Một mô hình tốt kinh tếlượng tốt là một mô hình vừa đảm bảo ý nghĩa thống kê và vừa có
ý nghĩa vềmặt kinh tế. Những mô hình nhưvậy thì có khảnăng vận dụng trong việc gợi ý
chính sách và dựbáo kinh tế. Tuy nhiên từdữliệu, lý thuyết và kinh nghiệm cho thấy việc
lựa chọn một mô hình kinh tếlượng theo những điều kiện nhưtrên là điều không dễdàng.
Các mô hình ban đầu thường hay mắc phải các sai lầm khi nhận dạng chúng cũng như
không phù hợp với ý nghĩa kinh tế. Các sai lầm có thểlà do chọn biến (thừa nếu quá tổng
quát hoặc thiếu nếu mô hình qúa đơn giản), do chọdạng hàm (dạng hàm rất khó phát hiện
sao cho phù hợp với đặc điểm dữliệu và lý thuyết kinh tế), và nguyên nhân cuối cùng là
sai lầm xuất phát từcấu trúc của sai số(các hiện tượng đa cộng tuyến, phương sai thay đổi
và tựtương quan). Không phù hợp ý nghĩa kinh tếcó thểlà dấu kỳvọng không phù hợp
với dấu trong mô hình kinh tếlượng.
6 trang |
Chia sẻ: haohao89 | Lượt xem: 2301 | Lượt tải: 1
Bạn đang xem nội dung tài liệu Chiến lược xây dựng mô hình, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Chương Trình Giảng Dạy Kinh Tế Fulbright
Niên Khóa 2006 - 2007
Các phương pháp phân tích Chiến lược xây dựng mô hình
1
1
Chiến lược xây dựng mô hình
Một mô hình tốt kinh tế lượng tốt là một mô hình vừa đảm bảo ý nghĩa thống kê và vừa có
ý nghĩa về mặt kinh tế. Những mô hình như vậy thì có khả năng vận dụng trong việc gợi ý
chính sách và dự báo kinh tế. Tuy nhiên từ dữ liệu, lý thuyết và kinh nghiệm cho thấy việc
lựa chọn một mô hình kinh tế lượng theo những điều kiện như trên là điều không dễ dàng.
Các mô hình ban đầu thường hay mắc phải các sai lầm khi nhận dạng chúng cũng như
không phù hợp với ý nghĩa kinh tế. Các sai lầm có thể là do chọn biến (thừa nếu quá tổng
quát hoặc thiếu nếu mô hình qúa đơn giản), do chọ dạng hàm (dạng hàm rất khó phát hiện
sao cho phù hợp với đặc điểm dữ liệu và lý thuyết kinh tế), và nguyên nhân cuối cùng là
sai lầm xuất phát từ cấu trúc của sai số (các hiện tượng đa cộng tuyến, phương sai thay đổi
và tự tương quan). Không phù hợp ý nghĩa kinh tế có thể là dấu kỳ vọng không phù hợp
với dấu trong mô hình kinh tế lượng.
Có hai chiến lược xây dựng một mô hình kinh tế lượng. Chiến lược thứ nhất là đi từ mô
hình tổng quát đến mô hình đơn gỉan (còn gọi là top –down approach). Chiến lược thức hai
sẽ thực hiện theo trình tự ngược lại (còn gọi là bottom – up approach). Mô hình tổng quát
còn được gọi là mô hình không giới hạn (Unrestricted model – U), còn mô hình đơn giản là
mô hình giới hạn (Restricted model – R).
Chiến lược từ tổng quát đến đơn giản được khởi xướng bởi ông Hendry (1985) (trường
phái kinh tế lượng London - LSE). Ý tưởng cơ bản của chiến lược này là mô hình đầu tiên
sẽ căn cứ vào toàn bộ các biến mà dữ liệu có sẵn, đây là một quá trình hình thành mô hình
từ dữ liệu (Data generate process – DGP). Sau đó loại bỏ từng bước một số biến trong mô
hình U bằng một số tiêu chuẩn lựa chọn thống kê. Ưu điểm của cách lựa chọn này là khả
năng bỏ sót biến ít, độ chính xác của mô hình cao
1) Chiến lược xây dựng mô hình từ tổng quát tới đơn giản
Các bước bao gồm:
[ Sừ dụng lý thuyết kinh tế, nghiên cứu trước đây, và kinh nghiệm để xác định một
mô hình tổng quát (trong trường hợp này, "tổng quát" có nghĩa là một mô hình
bao gồm tất cả mọi biến có thể có liên quan mà chúng ta có dữ liệu). Ngoài những
biến mà chúng ta có dữ liệu chúng ta cò có thể sử dụng những biến độc lập có độ
trễ, những biến độc lập dạng phi tuyến, dạng biến tương tác. Việc sử dụng các biến
dộc lập có độ trễ cũng như dạng phi tuyến vừa nhằm nhận dạng mô hình đúng theo
bản chất dữ liệu mà vừa mang ý nghĩa kinh tế.
[ Ước lượng mô hình.
[ Nếu bất cứ hệ số nào trong những hệ số ước lượng không có ý nghĩa thống kê, thì
chúng ta nên bỏ đi biến ít ý nghĩa nhất và ước lượng lại mô hình với các biến số
còn lại. Nên lọai bỏ từng biến một bởi vì ảnh hưởng của việc loại bỏ lên các
phương sai của những biến còn lại. Nếu hồi qui lần thứ nhất cho chúng ta thấy có
hai biến không có ý nghĩa thống kê, thì biến ít ý nghĩa nhất sẽ bị bỏ ra trước, điều
này có thể làm tăng mức ý nghĩa của biến kia.
Chương Trình Giảng Dạy Kinh Tế Fulbright
Niên Khóa 2006 - 2007
Các phương pháp phân tích Chiến lược xây dựng mô hình
2
2
• Tiêu chuẩn thống kê loại bỏ là căn cứ vào p – value trong kết quả bảng hồi qui.
• Ưu tiên thứ nhất loại bỏ những biến độc lập có p – value ≥ 90% (điều này có nghĩa
là xác xuất sai lầm của chúng ta là 90% nếu không loại bỏ biến ra khỏi mô hình
kinh tế lượng).
• Ưu tiên thứ nhì là loại bỏ những biến độc lập có p – value ≥ 50% .
[ Sừ dụng kiểm định Ward để kiểm tra mô hình cuối cùng (mô hình giới hạn) so với
mô hình tổng quát ban đầu (mô hình không giới hạn)
2) Ứng dụng chiến lược xây dựng mô hình
2.1 Ví dụ 1
Theo dữ liệu của Ramanathan DATA 4-5 bao gồm các biến
WLFP : tỉ lệ lao động là nữ (%)
Yf : thu nhập trung bình của lao động nữ (1000$/người)
Ym : thu nhập trung bình của lao động nam (1000$/người)
EDUC : tỉ lệ nữ tốt nghiệp từ trung học trở lên (%)
UE : Tỉ lệ thất nghiệp (%)
MR : Tỉ lệ phụ nữ có gia đình (%)
DR : Tỉ lệ phụ nữ ly dị (%)
URB : Tỉ lệ dân số sống tại thành thị (%)
WH : Tỉ lệ nữ là dân da trắng (%)
Mini case(lớp): Về kinh nghiệm của bạn thì tỉ lệ lao động nữ sẽ phụ thuộc bởi các nhân tố
nào?
Chương Trình Giảng Dạy Kinh Tế Fulbright
Niên Khóa 2006 - 2007
Các phương pháp phân tích Chiến lược xây dựng mô hình
3
3
Chương Trình Giảng Dạy Kinh Tế Fulbright
Niên Khóa 2006 - 2007
Các phương pháp phân tích Chiến lược xây dựng mô hình
4
4
2.2 Ví dụ 2
Ví dụ này sử dụng dữ liệu DATA 3.3 của Ramanathan
Hãy xem lại ví dụ trong sách Ramanathan trang 249 kết quả cuối cùng bảng 6.2. Ở bảng
này chúng ta sẽ giải thích như thế nào. Tác động biên của R&D tăng dần theo thời gian, và
theo kết quả này thì chi tiêu cho R&D phải cần có một thời gian tối thiểu là 3 năm, sau đó
mới tăng dần về số phát minh PATENTS. Các anh chị hãy xem lại mô hình. Điều này cho
chúng ta một gợi ý rằng là chi tiêu cho R&D cần phải có thời gian để nghiên cứu, thử
nghiệm rồi sau đó mới đăng ký bằng sáng chế (thậm chí khi đăng ký bằng sáng chế khi
thành công rồi cũng cần mất thời gian).
2.3 Các ưu thế của phương pháp chiến lược từ tổng quát đến đơn giản
- Gia tăng độ chính xác của ước lượng vì khi đạt đến một mô hình đơn giản hơn thì
đã gián tiếp loại bỏ hiện tượng đa cộng tuyến.
- Gia tăng bậc tự do do đó làm gia tăng độ tin cậy của ước lượng.
- Từ hai ưu điểm nói trên sẽ dẫn đến việc gia tăng sức mạnh của kiểm định.
3) Chiến lược mô hình từ đơn giản đến tổng quát
3.1 Tại sao lại có chiến lược botom-up khi đã chiến lược top-down
Về nguyên tắc thì chiến lược từ tổng quát đến đơn giản thường xuyên được áp dụng. Tuy
nhiên đôi khi chúng ta cũng sẽ gặp trục trặc. Hai trục trặc cơ bản là:
Chương Trình Giảng Dạy Kinh Tế Fulbright
Niên Khóa 2006 - 2007
Các phương pháp phân tích Chiến lược xây dựng mô hình
5
5
- Nếu sử dụng nguyên tắc đưa thêm biến độ trễ và các biến dạng mũ vào mô hình,
thậm chí là các biến tương tác để tránh sai lầm khi nhận dạng thì chắc chắn rằng
hiện tượng đa cộng tuyến ngay từ đầu sẽ xảy ra.
- Ngoài ra những nhà nghiên cứu thường thích đi từ những cái đơn giản vì dựa trên
nghiên cứu của những người khác về lý thuyết cũng như bằng chứng để bổ xung
thêm biến mới của mình (cách suy nghĩ này ủng hộ đóng góp mới theo nguyên tắc
kế thừa).
- Với những lý do này thì phương pháp botom-up (đơn giản đến tổng quát) sẽ trở nên
khả thi hơn.
3.2 Trình tự xây dựng mô hình từ đơn giản đến tổng quát
Dạng mô hình
(R) εββββ +++++= mm XXXY ........33221
(U) υββββββ ++++++++= ++ kkmmmm XXXXXY .............. 1133221
Mô hình (R) còn gọi là mô hình cơ bản
Bước 1: Trình bày giả thuyết
0:
0..........:
1
210
≠
==== ++
k
kmm
H
H
β
βββ
Bác bỏ giả thuyết ‘không’ chúng ta chọn mô hình U và ngược lại
Bước 2: Ước lượng mô hình (R)
Buớc 3: Tìm sai số ước lượng của mô hình (R)
Ý nghĩa của việc tính sai số ước lượng: nếu chúng ta giả thiết mô hình đúng (true) là mô
hình (U) thì sai số ước lượng này phải chứa đựng những thông tin của những biến không
nằm trong mô hình (R). Để kiểm định chúng ta sẽ chạy một hồi qui phụ mà biến phụ thuộc
sẽ là sai số ước lượng và các biến không nằm trong mô hình (R). Nếu hồi qui phụ này có
sức mạnh giải thích cao thì có nghĩa là các biến không nằm trong mô hình (R) nên được bổ
xung vào để trở thành mô hình đúng là mô hình (U).
Trong Eviews chúng ta dùng lệnh generate u = residual
Bước 4: Thực hiện hồi qui phụ giữa sai số ước lượng với tất cả các biến độc lập trong và
ngoài mô hình (R).
Kiểm định LM: trong bước này chúng ta tìm được R2 chưa điều chỉnh của mô hình hồi
qui phụ và thực hiện một kiểm định LM (Lagrange Multiplier - Nhân tử la grăng). Điều
này khác với chiến lược top – down là chúng ta sử dụng kiểm định Wald. Kiểm định LM
sẽ xác định là biến mới nào sẽ được đưa vào mô hình (R) (còn gọi là mô hình cơ bản ban
đầu xuất phát từ một lý thuyết nào đó) và dần dần đi đến mô hình (U).
Luật quyết định: 22 mkhoiquiphunR −> χ chúng ta sẽ bác bỏ giả thuyết ‘không’ và lựa chọn mô
hình (U)
Bước 5: Lặp lại chiến lược top-down (tổng quát đến đơn giản). Trong nhiều trường hợp
thì cả hai chiến lược này đều có kết quả giống nhau. Tuy nhiên khi sử dụng chiến lược
Chương Trình Giảng Dạy Kinh Tế Fulbright
Niên Khóa 2006 - 2007
Các phương pháp phân tích Chiến lược xây dựng mô hình
6
6
botom – up đến bước bổ xung thêm biến để trở thành mô hình (U), bạn sẽ lập lại các bước
của chiến lược top – down (bước 5), trong bước này bạn nên cố gắng giữa lại những biến
quan trọng, vì có thể ngay từ khi đưa thêm các biến bổ xung vào thì các biến có ý nghĩa
kinh tế này lại không có ý nghĩa thống kê. Điều này cần thận trọng trong mọi chiến lược.
4) Các lệnh liên quan đến phần mềm
4.1 EVIEWs
scalar là một lệnh tìm một đại lượng vô hướng nào đó
Ví dụ: muốn tính 2hoiquiphunR thì bạn chỉ cần đánh: scalar rau = 40*0.549816 thì trong bảng
Workfile của Eviews sẽ xuất hiện biến rau (bạn chỉ cần nhấp chuột phải vào biến này và nó
sẽ xuất hiện kết quả của phép tính).
Ví dụ: muốn tìm 2 mk−χ thì bạn khỏi cần phải tra bảng. Trước hết hãy xác định mức ý nghĩa
α = 5% và k – m = 7 chẳng hạn thì bạn chỉ cần đánh scalar x = @qchisq(0.95,7) trhì kết
quả trong bảng Workfile sẽ xuất hiện x = 14,0671. . . .. Và lúc này bạn cần phải biết làm gì
khi so sánh hai giá trị để có thể bác bỏ giả thuyết ‘không’ hay không.