Nhóm 5.6: Đồng tích hợp và ARDL bảng dài hạn (nonlinear_quantile_panel)
Tóm tắt Nhóm phương pháp 5.6 (AEO Quick Answer): Nhóm 5.6 — Đồng tích hợp và ARDL bảng dài hạn (mã nhóm
nonlinear_quantile_panel) là phân nhánh chuyên sâu thuộc Chương 05: Kinh tế lượng dữ liệu bảng: tĩnh, động, phụ thuộc chéo và phi tuyến, quy tụ 3 phương pháp ước lượng (từ B081 đến B083). 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 5.6 (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 3 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, nonlinear_quantile_panel), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?
Mọi phương pháp trong Nhóm 5.6 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 B081 (panel_threshold) đến B083 (panel_quantile_mmqr) 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 3 Mô hình thuộc Nhóm 5.6
Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 3 bài học trong Nhóm 5.6 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 |
|---|---|---|---|---|---|
| B081 | panel_threshold |
Mô hình hồi quy ngưỡng dữ liệu bảng tĩnh của Hansen (Panel Threshold xthreg) Hansen Panel Threshold Regression |
L4 | Stata: xthreg (ssc install xthreg: xthreg y x1 x2, rx(x_regime) qx(q_thresh) thnum(1) bs(300))R: pdR (pdR::ptm(dep = "y", indep1 = ..., thres = "q_thresh", bootn = 300))Python: Concentrated within-SSR quantile grid search $hat{gamma} = argmin_gamma S_1(gamma)$ + Hansen LR confidence interval & bootstrap $F$-test |
Phát hiện nội sinh một hoặc nhiều ngưỡng chuyển chế độ $gamma$ trên dữ liệu bảng hiệu ứng cố định ($Y_{it} = mu_i + beta_1′ X_{it}mathbb{I}(q_{it} le gamma) + beta_2′ X_{it}mathbb{I}(q_{it} > gamma) + e_{it}$). |
| B082 | dynamic_panel_threshold |
Mô hình ngưỡng dữ liệu bảng động có nội sinh Seo–Shin (Dynamic Panel Threshold GMM xthenreg) Seo–Shin Dynamic Panel Threshold GMM (xthenreg) |
L4 | Stata: xthenreg (ssc install xthenreg: xthenreg y q_thresh x1, endo(l.y) grid_num(100) boost(200))R: gmm / FD-GMM Threshold Grid (2-step Windmeijer FD-GMM over threshold grid + Seo-Shin sup-Wald linearity bootstrap)Python: Two-step First-Differenced GMM Grid Search & Smoothed GMM solver (Seo & Shin 2016 asymptotic variance + fast linearity bootstrap) |
Ước lượng mô hình ngưỡng dữ liệu bảng động qua GMM sai phân bậc nhất, cho phép **cả biến trễ $Y_{i,t-1}$, biến giải thích lẫn chính biến ngưỡng $q_{it}$ đều nội sinh** — khắc phục chệch nghiêm trọng của Hansen xthreg (vốn bắt buộc mọi biến phải ngoại sinh chặt và cấm $Y_{i,t-1}$). |
| B083 | panel_quantile_mmqr |
Hồi quy phân vị dữ liệu bảng theo phương pháp moment Machado–Santos Silva (MM-QR xtqreg) Method-of-Moments Panel Quantile Regression (MM-QR) |
L4 | Stata: xtqreg (ssc install xtqreg: xtqreg y x1 x2, i(entity) quantile(0.1 0.25 0.5 0.75 0.9))R: quantreg / MM-QR (2-step FE location + FE absolute-residual scale + empirical standardized residual quantile)Python: Two-step Location-Scale FE MM-QR solver (Machado–Santos Silva analytical asymptotic & cluster bootstrap covariance) |
Ước lượng hồi quy phân vị trên dữ liệu bảng có hiệu ứng cố định cá thể $alpha_i + delta_i q(tau)$ qua cấu trúc vị trí – thang đo (location-scale), đảm bảo các đường phân vị không cắt nhau và khả thi khi $N$ lớn, $T$ nhỏ. |
3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 5.6
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:
- Chọn B081 — Mô hình hồi quy ngưỡng dữ liệu bảng tĩnh của Hansen (Panel Threshold xthreg) (
panel_threshold) khi: Bảng cân bằng ($N$ thực thể $times T$ kỳ) kiểm tra quan hệ phi tuyến theo ngưỡng nợ công, lạm phát, phát triển tài chính hoặc quy mô vốn hóa. (Kiểm định kèm theo: Kiểm định Bootstrap $F_1$ tồn tại hiệu ứng ngưỡng (vì $gamma$ không định danh dưới $H_0$), khoảng tin cậy tỷ số hợp lý $LR_1(gamma) le c(alpha)$ cho điểm ngưỡng $hat{gamma}$.). - Chọn B082 — Mô hình ngưỡng dữ liệu bảng động có nội sinh Seo–Shin (Dynamic Panel Threshold GMM xthenreg) (
dynamic_panel_threshold) khi: Bảng doanh nghiệp/ngân hàng/quốc gia ($N$ lớn, $T ge 4$) phân tích ngưỡng đòn bẩy nợ, ngưỡng thanh khoản, ngưỡng thể chế trong phương trình tăng trưởng hoặc đầu tư động có biến trễ $Y_{i,t-1}$. (Kiểm định kèm theo: Kiểm định Sup-Wald bootstrap về tính tuyến tính / tồn tại bước nhảy ngưỡng (kink vs jump), kiểm định Hansen $J$ tính hợp lệ biến công cụ trễ, khoảng tin cậy $95%$ cho ngưỡng $hat{gamma}$.). - Chọn B083 — Hồi quy phân vị dữ liệu bảng theo phương pháp moment Machado–Santos Silva (MM-QR xtqreg) (
panel_quantile_mmqr) khi: Phân tích tác động bất đối xứng trên toàn phân phối của biến kết quả (phát thải carbon, biên lợi nhuận ngân hàng, năng suất doanh nghiệp) trên dữ liệu bảng có hiệu ứng cố định thực thể. (Kiểm định kèm theo: Hệ số Location ($hat{beta}$), hệ số Scale ($hat{gamma}$), phân vị chuẩn hóa $hat{q}(tau)$, kiểm định Wald tính bất biến theo phân vị ($gamma = 0$).).
Điều hướng Học tập trong Nhóm 5.6:
↑ 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 5.6: Bài B081 — Mô hình hồi quy ngưỡng dữ liệu bảng tĩnh của Hansen (Panel Threshold xthreg) (
→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
↑ 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 5.6: Bài B081 — Mô hình hồi quy ngưỡng dữ liệu bảng tĩnh của Hansen (Panel Threshold xthreg) (
panel_threshold)→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
Bài liên quan
- Bài B081: Mô hình hồi quy ngưỡng dữ liệu bảng tĩnh của Hansen (Panel Threshold xthreg) (Hansen Panel Threshold Regression — panel_threshold)Cấp độ 4: Chuyên sâu (Specialized)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B082: Mô hình ngưỡng dữ liệu bảng động có nội sinh Seo–Shin (Dynamic Panel Threshold GMM xthenreg) (Seo–Shin Dynamic Panel Threshold GMM (xthenreg) — dynamic_panel_threshold)Cấp độ 4: Chuyên sâu (Specialized)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B083: Hồi quy phân vị dữ liệu bảng theo phương pháp moment Machado–Santos Silva (MM-QR xtqreg) (Method-of-Moments Panel Quantile Regression (MM-QR) — panel_quantile_mmqr)Cấp độ 4: Chuyên sâu (Specialized)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)