Ước lượng mô hình phân phối trễ theo phương pháp Koyck

0
Khuyến mãi mới

Trong bài viết trước về Giới thiệu mô hình phân phối trễ, tôi có đề cập đến hạn chế theo phương pháp ước lượng OLS là tính không chắc chắn về số lượng độ trễ, bậc tự do bị giảm và đặc tính chuỗi thời gian của dữ liệu. Trong bài này, tôi sẽ hướng dẫn cách ước lượng của Koyck để khắc phục một phần hạn chế ở trên. Phương pháp này có nội dung như sau:

Ban đầu chúng ta giả định rằng mô hình có độ trễ là vô hạn. Giả định rằng tất cả hệ số beta đều có cùng dấu và giảm dần:

(Phương trình 1)

Trong đó 0<λ<1, được gọi là tỷ lệ giảm (rate of decline) và 1-λ là tốc độ điều chỉnh (speed of adjustment). Theo công thức ở trên thì hệ số Beta sẽ giảm dần theo thời gian vì những tác động trong quá khứ sẽ nhỏ hơn những tác động vừa mới xảy ra gần đây. Cơ chế biến đổi theo hình học của Koyck được thể hiện theo đồ thị dưới đây:Từ phương trình (1), mô hình độ trễ vô hạn sẽ có dạng:

Nếu chúng ta tính 1 độ trễ và nhân kết quả đó với λ, nó sẽ có dạng (Phương trình 2):

Lấy phương trình (1) trừ đi (2):

Và sắp xếp nó lại và đặt vt = (ut - λut-1). vt trong trường hợp này là giá trị trung bình trượt của ut.

Tuy nhiên, bạn cần có thông tin về: α, β0  λ.

Tuy khắc phục được vấn đề đa cộng tuyến, phương pháp này cũng có một số đặc điểm rắc rối sau:

  1. Ban đầu chúng ta có một mô hình phân phối trễ, sau đó biến đổi thành mô hình tự hồi quy và từ đó nảy sinh các vấn đề của mô hình tự hồi quy.
  2. Yt và Yt-1 là biến ngẫu nhiên, điều này có nghĩa là xuất hiện biến ngẫu nhiên trong mô hình. Trong mô hình hồi quy tuyến tính cổ điển, biến giải thích phải không ngẫu nhiên hoặc nếu ngẫu nhiên thì nó phải độc lập với sai số.
  3. vt = (ut - λut-1) nên chắc chắn vt sẽ có tương quan chuỗi (serial correlation).
  4. Vì có Yt-1 là biến giải thích nên nó vi phạm các giả định của kiểm định Durbin-Watson d. Tuy nhiên, bạn có thể giải quyết nó bàng Durbin-Watson h.

Xem thêm: Phân biệt tự tương quan và tương quan chuỗi.

Vui lòng nâng cấp tài khoản V.I.P để đọc tiếp

Bài viết liên quan

Giới thiệu về mô hình phân phối trễ (Distributed-L... Trong nghiên cứu về kinh tế, mối quan hệ giữa biến phụ thuộc và biến độc lập thường hiếm khi xảy ra đồng thời. Sự tác động của biến X đòi hỏi một thời gian sau mới tác động đến biến Y. Khi chính phủ g...
Tương quan hai biến (bivariate), từng phần (partia... Trong phân tích tương quan, bạn đọc thường hay dễ bị nhầm lẫn giữa hai khái niệm là part correlation và partial correlation. Tương quan từng phần (partial correlation) hay còn được gọi là tương quan r...
Thực hành ước lượng mô hình Logit theo tỷ số nguy ... Tỷ số nguy cơ (Odds Ratio) là công cụ để đo lường mối liên hệ giữa  xác suất một sự kiện xảy ra và xác suất nó không xảy ra. Xem thêm: Tỷ số nguy cơ Khi mô hình logistic được tính toán, hệ s...
4 lý do nên chọn mô hình cấu trúc tuyến tính SEM c... Tại sao bạn nên chọn mô hình cấu trúc tuyến tính? Có 4 lý do chính để SEM trở nên phổ biến trong giới nghiên cứu khoa học ngày nay: Việc sử dụng mô hình đa biến giúp ích cho việc hiểu rõ về vấn đề ...

Leave A Reply