Đề 15 – Bài tập, đề thi trắc nghiệm online Kinh tế lượng

Dữ liệu bảng có ưu điểm lớn là cho phép kiểm soát các yếu tố không quan sát được không đổi theo thời gian và đặc trưng cho từng đơn vị (thông qua mô hình tác động cố định hoặc tác động ngẫu nhiên). Điều này giúp giảm thiểu chệch do biến số bỏ sót và cải thiện độ tin cậy của ước lượng.

Sai số đặc tả mô hình xảy ra khi mô hình hồi quy được xây dựng không chính xác, ví dụ như chọn sai dạng hàm (ví dụ, sử dụng mô hình tuyến tính khi mối quan hệ thực tế là phi tuyến) hoặc bỏ sót các biến độc lập quan trọng.

Hệ số phóng đại phương sai (VIF) là một chỉ số phổ biến để phát hiện đa cộng tuyến. VIF đo lường mức độ phương sai của ước lượng hệ số bị tăng lên do sự tương quan tuyến tính giữa các biến độc lập.

Heteroskedasticity không gây ra chệch ước lượng hệ số OLS, nhưng làm cho chúng không còn hiệu quả (phương sai lớn hơn so với ước lượng hiệu quả). Thống kê kiểm định t và F cũng trở nên không tin cậy.

Phương pháp biến công cụ (IV) là một kỹ thuật quan trọng để giải quyết vấn đề nội sinh. Biến công cụ là biến có tương quan với biến độc lập nội sinh nhưng không tương quan với sai số.

Mô hình tác động cố định loại bỏ ảnh hưởng của các yếu tố không quan sát được, không thay đổi theo thời gian nhưng khác nhau giữa các đơn vị. Nó thực hiện điều này bằng cách kiểm soát sự khác biệt cố định giữa các đơn vị.

Ước lượng GLS là phương pháp hiệu quả để xử lý tự tương quan. Các phương pháp khác như biến đổi dữ liệu hoặc mô hình hóa trực tiếp cấu trúc tự tương quan cũng được sử dụng.

Mô hình ARIMA kết hợp thành phần tự hồi quy (AR), trung bình trượt (MA), và sai phân (I - Integrated). Sai phân được sử dụng để làm cho chuỗi thời gian trở nên dừng trước khi áp dụng mô hình ARMA.

Kiểm định nghiệm đơn vị, ví dụ như kiểm định Dickey-Fuller, được sử dụng để xác định xem một chuỗi thời gian có tính dừng hay không. Chuỗi thời gian dừng có các tính chất thống kê không thay đổi theo thời gian, điều này quan trọng cho nhiều phương pháp phân tích chuỗi thời gian.

Đa cộng tuyến (multicollinearity) xảy ra khi có sự tương quan cao giữa hai hoặc nhiều biến độc lập trong mô hình hồi quy bội. Điều này làm cho việc phân biệt ảnh hưởng riêng rẽ của từng biến độc lập trở nên khó khăn và làm tăng phương sai của ước lượng hệ số.

Việc chọn mô hình tốt nhất không chỉ dựa vào độ phù hợp thống kê (R bình phương) mà còn cần xem xét tính đơn giản (tránh over-fitting), và quan trọng nhất là cơ sở lý thuyết kinh tế vững chắc. Mô hình cần phải có ý nghĩa kinh tế và giải thích hợp lý hiện tượng đang nghiên cứu.

Sai phân bậc nhất loại bỏ các yếu tố không quan sát được không đổi theo thời gian bằng cách lấy sai phân của các biến theo thời gian. Điều này giúp giải quyết vấn đề nội sinh có thể phát sinh từ các yếu tố không quan sát này.

R bình phương hiệu chỉnh điều chỉnh R bình phương theo số lượng biến độc lập trong mô hình. Nó hữu ích khi so sánh các mô hình với số lượng biến độc lập khác nhau, vì R bình phương thông thường có xu hướng tăng khi thêm biến độc lập, ngay cả khi biến đó không thực sự cải thiện mô hình.

Hệ số chặn trong mô hình hồi quy tuyến tính đơn giản biểu thị giá trị kỳ vọng của biến phụ thuộc (Y) khi biến độc lập (X) bằng 0.

Mô hình VAR là một hệ thống các phương trình hồi quy, trong đó mỗi biến được hồi quy lên chính nó trễ và các biến khác trễ. VAR rất hữu ích để mô hình hóa và dự báo động thái tương tác giữa nhiều chuỗi thời gian đồng thời.

Giá trị p là xác suất để thu được kết quả kiểm định (thống kê kiểm định) ít nhất cũng cực đoan như giá trị quan sát được, giả định rằng giả thuyết null (H0) là đúng. Giá trị p càng nhỏ, bằng chứng chống lại H0 càng mạnh.

Biến kiểm soát được thêm vào mô hình hồi quy để kiểm soát các yếu tố có thể ảnh hưởng đến biến phụ thuộc và có thể tương quan với biến độc lập quan tâm. Mục tiêu chính là giảm chệch ước lượng do bỏ sót các biến quan trọng khác.

Phương pháp 2SLS (Two-Stage Least Squares) thực hiện hai giai đoạn: Giai đoạn 1 hồi quy dạng rút gọn, trong đó biến nội sinh được hồi quy lên các biến công cụ và các biến ngoại sinh khác. Giai đoạn 2 hồi quy cấu trúc, trong đó biến phụ thuộc được hồi quy lên giá trị dự đoán của biến nội sinh từ giai đoạn 1 và các biến ngoại sinh khác.

Trong mô hình Logit, hệ số hồi quy trực tiếp biểu thị mức thay đổi của log-odds (logarit của tỷ lệ odds) khi biến độc lập tăng 1 đơn vị. Để diễn giải ảnh hưởng lên xác suất, cần tính toán ảnh hưởng biên hoặc chuyển đổi hệ số sang odds ratio.

Một chuỗi thời gian được gọi là tích hợp bậc I (I(1)) nếu nó không dừng ở mức gốc, nhưng trở nên dừng sau khi lấy sai phân bậc nhất (tức là, sai phân của nó là một chuỗi dừng). Nhiều chuỗi thời gian kinh tế vĩ mô là I(1).

Nội sinh xảy ra khi có sự tương quan giữa ít nhất một biến độc lập và sai số trong mô hình hồi quy. Điều này dẫn đến ước lượng OLS bị chệch và không nhất quán.

Lỗi loại I (sai lầm của người sản xuất) là lỗi bác bỏ giả thuyết null (H0) khi nó thực sự đúng. Mức ý nghĩa (alpha) của kiểm định là xác suất mắc lỗi loại I.

Biến trễ của biến phụ thuộc (Yₜ₋₁) được sử dụng khi có động thái điều chỉnh theo thời gian hoặc khi có quán tính trong hành vi kinh tế. Nó thể hiện rằng giá trị hiện tại của biến phụ thuộc bị ảnh hưởng bởi giá trị của nó trong quá khứ.

Dữ liệu bảng kết hợp cả chiều thời gian và chiều không gian (chéo). Nó bao gồm quan sát cho nhiều đơn vị (ví dụ: quốc gia, công ty, cá nhân) trong nhiều khoảng thời gian.

Kiểm định Wald là một kiểm định thống kê tổng quát được sử dụng để kiểm định các giả thuyết về các tham số trong mô hình kinh tế lượng. Nó đặc biệt hữu ích cho các giả thuyết phức tạp liên quan đến nhiều tham số cùng một lúc, ví dụ như các ràng buộc tuyến tính giữa các tham số.

Biến giả là biến định lượng được sử dụng để biểu diễn các biến định tính, có hoặc không có một thuộc tính cụ thể. Ví dụ, biến giả có thể được sử dụng để biểu diễn giới tính (nam∕nữ) hoặc khu vực địa lý (thành thị∕nông thôn).

Các biến độc lập tương quan với nhau (đa cộng tuyến - multicollinearity) là một vấn đề, không phải là một giả định của OLS. Các giả định cơ bản khác bao gồm tuyến tính, không tự tương quan sai số, phương sai sai số không đổi (homoskedasticity), và sai số có trung bình bằng 0.

Khi biến phụ thuộc là biến nhị phân (chỉ nhận hai giá trị, ví dụ 0 hoặc 1), phương pháp OLS không còn phù hợp do vi phạm các giả định. Các mô hình Probit và Logit được thiết kế đặc biệt để xử lý biến phụ thuộc nhị phân.

Dự báo ngoài mẫu (out-of-sample forecast) là dự báo được thực hiện trên một tập dữ liệu mới, không được sử dụng để ước lượng mô hình. Đánh giá hiệu suất dự báo ngoài mẫu là một cách quan trọng để kiểm tra tính tổng quát hóa (generalizability) và độ tin cậy của mô hình kinh tế lượng.

Kinh tế lượng sử dụng thống kê suy diễn để ước lượng và kiểm định các mối quan hệ kinh tế từ dữ liệu mẫu, nhằm đưa ra kết luận tổng quát cho tổng thể.