Home | KTL nâng cao

KTL nâng cao

Giới thiệu và ước lượng mô hình Markov Switching trên Stata

Hướng dẫn thực hiện và đọc kết quả ước lượng mô hình Markov Switching trên Stata

Giới thiệu mô hình Markov Switching Câu lệnh mswitch trong Stata 14 được sử dụng để ước lượng các mô hình hồi quy động thể hiện sự khác nhau giữa các giai đoạn không quan sát (unobserved states) bằng cách sử dụng các tham số trạng thái phụ thuộc (state-dependent parameters) để phù hợp (accommodate) với các cú sốc cấu ...

Đọc tiếp »

Giới thiệu & Phân biệt các phương pháp GMM

Giới thiệu và phân biệt phương pháp DGMM với SGMM

Phương pháp ước lượng GMM được sử dụng để giải quyết vấn đề biến nội sinh trong các mô hình bảng động tuyến tính. Vậy ước lượng GMM là gì? Có những phương pháp GMM nào? Sự khác nhau của những phương pháp đó ra sao? Phần trình bày bên dưới sẽ lần lượt giới thiệu các ước lượng GMM ...

Đọc tiếp »

Hướng dẫn xử lí biến nội sinh trên Stata

Hướng dẫn xử lí biến nội sinh trên Stata

Trong các mô hình bảng tĩnh tuyến tính thì ước lượng IV và 2SLS là hai phương pháp phổ biến để giải quyết vấn đề biến nội sinh. Biến nội sinh là biến có tương quan với phần dư (do bỏ sót biến chẳng hạn) và biến công cụ là biến đại diện cho biến nội sinh thỏa mãn đồng ...

Đọc tiếp »

Hướng dẫn đọc kết quả mô hình EGARCH

Hướng dẫn diễn giải kết quả mô hình EGARCH

Có nhiều mô hình chuỗi thời gian được sử dụng để đo lường sự biến động của thị trường như mô hình ARCH, GARCH…, tuy nhiên, được sử dụng nhiều hơn cả có thể là mô hình EGARCH. Tuy nhiên, để hiểu rõ hơn về EGARCH, chúng ta bắt đầu từ thành phần đơn giản nhất của mô hình, ARCH. ...

Đọc tiếp »

Hướng dẫn kiểm tra nghiệm đơn vị bảng trên Stata

Kiểm tra tính dừng chuỗi dữ liệu bảng trên Stata

Kiểm tra tính dừng của chuỗi dữ liệu bảng (Panel Unit Root Test) là bước đầu tiên quan trọng nhất trong quy trình ước lượng và kiểm định dữ liệu bảng. Tùy vào tính đồng nhất và tính độc lập của các đơn vị bảng mà có nhiều nhóm phương pháp kiểm tra tính dừng dữ liệu bảng như nhóm ...

Đọc tiếp »

Giải thích kết quả mô hình hồi quy mở rộng

Hướng dẫn phân tích kết quả hồi quy mở rộng ERM trên Stata

Qua các bài trước, chúng ta đã biết cách xử lí vấn đề biến nội sinh, chọn mẫu phi ngẫu nhiên, đánh giá phi ngẫu nhiên cũng như ước lượng mô hình trong trường hợp dữ liệu tồn tại đồng thời các vấn đề trên bằng cách sử dụng mô hình hồi quy mở rộng ERM trên Stata. Phần trình ...

Đọc tiếp »

Vấn đề dữ liệu trong hồi quy mở rộng

Xử lí vấn đề biến nội sinh, chọn mẫu và đánh giá phi ngẫu nhiên

Chúng ta đã lần lượt tìm hiểu cách xử lí biến nội sinh và chọn mẫu phi ngẫu nhiên (hay chọn mẫu nội sinh) qua mô hình hồi quy mở rộng. Phần trình bày tiếp theo sẽ giới thiệu cách xử lí sự tồn tại đồng thời của các vấn đề biến nội sinh, chọn mẫu nội sinh hay tham ...

Đọc tiếp »

Chọn mẫu nội sinh trong hồi quy mở rộng

Vấn đề chọn mẫu phi ngẫu nhiên trong hồi quy mở rộng

Như đã đề cập ở phần giới thiệu về hồi quy mở rộng, nếu các yếu tố không quan sát được ảnh hưởng đến các đối tượng trong mẫu mà những yếu tố này lại có mối quan hệ với các yếu tố không quan sát được ảnh hưởng đến kết quả thì việc chọn mẫu là nội sinh và ...

Đọc tiếp »