Hướng Dẫn Thực Hành Eview 4 - Tài Liệu Text - 123doc

Có thể bạn quan tâm

Tải bản đầy đủ (.pdf) (21 trang)

Trang chủ

Giáo án - Bài giảng

Cao đẳng - Đại học

hướng dẫn thực hành eview 4

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (886.69 KB, 21 trang )

Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuĐẠI HỌC KINH TẾ QUỐC DÂNKHOA TOÁN KINH TẾ - BỘ MÔN TOÁN KINH TẾ_________________________________KINH TẾ LƯỢNG 2 – CÁC CHUYÊN ĐỀHƯỚNG DẪN THỰC HÀNH BẰNG PHẦN MỀM EVIEWSBÙI DƯƠNG HẢIYêu cầu: Eviews4, DATA_CH2014www.mfe.edu.vn, mục Thư viện / Dữ liệu – phần mềm để tải Eviews4www.mfe.edu.vn/buiduonghai để tải DATA_CH2014Với cửa sổ SeriesViewProcsSpreadsheetGraphDescriptive StatisticCorrelogramUnit Root TestSeasonal AdjustmentMoving Average MethodExponential SmoothingHodrick-Prescott FilterSố liệuĐồ thịCác thống kê đặc trưngLược đồ tự tương quanKiểm định nghiệm đơn vịHiệu chỉnh yếu tố thời vụHiệu chỉnh theo trung bình trượtSan mũ đơn, kép, Holt-WintersLọc chuỗiVới cửa sổ EquationViewProcsRepresentationsEstimation OutputActual, Fitted, ResidualGradients and DerivativesCovarian MatrixCoefficient TestResidual testsCorrelogram – Q-statisticHistogram – Normality testSerial Correlation LM testWhite HeterokedasticityStability testChow breakpoint testChow forecast testRamsey RESET testSpecify/EstimateForecastMake residual seriesBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghaiCác cách thể hiện khác nhauBảng kết quả đầy đủCác thông tin về phần dưCác thông tin về Gradient và Đảo biếnMa trận Hiệp phương sai các ước lượngCác kiểm định về hệ sốCác kiểm định về phần dưLược đồ tự tương quan của phần dưĐồ thị, kiểm định tính phân phối chuẩnKiểm định tự tương quan theo B-GKiểm định phương sai sai số thay đổiCác kiểm định về dạng hàmKiểm định tính đồng nhất giữa hai đoạnKiểm định đánh giá dự báoKiểm định định dạng hàm theo RamseyĐịnh dạng phương trình, mẫu, phương phápĐặt tên chuỗi ước lượng, đánh giá dự báoĐặt tên chuỗi phần dư1Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu1. NHẬP SỐ LIỆUNhập số liệu từ file ExcelBộ 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: UNTITLEDRange: 2000 2013Sample: 2000 2013cresid[1.2] [Eviews] Quick  Empty Group (Edit Series): Mở cửa sổ Group: UNTITLECopy số liệu gồm cả tên biến GDP và PPP từ năm 2000 đến 2013GDP31.17632.524…155.565170.565PPP159.786174.695…443.911474.95 Dán (paste) số liệu, bắt đầu từ dòng obs trong cửa sổ GroupThêm hai biến:GDPPPP________________________________________2. XỬ LÝ SỐ LIỆUMở 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 nhauThống kê mô tả[2.3] [Group] View  Descriptive Stats  Common Sample: Các thống kê mô tả cơ bảnMeanMedianMaximumMinimumStd. Dev.SkewnessKurtosisEX3599.0283500.0006250.0001650.0001160.2140.1379232.033731IM4342.7784025.0008000.0001820.0001590.6650.4059032.104203Jarque-BeraProbability3.0293010.2198854.3844430.111668SumSum Sq. Dev.259130.095572832312680.01.80E+08Observations7272Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai2Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuJarque-Bera để Kiểm định cặp giả thuyết:[2.4]H0: Biến phân phối ChuẩnH1: Biến không phân phối Chuẩn [Group] View  Correlations  Common Sample: Hệ số tương quan giữa hai biến [Group] View  Covariances  Common Sample: Phương sai, hiệp phương sai của hai biếnĐặt biến mới[2.5] [Cửa sổ lệnh] GENR NX = EX – IMT = @TRENDEX1 = EX(–1)________________________________________3. ƯỚC LƯỢNG MÔ HÌNH HỒI QUYMô hình :[3.1]E X   1   2 G IC   3 G IL  u(MH 3.1) [Cửa sổ lệnh] LS EX C GIC GIL Được kết quả ước lượng :Dependent Variable: EXMethod: Least SquaresSample(adjusted): 2004:01 2009:08Included observations: 68 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.CGICGIL1161.9430.1026490.490855218.87520.0796980.0581745.3087031.2879748.4376630.00000.20230.0000R-squaredAdjusted R-squaredS.E. of regressionSum squared residLog likelihoodDurbin-Watson stat0.6751600.665165666.081128838165-537.04970.630795Mean dependent varS.D. dependent varAkaike info criterionSchwarz criterionF-statisticProb(F-statistic)3525.7351151.09615.8838115.9817367.549190.000000[?] 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 MatrixCGICGILC47906.35-2.176187-8.396374Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghaiGIC-2.1761870.006352-0.002796GIL-8.396374-0.0027960.0033843Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuKiểm định về các hệ số: Giả thuyết βGIC = βGIL[3.4] [Equation] View  Coefficient Test  Wald – Coefficient Restrictions… : Cửa sổ Wald Test [Wald Test] Gõ: C(2) = C(3)  OKWald Test:Equation: UntitledNull Hypothesis: C(2) = C(3)F-statisticChi-square9.8317239.831723ProbabilityProbability0.0025750.001715[?] Kết luận như thế nào về giả thuyết hai hệ số góc bằng nhau?Mô hình Logarit – logaritMô hình:EX = eβ1 GICβ2 GILβ3 eu(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 SquaresSample(adjusted): 2004:01 2009:08Included observations: 68 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.CLOG(GIC)LOG(GIL)2.2990250.0741720.6332370.3834920.0688800.0685505.9949751.0768329.2376150.00000.28550.0000R-squaredAdjusted R-squaredDurbin-Watson stat0.7854170.7788150.667135Mean dependent varS.D. dependent varProb(F-statistic)8.1124170.3416240.000000[?] Phân tích kết quả ước lượng như thế nào?________________________________________4. MÔ HÌNH VỚI BIẾN GIẢVới bộ số liệu VN2004_09_GSOXét 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 + uTrước 2007 : EX = β1 + β2GIL + uTừ 2007 :EX = (β1 + α1) + (β2 + α2)GIL + uĐặt biến giả[4.1] [Cửa sổ lệnh] GENR D07 = 0SMPL 2007:1 @LASTD07 = 1SMPL @ALLƯớc lượng mô hình:[4.2] [Cửa sổ lệnh] LS EX C GIL D07 D07*GIL Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai4Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuDependent Variable: EXMethod: Least SquaresDate: 10/31/14 Time: 00:12Sample(adjusted): 2004:01 2009:08Included observations: 68 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.CGILD07D07*GIL1281.1440.4288952245.891-0.251542269.57210.081421499.94260.1086814.7525115.2676294.492297-2.3144910.00000.00000.00000.0239R-squaredDurbin-Watson stat0.8031470.535081Mean dependent varProb(F-statistic)3525.7350.000000[?] 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 giaiđoạn nào lớn hơn ?- Hệ số góc có thực sự khác nhau giữa hai giai đoạn không? Nếu có thì hệ số góc giaiđoạn nào lớn hơn ?Biến giả mùa vụĐặt biến giả M12 = 1 tương ứng với tháng 12, bằng 0 với các tháng khác[4.3] [Cửa sổ lệnh] GENR M12 = @SEAS(12)LS EX C GILM12LS EX C GIL@SEAS(12)Hoặc5. KIỂM ĐỊNH CÁC HIỆN TƯỢNGXét mô hình : EX = β1 + β2GIC + β3GIL + u (MH 5.1)[5.1] [Cửa sổ lệnh] LS EX C GICGIL 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  OKRamsey RESET Test:F-statisticLog likelihood ratio15.1990514.48952ProbabilityProbability0.0002340.000141Kiểm định phương sai sai số thay đổi[5.3] [Equation] View  Residual Tests  White Heteroskedasticity (no cross terms)White Heteroskedasticity Test:F-statisticObs*R-squared3.31304211.81799ProbabilityProbability0.0158300.018757 [Equation] View  Residual Tests  White Heteroskedasticity (cross terms)White Heteroskedasticity Test:F-statisticObs*R-squaredBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai2.65894612.00670ProbabilityProbability0.0305460.0346965Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuKiểm định tính phân phối chuẩn của sai số[5.4] [Equation] View  Residual Tests  Histogram – Normality TestJarque-Bera 13.77391 Probability0.001021Kiểm định tự tương quan[5.5] [Equation] View  Residual Tests  Serial Correlation LM Tests…: Cửa sổ Lag [Lag Specification] Lag to include: 1  OKBreusch-Godfrey Serial Correlation LM Test:F-statisticObs*R-squared78.4053337.43935ProbabilityProbability0.0000000.000000Đánh 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 TRỄSử dụng bộ số liệu VN2004_09_GSO, số liệu thángMô hình có trễ phân phốiThực 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: EXSample(adjusted): 2004:02 2009:12Included observations: 71 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.CIMEX(-1)226.36500.3046700.57782597.380350.0446980.0610602.3245456.8161759.4632150.02310.00000.0000R-squaredDurbin-Watson stat0.9537211.921959Mean dependent varProb(F-statistic)3626.4790.000000Trễ đa thứcXét mô hình trễ bậc 9:9EXt a j IMt- j utj0Giả thiết hệ số trễ có dạng đa thức bậc 2:[6.3] [Cửa sổ lệnh] LS EX C PDL(IM,9,2)j  0  1 j   2 j2Dependent Variable: EXBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai6Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuSample(adjusted): 2004:10 2009:12Included observations: 63 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.CPDL01PDL02PDL03560.80400.023716-0.0247040.007260124.57730.0166830.0035640.0021034.5016561.421554-6.9319293.4524290.00000.16040.00000.0010R-squaredDurbin-Watson stat0.9278071.173777Lag Distribution ofIM..*.*. *.*.**.*. *. *Mean dependent varProb(F-statistic)i Coefficient*||||||||||0123456789Sum ofLags[6.4]3830.4760.000000Std. ErrorT-Statistic0.238680.163160.102160.055680.023720.006270.003350.014940.041060.081690.028890.013710.008620.013230.016680.016670.013180.008500.013620.028858.2626811.901011.85374.207491.421550.376270.253921.758023.013622.831590.730710.0270726.9924Kiểm định nhân quả Granger Chọn EX và IM thành Group, mở cửa sổ Group [Group] View  Granger Causality … : Chọn bậc của trễ = 2Pairwise Granger Causality TestsSample: 2004:01 2010:12Lags: 2Null Hypothesis:IM does not Granger Cause EXEX does not Granger Cause IMObsF-StatisticProbability705.587220.038110.005770.96262________________________________________7. HỒI QUY HỆ PHƯƠNG TRÌNHSử dụng bộ số liệu VN2004_09_GSO.Mô hình gồm hai phương trìnhEX t IM t  1   2 IMt  3G ILt  1   2 E X t   3 IMt 1 4EXt 1 u 1t( 7 .1 ) u 2t( 7 .2 )[?] Ước lượng hai phương trình bằng LS thông thường và lưu lại kết quả để so sánh[7.1] [Cửa sổ lệnh] LS EX C IM GILLS IM C EX IM(-1) EX(-1) 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 trìnhCó nhiều cách để hồi quy một hệ phương trình, đặt tên hệ đó là EX_IMBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai7Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu[7.1][7.1]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 baogồm cả hệ số chặn, và các hệ số của phương trình kí hiệu là C,INST C GIL IM(-1) EX(-1)Cách 1: Cửa sổ lệnh: SYSTEM EX_IMCách 2: [Workfile] Objects > New Object > SystemEX = C(11) + C(12)*IM + C(13)*GILIM = 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 trìnhNếu chọn 2SLS: kết quả ước lượng bằng phương pháp bình phương nhỏ nhất hai bướcNếu chọn 3SLS: kết quả ước lượng bằng phương pháp bình phương nhỏ nhất ba bướcĐể thay đổi các phương trình chọn [System] View > Specification hoặc [System] SpecXem ma trận hiệp phương sai: [System] View > Coefficient Covarian MatrixKiểm 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 EXt–1 , khi đó xác định lạibiến công cụ và ước lượng hệ phương trình.________________________________________8. MÔ HÌNH CÓ BIẾN PHỤ THUỘC LÀ ĐỊNH TÍNHSử 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 hiệnsở hữu ôtô riêng.Mô hình LPMMô hình[8.1]p i  P r  C A R  1 | Y D i   E ( C A R | Y D i )   1   2Y D i(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, ResidualsMô hình LogitMô hình[8.2]pi  P r  C A R  1 | YDi L o g it   1   2 Y D ie x p (  1   2Y D i )1  e x p (  1   2Y D i ) Logit CAR C YD(Hoặc [Eviews] Quick > Estimate Equation > [Equation Specification] Method : Binary > Logit)Dependent Variable: CARBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai8Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuMethod: ML - Binary Logit (Quadratic hill climbing)Sample: 1 40Convergence achieved after 4 iterationsVariableCoefficientStd. Errorz-StatisticProb.C-5.9869681.941467 -3.0837340.0020YD0.0526960.0173023.0456890.0023Mean dependent var0.450000 S.D. dependent var0.503831LR statistic (1 df)13.34465 McFadden R-squared0.242405Probability(LR stat)0.000259[?] Viết lại mô hình ước lượng và phân tích ý nghĩa kết quả? Ước lượng khả năng có ô tôriêng 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: Logit CAR C GEN[?] Ước lượng và giải thích ý nghĩa mô hình: Logit CAR C YD GEN GEN*YD ; khiđó ước lượng chênh lệch khả năng có ôtô của nam và nữ khi thu nhập là 120?Mô hình ProbitMô hình[8.3]p i  P r  C A R  1 / Y D i   P r o b it   1   2 Y D i      1   2 Y D i Probit CAR C YD(Hoặc [Eviews] Quick > Estimate Equation > [Equation Specification] Method : Binary > Probit)Dependent Variable: CARMethod: ML - Binary Probit (Quadratic hill climbing)Included observations: 40Convergence achieved after 3 iterationsVariableCoefficientStd. Errorz-StatisticProb.C-3.4555821.020164 -3.3872790.0007YD0.0304250.0091153.3377260.0008Mean dependent var0.450000 S.D. dependent var0.503831LR statistic (1 df)13.09888 McFadden R-squared0.237940Probability(LR stat)0.000295[?] Viết lại mô hình ước lượng và phân tích ý nghĩa kết quả? Ước lượng khả năng có ô tôriêng 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 ; khiđó 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 GIANSử dụng bộ số liệu VN_Quaterly trong thư mục DATA4. Phân tích cho chuỗi GDPNgoại suy giản đơnHồi quy GDP theo biến thời gian, đặt biến xu thế thời gian, bắt đầu từ 0 với quan sát đầu tiênHồi 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 báoBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai9Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu[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 theoG D Pt   1   2 ln t  u tG D Pt  e 1   2 ln t  u tG D Pt  e 1 t2eutTrung bình trượt (MA)Hàm trung bình trượt: @movav(X,3) =X (  2 )  X (  1)  X3Để tính trung bình trượt trung tâm 3 thời kỳ của GDP:G D Pt  1  G D Pt  G D Pt  13[9.3] GenrGDP_MA3 = @movav(GDP(+1),3) [?] Đặt chuỗi GDP_MA9 là trung bình trượt trung tâm 9 thời kỳ của GDP, so sánh trên đồthị các chuỗi GDP, GDPMA3, GDP_MA9, so sánh trung bình, tối đa, tối thiểu, độ lệchchuẩn của các chuỗi.San mũ (Exponential Smoothing)Mô hình san mũ đơn[9.4]G D P1SE G D P1,G D PtSE  G D Pt  (1   ) G D Pt  1SE 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 2008:4Included observations: 76Method: Single ExponentialForecast Series: GDP_ESSParameters:Sum of Squared ResidualsRoot Mean Squared ErrorEnd of Period Levels:Mô hình san mũ kép[9.5]G D PtDE  G D PtSEAlpha0.31201.03E+1011647.74126704.1Mean (1   ) G D Pt  1DE [Exponential Smoothing] Double, và đặt tên chuỗi là GDP_ESDMethod: Double ExponentialForecast Series: GDP_SEDParameters: AlphaSum of Squared ResidualsRoot Mean Squared ErrorEnd of Period Levels:MeanTrend0.08007.69E+0910060.49124898.51685.333[?] Với kết quả san mũ kép, viết công thức dự báo, và dự báo GDP trong năm sau?Hiệu chỉnh yếu tố mùa vụ[9.6]Có hai mô hình: theo dạng Nhân và theo dạng Cộng Chọn GDP, mở cửa sổ Series. [Series] Procs  Seasonal Adjustment  Moving Average MethodMô hình dạng Nhân:Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai10Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu [Seasonal Adjustment] Ratio to moving average – MultiplicativeĐặt tên chuỗi sau khi hiệu chỉnh là GDP_SAMRatio to Moving AverageAdjusted Series: GDP_SAMScaling Factors:1234[9.7]0.8340671.0935750.9763391.122923Mô hình dạng Cộng: [Seasonal Adjustment] Difference from moving average – Additive,Đặt tên chuỗi là GDP_SADDifference from Moving AverageAdjusted Series: GDP_SADScaling Factors:1234-12361.315603.803-1644.9398402.446[?] So sánh chuỗi GDP, GDP_SAM, GDP_SAD và nhận xét về sự hiệu chỉnh mùa vụ.[?] Với chuỗi GDP_SAM, hồi quy theo xu thế thời gian, so sánh với kết quả trong phần 9.1;từ kết quả hồi quy và các hệ số hiệu chỉnh mùa vụ, dự báo cho năm tiếp theo.San mũ Holt-Winters[9.8] Chọn GDP, mở cửa sổ Series.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_HNMethod: Holt-Winters No SeasonalForecast Series: GDP_HNParameters: AlphaBetaSum of Squared ResidualsRoot Mean Squared ErrorEnd of Period Levels:MeanTrend[9.9]0.03000.80016.72E+099401.643126136.52971.115Holt-Winters có xu thế, có mùa vụ, dạng Cộng [Exponential Smoothing] Holt-Winters – Additive , đặt tên chuỗi là GDP_HAMethod: Holt-Winters Additive SeasonalForecast Series: GDP_HAParameters: AlphaBetaGammaSum of Squared ResidualsRoot Mean Squared ErrorEnd of Period Levels:MeanTrendSeasonals: 2008:12008:22008:3Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai0.18000.47991.00003.02E+081994.939126761.22052.432-24705.605717.984-290.430711Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu2008:419278.05Holt-Winters có xu thế, có mùa vụ, dạng Nhân[9.10]  [Exponential Smoothing] Holt-Winters – Mutiplicative , đặt tên chuỗi là GDP_HMMethod: Holt-Winters Multiplicative SeasonalOriginal Series: GDPForecast Series: GDP_HMParameters: AlphaBetaGammaSum of Squared ResidualsRoot Mean Squared ErrorEnd of Period Levels:MeanTrendSeasonals: 2008:12008:22008:32008:40.31010.60001.000063598622914.7808125568.71665.0870.7906901.0475651.0006621.161083[?] 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 DỪNGBộ số liệu EXCHANGE_WEEK trong thư mục DATA4.Xét chuỗi EX1[10.1]  Mở chuỗi EX1 thành một cửa sổ Series [Series] View  Graph  LineNhận 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: 0ADF Test Statistic-3.2896731% Critical Value*5% Critical Value10% Critical Value-3.5625-2.9190-2.5970[?] 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  InterceptBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai12Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu Lagged differences: 2Kết luận thế nào về chuỗi sai phân? Kết luận thế nào về chuỗi EX1Lược đồ tự tương quanLược 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 ARIMABộ số liệu VNQ_GDP. Xét chuỗi GIPCác 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) dừngVậy chuỗi GIP không dừng nhưng sai phân là dừng: GIP ~ I(1)[11.2]  [Series] View  Correlogram…   1st diferenceBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai13Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuNhận thấy AR có thể 1, 2, 3 và MA có thể 1, 4. Tuy nhiên có AR(1) thì không dùng MA(1)[11.3]  [Cửa sổ lệnh] LS D(GIP) C AR(1) AR(2) AR(3) MA(4)Dependent Variable: D(GIP)Method: Least SquaresSample(adjusted): 2005:1 2012:3Included observations: 31 after adjusting endpointsConvergence achieved after 11 iterationsBackcast: 2004:1 2004:4VariableCoefficientStd. Errort-StatisticProb.CAR(1)AR(2)AR(3)MA(4)7366.400-0.801064-0.796963-0.8153970.8783671557.6880.1423050.1609920.1682260.0783324.729059-5.629196-4.950328-4.84703511.213370.00010.00000.00000.00010.0000R-squaredAdjusted R-squaredS.E. of regressionSum squared residLog likelihoodDurbin-Watson stat0.8347640.80934316167.256.80E+09-341.67381.899408Mean dependent varS.D. dependent varAkaike info criterionSchwarz criterionF-statisticProb(F-statistic)7092.67737026.2422.3660522.5973432.837640.000000Inverted AR RootsInverted MA Roots.05 -.95i.68 -.68i.05+.95i.68+.68i-.68 -.68i-.91-.68+.68iTính khả nghịch được thỏa mãn, các hệ số có ý nghĩa thống kê.[11.4]  [Equation] Procs  Make Residual Series…  OK [Series: RESID…] View  Unit Root Test   Level  None: Phần dư dừng[Equation] View  Residual Tests  Correlogram - Q-statistics  OK: Không tự tương quan[Equation] View  Residual Tests  Serial Correlation LM Test…  1:Phần dư là nhiễu trắng, mô hình thỏa mãn điều kiện.Mô hình cho chuỗi GIP là ARIMA(p = 1,2,3 ; d= 1; p = 4)[11.5]  [Equation] Forecast   GIP  Dynamic Forecast name: GIPF1 Forecast sample: 2011:4 2012:3 OKBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai14Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu340000Forecast: GIPF320000Actual: GIPForecast sample: 2012:1 2012:3300000Included observations: 3280000260000240000220000Root Mean Squared Error5706.756Mean Absolute Error4925.596Mean Abs. Percent Error1.811828Theil Inequality Coefficient0.010552Bias Proportion0.008226Variance Proportion0.940036Covariance Proportion0.0517382000001800002012:012012:022012:03GIPFSai số dự báo MAPE là 1.8%Để dự báo cho năm 2013 phải mở rộng khoảng số liệu[11.4]  Chọn cửa sổ Workfile [Eviews] Procs  Change Workfile Range…  Start date: 2004:1 End date: 2013:4  OK Hồi quy lại mô hình LS D(GIP) C AR(1) AR(2) AR(3) MA(4) [Equation] Forecast  Forecast name: GIPF1 Forecast sample: 2012:4 2013:4 [Workfile] Mở xem biến GIPF1Year2012:42013:12013:22013:32013:4GIPF1362463.4281102.5295564.4332497.2382872.2Lưu ý: Thay vì ước lượngLS D(GIP) C AR(1) AR(2) AR(3) MA(4)có thể dùng:LS D(GIP) C D(GIP(-1)) D(GIP(-2)) D(GIP(-3)) MA(4)thì ước lượng các hệ số góc giống như cũ nhưng hệ số chặn là khác. Quá trình dự báo tính tay phảitheo phương trình này. Nếu dùng AR thì máy tự động dự báo.11. MÔ HÌNH VARHai chuỗi GDP và GI là dừng sai phân, xét mô hình của GDPt và GItVAR trễ bậc 2 có dạng: G D Pt   1 0   1 1  G D Pt  1   1 2  G D Pt  2   1 1  G I t  1   1 2  G I t  2  u 1 tG It  2 0   2 1  G D Pt  1   2 2  G D Pt  2   2 1  G I t  1   2 2  G I t  2  u 2 t[12.1]  [Eviews] Quick  Estimate VAR… [Var Specification] Basics:   Unrestricted VAR ;  Endogenous Var.: D(GDP) D(GI) Lag Intervals for Endogenous: 1 2  Exogenous Variables: C  OKXác định độ trễ[12.2]  [Var] View  Lag Structure  Lag Length Criteria…  7Theo các tiêu chuẩn FPE, SE, HQ thì chọn lag = 3; theo AIC thì chọn lag = 7.Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai15Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuBÀI TẬP TỔNG HỢPCác bài tập thực hiện với  = 5%Bài số 1Sử dụng bộ số liệu US_Y trong thư mục DATA0810. Trong đó GDP là Tổng sản phẩm quốc nội, M2là cân đối tiền M2, R là lãi suất, DEF là thâm hụt ngân sách.1. Cân đối tiền M2 tương quan với biến nào chặt chẽ nhất, cùng chiều hay ngược chiều?2. Hồi quy M2 theo GDP và R (mô hình [1]), thì hai biến độc lập có thực sự giải thích cho sự biếnđộng của biến phụ thuộc không? Giải thích được bao nhiêu phần trăm sự biến động?3. Dùng kiểm định Durbin-Watson cho biết mô hình [1] có tự tương quan bậc 1 hay không? So sánhkết quả với kiểm định Breusch-Godrey? Kiểm định hiện tượng phương sai sai số thay đổi bằng các4.7.8.9.kiểm định, và kiểm định về dạng hàm của mô hình.Có ý kiến cho rằng M2 phụ thuộc vào GDP và R không chỉ cùng kỳ mà còn từ kỳ trước và kỳ trướcnữa. Hãy thực hiện hồi quy đó (mô hình [2]) và cho biết ý kiến đó có đúng không? Dựa trên kết quảhồi quy, có thể nhận thấy dấu hiệu của hiện tượng đa cộng tuyến trong mô hình đó không?Giả thiết rằng M2 phụ thuộc GDP và R dưới dạng trễ vô hạn, và theo giả thiết của Koyck, thực hiệnmô hình tự hồi quy M2 theo GDP, R và trễ bậc một của M2 (mô hình [3]). Khi đó phân tích tácđộng ngắn hạn, dài hạn của GDP và R đến M2?Với mô hình [3], dùng Durbin’h để kiểm định tự tương quan bậc 1, và so sánh với kiểm địnhBreusch-Godfrey.Xét mô hình hiệu chỉnh sau: Cân đối tiền kỳ vọng là hàm của Tổng sản phẩm quốc dân và Lãi suất:lo g M 2 t  c   1 lo g G N Pt   2 lo g R t  u t*hiệu chỉnh qua phương trình:; chênh lệch giữa cân đối tiền kỳ này và kỳ trước đượclo g ( M 2 t / M 2 t  1 )   lo g M2 t  lo g M 2 t  1 *. Thực hiện biến đổi vàước lượng mô hình tự hồi quy để phân tích; tính ước lượng hệ số hiệu chỉnh, và ước lượng các hệ sốtác động của GDP và R đến cân đối tiền kỳ vọng.10. Xét hệ phương trình: [a] M2t = a1 + a2 GDPt + a3Rt + a4DEFt + u1t[b]GDPt =b1+ b2 Rt + b3 GDPt – 1+ u2t[c]DEFt =c1+ c2 M2t + c3 DEFt – 1+ u3tThực hiện định dạng các phương trình bằng điều kiện cần và đủ. Ước lượng hệ bằng phương phápbình phương nhỏ nhất hai bước và phân tích kết quả. Khi đó những hệ số nào không có ý nghĩathống kê, phương trình hồi quy nào có hệ số xác định là lớn nhất?Bài số 2Với bộ số liệu Data_Quarterly trong thư mục DATA3Xét mô hình gồm các phương trình sauIMt  1   2 G D Pt   3 G D Pt  1   4 E Xt 1EXt  1   2 G D Pt   3 G D Pt  1   4 IMtG D Pt   1   2 G D Pt  1   3 E Xt 1  5t u 1t u 2t u 3t1. Hãy định dạng các phương trình trong hệ bằng điều kiện Hạng và điều kiện Thứ bậc.2. Nêu cách ước lượng phù hợp với hệ phương trình trên?3. Hãy ước lượng hệ bằng phương pháp bình phương nhỏ nhất hai bước và ba bướcBùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai16Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu4. Khi thêm vào phương trình thứ ba biến trễ bậc 1 của IM thì định dạng các phương trình thế nào? Nếuđược hãy ước lượng hệ đó bằng 2SLS và 3SLS.Bài số 3Sử dụng bộ số liệu US_Y trong thư mục DATA08101. Đặt biến giả D71 = 1 nếu thời gian từ năm 1971 trở đi (giai đoạn sau), và D = 0 với thời kỳ trước đó(giai đoạn đầu). Nếu hồi quy M2 theo D71 (mô hình [1]), xét về trung bình thì giai đoạn sau cân đốitiền M2 có nhiều hơn giai đoạn đầu không? Nếu có thì tối đa bao nhiêu?2. Hồi quy M2 theo GDP, R, D71, D71*R (mô hình [2]). Viết hàm hồi quy mẫu với hai giai đoạn, tìmước lượng điểm của M2 khi GDP = 10000, R = 5. Hệ số chặn của mô hình có khác nhau giữa haigiai đoạn không? Giai đoạn nào hệ số chặn lớn hơn, lớn hơn bao nhiêu?3. Với mô hình [3], khi lãi suất tăng 1(%), thì cân đối tiền M2 giai đoạn nào thay đổi nhiều hơn, nhiều4.5.6.7.hơn tối đa bao nhiêu?Đặt biến Y = 1 nếu có cắt giảm trong lãi suất, Y = 0 nếu ngược lại (tức là nếu lãi suất kỳ hiện tạithấp hơn lãi suất kỳ trước R < R(-1) thì Y = 1). Hồi quy mô hình xác suất tuyến tính của Y theo saiphân của GDP (tăng trưởng tuyệt đối của GDP). Theo kết quả này, nếu tăng trưởng tuyệt đối GDPtăng 1 tỉ USD thì khả năng có cắt giảm lãi suất thay đổi thế nào?Hồi quy khả năng có cắt giảm lãi suất theo tăng trưởng kinh tế tuyệt đối bằng mô hình Logit. Hãyước lượng khả năng có cắt giảm lãi suất khi tăng trưởng là 45 tỉ USD, nếu mức tăng trưởng tăngthêm 1 tỉ USD nữa thì khả năng có cắt giảm lãi suất thay đổi thế nào?Trả lời câu hỏi trên nhưng với mô hình Probit.Hồi quy khả năng có cắt giảm lãi suất theo tăng trưởng kinh tế và tăng trưởng cung tiền M2 (saiphân của M2) bằng mô hình Logit. Ước lượng khả năng có cắt giảm lãi suất khi tăng trưởng 50 tỉUSD và tăng trưởng cung tiền là 35 tỉ. Khi đó nếu tăng trưởng cung tiền tăng thêm 1 tỉ thì khả năngcó cắt giảm lãi suất thay đổi thế nào? Nếu mô hình đổi thành Probit thì kết quả chênh lệch so vớimô hình Logit bao nhiêu?Bài số 4Sử dụng bộ số liệu US_1947_2005 trong thư mục DATA2.Với biến D1 nhận giá trị bằng 1 nếu có thặng dư trong tài khoản vãng lai (gọi tắt là thặng dư), và bằng 0nếu ngược lại.1.2.3.4.5.Sử dụng mô hình LPM ước lượng khả năng có thặng dư theo GDP, giải thích ý nghĩa kết quả?Khi đổi sang mô hình Logit, viết mô hình và kết quả hồi quy mẫu. Ước lượng khả năng có thặng dưkhi GDP bằng 4000? Phân tích tác động của GDP đến khả năng này, và tính tỷ lệ ưu thế?Với mô hình Probit, ước lượng khả năng có thặng dư khi GDP bằng 4000 là bao nhiêu? Tác độngcủa GDP đến khả năng có thặng dư so với mô hình Logit thế nào?Với mô hình Logit, tác động của GDP đến khả năng có thặng dư có giống nhau giữa thời kỳ đảngDân chủ và đảng Cộng hoà nắm quyền hay không? (Biến D2 là biến giả xác định đảng nắm quyền).Hãy ước lượng khả năng có thặng dư khi GDP bằng 4000 giữa hai trường hợp.Kết quả trong câu 4 sẽ thế nào nếu mô hình là Probit?Bài số 5Sử dụng bộ số liệu Binary_Health_Insurance trong thư mục DATA4Với HI là biến thể hiện việc hộ gia đình có mua bảo hiểm y tế.Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai17Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệu1.Phân tích tác động của thu nhập hộ gia đình đến khả năng mua bảo hiểm bằng hai mô hình Logit vàProbit.2.3.4.Phân tích tác động của giới tính chủ hộ đến khả năng mua bảo hiểm bằng hai mô hình.Phân tích tác động đồng thời của giới tính chủ hộ và học vấn chủ hộ đến khả năng mua bảo hiểm?Với hai mô hình, có thể cho rằng với cùng mức thu nhập thì chủ hộ đã tốt nghiệp có khả năng muabảo hiểm nhiều hơn chủ hộ khác hay không? Nếu có thì khoảng bao nhiêu nếu thu nhập là 850?Phân tích tác động của yếu tố tuổi chủ hộ đến khả năng mua bảo hiểm?5.Bài số 6Sử dụng bộ số liệu VN_Quarterly trong thư mục DATA4.1. Hãy ước lượng CPI theo GDP và nhận xét về kết quả hồi quy?2. Hồi quy trung bình trượt trung tâm 5 thời kỳ của CPI theo trung bình trượt trung tâm 5 thời kỳ củaGDP và nhận xét về kết quả, so sánh với mô hình trong câu trên.3. Sử dụng các mô hình ngoại suy giản đơn để dự báo về CPI trong năm tiếp theo4. Sử dụng san mũ kép để dự báo về CPI trong năm tiếp theo5. Hồi quy chuỗi san mũ kép của CPI theo chuỗi san mũ kép của GDP, so sánh với các kết quả trước.6. Phân tích tính mùa vụ của chuỗi CPI qua hai mô hình Nhân và Cộng, mô hình nào phù hợp hơn?7. Hồi quy chuỗi hiệu chỉnh mùa vụ của CPI theo chuỗi hiệu chỉnh mùa vụ của GDP (cả hai dạng) vàphân tích kết quả.8. Sử dụng Holt-Winters dạng Cộng và Nhân để phân tích chuỗi CPI và dự báo cho năm tiếp theo.9. Từ kết quả mô hình Holt-Winters dạng Cộng của CPI, tách yếu tố mùa vụ, và nhận xét so sánhchuỗi kết quả với chuỗi cùng dạng trong câu (6). Thực hiện tương tự với kết quả mô hình nhân.10. San bởi Holt-Winters dạng Nhân cho CPI và GDP, rồi hồi quy kết quả chuỗi CPI theo GDP, và sosánh nhận xét với các mô hình đã thực hiện.Bài tập 7Sử dụng bộ số liệu Data_Quarterly trong thư mục DATA3, xét biến GDP1. Vẽ đồ thị và nhận xét về xu thế của chuỗi2. Sử dụng lược đồ tự tương quan phán đoán về bậc của tự tương quan3. Kiểm định nghiệm đơn vị với chuỗi trong trường hợp có và không có xu thế?4. Kiểm định nghiệm đơn vị với sai phân của chuỗi?5. Sử dụng mô hình AR(1), và mô hình AR(1) AR(2) để ước lượng chuỗi có phù hợp không?6. Xét chuỗi sai phân đặt là DGDP, nhận xét lược đồ tự tương quan?7. Ước lượng mô hình AR(1) AR(2) AR(3) cho chuỗi sai phân và nhận xét kết quả?8. Đưa ra mô hình tự hồi quy phù hợp nhất9. Ước lượng mô hình MA(1) MA(2) và nhận xét kết quả?10. Ước lượng mô hình ARMA(1,1) và nhận xét kết quả?Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai18Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuPhụ lục 1BẢNG GIÁ TRỊ HÀM LOGISTICL(z) ez1 ez;L ( z )  1  L ( z )u0.000.010.020.030.040.050.060.070.080.090.00.10.20.30.40.50.60.70.80.91.01.11.21.31.41.51.61.71.81.92.02.12.22.32.42.52.62.72.82.93.03.13.23.33.43.53.63.73.83.94.04.14.24.34.44.54.64.74.84.95.00.50000.52500.54980.57440.59870.62250.64570.66820.69000.71090.73110.75030.76850.78580.80220.81760.83200.84550.85810.86990.88080.89090.90020.90890.91680.92410.93090.93700.94270.94780.95260.95690.96080.96440.96770.97070.97340.97590.97810.98020.98200.98370.98520.98660.98790.98900.99000.99100.99180.99260.99330.50250.52750.55230.57690.60110.62480.64790.67040.69210.71300.73300.75210.77030.78750.80380.81910.83340.84680.85940.87100.88180.89190.90110.90970.91760.92480.93150.93760.94320.94830.95300.95730.96120.96480.96800.97100.97370.97610.97830.98040.98220.98390.98540.98670.98800.98910.99010.99110.99190.99270.99340.50500.53000.55480.57930.60350.62710.65020.67260.69420.71500.73500.75400.77210.78920.80530.82050.83480.84810.86060.87210.88290.89280.90200.91050.91830.92550.93210.93820.94370.94880.95350.95770.96160.96510.96830.97130.97390.97630.97850.98050.98240.98400.98550.98690.98810.98920.99020.99120.99200.99280.99340.50750.53250.55720.58180.60590.62950.65250.67480.69640.71710.73690.75580.77380.79080.80690.82200.83620.84940.86180.87320.88390.89380.90290.91130.91910.92620.93280.93880.94430.94930.95390.95810.96190.96540.96860.97150.97420.97660.97880.98070.98250.98420.98570.98700.98820.98930.99030.99130.99210.99280.99350.51000.53490.55970.58420.60830.63180.65480.67700.69850.71910.73890.75770.77560.79250.80850.82350.83750.85070.86290.87440.88490.89470.90380.91210.91980.92690.93340.93930.94480.94980.95430.95850.96230.96580.96890.97180.97440.97680.97900.98090.98270.98430.98580.98710.98830.98940.99040.99130.99220.99290.99360.51250.53740.56220.58660.61060.63410.65700.67920.70060.72110.74080.75950.77730.79410.81000.82490.83890.85200.86410.87540.88590.89570.90470.91290.92060.92760.93400.93990.94530.95030.95480.95890.96270.96610.96920.97210.97470.97700.97920.98110.98290.98450.98590.98730.98850.98950.99050.99140.99220.99300.99360.51500.53990.56460.58900.61300.63650.65930.68140.70270.72310.74270.76130.77900.79580.81150.82640.84020.85320.86530.87650.88700.89660.90550.91370.92130.92820.93460.94050.94580.95070.95520.95930.96300.96640.96950.97230.97490.97720.97940.98130.98300.98460.98610.98740.98860.98960.99060.99150.99230.99300.99370.51750.54240.56710.59150.61540.63880.66150.68350.70470.72510.74460.76310.78070.79740.81310.82780.84160.85450.86650.87760.88800.89750.90640.91450.92200.92890.93520.94100.94630.95120.95560.95970.96340.96680.96980.97260.97520.97750.97960.98150.98320.98480.98620.98750.98870.98970.99070.99160.99240.99310.99380.52000.54490.56950.59390.61770.64110.66370.68570.70680.72710.74650.76490.78240.79900.81460.82920.84290.85570.86760.87870.88890.89840.90720.91530.92270.92960.93580.94160.94680.95170.95610.96010.96370.96710.97010.97290.97540.97770.97980.98170.98340.98490.98630.98760.98880.98980.99080.99170.99250.99320.99380.52250.54740.57200.59630.62010.64340.66600.68780.70890.72910.74840.76670.78410.80060.81610.83060.84420.85690.86880.87970.88990.89930.90800.91610.92340.93020.93640.94210.94730.95210.95650.96050.96410.96740.97040.97310.97560.97790.98000.98180.98350.98510.98650.98780.98890.98990.99090.99180.99250.99320.9939Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai19Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuPhụ lục 2BẢNG GIÁ TRỊ HÀM (z)  z exp  2 221; ( z)   ( z)u0.000.010.020.030.040.050.060.070.080.090.00.39890.39700.39100.38140.36830.35210.33320.31230.28970.26610.24200.21790.19420.17140.14970.12950.11090.09400.07900.06560.05400.04400.03550.02830.02240.01750.01360.01040.00790.00600.00440.00330.00240.00170.00120.00090.00060.00040.00030.00020.00010.00010.00010.39890.39650.39020.38020.36680.35030.33120.31010.28740.26370.23960.21550.19190.16910.14760.12760.10920.09250.07750.06440.05290.04310.03470.02770.02190.01710.01320.01010.00770.00580.00430.00320.00230.00170.00120.00080.00060.00040.00030.00020.00010.00010.00010.39890.39610.38940.37900.36530.34850.32920.30790.28500.26130.23710.21310.18950.16690.14560.12570.10740.09090.07610.06320.05190.04220.03390.02700.02130.01670.01290.00990.00750.00560.00420.00310.00220.00160.00120.00080.00060.00040.00030.00020.00010.00010.00010.39880.39560.38850.37780.36370.34670.32710.30560.28270.25890.23470.21070.18720.16470.14350.12380.10570.08930.07480.06200.05080.04130.03320.02640.02080.01630.01260.00960.00730.00550.00400.00300.00220.00160.00110.00080.00050.00040.00030.00020.00010.00010.00010.39860.39510.38760.37650.36210.34480.32510.30340.28030.25650.23230.20830.18490.16260.14150.12190.10400.08780.07340.06080.04980.04040.03250.02580.02030.01580.01220.00930.00710.00530.00390.00290.00210.00150.00110.00080.00050.00040.00030.00020.00010.00010.00000.39840.39450.38670.37520.36050.34290.32300.30110.27800.25410.22990.20590.18260.16040.13940.12000.10230.08630.07210.05960.04880.03960.03170.02520.01980.01540.01190.00910.00690.00510.00380.00280.00200.00150.00100.00070.00050.00040.00020.00020.00010.00010.00000.39820.39390.38570.37390.35890.34100.32090.29890.27560.25160.22750.20360.18040.15820.13740.11820.10060.08480.07070.05840.04780.03870.03100.02460.01940.01510.01160.00880.00670.00500.00370.00270.00200.00140.00100.00070.00050.00030.00020.00020.00010.00010.00000.39800.39320.38470.37250.35720.33910.31870.29660.27320.24920.22510.20120.17810.15610.13540.11630.09890.08330.06940.05730.04680.03790.03030.02410.01890.01470.01130.00860.00650.00480.00360.00260.00190.00140.00100.00070.00050.00030.00020.00020.00010.00010.00000.39770.39250.38360.37120.35550.33720.31660.29430.27090.24680.22270.19890.17580.15390.13340.11450.09730.08180.06810.05620.04590.03710.02970.02350.01840.01430.01100.00840.00630.00470.00350.00250.00180.00130.00090.00070.00050.00030.00020.00010.00010.00010.00000.39730.39180.38250.36970.35380.33520.31440.29200.26850.24440.22030.19650.17360.15180.13150.11270.09570.08040.06690.05510.04490.03630.02900.02290.01800.01390.01070.00810.00610.00460.00340.00250.00180.00130.00090.00060.00040.00030.00020.00010.00010.00010.00000.10.20.30.40.50.60.70.80.91.01.11.21.31.41.51.61.71.81.92.02.12.22.32.42.52.62.72.82.93.03.13.23.33.43.53.63.73.83.94.04.14.2Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai20Hướng dẫn sử dụng Eviews – Kinh tế lượng và phân tích dữ liệuzBẢNG GIÁ TRỊ HÀM   0 ( z )Phụ lục 3 ( z ) d z  0 .5 0 ( z )    0 ( z ) ( z )   0 ( z )  0 .5u0.000.010.020.030.040.050.060.070.080.090.00.10.20.30.40.50.60.70.80.91.01.11.21.31.41.51.61.71.81.92.02.12.22.32.42.52.62.72.82.93.03.13.23.33.43.53.63.73.83.94.00.00000.03980.07930.11790.15540.19150.22570.25800.28810.31590.34130.36430.38490.40320.41920.43320.44520.45540.46410.47130.47720.48210.48610.48930.49180.49380.49530.49650.49740.49810.49870.49900.49930.49950.49970.49980.49980.49990.49990.50000.50000.00400.04380.08320.12170.15910.19500.22910.26110.29100.31860.34380.36650.38690.40490.42070.43450.44630.45640.46490.47190.47780.48260.48640.48960.49200.49400.49550.49660.49750.49820.49870.49910.49930.49950.49970.49980.49980.49990.49990.50000.50000.00800.04780.08710.12550.16280.19850.23240.26420.29390.32120.34610.36860.38880.40660.42220.43570.44740.45730.46560.47260.47830.48300.48680.48980.49220.49410.49560.49670.49760.49820.49870.49910.49940.49950.49970.49980.49990.49990.49990.50000.50000.01200.05170.09100.12930.16640.20190.23570.26730.29670.32380.34850.37080.39070.40820.42360.43700.44840.45820.46640.47320.47880.48340.48710.49010.49250.49430.49570.49680.49770.49830.49880.49910.49940.49960.49970.49980.49990.49990.49990.50000.50000.01600.05570.09480.13310.17000.20540.23890.27040.29950.32640.35080.37290.39250.40990.42510.43820.44950.45910.46710.47380.47930.48380.48750.49040.49270.49450.49590.49690.49770.49840.49880.49920.49940.49960.49970.49980.49990.49990.49990.50000.50000.01990.05960.09870.13680.17360.20880.24220.27340.30230.32890.35310.37490.39440.41150.42650.43940.45050.45990.46780.47440.47980.48420.48780.49060.49290.49460.49600.49700.49780.49840.49890.49920.49940.49960.49970.49980.49990.49990.49990.50000.50000.02390.06360.10260.14060.17720.21230.24540.27640.30510.33150.35540.37700.39620.41310.42790.44060.45150.46080.46860.47500.48030.48460.48810.49090.49310.49480.49610.49710.49790.49850.49890.49920.49940.49960.49970.49980.49990.49990.49990.50000.50000.02790.06750.10640.14430.18080.21570.24860.27940.30780.33400.35770.37900.39800.41470.42920.44180.45250.46160.46930.47560.48080.48500.48840.49110.49320.49490.49620.49720.49790.49850.49890.49920.49950.49960.49970.49980.49990.49990.49990.50000.50000.03190.07140.11030.14800.18440.21900.25170.28230.31060.33650.35990.38100.39970.41620.43060.44290.45350.46250.46990.47610.48120.48540.48870.49130.49340.49510.49630.49730.49800.49860.49900.49930.49950.49960.49970.49980.49990.49990.49990.50000.50000.03590.07530.11410.15170.18790.22240.25490.28520.31330.33890.36210.38300.40150.41770.43190.44410.45450.46330.47060.47670.48170.48570.48900.49160.49360.49520.49640.49740.49810.49860.49900.49930.49950.49970.49980.49980.49990.49990.49990.50000.5000Bùi Dương Hải – NEU – www.mfe.edu.vn/buiduonghai21

Tài liệu liên quan

Cải tiến PP hướng dẫn, thực hành
- 6
- 419
- 1
HƯỚNG DẪN THỰC HÀNH KIỂM TOÁN KHOẢN MỤC PHẢI THU KHÁCH HÀNG
- 13
- 680
- 2
Tài liệu Tài liệu hướng dẫn thực hành: KĨ THUẬT LẬP TRÌNH C/C++ - Bài 1: Lập trình cơ sở doc
- 6
- 869
- 3
Hướng dẫn thực hành kinh tế lượng ver2 0
- 32
- 717
- 0
Hướng dẫn thực hành kinh tế lượng Eview
- 32
- 3
- 4
Hướng dẫn thực hành dễ ràng với PowerWorld phần III
- 60
- 687
- 1
Hướng dẫn thực hành dễ dàng với PowerWorld phần I
- 22
- 847
- 2
HƯỚNG DẪN THỰC HÀNH EVIEW TRONG DỰ BÁO
- 31
- 5
- 21
Giáo án - Bài giảng: hướng dẫn thực hành Windows trên máy tính
- 63
- 988
- 1
Hướng dẫn thực hành - Lập trình Windows 1
- 15
- 741
- 6