Mô hình gls là gì

     
Mục đích của không ít các nghiên cứu thực nghiệm trong kinh tế tài chính là lý giải mối quan hệ tình dục giữa một biến dựa vào Y, theo một hay các biến phân tích và lý giải (X(_1), X(_2), …, X(_k)). Để làm cho điều này, bọn họ muốn biết sự tác động ảnh hưởng của Xi lên Y như vậy nào, cả chiều hướng lẫn độ khủng của tác động. Trả lời câu hỏi này, chúng ta phải tích lũy mẫu để có được kết quả ước lượng ko chệch ảnh hưởng tác động của X lên Y. Để tác dụng ước lượng là không thiên chệch đòi hỏi họ phải kiểm soát các thay đổi nhiễu, cả những biến quan sát được lẫn những biến không quan sát được. Đối với các biến nhiễu quan liền kề được, bạn có thể sử dụng quy mô hồi quy đường tính nhiều biến cổ điển (MCLR). Đối với những biến nhiễu không quan ngay cạnh được, tuỳ vào điểm sáng khác nhau giữa các đối tượng người dùng và thời gian mà chúng ta lựa chọn quy mô hồi quy tác động thắt chặt và cố định hay tác động ngẫu nhiên. Cả hai mô hình hồi quy này đòi hỏi họ phải sử dụng dữ liệu bảng.

Bạn đang xem: Mô hình gls là gì

Bạn sẽ xem: Các mô hình gls là gì, Định nghĩa, ví dụ, giải thích


*

Bài viết này tập trung trình bày nguyên tắc của các phương pháp ước lượng tài liệu bảng chứ không hề đi sâu vào các vấn đề về giấy tờ thủ tục kiểm định liên quan.Mô hình hồi tác động cố định (Fixed-effects) và ảnh hưởng tác động ngẫu nhiên (random-effects) được áp dụng trong phân tích tài liệu bảng (đôi khi nói một cách khác là dữ liệu dài: longitudinal data). Dữ liệu bảng là sự phối kết hợp của dữ liệu chéo (cross-section) và dữ liệu thời hạn (time series). Để tích lũy dữ liệu bảng, họ phải tích lũy nhiều đối tượng người sử dụng (units) giống nhau trong và một hoặc những thời điểm. Chẳng hạn, chúng ta có thể thu thập những dữ liệu của cùng những cá nhân, công ty, trường học, thành phố, quốc gia… vào giai đoạn từ thời điểm năm 2000 cho 2014.Sử dụng tài liệu bảng gồm hai ưu điểm lớn như: i) dữ liệu bảng đến các kết quả ước lượng những của tham số trong mô hình tin cậy hơn; ii) tài liệu bảng mang lại phép bọn họ xác định và tính toán tác động nhưng những tác động ảnh hưởng này cấp thiết được xác minh và đo lường và tính toán khi áp dụng sử dụng chéo hoặc tài liệu thời gian.Xét một quan hệ kinh tế, với đổi thay phụ thuộc, Y, cùng hai biến lý giải quan cạnh bên được, X(_1)và X(_2), với một hoặc nhiều thay đổi không quan gần kề được. Chúng ta có dữ liệu bảng mang đến Y, X(_1), cùng X(_2). Dữ liệu bảng bao hàm N-đối tượng cùng T-thời điểm, và bởi vậy chúng ta có NxT quan lại sát. Quy mô hồi quy tuyến tính truyền thống không có hệ số cắt được xác minh bởi:Y(_it)= β(_1)X(_it1)+ β(_2)X(_it2)+ μ(_it)với i = 1, 2, …, N với t = 1, 2, …, Ttrong kia Y(_it)là cực hiếm của Y cho đối tượng người sử dụng i ở thời gian t; X(_it1)là quý hiếm của X(_1)cho đối tượng người tiêu dùng i ở thời khắc t, X(_it2)là giá trị của X(_2)cho đối tượng i ở thời điểm t, và μ(_it)là sai số của đối tượng i ở thời khắc t. Quy mô hồi quy tác động ảnh hưởng cố định, là 1 trong những dạng mở rộng của mô hình hồi quy con đường tính cổ điển, được đến bởi:trong kia μ(_it)= ν(_i)+ ε(_it). Không đúng số của mô hình hồi quy tuyến tính cổ xưa được tách làm nhị thành phần. Nguyên tố ν(_i)đại diện cho những yếu tố ko quan giáp được khác nhau giữa các đối tượng nhưng không đổi khác theo thời gian. Yếu tắc ε(_it)đại diện cho phần đông yếu tố không quan ngay cạnh được không giống nhau giữa các đối tượng người tiêu dùng và biến đổi theo thời gian.Đối với mô hình xác định mức lương lao động, Y(_it)là nấc lương của tín đồ lao cồn i tại thời điểm t; Xit1 là trình độ giáo dục của lao động i tại thời điểm t, X(_it2)là kinh nghiệm tay nghề của fan lao động i tại thời gian t, và α(_i)là tác động của tài năng bẩm sinh lên tới mức lương của bạn lao đụng i, đưa định rằng kĩ năng bẩm sinh là yếu đuối tố không quan liền kề được duy nhất ảnh hưởng lên nút lương (và không biến đổi theo thời gian). Với cở mẫu mã là 1000 tín đồ lao đụng (N = 1.000) được điều tra khảo sát trong thời gian 3 năm (T = 3). Vày vậy, ta có, NxT = 3,000 quan liêu sát. Quy mô tác động thắt chặt và cố định này sẽ có 1.002 thông số hồi quy (1.000 hệ số α(_i), 1 hệ số của biến trình độ chuyên môn giáo dục với 1 hệ số của phát triển thành kinh nghiệm) và có bậc tự do là 1998 (3.000 – 1.002 = 1.998).Có hai cách thức ước lượng được thực hiện để mong lượng các tham số của mô hình tác động nạm định. I) Ước lượng hồi quy biến hóa giả về tối thiểu LSDV cùng với mỗi đổi mới giả là đại diện cho mỗi đối tượng quan cạnh bên của mẫu. Ii) Ước lượng tác động cố định và thắt chặt (Fixed effects estimator
).Khi N lớn, việc sử dụng ước lượng LSDV sẽ tương đối cồng kềnh hoặc không khả thi. Chẳng hạn, giả sử bọn họ muốn cầu lượng tế bào hình xác minh lương. Họ có mẫu N = 1000 bạn lao động. Để áp dụng ước lượng LSDV, chúng ta sẽ cần tạo nên 1000 thay đổi giả cùng chạy hồi quy OLS cho hơn 1000 biến. Vào trường hòa hợp như vậy, cầu lượng tác động cố định và thắt chặt sẽ tương thích hơn.Nguyên tắc của ước lương tác động thắt chặt và cố định được hiểu như sau. Để reviews tác hễ nhân quả của các biến chủ quyền X(_1)và X(_2)lên biến dựa vào Y, cầu lượng tác động cố định và thắt chặt sử dụng sự biến hóa trong X(_1), X(_2), và Y theo thời gian. Hotline Z(_i)kí hiệu mang đến một vươn lên là không quan sát được không giống nhau giữa các đối tượng người dùng nhưng không đổi theo thời hạn và do vậy bao hàm cả phần không nên số trong đó. Cũng chính vì Z(_i)không chuyển đổi theo thời hạn nênnó không thể gây ra bất kì sự thay đổi nào trong(Y_it); Sở dĩ bởi vậy là vì chưng không chuyển đổi theo thời gian, Z(_i)không thể giải thích bất kì sự thay đổi nào trong(Y_it)theo thời gian. Bởi vậy, sa thải tác động cố định và thắt chặt của Z(_i)lên(Y_it)bằng giải pháp sử dụng dữ liệu sự thay đổi trong (Y_it) theo thời gian.Ví dụChúng ta không thể đưa thêm những biến như giới tính, nhan sắc tộc như thể biến lý giải trong quy mô tác động cố định để khẳng định mức lương, chính vì những biến đổi này không giống nhau một trong những người lao động tuy vậy không biến hóa theo thời gian. Trường hợp mẫu điều tra của họ chỉ bao hàm những bạn lao cồn đã xong xuôi việc học, thì chuyên môn học vấn vẫn khác nhau giữa những người lao động tuy thế lại không đổi khác theo thời gian. Vào trường thích hợp này, chúng ta không thể sử dụng quy mô tác động thắt chặt và cố định để cầu lượng ảnh hưởng tác động của giáo dục và đào tạo lên nút lương.Xét một quan hệ kinh tế gồm 1 biến phụ thuộc, Y, cùng hai biến giải thích quan cạnh bên được, X(_1)và X(_2). Họ có tài liệu bảng mang lại Y, X(_1), và X(_2). Dữ liệu bảng gồm bao gồm N đối tượng người dùng và T thời điểm, và bởi vậy họ có NxT quan sát. (Y_it)= β(_1)(X_it1)+ β(_2)(X_it2)+ ν(_i)+ (ε_it)với i = 1, 2, …, N với t = 1, 2, …, TTrong đó, không đúng số cổ điển được chia làm 2 thành phần. Yếu tố ν(_i)đại diện mang đến tất các các yếu ớt tố không quan giáp được mà đổi khác giữa các đối tượng người sử dụng nhưng không biến hóa theo thời gian. Yếu tắc εit đại diện cho toàn bộ các yếu đuối tố ko quan gần kề được mà chuyển đổi giữa các đối tượng và thời gian. Trả sử rằng v(_i)được mang lại bởi:Trong đó, v(_i)lại được phân chia làm hai thành phần: i) thành phần bất định a(_0), ii) thành phần bỗng dưng ω(_i).Giả định rằng, ωi cho mỗi đối tượng được rút ra từ 1 phân phối xác suất hòa bình với giá trị trung bình bằng 0 với phương không nên không đổi, đó là, E(ω(_i)) = 0 Var(ω(_i)) = sω2 Cov(ωi,ωs) = 0 N biến đột nhiên ωi được gọi ảnh hưởng ngẫu nhiên (random effects).Mô hình tác động ảnh hưởng ngẫu nhiên có thể được viết lại: (Y_it)=α(_0)(X_it1)+ β(_2)(X_it2)+μ(_it)Trong đóμ(_it)= ω(_i)+ ε(_it). Một mang định quan trọng trong mô hình tác động thiên nhiên là thành phần sai số μit không đối sánh với bất kì biến giải thích nào trong tế bào hình.Ước lượng OLS cho mô hình tác động đột nhiên sẽ cho các tham số ước lượng không chệch mà lại lại không hiệu quả. Rộng nữa, những ước lượng của không nên số chuẩn chỉnh và vì vậy thống kê t sẽ không thể chính xác. Sở dĩ vậy nên là bởi vì ước lượng OLS bỏ lỡ sự tự đối sánh tương quan trong thành phần sai số μit. Để hiệu quả ước lượng ko chệch và hiệu quả, bạn có thể sử dụng ước lượng GLS khả thi (FGLS) để khắc phục hiện tượng sai số nhiễu tự tương quan. Ước lượng FGLS còn gọi là ước lượng tác động ảnh hưởng ngẫu nhiên (Random effects estimator).

Xem thêm: Lil Tay Là Ai - Lil Tay Đã Biến Mất Khỏi Instagram Và Youtube

Ngoài hai phương pháp tác động cố định và tác động ngẫu nhiên, trong một số trường phù hợp nhà phân tích vẫn sử dụng ước lượng OLS thô (Pooled OLS) cho dạng dữ liệu tích lũy này.Ước lượng thô là mong lượng OLS bên trên tập tài liệu thu được của các đối tượng người dùng theo thời gian, do thế nó xem tất cả các thông số đều không chuyển đổi giữa các đối tượng khác nhau và không biến đổi theo thời gian (Gujarati, 2004 trang 641).

Xem thêm: Chồng Của Lâm Vỹ Dạ - Vợ Chồng Lâm Vỹ Dạ Là Ai

Câu hỏi đặt ra là mô hình nào đã là mô hình phù hợp: Pooled OLS, FE tuyệt RE. Sự tương xứng của cầu lượng tác động ngẫu nhiên và tác động thắt chặt và cố định được kiểm bệnh trên cơ sở đối chiếu với ước lượng thô.Cụ thể, ước lượng tác động cố định và thắt chặt được kiểm chứng bằng kiểm định F với trả thuyết H0 đến rằng tất cả các hệ số vi đều bởi 0 (nghĩa là không có sự khác biệt giữa các đối tượng người sử dụng hoặc các thời điểm không giống nhau). Bác bỏ bỏ giả thuyết H0 cùng với mức chân thành và ý nghĩa cho trước (mức chân thành và ý nghĩa 5% chẳng hạn) sẽ cho thấy ước lượng tác động cố định và thắt chặt là phù hợp. Đối với mong lượng tác động ngẫu nhiên, cách thức nhân tử Lagrange (LM) với kiểm nghiệm Breusch-Pagan được áp dụng để kiểm chứng tính phù hợp của mong lượng (Baltagi, 2008 trang 319). Theo đó, đưa thuyết H0 cho rằng sai số của mong lượng thô không bao hàm các lệch lạc giữa các đối tượng người sử dụng var(vi) = 0 (hay phương sai thân các đối tượng người sử dụng hoặc những thời điểm là ko đổi). Bác bỏ giả thuyết H0, cho biết sai số trong cầu lượng có bao hàm cả sự lệch lạc giữa những nhóm, và phù hợp với cầu lượng tác động ngẫu nhiên.Kiểm định Hausman sẽ tiến hành sử dụng nhằm lựa chọn phương thức ước lượng tương xứng giữa hai phương thức ước lượng tác động thắt chặt và cố định và tác động ảnh hưởng ngẫu nhiên (Baltagi, 2008 trang 320; Gujarati, 2004 trang 652). Giả thuyết H0 mang đến rằng không tồn tại sự đối sánh giữa không đúng số đặc thù giữa các đối tượng người sử dụng (vi) với những biến giải thích Xit trong mô hình. Ước lượng RE là phù hợp theo giả thuyết H0 tuy thế lại không phù hợp ở giả thuyết cụ thế. Ước lượng fe là thích hợp lý cho cả giả thuyết H0 cùng giả thuyết cố thế. Tuy nhiên, trong trường hợp trả thuyết H0 bị bác bỏ thì cầu lượng tác động cố định và thắt chặt là cân xứng hơn so với ước lượng ảnh hưởng ngẫu nhiên. Ngược lại, chưa có đủ vật chứng để chưng bỏ H0 tức thị không chưng bỏ được sự đối sánh tương quan giữa không nên số và những biến giải thích thì mong lượng tác động cố định không còn tương xứng và mong lượng ngẫu nhiên sẽ ưu tiên được sử dụng.6. KẾT QUẢSử dụng ứng dụng STATA mang đến tập dữ liệumus08psidextract.dtavới dữ liệu bảng thăng bằng 4165 quan tiền sát bao gồm 7 giai đoạn thời hạn (T=7) với 595 đối tượng người sử dụng người lao cồn (n=595). Hiệu quả ước lượng nấc lương của người lao đụng (lwage) theo số năm kinh nghiệm tay nghề (exp), số năm kinh nghiệm bình phương (exp2), số giờ thao tác làm việc trong tuần (wks) với số năm tới trường của fan lao cồn (ed) theo 3 quy mô Pooled OLS, Fixed effect (FE) và Random effect (RE) được mô tả như sau:

cf68