Đang tải... (xem toàn văn)
Kinh tế lượng - Phương sai sai số thay đổi.d
Trang 1PHẦN LÝ THUYẾT
1 Khái niệm, định nghĩa
Khi nghiên cứu mô hình hồi quy tuyến tính cổ điển, chúng ta đưa ra giả thiết rằng:Phương sai của mỗi một ngẫu nhiên Ui trong điều kiện đã cho của biến độc lập Xi làkhông đổi, nghĩa là:
Var(Ui/Xi) = E(Ui)2 = 2 ¿
Ngược lại với trường hợp trên là trường hợp: Phương sai có điều kiện Yi thay đổi khi Xithay đổi, nghĩa là Var¿ (trong đó các σi2 là khác nhau).
2 Nguyên nhân
Phương sai thay đổi có thể do một trong số các nguyên nhân sau đây:
Do bản chất của các mối liên hệ kinh tế: Có nhiều mối liên hệ kinh tế đã chứađựng hiện tượng này Chẳng hạn mối quan hệ giữa thu nhập và tiết kiệm, thôngthường thu nhập tăng thì mức độ biến động của tiết kiệm cũng tăng.
Trang 2 Do kỹ thuật thu thập số liệu được cải tiến, 2 dường như giảm Kỹ thuật thuthập số liệu càng được cải tiến thì sai lầm phạm phải càng ít hơn.
Do con người học được hành vi trong quá khứ Chẳng hạn, lỗi của người đánhmáy càng ít nếu thực hành càng tăng…
Trường hợp phương sai không đồng đều thường gặp khi thu thập số liệu theo không gian(cùng thời điểm nhưng có nhiều đối tượng khác nhau, chẳng hạn như nhiều hộ tiêu dùngở những địa phương khác nhau, nhiều xí nghiệp, công ty khác nhau,….)
Wi¿)2 →min (6.3.3)Trong đó ^β1¿, ^β2¿
là các ước lượng bình phương nhỏ nhất có trọng số, Wi được định nghĩanhư sau:
Rõ ràng khi Wi¿w¿i) thì trung bình trọng số bằng trung bình thông thường.
3.2.Phương pháp bình phương nhỏ nhất tổng quát
Bây giờ ta trở lại trường hợp ước lượng OLS của β2 ở trên là ^β2 Hệ số ^β2 vẫn là ướclượng tuyến tính không chệch, nhưng không phải là tốt nhất Nguyên nhân là do giả thiếtphương sai của sai số là không đổi bị vi phạm
Vậy làm cách nào để khắc phục tình trạng đó, để trả lời câu hỏi này , chúng ta cần phânbiệt trường hợp đã biết hoăc chưa biết phương sai Trong phần nay chúng ta chi cần đưara một phương pháp tổng quát để đưa mô hình không thỏa mãn giả thiết phương sai sai số
Trang 3không đổi về mô hình thỏa mãn giả thiết này để làm cơ sở xem xét ảnh hương cua việc viphạm giả thiết.
Xét mô hình hai biến Yi=β1+β2Xi+Ui Trong đó tất cả các giả thiết cua mô hình hồi quytuyến tính cổ điển đều thỏa mãn trừ giả thiết phương sai sai số không đổi Phương trìnhnày có thể viết dưới dạng:
Yi=β1X0 i+β2Xi+Ui (6.3.5)Trong đó X0i=1(∀ i¿
Với mỗi I, chia cả hai vế của 6.3.5 cho σi (σi>0¿ta được:
X0 iσi +β2
Đặt Yi¿
=Yiσi ; X¿0i
=X0 iσi;Xi¿
=Xiσi; Ui¿
I có phương sai không đổi.
Do đó chúng ta có thể áp dụng phương pháp OLS cho mô hình hồi quy (6.3.7) và đượcgọi là phương pháp BPNN tổng quát Tìm được các hệ số hồi quy: ^β1¿= ´Y¿
=¿ ¿
Var ( ^β2¿
nghĩa và khoảng tin cậy dựa theo phân phối T và F không còn đáng tin cậynữa.
5 Phát hiện phương sai sai số thay đổi
Trang 4Trong đó Park đã tiến hành hình thức hóa phương pháp đồ thị cho rằng σi2 là hàm nào đócủa biến giải thích X.Dạng hàm mà ông đề nghị là :
Lấy ln của 2 vế ta được
lnσi2=ln σ2+β2lnXi+vi(2)
Trang 5Vì σi2là chưa biết nên Park đã đề nghị sử dụng ei2thay choσi2 và ước lượng hồi quy sau:
lnei2=ln σi2+β2ln Xi+vi = β1+β2ln Xi+vi (3)Trong đó vi là số hạng ngẫu nhiên
Các bước tiến hành kiểm định Park
Bước 1: Ước lượng hồi quy gốc, cho dù có hay không tồn tại hiện tượng phương sai của
sai số thay đổi.
Bước 2: Từ hồi quy gốc, thu được các phần dư sau đó bình phương chúng đượcei2rồi đếnlấy lnei2
Bước 3: Ước lượng hồi quy trong đó biến giải thích (Xi)là biến giải thích trong hồi quygốc, nếu có nhiều biến giải thích có thể ước lượng hồi quy đối với mỗi biến giải thích,hoặc có thẻ ước lượng hồi quy đối với mỗi biến giải thích, trong đó với Y^i là Yi đã đượcước lượng.
Bước 4: Kiểm định giả thiết Ho: β2=0 nghĩ là không có hiện tượng phương sai của sai sốthay đổi Nếu có tồn tại mối liên hệ có ý nghĩa về mặt thống kê giữa ln e2 và lnXi Thì giảthiết Ho:β2= 0 có thể bác bỏ trong trường hợp này ta phải tìm cách khắc phục.
Bước 5: Nếu giả thiết Ho:β2= 0 được chấp nhận thì β1 trong hồi quy (3) có thể được giảithích như là giá trị của phương sai không đổi (β1=ln σ2).
5.2.2 Kiểm định Glejser
Kiểm định Glejser cũng tương tự như kiểm định Park Sau khi thu được phần dư ei từ hồiquy gốc theo phương pháp bình phuong nhỏ nhất Glejser đã đề nghị hồi quy giá trị tuyệtđối của ei đối với biến Xi nào đó mà có thể kết hợp chặt chẽ với σi2 Trong thực nghiệmGlejser sử dụng hàm hồi quy phụ sau:
|ei|=β1+β2Xi+Vi|ei|=β1+β2√Xi+Vi|ei|=β1+β2 1Xi+Vi
5.2.3 Kiểm định tương quan hạng Spearman
Kiểm định tương quan hạng của Spearman.
Định nghĩa:hệ số tương quan hạng Spearman rs được xác định như sau:
Trang 6Thủ tục kiểm định như sau:
Bước 1: Ước lượng hồi quy trên tập số liệu đối với Y và X thu được phần dư ei.
Bước 2: Xếp hạng |ei| và Xi theo thứ tự giảm hoặc tăng, tính d= hạng|ei|- hạngXi sau đótính hệ số tương quan hạng Spearman.
Bước 3: giả sử hệ số tương quan hạng của tổng thể là pi =0 và n>8 thì ý nghĩa của hệtương quan hạng mẫu rs có thể được kiểm định bằng tiêu chuẩn t sau:
5.2.4 Kiểm định Goldfeld – Quandt
Nếu giả thiết rằng phương sai của sai số thay đổi σi2 có thể liên hệ dương với một trongcác biến giải thích trong mhhq thì ta có thể sử dụng kiểm định này.
Các bước kiểm định Goldfeld - Quandt gồm các bước sau:
Bước 1: Sắp xếp các quan sát theo giá trị tăng dần về giá trị của biến X.Bước 2: Bỏ c quan sát ở giữa theo cách sau:
Đối với mô hình 2 biến George G.Judge đề nghị:C = 4 nếu cỡ mẫu khoảng n = 30
C = 10 nếu cỡ mẫu khoảng n = 60
Và chia số quan sát còn lại thành 2 nhóm, trong đó mỗi nhóm có n−c2 quan sát.
Trang 7Bước 3: Sử dụng phương pháp bình phương bé nhất ước lượng tham số hàm hồi quy đối
với n−c2 quan sát đầu và cuối: thu được tổng bình phương các phần dư của RSS1, RSS2tương ứng Trong đó RSS1 đại diện cho RSS2 từ hồi quy tương ứng với các giá trị của Xinhỏ hơn RSS2 - ứng với các gái trị Xi nhỏ hơn Bậc tự do tương ướng
Trong ứng dụng nếu F tính được lớn hơn điểm giớ hạn F ở mức ý nghĩa mông muốn, thìchúng ta có thể từ bỏ H0: phương sai có điều kiện không đổi nghĩa là có thể nói có thểphương sai số thay đổi.
Chú ý rằng trong trường hợp các biến giải thích X nhiều hơn 1 thì việc sắp xếp các quansát trong kiểm định ở bước 1 có thể làm đối với một biến bất kỳ trong các biến giải thíchđó Chúng ta có thể tiến hành kiểm định Park đối với mỗi biến X.
Chú ý : Theo kinh nghiệm của các nhà kinh tế lượng thì số quan sát bị loại bỏ khoảng20% tổng số quan sát mà không nhất thiết mà không phải bỏ đi các quan sát ở giữa.Trong trường hợp đó cần phải xác định số bậc tự do cho thích hợp Các thử nghiệm theophương pháp Monte Carlo thì c = 8 nếu n khoảng 30; c =6 nếu n khoảng 60.
5.2.5 Kiểm định Breusch – Pagan – Godfrey (BPG)
Xét mô hình hồi qui k biến sau:
Trang 8nếu a2 = a3 = … = am = 0 thì i2 = a1 là hằng số
Do vậy, việc kiểm định xem liệu rằng i2 có thay đổi hay không, chúng ta có thể kiểmđịnh giả thuyết H0: a2 = a3 = … = am = 0
Kiểm định Breusch – Pagan– Godfrey qua các bước sau:
Bước 1: Ước lượng (1) bằng phương pháp OLS để thu được phần dư e1, e2, …, en
Bước 2: Tính
Bước 3: Xây dựng biến pi = ei /
Bước 4: Hồi quy pi theo các biến Zi dưới dạng:
pi = a1 + a2Z2i + … + amZmi + vi (*)trong đó vi là số hạng ngẫu nhiên của hồi qui này
Bước 5: Thu được ESS (tổng các bình phương được giải thích) từ (*) và xác định:
Giả thuyết rằng Ui có phân phối chuẩn và khi cỡ mẫu n tăng lên vô hạn thì q » c2(m – 1).Tức là q sẽ xấp xỉ c2 với m – 1 bậc tự do
Như vậy, nếu trong áp dụng mà ta tính được q vượt giá trị tra bảng c2 với m – 1 bậc tựdo với mức ý nghĩa đã chọn, thì chúng ta bác bỏ giả thuyết H0 về phương sai đồng đều Ngược lại, chúng ta có thể chấp nhận nó
5.2.6 Kiểm định White
Kiểm định BJG cần U có phân bố chuẩn, White đề nghị một thủ tục không đòi hỏi U cóphân bố chuẩn kiểm định này là kiểm định tổng quát về sự thuần nhất của phương sai.Xét mô hình sau đây:
Bước 1: Ước lượng (1) bằng OLS Từ đó thu được các phần tử dư tương ứng ei
Bước 2: Ước lượng mô hình sau đây:
Trang 9R2 là hệ số xác định bội thu được từ (2).
Bước 3: Với H0: phương sai của sai số không đổi, có thể chia ra rằng: n R2 có phân xấpxỉ χ2(df ) Df bằng số hệ số của mô hình (2) không kể hệ số chặn.
Bước 4: Nếu n R2 không vượt quá giá trị χ2(df ) , thi giả thiết H0 không có cơ sơ để bácbỏ Điều này nói trong mô hình (2): α1=α2= =α6=0 Trong trường hợp ngược lại giảthiết H0 bị bác bỏ.
Ta nhận thấy rằng bậc tự do của tăng nhanh khicos thêm biến độc lập Trong nhiềutrường hợp người ta có thể bỏ các số hạng có chứa tích chéo XiXj, i j Ngoài ra trườngtrường hợp có sai lầm định dạng, kiểm định White có thể đưa ra nhận định sai lầm làphương sai của sai số thay đổi trong trường hợp phương sai của sai số là đồng nhất.
5.2.7 Kiểm định dựa trên biến phụ thuộc
Kiểm định này dựa trên ý tưởng cho rằng phương sai của yếu tố ngẫu nhiên phụ thuộcvào các biến độc lập có hay không có trong mô hình, nhưng không biết rõ chúng lànhưng biến nào Vì vậy, thay vì xem xét quan hệ đó, người ta xét mô hình sau đây:
Trong mô hình trên, σi2 và E(Yi) đều chưa biết, do đó sử dụng các ước lượng của nó là ei2và Y^i2.
Bước 1: Ước lượng mô hình ban đầu bằng OLS Từ đó thu được ei và Y^i.
Bước 2: Ước lượng mô hình sau đây bằng OLS:
Trang 10Như chúng ta đã biết, phương sai của sai số thay đổi làm cho các ước lượng không còn làước lương hiệu quả nữa Vì thế biện pháp khắc phục là hết sức cần thiết.Việc chữa chạycăn bệnh này phụ thuộc chủ yếu vào liệu, được biết hay chưa Ta phân biệt 2 trường hợp.
Chúng ta sẽ minh họa cho các phép biến đổi này qua việc sử dụng mô hình hồi quy 2 biếnmà ta gọi là mô hình gốc:
Yi=β1+β2Xi+Ui
Giả sử mô hình này thỏa mãn các giả thiết của mô hình hồi quy tuyển tính cổ điển trừ giảthiết phương sai của sai số không đổi Chúng ta xét 1 số giải thiết sau về phương sai củasai số Những dạng này tuy chưa bao quát được tất cả nhưng phổ biến.
Giả thiết 1: Phương sai của sai số tỉ lệ với bình phương của biến giải thích.
E(Ui2
)=σ2Xi2 (6.41)
Nếu bằng phương pháp đồi thị hoặc tiếp cận Park hoặc Glejser …chỉ cho chúng ta rằngcó thể phương sai Uitỉ lệ với bình phương của biến giải thích X thì chúng ta có thể biếnđổi mô hình gốc theo cách sau:
Chia 2 vế của mô hình gốc cho Xi(Xi#0)
YXi
Như vậy tất cả các giả thiết của mô hình hồi quy tuyến tính cố điển được thảo mãn đốivới (6.42) vậy ta có thể áp dụng phương pháp bình phương nhỏ nhất cho phương trình đãđược biến đổi (6.38) Hồi quy YXi
i theo X1
i Chú ý rằng trong hồi quy đã được biển đổi thì
Trang 11số hạng chặn β2 là hệ số góc của phương trình hồi quy gốc và hệ số góc β1 là số hạngchặn trong mô hình hồi quy gốc Di đó để trở lại mô hình hồi quy gốc chúng ta phải nhâncả 2 về của (6.38) đã được ước lượng với Xi.
Giả thiết 2: Phương sai của sai số tỉ lệ với biến giải thích X:
Với mỗi i chia cả 2 về của mô hình gốc cho √Xi (với √Xi>0)
Giả thiết 3: Phương sai cua sai số tỉ lệ với bình phương của giá trị kì vọng của Y, nghĩa
E(Y¿ ¿i)¿var(v¿¿i)=σ2¿
Nghĩa là nhiễu Vi ,có phương sai không đổi điều này chỉ ra rằng hồi quy (6.44) thỏa mãngiả thiết phương sai không đổi của mô hình hồi quy tuyến tính cổ điển
Tuy nhiên phép biến đổi (6.44) vãn chưa thực hiện được vì bản thân E(Y¿ ¿i)¿phụ thuộcvào β1 và β2 trong đó β1 và β2lại chưa biết
Trang 12Như chúng ta đã biết ^βi=^β1+ ^β2Xilà ước lượng của E(Y¿ ¿i).¿Do đó có thể tiến hành theo2 bước sau:
Bước 1: Ước lượng hồi quy ban đầu bằng phương pháp bình phương bé nhất thông
thường, thu được Sau đó sử dụng để biến đổi mô hình hồi quy gốc thành dạng như sau:
Giả thiết 4 Hạng hàm sai
Đôi khi thay cho việc dự đoán về người ta định dạng lại mô hình ,Chẳng hạn thay choviệc ước lượng hồi quy gốc có thể chúng ta sẽ ước lượng hồi quy
lnYi=β1+β2ln Xi+Ui
Việc ước lượng hồi quy có thể làm giảm phương sai của sai số thay đổi do tác động củaphép biến đổi loga Một trong những ưu thế của phéo biến đổi loga là hệ số góc là hệ sốgóc β2 là hệ số co dãn của Y đối với X.
Trang 131 Phát hiện hiện tượng phương sai sai số thay đổi (mức ý nghĩa α = 5%))
Để phát hiện hiện tượng phương sai sai số thay đổi, trước tiên ta cần xác định hàm hồi quy mẫu:
SLi=^β1+ ^β2DTi+ ^β3NSi
Trang 14Sau khi hồi quy ta được hàm hồi quy mẫu là:
SLi=3.912384−0.119308 DTi+3.359319 NSi
Tính các phần dư ei
Tại cửa sổ Equation chọn Frocs Make Residual Series… Điền tên là ei, OK.
Ước lượng các giá trị ^SL
Từ cửa sổ Equation hồi quy, chọn Forecast Forecast name là gtsl, OK
Trang 15Tạo biến ei2 bằng cách: Tại cửa sổ Workfile chọn Frocs Generate Series…Gõ vào ô Enter Equation: ei2 = ei^2 OK
Trang 161.1.Kiểm định Park
Tại vùng gõ lệnh ta gõ: LS LOG(EI2) C LOG(GTSL), Enter
Từ kiểm định Park ta nhận thấy: P – Value = 0.0347 < 0.05 Kết luận: Có phương sai sai số thay đổi.
KĐGT: {H0: Không có phương sai sai số thay đổi
H1:Có phương sai sai số thay đổi↔{H0: β2=0
Trang 171.2.Kiểm định Glejser
Tại vùng gõ lệnh ta gõ: LS ABS(EI) C GTSL, Enter
Từ kiểm định Glejser ta nhận thấy: P – Value = 0.0193 < 0.05 Kết luận: Có phương sai sai số thay đổi
Từ kiểm định Glejser trên ta nhận được hàm hồi quy:
|e^i|=3.893900−0.028420 GTSL
Giống như kiểm định Park, ta có:
KĐGT: {H0: Không có phương sai sai số thay đổi
H1:Có phương sai sai số thay đổi↔{H0: β2=0
Trang 182 Khắc phục hiện tượng phương sai sai số thay đổi
Ta dùng giả thiết thứ 3: Phương sai của sai số tỷ lệ với bình phương của giá trị kỳ vọng của Y.
Tạo các biến mới:
Tại cửa sổ Workfile, chọn Frocs Generate Series…Gõ vào ô Enter Equation các công thức sau Nhấn OKSL1 = SL/GTSL
C1 = 1/GTSLDT1 = DT/GTSLNS1 = NS/GTSL
Lập hàm hồi quy mẫu
Tại cửa sổ Equation chọn Frocs Make Residual Series… Điền tên là ei1, OK.
Trang 19 Ước lượng các giá trị ^SL1
Từ cửa sổ Equation hồi quy, chọn Forecast Forecast name là gtsl1 Nhấn OK
Trang 202.1.Kiểm định Park
Tại vùng gõ lệnh ta gõ: LS LOG(EI1^2) C LOG(GTSL1), Enter
Từ kiểm định Park cho mô hình mới, ta có: P – Value = 0.7162 > 0.05
Kết luận: Không có phương sai sai số thay đổi, hiện tượng đã được khắc phụcHoặc:
KĐGT: {H0: Không có phương sai sai số thay đổi
H1:Có phương sai sai số thay đổi↔{H0: β2=0
Trang 212.2.Kiểm định Glejser
Tại vùng gõ lệnh ta gõ: LS ABS(EI1) C GTSL1, Enter
Từ kiểm định Glejser cho mô hình mới, ta có: P – Value = 0.7528 > 0.05
Kết luận: Không có phương sai sai số thay đổi, hiện tượng đã được khắc phụcHoặc:
Từ kiểm định Glejser trên ta nhận được hàm hồi quy:
|e^i|=−0.814925+0.823078 GTSL1Giống như kiểm định Park, ta có:
KĐGT: {H0: Không có phương sai sai số thay đổi
H1:Có phương sai sai số thay đổi↔{H0: β2=0
Kết luận: Không có phương sai sai số thay đổi, hiện tượng đã được khắc phục