Đề tài Thực hành sử dụng hàm trong eview

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.

doc27 trang | Chia sẻ: oanh_nt | Lượt xem: 5624 | Lượt tải: 2download
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:

  • docThực hành white.doc
Tài liệu liên quan