| 邮箱或手机号 | 密码 | |
忘记帐户？ |
注册
无法处理你的请求
此请求遇到了问题。我们会尽快将它修复。
返回首页
- 中文[简体]
- English [US]
- 日本語
- 한국어
- Français [France]
- Bahasa Indonesia
- Polski
- Español
- Português [Brasil]
- Deutsch
- Italiano
- 注册
- 登录
- Messenger
- Facebook Lite
- Watch
- 地点
- 游戏
- Marketplace
- Meta Pay
- Oculus
- Portal
- Bulletin
- 筹款活动
- 服务
- 选民信息中心
- 小组
- 关于
- 创建广告
- 创建公共主页
- 开发者
- 招聘信息
- 隐私权政策
- 隐私中心
- Cookie
- Ad Choices
- 条款
- 帮助中心
- 联系人上传和非用户
- 设置
- 动态记录
Meta © 2022
Các vấn đề về sự tương quan của phần dư và phương sai thay đổi trong mô hình hồi quy OLS tuy không làm thiên chệch kết quả ước lượng của hệ số nhưng sẽ làm
kết quả ước lượng không hiệu quả, nhất là các sai số chuẩn ước lượng của hệ số không còn là bé nhất. Các phương pháp kiểm tra hiện tượng tự tương quan thường được sử dụng là kiểm định hệ số tương quan Pearson, kiểm định Durbin-Watson, kiểm định Breusch-Godfrey, kiểm định Durbin h, và kiểm định White noise. Nếu vấn đề tự tương quan có tồn tại thì có thể sử dụng các phương pháp như phương pháp sai phân, hoặc các phương pháp lặp của Cochran-Orcutt hoặc Praise-Winston. Bài viết sẽ minh họa thực hành
tất cả các cách kiểm tra và khắc phục vấn đề tự tương quan trên với sự hỗ trợ của phần mềm Stata.
I. Nhắc lại về hồi quy OLS
Phương trình một mô hình hồi quy OLS có dạng đơn giản như sau:
[{y_i} = {alpha _i} + beta {X_i} + {varepsilon _i}]
Trong đó:
- [{y_i}]: là biến phụ thuộc [dependent variable] dạng liên tục
- [{X_i}]: là biến độc lập [independent variable]
- [{alpha _i}]: hằng số cắt
- [beta ]: hệ số độ dốc của biến độc lập [{X_i}]
- [{varepsilon _i}]: sai số ngẫu nhiên.
Hệ số [{alpha _i}] và [beta ] là các tham số cần ước lượng của mô hình OLS. Để các tham số này được ước lượng hiệu quả và tin cậy, bên cạnh giả định về tính phân phối chuẩn của phần dư, mô hình OLS cần phải thỏa mãn 2 giả định quan trọng sau:
[left{ begin{array}{l}E[{y_i}] = {alpha _i} + beta {X_i}\E[{varepsilon _i}] = 0end{array} right.]
Các giả định này sẽ bị vi phạm trong các trường hợp mô hình tồn tại hiện tượng phương sai thay đổi [heteroskedasticity] và tự tương quan của phần dư. Đầu tiên, chúng ta bắt đầu thực hành kiểm tra và khắc phục hiện tượng phương sai thay đổi với file dữ liệu về thu nhập của người lao động.
Phần nội dung có thu phí bên dưới đã được ẩn.
Xin mời bạn đăng nhập để tiếp tục nội dung...
* Chưa có tài khoản thành viên, mời bạn đăng ký tại đây.
Chân thành cảm ơn sự quan tâm của bạn!
Back to top button
Nhóm Hỗ Trợ Stata 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. Kiểm định này có sự khác biệt khi áp dụng đối với dữ liệu bảng và dữ liệu theo chuỗi thời gian, mỗi loại sẽ có cách kiểm định riêng. Phần này sẽ nói phần thực hành kiểm định tự tương quan trước, sau đó là phần lý thuyết.
Kiểm định tự tương quan với dữ liệu chuỗi thời gian
Dùng kiểm định Durbin-Watson, kiểm định Breusch-Godfrey
Cách 1: Gõ lệnh dwstat ngay sau khi chạy hồi quy để tính toán giá trị Durbin-Watson, từ đó mới kết luận có tự tương quan hay không
. dwstat
Durbin-Watson d-statistic[ 7, 174] = 2.079461
Cách 2: Có cách khác để kiểm tra tự tương quan Durbin, đó là dùng lệnh durbinalt [kiểm định thay thế Durbin's alternative test for serial correlation] để tính toán trực tiếp ra mức ý nghĩa thống kê của kiểm định Durbin-Watson luôn.
Cú pháp lệnh là: estat durbinalt
Với giả thiết H0: không có tự tương quan, do đó với giá trị Prob>chi2 >5% như trên, ta kết luận chấp nhận giả thiết H0, có nghĩa là không có hiện tượng tự tương quan[ đây là điều mong đợi khi làm bài]
Cách 3: Hoặc cách khác nữa, dùng lệnh bgodfrey để kiểm định tự tương quan bằng kiểm định Breusch-Godfrey
Với giả thiết H0: không có tự tương quan, do đó với giá trị Prob>chi2 >5% của kiểm định Breusch-Godfrey như trên, ta kết luận chấp nhận giả thiết H0, có nghĩa là không có hiện tượng tự tương quan[ đây là điều mong đợi khi làm bài]
Trên đây là tự tương quan bậc 1, nếu muốn bậc 2, hoặc cao hơn thì thêm tham số lags vào, ví dụ lệnh sau kiểm tra tự tương quan bậc 2: estat bgodfrey,lags[2]
Kiểm định tự tương quan với dữ liệu bảng
Dùng kiểm định Wooldridge, với cú pháp như sau: xtserial y x1, x2…. [ y là biến phụ thuộc, x1,x2… là biến độc lập]
Với giả thiết Ho: Không có tương quan chuỗi[no first-order autocorrelation]
Do đó với giá trị Prob>F >5% của kiểm định Wooldridge như trên, ta kết luận chấp nhận giả thiết H0, có nghĩa là không có hiện tượng tự tương quan[ đây là điều mong đợi khi làm bài]
Lý thuyết
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.
Các phương pháp kiểm tra hiện tượng tự tương quan
Đối với dữ liệu
bảng : kiểm định Wooldridge
Đối với dữ liệu thời gian:kiểm định Durbin-Watson, kiểm định Breusch-Godfrey