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
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.