Professional Documents
Culture Documents
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
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
1. Tạo biến ln(SALARY) genr lnsalary=LOG(salary)
3
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
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
4
May mắn là không có giá trị nào âm. Do đó σ̂t là absuhat1
4.2. Tính trọng số
5
Chọn Options
Trọng số wt1
6
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
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
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
8
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
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
12
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
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
4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt3
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
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
14
Vào View/Residual Tests/Heteroskedasticity (cross terms) (cross terms sử dụng dữ liệu chéo)
Khắc phục
15
4.1. Ước lượng σ̂t
usqhat3=usq forecast. Mở hồi quy phụ theo White, sau đó dự báo
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
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.
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
Method: Least Squares
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
Variable Coefficient Std. Error t-Statistic Prob.
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
1. Tạo biến ln(SALARY) genr lnsalary=LOG(salary)
R-squared 0.005643 Mean dependent var 0.022388
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
Sum squared resid 0.182814 Schwarz criterion -4.142402
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. Khắc phục bằng FGLS
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
4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt4
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)
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
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
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
THỰC HÀNH
Hồi quy mô hình (2.2) cần tạo biến uhat_1 = uhat(-1) (= û t −1 )
23
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
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
26
Mô hình hồi quy
DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP + 0,399 û t −1 +v̂ t
27