Hướng Dẫn Thực Hành Eviews Trong Kinh Tế Lượng - Tài Liệu Text

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 )

Bạn đang đọc: hướng dẫn thực hành eviews trong kinh tế lượng – Tài liệu text

HƯỚNG DẪN THỰC HÀNH EVIEWS TRONGKINH TẾ LƯỢNGHUỲNH NGỌC PHƯỚCKhoa Quản Trị Kinh DoanhTrường Đại Học Tôn Đức Thắng, TP. HCM2013Email: [email protected]MỤC LỤCMỤC LỤC 31 Giới thiệu Eviews 11.1 Khởi tạo workfile. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 11.2 Nhập dữ liệu. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 31.2.1 Nhập dữ liệu từ file Excel. .. .. .. .. .. .. .. .. .. .. .. .. . 31.2.2 Nhập dữ liệu trực tiếp. .. .. .. .. .. .. .. .. .. .. .. .. .. . 41.3 Vẽ đồ thị. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 51.4 Thống kê mô tả. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 81.5 Tạo và xóa một series trong workfile. .. .. .. .. .. .. .. .. .. .. .. . 91.5.1 Tạo một series mới trong workfile. .. .. .. .. .. .. .. .. .. .. . 91.5.2 Xóa một series trong workfile. .. .. .. .. .. .. .. .. .. .. .. . 101.6 Một số toán tử và hàm cơ bản trong Eviews. .. .. .. .. .. .. .. .. .. . 101.6.1 Toán tử. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 101.6.2 Hàm số. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 102 Hồi qui hai biến 112.1 Mô hình hồi qui tuyến tính. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 112.2 Khoảng tin cậy β1; β2.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 132.3 Kiểm định giả thiết về các hệ số hồi qui. .. .. .. .. .. .. .. .. .. .. . 143 Mở rộng mô hình hồi qui hai biến 15

3.1 Hồi qui tuyến tính log. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 153.2 Hồi qui log tuyến tính. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . 1624 Hồi qui bội 184.1 Mô hình hồi qui tuyến tính ba biến. .. .. .. .. .. .. .. .. .. .. .. .. 184.2 Kiểm định giả thiết về hệ số hồi qui. .. .. .. .. .. .. .. .. .. .. .. . 204.3 Kiểm định đồng thời. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 204.4 Tìm ma trận 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 có mặt của biến không cần thiết. .. .. .. .. .. .. .. .. . 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 gian 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 tương quan. .. .. .. .. .. .. .. . 416.4 Kiểm định đơn vị đối với tính dừng. .. .. .. .. .. .. .. .. .. .. .. .. 42TÀI LIỆU THAM KHẢO 44Lời nói đầuBài giảng này được xem như là phần bổ sung của Giáo trình kinh tế 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 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 dụngEviews 6.0 và có bổ sung, chỉnh sửa nhiều chổ so với [5]. Bài giảng này sẽ giúp cho sinh viênthực hành các bài tập của môn Kinh tế lượng, cũng như cho những ai sử dụng Eviews để phântích kinh tế.Eviews hỗ trợ rất mạnh mẽ trong việc quản lý dữ liệu, phân tích thống kê, vẽ các đồ thị và inấn kết quả. Hiện nay đã có biên bản Eviews 7.2, tuy nhiên, ở biên bản này có nhiều lỗi và chạykhông ổn định, do đó, tôi chọn Eviews 6.0 để viết bài giảng này. Để biết thêm nhưng thôngtin về phần miềm này, cũng như các ứng dụng mở rộng của Eviews các bạn có thể vào trangweb 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 1Giới thiệu EviewsTrong chương này tôi sẽ giới thiệu những thao tác cơ bản trên Eviews.1.1 Khởi tạo workfileCông việc trước tiên của chúng ta là khởi tạo workfile. Để khởi tạo workfile ta nhấp Dclickvào biểu tượng Eviews trên màn hình, sau đó chọn File/New/Workfile như hình sauKhi ta chọn xong thì ta có1Trong 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 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 xuất hiện hộp thoại dạng2Ta 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 Oksẽ xuất hiện hộp thoại sauKhi khởi tạo xong workfile thì ta chọn Save as để lưu lại.1.2 Nhập dữ liệuTôi 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 ExcelTrong thực tế thì chúng ta thường có file dữ liệu dạng Excel, để dùng Eviews phân tích dữliệu 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/ReadText-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 hộpthoại sau3ta 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 dữ liệu ta chọn Quick/EmptyGroup, sẽ xuất hiện hộp thoại sau4Sau đó chúng ta nhập các dữ liệu vào thì ta đượcCác series

1mặc 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, trước tiên 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 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 biếnchitieu và thunhap ta làm như sau:Từ hộp thoại workfile, chọn Quick/Graph, khi đó sẽ xuất hiện hộp thoại Series list. Ta gõtiên làm trục hoành là thunhap, biến làm trục tung là chitieu như hình sau1cột chuỗi dữ liệu5ta chọn Ok thì sẽ xuất hiện hộp thoại sauta nhấp chọn Scatter rồi chọn Ok ta được đồ thịTa có thể vẽ đường hồi qui mẫu thích hợp nhất đối với tập hợp các số liệu mẫu, muốn vậy tathực hiện các bước như trên, khi chọn Scatter thì trong khung Fit lines ta chọn Regressionline giống như hình sau6Cách 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 & Symbol thayvì Scatter, với workfile trên ta có đồ thị71.4 Thống kê mô tảĐể 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 thunhapvà chitieu, ta nhấp chọn series thunhap và chitieu như hình sau

sau 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 dữ liệu.81.5 Tạo và xóa một series trong workfile1.5.1 Tạo một series mới trong workfileĐể tạo thêm một series mới trong workfile ta có thể nhập trực tiếp như mục 1.2.2, tuy nhiêntrong trương hợp series này có được từ các series đã có trong workfile qua các phép toán thìlàm như sau:Từ hộp thoại workfile, chọn Genr, khi đó xuất hiện 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 sau91.5.2 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 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 xy: Phần tử trong series X lũy thừa phần tử trong series Y tương ứng.1.6.2 Hàm sốD(X): sai phân, D(X) = xi

− xi−1,log(X) = lnX exp(X) = eXabs(X) = |X| sqr(X) =√X@sum(X): Tổng xi@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 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.10Chương 2Hồi qui hai biến2.1 Mô hình hồi qui tuyến tínhMô hình dạngYi= β1+ β2Xi+ U

i.Hàm hồi qui mẫu SRFˆYi=ˆβ1+ˆβ2Xi.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:Yi70 65 90 95 110 115 120 140 155 150Xi80 100 120 140 160 180 200 220 240 260Giả 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 dạng11ta gõ vào màn hình như sau

sau đó nhấp chọn Ok ta đượcBảng 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.ˆβ1= 24, 4545 ,ˆβ2= 0, 509.Std Error Sai số chuẩnse(ˆβ1) = 6, 413817, se(ˆβ2) = 0, 035743.t-Statistic Giá trị của thống kê tt1=ˆβ

1se(ˆβ1)= 3, 812791.t2=ˆβ2se(ˆβ2)= 14, 24317.12Prob Xác suất.P (|T | > 3, 812791) = 0, 0014P (|T | > 14, 317)  0.R-Squared Hệ số xác định R2.Adjusted R-Squared Hệ số xác định điều chỉnh R2.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 làˆYi= 24, 45455 + 0, 0509091Xi.2.2 Khoảng tin cậy β1; β2Với hệ số tin cậy 1 −α, khoảng tin cậy của β1, β2làˆβi± tα/2(n − 2)se(

Xem thêm: Bảng Mã Lỗi Camera Hikvision 2020 [Cách Xử Lý Từng Lỗi] – Camera An Ninh Lê Sơn

ˆβi), i = 1, 2.Ví dụ 2.2 Với số liệu của Ví dụ 2.1, hãy tìm khoảng tin cậy của β1và β2, với độ tin cậy95%.Với kết quả của Ví dụ 2.1, ta đượcse(ˆβ1) = 6, 413817, se(ˆβ2) = 0, 035743.Với độ tin cậy 95% ta cótα/2(n − 2) = t0,025(8) = 2, 3061.Vậy khoảng tin cậy của β1

và β2lần lượt là(24, 4545 − 2, 306.6, 4138; 24, 4545 + 2, 306.6, 4138)1tra 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 các hệ số hồi quiVí dụ 2.3 Với số liệu của Ví dụ 2.1, kiểm định giả thiết H0: β2= 0, đối giả thiết H1: β2= 0,với mức ý nghĩa 5%.Với kết quả của Ví dụ 2.1, ta cót = 14, 243.Với mức ý nghĩa α = 0, 05 ta đượctα/2(8) = 2, 306.Do đó,|t| > tα/2(8), cho nên ta bác bỏ H0

.14Chương 3Mở rộng mô hình hồi qui hai biến3.1 Hồi qui tuyến tính logMô hình dạnglog Yi= β1+ β2log Xi+ Ui.Ý nghĩa của mô hình này lầ cho biết khi X tăng 1% thì Y tăng (giảm) β2%.Ví dụ 3.1 Khảo sát nhu cầu tiêu thụ cafe (Y số tách 1 người dùng mỗi ngày) và giá bán 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 0,75Ước 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 sau15nhấp chọn Ok ta đượctừ đó ta được kết quả hồi qui saulog(ˆYi) = 0, 777418 − 0, 253 log(Xi).Với kết quả này ta thấy khi giá cafe tăng 1% thì nhu cầu cafe giảm 0,25%.3.2 Hồi qui log tuyến tínhMô hình dạnglog Y = β1+ β2t + Ui.t: lấy giá trị 1,2,3, β2là 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 trongkhoảng thời gian 1972-1991 như sauNăm RGDP Năm RGDP Năm RGDP1972 3107,1 1979 3796,8 1986 4404,5

1973 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 4279,8Tìm 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/EquationEstimate, sau đó gõ vào hộp thoại như hình sau16chọn Ok ta đượcKhi đó hàm hồi qui sẽ làlog(ˆRGDP ) = 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: Yi= β1+ β2log Xi+ Ui.Mô hình nghịch đảo: Yi

= β1+ β21Xi+ UiMô hình dạng: Yi= β1+ β2Xi+ β3X2i+ Ui.17Chương 4Hồi qui bội4.1 Mô hình hồi qui tuyến tính ba biếnMô hình dạng

Yi= β1+ β2X2i+ β3X3i+ Ui.Ví dụ 4.1 Cho bảng số liệu về doanh số bán Y, chi phí chào hàng X2và chi phí quảng cáoX3trong năm 2001 ở 12 khu vưc bán hàng của một công ty như sauDoanh số bán Yi(triệu đ) Chi phí chào hàng X2i(triệu đ) Chi phí quảng cáo X3i(triệu đ)1270 100 1801490 106 248

1060 60 1901626 160 2401020 70 1501800 170 2601610 140 2501280 120 1601390 116 2701440 120 2301590 140 2201380 150 150Ước lượng hàm hồi qui tuyến tính của doanh số bán theo chi phí chào hàng và chi phí 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 làˆYi= 328, 1383 + 4, 6495X2i+ 2, 56X3i.Từ Hình 4.1 ta có:Sai số tiêu chuẩn lần lược là:se(ˆ

β1) = 71, 99136, se(ˆβ2) = 0, 469146, se(ˆβ3= 0, 379411.Hễ số xác định của hồi qui bội là R2= 0, 967693.Hệ số xác định điều chỉnh R2= 0, 960514.Ví dụ 4.2 Với số liệu của Ví dụ 4.1, tìm khoảng tin cậy của β2, β3, với hệ số tin cậy 95%.Với hệ số tin cậy 1 −α = 0, 95 =⇒α2= 0, 025. Do đótα/2(n − 3) = t0,025

(9) = 2, 262.19Khoảng tin cậy của β2, β3lần 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 quiH0: βj= B0j; H1: βj= B0j(j = 1, 2, 3).t =ˆβj

− B0jse(ˆβj).• |t| > tα/2(n − 3) thì bác bỏ H0.• |t|  tα/2(n − 3) thì chấp nhận H0.Ví dụ 4.3 Với số liệu Ví dụ 4.1, kiểm định giả thiết H0: β2= 0, H1: β2= 0, với mức ýnghĩa α = 5%.Từ kết quả của Ví dụ 4.1 (xem Hình 4.1), ta được

Xem thêm: Top 19 hướng dẫn sử dụng eview 10 mới nhất 2022

t =ˆβ2− 0se(ˆβ2)=ˆβ2se(ˆβ2)= 9, 9105.tα/2(n − 3) = 2, 262Do đó, |t| > tα/2(n − 3), bác bỏ H0.4.3 Kiểm định đồng thờiH

0: β2= β3= 0F =R2(n − 3)2(1 − R2)• F > Fα(2; n − 3): Bác bỏ H0.• F  Fα(2; n − 3): Chấn nhận H0.Ví dụ 4.4 Với số liệu Ví dụ 4.1, với mức ý nghĩa α = 1%. Kiểm định sự liên quan của biếngiải thích X2, X3, đối với biến phụ thuộc Y.20

Với kết 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 H0.4.4 Tìm ma trận tương quanVới số liệu của Ví dụ 4.1, để tìm ma trân tương quan của các biến Y, X2, X3. Trước hếtta chọn đồng thời các series Y, X2, X3trong wofkfile thidu4_1.wf1, chọn Quick/GroupStatistics/Corelations, khi đó sẽ xuất hiện hộp thoại sauchọn Ok. Ta được ma trân hệ số tương quan như hình sau4.5 Ma trận hiệp phương saiVới workfile thidu4_1.wf1, để tìm ma trân hiệp phương sai của hệ số hồi qui ta thực hiêncác 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