Danh mục mô hình & ước lượng kinh tế lượng
EcoData/EcoLab tích hợp một Econometrics Engine toàn diện gồm 12 họ mô hình lớn, phân rã thành 40 mô hình con và 105 bộ ước lượng (estimators). Trang này là bản đồ tổng quan: giúp bạn chọn đúng họ mô hình theo cấu trúc dữ liệu và câu hỏi nghiên cứu, đồng thời hiểu cách 105 bộ ước lượng được hình thành.
Chạy thử ngay trên dữ liệu thật để xác nhận đề tài có dữ liệu, có ý nghĩa thống kê và có thể tái lập trước khi viết luận văn hay bài báo. Mọi ước lượng đều xuất được mã tái lập Stata/R/Python.
Bản đồ 12 họ mô hình
Bảng phân loại 12 họ → mô hình con
| # | Họ mô hình | Mô hình con tiêu biểu | Khi nào dùng |
|---|---|---|---|
| 1 | Hồi quy tuyến tính cổ điển | OLS, WLS, GLS, TLS | Quan hệ tuyến tính, dữ liệu chéo cơ sở |
| 2 | Hồi quy chính quy hóa | Ridge, Lasso, Elastic Net, Adaptive Lasso | Nhiều biến, đa cộng tuyến, chọn biến |
| 3 | Dữ liệu bảng tuyến tính | Pooled OLS, Fixed Effects, Random Effects, Between | Nhiều đơn vị × nhiều kỳ |
| 4 | Dữ liệu bảng động | Arellano-Bond (Diff GMM), Blundell-Bond (System GMM) | Có biến trễ, nội sinh, N lớn T nhỏ |
| 5 | Biến phụ thuộc giới hạn | Logit, Probit, Tobit, Truncated, Heckman | Biến nhị phân, bị chặn, chọn mẫu |
| 6 | Dữ liệu đếm | Poisson, Negative Binomial, ZIP, ZINB | Biến đếm (số nguyên không âm) |
| 7 | Hồi quy phân vị | Linear Quantile, Panel FE-QR | Tác động ở các phân vị khác nhau |
| 8 | Chuỗi thời gian đơn biến | AR, MA, ARMA, ARIMA, SARIMA, ARCH, GARCH, EGARCH | Dự báo, biến động một chuỗi |
| 9 | Chuỗi thời gian đa biến | VAR, VECM, SVAR | Hệ nhiều biến, đồng liên kết |
| 10 | IV & hệ phương trình | IV/2SLS, 3SLS, SUR | Nội sinh, hệ phương trình |
| 11 | Phi tuyến & bán tham số | NLS, GAM | Quan hệ phi tuyến |
| 12 | Suy luận nhân quả | DiD, PSM, RDD | Đánh giá tác động chính sách |
Ngoài ra, ARDL (Autoregressive Distributed Lag) hỗ trợ quan hệ dài hạn/ngắn hạn cho chuỗi thời gian có bậc tích hợp hỗn hợp I(0)/I(1).
105 bộ ước lượng được hình thành như thế nào?
40 mô hình con tương ứng với các đặc tả toán học khác nhau. Để phục vụ nghiên cứu học thuật đòi hỏi tính vững của hệ số, mỗi mô hình con có thể kết hợp với nhiều phương pháp tối ưu hóa và cấu trúc sai số chuẩn — tạo thành 105 bộ ước lượng.
| Thành phần | Lựa chọn |
|---|---|
| Phương pháp tối ưu hóa | OLS, FGLS, Maximum Likelihood (MLE), Quasi-MLE, GMM (1-step/2-step với hiệu chỉnh Windmeijer) |
| Cấu trúc sai số chuẩn | Homoskedastic; White Robust (HC0, HC1, HC2, HC3); Clustered theo Entity, Time hoặc Multi-way |
Việc chọn đúng cấu trúc sai số chuẩn giúp kiểm soát phương sai sai số thay đổi (heteroskedasticity) và tự tương quan (autocorrelation) — yếu tố quyết định tính tin cậy của suy diễn thống kê (t-stat, p-value, khoảng tin cậy).
Quy trình chạy ước lượng
- Tại module Mô hình hóa, chọn họ mô hình theo cấu trúc dữ liệu.
- Chọn mô hình con (đặc tả cụ thể).
- Khai báo biến phụ thuộc và các biến độc lập .
- Chọn cấu trúc sai số chuẩn (Homoskedastic / Robust / Clustered) và tham số nâng cao.
- Chạy và đọc bảng ước lượng, chẩn đoán khuyết tật, độ vững; xuất mã tái lập.
Cách chọn mô hình theo dữ liệu
| Cấu trúc dữ liệu | Họ mô hình ưu tiên |
|---|---|
| Dữ liệu chéo (cross-section), liên tục | Hồi quy tuyến tính cổ điển; chính quy hóa nếu nhiều biến |
| nhị phân / rời rạc / bị chặn | Biến phụ thuộc giới hạn; dữ liệu đếm |
| Dữ liệu bảng (N đơn vị × T kỳ) | Bảng tuyến tính (FE/RE); bảng động (GMM) nếu có biến trễ |
| Chuỗi thời gian một biến | ARIMA/SARIMA; ARCH/GARCH cho biến động |
| Hệ nhiều chuỗi thời gian | VAR/VECM/SVAR |
| Đánh giá tác động chính sách | DiD, PSM, RDD, IV |
Xem thêm
- Ước lượng & Mô hình hóa — quy trình thực hiện chi tiết
- Trang chi tiết theo họ: Dữ liệu bảng (FEM/REM) · Bảng động (GMM) · ARDL · VECM · DiD
- Ví dụ thực nghiệm: FDI & tăng trưởng (ARDL) · Nợ công & tăng trưởng (panel)