Admin| 12/10/2017

Giới thiệu phương pháp PMG – Pooled Mean Group

Nguồn tham khảo: Ts. Nguyễn Minh Tiến

Tác giả: Luanhay.vn

Từ khóa: hồi quy, kiểm định, eview, stata, spss, luận văn, luận hay, bảng hỏi, mô hình
 
Phương pháp GMM được sử dụng để khắc phục sự tương quan giữa các biến giải thích với các thành phần sai số (μi và εit ) thông qua các biến đại diện ở phương trình sai phân và phương trình level. Ngoài ra, GMM còn cho phép tồn tại biến nội sinh, lẫn tính động trong mô hình. Tuy nhiên, không đề cập đến các động trong dài hạn thông qua các mối quan hệ đồng kết hợp. Để khắc phục vấn đề tồn tại trên, Pesaran và Smith (1995), Pesaran (1997), và Pesaran, Shin và Smith (1999) đề xuất sử dụng phương pháp PMG (Pooled Mean Group).
Theo Pesaran và Smith (1995), phương pháp ước lượng PMG cho kết quả ước lượng các tham số có giá trị trung bình nhất quán. Pirotte (1999) còn cho rằng phương pháp PMG sẽ cho kết quả ước lượng trong dài hạn hiệu quả với cở mẫu lớn. Nó cho phép các tham số độc lập trong toàn bộ nhóm và không xét đến tính đồng nhất có thể có giữa các nhóm.
Các ước lượng dữ liệu bảng như FE, RE, GMM đòi hỏi các tham số đồng nhất giữa các đơn vị bảng. Ngoài ra, do không xét đến tính đồng kết hợp nên kết quả ước lượng của các hệ số hồi quy ở những phương pháp trên có thể bị chệch và không không quán trong dài hạn. Vấn đề này sẽ trở nên trầm trọng khi T lớn. Pesaran, Shin, và Smith (1999) đề xuất một phương pháp ước lượng trung gian (PMG) cho phép các tham số trong ngắn hạn khác biệt giữa các nhóm (heterogenous) trong khi ràng buộc các tham số trong dài hạn đồng nhất giữa các đơn vị bảng. Vì vậy, ưu điểm của PMG là nó cho phép phân biệt tính động trong ngắn hạn (khác nhau giữa các nhóm) và dài hạn (đồng nhất giữa các nhóm).
Tóm lại, phương pháp PMG cho phép: (i) ước lượng các hệ số trong dài hạn; (ii) xác định tốc độ hiệu chỉnh để trở về cân bằng trong dài hạn và (iii) gián tiếp kiểm tra tính dừng của ước lượng GMM.
Theo đó, phương pháp PMG được sử dụng để ước lượng mô hình hiệu chỉnh sai số của tập biến liên quan đến mô hình:
ΔY it =∑ j=1 p–1 γ i j ΔY i,t–j +∑ j=0 p–1 δ i j ΔX i,t–j +φ i [Y i,t–1 –{β i 0 +β i 1 X i,t–1 }]+ε it  
Trong đó:

• Y it   : biến phụ thuộc của mô hình
• Y i,t–j   là các biến trễ bậc j của Y it  
• X i,t–j   : tập hợp biến giải thích ngoại sinh
• ε it =λ i +λ t +υ it   : sai số của mô hình bao gồm thành phần đặc trưng cho đối tượng λ i   , không đổi theo thời gian λ t   và sai số ngẫu nhiên υ it   .
• γ i j   và δ i j   là thành phần ngắn hạn của các hệ số ước lượng
• β i 0   và β i 1   là thành phần dài hạn của hệ số ước lượng
• φ i   là thành phần điều chỉnh về cân bằng dài hạn.

Phương pháp FMG được đề xuất bởi Pesaran, Shin, and Smith (1999) bổ sung tính cân bằng trong dài hạn nhưng xem các hệ số ước lượng ngắn hạn như phương sai thay đổi.
Δy it =ϕy it–1 +βx it +a 1 Δy it–1 +…+a p Δy it–p +b 1 Δx it +…+b q Δx it–q +e it    
 
Xem thêm lý thuyết về: Hướng dẫn hồi quy FEM/REM với Stata, Mô hình hồi quy tuyến tính, FEM và REM,  phân tích Tương quan và Đa cộng tuyến; phương sai sai số thay đổi ; tự tương quan, Hausman test; kiểm định phi tham số, VAR, MDS; EFA, VECM, CFA, SEM, PMG. Xem thêm một số bài nghiên cứu ứng dụng lý thuyết   Tra cứu giá trị thống kê qua bảng tính sẵn giá trị,  hồi quy,  kiểm định, eview, stata, spss
 
Để có thêm thông tin chi tiết liên hệ:Mr.Quân – Luanhay.vn  - 0127 800 1762/  097 9696 222 – hoặc email: luanhay@luanhay.com – luanvanhay@gmail.com  – Add: Tầng 8, tòa nhà Sáng tạo, số 1 Lương Yên, Hai Bà Trưng, Hà Nội