LÝ THUYẾT VÀ THỰC HÀNH MÔ HÌNH VAR TRONG STATA [Cập nhật 205]

Mô hình Vector Autoregression (VAR) là một công cụ phân tích thống kê mạnh mẽ được sử dụng để nghiên cứu các mối quan hệ động giữa nhiều biến thời gian. Dưới đây là tóm tắt lý thuyết về mô hình VAR trong phần mềm Stata:

1. Khái niệm về mô hình VAR

Định nghĩa: Mô hình VAR là một mô hình hồi quy mà trong đó biến phụ thuộc trong mỗi phương trình là một hàm của chính nó ở các thời kỳ trước đó và của các biến khác cũng ở các thời kỳ trước.

Cấu trúc chung: [ Y_t = A_1 Y_{t-1} + A_2 Y_{t-2} + ... + A_p Y_{t-p} + \epsilon_t ] Trong đó:

(Y_t) là vector chứa các biến quan sát tại thời điểm (t).

(A_i) là ma trận trọng số cho các độ trễ (p).

(\epsilon_t) là vector nhiễu.

2. Ưu điểm của mô hình VAR

Không yêu cầu giả định về nguyên nhân: Khác với các mô hình hồi quy truyền thống, mô hình VAR không cần phải xác định rõ nguyên nhân giữa các biến.

Phân tích động: VAR cho phép phân tích cách mà một cú sốc vào một biến có thể ảnh hưởng đến các biến khác theo thời gian.

3. Các bước thực hiện mô hình VAR trong Stata

Chuẩn bị dữ liệu: Đảm bảo dữ liệu là chuỗi thời gian và có tính dừng (stationary). Sử dụng các kiểm định như Augmented Dickey-Fuller (ADF) để kiểm tra tính dừng.

Thực hiện mô hình VAR:

Sử dụng lệnh var trong Stata:

var LnCO2 LnGDP LnCPI LnKOF LnFDI LnREP, lags(1/2)

Thay đổi lags(1/2) tùy thuộc vào số độ trễ bạn muốn đưa vào mô hình.

Kiểm tra mô hình: Kiểm tra các chỉ số phù hợp (như AIC, BIC), dấu hiệu đa cộng tuyến và các giả định khác của mô hình.

Dự đoán và phân tích cú sốc: Sử dụng các lệnh khác như fcast để dự đoán giá trị trong tương lai và phân tích tác động của các cú sốc bằng cách sử dụng IRF (Impulse Response Functions).

Thực hành phân tích hồi quy vector autoregression (VAR), với biến phụ thuộc là LnCO2 và các biến độc lập là LnGDP, LnCPI, LnKOF, LnFDI, và LnREP:

Thực hiện câu lệnh sau trên stata:

var LnCO2 LnGDP LnCPI LnKOF LnFDI LnRE , lag(1/2)

Giải thích các chỉ tiêu trong mô hình VAR:

1. Chất lượng mô hình

• Log Likelihood: Giá trị log likelihood cao (292.5877) cho thấy mô hình có khả năng giải thích tốt dữ liệu.
• AIC, HQIC, SBIC: Các tiêu chí thông tin như AIC (-20.43692), HQIC (-19.59494), và SBIC (-16.55727) đều cho thấy mô hình này có sự phù hợp tốt. Giá trị càng thấp cho thấy mô hình càng phù hợp.

2. Hiệu suất dự đoán

• RMSE: Đối với LnCO2, RMSE là 0.034887, cho thấy sai số dự đoán tương đối thấp, nghĩa là mô hình dự đoán LnCO2 khá chính xác.
• R-squared: Tỷ lệ R-squared của LnCO2 là 0.7982, cho thấy mô hình giải thích tới 79.82% phương sai của biến phụ thuộc, điều này chỉ ra rằng mô hình rất hiệu quả trong việc giải thích LnCO2.

3. Các biến độc lập

• LnGDP: Có R-squared rất cao (0.7990), cho thấy LnGDP đóng vai trò quan trọng trong việc giải thích LnCO2.
• LnCPI: R-squared là 0.7832, cho thấy cũng có ảnh hưởng đáng kể đến LnCO2, mặc dù không mạnh bằng LnGDP.
• LnKOF: R-squared là 0.7932, cho thấy LnKOF cũng có tác động lớn đến LnCO2.
• LnFDI: Với R-squared là 0.8292, LnFDI có tác động yếu hơn so với các biến khác đến LnCO2.
• LnREP: R-squared thấp nhất (0.6525) cho thấy LnREP có ảnh hưởng nhỏ nhất đến LnCO2 trong số các biến được xem xét.

4. Kiểm định thống kê

• Chi-square và P-value: Tất cả các biến độc lập đều có giá trị chi-square lớn và p-value bằng 0.0000 hoặc 0.0001, cho thấy tất cả các biến này đều có ý nghĩa thống kê trong mô hình, tức là chúng có ảnh hưởng đáng kể đến LnCO2.

 Lưu ý khi sử dụng mô hình VAR

Tính dừng: Nếu dữ liệu không dừng, cần phải chuyển đổi dữ liệu (ví dụ như lấy log hoặc sai phân).

Số lượng độ trễ: Việc chọn số lượng độ trễ tối ưu là quan trọng, có thể dựa trên các tiêu chí thông tin như AIC hoặc BIC.

Trên đây là các các bước thực hành HỒI QUY VAR  trong Stata. Nếu có vướng mắc trong quá trình thực hành xử lý dữ liệu  kết quả mô hình chưa tốt các biến trong mô hình không có ý nghĩa thống kê, không đúng dấu tương quan.

Các bạn vui lòng liên hệ Hotline/Zalo Resdata: 0907786 895  tư vấn hỗ trợ thực hành miễn phí ! luôn hỗ trợ các bạn với tiêu chí Nhanh chóng -Tận tâm - Tin Cậy- Bảo mật - Chi phí hợp lý, giúp các rút ngắn thời gian làm bài 80% tập trung phân tích chuyên sâu vào đề tài nghiên cứu.

Các bạn tham khảo phí xử lý data tại đây: https://resdata.com.vn/danh-muc/74/dich-vu-stata