Top 7 # Xem Nhiều Nhất Huong Dan Tai Minecraft V1.7.2 Mới Nhất 5/2023 # Top Like

Minecraft là một trò chơi về cách đặt khối và tiếp tục cuộc phiêu lưu. Khám phá và những sáng tạo tuyệt vời của cộng đồng, Minecraft tựa game sinh tồn trong một thế giới Zombie, bạn sẽ nhập vai thành nhân vật Steve, bạn sẽ được đưa vào một thế giới ô vuông với nhiều sinh vật khác nhau! Bạn phải chặt cây, đào đá, làm mọi thứ để sinh sống trong thế giới mai cờ ráp.

Đang xem: Tai game minecraft 1.7 2

Tải Minecraft MIỄN PHÍ trên PC và PE, Chơi online co-op cùng bạn bè trên máy tính và điện thoại, hoặc có thể chơi với nhiều người khác trên server loltruyenky.vn.

Cách Tải Minecraft VN Launcher PC và PE MIỄN PHÍ

Nhấp tải về máy phía dưới để tải game minecraft miễn phí các phiên bản 1.8, 1.12, 1.16 và nhiều version minecraft mới nhất được cập nhật mỗi ngày tại loltruyenky.vn.

Minecraft tùy chọn cấu hình phiên bản

Hiện nay website hỗ trợ tải game minecraft Launcher cực nhanh. Các bạn sử dụng máy tính để chơi game này tốt hơn so với Minecraft PE 360. Ngoài PC ra thì hiện nay hỗ trợ tải Minecraft Pocket Edition dành cho Android & iOS. Ngoài phiên bản Minecraft PC thì Mojang đã cho ra phiên bản Android và iOS có tên: Minecraft PE apk appvn.

Bản quyền Premium Server

Gameplay trò chơi PC

Minecraft là một trò chơi thế giới mở không có một mục đích nhất định để cho người chơi thực hiện, điều đó cho phép người chơi tự do lựa chọn hàng nghìn cách chơi khác nhau. Tuy nhiên nó có một hệ thống thành tựu mà người chơi có thể đạt. Gameplay mặc định là người chơi thứ nhất, nhưng người chơi có thể lựa chọn chơi ở chế độ người chơi thứ 2 và thứ 3.

Cốt lõi của game xoay quanh việc đặt và phá block. Bản chất thế giới được tạo từ nhiều vật 3D – chủ yếu là khối lập phương – được sắp xếp một chỗ nhất định theo một mạng lưới và được chia thành nhiều vật liệu như đất, đá, quặng, nước và thân cây. Trong khi người chơi có thể di chuyển tự do khắp thế giới, vật và đồ chỉ đặt được chỗ nhất định. Người chơi có thể thu những khối vật liệu này và đặt chúng ở chỗ khác điều này cho phép xây dựng nhiều công trình khác nhau.

tag: chúng tôi tai minecraft

, Student at Khoa Hoc Tu Nhien

Published on

Huong dan su dung eview 7

1. TRƯỜNG ĐẠI HỌC TÀI CHÍNH – MARKETING BỘ MÔN TOÁN HƯỚNG DẪN SỬ DỤNG PHẦN MỀM EVIEW 7.0 ThS. NGUYỄN TRUNG ĐÔNG ThS. NGUYỄN VĂN PHONG TP. HỒ CHÍ MINH – 2013

2. 1 MỤC LỤC Trang 1. Màn hình Eviews………………………………………………………………………………………………….. 3 2. Các kiểu dữ liệu thông thường ……………………………………………………………………………….. 4 2.1. Số liệu theo thời gian…………………………………………………………………………………… 4 2.2. Số liệu chéo ……………………………………………………………………………………………….. 4 2.3. Số liệu hỗn hợp…………………………………………………………………………………………… 4 3. Nhập dữ liệu ………………………………………………………………………………………………………… 5 3.1. Nhập trực tiếp vào Eview…………………………………………………………………………….. 5 3.2. Nhập từ Excel và Word có sẵn……………………………………………………………………… 10 4. Vẽ đồ thị. ……………………………………………………………………………………………………………. 14 4.1. Vẽ biểu đồ phân tán số liệu ………………………………………………………………………….. 14 4.2. Vẽ đường hồi quy tuyến tính ……………………………………………………………………….. 17 5. Tìm hàm hồi quy tuyến tính mẫu (SRF)…………………………………………………………………… 18 6. Một số hàm trong Eviews………………………………………………………………………………………. 21 7. Cách tìm một số dạng hàm hồi quy…………………………………………………………………………. 21 8. Tìm ma trận tương quan và ma trận hiệp phương sai của các hệ số hồi quy…………………. 22 8.1. Ma trận tương quan giữa các biến…………………………………………………………………. 20 8.2. Ma trận hiệp phương sai của các hệ số hồi quy……………………………………………….. 23 9. Bài toán tìm khoảng tin cậy cho các hệ số hồi quy……………………………………………………. 24 10. Bài toán dự báo…………………………………………………………………………………………………… 26

3. 2 11. Định mẫu …………………………………………………………………………………………………………… 31 12. Tính các giá trị thống kê………………………………………………………………………………………. 33 13. Các bài toán kiểm định giả thiết mô hình ………………………………………………………………. 35 13.1. Kiểm định phương sai ……………………………………………………………………………….. 35 13.1.1. Kiểm định White ……………………………………………………………………………… 35 13.1.2. Kiểm định Glejser…………………………………………………………………………….. 37 13.1.3. Kiểm định Breusch – Pangan – Godfrey ……………………………………………… 38 13.2. Kiểm định tự phương quan (kiểm định BG) …………………………………………………. 39 13.3. Kiểm định biến có cần thiết trong mô hình hay không (kiểm định Wald)…………. 41 13.4. Kiểm định thừa biến trong mô hình …………………………………………………………….. 43 13.5. Kiểm định biến bị bỏ sót trong mô hình……………………………………………………….. 45 13.6. Kiểm định Chow trong mô hình hồi quy với biến giả…………………………………….. 46 14. Định dạng mô hình (Kiểm định Ramsey RESET) ………………………………………………….. 49 15. Lưu kết quả trong Eviews ……………………………………………………………………………………. 51 15.1. Lưu file dữ liệu ………………………………………………………………………………………… 51 15.2. Lưu các bảng kết quả ……………………………………………………………………………….. 51 Tài liệu tham khảo …………………………………………………………………………………………………… 54

4. 3 HƯỚNG DẪN SỬ DỤNG PHẦN MỀM EVIEW 7.0 1. Màn hình Eviews Hình 1 Màn hình Eviews Thanh công cụ Cửa sổ Command Cửa sổ Workfile

5. 4 2. Các kiểu dữ liệu thường dùng. 2.1. Số liệu theo thời gian: là các số liệu thu thập tại nhiều thời điểm khác nhau trên cùng một đối tượng. Chẳng hạn như số liệu về GDP bình quân của Việt Nam từ 1998 – 2006 được cho trong bảng sau: 2.2. Số liệu chéo: là số liệu thu thập tại một thời điểm ở nhiều nơi, địa phương, đơn vị, khác nhau. Chẳng hạn như số liệu về GDP bình quân trong năm 2006 của các nước Brunei, Campuchia, Indonesia, Lào, Malaysia, Myanmar, Philippines, Singapore, Thái Lan, Việt Nam được cho như sau: 2.3. Số liệu hỗn hợp: là số liệu tổng hợp của hai loại trên, nghĩa là các số liệu thu thập tại nhiều thời điểm khác nhau ở nhiều địa phương, đơn vị khác nhau. Chẳng hạn như số liệu về GDP bình quân của các nước từ 1998 – 2006.

7. 6 Mở Eview, để nhập dữ liệu: Chọn File→New→Workfile, ta có màn hình như sau: Hình 2 Tuỳ vào kiểu dữ liệu cần khảo sát, ta có thể chọn được các kiểu sau : Dated – regular frequency Multi – year : Số liệu nhiều năm Annual : Số liệu năm Semi – Annual : Số liệu nửa năm Quarterly : Số liệu theo quý Monthly : Số liệu theo từng tháng Bimonthly : Mỗi tháng 2 lần/2 tháng 1 lần Fortnight : Hai tuần lễ/15 ngày Ten – day (Trimonthly) : Weekly : Số liệu theo từng tuần Unstructure / Undate : Số liệu chéo Để nhập dữ liệu ở ví dụ 1, ta chọn các khai báo như trong hình 3 như sau:

8. 7 Hình 3 Để nhập dữ liệu ở ví dụ 2, ta chọn các khai báo như trong hình 4 Hình 4 Để nhập dữ liệu cho ví dụ 3, ví dụ 4, ta có thể khai báo báo như trong hình 5.

9. 8 Hình 5 Trong ô Observations ta nhập cỡ mẫu (số các quan sát) Chẳng hạn như trong ví dụ 3, ta nhập 10 rồi nhấn OK ta được hình 6 Hình 6 Để nhập số liệu ta chọn : Quick →Empty Group (Edit Series), màn hình xuất hiện một cửa sổ như hình 7. Trong đó

10. 9 – Cột obs ghi thứ tự quan sát. – Các cột kế tiếp để khai báo các biến và nhập số liệu. Hình 7 Ví dụ nhập số liệu cho biến Y vào cột số 2, ta nhấp chuột vào đầu cột này và gõ tên biến Y sau đó nhấp Enter và lần lượt gõ các giá trị vào các ô bên dưới có ghi chữ NA. Chẳng hạn như trong ví du 3 và ví dụ 4, ta khai báo và nhập số liệu tuần tự như trong các hình sau : Hình 8

11. 10 Hình 9 3.2. Nhập từ Excel và Word có sẵn Giả sử ta có sẵn File Excel vidu chúng tôi chứa số liệu của ví dụ 3. Khi đó ta thực hiện các bước Import sau: (Excel 2003 mới dùng được) Mở chương trình Eviews chọn File → Open →Foreign Data as Workfile…như sau Hình 10

12. 11 Hình 11 Chọn Open ta được kết quả như trong hình 12. Trong cửa sổ này chúng ta thấy có hai cột số liệu của X và Y tương ứng trong Sheet1 của File vidu chúng tôi Hình 12

13. 12 Sau đó chọn Next ta được kết quả như trong Hình 13 Trong của sổ này với cột nội dung Column info ta có thể mô tả lại tên của các biến tại các ô Name: Tên biến; Description: Mô tả tên biến Hình 13 Cuối cùng chọn Finish ta được kết quả như trong hình 14 Hình 14 Lưu ý. Các bước trên được gọi là trích lọc dữ liệu từ một file dữ liệu có sẵn.

14. 13 Ta có thể thực hiện copy trực tiếp từ một file Word hoặc Excel Mở của sổ Group của Eview Hình 15 Từ file excel hoặc file word bôi đen rồi copy và paste vào file trên. Chẳng hạn ta có file word ta thực hiện như sau: Hình 16 Ta paste vào của sổ Group như sau

15. 14 Hình 17 Và được kết quả như sau: Hình 18 4. Vẽ đồ thị. 4.1. Vẽ biểu đồ phân tán số liệu. Mục đích của việc vẽ đồ thị này cho phép ta đánh giá sơ bộ về mối quan hệ cũng như hình dung được dạng hàm (mô hình) giữa hai biến với nhau. Để vẽ đồ thị phân tán của hai biến, chẳng hạn như trong ví dụ 3 ta vẽ đồ thị phân tán của Y và X.

16. 15 Từ của sổ Eviews chọn Quick→Graph Hình 19 Một của sổ Series List xuất hiện. Ta gõ tên biến độc lập (X) và biến phụ thuộc (Y) giữa hai biến này là khoảng trắng. Khi đó màn hình sẽ như sau (không cần viết hoa) Hình 20 Nhấp OK, ta được màn hình sau

17. 16 Hình 21 Ta chọn Scatter rồi nhấn Ok, ta được đồ thị phân tán dữ liệu như sau Hình 22 Làm tương tự như các bước trên ta có thể vẽ các loại đồ thị khác.

18. 17 4.2. Vẽ đường hồi quy tuyến tính. Hình 23 Thực hiện các bước tương tự như trên. Ta chọn Scatter→Regression line rồi nhấn Ok, ta được đồ thị đường hồi quy như sau: Hình 24

19. 18 Đối với đồ thị cần hiệu chỉnh màu (đường nét,…,) ta chỉ cần nhấp đúp vào đồ thị màn hình sau sẽ xuất hiện: Hình 25 Trong đó: – Color : hiệu chỉnh màu sắc – Line pattern : hiệu chỉnh kiểu đường nét – Line width : hiệu chỉnh độ rộng của đường nét – Symbol size : chọn kiểu hiển thị cho các điểm 5. Tìm hàm hồi quy tuyến tính mẫu (SRF). Muốn tìm hàm hồi quy tuyến tính mẫu của Y theo X chẳng hạn như trong ví dụ 3 có nhiều cách làm sau đây tôi chỉ giới thiệu một cách đơn giản nhất. Từ cửa sổ Command ta gõ dòng lệnh ls y c x và nhấn Enter. Ta có bảng hồi quy sau mà ta gọi là bảng Equation

20. 19 Hình 26 Các kết quả ở bảng trong hình 22 lần lượt là – Dependent Variable : Tên biến phụ thuộc – Method: Least Squares : Phương pháp bình phương tối thiểu (nhỏ nhất). – Date – Time : Ngày giờ thực hiện – Sample : Số liệu mẫu 1 – 10 – Included observations : Cỡ mẫu là 10 (số các quan sát) – Cột Variable : Các biến giải thích có trong mô hình (trong đó C là hệ số bị chặn) – Cột Coefficient : Giá trị các hệ số hồ quy ɵ ɵ 1 2;β β . – Cột Std. Error : Sai số chuẩn của các hệ số hồi quy. ɵ ( ) ɵ ( ) ɵ ( ) ɵ ( )1 1 2 2se var ;se varβ = β β = β – Cột t – Statistic : Giá trị thống kê t tương ứng ɵ ɵ ( ) ɵ ɵ ( ) 1 2 1 2 1 2 t ;t se se β β = = β β

22. 21 6. Một số hàm trong Eviews. LOG(X) : ln(X) EXP(X) : X e ABS(X) : giá trị tuyệt đối của X SQR(X) : căn bậc 2 của X @SUM(X) : tổng của các X @MEAN(X) : giá trị trung bình của X @VAR(X) : phương sai của X @COV(X,Y) : hiệp phương sai của X, Y @COR(X,Y) : hệ số tương quan của X, Y 7. Cách tìm một số dạng hàm hồi quy. Giả sử ta có số liệu của các biến Y và X tại thời điểm t. Nếu tìm hàm hồi quy của tY theo X và t 1Y− (biến trễ thì câu lệnh sẽ là y c x y(-1). Giả sử ta có số liệu của các biến Y và X. Nếu tìm hàm hồi quy của ln(Y) theo ln(X) thì câu lệnh sẽ là log(y) c log(x). Giả sử ta có số liệu của các biến Y và X. Nếu tìm hàm hồi quy của Y theo X thì câu lệnh sẽ là y c sqr(x). Giả sử ta có số liệu của các biến Y và X. Nếu tìm hàm hồi quy của Y theo X e thì câu lệnh sẽ là y c exp(x). Giả sử ta có số liệu của các biến Y và X. Nếu tìm hàm hồi quy của Y theo X và 2 X thì câu lệnh sẽ là y c x x^2. Giả sử ta có số liệu của các biến Y và X. Nếu tìm phương trình sai phân cấp 1 của Y theo X thì câu lệnh sẽ là d(y) c d(x). Giả sử ta có số liệu của các biến Y và X. Nếu tìm phương trình sai phân cấp k của Y theo X thì câu lệnh sẽ là d(y,k) c d(x,k). Nếu cần tìm hàm hồi quy nhưng không sử dụng hết các quan sát của mẫu, chẳng hạn ta tìm hàm hồi quy của Y theo X trong ví dụ 3 nhưng ta chỉ sử dụng 7 cặp quan sát đầu tiên. Khi đó ta thực hiện các thao tác như sau: Từ bảng Equation chọn Estimate, ta có màn hình sau. Ta chỉnh 10 thành 7

23. 22 Hình 28 8. Tìm ma trận tương quan và ma trận hiệp phương sai của các hệ số hồi quy 8.1. Ma trận tương quan giữa các biến. Giả sử ta có mẫu gồm các biến Y, X2, X3 cho trong ví dụ 4. Để tìm ma trận tương quan của các biến này ta thực hiện như sau: Từ cửa sổ Eviews chọn Quick →Group Statistics →Correlations. Khi đó màn hình xuất hiện như sau: Hình 29

24. 23 Nhấp chuột sẽ xuất hiện cửa sổ sau Hình 30 Sau đó nhấn OK, ta được ma trận tương quan như sau Hình 31 Ý nghĩa: Ma trận tương quan (Correlation) cho biết xu thế và mức độ tương quan tuyến tính giữa hai biến trong mô hình. Nhìn vào bảng ma trận tương quan ở trên ta thấy hệ số tương quan của X2 và X3 là 0.480173 khá nhỏ điều đó có nghĩa là X2 và X3 có tương quan tuyến tính ở mức độ yếu và tương quan thuận. 8.2. Ma trận hiệp phương sai giữa các hệ số hồi quy. Giả sử ta có mẫu gồm các biến Y, X2, X3 cho trong ví dụ 4. Để tìm ma trận hiệp phương sai giữa các hệ số hồi quy, ta thực hiện như sau: Từ cửa sổ Equation chọn View →Covariance Matrix. Khi đó màn hình xuất hiện như sau:

25. 24 Hình 32 Nhấp chuột, ta được ma trận hiệp phương sai giữa các hệ số hồi quy như sau Hình 33 Ý nghĩa: Ma trận hiệp phương sai của các hệ số hồi quy (Coefficient Covariance matrix) cho biết phương sai các hệ số hồi quy nằm trên đường chéo chính, các thành phần còn lại là hiệp phương sai của những hệ số trong mô hình. Chẳng hạn, ví dụ 4 bên trên. Nhìn vào ma trận hiệp phương sai bên trên ta có phương sai của các hệ số hồi quy là: ɵ ( ) ɵ ( ) ɵ ( )1 2 3var 39.10093;var 0.107960;var 0.168415.β = β = β = 9. Bài toán tìm khoảng tin cậy cho các hệ số hồi quy (Khoảng tin cậy đối xứng). Khoảng ước lượng các hệ số hồi quy tổng thể

26. 25 ɵ ɵ ( ) ɵ ɵ ( )j j j jj Cse ; Cse ; j 1,2,…,k β ∈ β − β β + β =   Trong đó C là giá trị được dò trong bảng phân phối Student với bậc tự do là (n-k). Ký hiệu n k 2 C t − α = Giả sử ta có mẫu gồm các biến Y, X2, X3 cho trong ví dụ 4. Để tìm khoảng tin cậy cho các hệ số hồi quy tổng thể, ta thực hiện như sau: Từ cửa sổ Equation chọn View →Coefficient Diagnostics→confidence Intervals… Khi đó màn hình xuất hiện như sau: Hình 34 Nhấp chuột, ta được kết quả sau

28. 27 Hình 36 Nhấp chuột, màn hình sau xuất hiện. Ở ô quan sát (Observations) ta điều chỉnh 12 thành 13) như sau: Hình 37 Nhấp OK. Từ bảng Group. Ta chọn Edit+/- , sau đó nhập 2 3X 20,X 16= = vào hàng số 13 có chữ NA như sau:

29. 28 Hình 38 Tắt cửa sổ Group. Bước 2. Tính giá trị ( ) ( )0 0 0DB 0Y Y ;se Y Y se1;se Y se2.= − = = Từ bảng Equation. Chọn forecast màn hình xuất hiện như sau Hình 39

30. 29 Ô Forecast name ta đổi Yf thành DBY , ô S.E. (optional) ta gõ Se1. Nhấn OK. Hình 40 Tắt đồ thị dự báo Từ bảng Workfile. Chọn Genr và gõ lệnh như sau rồi nhấn Ok. Hình 41 Bước 3. Tìm khoảng dự báo – Dự báo giá trị trung bình

31. 30 Từ bảng Workfile. Chọn Genr và gõ lệnh như sau rồi nhấn Ok. Hình 42 Dự báo giá trị cá biệt. Từ bảng Workfile. Chọn Genr và gõ lệnh như sau rồi nhấn Ok. Hình 43

32. 31 Để mở các kết quả trên cùng một bảng ta thực hiện như sau: Từ của số Workfile, nhấn phím Ctrl rồi chọn canduoicabiet, cantrencabiet, canduoitrungbinh, cantrentrungbinh sau đó nhấn Enter, ta được kết quả sau (lưu ý nhìn vào hàng thứ 13) Hình 44 Vậy khoảng dự báo giá trị trung bình và giá trị cá biệt của Y là CANDUOITB CANTRENTB CANDUOICB CANTRENCB 153.9864 163.0754 148.3989 168.6630 11. Định mẫu Trước hết ta xét ví dụ sau Ví dụ 5. Bảng số liệu sau cho biết số liệu về lượng hàng bán được (Y tấn/tháng), giá bán (X ngàn đồng/kg) ở 20 khu vực bán và được khảo sát tại hai nơi là Thành phố và Nông thôn.

33. 32 Trong đó Z là biến giả: Z = 0 : khảo sát ở nông thôn Z = 1 : khảo sát ở thành thị Có nhiều trường hợp ta không sử dụng hết các số liệu của mẫu ban đầu, hay chỉ cần khảo sát sự phụ thuộc khi biến giả nhận một giá trị nào đó. Để định mẫu lại, từ cửa sổ Workfile chọn Sample, màn hình xuất hiện như Hình 45 Chẳng hạn ta chỉ khảo sát 15 mẫu đầu tiên và ở khu vực Thành phố ứng với Z = 1 . Ta khai báo vào ô Sample range pairs và IF condition nhưtrong hình sau

34. 33 Hình 46 Nhấn OK, ta thấy có sự thay đổi trong cửa số Workfile như sau Hình 47 12. Tính các giá trị thống kê. Để tính các giá trị thống kê như Trung bình, trung vị, độ lệch chuẩn, …của các biến có trong mô hình chẳng hạn vớ số liệu cho trong ví dụ 4 ta làm như sau: Từ cửa sổ EViews chọn Quick →Group Statistics →Descriptive statistics →Common sample, như hình sau

35. 34 Hình 48 Nhấp chuột và nhập tên các biến vào cửa sổ Series List như hình sau Hình 49 Nhấp OK, ta được bảng các giá trị thống kê sau:

36. 35 Hình 50 Giải thích : – Mean : trung bình. – Median : trung vị – Maximum : Giá trị lớn nhất – Minimum : Giá trị nhỏ nhất – Std. Dev : Độ lệch chuẩn – Skewness : Hệ số bất đối xứng – Kurtosis : Hệ số nhọn – Jarque – Bera : Kiểm định phân phối chuẩn – Sum : Tổng các quan sát – Sum sq. Dev : Độ lệch chuẩn của tổng bình phương – Observations : Số quan sát (cỡ mẫu) 13. Các bài toán kiểm định giả thiết mô hình. 13.1. Kiểm định phương sai thay đổi. 13.1.1. Kiểm định White. Chẳng hạn như trong ví dụ 4.

37. 36 Để thực hiện việc kiểm định White bằng Eview, sau khi ước lượng mô hình hồi quy mẫu, từ cửa sổ Equation chọn View→Residual Diagnostics → Heteroskedasticity tests… Khi đó màn hình sẽ như sau: Hình 51 Nhấp chuột, màn hình như sau Hình 52

41. 40 Hình 56 Nhấp chuột, cửa sổ sau xuất hiện như sau: Hình 57 Ô Lags to indude ta gõ bậc tự tương quan vào (ví dụ như tự tương quan là bậc 2) Nhấn Ok. Ta có kết quả như sau:

43. 42 Hình 59 Nhấp chuột ta có cửa sổ sau xuất hiện: Gõ c(2)=0 vào Hình 60 Nhấp Ok. Ta được kết quả như sau:

44. 43 Hình 61 Ta đặt bài toán kiểm định như sau: 0H : Biến X2 không cần thiết trong mô hình; 1H : Biến X2 cần thiết trong mô hình. Từ bảng kiểm định Wald ở trên, ta có P _ value 0.0000= < α cho trước nên bác bỏ 0H .Vậy X2 cần thiết trong mô hình. Lưu ý: Trong trường hợp này ta chỉ khảo sát X2 nên ta có thể dùng giá trị xác suất của thống kê t hoặc giá trị xác suất của thống kê F đều được. Trong trường hợp ta khảo sát nhiều hơn hai biến thì ta chỉ dùng thống kê F. 13.4. Kiểm định thừa biến trong mô hình (biến không cần thiết). Giả sử xét ví dụ 4 bên trên, ta tiến hành như sau: – Tìm hàm hồi quy của Y theo X2 và X3. Từ cửa số Equation, ta chọn View→Coefficient Diagnostics → Redundant Variables Test – Likelihood ratio… Khi đó màn hình sẽ như sau:

45. 44 Hình 62 Nhấp chuột ta có cửa sổ One or more test series to remove xuất hiện, rồi gõ biến X3 vào Hình 63 Nhấp Ok, ta có kết quả sau:

46. 45 Hình 64 Ta đặt bài toán kiểm định như sau: 0 3H : 0 :β = Biến X3 không cần thiết trong mô hình; 1 3H : 0:β ≠ Biến X3 cần thiết trong mô hình. Từ bảng kiểm định ở trên, ta có P_ value 0.0000= < α cho trước nên bác bỏ 0H . Vậy X3 cần thiết trong mô hình. 13.5. Kiểm định biến bị bỏ sót trong mô hình. Giả sử xét ví dụ 4 bên trên, ta tiến hành như sau. – Tìm hàm hồi quy mẫu của Y theo X2. Từ cửa số Equation, ta chọn View→Coefficient Diagnostics → Omitted Variables Test – Likelihood ratio… Khi đó màn hình sẽ như sau: Hình 65

47. 46 Nhấp chuột ta có cửa sổ One or more test series to add xuất hiện. Ta gõ biến X3 vào Hình 66 Nhấp Ok, ta được kết quả sau: Hình 67 Ta đặt bài toán kiểm định như sau: 0 3H : 0 :β = Biến X3 ảnh hưởng tới Y (X3 không bị bỏ sót); 1 3H : 0:β ≠ Biến X3 bị bỉ sót trong mô hình. Từ bảng kiểm định ở trên, ta có P_ value 0.0000= < α cho trước nên bác bỏ 0H . Vậy X3 bị bỏ sót trong mô hình. 13.6. Kiểm định Chow trong mô hình hồi quy với biến giả. Ví dụ7. Giả sử số liệu về tiết kiệm và thu nhập cá nhân ở nước Anh từ năm 1946 đến 1963 (đơn vị pound) cho ở bảng sau:

48. 47 Trong đó, Y : Tiết kiệm ; X : Thu nhập. Để kiểm định rằng có sự thay đổi về tiết kiệm giữa hai thời kỳ hay không, ta thực hiện các bước kiểm định Chow như sau: Hồi quy Y theo X, ta được kết quả Hình 68 Từ cửa sổ Equation, chọn View →Stability Diagnostics → Chow Breakpoint Test…như hình sau:

49. 48 Hình 69 Sau khi nhấp chuột, một cửa sổ xuất hiện như sau: Hình 70

50. 49 Ta gõ vào cửa sổ Chow Test giá trị Breakpoint là 1955 như hình trên, nhấp OK. Khi đó ta được kết quả sau: Hình 71 và dự vào bảng kết quả trên ta cũng có giá trị F = 5.037 . Với giá trị xác suất là 0.022493. nên ta chấp nhập giả thuyết là hai mô hình hồi quy khác nhau. 14. Định dạng mô hình (Kiểm định Ramsey RESET) Xét mô hình gốc: i 1 2 i iY X (1)= β +β + ε Kiểm định Ramsey RESET 2 3 m 1 i i ii 1 2 i 1 2 m iY X Y Y … Y (2) + = β +β + α + α + α + ε Bài toán kiểm định 0 1 2 m 1 j H : … 0 H : 0, j 1,m α = α = = α =  ∃α ≠ = H0 : Mô hình gốc không thiếu biến, dạng hàm đúng H1 : Mô hình gốc thiếu biến, dạng hàm sai 2 2 2 1 2 22 2 R R n k F F(m,n k ) 1 R m − − = ⋅ − − ∼ Giả sử xét ví dụ 3 bên trên, ta tiến hành như sau: Tìm hàm hồi quy tuyến tính mẫu của Y theo X. Từ của số Equation. Chọn View →Stability Diagnostics →Ramsey RESET Test…như hình sau:

51. 50 Hình 72 Nhấp chuột ta có cửa sổ Number of fitted terms xuất hiện. Ta gõ tham số m=1 vào Hình 73 Nhấp Ok, ta được kết quả sau: Hình 74

53. 52 Chẳng hạn với số liệu trong ví dụ 3 sau khi tìm được mô hình hồi quy xong và ta thực hiện lưu trữ như sau: Từ cửa sổ Equation. Nếu ta chọn chức năng Name như hình 63 Hình 76 Chọn OK ta được kết quả có biểu tượng là Hình 77

54. 53 Từ cửa sổ Equation. Nếu ta chọn chức năng Freeze thì ta thấy một table mới xuất hiện như sau: Hình 78 Chọn OK ta được kết quả có biểu tượng là

55. 54 TÀI LIỆU THAM KHẢO [1] Đinh Ngọc Thanh, Nguyễn Văn Phong, Nguyễn Trung Đông, Nguyễn Thị Hải Ninh: Giáo trình kinh tế lượng, lưu hành nội bộ, Đại học tài chính – Marketing. [2] Bài tập sử dụng Eview 5.0. Đại học kinh tế. [3] Nguyễn Quang Dong: Bài giảng Kinh tế lượng, nhà xuất bản thống kê, 2006. [4] Phụ lục hướng dẫn sử dụng phần mềm Eview 5.1, lưu hành nội bộ. [5] Huỳnh Đạt Hùng, Nguyễn Khánh Bình, Phạm Xuân Giang: Kinh tế lượng, nhà xuất bản Phương Đông, 2012. [6] Bùi Dương Hải, bổ sung kiến thức kinh tế lượng cơ bản.

Published on

4. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 4 liệu thời gian; số quan sát đối với loại dữ liệu chéo; và tần suất, ngày bắt đầu, ngày kết thúc, và số quan sát tại mỗi thời điểm đối với loại dữ liệu bảng.

6. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 6 mong muốn (ví dụ biến “employment” đổi thàng X2). Ngoài ra, ta cũng có thể mô tả đặc điểm của biến đó (ví dụ đơn vị tính, …). Cuối cùng ta chọn Finish.

8. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 8 Nội dung cửa sổ tập tin của Eviews Khi mở một tập tin làm việc của Eviews ta sẽ thấy một cửa sổ như sau: Nguồn: Eviews 5 Users Guide, pp.52 Ta có thể trình bày dạng tóm tắt nội dung của tập tin Eviews bằng cách chọn View/Statistics và quay trở về thư mục gốc bằng cách chọn View/Workfile Directory. Sau khi đã tạo một tập tin Eviews, ta nên lưu lại dưới định dạng Eviews bằng cách chọn File/Save As … hay File/Save … Eviews sẽ hiện ra hộp thoại Saveas, ta đặt tên cho tập tin đó, và chọn mức độ chính xác trong hộp thoại Workfile Save. TRÌNH BÀY DỮ LIỆU Khi đã có sẵn tập tin Eviews, ta có thể sử dụng các công cụ Eviews cơ bản để phân tích dữ liệu của từng chuỗi (sau đây cũng được gọi là biến1) hay một nhóm các biến theo nhiều cách khác nhau. Trình bày dữ liệu của một chuỗi2 Để xem nội dung của một biến nào đó, ví dụ M13 trong tập tin Chapter2.3.wf1, ta nhấp đúp vào biểu tượng biến M1 trong cửa sổ của tập tin này, hay chọn Quick/Show … trong thực đơn chính, nhập M1 và chọn OK. Eviews sẽ mở biến M1 và thể hiện dưới một dạng bảng tính mặc định. 1 Variable Series statistics 3 ??? 2

12. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 12 1600 2000 1200 1500 800 1000 400 0 500 0 55 60 65 70 75 GDP 80 85 90 95 M1 * Thống kê mô tả Ta có thể đồng thời tạo ra một bảng thống kê mô tả nhiều biến khác nhau bằng cách chọn View/Descriptive Stats/Individual Samples hay Quick/Group Statistics/Descriptive Statistics/Individual Samples.

16. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 16 * Xem đối tượng1 Một cách khác để chọn và mở đối tượng là chọn Show ở thanh công cụ2 hay chọn Quick/Show … từ thực đơn và nhập tên đối tượng vào hộp thoại. Nút Show cũng có thể được sử dụng để hiển thị các phương trình của các chuỗi. Cửa sổ đối tượng Cửa sổ đối tượng là cửa sổ được hiển thị khi ta mở một đối tượng hay một chứa đối tượng. Một cửa sổ đối tượng sẽ chứa hoặc một hiển thị của đối tượng hoặc các kết quả của một thủ tục của đối tượng. Eviews cho phép mở cùng lúc nhiều cửa sổ đối tượng. * Các thành phần của một cửa sổ đối tượng Đây là minh họa cửa sổ phương trình từ kết quả hồi qui theo phương pháp OLS. Một số điểm cần lưu ý như sau: Thứ nhất, đây là một cửa sổ chuẩn vì ta có thể đóng, thay đổi kích cở, phóng to, thu nhỏ, và kéo lên xuống hay qua lại. Khi có nhiều cửa sổ khác đang mở, nếu ta muốn cửa sổ nào ở chế độ làm việc thì ta chỉ cần nhấp vào thanh tiêu đề hay bất kỳ đâu trong cửa số đó. Lưu ý, cửa sổ đang ở chế độ làm việc được biểu hiện với thanh tiêu đề có màu đậm. Thứ hai, thanh tiêu đề của cửa sổ đối tượng cho biết loại đối tượng, tên đối tượng, và tập tin chứa. Nếu đối tượng cũng chính là đối tượng chứa thì thông tin chứa được thay bằng thông tin thư mục.Thứ ba, trên đỉnh cửa sổ có một thanh công cụ chứa một số nút giúp ta dễ dàng làm việc. 1 2 Show Toolbar

17. 17 Hướng dẫn sử dụng Eviews 5.1 Phùng Thanh Bình * Các thực đơn và thanh công cụ của đối tượng Làm việc với đối tượng * Đặt tên và tên nhãn của đối tượng Các đối tượng có thể được đặt tên hoặc không được đặt tên. Khi ta đặt tên cho đối tượng, thì tên đối tượng sẽ xuất hiện trong thư mục của tập tin Eviews, và đối tượng sẽ được lưu như một phần của tập tin khi tập tin được lưu. Ta phải đặt tên đối tượng nếu muốn lưu lại các kết quả của đối tượng. Nếu ta không đặt tên, đối tượng sẽ được gọi là “UNTITLED”. Các đối tượng không được đặt tên sẽ không được lưu cùng với tập tin, nên chúng sẽ bị xóa khi đóng tập tin. Để đổi tên đối tượng, trước hết phải mở cửa sổ đối tượng, sau đón nhấp vào nút Name trên cửa sổ đối tượng và nhập tên (và tên nhãn) vào. Nếu có đặt tên nhãn thì tên nhãn sẽ xuất hiện trong các bảng biểu đồ thị, nếu không Eviews sẽ dùng tên đối tượng. Lưu ý, đây là nhóm đã mặc định và không được sử dụng cho tên đối tượng: ABS, ACOS, AND, AR, ASIN, C, CON, CNORM, COEF, COS, D, DLOG, DNORM, ELSE, ENDIF, EXP, LOG, LOGIT, LPT1, LPT2, MA, NA, NOT, NRND, OR, PDL, RESID, RND, SAR, SIN, SMA, SQR, và THEN. * Copy và dán đối tượng Có hai phương pháp tạo ra bản sao các thông tin chứa trong đối tượng: Copy và Freeze.

20. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 20 Các hàm chuỗi Hầu hết các hàm trong Eviews đều bắt đầu bằng ký hiệu @, ví dụ @mean(y) nghĩa là lấy giá trị trung bình của chuỗi y cho toàn bộ mẫu hiện hành. Có ba nhóm hàm chuỗi hay sử dụng trong Eviews: hàm toán (mathematical functions), hàm tập tin Eviews (workfile functions), và hàm dãy số (string functions). Để tìm hiểu thêm về các hàm này, ta có thể tham khảo ở Help/Command & Programming Reference, hoặc Help/Quick Help Reference, ở đây chỉ trình bày một số hàm hay sử dụng trong cuốn sách này. Hàm giá trị tuyệt đối: @abs(x), abs(x) Hàm mũ cơ số e hay antilog (ex): @exp(x), exp(x) Hàm nghịch đảo (1/x): @inv(x) Hàm log tự nhiên (ln(x) hay loge(x)): @log(x), log(x) Hàm căn bậc hai: @sqrt(x), sqr(x) Hàm xu thế: @trend(base date), trong đó, base date chỉ thời điểm bắt đầu của chuỗi xu thế T (tại đó T = 0) Biến trễ, tới, sai phân1 và mùa vụ Khi làm việc với dữ liệu chuỗi thời gian, ta thường xử lý dữ liệu bằng cách chuyển hóa sang dạng trễ, tới, sai phân, hoặc tạo thêm các biến giả mùa vụ. * Biến trễ, tới và sai phân Biến trễ một giai đoạn (xt-1): x(-1) Biến trễ k giai đoạn (xt-k): x(-k) Biến tới một giai đoại (xt+1): x(1) Biến tới k giai đoạn (xt+k): x(k) Sai phân bậc một (∆x = xt – xt-1): d(x) Sai phân bậc k (∆kx = xt – xt-k): d(x,k) Sai phân bậc một của biến trễ dạng log tự nhiên: dlog(x) Trung bình trượt k giai đoạn: @movav(x,k) Ngoài ra, ta có thể đồng thời kết hợp nhiều toán tử với nhau, ví dụ dlog(x), dlog(x,4), … * Biến giả mùa vụ Tạo ra một biến giả theo quí có giá trị là 1 đối với quí 2 và giá trị là 0 đối với các quí khác: @seas(2) Tạo ra một biến giả theo tháng có giá trị là 1 đối với tháng 2 và giá trị 0 đối với các tháng khác: @month(2) 1 Lead: tới, Lag: trễ, và Difference: Sai phân

22. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 22 JB lớn hơn giá trị quan sát (giá trị phê phán) dưới giả thiết không (H0). Giá trị xác suất càng nhỏ thì khả năng bác bỏ giả thiết H0 càng cao. * Thống kê theo nhóm Thống kê theo nhóm cho phép ta tính các thống kê mô tả của một chuỗi theo các phân nhóm khác nhau trong mẫu phân tích. Nếu ta chọn View/Descriptive Statistics/Stats by Classification …, thì một hộp thoại sau đây sẽ xuất hiện: Các lựa chọn ở Stattistics bên trái cho phép ta chọn các tiêu chí thống kê muốn tính toán. Trong ô Series/Group for classify ta nhập tên chuỗi hay nhóm để xác định các phân nhóm. Nếu ta chọn nhiều chuỗi thì mỗi chuỗi cách nhau một khoảng trắng. Ở mục Output Layout, nếu ta chọn các Margins thì bảng kết quả có trình bày thống kê của tất các các quan sát trong cùng một nhóm cũng như của toàn bộ mẫu phân tích. Ví dụ, sử dụng file chúng tôi để thống kê mô tả biến LWAGE (log tự nhiên1 của lương tuần) theo hai biến CONSTRUC (= 1 nếu làm việc trong ngành xây dựng và = 0 nếu làm trong các ngành khác) và MARRIED (= 1 nếu đã có gia đình và = 0 nếu chưa có gia đình). Kết quả thống kê biến LWAGE với bốn tiêu chí thống kê là trung bình, trung vị, lệch chuẩn, và số quan sát được trình bày như bảng bên cạnh. Nhìn vào bảng kết quả ta có thể so sánh có sự khác biệt giữa các nhóm hay không. Tuy nhiên, để chắc chắn sự khác biệt đó có ý nghĩa về mặt thống kê hay không, ta cần dựa vào loại kiểm định thống kê thích hợp. 1 Log tự nhiên được ký hiệu là ln, nhưng toán tử trong Eviews là log

24. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 24 χ2 = ( N − 1)s 2 σ2 (2.4) Với giả thiết H0 và giả định rằng X có phân phối chuẩn, thì thống kê chi bình phương sẽ theo phân phối chi bình phương với N-1 bậc tự do. * Kiểm định ngang bằng theo nhóm Đây là các kiểm định xem các giá trị trung bình, phương sai và trung vị ở các phân nhóm trong cùng một chuỗi có bằng nhau hay không. Khi chọn View/Tests for Descriptive Stats/Equality Tests by Classification … sẽ thấy xuất hiện một hộp thoại như hình bên. Trước tiên ta phải chọn loại kiểm định: trung bình, phương sai, hay trung vị, sau đó chọn các phân nhóm muốn so sánh. Xác định giả thiết: Đối với kiểm định trung bình H0: Trung bình của các nhóm bằng nhau H1: Trung bình của các nhóm khác nhau Đối với kiểm định phương sai H0: Phương sai của các nhóm bằng nhau H1: Phương sai của các nhóm khác nhau Để quyết định, ta so sánh giá trị thống kê F1 tính toán với giá trị thống kê F quan sát (phê phán). Nếu giá trị thống kê F tính toán lớn hơn giá trị thống kê F quan sát tại một mức ý nghĩa nhất định, ta bác bỏ giả thiết H0 và ngược lại. Lập bảng tần suất một chiều Để lập bảng tần suất một chiều ta chọn View/One-Way Tabulation … và sẽ xuất hiện một hộp thoại như sau. Biểu đồ tự tương quan Mục đích của biểu đồ tự tương quan là giúp ta kiểm định xem một chuỗi thời gian dừng hay không dừng2. Trong các mô hình dự báo chuỗi thời gian và dự báo bằng phương pháp hồi qui các chuỗi thời gian, thì việc các chuỗi thời gian dừng hay không 1 Sẽ được giải thích ở chương 4 và 5 Đây là một nội dung rất quan trọng khi phân tích chuỗi thời gian và đặc biệt có ý nghĩa rất lớn trong việc lựa chọn mô hình dự báo thích hợp trong các phương pháp dự báo định lượng với dữ liệu chuỗi thời gian. Nội dung này sẽ được trình bày chi tiết ở chương 14. 2

26. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 26 Trong Eviews, ta lập biểu đồ tự tương quan bằng cách chọn View/Correlogram … , xác định biểu đồ tự tương quan của chuỗi gốc hay chuỗi sai phân bậc một và bậc hai, và cuối cùng là xác định độ trễ k. Ví dụ, chuỗi GDP trong chúng tôi có biểu đồ tự tương quan như sau: Dựa vào biểu đồ tự tương quan để xác định một chuỗi thời gian dừng hay không như sau. Có thể tóm tắt ý tưởng chính như sau. Nếu hệ số tự tương quan đầu tiên khác không nhưng các hệ số tự tương quan tiếp theo bằng không một cách có ý nghĩa thống kê, thì đó là một chuỗi dừng. Nếu một số hệ số tự tương quan khác không một cách có ý nghĩa thống kê thì đó là một chuỗi không dừng. Kiểm định nghiệm đơn vị Kiểm định nghiệm đơn vị là một kiểm định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian dừng hay không dừng. Nội dung chi tiết phần kiểm định nghiệm đơn vị sẽ được trình bày ở chương 14 về các mô hình hồi qui chuỗi thời gian. Tuy nhiên, để hiểu qui trình kiểm định nghiệm đơn vị trên Eviews, ta nên xem qua một số ý tưởng cơ bản về mặt lý thuyết. Trước hết, cần lưu ý rằng có nhiều khái niệm chưa được học nên người đọc không nhất thiết phải hiểu ngay nội dung kiểm định nghiệm đơn vị ở chương này. Giả sử ta có phương trình hồi qui tự tương quan như sau: Yt = ρYt-1 + ut (-1 ≤ ρ ≤ 1) (2.7) Ta có các giả thiết: H0: ρ = 1 (Yt là chuỗi không dừng) H1: ρ < 1 (Yt là chuỗi dừng) Phương trình (2.7) tương đương với phương trình (2.8) sau đây: Yt – Yt-1 = ρYt-1 – Yt-1 + ut = (ρ – 1)Yt-1 + ut ∆Yt = δYt-1 + ut Như vậy các giả thiết ở trên có thể được viết lại như sau: H0: δ = 0 (Yt là chuỗi không dừng) (2.8)

27. 27 Hướng dẫn sử dụng Eviews 5.1 Phùng Thanh Bình H1: δ < 0 (Yt là chuỗi dừng) Dickey và Fuller cho rằng giá trị t ước lượng của hệ số Yt-1 sẽ theo phân phối xác suất τ (tau statistic, τ = giá trị δ ước lượng/sai số của hệ số δ). Kiểm định thống kê τ còn được gọi là kiểm định Dickey – Fuller (DF). Kiểm định DF được ước lượng với 3 hình thức: * Khi Yt là một bước ngẫu nhiên không có hằng số: ∆Yt = δYt-1 + ut (2.9) * Khi Yt là một bước ngẫu nhiên có hằng số: ∆Yt = β1 + δYt-1 + ut (2.10) * Khi Yt là một bước ngẫu nhiên với hằng số xoay quanh một đường xu thế ngẫu nhiên: ∆Yt = β1 + β2TIME + δYt-1 + ut (2.11) Để kiểm định H0 ta so sánh giá trị thống kê τ tính toán với giá trị thống kê τ tra bảng DF (các phần mềm kinh tế lượng đều cung cấp giá trị thống kê τ). Tuy nhiên, do có thể có hiện tượng tương quan chuỗi giữa các ut do thiếu biến, nên người ta thường sử dụng kiểm định DF mở rộng là ADF (Augmented Dickey – Fuller Test). Kiểm định này được thực hiện bằng cách đưa thêm vào phương trình (2.11) các biến trễ của sai phân biến phụ thuộc ∆Yt: ∆Yt = β1 + β2TIME + δYt-1 + αi Σ∆Yt-i + εt (2.12) Để tiến hành kiểm định nghiệm đơn vị trên Eviews ta chọn View/Unit Root Test …, sẽ xuất hiện hộp thoại Unit Root Test. Ở lựa chọn Test for unit root in, chọn level nếu muốn kiểm định chuỗi gốc có phải là một chưỡi dừng hay không, chọn 1st difference nếu muốn kiểm định chuỗi sai phân bậc một có phải là một chuỗi dừng hay không. Ở lựa chọn Include in test equation, chọn intercept nếu dùng phương trình (2.10), chọn trend and intercept nếu dùng phương trình (2.11), chọn None nếu dùng phương trình (2.9), chọn trend and intercept và xác định độ trễ ở lựa chọn Lag length nếu dùng phương trình (2.12).

28. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 28 PHÂN TÍCH NHÓM Khi mở một nhóm, nếu chọn View ta thấy xuất hiện thực đơn dạng drop-down như hình bên cạnh. Block thứ nhất cung cấp các cách khác nhau để mô tả dữ liệu trong nhóm. Block thứ hai trình bày các thống kê cơ bản. Block thứ ba chuyên về các thống kê của chuỗi thời gian. Block thứ tư là tên nhãn nhằm cung cấp các thông tin về nhóm. Trong phần này ta chỉ xem xét một số nội dung quan trọng thường được sử dụng trong kinh tế lượng. Thống kê mô tả Trong thống kê mô tả ta thấy có ba loại như sau: Common Sample, Individual Sample, và Boxplots. Common Sample chỉ tính các thống kê các quan sát có đầy đủ giá trị ở tất cả các chuỗi dữ liệu trong nhóm. Individual Sample tính các thống kê của các quan sát có đầy đủ giá trị ở mỗi chuỗi dữ liệu. Kiểm định đồng liên kết1 Chúng ta sẽ được biết ở chương 14 rằng khi hồi qui các chuỗi thời gian không dừng thường dẫn đến “kết quả hồi qui giả mạo”2. Tuy nhiên, Engle và Granger3 (1987) cho rằng nếu kết hợp tuyến tính của các chuỗi thời gian không dừng có thể là một chuỗi dừng và các chuỗi thời gian không dừng đó được cho là đồng liên kết. Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và có thể được giải hích như mối quan hệ cân bằng dài hạn giữa các biến. Nói cách khác, nếu phần dư trong mô hình hồi qui giữa các chuỗi thời gian không dừng là một chuỗi dừng, thì kết quả hồi qui là thực và thể hiên mối quan hệ cân bằng dài hạn giữa các biến trong mô hình. Mục đích của kiểm định đồng liên kết là xác định xem một nhóm các chuỗi không dừng có đồng liên kết hay không. Có hai cách kiểm định. * Kiểm định nghiệm đơn vị phần dư Giả sử GDP và M1 là hai chuỗi thời gian không dừng và ta có mô hình hồi qui như sau: GDPt = β1 + β2M1t + ut (2.13) Nếu phần dư ut là một chuỗi dừng thì kết quả hồi qui giữa GDP và M1 là “thực” và ta vẫn sử dụng một cách bình thường. Nói cách khác, GDP và M1 có quan hệ đồng liên kết và β2 được gọi là hệ số hồi qui đồng liên kết. Các bước thực hiện trên Eviews như sau: 1) Ước lượng mô hình GDPt = β1 + β2M1t + ut 1 Cointegration test Spurious regression 3 Đoạt giải Nobel kinh tế năm 2003 2

29. 29 Hướng dẫn sử dụng Eviews 5.1 Phùng Thanh Bình 2) Kiểm định nghiệm đơn vị chuỗi ut * Kiểm định đồng liên kết dựa trên phương pháp VAR của Johasen Eviews thực hiện kiểm định đồng liên kết trên cơ sở phương pháp luận VAR của Johasen (1991, 1995a). Lưu ý, kiểm định này chỉ có hiệu lực khi ta đang xét các chuỗi thời gian không dừng. Giả sử ta muốn kiểm định đồng liên kết giữa GDP và M1 trong chúng tôi theo phương pháp luận của Johasen, ta chọn View/Cointegration Test … sẽ thấy xuất hiện một hộp thoại như sau: Ở lựa chọn Deterministic trend in data có năm giả định về các chuỗi thời gian đang xem xét. Như sẽ được trình bày ở chương 14, một chuỗi thời gian có thể dừng sai phân hoặc dừng xu thế, trong đó có thể có xu thế xác định và xu thế ngẫu nhiên. Tương tự, các phương trình đồng liên kết có thể có hệ số cắt và xu thế xác định. Trên thực tế, trường hợp 1 và 5 ít khi được sử dụng. Nếu ta không chắc chắn về các giả định xi thế, ta nên chọn trường hợp 6. Nếu mô hình có các biến ngoại sinh thì ta đưa vào ô exog variables. Ngoài ra, ta có thể xác định độ trể của biến phụ thuộc trong mô hình ở ô Lag intervals và mức ý nghĩa ở ô MHM. Kết quả kiểm định mối quan hệ đồng liên kết giữa GDP và M1 như bảng bên

31. 31 Hướng dẫn sử dụng Eviews 5.1 Phùng Thanh Bình Lưu ý, các độ trễ của X và Y có thể khác nhau và có thể được xác định bằng một số tiêu chí thống kê khác nhau. XÂY DỰNG HÀM KINH TẾ LƯỢNG TRÊN EVIEWS Trong tài liệu này ta chỉ xét phân tích hồi qui đơn phương trình. Phần này trình bày các kỹ thuật phân tích hồi qui cơ bản như xác định và ước lượng một mô hình hồi qui, kiểm định giả thiết, và sử dụng kết quả ước lượng cho các mục đích dự báo. ĐỐI TƯỢNG PHƯƠNG TRÌNH Ước lượng hồi qui đơn phương trình trên Eviews được thực hiện bằng cách sử dụng đối tượng phương trình. Để tạo ra một đối tượng phương trình ta chọn Object/New Object … /Equation hay Quick/Estimate Equation … từ thực đơn chính, hay đơn giản chỉ cần đánh equation trong cửa sổ lệnh. Kế tiếp, ta sẽ xác định dạng phương trình trong hộp soạn thảo Specification của hộp thoại Equation Estimation và chọn phương pháp ước lượng ở ô Method. Các kết quả ước lượng được lưu trữ như một phần của đối tượng phương trình. Xác định phương trình hồi qui Khi tạo ra một đối tượng phương trình sẽ thấy xuất hiện một hộp thoại Equation Estimation và ta cần xác định ba việc sau: dạng phương trình, phương pháp ước lượng, và mẫu được sử dụng để ước lượng. Trong hộp soạn thảo dạng phương trình ta nhập các biến phụ thuộc và giải thích theo thứ tự từ trái qua phải và lưu ý xác định dạng hàm. Có hai cách xác định dạng phương trình ước lượng: liệt kê các biến và công thức. Phương pháp liệt kê dễ hơn nhưng chỉ có thể sử dụng giới hạn ở các dạng mô hình tuyến tính. Phương pháp công thức tổng quát hơn và phải được sử dụng để xác định các dạng mô hình phi tuyến và các mô hình có ràng buộc tham số. Xác định phương trình theo phương pháp liệt kê Cách đơn giản nhất để xác định một phương trình tuyến tính là liệt kê các biến trong phương trình. Trước hết, nhập tên biến phụ thuộc hay công thức của biến phụ thuộc,

32. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 32 sau đó nhập tên các biến giải thích. Ví dụ, sử dụng chúng tôi để xác định phương trình hồi qui GDP theo cung tiền M1, ta nhập vào hộp thoại soạn thảo dạng phương trình như sau: GDP c M1 (2.17) Lưu ý có hiện diện của chuỗi C trong danh sách các biến giải thích. Đây là một chuỗi mặc định sẵn trong Eviews được dùng để xác định hằng số trong phương trình hồi qui. Eviews không tự động đưa hằng số vào phương trình hồi qui vì tùy thuộc vào mô hình có hệ số cắt hay không nên ta phải đưa vào khi xác định phương trình hồi qui. C là một đối tượng đã được xác định trước trong bất kỳ một tập tin Eview nào. Đây là một vectơ hệ số mặc định – khi ta xác định phương trình bằng cách liệt kê tên các biến, Eviews sẽ lưu giữ các hệ số ước lượng trong vectơ này theo thứ tự xuất hiện trong danh sách các biến. Trong ví dụ trên, hằng số sẽ được lưu trong C(1) và hệ số của M1 sẽ được lưu trong C(2). Nếu mô hình có biến trễ một giai đoạn của biến phụ thuộc thì ta liệt kê các biết trong hộp thoại soạn thảo này như sau: GDP GDP(-1) c M1 (2.18) Như vậy hệ số của biến trễ biến GDP là C(1), hệ số của hằng số là C(2), và hệ số của M1 là C(3). Nếu mô hình có nhiền biến trễ liên tục của biến GDP thì thay vì phải nhập từng biến trễ GDP(-1) GDP(-2) GDP(-3) GDP(-4), Eviews cho phép thực hiện như sau: GDP GDP(1 to 4) c M1 (2.19) Tuy nhiên, nếu ta không đưa số 1 và dấu ngoặc đơn thì Eviews sẽ hiểu đó là số 0. Ví dụ: GDP c M1(to 2) M1(-4) (2.20) Thì Eviews sẽ hiểu ta hồi qui GDP theo hằng số C, M1, M1(-1), M1(-2), và M1(-4). Ngoài ra, ta cũng có thể đưa các chuỗi điều chỉnh vào nhóm các biến giải thích. Ví dụ ta hồi qui GDP theo hằng số, biến trễ của GDP, và biến trung bình di động hai giai đoạn của M1 như sau: GDP GDP(-1) c ((M1+M1(-1))/2) (2.21) Xác định phương trình theo phương pháp công thức Một công thức phương trình trong Eviews là một biểu thức toán về các biến và hệ số. Để xác định một phương trình bằng công thức, đơn giản là ta nhập biểu thức vào hộp thoại soạn thảo. Ví dụ, hồi qui mô hình dạng log tự nhiên như sau: log(GDP) c log(GDP(-1)) log(M1) (2.22) Hai lý do chủ yếu ta phải sử dụng phương pháp công thức này là ước lượng các mô hình ràng buộc và phi tuyến.

33. 33 Hướng dẫn sử dụng Eviews 5.1 Phùng Thanh Bình Ước lượng một phương hồi qui Phương pháp ước lượng Sau khi đã xác định phương trình, ta cần chọn phương pháp ước lượng bằng cách nhấp vào Method và sẽ thấy xuất hiện một hộp thoại dạng drop-down liệt kê các phương pháp ước lượng. Phương pháp sử dụng phổ biến nhất đối với hồi qui đơn phương trình là phương pháp bình phương bé nhất1. Trong chương trình kinh tế lượng căn bản của cuốn sách này, ta chỉ sử dụng hai phương pháp là LS – Least Squares2 và BINARY – Binary choice3. Hai phương pháp này sẽ được trình bày chi tiết vào các chương sau. Mẫu ước lượng Ta nên xác định mẫu sử dụng cho việc ước lượng mô hình. Theo mặc định, Eviews đưa ra mẫu của tập tin Eviews hiện hành, nhưng ta có thể thay đổi mẫu theo mục đích ước lượng bằng cách nhập vào hộp thoại Sample. Thay đổi mẫu ở đây không ảnh hưởng gì đến mẫu của tập tin Eviews hiện hành. Nếu có quan sát không có giá trị4, Eviews tạm thời điều chỉnh mẫu ước lượng để loại bỏ các quan sát đó ra khỏi mẫu phân tích. Ngoài ra, nếu trong mô hình có các biến trễ hay biến điều chỉnh thì Eviews cũng điều chỉnh số mẫu ước lượng. 1 Least squares/Ordinary least squares Kể cả phương pháp WLS (Weighted least squares) và GLS (Generalized least squares) 3 Hai loại mô hình sẽ được trình bày ở chương 15 là Logit và Probit 4 Missing value 2

34. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 34 Các lựa chọn ước lượng Khi chọn Options ta sẽ thấy xuất hiện hộp thoại Equation Estimation. Các nội dung trong phần lựa chọn ước lượng như Heteroskedastiscity consistent coefficient covariance và Weighted LS/TSLS sẽ được trình bày chi tiết ở chương 11 và 12. Kết quả ước lượng Sau khi đã hoàn thành các bước trên ta chọn OK trong hộp thoại Equation Estimation, Eviews sẽ hiển thị cửa số phương trình về hiển thị kết quả ước lượng. Trong kết quả ước lượng của Eviews gồm ba phần chính: Tóm tắt các đặc điểm của mô hình hồi qui (biến phụ thuộc, phương pháp ước lượng, thời điểm thực hiện ước lượng, mẫu ước lượng, và số quan sát được sử dụng cho ước lượng kết quả); Kết quả hệ số (tên các biến giải thích, giá trị ước lượng các hệ số hồi qui, sai số chuẩn, thống kê t, và giá trị xác suất); và Tóm tắt thống kê (hệ số xác định R2, R2 điều chỉnh, sai số chuẩn của hồi qui, tổng bình phương phần dư (RSS), thống kê d Durbin-Watson, AIC, SIC, thống kê F, …). Sau khi học xong chương trình kinh tế lượng căn bản ít nhất ta sẽ hiểu một cách hệ thống tất cả các thông tin trong bảng kết quả ước lượng này.

36. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 36 ta nên lưu phần dư với một tên gọi khác. Khi vừa ước lượng mô hình, nếu ta chọn Resids ở Equation ta sẽ có đồ thị hệ trục kép như sau: 2000 1500 1000 30 500 20 10 0 0 -10 -20 -30 55 60 65 70 Residual 75 80 Actual 85 90 95 Fitted Biến giả trong Eviews Để đưa biến giả vào mô hình hồi qui, thay vì phải tạo ra các biến này, Eviews đưa ra công thức hỗ trợ rất hữu ích như sau: @EXPAND(D1, D2, …) (2.23) Ví dụ sử dụng chúng tôi hồi qui biến wage theo các biến giáo dục, năm kinh nghiệm, giới thích, ngành xây dựng, và ngành dịch vụ như sau:

39. 39 Hướng dẫn sử dụng Eviews 5.1 Phùng Thanh Bình Tổng các hệ số hồi qui của log(K) và log(L) dường như lớn hơn 1, nhưng để có kết luận tin cậy ta cần kiểm định giả thiết H0: β2 + β3 = 1. Để thực hiện kiểm định Wald ta chọn View/Coefficient Tests/Wald – Coefficient Restrictions … và nhập điều kiện ràng buộc vào hộp thoại soạn thảo như sau: Lứu ý, nếu có nhiều ràng buộc khác nhau, thì mỗi ràng buộc cách nhau bằng một dấu phẩy. Eviews sẽ cho kết quả kiểm định như sau: Các giá trị thống kê sẽ được giải thích ở chương mô hình hồi qui bội. Ngoài ra, ta có thể đưa ra các điều kiện ràng buộc khác tùy vào phát biểu giả thiết. Để quyết định bác bỏ hay chấp nhận H0, nếu là mô hình hồi qui tuyến tính ta so sánh giá trị F tính toán với giá trị F phê phán ở một mức ý nghĩa xác định. Ngược lại, nếu mô hình hồi qui phi tuyến ta so sánh giá trị chi bình phương tính toán với giá trị chi bình phương phê phán với số bậc tự do bằng số ràng buộc. * Kiểm định bỏ sót biến Đây là một nội dung quan trọng trong kiểm định sai dạng mô hình. Ý tưởng của kiểm định này là khi ta đưa thêm biến vào mô hình và muốn biết các biến này có đóng góp có ý nghĩa vào việc giải thích sự thay đổi của biến phụ thuộc hay không. Giả thiết không của kiểm định này là các biến mới đưa thêm vào mô hình đồng thời không có ý nghĩa. Giả sử, với chúng tôi lúc đầu ta chỉ ước lượng mô hình như sau: log(GDPt) = B1 + B2log(M1t) + B3log(RSt) + ut Hai điểm lưu ý với kiểm định này: (2.27)

40. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 40 – Số quan sát trong hai mô hình phải bằng nhau. – Áp dụng cho mọi phương pháp ước lượng miễn là phương trình hồi qui được xác định bằng cách liệt kê các biến chứ không phải bằng công thức. Để thực hiện kiểm định bỏ sót biết ta chọn View/Coefficient Tests/Omitted Variables – Likelihood Ratio … và nhập tên các biến nghi là bị bỏ sót cần được kiểm định (giả sử đó là TIME và PR) vào hộp thoại soạn thảo và được kết quả sau đây: Để quyết định bác bỏ hay chấp nhận H0, nếu là mô hình hồi qui tuyến tính ta so sánh giá trị F tính toán với giá trị F phê phán ở một mức ý nghĩa xác định. Ngược lại, nếu mô hình hồi qui phi tuyến ta so sánh giá trị LR với giá trị chi bình phương phê phán với số bậc tự do bằng số ràng buộc. * Kiểm định thừa biến Đây cũng là một nội dung trong kiểm định sai dạng mô hình. Kiểm định này cho phép ta kiểm định xem một nhóm biến đưa vào mô hình có ý nghĩa thống kê hay không. Nói cách khác, đây là kiểm định xem các hệ số của một nhóm biến đưa vào mô hình có đồng thời bằng không hay không để quyết định có nên loại chúng ra khỏi mô hình hay không. Các điều kiện áp dụng kiểm định này cũng tương tự như kiểm định bỏ sót biến. Giả sử lúc đầu ta có mô hình như sau: log(GDPt) = B1 + B2log(M1t) + B3log(RSt) + B4PRt + B5TIME + ut (2.28)

42. CHƯƠNG 2: HƯỚNG DẪN SỬ DỤNG EVIEWS 42 tương quan và thống kê Q để kiểm định “chuỗi” phần dư của mô hình hồi qui có tương quan với nhau không. Biểu đồ tự tương quan đã được trình bày ở phần xử lý dữ liệu chuỗi. Để thực hiện kiểm định phần dư có tự tương quan hay không ta chọn View/Residual Tests/Correlogram – Q Statistics … * Kiểm định nhân tử Lagrange Đây là một cách kiểm định khác với kiểm định Q để kiểm định tương quan chuỗi. Kiểm định này sẽ được trình bày ở chương 13 về lựa chọn dạng mô hình. Trên Eviews ta thực hiệm kiểm định này bằng cách chọn Views/Residual Tests/Serial Correlation LM Test … * Kiểm định White về phương sai thay đổi Tương tự, mô hình hồi qui tuyến tính cổ điển cũng giả định các hạn nhiễu có phương sai đồng nhất. Để xem phương sai của nhiễu có đồng nhất hay không ta có thể sử dụng các kiểm định Park, kiểm định Glejser, kiểm định White, … Nội dung các kiểm định này sẽ được trình bày ở chương 11 về phương sai thay đổi. Trên Eviews ta thực hiện kiểm định White bằng cách chọn hoặc View/Residual Tests/White Heteroskedasticity (no cross terms) hoặc View/Residual Tests/White Heteroskedasticity (cross terms). Kiểm định sự ổn định * Kiểm định Chow Mục đích của kiểm định Chow là xem liệu có sự thay đổi về mặt cấu trúc của mô hình hồi qui (đối với hồi qui chuỗi thời gian) giữa các giai đoạn khác nhau (do thay đổi chính sách hoặc cú sốc kinh tế) hay không. Nội dung của kiểm định này sẽ được trình bày ở chương 8 về phân tích hồi qui bội. Ta xét ví dụ trong chúng tôi Sau khi ta hồi qui tiết kiệm theo thu nhập và thực hiện kiểm định như sau View/Stability Tests/Chow Breakpoint Test … và ta nhập mốc thời gian vào hộp thoại soạn thảo để có kết quả như sau: . * Kiểm định RESET của Ramsay Mục đích của kiểm định này là xem có bỏ sót biến quan trọng trong mô hình hồi qui hay không (nhất là khi không có số liệu về biến bỏ sót đó). Nội dung của kiểm định này sẽ được trình bày ở chương 8 về lựa chọn dạng mô hình. Sau khi ước lượng, để kiểm định xem liệu mô hình có sót biến hay không ta chọn View/Stability Tests/Ramsay RESET Test …

CÔNG TY CỔ PHẦN GDVN

THÔNG BÁO CHIÊU SINH

KHÓA HỌC HƯỚNG DẪN VIÊN DU LỊCH. CẤP CHỨNG CHỈ NGHIỆP VỤ TẠI TP HCM

ĐIỀU KIỆN XIN CẤP THẺ HÀNH NGHỀ

HƯỚNG DẪN VIÊN DU LỊCH QUỐC TẾ – NỘI ĐỊA

Nhằm đáp ứng nhu cầu cho học viên, SV có thêm nhiều cơ hội nghề nghiệp trong lĩnh vực dịch vụ du lịch lữ hành, trang bị cho học viên, sinh viên những kiến thức về nv hướng dẫn viên du lịch; Bổ sung chứng chỉ – đổi thẻ hành nghề, xin cấp mới thẻ hành nghề HDV DL quốc tế và NĐ cho HV đủ điều kiện.

Trường Trung Cấp Công Nghệ Hà Nội thông báo tuyển sinh lớp “Nghiệp vụ hướng dẫn du lịch” trong năm 2017 như sau:

* Tủy theo chuyên ngành học mà chia ra các hệ học khác nhau theo khung chương trình của tổng cục du lịch có hệ 1,2 ,3 tháng :

– Hệ 3 tháng : Học viên có bằng tốt nghiệp trung cấp , cao đẳng , đại họccác ngành thuộc khối kĩ thuật , hoặc các chuyên ngành khác không thuộc hệ 1 tháng ,2 tháng .

* Học phí : Học phí theo khung chương trình học , ưu đãi học phí khi đăng kí nhóm , ĐK trước khai giảng hoặc ĐKchương trình học thứ 2 tại trung tâm

– Hệ 1 tháng : 1,900,000/Học viên

– Hệ 2 tháng : 2,500,000/Học viên

– Hệ 3 tháng : 3,300,000/Học Viên

Đơn vị tổ chức: CÔNG TY CỔ PHẦN GDVN

Địa điểm đăng ký – học:

+ Tại HCM: _ Số 12 TrầnThiệnChánh, Phường 12, Quận 10

_ Đường D2 – P.25 – Q.BìnhThạnh – TP HCM

+ TạiHàNội: HoàngQuốcViệt – CầuGiấy – HàNội

+ TạiĐàNẵng: Tiểu La – P. Hòa CườngBắc – Hải Châu – TP ĐàNẵng

Thời gian học:thứ 7&Chủnhậthàngtuầnhoặccácbuổitốitrongtuần

Thời gian đăng ký học: các ngày trong tuần

Thủ tục nhập học bao gồm:

– Phiếu đăng ký học (do cơ sở chiêu sinh cấp)

– Bản sao có công chứng bằng tốt nghiệp đại học, trung cấp, cao đẳng

TẠI SAO BẠN NÊN HỌC VỚI CHÚNG TÔI

 hv đăng ký nhiều nhất so với các trung tâm khác

 HP hấp dẫn nhất so với các đơn vị đào tạo khác

 Giảng viên là những chuyên gia trong lĩnh vực DL

 Tài liệu giáo trình học tập chuẩn, tốt nhất, liên tục cập nhật

 Thời gian ĐT ngắn hạn cấp tốc với lớp học tối và lớp học thứ 7 & CN

 Thủ tục nhập học nhanh gọn, quy trình khép. Tiện lợi cho những học viên ở xa

 Đội ngũ tư vấn, quản lý lớp chu đáo tận tình trong suốt quá trình học 24/7

 Được bảo lưu kết quả học khi có việc bận đột xuất

Hãy Đăng Ký Để Được Chúng Tôi Tư Vấn Miễn Phí – Tốt Nhất Về Lớp Học Này.

Để được tư vấn ngay hãy gọi:

Phòng Tuyển Sinh: 0978 46 86 20 ( Mai Nhi )