tổng hợp những hồi quy dữ liệu bảng (data panel) phổ biến

14699327458 a9a41efa6f k 1024x654 - tổng hợp những hồi quy dữ liệu bảng (data panel) phổ biến

Tổng hợp những hồi quy dữ liệu bảng (data panel) phổ biến, trong nghiên cứu định lượng dữ liệu bảng có nhiều ưu điểm, trong đó quan trọng hơn cả là làm giảm đi sai số của mô hình, để được các nhà nghiên cứu áp dụng rộng rãi, hiện tại có rất nhiều nghiên cứu sử dụng mô hình định lượng thông dụng; Vậy những mô hình định lượng phổ biến nào mà người ta đang sử dụng trên dữ liệu bảng?

HỒI QUY DỮ LIỆU BẢNG

Trong nghiên cứu định lượng việc dùng dữ liệu bảng được sử dụng rất rộng rãi trong nghiên cứu nhưng, họ có nhiều mô hình định lượng trong nghiên cứu, nhưng có 4 mô hình nghiên cứu định lượng được sử dụng phổ biến nhất đó là: hồi quy fem rem, hồi quy GMM, hồi quy FMOLS, hồi quy DID. Bây giờ chúng ta cùng xem xét lướt qua những hồi quy cơ bản này.

Hồi quy FEM REM

Đây là mô hình cơ bản nhất trong hồi quy dữ liệu panel, nó sẽ ước lượng 3 mô hình định lượng thông dụng là OLS ( Bình phương nhỏ nhất – Ordinary Least Squares), REM ( Mô hình hiệu ứng ngẫu nhiên – Random Effect Model), FEM ( Mô hình hiệu ứng cố định – Fixed Effect Model); và lựa chọn mô hình nào hiệu quả tốt nhất cho ước lượng.

Mô hình hồi quy dữ liệu cắt ngang bảng thường dùng còn được gọi nhiều tên khác nhau như: hồi quy panel, hồi quy dữ liệu bảng, hồi quy FEM REM. Mô hình cơ bản này tốt

ĐỌC:  Bài báo khoa học P5: Bàn luận kết quả nghiên cứu

Ta tóm tắt cốt lõi của 3 hồi quy này cho ngắn gọn ( còn đọc các khái niệm của nó rất dong dài và khó hiểu):

  • Hồi quy OLS: hồi quy ước lượng cho sai số nhỏ nhất
  • Hồi quy FEM: hồi quy ước lượng cho sai số cố định
  • Hồi quy REM: hồi quy ước lượng cho sai số ngẫu nhiên

Hồi quy GMM

Hồi quy GMM ( Generalized method of moments) là một mô hình thông dụng trong kinh tế, nhằm khắc phục hiện tượng nội sinh, nên được rất nhiều nhà kinh tế sử dụng và ước lượng.

Phương pháp tổng quát hóa thời điểm (GMM) là một phương pháp ước tính đơn giản và linh hoạt về mặt khái niệm, ngày càng đóng một vai trò quan trọng trong nghiên cứu thực nghiệm về kinh tế học trong hơn 30 năm qua. Ứng dụng của GMM yêu cầu sự sẵn có của cái gọi là phương trình thời điểm hoặc điều kiện thời điểm. Cần có ít nhất bao nhiêu phương trình mô men khi có các tham số được ước lượng. 

Nếu điều kiện này được thỏa mãn (cộng với một số điều kiện thường xuyên), việc áp dụng GMM về nguyên tắc là đơn giản và cung cấp các công cụ ước tính cho các tham số nhất quán và tiệm cận bình thường. Ngoài ra, nếu muốn, các công cụ ước lượng có thể được thực hiện hiệu quả về mặt tiệm cận dựa trên các phương trình mô men có sẵn, nghĩa là có phương sai có thể đạt được thấp nhất hoặc tiệm cận có độ chính xác cao nhất.

Hồi quy FMOLS với hồi quy dữ liệu bảng

Hồi quy FMOLS ( Fully modified Ordinary Least Squares), mô hình này mình tạm dịch là hồi quy bình phương nhỏ nhất hiệu chỉnh đầy đủ. FMOLS phù hợp khi tất cả các biến đạt được trạng thái ổn định sau khi sai phân lần đầu tiên và đồng thời tích hợp (Mehmood & Shahid, 2014). Kỹ thuật này sửa đổi OLS để tính đến mối tương quan nối tiếp và kiểm tra tính chất nội tại trong các bộ hồi quy là kết quả của sự tồn tại của mối quan hệ đồng liên kết(Aljebrin, 2012). Phương pháp này tạo ra các ước tính đáng tin cậy cho cỡ mẫu nhỏ và cung cấp kiểm tra tính chắc chắn của kết quả (Bashier & Siam, 2014).

ĐỌC:  Bài báo khoa học P4: Kết quả nghiên cứu

Phương pháp này tạo ra các ước tính đáng tin cậy cho cỡ mẫu nhỏ và cung cấp kiểm tra tính chắc chắn của kết quả (Bashier & Siam, 2014). Kỹ thuật này sử dụng các bộ ước lượng hạt nhân của các tham số Nuisance ảnh hưởng đến phân phối tiệm cận của bộ ước lượng OLS.

Hồi quy DID

Đây là hồi quy mới được nhiều nhà kinh tế học hiện đại sử dụng, với nhiều ưu điểm vượt trội về tính năng, đặc biệt là sử dụng hiệu quả hơn về vấn đề thời gian .

Sự khác biệt về sự khác biệt (DID) cung cấp một kỹ thuật không có kinh nghiệm để ước tính hiệu quả điều trị trung bình trên bệnh nhân được điều trị (ATET) bằng cách so sánh sự khác biệt theo thời gian về sự khác biệt giữa kết quả trung bình trong nhóm chứng và nhóm điều trị. Do đó, sự khác biệt tên trong sự khác biệt. Kỹ thuật này kiểm soát thời gian không quan sát được và các đặc điểm nhóm làm ảnh hưởng của điều trị lên kết quả.

Sự khác biệt về sự khác biệt trong sự khác biệt (DDD) thêm một nhóm kiểm soát vào khuôn khổ DID để giải thích cho các tương tác nhóm đặc trưng thời gian và nhóm không thể quan sát được mà DID có thể không nắm bắt được. Nó tăng cường DID với một sự khác biệt khác cho nhóm điều khiển mới. Do đó, sự khác biệt tên trong sự khác biệt trong sự khác biệt.

Ví dụ về hiệu quả điều trị bao gồm kiểm tra tác động của chế độ điều trị bằng thuốc đối với huyết áp, thủ thuật phẫu thuật đối với khả năng vận động, chương trình đào tạo về việc làm hoặc chiến dịch quảng cáo về bán hàng.

Tổng kết

Trên đây là những mô hình hồi quy dữ liệu panel thông dụng nhất, nếu bạn gặp bất cứ khó khăn nào về hồi quy hay data chạy mô hình dữ liệu bảng, các bạn đừng ngần ngại hãy liên hệ ngay với chúng tôi để được tư vấn và hỗ trợ với chi phí hợp lí nhất.

ĐỌC:  Cách phân tích thống kê mô tả dữ liệu

Ngoài những mô hình trên, nếu bạn gặp khó khăn với các mô hình khác nữa, thì cũng liên lạc với chúng tôi để được hỗ trợ.

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *