Bài giảng Kinh tế lượng - Chương 7: Hiện tượng tự tương quan (autocorrelation)

NỘI DUNG 1 Bản chất hiện tượng hiện tượng tự tương quan 2 Hậu quả 3 Cách phát hiện tự tương quan 4 Cách khắc phục tự tương quan

pdf6 trang | Chia sẻ: thanhlam12 | Lượt xem: 1129 | Lượt tải: 0download
Bạn đang xem nội dung tài liệu Bài giảng Kinh tế lượng - Chương 7: Hiện tượng tự tương quan (autocorrelation), để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
09/09/2014 1 HIỆN TƯỢNG TỰ TƯƠNG QUAN (Autocorrelation) CHƯƠNG 7 TỰ TƯƠNG QUAN Hi ểu b ản ch ấ t v à h ậ u1. quả của tự tương quan MỤC TIÊU Biết t ư ơ phát hiện tự2. cách ệng quan v à bi n pháp khắc phục 2 NỘI DUNG Bản chất hiện tượng hiện tượng tự tương quan1 Hậu quả2 3 Cách phát hiện tự tương quan Cách khắc phục tự tương quan4 3 7.1 Bản chất 1. Tự tương quan là gì ? Trong mô hình hồi qui tuyến tính cổ điển, giả định rằng không có tương quan giữa các sai số ngẫu nhiên ui, nghĩa là: (i ≠ j) cov(ui, uj) = 0 Tuy nhiên trong thực tế có thể xảy ra hiện tượng mà sai số phụ thuộc nhau, của các quan sát lại nghĩa là: (i ≠ j) cov(ui, uj) ≠ Khi đó xảy ra 0 hiện tượng tự tương quan. 7.1 Bản chất �Sự tương quan xảy sát theo không gian không gian”. �Sự tương quan xảy ra đối gọi là với “tự những quan tương quan ra đối với những quan “tự tươngsát theo chuỗi thời gian gọi là quan thời gian”. ui,ei u ,ei i • • • • • • ••• • • • • •• • • • • • • • • t • • • • t • • • (b)• • (a)ui,ei ui,ei • • • •• •• • • • • • • • • • • • • • •• • t t • •(c) • • (d)ui,ei • • • • • • • • • • • • • • • • • • •• • • • • • • t (e) Hình 8.1 Một số dạng biến thiên của nhiễu theo thời gian 09/09/2014 2 Nguyên nhân Nguyên nhân khách quan: � Quán tính: các chuỗi thời gian mang tính chu kỳ, VD: các chuỗi số liệu thời gian về GDP, chỉ số giá, sản lượng, tỷ lệ thất nghiệp � Hiện tượng mạng nhện: phản ứng của cung của nông sản đối với giá thường có một khoảng trễ về thời gian: = β1 + β2Pt-1QSt + ut � Độ trễ: tiêu dùng ở thời kỳ hiện tại phụ thuộc vào thu nhập và chi tiêu tiêu dùng ở thời kỳ trước đó: Ct = β1 + β2It + β3Ct-1 + ut Nguyên nhân Nguyên nhân chủ quan � Hiệu chỉnh số liệu: do việc “làm trơn” số liệu → loại bỏ những quan sát “gai góc”. � Sai lệch do lập mô hình: bỏ sót biến, dạng hàm sai. � Phép nội suy và ngoại suy số liệu 7.2 Hậu quả của tự tương quan ℑp dụng OLS thì sẽ có các hậu quả: �Các ước lượng không chệch nhưng không hiệu quả (vì phương sai không nhỏ nhất) �Phương sai của các ước lượng là các ước lượng không chệch, vì vậy các kiểm định t và F còn hiệu quả. 9 7.2 Hậu quả của tự tương quan 2σˆ� là ước lượng chệch của σ2 �R2 của mẫu là ước lượng chệch (dưới) của �Các R2 tổng thể vềdự báo Y không chính xác 10 7.3 Cách phát hiện tự tương quan a. Đồ thị Chạy OLS cho mô hình gốc và thu thập et. Vẽ đường et theo thời gian. Hình ảnh của tựet có thể cung cấp những gợi ý về sự tương quan. 11 a. Đồ thịet et • • • • • • ••• • • • • •• • • • • • • • • t • • • • t • • • (b)• • (a) et • et • • •• •• • • • • • • • • • • • • • •• • t t • •(c) • • (d) et • • • • • • • • • • • • • • • • • •• • • • • • • • t (e) Không có tự tương quan 09/09/2014 3 b. Dùng kiểm định d của Durbin – Watson Thống kê d của Durbin – Watson ∑ i­ i­ 2(e e 1 ) d = ∑ ie 2 ∑eiei ­1 ∑e 2 Khi n đủ lớn thì d ≈ 2(1-ρ) với ρ = i do -1 ≤ ρ ≤ 1, nên 0<= d <=4: ρ ρ ρ = = = -1 => d = 4: tự tương quan hoàn hảo âm 0 => d = 2: không có tự tương quan 1 => d = 0: tự tương quan hoàn hảo dương 13 b. Dùng kiểm định d của Durbin – Watson Bảng thống kê Durbin cho giá trị tới hạn dU và dL α: k’: n: dựa vào 3 tham số: mức ⎬ nghĩa số biến độc số quan sát lập của mô hình Không có tự tương quan bậc nhất Có tự tương quan dương 0 Không quyết định được 4-dU Không quyết định được dL Có tự tương quan âm dU 2 4-dL 4 14 b. Dùng kiểm định d của Durbin – Watson Các bước thực hiện kiểm định d của Durbin – Watson: 1.Chạy mô hình OLS và thu thập phần sai et. số 2.Tính d 3.Với cỡ giá trị tra theo công thức trên. mẫu n và số biến giải thích k, tìm bảng dL và dU. 4.Dựa vào các quy tắc kiểm kết luận. định trên để ra 15 b. Dùng kiểm định d của Durbin – Watson Nếu d thuộc vùng chưa quyết đ ịnh, sử dụng quy tắc kiểm định cải biên: 1.H0: ρ = 0; H1: ρ > 0 Nếu d < dU : bác bỏ (với mức ý nghĩa α), quan dương. H0 và chấp nhận H1 nghĩa là có tự tương Không có tự tương quan dươngCó tự tương quan dương dU 16 b. Dùng kiểm định d của Durbin – Watson 2. H0: ρ = 0; H1: ρ < 0 Nếu d > 4 - (với mức ý quan âm. dU : bác bỏ H0 và chấp nhận H1 nghĩa α), nghĩa là có tự tương Không có tự tương quan âm Có tự tương quan âm 4-dU 17 b. Dùng kiểm định d của Durbin – Watson 3. H0: ρ = 0; H1: ρ ≠ 0 Nếu chấp có tự d 4 - dU : bác bỏ H0 và nhận H1 (với mức ý nghĩa 2α), nghĩa là tương quan (âm hoặc dương). Không có tự Có tự âm tương quanCó tự tương dương quan tương quan dU 4-dU 18 09/09/2014 4 b. Dùng kiểm định d của Durbin – Watson �Lưuýkhiápdụngkiểmđịnhd: 1.Môhìnhhồiquyphảicóhệsốchặn. 2.Cácsaisốngẫunhiêncótươngquanbậc nhất: ρut-1ut = + et 1.MôhìnhhồiquykhôngcóchứabiếntrễYt-1. 2.Khôngcóquansátbịthiếu(missing). 19 c. Dùng kiểm định Breusch – Godfrey (BG) Xét mô hình: Yt = β1 + β2Xt + ut (7.1) ρ1ut-1 ρ2ut-2 ρput-put = + + + + vt Kiểm định giả thiết H0: ρ1 = ρ2 = = ρρ = 0, có nghĩa là không tồn tại tự tương quan ở bất kỳ bậc nào trong số từ bậc 1 đến bậc p. 20 c. Dùng kiểm định Breusch – Godfrey (BG) Bước1: Ước lượng (8.1) bằng OLS, tìm phần dư et Bước2: Dùng OLS để ước lượng mô hình et = β1 + β2Xt + ρ1et-1 ρ2et-2 ρpet-p+ + + + εt từ đây thu được R2. Bước3: với n đủ lớn, (n-p)R2 có phân phối xấp xỉ χ2(p) với p là bậc tương quan. - Nếu (n-p)R2 > χ2α(p): Bác bỏ H0, nghĩa là có tự tương quan ít nhất ở một bậc nào đó. - Nếu (n-p)R2 ≤ χ2α(p): Chấp nhận H0, nghĩa là không có tự tương quan. 21 c. Dùng kiểm định Breusch – Godfrey (BG) Kiểm định �Áp dụng �Áp dụng BG có đặc điểm: cho mẫu có kích thước lớn cho mô hình có biến độc lập có dạng Yt-1 , Yt-2 .. �Kiểm định được bậc tương quan bất kỳ 22 7.4 Khắc phục Các bước tiến hành 1) Ước lượng giá trị ρ ρ vừa được2) Dùng giá trị ước quy lượng để chuyển đổi mô hình hồi 23 7.4 Khắc phục 1. Trườnghợpđãbiếtcấutrúccủatựtương quan:Phương pháp GLS: � ut tự hồi quy bậc p, AR(p) ut = ρ1ut-1 + ρ2ut-2 + + ρput-p + vt với � ρ: hệ số tự tương quan; ⎪ρ ⎪ < 1 Giả sử ut tự hồi qui bậc nhất AR(1) ut = ρut-1 + et (*) et: sai số ngẫu nhiên (nhiễu trắng), thỏa mãn những giả định của OLS: E(et) = 0; Var(et) = σε2; Cov(et, et+s) = 0 09/09/2014 5 7.4 Khắc phục hai biến:Xét mô hình yt = α1 + β1xt + ut (7.2) Nếu (8.2) đúng với t thì cũng đúng với t – 1 = α1 β1xt -yt-1 + + ut (7.3)1 - 1 với ρNhân hai vế của (8.3) ρyt-1 = ρα1 + ρβ1xt + ρut (7.4)- 1 - 1 Trừ (7.2) cho (7.4) = α1(1 - ρ) + β1 (xt - ρxt 1) + (ut - ρutyt - ρyt-1 1)– – (7.5)= α1(1 - ρ) + β1 (xt - ρxt 1) + et– 7.4 Khắc phục (8.5) Đặt: gọi là phương trình sai phân tổng quát α1* β1* = α1 (1 - ρ) = β1 = yt - ρytyt* xt* (7.5) yt* – 1 = xt - ρxt thành = α1* + β1*xt* – 1 Khi đó + et(7.5*) 8.4 Khắc phục Vì et thoả mãn các giả định của phương pháp OLS nên các ước lượng tìm được BLUE � Phương trình hồi qui 7.5* được gọi là phương trình sai phân tổng quát (Generalized Least Square – GLS). � Để tránh mất mát một quan sát, quan là sát đầu của y và x được biến đổi như sau: *y1 = y1 1­ ρ *x1 = x1 1­ρ 2.Trường hợp ρ chưa biết 2. 1 Phươngphápsaiphâncấp1 � Nếu ρ = 1, thay vào phương trình tổng quát (7.5) sai phân = β1(xt – xtyt – yt 1) + (ut – ut 1)– 1 – – = β1(xt – xt 1) + et– ∆yt phương = β1 ∆ xt + etHay: (8.6) ∆ Sử dụng (7.6) trình sai phân cấp 1 toán tử sai phân cấp 1 mô hình hồi qui qua gốc toạ độ để ước lượng hồi qui (7.6) 2.1 Phương pháp sai phân cấp 1 Giả sử mô yt = α1 Trong đó hình ban đầu β1xt + β2t + ut+ (7.7) t ut biến xu thế theo mô hình tự hồi qui bậc nhất Thực hiện phép biến đổi sai phân cấp với (7.7) ∆yt = β1∆xt + β2 + et 1 đối trong đó: ∆yt = yt – yt ∆xt = xt – xt – 1 – 1 2.1 Phương pháp sai phân cấp 1 ρ� Nếu = -1, thay vào phương trình sai phân tổng quát (7.5) + β1(xt + xt 1) + et= 2α1yt + Hay: yt – 1 – yt +yt ­1 xt +xt ­1 + et 2 =α +β 1 1 (*)2 2 Mô hình trượt. * gọi là mô hình hồi qui trung bình 09/09/2014 6 2.2 Ước lượng ρ dựa trên thống kê d-Durbin-Watson d ρˆ ≈ 1 ­ hayρˆd ≈ 2 (1 ­ ) 2 Đối với các mẫu nhỏ có thể sử dụng kê d cải biên của Theil – Nagar. thống n2 (1­d/2 )+k 2 ρ^ = n2 k 2­ Dùng giá trị ρ vừa được ước lượng chuyển đổi số liệu như mô hình 8.5 để 2.3 Thủ tục lặp Cochrance – Orcutt để ước lượng ρ Giả sử có mô hình hai biến yt = α1 + β1xt + ut (7.8) nhất AR(1) (7.9) Mô hình ut tự tương quan bậc ut = ρut + et– 1 Các bước ước lượng ρ Bước1: Ước lượng mô hình (7.8) bằng phương pháp OLS và thu được các phần et. dư 2.3 Thủ tục lặp Cochrance – Orcutt để ước lượng ρ Bước 2: Sử dụng các phần dư để ước lượng hồi qui: et = ρˆet­1 + vt (7.10) Do et là ước lượng vững của ut thực nên ước lượng ρ có thể thay cho ρ thực. thu được từ (7.10) trình sai phân tổng ρˆBước3: Sử dụng để quátước lượng phương (7.5) ρˆ Yt­1 Hay ρˆ ) + β 1 ( Xt ­ ρˆ Xt­1 ) + (u t ­ ρˆ u t­1 ) Yt ­ = α 1 (1 ­yt* = α1* + β1* xt* + vt (8.11) 2.3 Thủ tục lặp Cochrance – Orcutt để ước lượng ρ ρˆBước 4: Vì chưa biết thu được từ (8.10) có phải là thế giá hồi qui ước lượng tốt nhất của ρ hay không nên trị ước lượng của α1* và β1* từ (8.11) vàogốc (8.8) và được các phần dư mới et*: (7.12) tự với et* = yt – (α1* + β1* xt) Ước lượng phương trình hồi qui tương (7.10) * *ρˆ= + wt et et­1 (7.13) (7.13) là ước lượng vòng 2 của ρ. Thủ tục này tiếρ tục cho đến khi các ước lượng tiếp nhau của ρ khác nhau một lượng rất nhỏ, chẳng hạn nhỏ hơn 0,05 hoặc 0,005. kế 2.4 Phương pháp Durbin – Watson 2 bước để ước lượng ρ Viết lại phương trình sai phân tổng quát yt = α1(1 - ρ) + (8.14) Thủ tục Durbin lượng ρ: Bước 1: β1 xt – ρβ1xt + ρyt + et– 1 – 1 – Watson 2 bước để ước 1.Hồi qui (7.14) yt 2.Xem giá trị ước theo xt, xt và yt– 1 – 1 lượng hệ số hồi qui của yt ) lρàˆước lượng của ρ(=– 1 2.4 Phương pháp Durbin – Watson 2 bước để ước lượng ρ ρˆ ,Bước 2: Sau khi thu được thay * t x *= y ­ ρˆ . y = x ­ ρˆ .x y ;t t­1 t t t­1 và ước lượng hồi qui (7.5*) với các biến đã được biến đổi như trên.