Hướng dẫn ước lượng mô hình nhân tố động DFM

Sử dụng câu lệnh dfactor trên Stata

Làm thế nào để ước lượng hiệu quả một mô hình với rất nhiều chỉ số tài chính, vĩ mô được thu thập theo thời gian. Liệu có tồn tại một hay một vài các nhân tố ẩn có thể giải thích (đại diện) cho những chỉ số này? Tương tự như phương pháp phân tích nhân tố hay phân tích thành phần chính vốn được sử dụng phổ biến trong khoa học xã hội thì các mô hình nhân tố động, DFM (Dynamic-factor models) lại được sử dụng rất hiệu quả đối với dữ liệu thời gian.

Mô hình DFM là một phương pháp rút gọn một tập lớn các chỉ số qua những nhân tố ẩn. Mô hình cho phép ước lượng các tham số trong trường hợp các biến nội sinh quan sát, các nhân tố ẩn là hàm tuyến tính của các biến ngoại sinh, cấu trúc vectơ tự hồi quy của các nhân tố ẩn cũng như các sai số nhiễu. Có thể sử dụng lệnh dfactor để ước lượng mô hình nhân tố động trên Stata. Câu lệnh dfactor cũng ước tính các tham số của mô hình nhân tố tĩnh, ước lượng dường như không liên quan (SUR) và mô hình vector tự hồi quy (VAR) với nhiều sự linh hoạt như cho phép bổ sung các ràng buộc trên ma trận hiệp phương sai của các sai số.

Phần nội dung có thu phí bên dưới đã được ẩn.

Xin mời bạn đăng nhập để tiếp tục nội dung...

* Nếu chưa có tài khoản Premium, mời bạn đăng ký tại đây.

Chân thành cảm ơn sự quan tâm của bạn!

1 2 3 4 5Next page

Thuyết Nguyễn

- Giảng dạy Kinh tế lượng ứng dụng, PPNCKH - Chuyên gia phân tích dữ liệu với Stata - Dành hơn 15000 giờ nghiên cứu Kinh tế lượng ứng dụng - Đam mê nghiên cứu, học hỏi cái mới; - Làm việc độc lập & tự học cao.

Bài liên quan

Back to top button