Ưu điểm của dữ liệu bảng pptx

Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
1
1
Dữ liệubảng (Panel Data)
2
Các loạidữ liệu
Time – series
Cross – sections
Panel
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
2
3
Dữ liệubảng
và dữ liệuchéogộp chung
Dữ liệubảng là các quan sát về một chỉ tiêu
nào đó sẽ bao gồm quan sát chéo và quan
sát theo thờigian
Cầnphânbiệtdữ liệubảng và dữ liệuchéo
gộp chung (pooled): i,t??
¾Bỏ qua yếu tố thời gian
¾Chỉ là các quan sát dữ liệu thuần túy
4
Ưu điểmcủadữ liệubảng
Nghiên cứu đượcsự khác biệtgiữa các đơn
vị chéo mà trước đây chúng ta hay sử dụng
dummy
Nâng cao đượcsố quan sát củamẫuvàphần
nào khắcphục đượchiệntượng đacộng
tuyến

Chứa đựng nhiều thông tin hơncácdữ liệu
khác
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
3
5
Ưu điểmcủadữ liệubảng (tt)
Nghiên cứu được động thái thay đổicủa các
đơnvị chéotheothờigian
Mộtmôtả dạng hàm dữ liệubảng đơngiản
và các ý tưởng khai thác từ dữ liệubảng:
mốiquanhệ giữanăng suấtlúavớilaođộng
nông nghiệp
6
Tổ chứcdữ liệubảng
Unstacked: Các đơnvị chéo đượcsắpxếp
theo thờigianmột cách riêng biệttheotừng
biến (vd trong tài liệu đọccủa Gujarati, đây
là cách thông thường khi mô tả dữ liệu
bảng-ví dụ bằng Eviews)
Stacked: Các đơnvị chéo đượcsắpxếptheo
thời gian và các đơnvị chéo này được nhóm
lạivớinhautheotừng biến
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
4
7
Ví dụ về dữ liệubảng stacked
⎥
⎥

⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢

⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
TN,
N,2
N,1
T,2
2,2
1,2
T,1
2,1
1,1
Y
Y
Y

Y
Y
Y
Y
Y
Y
M
M
M

M
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢

⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
TN,
N,2
N,1
,2
2,2
1,2
,1
2,1
1,1
X
X
X

M
M
M
M
T
T

X
X
X
X
X
X
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢

⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎢
⎣
⎡
TN,
N,2
N,1
,2
2,2
1,2
,1
2,1
1,1
Z
Z
Z

M

M
M
M
T
T
Z
Z
Z
Z
Z
Z
8
Ví dụ về dữ liệubảng Unstacked
254,22202,9361,61940186,62132,274,41940
312,71957,3230,41939172,62256,248,11939
260,21801,9262,31938156,22039,744,61938
118,12673,3469,91937118,02803,377,21937
50,51807,1355,31936104,42015,845,01936
53,81362,4209,9193597,81170,633,11935
USGE
C
–1
F
–1
IQuan saùtC
–1
F
–1
IQuan saùt
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright

Niên khóa 2006-2007
5
9
Các loạidữ liệubảng
Dữ liệubảng cân bằng (balanced): khi các
đơnvị chéo có cùng số quan sát theo thời
gian
Dữ liệubảng không cân bằng (unbalance):
khi các đơnvị chéo không có cùng số quan
sát theo thờigian
10
Ý tưởng cơ bảnvề dữ liệubảng
Dữ liệubảng không thể thựchiệnhồiqui
bằng OLS thông thường
Các trường hợpcóthể xảy ra cho các đơnvị
chéo
¾Các đơnvị chéo có điềukiện đặcthùgiống
nhau
¾Các đơnvị chéo có điềukiện đặcthùkhác
nhau
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
6
11
Ý tưởng cơ bảnvề dữ liệubảng (tt)
¾Các đơnvị chéo có sự khác biệtvề tác động
biên của các nhân tốảnh hưởng
¾Các đơnvị chéo vừakhácbiệtvềđiềukiện
đặc thù và vừakhácbiệtvề tác động biên
của các nhân tốảnh hưởng

¾Các đơnvị chéo không có sự khác biệtvề
điềukiện đặc thù và tác động biên của các
biến độc lập đang xét
12
Dummy và dữ liệubảng
Dummy có giảiquyếtcácvấn đề củadữ
liệubảng?
Câu trả lờilàđượcnhưng rấtphứctạpvà
không hiệuquả
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
7
13
Dạng tổng quát mô hình
Yit =
β
1it
+
β
2it
X
2it
+
β
3it
X
3it
+ u
it
Các tiếpcận ướclượng mô hình tổng quát

¾Pure Pooled
Î
OLS
¾FEM
Î
OLS + Dummy (LSDV)
¾ECM/REM
Î
GLS
14
Tiếpcậntácđộng cốđịnh
Tấtcả các hệ sốđều không đổitheothời
gian và các đơnvị chéo (pure pooled)
Hệ sốđộdốc không đổi theo thờigianvà
các đơnvị chéo nhưng hệ số trụctungkhác
nhau giữa các đơnvị chéo (+dummy)
Hệ sốđộdốc không đổi theo thờigianvà
các đơnvị chéo nhưng hệ số trụctungbiến
đổigiữa các đơnvị chéo và thờigian
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
8
15
Tiếpcậntácđộng cốđịnh (tt)
Tấtcả các hệ số biến đổi theo các đơnvị
chéo (dummy + interactive)
Tấtcả các hệ số biến đổi theo các đơnvị
chéo và theo thời gian (dummy +
interactive)
16

Tấtcả các hệ số không đổi
OLS- Pooled (hồi qui kếthợptấtcả các
quan sát)
Yit =
β
1
+
β
2
X
2it
+
β
3
X
3it
+ u
it
Nhược điểm
¾ Nhậndạng sai thể hiện ở DW
¾Ràng buộcquáchặtvề các đơnvị chéo,
điềunàykhóxảyratrongthựctế
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
9
17
Tấtcả các hệ số không đổi (tt)
Y^ = –63,3041 +0,1101X2 + 0,3034X3
se (29,6124) (0,0137) (0,0493)
t (–2,1376) (8,0188) (6,1545)

R2 = 0,7565 DW = 0,2187
n = 80 df = 77
Phương trình 16.3.1 trong bài đọc
18
Hệ số trụctungbiến đổi theo chéo
Phương pháp FEM – LSDV
Yit =
β
1it
+
β
2
X
2it
+
β
3
X
3it
+ u
it
FEM: mặcdùcósự khác biệt các đơnvị
chéo về hệ số trụctungnhưng lại không
khác biệttheothờigian
Giải pháp dummy?
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
10
19
Intercept biến đổitheođơnvị chéo (tt)

Yit = α1 + α2D2i + α3D3i + α4D4i +
β
2X2it +
β
3X3it + uit
20
Intercept biến đổitheođơnvị chéo (tt)
Hãy xem kếtquả mô hình ướclượng 16.3.4
Mô hình này tốthơnmôhìnhđầutiênở các
hệ số xác định, ý nghĩathống kê t và DW . . .
Sự sai lầmvề nhậndạng đượccảithiện
Thoả mãn kiểm định Wald
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
11
21
Intercept biến đổitheothờigian
Tiếptụcsử dụng biến dummy cho thờigian
Tốnkémthờigian
Không có ý nghĩathống kê
Time effect: điều này có nghĩalàcácyếutốđặc
thù của ngành không thay đổitheothờigian
¾Yit = λ0 + λ1 Dum35 + λ2 Dum36+ . . . + λ19
Dum53 +
β
2X2it +
β
3X3it + uit (16.3.6)
22
Intercept biến đổitheođơnvị chéo

và theo thờigian
Sử dụng dummy mộtlầnnữachocảđơnvị
chéo và thờigian
Kếtquả
¾Các hệ số của dummy ít có ý nghĩathống kê
¾Mô hình tốtlàmôhìnhcócácbiếngiả theo
các đơnvị chéo
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
12
23
Tấtcả các hệ số biến đổitheođơnvị
chéo
Sử dụng dummy theo các đơnvị chéo cho
intercept và slope
Kếtquả hồiqui ở 16.3.8
¾ Các hàm đầutư của các đơnvị chéo khác
nhau
¾Không thể sử dụng dữ liệupooled để hồi
qui hàm đầutư cho tấtcả các đơnvị chéo
mà không tính đến đặcthùcủa chúng
24
Trụctrặc khi sử dụng FEM (LSDV)
Giảmbậctự do củadữ liệu đirấtnhiều
Nguy cơđacộng tuyếnvìcóquánhiềubiến
Giảđịnh cổđiểnvề uit ~ N (0, σ
2
) rấtkhó
thựchiện
¾Cầnthiếtcómộtphương pháp khác

Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
13
25
Tiếpcận REM (ECM)
Ý tưởng củatiếpcận này cho rằng sự khác
biệtvề các điềukiện đặcthùcủa các đơnvị
chéo đượcchứa đựng trong phầnsaisố
ngẫunhiên
¾
β
1i
=
β
1
+
ε
i
¾Y
it
=
β
1
+
β
2
X
2it
+
β

3
X
3it
+
ε
i
+ u
it
=
β
1
+
β
2
X
2it
+
β
3
X
3it
+ w
it
¾ w
it
=
ε
i
+ u
it

26
Giảđịnh REM
Giảđịnh thông thường
(
)
()
2
2
,0 ~
,0 ~
uit
i
Nu
N
σ
σε
ε
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
14
27
Sự khác biệtgiữa FEM và ECM
FEM có riêng từng Intercept cho từng đơnvị chéo
và chúng ta quan sát được
ECM chỉ có một intercept duy nhấtchotấtcả các
đơnvị chéo, giá trị này là giá trị trung bình củatất
cả các đơnvị chéo.
Sự khác biệtcủa các đơnvị chéo ước lượng bằng
ECM nằm trong thành phầnngẫu nhiên
i

ε
28
Lựachọnmôhìnhchodữ liệubảng
Ý tưởng kinh tế lượng
¾FEM khi ε
i
và các biến độclập đượcgiả
thiếtcómốiquanhệ chặtchẽ (chọn mẫu
không đại diện)
¾ ECM khi ε
i
và các biến độclập đượcgiả
thiết không có mốiquanhệ chặtchẽ (chọn
mẫu ngẫu nhiên)
Căncứ vào n và t: Judge
Bài giảng Các phương pháp phân tíchChương trình giảng dạykinhtế Fulbright
Niên khóa 2006-2007
15
29
Lựachọnmôhìnhchodữ liệubảng
Căncứ vào N và T: Judge
¾ECM và FEM không phân biệtkhiT lớnvàN
nhỏ
¾ECM và FEM sẽ khákhácbiệtvề kếtquả khi
N lớnvàT nhỏ
9ECM thích hợpkhicácđơnvị chéo ngẫu nhiên
9FEM sẽ thích hợp khi các đơnvị chéo không
đượclựachọnngẫu nhiên