Hướng Dẫn Thực Hành Eview 4 - 123doc

Hướng dẫn sử dụng phần mềm eview 4 trong môn học kinh tế lượng tại các trường đại học và cao đẳng. Phần mềm eview 4 là phần mềm khá phổ biến trong môn học kinh tế lượng giúp xây dựng mô hình kinh tế qua đó có thể dự báo được các kết quả biến số kinh tế.

ĐẠI HỌC KINH TẾ QUỐC DÂN KHOA TOÁN KINH TẾ - BỘ MÔN TOÁN KINH TẾ

_

KINH TẾ LƯỢNG 2 – CÁC CHUYÊN ĐỀ HƯỚNG DẪN THỰC HÀNH BẰNG PHẦN MỀM EVIEWS

BÙI DƯƠNG HẢI

Yêu cầu: Eviews4, DATA_CH2014

www.mfe.edu.vn, mục Thư viện / Dữ liệu – phần mềm để tải Eviews4

www.mfe.edu.vn/buiduonghai để tải DATA_CH2014

Với cửa sổ Series

Descriptive Statistic Các thống kê đặc trưng

Unit Root Test Kiểm định nghiệm đơn vị

Moving Average Method Hiệu chỉnh theo trung bình trượt Exponential Smoothing San mũ đơn, kép, Holt-Winters Hodrick-Prescott Filter Lọc chuỗi

Với cửa sổ Equation

Estimation Output Bảng kết quả đầy đủ Actual, Fitted, Residual Các thông tin về phần dư Gradients and Derivatives Các thông tin về Gradient và Đảo biến Covarian Matrix Ma trận Hiệp phương sai các ước lượng Coefficient Test Các kiểm định về hệ số

Residual tests Các kiểm định về phần dư

Correlogram – Q-statistic Lược đồ tự tương quan của phần dư Histogram – Normality test Đồ thị, kiểm định tính phân phối chuẩn Serial Correlation LM test Kiểm định tự tương quan theo B-G White Heterokedasticity Kiểm định phương sai sai số thay đổi Stability test Các kiểm định về dạng hàm

Chow breakpoint test Kiểm định tính đồng nhất giữa hai đoạn Chow forecast test Kiểm định đánh giá dự báo

Ramsey RESET test Kiểm định định dạng hàm theo Ramsey

Forecast Đặt tên chuỗi ước lượng, đánh giá dự báo Make residual series Đặt tên chuỗi phần dư

1 NHẬP SỐ LIỆU

Nhập số liệu từ file Excel

Bộ số liệu DATA_VD

[1.1]  File  New  Workfile… : Mở cửa sổ Workfile Range

  Annual  Start date: 2000  End date: 2013  OK: Mở cửa sổ Workfile: UNTITLED Range: 2000 2013

Sample: 2000 2013

c

resid

[1.2]  [Eviews] Quick  Empty Group (Edit Series): Mở cửa sổ Group: UNTITLE

Copy số liệu gồm cả tên biến GDP và PPP từ năm 2000 đến 2013

31.176 159.786 32.524 174.695

155.565 443.911 170.565 474.95

 Dán (paste) số liệu, bắt đầu từ dòng obs trong cửa sổ Group

Thêm hai biến: GDP PPP

2 XỬ LÝ SỐ LIỆU

Mở bộ số liệu VN2004_09_GSO Đây là số liệu theo tháng

Vẽ đồ thị

[2.1]  Chọn riêng hai biến EX và IM  Chuột phải  Open  as Group: Mở cửa sổ Group

 [Group] View  Graph  Line: Đồ thị hai biến theo thời gian

[2.2]  [Group] View  Graph  Scatter  Simple Scatter : Đồ thị điểm của hai biến theo nhau

Jarque-Bera để Kiểm định cặp giả thuyết: H0: Biến phân phối Chuẩn

H1: Biến không phân phối Chuẩn

[2.4]  [Group] View  Correlations  Common Sample: Hệ số tương quan giữa hai biến

 [Group] View  Covariances  Common Sample: Phương sai, hiệp phương sai của hai biến

[3.1]  [Cửa sổ lệnh] LS EX C GIC GIL 

Được kết quả ước lượng :

Dependent Variable: EX Method: Least Squares Sample(adjusted): 2004:01 2009:08 Included observations: 68 after adjusting endpoints

S.E of regression 666.0811 Akaike info criterion 15.88381

[?] Giải thích ý nghĩa kết quả ?

- Phân tích ý nghĩa thống kê các hệ số

- Hệ số xác định và ý nghĩa ?

Xem phần dư và giá trị ước lượng

[3.2]  [Equation] View  Actual, Fitted, Residual  Actual, Fitted, Residual Table

 [Equation] View  Actual, Fitted, Residual  Actual, Fitted, Residual Graph

[?] Quý nào có giá trị thực tế gần nhất, xa nhất giá trị ước lượng?

Xem phương sai, hiệp phương sai các ước lượng

[3.3]  [Equation] View  Covariance Matrix

Kiểm định về các hệ số: Giả thuyết β GIC = β GIL

[3.4]  [Equation] View  Coefficient Test  Wald – Coefficient Restrictions… : Cửa sổ Wald Test

 [Wald Test] Gõ: C(2) = C(3)  OK

Wald Test:

Equation: Untitled Null Hypothesis: C(2) = C(3)

[?] Kết luận như thế nào về giả thuyết hai hệ số góc bằng nhau?

Mô hình Logarit – logarit

Mô hình: EX = e β1GIC β2GIL β3e u (MH 3.2)

Dạng logarit : ln(EX) = β1 + β2ln(GIC) + β3ln(GIL) + u

[3.5]  [Cửa sổ lệnh] LS LOG(EX) C LOG(GIC) LOG(GIL) 

Dependent Variable: LOG(EX) Method: Least Squares Sample(adjusted): 2004:01 2009:08 Included observations: 68 after adjusting endpoints

[?] Phân tích kết quả ước lượng như thế nào?

4 MÔ HÌNH VỚI BIẾN GIẢ

Với bộ số liệu VN2004_09_GSO

Xét biến giả D07 bằng 1 với giai đoạn từ năm 2007 trở đi, bằng 0 với giai đoạn trước đó

Mô hình: EX = β1 + β2GIL + α1D07 + α2D07*GIL + u

Ước lượng mô hình:

[4.2]  [Cửa sổ lệnh] LS EX C GIL D07 D07*GIL 

Dependent Variable: EX Method: Least Squares Date: 10/31/14 Time: 00:12 Sample(adjusted): 2004:01 2009:08 Included observations: 68 after adjusting endpoints

[?] Giải thích ý nghĩa kết quả?

- Hệ số chặn có thực sự khác nhau giữa hai giai đoạn không? Nếu có thì hệ số chặn giai đoạn nào lớn hơn ?

- Hệ số góc có thực sự khác nhau giữa hai giai đoạn không? Nếu có thì hệ số góc giai đoạn nào lớn hơn ?

Biến giả mùa vụ

Đặt biến giả M12 = 1 tương ứng với tháng 12, bằng 0 với các tháng khác

[4.3]  [Cửa sổ lệnh] GENR M12 = @SEAS(12) 

Hoặc LS EX C GIL @SEAS(12) 

5 KIỂM ĐỊNH CÁC HIỆN TƯỢNG

Xét mô hình : EX = β1 + β2GIC + β3GIL + u (MH 5.1)

[5.1]  [Cửa sổ lệnh] LS EX C GIC GIL 

Kiểm định dạng hàm đúng sai, thiếu biến hay không

[5.2]  [Equation] View  Stability Tests  Ramsey RESET Test… : Cửa sổ RESET Specification

 [RESET]: Number of fitted terms: 1  OK

Ramsey RESET Test:

Kiểm định phương sai sai số thay đổi

[5.3]  [Equation] View  Residual Tests  White Heteroskedasticity (no cross terms)

White Heteroskedasticity Test:

 [Equation] View  Residual Tests  White Heteroskedasticity (cross terms)

White Heteroskedasticity Test:

Kiểm định tính phân phối chuẩn của sai số

[5.4]  [Equation] View  Residual Tests  Histogram – Normality Test

Jarque-Bera 13.77391 Probability 0.001021

Kiểm định tự tương quan

[5.5]  [Equation] View  Residual Tests  Serial Correlation LM Tests…: Cửa sổ Lag

 [Lag Specification] Lag to include: 1  OK

Breusch-Godfrey Serial Correlation LM Test:

Đánh giá mức độ đa cộng tuyến

[5.6]  [Cửa sổ lệnh] LS GIC C GIL 

[?] Đánh giá về các hiện tượng thông qua các kiểm định và hồi quy phụ?

6 MÔ HÌNH CÓ BIẾN TRỄ

Sử dụng bộ số liệu VN2004_09_GSO, số liệu tháng

Mô hình có trễ phân phối

Thực hiện các hồi quy trễ phân phối và nhận xét

[6.1]  [Cửa sổ lệnh] LS EX C IM IM(-1) 

LS EX C IM IM(-1) IM(-2) 

LS EX C IM IM(-1) IM(-2) IM(-3) 

Mô hình tự hồi quy

[6.2]  [Cửa sổ lệnh] LS EX C IM EX(-1) 

Giải thích ý nghĩa kết quả :

Dependent Variable: EX Sample(adjusted): 2004:02 2009:12 Included observations: 71 after adjusting endpoints

Trễ đa thức

Xét mô hình trễ bậc 9:

9

0

Sample(adjusted): 2004:10 2009:12 Included observations: 63 after adjusting endpoints Variable Coefficient Std Error t-Statistic Prob

Kiểm định nhân quả Granger

[6.4]  Chọn EX và IM thành Group, mở cửa sổ Group

 [Group] View  Granger Causality … : Chọn bậc của trễ = 2

Pairwise Granger Causality Tests Sample: 2004:01 2010:12

Lags: 2

Các biến nội sinh: EX, IM; các biến ngoại sinh: C, GIL, IM(-1), EX(-1)

[?] Định dạng hai phương trình trong hệ bằng điều kiện Hạng và điều kiện Thứ bậc

Khai báo hệ phương trình

Có nhiều cách để hồi quy một hệ phương trình, đặt tên hệ đó là EX_IM

[7.1]  Cách 1: Cửa sổ lệnh: SYSTEM EX_IM

Cách 2: [Workfile] Objects > New Object > System Cách 3: [Eview] Object > New Object > System

 Cửa sổ [System] và biểu tượng của hệ ( EX_IM ) trong Workfile

Trong cửa sổ [System], khai báo các biến công cụ và các phương trình Lưu ý biến công cụ bao gồm cả hệ số chặn, và các hệ số của phương trình kí hiệu là C,

[7.1]  INST C GIL IM(-1) EX(-1)

EX = C(11) + C(12)*IM + C(13)*GIL

IM = C(21) + C(22)*EX + C(23)*IM(-1) + C(24)*EX(-1)

 [System] Estimate  Cửa sổ [System Estimation]

 Nếu chọn OLS: kết quả giống như hồi quy riêng hai phương trình

Nếu chọn 2SLS: kết quả ước lượng bằng phương pháp bình phương nhỏ nhất hai bước Nếu chọn 3SLS: kết quả ước lượng bằng phương pháp bình phương nhỏ nhất ba bước

Để thay đổi các phương trình chọn [System] View > Specification hoặc [System] Spec

Xem ma trận hiệp phương sai: [System] View > Coefficient Covarian Matrix

Kiểm định về các hệ số: [System] View > Wald Coefficient Test

[?] Thêm vào phương trình (7.1) biến GILt – 1, và ước lượng lại hệ phương trình

[?] Không thêm biến GILt – 1 vào (7.1), mà thay vào đó là biến EX t–1 , khi đó xác định lại biến công cụ và ước lượng hệ phương trình

8 MÔ HÌNH CÓ BIẾN PHỤ THUỘC LÀ ĐỊNH TÍNH

Sử dụng bộ số liệu BINARY_CAR trong thư mục DATA4

Với YD là thu nhập khả dụng cá nhân, GEN là giới tính, CONS là chi cho tiêu dùng, CAR thể hiện

sở hữu ôtô riêng

Mô hình LPM

Mô hình p i  P rC A R  1 |Y D i E C A R Y D( | i)   1   2Y D i (8.1)

[8.1]  LS CAR C YD

[?] Ước lượng khả năng có ôtô riêng khi thu nhập là 120?

Xem giá trị ước lượng: [Equation] View > Actual, Fitted, Residuals

(Hoặc [Eviews] Quick > Estimate Equation > [Equation Specification] Method : Binary > Logit)

Dependent Variable: CAR

Method: ML - Binary Logit (Quadratic hill climbing) Sample: 1 40

Convergence achieved after 4 iterations

(Hoặc [Eviews] Quick > Estimate Equation > [Equation Specification] Method : Binary > Probit)

Dependent Variable: CAR Method: ML - Binary Probit (Quadratic hill climbing) Included observations: 40

Convergence achieved after 3 iterations

Probability(LR stat) 0.000295

[?] Viết lại mô hình ước lượng và phân tích ý nghĩa kết quả? Ước lượng khả năng có ô tô riêng khi thu nhập là 120? Ước lượng mức thay đổi khi thu nhập tăng thêm 1 đơn vị?

[?] Ước lượng và giải thích ý nghĩa mô hình: Probit CAR C YD GEN GEN*YD ; khi

đó ước lượng chênh lệch khả năng có ôtô của nam và nữ khi thu nhập là 120?

[?] Ước lượng và giải thích ý nghĩa mô hình: Probit CAR C 1/YD

9 LÀM TRƠN VÀ NGOẠI SUY CHUỖI THỜI GIAN

Sử dụng bộ số liệu VN_Quaterly trong thư mục DATA4 Phân tích cho chuỗi GDP

Ngoại suy giản đơn

Hồi quy GDP theo biến thời gian, đặt biến xu thế thời gian, bắt đầu từ 0 với quan sát đầu tiên

Hồi quy xu thế thời gian tuyến tính

[9.1]  LS GDP C @TREND 

Lưu lại chuỗi ước lượng với tên GDP1 Xem các tiêu chí đánh giá dự báo

[9.2]  [Equation] Forecast  Đặt tên, xem RMSE, MAE, MAPE

[?] Dự báo giá trị của GDP trong 1 năm tiếp theo?

[?] Hồi quy các mô hình ngoại suy sau, so sánh đánh giá, và dự báo cho 1 năm tiếp theo

Trung bình trượt (MA)

Hàm trung bình trượt: @movav(X,3) = ( 2 ) ( 1)

[9.3]  Genr GDP_MA3 = @movav(GDP(+1),3) 

[?] Đặt chuỗi GDP_MA9 là trung bình trượt trung tâm 9 thời kỳ của GDP, so sánh trên đồ thị các chuỗi GDP, GDPMA3, GDP_MA9, so sánh trung bình, tối đa, tối thiểu, độ lệch chuẩn của các chuỗi

San mũ (Exponential Smoothing)

Mô hình san mũ đơn 1S E 1

G D P G D P , G D P t S E  G D P t  (1   )G D P t S E1

[9.4]  Chọn GDP, mở cửa sổ Series

 [Series] Procs  Exponential Smoothing

 [Exponential Smoothing]   Single, và đặt tên chuỗi là GDP_ESS (trong ô Smoothed series)

Sample: 1990:1 2008:4 Included observations: 76 Method: Single Exponential Forecast Series: GDP_ESS

Mô hình san mũ kép G D P t D E  G D P t S E  (1   )G D P t D E1

[9.5]  [Exponential Smoothing] Double, và đặt tên chuỗi là GDP_ESD

Method: Double Exponential Forecast Series: GDP_SED

[?] Với kết quả san mũ kép, viết công thức dự báo, và dự báo GDP trong năm sau?

Hiệu chỉnh yếu tố mùa vụ

Có hai mô hình: theo dạng Nhân và theo dạng Cộng

[9.6]  Chọn GDP, mở cửa sổ Series

 [Series] Procs  Seasonal Adjustment  Moving Average Method

Mô hình dạng Nhân:

 [Seasonal Adjustment] Ratio to moving average – Multiplicative

Đặt tên chuỗi sau khi hiệu chỉnh là GDP_SAM

Ratio to Moving Average Adjusted Series: GDP_SAM Scaling Factors:

[9.7]  [Seasonal Adjustment] Difference from moving average – Additive,

Đặt tên chuỗi là GDP_SAD

Difference from Moving Average Adjusted Series: GDP_SAD Scaling Factors:

Holt-Winters có xu thế, không có tính mùa vụ

 [Series] Procs > Exponential Smoothing

 [Exponential Smoothing] Holt-Winters – No seasonal, đặt tên chuỗi là GDP_HN

Method: Holt-Winters No Seasonal Forecast Series: GDP_HN

Holt-Winters có xu thế, có mùa vụ, dạng Cộng

[9.9]  [Exponential Smoothing] Holt-Winters – Additive , đặt tên chuỗi là GDP_HA

Method: Holt-Winters Additive Seasonal Forecast Series: GDP_HA

Seasonals: 2008:1 -24705.60

2008:3 -290.4307

2008:4 19278.05

Holt-Winters có xu thế, có mùa vụ, dạng Nhân

[9.10]  [Exponential Smoothing] Holt-Winters – Mutiplicative , đặt tên chuỗi là GDP_HM

Method: Holt-Winters Multiplicative Seasonal Original Series: GDP

Forecast Series: GDP_HM

[?] Với ba mô hình trên, hãy dự báo giá trị của GDP trong năm tiếp theo

[?] So sánh tất cả các kết quả dự báo tính theo các mô hình

10 QUÁ TRÌNH NGẪU NHIÊN VÀ TÍNH DỪNG

Bộ số liệu EXCHANGE_WEEK trong thư mục DATA4

Xét chuỗi EX1

[10.1]  Mở chuỗi EX1 thành một cửa sổ Series

 [Series] View  Graph  Line

Nhận xét về đồ thị: Có hệ số chặn? Có xu thế?

Kiểm định nghiệm đơn vị

[10.1]  [Series] View  Unit Root Test … : Cửa sổ Unit Root Test

 [Unit Root Test]  ADF

 Test for unit root in  Level

 Include in test equation  Intercept

 Lagged differences: 0

ADF Test Statistic -3.289673 1% Critical Value* -3.5625

5% Critical Value -2.9190

[?] Kết luận như thế nào về tính dừng của chuỗi?

[?] Thay Lagged differences = 2 thì kết luận thế nào?

[?] Thêm xu thế thời gian thì kết luận thế nào?

Kiểm định nghiệm đơn vị cho chuỗi sai phân

[10.1]  [Series] View  Unit Root Test  Test for unit root in  1st difference

 Include in test equation  Intercept

 Lagged differences: 2

Kết luận thế nào về chuỗi sai phân? Kết luận thế nào về chuỗi EX1

Lược đồ tự tương quan

Lược đồ của chính chuỗi EX1

[10.1]  [Series] View  Correlogram…   Level

[?] Nếu EX1 là chuỗi dừng thì kết luận gì về chuỗi EX1 qua lược đồ này?

Lược đồ của chuỗi sai phân

[10.1]  [Series] View  Correlogram…   1st difference

11 MÔ HÌNH ARIMA

Bộ số liệu VNQ_GDP Xét chuỗi GIP

Các bước thực hiện:

 Kiểm định nghiệm đơn vị để xác định chuỗi dừng

 Xét lược đồ tương quan của chuỗi dừng để xác định bậc AR, MA

 Hồi quy, xét tính khả nghịch

 Kiểm định: Ý nghĩa thống kê, phần dư nhiễu trắng (dừng, không tự tương quan)

 Đánh giá khả năng dự báo

 Dự báo

[11.1]  Mở chuỗi GIP thành cửa sổ [Series: GIP]

 [Series] View  Graph  Line : Có xu thế tăng lên

 [Series] View  Unit Root Test…

[Unit Root Test]   Level   Intercept: GIP Không dừng

[Unit Root Test]   Level   Trend and Intercept: GIP Dừng xu thế (không dừng)

[Unit Root Test]   1st diference   Intercept: D(GIP) dừng

Vậy chuỗi GIP không dừng nhưng sai phân là dừng: GIP ~ I(1)

[11.2]  [Series] View  Correlogram…   1st diference