Bài giảng Kinh tế lượng - Chương 7: Lựa chọn mô hình - Nguyễn Phương

Nội dung text: Bài giảng Kinh tế lượng - Chương 7: Lựa chọn mô hình - Nguyễn Phương

1. Chương 7: LUỰA CHỌN MÔ HÌNH Th.S NGUYỄN PHƯƠNG Bộ môn Toán kinh tế Trường Đại học Ngân hàng TPHCM Blog: Email: [email protected] Ngày 18 tháng 9 năm 2016 1
2. NỘI DUNG 1 Các thuộc tính của mô hình tốt 2 Cách tiếp cận để lựa chọn mô hình 3 Phát hiện những sai lầm và kiểm định 2
3. Các thuộc tính của mô hình tốt Các thuộc tính của mô hình tốt 1 Tiết kiệm: mô hình là sự biểu diễn đơn giản của thực tại khách quan mô hình càng đơn giản càng tốt. −→ 2 Tính đồng nhất: với một tập hợp dữ liệu đã cho, các tham số ước lượng phải duy nhất. 3 Tính thích hợp: mô hình càng thích hợp thì việc phân tích càng chính xác. 4 Tính bền vững về mặt lý thuyết: trong việc xây dựng mô hình, phải có một cơ sở lý thuyết nào đó nếu không sẽ dễ dẫn đến kết quả sai. −→ 5 Có khả năng dự báo tốt: mô hình được chọn sao cho khi dùng để dự báo sẽ cho những kết quả sát với thực tế. 3
4. Cách tiếp cận để lựa chọn mô hình Các thuộc tính của mô hình tốt 1 Xác định số biến độc lập: từ đơn giản đến tổng quát, từ tổng quát đến đơn giản. 2 Kiểm tra mô hình có vi phạm các giả thiết hay không. 3 Chọn dạng hàm Để chọn dạng hàm, ta cần dựa vào: ® Các lý thuyết kinh tế. ® Các nghiên cứu thực nghiệm. ® Đồ thị biểu diễn sự biến thiên của dãy các số liệu quan sát. ® Phân tích về bản chất của mối quan hệ giữa các biến kinh tế. 4 Sử dụng các tiêu chuẩn thông dụng để chọn mô hình ® Giá trị của hàm hợp lý log-likelihood (L): P L = n ln σ2 n ln(2π) 1 u2 − 2 − 2 − 2 i Giá trị của L càng lớn thì mô hình càng phù hợp.  RSS  2k/n ® Tiêu chuẩn AIC (Akaike info criterion): AIC = n .e Giá trị của AIC càng nhỏ thì mô hình càng phù hợp.  RSS  k/n ® Tiêu chuẩn Schwarz (Scharz criterion): SC = n .n Giá trị của AIC càng nhỏ thì mô hình càng phù hợp. 4
5. Phát hiện những sai lầm và kiểm định Phát hiện những sai lầm và kiểm định ® Bỏ sót biến thích hợp. ® Đưa vào mô hình những biến không thích hợp. ® Chọn dạng hàm không đúng. 5