hướng dẫn thực hành eviews trong kinh tế lượng

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (5.29 MB, 48 trang )

HƯỚNG DẪN THỰC HÀNH EVIEWS TRONG
KINH TẾ LƯỢNG
HUỲNH NGỌC PHƯỚC
Khoa Quản Trị Kinh Doanh
Trường Đại Học Tôn Đức Thắng, TP. HCM
2013
Email: [email protected]
MỤC LỤC
MỤC LỤC 3
1 Giới thiệu Eviews 1
1.1 Khởi tạo workfile. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 1
1.2 Nhập dữ liệu. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 3
1.2.1 Nhập dữ liệu từ file Excel. .. .. .. .. .. .. .. .. .. .. .. .. . 3
1.2.2 Nhập dữ liệu trực tiếp. .. .. .. .. .. .. .. .. .. .. .. .. .. . 4
1.3 Vẽ đồ thị. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 5
1.4 Thống kê mô tả. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 8
1.5 Tạo và xóa một series trong workfile. .. .. .. .. .. .. .. .. .. .. .. . 9
1.5.1 Tạo một series mới trong workfile. .. .. .. .. .. .. .. .. .. .. . 9
1.5.2 Xóa một series trong workfile. .. .. .. .. .. .. .. .. .. .. .. . 10
1.6 Một số toán tử và hàm cơ bản trong Eviews. .. .. .. .. .. .. .. .. .. . 10
1.6.1 Toán tử. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 10
1.6.2 Hàm số. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 10
2 Hồi qui hai biến 11
2.1 Mô hình hồi qui tuyến tính. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 11
2.2 Khoảng tin cậy β
1
; β
2
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 13
2.3 Kiểm định giả thiết về các hệ số hồi qui. .. .. .. .. .. .. .. .. .. .. . 14
3 Mở rộng mô hình hồi qui hai biến 15

3.1 Hồi qui tuyến tính log. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 15
3.2 Hồi qui log tuyến tính. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 16
2
4 Hồi qui bội 18
4.1 Mô hình hồi qui tuyến tính ba biến. .. .. .. .. .. .. .. .. .. .. .. .. 18
4.2 Kiểm định giả thiết về hệ số hồi qui. .. .. .. .. .. .. .. .. .. .. .. . 20
4.3 Kiểm định đồng thời. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 20
4.4 Tìm ma trận tương quan. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 21
4.5 Ma trận hiệp phương sai. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 21
4.6 Dự báo. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 22
5 Một số kiểm định thường gặp 26
5.1 Kiểm định White. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 26
5.2 Kiểm định sự có mặt của biến không cần thiết. .. .. .. .. .. .. .. .. . 28
5.3 Kiểm định biến bị bỏ sót. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 29
5.4 Kiểm định Wald. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 31
5.5 Kiểm định Reset của Ramsey. .. .. .. .. .. .. .. .. .. .. .. .. .. . 32
5.6 Kiểm định Breusch-Godfrey (BG). .. .. .. .. .. .. .. .. .. .. .. .. 33
5.7 Kiểm định giả thiết phân phối chuẩn của U. .. .. .. .. .. .. .. .. .. . 35
6 Phân tích chuỗi thời gian 36
6.1 Mô hình cộng và mô hình nhân. .. .. .. .. .. .. .. .. .. .. .. .. .. 36
6.1.1 Mô hình nhân. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 36
6.1.2 Mô hình cộng. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 37
6.2 Mô hình dự báo san mũ Holt-Winters. .. .. .. .. .. .. .. .. .. .. .. 38
6.3 Kiểm định tính dừng dựa trên lượt đồ tương quan. .. .. .. .. .. .. .. . 41
6.4 Kiểm định đơn vị đối với tính dừng. .. .. .. .. .. .. .. .. .. .. .. .. 42
TÀI LIỆU THAM KHẢO 44
Lời nói đầu
Bài giảng này được xem như là phần bổ sung của Giáo trình kinh tế lượng, Trường ĐH Kinh
Tế TPHCM, Lao động – Xã hội, Hoàng Ngọc Nhậm, cuốn Giáo trình này đã có viết phần
hướng dẫn sử dụng Eviews để tính toán (xem [5]). Bài giảng này cũng nhằm mục đích hướng

đẫn từng bước việc tính toán trong giáo trình trên, tuy nhiên, ở đây tôi hướng dẫn sử dụng
Eviews 6.0 và có bổ sung, chỉnh sửa nhiều chổ so với [5]. Bài giảng này sẽ giúp cho sinh viên
thực hành các bài tập của môn Kinh tế lượng, cũng như cho những ai sử dụng Eviews để phân
tích kinh tế.
Eviews hỗ trợ rất mạnh mẽ trong việc quản lý dữ liệu, phân tích thống kê, vẽ các đồ thị và in
ấn kết quả. Hiện nay đã có biên bản Eviews 7.2, tuy nhiên, ở biên bản này có nhiều lỗi và chạy
không ổn định, do đó, tôi chọn Eviews 6.0 để viết bài giảng này. Để biết thêm nhưng thông
tin về phần miềm này, cũng như các ứng dụng mở rộng của Eviews các bạn có thể vào trang
web http://www:eviews.com.
Tôi mong được sự bình luận và đóng góp ý kiến về bài giảng này cho việc chỉnh sửa.
Huỳnh Ngọc Phước
[email protected]
Chương 1
Giới thiệu Eviews
Trong chương này tôi sẽ giới thiệu những thao tác cơ bản trên Eviews.
1.1 Khởi tạo workfile
Công việc trước tiên của chúng ta là khởi tạo workfile. Để khởi tạo workfile ta nhấp Dclick
vào biểu tượng Eviews trên màn hình, sau đó chọn File/New/Workfile như hình sau
Khi ta chọn xong thì ta có
1
Trong workfile Structure type có các định dạng sau:
• Dated-regularfrequency: Dữ liệu thời gian (mặc định).
• Unstructure/Undated: Dữ liệu chéo.
• Balanced Panel.
Khi ta chọn Dated-regularfrequency thì trong khung Date specification có các dạng định
dạng tương ứng
• Năm.
• Nữa năm.
• Quý (3 tháng).
• Tháng.

• Tuần.
• Năm ngày.
• Bảy ngày.
• Ngày.
Sau khi chon một định dạng tương ứng số liệu thì ta điền vào khung Start date và End date
tương ứng với mỗi định dạng. Riêng trường hợp định dạng là Unstructured/Undated thì
sẽ xuất hiện hộp thoại dạng
2
Ta điền độ lớn của dữ liệu vào Data range.
Sau khi thực hiện xong các thao tác ta điền tên workfile vào khung Workfile name, chọn Ok
sẽ xuất hiện hộp thoại sau
Khi khởi tạo xong workfile thì ta chọn Save as để lưu lại.
1.2 Nhập dữ liệu
Tôi sẽ giới thiệu hai cách nhập dữ liệu chính là nhập dữ liệu từ file Excel và nhập trực tiếp.
1.2.1 Nhập dữ liệu từ file Excel
Trong thực tế thì chúng ta thường có file dữ liệu dạng Excel, để dùng Eviews phân tích dữ
liệu này thì ta đưa các dữ liệu từ file Excel vào workfile như sau:
Trước tiên ta khởi tạo workfile như ở mục 1.1 (phù hợp với dữ liêu), sau đó chọn File/Import/Read
Text-Lotus-Excel, khi đó sẽ xuất hiện hộp thoại để ta chọn file. Ta chọn định dạng file .xls,
sau đó ta chọn đường dẫn tới file Excel chứa dữ liệu, chọn Open. Khi đó sẽ xuất hiện hộp
thoại sau
3
ta điền tên series cần tạo, ví dụ như ở đây là y và x, ta được hình sau
Sau đó nhấp chọn Ok, ta được workfile như sau
1.2.2 Nhập dữ liệu trực tiếp
Trước hết ta tạo một workfile như ở mục 1.1. Kế tiếp để nhập dữ liệu ta chọn Quick/Empty
Group, sẽ xuất hiện hộp thoại sau
4
Sau đó chúng ta nhập các dữ liệu vào thì ta được
Các series

1
mặc nhiên có tên là Ser01, Ser02, như hình trên, để đổi tên một series nào đó
ta chọn series đó, nhấp Dclick vào tên series rồi gõ tên mới, nhấn Enter, khi đó sẽ xuất hiện
một hộp thoại, chọn Yes
1.3 Vẽ đồ thị
Nếu muốn vẽ đồ thị phân tán của hai biến nào đó, trước tiên ta tạo một workfile hay mở
một workfile có sẵn. Ví dụ như ở đây ta mở giao diện Eviews, chọn File/Open/Eviews
Workfile. Khi đó sẽ xuất hiện một hộp thoại, ta chọn đường dẫn đến thư mục DATAE-
VIEWS/data_chg1 chọn file thidu1.wf1. Ở đây ta muốn vẽ đồ thị phân tán của biến
chitieu và thunhap ta làm như sau:
Từ hộp thoại workfile, chọn Quick/Graph, khi đó sẽ xuất hiện hộp thoại Series list. Ta gõ
tiên làm trục hoành là thunhap, biến làm trục tung là chitieu như hình sau
1
cột chuỗi dữ liệu
5
ta chọn Ok thì sẽ xuất hiện hộp thoại sau
ta nhấp chọn Scatter rồi chọn Ok ta được đồ thị
Ta có thể vẽ đường hồi qui mẫu thích hợp nhất đối với tập hợp các số liệu mẫu, muốn vậy ta
thực hiện các bước như trên, khi chọn Scatter thì trong khung Fit lines ta chọn Regression
line giống như hình sau
6
Cách chọn trên mặc nhiên là đường thẳng, tức chitieu và thunhap có quan hệ tuyến tính.
Khi đó đồ thị có dạng
Nếu muốn vẽ xu thuế biến thiên của một hoặc nhiều biến thì ta chọn Line & Symbol thay
vì Scatter, với workfile trên ta có đồ thị
7
1.4 Thống kê mô tả
Để biết được các yếu tố liên quan đến thống kê của số liệu thì ta làm như sau:
Ví dụ như trong workfile thidu1.wf1 ta muốn biết các yếu tố thống kê liên quan đến thunhap
và chitieu, ta nhấp chọn series thunhap và chitieu như hình sau

sau đó nhấn Enter ta được
Trong hộp thoại Group, chọn View/Descriptive Stats/Common Sample, khi đó ta được
Ở đây việc chọn Common Sample hay Individual Sample thì không có gì khác nhau cho
lắm trừ khi có một series thiếu dữ liệu.
8
1.5 Tạo và xóa một series trong workfile
1.5.1 Tạo một series mới trong workfile
Để tạo thêm một series mới trong workfile ta có thể nhập trực tiếp như mục 1.2.2, tuy nhiên
trong trương hợp series này có được từ các series đã có trong workfile qua các phép toán thì
làm như sau:
Từ hộp thoại workfile, chọn Genr, khi đó xuất hiện hộp thoại sau
Ví dụ như muốn tạo series mới là y=thunhap+chitieu thì ta gõ vào hộp thoại như hình sau
nhấp chon Ok ta được một series mới như hình sau
9
1.5.2 Xóa một series trong workfile
Để xóa một series, ta nhấp chọn series cần xóa, Rclick rồi chọn Delete sau đó chọn Yes all
là được.
1.6 Một số toán tử và hàm cơ bản trong Eviews
1.6.1 Toán tử
Ký hiệu Toán Tử Mô tả
+ Cộng x + y:Phần tử trong series X công phần tử trong series Y tương ứng.
− Trừ x − y: Phần tử trong series X trừ phần tử trong series Y tương ứng.
∗ Nhân x.y: Phần tử trong series X nhân phần tử trong series Y tương ứng.
/ Chia x/y: Phần tử trong series X chia phần tử trong series Y tương ứng.
∧ Lũy thừa x
y
: Phần tử trong series X lũy thừa phần tử trong series Y tương ứng.
1.6.2 Hàm số
D(X): sai phân, D(X) = x
i

− x
i−1
,
log(X) = lnX exp(X) = e
X
abs(X) = |X| sqr(X) =
√
X
@sum(X): Tổng x
i
@mean(X): Trung bình X
@var(X): Phương sai X @cov(X,Y): Hiệp phương sai X và Y
@cor(X,Y): Hệ số tương quan
trend(d): Biến xu thuế thời gian chuẩn hóa về 0 ở thời kỳ d.
@seas(d): Biến giả theo mùa bằng 1 khi quý hoặc tháng bằng d, bằng 0 nếu khác d.
Các bạn muốn biết thêm các chức năng của Eviews, chọn Help/Eviews help topics.
10
Chương 2
Hồi qui hai biến
2.1 Mô hình hồi qui tuyến tính
Mô hình dạng
Y
i
= β
1
+ β
2
X
i
+ U

i
.
Hàm hồi qui mẫu SRF
ˆ
Y
i
=
ˆ
β
1
+
ˆ
β
2
X
i
.
Ví dụ 2.1 Cho bảng số liệu về mức chi tiêu (Y USD)/tuần) và thu nhập hàng tuần (X đôla/tuần)
của 10 gia đình như sau:
Y
i
70 65 90 95 110 115 120 140 155 150
X
i
80 100 120 140 160 180 200 220 240 260
Giả sử X và Y có quan hệ tuyến tính. Hãy ước lượng hàm hồi qui của Y theo X.
Để tìm ước lượng hàm hồi qui với bảng số liệu trên, trước tiên ta tạo một workfile thidu2.wf1,
sau đó, từ hộp thoại Equation, chọn Quick/Estimate, khi đó sẽ xuất hiện hộp thoại dạng
11
ta gõ vào màn hình như sau

sau đó nhấp chọn Ok ta được
Bảng này có ý nghĩa như sau:
Dependent variable: Y Biến phụ thuộc Y.
Method: Least Squares Phương pháp bình phương bé nhất.
Sample: 1 10 Mẫu quan sát từ 1 đến 10.
Coefficient Hệ số hồi qui.
ˆ
β
1
= 24, 4545 ,
ˆ
β
2
= 0, 509.
Std Error Sai số chuẩn
se(
ˆ
β
1
) = 6, 413817, se(
ˆ
β
2
) = 0, 035743.
t-Statistic Giá trị của thống kê t
t
1
=
ˆ
β

1
se(
ˆ
β
1
)
= 3, 812791.
t
2
=
ˆ
β
2
se(
ˆ
β
2
)
= 14, 24317.
12
Prob Xác suất.
P (|T | > 3, 812791) = 0, 0014
P (|T | > 14, 317)  0.
R-Squared Hệ số xác định R
2
.
Adjusted R-Squared Hệ số xác định điều chỉnh R
2
.
Sum Squared resid Tổng bình phương các phần dư RSS.

Log likelihook Ln hàm hợp lý.
Durbin -Watson stat Thống kê Durbin Watson.
Mean dependent var Trung bình biến phụ thuộc.
S.D. dependent var Độ lệch tiêu chuẩn biến phụ thuộc.
Akaike info criterion Tiêu chuẩn Akaike.
Schwarz criterion Tiêu chuẩn Schwarz.
F-statistic Thống kê F.
Prob(F-statistic)[P(F>F-statistic].
Vậy hàm hồi qui tuyến tính mẫu của chỉ tiêu theo thu nhập là
ˆ
Y
i
= 24, 45455 + 0, 0509091X
i
.
2.2 Khoảng tin cậy β
1
; β
2
Với hệ số tin cậy 1 −α, khoảng tin cậy của β
1
, β
2
là
ˆ
β
i
± t
α/2
(n − 2)se(

ˆ
β
i
), i = 1, 2.
Ví dụ 2.2 Với số liệu của Ví dụ 2.1, hãy tìm khoảng tin cậy của β
1
và β
2
, với độ tin cậy
95%.
Với kết quả của Ví dụ 2.1, ta được
se(
ˆ
β
1
) = 6, 413817, se(
ˆ
β
2
) = 0, 035743.
Với độ tin cậy 95% ta có
t
α/2
(n − 2) = t
0,025
(8) = 2, 306
1
.
Vậy khoảng tin cậy của β
1

và β
2
lần lượt là
(24, 4545 − 2, 306.6, 4138; 24, 4545 + 2, 306.6, 4138)
1
tra bảng hoặc dùng hàm =tinv(0.05,8) trong Excel
13
và
(0, 509 − 2, 306.0, 035743; 0, 509 + 2, 306.0, 035743)
2.3 Kiểm định giả thiết về các hệ số hồi qui
Ví dụ 2.3 Với số liệu của Ví dụ 2.1, kiểm định giả thiết H
0
: β
2
= 0, đối giả thiết H
1
: β
2
= 0,
với mức ý nghĩa 5%.
Với kết quả của Ví dụ 2.1, ta có
t = 14, 243.
Với mức ý nghĩa α = 0, 05 ta được
t
α/2
(8) = 2, 306.
Do đó,|t| > t
α/2
(8), cho nên ta bác bỏ H
0

.
14
Chương 3
Mở rộng mô hình hồi qui hai biến
3.1 Hồi qui tuyến tính log
Mô hình dạng
log Y
i
= β
1
+ β
2
log X
i
+ U
i
.
Ý nghĩa của mô hình này lầ cho biết khi X tăng 1% thì Y tăng (giảm) β
2
%.
Ví dụ 3.1 Khảo sát nhu cầu tiêu thụ cafe (Y số tách 1 người dùng mỗi ngày) và giá bán lẻ
thực tế trung bình (X USD/kg) người ta thu được số liệu sau:
Năm Y X Năm Y X
1970 2,57 0,77 1976 2,11 1,08
1971 2,50 0,74 1977 1,94 1,81
1972 2,35 0,72 1978 1,97 1,39
1973 2,30 0,73 1979 2,06 1,20
1974 2,25 0,76 1980 2,02 1,17
1975 2,20 0,75
Ước lượng hồi qui tuyến tính log.

Ta tạo workfile Bang3_19.wf1, từ của sổ Equation, chọn Quick/Equation Estimation,
gõ vào hộp thoại mới xuất hiện như hình sau
15
nhấp chọn Ok ta được
từ đó ta được kết quả hồi qui sau
log(
ˆ
Y
i
) = 0, 777418 − 0, 253 log(X
i
).
Với kết quả này ta thấy khi giá cafe tăng 1% thì nhu cầu cafe giảm 0,25%.
3.2 Hồi qui log tuyến tính
Mô hình dạng
log Y = β
1
+ β
2
t + U
i
.
t: lấy giá trị 1,2,3,
β
2
là tốc độ tăng trưởng tức thời của Y theo biến t.
Ví dụ 3.2 Cho bảng số liệu tổng giá trị sản phẩm nội địa (RGDP USD) của Hoa kỳ trong
khoảng thời gian 1972-1991 như sau
Năm RGDP Năm RGDP Năm RGDP
1972 3107,1 1979 3796,8 1986 4404,5

1973 3268,6 1980 3776,3 1987 4539,9
1974 3248,1 1981 3843,1 1988 4718,6
1975 3221,7 1982 3760,3 1989 4838,0
1976 3380,8 1983 3906,6 1990 4877,5
1977 3533,3 1984 4148,5 1991 4821,0
1978 3703,5 1985 4279,8
Tìm hàm ước lượng hồi qui dang log tuyến tính.
Trước hết ta tạo workfile bang3_24.wf1, kế tiếp trong hộp thoại Workfile, chọn Quick/Equation
Estimate, sau đó gõ vào hộp thoại như hình sau
16
chọn Ok ta được
Khi đó hàm hồi qui sẽ là
log(
ˆ
RGDP ) = 8, 0139 + 0, 024699t.
Và ta có thể biết được trong giai đoạn 1972-1991 GDP thực của Hoa Kỳ tăng với tốc độ 2,47%.
Ngoài ra ta còn có một số mô hình hồi qui sau:
Mô hình hồi qui lin-log: Y
i
= β
1
+ β
2
log X
i
+ U
i
.
Mô hình nghịch đảo: Y
i

= β
1
+ β
2
1
X
i
+ U
i
Mô hình dạng: Y
i
= β
1
+ β
2
X
i
+ β
3
X
2
i
+ U
i
.
17
Chương 4
Hồi qui bội
4.1 Mô hình hồi qui tuyến tính ba biến
Mô hình dạng

Y
i
= β
1
+ β
2
X
2i
+ β
3
X
3i
+ U
i
.
Ví dụ 4.1 Cho bảng số liệu về doanh số bán Y, chi phí chào hàng X
2
và chi phí quảng cáo
X
3
trong năm 2001 ở 12 khu vưc bán hàng của một công ty như sau
Doanh số bán Y
i
(triệu đ) Chi phí chào hàng X
2i
(triệu đ) Chi phí quảng cáo X
3i
(triệu đ)
1270 100 180
1490 106 248

1060 60 190
1626 160 240
1020 70 150
1800 170 260
1610 140 250
1280 120 160
1390 116 270
1440 120 230
1590 140 220
1380 150 150
Ước lượng hàm hồi qui tuyến tính của doanh số bán theo chi phí chào hàng và chi phí quảng
cáo.
Ta tạo worlfile thidu4_1.wf1, chọn Quick/Equation Estimation rồi gõ vào hộp thoại mới
hiện lên như hình sau
18
chọn Ok ta được
Hình 4.1:
Vậy ta được phương trình hồi qui là
ˆ
Y
i
= 328, 1383 + 4, 6495X
2i
+ 2, 56X
3i
.
Từ Hình 4.1 ta có:
Sai số tiêu chuẩn lần lược là:
se(
ˆ

β
1
) = 71, 99136, se(
ˆ
β
2
) = 0, 469146, se(
ˆ
β
3
= 0, 379411.
Hễ số xác định của hồi qui bội là R
2
= 0, 967693.
Hệ số xác định điều chỉnh R
2
= 0, 960514.
Ví dụ 4.2 Với số liệu của Ví dụ 4.1, tìm khoảng tin cậy của β
2
, β
3
, với hệ số tin cậy 95%.
Với hệ số tin cậy 1 −α = 0, 95 =⇒
α
2
= 0, 025. Do đó
t
α/2
(n − 3) = t
0,025

(9) = 2, 262.
19
Khoảng tin cậy của β
2
, β
3
lần lượt là
(4, 64951 − 2, 262.0.469146; 4, 64951 + 2, 262.0.469146)
và
(2, 56 − 2, 262.0, 379; 2, 56 + 2, 262.0, 379).
4.2 Kiểm định giả thiết về hệ số hồi qui
H
0
: β
j
= B
0
j
; H
1
: β
j
= B
0
j
(j = 1, 2, 3).
t =
ˆ
β
j

− B
0
j
se(
ˆ
β
j
)
.
• |t| > t
α/2
(n − 3) thì bác bỏ H
0
.
• |t|  t
α/2
(n − 3) thì chấp nhận H
0
.
Ví dụ 4.3 Với số liệu Ví dụ 4.1, kiểm định giả thiết H
0
: β
2
= 0, H
1
: β
2
= 0, với mức ý
nghĩa α = 5%.
Từ kết quả của Ví dụ 4.1 (xem Hình 4.1), ta được

t =
ˆ
β
2
− 0
se(
ˆ
β
2
)
=
ˆ
β
2
se(
ˆ
β
2
)
= 9, 9105.
t
α/2
(n − 3) = 2, 262
Do đó, |t| > t
α/2
(n − 3), bác bỏ H
0
.
4.3 Kiểm định đồng thời
H

0
: β
2
= β
3
= 0
F =
R
2
(n − 3)
2(1 − R
2
)
• F > F
α
(2; n − 3): Bác bỏ H
0
.
• F  F
α
(2; n − 3): Chấn nhận H
0
.
Ví dụ 4.4 Với số liệu Ví dụ 4.1, với mức ý nghĩa α = 1%. Kiểm định sự liên quan của biến
giải thích X
2
, X
3
, đối với biến phụ thuộc Y.
20

Với kết quả của Ví dụ 4.1 (xem Hình 4.1), ta được
F = 134, 7884,
tra bảng ta được F
0,01
(2; 9) = 8, 02. Do đó
F > F
0,01
(2; 9),
vậy ta bác bỏ H
0
.
4.4 Tìm ma trận tương quan
Với số liệu của Ví dụ 4.1, để tìm ma trân tương quan của các biến Y, X
2
, X
3
. Trước hết
ta chọn đồng thời các series Y, X
2
, X
3
trong wofkfile thidu4_1.wf1, chọn Quick/Group
Statistics/Corelations, khi đó sẽ xuất hiện hộp thoại sau
chọn Ok. Ta được ma trân hệ số tương quan như hình sau
4.5 Ma trận hiệp phương sai
Với workfile thidu4_1.wf1, để tìm ma trân hiệp phương sai của hệ số hồi qui ta thực hiên
các bước sau:
21
3.1 Hồi qui tuyến tính log. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 153.2 Hồi qui log tuyến tính. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 164 Hồi qui bội 184.1 Mô hình hồi qui tuyến tính ba biến. .. .. .. .. .. .. .. .. .. .. .. .. 184.2 Kiểm định giả thiết về thông số hồi qui. .. .. .. .. .. .. .. .. .. .. .. . 204.3 Kiểm định đồng thời. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 204.4 Tìm ma trận đối sánh tương quan. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 214.5 Ma trận hiệp phương sai. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 214.6 Dự báo. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 225 Một số kiểm định thường gặp 265.1 Kiểm định White. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 265.2 Kiểm định sự xuất hiện của biến không thiết yếu. .. .. .. .. .. .. .. .. . 285.3 Kiểm định biến bị bỏ sót. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 295.4 Kiểm định Wald. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 315.5 Kiểm định Reset của Ramsey. .. .. .. .. .. .. .. .. .. .. .. .. .. . 325.6 Kiểm định Breusch-Godfrey ( BG ). .. .. .. .. .. .. .. .. .. .. .. .. 335.7 Kiểm định giả thiết phân phối chuẩn của U. .. .. .. .. .. .. .. .. .. . 356 Phân tích chuỗi thời hạn 366.1 Mô hình cộng và mô hình nhân. .. .. .. .. .. .. .. .. .. .. .. .. .. 366.1.1 Mô hình nhân. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 366.1.2 Mô hình cộng. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 376.2 Mô hình dự báo san mũ Holt-Winters. .. .. .. .. .. .. .. .. .. .. .. 386.3 Kiểm định tính dừng dựa trên lượt đồ đối sánh tương quan. .. .. .. .. .. .. .. . 416.4 Kiểm định đơn vị chức năng so với tính dừng. .. .. .. .. .. .. .. .. .. .. .. .. 42T ÀI LIỆU THAM KHẢO 44L ời nói đầuBài giảng này được xem như là phần bổ trợ của Giáo trình kinh tế tài chính lượng, Trường ĐH KinhTế TPHCM, Lao động – Xã hội, Hoàng Ngọc Nhậm, cuốn Giáo trình này đã có viết phầnhướng dẫn sử dụng Eviews để thống kê giám sát ( xem [ 5 ] ). Bài giảng này cũng nhằm mục đích mục tiêu hướngđẫn từng bước việc giám sát trong giáo trình trên, tuy nhiên, ở đây tôi hướng dẫn sử dụngEviews 6.0 và có bổ trợ, chỉnh sửa nhiều chổ so với [ 5 ]. Bài giảng này sẽ giúp cho sinh viênthực hành những bài tập của môn Kinh tế lượng, cũng như cho những ai sử dụng Eviews để phântích kinh tế tài chính. Eviews tương hỗ rất can đảm và mạnh mẽ trong việc quản trị tài liệu, nghiên cứu và phân tích thống kê, vẽ những đồ thị và inấn hiệu quả. Hiện nay đã có biên bản Eviews 7.2, tuy nhiên, ở biên bản này có nhiều lỗi và chạykhông không thay đổi, do đó, tôi chọn Eviews 6.0 để viết bài giảng này. Để biết thêm nhưng thôngtin về phần miềm này, cũng như những ứng dụng lan rộng ra của Eviews những bạn hoàn toàn có thể vào trangweb http://www:eviews.com.Tôi mong được sự phản hồi và góp phần quan điểm về bài giảng này cho việc chỉnh sửa. Huỳnh Ngọc Phướcngphuynh @ gmail. comChương 1G iới thiệu EviewsTrong chương này tôi sẽ trình làng những thao tác cơ bản trên Eviews. 1.1 Khởi tạo workfileCông việc thứ nhất của tất cả chúng ta là khởi tạo workfile. Để khởi tạo workfile ta nhấp Dclickvào hình tượng Eviews trên màn hình hiển thị, sau đó chọn File / New / Workfile như hình sauKhi ta chọn xong thì ta cóTrong workfile Structure type có những định dạng sau : • Dated-regularfrequency : Dữ liệu thời hạn ( mặc định ). • Unstructure / Undated : Dữ liệu chéo. • Balanced Panel. Khi ta chọn Dated-regularfrequency thì trong khung Date specification có những dạng địnhdạng tương ứng • Năm. • Nữa năm. • Quý ( 3 tháng ). • Tháng. • Tuần. • Năm ngày. • Bảy ngày. • Ngày. Sau khi chon một định dạng tương ứng số liệu thì ta điền vào khung Start date và End datetương ứng với mỗi định dạng. Riêng trường hợp định dạng là Unstructured / Undated thìsẽ Open hộp thoại dạngTa điền độ lớn của tài liệu vào Data range. Sau khi triển khai xong những thao tác ta điền tên workfile vào khung Workfile name, chọn Oksẽ Open hộp thoại sauKhi khởi tạo xong workfile thì ta chọn Save as để lưu lại. 1.2 Nhập dữ liệuTôi sẽ ra mắt hai cách nhập tài liệu chính là nhập tài liệu từ file Excel và nhập trực tiếp. 1.2.1 Nhập dữ liệu từ file ExcelTrong trong thực tiễn thì tất cả chúng ta thường có file tài liệu dạng Excel, để dùng Eviews nghiên cứu và phân tích dữliệu này thì ta đưa những tài liệu từ file Excel vào workfile như sau : Trước tiên ta khởi tạo workfile như ở mục 1.1 ( tương thích với dữ liêu ), sau đó chọn File / Import / ReadText-Lotus-Excel, khi đó sẽ Open hộp thoại để ta chọn file. Ta chọn định dạng file. xls, sau đó ta chọn đường dẫn tới file Excel chứa tài liệu, chọn Open. Khi đó sẽ Open hộpthoại sauta điền tên series cần tạo, ví dụ như ở đây là y và x, ta được hình sauSau đó nhấp chọn Ok, ta được workfile như sau1. 2.2 Nhập dữ liệu trực tiếpTrước hết ta tạo một workfile như ở mục 1.1. Kế tiếp để nhập tài liệu ta chọn Quick / EmptyGroup, sẽ Open hộp thoại sauSau đó tất cả chúng ta nhập những tài liệu vào thì ta đượcCác seriesmặc nhiên có tên là Ser01, Ser02, như hình trên, để đổi tên một series nào đóta chọn series đó, nhấp Dclick vào tên series rồi gõ tên mới, nhấn Enter, khi đó sẽ xuất hiệnmột hộp thoại, chọn Yes1. 3 Vẽ đồ thịNếu muốn vẽ đồ thị phân tán của hai biến nào đó, thứ nhất ta tạo một workfile hay mởmột workfile có sẵn. Ví dụ như ở đây ta mở giao diện Eviews, chọn File / Open / EviewsWorkfile. Khi đó sẽ Open một hộp thoại, ta chọn đường dẫn đến thư mục DATAE-VIEWS / data_chg1 chọn file thidu1. wf1. Ở đây ta muốn vẽ đồ thị phân tán của biếnchitieu và thunhap ta làm như sau : Từ hộp thoại workfile, chọn Quick / Graph, khi đó sẽ Open hộp thoại Series list. Ta gõtiên làm trục hoành là thunhap, biến làm trục tung là chitieu như hình saucột chuỗi dữ liệuta chọn Ok thì sẽ Open hộp thoại sauta nhấp chọn Scatter rồi chọn Ok ta được đồ thịTa hoàn toàn có thể vẽ đường hồi qui mẫu thích hợp nhất so với tập hợp những số liệu mẫu, muốn vậy tathực hiện những bước như trên, khi chọn Scatter thì trong khung Fit lines ta chọn Regressionline giống như hình sauCách chọn trên mặc nhiên là đường thẳng, tức chitieu và thunhap có quan hệ tuyến tính. Khi đó đồ thị có dạngNếu muốn vẽ xu thuế biến thiên của một hoặc nhiều biến thì ta chọn Line và Symbol thayvì Scatter, với workfile trên ta có đồ thị1. 4 Thống kê mô tảĐể biết được những yếu tố tương quan đến thống kê của số liệu thì ta làm như sau : Ví dụ như trong workfile thidu1. wf1 ta muốn biết những yếu tố thống kê tương quan đến thunhapvà chitieu, ta nhấp chọn series thunhap và chitieu như hình sausau đó nhấn Enter ta đượcTrong hộp thoại Group, chọn View / Descriptive Stats / Common Sample, khi đó ta đượcỞ đây việc chọn Common Sample hay Individual Sample thì không có gì khác nhau cholắm trừ khi có một series thiếu tài liệu. 1.5 Tạo và xóa một series trong workfile1. 5.1 Tạo một series mới trong workfileĐể tạo thêm một series mới trong workfile ta hoàn toàn có thể nhập trực tiếp như mục 1.2.2, tuy nhiêntrong trương hợp series này có được từ những series đã có trong workfile qua những phép toán thìlàm như sau : Từ hộp thoại workfile, chọn Genr, khi đó Open hộp thoại sauVí dụ như muốn tạo series mới là y = thunhap + chitieu thì ta gõ vào hộp thoại như hình saunhấp chon Ok ta được một series mới như hình sau1. 5.2 Xóa một series trong workfileĐể xóa một series, ta nhấp chọn series cần xóa, Rclick rồi chọn Delete sau đó chọn Yes alllà được. 1.6 Một số toán tử và hàm cơ bản trong Eviews1. 6.1 Toán tửKý hiệu Toán Tử Mô tả + Cộng x + y : Phần tử trong series X công thành phần trong series Y tương ứng. − Trừ x − y : Phần tử trong series X trừ thành phần trong series Y tương ứng. ∗ Nhân x. y : Phần tử trong series X nhân thành phần trong series Y tương ứng. / Chia x / y : Phần tử trong series X chia phần tử trong series Y tương ứng. ∧ Lũy thừa x : Phần tử trong series X lũy thừa thành phần trong series Y tương ứng. 1.6.2 Hàm sốD ( X ) : sai phân, D ( X ) = x − xi − 1 log ( X ) = lnX exp ( X ) = eabs ( X ) = | X | sqr ( X ) = @ sum ( X ) : Tổng x @ mean ( X ) : Trung bình X @ var ( X ) : Phương sai X @ cov ( X, Y ) : Hiệp phương sai X và Y @ cor ( X, Y ) : Hệ số tương quantrend ( d ) : Biến xu thuế thời hạn chuẩn hóa về 0 ở thời kỳ d. @ seas ( d ) : Biến giả theo mùa bằng 1 khi quý hoặc tháng bằng d, bằng 0 nếu khác d. Các bạn muốn biết thêm những tính năng của Eviews, chọn Help / Eviews help topics. 10C hương 2H ồi qui hai biến2. 1 Mô hình hồi qui tuyến tínhMô hình dạng = β + β + UHàm hồi qui mẫu SRFVí dụ 2.1 Cho bảng số liệu về mức tiêu tốn ( Y USD ) / tuần ) và thu nhập hàng tuần ( X đôla / tuần ) của 10 mái ấm gia đình như sau : 70 65 90 95 110 115 120 140 155 15080 100 120 140 160 180 200 220 240 260G iả sử X và Y có quan hệ tuyến tính. Hãy ước đạt hàm hồi qui của Y theo X.Để tìm ước đạt hàm hồi qui với bảng số liệu trên, thứ nhất ta tạo một workfile thidu2. wf1, sau đó, từ hộp thoại Equation, chọn Quick / Estimate, khi đó sẽ Open hộp thoại dạng11ta gõ vào màn hình như sausau đó nhấp chọn Ok ta đượcBảng này có ý nghĩa như sau : Dependent variable : Y Biến phụ thuộc vào Y.Method : Least Squares Phương pháp bình phương bé nhất. Sample : 1 10 Mẫu quan sát từ 1 đến 10. Coefficient Hệ số hồi qui. = 24, 4545, = 0, 509. Std Error Sai số chuẩnse ( ) = 6, 413817, se ( ) = 0, 035743. t-Statistic Giá trị của thống kê tse ( = 3, 812791.se ( = 14, 24317.12 Prob Xác suất. P ( | T | > 3, 812791 ) = 0, 0014P ( | T | > 14, 317 )  0. R-Squared Hệ số xác lập RAdjusted R-Squared Hệ số xác lập kiểm soát và điều chỉnh RSum Squared resid Tổng bình phương những phần dư RSS.Log likelihook Ln hàm hài hòa và hợp lý. Durbin – Watson stat Thống kê Durbin Watson. Mean dependent var Trung bình biến nhờ vào. S.D. dependent var Độ lệch tiêu chuẩn biến phụ thuộc vào. Akaike info criterion Tiêu chuẩn Akaike. Schwarz criterion Tiêu chuẩn Schwarz. F-statistic Thống kê F.Prob ( F-statistic ) [ P ( F > F-statistic ]. Vậy hàm hồi qui tuyến tính mẫu của chỉ tiêu theo thu nhập là = 24, 45455 + 0, 0509091X2. 2 Khoảng an toàn và đáng tin cậy β ; βVới thông số an toàn và đáng tin cậy 1 − α, khoảng chừng an toàn và đáng tin cậy của β, βlà ± tα / 2 ( n − 2 ) se ( ), i = 1, 2. Ví dụ 2.2 Với số liệu của Ví dụ 2.1, hãy tìm khoảng chừng an toàn và đáng tin cậy của βvà β, với độ tin cậy95 %. Với hiệu quả của Ví dụ 2.1, ta đượcse ( ) = 6, 413817, se ( ) = 0, 035743. Với độ an toàn và đáng tin cậy 95 % ta cóα / 2 ( n − 2 ) = t0, 025 ( 8 ) = 2, 306V ậy khoảng chừng an toàn và đáng tin cậy của βvà βlần lượt là ( 24, 4545 − 2, 306.6, 4138 ; 24, 4545 + 2, 306.6, 4138 ) tra bảng hoặc dùng hàm = tinv ( 0.05,8 ) trong Excel13và ( 0, 509 − 2, 306.0, 035743 ; 0, 509 + 2, 306.0, 035743 ) 2.3 Kiểm định giả thiết về những thông số hồi quiVí dụ 2.3 Với số liệu của Ví dụ 2.1, kiểm định giả thiết H : β = 0, đối giả thiết H : β  = 0, với mức ý nghĩa 5 %. Với hiệu quả của Ví dụ 2.1, ta cót = 14, 243. Với mức ý nghĩa α = 0, 05 ta đượcα / 2 ( 8 ) = 2, 306. Do đó, | t | > tα / 2 ( 8 ), vì vậy ta bác bỏ H14Chương 3M ở rộng quy mô hồi qui hai biến3. 1 Hồi qui tuyến tính logMô hình dạnglog Y = β + βlog X + UÝ nghĩa của quy mô này lầ cho biết khi X tăng 1 % thì Y tăng ( giảm ) β %. Ví dụ 3.1 Khảo sát nhu yếu tiêu thụ cafe ( Y số tách 1 người dùng mỗi ngày ) và giá cả lẻthực tế trung bình ( X USD / kg ) người ta thu được số liệu sau : Năm Y X Năm Y X1970 2,57 0,77 1976 2,11 1,081971 2,50 0,74 1977 1,94 1,811972 2,35 0,72 1978 1,97 1,391973 2,30 0,73 1979 2,06 1,201974 2,25 0,76 1980 2,02 1,171975 2,20 0,75 Ước lượng hồi qui tuyến tính log. Ta tạo workfile Bang3_19. wf1, từ của sổ Equation, chọn Quick / Equation Estimation, gõ vào hộp thoại mới Open như hình sau15nhấp chọn Ok ta đượctừ đó ta được tác dụng hồi qui saulog ( ) = 0, 777418 − 0, 253 log ( X ). Với tác dụng này ta thấy khi giá cafe tăng 1 % thì nhu yếu cafe giảm 0,25 %. 3.2 Hồi qui log tuyến tínhMô hình dạnglog Y = β + βt + Ut : lấy giá trị 1,2,3, là vận tốc tăng trưởng tức thời của Y theo biến t. Ví dụ 3.2 Cho bảng số liệu tổng mức mẫu sản phẩm trong nước ( RGDP USD ) của Hoa kỳ trongkhoảng thời hạn 1972 – 1991 như sauNăm RGDP Năm RGDP Năm RGDP1972 3107,1 1979 3796,8 1986 4404,51973 3268,6 1980 3776,3 1987 4539,91974 3248,1 1981 3843,1 1988 4718,61975 3221,7 1982 3760,3 1989 4838,01976 3380,8 1983 3906,6 1990 4877,51977 3533,3 1984 4148,5 1991 4821,01978 3703,5 1985 4279,8 Tìm hàm ước đạt hồi qui dang log tuyến tính. Trước hết ta tạo workfile bang3_24. wf1, sau đó trong hộp thoại Workfile, chọn Quick / EquationEstimate, sau đó gõ vào hộp thoại như hình sau16chọn Ok ta đượcKhi đó hàm hồi qui sẽ làlog ( RGDP ) = 8, 0139 + 0, 024699 t. Và ta hoàn toàn có thể biết được trong quá trình 1972 – 1991 GDP thực của Hoa Kỳ tăng với vận tốc 2,47 %. Ngoài ra ta còn có một số ít quy mô hồi qui sau : Mô hình hồi qui lin-log : Y = β + βlog X + UMô hình nghịch đảo : Y = β + β + UMô hình dạng : Y = β + β + β + U17Chương 4H ồi qui bội4. 1 Mô hình hồi qui tuyến tính ba biếnMô hình dạng = β + β2i + β3i + UVí dụ 4.1 Cho bảng số liệu về doanh thu bán Y, ngân sách chào hàng Xvà ngân sách quảng cáotrong năm 2001 ở 12 khu vưc bán hàng của một công ty như sauDoanh số bán Y ( triệu đ ) Ngân sách chi tiêu chào hàng X2i ( triệu đ ) giá thành quảng cáo X3i ( triệu đ ) 1270 100 1801490 106 2481060 60 1901626 160 2401020 70 1501800 170 2601610 140 2501280 120 1601390 116 2701440 120 2301590 140 2201380 150 150 Ước lượng hàm hồi qui tuyến tính của doanh thu bán theo ngân sách chào hàng và ngân sách quảngcáo. Ta tạo worlfile thidu4_1. wf1, chọn Quick / Equation Estimation rồi gõ vào hộp thoại mớihiện lên như hình sau18chọn Ok ta đượcHình 4.1 : Vậy ta được phương trình hồi qui là = 328, 1383 + 4, 6495X2 i + 2, 56X3 iTừ Hình 4.1 ta có : Sai số tiêu chuẩn lần lược là : se ( ) = 71, 99136, se ( ) = 0, 469146, se ( = 0, 379411. Hễ số xác lập của hồi qui bội là R = 0, 967693. Hệ số xác lập kiểm soát và điều chỉnh R = 0, 960514. Ví dụ 4.2 Với số liệu của Ví dụ 4.1, tìm khoảng chừng an toàn và đáng tin cậy của β, β, với thông số đáng tin cậy 95 %. Với thông số an toàn và đáng tin cậy 1 − α = 0, 95 = ⇒ = 0, 025. Do đóα / 2 ( n − 3 ) = t0, 025 ( 9 ) = 2, 262.19 Khoảng an toàn và đáng tin cậy của β, βlần lượt là ( 4, 64951 − 2, 262.0.469146 ; 4, 64951 + 2, 262.0.469146 ) và ( 2, 56 − 2, 262.0, 379 ; 2, 56 + 2, 262.0, 379 ). 4.2 Kiểm định giả thiết về thông số hồi qui : β = B ; H : β  = B ( j = 1, 2, 3 ). t = − Bse ( • | t | > tα / 2 ( n − 3 ) thì bác bỏ H • | t |  tα / 2 ( n − 3 ) thì đồng ý HVí dụ 4.3 Với số liệu Ví dụ 4.1, kiểm định giả thiết H : β = 0, H : β  = 0, với mức ýnghĩa α = 5 %. Từ tác dụng của Ví dụ 4.1 ( xem Hình 4.1 ), ta đượct = − 0 se ( se ( = 9, 9105. α / 2 ( n − 3 ) = 2, 262D o đó, | t | > tα / 2 ( n − 3 ), bác bỏ H4. 3 Kiểm định đồng thời : β = β = 0F = ( n − 3 ) 2 ( 1 − R • F > F ( 2 ; n − 3 ) : Bác bỏ H • F  F ( 2 ; n − 3 ) : Chấn nhận HVí dụ 4.4 Với số liệu Ví dụ 4.1, với mức ý nghĩa α = 1 %. Kiểm định sự tương quan của biếngiải thích X, X, so với biến nhờ vào Y. 20V ới hiệu quả của Ví dụ 4.1 ( xem Hình 4.1 ), ta đượcF = 134, 7884, tra bảng ta được F0, 01 ( 2 ; 9 ) = 8, 02. Do đóF > F0, 01 ( 2 ; 9 ), vậy ta bác bỏ H4. 4 Tìm ma trận tương quanVới số liệu của Ví dụ 4.1, để tìm ma trân đối sánh tương quan của những biến Y, X, X. Trước hếtta chọn đồng thời những series Y, X, Xtrong wofkfile thidu4_1. wf1, chọn Quick / GroupStatistics / Corelations, khi đó sẽ Open hộp thoại sauchọn Ok. Ta được ma trân thông số đối sánh tương quan như hình sau4. 5 Ma trận hiệp phương saiVới workfile thidu4_1. wf1, để tìm ma trân hiệp phương sai của thông số hồi qui ta thực hiêncác bước sau : 21

Source: https://laodongdongnai.vn
Category: Chia Sẻ Kiến Thức