Ta tạo biến usqhat2 là biến usqhat1 đã thay các giá trị âm. Để thực hiện việc thay thế này ta tạo biến giả d1 nếu quan sát nào của usqhat1>0 thì mang giá trị 1 ngược lại quan sát nào của usqhat1<0 mang giá trị 0.
27 trang |
Chia sẻ: oanh_nt | Lượt xem: 5624 | Lượt tải: 2
Bạn đang xem trước 20 trang tài liệu Đề tài Thực hành sử dụng hàm trong eview, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
THỰC HÀNH SỬ DỤNG HÀM TRONG EVIEW
Vào Genr
Hàm
Câu lệnh
VD
Diễn giải/Kết quả
Tuyệt đối
@abs(x)
@abs(-3)
== 3
Mũ
@exp(x)
@exp(1)
=e1 =2,71813
ln
@log(x)
@log(2.71813)
= ln(2,71813) » 1
Lg (log cơ số 10)
@log10(x)
@log10(100)
=
Logbx
@log(x,b)
@log(256,2)
= log2256 = 8
Căn
@sqr(x)
@sqr(9)
=
THỰC HÀNH PHƯƠNG SAI SAI SỐ THAY ĐỔI
Khắc phục phương sai sai số thay đổi bằng ước lượng Bình phương tổi thiểu tổng quát khả thi (FGLS).
Các bước thực hiện ước lượng FGLS. (trang 345)
Phương pháp FGLS cũng là ước lượng bình phương tối thiểu có trọng số , với st không biết trước, do đó trước tiên phải có các ước lượng của st ( hay tìm ). Với mỗi công thức phương sai được đề xuất bởi Glesjer, Breusch – Pagan, Harvey – Godfrey và White ta có st ước lượng khác nhau hay trọng số khác nhau.
Vậy mỗi kiểm định ta có một trọng số.
VD: Sử dụng Data 8-1 Ranamathan
Mô hình hồi quy (1)
Yêu cầu:
Kiểm định có phương sai sai số thay đổi? Bằng kiểm định Glesjer, Breusch – Pagan, Harvey – Godfrey và White
Khắc phục bằng ước lượng FGLS cho từng công thức phương sai của Glesjer, Breusch – Pagan, Harvey – Godfrey và White
I. Kiểm định GLESJER
Công thức tính phương sai
st = a1 + a2Z2t + a3Z3t + … + apZpt
Hồi quy phụ
= a1 + a2X2t + a3X3t + … + apXpt
= a1 + a2YEARS + a3YEARS2
1. Tạo biến ln(SALARY)
genr lnsalary=LOG(salary)
2. Hồi quy (1)
ls lnsalary c years years^2
3. Kiểm định xem có phương sai của sai số thay đổi không?
3.1. Tính phần dư
genr uhat =resid
3.2. Tạo
genr absuhat=abs(uhat)
3.3. Hồi quy phụ
ls absuhat c years years^2 . Từ hồi quy phụ tìm R2hq phụ
4. Khắc phục bằng FGLS
4.1. Ước lượng
absuhat1=absuhat forecast (absuhat1 là giá trị dự báo của absuhat)
Đây là ước (st ước lượng) của đặc trưng Glesjer.
Vì trọng số >0 do đó >0. Sau khi dự báo absuhat ta mở absuhat1 lên xem có quan sát nào âm không. Nếu quan sát nào có giá trị âm ta thay nó bằng absuhat tương ứng. Mà absuhat thì chắc chắn dương.
absuhat
absuhat1
0.0986529
0.045297
0.0594322
0.045297
0.0594322
0.045297
0.0757303
-0.058797
< 0 Ta thay -0,058797 bằng 0,0757303
0.0757303
0.058797
0.0662515
-0.058797
< 0 Ta thay -0,058797 bằng 0,0662515
0.0088826
0.058797
0.0224489
0.058797
0.0224489
0.058797
0.037264
0.058797
0.0720555
0.071702
0.0350142
0.071702
Ta tạo biến absuhat2 là biến absuhat1 đã thay các giá trị âm. Để thực hiện việc thay thế này ta tạo biến giả d nếu quan sát nào của absuhat1>0 thì mang giá trị 1 ngược lại quan sát nào của absuhat1<0 mang giá trị 0.
absuhat
absuhat1
d
0.0986529
0.045297
1
0.0594322
0.045297
1
0.0594322
0.045297
1
0.0757303
-0.058797
0
0.0757303
0.058797
1
0.0662515
-0.058797
0
0.0088826
0.058797
1
0.0224489
0.058797
1
0.0224489
0.058797
1
0.037264
0.058797
1
0.0720555
0.071702
1
0.0350142
0.071702
1
genr d=absuhat1>0
genr absuhat2 = (d*absuhat1) + (1-d)*asbuhat
sẽ là absuhat1 nếu toàn bộ quan sát > 0. là absuhat2 nếu absuhat1 có quan sát <0
4.2. Khi đã có ta tính trọng số
genr wt1=1/absuhat1 nếu toàn bộ quan sát > 0
genr wt1=1/absuhat2 nếu absuhat1 có quan sát <0
4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt1
THỰC HÀNH
1. Tạo biến ln(SALARY) genr lnsalary=LOG(salary)
2. Hồi quy (1) ls lnsalary c years years^2
Dependent Variable: LNSALARY
Method: Least Squares
Date: 12/04/07 Time: 07:22
Sample: 1 222
Included observations: 222
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.809365
0.041338
92.15104
0.0000
YEARS
0.043853
0.004829
9.081645
0.0000
YEARS^2
-0.000627
0.000121
-5.190657
0.0000
R-squared
0.536179
Mean dependent var
4.325410
Adjusted R-squared
0.531943
S.D. dependent var
0.302511
S.E. of regression
0.206962
Akaike info criterion
-0.299140
Sum squared resid
9.380504
Schwarz criterion
-0.253158
Log likelihood
36.20452
F-statistic
126.5823
Durbin-Watson stat
1.618981
Prob(F-statistic)
0.000000
3.3. Hồi quy phụ ls absuhat c years years^2
Dependent Variable: ABSUHAT
Method: Least Squares
Date: 12/04/07 Time: 07:28
Sample: 1 222
Included observations: 222
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.031202
0.024073
1.296178
0.1963
YEARS
0.014392
0.002812
5.118277
0.0000
YEARS^2
-0.000298
7.04E-05
-4.227328
0.0000
R-squared
0.130283
Mean dependent var
0.160558
Adjusted R-squared
0.122340
S.D. dependent var
0.128647
S.E. of regression
0.120521
Akaike info criterion
-1.380563
Sum squared resid
3.181048
Schwarz criterion
-1.334580
Log likelihood
156.2424
F-statistic
16.40300
Durbin-Watson stat
1.961810
Prob(F-statistic)
0.000000
R2hq phụ = 0,130283
Dùng kiểm định LM = nR2hồi quy phụ = 222´ 0,130283 = 6,92
Nếu nR2hồi quy phụ > χ22 (10%) Bác bỏ H0
χ22 (10%) = CHIINV(10%,2) = 4,60517
Þ nR2hồi quy phụ > χ22 (10%) Þ Có hiện tượng phương sai sai số thay đổi
Khắc phục
Ước lượng chính là tìm giá trị dự báo của absuhat.
Sử dụng hồi quy của ls absuhat c years years^2 sau đó tìm giá trị dự báo của absuhat.
Chọn
Forecast
Mở absuhat1 lên xem có quan sát nào âm không?
May mắn là không có giá trị nào âm. Do đó là absuhat1
4.2. Tính trọng số
4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt1
Quick/Estimate Equation…
Chọn Options
Trọng số wt1
Dependent Variable: LNSALARY
Method: Least Squares
Date: 12/04/07 Time: 08:08
Sample: 1 222
Included observations: 222
Weighting series: WT1
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.841553
0.016490
232.9673
0.0000
YEARS
0.036555
0.003803
9.611956
0.0000
YEARS^2
-0.000407
0.000114
-3.583774
0.0004
Weighted Statistics
R-squared
0.991118
Mean dependent var
4.241177
Adjusted R-squared
0.991037
S.D. dependent var
1.799904
S.E. of regression
0.170401
Akaike info criterion
-0.687901
Sum squared resid
6.359008
Schwarz criterion
-0.641919
Log likelihood
79.35699
F-statistic
301.7902
Durbin-Watson stat
1.538188
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.527311
Mean dependent var
4.325410
Adjusted R-squared
0.522994
S.D. dependent var
0.302511
S.E. of regression
0.208931
Sum squared resid
9.559851
Durbin-Watson stat
1.589499
II. Kiểm định Breusch – Pagan
Công thức tính phương sai
st2 = a1 + a2Z2t + a3Z3t + … + apZpt
Hồi quy phụ
ȗt2= a1 + a2X2t + a3X3t + … + apXpt
ȗt2= a1 + a2YEARS + a3YEARS2
1. Tạo biến ln(SALARY)
genr lnsalary=LOG(salary)
2. Hồi quy (1)
ls lnsalary c years years^2
3. Kiểm định xem có phương sai của sai số thay đổi không?
3.1. Tính phần dư
genr uhat =resid
3.2. Tạo ȗt2
genr usq=uhat^2
3.3. Hồi quy phụ
ls usq c years years^2 . Từ hồi quy phụ tìm R2hq phụ
4. Khắc phục bằng FGLS
4.1. Ước lượng
usqhat1=usq forecast (usqhat1 là giá trị dự báo của usq)
Vì trọng số >0 do đó >0. Sau khi dự báo usq ta mở usqhat1 lên xem có quan sát nào âm không. Nếu quan sát nào có giá trị âm ta thay nó bằng usq tương ứng. Mà usq thì chắc chắn dương.
usq
usqhat1
0.0986529
0.045297
0.0594322
0.045297
0.0757303
-0.058797
0.0757303
0.058797
< 0 Ta thay -0,058797 bằng 0,0757303
0.0662515
-0.058797
0.0088826
0.058797
< 0 Ta thay -0,058797 bằng 0,0662515
0.0350142
0.071702
Ta tạo biến usqhat2 là biến usqhat1 đã thay các giá trị âm. Để thực hiện việc thay thế này ta tạo biến giả d1 nếu quan sát nào của usqhat1>0 thì mang giá trị 1 ngược lại quan sát nào của usqhat1<0 mang giá trị 0.
usq
usqhat1
d1
0.0986529
0.045297
1
0.0594322
0.045297
1
0.0757303
-0.058797
0
0.0757303
0.058797
1
0.0662515
-0.058797
0
0.0088826
0.058797
1
0.0350142
0.071702
1
genr d1=usquhat1>0
genr usqhat2 = (d1*usqhat1) + (1-d1)*usq
usqhat1 là nếu toàn bộ quan sát > 0. là usqhat2 nếu absuhat1 có quan sát <0
4.2. Khi đã có ta tính trọng số, wt2=
genr wt2=1/(sqr(usqhat1)) nếu toàn bộ quan sát của usqhat1> 0
genr wt2=1/(sqr(usqhat2)) nếu absuhat1 có quan sát <0
4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt2
THỰC HÀNH
Bước (1), (2) và (3.1) tương tự như kiểm kiểm định Glesjer
3.2. Tạo ȗt2
3.3. Hồi quy phụ ls usq c years years^2 . Từ hồi quy phụ tìm R2hq phụ
Dependent Variable: USQ
Method: Least Squares
Date: 12/04/07 Time: 10:06
Sample: 1 222
Included observations: 222
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.011086
0.013473
-0.822858
0.4115
YEARS
0.006084
0.001574
3.865764
0.0001
YEARS^2
-0.000129
3.94E-05
-3.270700
0.0012
R-squared
0.074714
Mean dependent var
0.042255
Adjusted R-squared
0.066264
S.D. dependent var
0.069804
S.E. of regression
0.067451
Akaike info criterion
-2.541402
Sum squared resid
0.996378
Schwarz criterion
-2.495420
Log likelihood
285.0957
F-statistic
8.841813
Durbin-Watson stat
1.840488
Prob(F-statistic)
0.000203
R2hq phụ = 0,074714
Dùng kiểm định LM = nR2hồi quy phụ = 222´ 0,074714 = 16,58
Nếu nR2hồi quy phụ > χ22 (10%) Bác bỏ H0
χ22 (10%) = CHIINV(10%,2) = 4,60517
Þ nR2hồi quy phụ > χ22 (10%) Þ Có hiện tượng phương sai sai số thay đổi
Khắc phục
Ước lượng chính là tìm giá trị dự báo của usq.
Sử dụng hồi quy của ls usq c years years^2 sau đó tìm giá trị dự báo của usq là usqhat1.
Mở usqhat1 lên xem có quan sát nào âm không?
usqhat1 có giá trị âm. Thay các giá trị âm bằng usq gốc tương ứng
4.2. Tính trọng số
4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt2
Quick/Estimate Equation…
Dependent Variable: LNSALARY
Method: Least Squares
Date: 12/04/07 Time: 11:05
Sample: 1 222
Included observations: 222
Weighting series: WT2
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.869188
0.013769
281.0137
0.0000
YEARS
0.031090
0.003609
8.614960
0.0000
YEARS^2
-0.000239
0.000111
-2.145590
0.0330
Weighted Statistics
R-squared
0.998551
Mean dependent var
4.210378
Adjusted R-squared
0.998537
S.D. dependent var
4.042176
S.E. of regression
0.154593
Akaike info criterion
-0.882624
Sum squared resid
5.233862
Schwarz criterion
-0.836642
Log likelihood
100.9713
F-statistic
533.1350
Durbin-Watson stat
1.504674
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.508586
Mean dependent var
4.325410
Adjusted R-squared
0.504098
S.D. dependent var
0.302511
S.E. of regression
0.213029
Sum squared resid
9.938558
Durbin-Watson stat
1.529937
III. Kiểm định White
Công thức tính phương sai
st2 = a1 + a2Z2t + a3Z3t + a4Z2t2 + a5Z3t2 + a6Z2tZ3t
Hồi quy phụ
ȗt2 = a1 + a2X2t + a3X3t + a4X2t2 + a5X3t2 + a6X2tX3t
ȗt2 = a1 + a2YEARS + a3YEARS2 + a4YEARS2 + a5YEARS4 + a6 YEARS3
ȗt2 = a1 + a2YEARS + (a3 + a4)YEARS2 + a5YEARS4 + a6 YEARS3
1. Tạo biến ln(SALARY)
genr lnsalary=LOG(salary)
2. Hồi quy (1)
ls lnsalary c years years^2
3. Kiểm định xem có phương sai của sai số thay đổi không?
3.1. Tính phần dư
genr uhat =resid
3.2. Tạo ȗt2
genr usq=uhat^2
3.3. Hồi quy phụ
ls usq c years years^2 years^3 years^4. Từ hồi quy phụ tìm R2hq phụ
4. Khắc phục bằng FGLS
4.1. Ước lượng
usqhat3=usq forecast (usqhat3 là giá trị dự báo của usq)
Nếu usqhat3 có quan sát mang giá trị âm
Ta tạo biến usqhat4 là biến usqhat3 đã thay các giá trị âm của usq gốc tương ứng
genr d2=usquhat3>0
genr usqhat4 = (d2*usqhat3) + (1-d2)*usq
usqhat3 là nếu toàn bộ quan sát > 0. là usqhat4 nếu absuhat3 có quan sát <0
4.2. Khi đã có ta tính trọng số wt3=
genr wt3=1/(sqr(usqhat3)) nếu toàn bộ quan sát của usqhat3> 0
genr wt3=1/(sqr(usqhat4)) nếu usqhat3 có quan sát mang giá trị <0
4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt3
THỰC HÀNH
Bước (1), (2) và (3.1) tương tự như kiểm kiểm định Glesjer
3.2. Tạo ȗt2 (như kiểm định Breusch – Pagan)
3.3. Hồi quy phụ ls usq c years years^2 years^3 years^4
Từ hồi quy phụ tìm R2hq phụ
Dependent Variable: USQ
Method: Least Squares
Date: 12/04/07 Time: 16:50
Sample: 1 222
Included observations: 222
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.001770
0.025953
-0.068207
0.9457
YEARS
0.000167
0.007960
0.020995
0.9833
YEARS^2
0.000647
0.000730
0.885913
0.3766
YEARS^3
-3.26E-05
2.52E-05
-1.296647
0.1961
YEARS^4
4.22E-07
2.88E-07
1.467297
0.1437
R-squared
0.090076
Mean dependent var
0.042255
Adjusted R-squared
0.073303
S.D. dependent var
0.069804
S.E. of regression
0.067197
Akaike info criterion
-2.540126
Sum squared resid
0.979836
Schwarz criterion
-2.463489
Log likelihood
286.9539
F-statistic
5.370347
Durbin-Watson stat
1.866959
Prob(F-statistic)
0.000384
R2hq phụ = 0.090076
Dùng kiểm định LM = nR2hồi quy phụ = 222´ 0.090076 = 19,99
Nếu nR2hồi quy phụ > χ22 (10%) Bác bỏ H0
χ22 (10%) = CHIINV(10%,2) = 4,60517
Þ nR2hồi quy phụ > χ22 (10%) Þ Có hiện tượng phương sai sai số thay đổi
Cách khác để kiểm định phương sai sai số thay đổi White mà không cần hồi quy phụ
Open mô hình hồi quy gốc (1) ls lnsalary c years years^2
Vào View/Residual Tests/Heteroskedasticity (cross terms) (cross terms sử dụng dữ liệu chéo)
White Heteroskedasticity Test:
F-statistic
R2hồi quy phụ
LM= nR2hồi quy phụ
LM = nR2hồi quy phụ
= 19.99682
Tương ứng với xác suất là 0.05% < a.
Bác bỏ H0. Có hiện tượng phương sai sai số thay đổi.
5.370347
Probability
0.000384
Obs*R-squared
19.99682
Probability
0.000500
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/04/07 Time: 16:57
Sample: 1 222
Included observations: 222
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.001770
0.025953
-0.068207
0.9457
YEARS
0.000167
0.007960
0.020995
0.9833
YEARS^2
0.000647
0.000730
0.885913
0.3766
YEARS*(YEARS^2)
-3.26E-05
2.52E-05
-1.296647
0.1961
(YEARS^2)^2
4.22E-07
2.88E-07
1.467297
0.1437
R-squared
0.090076
Mean dependent var
0.042255
Adjusted R-squared
0.073303
S.D. dependent var
0.069804
S.E. of regression
0.067197
Akaike info criterion
-2.540126
Sum squared resid
0.979836
Schwarz criterion
-2.463489
Log likelihood
286.9539
F-statistic
5.370347
Durbin-Watson stat
1.866959
Prob(F-statistic)
0.000384
Khắc phục
4.1. Ước lượng
usqhat3=usq forecast. Mở hồi quy phụ theo White, sau đó dự báo
Mở usqhat3 xem có giá trị âm hay không?
usqhat3 có giá trị âm.
Ta tạo biến usqhat4 là biến usqhat3 đã thay các giá trị âm của usq gốc tương ứng
4.2. Tính trọng số wt3=
4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt3
Quick/Estimate Equation…
Dependent Variable: LNSALARY
Method: Least Squares
Date: 12/04/07 Time: 19:54
Sample: 1 222
Included observations: 222
Weighting series: WT3
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.847628
0.013387
287.4149
0.0000
YEARS
0.036857
0.003164
11.64807
0.0000
YEARS^2
-0.000451
8.98E-05
-5.028288
0.0000
Weighted Statistics
R-squared
0.997925
Mean dependent var
4.199362
Adjusted R-squared
0.997906
S.D. dependent var
3.292328
S.E. of regression
0.150648
Akaike info criterion
-0.934326
Sum squared resid
4.970138
Schwarz criterion
-0.888344
Log likelihood
106.7102
F-statistic
354.9072
Durbin-Watson stat
1.493665
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.530314
Mean dependent var
4.325410
Adjusted R-squared
0.526024
S.D. dependent var
0.302511
S.E. of regression
0.208267
Sum squared resid
9.499118
Durbin-Watson stat
1.599099
Sau khi khắc phục ta có thể kiểm định lại xem còn có hiện tượng phương sai sai số thay đổi không?
Từ mô hình hồi quy có trọng số, dùng kiểm định White để xem có hiện tượng phương sai sai số thay đổi không?
Lưu ý: trong Eview chỉ có thực hiện sẵn kiểm định White; còn kiểm định Glesjer, Harvey – Godfrey, Breusch – Pagan đều phải thực hiện hồi quy phụ.
White Heteroskedasticity Test:
F-statistic
0.307873
Probability
Xác suất = 86,93% > a.
Chấp nhận H0. Không có hiện tượng phương sai sai số thay đổi.
0.872527
Obs*R-squared
1.252758
Probability
0.869338
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 12/04/07 Time: 20:05
Sample: 1 222
Included observations: 222
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.013900
0.009067
1.533033
0.1267
YEARS
0.002141
0.002833
0.755667
0.4507
YEARS^2
-0.000160
0.000255
-0.628472
0.5304
YEARS*(YEARS^2)
4.99E-06
8.55E-06
0.583540
0.5601
(YEARS^2)^2
-5.64E-08
9.51E-08
-0.592649
0.5540
R-squared
0.005643
Mean dependent var
0.022388
Adjusted R-squared
-0.012686
S.D. dependent var
0.028843
S.E. of regression
0.029025
Akaike info criterion
-4.219039
Sum squared resid
0.182814
Schwarz criterion
-4.142402
Log likelihood
473.3133
F-statistic
0.307873
Durbin-Watson stat
1.827864
Prob(F-statistic)
0.872527
IV. Kiểm định Harvey - Godfrey
Công thức tính phương sai
ln(st2) = a1 + a2Z2t + a3Z3t + … + apZpt
Hồi quy phụ
ln(ȗt2) = a1 + a2X2t + a3X3t + … + apXpt
ln(ȗt2) = a1 + a2YEARS + a3YEARS2
1. Tạo biến ln(SALARY)
genr lnsalary=LOG(salary)
2. Hồi quy (1)
ls lnsalary c years years^2
3. Kiểm định xem có phương sai của sai số thay đổi không?
3.1. Tính phần dư
genr uhat =resid
3.2. Tạo ln(ȗt2)
genr usq=uhat^2
genr lnusq=log(usq)
3.3. Hồi quy phụ
ls lnusq c years years^2 . Từ hồi quy phụ tìm R2hq phụ
4. Khắc phục bằng FGLS
4.1. Ước lượng
lnusq1=lnusq forecast (lnusq1 là giá trị dự báo của lnusq)
genr usqhat5=exp(lnusq1) lấy đối log. Vì hàm mũ tạo ra giá trị dương, không có vấn đề về phương sai âm.
usqhat5 là
4.2. Khi đã có ta tính trọng số wt4=
genr wt4=1/usqhat5
4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt4
Dependent Variable: LNSALARY
Method: Least Squares
Included observations: 222
Weighting series: WT4
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.827508
0.017648
216.8865
0.0000
YEARS
0.038215
0.003822
9.998903
0.0000
YEARS^2
-0.000443
0.000111
-3.978129
0.0001
Weighted Statistics
R-squared
0.989830
Mean dependent var
4.236906
Adjusted R-squared
0.989737
S.D. dependent var
1.687032
S.E. of regression
0.170905
Akaike info criterion
-0.682001
Sum squared resid
6.396634
Schwarz criterion
-0.636019
Log likelihood
78.70215
F-statistic
279.8417
Durbin-Watson stat
1.551802
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.528624
Mean dependent var
4.325410
Adjusted R-squared
0.524319
S.D. dependent var
0.302511
S.E. of regression
0.208641
Sum squared resid
9.533289
Durbin-Watson stat
1.593879
THỰC HÀNH TƯƠNG QUAN CHUỖI
Sử dụng Data9-1 trong Ranamathan.
DEMAND Nhu cầu tiêu thụ kem tính trên đầu người
PRICE Giá kem
INCOME Thu nhập
TEMP Nhiệt độ trung bình
Mô hình hồi quy DEMAND = + PRICE + INCOME + TEMP + (2.1)
I. PHÁT HIỆN TƯƠNG QUAN CHUỖI BẰNG ĐỒ THỊ (chỉ có tính gợi ý không thay thế kiểm định)
1. Hồi quy mô hình
ls c demand price income temp
2. Lấy phần dư (uhat)
genr uhat = resid
3. Vẽ biểu đồ phân tán theo phần dư và thời gian (hay thứ tự)
THỰC HÀNH
1. Hồi quy mô hình ls c demand price income temp
Dependent Variable: DEMAND
Method: Least Squares
Date: 12/05/07 Time: 06:00
Sample: 1 30
Included observations: 30
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.197315
0.270216
0.730212
0.4718
PRICE
-1.044414
0.834357
-1.251759
0.2218
INCOME
0.003308
0.001171
2.823722
0.0090
TEMP
0.003458
0.000446
7.762213
0.0000
R-squared
0.718994
Mean dependent var
0.359433
Adjusted R-squared
0.686570
S.D. dependent var
0.065791
S.E. of regression
0.036833
Akaike info criterion
-3.641296
Sum squared resid
0.035273
Schwarz criterion
-3.454469
Log likelihood
58.61944
F-statistic
22.17489
Durbin-Watson stat
1.021170
Prob(F-statistic)
0.000000
2. Lấy phần dư (uhat) genr uhat = resid
3. Vẽ biểu đồ phân tán.
Vẽ biểu đồ cần có giá trị trục tung và trục hoành. Giá trị trục tung là uhat, giá trị trục hoành là thứ tự của các quan sát. Do đó ta tạo một biến mới là QUANSAT đánh vào thứ tự của quan sát từ 1 đến 30.
Quick/Empty Group (Edit Series)
Sau đó mở nhóm biến theo thứ tự là biến QUANSAT giữ Ctrl chọn tiếp biến uhat. Nhấp phải Open/as Group
View/Graph/Scatter/Simple Scatter.
II. KIỂM ĐỊNH
1. Kiểm định Durbin Watson
DEMAND = + PRICE + INCOME + TEMP +
ȗt = ρut-1 + νt (-1< ρ <1)
Giả thuyết
H0 ρ = 0 Không có TQC bậc 1
H1 ρ ≠ 0 Có TQC bậc 1
Tìm trị thống kê DW. Hồi quy mô hình gốc, Eview đã tính DW = 1.021170
Tra bảng n = 30, a = 10%, dL = 1,15; dU = 1,46
DW 1,15 1,46 2 2,54 2,85
0 dL dU
2 4- dU 4- dL
4
Chấp nhận H0
Không có TQC bậc 1
Không
kết luận
Không
kết luận
Bác bỏ H0
r>0
Tương quan dương
Bác bỏ H0
r<0
Tương quan âm
Bác bỏ H0 có tương quan chuỗi bậc nhất
2. Kiểm định LM
2.1. Kiểm định tương quan chuỗi bậc nhất
DEMAND = + PRICE + INCOME + TEMP + (2.2)
Giả thuyết
H0 ρ = 0 Không có TQC bậc 1
H1 ρ ≠ 0 Có TQC bậc 1
Hồi quy phụ uR = f(PRICE, INCOME, TEMP, ) ® R2hồi quy phụ
(n-p)R2hồi quy phụ > χ21 (a) Bác bỏ H0 Þ Tương quan chuỗi bậc nhất p = 1
THỰC HÀNH
Hồi quy mô hình (2.2) cần tạo biến uhat_1 = uhat(-1) (= )
Hồi quy phụ ls uhat c PRICE INCOME TEMP uhat_1
Dependent Variable: UHAT
Method: Least Squares
Date: 12/05/07 Time: 09:28
Sample(adjusted): 2 30
Included observations: 29 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.087068
0.248713
-0.350076
0.7293
PRICE
0.151349
0.749510
0.201931
0.8417
INCOME
0.000528
0.001073
0.492573
0.6268
TEMP
-1.61E-05
0.000412
-0.039057
0.9692
UHAT_1
0.399849
0.197035
2.029328
0.0537
R-squared
0.162213
Mean dependent var
-0.002444
Adjusted R-squared
0.022582
S.D. dependent var
0.032774
S.E. of regression
0.032402
Akaike info criterion
-3.865603
Sum squared resid
0.025197
Schwarz criterion
-3.629862
Log likelihood
61.05124
F-statistic
1.161729
Durbin-Watson stat
1.619757
Prob(F-statistic)
0.352303
R2hồi quy phụ = 0.162213 Þ (n-p)R2hồi quy phụ = 29 ´ 0.162213 = 4,7
χ21 (a) = CHIINV(10%,1) = 2,7
Þ (n-p)R2hồi quy phụ > χ21 (a) Bác bỏ H0 Þ Tương quan chuỗi bậc nhất
Cách khác không cần hồi quy phụ
Từ hồi quy gốc (2.1), ta mở mô hình này lên
Nếu tương quan chuỗi bậc nhất thì mô hình hồi quy sẽ là
DEMAND = + PRICE + INCOME + TEMP +
ls DEMAND c PRICE INCOME TEMP uhat_1
Dependent Variable: DEMAND
Method: Least Squares
Date: 12/05/07 Time: 11:22
Sample(adjusted): 2 30
Included observations: 29 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.110247
0.248713
0.443268
0.6615
PRICE
-0.893065
0.749510
-1.191532
0.2451
INCOME
0.003836
0.001073
3.576700
0.0015
TEMP
0.003442
0.000412
8.359575
0.0000
UHAT_1
0.399849
0.197035
2.029328
0.0537
R-squared
0.798086
Mean dependent var
0.358517
Adjusted R-squared
0.764434
S.D. dependent var
0.066760
S.E. of regression
0.032402
Akaike info criterion
-3.865603
Sum squared resid
0.025197
Schwarz criterion
-3.629862
Log likelihood
61.05124
F-statistic
23.71566
Durbin-Watson stat
1.619757
Prob(F-statistic)
0.000000
Mô hình hồi quy:
DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP + (2.2)
Nhưng không biết là mô hình (2.2) vừa mới ước lượng có còn hiện tượng tương quan chuỗi nữa không? Có nghĩa là có phân phối ngẫu nhiên chưa?
Từ mô hình (2.2) ta mở lên dùng kiểm định LM
Mô hình hồi quy
DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP +
Các file đính kèm theo tài liệu này:
- Thực hành white.doc