Mô Hình Gls Là Gì

Mục đích của rất nhiều các nghiên cứu và phân tích thực nghiệm trong tài chính là giải thích mối quan hệ giữa một biến dựa vào Y, theo một hay những biến lý giải (X(_1), X(_2), …, X(_k)). Để làm cho điều này, họ muốn biết sự ảnh hưởng tác động của Xi lên Y như vậy nào, cả khunh hướng lẫn độ lớn của tác động. Trả lời câu hỏi này, họ phải thu thập mẫu để có được hiệu quả ước lượng ko chệch ảnh hưởng tác động của X lên Y. Để công dụng ước lượng là ko thiên chệch đòi hỏi họ phải kiểm soát điều hành các đổi thay nhiễu, cả các biến quan sát được lẫn các biến không quan liền kề được. Đối với những biến nhiễu quan cạnh bên được, chúng ta có thể sử dụng quy mô hồi quy đường tính nhiều biến truyền thống (MCLR). Đối với những biến nhiễu không quan cạnh bên được, tuỳ vào đặc điểm khác nhau thân các đối tượng và thời gian mà chúng ta lựa chọn mô hình hồi quy tác động thắt chặt và cố định hay tác động ngẫu nhiên. Cả hai mô hình hồi quy này đòi hỏi chúng ta phải sử dụng dữ liệu bảng.

Bạn đang xem: Mô hình gls là gì

Bạn đã xem: mô hình gls là gì


*

Bài viết này tập trung trình diễn nguyên tắc của các phương thức ước lượng dữ liệu bảng chứ không cần đi sâu vào các vấn đề về thủ tục kiểm định liên quan.Mô hình hồi tác động thắt chặt và cố định (Fixed-effects) và tác động ngẫu nhiên (random-effects) được sử dụng trong phân tích tài liệu bảng (đôi khi có cách gọi khác là dữ liệu dài: longitudinal data). Dữ liệu bảng là sự phối kết hợp của dữ liệu chéo (cross-section) cùng dữ liệu thời hạn (time series). Để tích lũy dữ liệu bảng, chúng ta phải thu thập nhiều đối tượng (units) giống nhau trong cùng một hoặc các thời điểm. Chẳng hạn, chúng ta có thể thu thập các dữ liệu của cùng các cá nhân, công ty, ngôi trường học, thành phố, quốc gia… vào giai đoạn từ thời điểm năm 2000 mang lại 2014.Sử dụng dữ liệu bảng tất cả hai ưu thế lớn như: i) tài liệu bảng mang đến các tác dụng ước lượng những của tham số trong quy mô tin cậy hơn; ii) tài liệu bảng đến phép họ xác định và giám sát tác động mà những ảnh hưởng tác động này tất yêu được xác định và đo lường khi thực hiện sử dụng chéo hoặc dữ liệu thời gian.Xét một quan hệ kinh tế, với biến chuyển phụ thuộc, Y, và hai biến giải thích quan cạnh bên được, X(_1)và X(_2), cùng một hoặc nhiều trở thành không quan gần kề được. Họ có tài liệu bảng cho Y, X(_1), và X(_2). Tài liệu bảng bao gồm N-đối tượng và T-thời điểm, và bởi vậy chúng ta có NxT quan sát. Quy mô hồi quy con đường tính cổ điển không có hệ số cắt được khẳng định bởi:Y(_it)= β(_1)X(_it1)+ β(_2)X(_it2)+ μ(_it)với i = 1, 2, …, N cùng t = 1, 2, …, Ttrong đó Y(_it)là cực hiếm của Y cho đối tượng i ở thời khắc t; X(_it1)là quý giá của X(_1)cho đối tượng người sử dụng i ở thời khắc t, X(_it2)là quý giá của X(_2)cho đối tượng người tiêu dùng i ở thời khắc t, và μ(_it)là không nên số của đối tượng người dùng i ở thời điểm t. Quy mô hồi quy tác động ảnh hưởng cố định, là 1 trong những dạng không ngừng mở rộng của quy mô hồi quy con đường tính cổ điển, được mang lại bởi:trong kia μ(_it)= ν(_i)+ ε(_it). Sai số của mô hình hồi quy tuyến đường tính cổ xưa được tách làm nhị thành phần. Nhân tố ν(_i)đại diện cho những yếu tố ko quan gần kề được khác nhau giữa các đối tượng nhưng không thay đổi theo thời gian. Thành phần ε(_it)đại diện cho những yếu tố ko quan gần kề được không giống nhau giữa các đối tượng người tiêu dùng và biến đổi theo thời gian.Đối với mô hình khẳng định mức lương lao động, Y(_it)là nút lương của bạn lao rượu cồn i tại thời khắc t; Xit1 là trình độ chuyên môn giáo dục của lao đụng i tại thời khắc t, X(_it2)là kinh nghiệm của tín đồ lao rượu cồn i tại thời khắc t, và α(_i)là tác động ảnh hưởng của năng lực bẩm sinh lên đến mức lương của tín đồ lao cồn i, đưa định rằng khả năng bẩm sinh là yếu hèn tố không quan gần cạnh được duy nhất ảnh hưởng lên nấc lương (và không đổi khác theo thời gian). Với cở mẫu mã là 1000 người lao hễ (N = 1.000) được điều tra khảo sát trong thời hạn 3 năm (T = 3). Vì vậy, ta có, NxT = 3,000 quan tiền sát. Quy mô tác động thắt chặt và cố định này sẽ sở hữu được 1.002 thông số hồi quy (1.000 hệ số α(_i), 1 thông số của biến trình độ chuyên môn giáo dục và 1 hệ số của biến hóa kinh nghiệm) và có bậc tự do thoải mái là 1998 (3.000 – 1.002 = 1.998).Có hai phương thức ước lượng được thực hiện để ước lượng các tham số của mô hình tác động ráng định. I) Ước lượng hồi quy biến giả về tối thiểu LSDV với mỗi thay đổi giả là đại diện cho từng đối tượng quan ngay cạnh của mẫu. Ii) Ước lượng tác động thắt chặt và cố định (Fixed effects estimator
).Khi N lớn, việc sử dụng ước lượng LSDV sẽ tương đối cồng kềnh hoặc ko khả thi. Chẳng hạn, giả sử chúng ta muốn cầu lượng mô hình xác định lương. Chúng ta có chủng loại N = 1000 fan lao động. Để sử dụng ước lượng LSDV, họ sẽ cần tạo thành 1000 biến chuyển giả và chạy hồi quy OLS cho hơn 1000 biến. Vào trường hợp như vậy, mong lượng tác động cố định sẽ thích hợp hơn.Nguyên tắc của mong lương tác động thắt chặt và cố định được gọi như sau. Để đánh giá tác hễ nhân quả của những biến hòa bình X(_1)và X(_2)lên biến phụ thuộc Y, ước lượng tác động cố định và thắt chặt sử dụng sự biến đổi trong X(_1), X(_2), và Y theo thời gian. Hotline Z(_i)kí hiệu mang lại một biến hóa không quan gần kề được khác nhau giữa các đối tượng người dùng nhưng không đổi theo thời hạn và vì vậy bao hàm cả phần không đúng số vào đó. Cũng chính vì Z(_i)không đổi khác theo thời hạn nênnó cần yếu gây ra bất kỳ sự thay đổi nào trong(Y_it); Sở dĩ vậy nên là vì không đổi khác theo thời gian, Z(_i)không thể phân tích và lý giải bất kì sự đổi khác nào trong(Y_it)theo thời gian. Bởi vậy, thải trừ tác động cố định và thắt chặt của Z(_i)lên(Y_it)bằng phương pháp sử dụng dữ liệu sự biến đổi trong (Y_it) theo thời gian.Ví dụChúng ta bắt buộc đưa thêm những biến như giới tính, sắc tộc như thể biến giải thích trong mô hình tác động thắt chặt và cố định để xác minh mức lương, chính vì những biến này khác nhau một trong những người lao động mà lại không biến hóa theo thời gian. Giả dụ mẫu khảo sát điều tra của bọn họ chỉ bao gồm những tín đồ lao hễ đã chấm dứt việc học, thì trình độ chuyên môn học vấn vẫn khác nhau trong số những người lao động mà lại lại không đổi khác theo thời gian. Vào trường hòa hợp này, họ không thể sử dụng quy mô tác động thắt chặt và cố định để ước lượng ảnh hưởng của giáo dục lên nấc lương.Xét một mối quan hệ kinh tế gồm một biến phụ thuộc, Y, với hai biến giải thích quan gần cạnh được, X(_1)và X(_2). Họ có tài liệu bảng cho Y, X(_1), với X(_2). Tài liệu bảng gồm có N đối tượng người sử dụng và T thời điểm, và bởi vậy họ có NxT quan lại sát. (Y_it)= β(_1)(X_it1)+ β(_2)(X_it2)+ ν(_i)+ (ε_it)với i = 1, 2, …, N với t = 1, 2, …, TTrong đó, không nên số cổ xưa được chia thành 2 thành phần. Yếu tố ν(_i)đại diện mang đến tất các các yếu hèn tố ko quan sát được mà đổi khác giữa các đối tượng người sử dụng nhưng không chuyển đổi theo thời gian. Nguyên tố εit đại diện thay mặt cho toàn bộ các yếu tố không quan ngay cạnh được mà biến hóa giữa các đối tượng người dùng và thời gian. đưa sử rằng v(_i)được mang lại bởi:Trong đó, v(_i)lại được phân chia làm hai thành phần: i) thành phần cô động a(_0), ii) thành phần tự dưng ω(_i).Giả định rằng, ωi cho mỗi đối tượng được rút ra từ 1 phân phối xác suất chủ quyền với cực hiếm trung bình bằng 0 và phương không đúng không đổi, kia là, E(ω(_i)) = 0 Var(ω(_i)) = sω2 Cov(ωi,ωs) = 0 N biến thiên nhiên ωi được gọi tác động ảnh hưởng ngẫu nhiên (random effects).Mô hình tác động ảnh hưởng ngẫu nhiên rất có thể được viết lại: (Y_it)=α(_0)(X_it1)+ β(_2)(X_it2)+μ(_it)Trong đóμ(_it)= ω(_i)+ ε(_it). Một mang định đặc biệt quan trọng trong mô hình tác động đột nhiên là thành phần không đúng số μit không đối sánh với bất cứ biến lý giải nào trong mô hình.Ước lượng OLS cho quy mô tác động thốt nhiên sẽ cho những tham số ước lượng không chệch cơ mà lại ko hiệu quả. Rộng nữa, những ước lượng của không nên số chuẩn chỉnh và vì thế thống kê t sẽ không hề chính xác. Sở dĩ vì vậy là do ước lượng OLS bỏ qua sự tự đối sánh tương quan trong thành phần không nên số μit. Để kết quả ước lượng không chệch với hiệu quả, chúng ta có thể sử dụng cầu lượng GLS khả thi (FGLS) nhằm khắc phục hiện tượng kỳ lạ sai số nhiễu tự tương quan. Ước lượng FGLS còn gọi là ước lượng ảnh hưởng ngẫu nhiên (Random effects estimator).

Xem thêm: Có Nên Lắp Thêm Thiết Bị Tiết Kiệm Xăng Xe Máy Tay Ga, Tiết Kiệm Xăng Hoàng Sơn

Ngoài hai phương pháp tác động thắt chặt và cố định và ảnh hưởng ngẫu nhiên, trong một vài trường vừa lòng nhà nghiên cứu và phân tích vẫn sử dụng ước lượng OLS thô (Pooled OLS) mang đến dạng dữ liệu tích lũy này.Ước lượng thô là mong lượng OLS trên tập tài liệu thu được của các đối tượng người sử dụng theo thời gian, vì vậy nó xem tất cả các thông số đều không chuyển đổi giữa các đối tượng người tiêu dùng khác nhau cùng không biến đổi theo thời hạn (Gujarati, 2004 trang 641).Câu hỏi đặt ra là quy mô nào vẫn là quy mô phù hợp: Pooled OLS, FE hay RE. Sự phù hợp của mong lượng ảnh hưởng tác động ngẫu nhiên với tác động cố định và thắt chặt được kiểm triệu chứng trên cơ sở so sánh với mong lượng thô.Cụ thể, mong lượng tác động cố định được kiểm chứng bằng kiểm định F với trả thuyết H0 mang đến rằng toàn bộ các thông số vi đều bởi 0 (nghĩa là không tồn tại sự biệt lập giữa các đối tượng hoặc những thời điểm khác nhau). Chưng bỏ trả thuyết H0 với mức chân thành và ý nghĩa cho trước (mức ý nghĩa 5% chẳng hạn) sẽ cho biết thêm ước lượng tác động cố định và thắt chặt là phù hợp. Đối với cầu lượng ảnh hưởng ngẫu nhiên, cách thức nhân tử Lagrange (LM) với chu chỉnh Breusch-Pagan được thực hiện để kiểm bệnh tính cân xứng của ước lượng (Baltagi, 2008 trang 319). Theo đó, trả thuyết H0 cho rằng sai số của ước lượng thô không bao gồm các xô lệch giữa các đối tượng người tiêu dùng var(vi) = 0 (hay phương sai thân các đối tượng người sử dụng hoặc những thời điểm là ko đổi). Bác bỏ giả thuyết H0, cho biết sai số trong cầu lượng có bao gồm cả sự lệch lạc giữa những nhóm, và tương xứng với ước lượng tác động ngẫu nhiên.Kiểm định Hausman sẽ tiến hành sử dụng nhằm lựa chọn phương thức ước lượng cân xứng giữa hai phương thức ước lượng tác động cố định và ảnh hưởng ngẫu nhiên (Baltagi, 2008 trang 320; Gujarati, 2004 trang 652). Giả thuyết H0 mang lại rằng không có sự đối sánh tương quan giữa không đúng số đặc thù giữa các đối tượng (vi) với các biến phân tích và lý giải Xit trong tế bào hình. Ước lượng RE là phải chăng theo mang thuyết H0 nhưng lại không tương xứng ở đưa thuyết ráng thế. Ước lượng fe là phù hợp lý cho cả giả thuyết H0 với giả thuyết thay thế. Mặc dù nhiên, trong trường hợp mang thuyết H0 bị bác bỏ thì mong lượng tác động cố định và thắt chặt là phù hợp hơn so với mong lượng tác động ngẫu nhiên. Ngược lại, chưa tồn tại đủ dẫn chứng để bác bỏ H0 tức là không chưng bỏ được sự đối sánh giữa không nên số và những biến lý giải thì ước lượng tác động cố định và thắt chặt không còn phù hợp và ước lượng tự nhiên sẽ ưu tiên được sử dụng.6. KẾT QUẢSử dụng ứng dụng STATA cho tập dữ liệumus08psidextract.dtavới dữ liệu bảng cân bằng 4165 quan sát bao gồm 7 giai đoạn thời gian (T=7) và 595 đối tượng người sử dụng người lao rượu cồn (n=595). Công dụng ước lượng mức lương của người lao rượu cồn (lwage) theo số năm tay nghề (exp), số năm kinh nghiệm tay nghề bình phương (exp2), số giờ làm việc trong tuần (wks) và số năm tới trường của tín đồ lao rượu cồn (ed) theo 3 quy mô Pooled OLS, Fixed effect (FE) cùng Random effect (RE) được diễn đạt như sau:

Leave a Reply

Your email address will not be published. Required fields are marked *

  • Lịch thi đấu el clasico

  • Truyện tranh đam mỹ omega

  • Trường hải tuyển dụng 2017

  • Tin chuyển nhượng của liverpool

  • x