tài liệu hướng dẫn thực hành kinh tế lượng bằng phần mềm eviews 4.0

HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
I HC KINH T QUC DÂN
KHOA TOÁN KINH T
B MÔN TOÁN KINH T






TÀI LIU HNG DN
THC HÀNH KINH T LNG
BNG PHN MM EVIEWS 4.0


Tác gi: Bùi Dng Hi
www.mfe.edu.vn/buiduonghai

Lu hành ni b










HÀ NI, 1 / 2013
www.mfe.edu.vn/ buiduonghai

1
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013

MC LC

M U 3
§ 1 S LIU DÙNG TRONG EVIEWS 6
§ 2 NHP S LIU T BÀN PHÍM – X LÝ S LIU 9
§ 3 C LNG MÔ HÌNH HI QUY N 18
§ 4 C LNG MÔ HÌNH HI QUY BI 23
§ 5 MÔ HÌNH VI BIN GI 31
§ 6 NH DNG PHNG TRÌNH HI QUY 37
§ 7 HIN TNG A CNG TUYN 41
§ 8 HIN TNG PHNG SAI SAI S THAY I 44
§ 9 MÔ HÌNH VI S LIU CHUI THI GIAN 53
§ 10 T TNG QUAN VÀ MÔ HÌNH CÓ BIN TR 61


Chng trình Eviews4 có th ti v ti trang mng Khoa Toán
kinh t - i hc Kinh t quc dân:
www.mfe.edu.vn → Th vin → D liu - phn mm
a ch trên cng là ni có th ti v tài liu hng dn này, và các th
mc s liu.

Các thc mc, trao đi xin vui lòng gi th cho tác gi theo đa ch
th đin t:

www.mfe.edu.vn/buiduonghai
2
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013

M U

Eviews là phn mm đc thit k riêng cho các mô hình kinh t
lng và chui thi gian. Phn mm này phù hp cho ging dy và
hc tp kinh t lng cho đi tng sinh viên đi hc và sau đi hc.
Hin nay (1/2013) đã có phiên bn thng mi Eviews7, t phiên bn
Eviews5 có yêu cu cài đt cng nh bn quyn. Eviews4 không yêu
cu cài đt và bn quyn, có th ti v t trang mng khoa Toán kinh
t. Khi đã nm đc các k nng vi Eviews4, vic chuyn sang thc
hành vi các phiên bn cao hn là hoàn toàn tng t. Do đó đ phù
hp vi thc trng ti Vit Nam, vi mc tiêu to điu kin thun li
nht cho sinh viên, tài liu này đc vit cho thc hành phiên bn
Eviews4.

Vi s đi mi ca giáo trình và chng trình ging dy Kinh t lng
ti i hc Kinh t quc dân t nm 2013, ni dung hng dn thc
hành cng có s thay đi phù hp. Ni dung trc ht s s dng các
s liu chéo, sau đó thc hin vi s liu chui thi gian.

Tp chy chng trình Eviews có biu tng là
. Nhn vào biu
tng ca Eviews, ca s chính ca chng trình xut hin.

Ca s chính ca chng trình Eviews gm các phn:
- Thanh chc nng: thc hin các thao tác đã đc chng trình
đnh sn, tng t nh các chng trình chy trong Windows.
- Ca s lnh: bên di thanh chc nng là ni đ vit lnh trc
tip. Có th dùng chut đ kéo rng ca s lnh tùy ý.
- Thanh ch dn: xác đnh đng dn đn tp đang s dng.

- Các nút thu nh, m rng ca s, và thoát khi chng trình.
www.mfe.edu.vn/buiduonghai
3
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013


Ca
s
lnh
Thanh
chc
nng
Thanh
ch
dn
Thoát
khi
Eviews

Có th không cn s dng chut mà dùng bàn phím đ chn la các
nút. n và gi phím Alt trên bàn phím, trên dòng task bar các la chn
s t đng gch chân các ch cái. Khi đó phím Alt và nhn phím
tng ng vi ch cái tng ng s cho kt qu ging nh khi dùng
chut chn nút đó.
Ví d: Khi gi phím Alt, gõ phím F tng đng vi nhn chut vào
nút File; ch E tng đng vi nút Edit.



- Ngn cách phn nguyên và phn thp phân ca mt s, Eviews dùng

du chm “.”


www.mfe.edu.vn/buiduonghai
4
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013

Mt s ch th c bn ca Eviews

Eviews làm vic vi mt s dng ch th c bn, mi ch th có th
lu li và đt tên đ có th d dàng s dng khi cn thit. Mt s ch
th thông dng gm:

Series: Thông tin v tng bin s.
Group: Thông tin v mt s bin s xét cùng lúc.
Graph: Thông tin đ th.  th có th gm đ th ca mt bin,
đ th ca nhiu bin, đ th ca các bin theo nhau.
Equation: Thông tin v mt phng trình hi quy
System: Thông tin v mt h nhiu phng trình hi quy.

Mt s kí hiu dùng cho thc hành
,
: Thao tác, thc hin thao tác yêu cu.
Ví d ,
Chn View : dùng chut nhn vào nút View
ö : Kt qu ca thao tác.
→ : Các thao tác, chn la k tip nhau.
Ví d: File → Open: Chn nút File ri nút Open.
[?] : Câu hi, cn nm đc lý thuyt đ tr li.
Tt c các câu hi kim đnh trong sách đu đc thc hin vi

mc ý ngha  là 5%.
Cp ngoc vuông […]: do trong Eviews có th m nhiu ca s cùng
lúc, do đó cp ngoc vuông đ xác đnh ca s cn thc hin thao tác.
Ví d [Eviews] là ca s chính.
-  ngn gn và thun tin v sau, các nút trên các ca s đc vit
trong cp du < >, ví d: <Ok>, <Cancel>
www.mfe.edu.vn/buiduonghai
5
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
§ 1 S LIU DÙNG TRONG EVIEWS
Eviews là chng trình x lý s liu, c lng phng trình hi quy,
phân tích chui thi gian, do đó vic hiu rõ v s liu là điu cn
thit.  hiu rõ cu trúc s liu đc qun lý và x lý bi Eviews, m
mt s b s liu và quan sát các s liu sau.

M b s liu chéo (cross-section)

,
Ti ca s chính, chn File → Open


Trong la chn Open, có bn dng đnh dng tp có th m:
- Dng Workfile: là tp d liu và thc hin các phân tích thông
thng. ây là dng c bn, trong tp có th lu s liu, các đ
th, các phng trình hi quy, kt qu c lng.
- Dng Database: c s d liu, bao gm nhiu đnh dng.
- Dng Program: các chng trình đc lp trình trc đó
- Dng Text File: các tp lu tr dng vn bn

www.mfe.edu.vn/buiduonghai

6
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
, Chn dng Workfile, là dng thông thng nht đ tính toán x lý
s liu vi Eviews.
, Chn th mc DATA2012, tp s liu YWKM, ca s Workfile
m ra. Trên ca s này có mt s thông tin:
- Dòng trên cùng: Tên ca Workfile và đng dn
- Các nút vi các chc nng khác nhau, s đc đ cp sau
- Khong s liu và Mu t 1 đn 100
Bên di ca ca s, lit kê các ch th mà Workfile đang qun lý,
gm:
c k m resid tc w y.

Nhn vào nút Label+/-, xut hin các thông tin v thi gian khi to
các s liu này, và chú thích v ba bin. Hai ch th
c resid
không có chú thích, vì đây là hai ch th đc bit dùng đ lu các
thông tin riêng.

Thông tin ca mt bin s thông thng bao gm:
- Tên bin: Ti đa 24 ký t ch gm ch và s, không có du cách, bt
đu bi ch cái.
- Nhãn bin: chú thích v ý ngha ca bin
- Tn s: nu s liu chéo thì đánh s th t, nu chui thi gian thì
theo th t thi gian
- Giá tr ca bin: đo lng bng s, du ngn cách vi phn thp phân
là du chm. Khi cha có giá tr thì kí hiu là NA (not available)

c : ch th cha các h s tính đc t các phng trình hi quy,
các mô hình. Khi cha có kt qu hi quy t phng trình nào, các giá

tr ca C đc gán bng 0
resid: là chui nhn s nhn giá tr là phn d t có đc t vic
c lng các phng trình hi quy. Khi cha có phng trình hi
quy, các giá tr Resid đu cha có.
www.mfe.edu.vn/buiduonghai
7
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013

,
Nhn đúp chut trái vào k, ca s [Series: K] m ra. Ct ngoài
cùng bên trái obs th t ca quan sát t 1 đn 100, các giá tr ca bin
K đc lit kê theo các quan sát t ct tip theo trong bng.

,
Chn resid, m ca s [Series: RESID] vi các giá tr đu là NA
vì cha có kt qu tính toán nào đc thc hin.


,
Ti ca s [Workfile], s dng chut đánh du (bôi đen) các bin t
K, M, TC, Y, W nháy chut phi, chn Open  as Group, tt c các
bin đu đc lit kê trong cùng mt ca s [Group].

M b s liu có tn s theo Quý
M b s liu mi, ti ca s [Eviews] File → New, chn tp
VNQ_GDP.
B s liu đc th hin t 2004:1 đn 2012:3, vi mt ch s sau du
“:”. Vi cách th hin này, s liu là t Quý 1 nm 2004 đn Quý 3
nm 2012.
,

Chn bin bt k, chng hn GDP, m ra di dng ca s [Series].
Vi ca s này, tn sut bin có chu k 1, 2, 3, 4, 1,… th hin đây là
s liu Quý.

M b s liu có tn s theo Tháng

M b s liu mi, ti ca s [Eviews] File → New, chn tp
VNM_EXIM. B s liu đc th hin t 2004:01 đn 2008:12, vi
hai ch s sau du “:”, th hin là s liu t Tháng 1 nm 2004 đn
Tháng 12 nm 2008.
 bit ý ngha các bin, chn nút Label trên thanh chc nng ca ca
s [Workfile].
www.mfe.edu.vn/buiduonghai
8
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
§ 2 NHP S LIU T BÀN PHÍM – X LÝ S LIU
Xét b s liu ví d sau đc mô phng v 12 h gia đình, vi X2 là
tng tin lng, X3 là tng thu nhp khác, Y là tng chi tiêu.

STT
X
2
(Lng)
X
3
(TN khác)
Y
(Chi tiêu)
1
20 16 24.4

2
30 10 31.2
3
28 2 29.2
4
24 0 23.6
5
32 18 36.0
6
36 10 31.4
7
32 16 32.6
8
34 24 36.8
9
24 28 32.8
10
22 20 29.8
11
28 8 30.2
12
30 4 26.8
Thc hin nhp b s liu trên và lu li di dng mt tp chuyên
dng ca Eviews.
2.1 nh dng tn s và nhp s liu
Ti ca s chính ca Eviews, đ thun tin, đóng ca s nh đang m
(nu có)
,
Chn File → New : Ca s [Workfile Range]: tn s ca s liu.
Du la chn đc ngm đnh đt ti la chn “Annual”

www.mfe.edu.vn/buiduonghai
9
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
Frequency - tn s ca s liu
Ví d
Tn s và
đnh dng
u – cui Ý ngha
Annual
(Nm)
yyyy
Start: 1991
End: 2005
15 quan sát theo nm, t nm
1991 đn nm 2005
Semi-annual
(Na nm)
yyyy:h
Start: 1991:1
End: 2005:2
30 quan sát theo na nm, t
na đu nm 1991 đn na
sau nm 2005
Quarterly
(Quý)
yyyy:q
Start: 1991:1
End: 2005:4
60 quan sát theo quý, t quý 1

nm 1991 đn quý 4 nm 2005
Monthly
(Tháng)
yyyy:mm
Start: 1991:01
End: 2005:12
180 quan sát theo tháng, t
tháng 1 nm 1991 đn tháng
12 nm 2005
Weekly
(Tun)
mm/dd/yyyy
Start: 01/01/2008
End: 12/01/2008
49 quan sát theo tun, t tun
có ngày 1 tháng 1 nm 2008
đn tun có ngày 1 tháng 12
nm 2008
Daily [5day]
(Ngày: tun 5
ngày)
mm/dd/yyyy
Start: 11/12/2008
End: 12/11/2008
22 quan sát theo ngày, t ngày
12 tháng 11 nm 08 đn ngày
11 tháng 12 nm 08, không có
ngày cui tun
Daily [7day]
(Ngày: tun 7

ngày)
mm/dd/yyyy
Start: 11/12/2008
End: 12/11/2008
29 quan sát theo ngày, t ngày
12 tháng 11 nm 08 đn ngày
11 tháng 12 nm 08, có ngày
cui tun
Undated or
Irregular
(Quy tc khác)
Start: 1
Start: 30
30 quan sát không theo thi
gian, hoc theo thi gian
nhng quy tc khác
www.mfe.edu.vn/buiduonghai
10
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
Vi b s liu ví d trên là s liu chéo, s quan sát t 1 đn 12.



, Frequency: ¿ Undated or irregular → Start date: 1 → End date:
12 : m ca s Workfile
Ca s [Workfile] là ca s qun lý vic nhp, lu, x lý s liu.
Trong ca s Workfile ch có hai bin là các h s C và phn d
Resid. Cn to ba bin s mi và nhp s liu.

,

Ti ca s [Eviews], chn Quick → Empty Group (Edit Series)
M ca s [Group]
,
Chn ô đu tiên bên phi ô obs, nhp tên bin là X2, các ô bên di
t đng chuyn thành NA, nhp các giá tr ca bin X2 ng vi các s
liu đã có. Tip tc vi ct bin X3 và bin Y.
Ti ca s [Workfile], biu tng ca X2, X3, và Y xut hin.

Nhp nhãn bin
Các bin X2, X3 và Y đã nhp cha có nhãn, cn nhp nhãn đ chú
thích ý ngha ca các bin.
,
Ti ca s [Workfile], nhn chut đúp vào bin X2, m ca s
[Series: X2] chn Name, m ca s [Object Name]
www.mfe.edu.vn/buiduonghai
11
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013

Trong ca s này, ô trng  trên là tên bin, ô trng bên di đ nhp
nhãn bin. Vi ví d đang xét, nhãn cho bin X2 là: Luong.
Tng t, có th nhp nhãn cho bin X3 là Thu nhap khac và bin Y là
Chi tieu.
2.2 Sa đi s liu và lu s liu
Trng hp cn sa đi s liu, ví d bin X2 có th thc hin theo
trình t:
,
Chn bin X2, m ca s [Series: X2], chn nút Edit+/- và thay đi
các giá tr cn thit.
S liu đã nhp có th lu li di dng tp chuyên dng ca Eviews,
đ có th m và s dng khi cn thit.

,
Ti ca s [Eviews] Chn File → Save (hoc Save as)
ö Ca s [SaveAs] : Chn v trí và tên tp.
Các tp có đuôi ngm đnh là .wf1.
S liu đã nhp  phn 2.1 là s liu thô.  thy đc rõ hn các
thông tin cha đng trong các bin đó, cn thc hin tính các thng kê
vi tng bin, xem xét tng quan, đ th mô t v các bin và mi
liên h gia chúng.
2.3 V đ th
Mô t s liu qua đ th và các thng kê đc trng c bn là x lý ban
đu cn thit đi vi các bin s.

,
Chn X2 và Y, m ca s [Group]
( chn riêng các bin cách nhau, gi phím Ctrl)
www.mfe.edu.vn/buiduonghai
12
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
V đ th các bin theo quan sát
Lu ý: dng đ th đng (line) thng ch dùng cho s liu chui thi
gian, s liu chéo nên chn đ th ct)
,
[Group] View → Graph → Bar
Kt qu cho đ th ct ca X2 và Y theo quan sát trên cùng h ta đ.

16
20
24
28

32
36
40
2 4 6 8 10 12
LUONG CHI TIEU


 v đ th ca bin này theo bin kia, mi bin trên mt trc ta đ,
la chn:
,
[Group] View → Graph → Scatter → Simple Scatter
Kt qu cho đ th đim ca bin Y trên trc tung và X2 trên trc
hoành. Eviews ngm đnh bin xp sau nm trên trc tung, bin xp
trc nm  trc hoành.

Xác đnh đc hình nh ca đng hi quy bng cách chn:
,
[Group] View → Graph → Scatter → Scatter with Regression
Ca s [Global Fit Option], nu không đnh dng đc bit, chn OK,
kt qu là đ th đim vi đng hi quy

www.mfe.edu.vn/buiduonghai
13
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
22
24
26
28
30
32

34
36
38
16
20
24
28
32
36
40
LUONG
CHI TI EU
CHI TIEU vs. LUONG


Lu đ th
Có th lu đ th đ chèn vào các chng trình son tho vn bn
,
Ca s [Group] có đ th, nhn t hp Ctrl+C, m ca s [Graph
Metafile], chn OK, m vn bn và nhn Ctrl+V đ dán đ th đã lu.

Thay đi đnh dng đ th:
,
Ti ca s [Group] có đ th, chn Freeze, m ca s [Graph].
Vi la chn [Graph] Proc → Options : ca s [Graph Option] vi
các la chn cho đnh dng.
[Graph] Proc → Add text: Thêm dòng ch vào đ th
[Graph] Proc → Save Graph: lu đ th đ chèn vào vn bn
[Graph] Name: lu đ th di dng mt ch th, đt tên.
Ngoài ra còn nhiu la chn khác vi đ th

Bên cnh cách chn v đ th t ca s [Graph], có th có cách khác
đ v đ th: Ca s [Eviews] Quick → Graph: chn loi đ th, và
th t ca các bin đ v đ th.

V đ th trên nhiu h ta đ: mi bin trên mt h ta đ riêng
,
[Group] Multiple Graphs.
www.mfe.edu.vn/buiduonghai
14
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
2.4 Thng kê mô t
Các thng kê mô t v các bin và tng quan gia các bin là nhng
thông tin c bn đ đánh giá v bin.

Thng kê mô t ca các bin
,
Ca s [Group] View → Descriptive Stats → Common Sample
X2 X3 Y
Trung bình
Mean 28.33333 13.00000 30.40000
Trung v
Median 29.00000 13.00000 30.70000
Ti đa
Maximum 36.00000 28.00000 36.80000
Ti thiu
Minimum 20.00000 0.000000 23.60000
 lch chun
Std. Dev. 4.960450 8.800826 4.063138
H s bt đi xng

Skewness -0.198458 0.110321 -0.163204
H s nhn
Kurtosis 1.965517 1.967268 2.300945


Thng kê JB
Jarque-Bera 0.613848 0.557609 0.297610
Mc xác sut
Probability 0.735706 0.756688 0.861737


Tng
Sum 340.0000 156.0000 364.8000
Tng bình phng
chênh lch
Sum Sq. Dev. 270.6667 852.0000 181.6000


S quan sát
Observations 12 12 12
Thng kê JB và P-value dùng đ kim đnh v cp gi thuyt:
H
0
: bin phân phi theo quy lut Chun
H
1
: bin không phân phi theo quy lut Chun
[?] - Trung bình, phng sai bin nào ln nht, nh nht
- Trong mu, các bin có phân phi lch trái hay lch phi
- Qua kim đnh JB, các bin có phân phi chun không?

H s tng quan
,
[Group] View → Correlations → Common Sample
X2 Y
X2 1.000000 0.636883
Y 0.636883 1.000000
www.mfe.edu.vn/buiduonghai
15
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
Phng sai - hip phng sai
, [Group] View → Covariances → Common Sample
X2 Y
X2 22.55556 11.76667
Y 11.76667 15.13333

Kim đnh so sánh các bin
Kim đnh so sánh trung bình, trung v, phng sai ca hai bin
,
[Group] View → Test of Equality, m ca s [Test Between
Series], có ba la chn kim đnh

Kim đnh s bng nhau ca hai trung bình: Mean
Test for Equality of Means Between Series
Sample: 1 12
Included observations: 12
Method df Value Probability
t-test 22 1.116504 0.2763
Anova F-statistic (1, 22) 1.246580 0.2763

Kim đnh s bng nhau ca hai phng sai: Variance
Test for Equality of Variances Between Series
Included observations: 12
Method df Value Probability
F-test (11, 11) 1.490455 0.5190
Siegel-Tukey 0.086621 0.4045
Bartlett 1 0.416188 0.5188
Levene (1, 22) 0.780029 0.3867
Brown-Forsythe (1, 22) 0.747508 0.3966

[?] - Có th cho rng trung bình ca X2 và Y là bng nhau không?
- Có th cho rng phng sai ca X2 và Y bng nhau không?
www.mfe.edu.vn/buiduonghai
16
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
2.5 t bin mi
Bên cnh các bin đã nhp s liu là X
2
, X
3
và Y, có th đt các bin
mi t các bin đã có hoc nhp bin s mi.

Ví d: cn đt bin mi tng thu nhp: Z = X
2
+ X
3
,
[Eviews] Quick → Generates Series: m ca s [Generate Series
by Equation]

Ti ô Enter Equation gõ: Z = X2 + X3
Ti ô Sample, ngm đnh mu mà lnh đt bin có tác dng là toàn b.
Khi cn có th thay đi mu này. Nhn OK đ chp nhn.

Khi không cn thay đi mu, có th s dng lnh trong Ca s lnh.
,
[Ca s lnh] GENR Z = X2 + X3
Bin Z đc to ra nm trong ca s [Workfile].

Các hàm và lnh c bn
Ngoài các phép toán c bn: cng [+], tr [–], nhân [*], chia [/], ly
tha [^], các hàm c bn ca Eviews nh sau:
Tên Ý ngha Ví d Kt qu
LOG Logarit t nhiên LX = LOG(X)
ln( )
ii
LX X
=

EXP
Hàm m c s
t nhiên
EX = EXP(X)
i
X
i
EX e=

ABS Giá tr tuyt đi AX = ABS(X)
||

ii
AX X
=

SIN Hàm sin SIN(X) Sin(X)
COS Hàm cosin COS(X) Cosin(X)
(-J) Tr bc J X4 = X(-4)
4
4
ii
X
X
−
=

D(X) Sai phân bc 1 DX = D(X)
1iii
DX X X
−
=
−


www.mfe.edu.vn/buiduonghai
17
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
§ 3 C LNG MÔ HÌNH HI QUY N
(Tip theo § 2)

Vi b s liu t bài 2, nhn xét qua đ th gia Y và X2, thy gia hai

bin có xu th cùng chiu, h s tng quan gia hai bin bng
0,636883 dng, do đó có th xác đnh mt mô hình hi quy trong đó
Chi tiêu (Y) ph thuc vào Lng (X2) dng tuyn tính vi hai h s.

Hàm hi quy tng th PRF:

12
( | 2) 2EY X X
β
β
=
+
Dng ngu nhiên
12
2YXu
β
β
=
++

Mô hình (3.1)
Nu xét bin hng s C luôn bng 1, có th vit mô hình (3.1):

12
2YCXu
β
β
=
++
Vi mu kích thc là 12 gm 12 quan sát đã nhp, hàm hi quy mu

SRF có dng:
12
ˆˆ
ˆ
2
ii
YX
ββ
=+

12
ˆˆ
2
ii
YX
ββ
i
e
=
++

Dùng phng pháp Bình phng nh nht (Least Squares - LS) vi b
s liu đã nhp, tính toán các c lng, và các thng kê cn thit
dành cho phân tích.
3.1 c lng mô hình
,
[Eviews] Quick → Estimate Equation
(Ngoài ra còn 4 cách khác, đc đ cp sau)
Ca s đnh dng phng trình xut hin.
Ca s [Equation Specification] gm ô khai báo phng trình hi quy,

phng pháp c lng, mu đ c lng.
www.mfe.edu.vn/buiduonghai
18
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013

Khai báo
p
hn
g
t
r
ình hi
q
u
y

Vi mô hình hi quy Y theo X2 có h s chn, có hai kiu khai báo:
Kiu 1: Y = C(1) + C(2)*X2
Kiu 2: Y C X2
S dng kiu khai báo th hai, phng pháp LS – bình phng nh
nht, mu 1 đn 12, đc kt qu  ca s [Equation]

Dependent Variable: Y
Method: Least Squares
Date: …Time: …
Sample: 1 12
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C 15.61921 5.737035 2.722523 0.0215
X2 0.521675 0.199698 2.612324 0.0259

R-squared 0.405619 Mean dependent var 30.40000
Adjusted R-squared 0.346181 S.D. dependent var 4.063138
S.E. of regression 3.285415 Akaike info criterion 5.367875
Sum squared resid 107.9395 Schwarz criterion 5.448692
Log likelihood -30.20725 F-statistic 6.824238
Durbin-Watson stat 1.680815 Prob(F-statistic) 0.025937


www.mfe.edu.vn/buiduonghai
19
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
Nu s dng cách khai báo th nht: Y = C(1) + C(2)*X2 thì kt qu
ch khác phn th hin các h s nh sau
Y = C(1) + C(2)*X2
Coefficient Std. Error t-Statistic Prob.
C(1) 15.61921 5.737035 2.722523 0.0215
C(2) 0.521675 0.199698 2.612324 0.0259
Các thông tin khác vn gi nguyên

Bên cnh Cách 1 [Eviews] Quick → Estimate Equation nh trên, còn
mt s cách sau:
Cách 2: [Eviews] Objects → New Object → Equation → OK
Cách 3: Chn X2, Y thành ca s [Group] Procs → Make Equation
Cách 4: Chn X2 và Y, nhn chut phi → Open → As Equation
Cách 5: [Ca s lnh] LS Y C X2
Cách s dng lnh LS Y C X2 là đn gin nht, s đc s dng trong
các phn sau.

Các kiu th hin kt qu hi quy
,

[Equation] View → Representations : đc các kt qu

Estimation Command:
=====================
LS Y C X

Câu lnh đ c lng
(vit trong ca s lnh)
Estimation Equation:
=====================
Y = C(1) + C(2)*X2

Phng trình hi quy
Substituted Coefficients:
=====================
Y = 15.61921182 + 0.5216748768*X2
Kt qu c lng


, [Equation] View → Estimation Output : bng kt qu chi tit
www.mfe.edu.vn/buiduonghai
20
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
3.2 Lu kt qu
,
[Equation] Name: ca s [Object Name], tên ngm đnh cho kt qu
c lng phng trình hi quy là eq01. Nu chn OK, thì ch th

eq01 đc to ra trong Workfile.
Mun sao và dán kt qu c lng đ chèn vào các vn bn, đánh

du toàn b bng kt qu chi tit, nhn chut phi, chn Copy, chn
loi gi nguyên đnh dng hoc không gi đnh dng, ri ti ni cn
dán chn Paste; hoc s dng t hp Ctrl+C và Ctrl+V.
3.3 Xem phn d và giá tr c lng (giá tr tng hp)
Sau khi c lng mt mô hình hi quy, có th đánh giá kt qu thông
qua các giá tr phn d (residuals) và các giá tr c lng ca bin
ph thuc (còn gi là giá tr tng hp – fitted values).

,
[Equation] View → Actual, Fitted, Residual → Actual, Fitted,
Residual Table
c bng giá tr và đ th phn d, Actual là giá tr thc t b s liu:
Y
i
, Fitted là giá tr c lng bi hàm hi quy 
i
, Residual là giá tr
phn d: e
i
hay û
i
.


www.mfe.edu.vn/buiduonghai
21
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
[?] - Quan sát nào có giá tr thc t và giá tr c lng gn nhau
nht, xa nhau nht? Khi đó giá tr thc t cao hn hay thp hn
giá tr c lng?

- Vi nhng quan sát nào thì đng hi quy mô t gn đúng nht
s bin đng ca bin ph thuc Y?

Có th xem đ th ca giá tr thc t, giá tr c lng, và phn d trên
cùng h ta đ hoc đ th ca riêng phn d bng cách chn Actual,
Fitted, Residual Graph. Các đ th này có th lu li hoc ct dán vào
các vn bn tng t nh đ th ca các bin X2, Y.

Kim đnh tính phân phi chun ca phn d
,
[Equation] View → Residual Tests → Histogram-Normality Test
0
1
2
3
4
5
-5.0 -2.5 0.0 2.5 5.0
Series: Residuals
Sample 1 12
Observations 12
Mean -2.96E-15
Median -0.047783
Maximum 4.660591
Minimum -4.539409
Std. Dev. 3.132520
Skewness -0.010518
Kurtosis 1.816787
Jarque-Bera 0.700217
Probability 0.704612

[?] - Phn d phân phi lch trái hay lch phi hay đi xng?
- Sai s có phân phi chun không?

Thc hin hi quy Chi tiêu (Y) theo Thu nhp khác (X3) và gii thích
ý ngha; so sánh kt qu vi mô hình Y ph thuc X2. Hi quy Chi
tiêu theo Tng thu nhp (X2 + X3), khi đó c lng đim tiêu dùng
t đnh và khuynh hng tiêu dùng cn biên bng bao nhiêu?

www.mfe.edu.vn/buiduonghai
22
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
§ 4 C LNG MÔ HÌNH HI QUY BI
Bài này s s dng b s liu YWKM có sn nm trong th mc
DATA2012 đ thc hành. ây là b s liu v sn lng và chi phí
sn xut ca mt s doanh nghip
4.1 M tp s liu có sn
, [Eviews] File → Open
,
Chn tp s liu YWKM trong th mc tng ng
Ca s [Workfile] gm các bin s xp theo th t K, M, TC, W, Y,
vi Y là sn lng, W là chi cho công nhân, M là chi cho qun lý, K là
chi phí khác gm máy móc thit b nguyên nhiên vt liu – hay còn gi
là chi phí vn, TC là tng chi phí. Nh vy TC là tng ca W, M, K.
4.2 ánh giá chung v các bin
,
Xem thng kê đc trng mu ca tt c các bin (Descriptive Stats)
[?] - Trung bình ca các bin bng bao nhiêu?
- Bin nào có s bin đng tuyt đi đo bng phng sai ln nht,
nh nht? Bin nào có s bin đng tng đi đo bng h s bin

thiên ln nht, nh nht?
- Bin nào đi xng nht, bt đi xng nht?
- Bin nào có phân phi chun?

,
Xem ma trn tng quan ca các bin (Correlations)
[?] - Cp bin nào có tng quan ngc chiu?
- Cp bin nào có tng quan cht nht, lng nht?
- Sn lng tng quan vi bin nào cht ch nht?
www.mfe.edu.vn/buiduonghai
23
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
4.3 c lng mô hình
Xét mô hình
12 3
(| ,)EY W K W K
β
ββ
=
++ (MH 4.1)
Hay
12 3iii i
YCWK
i
u
β
ββ
=
+++
,

[Ca s lnh] LS Y C W K ↵
Dependent Variable: Y
Sample: 1 100
Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C -485.9608 95.85601 -5.069695 0.0000
W 2.214092 0.050943 43.46253 0.0000
K 1.292811 0.044404 29.11470 0.0000
R-squared 0.964118 Mean dependent var 3707.680
Adjusted R-squared 0.963378 S.D. dependent var 1425.836
S.E. of regression 272.8616 Akaike info criterion 14.08535
Sum squared resid 7221985. Schwarz criterion 14.16350
Log likelihood -701.2674 F-statistic 1303.136
Durbin-Watson stat 2.090510 Prob(F-statistic) 0.000000

[?] - Gii thích ý ngha các c lng h s? Kt qu có phù hp
vi lý thuyt kinh t không?
- Hàm hi quy có phù hp không? Ý ngha ca điu này là gì?
- Trong mu, các bin đc lp W và K gii thích bao nhiêu % s
bin đng ca bin Y?
- Các h s góc có ý ngha thng kê không? iu này có ý ngha
nh th nào?

Xem giá tr c lng bin ph thuc (giá tr tng hp) và phn d
,
[Equation] Actual, Fitted, Residual → Actual, Fitted, Residual
Table: đ xem giá tr c lng bin ph thuc và phn d.
,
[Equation] Actual, Fitted, Residual → Actual, Fitted, Residual
Graph: đ xem đ th các giá tr.

www.mfe.edu.vn/buiduonghai
24
HNG DN THC HÀNH EVIEWS 4 – BÙI DNG HI – HKTQD – 2013
4.4 Phng sai, hip phng sai các c lng h s
 có th c lng, kim đnh v hn mt h s hi quy, cn có c
lng phng sai, hip phng sai ca các c lng h s.
,
[Equation] Covariance Matrix
C W K
C 9188.374 -2.461994 -3.582358
W -2.461994 0.002595 0.000123
K -3.582358 0.000123 0.001972

[?] - Phng sai ca các c lng h s bng bao nhiêu?
- Hip phng sai c lng hai h s góc bng bao nhiêu?
- Hip phng sai các c lng h s đc dùng trong trng
hp nào?
- S dng kt qu hip phng sai, và bng kt qu hi quy mô
hình t phn đu, cho bit nu W và K cùng tng mt đn v thì
trung bình ca Y thay đi nh th nào?
- Kim đnh gi thuyt cho rng: h s ca bin W ln gp đôi h
s ca bin K.
- Nu W tng mt đn v, nhng K gim mt đn v, thì Y s tng
lên hay gim đi, tng lên (gim đi) ti đa bao nhiêu, ti thiu bao
nhiêu?
4.5 Kim đnh v các h s - kim đnh Wald
Eviews thc hin kim đnh ràng buc v các h s hi quy bng kim
đnh Wald, s dng thng kê F và thng kê χ
2
.

Xét cp gi thuyt
H
0
: 
2
= 2,3 H
1
: 
2
≠ 2,3
Mô hình ban đu:
12 3ii
YWK
ii
u
β
ββ
=
+++ (4.1)
Mô hình có ràng buc:
13
2.3
ii i
YW K
ββ
′′
i
u
−
=+ +

(4.2)
www.mfe.edu.vn/buiduonghai
25