HƯỚNG DẪN THỰC HÀNH EVIEWS – CAO HỌC KHÓA 17
Buổi 1: Yêu cầu
1. Các thao tác cơ bản: nhập số liệu từ bàn phím/ mở tập số liệu có sẵn/
/chỉnh sửa số liệu, tên biến/ lưu giữ file/ tạo biến mới từ các biến có sẵn/
xem các thống kê cơ bản của số liệu (matrận tương quan, giá trị trung
bình, trung vị, v.v)
2. Thực hiện hồi quy bằng phương pháp OLS/ hiểu và biết giải thích bản
báo cáo bao gồm: hệ số ước lượng/ KTC, sai số chuẩn, tỷ số t và P-value/
hệ số xác định
Thực hiện:
Giới thiệu cách mở chương trình Eviews/ một số lựa chọn chính trên menu
Nhập số liệu từ bàn phím: Cho tập số liệu
Tiêu dùng: 12 15 18 14 16 20
Thu nhập: 15 20 25 20 18 30
Một số thao tác cơ bản:
Tạo Workfile trong Eviews
File → New → Workfile  Cửa sổ Workfile Range: chọn dạng số liệu: structure
type:unstructured; observations: 6 → O.K
Cửa sổ Workfile
c Ngầm định cho hệ số chặn (β
0
)
resid Ngầm định là Phần dư (e
i
) , mỗi khi thực hiện hồi quy máy sẽ tự
update lại giá trị của các phần dư.
1. Nhập số liệu theo 2 biến trên:
Cách 1: Trong ô gõ lệnh: genr tieudung thunhap/ chọn các biến này + nháy đúp chuột/ gõ
số vào
Cách 2: Quick → Empty Group => điền tên biến và số liệu vào
2. Chỉnh sửa biến

chuẩn của biến
Probability 0.00 0.00 P-value tương ứng cho thống kê J-B

Sum 7328 193168 Tổng các giá trị của biến
Sum Sq.
Dev. 144762 138000000
Tổng bình phương các sai lệch so với giá trị
mean

Observation
s 146 146 Số quan sát
b. Tìm ma trận phương sai-hiệp phương sai
Quick → group statistics → Covariances/ trên cửa số serial list gõ tên các biến muốn
xem xét
c. Tìm ma trận hệ số tương quan
Quick → group statistics → Correlations/ trên cửa số serial list gõ tên các biến muốn
xem xét tương quan
6. Mở file số liệu dạng wf có sẵn
File → New → Workfile/ chọn file muốn mở (hồi quy bội)
I. Ước lượng và đọc kết quả ước lượng
1. Thực hiện hồi quy
Mở file số liệu
Quick → Estimate equation/ trên màn hình tiếp theo gõ tên biến phụ thuộc trước, tiếp
theo là c và các biến độc lập, mỗi biến cách nhau 1 dấu cách
Nhớ đảm bảo:
1. Chọn phương pháp LS
2. Chọn mẫu (nếu không nói gì thì sẽ chọn toàn bộ mẫu có sẵn trong số liệu)
2. Đọc kết quả ước lượng:
1. Các kết quả ước lượng có phù hợp với lý thuyết không?
2. Các ước lượng của β

Dependent Variable: Q
Method: Least Squares
Date: 11/18/07 Time: 20:47
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C -22336.50 31041.66 -0.719565 0.4845
K 2615.988 424.8504 6.157434 0.0000
L 6.117142 15.82129 0.386640 0.7053
R-squared 0.824510 Mean dependent var 98446.75
Adjusted R-squared 0.797512 S.D. dependent var 29910.63
S.E. of regression 13459.40 Akaike info criterion 22.02010
Sum squared resid 2.36E+09 Schwarz criterion 22.16496
Log likelihood -173.1608 F-statistic 30.53916
Durbin-Watson stat 0.337815 Prob(F-statistic) 0.000012
1. Kiểm định xem hệ số β
3
có khác 0 hay không? đọc tỷ số t, đọc P-value
2. Kiểm định xem cả K và L đều không ảnh hưởng đến Q? (đọc F-statistic, hoặc P value
3. Kiểm định xem β
2
=2600?
View→ coefficient tests→ Wald restrictions
4. Kiểm tra đa cộng tuyến cao? Hồi quy phụ K theo L và hệ số chặn
(Quick → estimate equation→ gõ phương trình mới bao gồm: biến phụ thuộc là một
biến giải thích và vế phải là các biến giải thích còn lại và hệ số chặn/ đọc độ phù hợp của
hàm hồi quy. Nếu hàm hồi quy phụ này có phù hợp: có hiện tượng đa cộng tuyến trong
mô hình gốc)
View → estimate equation/ gõ phương trình: K c L , mô hình này có phù hợp không?
kết luận như thế nào về mô hình trong câu trên

1) hoặc 2 để kiểm tra TTQ bậc 2
Giới thiệu cách tính giá trị của Khi bình phương =(n-p)R
2
*) Tìm ước lượng cho hệ số tự tương quan bậc nhất:
C1:
2/1
ˆ
d
−=
ρ
=?
C2: ước lượng phần dư e
t
theo e
t-1
: trước hết tạo biến “phandu”
Proc → make residual series/ đặt tên “phandu”
Quick → estimate equation/ phandu phandu(-1) để thu được
ρ
ˆ
7. Hãy chỉ ra một cách khắc phục TTQ bậc nhất nói trên
*) Biến đổi biến: Q* = Q –
ρ
ˆ
Q(-1) ; K* = K –
ρ
ˆ
K(-1), chạy Q* theo K
8. Kiểm định dạng hàm sai: Ramsey Reset: quay về mô hình Q c K
View → stability tests →Ramsey RESET test/ chọn số biến mới sẽ đưa vào (1 hoặc 2)

Hồi quy các mô hình
M/IPD = α
1
+α
2
NNI/IPD +α
3
NNI(-1)/IPD(-1) +u (1)
M/IPD = α
1
+α
2
NNI/IPD +α
3
NNI(-1)/IPD(-1) + α
4
NNI(-2)/IPD(-2)+u (2)
a. M/IPD có phụ thộic vào các giá trị trễ của NNI/IPD?
b. Mô hình có khuyết tật đa cộng tuyến?
II. Tác động ngắn hạn, dài hạn trong mô hình động: Mở tập số liệu : ch9bt1.
Giả sử mô hình cầu thực tế ngắn hạn về tiền sau được xây dựng từ mô hình hiệu chỉnh
từng phần:
M/IPD = α
1
+α
2
Y/IPD +α
3
M(-1)/IPD +u (3)
Kết quả ước lượng bằng OLS:

Sample: 1959 1990
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 197.0355 105.2668 1.871773 0.0714
R -42.11000 18.33679 -2.296477 0.0291
I 6.292901 0.197595 31.84753 0.0000
R-squared 0.983960 Mean dependent var 2132.692
Adjusted R-squared 0.982854 S.D. dependent var 1581.342
S.E. of regression 207.0662 Akaike info criterion 13.59301
Sum squared resid 1243416. Schwarz criterion 13.73043
Log likelihood -214.4882 F-statistic 889.4921
Durbin-Watson stat 1.055802 Prob(F-statistic) 0.000000
a. Đọc mô hình: hệ số UL của I là 6.29:
b. Kiểm tra xem mô hình có tự tương quan không?
View→ residual tests → serial correlation LM
Kết luận: mô hình có tự tương quan.
Mô hình trên không đứng độc lập mà cùng trong hệ thống với mô hình cân bằng thị
trường tiền tệ, đường LM: R= β
4
+β
5
*M+β
3
*Y+

U
2
(5)
Trong hệ (4)+(5) có I và M là biến ngoại sinh
Ước lượng cả hệ phương trình bằng 2SLS như sau:

Watson stat 0.711789
Equation: R=C(4)+C(5)*M+C(6)*Y
Instruments: C I M
Observations: 32
R-squared 0.722019 Mean dependent var 7.294063
Adjusted R-
squared 0.702848 S.D. dependent var 2.823746
S.E. of
regression 1.539269 Sum squared resid 68.71117
Durbin-
Watson stat 0.641020
So sánh các hệ số ước lượng cho phương trình (4) bằng 2 phương pháp? Tại sao chúng
rất khác nhau? (Giáo viên hướng dẫn: Không thực hiện kiểm định Hausman, nhưng có
thông báo với học viên là kiểm định Hausman cho thấy có tương quan giữa biến giải
thích và ssnn trong hệ phương trình hành vi=> UL OLS là các ước lượng chệch và không
vững).
Bài tập: mở file ch3bt7.wf1.
Biến nội sinh: Q, P: lượng và giá thịt bò
Biến ngoại sinh: PS: giá thịt lợn, PF: giá đầu vào, DI: thu nhập khả dụng
Cho m« h×nh : Hµm cÇu:
ttttt
UDIPSQP
114131211
++++=
ββββ
Hµm cung:
tttt
UPFPQ
2232221
+++=

X: thu nhập (đơn vị: triệu đồng); Y: =1 nếu có xe riêng; =0 nếu không có xe riêng
Quick→ Estimate→ Logit , thu được
Variable Coefficient
Std.
Error
z-
Statistic Prob.
C -6.552 1.960 -3.343 0.001
X 0.381 0.110 3.454 0.001
1. ước lượng của hệ số β
1
là: -6.552; của β
2
là: 0.381
2. Xác suất để một người có thu nhập 10triệu/tháng không có xe riêng:
06.0)]10381.0552.6exp(1/[)10381.0552.6exp(
)]
ˆˆ
exp(1/[)
ˆˆ
exp(
ˆ
2121
=+−++−=
+++=
xx
XXp
iii
ββββ
3. Nếu thu nhập người đó tăng thêm 1 triệu đồng thì xác suất tăng thêm:

ˆ
)
ˆˆ
(
25.0
221
=−=−=+
−
xxfXf
πβββ
02.0381.0)06.01(06.0
ˆ
)
ˆ
1(
ˆ
2
=−=−
β
ii
pp
II. Bài tập: mở tệp ch11bt1. Trong đó: Y=1 nếu một người là đi làm bằng phương tiện
cá nhân, =0 nếu đi bằng phương tiện công cộng. X: chênh lệch giữa thời gian đi làm bằng
phương tiện công cộng so với phương tiện cá nhân
1. Uớc lượng môhình Y theo X có hệ số chặn bằng môhình logit
2. ước lượng của hệ số chặn là:
3. Tính xác suất để một người chọn phương tiện công cộng nếu thời gian chênh lệch của
anh ta là X = 20
4. Nếu chất lượng phục vụ của các phương tiện công cộng được cải tiến, thể hiện qua
việc giảm được thời gian là 1 phút thì tại mức X = 20, khả năng lựa chọn phương tiện

Trong đó Y là sản lượng cân bằng dài hạn, X
t
là giá. Quá trình hiệu chỉnh:
dẫn đến mô hình tự hồi quy: Y
t
= α
1
+ α
2
X
t
+ α
3
Y
t-1
+v
t
C 0.002553 0.001229 2.076825 0.0482
X
t
0.403818 0.056287 7.174307 0.0000
Y(-1) 0.236507 0.106048 2.230192 0.0349
- Tìm hệ số hiệu chỉnh
- Tác động ngắn hạn của X lên sản lượng:
- Tác động của X lên sản lượng cân bằng dài hạn
)(
1
*
1
−−

= 104.8669+ 1.338392
 Y*
n+10
= 104.8669+ 10* 1.338392
II. San mũ có yếu tố thời vụ: Mở tệp số liệu ch12bt4 (có 32 quan sát)
Nháy đúp chuột vào biến y→ Procs→ Exponential smoothing→ Holt-winters- no
seasonal/ Ok
Parameters: Alpha 0.3300
Beta 0.5300
Gamma 0.0000
Sum of Squared Residuals 0.142967
Root Mean Squared Error 0.066841
Y*
t
= (Y*
t-1
+ T
t-1
)
(1-α)
αY
t
+
T*
t
= β(Y*
t
-Y*
t-1
)+ (1-β)T

n+1
= (Y*
n
+1x T
n
)F(n+1-12)
Y*
n+12
= (Y*
n
+12x T
n
)F(n+12-12)
Y*
n+13
= (Y*
n
+13x T
n
)F(n+12-2*12)=>
Y*
32+1
= (Y*
32
+1x T
32
)F(32+1-12)
Y*
32+12
= (Y*