YOMEDIA
Bài giảng: Dự báo sử dụng mô hình chuỗi thời gian
Chia sẻ: Gnfvgh Gnfvgh
| Ngày:
| Loại File: PDF
| Số trang:23
161
lượt xem
25
download
Download
Vui lòng tải xuống để xem tài liệu đầy đủ
Bài giảng: Dự báo sử dụng mô hình chuỗi thời gian nêu nhiều biến số kinh tế (đặc biệt là kinh tế vĩ mô) không có tỉnh ổn định/cân bằng Nhiều biến số kinh tế là biến cân bằng sai phân.
AMBIENT/
Chủ đề:
Nội dung Text: Bài giảng: Dự báo sử dụng mô hình chuỗi thời gian
- Dự báo sử dụng mô hình chuỗi thời
gian
(Time Series Models for Forecasting)
From Unit Root To Cointegration
Nguyễn Ngọc Anh
Trung tâm Nghiên cứu Chính sách và Phát triển
Nguyễn Việt Cường
Đại học Kinh tế Quốc dân
Economics 20 - Prof. Anderson 1
- Nhiều biến số kinh tế (đặc biệt là kinh tế vĩ mô) không có tỉnh ổn
định/cân bằng
Nhiều biến số kinh tế là biến cân bằng sai phân, I(1)
Trong kinh tế học, nhiều biến số có quan hệ cân bằng dài hạn
(stable long-run relationships).
• Tiêu dùng – Thu nhập
• Giá – Lương
• Giá trong nước – giá quốc tế
Chúng ta có thể sử dụng kiểm định nghiệm đơn vị để xác định
những biến số có quan hệ ổn định lâu dài với nhau (trái với
quan hệ hồi qui vô nghĩa - spurious regression)
Economics 20 - Prof. Anderson 2
- Ví dụ: Thu nhập (Y) và tiêu dùng (X) có đồng tích hợp với nhau hay
không - cointegrated?
Đầu tiên phải đảm bảo rằng hai dãy số thời gian là tích hợp độ 1 I(1).
Sử dụng kiểm định nghiệm đơn vị lần lượt đối với X và Y.
55
X Y
50
45
40
35
30
25
20
15
10
0 10 20 30 40 50 60 70 80 90 100
Hai dãy số ở trên rõ ràng là không cân bằng, nhưng chúng dường như
di chuyển cùng hướng với nhau 20 - Prof. Anderson
Economics 3
- Lý thuyết kinh tế cho ta biết rằng về mặt dài hạn quan hệ giữa
thu nhập và tiêu dùng sẽ có dạng
Ct = b0 + bYt
1
Tiến hành hồi qui, ta được kết quả như sau :
The estimation sample is: 1 to 99
Coefficient Std.Error t-value t-prob Part.R^2
Constant 4.85755 0.1375 35.3 0.000 0.9279
Y 1.00792 0.005081 198. 0.000 0.9975
sigma 0.564679 RSS 30.9296673
R^2 0.997541 F(1,97) = 3.935e+004 [0.000]**
log-likelihood -82.8864 DW 2.28
no. of observations 99 no. of parameters 2
Câu hỏi là liệu quan hệ này có phải quan hệ hồi qui vô nghĩa hay
không? Hay đây chính là quan hệ dài hạn thực sự?
Economics 20 - Prof. Anderson 4
- Đồng tích hợp - COINTEGRATION
Thông thường, việc kết hợp 2 biến có hạng I(1) sẽ dẫn
tới kết quả hồi qui vô nghĩa
Tuy nhiên, nếu thực sự giữa 2 biến có quan hệ dài hạn, thì
sai số của mô hình sẽ có xu hướng giảm dần và sẽ bằng 0,
tức là sai số của mô hình là là biến I(0).
Nếu tồn tại quan hệ giữa hai dãy số I(1), sao cho phần dự
(residuals) của mô hình hồi qui
Yt = β0 + β1 X t + ut
là cân bằng, thì hai (các) biến này được gọi là đồng tích hợp
(cointegrated).
Tức là có quan hệ dài hạn (stationary) giữa hai biến này
Economics 20 - Prof. Anderson 5
- Sai số của mô hình
+
Không có xu
hướng bằng
không
ut
0 Sai số ít khi
time
khác 0
-
Sai số (i.e. ut = Yt - β0 - β1Xt)
Economics 20 - Prof. Anderson 6
- Sai số cân bằng (stationary errors)
Nếu chúng ta có 2 dãy số độc lập và không cân bằng , thì
khi chúng ta tìm thấy bằng chứng về việc chúng có quan hệ với
nhau khi trên thực tế chúng không quan hệ với nhau (tức là có quan
hệ hồi qui vô nghĩa )
Có một cách để chúng ta có thể kiểm tra xem có tồn tại
quan hệ giữa các số liệu không cân bằng hay không, là kiểm tra
xem sai số có hội tụ về không hay (disequilibrium errors return to
zero).
Nếu quan hệ dài hạn thực sự tồn tại giữa các biến, thì sai số
sẽ là một dãy số cân bằng và có trung bình bằng không
ut
time
0 Economics 20 - Prof. Anderson 7
- Mô hình hồi qui giữa tiêu dùng và thu nhập :
Ct = b0 + bYt
1
Làm thế nào để có thể xác định giữa một quan hệ dài hạn
(quan hệ thực) với một quan hệ hồi qui vô nghĩa? Kiểm
định !!!!!!!!!
Economics 20 - Prof. Anderson 8
- Kiểm định đồng tích hợp (Testing for Cointegration)
Sau khi ước lượng mô hình sử dụng mô hình hồi qui tính, chúng ta lưu
phần số dư lại và xem xét xem phần số dư (residual) có cân bằng không
1.0
residuals
0.5
0.0
-0.5
0 10 20 30 40 50 60 70 80 90 100
1.0
ACF-residuals
0.5
0.0
-0.5
0 1 2 3 4 5 6 7 8 9 10 11 12
Economics 20 - Prof. Anderson 9
- (1) Kiểm định đồng tích hợp sử dụng Kiểm định Durbin Watson
Ở mức ý nghĩa 0.05 và với qui mô quan sát là 100, giá trị tới hạn là
0.38.
Ho: DW = 0 => không đồng tích hợp (DW < 0.38)
Ha: DW > 0 => đồng tích hợp (DW > 0.38)
Ho: ut = ut-1 + et
Ha: ut = ρut-1 + et ρ
- First Test: Cointegrating Regression Durbin Watson Test (CRDW)
Nếu các sai số là không cân bằng, giá trị của kiểm định DW sẽ
tiệm cận tới 0 khi số quan sát tăng lên . Như vậy có thể coi các giá
trị DW mà lớn như là một bằng chứng để bác bỏ giả thuyết là
không đồng tích hợp
The estimation sample is: 1 to 99
Coefficient Std.Error t-value t-prob Part.R^2
Constant 4.85755 0.1375 35.3 0.000 0.9279
X 1.00792 0.005081 198. 0.000 0.9975
sigma 0.564679 RSS 30.9296673
R^2 0.997541 F(1,97) = 3.935e+004 [0.000]**
log-likelihood -82.8864 DW 2.28
no. of observations 99 no. of parameters 2
Giá tri kiểm định DW = 2.28 >> 0.38 = 5% mức tới hạn.
Điều này cho rằng có thể các biến của chúng ta đồng tích hợp –
giả thiết rằng phần dư (residual) tuân thủ mô hình AR(1)
Economics 20 - Prof. Anderson 11
- Kiểm định 2: Kiểm định DF test (CRDF)
1 – Tiến hành hồi qui
Yt = b0 + b1 X t + ut
2 – Lưu phần dư, ˆ
ut , t = 1,..., T
3 – Chạy mô hình hồi qui phụ (auxiliary regression):
Δut
ˆ = ϕut −1 + et
ˆ , t = 2,..., T
Economics 20 - Prof. Anderson 12
- Kiểm định Dickey Fuller đối với hồi qui đồng tích hợp
Δut = φ ut-1 + et
Các giá trị tới hạn được MacKinnon (1991) tính
Ho: φ = 0 => không tích hợp (giá trị kiểm định lớn hơn giá trị
tới hạn – critical value)
Ha: φ < 0 => tích hợp (giá trị kiểm định nhỏ hơn giá trị tới
hạn)
Economics 20 - Prof. Anderson 13
- Kiểm định Dickey Fuller đối với hồi qui đồng tích hợp
Sẽ tốt hơn nếu sử dụng với dạng:
để tránh serial correlation.
Δut = φ ut-1 + θ1Δut-1 + θ2Δut-2 + θ3Δut-3 + θ4Δut-4 + et
Sử dụng F-test để lựa chọn mô hình
Các giá trị tới hạn được MacKinnon (1991) tính
Ho: φ = 0 => không tích hợp (giá trị kiểm định lớn hơn giá trị tới
hạn – critical value)
Ha: φ < 0 => tích hợp (giá trị kiểm định nhỏ hơn giá trị tới hạn)
Economics 20 - Prof. Anderson 14
- Kiểm định đồng tích hợp
Sử dụng DF chúng ta đưa thêm các biến trễ vào mô hình hồi qui
Δut = φ ut-1 + θ1Δut-1 + θ2Δut-2 + θ3Δut-3 + θ4Δut-4 + et
Và sau đó đánh giá xác định xem biến trễ nào nên ở trong mô hình
sử dụng kiểm định F và chi số thông (Information Criteria)
Progress to date
Model T p log-likelihood SC HQ AIC
EQ( 2) 94 5 OLS -74.238306 1.8212 1.7406 1.6859
EQ( 3) 94 4 OLS -74.793519 1.7847 1.7202 1.6765
EQ( 4) 94 3 OLS -74.797849 1.7364 1.6881 1.6553
EQ( 5) 94 2 OLS -74.948145 1.6913 1.6591 1.6372
EQ( 6) 94 1 OLS -75.845305 1.6621 1.6459 1.6350
Tests of model reduction (please ensure models are nested for test validity)
EQ( 2) --> EQ( 6): F(4,89) = 0.77392 [0.5450]
EQ( 3) --> EQ( 6): F(3,90) = 0.67892 [0.5672]
EQ( 4) --> EQ( 6): F(2,91) = 1.0254 [0.3628]
EQ( 5) --> EQ( 6): F(1,92) = 1.7730 [0.1863] All model reduction tests are
accepted hence move to most
simple model
Ta chọn Δut = φ ut-1 + et
Economics 20 - Prof. Anderson 15
- Kiểm định đồng tích hợp sử dụng CRADF test
Bước 1: Ước lượng mô hình hồi qui
Yt = β0 + β1Xt + ut
The estimation sample is: 1 to 99
Coefficient Std.Error t-value t-prob Part.R^2
Constant 4.85755 0.1375 35.3 0.000 0.9279
X 1.00792 0.005081 198. 0.000 0.9975
sigma 0.564679 RSS 30.9296673
R^2 0.997541 F(1,97) = 3.935e+004 [0.000]**
log-likelihood -82.8864 DW 2.28
no. of observations 99 no. of parameters 2
Lưu các phần dư ( residuals)
Economics 20 - Prof. Anderson 16
- Kiểm định đồng tích hợp
Bước 2: Sử dụng mô hình hồi qui phù Δut = φut-1 + et
Coefficient Std.Error t-value t-prob Part.R^2
residuals_1 -1.16140 0.1024 -11.3 0.000 0.5805
sigma 0.545133 RSS 27.6367834
log-likelihood -75.8453 DW 1.95
Có nghĩa là Δut = -1.161 ut-1 + et
(-11.3)
CRDF test statistic = -11.3
- Kiểm định đồng tích hợp
Ưu điểm của kiểm định CRDF Test
Engle và Granger (1987) so sánh một số phương pháp kiểm định đồng
tích hợp:
(1) CRDF ít thay đổi nhất
(2) CRDF có lực kiểm định lớn hơn (có khả năng bác bỏ giá thuyết
trống cao hơn kiểm định CRDW
Economics 20 - Prof. Anderson 18
- Kiểm định đồng tích hợp
Nhược điểm của CRDF
- Mặc dù kiểm định này tốt hơn (một cách tương đối) kiểm định CRDW
nhưng vẫn có bằng chứng cho thấy rằng kiểm định CRDF có lực kiểm
định tuyệt đối là thấp
Do đó chúng ta phải cẩn thận khi diễn giải kết quả
Economics 20 - Prof. Anderson 19
- Đồng tích hợp và tính nhất quán
Ước lượng OLS cho các biến I(0) có tính chất nhất quán (consistent)
Khi qui mô mẫu tăng lên, ước lượng sẽ hội tụ vào giá trị thực
của tổng thể/của data generating
Tuy nhiên, nếu như quan hệ thực sự (true relationship) đòi hỏi
phải có các biến trễ
Yt = θ0 + θ1Xt + θ2Yt-1 + θ3Xt-1 + ut
Mô hình hồi qui tính sử dụng OLS sẽ là ước lượng trệch và
không nhất quán
Yt = β0 + β1Xt + ut
Stock (1987) thấy rằng nếu Yt và Xt là đồng tích hợp, thì ước lượng
OLS của β0 và β1 sẽ là ước lượng nhất quán
Economics 20 - Prof. Anderson 20
Thêm tài liệu vào bộ sưu tập có sẵn:
Báo xấu
LAVA
ERROR:connection to 10.20.1.100:9315 failed (errno=111, msg=Connection refused)
ERROR:connection to 10.20.1.100:9315 failed (errno=111, msg=Connection refused)
Đang xử lý...
Thêm vào BST
Báo xấu
