Cuốn sách Phân tích chuỗi thời gian và dữ liệu bảng cung cấp kiến thức cơ bản và nâng cao về các mô hình chuỗi thời gian và dữ liệu bảng, đặc biệt tập trung vào kinh tế vĩ mô và tài chính. Với cách trình bày rõ ràng và dễ hiểu, sách bao gồm các chủ đề như quá trình ngẫu nhiên, kiểm định gốc đơn, đồng tích hợp, mô hình ARMA, VAR, và GVAR. Độc giả sẽ học cách áp dụng các kỹ thuật phân tích này thông qua phần mềm Microfit với các dữ liệu thực tế như lạm phát và tỷ giá hối đoái. Cuốn sách lý tưởng cho sinh viên có nền tảng kinh tế lượng cơ bản, là tài liệu tham khảo quan trọng cho các khóa học và nghiên cứu chuyên sâu.
Phân tích dữ liệu bảng và thời gian với Stata
550.000₫ – 1.490.000₫Price range: 550.000₫ through 1.490.000₫
Làm chủ kinh tế lượng chuỗi thời gian và dữ liệu bảng
From Theory To Practice With Modern Econometrics Using Stata
LỜI GIỚI THIỆU
Chào các bạn sinh viên và nhà nghiên cứu trẻ,
Bạn đã bao giờ tự hỏi làm thế nào các nhà kinh tế dự báo lạm phát, phân tích sự biến động của thị trường chứng khoán, hay đánh giá tác động của một chính chuỗi bài giảng công lên nhiều quốc gia qua nhiều năm? Những câu hỏi này không chỉ là thách thức trí tuệ mà còn là trọng tâm của các quyết định kinh tế và tài chính quan trọng. Câu trả lời nằm ở hai trong số những công cụ mạnh mẽ nhất của kinh tế lượng hiện đại: phân tích chuỗi thời gian (time-series) và phân tích dữ liệu bảng (panel data).
Phân tích một chuỗi dữ liệu duy nhất theo thời gian giúp chúng ta khám phá các quy luật nội tại, tính xu hướng, tính mùa vụ và các cú sốc bất ngờ. Tuy nhiên, khi chúng ta muốn khái quát hóa kết quả cho nhiều đối tượng, dữ liệu bảng trở nên vô giá. Nó cho phép chúng ta kiểm soát các tính không đồng nhất không quan sát được (unobserved heterogeneity), tăng cường độ chính xác của các ước lượng và mở ra khả năng phân tích các mối quan hệ phức tạp mà các loại dữ liệu khác không thể thực hiện được.
Tuy nhiên, đi sâu vào thế giới này cũng đồng nghĩa với việc đối mặt với những khái niệm phức tạp như tính dừng, đồng liên kết, nội sinh trong các mô hình động, hay sự phụ thuộc chéo giữa các đối tượng. Nhiều giáo trình chỉ tập trung vào lý thuyết toán học nặng nề, khiến người học khó lòng kết nối với ứng dụng thực tế. Nhận thấy khoảng trống đó, chuỗi bài giảng “Phân tích chuỗi thời gian và dữ liệu bảng” ra đời với một sứ mệnh duy nhất: trở thành cầu nối vững chắc giữa lý thuyết hàn lâm và kỹ năng thực hành. Chúng tôi sẽ dẫn dắt bạn qua từng khái niệm, từ cơ bản đến nâng cao, bằng ngôn ngữ trực quan và các ví dụ thực hành chi tiết trên phần mềm Stata. Hãy cùng nhau bắt đầu hành trình biến những bộ dữ liệu phức tạp thành những hiểu biết sâu sắc và có giá trị.
CẤU TRÚC TÀI LIỆU
- Nền tảng hồi quy và các phương pháp ước lượng cốt lõiXây dựng nền tảng vững chắc từ hồi quy hai biến, hồi quy bội, kiểm định giả thuyết đến các phương pháp ước lượng lý thuyết như MLE và GMM, giúp bạn hiểu sâu sắc bản chất của các mô hình kinh tế lượng.
- Phân tích động và mô hình chuỗi thời gian đơn biếnĐi sâu vào việc mô hình hóa và dự báo một chuỗi thời gian duy nhất. Bạn sẽ làm chủ các mô hình từ ARMA, phân rã chuỗi, kiểm định nghiệm đơn vị đến mô hình hóa biến động với ARCH/GARCH.
- Mô hình đa biến và phân tích hệ thống tương tácKhám phá sự tương tác phức tạp giữa nhiều chuỗi thời gian. Nội dung bao gồm các mô hình VAR, phân tích đồng liên kết (cointegration), hàm phản ứng xung và phân rã phương sai, những công cụ thiết yếu trong kinh tế vĩ mô.
- Nhập môn kinh tế lượng dữ liệu bảng hiện đạiLàm chủ các kỹ thuật phân tích dữ liệu bảng kinh điển. Bạn sẽ học cách lựa chọn và thực thi mô hình hiệu ứng cố định (fixed effects), hiệu ứng ngẫu nhiên (random effects) và xử lý tính nội sinh trong các mô hình bảng động.
- Các chủ đề chuyên sâu về dữ liệu bảng phức hợpTiến xa hơn với các vấn đề nâng cao trong dữ liệu bảng như tính không đồng nhất của hệ số, sự phụ thuộc chéo, kinh tế lượng không gian và kiểm định nghiệm đơn vị, đồng liên kết cho dữ liệu bảng.
- Mô hình hóa toàn cầu và các ứng dụng nâng caoTổng hợp kiến thức để xây dựng các mô hình quy mô lớn như mô hình Véc-tơ tự hồi quy toàn cầu (GVAR), giúp bạn phân tích các cú sốc lan truyền và sự phụ thuộc lẫn nhau trong nền kinh tế toàn cầu.
KIẾN THỨC TIÊN QUYẾT
Để tiếp thu hiệu quả nhất nội dung của chuỗi bài giảng, bạn cần trang bị trước những kiến thức nền tảng sau:
- Xác suất thống kê cơ bản: Hiểu rõ về các phân phối xác suất (Normal, t, F, Chi-squared), các khái niệm về ước lượng điểm, khoảng tin cậy và kiểm định giả thuyết thống kê.
- Toán học ứng dụng: Nắm vững các phép toán đại số tuyến tính (ma trận, véc-tơ) và các khái niệm cơ bản của giải tích (đạo hàm, tối ưu hóa).
- Kinh tế lượng căn bản: Có kiến thức nền về mô hình hồi quy tuyến tính cổ điển, các giả định của phương pháp OLS và cách diễn giải hệ số hồi quy.
- Sử dụng Stata cơ bản: Quen thuộc với giao diện Stata, cách nhập và quản lý dữ liệu, thực hiện các lệnh thống kê mô tả và hồi quy đơn giản.
MỤC TIÊU HỌC TẬP
Hoàn thành chuỗi bài giảng này, bạn sẽ không chỉ hiểu lý thuyết mà còn có thể tự tin thực hiện các phân tích phức tạp. Mục tiêu của chúng tôi là giúp bạn đạt được những kỹ năng có thể đo lường được sau đây:
- Lựa chọn mô hình phù hợp: Phân biệt và lựa chọn chính xác giữa các mô hình chuỗi thời gian (ARMA, GARCH, VAR) và dữ liệu bảng (Pooled OLS, FE, RE, Dynamic GMM) dựa trên lý thuyết và kiểm định thực nghiệm.
- Thành thạo thực hành trên Stata: Thực thi và diễn giải thành thạo kết quả từ các lệnh Stata, từ cơ bản (
regress,xtreg) đến nâng cao (vec,xtabond2,xsmg). - Chẩn đoán và khắc phục sự cố: Phát hiện và xử lý hiệu quả các vấn đề phổ biến như tính không dừng, phương sai sai số thay đổi, tự tương quan và nội sinh trong cả hai loại dữ liệu.
- Phân tích chính chuỗi bài giảng và dự báo: Sử dụng các kỹ thuật như hàm phản ứng xung (IRF), phân rã phương sai (FEVD) và các mô hình dự báo để đánh giá tác động chính chuỗi bài giảng và đưa ra các dự báo kinh tế.
- Thực hiện nghiên cứu độc lập: Áp dụng các phương pháp luận được học để tự tin thực hiện các dự án nghiên cứu, bài tập lớn, luận văn thạc sĩ hoặc các bài báo khoa học.
- Trình bày kết quả chuyên nghiệp: Tổng hợp và trình bày các kết quả phân tích một cách rõ ràng, logic và có tính thuyết phục cao, sẵn sàng cho việc bảo vệ và công bố.
GỢI Ý HỌC TẬP
Để tối đa hóa hiệu quả, chúng tôi khuyến khích bạn áp dụng các phương pháp sau:
- Học đi đôi với hành: Đừng chỉ đọc lý thuyết. Hãy mở Stata và chạy lại tất cả các ví dụ trong chuỗi bài giảng với bộ dữ liệu được cung cấp. Thử thay đổi các tùy chọn lệnh để xem kết quả thay đổi ra sao.
- Hiểu “Tại sao” trước khi học “Làm thế nào”: Trước khi gõ một lệnh Stata, hãy dừng lại một chút để tự hỏi: “Tại sao mình lại cần mô hình này? Nó giải quyết vấn đề gì mà mô hình trước đó không làm được?”.
- Kết nối lý thuyết và thực tiễn: Luôn cố gắng liên hệ các kỹ thuật được học với các câu hỏi nghiên cứu kinh tế thực tế. Điều này sẽ giúp bạn hiểu sâu sắc hơn ý nghĩa của các kết quả phân tích.
- Tận dụng phần bài tập: Mỗi chương đều có các bài tập thực hành. Đây là cơ hội tuyệt vời để bạn tự kiểm tra kiến thức và rèn luyện kỹ năng giải quyết vấn đề một cách độc lập.
- Thảo luận nhóm: Học cùng bạn bè là một cách hiệu quả để củng cố kiến thức. Việc giải thích một khái niệm cho người khác chính là cách tốt nhất để bạn thực sự hiểu sâu về nó.
- Ghi chú và tóm tắt: Sau mỗi chương, hãy dành thời gian tóm tắt lại các ý chính, các lệnh Stata quan trọng và những lưu ý đặc biệt. Việc này sẽ giúp bạn hệ thống hóa kiến thức và dễ dàng ôn tập sau này.
GIÁ TRỊ NHẬN ĐƯỢC
Đầu tư vào chuỗi bài giảng này là đầu tư vào tương lai học thuật và sự nghiệp của chính bạn. Sau khi hoàn thành, bạn sẽ nhận được:
- Sự tự tin học thuật: Tự tin xử lý các bộ dữ liệu phức tạp, thực hiện các phân tích kinh tế lượng nâng cao và bảo vệ kết quả nghiên cứu của mình một cách thuyết phục.
- Kỹ năng thực hành vượt trội: Thành thạo Stata, một trong những phần mềm thống kê được ưa chuộng nhất trong giới nghiên cứu kinh tế, giúp bạn nổi bật trong mắt nhà tuyển dụng.
- Nền tảng vững chắc cho nghiên cứu sau đại học: Nắm vững các kỹ thuật phân tích chuỗi thời gian và dữ liệu bảng là yêu cầu gần như bắt buộc đối với bất kỳ nghiên cứu sinh kinh tế nào.
- Tư duy phản biện sắc bén: Không chỉ học cách chạy mô hình, bạn còn học cách đặt câu hỏi, chẩn đoán vấn đề và lựa chọn phương pháp phù hợp nhất, hình thành tư duy của một nhà nghiên cứu thực thụ.
- Tiết kiệm thời gian và công sức: Chuỗi bài giảng cung cấp một lộ trình học tập có hệ thống, rõ ràng, từ cơ bản đến nâng cao, giúp bạn tránh được những sai lầm phổ biến và đi thẳng vào trọng tâm vấn đề.
“Phân tích chuỗi thời gian và dữ liệu bảng” không chỉ là giáo trình mà là khóa huấn luyện toàn diện, biến bạn từ học lý thuyết thành nhà phân tích thành thạo. Bắt đầu hành trình ngay hôm nay!
Chương 1: Mối quan hệ giữa hai biến
- Nền tảng hồi quy hai biến và phương pháp OLS
- Hệ số tương quan và phân rã phương sai
- Các cách tiếp cận ước lượng trong hồi quy
- Tính chất của ước lượng OLS và bài toán dự báo
- Thực hành phân tích hồi quy hai biến với Stata
- Bài tổng hợp: Hệ thống hóa kiến thức và định hướng
Chương 2: Hồi quy đa biến
- Nền tảng hồi quy bội và các giả định cổ điển
- Nguyên lý ước lượng OLS và Maximum Likelihood
- Định lý Gauss-Markov và phân phối của ước lượng
- Đánh giá mô hình và các vấn đề chẩn đoán
- Thực hành hồi quy bội với Stata từ A đến Z
- Tổng hợp hồi quy bội: kết nối lý thuyết
Chương 3: Kiểm định giả thuyết trong mô hình hồi quy
- Nền tảng của kiểm định giả thuyết
- Kiểm định giả thuyết trong hồi quy đơn
- Mở rộng sang hồi quy bội và khoảng tin cậy
- Kiểm định các ràng buộc tuyến tính và kiểm định F
- Vấn đề đa cộng tuyến
- Các kiểm định chẩn đoán mô hình nâng cao
- Thực hành kiểm định giả thuyết với Stata
- Tổng hợp toàn diện về kiểm định giả thuyết
Chương 4: Phương sai không đồng nhất
- Hiểu về phương sai sai số thay đổi
- Các phương pháp khắc phục hiệu quả
- Các kiểm định chẩn đoán trong Stata
- Hướng dẫn thực hành toàn diện
- Tổng hợp và ứng dụng nâng cao
Chương 5: Nhiễu tự tương quan
- Nền tảng và hậu quả của tự tương quan
- Giải pháp khắc phục với GLS và FGLS
- Mô hình hóa sai số tự hồi quy AR(p)
- Các kiểm định phát hiện tự tương quan
- Thực hành tổng hợp và sai số chuẩn bền vững
- Tổng hợp, so sánh và lựa chọn phương pháp
Chương 6: Giới thiệu về mô hình kinh tế động
- Nền tảng mô hình trễ phân phối
- Mô hình hiệu chỉnh sai số (ECM)
- Tác động ngắn hạn và dài hạn
- Giới thiệu mô hình kỳ vọng
- Thực hành ARDL/ECM với Stata
- Bài tổng hợp: Hệ thống hóa kiến thức
Chương 7: Khả năng dự đoán lợi nhuận tài sản và giả thuyết thị trường hiệu quả
- Nền tảng về tỷ suất sinh lợi
- Phân tích đặc tính phân phối
- Bằng chứng thực nghiệm
- Lý thuyết về EMH và hành vi nhà đầu tư
- Thực hành phân tích với Stata
- Bài tổng hợp: Hệ thống hóa kiến thức
Chương 8: Lý thuyết tiệm cận
- Các khái niệm hội tụ cơ bản
- Mối quan hệ và các định lý hội tụ
- Luật số lớn (LLN)
- Định lý giới hạn trung tâm (CLT)
- Thực hành ứng dụng với Stata
- Tổng hợp chuỗi Lý thuyết Tiệm cận
Chương 9: Ước lượng hợp lý tối đa
- Nền tảng của ước lượng hợp lý tối đa
- Tính ngoại sinh và các điều kiện hội tụ
- Các tính chất tiệm cận của ước lượng MLE
- Các kiểm định giả thuyết dựa trên hàm hợp lý
- Thực hành ước lượng MLE và kiểm định trong Stata
- Tổng hợp và hệ thống hóa kiến thức về MLE
Chương 10: Phương pháp mô-men tổng quát
- Nền tảng GMM và các điều kiện mô-men
- Ước lượng GMM và ma trận trọng số tối ưu
- Các thuộc tính tiệm cận và kiểm định GMM
- GMM và mối liên hệ với biến công cụ (IV)
- Hướng dẫn thực hành GMM và IV với Stata
- Tổng hợp và hệ thống hóa kiến thức GMM
Chương 11: Lựa chọn mô hình và kiểm định giả thuyết không lồng ghép
- Nền tảng và các tiêu chuẩn lựa chọn mô hình
- Kiểm định giả thuyết không lồng nhau (phần 1)
- Kiểm định giả thuyết không lồng nhau (phần 2)
- So sánh mô hình tuyến tính và log-linear
- Các phương pháp tiếp cận nâng cao
- Bài thực hành Stata tổng hợp
- Bài tổng hợp và định hướng nghiên cứu
Chương 12: Giới thiệu về quá trình ngẫu nhiên
- Nền tảng về quá trình dừng
- Khám phá quá trình trung bình trượt (MA)
- Mô hình tự hồi quy (AR) và phân rã Wold
- Thực hành ước lượng mô hình ARMA trên Stata
- Tổng kết và hướng nghiên cứu mở rộng
Chương 13: Phân tích phổ
- Nền tảng phân tích phổ và định lý biểu diễn
- Hàm mật độ phổ và các tính chất cốt lõi
- Mối liên hệ và ứng dụng mật độ phổ
- Thực hành phân tích phổ trong Stata
- Tổng hợp phân tích phổ và hướng nghiên cứu
Chương 14: Ước lượng quá trình chuỗi thời gian dừng
- Ước lượng Trung bình và Tự hiệp phương sai
- Ước lượng Quy trình MA(1) – Từ MOM đến MLE
- Ước lượng Quy trình AR(p) – Yule-Walker và MLE
- Vấn đề của OLS – Độ chệch mẫu nhỏ và Tính không nhất quán
- Các chủ đề nâng cao – ARMA và Mật độ phổ
- Thực hành Stata ước lượng AR, MA, và ARDL
- Tổng kết các phương pháp ước lượng
Chương 15: Quá trình nghiệm đơn vị
- Nền tảng về tính dừng và quá trình nghiệm đơn vị
- Kiểm định Dickey-Fuller (DF) và ADF
- Các kiểm định nghiệm đơn vị nâng cao
- Kiểm định tính dừng KPSS
- Hướng dẫn thực hành với Stata
- Tổng kết và ứng dụng
Chương 16: Phân tách xu hướng và chu kỳ
- Các bộ lọc Hodrick-Prescott và Band-Pass
- Tiếp cận mô hình cấu trúc và không gian trạng thái
- Phân rã Beveridge-Nelson cho chuỗi không dừng
- So sánh các phương pháp và phân rã Watson
- Thực hành phân rã chuỗi thời gian với Stata
- Tổng hợp và ứng dụng nâng cao
Chương 17: Giới thiệu về dự báo
- Nền tảng dự báo và hàm mất mát
- Các loại hình dự báo trong kinh tế lượng
- Kỹ thuật dự báo với mô hình ARMA
- So sánh phương pháp dự báo lặp và trực tiếp
- Nâng cao chất lượng dự báo
- Các phương pháp đánh giá độ chính xác dự báo
- Thực hành dự báo chuỗi thời gian với Stata
- Tổng hợp và hệ thống hóa kiến thức dự báo
Chương 18: Đo lường và mô hình hóa biến động
- Nền tảng về biến động và mô hình ARCH
- Mô hình GARCH và các biến thể phổ biến
- Các phương pháp mô hình hóa biến động nâng cao
- Ước lượng và kiểm định mô hình ARCH/GARCH
- Thực hành dự báo biến động với Stata
- Tổng hợp chuỗi mô hình hóa biến động
Chương 19: Phân tích đa biến
- Nền tảng mô hình SURE
- Ước lượng mô hình SURE
- MLE và kiểm định giả thuyết
- Hệ thống với biến nội sinh
- Giảm chiều dữ liệu
- Thực hành SURE và 2SLS
- Tổng hợp và nâng cao
Chương 20: Mô hình kỳ vọng hợp lý đa biến
- Nền tảng mô hình RE với kỳ vọng tương lai
- Mô hình RE với thành phần “Forward” và “Backward”
- Xử lý phản hồi và các trường hợp bậc cao
- Các phương pháp giải mô hình RE nâng cao
- Mô hình cân bằng tổng thể ngẫu nhiên động (DSGE)
- Thách thức định danh trong mô hình RE và DSGE
- Các phương pháp ước lượng mô hình RE
- Thực hành Stata: Xây dựng và ước lượng mô hình NKPC
- Tổng hợp chuỗi Mô hình Kỳ vọng Hợp lý Đa biến
Chương 21: Mô hình Véc-tơ tự hồi quy
- Nền tảng mô hình VAR
- Tính dừng và ước lượng
- Lựa chọn độ trễ tối ưu
- Nhân quả Granger và dự báo
- Thực hành VAR với Stata
- Tổng hợp và nâng cao
Chương 22: Phân tích đồng liên kết
- Nhập môn đồng liên kết
- Kiểm định Engle-Granger
- Mô hình ARDL và kiểm định giới hạn
- Hệ thống VAR và mô hình VECM
- Kiểm định Johansen trong VECM
- Các vấn đề nâng cao trong VECM
- Thực hành VECM từ A đến Z
- Tổng kết phân tích đồng liên kết
Chương 23: Mô hình VARX
- Nền tảng mô hình VARX và tính ngoại sinh yếu
- Ước lượng hiệu quả và các trường hợp đặc biệt
- Kiểm định đồng kết hợp trong mô hình VARX
- Định danh, dự báo và ứng dụng thực tiễn
- Hướng dẫn thực hành Stata toàn diện
- Bài tổng hợp và định hướng nâng cao
Chương 24: Phân tích phản ứng xung
- Hàm phản ứng xung trực giao hóa (OIRF)
- Hàm phản ứng xung tổng quát hóa (GIRF) và FEVD
- Nhận dạng cú sốc cấu trúc trong mô hình SVAR
- Ứng dụng IRF trong mô hình VECM
- Thực hành phân tích IRF và FEVD với Stata
- Bài tổng hợp: Hệ thống hóa kiến thức và ứng dụng
Chương 25: Mô hình hóa tương quan có điều kiện của lợi nhuận tài sản
- Các mô hình ước lượng hiệp phương sai giản đơn
- Nền tảng lý thuyết mô hình DCC
- Ước lượng và kiểm định mô hình DCC
- Dự báo và ứng dụng mô hình DCC
- Phân tích mô hình DCC với Stata
- Tổng hợp và hệ thống hóa kiến thức
Chương 26: Mô hình dữ liệu bảng với biến giải thích ngoại sinh tuyệt đối
- Nền tảng và ước lượng OLS gộp
- Mô hình tác động cố định (FE)
- Mô hình tác động ngẫu nhiên (RE)
- Lựa chọn mô hình và kiểm định Hausman
- Các chủ đề nâng cao trong dữ liệu bảng
- Dữ liệu không cân bằng và sai số vững
- Thực hành phân tích với Stata
- Tổng hợp toàn diện về dữ liệu bảng
Chương 27: Mô hình dữ liệu bảng động ngắn hạn
- Giới thiệu và vấn đề nội sinh
- Phương pháp IV và GMM sai phân
- GMM hệ thống và các mở rộng
- Kiểm định giả thuyết và chủ đề nâng cao
- Hướng dẫn thực hành GMM trên Stata
- Bài tổng hợp chuỗi mô hình bảng động
Chương 28: Mô hình dữ liệu bảng lớn không đồng nhất
- Vấn đề của tính không đồng nhất
- Nền tảng mô hình hệ số ngẫu nhiên
- Ước lượng Swamy cho mô hình tĩnh
- Ước lượng trung bình nhóm (MGE)
- Thách thức trong mô hình động
- Ước lượng trung bình nhóm gộp (PMG)
- Kiểm định tính đồng nhất hệ số
- Thực hành Stata từ A đến Z
- Các chủ đề nâng cao và mở rộng
- Tổng hợp và định hướng nghiên cứu
Chương 29: Sự phụ thuộc chéo trong dữ liệu bảng
- Nền tảng về phụ thuộc chéo
- Mô hình hóa phụ thuộc chéo
- Ước lượng cho dữ liệu bảng tĩnh
- Ước lượng cho dữ liệu bảng động
- Kiểm định phụ thuộc chéo trong Stata
- Bài Tổng hợp: Từ lý thuyết đến thực hành
Chương 30: Kinh tế lượng dữ liệu bảng không gian
- Nền tảng kinh tế lượng bảng không gian
- Các mô hình phụ thuộc không gian cơ bản
- Ước lượng mô hình bảng không gian
- Các chủ đề nâng cao trong mô hình không gian
- Hướng dẫn thực hành Stata từ A đến Z
- Tổng hợp và hệ thống hóa kiến thức
Chương 31: Nghiệm đơn vị và đồng liên kết trong dữ liệu bảng
- Nền tảng về nghiệm đơn vị trong dữ liệu bảng
- Các kiểm định nghiệm đơn vị thế hệ thứ nhất
- Kiểm định thế hệ thứ hai và phụ thuộc chéo
- Giới thiệu về đồng tích hợp trong dữ liệu bảng
- Ước lượng các mối quan hệ đồng tích hợp
- Thực hành phân tích từ A-Z với Stata
- Tổng kết và hướng nghiên cứu nâng cao
Chương 32: Tổng hợp dữ liệu bảng lớn
- Nền tảng lý thuyết về vấn đề tổng hợp
- Các phương pháp tiếp cận hàm tổng hợp
- Tổng hợp mô hình ARDL trong dữ liệu bảng
- Mở rộng sang mô hình VAR tăng cường nhân tố
- Từ vi mô đến vĩ mô: Nhận dạng và phân tích
- Phân tích tổng hợp với Stata
- Tổng hợp và định hướng tương lai
Chương 33: Lý thuyết và thực hành mô hình GVAR
- Tại sao cần mô hình GVAR
- Xây dựng mô hình quốc gia (VARX*)
- Kết hợp thành mô hình toàn cầu
- Cơ sở lý thuyết của GVAR
- Ứng dụng GVAR trong phân tích chính sách
- Hướng dẫn Stata xây dựng mô hình GVAR
- Tổng kết và ứng dụng thực tiễn
Related products
-

Giới thiệu về kinh tế lượng: Minh họa thực hành với Stata
550.000₫ – 1.490.000₫Price range: 550.000₫ through 1.490.000₫ Select options This product has multiple variants. The options may be chosen on the product page -

Thực hành Kinh tế lượng đánh giá chính sách với Stata
410.000₫ – 1.350.000₫Price range: 410.000₫ through 1.350.000₫ Select options This product has multiple variants. The options may be chosen on the product page -

Phân tích chuỗi thời gian trong kinh tế và tài chính
499.000₫ – 1.490.000₫Price range: 499.000₫ through 1.490.000₫ Select options This product has multiple variants. The options may be chosen on the product page -

Kinh tế lượng tài chính: Mô hình và Phương pháp
499.000₫ – 1.499.000₫Price range: 499.000₫ through 1.499.000₫ Select options This product has multiple variants. The options may be chosen on the product page -

Lý thuyết Kinh tế lượng: Minh họa thực hành với Stata
550.000₫ – 1.490.000₫Price range: 550.000₫ through 1.490.000₫ Select options This product has multiple variants. The options may be chosen on the product page





