Category Archives: Eviews

Phân tích Eviews

Kiểm định Breusch-Godfrey tự tương quan, tương quan chuỗi trong Eviews

Nhóm MBA Hỗ Trợ Eviews giới thiệu về khái niệm tự tương quan, cùng với các kiểm định để xác định xem dữ liệu có bị tự tương quan hay không.

Thực hành kiểm định tự tương quan.

Trong Eviews, để kiểm tra tự tương quan, tương quan chuỗi ta dùng kiểm định Breusch-Godfrey, cách làm như sau:

Sau khi chạy hồi quy, bạn vào menu  View/Residual Diagnostics/Serial Correlation LM Test

tu tuong quan eviews 1

Bảng bậc để chạy tự tương quan hiện ra, nếu bạn muốn kiểm định tương quan chuỗi bậc 1 thì gõ số 1, bậc 2 thì gõ số 2…

tu tuong quan eviews 2

tu tuong quan eviews 3

Nhìn vào kết quả, đọc giá trị Prob.Chi-Square là 0.1176 >5%. Do đó ta kết luận chấp nhận giả thiết H0: không có tương quan chuỗi( đây là điều mong đợi khi làm bài)

 

Lý thuyết tự tương quan

Bản chất của tự tương quan là gì ?

Thuật ngữ tự tương quan có thể được định nghĩa như là: quan hệ tương quan giữa các thành viên của chuỗi của các quan sát được sắp xếp theo thời gian (như trong dữ liệu chuỗi thời gian) hoặc không gian (như trong dữ liệu chéo). Trong ngữ cảnh hồi qui, mô hình hồi qui tuyến tính cổ điển giả định rằng quan hệ tự tương quan không tồn tại trong các nhiễu ui.
Tự tương quan và tương quan chuỗi có khác nhau?

Mặc dù hiện nay trên thực tế thường coi các từ tự tương quan và tương quan chuỗi là đồng nghĩa, một số tác giả vẫn muốn phân biệt hai từ này. Mặc dù sự khác biệt giữa hai từ này có thể là hữu ích, trong bài này chúng ta sẽ coi chúng là đồng nghĩa.

Mặc dù việc xảy ra tự tương quan là hay có với dữ liệu chuỗi thời gian, nó vẫn có thể xảy ra trong dữ liệu chéo. Một số tác giả gọi tự tương quan trong dữ liệu chéo là tự tương quan không gian, tức là tương quan theo không gian chứ không phải là theo thời gian. Tuy nhiên, vấn đề quan trọng là cần nhớ rằng trong phân tích chéo việc sắp xếp thứ tự dữ liệu cần theo lô gich, hoặc lợi ích kinh tế nào đó, để làm cho bất cứ việc xác định xem có tồn tại tự tương quan tồn tại hay không là có ý nghĩa.
 

Phương sai sai số thay đổi: định nghĩa, cách phát hiện, cách khắc phục bằng Eviews

Nhóm MBA Bách Khoa hotroEviews@gmail.com trình bài về khái niệm phương sai sai số thay đổi: định nghĩa, cách phát hiện, cách khắc phục phương sai sai số thay đổi sử dụng phần mềm Eviews.

Định nghĩa phương sai của sai số thay đổi

     Một giả thiết quan trọng trong mô hình hồi quy tuyến tính cổ điển là các yếu tố  nhiễu ui (hay còn gọi là phần dư residuals) xuất hiện trong hàm hồi quy tổng thể có phương sai không thay đổi (homoscedasticity,  còn gọi là phương sai có điều kiện không đổi); tức là chúng có cùng phương sai. Nếu giả thiết này không được thỏa mãn thì có sự hiện diện của phương sai thay đổi. Phương sai thay đổi (Heteroscedasticity, còn gọi là phương sai của sai số thay đổi) .
Phương sai thay đổi không làm mất đi tính chất không thiên lệch và nhất quán của các ước lượng OLS. Nhưng các ước lượng này không còn có phương sai nhỏ nhất hay là các ước lượng hiệu quả. Tức là chúng không còn là các ước lượng tuyến tính không thiên lệch tốt nhất (BLUE). Khi có phương sai thay đổi, các phương sai của các ước lượng OLS không được tính từ các công thức OLS thông thường. Nhưng nếu ta vẫn sử dụng các công thức OLS thông thường, các kiểm định t và F dựa vào chúng có thể gây ra những kết luận sai lầm.

Cách phát hiện phương sai sai số thay đổi trong Eviews

Cách 1: Kiểm định Phương sai sai số thay đổi Heteroskedasticity Test bằng kiểm định White
Vào menu: View – Residual analysis – heteroscedasticity test, chọn kiểm định White

heteroskedasticity 1

heteroskedasticity 2

Kết quả như sau:

heteroskedasticity 3

The Obs*R-squared statistic is White’s test statistic, ta cần xem p_value như phần tô đỏ trong hình.

Giả thiết H0 của White test: phương sai không đổi. Nếu  p-value < 0.05, bác bỏ Ho (với phát biểu  Ho: Phương sai qua các thực thể là không đổi)( làm bài mong đợi p-value >5% để kết luận phương sai không đổi)

Cách 2: Kiểm định Phương sai sai số thay đổi Heteroskedasticity Test bằng kiểm định Breusch-Pagan-Godfrey
Vào menu: View – Residual analysis – heteroscedasticity test, chọn kiểm định Breusch-Pagan-Godfrey

heteroskedasticity 4

heteroskedasticity 5

Ta cần xem p_value như phần tô đỏ trong hình, vẫn trong hàng Obs*R-squared  nhé.

Nếu  p-value < 0.05, bác bỏ Ho (với phát biểu  Ho: Phương sai qua các thực thể là không đổi)( làm bài mong đợi p-value >5% để kết luận phương sai không đổi)

Cách khắc phục phương sai thay đổi trong Eviews

Sử dụng mô hình sai số chuẩn mạnh: Sau khi ước lượng hồi quy, chọn estimate, trong tab option , chỗ Cofficience variance matrix ta chọn White , sau đó nhấn OK

heteroskedasticity 6

Kết quả ra như hình bên dưới

heteroskedasticity 7

Như vậy nhóm MBA Bách Khoa hotroEviews@gmail.com đã trình bài:  Phương sai sai số thay đổi: định nghĩa, cách phát hiện, cách khắc phục bằng Eviews. Các bạn có thắc mắc hoặc cần hỗ trợ xử lý số liệu đạt ý nghĩa cứ liên hệ nhóm nhé.

-SMS/Zalo/Viberphone-number

-Facebook facebook.com/hotroEviews

Email hotroeviews@gmail.com

Hướng dẫn cách tải download phần mềm Eviews 8.1 và cách cài đặt Eviews

Hôm nay nhóm Thạc Sĩ QTKD Đại Học Bách Khoa TP.HCM giới thiệu các bạn link download phần mềm Eviews miễn phí dùng cho mục đích học tập, cùng với hướng dẫn chi tiết từng bước cách cài đặt miễn phí Eviews 8 nhé.

Cách download Eviews miễn phí có crack:

– Các bạn tải file ở đây: https://www.mediafire.com/file/rm4tvd856pxv70p/phanticheviews.com.zip

– Giải nén toàn bộ file phanticheviews.com.zip , password giải nén là phanticheviews.com

– Như vậy, phần mềm Eviews 8 đã được tải về máy, việc tiếp theo là cài đặt chương trình như hướng dẫn.

Cách cài đặt phần mềm Eviews 8 trên máy tính

– Đầu tiên, chạy file EViews8Installer.exe

1

Màn hình sau hiện ra, nhấn Next, tiếp tục nhấn Next như các hình hướng dẫn cài Eviews bên dưới

2 3 4

Đến bước nhập số serial, các bạn nhập số serial là : demo

Tiếp tục nhấn next như hình bên dưới

5 6 7

Sau khi cài xong, copy file EViews.8-patch.exe trong thư mục cài đặt download lúc nãy, copy vào thư mục  “C:\Program Files\EViews 8” HOẶC “C:\Program Files (x86)\EViews 8”  và chạy file này. Sau đó nhấn nút PATCH

(Lưu ý nếu file EViews.8-patch.exe bị mất, không tìm thấy trên máy tính: File EViews.8-patch.exe có thể bị chương trình diệt virus trên máy tính của bạn tự động delete, do nó là phần mềm bẻ khóa. Do đó nếu bạn không tìm thấy file EViews.8-patch.exe thì hãy tạm thời tắt chương trình chống virus, tắt luôn windows defender (nếu windows từ phiên bản 7 trở về sau), và giải nén lại file đã download để lấy được file EViews.8-patch.exe)
8

Nhấn nút exit khi đã Patch xong ( chữ PATCHER DONE… hiện ra)

9

Như vậy đã cài xong chương trình Eviews8, các bạn vào program file, hoặc desktop sẽ thấy biểu tượng Eviews và chạy nó nhé. File gốc nằm ở đây: “c:\Program Files (x86)\EViews 8\EViews8.exe”  hoặc “c:\Program Files\EViews 8\EViews8.exe”

10

@ chú ý, nếu các bạn không chạy file EViews.8-patch.exe thì khi chạy Eview sẽ bị báo lỗi như sau, nếu các bạn bị lỗi chưa crack như vầy thì nên chạy lại file EViews.8-patch.exe

chua crack

Như vậy việc tải phần mềm và cài đặt Eviews đã hoàn thành. Chúc các bạn làm bài tốt, có khó khăn gì khi chạy cứ liên hệ nhóm nhé.

-SMS/Zalo/Viberphone-number

-Facebook facebook.com/hotroEviews

Email hotroeviews@gmail.com

Hướng dẫn download và cài đặt bằng video:

Giáo trình Dữ liệu bảng Stata và Eviews của Chương trình Giảng dạy Kinh tế Fulbright

Nhóm MBA Bách Khoa giới thiệu Giáo trình Dữ liệu bảng Stata và Eviews của Chương trình Giảng dạy Kinh tế Fulbright

Phần Stata là 10 trang đầu, Eviews từ trang 10 đến cuối nhé.

Phần này chủ yếu tập trung vào mô hình tác động cố đinh, ngẫu nhiên, lựa chọn mô hình, các lệnh thực hành.

Bạn xem ở đây nhé  MPP8-523-OM04V-Du lieu bang–Dinh Cong Khai-2016-05-10-14094847.pdf

 

Tài Liệu Hướng Dẫn Thực Hành Kinh Tế Lượng Bằng Phần Mềm Eviews 4.0 – Đại Học Kinh Tế Quốc Dân

Nhóm MBA Bách Khoa giới thiệu Tài Liệu Hướng Dẫn Thực Hành Kinh Tế Lượng Bằng Phần Mềm Eviews 4.0  soạn bởi Đại Học Kinh Tế Quốc Dân – Khoa Toán Kinh Tế – Bộ Môn Toán Kinh Tế

MỤC LỤC
1 Số liệu dùng trong eviews                  
2 Nhập số liệu từ bàn phím – xử lý số liệu   
3 Ước lượng mô hình hồi quy đơn              
4 Ước lượng mô hình hồi quy bội              
5 Mô hình với biến giả                       
6 Định dạng phương trình hồi quy             
7 Hiện tượng đa cộng tuyến                   
8 Hiện tượng phương sai sai số thay đổi      
9 Mô hình với số liệu chuỗi thời gian        
10 Tự tương quan và mô hình có biến trễ       

Bài này 78 trang khá chi tiết, các bạn xem ở đây: Kinh te luong.pdf

 

Bài Giảng Hướng Dẫn Sử Dụng Phần Mềm Eviews 7.0 Do Bộ Môn Toán Trường Đại Học Tài Chính – Marketing Biên Soạn

Nhóm MBA Bách Khoa giới thiệu bài giảng Hướng Dẫn Sử Dụng Phần Mềm Eview 7.0 do BỘ MÔN TOÁN TRƯỜNG ĐẠI HỌC TÀI CHÍNH – MARKETING biên soạn

Các nội dung chính được đề cập

1. Màn hình Eviews .
2. Các kiểu dữ liệu thông thường .
2.1. Số liệu theo thời gian
2.2. Số liệu chéo
2.3. Số liệu hỗn hợp .
3. Nhập dữ liệu
3.1. Nhập trực tiếp vào Eview
3.2. Nhập từ Excel và Word có sẵn
4. Vẽ đồ thị.  .
4.1. Vẽ biểu đồ phân tán số liệu .
4.2. Vẽ đường hồi quy tuyến tính  
5. Tìm hàm hồi quy tuyến tính mẫu (SRF)
6. Một số hàm trong Eviews .
7. Cách tìm một số dạng hàm hồi quy
8. Tìm ma trận tương quan và ma trận hiệp phương sai của các hệ số hồi quy .
8.1. Ma trận tương quan giữa các biến
8.2. Ma trận hiệp phương sai của các hệ số hồi quy
9. Bài toán tìm khoảng tin cậy cho các hệ số hồi quy .
10. Bài toán dự báo
11. Định mẫu .
12. Tính các giá trị thống kê
13. Các bài toán kiểm định giả thiết mô hình  
13.1. Kiểm định phương sai .
13.1.1. Kiểm định White .
13.1.2. Kiểm định Glejser
13.1.3. Kiểm định Breusch – Pangan – Godfrey
13.2. Kiểm định tự phương quan (kiểm định BG)
13.3. Kiểm định biến có cần thiết trong mô hình hay không (kiểm định Wald) .
13.4. Kiểm định thừa biến trong mô hình
13.5. Kiểm định biến bị bỏ sót trong mô hình .
13.6. Kiểm định Chow trong mô hình hồi quy với biến giả
14. Định dạng mô hình (Kiểm định Ramsey RESET)  
15. Lưu kết quả trong Eviews  
15.1. Lưu file dữ liệu  
15.2.  Lưu các bảng kết quả  .

Cụ thể, bài giảng đây nhé, bài khá dài, 55 trang với đầy đủ kiến thức:huong_dan_su_dung_eview_7.pdf

Tài liệu Hướng dẫn thực hành kinh tế lượng bằng phần mềm Eviews( ĐH Nông Lâm)

Nhóm MBA Bách Khoa giới thiệu bài giảng Tài liệu Hướng dẫn thực hành kinh tế lượng bằng phần mềm Eview do Khoa Kinh tế – Trường Đại Học Nông Lâm Tp Hồ Chí Minh biên soạn.

Nội dung gồm của bài giảng Hướng dẫn thực hành Eviews:
1. Sử dụng hộp lệnh của Eviews
2. Thao tác kiểm định bằng Eviews 
3. Phát hiện và khắc phục phương sai sai số thay đổi (PSSSTĐ)
4. Phát hiện và khắc phục đa cộng tuyến (ĐCT)
5. Phát hiện và khắc phục tự tương quan (TTQ)
6. Chọn lựa mô hình

Bài dạng pdf ở đây nhé, các bạn bấm vào xem hoặc tải về xem: Huong dan thuc hanh KTL-Luan-Ver2_0

Bài Giảng Hướng Dẫn Sử Dụng Eviews 6.0 do Ths Phùng Thanh Bình Đh Kinh Tế Biên Soạn

Nhóm Hỗ Trợ Eviews giới thiệu BÀI GIẢNG HƯỚNG DẪN SỬ DỤNG EVIEWS 6.0  do ThS Phùng Thanh Bình ĐH Kinh Tế biên soạn.

MỤC TIÊU BÀI GIẢNG:
1.  Eviews là gì?
2.  Workfile là gì?
3.  Trình bày dữ liệu trong Eviews?
4.  Đối tượng trong Eviews
5.  Quản lý dữ liệu trong Eviews
6.  Các phép toán và hàm số gì trong Eviews  
7.  Các vấn đề cơ bản về phân tích dữ liệu chuỗi và nhóm
8.  Xây dựng hàm kinh tế lượng trong Eviews
9.  Kiểm định giả thiết của mô hình hồi qui trong Eviews

 

Bài dạng pdf ở đây nhé, các bạn bấm vào xem hoặc tải về xem: Huong dan su dung Eviews 6.0.pdf

 

Định nghĩa dữ liệu bảng panel data trong Eviews

Định nghĩa dữ liệu bảng panel data

 panel data 1

Nhóm Hỗ Trợ Eviews giúp các bạn hiểu rõ khái niệm dữ liệu bảng bằng cách đưa ra hình trên. Dữ liệu bảng là sự kết hợp của dữ liệu chéo và chuỗi thời gian. Chuỗi thời gian ở đây là 4 năm 2014 2015 2016 2017. Dữ liệu chéo ở đây là tên 3 quốc gia : VietNam ThaiLand Malaysia. Như vậy bảng này có 3×4=12 dòng quan sát. Đây là định nghĩa đơn giản ngắn gọn dễ hiểu nhất về dữ liệu bảng panel data. ( lưu ý số liệu GDP, Population chỉ là minh họa cho dữ liệu bảng, chưa chính xác). Nói ngắn gọn, dữ liệu bảng có qui mô về thời gian lẫn không gian.

Dữ liệu bảng còn được gọi bằng các tên khác, như là dữ liệu gộp chung (gộp chung các quan sát chéo và chuỗi thời gian), là sự kết hợp của dữ liệu chéo và chuỗi thời gian, dữ liệu bảng vi mô (micropanel data), dữ liệu dọc (longitudinal data) (đó là một nghiên cứu nào đó theo thời gian về một biến hay một nhóm đối tượng), phân tích lịch sử sự kiện (thí dụ, nghiên cứu sự thay đổi theo thời gian của những đối tượng qua các tình trạng hay các điều kiện được tiếp diễn theo thời gian), phân tích theo tổ (cohort analysis). Mặc dù có những sự thay đổi tinh tế, nhưng tất cả các tên gọi này thực chất muốn nói đến sự thay đổi theo thời gian của các đơn vị chéo. Vì thế, chúng ta sẽ sử dụng thuật ngữ dữ liệu bảng theo nghĩa chung để bao gồm một hay nhiều hơn các thuật ngữ nói trên. Và chúng ta sẽ gọi các mô hình hồi quy dựa trên dữ liệu như thế là các mô hình hồi quy dữ liệu bảng.

 Những ưu điểm của dữ liệu bảng so với dữ liệu chéo hay dữ liệu chuỗi thời gian
1. Bởi vì dữ liệu bảng liên hệ đến các cá nhân, các doanh nghiệp, các tiểu bang, các quốc gia v.v theo thời gian, nên chắc chắn có tính không đồng nhất trong các đơn vị này. Các kỹ thuật ước lượng dựa trên dữ liệu bảng có thể tính đến tính không đồng nhất đó một cách rõ ràng bằng cách bao gồm các biến chuyên biệt theo cá nhân, như chúng tôi sắp cho thấy. Chúng tôi sử dụng thuật ngữ cá nhân ở đây theo nghĩa chung nhất để bao gồm các đơn vị vi mô như các cá nhân, doanh nghiệp, tiểu bang và quốc gia.
2. Bằng cách kết hợp chuỗi thời gian của các quan sát chéo, dữ liệu bảng cho chúng ta “dữ liệu chứa nhiều thông tin hữu ích hơn, tính biến thiên nhiều hơn, ít hiện tượng đa cộng tuyến giữa các biến hơn, nhiều bậc tự do hơn và hiệu quả cao hơn.”
3. Bằng cách nghiên cứu quan sát lập đi lập lại của các đơn vị chéo, dữ liệu bảng phù hợp hơn cho việc nghiên cứu sự động thái thay đổi theo thời gian của các đơn vị chéo này. Những tác động của thất nghiệp, tốc độ quay vòng việc làm, tính dịch chuyển của lao động được nghiên cứu tốt hơn khi có dữ liệu bảng.
4. Dữ liệu bảng có thể phát hiện và đo lường tốt hơn các tác động mà người ta không thể quan sát được trong dữ liệu chuỗi thời gian hay dữ liệu chéo thuần túy. Thí dụ, tác động của các luật về mức lương tối thiểu đối với việc làm và thu nhập có thể được nghiên cứu tốt hơn nếu chúng ta bao gồm các đợt gia tăng mức lương tối thiểu liên tiếp trong các mức lương tối thiểu của liên bang và/hoặc tiểu bang.
5. Dữ liệu bảng làm cho chúng ta có thể nghiên cứu các mô hình hành vi phức tạp hơn. Thí dụ, chúng ta có thể xử lý tốt hơn bằng dữ liệu bảng các hiện tượng như lợi thế kinh tế theo qui mô và thay đổi công nghệ so với dữ liệu chéo hay dữ liệu chuỗi thời gian.
6. Bằng cách cung cấp dữ liệu đối với vài nghìn đơn vị, dữ liệu bảng có thể giảm đến mức thấp nhất hiện tượng chệch có thể xảy ra nếu chúng ta gộp các cá nhân hay các doanh nghiệp theo những biến số có mức tổng hợp cao.
Nói tóm lại, dữ liệu bảng có thể làm cho phân tích thực nghiệm phong phú hơn so với cách chúng ta chỉ sử dụng dữ liệu chéo hay dữ liệu chuỗi thời gian.

Cách xử lý dữ liệu bảng

Hai kỹ thuật nổi bật để xử lý dữ liệu bảng là mô hình các tác động cố định (FEM) và mô hình các tác động ngẫu nhiên (REM) hay mô hình các thành phần sai số (ECM).

 Trong FEM, tung độ gốc trong mô hình hồi quy được phép khác nhau giữa các cá nhân do công nhận sự thực là mỗi đơn vị chéo hay cá nhân có thể có một số đặc điểm đặc biệt riêng của nó. Ðể tính đến các tung độ gốc khác nhau, người ta có thể sử dụng các biến giả. FEM sử dụng các biến giả được gọi là mô hình biến giả bình phương nhỏ nhất (Least Square Dummy Variables  – LSDV). FEM thích hợp trong những tình huống mà tung độ gốc chuyên biệt theo cá nhân có thể tương quan với một hay nhiều hơn một biến hồi quy độc lập. Một bất lợi điểm của LSDV là nó dùng hết nhiều bậc tự do khi số đơn chéo, N, rất lớn. Trong trường hợp này chúng ta sẽ phải đưa vào N biến giả (nhưng kìm hãm số hạng tung độ gốc chung).
Một mô hình thay thế cho FEM là REM. Trong REM, người ta giả định rằng tung độ gốc của một đơn vị cá nhân được lấy ra ngẫu nhiên từ một tổng thể lớn hơn nhiều, với giá trị trung bình không đổi. Sau đó, tung độ gốc của cá nhân được thể hiện như một sự lệch khỏi giá trị trung bình không đổi này. Một ưu điểm của REM so với FEM là nó tiết kiệm được bậc tự do, bởi vì chúng ta không phải ước lượng N tung độ gốc chéo. Chúng ta chỉ cần ước lượng giá trị trung bình của tung độ gốc và phương sai của nó. REM thích hợp trong các tình huống mà tung độ gốc (ngẫu nhiên) của mỗi đơn vị chéo không tương quan với các biến hồi quy độc lập.
Lựa chọn mô hình

Để lựa chọn giữa OLS và FEM, chạy F test. F test kiểm tra có phải fixed effects =0 hay không. Nếu p-value<5%, bác bỏ giả thiết H0( H0: fixed effects =0 ), sau đó mới dùng kiểm định Hausman so sánh  để chọn FEM và REM.

Trên đây là định nghĩa dữ liệu bảng panel data, các bạn cần hỗ trợ chạy mô hình, xử lý số liệu liên hệ nhóm tại đây nhé.

-SMS/Zalo/Viberphone-number

-Facebook facebook.com/hotroEviews

Email hotroeviews@gmail.com

Bài báo gốc tham khảo các bạn xem ở đây: MPP03-521-R22V-2012-02-10-10300799.pdf

EViews – Cách chạy hồi quy đa biến và giải thích ý nghĩa kết quả

Giới thiệu

Nhóm MBA ĐH Bách Khoa hotroEviews@gmail.com giới thiệu cách chạy hồi quy với EViews. Bài này chỉ đơn thuần chạy hồi quy, không liên quan đến các khái niệm fixed effect và random effect nhé.

Cách thao tác

Trước tiên bật EViews lên, bật file dữ liệu lên và chọn vào menu Quick – Estimate Equation

regression1

Lúc đó màn hình hiện lên bảng sau:

regression2

Đây là màn hình để nhập các thông số cần ước lượng vào. Ở bài này, chúng ta có

  • 1 biến phụ thuộc là HL
  • 6 biến độc lập là: TC DU DB CT HH MB

Chúng ta cần tính toán xem 6 biến này có tác động đến biến phụ thuộc hay không, mức độ tác động là bao nhiêu, các chỉ số như R bình phương, kiểm định F… là bao nhiêu thì chúng ta sẽ chạy hồi quy, ta sẽ nhập dòng sau vào ô trống :

regression3

Đứng đầu là chữ HL( gạch dưới màu xanh), tiếp theo là biến C( gạch dưới màu vàng), tiếp theo là các biến độc lập( gạch dưới màu đỏ). Lưu ý biến C lúc nào cũng cần , vì nó là viết tắt cho hằng số Constant. Biến C có thể đứng trước, hoặc sau biến độc lập. Nhưng biến phụ thuộc bắt buộc phải đứng đầu.

Về phương thức ước lượng, có nhiều phương thức như sau:

LS – least squares (nls and arma)
TSLS – two-stage least squares (tsnls and arma)
GMM – generalized method of moments
LIML – limited information maximum likelihood and k-class
COINTREG – cointegrating regression
ARCH – autoregressive conditional heteroskedasticity
BINARY – binary choice (logit, probit, extreme value)
ORDERED – ordered choice
CENSORED – censored or truncated data (include tobit)
COUNT – interger count data
QREG – quantile regession (including lad)
GLM – generalized linear models
STEPLS – robust least squares
HECKIT – heckman selection (generalized tobit)
BREAKLS – least squares with beakpoints
SWITCHREG – switching regression

regression4

Ở đây ta chọn phương thức mặc định là LS – least squares (nls and arma), sau đó nhấn OK sẽ ra kết quả như sau:

Dependent Variable: HL

Method: Least Squares

Date: 11/21/16 Time: 14:00

Sample: 1 200

Included observations: 200

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-0.986961

0.232071

-4.252845

0.0000

TC

0.161892

0.035779

4.524742

0.0000

DU

0.171275

0.032314

5.300333

0.0000

DB

0.223926

0.052222

4.287924

0.0000

CT

0.305198

0.053724

5.680838

0.0000

HH

0.221121

0.045545

4.854949

0.0000

MB

0.217231

0.044356

4.897470

0.0000

R-squared

0.671442

Mean dependent var

3.286250

Adjusted R-squared

0.661228

S.D. dependent var

0.755797

S.E. of regression

0.439905

Akaike info criterion

1.229858

Sum squared resid

37.34872

Schwarz criterion

1.345300

Log likelihood

-115.9858

Hannan-Quinn criter.

1.276576

F-statistic

65.73589

Durbin-Watson stat

2.145830

Prob(F-statistic)

0.000000

 

Cách đọc ý nghĩa các chỉ số như sau:

  • R-squared = 0.67 : Hệ số R bình phương, thể hiện các biến độc lập giải thích được bao nhiêu % biến thiên của biến phụ thuộc.
  • Adjusted R-squared = 0.66 : Hệ số R bình phương hiệu chỉnh, thể hiện các biến độc lập giải thích được bao nhiêu % biến thiên của biến phụ thuộc.
  • F-statistic = 65.74 : kiểm định F, dùng để kiểm tra mô hình hồi quy tuyến tính xây dựng được là phù hợp với tổng thể hay không, với giả thiết là R2 của tổng thể bằng =0.
  • Prob(F-statistic) = 0.00 : xác suất của kiểm định F, nếu < 5% chứng tỏ mô hình giả thiết R2 của tổng thể khác 0 được chấp nhận
  • Durbin-Watson stat = 2.15 : giá trị kiểm định dùng kiểm tra hiện tượng tự tương quan.
  • Cột Prob. nếu < 5% chứng tỏ biến đó có tác động có ý nghĩa thống kê đến biến phụ thuộc, ở đây ta có 6 biến độc lập và đều có tác động có ý nghĩa thống kê đến biến phụ thuộc
  • Cột Coefficient là hệ số hồi quy chưa chuẩn hóa, từ cột này có thể viết phương trình hồi quy như sau: HL = -0.99 + 0.16*TC + 0.17*DU + 0.22*DB + 0.31*CT + 0.22*HH + 0.22*MB
  • Muốn tìm hệ số hồi quy đã chuẩn hóa cần phải thực hiện thêm bước nữa là: Vào menu View – Coefficient Diagnostics – Scale Coefficients, bảng sau sẽ hiện ra thể hiện giá trị hồi quy chuẩn hóa như cột tô vàng trong hình.

Standardized

Elasticity

Variable

Coefficient

Coefficient

at Means

C

-0.986961

NA

-0.300330

TC

0.161892

0.217286

0.177472

DU

0.171275

0.239621

0.180374

DB

0.223926

0.194710

0.209787

CT

0.305198

0.280586

0.312047

HH

0.221121

0.219396

0.251428

MB

0.217231

0.218403

0.169224

Ngoài ra, muốn kiểm tra hiện tượng đa cộng tuyến VIF cần vào menu View – Coefficient Diagnostics – Variance Inflation Factor,kết quả ra như sau, cột cần nhìn là cột cuối màu đỏ, ta thấy các VIF đều <2 nên không xảy ra hiện tượng đa cộng tuyến.

Variable

Coefficient Variance

Uncentered VIF

Centered VIF

C

0.053857

55.66117

NA

TC

0.001280

18.52518

1.354629

DU

0.001044

14.12625

1.200576

DB

0.002727

27.92747

1.211234

CT

0.002886

35.10955

1.433018

HH

0.002074

31.13389

1.199596

MB

0.001967

14.49393

1.168207

Liên hệ nhóm để được hỗ trợ tư vấn làm luận văn, khảo sát thu thập số liệu

-SMS/Zalo/Viberphone-number

-Facebook facebook.com/hotroEviews

Email hotroeviews@gmail.com