Mô hình ARDL
3
Công ty Cổ phần Phân tích Định lượng Việt Nam [email protected] QA Vieetjnam.,JSC Tel: 09456.49731 Nghiencuudinhluong.com 09456.49731 qavietnam.com Giới thiệu mô hình ARDL ARDL là sự kết hợp giữa mô hình VAR (tự hồi quy vector) và mô hình hồi quy bình phương nhỏ nhất (OLS) (Nguyễn Văn Duy, 2014). ARDL được xem là mô hình thành công nhất, linh hoạt và dễ sử dụng cho việc phân tích các chuỗi thời gian đa biến (Aydin, 2000). Mô hình ARDL cho phép xác định tác động của các biến động lập tới biến phụ thuộc (Chen, 2007; Pasaran., Shin, Y, 1997). Mô hình ARDL có thể được biểu diễn như sau: Y t = m +α1*Y t−1 +α2*Y t−2 +…+αn*Y t−1 + β0*X t +β1*X t−1 +…+ βn*X t−n +ut Trong đó: Y t và X t là các biến dừng, và ut là phần nhiễu trắng Y t−n và X t−n là các biến dừng ở các độ trễ. Để đảm bảo tin cậy khi sử dụng mô hình ARDL các biến chuỗi thời gian có tính dừng, độ trễ xác định tối ưu, mô hình không thừa biến, không có hiện tượng tự tương quan, không có hiện tượng phương sai sai số thay đổi và dạng hàm phù hợp (Gurajati, 2003; Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Chuỗi thời gian có tính dừng là chuỗi có trung bình, phương sai, hiệp phương sai không đổi tại mọi thời điểm (Gurajati, 2003). Để kiểm định tính dừng của chuỗi thời gian cho thể sử dụng nhiều kiểm định khác nhau như kiểm định Dickey – Fuller (DF), kiể m định Phillip – Person (PP), kiểm định Dickey – Fuller mở rộng (ADF). Trong phầm mề m Eviews thường dùng kiểm định nghiệm đơn vị (Unit Root Test) để kiểm định tính dừng của chuỗi thời gian dựa trên kiểm định ADF mở rộng (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Độ trễ tối ưu là độ trễ tại đó các biến được mô hình hóa qua biến trễ và các biến khác cùng cùng một độ trễ cho kết quả tốt nhất. Việc xác định độ trễ tối ưu dựa trên các chỉ số lựa chọn (Ozcicek & McMillin, 1996), các chỉ số này được hỗ trợ trong phần mềm Eviews.
-
Upload
nghien-cuu-dinh-luong -
Category
Education
-
view
426 -
download
1
description
Giới thiệu mô hình ARDL (Tự hồi quy phân phối trễ)
Transcript of Mô hình ARDL
Công ty Cổ phần Phân tích Định lượng Việt Nam [email protected] QA Vieetjnam.,JSC Tel: 09456.49731
Nghiencuudinhluong.com 09456.49731 qavietnam.com
Giới thiệu mô hình ARDL ARDL là sự kết hợp giữa mô hình VAR (tự hồi quy vector) và mô hình hồi quy
bình phương nhỏ nhất (OLS) (Nguyễn Văn Duy, 2014). ARDL được xem là mô hình
thành công nhất, linh hoạt và dễ sử dụng cho việc phân tích các chuỗi thời gian đa biến
(Aydin, 2000). Mô hình ARDL cho phép xác định tác động của các biến động lập tới biến
phụ thuộc (Chen, 2007; Pasaran., Shin, Y, 1997). Mô hình ARDL có thể được biểu diễn
như sau:
Yt= m +α1*Yt−1+α2*Yt−2 +…+αn*Yt−1 + β0*Xt+β1*Xt−1+…+ βn*Xt−n +ut
Trong đó: Yt và Xt là các biến dừng, và ut là phần nhiễu trắng
Yt−n và Xt−n là các biến dừng ở các độ trễ.
Để đảm bảo tin cậy khi sử dụng mô hình ARDL các biến chuỗi thời gian có tính
dừng, độ trễ xác định tối ưu, mô hình không thừa biến, không có hiện tượng tự tương
quan, không có hiện tượng phương sai sai số thay đổi và dạng hàm phù hợp (Gurajati,
2003; Nguyễn Quang Dong & Nguyễn Thị Minh, 2012).
Chuỗi thời gian có tính dừng là chuỗi có trung bình, phương sai, hiệp phương sai
không đổi tại mọi thời điểm (Gurajati, 2003). Để kiểm định tính dừng của chuỗi thời gian
cho thể sử dụng nhiều kiểm định khác nhau như kiểm định Dickey – Fuller (DF), kiểm
định Phillip – Person (PP), kiểm định Dickey – Fuller mở rộng (ADF). Trong phầm mềm
Eviews thường dùng kiểm định nghiệm đơn vị (Unit Root Test) để kiểm định tính dừng
của chuỗi thời gian dựa trên kiểm định ADF mở rộng (Nguyễn Quang Dong & Nguyễn
Thị Minh, 2012).
Độ trễ tối ưu là độ trễ tại đó các biến được mô hình hóa qua biến trễ và các biến
khác cùng cùng một độ trễ cho kết quả tốt nhất. Việc xác định độ trễ tối ưu dựa trên các
chỉ số lựa chọn (Ozcicek & McMillin, 1996), các chỉ số này được hỗ trợ trong phần mềm
Eviews.
Công ty Cổ phần Phân tích Định lượng Việt Nam [email protected] QA Vieetjnam.,JSC Tel: 09456.49731
Nghiencuudinhluong.com 09456.49731 qavietnam.com
Mô hình thừa biến là mô hình đưa các biến độc lập không phù hợp hoặc không cần
thiết vào mô hình. Kiểm định thừa biến sẽ cho biết cần loại những biến không cần thiết
khỏi mô hình để không làm ảnh hưởng đến kết quả phân tích (Nguyễn Văn Duy, 2014).
Tự tương quan là hiện tượng các phần dư của biến phụ thuộc có tương quan với
nhau (Ramanathan, 2002; Gurajati, 2003). Tự tương quan có thể làm cho kết quả hồi quy
thiếu tin cậy.
Phương sai sai số thay đổi là một khuyết tận khi sử dụng OLS (Gurajati, 2003), để
kiểm tra trong mô hình có hiện tương phương sai sai số thay đổi có nhiều phương pháp
khác nhau trong đó thông dụng và tin cậy nhất là kiểm định White.
Sự phù hợp dạng hàm là cách biểu diễn quan hệ giữa biến độc lập và biến phụ
thuộc đúng bán chất của chúng (dạng hàm đúng). Thông thường các nhà nghiên cứu giả
định quan hệ là tuyến tính, nhưng bản chất quan hệ có thể là phi tuyến và dạng hàm ước
lượng được chỉ định có thể sai. Để kiểm định sự phù hợp dạng hàng kiểm định Ramsey
sẽ được thực hiện.
Sau khi thực hiện các kiểm định và chạy mô hình đảm bảo không có các khuyết tật
thì các kết quả ước lượng mới đảm bảo vững, không chệch và hiệu quả nhất. Các kết luận
từ kết quả này mới đảm bảo đáng tin cậy.
Công ty Cổ phần Phân tích Định lượng Việt Nam [email protected] QA Vieetjnam.,JSC Tel: 09456.49731
Nghiencuudinhluong.com 09456.49731 qavietnam.com
Tài liệu tham khảo
Aydin, H.I. (2007), Interest Rate Pass-Through in Turkey, Research and Monetary Policy
Department, 07(05), 1-38.
Chen, M.A. (2007), Rethinking the informal economy:linkages with the formal economy and the formal regulatory environment. Working Paper, 46, United Nations, Department of Economic and Social Affairs.
Gurajati, D.N. (2003), Basic Econometrics, McGraw Hill.
Hansen, B.E. (2014), Economictrics, University of Wisconsin.
Nguyễn Quang Dong., Nguyễn Thị Minh. (2012), Giáo trình Kinh tế lượng, Đại học Kinh tế Quốc Dân.
Nguyễn Văn Duy., Đào Trung Kiên & Bùi Quang Tuyến, Ảnh hưởng của đầu tư trực tiếp nước ngoài đến tăng trưởng kinh tế Việt Nam giai đoạn 1990-2013 bằng mô hình ARDL, Tạp chí giáo dục và đào tạo.
Ozcicek, O., & Ozcicek, D.W. (1996), Lag Length Selection in Vector Autoregressive Models: Symmetric and Asymmetric Lags, Louisiana State University.
Pasaran, H.H., & Shin, Y. (1997), Generalized impulse response analysis in linea multivariate models,Economic letters, 58, 17-29.
Ramanathan., R. (2002), Introductory Econometrics with Applications, Harcourt College Publishers.
Wang, J.Y., Blomstrom, M. (1989), Foreign Investment and Technology Transfer: A Simple Model, National Bureau of economic research, 1-32.
