thuchanh fgls(in)

THỰC HÀNH SỬ DỤNG HÀM TRONG EVIEW

Vào Genr

Hàm Câu lệnh VD Diễn giải/Kết quảTuyệt đối @abs(x) @abs(-3) = = 3Mũ @exp(x) @exp(1) =e1 =2,71813ln @log(x) @log(2.71813) = ln(2,71813) 1Lg (log cơ số 10) @log10(x) @log10(100) = Logbx @log(x,b) @log(256,2) = log2256 = 8Căn @sqr(x) @sqr(9) =

THỰC HÀNH PHƯƠNG SAI SAI SỐ THAY ĐỔI

Khắc phục phương sai sai số thay đổi bằng ước lượng Bình phương tổi thiểu tổng quát khả thi (FGLS).Các bước thực hiện ước lượng FGLS. (trang 345)

Phương pháp FGLS cũng là ước lượng bình phương tối thiểu có trọng số , với t không biết trước,

do đó trước tiên phải có các ước lượng của t ( hay tìm ). Với mỗi công thức phương sai được đề xuất bởi Glesjer, Breusch – Pagan, Harvey – Godfrey và White ta có t ước lượng khác nhau hay trọng số khác nhau.Vậy mỗi kiểm định ta có một trọng số.

VD: Sử dụng Data 8-1 Ranamathan

Mô hình hồi quy (1)Yêu cầu:

1) Kiểm định có phương sai sai số thay đổi? Bằng kiểm định Glesjer, Breusch – Pagan, Harvey – Godfrey và White

2) Khắc phục bằng ước lượng FGLS cho từng công thức phương sai của Glesjer, Breusch – Pagan, Harvey – Godfrey và White

I. Kiểm định GLESJER

Công thức tính phương sai t = a1 + a2Z2t + a3Z3t + … + apZpt

Hồi quy phụ = a1 + a2X2t + a3X3t + … + apXpt = a1 + a2YEARS + a3YEARS2

1. Tạo biến ln(SALARY) genr lnsalary=LOG(salary)

2. Hồi quy (1) ls lnsalary c years years^2

3. Kiểm định xem có phương sai của sai số thay đổi không?

3.1. Tính phần dư genr uhat =resid

1

3.2. Tạo genr absuhat=abs(uhat)

3.3. Hồi quy phụ ls absuhat c years years^2 . Từ hồi quy phụ tìm R2hq phụ

4. Khắc phục bằng FGLS

4.1. Ước lượng absuhat1=absuhat forecast (absuhat1 là giá trị dự báo của absuhat)Đây là ước (t ước lượng) của đặc trưng Glesjer.Vì trọng số >0 do đó >0. Sau khi dự báo absuhat ta mở absuhat1 lên xem có quan sát nào âm không. Nếu quan sát nào có giá trị âm ta thay nó bằng absuhat tương ứng. Mà absuhat thì chắc chắn dương.

absuhat absuhat10.0986529 0.0452970.0594322 0.0452970.0594322 0.0452970.0757303 -0.058797 < 0 Ta thay -0,058797 bằng 0,0757303

0.0757303 0.0587970.0662515 -0.058797 < 0 Ta thay -0,058797 bằng 0,0662515

0.0088826 0.0587970.0224489 0.0587970.0224489 0.0587970.037264 0.058797

0.0720555 0.0717020.0350142 0.071702

Ta tạo biến absuhat2 là biến absuhat1 đã thay các giá trị âm. Để thực hiện việc thay thế này ta tạo biến giả d nếu quan sát nào của absuhat1>0 thì mang giá trị 1 ngược lại quan sát nào của absuhat1<0 mang giá trị 0.

absuhat absuhat1 d

0.0986529 0.045297 1

0.0594322 0.045297 1

0.0594322 0.045297 1

0.0757303 -0.058797 0

0.0757303 0.058797 1

0.0662515 -0.058797 0

0.0088826 0.058797 1

0.0224489 0.058797 1

0.0224489 0.058797 1

0.037264 0.058797 1

0.0720555 0.071702 1

0.0350142 0.071702 1

genr d=absuhat1>0genr absuhat2 = (d*absuhat1) + (1-d)*asbuhat

sẽ là absuhat1 nếu toàn bộ quan sát > 0. là absuhat2 nếu absuhat1 có quan sát <0

4.2. Khi đã có ta tính trọng số

2

genr wt1=1/absuhat1 nếu toàn bộ quan sát > 0genr wt1=1/absuhat2 nếu absuhat1 có quan sát <0

4.3. Hồi quy bằng bình phương tối thiểu có trọng số wt1

THỰC HÀNH



Dependent Variable: LNSALARYMethod: Least SquaresDate: 12/04/07 Time: 07:22Sample: 1 222Included observations: 222

Variable Coefficient Std. Error t-Statistic Prob. C 3.809365 0.041338 92.15104 0.0000

YEARS 0.043853 0.004829 9.081645 0.0000YEARS^2 -0.000627 0.000121 -5.190657 0.0000

R-squared 0.536179 Mean dependent var 4.325410Adjusted R-squared 0.531943 S.D. dependent var 0.302511S.E. of regression 0.206962 Akaike info criterion -0.299140Sum squared resid 9.380504 Schwarz criterion -0.253158Log likelihood 36.20452 F-statistic 126.5823Durbin-Watson stat 1.618981 Prob(F-statistic) 0.000000

3.3. Hồi quy phụ ls absuhat c years years^2

Dependent Variable: ABSUHATMethod: Least SquaresDate: 12/04/07 Time: 07:28Sample: 1 222Included observations: 222


YEARS 0.014392 0.002812 5.118277 0.0000

3

YEARS^2 -0.000298 7.04E-05 -4.227328 0.0000R-squared 0.130283 Mean dependent var 0.160558Adjusted R-squared 0.122340 S.D. dependent var 0.128647S.E. of regression 0.120521 Akaike info criterion -1.380563Sum squared resid 3.181048 Schwarz criterion -1.334580Log likelihood 156.2424 F-statistic 16.40300Durbin-Watson stat 1.961810 Prob(F-statistic) 0.000000

R2hq phụ = 0,130283

Dùng kiểm định LM = nR2hồi quy phụ = 222 0,130283 = 6,92

Nếu nR2hồi quy phụ > χ2

2 (10%) Bác bỏ H0

χ22 (10%) = CHIINV(10%,2) = 4,60517

nR2hồi quy phụ > χ2

2 (10%) Có hiện tượng phương sai sai số thay đổi

Khắc phục

Ước lượng chính là tìm giá trị dự báo của absuhat.Sử dụng hồi quy của ls absuhat c years years^2 sau đó tìm giá trị dự báo của absuhat.

Mở absuhat1 lên xem có quan sát nào âm không?

4

ChọnForecast

May mắn là không có giá trị nào âm. Do đó là absuhat1

4.2. Tính trọng số

4.3. Hồi quy ls lnsalary c years years^2 có trọng số wt1

Quick/Estimate Equation…

5

6

Chọn Options

Trọng số wt1

Dependent Variable: LNSALARYMethod: Least SquaresDate: 12/04/07 Time: 08:08Sample: 1 222Included observations: 222Weighting series: WT1White Heteroskedasticity-Consistent Standard Errors & Covariance


YEARS 0.036555 0.003803 9.611956 0.0000YEARS^2 -0.000407 0.000114 -3.583774 0.0004

Weighted StatisticsR-squared 0.991118 Mean dependent var 4.241177Adjusted R-squared 0.991037 S.D. dependent var 1.799904S.E. of regression 0.170401 Akaike info criterion -0.687901Sum squared resid 6.359008 Schwarz criterion -0.641919Log likelihood 79.35699 F-statistic 301.7902Durbin-Watson stat 1.538188 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.527311 Mean dependent var 4.325410Adjusted R-squared 0.522994 S.D. dependent var 0.302511S.E. of regression 0.208931 Sum squared resid 9.559851Durbin-Watson stat 1.589499

II. Kiểm định Breusch – Pagan

Công thức tính phương sai t2 = a1 + a2Z2t + a3Z3t + … + apZpt

Hồi quy phụ ȗt2= a1 + a2X2t + a3X3t + … + apXpt

ȗt2= a1 + a2YEARS + a3YEARS2





3.2. Tạo ȗt2 genr usq=uhat^2

3.3. Hồi quy phụ ls usq c years years^2 . Từ hồi quy phụ tìm R2hq phụ


4.1. Ước lượng usqhat1=usq forecast (usqhat1 là giá trị dự báo của usq)Vì trọng số >0 do đó >0. Sau khi dự báo usq ta mở usqhat1 lên xem có quan sát nào âm không. Nếu quan sát nào có giá trị âm ta thay nó bằng usq tương ứng. Mà usq thì chắc chắn dương.

usq usqhat10.0986529 0.0452970.0594322 0.045297

7

0.0757303 -0.0587970.0757303 0.058797 < 0 Ta thay -0,058797 bằng 0,0757303

0.0662515 -0.0587970.0088826 0.058797 < 0 Ta thay -0,058797 bằng 0,0662515

0.0350142 0.071702

Ta tạo biến usqhat2 là biến usqhat1 đã thay các giá trị âm. Để thực hiện việc thay thế này ta tạo biến giả d1 nếu quan sát nào của usqhat1>0 thì mang giá trị 1 ngược lại quan sát nào của usqhat1<0 mang giá trị 0.

usq usqhat1 d10.0986529 0.045297 10.0594322 0.045297 1

0.0757303 -0.058797 0

0.0757303 0.058797 1

0.0662515 -0.058797 0

0.0088826 0.058797 1

0.0350142 0.071702 1

genr d1=usquhat1>0genr usqhat2 = (d1*usqhat1) + (1-d1)*usq

usqhat1 là nếu toàn bộ quan sát > 0. là usqhat2 nếu absuhat1 có quan sát <0

4.2. Khi đã có ta tính trọng số, wt2=

genr wt2=1/(sqr(usqhat1)) nếu toàn bộ quan sát của usqhat1> 0genr wt2=1/(sqr(usqhat2)) nếu absuhat1 có quan sát <0


THỰC HÀNH

Bước (1), (2) và (3.1) tương tự như kiểm kiểm định Glesjer

3.2. Tạo ȗt2

8

3.3. Hồi quy phụ ls usq c years years^2 . Từ hồi quy phụ tìm R2hq phụ

Dependent Variable: USQMethod: Least SquaresDate: 12/04/07 Time: 10:06Sample: 1 222Included observations: 222

Variable Coefficient Std. Error t-Statistic Prob. C -0.011086 0.013473 -0.822858 0.4115

YEARS 0.006084 0.001574 3.865764 0.0001YEARS^2 -0.000129 3.94E-05 -3.270700 0.0012


R2hq phụ = 0,074714

Dùng kiểm định LM = nR2hồi quy phụ = 222 0,074714 = 16,58


2 (10%) Bác bỏ H0

χ22 (10%) = CHIINV(10%,2) = 4,60517



Khắc phục

Ước lượng chính là tìm giá trị dự báo của usq.Sử dụng hồi quy của ls usq c years years^2 sau đó tìm giá trị dự báo của usq là usqhat1.

9

Mở usqhat1 lên xem có quan sát nào âm không?

usqhat1 có giá trị âm. Thay các giá trị âm bằng usq gốc tương ứng

10

4.2. Tính trọng số





YEARS 0.031090 0.003609 8.614960 0.0000YEARS^2 -0.000239 0.000111 -2.145590 0.0330

Weighted StatisticsR-squared 0.998551 Mean dependent var 4.210378

12

Adjusted R-squared 0.998537 S.D. dependent var 4.042176S.E. of regression 0.154593 Akaike info criterion -0.882624Sum squared resid 5.233862 Schwarz criterion -0.836642Log likelihood 100.9713 F-statistic 533.1350Durbin-Watson stat 1.504674 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.508586 Mean dependent var 4.325410Adjusted R-squared 0.504098 S.D. dependent var 0.302511S.E. of regression 0.213029 Sum squared resid 9.938558Durbin-Watson stat 1.529937

III. Kiểm định White

Công thức tính phương sai t2 = a1 + a2Z2t + a3Z3t + a4Z2t

2 + a5Z3t2 + a6Z2tZ3t

Hồi quy phụ ȗt2 = a1 + a2X2t + a3X3t + a4X2t

2 + a5X3t2 + a6X2tX3t

ȗt2 = a1 + a2YEARS + a3YEARS2 + a4YEARS2 + a5YEARS4 + a6 YEARS3

ȗt2 = a1 + a2YEARS + (a3 + a4)YEARS2 + a5YEARS4 + a6 YEARS3





3.2. Tạo ȗt2 genr usq=uhat^2

3.3. Hồi quy phụ ls usq c years years^2 years^3 years^4. Từ hồi quy phụ tìm R2hq phụ


4.1. Ước lượng usqhat3=usq forecast (usqhat3 là giá trị dự báo của usq)Nếu usqhat3 có quan sát mang giá trị âmTa tạo biến usqhat4 là biến usqhat3 đã thay các giá trị âm của usq gốc tương ứnggenr d2=usquhat3>0genr usqhat4 = (d2*usqhat3) + (1-d2)*usqusqhat3 là nếu toàn bộ quan sát > 0. là usqhat4 nếu absuhat3 có quan sát <0

4.2. Khi đã có ta tính trọng số wt3=

genr wt3=1/(sqr(usqhat3)) nếu toàn bộ quan sát của usqhat3> 0genr wt3=1/(sqr(usqhat4)) nếu usqhat3 có quan sát mang giá trị <0


THỰC HÀNH

Bước (1), (2) và (3.1) tương tự như kiểm kiểm định Glesjer

13

3.2. Tạo ȗt2 (như kiểm định Breusch – Pagan)

3.3. Hồi quy phụ ls usq c years years^2 years^3 years^4

Từ hồi quy phụ tìm R2hq phụ

Dependent Variable: USQMethod: Least SquaresDate: 12/04/07 Time: 16:50Sample: 1 222Included observations: 222


YEARS 0.000167 0.007960 0.020995 0.9833YEARS^2 0.000647 0.000730 0.885913 0.3766YEARS^3 -3.26E-05 2.52E-05 -1.296647 0.1961YEARS^4 4.22E-07 2.88E-07 1.467297 0.1437


R2hq phụ = 0.090076

Dùng kiểm định LM = nR2hồi quy phụ = 222 0.090076 = 19,99


2 (10%) Bác bỏ H0

χ22 (10%) = CHIINV(10%,2) = 4,60517



Cách khác để kiểm định phương sai sai số thay đổi White mà không cần hồi quy phụ

Open mô hình hồi quy gốc (1) ls lnsalary c years years^2

14

Vào View/Residual Tests/Heteroskedasticity (cross terms) (cross terms sử dụng dữ liệu chéo)

White Heteroskedasticity Test:F-statistic 5.370347 Probability 0.000384Obs*R-squared 19.99682 Probability 0.000500

Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/04/07 Time: 16:57Sample: 1 222Included observations: 222


YEARS 0.000167 0.007960 0.020995 0.9833YEARS^2 0.000647 0.000730 0.885913 0.3766

YEARS*(YEARS^2) -3.26E-05 2.52E-05 -1.296647 0.1961(YEARS^2)^2 4.22E-07 2.88E-07 1.467297 0.1437


Khắc phục

15

R2hồi quy phụ

LM= nR2hồi quy phụ

LM = nR2hồi quy phụ

= 19.99682

Tương ứng với xác suất là 0.05% < a.

Bác bỏ H0. Có hiện tượng phương sai sai số thay đổi.

4.1. Ước lượng

usqhat3=usq forecast. Mở hồi quy phụ theo White, sau đó dự báo

Mở usqhat3 xem có giá trị âm hay không?

usqhat3 có giá trị âm.

16

Ta tạo biến usqhat4 là biến usqhat3 đã thay các giá trị âm của usq gốc tương ứng

4.2. Tính trọng số wt3=



17



YEARS 0.036857 0.003164 11.64807 0.0000YEARS^2 -0.000451 8.98E-05 -5.028288 0.0000


Sau khi khắc phục ta có thể kiểm định lại xem còn có hiện tượng phương sai sai số thay đổi không?Từ mô hình hồi quy có trọng số, dùng kiểm định White để xem có hiện tượng phương sai sai số thay đổi không?

Lưu ý: trong Eview chỉ có thực hiện sẵn kiểm định White; còn kiểm định Glesjer, Harvey – Godfrey, Breusch – Pagan đều phải thực hiện hồi quy phụ.

18

White Heteroskedasticity Test:F-statistic 0.307873 Probability 0.872527Obs*R-squared 1.252758 Probability 0.869338

Test Equation:Dependent Variable: STD_RESID^2Method: Least SquaresDate: 12/04/07 Time: 20:05Sample: 1 222Included observations: 222White Heteroskedasticity-Consistent Standard Errors & Covariance


YEARS 0.002141 0.002833 0.755667 0.4507YEARS^2 -0.000160 0.000255 -0.628472 0.5304

YEARS*(YEARS^2) 4.99E-06 8.55E-06 0.583540 0.5601(YEARS^2)^2 -5.64E-08 9.51E-08 -0.592649 0.5540

R-squared 0.005643 Mean dependent var 0.022388Adjusted R-squared -0.012686 S.D. dependent var 0.028843S.E. of regression 0.029025 Akaike info criterion -4.219039Sum squared resid 0.182814 Schwarz criterion -4.142402Log likelihood 473.3133 F-statistic 0.307873Durbin-Watson stat 1.827864 Prob(F-statistic) 0.872527

19

Xác suất = 86,93% > a.Chấp nhận H0. Không có hiện tượng phương sai sai số thay đổi.

IV. Kiểm định Harvey - Godfrey

Công thức tính phương sai ln(t2) = a1 + a2Z2t + a3Z3t + … + apZpt

Hồi quy phụ ln(ȗt2) = a1 + a2X2t + a3X3t + … + apXpt

ln(ȗt2) = a1 + a2YEARS + a3YEARS2





3.2. Tạo ln(ȗt2) genr usq=uhat^2

genr lnusq=log(usq)

3.3. Hồi quy phụ ls lnusq c years years^2 . Từ hồi quy phụ tìm R2hq phụ


4.1. Ước lượng lnusq1=lnusq forecast (lnusq1 là giá trị dự báo của lnusq) genr usqhat5=exp(lnusq1) lấy đối log. Vì hàm mũ tạo ra giá trị dương, không có vấn đề về phương sai âm.usqhat5 là

4.2. Khi đã có ta tính trọng số wt4=

genr wt4=1/usqhat5


Dependent Variable: LNSALARYMethod: Least SquaresIncluded observations: 222Weighting series: WT4White Heteroskedasticity-Consistent Standard Errors & Covariance


YEARS 0.038215 0.003822 9.998903 0.0000YEARS^2 -0.000443 0.000111 -3.978129 0.0001


THỰC HÀNH TƯƠNG QUAN CHUỖI

20

Sử dụng Data9-1 trong Ranamathan. DEMAND Nhu cầu tiêu thụ kem tính trên đầu ngườiPRICE Giá kemINCOME Thu nhậpTEMP Nhiệt độ trung bình Mô hình hồi quy DEMAND = + PRICE + INCOME + TEMP + (2.1)

I. PHÁT HIỆN TƯƠNG QUAN CHUỖI BẰNG ĐỒ THỊ (chỉ có tính gợi ý không thay thế kiểm định)

1. Hồi quy mô hình ls c demand price income temp

2. Lấy phần dư (uhat) genr uhat = resid

3. Vẽ biểu đồ phân tán theo phần dư và thời gian (hay thứ tự)

THỰC HÀNH

1. Hồi quy mô hình ls c demand price income temp

Dependent Variable: DEMANDMethod: Least SquaresDate: 12/05/07 Time: 06:00Sample: 1 30Included observations: 30


PRICE -1.044414 0.834357 -1.251759 0.2218INCOME 0.003308 0.001171 2.823722 0.0090

TEMP 0.003458 0.000446 7.762213 0.0000R-squared 0.718994 Mean dependent var 0.359433Adjusted R-squared 0.686570 S.D. dependent var 0.065791S.E. of regression 0.036833 Akaike info criterion -3.641296Sum squared resid 0.035273 Schwarz criterion -3.454469Log likelihood 58.61944 F-statistic 22.17489Durbin-Watson stat 1.021170 Prob(F-statistic) 0.000000

2. Lấy phần dư (uhat) genr uhat = resid

21

3. Vẽ biểu đồ phân tán.

Vẽ biểu đồ cần có giá trị trục tung và trục hoành. Giá trị trục tung là uhat, giá trị trục hoành là thứ tự của các quan sát. Do đó ta tạo một biến mới là QUANSAT đánh vào thứ tự của quan sát từ 1 đến 30.

Quick/Empty Group (Edit Series)

Sau đó mở nhóm biến theo thứ tự là biến QUANSAT giữ Ctrl chọn tiếp biến uhat. Nhấp phải Open/as Group

View/Graph/Scatter/Simple Scatter.

22

-.08

-.04

.00

.04

.08

.12

0 4 8 12 16 20 24 28 32

QUANSAT

UHAT

II. KIỂM ĐỊNH

1. Kiểm định Durbin Watson

DEMAND = + PRICE + INCOME + TEMP +

ȗt = ρut-1 + νt (-1< ρ <1)

Giả thuyết

H0 ρ = 0 Không có TQC bậc 1H1 ρ ≠ 0 Có TQC bậc 1

Tìm trị thống kê DW. Hồi quy mô hình gốc, Eview đã tính DW = 1.021170

Tra bảng n = 30, a = 10%, dL = 1,15; dU = 1,46

Bác bỏ H0 có tương quan chuỗi bậc nhất

2. Kiểm định LM

2.1. Kiểm định tương quan chuỗi bậc nhất

DEMAND = + PRICE + INCOME + TEMP + (2.2)

Giả thuyết

0 dL dU 2 4- dU 4- dL 4

Chấp nhận H0

Không có TQC bậc 1

Khôngkết luận

Khôngkết luận

Bác bỏ H0

>0Tương quan

dương

Bác bỏ H0

<0Tương quan

âm

23

DW 1,15 1,46 2 2,54 2,85

H0 ρ = 0 Không có TQC bậc 1H1 ρ ≠ 0 Có TQC bậc 1

Hồi quy phụ uR = f(PRICE, INCOME, TEMP, ) R2hồi quy phụ

(n-p)R2hồi quy phụ > χ2

1 (a) Bác bỏ H0 Tương quan chuỗi bậc nhất p = 1

THỰC HÀNH

Hồi quy mô hình (2.2) cần tạo biến uhat_1 = uhat(-1) (= )

Hồi quy phụ ls uhat c PRICE INCOME TEMP uhat_1

Dependent Variable: UHATMethod: Least SquaresDate: 12/05/07 Time: 09:28Sample(adjusted): 2 30Included observations: 29 after adjusting endpoints


PRICE 0.151349 0.749510 0.201931 0.8417INCOME 0.000528 0.001073 0.492573 0.6268

TEMP -1.61E-05 0.000412 -0.039057 0.9692UHAT_1 0.399849 0.197035 2.029328 0.0537

R-squared 0.162213 Mean dependent var -0.002444Adjusted R-squared 0.022582 S.D. dependent var 0.032774S.E. of regression 0.032402 Akaike info criterion -3.865603Sum squared resid 0.025197 Schwarz criterion -3.629862Log likelihood 61.05124 F-statistic 1.161729Durbin-Watson stat 1.619757 Prob(F-statistic) 0.352303

R2hồi quy phụ = 0.162213 (n-p)R2

hồi quy phụ = 29 0.162213 = 4,7

χ21 (a) = CHIINV(10%,1) = 2,7

(n-p)R2hồi quy phụ > χ2

1 (a) Bác bỏ H0 Tương quan chuỗi bậc nhất

24

Cách khác không cần hồi quy phụ

Từ hồi quy gốc (2.1), ta mở mô hình này lên

25

Nếu tương quan chuỗi bậc nhất thì mô hình hồi quy sẽ là

DEMAND = + PRICE + INCOME + TEMP +

ls DEMAND c PRICE INCOME TEMP uhat_1

Dependent Variable: DEMANDMethod: Least SquaresDate: 12/05/07 Time: 11:22Sample(adjusted): 2 30Included observations: 29 after adjusting endpoints


PRICE -0.893065 0.749510 -1.191532 0.2451INCOME 0.003836 0.001073 3.576700 0.0015

TEMP 0.003442 0.000412 8.359575 0.0000UHAT_1 0.399849 0.197035 2.029328 0.0537


Mô hình hồi quy:

DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP + (2.2)

Nhưng không biết là mô hình (2.2) vừa mới ước lượng có còn hiện tượng tương quan chuỗi nữa không? Có nghĩa là có phân phối ngẫu nhiên chưa?

Từ mô hình (2.2) ta mở lên dùng kiểm định LM

26

Mô hình hồi quy

DEMAND = 0,1102 – 0,89PRICE + 0,0038INCOME + 0,0034TEMP +

27

thuchanh fgls(in)

Documents