Home | Thẻ: Panel data ( trang 5)

Thẻ: Panel data

Phương pháp ước lượng S-GMM

Mô hình bảng động tuyến tính có thể được ước lượng bằng phương pháp GMM. Phương pháp GMM có 2 dạng ước lượng thay thế lẫn nhau là ước lượng D-GMM và S-GMM.

Arellano và Bond so sánh hiệu quả của phương pháp D-GMM 1 bước, D-GMM 2 bước với ước lượng OLS, With-in groups và ước lượng sai phân Anderson–Hsiao bằng cách sử dụng mô hình mô phỏng Monte Carlo. Kết quả cho thấy kết quả ước lượng theo phương pháp D-GMM có sự thiên chệch ít nhất và phương sai của ...

Đọc tiếp »

Phương pháp ước lượng D-GMM

Mô hình bảng động tuyến tính có thể được ước lượng bằng phương pháp GMM. Phương pháp GMM có 2 dạng ước lượng thay thế lẫn nhau là ước lượng D-GMM và S-GMM.

Phương trình mức (Level equation) với các ước lượng GMM bao gồm LSDV, FE, 2SLS chỉ sử dụng phù hợp khi: Các sai số chưa biến đổi (untransformed errors) có phân phối iid và, Biến đổi trực giao các độ lệch được sử dụng, để giữ cho ma trận của các độ lệch có dạng đối xứng cầu (spherical). Ngược lại, ...

Đọc tiếp »

Phương pháp GMM: D-GMM và S-GMM

Khi T nhỏ ở mô hình dữ liệu bảng động tuyến tính thì FE, LSDV, FD là không phù hợp. Khi đó, phương pháp GMM với MM, D-GMM, S-GMM sẽ ưu tiên được sử dụng.

Các phương pháp ước lượng dữ liệu bảng như Fixed effect (FE, FD, LSDV) hoặc Random effects được sử dụng chủ yếu để ước lượng các mô hình dữ liệu bảng tĩnh tuyến tính. Với mô hình này, sự tồn tại của các vấn đề như tự tương quan của các sai số, cũng như tính chất động của mô ...

Đọc tiếp »

Hạn chế của mô hình FEM vs REM

Mô hình FEM vs REM được sử dụng để ước lượng dữ liệu bảng. Tuy nhiên, cả 2 mô hình FEM vs REM đều gặp vấn đề HAC (Heteroskadasticity and AutoCorrelation)

Mô hình FEM vs REM còn được gọi là mô hình dữ liệu bảng tuyến tính cổ điển. Mô hình FEM vs REM là 2 mô hình phổ biến để ước lượng dữ liệu bảng. Tuy nhiên, cả 2 mô hình FEM vs REM đều gặp các vấn đề về tính ngoại sinh ngặt, tính nội sinh của biến, cũng ...

Đọc tiếp »

Mô hình dữ liệu bảng tuyến tính cổ điển

Mô hình dữ liệu bảng tuyến tính cổ điển hay còn gọi là mô hình dữ liệu bảng tĩnh bao gồm các mô hình tác động cố định (FEM), tác động ngẫu nhiên (REM)

Các mô hình tác động ngẫu nhiên (REM) hoặc mô hình tác động cố định (FEM) được gọi chung là mô hình dữ liệu bảng tuyến tính cổ điển, hoặc đôi khi còn gọi là mô hình dữ liệu bảng tuyến tính TĨNH. Các đặc tính "cổ điển" hoặc "tĩnh" của mô hình dữ liệu bảng trên sẽ lần lượt ...

Đọc tiếp »

Giới thiệu phương pháp GMM

Khi T nhỏ ở mô hình dữ liệu bảng động tuyến tính thì FE, LSDV, FD là không phù hợp. Khi đó, phương pháp GMM với MM, D-GMM, S-GMM sẽ ưu tiên được sử dụng.

Trong các mô hình dữ liệu bảng động tuyến tính, khi T nhỏ thì các phương pháp ước lượng tác động cố định FE hoặc phương pháp sai phân bậc 1 là không phù hợp (Nickell, 1981). Trong trường hợp này, phương pháp GMM với các ước lượng MM, D-GMM, S-GMM được xem là các lựa chọn thay thế phù ...

Đọc tiếp »

Kiểm định Hausman và những tồn tại

Trong Panel data khi nào thì sử dụng REM? Khi nào thì sử dụng FEM? Kiểm định Hausman là gì? Những tồn tại của kiểm định Hausman là gì? Khắc phục nó ra sao?

Theo cách tiếp cận truyền thống thì dữ liệu bảng có thể được ước lượng thông qua 2 mô hình tác động cố định (FEM) và tác động ngẫu nhiên (REM), đồng thời sử dụng kiểm định Hausman để lựa chọn FEM/REM. Vậy Khi nào thì sử dụng REM? Khi nào thì sử dụng FEM? Kiểm định Hausman là gì? ...

Đọc tiếp »

Unobserved time-invariant là gì?

Trong dữ liệu bảng Unobserved time-invariant là gì? Unobserved time-invariant gây ra những vấn đề gì và làm thế nào để khắc phục Unobserved time-invariant?

Unobserved time-invariant hay Unobserved time-constant là một thuật ngữ thể hiện yếu tố không thay đổi theo thời gian không quan sát được. Trong dữ liệu bảng, unobserved unit-specific error, kí hiệu là ({mu _i}) là tiêu chí để lựa chọn FEM/REM. Mô hình có chứa các tham số unobserved time-invariant này được gọi là mô hình tác động cố định FEM. Vậy Unobserved time-invariant ...

Đọc tiếp »