Ước lượng bình phương nhỏ nhất khi có Tự tương quan

Giả sử tất cả các giả định đối với mô hình hồi qui tuyến tính cổ điển đều thoả mãn trừ giả định không tương quan giữa các sai số ngẫu nhiên ut. Trong trường hợp này điều gì sẽ xảy ra đối với các ước lượng OLS và phương sai của

Hậu quả của việc sử dụng phương pháp OLS khi có Tự tương quan

Khi có hiện tượng tự tương quan, nếu chúng ta cứ sử dụng phương pháp OLS thì sẽ như thế nào? Ta có một số nhận xét sau: Các ước lượng OLS vẫn là các ước lượng tuyến tính, không chệch, nhưng chứng không phải là ước lượng hiệu quả nữa. Nói cách khác,

Bản chất của đa cộng tuyến

Trong mô hình hồi qui đa biến, chúng ta đã giả định giữa các biến giải thích của mô hình không có tương quan với nhau (không có hiện tượng cộng tuyến). Thuật ngữ đa cộng tuyến do Ragnar Frisch đề nghị. Khởi đầu nó có nghĩa là sự tồn tại mối quan hệ

Ước lượng trong trường hợp có Đa cộng tuyến

1. Trường hợp có đa cộng tuyến hoàn hảo: Trường hợp đa cộng tuyến hoàn hảo, các hệ số hồi qui không xác định và các sai số chuẩn của chúng là vô hạn. Hiện tượng này có thể giải thích dưới dạng mô hình hồi qui 3 biến. Sử dụng dạng độ lệch,

Hậu quả của Đa cộng tuyến

Trong trường hợp có tồn tại đa cộng tuyến gần hoàn hảo (đa cộng tuyến cao) thì có thể gặp các tình huống sau: 1. Phương sai và hiệp phương sai của các ước lượng OLS lớn Để thấy được phương sai và hiệp phương sai lớn, hãy nhớ lại đối với mô hình

Cách phát hiện Đa cộng tuyến

1. Hệ số R2 lốn nhưng tỷ số t nhỏ 1.1. Tương quan cặp giữa các biến giải thích cao Hệ số này tính như sau: 1.2. Sử dụng mô hình hồi qui phụ Hồi qui phụ là hồi qui một biến giải thích X nào đó theo các biến còn lại. Tính R2

Các loại sai sót của dạng Mô hình hồi quy

Để có thể tìm hiểu các loại sai sót của dạng mô hình hồi qui, chúng ta bắt đầu bằng một ví dụ về hàm chi phí của doanh nghiệp mà chúng ta đã quen thuộc khi nghiên cứu kinh tế vi mô. Đe thỏa mãn các giả định về chi phí, hàm chi

Phương pháp phát hiện các loại sai sót của dạng Mô hình hồi quy

1. Phát hiện sự hiện diện của các biến không liên quan Giả sử chúng ta xây dựng mô hình k biến để giải thích một hiện tượng nghiên cứu nào đó: trị R2 cao và hệ số Durbin-Watson d chấp nhận được (vào khoảng 2), …. Tuy nhiên, việc khai thác dữ liệu

Bản chất của biến giả- Biến giả cho sự thay đổi trong hệ số chặn

Biến định tính thường biểu thị có hay không có một tính chất hoặc biểu thị các mức độ khác nhau của một tiêu thức thuộc tính nào đó, chẳng hạn như giới tính (nam hay nữ), tôn giáo, chủng tộc, nơi cư trú, hình thức sở hữu của doanh nghiệp (doanh nghiệp thuộc

Biến giả cho sự thay đổi trong hệ số góc

Trong phần trước chúng xem xét biến giả với sự khác nhau trong hệ số chặn. Những biến giả này được giả định có giá trị là 0 hoặc 1. Nhưng không phải tất cả các biến giả đều có giá trị như thế. Chúng ta có thể sử dụng biến giả cho sự

Sử dụng biến giả để kiểm tra tính ổn định của Tham số hồi quy

Biến giả cũng được sử dụng để kiểm tra sự ổn định của các hệ số hồi qui. Việc khai báo các biến giả thích hợp phụ thuộc vào khi nào chúng ta đang sử dụng phân tích kiểm tra hiệp phương sai hay kiểm tra dự báo sự ổn định của các hệ

Mô hình xác suất tuyến tính và hàm phân biệt tuyến tính

1. Mô hình xác suất tuyến tính (LPM) Thuật ngữ mô hình xác suất tuyến tính đuợc sử dụng cho mô hình hồi qui với biến phụ thuộc là biến phân đôi có giá trị là 1 hoặc 0. Để đơn giản, chúng ta chỉ xem xét 1 biến giải thích, x. Bien y

Mô hình PROBIT VÀ LOGIT

Giả sử rằng chúng ta có mô hình hồi qui Mô hình Probit và Logit khác nhau ữong dạng phân phối của phần dư u trong phương trình (7.10). Sự khác nhau giữa mô hình (7.10) và mô hình xác suất tuyến tính là trong mô hình xác suất tuyến tính, chúng ta phân

Giới thiệu mô hình hồi quy với dãy số thời gian

Như chúng ta đã biết, dự báo là một phần rất quan trọng của phân tích kinh tế, và đối với một số người đôi khi nó lại có thể được xem là quan trọng nhất. Làm thế nào chúng ta có thể dự báo một số các biến số kinh tế như: GDP,

Các mô hình AR, MA và ARIMA

1. Quá trình tự hồi qui (AR) Gọi Yt là GDP tại thời điểm t. Neu chúng ta trình bày Yt như sau: 2. Quá trình trung bình di động (MA) Quá trình tự hồi qui AR vừa trình bày ở trên là một trong những phương pháp để dự báo các giá trị

Phân tích mô hình hồi quy với số liệu theo thời gian và không gian

Trong các chương trước, chúng ta đã đề cập đến các loại số liệu khác nhau mà có thể dùng cho phân tích thực tế, như là dãy số theo thời gian, dữ liệu theo không gian và cả dữ liệu dạng bâng theo không gian và thời gian. Dối với dãy số theo

Ước lượng các mô hình hồi quy với dữ liệu bảng: Những tác động cố định

Như vây, rõ ràng là sự phức tạp và thực tế hơn ữong việc ước lượng mô hình trên đang tăng dần qua mỗi trường hợp được giới thiệu ở trên. Sự phức tạp này là do chúng ta thêm nhiều biến giải thích hơn vào trong mô hình nên có thể xảy ra

Ước lượng các mô hình hồi quy với dữ liệu bảng: Những tác động ngẫu nhiên

Mặc dù chúng ta có thể áp dụng mô hình những tác động cố định (LSĐV) nhưng việc việc lập mô hình như vậy sẽ làm giảm rất nhiều bậc tự do khi chứng ta có rất nhiều các đối tượng nghiên cứu. Thật ra, nếu nhiều biến giả như trong mô hình ưến

So sánh FEM và ECM

Một vấn đề được đặt ra ở đây là các nhà nghiến cứu sẽ chọn mô hình nào tốt hơn, FEM hay ECM? Câu hả lời sẽ còn tuỳ thuộc vào việc chúng ta giả định như thế nào về sự tương quan giữa sai số thành phần Uị và các biến số X.

Giới thiệu phương pháp nghiên cứu

1. VAI TRÒ CỦA PHƯƠNG PHÁP NGHIÊN CỨU Nhiều người cho rằng viết báo cáo/nghiên cứu là để truyền tải thông tin. Tuy nhiên một bài nghiên cứu hiệu quả phải: Làm thay đổi cách nhìn nhận vấn đề của người đọc Thuyết phục người đọc tin vào một điều gì đó Đưa người