Hướng dẫn sử dụng phần mềm Eview 5.0

HƯỚNG DẪN SỬ DỤNG PHẦN MỀM EVIEW 5.0
1. Nhập dữ liệu
Để minh hoạ cho phần này, ta xét các ví dụ sau
Ví dụ 1. Bảng 1 dưới đây cho biết số liệu về GDP bình quân đầu người của Việt Nam
trong các năm 1998 – 2006.
Năm 1998 1999 2000 2001 2002 2003 2004 2005 2006
GDP 360 374 401 413 440 489 553 618 655
Bảng 1.
Ví dụ 2. Bảng 2 dưới đây cho biết số liệu về doanh số của một công ty.
Năm
Quý
I II III IV
2001
2002
2003
2004
2005
5280
6250
5883
7523
6783
4138
4565
5286
5758
6268
3959
4770
6142
5714

7618
7810
8712
9280
10144
11567
Bảng 2.
Ví dụ 3. Bảng 3 dưới đây cho biết số liệu về năng suất (Y, đơn vò tạ/ha) và mức phân
bón (X, đơn vò tạ/ha) cho một loại cây trồng tính trên một ha trong 10 năm từ 1988
đến 1997.
Nă
m
1988 1989 1990 1991 1992 1993 1994 1995 1996 1997
X 6 10 12 14 16 18 22 24 26 32
Y 40 44 46 48 52 58 60 68 74 80
Bảng 3.
Ví dụ 4. Bảng 4 dưới đây cho biết số liệu về doanh thu (Y), chi phí cho quảng cáo (
2
X
),
tiền lương của nhân viên tiếp thò (
3
X
) của 12 công nhân (đơn vò triệu đồng).
STT 1 2 3 4 5 6 7 8 9 10 11 12
i
Y
127 149 106 163 102 180 161 128 139 144 159 138
2i
X

18 25 19 24 15 26 25 16 17 23 22 15
3i
X
10 11 6 16 7 17 14 12 12 12 14 15
Bảng 4.
102
Mở EView, để nhập số liệu
Chọn File
→
New
→
Workfile
Hình 1
Tuỳ vào kiểu dự liệu cần khảo sát, ta có thể chọn được các kiểu sau :
- Annual : Số liệu năm
- Semi – Annual : Số liệu nữa năm
- Quarterly : Số liệu theo quý
- Monthly : Số liệu theo từng tháng
- Weekly : Số liệu theo từng tuần
- Unstructure / Undate : Số liệu chéo
Để nhập dữ liệu cho bảng 1 là
số liệu năm, khi đó ta chọn các
khai báo như trong hình bên.
Hình 2
103
Để nhập dữ liệu cho bảng
2 là số liệu theo từng quý trong
năm, khi đó ta chọn các khai
báo như trong hình bên.
Số liệu sẽ được nhập từ

quý I năm 2001 đến quý IV
năm 2005.
Hình 3
Để nhập dữ liệu cho bảng
3 và 4 là số liệu chéo, khi đó ta
chọn các khai báo như trong
hình bên.
Trong ô Observations ta
nhập cở mẫu (số các quan sát)
Chẳng hạn trong bảng 3
ta nhập 10.
Hình 4
Sau khi khai báo xong, nhấp
OK. Khi đó màn hình xuất
hiện như sau
104
Hình 5
Để hập số liệu ta chọn
Quick
→
Empty Group
(Edit Series), màn hình
hiện ra một cửa sổ như
hình bên. Trong đó
- cột obs ghi thứ
tự quan sát.
- Các cột kế tiếp
để khai báo các biến và
nhập số liệu.
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 trò vào các ô
bên dưới có ghi chữ NA.
Hình 6
Chẳng hạn như trong bảng 3 và bảng 4, ta khai báo và nhập số liệu tuần tự như trong
các hình sau :
Hình 7 Hình 8
2. Vẽ đồ thò
Mục đích của việc vẽ đồ thò cho phép ta đánh giá sơ bộ về mối quan hệ giữa hai
biến với nhau.
Để vẽ đồ thò phân tán của hai biến, chẳng hạn như trong ví dụ 3 ta vẽ đồ thò phân
tán của Y và X. từ của sổ Eviews chọn Quick
→
Graph
→
Scatter như hình sau
105
Hình 9
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 10
Nhấp OK, ta được đồ thò phân tán như hình sau
Hình 11
Cũng tương tự như các bước trên nhưng nếu ta chọn Line graph để vẽ đồ thò mô tả xu
hướng biến thiên của một biến nào đó chẳng hạn biến (Y) ta được đồ thò sau

106
Hình 12
Ngoài ra ta còn có thể vẽ đường hồi
quy thích hợp với nhất với bộ số liệu.
Muốn vậy từ của sổ Workfile chọn View
→
Show ta gõ tên biến độc lập (X) và
biến phụ thuộc
(Y)
vào của sổ Show
như hình 12
Sau đó nhấp OK
Hình 13
Từ của sổ Group chọn View
→
Graph
→
Scatter
→
Scatter with
Regression… như trong hình 13
Hình 14
Sau khi nhấp chuột, của sổ sau sẽ xuất hiện
107
Hình 15
Cách chọn mặc đònh là đường thẳng (tức Y và X có mối tương quan tuyến tính). Nếu
không ta có thể nhấp chuột vào các nút tương thích với mô hình khảo sát. Nếu chọn
đường thẳng ta có đồ thò phân tán như trong hình sau
Hình 16
Đối với đồ thò để hiệu chỉnh (đường nét, màu, … ) ta chỉ cần nhấp đúp vào đồ thò màn

hình sau sẽ xuất hiện
108
Hình 17
Trong đó các ô như
- Color : hiệu chỉnh màu sắc
- Line pattern : hiệu chỉnh kiểu đường nét
- Line / Symbol width : hiệu chỉnh độ lớn của đường nét
- Symbol : chọn kiểu hiện thò cho các điểm
Đặc biệt trong mô hình hồi quy bội (nhiều hơn hai biến) ta có thể vẽ đồng thời các đồ
thò phân tán của các biến với nhau (ta gọi ma trận đồ thò). Chẳng hạn như trong ví dụ
4, ta vẽ đồ thò phân tán giữa các biến
2 3
Y, X , X
như sau
Từ của sổ Workfile chọn View
→
Show ta gõ tên biến độc lập
2 3
X , X
và biến phụ thuộc
(Y)
vào của sổ Show nấp OK
Trong của sổ Group chọn View
→
Multiple Graphs
→
Scatter
→
Matrix of all pairs
(SCATMAT). Như trong hình 18

Hình 18
109
Nhấp chuột, ta được đồ thò phân tán giữa các biến được sắp xếp dưới dạng một ma trận
như sau
Hình 19
Nhìn vào hình 19 ta thấy rằng giữa
Y
và
2 3
X , X
có mối quan hệ tuyến tính, còn giữa
2 3
X , X
gần như không có sự tương quan với nhau điều này cho phép ta khảo sát vấn đề
về tự tương quan hay đa cộng tuyến giữa các biến độc lập với nhau.
3. Tìm hàm hồi quy mẫu
Nếu ta muốn tìm hàm hồi quy tuyến tính mẫu của Y theo X chẳng hạn trong ví dụ 3,
từ của sổ Eviews chọn Quick
→
Estimate Equation… màn hình khi đó như sau
Hình 20
Nhấp chuột màn hình sau xuất hiện
110
Hình 21
Ta gõ theo thứ tự y c x vào trong khung Equation specification (trong đó y chỉ biến phư
thuộc, c là hệ số tự do, x là biến độc lập). Sau đó nhấp Ok ta có bảng kết quả hồi quy
như sau
Hình 22
Các kết quả ở bảng trên lần lượt là
- Dependent Variable : Biến phụ thuộc là Y

- Method : Phương pháp ước lượng là phương pháp OLS
- Date – Time : Ngày giờ thực hiện
- Sample : Số liệu mẫu 1 – 10
- Included observations : Cở mẫu là 10
- Cột Variable : Các biến giải thích có trong mô hình (trong đó C là biến số tự
do)
111
- Cột Coefficient : Giá trò các hệ số hồi quy
$
1
β
và
$
2
β
.
- Cột Std. Error : Độ lệch chuẩn của các hệ số hồi quy
( )
1 1
se var( )β = β
và
( )
2 2
se var( )β = β
- Cột t – Statistic : Giá trò thống kê t tương ứng
$
$
1
1
t

se( )
β
=
β
và
$
$
2
2
t
se( )
β
=
β
(Trong đó t là đại lượng ngẫu nhiên có phân phối Student với bậc tự do (n – 2)).
- Cột Prob. : Giá trò p – value của thống kê t tương ứng
P(t t - Statistic )>
- R – Squared : Hệ số
2
R
- Adjusted R – Squared : Hệ số
2
R
điều chỉnh
- S.E. of regression : Giá trò ước lượng cho
σ
:
$
σ
- Sum squared resid : Tổng bình phương các phần dư ( RSS )

- Log likelihood : Tiêu chuẩn ước lượng hợp lý
- Durbin – Watson stat : Thống kê Durbin – Watson
- Mean dependent var : Giá trò trung bình của biến phụ thuộc
- S.D. dependent var : Độ lệch chuẩn của biến phụ thuộc
- Akaike info criterion : Tiêu chuẩn Akaike
- Schwarz info criterion : Tiêu chuẩn Schwarz
- F – Statistic : Giá trò của thống kê
F

- Prob( F – Statistic) : Giá trò p-value của thống kê F tương ứng
P(F F - Statistic)>
. Với F là biến ngẫu nhiên có phân phối Fisher có bậc tự do
(k 1,n k)− −
.
Nếu muốn hiển thò theo dạng phương trinh, từ của sổ Equation chọn View
→
Representations. Màn hình có dạng như sau
112
Hình 23
4. Một số hàm trong Eviews
- LOG(X) : ln(X)
- EXP(x) :
X
e
- ABS(X) : giá trò tuyệt đối của X
- SQR(X) : căn bậc 2 của X
- @SUM(X) : tổng của các
i
X
- @MEAN(X) : giá trò 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
5. Một số dạng hàm hồi quy
- Giả sử ta có số liệu của các biến Y và X. nếu tìm hàm hồi quy của Y theo X và
t 1
Y
−

(biến trể) 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 và
2
X

thì câu lệnh sẽ là
y c x x^2
- 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 trong hình sau
113
Hình 24
6. Tìm ma trận tương quan và ma trận hiệp phương sai
Giả sử ta có mẫu gồm các biến
2 3
Y, X , X
cho trong ví dụ 4. Để tìm ma trận tương quan của

các biến này, từ cửa sổ Eviews chọn Quick
→
Group Statistics
→
Correlations. Khi đó màn hình
xuất hiện như sau
Hình 25
Nhấp chuột sẽ xuất hiện của sổ sau
Hình 26
114
(Nếu không chọn dấu khối cho các biến
2 3
Y, X , X
trong cửa sổ Workfile thì ta phải nhập tên
các biến vào của sổ trên). Sau đó nhấp OK, ta được ma trận tương quan như sau
Hình 27
Tương tự như trên nếu ta chọn Covariances như hình 27
Hình 28
Ta được ma trận hiệp phương sai như sau
Hình 29
7. Dự báo
Trước tiên ta xây dựng các công thức trong bài toán dự báo như
- Công thức dự báo cho giá trò cá biệt
0
Y
:
Từ thống kê
( )
ˆ
( )

ˆ
0 0
0 0
Y Y
T St n k
se Y Y
−
= −
−
:
, ta có khoảng ước lượng cho giá trò cá biệt
0
Y
là :
µ µ µ µ
0 0 0 0
0 0 0
Y C se(Y Y ) Y Y C se(Y Y )− × − ≤ ≤ + × −
115
- Công thức dự báo cho giá trò trung bình
( )
0 0
Y E Y X X= =
:
Từ thống kê
( )
( )
ˆ
( )
ˆ

0 1 2 0
0
Y X
T St n k
se Y
− β +β
= −:
, ta có khoảng ước lượng cho giá trò cá biệt
0
Y
là :
µ µ µ µ
0 0 0 0
0
Y C se(Y ) Y Y C se(Y )− × ≤ ≤ + ×
Trong đó,
C : là hằng số được tra trong bảng phân phối Student với mức ý nghóa
α
và bậc tự do
(n k)−
cho trước
µ
0
0
se(Y Y )−
: độ lệch chuẩn của
µ
0
0
Y Y−

µ
0
se(Y )
: độ lệch chuẩn của
µ
0
Y
k : số biến hồi quy
- Mối quan hệ giữa
µ
0
0
se(Y Y )−
và
µ
0
se(Y )
µ µ
µ µ µ
2
0 0
0
2 2
0 0 0
0
var(Y Y ) var(Y )
se(Y ) var(Y ) se(Y Y )
− = + σ
⇒ = = − − σ
)

)
Như vậy để tìm khoảng dự báo cho giá trò cá biệt và giá trò trung bình cho
0
Y
. Chẳng hạn như
trong ví dụ 3 với mức phân bón là 20 tạ/ha, để dự báo giá trò trung bình và giá trò cá biệt của
năng suất với độ tin cậy 95%. Ta thực hiện tuần tự theo các bước sau
Bước 1 : Nhập thêm số liệu của
0
X 20=
vào quan sát thứ 11 như sau
Từ của sổ Workfile chọn Proc
→
Structure / Resize Current Page… màn hình khi đó như sau
Hình 30
Nhấp chuột và điều chỉnh 10 thành 11 như trong hình 30
116
Hình 31
Nhấp OK sẽ suất hiện một cửa sổ như sau
Hình 32
Chọn Yes
Sau đó trở về của sổ Workfile nhập đúp vào biến x, của sổ dữ liệu của biến x sẽ xuất hiện và ta
nhập thêm giá trò
0
X 20=
vào quan sát thứ 11 bằng cách nhấp chuột phải vào ô có chữ NA và
chọn
Edit /
+ −
sau đó gõ 20 vào quan sát thứ 11 như hình sau.

Hình 33
Bước 2 : Tìm hàm hồi quy mẫu của Y theo X ( cà thao tác như trong phần 3)
Từ cửa sổ Equation : UNTITLED chọn Forecast…, màn hình sẽ như sau
117
Hình 34
Nhấp chuột, màn hình sau sẽ xuất hiện
Hình 35
Ta nhập vào ô
Forecast name biến y_db (mặc đònh là yf) : là giá trò của
µ
0
Y

S.E. (optional) biến se1 : là giá trò của
µ
0
0
se(Y Y )−
Nhấp OK, ta được đồ thò của biến y_db như sau
118
Hình 36
Trở về của sổ Workfile ta thấy xuất hiện thêm các biến y_db và se1 như hình sau
Hình 37
Chọn Show và nhấp OK ta nhận được của sổ dữ liệu của hai biến y_db và se1, như
trong hình sau
119
Hình 38
Hai số liệu ở hàng thứ 11 lần lượt là :
µ
0

Y 60.31944=
và
µ
0
0
se(Y Y ) 2.558433− =
.
Nhìn bảng số liệu ở hình 33 ta có
2.431706σ =
)
(S.E. of regression). Tiếp theo ta tính
µ
0
se(Y )
bằng công thức
µ µ µ
2 2
0 0 0
0
se(Y ) var(Y ) se(Y Y )= = − − σ
)
và đặt tên cho
µ
0
se(Y )
là
se2 chẳng hạn.
Từ cửa sổ Workfile chọn Genr ta được một cửa sổ như sau
Hình 39
Trong ô Enter equation ta gõ dòng lệnh :

se2 sqr(se1 ^ 2 2.431706 ^ 2)= −
, sau đó nhấp
OK. Dữ liệu của biến se2 nhập vào file dữ liệu. Để xem kết quả ta nhấp đúp vào biến
se2 trong của sổ Workfile ta có bảng số liệu sau
120
Hình 40
quan sát thứ 11 chính là giá trò của
se2 0.795226=
.
Bây giờ, với độ tin cậy 95% và bậc tự do 9 ta tìm được
C 2.306=
(tra bảng Student).
Gọi khoảng dự báo cho trung bình là
[a,b]
chẳng hạn, ta tìm a, b như sau
Từ cửa sổ Workfile chọn Genr, và gõ dòng lệnh
a y _db 2.306 * se2= −
vào ô Enter
equation sau đó nhấp OK. Ta lập lại thao tác trên cho b với dòng lệnh
b y _db 2.306 * se2= +
. Khi đó số liệu của a và b được nhập vào file dữ liệu. Để xem kết
quả từ của sổ Workfile ta chọn khối cả a và b sau đó chọn Show chọn OK ta được bảng
số liệu sau
Hình 41
Nhìn vào bảng số liệu ta có
a 58.48565
=
và
b 62.15323
=

. Hay khoảng dự báo cho giá
trò trung bình là
µ µ µ µ
0 0 0 0
[a,b] Y C se(Y ), Y C se(Y ) [58.48565, 62.15323]
 
= − × + × =
 
Ta thực hiện tương tự cho việc tìm khoảng dự báo cho giá trò cá biệt.
8. Đònh mẫu
121
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 / 1kg) ở 20 khu vực bán và được khảo sát tại hai nơi là Thành phố và Nông
thôn.
STT Y X Z
1
2
3
4
5
6
7
8
9
10
20
19
18
18

17
17
16
16
15
15
2
3
3
4
4
3
4
4
5
5
1
0
1
0
1
1
0
1
1
1
11
12
13
14

15
16
17
18
19
20
14
14
13
12
12
15
16
12
10
11
5
6
6
7
7
5
4
7
8
8
0
1
0
1

0
1
0
1
0
1
Bảng 5
Trong đó Z là biến giả :
Z 0=
: khảo sát ở nông thôn
Z 1=
: khảo sát ở thành thò
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 trò nào đó. Để đònh mẫu lại, từ của sổ Workfile chọn
Sample, màn hình xuất hiện như sau
Hình 42
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 như trong hình sau
122
Hình 43
Nhấp OK, ta thấy có sự thay đổi trong cửa số Workfile như sau
Hình 44
9. Tính các giá trò thống kê
Để tính các giá trò thống kê như Trung bình, trung vò, độ lệch chuẩn, … của các biến có
trong mô hình như trong ví dụ 4, sau khi mở file dữ liệu, từ cửa sổ EViews chọn Quick
→
Group Statistics
→

Descriptive statistics
→
Common sample, như hình sau
Hình 45
Nhấp chuột và nhập tên các biến vào cửa sổ Series List như hình sau
123
Hình 46
Nhấp OK, ta được bảng các giá trò thống kê sau
Hình 47
10. Các bài toán kiểm đònh cho mô hình
a. Kiểm đònh White
Chẳng hạn như trong ví dụ 4. Để thực hiện việc kiểm đònh White bằng Eview, sau khi
ước lượng mô hình hồi quy mẫu, từ cửa sổ Equation chọn View
→
Residual Tests
→
White
Heteroskedasticity (no cross terms) (Không có các tích chéo giữa các biến độc lập). Khi đó màn
hình sẽ như sau
124
Hình 48
Nhấp chuột, bảng kết quả của kiểm đònh White xuất hiện như sau
Hình 49
Nếu chọn White Heteroskedasticity (cross terms) (Có các tích chéo giữa các biến độc lập). Khi
đó màn hình sẽ như sau
Hình 50
125
b. Kiểm đònh các biến không cần thiết trong mô hình
Ta xét ví dụ 5 để kiểm đònh sự có mặt của một biến nào đó là không cần đối với mô hình đang
xét, ta thực hiện các bước sau

Bước 1 : Mở file dữ liệu cần xét
Bước 2 : Tìm hàm hồi quy mẫu của y theo x và z
Bước 3 : Từ cửa sổ Equation chọn View
→
Coefficient Tests
→
Redundant Variables
→
Likelihood Ratio… như hình sau
Hình 51
Sau đó trong của sổ Omitted-Redundant Variable Test ta gõ tên biến cần kiểm đònh là không
cần thiết vào ô One or more test series (trong ví dụ này ta chọn biến z)
Hình 52
Nhấp OK. Màn hình sẽ như sau
Hình 53
126