Các Mô Hình Độ Trễ Phân Phối
Như đã đề cập trong phần 6.6, tác động do những thay đổi về chính sách hầu như
không bao giờ xảy ra tức thì mà sau một khoảng thời gian nào đó mới nhận biết
sự ảnh hưởng đó. Như ví dụ sau đây, giả sử ban giám đốc cục dự trữ liên bang
điều chỉnh tỷ suất chiết khấu, là tỷ lệ lãi suất mà các ngân hàng thành viên phải
trả nếu họ vay tiền dự trữ từ các ngân hàng chi nhánh quận thuộc cục dự trữ liên
bang. Việc nâng tỷ lệ lãi suất lên báo hiệu cho thấy chính sách tiền tệ đang được
thắt chặt hơn. Mặc dù sự kiện này sẽ ảnh hưởng đến nền kinh tế (đặc biệt trong
lãnh vực đầu tư, lạm phát, GDP, và .v.v.) tuy nhiên, nó cũng cần một khoảng thời
gian mới thấy được các tác động thực sự. Vì thế, tình trạng của GDP, thất
nghiệp, và lạm phát không chỉ phụ thuộc vào tỷ lệ lãi suất hiện tại mà còn phụ
thuộc vào các tỷ lệ trong quá khứ. Nói cách khác, chúng ta cần loại mô hình
động để có thể ghi nhận được những tác động trễ này. Trong phần 6.6, chúng ta
đã xem xét đến những mô hình động như thế. Các mô hình động cũng có thể có
một số biến phụ thuộc trễ như loại biến giải thích. Ví dụ, mức độ tiêu thụ ở thời
điểm t có thể phụ thuộc một phần nào đó vào mức độ tiêu thụ tại thời điểm t –1
vì do có sự hình thành các thói quen cũng như sự phản ứng lại trước những thay
đổi cơ bản trong cuộc sống của người tiêu dùng nói chung (xin xem ví dụ 6.4).
Để ghi nhận hiệu ứng trễ trong hành vi này, đặc trưng của những mô hình chuỗi
thời gian thường bao gồm các giá trị trễ của biến độc lập và phụ thuộc. Chương
này sẽ xem xét các vấn đề trên và đưa ra các giải pháp cho chúng. Các trường
hợp của biến độc lập trễ và phụ thuộc trễ sẽ được xem xét một cách riêng re
62 trang |
Chia sẻ: hongha80 | Lượt xem: 859 | Lượt tải: 0
Bạn đang xem trước 20 trang nội dung tài liệu Kinh tế lượng với các ứng dụng - Chương 10: Các mô hình độ trễ phân phối, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ới danh nghĩa khoản lợi về chính trị. Điều này
không hàm ý rằng chi tiêu của chính phủ không được sử dụng vào các đợt
khủng hoảng vì lợi ích của chính sách kinh tế vĩ mô. Trong trường hợp này có
thể là một ngân sách chính phủ lớn hơn sẽ được bổ sung chỉ một phần bởi các
ngân sách quân sự tăng cường, dẫn đến không có một sự thay đổi cân đối có ý
nghĩa. Một khả năng khác là chi tiêu của chính phủ được sử dụng theo cùng
một cung cách như ban đầu được đề nghị cho chi tiêu quân sự.
Sự không ý nghĩa của cả GORB và SALT cũng không có gì đáng ngạc nhiên.
Trong trường hợp của GORB, có khả năng cao hơn là do số năm ông ta trên ghế
quyền lực tương đối ít so với kích thước mẫu của nghiên cứu này. Việc SALT
không có ý nghĩa có thể là do nó đưa đến chỉ một sự sút giảm về vũ khí hạt
nhân và nó không phải là một phần của sự cắt giảm chung về chi tiêu quân sự.
Cũng có thể là do các nguồn quỹ quân sự được phân chia lại cho các phần khác
trong ngân sách quân sự.
Kết Luận
Cách tiếp cận hiệu chỉnh sai số được sử dụng trong khảo sát này đã cho phép
chúng ta có một cái nhìn thấu đáo về sự biến đổi trong chi tiêu quân sự của
Hoa Kỳ trong giai đoạn Chiến tranh thế giới thứ hai và các giai đoạn sau đó.
Có đủ bằng chứng xác đáng của sự tương tác giữa ảnh hưởng hiệu chỉnh sai số
và một số biến về chính trị và kinh tế trong việc xác định các tỷ lệ tăng trưởng
của ngân sách quân sự. Cụ thể, số hạng hiệu chỉnh ngắn hạn (LONGDEF)
tương tác có ý nghĩa với một số biến về chính sách. Tuy nhiên phạm vi của
khảo sát này bị giới hạn bởi bậc tự do bị giới hạn. Mặc dù vậy, mô hình hiệu
chỉnh sai số đã cung cấp được một chuẩn hữu ích để so sánh. Ngay cả khi giả
định về mối quan hệ ổn định giữa hai biến là rất mong manh, phương pháp
hiệu chỉnh sai số có thể vẫn cung cấp cho người nghiên cứu một cụ mạnh để
thực hiện nghiên cứu. Phương pháp này mạnh vì cấu trúc đặc thù của nó mô tả
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 46 Thục Đoan/Hào Thi
mối quan hệ giữa hai biến liên quan và tạo tính nhất quán cho hành vi ngắn hạn
và dài hạn.
} 10.10 Đồng Tích Hợp
Trong hai phần trước chúng ta giới thiệu mô hình hiệu chỉnh sai số trong đó liên
hệ một biến với các sự thay đổi của một biến khác cũng như với các mức độ
trong quá khứ của hai biến đó. Việc lập mô hình được dựa trên một mối quan
hệ dài hạn cơ bản giữa hai biến. Quan niệm này liên quan chặt chẽ với khái
niệm đồng tích hợp do Granger đưa ra (1981). Trước khi thảo luận về đồng
tích hợp chúng ta cần định nghĩa một số khái niệm mới liên quan đến dữ liệu
chuỗi thời gian.
Tính Dừng
Trong hầu hết các thảo luận trước đâu chúng ta giả định rằng một biến ngẫu
nhiên Yt có phương sai xác định và rằng đồng phương sai giữa Yt và Yt-s (với s
> 0) hoặc là bằng 0 hay phụ thuộc vào s mà không phụ thuộc vào t. Như vậy,
sự tương quan giữa một chuỗi và các giá trị trễ của nó được giả định là chỉ phụ
thuộc vào độ dài của sự trễ và không phụ thuộc vào khi nào chuỗi bắt đầu.
Tính chất này được gọi là tính dừng và bất kỳ chuỗi nào tuân theo quy tắc này
được gọi là chuỗi thời gian dừng. Nó cũng được gọi là chuỗi được tích hợp
bậc không hoặc là I(0). Quá trình phát chuỗi dừng được gọi là bất biến theo
thời gian. Trong một chuỗi dừng, Var(ut) và Var(ut-s) bằng nhau với s > 0. Dễ
dàng nhận thấy các phần dư của mô hình hồi quy với một cấu trúc AR(1) thỏa
mãn tính chất dừng, trong khi đó mô hình bước ngẫu nhiên hoặc một chuỗi có
xu hướng theo thời gian sẽ có phương sai tăng dần theo thời gian và như vậy là
không dừng. Hầu hết các chuỗi thời gian về kinh tế là không dừng vì chúng
thường có một xu hướng tuyến tính hoặc mũ theo thời gian. Tuy nhiên có thể
biến đổi chúng về chuỗi dừng thông qua quá trình sai phân, ví dụ, bằng các tính
hiệu số xt – xt-1 (xem Chương 11 để biết thêm về những khái niệm này). Nếu
chuỗi sai phân có tính dừng, chúng ta nói chuỗi ban đầu là tích hợp bậc nhất,
nghĩa là, I(1). Một chuỗi tuân theo bước ngẫu nhiên rõ ràng là I(1).
Đồng Tích Hợp
Giả sử rằng Xt và Yt là hai bước ngẫu nhiên và vì vậy không dừng (cụ thể,
phương sai của chúng tăng theo thời gian). Nói chung, chúng ta kỳ vọng rằng
tổ hợp tuyến tính giữa Xt và Yt sẽ cũng là một bước ngẫu nhiên. Tuy nhiên, hai
chuỗi này có thể có một tính chất mà một tổ hợp tuyến tính cụ thể của chúng
(Xt – aYt) sẽ có tính dừng. Như vậy, mỗi Xt và Yt có thể được tích hợp bậc một
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 47 Thục Đoan/Hào Thi
[nghĩa là I(1)], nhưng cũng có thể tồn tại một giá trị a sao cho Xt – aYt là dừng
[nghĩa là, I(0) với phương sai hữu hạn]. Nếu tính chất này tồn tại, chúng ta nói
rằng Xt và Yt được đồng tích hợp. Đo đó hai chuỗi đồng tích hợp sẽ không
trượt quá xa trong dài hạn. Ví dụ về chuỗi đồng tích hợp có thể có là tiêu thụ
và thu nhập, giá của hai mặt hàng thay thế gần, và giá và lương trong hai thị
trường liên quan.
Kiểm Định Tính Đồng Tích Hợp
Vì loại mô hình cần được kiểm định có thể phụ thuộc vào việc một biến “phụ
thuộc” có thể bị tích hợp với một biến “độc lập” hay không, do đó việc kiểm
định xem hai (hay hơn) biến có bị đồng tích hợp hay không là rất quan trọng.
Engle và Granger (1987) xem xét nhiều kiểm định về tính đồng tích hợp, trong
số đó chúng ta sẽ thảo luận hai kiểm định mà họ đề nghị. Để thúc đẩy các
kiểm định, xem xét hai biến tích hợp bậc nhất Xt và Yt.
KIỂM ĐỊNH DW HỒI QUY ĐỒNG TÍCH HỢP Đây là kiểm định đơn giản nhất về
tính đồng tích hợp. Theo phương pháp này, đầu tiên ta ước lượng phương trình
sau, được gọi là hồi quy đồng tích hợp
Yt = α + βXt + ut
Trị thống kê Durbin-Watson được tính như sau:
∑
∑ −−= 2
t
2
1tt
u
uu
DW
ˆ
)ˆˆ(
Như đã đề cập trước đây, nói chung người ta sẽ kỳ vọng u là I(1) nếu X và Y
là I(1). Nếu như vậy, trị thống kê DW sẽ gần bằng 0 và hai chuỗi sẽ không bị
đồng tích hợp. Như vậy, một cách để kiểm định sự thiếu tính đồng tích hợp là
xem xem DW có gần bằng 0 hay không. Nếu DW có giá trị dương lớn đáng kể,
chúng ta sẽ nghi ngờ rằng hai chuỗi bị đồng tích hợp. Các bảng chuẩn cho
kiểm định DW được sử dụng ở Chương 9 không áp dụng được trong trường hợp
này vì trong trường hợp đó giả thuyết không là ρ = 0 cho quá trình AR(1), thay
vì là DW = 0. Engle và Granger thực hiện một nghiên cứu mô phỏng và xác
định được các giá trị tới hạn được trình bày trong bảng 10.7 cho một mẫu gồm
100 quan sát.
KIỂM ĐỊNH DICKEY – FULLER BỔ SUNG Trong trường hợp này cũng vậy đầu
tiên ta xác định hàm hồi quy đồng tích hợp. Kế đó tính các số hạng sai số
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 48 Thục Đoan/Hào Thi
ttt XYu β−α−= ˆˆˆ
Sau đó ước lượng hàm hồi quy Dickey-Fuller:
∑
=
−− ε+∆+φ=∆
p
1i
t1ti1tt ubuu ˆˆˆ
trong đó p là bậc trễ chọn trước của các số dư. Trị thống kê kiểm định t cho φ,
nhưng phân phối t là không phù hợp. Cũng trong trường hợp này Engle và
Granger cung cấp các giá trị tới hạn dùng một phương pháp mô phỏng cho 100
quan sát (xem Bảng 10.7)
} Bảng 10.7 Giá Trị Tới Hạn Dùng Trong Kiểm Định Về Sự Đồng Tích
Hợp
Mức ý nghĩa (%) Trị thống kê DW Trị t DF gia tăng
1
5
10
0.511
0.386
0.322
3.77
3.17
2.84
Nguồn: Engle, R.F., và C.W.J. Granger. “Đồng Tích Hợp và Hiệu Chỉnh Sai Số, Trình
Bày, Ước Lượng và Kiểm Định.” Econometrica 55 (Tháng 3 1987): 251-276
} VÍ DỤ 10.7
Tập tin DATA10-5 cung cấp dữ liệu hàng năm về định mức lương theo giờ
trung bình của Bang California và cho toàn Hoa Kỳ trong giai đoạn 1960-1994,
và Hình 10.10 vẽ tập dữ liệu này. Lưu ý rằng các đường cong thực tế là như
nhau ngoại trừ một điều đường cong cho California luôn nằm trên đường cong
của Hoa Kỳ. Tuy nhiên trước khi khảo sát điều này, chúng ta nên xác định xem
hai chuỗi này có tuân theo bước ngẫu nhiên không. Điều này đầu tiên được
thực hiện bằng kiểm định Dickey-Fuller được mô tả trong Phần 10.7. Mô hình
không giới hạn là (W chỉ định mức lương)
∆Wt = β1 + β2t + β3Wt-1 + β4∆Wt-1 + ut
Giả thuyết không cho rằng chuỗi là một bước ngẫu nhiên, là β2 = 0 và β3 = 0.
Trị thống kê F cho kiểm định này là 4,283 và 2,754 lần lượt cho Hoa Kỳ và
California (xem Phần Thực Hành Máy Tính 10.9 để chạy lại kết quả của ví dụ
này). Từ bảng các giá trị tới hạn Dickey-Fuller được trình bày ở Bảng 10.4
chúng ta lưu ý rằng giả thuyết bước ngẫu nhiên không thể bị bác bỏ ngay cả tại
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 49 Thục Đoan/Hào Thi
mức ý nghĩa 10%. Để áp dụng kiểm định DW cho sự đồng tích hợp, chúng ta
xác định hàm hồi quy đồng tích hợp như sau:
CALWAGEt = 0,309 + 1,0295 USWAGEt
n = 35 DW = 0,778
Trị thống kê DW lớn hơn khá nhiều so với tất cả các giá trị tới hạn ở Bảng
10.7 và củng cố giả thuyết cho rằng hai định mức lương bị đồng tích hợp. Tuy
nhiên, cũng nên lưu ý rằng các giá trị tới hạn được dựa trên các mô phỏng cho
100 quan sát, trong khi đó chúng ta chỉ có 33 quan sát. Các giá trị tới hạn cho
các cỡ mẫu khác hiện tại chưa được xác định, như vậy bằng chứng của sự tồn
tại sự đồng tích hợp chỉ có tính gợi ý.
Để áp dụng kiểm định Dickey-Fuller bổ sung, chúng ta lưu các phần dư từ
phương trình hồi quy và thu được phương trình hồi quy Dickey-Fuller sau, giả
định có một quá trình trễ bậc 4:
4t3t2t1t1tt u0100u2010u0110u1930u3960u −−−−− ∆−∆−∆+∆+−=∆ ˆ,ˆ,ˆ,ˆ,ˆ,ˆ
Trên cơ sở các độ trễ được chỉ ra, giai đoạn dữ liệu hiệu quả là 1965-1994.
Trị thống kê tính toán t cho hệ số của - 1tu −ˆ là 1,540, giá trị này nhỏ hơn nhiều
so với giá trị tới hạn trong Bảng 10.7. Vì vậy, chúng ta không thể bác bỏ giả
thuyết không về sự không tồn tại của đồng tích hợp (điều kiện về cỡ mẫu nhỏ
cũng được áp dụng ở đây)
} Hình 10.10 Mức lương theo giờ ở Hoa Kỳ và California
Mức lương một giờ
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 50 Thục Đoan/Hào Thi
} BÀI TẬP THỰC HÀNH 10.7
Làm lại ví dụ trên sử dụng lôgarít tiền lương thay vì lương.
Ước Lượng Trong Trường Hợp Có Sự Hiện Diện của Đồng Tích Hợp
Engle và Granger (1987) chứng minh được rằng ứng với mỗi cặp biến đồng tích
hợp, tồn tại một mô hình hiệu chỉnh sai số (ECM). Kết quả này được gọi là
định lý đại diện Granger. Một ECM có thể được biểu diễn ở dạng
t1t1t2t1t xyxy ε+β−β+∆β=∆ −− )( (10.30)
Engle và Granger đề nghị phương pháp ước lượng hai bước. Đầu tiên ước lượng
phương trình hồi quy đồng tích hợp yt = βxt + ut và lưu các số dư ttt xyu β−= ˆˆ .
Giai đoạn thứ hai bao gồm ước lượng Phương trình (10.30) nhưng sử dụng 1tu −ˆ
trong số hạng thứ hai bên vế phải. Phương pháp này, tuy nhiên, có một số
nhược điểm. Banerjee cùng các cộng sự (1986) và Stock (1986) đã chứng minh
rằng mô hình tĩnh bên dưới phương trình hồi quy đồng tích hợp có thể cho ra
các ước lượng bị thiên lệch. Banerjee và các cộng sự đề nghị sử dụng dạng
động của phương trình hồi quy đồng tích hợp. Phần tham khảo của chương này
cũng có nhiều bài tham khảo hữu ích.
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 51 Thục Đoan/Hào Thi
} 10.11 Tính Nhân Quả
Khi chúng ta xác định một biến là “phụ thuộc” (Y) và một biến khác là biến
“giải thích” (X), chúng ta đã ngầm giả định rằng những thay đổi của biến giải
thích kéo theo những thay đổi ở biến phụ thuộc. Đây là quan niệm về tính nhân
quả theo đó thông tin về biến X được kỳ vọng sẽ ảnh hưởng đến phân phối có
điều kiện của các giá trị tương lai của Y. Nếu X gây ra Y và Y gây ra X, thì có
sự phản hồi , nghĩa là hai biến được xác định đồng thời (giá của một hàng hóa
và số lượng hàng bán được là ví dụ của tác động phản hồi này). Trong nhiều
trường hợp, hướng rõ rệt của tính nhân quả là không rõ ràng. Chẳng hạn, phải
chăng lượng cung cấp tiền gây ra sự thay đổi mức lãi suất hay điều ngược lại
xảy ra? Vì vậy, thật đáng quan tâm đến kiểm định về hướng của tính nhân quả
giữa hai biến.
Kiểm Định Granger Về Tính Nhân Quả
Nỗ lực đầu tiên nhằm thực hiện kiểm định hướng của tính nhân quả được
Granger tiến hành (1969). Trực giác ẩn chứa trong kiểm định nhân quả
Granger là rất dễ hiểu. Giả sử X gây-ra-Granger Y nhưng Y không gây-ra-
Granger X, thì các giá trị quá khứ của X được kỳ vọng là có thể giúp tiên đoán
các giá trị tương lai của Y, nhưng các giá trị quá khứ của Y không thể giúp dự
báo X. Cụ thể hơn, xem xét mô hình sau trong đó X và Y được biểu diễn ở
dạng độ lệch khỏi các giá trị trung bình tương ứng:
t
q
1j
jtj
p
1i
itit uXYY +β+α= ∑∑
=
−
=
− (10.31)
trong đó ut là phần tử nhiễu trắng, p là bậc của độ trễ của Y, q là bậc của độ trễ
của X. Giải thuyết không rằng X không gây-ra-Granger Y là βj = 0 với j =
1,2,, q. Như vậy mô hình giới hạn bằng:
t
p
1i
itit vYY +α= ∑
=
−
(10.32)
Trị thống kê kiểm định là Wald F
)/(
/)(
qpnESSU
qESSUESSRFc −−
−=
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 52 Thục Đoan/Hào Thi
trong đó n là số quan sát được sử dụng trong mô hình không giới hạn trong
phương trình (10.31), ESSU là tổng bình phương sai số cho Phương trình
(10.31), và ESSR là tổng bình phương sai số cho mô hình giới hạn (10.32).
Theo giả thuyết X không gây-ra-Granger Y, Fc có phân phối F với q bậc tự do ở
tử số và n – p – q bậc tự do ở mẫu số. Kiểm định được tiến hành theo các thông
thường. Mặc dù phương trình (10.31) và (10.32) không có các biến giải thích
khác, phương pháp là tương tự khi những biến như vậy được đưa vào mô hình.
Các bậc trễ (p và q) là tùy tiện và thường được gán giá trị lớn. Một cách khác,
người ta có thể thực hiện kiểm định các giá trị khác nhau về độ trễ và có thể
chắc chắn rằng các kết luận này là mạnh và không phụ thuộc vào mô hình.
Việc xác định tương tự cũng có thể được thực hiện bằng kiểm định nhân tử
Lagrange.
Nên lưu ý rằng phương pháp chỉ kiểm định hướng nhân quả từ X tới Y. Như
vậy, việc bác bỏ giả thuyết không chỉ ra rằng X gây-ra-Granger Y. Kiểm định
về tính nhân quả từ Y đến X, các biến X và Y sẽ được chuyển đổi trong Phương
trình (10.31) và (10.32) và trị thống kê kiểm định tương ứng có thể được xác
định. Nếu cả hai kiểm định bác bỏ các giả thuyết không, thì chúng ta có thể kết
luận có một tác động phản hồi trễ.
Từ sau sự xuất bản của bài viết của Granger, nhiều phương án được đề nghị,
ví dụ, Sims (1972); Geweke, Meese, và Dent (1983); Pierce (1977); Pierce và
Haugh (1977); và Nelson và Schwert (1982).
} VÍ DỤ 10.8
Để minh họa kiểm định nhân quả Granger chúng ta sẽ kiểm tra hướng của quan
hệ nhân quả giữa cung tiền và tỷ lệ lãi suất. Mô hình không giới hạn như sau:
rt = ∑
=
6
1 i
αirt-i +∑
=
6
1 j
βjmt-j + ut
mt = ∑
=
6
1 i
αimt-j +∑
=
6
1 j
βj rt-i + vt
Để thực hiện phân tích, ta dùng dữ liệu theo quí của Hoa Kỳ trong DATA10-
1 (xem phần thực hành máy tính 10.10 đối với các lệnh để tái tạo lại các kết
quả thực nghiệm đã được trình bày ở đây). rt là lãi suất trừ đi trung bình của
chính nó trong thời đoạn lấy mẫu, và tương tự mt là cung tiền trừ đi giá trị trung
bình của nó.
Đối với phương trình lãi suất, trị thống kê Wald F cho việc loại bỏ các biến
cung tiền là 0,7007 và giá trị p tương ứng là 0,650. Điều đó cho thấy giả thuyết
không cho rằng các giá trị cung tiền tệ quá khứ không ảnh hưởng đến lãi suất
tương lai là không thể bị bác bỏ. Đối với phương trình cung tiền tệ, trị thống kê
Wald F là 8,926 với một giá trị p nhỏ hơn 0,0001. Giả thuyết là các lãi suất quá
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 53 Thục Đoan/Hào Thi
khứ sẽ không ảnh hưởng đến cung tiền tương lai bị bác bỏ ở mức dưới 1 phần
trăm. Do đó, có chứng cứ rõ ràng về quan hệ nhân quả chỉ theo một hướng.
Mô Hình Tự Hồi Qui Vec-Tơ (VAR)
Các khái niệm về đồng tích hợp hay nhân quả có tương quan rất gần với các
mô hình tự hồi qui vec-tơ. Chúng liên quan đến việc xác định một vài phương
trình liên quan các biến độc lập khác nhau với giá trị quá khứ của chúng cũng
như với các biến độc lập khác. Các mô hình như vậy cực kỳ phổ biến trong các
tài liệu nghiên cứu kinh tế vĩ mô thực nghiệm, đặc biệt đối với việc dự báo các
biến kinh tế vĩ mô. Sau đây là một ví dụ của mô hình VAR với ba biến nội sinh
(nghĩa là, độc lập) và đặc trưng tự hồi qui bậc bốn:
Xt = α0 + α1Xt-1 + + α4Xt-4 + α5Yt-1 + + α8Yt-4 + α9Zt-1 + + α12Zt-4 + ut
Yt = β0 + β1Yt-1 + + β4Yt-4 + β5Xt-1 + + β8Xt-4 + β9Zt-1 + + β12Zt-4 + vt
Zt = γ0 + γ1Zt-1 + + γ4Zt-4 + γ5Xt-1 + + γ8Xt-4 + β9Yt-1 + + β12Yt-4 + wt
Cần lưu ý rằng trong mỗi phương trình các giá trị hiện hành (tại thời điểm t)
của hai biến độc lập khác không xuất hiện mà chỉ có các giá trị quá khứ của
chúng. Nếu không có đặc điểm này, mô hình sẽ trở thành một mô hình hệ
phương trình bình thường với thủ tục ước lượng đặc biệt (chi tiết về vấn đề này
ở chương 13). Với những đặc điểm trong trường hợp trên, mô hình có thể ước
lượng theo bình phương tối thiểu thông thường với thành phần sai số thỏa mãn
giả thiết chuẩn trong chương 3. Nếu có tương quan chuỗi giữa các thành phần
sai số, ta có thể áp dụng thủ tục Cochrane-Orcutt tổng quát. Bậc của quá trình
tự hồi qui có thể tùy chọn và có thể được qui định bởi đặc điểm chu kỳ của
chuỗi dữ liệu. Nói cách khác, một người có thể chọn theo hướng thiên về tham
số bằng cách đưa ra nhiều số hạng trễ và sau đó dùng kỹ thuật giảm mô hình
dựa trên dữ liệu và mô hình hóa các tiêu chuẩn lựa chọn giữa các mô hình. Bậc
trễ cũng có thể được xác định bởi khả năng dự báo của mô hình. Trong trường
hợp này, nhà nghiên cứu sẽ giữ lại một phần của bộ dữ liệu (ví dụ, 10 phần
trăm dữ liệu), ước lượng mô hình với dữ liệu còn lại, dùng nó để dự báo các thời
đoạn sau đó, tính các sai số thống kê như MSE hay MAPE (mô tả trong phần
3.9), và sau đó sẽ chọn lựa mô hình.
} VÍ DỤ 10.9
Ví dụ này sẽ dùng dữ liệu quý trong DATA10-1 để minh họa phương pháp
VAR đối với một mô hình ba phương trình thể hiện tương quan giữa cung tiền
(M), lãi suất (r), và thâm hụt ngân sách (D). Các mô hình có các gồm trị hằng
số và theo tự hồi qui bậc bốn. Phần thực hành máy tính 10.11 sẽ trình bày cách
tính kết quả. Một bộ dữ liệu trọn vẹn cho giai đoạn từ 1964.1 đến hết 1991.2.
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 10: Các mô hình độ trễ phân phối
Ramu Ramanathan 54 Thục Đoan/Hào Thi
Vì có hiệu ứng trễ bốn quý, chúng ta bỏ qua bốn quan sát đầu tiên khi ước
lượng các mô hình. Để thực hiện dự báo kiểm định sau mẫu, chỉ có dữ liệu từ
1965.1 đến hết 1988.4 được sử dụng. Sau đó các ước lượng được dùng để dự
báo r, M, và D, trong 10 thời đoạn từ 1989.1 đến 1991.2 và tính MAPE tương
ứng. Vì các biến trễ có tương quan rất cao, qui trình giảm mô hình dựa trên dữ
liệu được dùng để loại bỏ các biến với các hệ số không có ý nghĩa. Các ước
lượng của mô hình cuối cùng được dùng để dự báo cho giai đoạn sau mẫu. Một
lần nữa, MAPE được tính. Bảng sau là các giá trị phần trăm tương ứng:
Mô hình không giới hạn Mô hình cuối cùng
Lãi suất 6.89 6.39
Cung tiền 0.73 0.75
Thâm hụt ngân sách 15.22 14.39
Cần lưu ý rằng MAPE nhỏ hơn 1 phần trăm đối với chuỗi cung tiền, trong khi
cho hai chuỗi khác còn lại giá trị này cao hơn nhiều. Mô hình cuối cùng có một
ưu thế nhỏ so với các mô hình không giới hạn về khả năng dự báo ngoài mẫu.
} 10.12 Dữ Liệu Gộp Chéo Và Chuỗi Thời Gian (Dữ Liệu Bảng)
Tất cả các phân tích thực hiện đến nay đều xoay quanh dữ liệu thời gian hay dữ
liệu chéo của các yếu tố kinh tế tại một thời điểm. Tuy nhiên, trong nhiều
trường hợp, một nhà nghiên cứu có thể phải thu thập dữ liệu theo thời gian đối
với dữ liệu chéo của nhiều nhóm kinh tế. Trong chương 1 chúng ta đã đề cập
đến cách một công ty điện lực mong muốn chọn mẫu các hộ gia đình, trang bị
đồng hồ đo điện năng tiêu thụ tại những thời điểm khác nhau trong ngày, và
theo dõi xu hướng tiêu thụ trong một năm. Do vậy, chúng ta sẽ có cả hai loại dữ
liệu chéo và theo thời gian được gộp lại với nhau. Dữ liệu dạng này được gọi là
dữ liệu bảng hay dữ liệu gộp chéo và thời gian, và cũng còn được gọi là dữ
liệu dọc. Một ví dụ khác của loại dữ liệu này nằm trong DATA9-13, gồm suất
thu lợi hàng tháng của tám loại chứng khoán tài chính niêm yết trên Sở Giao
Dịch Chứng Khoán NewYork. Dữ liệu bảng của các chứng khoán này cần có
các kỹ thuật ước lượng đặc biệt, và chương này sẽ giới thiệu một số phương
pháp. Chi tiết về vấn đề này có thể được tìm thấy trong ở các tác giả như Green
(2000) và Hill, Griffiths và Judge (1997), Judge và các tác giả khác (1993),
Wooldridge (2000) và Kmenta (1986).
Để trình bày cho dễ hiểu, mô hình được sử dụng sẽ là hồi qui tuyến tính đơn
với chỉ một biến độc lập. Trường hợp tổng quát với đa biến độc lập tương đối
đơn giản, đặc biệt nếu dùng các phần mềm như Eviews, SHAZAM, và SAS, có
thể dễ dàn
Các file đính kèm theo tài liệu này:
- ramach10_5172.pdf