2.4. Phân cụm chế độ kinh tế
- Định danh nhóm bài giảng: Nhóm 2.4. Phân cụm chế độ kinh tế trực thuộc 2. Mô hình chính quy hóa, suy luận chiều cao và giảm chiều.
- Phạm vi mô hình: Quy tụ 1 mô hình kinh tế lượng từ mục 2.4.1 đến mục 2.4.1.
- Cơ sở phương pháp luận: Hệ thống hóa phương trình cấu trúc, phân biệt giả định nhận dạng và cấu trúc sai số chuẩn theo Hansen (2022); Cameron & Trivedi (2022); Mehmetoglu & Jakobs (2022); Stock & Watson (2020).
- Đối chiếu đa nền tảng: So sánh trực tiếp cú pháp thực thi trên Stata 18, R 4.x và Python 3.11+ theo Bonhomme & Manresa (2015); Bonhomme, Lamadon & Manresa (2022).
1. Bản chất học thuật và cấu trúc toán học
Trong phạm vi của chương Mô hình chính quy hóa, suy luận chiều cao và giảm chiều, nhóm phương pháp Phân cụm chế độ kinh tế giải quyết các bài toán thực nghiệm đòi hỏi đặc tả chính xác quá trình sinh dữ liệu và kiểm soát chặt chẽ cấu trúc sai số theo Hansen (2022); Cameron & Trivedi (2022); Mehmetoglu & Jakobs (2022); Stock & Watson (2020). Các mô hình trong nhóm 2.4 cùng dựa trên hệ thức cấu trúc nền tảng tại phương trình 1 theo Bonhomme & Manresa (2015); Bonhomme, Lamadon & Manresa (2022):
$$\min_{\{C_k, \mu_k\}_{k=1}^K} \sum_{k=1}^K \sum_{i \in C_k} \|X_i – \mu_k\|_2^2, \quad s(i) = \frac{b(i) – a(i)}{\max\{a(i), b(i)\}} \tag*{[1]}$$
Phương trình điều kiện ước lượng và tối ưu hóa của nhóm phương pháp này được xác định tại công thức 2:
$$\hat{\beta}(\lambda, \alpha) = \arg\min_{\beta \in \mathbb{R}^p} \left\{\frac{1}{2N}\sum_{i=1}^N \left(Y_i – X_i^\top \beta\right)^2 + \lambda\left(\alpha \|\beta\|_1 + \frac{1-\alpha}{2}\|\beta\|_2^2\right)\right\} \tag*{[2]}$$
Sự khác biệt giữa 1 mô hình từ 2.4.1. Phân cụm chế độ kinh tế K-Means++ đến 2.4.1. Phân cụm chế độ kinh tế K-Means++ nằm ở giả định về phân phối của thành phần nhiễu, cơ chế nội sinh và ma trận trọng số ước lượng theo Bonhomme & Manresa (2015); Bonhomme, Lamadon & Manresa (2022); Hansen (2022); Cameron & Trivedi (2022); Mehmetoglu & Jakobs (2022); Stock & Watson (2020).
2. Bảng đối chiếu các mô hình trong nhóm
Bảng dưới đây so sánh trực tiếp bản chất kinh tế lượng, câu lệnh thực thi trên ba phần mềm và kiểm định chẩn đoán của từng bài học trong nhóm 2.4:
| Mã mục | Tên mô hình | Bản chất kinh tế lượng | Cú pháp ước lượng chuẩn Stata 18 · R 4.x · Python 3.11+ | Kiểm định chẩn đoán bắt buộc |
|---|---|---|---|---|
| 2.4.1 | Phân cụm chế độ kinh tế K-Means++ | Phân cụm các quốc gia/tỉnh thành/doanh nghiệp thành các nhóm cấu trúc kinh tế đồng nhất tối ưu hóa phương sai nội cụm với khởi tạo k-means++. | Stata: cluster kmeans x1 x2, k(3) measure(L2)R: stats::kmeans(scale(df[, c('x1', 'x2')]), centers = 3, nstart = 50)Python: KMeans(n_clusters=3, n_init=50, random_state=42).fit(X_std) |
Hệ số Silhouette trung bình, chỉ số Calinski–Harabasz — pseudo-$F$ , chỉ số Davies–Bouldin, kiểm định ANOVA/$F$ phân biệt tâm cụm. |
3. Quy tắc lựa chọn mô hình phù hợp
Nhà nghiên cứu có thể áp dụng quy tắc phân nhánh dưới đây để chọn đúng mô hình trong nhóm 2.4 cho dữ liệu thực tế theo Hansen (2022); Cameron & Trivedi (2022); Mehmetoglu & Jakobs (2022); Stock & Watson (2020):
- Chọn 2.4.1. Phân cụm chế độ kinh tế K-Means++ khi: Phân loại nhóm nền kinh tế, phân khúc doanh nghiệp hoặc chế độ thị trường trên dữ liệu đa chiều đã chuẩn hóa thang đo. — Kiểm định bắt buộc: Hệ số Silhouette trung bình, chỉ số Calinski–Harabasz — pseudo-$F$ , chỉ số Davies–Bouldin, kiểm định ANOVA/$F$ phân biệt tâm cụm..
4. Tài liệu tham khảo
- Bonhomme, & Manresa(2015). Grouped Patterns of Heterogeneity. Econometrica.
- Bonhomme, Lamadon, & Manresa(2022). Foundational econometric methodology and empirical inference in Econometrica.
- Hansen, B. E.(2022). Econometrics, Chương 28–29: Model Selection, Ridge, Lasso & Machine Learning. Princeton University Press.
- Cameron, A. C, & Trivedi, P. K.(2022). Microeconometrics Using Stata, 2nd ed, Vol. 2, Chương 28–29: Lasso for Prediction and Causal Inference. Stata Press.
- Mehmetoglu, M, & Jakobsen, T. G.(2022). Applied Statistics Using Stata: A Guide for the Social Sciences, 2nd ed, Chương 12: Factor Analysis & PCA. SAGE Publications.
- Stock, J. H, & Watson, M. W.(2020). Introduction to Econometrics, 4th ed, Chương 14: Big Data and Machine Learning. Pearson.
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
↑ Chương chủ quản: 2. Mô hình chính quy hóa, suy luận chiều cao và giảm chiều
→ Bài học đầu tiên trong nhóm: 2.4.1. Phân cụm chế độ kinh tế K-Means++