Kinh tế học quản lý - Chương 8 - Chọn mô kiểm định và chọn mô hình

09/09/2014 1 CHỌN MÔ HÌNH CHƯƠNG 8 CHỌN MÔ HÌNH VÀ K IỂM ĐỊNH CHỌN MÔ HÌNH Bi ế t ti ếp c ận đ ể1. c á ch lựa chọn mô hình MỤC TIÊU Biết chọn cách kiểm định việc2. mô hình 2 NỘI DUNG Chọn mô hình- Các sai lầm khi chọn mô hình1 2 Cách tiếp cận để lựa chọn mô hình 3 Kiểm định việc chọn mô hình 4 3 1. Chọn mô hình •Tiết kiệm •Tính đồng nhất •Tính thích hợp: Mô hình có thích hợp R2 càng cao càng •Tính bền vững về mặt lý thuyết: mô hình phải phù hợp với lý thuyết nền tảng •Khả năng dự báo cao 4 2. Các sai lầm khi chọn mô hình- Hậu quả 1. Bỏ sót biến thích hợp i.Cácthamsốướclượngsẽbịchệchvà khôngvững. i.Khoảngtincậyvàcáckiểmđịnhkhôngchính xác. i.Dựbáodựatrênmôhìnhsaisẽkhôngđáng tincậy. 5 2. Các sai lầm khi chọn mô hình- Hậu quả 2. Đưa vào mô hình những biến không phù hợp Cácướclượngkhônghiệuquả,khoảngtin cậyrộng. 6 09/09/2014 2 2. Các sai lầm khi chọn mô hình- Hậu quả 3. Lựa chọn mô hình không chính xác i.Ướclượngchệchcáchệsốhồiquy,dấu củahệsốhồiquycóthểsai. i.Cóíthệsốhồiquyướclượngđượccó ýnghĩathốngkê i.R2 khôngcao iv.Phầndưcácquansátlớnvàbiểuthị sựbiếnthiêncótínhhệthống. 7 Ví dụ �Về hàm chi phí của doanh nghiệp, hàm đúng dạng Yi =b1 +b2Xi +b3Xi +b4Xi +u1i2 3 �Bỏsótbiếnquantrọng (Xi ) 3 Yi =a1 +a2Xi +a3Xi +u2i2 �Đưabiếnkhôngliênquanvàomôhình(Xi ) 4 Yi =l1 +l2Xi +l3Xi +l4Xi +l5Xi + u3i2 3 4 �Dạng hàm sai lnY=g1 +g2Xi +g3Xi +g4Xi +u4i2 3 8 3. Cách tiếp cận để lưa chọn mô hình 1.Xác định số biến độc lập Từđơngiảnđếntổngquát Từtổngquátđếnđơngiản 2. Kiểm định mô hình có vi phạm giả thiết Nếu mô hình vi phạm thì cần có biện pháp khắc phục. 3. Chọn dạng hàm, dựa vào Các lý thuyết kinh tế Các kết quả nghiên cứu thực nghiệm 4. Sử dụng các tiêu chuẩn thông dụng để chọn mô hình 9 4. Kiểm định việc chọn mô hình a. Kiểm định thừa biến (kiểm định Xét hai mô hình: Wald) (U) : Y = β 1 + β 2 X2 + ... + β m −1X m −1 + β mX + β kXk +Um =β 1 + β 2 X2 + ... + β m −1Xm −1 +V(R ) :Y (U): (R): Điều mô hình không bị ràng buộc mô hình bị ràng buộc kiện ràng buộc: các hệ số hồi quy của các biến Xm , Xm+1 , Xk đồng thời bằng 0 10 a. Kiểm định Wald Xây dựng giả thiết để kiểm định đk ràng buộc H βm = β = 0 một βj khác 0 k tham số, tính 0: k H1: có ít nhất B1: Hồi quy mô hình (U) RSSU có n-k bậc tự do B2: Hồi quy mô hình (R) có có m tham số, tính RSSR có B3: Tính n-m bậc tự do F (R2 U − R2 R)(RSS R − RSS U ) / k − m) /(k − m) F = = R2RSS U /(n − k) (1 − U ) /(n − k) 11 a. Kiểm định Wald B4: Tra bảng F với mức ý nghĩa α có giá trị Fα (k-m, n-k) Quy tắc quyết định •Nếu F≥ hình (U) •Nếu F< Fα (k-m, n-k): bác bỏ H0, tức không thừa biến Fα (k-m, n-k): chấp nhận H0 mô Nếudùngkếtquảp-valuethìquytắc quyếtđịnhnhưsau: •Nếu p ≤ α : Bác bỏ H0 •Nếu p > α : Chấp nhận H0 12 09/09/2014 3 b. Kiểm định bỏ sót biến giải thích Dùng kiểm định Reset Bước1: Dùng OLS để của Ramsey: ước lượng mô hình Yi = β1 + β2X2i + ui ˆTừ đó tính và R2oldYi Bước2: dùng OLS để ước lượng mô hình + β3Yˆ + β Yˆ 2 3Yi = β1 + β 2 X R2new + ...+ vi 2i 4 Tính Kiểm định giả thiết H0: β3 = β4 = = βk = 0 13 b. Kiểm định bỏ sót biến giải thích Bước3: Tính 2 2− R (R ) mnew old F = 2 new(1 − R ) (n− k ) n: k: m: số số số quan sát tham số trong mô hình mới biến đưa thêm vào 14 b. Kiểm định bỏ sót biến giải thích Bước4: Quy tắc quyết định •Nếu F > F α (m,n-k): Bác bỏ H0, tức β3,β4,βk không đồng thời bằng 0, đã bỏ sót biến •Nếu F < Fα(m,n-k): Chấp nhận H0 các hệ số mô hình cũ Nếudùngkếtquảp-valuethìquytắcquyếtđịnh nhưsau: Nếu p ≤ α : Bác bỏ H0• •Nếu p > α: Chấp nhận H0 15 Kiểm định giả thiết phân phối chuẩn của uic. Dùng Kiểm kiểm định χ2, hay kiểm định Jarque-Bera định giả thiết H0: ui có phân phối chuẩn 2 2 ⎡ ⎢ ⎣ (K −3) ⎤S JB = +n ⎥ ⎦6 24 ∑ i ∑ i (u − u)3 (u − u)4 = K =S n.SE3 n.SE4u u Nếu JB > χ2, Bác bỏ H0, ngược lại, chấp nhận 16 H0 5.Tiêu chuẩn lựa chọn mô hình �R2, �R2 điều chỉnh, �Giá trị của hàm hợp lý log-likelihood (L), �Tiêu �Tiêu chuẩn chuẩn thông thông tin tin Akaike (AIC), Schwarz (SIC) 17 Tiêu chuẩn R2 �R2 đo lường % biến động của Y được giải bởi các Xi trong mô hình. �R2 càng gần 1, mô hình càng phù hợp. thích �Lưu ý: �R2 chỉ đo lường sự phù hợp trong mẫu � Khi so sánh R2 giữa các mô hình khác nhau, các biến phụ thuộc phải giống nhau. �R2 không giảm khi tăng thêm biến độc lập. 18 09/09/2014 4 chỉnh (⎺R2)Tiêu chuẩn R2 điều RSS/(n−k ) n− 1 n− k R2 2= 1 − = 1− (1 − R )TSS /(n−1) �⎺R 2 của ≤ R2.⎺R2 chỉ tăng khi giá trị tuyệt đối giá trị t của biến được thêm vào mô hình lớn hơn 1. �R2 là tiêu chuẩn tốt hơn R2. �Các biến phụ thuộc cũng phải giống nhau. 19 Giá trị của hàm hợp lý log-likelihood (L) − n ln σ 2 − n ln(2π) − 1 2 ∑U2L= i 2 2 �Giá phù trị L càng lớn chứng tỏ mô hình càng hợp 20 Tiêu chuẩn thông tin Akaike (AIC) RSS n ⎛ ⎞ ⎟.e 2k/ n ⎠ AIC = ⎜ ⎝ hay 2k ⎞ RSS n ⎛ ⎛ ⎞ ln AIC = + ln ⎜ ⎝ ⎜ ⎝ ⎟ ⎠ ⎟ ⎠n �Trong đó k là số biến được ước lượng (gồm cả hệ số tự do) và n là cỡ mẫu. �Giá trị AIC càng nhỏ chứng tỏ mô hình càng phù hợp. 21 Tiêu chuẩn thông tin Schwarz (SC) RSS n ⎛ ⎞ ⎟.n k/ n ⎠ SC = ⎜ ⎝ hay k n RSS n ⎛ ⎞ ln SC = ln n+ ⎜ ⎝ ⎟ ⎠ �SC �SC khắt khe hơn AIC. càng nhỏ, mô hình càng tốt. 22