Tin mới
Hồi quy
Độ phù hợp hồi quy Stepwise

Độ phù hợp hồi quy Stepwise

Nhược điểm lớn nhất của hồi quy Stepwise là cho phép các biến không có liên quan vào trong mô hình, do vậy, hồi quy Stepwise có thể tạo ra các mối quan hệ ảo hay tác động giả lên biến phụ thuộc trong mô hình....
read more
Phân tích hồi quy đa biến bội – SPSS

Phân tích hồi quy đa biến bội – SPSS

Phương pháp hồi quy đa biến là một phương pháp ước lượng một mô hình hồi quy đơn lẻ với một hay nhiều biến độc lập. Khi mô hình hồi quy gồm nhiều biến phụ thuộc thì phương pháp thực hiện ước lượng mô hình này gọi là phương pháp phân tích hồi đa biến bội (Multivariate Multiple regression)....
read more
Hồi quy tuyến tính đa biến – SPSS

Hồi quy tuyến tính đa biến – SPSS

Hồi quy tuyến tính đa biến là dạng mở rộng của hồi quy tuyến tính giản đơn cho 2 hay nhiều biến độc lập. Nó được sử dụng khi chúng ta muốn dự báo một biến kết quả (biến phụ thuộc) theo giá trị của 2 hay nhiều biến giải thích (còn gọi là biến độc lập). Chẳng hạn, chúng ta muốn dự báo thu nhập của người lao động theo số năm đi học, số năm kinh nghiệm, tuổi, giới tính hoặc khu vực sinh sống của người lao động....
read more
Lựa chọn dạng hàm

Lựa chọn dạng hàm

Để xác định mô hình hồi quy tuyến tính cổ điển CLRM, chúng ta phải lựa chọn một dạng hàm cụ thể. Chúng ta có thể chọn bất kì dạng hàm nào mà các tham số được ước lượng là tuyến tính. Nếu chúng ta chọn sai dạng hàm, thì mô hình được xác định nhầm và không phù hợp với dữ liệu...
read more
Lựa chọn mô hình – Stepwise vs BMA

Lựa chọn mô hình – Stepwise vs BMA

Xây dựng mô hình thống kê là một nghệ thuật toán học. Vì lý do đó, các nhà nghiên cứu phải cân nhắc rất nhiều yếu tố để đi đến một mô hình đẹp. Mô hình đẹp là một mô hình đơn giản mô tả sát nhất với thực tế. Một mô hình phản ánh 100% thực tế đôi khi không còn là “mô hình” nữa, vì tính quá phức tạp không thể ứng dụng được của nó. Ngược lại, một mô hình chỉ mô tả thực tế khoảng 1% thì cũng không thể sử dụng được. Xây dựng mô hình, do đó, không chỉ tùy thuộc vào các phép tính thống kê, toán học, mà còn phải xem xét đến các yếu tố thực tế để bảo đảm cho sự hữu ích của mô hình. Nói như Good va2 Hardin[1] (2006, trang 152): “Don’t be too quick to turn on the computer. Bypassing the brain to compute by reflex is a sure recipe for disaster.”...
read more
Lựa chọn trọng số: pweight hay fweight

Lựa chọn trọng số: pweight hay fweight

Một trong những sai lầm phổ biến nhất xảy ra khi phân tích dữ liệu từ cuộc điều tra mẫu là lựa chọn trọng số của mẫu không phù hợp. Có 4 loại trọng số mẫu thường được sử dụng trong phân tích dữ liệu điều tra là: Trọng số xác suất: pweight (pw); Trọng số tần suất: fweight (fw); Trọng số phân tích: aweight (aw); Trọng số ảnh hưởng: iweight (iw)...
read more
Tương quan Pearson – Stata

Tương quan Pearson – Stata

Giá trị hệ số xác định R bình phương trong hồi quy tuyến tính giản đơn chính là tham số ước lượng của hệ số tương quan Person. Nội dung bài viết này trình bày về hệ số tương quan Pearson....
read more
Tương quan hạng Spearman – Stata

Tương quan hạng Spearman – Stata

Tương quan hạng Spearman được sử dụng thay thế tương quan Pearson để kiểm tra mối quan hệ giữa hai biến được xếp hạng hoặc một biến được xếp hạng và một biến đo lường không yêu cầu có phân phối chuẩn...
read more
Hồi quy tuyến tính – OLS – Stata

Hồi quy tuyến tính – OLS – Stata

Mô hình hồi quy tuyến tính được sử dụng để xác định mối quan hệ tuyến tính giữa một (hồi quy tuyến tính giản đơn) hoặc nhiều biến giải thích (hồi quy tuyến tính đa biến) với một biến phụ thuộc dạng liên tục. Thông thường có 3 phương pháp được sử dụng phổ biến để ước lượng mô hình hồi quy tuyến tính: Ước lượng bình phương thông thường nhỏ nhất (OLS); Ước lượng bình phương tổng quát nhỏ nhất (GLS); Ước lượng hợp lý cực đại (ML)...
read more
Đọc kết quả ước lượng OLS – Stata

Đọc kết quả ước lượng OLS – Stata

Tiếp theo bài phương pháp ước lượng hồi quy tuyến tính, bài viết này sẽ trình bày cách đánh giá độ tin cậy của mô hình và hướng dẫn đọc kết quả ước lượng OLS. Nội dung bao gồm 2 phần: đầu tiên là phần đánh giá độ tin cậy của mô hình hồi quy tuyến tính; tiếp đến là hướng dẫn đọc kết quả ước lượng OLS trên phần mềm Stata....
read more
Bảng tra phân phối F – F distribution table

Bảng tra phân phối F – F distribution table

Giới thiệu về phân phối F Phân phối F (hay thống kê F) là một phân phối lệch phải (right-skewed distribution) được sử dụng phổ biến trong phân tích phương sai. Khi đề cập đến thống kê F thì trước hết cần xác định 2 bậc tự do k1, k2...
read more
Bảng tra thống kê Durbin-Watson

Bảng tra thống kê Durbin-Watson

Kiểm định thống kê Durbin-Watson là một loại kiểm định được sử dụng phổ biến để phát hiện vấn đề tự tương quan trong mô hình tự hồi quy bậc 1. Sau khi chạy hồi quy, có thể sử dụng câu lệnh dwstat để có được giá trị thống kê Durbin-Watson tính toán (dw). Kết quả của dw sẽ được so sánh với các giá trị dL, dU tra bảng (ở mức ý nghĩa alpha và số biến giải thích trong mô hình). Các giá trị này được tổng hợp ở bảng bên dưới...
read more
Phân biệt độ lệch chuẩn với sai số chuẩn

Phân biệt độ lệch chuẩn với sai số chuẩn

Trong các tạp chí khoa học, chúng ta thường thấy những kí hiệu dạng x ± y, trong đó x là số trung bình, còn y thì có khi là độ lệch chuẩn (standard deviation – SD), đôi khi là sai số chuẩn (standard error – SE) hoặc SEM (standard error of the mean). Cách trình bày này thông dụng đến nỗi một số chuyên gia và các ban biên tập phải lên tiếng khuyến cáo (đưa ra quy ước chung). Theo đó:...
read more
Đôi điều về tính chất BLUE của ước lượng

Đôi điều về tính chất BLUE của ước lượng

Chúng ta gần như rất quen thuộc với các khái niệm như kết hợp tuyến tính (linearity), độ tin cậy (consistent), tính không chệch (unbiased) hoặc tính nhất quán, hiệu quả (effective) của ước lượng. Đó chính là các tính chất BLUE của ước lượng. Vậy một ước lượng như thế nào được gọi là BLUE. Sau đây là đôi điều “tản mạn” về tính chất BLUE của ước lượng....
read more
Kiểm định nhân quả với dữ liệu bảng trên EViews

Kiểm định nhân quả với dữ liệu bảng trên EViews

Theo Hurlin và Venet (2001) kiểm định nhân quả với dữ liệu bảng sẽ hiệu quả hơn so với nhân quả Granger trong dữ liệu chuỗi thời gian bởi (i) có thể kiểm soát tính không đồng nhất giữa các đối tượng bảng; (ii) gia tăng độ chính xác của các ước lượng hồi quy (cỡ mẫu lớn); (iii) giảm các vấn đề xác định mô hình; và (iv) giảm khả năng thiên chệch tổng hợp như trong dữ liệu chuỗi thời gian. Tùy theo cách tiếp cận về tính đồng nhất của các hệ số ước lượng cho các quan sát mà chúng ta có 3 cách kiểm tra quan hệ nhân quả với dữ liệu bảng: Holtz-Eakin, Newey và Rosen (1988); Hurlin (2004); Dumitrescu-Hurlin (2012). Bài viết sẽ lần lượt trình bày và minh họa cách thực hiện kiểm định nhân quả với dữ liệu bảng trên EViews....
read more
Kiểm định nghiệm đơn vị với dữ liệu bảng

Kiểm định nghiệm đơn vị với dữ liệu bảng

Kiểm định nghiệm đơn vị là để phân biệt giữa tính xu thế và tính dừng của dữ liệu. Kiểm định nghiệm đơn vị với dữ liệu bảng có hiệu quả hơn so với các dữ liệu chuỗi thời gian riêng rẽ. Bài viết sẽ minh họa các kiểm định nghiệm đơn vị với dữ liệu bảng trên EViews như: Levin, Lin và Chu (2002), Breitung (2000), Im, Pesaran và Shin (2003), ADF và PP, Maddala và Wu (1999), Choi (2001), và Hadri (2000)....
read more
Kiểm định Breakpoint Unit root test

Kiểm định Breakpoint Unit root test

Perron (1989) đã chỉ ra rằng các kiểm định nghiệm đơn vị thông thường sẽ bị chệch về hướng bác bỏ giả thiết H0 khi dữ liệu là dừng xu thế với điểm gãy cấu trúc (structural break). Trong trường hợp dữ liệu có điểm gãy cấu trúc, thay vì sử dụng các kiểm định nghiệm đơn vị thông thường thì chúng ta sẽ sử dụng kiểm định Breakpoint Unit root test. Bài viết sẽ minh họa cách thực hiện kiểm định Breakpoint Unit root test trên EViews....
read more
Hiệp phương sai đồng thời trong dữ liệu bảng

Hiệp phương sai đồng thời trong dữ liệu bảng

Hiệp phương sai đồng thời (contemporaneous covariances) trong dữ liệu bảng được sử dụng rộng rãi trong phân tích dữ liệu bảng. Thông qua mối tương quan đồng thời giữa các biến số kinh tế vĩ mô chúng ta có thể kiểm tra các tính chất về mối quan hệ giữa các đối tượng bảng, tính toán các phương trình ước lượng Zellner SUR cho các đối tượng bảng, kiểm tra và khắc phục vấn đề phụ thuộc chéo giữa các đối tượng bảng...
read more
Phân tích thành phần chính PCA trên EViews

Phân tích thành phần chính PCA trên EViews

Về mặt nguyên tắc thực hiện, phân tích thành phần chính PCA sẽ mô hình hóa cấu trúc phương sai của một tập biến quan sát bằng cách sử dụng kết hợp tuyến tính của các biến với mục đích trích được 1 số ít các thành phần có thể mô tả gần đúng nhất cấu trúc phương sai ban đầu. Những kết hợp tuyến tính trên được gọi là các thành phần (components) và các hệ số kết hợp được gọi là các hệ số tải (loadings)....
read more
Kiểm tra đồng kết hợp dữ liệu bảng – EViews

Kiểm tra đồng kết hợp dữ liệu bảng – EViews

Nếu 2 chuỗi thời gian, X và Y, là đồng kết hợp thì phải tồn tại một mối quan hệ nhân quả Granger từ X đến Y hoặc từ Y đến X hoặc theo cả 2 hướng. Điều ngược lại là không đúng, nghĩa là, nếu tồn tại mối quan hệ nhân quả Granger 1 hoặc 2 hướng giữa X và Y không nhất thiết phải dẫn đến 2 chuỗi thòi gian X và Y là đồng kết hợp....
read more
Hide Buttons