Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Chương 9 của bài giảng Kinh tế lượng trình bày về chọn mô hình và kiểm định việc chọn mô hình. Chương này gồm có các nội dung sau: Các tiêu chuẩn của một mô hình tốt, đo lường độ chính xác của mô hình dự báo, lựa chọn mô hình dự báo,. . | CHỌN MÔ HÌNH VÀ KIỂM ĐỊNH VIỆC CHỌN MÔ HÌNH Chương 9 I- CÁC TIÊU CHUẨN CỦA MỘT MÔ HÌNH TỐT Các tiêu chuẩn của một MH tốt (theo Harvy): Tiết kiệm: Tính đồng nhất: MH càng đơn giản càng tốt Với một tập hợp các dữ liệu đã cho, các ước lượng phải là duy nhất Tính thích hợp: MH có R2 và R2 càng gần 1 thì được coi là càng thích hợp Tính bền vững về mặt lý thuyết: Xây dựng MH phải dựa trên cơ sở của lý thuyết nào đó. Có khả năng dự báo tốt: MH được chọn sao cho khi dùng nó để dự báo sẽ cho kết quả sát với thực tế. Sai số dự báo là thước đo phản ánh giá trị dự báo gần với giá trị thực tế là bao nhiêu. II- ĐO LƯỜNG ĐỘ CHÍNH XÁC CỦA MÔ HÌNH DỰ BÁO Sai số dự báo là chênh lệch giữa giá trị dự báo và giá trị thực tế tương ứng: et = Yt – MH dự báo được đánh giá là tốt nếu sai số dự báo nhỏ và dao động của nó không theo một chiều hướng nào. Mẫu dự báo có t = S, S+1, . . . , S+h. Ký hiệu giá trị thực tế và giá trị dự báo tương ứng là Yt và . Các chỉ tiêu đánh giá độ chính xác của mô hình bao gồm: 2- Căn bậc hai của sai số bình phương trung bình (Root Mean Squared Error): 1- Sai số bình phương trung bình (Mean Squared Error): 3- Sai số trung bình tuyệt đối (Mean Absolute Error): 4- Số phần trăm sai số trung bình tuyệt đối (Mean Absolute Percentage Error): Việc lựa chọn công thức tính sai số dự báo phụ thuộc vào bản chất của dữ liệu: ª Nếu trong chuỗi dữ liệu chỉ có một vài sai số dự báo có giá trị tuyệt đối lớn thì ta không nên dùng MSE & RMSE. ª Khi giá trị của các sai số dự báo xấp xỉ nhau thì nên dùng MSE. ª Khi có đồng thời MAE, MSE (hay RMSE) thì việc lựa chọn sẽ căn cứ vào chỉ tiêu nào nhỏ nhất. *Khi so sánh độ chính xác của những MH dự báo, ta không nên áp dụng cho những chuỗi dữ liệu đã có những biến đổi từ dữ liệu gốc. * Chỉ có MAPE có thể dùng cho mọi trường hợp vì MAPE là số tương đối. * Hệ số Theil U là một thước đo khác về độ chính xác của dự báo. Hệ số này được tính như sau: * Nếu giá trị của U càng gần 0 thì MH dự báo càng chính xác. Hệ số Theil U luôn luôn | CHỌN MÔ HÌNH VÀ KIỂM ĐỊNH VIỆC CHỌN MÔ HÌNH Chương 9 I- CÁC TIÊU CHUẨN CỦA MỘT MÔ HÌNH TỐT Các tiêu chuẩn của một MH tốt (theo Harvy): Tiết kiệm: Tính đồng nhất: MH càng đơn giản càng tốt Với một tập hợp các dữ liệu đã cho, các ước lượng phải là duy nhất Tính thích hợp: MH có R2 và R2 càng gần 1 thì được coi là càng thích hợp Tính bền vững về mặt lý thuyết: Xây dựng MH phải dựa trên cơ sở của lý thuyết nào đó. Có khả năng dự báo tốt: MH được chọn sao cho khi dùng nó để dự báo sẽ cho kết quả sát với thực tế. Sai số dự báo là thước đo phản ánh giá trị dự báo gần với giá trị thực tế là bao nhiêu. II- ĐO LƯỜNG ĐỘ CHÍNH XÁC CỦA MÔ HÌNH DỰ BÁO Sai số dự báo là chênh lệch giữa giá trị dự báo và giá trị thực tế tương ứng: et = Yt – MH dự báo được đánh giá là tốt nếu sai số dự báo nhỏ và dao động của nó không theo một chiều hướng nào. Mẫu dự báo có t = S, S+1, . . . , S+h. Ký hiệu giá trị thực tế và giá trị dự báo tương ứng là Yt và . Các chỉ tiêu đánh giá độ chính xác của mô hình .
