Tài Liệu Hướng Dẫn Thực Hành Kinh Tế Lượng Bằng Phần Mềm Eviews ...

Tải bản đầy đủ (.pdf) (78 trang)

1. Trang chủ
>>
2. Đại cương
>>
3. Kinh tế lượng

Tài liệu hướng dẫn thực hành kinh tế lượng bằng phần mềm eviews 4.0

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.23 MB, 78 trang )

HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 1I HC KINH T QUC DÂN KHOA TOÁN KINH T B MÔN TOÁN KINH T TÀI LIU HNG DN THC HÀNH KINH T LNG BNG PHN MM EVIEWS 4.0 Tác gi: Bùi Dng Hi www.mfe.edu.vn/buiduonghai Lu hành ni b Có b sung so vi bn nm 2013 HÀ NI, 1 / 2014 HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 2MC LC M U 3 § 1 S LIU DÙNG TRONG EVIEWS 6 § 2 NHP S LIU T BÀN PHÍM – X LÝ S LIU 9 § 3 C LNG MÔ HÌNH HI QUY N 18 § 4 C LNG MÔ HÌNH HI QUY BI 23 § 5 MÔ HÌNH VI BIN GI 31 § 6 NH DNG PHNG TRÌNH HI QUY 37 § 7 HIN TNG A CNG TUYN 41 § 8 HIN TNG PHNG SAI SAI S THAY I 44 § 9 MÔ HÌNH VI S LIU CHUI THI GIAN 53 § 10 T TNG QUAN VÀ MÔ HÌNH CÓ BIN TR 61 Chng trình Eviews4 có th ti v ti trang mng Khoa Toán kinh t - i hc Kinh t quc dân: www.mfe.edu.vn  Th vin  D liu - phn mm a ch trên cng là ni có th ti v tài liu hng dn này, và các th mc s liu. Các thc mc, trao đi xin vui lòng gi th cho tác gi theo đa ch th đin t: HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 3M U Eviews là phn mm đc thit k riêng cho các mô hình kinh t lng và chui thi gian. Phn mm này phù hp cho ging dy và hc tp kinh t lng cho đi tng sinh viên đi hc và sau đi hc. Hin nay (1/2013) đã có phiên bn thng mi Eviews7, t phiên bn Eviews5 có yêu cu cài đt cng nh bn quyn. Eviews4 không yêu cu cài đt và bn quyn, có th ti v t trang mng khoa Toán kinh t. Khi đã nm đc các k nng vi Eviews4, vic chuyn sang thc hành vi các phiên bn cao hn là hoàn toàn tng t. Do đó đ phù hp vi thc trng ti Vit Nam, vi mc tiêu to điu kin thun li nht cho sinh viên, tài liu này đc vit cho thc hành phiên bn Eviews4. Vi s đi mi ca giáo trình và chng trình ging dy Kinh t lng ti i hc Kinh t quc dân t nm 2013, ni dung hng dn thc hành cng có s thay đi phù hp. Ni dung trc ht s s dng các s liu chéo, sau đó thc hin vi s liu chui thi gian. Tp chy chng trình Eviews có biu tng là . Nhn vào biu tng ca Eviews, ca s chính ca chng trình xut hin. Ca s chính ca chng trình Eviews gm các phn: - Thanh chc nng: thc hin các thao tác đã đc chng trình đnh sn, tng t nh các chng trình chy trong Windows. - Ca s lnh: bên di thanh chc nng là ni đ vit lnh trc tip. Có th dùng chut đ kéo rng ca s lnh tùy ý. - Thanh ch dn: xác đnh đng dn đn tp đang s dng. - Các nút thu nh, m rng ca s, và thoát khi chng trình. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 4 Có th không cn s dng chut mà dùng bàn phím đ chn la các nút. n và gi phím Alt trên bàn phím, trên dòng task bar các la chn s t đng gch chân các ch cái. Khi đó phím Alt và nhn phím tng ng vi ch cái tng ng s cho kt qu ging nh khi dùng chut chn nút đó. Ví d: Khi gi phím Alt, gõ phím F tng đng vi nhn chut vào nút File; ch E tng đng vi nút Edit. - Ngn cách phn nguyên và phn thp phân ca mt s, Eviews dùng du chm “.” Ca s lnh Thanh chc nng Thanh ch dn Thoát khi Eviews HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 5Mt s ch th c bn ca Eviews Eviews làm vic vi mt s dng ch th c bn, mi ch th có th lu li và đt tên đ có th d dàng s dng khi cn thit. Mt s ch th thông dng gm: Series: Thông tin v tng bin s. Group: Thông tin v mt s bin s xét cùng lúc. Graph: Thông tin đ th.  th có th gm đ th ca mt bin, đ th ca nhiu bin, đ th ca các bin theo nhau. Equation: Thông tin v mt phng trình hi quy System: Thông tin v mt h nhiu phng trình hi quy. Mt s kí hiu dùng cho thc hành  : Thao tác, thc hin thao tác yêu cu. Ví d  Chn View : dùng chut nhn vào nút View  : Kt qu ca thao tác.  : Các thao tác, chn la k tip nhau. Ví d: File  Open: Chn nút File ri nút Open. [?] : Câu hi, cn nm đc lý thuyt đ tr li. Tt c các câu hi kim đnh trong sách đu đc thc hin vi mc ý ngha  là 5%. Cp ngoc vuông […]: do trong Eviews có th m nhiu ca s cùng lúc, do đó cp ngoc vuông đ xác đnh ca s cn thc hin thao tác. Ví d [Eviews] là ca s chính. -  ngn gn và thun tin v sau, các nút trên các ca s đc vit trong cp du < >, ví d: <Ok>, <Cancel> HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 6§ 1 S LIU DÙNG TRONG EVIEWS Eviews là chng trình x lý s liu, c lng phng trình hi quy, phân tích chui thi gian, do đó vic hiu rõ v s liu là điu cn thit.  hiu rõ cu trúc s liu đc qun lý và x lý bi Eviews, m mt s b s liu và quan sát các s liu sau. M b s liu chéo (cross-section)  Ti ca s chính, chn File  Open Trong la chn Open, có bn dng đnh dng tp có th m: - Dng Workfile: là tp d liu và thc hin các phân tích thông thng. ây là dng c bn, trong tp có th lu s liu, các đ th, các phng trình hi quy, kt qu c lng. - Dng Database: c s d liu, bao gm nhiu đnh dng. - Dng Program: các chng trình đc lp trình trc đó - Dng Text File: các tp lu tr dng vn bn HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 7 Chn dng Workfile, là dng thông thng nht đ tính toán x lý s liu vi Eviews.  Chn th mc DATA2012, tp s liu YWKM, ca s Workfile m ra. Trên ca s này có mt s thông tin: - Dòng trên cùng: Tên ca Workfile và đng dn - Các nút vi các chc nng khác nhau, s đc đ cp sau - Khong s liu và Mu t 1 đn 100 Bên di ca ca s, lit kê các ch th mà Workfile đang qun lý, gm: c k m resid tc w y. Nhn vào nút Label+/-, xut hin các thông tin v thi gian khi to các s liu này, và chú thích v ba bin. Hai ch th c resid không có chú thích, vì đây là hai ch th đc bit dùng đ lu các thông tin riêng. Thông tin ca mt bin s thông thng bao gm: - Tên bin: Ti đa 24 ký t ch gm ch và s, không có du cách, bt đu bi ch cái. - Nhãn bin: chú thích v ý ngha ca bin - Tn s: nu s liu chéo thì đánh s th t, nu chui thi gian thì theo th t thi gian - Giá tr ca bin: đo lng bng s, du ngn cách vi phn thp phân là du chm. Khi cha có giá tr thì kí hiu là NA (not available) c : ch th cha các h s tính đc t các phng trình hi quy, các mô hình. Khi cha có kt qu hi quy t phng trình nào, các giá tr ca C đc gán bng 0 resid: là chui nhn s nhn giá tr là phn d t có đc t vic c lng các phng trình hi quy. Khi cha có phng trình hi quy, các giá tr Resid đu cha có. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 8  Nhn đúp chut trái vào k, ca s [Series: K] m ra. Ct ngoài cùng bên trái obs th t ca quan sát t 1 đn 100, các giá tr ca bin K đc lit kê theo các quan sát t ct tip theo trong bng.  Chn resid, m ca s [Series: RESID] vi các giá tr đu là NA vì cha có kt qu tính toán nào đc thc hin.  Ti ca s [Workfile], s dng chut đánh du (bôi đen) các bin t K, M, TC, Y, W nháy chut phi, chn Open  as Group, tt c các bin đu đc lit kê trong cùng mt ca s [Group]. M b s liu có tn s theo Quý M b s liu mi, ti ca s [Eviews] File  New, chn tp VNQ_GDP. B s liu đc th hin t 2004:1 đn 2012:3, vi mt ch s sau du “:”. Vi cách th hin này, s liu là t Quý 1 nm 2004 đn Quý 3 nm 2012.  Chn bin bt k, chng hn GDP, m ra di dng ca s [Series]. Vi ca s này, tn sut bin có chu k 1, 2, 3, 4, 1,… th hin đây là s liu Quý. M b s liu có tn s theo Tháng M b s liu mi, ti ca s [Eviews] File  New, chn tp VNM_EXIM. B s liu đc th hin t 2004:01 đn 2008:12, vi hai ch s sau du “:”, th hin là s liu t Tháng 1 nm 2004 đn Tháng 12 nm 2008.  bit ý ngha các bin, chn nút Label trên thanh chc nng ca ca s [Workfile]. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 9§ 2 NHP S LIU T BÀN PHÍM – X LÝ S LIU Xét b s liu ví d sau đc mô phng v 12 h gia đình, vi X2 là tng tin lng, X3 là tng thu nhp khác, Y là tng chi tiêu. STT X2 (Lng) X3 (TN khác) Y (Chi tiêu) 1 20 16 24.4 2 30 10 31.2 3 28 2 29.2 4 24 0 23.6 5 32 18 36.0 6 36 10 31.4 7 32 16 32.6 8 34 24 36.8 9 24 28 32.8 10 22 20 29.8 11 28 8 30.2 12 30 4 26.8 Thc hin nhp b s liu trên và lu li di dng mt tp chuyên dng ca Eviews. 2.1 nh dng tn s và nhp s liu Ti ca s chính ca Eviews, đ thun tin, đóng ca s nh đang m (nu có)  Chn File  New : Ca s [Workfile Range]: tn s ca s liu. Du la chn đc ngm đnh đt ti la chn “Annual” HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 10Frequency - tn s ca s liu Tn s và đnh dng Ví d u – cui Ý ngha Annual (Nm) yyyy Start: 1991 End: 2005 15 quan sát theo nm, t nm 1991 đn nm 2005 Semi-annual (Na nm) yyyy:h Start: 1991:1 End: 2005:2 30 quan sát theo na nm, t na đu nm 1991 đn na sau nm 2005 Quarterly (Quý) yyyy:q Start: 1991:1 End: 2005:4 60 quan sát theo quý, t quý 1 nm 1991 đn quý 4 nm 2005 Monthly (Tháng) yyyy:mm Start: 1991:01 End: 2005:12 180 quan sát theo tháng, t tháng 1 nm 1991 đn tháng 12 nm 2005 Weekly (Tun) mm/dd/yyyy Start: 01/01/2008 End: 12/01/2008 49 quan sát theo tun, t tun có ngày 1 tháng 1 nm 2008 đn tun có ngày 1 tháng 12 nm 2008 Daily [5day] (Ngày: tun 5 ngày) mm/dd/yyyy Start: 11/12/2008 End: 12/11/2008 22 quan sát theo ngày, t ngày 12 tháng 11 nm 08 đn ngày 11 tháng 12 nm 08, không có ngày cui tun Daily [7day] (Ngày: tun 7 ngày) mm/dd/yyyy Start: 11/12/2008 End: 12/11/2008 29 quan sát theo ngày, t ngày 12 tháng 11 nm 08 đn ngày 11 tháng 12 nm 08, có ngày cui tun Undated or Irregular (Quy tc khác) Start: 1 Start: 30 30 quan sát không theo thi gian, hoc theo thi gian nhng quy tc khác HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 11Vi b s liu ví d trên là s liu chéo, s quan sát t 1 đn 12.  Frequency:  Undated or irregular  Start date: 1  End date: 12 : m ca s Workfile Ca s [Workfile] là ca s qun lý vic nhp, lu, x lý s liu. Trong ca s Workfile ch có hai bin là các h s C và phn d Resid. Cn to ba bin s mi và nhp s liu.  Ti ca s [Eviews], chn Quick  Empty Group (Edit Series) M ca s [Group]  Chn ô đu tiên bên phi ô obs, nhp tên bin là X2, các ô bên di t đng chuyn thành NA, nhp các giá tr ca bin X2 ng vi các s liu đã có. Tip tc vi ct bin X3 và bin Y. Ti ca s [Workfile], biu tng ca X2, X3, và Y xut hin. Nhp nhãn bin Các bin X2, X3 và Y đã nhp cha có nhãn, cn nhp nhãn đ chú thích ý ngha ca các bin.  Ti ca s [Workfile], nhn chut đúp vào bin X2, m ca s [Series: X2] chn Name, m ca s [Object Name] HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 12 Trong ca s này, ô trng  trên là tên bin, ô trng bên di đ nhp nhãn bin. Vi ví d đang xét, nhãn cho bin X2 là: Luong. Tng t, có th nhp nhãn cho bin X3 là Thu nhap khac và bin Y là Chi tieu. 2.2 Sa đi s liu và lu s liu Trng hp cn sa đi s liu, ví d bin X2 có th thc hin theo trình t:  Chn bin X2, m ca s [Series: X2], chn nút Edit+/- và thay đi các giá tr cn thit. S liu đã nhp có th lu li di dng tp chuyên dng ca Eviews, đ có th m và s dng khi cn thit.  Ti ca s [Eviews] Chn File  Save (hoc Save as)  Ca s [SaveAs] : Chn v trí và tên tp. Các tp có đuôi ngm đnh là .wf1. S liu đã nhp  phn 2.1 là s liu thô.  thy đc rõ hn các thông tin cha đng trong các bin đó, cn thc hin tính các thng kê vi tng bin, xem xét tng quan, đ th mô t v các bin và mi liên h gia chúng. 2.3 V đ th Mô t s liu qua đ th và các thng kê đc trng c bn là x lý ban đu cn thit đi vi các bin s.  Chn X2 và Y, m ca s [Group] ( chn riêng các bin cách nhau, gi phím Ctrl) HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 13V đ th các bin theo quan sát Lu ý: dng đ th đng (line) thng ch dùng cho s liu chui thi gian, s liu chéo nên chn đ th ct)  [Group] View  Graph  Bar Kt qu cho đ th ct ca X2 và Y theo quan sát trên cùng h ta đ.  v đ th ca bin này theo bin kia, mi bin trên mt trc ta đ, la chn:  [Group] View  Graph  Scatter  Simple Scatter Kt qu cho đ th đim ca bin Y trên trc tung và X2 trên trc hoành. Eviews ngm đnh bin xp sau nm trên trc tung, bin xp trc nm  trc hoành. Xác đnh đc hình nh ca đng hi quy bng cách chn:  [Group] View  Graph  Scatter  Scatter with Regression Ca s [Global Fit Option], nu không đnh dng đc bit, chn OK, kt qu là đ th đim vi đng hi quy 162024283236402 4 6 8 10 12LUONG CHI TIEUHNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 14 Lu đ th Có th lu đ th đ chèn vào các chng trình son tho vn bn  Ca s [Group] có đ th, nhn t hp Ctrl+C, m ca s [Graph Metafile], chn OK, m vn bn và nhn Ctrl+V đ dán đ th đã lu. Thay đi đnh dng đ th:  Ti ca s [Group] có đ th, chn Freeze, m ca s [Graph]. Vi la chn [Graph] Proc  Options : ca s [Graph Option] vi các la chn cho đnh dng. [Graph] Proc  Add text: Thêm dòng ch vào đ th [Graph] Proc  Save Graph: lu đ th đ chèn vào vn bn [Graph] Name: lu đ th di dng mt ch th, đt tên. Ngoài ra còn nhiu la chn khác vi đ th Bên cnh cách chn v đ th t ca s [Graph], có th có cách khác đ v đ th: Ca s [Eviews] Quick  Graph: chn loi đ th, và th t ca các bin đ v đ th. V đ th trên nhiu h ta đ: mi bin trên mt h ta đ riêng  [Group] Multiple Graphs. 22242628303234363816 20 24 28 32 36 40LUONGCHI TIEUCHI TIEU vs. LUONGHNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 152.4 Thng kê mô t Các thng kê mô t v các bin và tng quan gia các bin là nhng thông tin c bn đ đánh giá v bin. Thng kê mô t ca các bin  Ca s [Group] View  Descriptive Stats  Common Sample X2 X3 Y Trung bình Mean 28.33333 13.00000 30.40000 Trung v Median 29.00000 13.00000 30.70000 Ti đa Maximum 36.00000 28.00000 36.80000 Ti thiu Minimum 20.00000 0.000000 23.60000  lch chun Std. Dev. 4.960450 8.800826 4.063138 H s bt đi xng Skewness -0.198458 0.110321 -0.163204 H s nhn Kurtosis 1.965517 1.967268 2.300945 Thng kê JB Jarque-Bera 0.613848 0.557609 0.297610 Mc xác sut Probability 0.735706 0.756688 0.861737 Tng Sum 340.0000 156.0000 364.8000 Tng bình phng chênh lch Sum Sq. Dev. 270.6667 852.0000 181.6000 S quan sát Observations 12 12 12 Thng kê JB và P-value dùng đ kim đnh v cp gi thuyt: H0: bin phân phi theo quy lut Chun H1: bin không phân phi theo quy lut Chun [?] - Trung bình, phng sai bin nào ln nht, nh nht - Trong mu, các bin có phân phi lch trái hay lch phi - Qua kim đnh JB, các bin có phân phi chun không? H s tng quan  [Group] View  Correlations  Common Sample X2 Y X2 1.000000 0.636883 Y 0.636883 1.000000 HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 16Phng sai - hip phng sai  [Group] View  Covariances  Common Sample X2 Y X2 22.55556 11.76667 Y 11.76667 15.13333 Kim đnh so sánh các bin Kim đnh so sánh trung bình, trung v, phng sai ca hai bin  [Group] View  Test of Equality, m ca s [Test Between Series], có ba la chn kim đnh Kim đnh s bng nhau ca hai trung bình: Mean Test for Equality of Means Between Series Sample: 1 12 Included observations: 12 Method df Value Probability t-test 22 1.116504 0.2763 Anova F-statistic (1, 22) 1.246580 0.2763 Kim đnh s bng nhau ca hai phng sai: Variance Test for Equality of Variances Between Series Included observations: 12 Method df Value Probability F-test (11, 11) 1.490455 0.5190 Siegel-Tukey 0.086621 0.4045 Bartlett 1 0.416188 0.5188 Levene (1, 22) 0.780029 0.3867 Brown-Forsythe (1, 22) 0.747508 0.3966 [?] - Có th cho rng trung bình ca X2 và Y là bng nhau không? - Có th cho rng phng sai ca X2 và Y bng nhau không? HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 172.5 t bin mi Bên cnh các bin đã nhp s liu là X2, X3 và Y, có th đt các bin mi t các bin đã có hoc nhp bin s mi. Ví d: cn đt bin mi tng thu nhp: Z = X2 + X3  [Eviews] Quick  Generates Series: m ca s [Generate Series by Equation] Ti ô Enter Equation gõ: Z = X2 + X3 Ti ô Sample, ngm đnh mu mà lnh đt bin có tác dng là toàn b. Khi cn có th thay đi mu này. Nhn OK đ chp nhn. Khi không cn thay đi mu, có th s dng lnh trong Ca s lnh.  [Ca s lnh] GENR Z = X2 + X3 Bin Z đc to ra nm trong ca s [Workfile]. Các hàm và lnh c bn Ngoài các phép toán c bn: cng [+], tr [–], nhân [*], chia [/], ly tha [^], các hàm c bn ca Eviews nh sau: Tên Ý ngha Ví d Kt qu LOG Logarit t nhiên LX = LOG(X) ln( )i iLX X EXP Hàm m c s t nhiên EX = EXP(X) iXiEX e ABS Giá tr tuyt đi AX = ABS(X) | |i iAX X SIN Hàm sin SIN(X) Sin(X) COS Hàm cosin COS(X) Cosin(X) (-J) Tr bc J X4 = X(-4) 44i iX X D(X) Sai phân bc 1 DX = D(X) 1i i iDX X X  HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 18§ 3 C LNG MÔ HÌNH HI QUY N (Tip theo § 2) Vi b s liu t bài 2, nhn xét qua đ th gia Y và X2, thy gia hai bin có xu th cùng chiu, h s tng quan gia hai bin bng 0,636883 dng, do đó có th xác đnh mt mô hình hi quy trong đó Chi tiêu (Y) ph thuc vào Lng (X2) dng tuyn tính vi hai h s. Hàm hi quy tng th PRF: 1 2( | 2) 2E Y X X   Dng ngu nhiên 1 22Y X u    Mô hình (3.1) Nu xét bin hng s C luôn bng 1, có th vit mô hình (3.1): 1 22Y C X u    Vi mu kích thc là 12 gm 12 quan sát đã nhp, hàm hi quy mu SRF có dng: 1 2ˆ ˆˆ2i iY X   1 2ˆ ˆ2i i iY X e    Dùng phng pháp Bình phng nh nht (Least Squares - LS) vi b s liu đã nhp, tính toán các c lng, và các thng kê cn thit dành cho phân tích. 3.1 c lng mô hình  [Eviews] Quick  Estimate Equation (Ngoài ra còn 4 cách khác, đc đ cp sau) Ca s đnh dng phng trình xut hin. Ca s [Equation Specification] gm ô khai báo phng trình hi quy, phng pháp c lng, mu đ c lng. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 19 Vi mô hình hi quy Y theo X2 có h s chn, có hai kiu khai báo: Kiu 1: Y = C(1) + C(2)*X2 Kiu 2: Y C X2 S dng kiu khai báo th hai, phng pháp LS – bình phng nh nht, mu 1 đn 12, đc kt qu  ca s [Equation] Dependent Variable: Y Method: Least Squares Date: …Time: … Sample: 1 12 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. C 15.61921 5.737035 2.722523 0.0215 X2 0.521675 0.199698 2.612324 0.0259 R-squared 0.405619 Mean dependent var 30.40000 Adjusted R-squared 0.346181 S.D. dependent var 4.063138 S.E. of regression 3.285415 Akaike info criterion 5.367875 Sum squared resid 107.9395 Schwarz criterion 5.448692 Log likelihood -30.20725 F-statistic 6.824238 Durbin-Watson stat 1.680815 Prob(F-statistic) 0.025937 Khai báo phng trình hi quy HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 20Nu s dng cách khai báo th nht: Y = C(1) + C(2)*X2 thì kt qu ch khác phn th hin các h s nh sau Y = C(1) + C(2)*X2 Coefficient Std. Error t-Statistic Prob. C(1) 15.61921 5.737035 2.722523 0.0215 C(2) 0.521675 0.199698 2.612324 0.0259 Các thông tin khác vn gi nguyên Bên cnh Cách 1 [Eviews] Quick  Estimate Equation nh trên, còn mt s cách sau: Cách 2: [Eviews] Objects  New Object  Equation  OK Cách 3: Chn X2, Y thành ca s [Group] Procs  Make Equation Cách 4: Chn X2 và Y, nhn chut phi  Open  As Equation Cách 5: [Ca s lnh] LS Y C X2 Cách s dng lnh LS Y C X2 là đn gin nht, s đc s dng trong các phn sau. Các kiu th hin kt qu hi quy  [Equation] View  Representations : đc các kt qu Estimation Command: ===================== LS Y C X Câu lnh đ c lng (vit trong ca s lnh) Estimation Equation: ===================== Y = C(1) + C(2)*X2 Phng trình hi quy Substituted Coefficients: ===================== Y = 15.61921182 + 0.5216748768*X2 Kt qu c lng  [Equation] View  Estimation Output : bng kt qu chi tit HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 213.2 Lu kt qu  [Equation] Name: ca s [Object Name], tên ngm đnh cho kt qu c lng phng trình hi quy là eq01. Nu chn OK, thì ch th eq01 đc to ra trong Workfile. Mun sao và dán kt qu c lng đ chèn vào các vn bn, đánh du toàn b bng kt qu chi tit, nhn chut phi, chn Copy, chn loi gi nguyên đnh dng hoc không gi đnh dng, ri ti ni cn dán chn Paste; hoc s dng t hp Ctrl+C và Ctrl+V. 3.3 Xem phn d và giá tr c lng (giá tr tng hp) Sau khi c lng mt mô hình hi quy, có th đánh giá kt qu thông qua các giá tr phn d (residuals) và các giá tr c lng ca bin ph thuc (còn gi là giá tr tng hp – fitted values).  [Equation] View  Actual, Fitted, Residual  Actual, Fitted, Residual Table c bng giá tr và đ th phn d, Actual là giá tr thc t b s liu: Yi, Fitted là giá tr c lng bi hàm hi quy i, Residual là giá tr phn d: ei hay ûi. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 22[?] - Quan sát nào có giá tr thc t và giá tr c lng gn nhau nht, xa nhau nht? Khi đó giá tr thc t cao hn hay thp hn giá tr c lng? - Vi nhng quan sát nào thì đng hi quy mô t gn đúng nht s bin đng ca bin ph thuc Y? Có th xem đ th ca giá tr thc t, giá tr c lng, và phn d trên cùng h ta đ hoc đ th ca riêng phn d bng cách chn Actual, Fitted, Residual Graph. Các đ th này có th lu li hoc ct dán vào các vn bn tng t nh đ th ca các bin X2, Y. Kim đnh tính phân phi chun ca phn d  [Equation] View  Residual Tests  Histogram-Normality Test [?] - Phn d phân phi lch trái hay lch phi hay đi xng? - Sai s có phân phi chun không? Thc hin hi quy Chi tiêu (Y) theo Thu nhp khác (X3) và gii thích ý ngha; so sánh kt qu vi mô hình Y ph thuc X2. Hi quy Chi tiêu theo Tng thu nhp (X2 + X3), khi đó c lng đim tiêu dùng t đnh và khuynh hng tiêu dùng cn biên bng bao nhiêu? 012345-5.0 -2.5 0.0 2.5 5.0Series: ResidualsSample 1 12Observations 12Mean -2.96E-15Median -0.047783Maximum 4.660591Minimum -4.539409Std. Dev. 3.132520Skewness -0.010518Kurtosis 1.816787Jarque-Bera 0.700217Probability 0.704612HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 23§ 4 C LNG MÔ HÌNH HI QUY BI Bài này s s dng b s liu YWKM có sn nm trong th mc DATA2012 đ thc hành. ây là b s liu v sn lng và chi phí sn xut ca mt s doanh nghip 4.1 M tp s liu có sn  [Eviews] File  Open  Chn tp s liu YWKM trong th mc tng ng Ca s [Workfile] gm các bin s xp theo th t K, M, TC, W, Y, vi Y là sn lng, W là chi cho công nhân, M là chi cho qun lý, K là chi phí khác gm máy móc thit b nguyên nhiên vt liu – hay còn gi là chi phí vn, TC là tng chi phí. Nh vy TC là tng ca W, M, K. 4.2 ánh giá chung v các bin  Xem thng kê đc trng mu ca tt c các bin (Descriptive Stats) [?] - Trung bình ca các bin bng bao nhiêu? - Bin nào có s bin đng tuyt đi đo bng phng sai ln nht, nh nht? Bin nào có s bin đng tng đi đo bng h s bin thiên ln nht, nh nht? - Bin nào đi xng nht, bt đi xng nht? - Bin nào có phân phi chun?  Xem ma trn tng quan ca các bin (Correlations) [?] - Cp bin nào có tng quan ngc chiu? - Cp bin nào có tng quan cht nht, lng nht? - Sn lng tng quan vi bin nào cht ch nht? HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 244.3 c lng mô hình Xét mô hình 1 2 3( | , )E Y W K W K     (MH 4.1) Hay 1 2 3i i i i iY C W K u       [Ca s lnh] LS Y C W K  Dependent Variable: Y Sample: 1 100 Included observations: 100 Variable Coefficient Std. Error t-Statistic Prob. C -485.9608 95.85601 -5.069695 0.0000 W 2.214092 0.050943 43.46253 0.0000 K 1.292811 0.044404 29.11470 0.0000 R-squared 0.964118 Mean dependent var 3707.680 Adjusted R-squared 0.963378 S.D. dependent var 1425.836 S.E. of regression 272.8616 Akaike info criterion 14.08535 Sum squared resid 7221985. Schwarz criterion 14.16350 Log likelihood -701.2674 F-statistic 1303.136 Durbin-Watson stat 2.090510 Prob(F-statistic) 0.000000 [?] - Gii thích ý ngha các c lng h s? Kt qu có phù hp vi lý thuyt kinh t không? - Hàm hi quy có phù hp không? Ý ngha ca điu này là gì? - Trong mu, các bin đc lp W và K gii thích bao nhiêu % s bin đng ca bin Y? - Các h s góc có ý ngha thng kê không? iu này có ý ngha nh th nào? Xem giá tr c lng bin ph thuc (giá tr tng hp) và phn d  [Equation] Actual, Fitted, Residual  Actual, Fitted, Residual Table: đ xem giá tr c lng bin ph thuc và phn d.  [Equation] Actual, Fitted, Residual  Actual, Fitted, Residual Graph: đ xem đ th các giá tr. HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2014 www.mfe.edu.vn/buiduonghai 254.4 Phng sai, hip phng sai các c lng h s  có th c lng, kim đnh v hn mt h s hi quy, cn có c lng phng sai, hip phng sai ca các c lng h s.  [Equation] Covariance Matrix C W K C 9188.374 -2.461994 -3.582358 W -2.461994 0.002595 0.000123 K -3.582358 0.000123 0.001972 [?] - Phng sai ca các c lng h s bng bao nhiêu? - Hip phng sai c lng hai h s góc bng bao nhiêu? - Hip phng sai các c lng h s đc dùng trong trng hp nào? - S dng kt qu hip phng sai, và bng kt qu hi quy mô hình t phn đu, cho bit nu W và K cùng tng mt đn v thì trung bình ca Y thay đi nh th nào? - Kim đnh gi thuyt cho rng: h s ca bin W ln gp đôi h s ca bin K. - Nu W tng mt đn v, nhng K gim mt đn v, thì Y s tng lên hay gim đi, tng lên (gim đi) ti đa bao nhiêu, ti thiu bao nhiêu? 4.5 Kim đnh v các h s - kim đnh Wald Eviews thc hin kim đnh ràng buc v các h s hi quy bng kim đnh Wald, s dng thng kê F và thng kê 2. Xét cp gi thuyt H0: 2 = 2,3 H1: 2 ≠ 2,3 Mô hình ban đu: 1 2 3i i i iY W K u      (4.1) Mô hình có ràng buc: 1 32.3i i i iY W K u      (4.2)

Tài liệu liên quan

• Tài liệu Hướng dẫn thực hành Access ppt
  • 48
  • 1
  • 13
• Tài liệu Hướng dẫn thực hành MS-Excel 2003 pptx
  • 38
  • 824
  • 6
• Tài liệu Hướng dẫn thực hành Thiết kế mạng pptx
  • 33
  • 833
  • 0
• Tài liệu Hướng dẫn thực hành Lập trình C trên Windows pdf
  • 8
  • 939
  • 2
• Tài liệu Tài liệu hướng dẫn thực hành: KĨ THUẬT LẬP TRÌNH C/C++ - Bài 1: Lập trình cơ sở doc
  • 6
  • 868
  • 3
• Tài liệu Xử lý và phân tích ảnh viễn thám với ENVI - tài liệu hướng dẫn thực hành phần I1 docx
  • 10
  • 970
  • 10
• Tài liệu Xử lý và phân tích ảnh viễn thám với ENVI - tài liệu hướng dẫn thực hành phần III doc
  • 24
  • 749
  • 2
• Tài liệu Hướng dẫn thực hành trắc địa đại cương pot
  • 157
  • 2
  • 30
• Hướng dẫn thực hành kinh tế lượng ver2 0
  • 32
  • 717
  • 0
• Hướng dẫn thực hành kinh tế lượng Eview
  • 32
  • 3
  • 4

Tài liệu bạn tìm kiếm đã sẵn sàng tải về

(1.51 MB - 78 trang) - Tài liệu hướng dẫn thực hành kinh tế lượng bằng phần mềm eviews 4.0 Tải bản đầy đủ ngay ×