Kinh tế lượng với các ứng dụng - Chương 14: Thực hiện một Đề tài thực nghiệm

ïng ASCII, chương trình thường sẽ cho bạn một lựa chọn chuẩn bị dạng ASCII cho tập dữ liệu. Hãy chắc chắn là bạn chọn lựa chọn này nếu chương trình hồi qui của bạn không chấp nhận tập tin không ở dạng ASCII. Nhiều chương trình hồi qui có riêng chương trình biên soạn của mình. Trước khi bạn thử nhập dữ liệu vào máy tính, hãy tìm hiểu các yêu cầu của chương trình hồi qui bạn dự định sử dụng. Tạo các biến mới Khi thực hiện phân tích thực nghiệm, nhà phân tích thường làm việc với các biến chuyển đổi hơn là với các biến gốc mà dựa vào đó dữ liệu được thu thập. Chúng ta đã thấy nhiều ví dụ về việc này. Mô hình double-log yêu cầu mọi biến đều được chuyển sang dạng logarit. Các số hạng bậc hai và tương tác yêu cầu tích số của các biến. Nếu dân số có một vai trò trong mô hình của bạn, hãy diễn tả các biến tương ứng dưới dạng bình quân đầu người. Để biến đổi các biến sang dạng thực, các biến danh nghĩa phải được chia cho chỉ số giá. Để tính phần trăm thay đổi, cần phải tính 100(Xt − Xt – 1)/Xt-1 Để tính “tốc độ của thay đổi” sử dụng biến chuyển đổi ln(Xt − ln(Xt – 1) − đó là khác biệt của logarit hai quan sát liên tiếp. Các chương trình hồi qui có khả năng tự chuyển đổi dữ liệu. Hãy tận dụng lợi điểm này. Máy tính khác nhau về độ chính xác của các phép tính số học. Một số chương trình và máy tính thường làm tròn và sai số nhiều hơn so với các máy/chương trình khác. Vì vậy, tốt nhất khi thực hành tránh dùng những giá trị quá lớn hoặc quá nhỏ khi phân tích. Tổng bình phương của những số có giá trị lớn có thể sẽ vô cùng lớn gây ra các sai số lớn. Ví dụ, thay vì nhập vào dữ liệu dân số là 2,157899, hãy chuyển thành mười phần ngàn, và nhập vào số 215,7899. Đây cũng là một ý kiến hay khi đổi biến sao cho các giá trị nhập vào nằm trong khoảng từ 1 đến 1000. 14.5 Phân tích thực nghiệm Phân tích rõ ràng là một bước quan trọng trong một nghiên cứu thực nghiệm. Nó bao gồm: đầu tiên dữ liệu được kiểm tra sơ bộ vài lần, sau đó ước lượng các mô hình đã được thiết lập ban đầu, thực hiện các kiểm định thích hợp, và nếu cần, thiết lập lại mô hình và ước lượng lại. Phân tích dữ liệu sơ bộ 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 14: Thực hiện một đề tài thực nghiệm Ramu Ramanathan 12 Thục Đoan/Hào Thi Trước khi sử dụng dữ liệu để ước lượng mô hình, một việc làm rất quan trọng là phải thực hiện một số phân tích sơ bộ để phát hiện những lỗi do đánh máy, dữ liệu dị biệt (outlier - những dữ liệu có giá trị ở hai cực quá lớn hoặc quá nhỏ), và không có sự sai lệch dữ liệu. Một số lỗi đánh máy thường gặp như sử dụng chữ “l” thay vì số “một” (có thể là do thói quen cũ sử dụng máy đánh chữ không có phím khoảng cách), và sử dụng chữ “O” thay vì số “không”. Một danh sách liệt kê dữ liệu sẽ rất cần thiết để phát hiện những lỗi như vậy. Bước tiếp theo là đưa các chuỗi dữ liệu tương ứng với số quan sát. Nói cách khác vẽ Xt tương ứng với t. Các dữ liệu dị biệt sẽ dễ dàng xác định được trên sơ đồ này. Nếu t là thời gian, đồ thị sẽ là các điểm chuỗi thời gian và sẽ cho bạn ý tưởng về xu hướng theo thời gian của dữ liệu và tốc độ tăng trưởng. Thường chúng ta sẽ thử vẽ đồ thị các giá trị của biến phụ thuộc với giá trị của mỗi biến độc lập để xem quan hệ phi tuyến tồn tại hay không. Mặc dù những đồ thị như thế có ích trong nhiều trường hợp, trong một số trường hợp chúng cũng có thể dẫn đến sai lầm. Đồ thị giữa giá trị quan sát của Y và giá trị quan sát của X không giữ cho các biến khác cố địnhi. Vì vậy, quan hệ có vẻ như phi tuyến giữa X và Y có thể thực sự lại là quan hệ tuyến tính nhưng lại bị dịch chuyển do thay đổi của biến thứ ba Z (xem trong phần trình bày về phi tuyến tính giả ở Mục 6.5). Nên tránh những lỗi “đào bới dữ liệu” (data mining) để xác định các mối liên hệ như vậy. Thay vào đó, hãy sử dụng lý thuyết về hành vi để thiết lập mô hình và thực hiện các kiểm định phù hợp đối với các đặc trưng của mô hình, gồm cả mô hình phi tuyến. Ngoài việc vẽ đồ thị để xác định những dữ liệu dị biệt, đồ thị còn giúp xác định những giá trị thống kê như trung bình, độ lệch chuẩn, và hệ số biến đổi, chính là tỷ số giữa độ lệch chuẩn và giá trị trung bình. Mặc dù không có một qui luật chặt chẽ nào về hệ số biến đổi nhưng với một giá trị thấp như 0.05 chẳng hạn có nghĩa là độ lệch chuẩn chỉ bằng 5 phần trăm của giá trị trung bình. Điều này có nghĩa là các biến số trong vấn đề nghiên cứu không biến đổi nhiều và có thể sẽ không có gì nghiêm trọng nếu chọn biến này làm biến độc lập trong mô hình hồi qui (xem phần trình bày ở Chương 3 về Giả định 3.2) Cuối cùng, có được ma trận hệ số tương quan − đó là các hệ số tương quan của mỗi cặp biến số dùng trong phân tích. Lý tưởng thì tương quan giữa biến phụ thuộc với một biến độc lập phải cao. Tương quan chặt giữa hai biến độc lập thì sẽ gây ra vấn đề đa cộng tuyến và vấn đề này cần được quan tâm sớm. Tuy nhiên , hãy lưu ý là một tương quan không chặt giữa hai biến độc lập không đồng nghĩa với việc không tồn tại vấn đề đa cộng tuyến. Điểm này đã được trình bày trong Chương 5. Ước lượng mô hình và Kiểm định giả thuyết Bây giờ chúng ta đã sẵn sàng để ước lượng mô hình tổng quát đã được xây dựng trong mục 14.3. Ước lượng mô hình và kiểm tra các trị thống kê F và 2 . Mô hình đại diện được bao nhiêu phần trăm thay đổi của biến phụ thuộc? Mô hình đầu tiên được ước lượng thường có những kết quả không như mong đợi. Dấu của các hệ số hồi qui có thể trái với mong đợi trước đó, các trị thống kê t có thể biểu hiện không có ý nghĩa trong một số biến, R2 hiệu chỉnh có thể thấp, các tương quan có thể tồn tại nếu sử dụng dữ liệu chuỗi thời gian v.v. Ở đây một lần nữa lại không có công thức tổng quát về việc tiến hành như thế nào. Ở mỗi bước yêu cầu phải có những hiệu chỉnh đáng kể và nhà nghiên cứu cần thay đổi nhiều về phương pháp. R 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 14: Thực hiện một đề tài thực nghiệm Ramu Ramanathan 13 Thục Đoan/Hào Thi Tuy nhiên cũng cần có một số hướng dẫn tổng quát. Bài học căn bản là tránh những kết luận vội vã mà không có lập các mô hình để phân tích thêm. Phương pháp được đề nghị là thiết lập mô hình dựa trên một số khung lý thuyết và sự hiểu biết về hành vi, và sau đó thực hiện một loạt các kiểm định chẩn đoán để chắc chắn là các kết luận có tính thuyết phục − nghĩa là chúng không nhạy đối với các đặc trưng của mô hình. Chúng ta đã thấy rõ là các kiểm định thừa số Lagrange và Wald rất có ích trong việc kiểm định xem nên thêm vào các biến đã bỏ qua, tính phi tuyến, các tương tác, sự tồn tại của biến phụ thuộc trễ, tương quan thời gian của bậc cao hơn và có nên thêm biến mới vào mô hình hay không. Khi nhiều mô hình tương tự được thiết lập, tiêu chuẩn chọn mô hình có thể được sử dụng để đánh giá một mô hình so với các mô hình khác. Nếu một biến nào không có ý nghĩa trong các công thức khác, bạn có thể kết luận một cách an toàn là có lẽ đây là biến thừa và việc bỏ qua biến đó có thể sẽ không dẫn đến hậu quả nghiêm trọng. Kiểm tra các tương quan giữa các biến giải thích và xem các giá trị lớn có giải thích được những dấu không như mong đợi hoặc/và các hệ số không có ý nghĩa. Nếu bạn tìm thấy các tương quan chuỗi trong dữ liệu chuỗi thời gian, hãy thiết lập lại mô hình để xem có loại bỏ được tương quan chuỗi hay không. Nếu cần, ứng dụng phương pháp Cochrane- Orcutt và/hoặc Hildreth-Lu. Tương tự, nếu tồn tại phương sai của sai số thay đổi, nên sử dụng thủ tục bình phương bé nhất có trọng số đã được trình bày trong Chương 8. Đối với mô hình nhiều phương trình, hãy sử dụng thủ tục bình phương bé nhất hai giai đoạn để tránh thiên lệch bình phương bé nhất và sự không nhất quán của các ước lượng. Ước lượng và kiểm định chẩn đoán mô hình thường liên quan đến nhiều giai đoạn của việc ước lượng lại và kiểm định lại. Viết báo cáo Giai đoạn cuối cùng của một nghiên cứu là viết một báo cáo trình bày các bước và diễn dịch kết quả. Đầu tiên, chuẩn bị một tựa đề cho nghiên cứu để diễn tả được bản chất của vấn đề nghiên cứu. Khi viết báo cáo nhớ dùng văn phong đơn giản, trực tiếp. Cẩn thận tránh dùng từ dài dòng, nhiều nghĩa (nói các khác, tránh dùng từ đao to búa lớn). Sau đây là dàn ý đề nghị cho một báo cáo: 1. Phát biểu vấn đề 2. Cơ sở lý thuyết 3. Thiết lập mô hình tổng quát 4. Nguồn dữ liệu và mô tả dữ liệu 5. Ước lượng mô hình và kiểm định giả thuyết 6. Diễn dịch kết quả và kết luận 7. Các hạn chế của nghiên cứu và Hướng mở rộng 8. Cám ơn 9. Tài liệu tham khảo Phát biểu vấn đề: Trong một đoạn văn khoảng một trang, diễn tả vấn đề bạn đã nghiên cứu, các câu hỏi bạn nêu ra, và các giả thuyết tổng quát bạn đã kiểm định. Bạn cũng có thể nêu ra tóm tắt các kết luận của mình. 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 14: Thực hiện một đề tài thực nghiệm Ramu Ramanathan 14 Thục Đoan/Hào Thi Cơ sở lý thuyết: Tổng hợp các lý thuyết bạn thu thập được trước đây và đưa vào phần này. Như đã trình bày trong Mục 14.2, phần này sẽ gồm phần tóm tắt của từng bài báo, từng cuốn sách bạn đã đọc có liên quan đến nghiên cứu của bạn, với những mô hình, những phương pháp sử dụng, các nguồn dữ liệu, và các kết luận của các tác giả. Thiết lập mô hình tổng quát: Mô tả ở đây mô hình xuất phát bạn đã thiết lập trong Mục 14.3. Nêu ra những khác biệt giữa phương pháp của bạn và phương pháp của những người khác đã nghiên cứu vấn đề tương tự. Nguồn dữ liệu và mô tả dữ liệu: Trình bày một bảng tên biến và định nghĩa chúng. Hãy nhớ nêu rõ các đơn vị đo lường. Liệt kê các nguồn dữ liệu và đính kèm bản sao dữ liệu thô. Đưa vào bảng những công thức chuyển đổi tạo ra những biến thực sự được dùng để ước lượng (xem ví dụ Bảng 9.5). Ước lượng mô hình và Kiểm định giả thuyết: Trình bày các kết quả hồi qui trong một bảng tương tự như Bảng 4.2. Mặc dù nhiều tác giả trình bày sai số chuẩn trong dấu ngoặc phía dưới hệ số hồi qui, ở đây đề nghị bạn trình bày các trị thống kê t hoặc giá trị p, với dấu sao để xác định hệ số ý nghĩa. Cũng trình bày các giá trị thống kê tóm tắt cần thiết như R2 hiệu chỉnh, trị thống kê Durbin-Watson, các tiêu chuẩn chọn mô hình, trị thống kê F, bậc tự do v.v. Trong bài, hãy trình bày các mô hình bạn ước lượng, các kiểm định bạn thực hiện và các kết quả. Mức độ mà một nhà phân tích kinh tế lượng cần phải trình bày phụ thuộc nhiều vào đôïc giả. Nếu bạn nộp đồ án môn học cho giảng viên thì nhất thiết phải có những bước phân tích. Nếu đôïc giả không thiên về kỹ thuật, hãy đưa những chi tiết kỹ thuật này vào phụ lục. Diễn dịch kết quả và kết luận: Phát biểu những gì bạn đã quan sát dưới dạng những giả thuyết ban đầu và những kỳ vọng. Nếu bạn tìm được những kết quả không mong đợi, trình bày lý do. Phần diễn dịch kết quả trong Mục 4.7, 7.4 và 9.7 là những hướng dẫn rất có ích. Hãy đưa ra những kết luận đáng lưu ý liên quan đến nghiên cứu của bạn và liên hệ chúng với những nghiên cứu khác. Các hạn chế của nghiên cứu và hướng mở rộng: Rất cần thiết phải nhận ra những hạn chế trong nghiên cứu của bạn. Những hạn chế này có thể do thiếu dữ liệu hoặc do chương trình máy tính đối với phương pháp bạn sử dụng không tương thích, hoặc do các lý do khác. Hãy định hướng phát triển từ nghiên cứu của bạn và hướng mở rộng nào cần quan tâm. Cám ơn: Trong suốt thời gian thực hiện nghiên cứu, bạn có thể nhận được sự giúp đỡ của nhiều người: giáo sư, trợ giảng, người giữ thư viện giúp bạn tìm tài liệu tham khảo, những người giúp bạn thu thập dữ liệu v.v. Theo phép lịch sự thông thường hãy cám ơn họ. Tài liệu tham khảo: Đính kèm danh sách theo thứ tự chữ cái những tài liệu tham khảo bạn đã thu thập trong khi chuẩn bị nghiên cứu. Danh sách phải gồm có tài liệu tham khảo lý thuyết lẫn nguồn dữ liệu của bạn. Tránh đánh số tài liệu tham khảo và sử dụng số tương ứng trong bài viết vì nếu bạn thêm vào một tài liệu tham khảo khác, bạn sẽ phải đánh số lại và phải thay đổi số trong bài viết. Nếu bạn liệt kê theo thứ tự chữ cái và trích dẫn trong bài viết theo tên tác giả và năm xuất bản, bạn sẽ chỉ phải sửa chữa nhỏ, nếu có những thay đổi sau này. Định dạng được sử dụng trong cuốn sách này là một tham khảo có 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 14: Thực hiện một đề tài thực nghiệm Ramu Ramanathan 15 Thục Đoan/Hào Thi Thuật ngữ ASCII: mã ASCII On-line database: cơ sở dữ liệu trên mạng Outliers: dữ liệu dị biệt SIC code: mã SIC Spreadsheet: bảng tính Text editor: soạn thảo văn bản Work sheet: bảng tính World Wide Web