Home | Thẻ: Time series ( trang 3)

Thẻ: Time series

Kiểm định Breakpoint Unit root test

Thực hiện kiểm định breakpoint unit root test trên EViews 9

Perron (1989) đã chỉ ra rằng các kiểm định nghiệm đơn vị thông thường sẽ bị chệch về hướng bác bỏ giả thiết H0 khi dữ liệu là dừng xu thế với điểm gãy cấu trúc (structural break). Trong trường hợp dữ liệu có điểm gãy cấu trúc, thay vì sử dụng các kiểm định nghiệm đơn vị thông thường thì ...

Đọc tiếp »

Các tiêu chuẩn thông tin trong lựa chọn mô hình

Lựa chọn mô hình theo tiêu chuẩn thông tin AIC, BIC/SIC, HQ

Tương tự như thống kê độ phù hợp trong mô hình hồi quy, R2 thì các tiêu chuẩn thông tin cũng bao gồm thành phần độ phù hợp dựa trên giá trị log-likelihood và thành phần phức tạp dựa trên tham số được ước lượng của mô hình. Tiêu chuẩn thông tin như AIC, AICc, HQ, BIC/SIC cung cấp cho chúng ...

Đọc tiếp »

Ước lượng mô hình ARDL trên EViews 9

Minh họa ước lượng mô hình ARDL và kiểm định Bound Test trên EViews 9

Thông thường, một quy trình ước lượng mô hình ARDL có thể được thực hiện thủ công trên EViews qua 8 bước như sau: Kiểm tra tính dừng, đảm bảo không có biến dừng ở sai phân bậc 2 hay I(2). Xây dựng một mô hình ECM không giới hạn (unrestricted). Đây sẽ là 1 dạng cụ thể của mô ...

Đọc tiếp »

Trị tới hạn cho kiểm định nghiệm đơn vị ADF

Bảng tra trị tới hạn của kiểm định nghiệm đơn vị - ADF

Các kiểm định thống kê cho kiểm định nghiệm đơn vị và đồng kết hợp không tuân theo các phân phối chuẩn. Các bảng trình bày bên dưới bao gồm các giá trị tới hạn cho kiểm định nghiệm đơn vị ADF (Augmented Dickey-Fuller) Mô hình I (no constant, no trend): \(\Delta {y_t} = {\alpha _1}{y_{t – 1}} + {\varepsilon ...

Đọc tiếp »

Lý thuyết ước lượng mô hình ARDL

Giới thiệu mô hình tự hồi quy phân phối trễ - ARDL

Mô hình ARDL là viết tắt của Autoregressive Distributed Lag, tạm dịch là mô hình tự hồi quy phân phối trễ. Mô hình ARDL bắt đầu được sử dụng trong vài thập kỉ qua nhưng gần đây được sử dụng phổ biến hơn trong các nghiên cứu về mối quan hệ dài hạn giữa các biến kinh tế. Mô hình ARDL ...

Đọc tiếp »

Kiểm tra mối quan hệ nhân quả trên EViews

Thực hành phân tích nhân quả theo quy tắc Toda-Yamamota trên EViews

Kiểm tra mối quan hệ nhân quả giữa các biến có thể được thực hiện thông qua kết quả ước lượng mô hình VAR khi các biến chuỗi dừng ở bậc gốc (level). Tuy nhiên, trong rất nhiều trường hợp mô hình VAR tồn tại một số các biến chuỗi không dừng ở bậc này. Các chuỗi dữ liệu không dừng ...

Đọc tiếp »

Phương pháp PMG – Pooled Mean Group

Nếu các biến có mối quan hệ đồng kết hợp thì mô hình VECM được sử dụng thay thế VAR. Trong dữ liệu bảng thì phương pháp PMG sẽ thay thế FEM/REM hoặc GMM

Phương pháp GMM được sử dụng để khắc phục sự tương quan giữa các biến giải thích với các thành phần sai số (({mu _i}) hoặc ({varepsilon _{it}})) bằng cách sử dụng các biến đại diện ở phương trình sai phân và phương trình level. Ngoài ra, trong trường hợp mô hình có tính chất động (biến trễ phụ thuộc ...

Đọc tiếp »

VAR vs VECM và đồng kết hợp trong dữ liệu bảng

Nếu các biến có mối quan hệ đồng kết hợp thì mô hình VECM được sử dụng thay thế VAR. Trong dữ liệu bảng thì phương pháp PMG sẽ thay thế FEM/REM hoặc GMM

Trong dữ liệu liên quan đến thời gian như dữ liệu thời gian hoặc dữ liệu bảng, điều cần thiết và quan trọng trước khi lựa chọn phương pháp ước lượng là phải kiểm tra tính dừng và mối quan hệ đồng kết hợp của các biến chuỗi. Đối với dữ liệu thời gian, nếu tồn tại mối quan hệ ...

Đọc tiếp »

Kiểm tra mối quan hệ đồng kết hợp

Kết quả hồi quy sẽ bị mơ hồ (spurious regression) khi các biến không có mối quan hệ đồng kết hợp. Mối quan hệ đồng kết hợp là gì, kiểm tra đồng kết hợp ntn?

Tiếp theo bài kiểm tra tính dừng của biến chuỗi thời gian trong mô hình dữ liệu bảng, cần thiết kiểm tra mối quan hệ đồng kết hợp của các biến chuỗi bởi điều này có thể dẫn đến vấn đề hồi quy mơ hồ (spurious regression) khi các biến không có mối quan hệ đồng kết hợp (cointegration). Xác ...

Đọc tiếp »