Bài giảng Kinh tế lượng - Chương 8: Lựa chọn mô hình hồi quy

Nội dung text: Bài giảng Kinh tế lượng - Chương 8: Lựa chọn mô hình hồi quy

1. Chương 8 LỰA CHỌN MÔ HÌNH HỒI QUY
2. 1. Các tiêu chuẩn của mô hình Tính tiết kiệm : mô hình càng đơn giản càng tốt Tính đồng nhất : các tham số ước lượng là duy nhất cho cùng một tập hợp số liệu Tính thích hợp : R2 và R2 hiệu chỉnh càng gần 1 càng tốt Tính bền vững : mô hình phải dựa trên một cơ sở lý thuyết nào đó Có khả năng dự báo tốt : mô hình cho kết quả dự báo sát với thực tế
3. 2. Cách tiếp cận để lựa chọn mô hình a.Xác định số biến độc lập Có hai hướng tiếp cận ➢Từ đơn giản đến tổng quát : Bổ sung biến độc lập từ từ vào mô hình ➢Từ tổng quát đến đơn giản : Đầu tiên, xét mô hình đầy đủ các biến độc lập đã được xác định . Sau đó tiến hành loại trừ những biến không quan trọng ra khỏi mô hình
4. 2. Cách tiếp cận để lựa chọn mô hình b.Kiểm tra mô hình có vi phạm giả thiết hay không Kiểm tra các “bệnh của mô hình ” ➢Đa cộng tuyến ➢Tự tương quan ➢Phương sai thay đổi
5. 2. Cách tiếp cận để lựa chọn mô hình c. Chọn dạng hàm Cần dựa vào ➢Các lý thuyết kinh tế ➢Các kết quả thực nghiệm ➢Đồ thị biểu diễn
6. 2. Cách tiếp cận để lựa chọn mô hình d.Một số tiêu chuẩn khác Giá trị của hàm hợp lý log-likelihood(L) n n 1 L = − ln  2 − ln( 2 ) − U 2 2 2 2  i ➢Giá trị của L càng lớn chứng tỏ mô hình càng phù hợp
7. 2. Cách tiếp cận để lựa chọn mô hình d.Một số tiêu chuẩn khác Tiêu chuẩn AIC (Akaike info criterion) RSS 2k AIC = e n n ➢Giá trị của AIC càng nhỏ chứng tỏ mô hình càng phù hợp
8. 2. Cách tiếp cận để lựa chọn mô hình d.Một số tiêu chuẩn khác Tiêu chuẩn Schwarz (Schwarz criterion) RSS 2k SC = n n n ➢Giá trị của SC càng nhỏ chứng tỏ mô hình càng phù hợp
9. 2. Cách tiếp cận để lựa chọn mô hình d.Một số tiêu chuẩn khác Nếu chú ý đến độ phức tạp của mô hình thì thường chú ý đến tiêu chuẩn SC Nếu xét số liệu theo thời gian thì thường dùng tiêu chuẩn AIC Lưu ý là biến phụ thuộc xuất hiện trong mô hình phải cùng dạng
10. Kết quả hồi quy bằng Eviews như sau :
11. 3. Các sai lầm thường gặp khi chọn mô hình a. Bỏ sót biến thích hợp Giả sử mô hình đúng là : Yi = 1 + 2X2i+ 3X3i + Ui (a) Nhưng ta lại chọn mô hình : Yi = 1 + 2X2i + Vi ( b) → hậu quả :
12. 3. Các sai lầm thường gặp khi chọn mô hình b. Thừa biến Giả sử mô hình đúng là : Yi = 1 + 2X2i + Ui (a) Nhưng ta lại chọn mô hình (có thêm X3): Yi = 1 + 2X2i + 2X3i + Vi (b) → hậu quả :
13. 4. Phát hiện những sai lầm a. Phát hiện thừa biến Xét hàm hồi qui : Yi = 1+ 2X2i+ 3X3i+ 4X4i+ 5X5i + Ui - Trường hợp nghi ngờ X5 là biến thừa → kiểm định H0 : 5 = 0 (Kiểm định bằng cách nào?) Nếu chấp nhận H0 → X5 không cần thiết. (Có thể sử dụng redundant test của Eviews) Trường hợp nghi ngờ X3 và X5 là các biến không cần thiết → kiểm định giả thiết đồng thời H0 : 3= 5 = 0 (Sử dụng kiểm định Wald)
14. Kiểm định Wald cho mô hình sau .
15. P_value = 0,9688>0,05 → chấp nhận H0
16. Redundant variables Test P_value = 0.0022 Không thừa biến X2
17. 4. Phát hiện những sai lầm b. Kiểm định các biến bị bỏ sót Xét mô hình : Yi = 1 + 2Xi + Ui (*) Giả sử nghi ngờ mô hình đã bỏ sót biến Z → kiểm tra bằng cách : - Nếu có số liệu của Z : + Hồi qui mô hình Yi = 1+2Xi+3Zi +Ui + Kiểm định H0 : 3= 0. Nếu bác bỏ H0 thì mô hình ban đầu đã bỏ sót biến Z. - Hoặc dùng Omitted variable test
18. Omitted variables Test P_value = 0.8200>0,05 → chấp nhận H0, => Không bỏ sót biến X4
19. Kiểm định RESET của Ramsey : Nếu không có số liệu của Z : dùng kiểm định RESET của Ramsey. Yˆ ˆ 2 ˆ 3 i Ramsey đề xuất sử dụng Y i , Y i làm xấp xỉ cho Zi. Bước 1 : Hồi qui mô hình (*), thu lấy ˆ2 ˆ3 Yi , Yi Bước 2 : Hồi qui Yi theo các biến độc lập trong (*) và (mô hình này gọi là mô hình (new)) . Bước 3 : Kiểm định H0 : các hệ số của đồng thời bằng 0. Nếu bác bỏ H0 → mô hình (*) đã bỏ sót biến.
20. Kiểm định RESET của Ramsey : P_value = 0.0000<0,05 → mô hình ban đầu bỏ sót biến.