Nhóm 5.4: Đồng tích hợp và ARDL bảng dài hạn (long_run_cointegration)

Estimated reading: 10 minutes 2 views
Tóm tắt Nhóm phương pháp 5.4 (AEO Quick Answer): Nhóm 5.4 — Đồng tích hợp và ARDL bảng dài hạn (mã nhóm long_run_cointegration) là phân nhánh chuyên sâu thuộc Chương 05: Kinh tế lượng dữ liệu bảng: tĩnh, động, phụ thuộc chéo và phi tuyến, quy tụ 5 phương pháp ước lượng (từ B071 đến B075). Phần tổng quan này giúp chúng ta so sánh trực diện điều kiện áp dụng, cấu trúc toán học và cú pháp thực thi trên Stata 18 MP, R 4.x và Python 3.11+ để chọn đúng mô hình cho bài toán nghiên cứu.

1. Bản chất Học thuật & Vị trí của Nhóm 5.4 (Đồng tích hợp và ARDL bảng dài hạn)

Khi triển khai nghiên cứu định lượng trong miền Kinh tế lượng dữ liệu bảng: tĩnh, động, phụ thuộc chéo và phi tuyến, chúng ta thường đứng trước câu hỏi: giữa 5 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, long_run_cointegration), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?

Mọi phương pháp trong Nhóm 5.4 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):

$$Y_{it} = rho Y_{i,t-1} + X_{it}^top beta + mu_i + lambda_t + varepsilon_{it} tag{1}$$

Sự khác biệt giữa các mô hình từ B071 (panel_fmols) đến B075 (dfe_panel_ardl) nằm ở cách chúng ta đặt giả định lên phân phối của sai số ngẫu nhiên, cấu trúc nội sinh và phương pháp tối ưu hóa hàm mục tiêu từ công thức (1).

2. Bảng So sánh Trực diện 5 Mô hình thuộc Nhóm 5.4

Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 5 bài học trong Nhóm 5.4 kèm câu lệnh cốt lõi trên cả ba phần mềm:

Mã Bài model_key Tên Mô hình (VI / EN) Cấp độ Lệnh Thực thi Chuẩn (Stata 18 · R 4.x · Python 3.11+) Ý nghĩa Kinh tế lượng Trọng tâm
B071 panel_fmols Hồi quy OLS hiệu chỉnh toàn phần trên bảng đồng tích hợp Pedroni (Panel FMOLS)
Panel FMOLS		 L3 Stata: xtcointreg y x1 x2, est(fmols)
R: cointReg::cointRegFM(x, y) Group-Mean Panel FMOLS
Python: Pedroni Group-Mean Panel FMOLS Estimator		 Phương pháp Hồi quy OLS hiệu chỉnh toàn phần trên bảng đồng tích hợp Pedroni (Panel FMOLS) (Panel FMOLS) trong họ mô hình kinh tế lượng dữ liệu bảng: tĩnh, động, phụ thuộc chéo và phi tuyến, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng.
B072 panel_dols Hồi quy OLS động dẫn–trễ trên bảng đồng tích hợp Kao–Chiang (Panel DOLS)
Panel DOLS		 L3 Stata: xtcointreg y x1 x2, est(dols) lags(1) leads(1)
R: cointReg::cointRegD(x, y, n.lead=1, n.lag=1) Panel DOLS
Python: Kao–Chiang / Pedroni Lead-Lag Panel DOLS Estimator		 Phương pháp Hồi quy OLS động dẫn–trễ trên bảng đồng tích hợp Kao–Chiang (Panel DOLS) (Panel DOLS) trong họ mô hình kinh tế lượng dữ liệu bảng: tĩnh, động, phụ thuộc chéo và phi tuyến, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng.
B073 pmg Ước lượng trung bình nhóm gộp Pesaran–Shin–Smith (Pooled Mean Group — PMG Panel ARDL)
Pooled Mean Group Panel ARDL		 L2 Stata: xtpmg (ssc install xtpmg: xtpmg d.y d.x1 d.x2, lr(l.y x1 x2) ec(ec) pmg replace)
R: plm (plm::pmg(y ~ x1 + x2, data = pdata, model = "pmg"))
Python: scipy + statsmodels (Concentrated back-substitution MLE của Pesaran–Shin–Smith cho $theta$ chung và $phi_i$ riêng)		 Cho phép hệ số ngắn hạn, tốc độ điều chỉnh $phi_i$ và phương sai nhiễu khác biệt hoàn toàn giữa từng thực thể $i$, trong khi ràng buộc hệ số cân bằng dài hạn $theta$ đồng nhất trên toàn bảng.
B074 mg Ước lượng trung bình nhóm hệ số không đồng nhất Pesaran–Smith (Mean Group — MG)
Pesaran–Smith Mean Group Estimator		 L3 Stata: xtpmg, mg / xtmg (xtpmg d.y d.x1, lr(l.y x1) mg hoặc xtmg y x1 x2, robust)
R: plm (plm::pmg(y ~ x1 + x2, data = pdata, model = "mg"))
Python: statsmodels (Entity-by-entity dynamic OLS + Pesaran–Smith nonparametric group covariance $hat{Sigma}_{text{MG}}$)		 Ước lượng hồi quy chuỗi thời gian/ARDL riêng rẽ cho từng đơn vị $i = 1dots N$ rồi lấy trung bình không trọng số và phương sai phi tham số giữa các nhóm, tránh hoàn toàn chệch gộp khi hệ số không đồng nhất.
B075 dfe_panel_ardl Mô hình hiệu chỉnh sai số hiệu ứng cố định động (Dynamic Fixed Effects — DFE Panel ECM)
Dynamic Fixed Effects Panel ECM (DFE)		 L3 Stata: xtpmg, dfe (xtpmg d.y d.x1 d.x2, lr(l.y x1 x2) ec(ec) dfe cluster(id))
R: fixest (fixest::feols(dy ~ l1_y + l1_x1 + dx1 | entity, cluster = ~entity) + Delta-method long-run $theta = -beta_{L}/phi$)
Python: linearmodels (PanelOLS ECM reparameterization + Delta-method long-run covariance cho $-beta_L/phi$)		 Đối trọng thứ ba trong bộ ba PMG / MG / DFE: ràng buộc đồng nhất cả hệ số dài hạn $theta$, tốc độ điều chỉnh $phi$ lẫn hệ số ngắn hạn giữa các thực thể, chỉ cho phép hệ số chặn cố định $alpha_i$ khác nhau.

3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 5.4

Dựa trên kinh nghiệm phản biện và hướng dẫn luận văn, luận án thực tế, chúng ta có thể áp dụng quy tắc chọn nhanh sau đây:

Điều hướng Học tập trong Nhóm 5.4:
↑ Quay lại Tổng quan Chương 05: Chương 05 — Kinh tế lượng dữ liệu bảng: tĩnh, động, phụ thuộc chéo và phi tuyến
→ Đi tới Bài học đầu tiên của Nhóm 5.4: Bài B071 — Hồi quy OLS hiệu chỉnh toàn phần trên bảng đồng tích hợp Pedroni (Panel FMOLS) (panel_fmols)
→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)

Bài liên quan

Nhóm 5.4: Đồng tích hợp và ARDL bảng dài hạn (long_run_cointegration) - PreviousBài B070: Ước lượng biến công cụ nội tại Hausman–Taylor cho biến bất biến theo thời gian (Hausman-Taylor — hausman_taylor)Next - Nhóm 5.4: Đồng tích hợp và ARDL bảng dài hạn (long_run_cointegration)Bài B071: Hồi quy OLS hiệu chỉnh toàn phần trên bảng đồng tích hợp Pedroni (Panel FMOLS) (Panel FMOLS — panel_fmols)

Bài liên quan

Back to top button