Bạn sẽ xem phiên bản rút gọn của tài liệu. Coi và mua ngay bản đầy đầy đủ của tư liệu tại đây (2.06 MB, 11 trang )


1HƯỚNG DẪN CHẠY HỒI QUY MÔ HÌNH FEM, REM, GMM VÀ KIỂMĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH VỚI DỮ LIỆU BẢNG BẰNGSTATA 13 BẰNG VÍ DỤ CỤ THỂ*** NỘI DUNG CHÍNH:1.2.3.4.5.6.7.8.9.Tải file dữ liệu vào stata để chạy tế bào hình
Kiểm tra lại tài liệu bằng Data Editor
Khai báo biến hóa cho thích hợp lệ theo định dạng của Stata
Hồi quy FEM/REMLựa lựa chọn giữa FEM và REMKiểm định những khuyết tật của mô hình
Kiểm định GMM:Câu lệnh thể hiện hiệu quả STATA bên dưới dạng bảng:21. Tải file tài liệu vào stata để chạy tế bào hình:File => Import:
2. Chất vấn lại tài liệu bằng Data Editor:Màn hình tài liệu hiện ra với những dữ liệu màu đỏ có nghĩa là chưa được định dạngđúng theo stata bao gồm biến N (Mã cổ phiếu) và vươn lên là giả size (Quy tế bào BIGhoặc SMALL) => chuyển 2 biến chuyển này nhằm định dạng hòa hợp lệ theo stata33. Khai báo biến cho đúng theo lệ theo định hình của Stata:- đưa mã cp (N) thành dạng số bằng phương pháp gõ lệnh vào ô Command:encode N, gen(N1) -> enter.Kiểm tra lại dữ liệu bằng Data Editor hôm nay xuất hiện thêm cột N1 chuyểnsang color xanh.-Khai báo dữ liệu bảng:Câu lệnh: xtset N1 T(Trong kia T là biến thời gian trong bảng dữ liệu ban đầu)-Khai báo biến đổi giả:Câu lệnh: gen LARGE = inlist(SIZE,"BIG")Kiểm tra lại dữ liệu bằng Data Editor lúc này xuất hiện nay thêm cột LARGE(Trong đó các ô có giá trị BIG sinh hoạt cột form size sẽ đưa thành giá trị 1 khớp ứng ở cột
LARGE và các ô có giá trị SMALL sẽ gửi thành cực hiếm 0)** 03 lệnh bên trên được diễn đạt trên màn hình hiển thị stata như sau:
4. Hồi quy FEM/REM:Mô hình ví dụ gửi ra:4DSAit = β0+ β1*AGEit + β2*SALEit + β3*FIXit + β4*ROAit + β5*LARGEit+β6*GOVit + β7*GDPt + β8*INFLt + β9*MCGDPt + εBiến dựa vào DSA = Nợ vay bank ngắn hạn/Tổng tài sản
Các đổi thay độc lập: các biến nội trên doanh nghiệp có công dụng tác rượu cồn khả năngtiếp cận vốn vay ngân hàng của các doanh nghiệp, bao gồm:+ AGE: Số năm hoạt động của công ty.+ SALE: tốc độ tăng trưởng doanh thu.+ FIX: vận tốc tăng trưởng tài sản cố định.+ ROA: xác suất lợi nhuận/Tổng tài sản.+ LARGE: đổi mới giả diễn tả quy mô của chúng ta (LARGE =1: Doanhnghiệp gồm quy mô lớn, LARGE = 0:+ GOV: Tỉ lệ mua vốn ở trong nhà nước trong doanh nghiệp.+ GDP: tốc độ tăng trưởng tổng tài sản quốc nội;+ INFL: xác suất lạm phát+ MCGDP: xác suất vốn hóa thị trường/Tổng sản phẩm quốc nội.***Hồi quy theo quy mô FEM:Câu lệnh xtreg DSA AGE SALE FIX ROA LARGE GOV GDP INFL MCGDP, fe5Trong công dụng mô hình, quý giá R-sq: within = 0.2584 thể hiện các biến độc lậpgiải thích được 25.84% biến hóa phụ thuộc.Lưu kết quả của mô hình FEM:
Câu lệnh: est store fe1 (Trong đó fe1 là tên người sáng tác tự để cho quy mô FEM)***Hồi quy theo quy mô REM:Câu lệnh: xtreg DSA AGE SALE FIX ROA LARGE GOV GDP INFL MCGDP, re
Lưu kết quả mô hình REMCâu lệnh: est store re1 (Trong kia re1 là tên tác giả tự để cho quy mô REM)Trong kết quả mô hình, cực hiếm R-sq: within = 0.2531 thể hiện những biến độc lậpgiải say đắm được 25.31% đổi mới phụ thuộc.5. Lựa chọn giữa FEM và REM:Kiểm định Hausman nhằm xem xét phần dư của mô hình có tương quan vớicác biến độc lập hay không. Trong trường hợp phần dư và các biến hòa bình khôngcó mối tương quan với nhau thì mô hình REM được hiểu phù hợp, ngược lại môhình được chọn lọc sẽ là mô hình FEM.Tiến hành kiểm nghiệm giả thiết:Ho: Phần dư và các biến độc lập không tất cả mối tương quan
H1: Phần dư và các biến chủ quyền có côn trùng tương quan6Ta có kết quả kiểm định Hausman: P_value = 0.0000 chưng bỏ Ho=> quy mô FEM được mang đến là quy mô phù hợp.***Câu lệnh: hausman fe1 re1(Trong kia fe1 cùng re1 là tên gọi của quy mô FEM, REM người sáng tác đã tự khắc tên trước đóbằng câu lệnh est store đang được trình bày ở trên).6. Kiểm định những khuyết tật của mô hình::*Hiện tượng đa cùng tuyến:Bước 1: triển khai hồi quy những biến bởi câu lệnh:regress da AGE SALE FIX ROA GOV GDP INFL MCGDP LARGE
Bước 2: thực hiện câu lệnh: vif7Các cực hiếm VIF của những biến hòa bình khá giỏi (đều nhỏ dại hơn 10), bệnh tỏkhông có hiện tượng lạ đa cộng con đường giữa những biến phân tích và lý giải trong tế bào hình.*Hiện tượng phương sai nắm đổi:Dùng kiểm tra Wald để kiểm định hiện tượng kỳ lạ phương sai đổi khác với giảthiết:Ho: không tồn tại hiện tượng phương sai cụ đổi.H1: xảy ra hiện tượng phương sai rứa đổi
Bước 1: Hồi quy lại quy mô FEM:Câu lệnh: xtreg DSA AGE SALE FIX ROA LARGE GOV GDP INFL MCGDP, fe
Bước 2:Câu lệnh: xttest3(Lưu ý: nếu như lệnh xttest3 không tồn tại sẵn trong Stata, bắt buộc cài thêm bằng lệnh sscinstall xttest3)8Nhìn vào cực hiếm P-value = 0.000 trả thiết Ho bị bác bỏ, nghĩa làxảy ra hiện tượng kỳ lạ phương sai rứa đổi.* hạn chế và khắc phục phương sai nắm đổi: Sử dụng mô hình sai số chuẩn chỉnh mạnh(Robust Standard errors), gật đầu đồng ý sự xuất hiện hiện tượng phương sai vậy đổi:Câu lệnh: xtreg DSA AGE SALE FIX ROA LARGE GOV GDP INFLMCGDP,robust fe hiện tượng tự tương quan:Dùng chu chỉnh Wooldridge để kiểm định tự đối sánh với trả thiết
Ho: không có tương quan chuỗi (no first-order autocorrelation)H1: Tồn tại hiện tượng lạ tự đối sánh tương quan chuỗi
Câu lệnh: xtserial DSA AGE SALE FIX ROA LARGE GOV GDP INFLMCGDP9P-value = 0.000 hiện tượng tự đối sánh chuỗi.7. Kiểm nghiệm GMM:Phương pháp GMM được áp dụng phù hợp với chủng loại được chọn là dữ liệubảng có T nhỏ, N phệ (rất các quan cạnh bên với ít mốc thời gian). Bên cạnh ra, GMM cònkhắc phục được những khuyết tật tồn tại thịnh hành trong các mô hình hồi quy như:tương quan tiền giữa những biến chủ quyền với phần dư, từ tương quan, phương sai thế đổihoặc lộ diện hiện tượng nội sinh trong mô hình.Vấn đề biến nội sinh có nghĩa là các biến lý giải ở trong triệu chứng khônghoàn toàn tự do với biến chuyển được phân tích và lý giải và gây ra mối tác động 2 chiều giữacác biến hóa này dẫn mang lại các phương pháp ước lượng FEM/REM không còn kết quả.Các biến hòa bình có quan hệ nam nữ hai chiều với biến phụ thuộc được điện thoại tư vấn là biếnnội sinh, các biến còn sót lại gọi là trở nên công cụ.**Bước 1: nhấn định những biến nội sinh trong tế bào hình:- FIX: Khi các công ty tăng kỹ năng vay vốn ngắn hạn Ngân hàng, bao gồm thểsử dụng nguồn ngân sách này giao hàng vào bổ sung vốn lưu rượu cồn cho chuyển động sản xuấtkinh doanh. Đối với các nguồn vốn huy động mang tính chất chất lâu dài khác, doanh10nghiệp sẽ thực hiện ưu tiên để chi tiêu vào tài sản cố định, từ đó dẫn tới việc gia tăng
trong tài sản thắt chặt và cố định của công ty.- ROA: Khi doanh nghiệp lớn tăng giỏi giảm tỷ lệ vay nợ bank sẽ có tác dụng thayđổi chi phí sử dụng vốn và tác động ngược lại lên ROA.- LARGE: trở nên LARGE là đổi thay giả để xác minh quy tế bào của doanh nghiệplà doanh nghiệp béo hay công ty lớn vừa cùng nhỏ. 1 trong những nhưng đại lý xác địnhquy mô công ty là dựa trên tổng gia tài của doanh nghiệp. Vấn đề tăng vay nợ
Ngân hàng gồm nghĩa tăng mối cung cấp vốn, từ đó tăng gia sản và ảnh hưởng đến quy môcủa doanh nghiệp
Bước 2: Chạy quy mô GMMCâu lệnh: xtabond2 DSA l.DSA AGE SALE FIX ROA LARGE GOV GDP INFLMCGDP , gmm (l1.DSA l1.FIX L1.ROA L1.LARGE , lag(1 1)) iv( AGE SALE GOVGDP INFL MCGDP ) small noconst
Lưu ý những phần vào câu lệnh: xtabond2Phần 1: xtabond2 DSA l.DSA AGE SALE FIX ROA LARGE GOV GDP INFLMCGDP: Tòan bộ các biến trong mô hình (Bao có cả biến độc lập và biến chuyển phụthuộc), trong những số ấy có DSA là biến dựa vào và l.DSA là phát triển thành trễ của biến phụ thuộc.Phần 2: gmm (l1.DSA l1.FIX L1.ROA L1.LARGE , lag(1 1)):Trong đó:+ l1.FIX L1.ROA L1.LARGE: là độ trễ bậc 1 của thay đổi nội sinh. Lúc chạy mô hìnhtùy từng trường hòa hợp các bạn có thể thay thay đổi độ trễ của những biến để có tác dụng phùhợp.+ lag(1 1): (1 1) là độ trễ của các biến. Khi chạy mô hình tùy từng trường đúng theo cácbạn tất cả thể biến đổi độ trễ của các biến để có hiệu quả phù hợp.Phần 3: iv( AGE SALE GOV GDP INFL MCGDP ): các biến sót lại (ngoại trừbiến nội sinh).11** đánh giá sự cân xứng của mô hình GMM: chu đáo 2 cực hiếm P_value
của Sargan thử nghiệm và P-value
AR(2). Nếu 2 giá bán trị ngày dần tiến về 1 chứng tỏ môhình càng phù hợp, thay thể:-Kiểm định về nội sinh trong quy mô của Sargan: P_value = 0.938 (Giá trịcàng tiến ngay sát về 1) - cho biết thêm việc thực hiện biến luật pháp khá tốt, xung khắc phục-được sự việc nội sinh.Kiểm định về tự tương quan trong mô hình của Arellano – Bond (1991): Pvalue
AR(2) = 0.817 (Giá trị càng tiến gần về 1) cho thấy thêm không gồm sự tươngquan giữa các biến trong tế bào hình.8. Câu lệnh thể hiện kết quả dưới dạng bảng:Thể hiện kết quả dưới dạng bảng table (được thực hiện để trình bày kết quảtrong nội dung chính của luận văn, còn những hình hình ảnh kết quả thường xuyên được miêu tả ởphần phụ lục).Câu lệnh esttab, r2 ar2 se scalar(rmse) (Được thực hiện ngay sau kết quảcủa quy mô hồi quy)Đường link tải tệp tin excel ví dụ: />


*
khuyên bảo làm Ghost đa thông số kỹ thuật tự nhấn Driver bởi Syspacker 2.1 10 1 8
*
Trong thừa trình nhận xét phân tích chi tiêu công, sau thời điểm phát hiện các khuyết tật của thị phần chính che đã sử dụng hình thức can thiệp làm sao 29 678 0
*
tài liệu CHƯƠNG 5 hồi quy hai đổi thay ước lượng khoảng và kiểm định giả thiết pptx 38 809 1
*
Quy định những phép thử trong phòng thí nghiệm vật tư xây dựng ppsx 4 1 1
*
khuyên bảo làm Ghost đa thông số kỹ thuật với Easy
Sysprep 3 pptx 13 639 0
*
nghiên cứu áp dụng hướng dẫn kỹ thuật quy hoạch thống trị chất thải rắn đô thị để phục vụ công tác lập quy hoạch làm chủ chất thải rắn cho thành phố hội an - thức giấc quảng phái nam 26 488 1
*
trình bày các tàn tật của côn trùng hàn hồ nước quang với hàn hơi. Biện pháp khắc phục 12 1 1
*
ĐỀ TÀI: PHÂN TÍCH CÁC NHÂN TỐ TÁC ĐỘNG VÀ DỰ BÁO GIÁ VÀNG VIỆT NAM, KIỂM ĐỊNH TÍNH HIỆU QUẢ CỦA YẾU TỐ THÔNG TIN TRÊN THỊ TRƯỜNG VÀNG TIẾP CẬN BẰNG MÔ HÌNH VỞ
I PHƯƠNG PHÁP HỒI QUY hai BƯỚC VÀ CÁC DẠNG MÔ HÌNH ARCHGARCH 65 675 2
*
*
hướng dẫn thực hành kế toán sản phẩm tồn kho, tài sản cố định, các khoản công nợ trong số doanh nghiệp 224 1 0
*


(1.78 MB - 11 trang) - HƯỚNG DẪN CHẠY HỒI QUY MÔ HÌNH FEM, REM, GMM VÀ KIỂM ĐỊNH CÁC KHUYẾT TẬT CỦA MÔ HÌNH VỚI DỮ LIỆU BẢNG BẰNG STATA 13 BẰNG VÍ DỤ CỤ THỂ

Ước lượng GMM cực dễ trên EVIEWS, quy mô GMM là trong những mô hình rất là quan trọng, trong nghiên cứu các vụ việc về tởm tế, nó làm mô hình hồi quy gmm với mục tiêu là khắc chế nội sinh trong tởm tế, để khắc phục vấn đề nội sinh với tài liệu 1 chiều chúng ta thường cần sử dụng hồi quy biến phép tắc (2SLS) nhằm khắc phục, còn với dữ liệu panel chúng ta thường dùng GMM nhằm khắc phục nội sinh. Trong bài này, xavipacheco.com vẫn hướng dẫn bạn một cách tiện lợi để hồi quy GMM trên EVIEWS, nhằm mục tiêu khắc phục nội sinh của thay đổi kinh tế.

Bạn đang xem: Khắc phục nội sinh: hồi quy gmm


Nổi dung nổi bậc


Các kiểm định bắt buộc thiết

Ước lượng GMM là gì ?

GMM, viết tắt của Generalized Method of Moments, là tên gọi chung của một họ cách thức hồi quy/ước lượng (estimation) để xác định các thông số kỹ thuật của mô hình thống kê hoặc mô hình tài chính lượng. GMM được áp dụng để tìm/dự tính các thông số của mô hình parametric cùng non-parametric.

GMM được phát triển bởi Lars Peter Hansen năm 1982 từ việc tổng quát lác hóa phương pháp hồi quy theo moments.

GMM được sử dụng nhiều cho dự liệu mảng (panel data), đặc trưng khi T bé dại hơn N những lần, hoặc dữ liệu không đồng nhất.

Mục đích của cầu lượng GMM

Trong kinh tế lượng với thống kê , phương thức tổng quát của những khoảnh tự khắc ( GMM ) là một phương pháp chung để mong tính các tham số vào các quy mô thống kê . Thông thường, nó được vận dụng trong văn cảnh của các quy mô bán toàn diện , trong đó tham số thân yêu là chiều hữu hạn, trong khi hình dạng rất đầy đủ của hàm bày bán dữ liệu rất có thể không được biết thêm và cho nên ước tính tài năng tối nhiều không được áp dụng.

Phương pháp yêu cầu một vài điều kiện khăng khăng được hướng đẫn cho tế bào hình. Những điều khiếu nại thời đặc điểm đó là các hàm của các tham số quy mô và dữ liệu, sao để cho kỳ vọng của chúng bằng 0 tại các giá trị thực của tham số. Cách thức GMM sau đó tối thiểu hóa một tiêu chí nhất định của trung bình mẫu của những điều kiện thời gian và vày đó có thể được xem là một ngôi trường hợp đặc biệt quan trọng của mong tính khoảng cách tối thiểu .


Các công cụ ước tính GMM theo thông tin được biết là đồng bộ , thông thường không tất cả triệu triệu chứng và kết quả trong lớp của toàn bộ các chính sách ước tính ko sử dụng ngẫu nhiên thông tin bổ sung cập nhật nào ngoài các điều kiện gồm trong điều kiện thời điểm.

GMM được trở nên tân tiến bởi Lars Peter Hansen vào khoảng thời gian 1982 như là 1 trong khái quát tháo của phương thức khoảnh khắc , được giới thiệu bởi Karl Pearson vào thời điểm năm 1894. Hansen đã share giải thưởng Nobel về kinh tế tài chính năm 2013 một phần cho quá trình này.

Xem thêm: Hướng dẫn kết nối và cách reset mi band 2, hướng dẫn sử dụng vòng đeo tay mi band 2

Biến phương pháp là gì?

Ước tính những biến nguyên tắc (IV) là phương pháp tiếp cận gần như là thí nghiệm nhằm mục tiêu khắc phục tính nội sinh trải qua việc áp dụng một nguyên tắc hợp lệ. Ước tính IV là một phương thức hữu ích vào phân tích dữ liệu để cầu lượng đồng bộ tác động nhân quả khi có những biến bị quăng quật qua, không đúng số đo hoặc tính đồng thời giữa kết quả (Y) và biến hóa quan tâm giải thích (X). Trang này cung ứng một cái nhìn tổng quan về mong tính cùng giả định IV. Để biết thêm cụ thể kỹ thuật về bài toán thực hiện, xem Tài nguyên bổ sung cập nhật .

Một công cụ hợp lệ phải đáp ứng cả các điều kiện liên quan và ngoại sinh. Điều kiện liên quan nêu rõ rằng công cụ này còn có tương quan tiền với vươn lên là quan tâm giải thích (X). Điều khiếu nại ngoại sinh nói rằng sản phẩm công nghệ không tương xứng với thuật ngữ lỗi (e). Nói phương pháp khác, nguyên lý chỉ ảnh hưởng đến tác dụng (Y) thông qua X. Để cầu tính ảnh hưởng tác động nhân quả với biến đổi công cụ, các nhà nghiên cứu hoàn toàn có thể sử dụng bình phương về tối thiểu hai quy trình (2SLS), phương pháp tổng quát tháo về giây lát (GMM) hoặc cầu lượng k.

Biến nội sinh là gì ?

Trong kinh tế lượng , tính nội sinh rộng rãi đề cập mang lại các tình huống trong kia một biến giải thích có tương quan với thuật ngữ lỗi . Sự khác hoàn toàn giữa những biến nội sinh và biến ngoại sinh khởi nguồn từ các quy mô phương trình bên cạnh đó , trong những số đó người ta bóc tách các biến có mức giá trị được xác minh bởi mô hình từ những biến được xác định trước; bỏ qua mất tính mặt khác trong cầu lượng dẫn đến ước tính lệch lạc vì nó vi phạm giả định ngoại sinh của định lý Gauss Hồi Markov. Thật ko may, sự việc nội sinh là ko may, đôi khi bị những nhà nghiên cứu và phân tích tiến hành nghiên cứu phi thực nghiệm bỏ qua và không triển khai các khuyến cáo chính sách. Các kỹ thuật biến lý lẽ thường được áp dụng để giải quyết vấn đề này.


Bên cạnh kia đồng thời, mối đối sánh giữa những biến giải thích và thời hạn lỗi hoàn toàn có thể phát sinh khi 1 không quan sát hoặc biến đổi bỏ qua được nhiễu cả hai biến chủ quyền và phụ thuộc, hoặc khi biến độc lập được đo bởi lỗi .

Ước lượng GMM bên trên Eviews

Ta có quy mô nghiên cứu, ví dụ sau để ước lượng GMM trên Eviews:

lnp = eps + bvps + roe

Ta lựa chọn lần lượt 4 biến trên theo trang bị tự trên, đôi khi mở theo phương thức Equation, đồng thời ta lựa chọn method là gmm, và nhấp chuột mục Dynamic Panel Wizard, như hình bên dưới

*
*

Ta bao gồm giả thuyết như sau:

H0: tế bào hình không tồn tại hiện tượng tự đối sánh chuỗi
H1: mô hình có hiện tượng đối sánh tương quan chuỗi

Tại AR(2) ta có Pvalue > 0.05, đề nghị ta đồng ý H0 bác bỏ H1, tức là mô hình không có hiện tượng đối sánh chuỗi Arellano Bond.

Sau khi bọn họ kiểm định 3 bài toán trên thì công dụng cho ra là xứng đáng tin cậy, do vậy bạn cũng có thể sử dụng được tác dụng ước lượng gmm trong trường hợp này.

Nếu chúng ta có ngẫu nhiên khó khăn nào, các bạn đừng rụt rè hãy liên với công ty chúng tôi để được hỗ trợ tư vấn miễn phí.

Bài viết liên quan

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *