tailieunhanh - Bài giảng Kinh tế lượng: Chương 6 - Nguyễn Thị Thùy Trang

Bài giảng Kinh tế lượng: Chương 6 Mô hình hồi quy với số liệu chuỗi thời gian do Nguyễn Thị Thùy Trang biên soạn với các nội dung chính như sau: Một số khái niệm, mô hình hồi quy chuỗi thời gian, một số mô hình chuỗi thời gian cơ bản, tính chất mẫu lớn của các ước lượng OLS | CHƯƠNG VI: MÔ HÌNH HỒI QUY VỚI SỐ LIỆU CHUỖI THỜI GIAN . Một số khái niệm . Mô hình hồi quy chuỗi thời gian . Một số mô hình chuỗi thời gian cơ bản . Tính chất mẫu lớn của các ước lượng OLS 1 1. Số liệu chuỗi thời gian – Một số khái niệm Khái niệm chuỗi thời gian Thí dụ Số liệu chuỗi thời gian và tính tự tương quan (Autocorrelation) Cov(Xt, Xt – p) ≠ 0 với p = 1, 2, Số liệu chuỗi thời gian và yếu tố mùa vụ (Seasonal) Số liệu chuỗi thời gian và yếu tố xu thế (Trend) Thí dụ 2. Mô hình hồi quy với số liệu thời gian . Các giả thiết của mô hình Xét mô hình Yt = β1+ β2X2t+ + βkXkt + ut Giả thiết 1: Cov(ut , us ) = 0 với mọi t ≠ s Giả thiết 2: E(ut) = 0 với mọi t và Cov(Xt , us) = 0 với mọi t, s Chú ý: Nếu biến giải thích X thỏa mãn thì biến X được gọi là biến ngoại sinh chặt Nếu biến giải thích X thỏa mãn thì biến X được gọi là biến ngoại sinh Cov(Xt , us) = 0 với mọi t, s Cov(Xt , ut) = 0 với mọi t Giả thiết 3: Var(ut) = σ2 với mọi t Giả thiết 4: Các biến độc lập trong mô | CHƯƠNG VI: MÔ HÌNH HỒI QUY VỚI SỐ LIỆU CHUỖI THỜI GIAN . Một số khái niệm . Mô hình hồi quy chuỗi thời gian . Một số mô hình chuỗi thời gian cơ bản . Tính chất mẫu lớn của các ước lượng OLS 1 1. Số liệu chuỗi thời gian – Một số khái niệm Khái niệm chuỗi thời gian Thí dụ Số liệu chuỗi thời gian và tính tự tương quan (Autocorrelation) Cov(Xt, Xt – p) ≠ 0 với p = 1, 2, Số liệu chuỗi thời gian và yếu tố mùa vụ (Seasonal) Số liệu chuỗi thời gian và yếu tố xu thế (Trend) Thí dụ 2. Mô hình hồi quy với số liệu thời gian . Các giả thiết của mô hình Xét mô hình Yt = β1+ β2X2t+ + βkXkt + ut Giả thiết 1: Cov(ut , us ) = 0 với mọi t ≠ s Giả thiết 2: E(ut) = 0 với mọi t và Cov(Xt , us) = 0 với mọi t, s Chú ý: Nếu biến giải thích X thỏa mãn thì biến X được gọi là biến ngoại sinh chặt Nếu biến giải thích X thỏa mãn thì biến X được gọi là biến ngoại sinh Cov(Xt , us) = 0 với mọi t, s Cov(Xt , ut) = 0 với mọi t Giả thiết 3: Var(ut) = σ2 với mọi t Giả thiết 4: Các biến độc lập trong mô hình không có quan hệ đa cộng tuyến hoàn hảo Giả thiết 5: ut ~ N(0; σ2) với mọi t Một mô hình với số liệu thời gian thỏa mãn 5 giả thiết nêu trên thì các ước lượng nhận được bằng phương pháp OLS là các ước lượng tuyến tính, không chệch, tốt nhất. . Một số mô hình hồi quy chuỗi thời gian a) Mô hình hồi quy tĩnh Yt = β1 + β2X2t + . . . + βkXkt + ut Cho phép xem xét mối quan hệ tức thời giữa các biến số b) Mô hình động Nhiễu trắng (White noise) Chuỗi thời gian εt được gọi là nhiễu trắng nếu nó thỏa mãn đồng thời 3 điều kiện sau (i) E(εt ) = 0 với mọi t (ii) Var(εt ) = σ2 với mọi t (iii) Cov(εt ,εs) = 0 với mọi t ≠ s Mô hình có trễ phân phối (Distributed lag model) Yt = α + β0Xt + β1Xt -1 + . . . + βpXt – p + ut Mô hình tự hồi quy [Autoregressive model – AR(p)] Yt = β0 + β1Yt – 1+ . . . + βpYt - p + ut hoặc mô hình có dạng Yt = β0 + β1Yt – 1+ . . . + βpYt - p + αXt + ut trong đó X là biến ngoại sinh c) Mô hình có yếu tố xu thế (Trend) và yếu tố mùa vụ (Seasonal) Mô hình có yếu tố xu .