Giới thiệu tổng quát về mô hình var, OLS và các kiểm định Hausman trong tài liệu mảng (Panel Data) thường được sử dụng trong nghiên cứu định lượng ở phần mềm eviews.

Bạn Đang Xem: Giới thiệu về mô hình var, OLS và các kiểm định Hausman trong dữ liệu mảng (Panel Data)

Tham khảo thêm các nội dung bài viết khác:

+ Phân tích định tính là gì? Các phương pháp phân tích định tính

+ Phương pháp dự báo là gì? Các phương pháp dự báo thường dùng

1. Giới thiệu về tài liệu mảng Panel Data

Panel Data là bộ tài liệu gồm có cả hai chiều không gian và thời kì.

Mô hình hồi tác động nhất mực (Fixed-effects) và tác động tình cờ (random-effects) được sử dụng trong phân tích tài liệu bảng (thỉnh thoảng còn được gọi là tài liệu dài: longitudinal data). Tài liệu bảng là việc phối hợp của tài liệu chéo (cross-section) và tài liệu thời kì (time series). Để thu thập tài liệu bảng, tất cả chúng ta phải thu thập nhiều đối tượng người sử dụng (units) giống nhau trong cùng một hoặc nhiều thời khắc. Chẳng hạn, tất cả chúng ta có thể thu thập các tài liệu của cùng các thành viên, đơn vị, trường học, thành phố, quốc gia… trong thời đoạn từ thời điểm năm 2000 đến 2014.

Sử dụng tài liệu bảng có hai ưu điểm lớn như:

i) Tài liệu bảng cho những kết quả ước tính các của thông số trong mô hình tin cậy hơn;

Xem Thêm : Áo khoác Bomber là gì? Tìm hiểu áo khoác Bomber nam, nữ?

ii) Tài liệu bảng được chấp nhận tất cả chúng ta xác định và giám sát tác động mà những tác động này sẽ không thể được xác định và giám sát khi sử dụng sử dụng chéo hoặc tài liệu thời kì.

2. Cách lựa chọn mô hình cho tài liệu bảng

Thắc mắc nêu lên là mô hình nào sẽ là mô hình tài liệu phù hợp: Pooled OLS, FE hay RE. Sự phù hợp của ước tính tác động tình cờ và tác động nhất mực được kiểm chứng trên cơ sở so sánh với ước tính thô.

Cụ thể, ước tính tác động nhất mực được kiểm chứng bằng kiểm định F với giả thuyết H0 nhận định rằng tất cả những hệ số vi đều bằng 0 (tức thị không có sự khác biệt giữa các đối tượng người sử dụng hoặc các thời khắc khác nhau). Bác bỏ bỏ giả thuyết H0 với mức ý nghĩa cho trước (mức ý nghĩa 5% chẳng hạn) sẽ cho thấy ước tính tác động nhất mực là phù hợp.

So với ước tính tác động tình cờ, phương pháp nhân tử Lagrange (LM) với kiểm định Breusch-Pagan được sử dụng để kiểm chứng tính phù hợp của ước tính (Baltagi, 2008 trang 319). Từ đó, giả thuyết H0 nhận định rằng sai số của ước tính thô không gồm có các sai lệch giữa các đối tượng người sử dụng var(vi) = 0 (hay phương sai giữa các đối tượng người sử dụng hoặc các thời khắc là không đổi).

Bác bỏ bỏ giả thuyết H0, cho thấy sai số trong ước tính có gồm có cả sự sai lệch giữa các nhóm, và phù phù hợp với ước tính tác động tình cờ.

Kiểm định Hausman sẽ tiến hành sử dụng để lựa chọn phương pháp ước tính phù hợp giữa hai phương pháp ước tính tác động nhất mực và tác động tình cờ (Baltagi, 2008 trang 320; Gujarati, 2004 trang 652). Giả thuyết H0 nhận định rằng không có sự tương quan giữa sai số đặc trưng giữa các đối tượng người sử dụng (vi) với những biến giảng giải Xit trong mô hình. Ước tính RE là hợp lý theo giả thuyết H0 nhưng lại không phù hợp ở giả thuyết thay thế. Ước tính FE là hợp lý cho tất cả giả thuyết H0 và giả thuyết thay thế. Tuy nhiên, trong trường hợp giả thuyết H0 bị bác bỏ bỏ thì ước tính tác động nhất mực là phù hợp hơn so với ước tính tác động tình cờ.

Trái lại, chưa xuất hiện đủ bằng cớ để bác bỏ bỏ H0 tức thị không bác bỏ bỏ được sự tương quan giữa sai số và các biến giảng giải thì ước tính tác động nhất mực không còn phù hợp và ước tính tình cờ sẽ ưu tiên được sử dụng.

Bạn đã biết phương pháp xây dựng thang đo likert phù phù hợp với mục tiêu nghiên cứu hay chưa? Hay làm thế nào thiết kế số lượng thắc mắc và Lever đánh giá và thẩm định phù hợp cho những đối tượng người sử dụng. Tham khảo thêm cụ thể chi tiết ở nội dung bài viết về thang đo likert này nhé!

3. Mô hình Pooled ols

Mô hình POOL thực chất là mô hình pooled ols bình thường, điều này xảy ra khi chúng ta sử dụng dữ liệu bảng như một đám mây dữ liệu bình thường không phân biệt theo năm và như vậy khi hồi quy mô hình POOL chính là mô hình pooled ols.

Xem Thêm : Hướng Dẫn Cài Đặt Tampermonkey Là Gì ? Cách Cài Đặt Và Sử Dụng Tampermonkey ?

Điều này cho thấy nếu như mô hình POOL thực sự phù hợp với dữ liệu hơn 2 mô hình sau thì việc chúng ta sử dụng phân tích bằng mô hình FEM, REM không còn nhiều ý nghĩa. Điều đó dẫn đến trường hợp lúc này chúng ta chỉ cần xem xét mô hình OLS cho dữ liệu có được và thực hiện các kiểm định bình thường ( 8 giả định OLS).

Đây là một cách giải thích cho sự thiếu vắng các kiểm định trong các nghiên cứu về dữ liệu bảng khi mà các nhà nghiên cứu cần tập trung vào các mô hình FEM, REM để phân tích. Mặc khác, đây cũng là gợi ý cho các kiểm định phát hiện các vấn đề trước khi quyết định phân tích theo các mô hình khác nhau.

4. Mô hình Var (Mô hình vectơ tự hồi quy)

Giới thiệu mô hình Var ( tự hồi quy vector) là mô hình gồm có hệ phương trình, không phân biệt biến độc lập và biến phụ thuộc.

Việc sử dụng mô hình Var bắt buộc những chuỗi tài liệu đưa vào phải là chuỗi dừng, nếu chưa dừng thì lấy sai phân khi nào dừng thì thôi. Trung trâm nghiên cứu định lượng hôm nay giới thiệu cho những bạn cách thực hiện mô hình Var trên EViews

Về thực chất VAR thật ra là việc phối hợp của 2 phương pháp: tự hồi quy đơn chiều (univariate autoregression-AR) và hệ phương trình ngẩu nhiên (simultanous equations-SEs). VAR hay tại phần nó lấy ưu điểm của AR là rất dễ ước tính bằng phương pháp tối thiểu hóa phần dư (OLS) nó lấy ưu điểm của SEs là ước tính nhiều biến trong cùng 1 mạng lưới hệ thống. Và song song nó khắc phục nhược điểm của SEs là nó không cần quan tâm đến tính nội sinh của không ít biến tài chính (endogeneity). Tức là các biến tài chính vĩ mô thường mang tính nội sinh khi chúng tác động qua lại lẫn nhau. Tính chất này làm cho phương pháp cổ điển hồi quy bội dùng 1 phương trình hồi quy nhiều khi bị sai lệch khi ước tính. Đây là những lý do cơ bản khiến VAR trở thành phổ quát trong nghiên cứu tài chính vĩ mô. Nó cũng đó chính là nền tảng cho nghiên cứu về việc cùng thống nhất (cointegration) của Engle và Granger (1983, 1987) giành giải nobel năm 2003.

5. Giới thiệu về kiểm định Hausman

Kiểm định Hausman là một kiểm tra giả thiết thống kê trong tài chính lượng được đặt theo tên của James Durbin, De-Min Wu và Jerry A. Hausman. Thuật toán này sử dụng để so sánh hai phương pháp ước tính FEM và REM.

Hay nói cách khác để xem xét mô hình FEM hay REM phù hợp hơn, ta sử dụng kiểm định Hausman. Thực chất kiểm định Hausman để xem xét có tồn tại tự tương quan giữa εi và các biến độc lập hay là không.

Kiểm định Hausman nhằm mục tiêu xác định mô hình tác động nhất mực hay tình cờ là phù hợp trong mô hình tài liệu bảng. Kiểm định này nhằm xác định sai số ui có tương quan với những biến giảng giải hay là không. Giả thuyết H0 của mô hình nhận định rằng không có tương quan giữa sai số và cái biến giảng giải. Để thực hiện kiểm định này, trước nhất bạn chạy mô hình tác động nhất mực (Lệnh xtreg y x1, fe) sau đó lưu các kết quả ước tính lại (Lệnh store fixed), sau đó chạy mô hình tác động tình cờ (Lệnh xtreg y x1, re) và cũng lưu kết quả lại (Lệnh store random).

Nếu kiểm định hausman trong eviews, thì kiểm định chi square cũng được sử dụng rất nhiều trong spss. Tuy nhiên, hiện bạn chưa vẫn còn chua thể chạy được kiểm định chi bình phương spss? Vậy thì có thể bạn đã phạm phải một số sơ sót nhỏ trong quá trình thực hiện. Xem ngay một số lưu ý khi chạy chi square test trong spss để kịp thời khắc phục

Treên đây là các mô hình tài liệu trong phần mềm Spss, nếu bạn phải xử lí số liệu trên phần mềm Eview hãy liên hệ ngay với Hotline Luận văn 1080 để được tương trợ trực tiếp.