Link tải luận văn miễn phí cho ae
MÔ HÌNH TỰ HỒI QUY VECTOR VAR - MÔ HÌNH VETOR HIỆU CHỈNH SAI SỐ VECM
I- TỰ HỒI QUY VECTO (VAR)
Như chúng ta biết, mối quan hệ giữa các biến số kinh tế không đơn thuần chỉ theo một chiều, biến độc lập (biến giải thích) ảnh hưởng lên biến phụ thuộc mà trong nhiều trường hợp nó còn có ảnh hưởng ngược lại. Do đó mà ta phải xét ảnh hưởng qua lại giữa các biến này cùng một lúc. Chính vì thế mô hình kinh tế lượng mà ta phải xét đến không phải là mô hình một phương trình mà là mô hình nhiều phương trình.
Tuy nhiên, để ước lượng được các mô hình này ta phải đảm bảo rằng các phương trình trong hệ được định dạng, một số biến được coi là nội sinh (biến mà giá trị được xác định bởi mô hình, là biến ngẫu nhiên) và một số biến khác được coi là ngoại sinh hay đã xác định trước (ngoại sinh cộng với nội sinh trễ). Việc định dạng này thường được thực hiện bằng cách giả thiết rằng một số biến được xác định trước chỉ có mặt trong một số phương trình. Quyết định này thường mang tính chủ quan và đã bị Chrishtopher Sims chỉ trích. Theo Sims, nếu tồn tại mối quan hệ đồng thời giữa một số biến thì các biến này phải được xét có vai trò như nhau, tức là tất cả các biến xét đến đều là biến nội sinh. Dựa trên tinh thần đó mà Sims đã xây dựng mô hình vector tự hồi quy Var.
1. Khái niệm
Mô hình Var về cấu trúc gồm nhiều phương trình (mô hình hệ phương trình) và có các trễ của các biến số. Var là mô hình động của một số biến thời gian.
Ta xét hai chuỗi thời gian Y1 và Y2. Mô hình Var tổng quát đối với Y1 và Y2 có dạng sau đây:
Trong mô hình trên, mỗi phương trình đều chứa p trễ của mỗi biến. Với hai biến mô hình có 22p hệ số góc và 2 hệ số chặn. Vậy trong trường hợp tổng quát nếu mô hình có k biến thì sẽ có k2p hệ số góc và k hệ số chặn, khi k càng lớn thì số hệ số phải ước lượng càng tăng.
2. Một số vấn đề trong xây dựng mô hình Var:
Bên cạnh những ưu điểm nổi trội của mô hình Var : không cần xác định biến nào là biến nội sinh và biến nào là biến ngoại sinh hay là ta có thể sử dụng phương pháp OLS cho từng phương trình riêng rẽ thì mô hình Var còn vướng phải một số hạn chế:
- Do trọng tâm mô hình được đặt vào dự báo nên Var ít phù hợp cho phân tích chính sách.
- Và khi xét đến mô hình Var ta còn phải xét đến tính dừng của các biến trong mô hình. Yêu cầu đặt ra khi ta ước lượng mô hình Var là tất cả các biến phải dừng, nếu trong trường hợp các biến này chưa dừng thì ta phải lấy sai phân để đảm bảo chuỗi dừng. Càng khó khăn hơn nữa nếu một hỗn hợp chứa các biến có tính dừng và các biến không có tính dừng thì việc biến đổi dữ liệu không phải là việc dễ dàng.
- Khó khăn trong việc lựa chọn khoảng trễ thích hợp. Giả sử mô hình Var bạn đang xét có ba biến và mỗi biến sẽ có 8 trễ đưa vào từng phương trình. Như xem xét ở trên thì số hệ số mà bạn phải ước lượng là 32.8+3=75. Và nếu ta tăng số biến và số trễ đưa vào mỗi phương trình thì số hệ số mà ta phải ước lượng sẽ
116q1l5tMUMzZtY
