Đang tải... (xem toàn văn)
Bài giảng Kinh tế lượng ứng dụng có nội dung trình bày: KTL cơ bản, phân tích chuỗi thời gian, thực hành máy tính với phần mềm EviewsStata. Mời các bạn cùng tham khảo nội dung tài liệu để nắm bắt nội dung chi tiết.
KINH TẾ LƯỢNG ỨNG DỤNG Nội dung môn học Phần I: KTL Mô hình hồi quy: ước lượng, kiểm định dự báo Các khuyết tật mô hình Định dạng mô hình Mô hình hồi quy với biến giả, biến tương tác Phần II: Phân tích chuỗi thời gian Chuỗi thời gian dừng không dừng Các mô hình chuỗi thời gian ứng dụng Phần III: Thực hành máy tính với phần mềm Eviews/Stata HƯỚNG TIẾP CẬN THEO KINH TẾ LƯỢNG Lý thuyết giả thiết Mô hình toán kinh tế Mô hình kinh tế lượng Thu thập số liệu Ước lượng thông số Kiểm định giả thiết Xây dựng lại mô hình Diễn dịch kết Quyết định sách Dự báo Dữ liệu cho nghiên cứu kinh tế lượng Dữ liệu chéo: bao gồm quan sát cho nhiều đơn vị kinh tế thời điểm cho trước Dữ liệu chuỗi thời gian: bao gồm quan sát đơn vị kinh tế cho trước nhiều thời điểm Dữ liệu bảng: kết hợp liệu chéo liệu chuỗi thời gian Time Series Data Examples of Problems that Could be Tackled Using a Time Series Regression How the value of a country’s stock index has varied with that country’s macroeconomic fundamentals How a company’s stock returns has varied when it announced the value of its dividend payment The effect on a country’s currency of an increase in its interest rate Cross Sectional Data Examples of Problems that Could be Tackled Using a Cross-Sectional Regression The relationship between company size and the return to investing in its shares Acquirer abnormal returns in M & A within banks The relationship between a country’s GDP level and the probability that the government will default on its sovereign debt Panel Data Examples of Problems that Could be Tackled Using a Cross-Sectional Regression The daily prices of a number of blue chip stocks over two years Micro-finance and Poverty: Evidence Using Panel Data Corruption and Trade Protection Tips for data source One of the most frustrating things in doing an econometrics paper is finding the data Do not spend a lot of time on a topic before determining whether there is data available that will allow you to answer your question It is a good idea to write down your ideal data set that would allow you to address your topic If you find that the available data is not even close to what you had originally desired, you might want to change your topic CROSS-COUNTRY COMPARISONS http://unstats.un.org/unsd/methods/internatlinks/sd_natstat.htm - a United Nations site, provides links to the statistical agencies of countries Warning – if you are gathering international data from a variety of sources, make sure that the definitions of variables are comparable Try and find sources that have compiled cross-country statistics on your topic They have likely already adjusted for definitional differences Check out the websites of the major international organizations – the OECD has a lot of data (www.oecd.org, click on statistics) MACRO TOPICS Macro (aggregate) data may be a little easier to find than micro data Since the data is aggregated (i.e unemployment rates versus whether a person was unemployed last year) there is little concern of confidentiality which hampers a lot of the gathering of micro-level data The downside of using aggregate data is that the number of observations that you have are typically much lower and you may have less variation Also, note that some data used in time series are collected annually, some quarterly, some daily Make sure you are able to get consistent time periods 10 Copyright 1996 Lawrence C Marsh Unit Root Tests H0: q1 = * vs H1: q1 < * (16.3.4) Computer programs typically use one of the following tests for unit roots: Dickey-Fuller Test Phillips-Perron Test Copyright 1996 Lawrence C Marsh Autoregressive Integrated Moving Average ARIMA(p,d,q) An ARIMA(p,d,q) model represents an AR(p) - MA(q) process that has been differenced (integrated, I(d)) d times yt = d + q1yt-1 + + qpyt-p + et + a1et-1 + + aq et-q Copyright 1996 Lawrence C Marsh The Box-Jenkins approach: Identification determining the values of p, d, and q Estimation linear or nonlinear least squares Diagnostic Checking model fits well with no autocorrelation? Forecasting short-term forecasts of future yt values Copyright 1996 Lawrence C Marsh Vector Autoregressive (VAR) Models Use VAR for two or more interrelated time series: yt = q0 + q1yt-1 + + qpyt-p + f1xt-1 + + fp xt-p + et xt = d0 + d1yt-1 + + dpyt-p + a1xt-1 + + ap xt-p + ut Copyright 1996 Lawrence C Marsh Vector Autoregressive (VAR) Models extension of AR model all variables endogenous no structural (behavioral) economic model all variables jointly determined (over time) no simultaneous equations (same time) Copyright 1996 Lawrence C Marsh The random error terms in a VAR model may be correlated if they are affected by relevant factors that are not in the model such as government actions or national/international events, etc Since VAR equations all have exactly the same set of explanatory variables, the usual seemingly unrelation regression estimation produces exactly the same estimates as least squares on each equation separately Copyright 1996 Lawrence C Marsh Least Squares is Consistent Consequently, regardless of whether the VAR random error terms are correlated or not, least squares estimation of each equation separately will provide consistent regression coefficient estimates Copyright 1996 Lawrence C Marsh VAR Model Specification To determine length of the lag, p, use: Akaike’s AIC criterion Schwarz’s SIC criterion Copyright 1996 Lawrence C Marsh Spurious Regressions yt = b1 + b2 xt + et where et = q1 et-1 + nt -1 < q1 < I(0) (i.e d=0) q1 = I(1) (i.e d=1) If q1 =1 least squares estimates of b2 may appear highly significant even when true b2 = Copyright 1996 Lawrence C Marsh Cointegration yt = b1 + b2 xt + et If xt and yt are nonstationary I(1) we might expect that et is also I(1) xt and yt are nonstationary I(1) but et is stationary I(0), then xt and yt are However, if said to be cointegrated Copyright 1996 Lawrence C Marsh Cointegrated VAR(1) Model VAR(1) model: yt = q0 + q1yt-1 + f1xt-1 + et xt = d0 + d1yt-1 + a1xt-1 + ut If xt and yt are both I(1) and are cointegrated, use an Error Correction Model, instead of VAR(1) Copyright 1996 Lawrence C Marsh Error Correction Model Dyt = yt - yt-1 and Dxt = xt - xt-1 Dyt = q0 + (q1-1)yt-1 + f1xt-1 + et Dxt = d0 + d1yt-1 + (a1-1)xt-1 + ut (continued) Copyright 1996 Lawrence C Marsh Error Correction Model * q0 Dyt = * q0 + g1(yt-1 - b1 - b2 xt-1) + et Dxt = * d0 + g2(yt-1 - b1 - b2 xt-1) + ut = q0 + g1b1 - a1 b2 = d1 * d0 = d0 + g2b1 f1 d1 g1 = a1 - g2 = d Copyright 1996 Lawrence C Marsh Estimating an Error Correction Model Step 1: Estimate by least squares: yt-1 = b1 + b2 xt-1 + et-1 to get the residuals: ^e = t-1 ^ ^ yt-1 - b1 - b2 xt-1 Copyright 1996 Lawrence C Marsh Estimating an Error Correction Model Step 2: Estimate by least squares: Dyt = * q0 Dxt = * d0 + g1 ^e t-1 + et + g2 ^e t-1 + ut [...]... Mô hình hai biến => UL OLS là: ˆ 2 x y x 2i 2 2i var( ˆ 2 ) i ; x2i : ( X i X ); yi : (Yi Y ) 2 2 x 2i ˆ 2 ei2 /( n 2) Mô hình 3 biến => yi x2i x 3i yi x3i x2i x 3i 2 ˆ 2 x 2 2i x 3i ( x2 i x3i ) 2 2 var( ˆ 2 ) 2 (1 r2 32 ) x 2i 2 23 Định lý Gauss-Markov Định lý: Nếu các giả thiết 1-6 được thỏa mãn thì: các ước lượng nhận được từ phương pháp OLS... );) KTC cho 2 KTC đối xứng KTC bên phải KTC bên trái (n 2) ˆ 2 (n 2) ˆ 2 ˆ 2 ( 2 ; 2 ); ei2 /( n k ) / 2; n k 1 / 2; nk Ví dụ 1 27 Ví dụ Dependent Variable: Q Included observations: 20 Variable Coefficient Std Error t-Statistic Prob C 1373 .24 171.41 8.01 0.00 P -113. 42 32. 03 -3.54 0.00 ADD 83.87 15 .28 5.49 0.00 R-squared 0.74 Mean dependent var 460 .20 Adjusted R-squared 0.71... likelihood -115.31 F-statistic 24 .18 Durbin-Watson stat 1.94 Prob(F-statistic) 0.00 28 Ví dụ => Hàm hồi quy có phù hợp với lý thuyết kinh tế không? Xét dấu của hệ số ước lượng: β ^2 = -113. 420; phù hợp với ltkt nói rằng Khi giá thay tăng 1 đơn vị thì trung bình Q thay đổi trong khoảng nào? Tìm KTC đối xứng cho 2 (- 113. 42- t0. 025 ,17 32. 03; -113. 42+ t0. 025 ;17 32. 03) Khi ADD tăng 1 đơn... cho E(Y| Xj) Ước lượng cho các βj chưa biết 21 Mô hình hồi quy tuyến tính – giới thiệu Q: làm thế nào để nhận được các ước lượng tốt Viết lại hàm hồi quy mẫu: Yi ˆ1 2 X 2i ˆ3 X 3i ˆk X ki ei => sai lệch giữa giá trị thực tế và giá trị ước lượng là ei Yi Yˆi Tìm đường hồi quy mẫu mà có: e 12 + e 22 + en2 bé nhất => OLS 22 Mô hình hồi quy tuyến tính – ước lượng OLS Mô hình... I- Mô hình kinh tế lượng cơ bản Mô hình hồi quy: Ước lượng Kiểm định Dự báo Các khuyết tật của mô hình Định dạng mô hình 16 Giới thiệu Nhà kinh tế: cung tiền tăng thì lạm phát tăng (các yếu tố khác không đổi) Nhà thống kê: cung tiền và lạm phát có quan hệ tuyến tính chặt với nhau (xu hướng thay đổi rất giống nhau) Nhà kinh tế lượng: khi cung tiền tăng 1% thì lạm phát tăng 0 .2% (khi các... β1+ β2TV+ β3IN +β4P+ u ; n=100 Y: lợi nhuận của công ty; TV: Quảng cáo trên tivi; IN: Quảng cáo trên mạng, P: giá bán của sản phẩm Kết quả chạy hồi quy: Y^ = 156+ 1.7 TV+1.4IN – 0.1P; R2 = 0.95 se 2 (1.5) (0.5) (0. 02) Muốn kiểm định: Quảng cáo trên tivi giúp tăng lợi nhuận? H 0 : 2 0; H1 : 2 0 Wα = (t0.05;∞) = (1.66; ∞) ˆ 2 0 1.7 0 t qs 1.1 Không bác bỏ H0 ˆ 1.5 se( 2 ) 32 Bảng... Ví dụ: Muốn kiểm định: cả hai hình thức quảng cáo đều không có tác động đến lợi nhuận H0: 2 = 0; β3 = 0 ; H1: có ít nhất 1 trong 2 hệ số này khác 0 Wα = (fα(m, n-k), ∞) = (f0.05 (2, 96), ∞ ) = (3.09, ∞) Thực hiện hồi quy thu hẹp: Y= α1+ α2P+ v, thu được R2th ( R 2 Rth2 ) / m (0.95 0.8) / 2 Fqs 144 2 (1 R ) /( n k ) (1 0.95) / 96 Fqs thuộc miền bác bỏ => bác bỏ H0 36 ... cho β3: => 83.87+ t0.05;1715 .28 = Các biến ADD và P giải thích được bao nhiêu % sự thay đổi trong Q? 29 Bài toán kiểm định giả thuyết về tham số Ví dụ về các giả thuyết muốn kiểm định: Cung tiền không ảnh hưởng đến lạm phát? 2 = 0 Xu hướng tiêu dùng cận biên Bài toán kiểm định giả thuyết thống kê 26 Bài toán xây dựng KTC cho các tham số Nếu giả thiết 6 cũng được thỏa mãn, khi đó các KTC là KTC cho βj (ˆ j t / 2 , ( nk ) se(ˆ j ); ˆ j t / 2, ( nk ) se(ˆ j )) (; ˆ j t ,( nk ) se(ˆ j )) (ˆ j t , ( nk ) se(ˆ j );) KTC cho 2 KTC... 2 X 2 k X k Các thành phần của mô hình: Biến phụ thuộc Các biến độc lập Hệ số chặn Hệ số góc, hệ số hồi quy riêng 20 Mô hình hồi quy tuyến tính – giới thiệu Ý nghĩa của các hệ số hồi quy Hệ số chặn Hệ số góc Tuy nhiên các hệ số này thường không biết => cần ước lượng Hàm hồi quy mẫu: giả sử có mẫu ngẫu nhiên n quan sát Yˆi ˆ1 2 X 2i ˆ3 X 3i ˆk X ki ước lượng ... gian ứng dụng Phần III: Thực hành máy tính với phần mềm Eviews/Stata HƯỚNG TIẾP CẬN THEO KINH TẾ LƯỢNG Lý thuyết giả thiết Mô hình toán kinh tế Mô hình kinh tế lượng Thu thập số liệu Ước lượng. .. ) 2 x 2i ˆ ei2 /( n 2) Mô hình biến => yi x2i x 3i yi x3i x2i x 3i ˆ x 2i x 3i ( x2 i x3i ) 2 var( ˆ ) 2 (1 r2 32 ) x 2i 23 Định lý Gauss-Markov Định... + en2 bé => OLS 22 Mô hình hồi quy tuyến tính – ước lượng OLS Mô hình hai biến => UL OLS là: ˆ x y x 2i 2i var( ˆ ) i ; x2i : ( X i X ); yi : (Yi Y ) 2 x 2i ˆ ei2 /(