Bài 7: Suy diễn và Ứng dụng Hồi quy Phân vị Inference and panel data applications GIỚI THIỆU Trong bài học trước, chúng ta đã khám phá sức mạnh của hồi quy phân vị trong việc cung cấp một bức tranh chi tiết về các mối quan hệ kinh tế trên toàn bộ sự phân phối. Chúng ta đã học cách ước lượng và diễn giải các hệ số cho các phân vị khác nhau. Tuy nhiên, việc có được các hệ số ước lượng mới chỉ là một nửa câu chuyện. Để các kết quả nghiên cứu của chúng ta trở nên đáng tin cậy, chúng ta cần phải trả lời câu hỏi: “Các ước lượng này chính xác đến mức nào?” và “Liệu các tác động mà chúng ta quan sát được có ý nghĩa thống kê hay không?”. Bài học này sẽ đi sâu vào hai khía cạnh thực hành quan trọng của hồi quy phân vị. Đầu tiên, chúng ta sẽ tìm hiểu về suy diễn tiệm cận. Do hàm mục tiêu của hồi quy phân …
Các bài đã xem
- Xây dựng hàm ước lượng tối ưu
- Tính hiệu quả và các phương pháp thay thế
- Bài tổng hợp chuỗi bài học
- Mô hình VaR đơn biến với FHS
- Mở rộng Hồi quy Kernel và Giới thiệu Hồi quy Chuỗi
- Mô hình Lồng ghép nâng cao và Thực hành Stata
- Phân tích VECM (Phần 2) – Ước lượng và diễn giải
- Hướng dẫn Stata xây dựng mô hình GVAR
- Hướng dẫn thực hành phân tích mô hình lựa chọn nhị phân với Stata
- Ước lượng WLS và GLS khả thi (FGLS)
- Thực hành chẩn đoán nghịch lý Simpson bằng Stata
- Tổng kết các phương pháp ước lượng
- Định danh, dự báo và ứng dụng thực tiễn
-
Xem thêm