描述

1 HỒI QUY GIẢ TRONG KINH TẾ LƯỢNG (Spurious Regression) Đinh Công Khải Tháng 05/2012 GIỚI THIỆU  Trong các nghiên cứu định lượng không hiếm trường hợp chúng ta gặp kết quả hồi quy cho thấy có sự tương quan giữa 2 chuỗi thời gian không có liên quan với nhau.  Ví dụ, chúng ta tạo ra 2 chuỗi thời gian như sau: Với u ~ N(0,1); v ~ N(0,1); Cov(u, v) = 0; Y0 = 0; và X0 = 0 t t t t t t X X v Y Y u       1 1 2 GIỚI THIỆU  Hồi quy Y theo X cho thấy có sự tương quan giữa 2 biến này.  Theo Yule (1926) tương quan này là tương quan giả bởi vì 2 chuỗi thời gian này không dừng (kể cả trong trường hợp mẫu lớn).  Theo Granger và Newbold (1974), nếu R2 > d chúng ta nghi ngờ hồi quy là hồi quy giả KIỂM ĐỊNH TÍNH DỪNG  Phương pháp đồ thị  Hàm tự tương quan mẫu (SAC) và correlogram  Q-stat test  Dickey-Fuller test (H0 : chuỗi thời gian không dừng) 3 BIỀN ĐỔI CHUỖI KHÔNG DỪNG THÀNH CHUỖI DỪNG  Đối với chuỗi random walk (Yt = Yt-1 + ut ) Lấy sai phân bậc 1 hoặc bậc 2  Đối với chuỗi có tính xu hướng Yt = β1 + β2 t + ut, Khử tính xu hướng bằng cách hồi quy hàm số trên , sau đó tính * 1 2 ˆ ˆ ˆ t t Yt u Y     t  HỒI QUY ĐỒNG KẾT HỢP (Cointegrating Regression) trong đó PCE là chi tiêu tiêu dùng cá nhân; PDI là thu nhập khả dụng cá nhân PCE và PDI là các chuỗi không dừng  có thể có hồi quy giả (hồi quy không xác thực)  Hồi quy đồng kết hợp là hồi quy một chuỗi có unit root trên một chuỗi có unit root . PCEt  1  2PDIt ut

AI 摘要