến biến phụ thuộc]
- Kiểm định thêm biến, bỏ biến
3.2.Lý thuyết cần nhớ
- Ý nghĩa hệ số xác định: Cho biết hàm hồi quy [hoặc các biến độc lập] giải thích được R2×100% sự thay đổi của biến phụ thuộc, phần còn lại [1- R2] ×100% là do các yếu tố khác ngoài các biến độc lập hay yếu tố ngẫu nhiên gây ra.
- Kiểm định sự phù hợp hàm hồi quy:
Cách 1: sử dụng miền bác bỏ 2 𝐹 \= 𝑅 /[𝑘−1] [1−𝑅2]/[𝑛−𝑘] 𝑊 \= {𝐹: 𝐹 \> 𝑓[𝑘−1,𝑛−𝑘]} 𝛼 𝛼
− 𝐹𝑞𝑠 ∈ 𝑊𝛼: bác bỏ − 𝐹𝑞𝑠 ∉ 𝑊𝛼: chưa có cơ sở bác bỏ H0
Cách 2: sử dụng p-value
- p-value < α : bác bỏ H0
- p-value > α : chưa có cơ sở bác bỏ H0
- Kiểm định thêm biến, bỏ biến:
Xác định mô hình lớn [có nhiều biến], mô hình nhỏ [có ít biến] Cặp kiểm định tương ứng [theo các hệ số thêm vào hoặc bớt đi] Tiêu chuẩn kiểm định: Miền bác bỏ 𝑊 :
− 𝐹𝑞𝑠 ∈ 𝑊𝛼: bác bỏ − 𝐹𝑞𝑠 ∉ 𝑊𝛼: chưa có cơ sở bác bỏ H0 * Lưu ý: ứng dụng kiểm định bỏ biến cho kiểm định với hàm có biến giả [hàm hồi quy đồng nhất, kiểm định biến X hoặc D có ảnh hưởng đến Y]
DẠNG 4: ĐÁNH GIÁ MÔ HÌNH
- Các câu hỏi thường gặp
- Nguyên nhân, bản chất, hậu quả của các khuyết tật gây ra cho mô hình, đề xuất biện pháp khắc phục [nếu có khuyết tật]
- Đánh giá mô hình [phát hiện khuyết tật] và nêu phương pháp thực hiện kiểm định.
- So sánh các mô hình để chọn ra mô hình tốt nhất
4.2.Lý thuyết cần nhớ
TT
Giả thiết OLS
Vi phạm
Khuyết tật
Hậu quả
Phát hiện
Khắc phục
Lưu ý
1
𝑬[𝑼⁄𝑿] = 𝟎
𝑬[𝑼⁄𝑿] ≠ 𝟎
Định dạng hàm sai [Mô hình thiếu biến]
- Ước lượng OLS bị chệch à Không thể dùng dự báo hay suy diễn thống kê
Kiểm định Ramsey
- Thêm biến
Gây hậu quả nghiêm trọng nhất [1]
2
𝒗𝒂𝒓[𝑼⁄𝑿] ≡ 𝝈𝟐
hay
𝒗𝒂𝒓[𝑼𝒊] \= 𝒗𝒂𝒓[𝑼𝒋]
𝒗𝒂𝒓[𝑼⁄𝑿] ≅ 𝝈𝟐
hay
𝒗𝒂𝒓[𝑼𝒊] ≠ 𝒗𝒂𝒓[𝑼𝒋]
Phương sai sai số thay đổi
- Ước lượng OLS vẫn không chệch tuy nhiên không còn hiệu quả à có thể dùng dự báo
- Ước lượng phương sai bị chệch à suy diễn thống kê không chính xác
Kiểm định White
- Hiệu chỉnh sai số
- Đổi dạng hàm: loga, semi- loga
- Phương pháp bình phương nhỏ nhất tổng
quát GLS
Hay xảy ra với số liệu chéo [2]
3
𝑼~𝑵[𝟎, 𝝈𝟐]
𝑼 ≁ 𝑵[𝟎, 𝝈𝟐]
Sai số ngẫu nhiên không phân phối chuẩn
- Ước lượng OLS là ước lượng tuyến tính, không chệch, tốt nhất à có thể dùng dự báo
- Chỉ ảnh hưởng công thức ước lượng, kiểm định à
suy diễn thống kê không đáng tin cậy
Kiểm định JB [Jacque- Bera]
- Tăng kích thước mẫu
Gây ít hậu quả nhất, không có hồi quy phụ [5]
4
𝒄𝒐𝒗[𝑿𝒊, 𝑿𝒋] = 𝟎
𝒄𝒐𝒗[𝑿𝒊, 𝑿𝒋] ≠ 𝟎
Đa cộng tuyến
- Phương sai và hiệp phương sai của các hệ số hồi quy ước lượng tăng lên.
- Các khoảng tin cậy sẽ rộng hơn và kiểm định T có thể mất ý nghĩa.
- Hệ số R2 có thể khá cao + các giá trị giá trị thống kê của kiểm định T khá nhỏ à Kiểm định T và F có thể cho kết luận mâu thuẫn.
- Mô hình trở lên nhạy cảm với sự thay đổi của số liệu.
- Dấu của các hệ số hồi quy ước lượng được có thể không phù hợp với lý thuyết kinh tế.
* Tuy nhiên đây vẫn là ước lượng tuyến tính không chệch, tốt nhất cho mẫu nhưng có thể không có ý nghĩa kinh tế.
Hồi quy phụ các biến độc lập
- Bỏ biến
- Đổi dạng hàm phi tuyến
- Hồi quy đa thức
- Tăng kích thước mẫu
Chỉ xảy ra với mô hình hồi quy bội [có ≥ 2 biến độc lập] [4]
5
𝒄𝒐𝒗[𝑼𝒕, 𝑼𝒔] = 𝟎
𝒄𝒐𝒗[𝑼𝒕, 𝑼𝒔] ≠ 𝟎
Tự tương quan
- Ước lượng OLS vẫn không chệch tuy nhiên không còn hiệu quả à có thể dùng dự báo
- Ước lượng phương sai bị chệch à suy diễn thống kê không chính xác
Kiểm định DW [Durbin- Watson] Kiểm định BG [Breusch- Godfrey]
- Phương trình sai
phân tổng quát
- Phương pháp lặp Corchan-
Orcutt
Hay xảy ra với số liệu chuỗi [số liệu chéo không xét] [2]
Kết quả ước lượng bằng Eviews
Dependent Variable: Y
Method: Least Squares
Sample[adjusted]: 1 12
Included observations: 12 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
32.27726
6.253073
5.161823
0.0006
X2
2.505729
0.328573
7.626105
0.0000
X3
4.758693
0.410384
11.59572
0.0000
R-squared
0.975657
Mean dependent var
141.3333
Adjusted R-squared
0.970247
S.D. dependent var
23.20789
S.E. of regression
4.003151
Akaike info criterion
5.824358
Sum squared resid
144.2269
Schwarz criterion
5.945585
Log likelihood
-31.94615
F-statistic
180.3545
Durbin-Watson stat
2.527238
Prob[F-statistic]
0.000000
1.Kiểm định dạng hàm bằng kiểm định Ramsey RESET
Ramsey RESET Test: number of fitted term: 1
F-statistic
0.434041
Probability
0.528515
Log likelihood ratio
0.634014
Probability
0.425887
Test Equation:
Dependent Variable: Y Included observations: 12
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
15.89090
25.69746
0.618384
0.5535
X2
3.676299
1.808903
2.032337
0.0766
X3
6.810923
3.143733
2.166508
0.0622
FITTED^2
-0.001588
0.002410
-0.658818
0.5285
R-squared
0.976909
F-statistic
112.8200
Durbin-Watson stat
2.805915
Prob[F-statistic]
0.000001
- Kiểm định hiện tượng phương sai sai số thay đổi bằng kiểm định White
White Heteroskedasticity Test: cross term
F-statistic
0.843820
Probability
0.564521
Obs*R-squared
4.954369
Probability
0.421474
Test Equation:
Dependent Variable: RESID^2 Included observations: 12
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-302.2919
201.0729
-1.503394
0.1834
X2
31.71005
20.36090
1.557400
0.1704
X2^2
-0.879882
0.520465
-1.690568
0.1419
X2*X3
0.206625
0.536312
0.385270
0.7133
X3
0.587451
10.18193
0.057695
0.9559
X3^2
-0.075395
0.534322
-0.141104
0.8924
R-squared
0.412864
F-statistic
0.843820
Durbin-Watson stat
2.579780
Prob[F-statistic]
0.564521
3.Kiểm định hiện tượng sai số ngẫu nhiên phân phối chuẩn bằng kiểm định Jarque-Bera
Normality Test:
JB
0.985686
Probability
0.349875
- Kiểm định hiện tượng đa cộng tuyến
Dependent Variable: X2
Included observations: 12 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
13.11995
4.359437
3.009550
0.0131
X3
0.599730
0.346453
1.731059
0.1141
R-squared
0.230566
F-statistic
2.996565
Durbin-Watson stat
1.684565
Prob[F-statistic]
0.114120
Dependent Variable: X3
Included observations: 12 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
4.317495
4.620929
0.934335
0.3721
X2
0.384449
0.222089
1.731059
0.1141
R-squared
0.230566
F-statistic
2.996565
Durbin-Watson stat
1.819293
Prob[F-statistic]
0.114120
5.a.Kiểm định hiện tượng tự tương quan bằng kiểm định Durbin-Watson
Với α = 5%, kích thước mẫu = n và số biến giải thích là k’ = k-1: Durbin – Watson đã xây dựng bảng các giá trị cận dưới d [Lower], cận trên d [Upper] để làm căn cứ kết luận. 0 ---- dL- dU - 4-dU -- 4-dL----- 4
5.b.Kiểm định hiện tượng tự tương quan bằng kiểm định Breusch-Godfrey
Breusch-Godfrey Serial Correlation LM Test: AR[1]
F-statistic
0.985686
Probability
0.349875
Obs*R-squared
1.316342
Probability
0.251250
Test Equation: Dependent Variable: RESID
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.801269
6.309879
-0.126986
0.9021
X2
0.038385
0.331099
0.115931
0.9106
X3
0.009196
0.410815
0.022385
0.9827
RESID[-1]
-0.348885
0.351409
-0.992817
0.3499
R-squared
0.109695
F-statistic
0.328562
Durbin-Watson stat
1.853452
Prob[F-statistic]
0.805069
*Cách thực hiện kiểm định các khuyết tật theo ví dụ trên: Mô hình gốc: ${{\gamma }_{i}}={{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2i}}+{{\beta }_{3}}.{{X}_{3i}}+{{u}_{i}}$
- Với số quan sát: n, số hệ số: k, hệ số xác định ${{R}^{2}}$
Khuyết tật 1: Định dạng hàm sai
- Bước 1: Ước lượng mô hình gốc thu được $\overset{\wedge }{\mathop{\gamma }}\,$
- Bước 2: xây dựng mô hình hồi quy phụ
${{\gamma }_{i}}={{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2i}}+{{\beta }_{3}}.{{X}_{3i}}+{{\alpha }_{m}}.\overset{\wedge }{\mathop{\gamma }}\,_{i}^{m+1}+{{u}_{i}}$ ***REPAIRED***
- Bước 3: Kiểm định khuyết tật
Tiêu chuẩn kiểm định:$F=\frac{[R_{P}{2}-{{R}{2}}]/m}{[1-R_{P}{2}]/[n-k-m]}$ Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ F:F>f_{\alpha }{[m.n-k-m]}\left. {} \right\} \right.$ Lưu ý: số nhâm tử thêm vào [number of fitted] Khuyết tật 2: Phương sai sai số thay đổi
- Bước 1: Ước lượng mô hình gốc thu được
- Bước 2: Xây dựng mô hình hồi quy phụ [cross-có tích chéo]
$e_{i}{2}={{\alpha }_{1}}+{{\alpha }_{2}}.{{X}_{2i}}+{{\alpha }_{3}}.{{X}_{3i}}+{{\alpha }_{4}}.X_{2i}{2}+{{\alpha }_{5}}.X_{3i}{2}+{{\alpha }_{6}}.{{X}_{2i}}.{{X}_{3i}}+{{v}_{i}}[P]$ Xây dựng mô hình hồi quy phụ [no cross – không có tích chéo] $e_{i}{2}={{\alpha }_{1}}+{{\alpha }_{2}}.{{X}_{2i}}+{{\alpha }_{3}}.{{X}_{3i}}+{{\alpha }_{4}}.X_{2i}{2}+{{\alpha }_{5}}.X_{3i}{2}+{{v}_{i}}[P]$
- Bước 3: kiểm định khuyết tật
- Tiêu chuẩn kiểm định: $F=\frac{R_{P}{2}/[m-1]}{[1-R_{P}{2}]/[n-m]}$
- Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ F:F>f_{\alpha }^{[m-1,n-m} \right\}$
- Tiêu chuẩn kiểm định: ${{X}{2}}=n.R_{P}{2}$
- Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ {{X}{2}}:{{X}{2}}>X_{\alpha }{{{2}{[m]}}} \right\}$
Lưu ý: chỉ dùng cross hoặc no-cross, số hệ số trong hồi quy phụ là m Khuyết tật 3: sai số nẫu nhiên không phân phối chuẩn
- Bước 1: Ước lượng mô hình gốc thu được phần dư e rồi tính hệ số bất đối xứng S, hệ số nhọn K
- Bước 2: Kiểm định khuyết tật
Tiêu chuẩn kiểm định:${{\chi }{2}}=n.[\frac{{{S}{2}}}{6}+\frac{{{[K-3]}^{2}}}{24}]$
Miền bác bỏ: ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ {{\chi }{2}}:{{\chi }{2}}>\chi _{\alpha }^{2[2]} \right\}$
Khuyết tật 4: Đa cộng tuyến
- Bước 1: Xây dựng mô hình hồi quy phụ
- Bước 2: kiểm định khuyết tật
Khuyết tật 5: Tự tương quan [BG]
- Bước 1: Ước lượng mô hình gốc thu được phần dư e và các trễ của nó
- Bước 2: Xây dựng mô hình hồi quy phụ
$\begin{align}
& {{e}_{t}}=[{{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2t}}+{{\beta }_{3}}.{{X}_{3t}}]+{{p}_{1}}.{{e}_{t-1}}+...+{{p}_{p}}.{{e}_{t-p}}+{{v}_{t}}\left[ L \right] \\
& {{e}_{t}}=[{{\beta }_{1}}+{{\beta }_{2}}.{{X}_{2t}}+{{\beta }_{3}}.{{X}_{3t}}]+{{v}_{t}}\left[ N \right] \\
\end{align}$
- Bước 3: Kiểm định khuyết tật
Tiêu chuẩn kiểm định: $F=\frac{[R_{L}{2}-R_{N}{2}]/p}{[1-R_{L}^{2}]/[n-k-p]}$
Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ F:F>f_{\alpha }^{[p,n-k-p]} \right\}$
Tiêu chuẩn kiểm định: ${{X}{2}}=n.R_{L}{2}$
Miền bác bỏ ${{W}_{\alpha }}:{{W}_{\alpha }}=\left\{ {{X}{2}}:{{X}{2}}>X_{\alpha }^{2[p]} \right\}$
Lưu ý: Bậc tự tương quan kiểm định AR[p], số hệ số trong hồi quy phụ là [k+p], số quan sát theo lý thuyết là [n-p] nhưng phần mềm tự thay bằng giá trị 0 nên số quan sát thực tế là n.