Thuchanh FGLS (In)

THỰC HÀNH SỬ DỤNG HÀM TRONG EVIEW
Vào Genr
Hàm Câu lệnh VD Diễn giải/Kết quả
Tuyệt đối @abs(x) @abs(-3) = −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) = log 10 100 = lg 100 = 2
Logbx @log(x,b) @log(256,2) = log2256 = 8
Căn @sqr(x) @sqr(9) = 9 =3
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)
 1 
Phương pháp FGLS cũng là ước lượng bình phương tối thiểu có trọng số  w t =  , với σ t không biết
 σˆ t 
trước, do đó trước tiên phải có các ước lượng của σ t ( hay tìm σ̂t ). Với mỗi công thức phương sai được đề
xuất bởi Glesjer, Breusch – Pagan, Harvey – Godfrey và White ta có σ t 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

ˆ ˆ ˆ
ln(SALARY ) t = β1 + β 2 YEARS t + β 3 YEARS t + û t (1)
2
Mô hình hồi quy
Yêu cầu:
1) Kiểm định có phương sai sai số thay đổi? Bằng kiểm định Glesjer, Breusch – Pagan, Harvey –
Godfrey và White
2) 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 σ t = α 1 + α 2Z2t + α 3Z3t + … + α pZpt

Hồi quy phụ û t = α 1 + α 2X2t + α 3X3t + … + α pXpt
û t = α 1 + α 2YEARS + α 3YEARS2
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 ( û t ) genr uhat =resid
1
3.2. Tạo û t 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 σ̂t absuhat1=absuhat forecast (absuhat1 là giá trị dự báo của absuhat)
Đây là ước σ̂t (σ t ước lượng) của đặc trưng Glesjer.
Vì trọng số >0 do đó σ̂t >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
σ̂t sẽ là absuhat1 nếu toàn bộ quan sát > 0. σ̂t là absuhat2 nếu absuhat1 có
quan sát <0
4.2. Khi đã có σ̂t ta tính trọng số
2
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
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

Date: 12/04/07 Time: 07:28
Sample: 1 222
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
3
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
⇒ nR2hồi quy phụ > χ22 (10%) ⇒ Có hiện tượng phương sai sai số thay đổi
Khắc phục
Ước lượng σ̂t 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?
4
May mắn là không có giá trị nào âm. Do đó σ̂t là absuhat1
4.2. Tính trọng số
4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt1

Quick/Estimate Equation…
5
Chọn Options
Trọng số wt1
6
Date: 12/04/07 Time: 08:08
Sample: 1 222
Weighting series: WT1
White Heteroskedasticity-Consistent Standard Errors & Covariance
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
Unweighted Statistics
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 σ t

2
= α 1 + α 2Z2t + α 3Z3t + … + α pZpt
Hồi quy phụ ȗt2= α 1 + α 2X2t + α 3X3t + … + α pXpt
ȗt2= α 1 + α 2YEARS + α 3YEARS2
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
7
4.1. Ước lượng σ̂t usqhat1=usq forecast (usqhat1 là giá trị dự báo của usq)
Vì trọng số >0 do đó σ̂t >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 σ̂2t nếu toàn bộ quan sát > 0. σ̂2t là usqhat2 nếu absuhat1 có quan
sát <0
1
4.2. Khi đã có σ̂t ta tính trọng số, wt2= σˆ 2t
genr wt2=1/(sqr(usqhat1)) nếu toàn bộ quan sát của usqhat1> 0
genr wt2=1/(sqr(usqhat2)) nếu absuhat1 có quan sát <0
THỰC HÀNH
Bước (1), (2) và (3.1) tương tự như kiểm kiểm định Glesjer
3.2. Tạo ȗt2
8
3.3. Hồi quy phụ ls usq c years years^2 . Từ hồi quy phụ tìm R2hq phụ
Dependent Variable: USQ
Date: 12/04/07 Time: 10:06
Sample: 1 222
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
R2hq phụ = 0,074714

Dùng kiểm định LM = nR2hồi quy phụ = 222× 0,074714 = 16,58
χ22 (10%) = CHIINV(10%,2) = 4,60517
Khắc phục
Ước lượng σ̂t 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.
9
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
10
11
4.2. Tính trọng số


Date: 12/04/07 Time: 11:05
Sample: 1 222
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
12
III. Kiểm định White

Công thức tính phương sai σ t
2
= α 1 + α 2Z2t + α 3Z3t + α 4Z2t2 + α 5Z3t2 + α 6Z2tZ3t
Hồi quy phụ ȗt2 = α 1 + α 2X2t + α 3X3t + α 4X2t2 + α 5X3t2 + α 6X2tX3t
ȗt2 = α 1 + α 2YEARS + α 3YEARS2 + α 4YEARS2 + α 5YEARS4 + α 6
YEARS3
ȗt2 = α 1 + α 2YEARS + (α 3 + α 4)YEARS2 + α 5YEARS4 + α 6 YEARS3
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
4.1. Ước lượng σ̂t 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 σ̂t nếu toàn bộ quan sát > 0. σ̂t là usqhat4 nếu absuhat3 có quan
2 2
sát <0
1
4.2. Khi đã có σ̂t ta tính trọng số wt3= σˆ 2t
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
THỰC HÀNH
13
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
Date: 12/04/07 Time: 16:50
Sample: 1 222
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
R2hq phụ = 0.090076

Dùng kiểm định LM = nR2hồi quy phụ = 222× 0.090076 = 19,99
χ22 (10%) = CHIINV(10%,2) = 4,60517
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
14
Vào View/Residual Tests/Heteroskedasticity (cross terms) (cross terms sử dụng dữ liệu chéo)
White Heteroskedasticity Test:

F-statistic 5.370347 Probability 0.000384
Obs*R-squared 19.99682 Probability 0.000500 LM = nR2hồiquyphụ
Test Equation: = 19.99682
Dependent Variable: RESID^2
LM= nR2hồiquyphụ
Method: Least Squares Tương ứng với xác suất là
Date: 12/04/07 Time: 16:57 0.05% < α .
Sample: 1 222
Variable Coefficient Std. Error t-Statistic Prob. Bác bỏ H0. Có hiện tượng
C -0.001770 0.025953 -0.068207 0.9457 phương sai sai số thay đổi.
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
Adjusted R-squared 0.073303 S.D. dependent var 0.069804 R2hồiquyphụ
Khắc phục
15
4.1. Ước lượng σ̂t
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.
16
Ta tạo biến usqhat4 là biến usqhat3 đã thay các giá trị âm của usq gốc tương ứng
1
4.2. Tính trọng số wt3= σˆ 2t

17
Date: 12/04/07 Time: 19:54
Sample: 1 222
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
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.
18
White Heteroskedasticity Test:
F-statistic 0.307873 Probability 0.872527
Obs*R-squared 1.252758 Probability 0.869338
Xác suất = 86,93% > α .
Test Equation: Chấp nhận H0. Không có
Dependent Variable: STD_RESID^2 hiện tượng phương sai
Date: 12/04/07 Time: 20:05
sai số thay đổi.
Sample: 1 222
Included observations: 222 IV. Kiểm định Harvey -
White Heteroskedasticity-Consistent Standard Errors & Covariance Godfrey
Công thứcCtính phương 0.013900 = α 1 + α 2Z1.533033
sai ln(σ t2)0.009067 2t + α 3Z3t +0.1267
… + α pZpt
YEARS 0.002141 2 0.002833 0.755667 0.4507
Hồi quy phụ
YEARS^2 ln(ȗt ) =
-0.000160 α 1 + α 2X-0.628472
0.000255 2t + α 3X3t +0.5304
… + α pXpt
YEARS*(YEARS^2)
2
α 1 + α 2YEARS
ln(ȗt ) =8.55E-06
4.99E-06 0.583540 + α 30.5601
YEARS2
(YEARS^2)^2 -5.64E-08 9.51E-08 -0.592649 0.5540
2.Adjusted
Hồi quy (1)
R-squared ls lnsalary
-0.012686 c years years^2
S.D. dependent var 0.028843
S.E. of regression 0.029025 Akaike info criterion
3. Kiểm định xem có phương sai của sai số thay đổi không? -4.219039
Log3.1.
likelihood genr uhat
Tính phần dư ( û473.3133
t) =resid
F-statistic 0.307873
Durbin-Watson stat 2 1.827864 Prob(F-statistic) 0.872527
3.2. Tạo ln(ȗt ) genr usq=uhat^2
genr lnusq=log(usq)
19
3.3. Hồi quy phụ ls lnusq c years years^2 . Từ hồi quy phụ tìm R2hq phụ
4.1. Ước lượng σ̂t 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 σ̂t
2
1
4.2. Khi đã có σ̂t ta tính trọng số wt4= σˆ 2t
genr wt4=1/usqhat5

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
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 = β̂1 + β̂2 PRICE + β̂3 INCOME + β̂4 TEMP + û t (2.1)
I. PHÁT HIỆN TƯƠNG QUAN CHUỖI BẰNG ĐỒ THỊ (chỉ có tính gợi ý không thay thế kiểm định)
ls c demand price income temp

1. Hồi quy mô hình
20
genr uhat = resid
2. Lấy phần dư (uhat)
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

Date: 12/05/07 Time: 06:00
Sample: 1 30
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
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)
21
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.
.12
.08
.04
UHAT
.00
-.04
-.08
0 4 8 12 16 20 24 28 32
QUANSAT
II. KIỂM ĐỊNH

1. Kiểm định Durbin Watson
DEMAND = β̂1 + β̂2 PRICE + β̂3 INCOME + β̂4 TEMP + û t
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, α = 10%, dL = 1,15; dU = 1,46
DW 1,15 1,46 2 2,54 2,85
22
0 dL dU 2 4- dU 4- dL 4
Bác bỏ H0 Bác bỏ H0
Chấp nhận H0 Không
ρ >0 Không ρ <0
kết luận kết luận
Tương quan Tương quan
Không có TQC bậc 1 âm
dương
Bác bỏ H0 có tương quan chuỗi bậc nhất
2. Kiểm định LM
2.1. Kiểm định tương quan chuỗi bậc nhất
DEMAND = β̂1 + β̂2 PRICE + β̂3 INCOME + β̂4 TEMP + ρû t −1 + v̂ t (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, û t −1 ) → R2hồi quy phụ

(n-p)R2hồi quy phụ > χ21 (α ) Bác bỏ H0 ⇒ Tương quan chuỗi bậc nhất p = 1
THỰC HÀNH
Hồi quy mô hình (2.2) cần tạo biến uhat_1 = uhat(-1) (= û t −1 )
Hồi quy phụ ls uhat c PRICE INCOME TEMP uhat_1
Dependent Variable: UHAT

Date: 12/05/07 Time: 09:28
Sample(adjusted): 2 30
Included observations: 29 after adjusting endpoints
23
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
R2hồi quy phụ = 0.162213 ⇒ (n-p)R2hồi quy phụ = 29 × 0.162213 = 4,7

χ21 (α ) = CHIINV(10%,1) = 2,7
⇒ (n-p)R2hồi quy phụ > χ21 (α ) Bác bỏ H0 ⇒ Tương quan chuỗi bậc nhất
Cách khác không cần hồi quy phụ
Từ hồi quy gốc (2.1), ta mở mô hình này lên
24
25
Nếu tương quan chuỗi bậc nhất thì mô hình hồi quy sẽ là
DEMAND = β̂1 + β̂2 PRICE + β̂3 INCOME + β̂4 TEMP + ρû t −1 + v̂ t
ls DEMAND c PRICE INCOME TEMP uhat_1
Dependent Variable: DEMAND

Date: 12/05/07 Time: 11:22
Sample(adjusted): 2 30
Included observations: 29 after adjusting endpoints
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
Mô hình hồi quy:

DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP + 0,399 û t −1 +v̂ t (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 v̂ t có phân phối ngẫu nhiên chưa?
Từ mô hình (2.2) ta mở lên dùng kiểm định LM
26
Mô hình hồi quy
DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP + 0,399 û t −1 +v̂ t
27

Thuchanh FGLS (In)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Thuchanh FGLS (In)

Uploaded by

Copyright:

Available Formats

THỰC HÀNH SỬ DỤNG HÀM TRONG EVIEW

THỰC HÀNH PHƯƠNG SAI SAI SỐ THAY ĐỔI

VD: Sử dụng Data 8-1 Ranamathan

I. Kiểm định GLESJER

Công thức tính phương sai σ t = α 1 + α 2Z2t + α 3Z3t + … + α pZpt

2. Hồi quy (1) ls lnsalary c years years^2

Dependent Variable: LNSALARY

3.3. Hồi quy phụ ls absuhat c years years^2

Dependent Variable: ABSUHAT

R2hq phụ = 0,130283

Mở absuhat1 lên xem có quan sát nào âm không?

4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt1

II. Kiểm định Breusch – Pagan

Công thức tính phương sai σ t

R2hq phụ = 0,074714

4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt2

Dependent Variable: LNSALARY

III. Kiểm định White

R2hq phụ = 0.090076

White Heteroskedasticity Test:

Mở usqhat3 xem có giá trị âm hay không?

usqhat3 có giá trị âm.

4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt3

Dependent Variable: LNSALARY

THỰC HÀNH TƯƠNG QUAN CHUỖI

ls c demand price income temp

Dependent Variable: DEMAND

2. Lấy phần dư (uhat) genr uhat = resid

3. Vẽ biểu đồ phân tán.

II. KIỂM ĐỊNH

DW 1,15 1,46 2 2,54 2,85

Hồi quy phụ uR = f(PRICE, INCOME, TEMP, û t −1 ) → R2hồi quy phụ

Hồi quy phụ ls uhat c PRICE INCOME TEMP uhat_1

Dependent Variable: UHAT

R2hồi quy phụ = 0.162213 ⇒ (n-p)R2hồi quy phụ = 29 × 0.162213 = 4,7

Dependent Variable: DEMAND

Mô hình hồi quy:

You might also like