ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม กรกฎาคม 546
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) ข นตอนในการว เคราะห ประกอบด วย. การก าหนดร ปแบบของสมการท จะท าการว เคราะห. การเก บรวบรวมข อม ล และการจ ดการข อม ลให พร อมท จะน าไปว เคราะห 3. การใช โปรแกรม EViews ในการประมาณค าพาราม เตอร ของแบบจ าลอง และการว เคราะห ผล การว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) อย ภายใต เง อนไขท ว าข อม ลท น ามาใช จะต องเป นข อม ลอน กรมเวลา (Time series daa). การก าหนดร ปแบบของสมการท จะท าการว เคราะห ข นตอนท การก าหนดประเด นการศ กษา และแบบจ าลองท ใช ในการศ กษา การก าหนดประเด นท จะศ กษา ซ งเป นสมมต ฐานหร อทฤษฎ ทางด านเศรษฐศาสตร ท ต องการทดสอบหร อว เคราะห ประเด นท จะศ กษาจะเก ดจากต งค าถามของน กว จ ย ว าต องการทดสอบและว เคราะห อะไร ภายหล งจากการได ประเด นท จะ ศ กษามาแล ว ต องแปลงประเด นเหล าน นให อย ในต วแบบทางเศรษฐม ต (Economeric models) ภายใต เง อนไขท ว าประเด น เหล าน นสามารถท าให อย ในร ปแบบของแบบจ าลองหร อสมการความส มพ นธ ได ร ปแบบของแบบจ าลองหร อสมการทาง เศรษฐศาสตร ท น ยมใช ม อย แบบ ค อ (ในท น จะใช ต วแปรท เป นข อม ล ime series) ก. ร ปแบบสมการเด ยว (A Single Equaion Model) ร ปแบบฟ งก ช น Y = f (X, X, K, X, ε ) ร ปแบบสมการเส นตรง Y = α +βx +β X + K +βn X ข. ร ปแบบระบบสมการต อเน อง (Simulaneous Equaion Models) Y = C + I + G C = β0 +βy + ε I α + α Y + α Y + ε = 0 3 สมการท งสองร ปแบบจะม ค า error erm อย เสมอ ซ งหมายความว า สมการทางเศรษฐม ต โดยส วนใหญ แล วจะม ล กษณะเป น sochasic กล าวค อ ต วแปรอ สระและต วแปรตามจะม ความส มพ นธ ท ไม แน นอนตายต ว ในการเล อกว าจะใช ร ปแบบสมการแบบใดน น ข นอย ว ตถ ประสงค ของการศ กษา (ประเด นของการศ กษา) ข อจ าก ดของข อม ล งบประมาณ และระยะเวลาในการว จ ย ข นตอนท ก าหนดต วแปรท ใช ในการศ กษา เป นการก าหนดต วแปรอ สระและต วแปรตามท จะใช ในการศ กษา ซ งในการก าหนดน น น กว จ ยจะต องค าน งถ ง ความส มพ นธ ทางทฤษฎ เศรษฐศาสตร ด วย (ความส มพ นธ ด งกล าวต องม เหต และผลท สามารถอธ บายได ด วย) นอกจากการ ค าน งถ งความส มพ นธ ทางสถ ต การได มาซ งต วแปรท จะใช ในการศ กษาและความส มพ นธ ของต วแปรต างๆ น น ส วนหน งจะ ได มาจาก ทฤษฏ ทางเศรษฐศาสตร ประสบการในการว จ ย และผลงานการศ กษาท ผ านมา n n + ε โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 3 ข นตอนท 3 ก าหนดร ปแบบของสมการท ใช ร ปแบบสมการท ใช ในการว เคราะห ไม จ าเป นต องอย ในร ปแบบสมการเช งเส นเสมอไป และสามารถอย ใน ร ปแบบอ นๆ ได อ ก เช น ร ปแบบสมการ Double-log, Polynomial เป นต น การได มาซ งร ปแบบสมการสามารถท าได โดย ตรวจสอบโดยการด กราฟ โดยการท า Scaer Diagram 4000 3500 3000 500 CS 000 500 000 500 000 000 3000 4000 5000 6000 การทดสอบสมการหลายๆ ร ปแบบแล วเล อกสมการท ด ท ส ด ซ งสามารถด ได จากค าสถ ต ต างๆ ข นตอนท 4 ก าหนดเคร องหมายของค าพาราม เตอร ต างๆ เป นการก าหนดความส มพ นธ ของต วแปรตามและต วแปรอ สระว าควรจะม ความส มพ นธ อย างไร ซ งจะต องถ กต อง ตามทฤษฎ ทางเศรษฐศาสตร และม เหต ม ผลท สามารถอธ บายได ตามความเป นจร งท เก ดข น. การเก บรวบรวมข อม ล และการจ ดการข อม ลให พร อมท จะน าไปว เคราะห ข นตอนท เก บรวบรวมข อม ล ข อม ลท ใช ในการว จ ยสามารถเก บรวบรวมได จากการใช แบบสอบถามส มภาษณ และจากแหล งข อม ลของทาง ราชการท ม อย แล ว ล กษณะข อม ลท ใช ในการว เคราะห จะม อย 3 ประเภท ค อ ข อม ลภาคต ดขวาง (Cross secion daa) ข อม ลอน กรมเวลา (Time series daa) ข อม ล panel daa ข อม ลอน กรมเวลาท น ยมใช ในทางเศรษฐศาสตร ส วนใหญ น ามาจากหน วยงานราชการ และองค ระหว างประเทศ เช น GDP ประเภทข อม ล หน วยงาน web sie รายได การเง น การคล ง รายงานภาวะ ธนาคารแห งประเทศไทย www.bo.or.h เศรษฐก จ ฐานข อม ลมหภาคของประเทศไทย การคล ง รายร บ ภาษ รายงานทางการคล ง กระทรวงการคล ง www.mof.go.h สถ ต การค าระหว างประเทศ ด ชน ราคา กระทรวงพาณ ชย www.moc.go.h การผล ต รายได การจ างงาน I-O ข อม ลมหภาค ส าน กงานคณะกรรมการพ ฒนาการ www.nesdb.go.h เศรษฐก จและส งคมแห งชาต ราคาห น สถ ต การซ ขายห น ตลาดหล กทร พย แห งประเทศไทย www.se.or.h ฐานข อม ลมหภาคของประเทศไทย สถาบ นว จ ยเพ อการพ ฒนาประเทศไทย www.dri.or.h ข อม ลด านการเง นของประเทศต างๆ ในโลก Inernaional Moneary Fund www.imf.org โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 3
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 4 ข นตอนท การจ ดการข อม ลให พร อมท จะน าไปว เคราะห หล งจาก Key ข อม ลท ได จากการเก บข อม ล ไม ว าจะเป นข อม ลแบบไหนก ตาม ในข นแรกให ตรวจสอบความถ กต อง ข อม ลท จะน ามาใช ก อน โดยการค ดเล อกต วอย าง (observaion) ท สามารถใช ว เคราะห ได โดยต วอย างท จะว เคราะห ต องม ต วแปรท ครบถ วนสมบ รณ และในแต ละต วแปรจะต องไม ม การ missing อย เน องจากถ าหากใช Model ท ต อง ln ต วแปร หร อข อม ล ค าต วแปรท ม ค าเป นศ นย จะไม สามารถท าได พอจ ดการตรวจสอบข อม ลเสร จแล วให ท าการโอนข อม ลไปย ง program Eviews ต อไป ในคร งน จะยกต วอย างการว เคราะห ฟ งก ช นการบร โภคของประชาชน โดยใช ข อม ลจาก DRI daabase ข อม ลท ใช ประกอบด วย CS = PERSONAL CONSUMPTION EXPENDITURES (BIL. 987$) GDP = GROSS DOMESTIC PRODUCT (BIL. 987$) ฟ งก ช นท ต องการว เคราะห CS = α + βgdp เคร องหมายของการว เคราะห ค อ β > 0 ระยะเวลาของข อม ลท ใช 947 : 0 994 : 04 รวม 9 Obs. ในการตรวจสอบข อม ลเพ อความง ายให ท าบนโปรแกรม Excel ซ งจะท าได สะดวกกว าการท าบนโปรแกรม EViews. เล อก cell ท งหมดท ม ข อม ล เพ อเปล ยนให เป นข อม ลแบบต วเลข ด งร ป ช อต วแปรท ใช ในการว เคราะห ส วนของข อม ลท ใช ในการว เคราะห โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 4
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 5. คล กด านขวา และจะปรากฏหน าต างให เล อก แล วเล อกค าส งจ ดร ปแบบเซลล ด งร ป เล อกค าส งน 3. จะปรากฏหน าต าง ด งร ป แล วเล อกท ช องต วเลข แล วก าหนดต าแหน งทศน ยม ซ งแล วแต จะเล อก หล งจากน น ก ตอบตกลง ด งร ป โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 5
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 6 3. การใช โปรแกรม EViews ในการประมาณค าพาราม เตอร ของแบบจ าลอง ในรายงานฉบ บน จะกล าวถ งการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) โดยม ข นตอนของการอธ บายด งน ข อม ลอน กรมเวลา (Time series daa) ทดสอบความน งของข อม ล (Uni Roo Tes) ข อม ลม ความน ง (Saionary) ข อม ลไม ม ความน ง (Non saionary) Differencing Derending Coinegraion Error correcion ข นตอนท การค ดลอกข อม ลจาก Excel มาย ง EViews ก อนการว เคราะห ด วยโปรแกรม ต องน าข อม ลจาก Excel เข าส program EViews ก อน โดยสามารถท าได หลายว ธ ในท น จะอธ บายว ธ การท ง าย โดยการใช การค ดลอกจาก Excel แล วน าไปวาง บน EViews ม ข นตอนการท าด งน เง อนไขเบ องต นในการใช โปรแกรม EViews ห ามต งช อต วแปรในช อ C และ resid ต วค าส มประส ทธ ท ได จะถ กอ านไว ในช อต วแปร C สก ล file ของ EViews ถ าเป น Workfile จะถ กเก บในสก ล.wf ถ าเป น program ถ กเก บใน สก ล.prg ถ าเป น daabase ถ กเก บในสก ล.edb EViews แก ป ญหา auocorrelaion โดยการท า firs-order serial correlaion EViews ทดสอบ heeroskedasiciy โดยว ธ การ Whie's es for heeroskedasiciy EViews แก ป ญหา heeroskedasiciy ด วยว ธ การ Whie heeroskedasiciy consisen covariance และ he Newey-Wes HAC consisen covariance หร อ การ Weighed ด วยต วแปรต างๆ โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 6
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 7. เป ดโปรแกรม EViews โดยเล อกไอคอน แล วจะเข าส โปรแกรมด งร ป แถบเคร องม อหล ก หน าต างส าหร บพ มพ Command พ นท ท างาน (work area) Message Area Saus line Defaul Daabase Clear Message. สร าง EViews workfile เล อก File/New/Workfile บนแถบเคร องม อหล กด งร ป Defaul Direcory Curren Workfile โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 7
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 8 หล งจากน นจะปรากฏหน าต างให ก าหนด Range ของ Workfile ด งน ค าเร มต นของข อม ล ค าส นส ดของข อม ล Annual = ข อม ลรายป Semi Annual = ข อม ลรายคร งป Quarerly = ข อม ลรายไตรมาส Monhly = ข อม ลรายเด อน Weekly = ข อม ลรายส ปดาห Daily (5 day weeks) = ข อม ลท ก 5 ว น Daily (7 day weeks) = ข อม ลท ก 7 ว น Undaed or irregular = ข อม ลท ไม ข นก บเวลา เป นข อม ลราย Observaion ในต วอย างน ข อม ลเป นรายไตรมาสระหว าง 947 : 0 994 : 04 ด งน นจ งเล อก Quarerly แล วป อนค าเร มต น 947 ในช อง Sar Dae และค าส นส ด 994 ในช อง End Dae แล วตอบตกลง (ป ม OK) ด งน โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 8
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 9 ภายหล งจากกดป ม OK แล ว จะปรากฏหน าต าง Workfile ด งน Workfile Range Toolbar Curren sample Filer Descripion Defaul Equaion Objec Icons and Names ปกต หน าต าง Workfile ใหม จะม Objec Type ของค า c (coefficien vecor) และ resid (residual series) อย เสมอ ส าหร บ Objec Type ของโปรแกรม EViews จะม ด งน โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 9
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 0 เม อม หน าต าง Workfile แล ว แถบเคร องม อ ให เล อก Objecs/New objec แล วเล อก objec ype ประเภท series จ านวน series ให ม ช ออะไรก ได (แต ต องเป นภาษาอ งกฤษ) ด งร ป กดป ม จะปรากฏหน าต างด งน เล อกค าส งน ภายหล งจากเล อก New Objec แล ว จะปรากฏหน าต างด งน เล อก Type of objec ท series แล วต งช อ Name for objec อะไรก ได แล วตอบ OK ท าอย างน คร ง จะได objec series ต ว ซ งในท น ค อ a และ b ด งร ป Series ใหม ท สร างข นมา โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 0
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) เล อก series a และ b ท สร างข นมาใหม แล วให คล กขวาของ mouse จะม หน าต าง แล วเล อก Open/as Group ด งร ป จะได หน าต าง Group ข นมา ด งร ป ซ งในหน าต างน จะเห นว าคอล มน A และ B จะม ค า NA ซ งแสดงว าใน สองคอล มน ด งกล าวไม ม ข อม ล ก อนท จะน าข อม ลจาก Excel มา pase ลงในตารางน ให กดป ม Edi+/- ก อน ท กคร งก อน key หร อ pas ข อม ลจะต องกดป มน ก อน หาก ไม กดป มน จะไม สามารถ pase ได เน องจาก program EViews จะ log ข อม ลไว เพ อไม ให ม การเปล ยนแปลง ในกรณ ท ไม ได ต งใจ โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) ภายหล งจากกดป ม แล วให ลาก mouse เพ อเล อกคอล มน A และ B ด งร ป หล งจากน นให ไป copy ข อม ลจากตาราง Excel พร อมท งช อต วแปรด งร ป โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 3 แล วน าไป pase ในหน าต าง Group ท เล อกไว แล วจะปรากฏหน าต างด งร ป ให ตอบ Yes ซ งหมายความว า โปรแกรมต องการเปล ยนช อต วแปรจาก A เป น CS หล งจากน นให กดป ม อ กคร ง ในท ส ดเราก จะม ช ดข อม ล (series) พร อมท จะว เคราะห ในคร งน ค อ ม series ของต วแปร CS และ GDP ด งร ป ช ดข อม ลท จะใช ว เคราะห หล งจากน าข อม ลเข าส ง EViews แล ว ให ป ดหน าต าง Group ซ งจะ Save ช อ Group หร อไม ก ได หล งจากป ด หน าต าง Group แล ว ให บ นท กข อม ล โดยกดป ม ท หน าต าง Workfile แล วเล อก Pah Direcory ท ต องการจะเก บ Workfile น ไว พร อมท งต งช อ file ท ต องการ นามสก ล file ของ EViews จะม นามสก ล.wf แล วต อไปเราก สามารถน า file ด งกล าวกล บมาว เคราะห ใหม ได อ ก โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 3
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 4 ข นตอนท การทดสอบ Uni Roo ของต วแปรท ใช ในการศ กษา (ต ว CS และ GDP) เหต ผลของการทดสอบ Uni Roo ของต วแปร. ข อม ลอน กรม (Time series daa) ม กจะม ความไม น งของข อม ล (nonsaionary). การน าข อม ลท nonsaionary มาใช ว เคราะห ในสมการถดถอยจะท าให เก ด spurious regression 3. ค าสถ ต R, -saisic และ F-saisic ท ได จากสมการถดถอยท เก ด spurious regression จะไม ถ กต อง และไม ควรน ามาใช เน องจากไม สามารถเช อถ อได เพราะ ม การกระจายท ไม ได มาตรฐานและต วประมาณ ค าท ได จากว ธ การ OLS จะไม consisen ต วแปรท ม ล กษณะ saionary และ nonsaionay จะม ค ณสมบ ต 3 ข อด งน สมมต ให ต วแปร Y ม ล กษณะ saionary ต วแปร Y จะม ค ณสมบ ต ด งน Mean : E(Y ) = µ Variance : Var(Y ) = E(Y µ = σ E (Y ) µ )(Y+ k µ ) Covariance : [ ] k สมมต ให ต วแปร Y ม ล กษณะ nonsaionary ต วแปร Y จะม ค ณสมบ ต ด งน Mean : E(Y ) = µ Variance : Var(Y ) = E(Y µ ) = σ E (Y µ )(Y+ k Covariance : [ ] k µ ) ล กษณะสมการถดถอยท คาดว าจะเป น Spurious Regression ค า R และ -saisic ท ค านวณได ม ค าส ง แต ค า Durbin Wason (DW) ม ค าต า Granger and Newbold ได ต งข อส งเกตว า ถ า R > DW แสดงว า สมการถดถอยท ได อาจม ป ญหาท เร ยกว า Spurious Regression เน องจาก e e R = (y y) ถ าข อม ลอน กรมเวลาม ความส มพ นธ ก บเวลา ( y y) จะม ค าเพ มข นเม อเวลาเพ มข น DW ( ρ) = = γ γ เม อ ε = ρε + u ถ าต ว error ม ความส มพ นธ ก นมาก ค า ρ จะส ง และ DW จะต า Granger and Newblod. Spurious Regressions in Economerics. Journal of Economerics. (974), -0. โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 4
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 5 การทดสอบ Uni Roo โดยว ธ การ Dickey-Fuller es ซ งม สมการท ต องการทดสอบอย 3 สมการ (A level) ค อ Y = γy + ε (random walk process) Y = α + γy + ε (random walk wih drif) Y α +β + γ + ε (random walk wih drif และม linear ime rend) สมมต ฐานท ทดสอบ = Y H 0 : γ = 0 H a : γ 0 ถ าเรายอมร บ H0 แสดงว า Y ม ล กษณะไม น ง (nonsaionary) เน องจาก γ = ( ρ) ในสมการ Y = ρy + ε แสดงว า ค า Y ม การเปล ยนแปลงเม อเวลาเปล ยนแปลง การทดสอบน สามารถท าได ด วยโปรแกรม EViews ด งน Sep เล อกต วแปรท ต องการทดสอบแต ละต ว โดยการกด Double Click ท ต วแปรน นก จะปรากฏหน าต างของ ข อม ลต วแปรด งร ป Sep เล อก Views/Uni Roo Tes ท แถบเคร องม อของ series ท เป ดมา ด งร ป โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 5
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 6 Sep 3 หล งจากน นจะปรากฏหน าต างด งร ป Sep 4 เล อก Tes Type : Augmened Dickey-Fuller, เล อก Tes for uni roo in : Level (เร มต น), เล อกเร มต น ของ Include in es equaion : Trend and inercep, เล อก Lag lengh : User specified : 0 (ด งร ป ข างต น) แล วกดป ม OK จะได ผลด งน ไม สามารถ Rejec H 0 แสดงว า ม Random walk wih drif และม linear ime rend จากผลข างต นแสดงว า CS เป น nonsaionary ท ระด บ Level โดยทดสอบด วยสมการท ม Random walk wih drif และม linear ime rend ท าอย างน ไปเร อยๆ จนและท กต วแปรเพ อด ว าแต ละต วแปร saionary ท เท าไหร จากการทดสอบ พบว า CS saionary ท s Difference ท ม Random walk wih drif และม linear ime rend GDP saionary ท s Difference ท ม Random walk wih drif โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 6
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 7 ท ผ านมาเป นว ธ การทดสอบ Uni Roo โดยว ธ การ Dickey-Fuller es ซ งหากแบบจ าลองท ใช ใน การทดสอบม ป ญหา auocorrelaion ก จะให ค าสถ ต ท ได มาน นไม สามารถน ามาใช ได อย างถ กต อง ด งน น จ งได ม การเสนอให ปร บสมการใหม โดยใส ต วแปรล า (lag) ของ Y ในล าด บท ส งข น ว ธ การน เร ยกว า Augmened Dickey-Fuller es ด งม รายละเอ ยดด งน การทดสอบ Uni Roo โดยว ธ การ Augmened Dickey-Fuller es ซ งม สมการท ต องการทดสอบอย 3 สมการ (A level) ค อ p = γy + φ Y i + ε i= p = α + γy + φ Y i + ε i= p = α +β + γy + φ Y i i= Y (random walk process) Y (random walk wih drif) Y + ε (random walk wih drif และม linear ime rend) สมมต ฐานท ทดสอบ H 0 : γ = 0 H a : γ 0 ถ าเราไม สามารถ Rejec H0 แสดงว า Y ม ล กษณะไม น ง (nonsaionary) การทดสอบน สามารถท าได ด วยโปรแกรม EViews ด งน Sep เล อกต วแปรท ต องการทดสอบแต ละต ว โดยการกด Double Click ท ต วแปรน นก จะปรากฏหน าต างของ ข อม ลต วแปรด งร ป โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 7
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 8 Sep เล อก Views/Uni Roo Tes ท แถบเคร องม อของ series ท เป ดมา ด งร ป Sep 3 หล งจากน นจะปรากฏหน าต างด งร ป Sep 4 เล อก Tes Type : Augmened Dickey-Fuller, เล อก Tes for uni roo in : Level (เร มต น), เล อกเร มต น ของ Include in es equaion : Trend and inercep, เล อก Lag lengh : User specified : (ด งร ป ข างต น) แล วกดป ม OK จะได ผลด งน โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 8
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 9 ไม สามารถ Rejec H 0 แสดงว า nonsaionary ม Random walk wih drif และม linear ime rend หากค า DW ม ค าต ากว าค าว กฤตให เพ ม lag ของ Y เข าไป จนกว าค า DW จะม ค าส งกว าค าว กฤต จากผลข างต นแสดงว า CS เป น nonsaionary ท ระด บ Level โดยทดสอบด วยสมการท ม Random walk wih drif และม linear ime rend และใช lag ของ Y ท (พ จารณาจากค า DW) ซ งถ าหา DW ต ากว าค าว กฤตให เพ ม lag ของ Y เข าไป ท าอย างน ไปเร อยๆ จนและท กต วแปรเพ อด ว าแต ละต วแปร Saionary ท เท าไหร จากการทดสอบ พบว า CS saionary ท s Difference ท ม Random walk wih drif และม linear ime rend GDP saionary ท s Difference ท ม Random walk wih drif ผลท ได สอดคล องก บเม อทดสอบด วย Dickey-Fuller Tes โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 9
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 0 ข นตอนท 3 การทดสอบ Coinegraion ของสมการ CS = α + βgdp เม อ CS และ GDP ม saionary ท s Difference หร อท I () ช ดข อม ลท น ามาว เคราะห สมการถดถอย แม ว าข อม ลจะม ล กษณะ nonsaionary แต ถ าต วแปรท น ามาพ จารณา ม ค ณสมบ ต เป น coinegraion ผลการว เคราะห สมการถดถอยท ได จะไม ม ป ญหา spurious regression ในย คแรก แนวความค ดน ถ กพ ฒนาโดยน กเศรษฐม ต ท าน ค อ Engle และ Granger (987) ซ งท งสองท านให ข อสร ปทางทฤษฎ ว า ข อม ลอน กรมเวลาต งแต ช ด อาจม ความส มพ นธ ในเช งเคล อนไหวไปพร อมๆ ก น ในสภาพท แน นอน ความส มพ นธ ด งกล าวเร ยกว า coinegraion ความส มพ นธ เช นน เก ดข นได แม ว าข อม ลจะเป น nonsaionary ก ตาม ซ งในการหา ความส มพ นธ ระยะยาวจะเป นการศ กษาเร อง coinegraion ส วนการศ กษาหาความส มพ นธ ของต วแปรในระยะส น ส วนใหญ จะ น ยมใช แบบจ าลองท เร ยกว า error correcion ในการว เคราะห ซ งจะขอกล าวถ งในส วนต อไป ก อนท จะท าการทดสอบ coinegraion ด วยว ธ ทางเศรษฐม ต ควรจะม การด ความส มพ นธ ของต วแปรท จะท าการ ว เคราะห ด วยกราฟ ด งแสดงได ด งน ก. กรณ ท ต วแปร Y และ X ไม ม coinegraion ก น 6000 5000 4000 3000 000 000 0 50 55 60 65 70 75 80 85 90 Y X ข. กรณ ท ต วแปร Y และ X ม coinegraion 6000 5000 4000 3000 000 000 0 50 55 60 65 70 75 80 85 90 Y X Engle and C.W.J. Granger. Coinegraion and Error Correcion : Represenaion, Esimaion and Tesing. Economerica, Vol. 55, N., 987, pp. 5-76 โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 0
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) จากต วอย างจะ plo กราฟต วแปร CS และ GDP เพ อด ว าในเบ องต นแล วต วแปรด งกล าว coinegraion หร อไม 6000 5000 4000 3000 000 000 0 50 55 60 65 70 75 80 85 90 CS GDP จากต วอย างในท น จะเห นว า ต วแปรท งสามม ล กษณะการเก ด coinegraion ซ งในล าด บต อไปจะท าการทดสอบ โดยว ธ การเศรษฐม ต ต อไป ในคร งน จะกล าวถ งการทดสอบ coinegraion ด วยว ธ การ Engle and Granger ท ผ านมาในการทดสอบ Uni Roo เราพบว า ต วแปร CS และ GDP ม saionary ท s Difference หร อท I () ด งน นถ าค า error เทอมท ได จากสมการ CS = α +βgdp + ε ม saionary ท Level (ทดสอบท random walk process) ก แสดงว าสมการน ม ล กษณะ coinegraion หร อม ความส มพ นธ ในระยะยาว การทดสอบ coinegraion สามารถท าได ด วยโปรแกรม EViews ด งน Sep เล อกกล มต วแปรท ต องการว เคราะห ซ งในท น ก ค อ CS และ GDP และ คล กขวาเล อก open/as group โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) Sep ภายหล งจากเป ดหน าต าง Group แล ว ให กดป ม ในหน าต าง Group แล วเล อก Make equaion Sep 3 หล งจากเล อก Make equaion ก จะปรากฏหน าต าง Equaion Specificaion ด งน ส าหร บก าหนดร ปแบบสมการ เล อกว ธ การประมาณค า ก าหนดขนาดกล มต วอย าง Opions ของการ Esimaion โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 3 ในต วอย างน เป นการทดสอบ coinegraion และเล อกร ปแบบสมการแบบเส นตรง ใช ว ธ การประมาณค าแบบ OLS และจะไม ม การแก ป ญหาใดๆ ท งส น (เช น ป ญหา Auocorrelaion, ป ญหา Heeroskedasiciy) เม อเสร จแล วให กดป ม OK จะได ผลการประมาณค าด งน จากผลการประมาณค าข างต นพบว า สมการน ม ป ญหา Auocorrelaion และค าส มประส ทธ ของ ต วแปร GDP ม เคร องหมายถ ก แต อย างไรก ตามสมการน อาจม ป ญหา Heeroskedasiciy ด วย ด งน นจ งต องการท าการ ทดสอบโดยกดป ม View แล วเล อก Residual Tess/Whie Heeroskedasiciy (no cross erms) ด งร ป โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 3
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 4 หล งจากน นจะปรากฏหน าต างด งน ผลท ได พบว า แบบจ าลองน ม ป ญหา Heeroskedasiciy แต เน องจากในการศ กษาคร งต องการทดสอบ Coinegaion ด งน นจ งย งไม ต องแก ป ญหา Auocorrelaion และ Heeroskedasiciy เพราะจะท าให ค า error ท ได ไม ได เก ดจากความส มพ นธ ท แท จร งของต วแปรอ สระก บต วแปรตาม Sep 4 หล งจากประมาณค าส มประส ทธ ของสมการด วย OLS แล วต อไปต องประมาณค า error เพ อน ามาทดสอบ uni roo ว า saionary ท level หร อไม ซ งถ า error ม saionary ท level ก แสดงว า CS ม ความส มพ นธ ก บ GDP ในเช ง ด ลยภาพระยะยาว และค า error จะม การเคล อนท อย ใกล ศ นย แม ว าเวลาจะเปล ยนไป ในการ make error ของโปรแกรม EViews ให เล อกป ม ท หน าต าง equaion แล วเล อก Make Residual Series โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 4
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 5 ภายหล งจากเล อก Make Residual Series แล วจะปรากฏหน าต างด งน ต งช อต วแปร error เม อก าหนดช อเสร จของ error แล วให กด OK ก จะได series ของ error หล งจากน นก ท าการทดสอบ Uni Roo Sep 5 ทดสอบ uni roo ของ error ซ งถ าหาก error ม saionary ท level (โดยไม ม inercep และ ime rend) ก แสดงว า แบบจ าลองน ม Coinigraion ด งร ป จากต วอย างในคร งน สามารถอธ บายได ว า การบร โภคของประชาชน และรายได ม ความส มพ นธ ในเช งด ลยภาพ ในระยะยาว หร อม ล กษณะ coinegraion และเป นท น าส งเกตว าค า error เทอมท ได จะม การกระจายต วอย บร เวณศ นย ด งในกราฟ 0 80 40 0-40 -80-0 50 55 60 65 70 75 80 85 90 ERROR โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 5
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 6 ข นตอนท 4 การประมาณค าแบบจ าลอง error-correcion เม อสมการ CS = α+ βgdp ม ล กษณะ Coinegraion ต วแปรอน กรมเวลาท ม ความส มพ นธ เช งด ลยภาพระยะยาว (Coinegraing relaionship) สามารถน ามาสร าง แบบจ าลองการปร บต วระยะส นของต วแปรเพ อเข าส ด ลยภาพระยะยาวได แบบจ าลองน เร ยกว า Error-Correcion Model : ECM ซ งเป นต วแบบท เช อมโยงค าต วแปรระหว างระยะส นก บระยะยาว ต วแบบ ECM โดยปกต เข ยนได ด งน Y = α + γ X + ( γ + γ )X ( α ) Y + µ 0 0 0 ก าหนดให β ˆ =α /( ) และ β ˆ = ( γ + γ ) /( ) ด งน นจ งจ ดการสมการข างต นใหม ได ด งน 0 α 0 0 α [ Y ˆ ˆ β0 βx ] + Y = γ X ( α ) µ จ ดเด นของแบบจ าลอง ECM แบบจ าลองน รวมผลท แสดงถ งการเปล ยนแปลงระยะส นและระยะยาวได ด วยก น เทอม [ Y ˆ ˆ β 0 β X ] ค อ error correcion (EC) ถ าอย ในสภาพด ลยภาพ [ Y ˆ ˆ β 0 β X ] จะม ค าเท าก บ 0 ถ าอย ในสภาพไร ด ลยภาพ [ Y ˆ ˆ β 0 β X ] จะม ค าไม เท าก บ 0 เทอม ( α ) แสดงถ ง ความเร วในการปร บต ว (speed of adjusmen) ของ EC ซ งแสดงให ร ว า ต วแปร Y จะเปล ยนแปลงเพ อตอบสนองต อการไร ด ลยภาพอย างไร สามารถประมาณค าส มประส ทธ ด วยว ธ การ OLS ได โดยไม เก ด spurious regression จากสมการข างต นสามารถขยายเพ มเต มเพ อให ครอบคล มกรณ ท ม ต วแปรอ สระมากกว า ต ว และม ความล า (lag) มากกว า ช วงเวลา ได สมการใหม ด งน p i= [ βi Y i + γ i X i + φi X i ] λec + Y = α + K µ ˆ เม อ EC = [ Y β0 βx ] = ε ˆ ˆ ข นตอนในการสร างแบบจ าลอง ECM ม ข นตอนด งน ข นตอนแรก ประมาณค าสมการ Coinegraion ด วยว ธ การ OLS แล วค านวณหา εˆ โดยท ต วแปรอ สระและ ต วแปรตามจะต องม การทดสอบความเป น saionary และควรจะม ระด บ order เด ยวก น หร อ ใกล เค ยงก น ข นตอนท สอง ก าหนดต วแบบ ECM ท ต องการ แล วท าการประมาณค าส มประส ทธ ด วยว ธ การ OLS โดยค า ส มประส ทธ หน า ε ˆ จะต องม ค า < 0 โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 6
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 7 การประมาณค าแบบจ าลอง error-correcion ด วยโปรแกรม EViews สามารถท าได ด งน จากท ผ านมาก เราได error จากสมการ CS = α+ βgdp ม ล กษณะ Coinegraion ท I () ต อไปจะท าการ ประมาณค าแบบจ าลอง error-correcion โดยในท น ได เล อกแบบจ าลอง ECM ท จะประมาณค าด งน CS GDP ˆ + µ = α+β + γε หากค า DW ของสมการม ค าต ากว าค าขอบเขตบน ก สามารถเพ มความล า (lag) ของต วแปรอ สระและต วแปรตามได CS = α+β GDP +β GDP + γεˆ + µ และได ม การน าเสนอแบบจ าลองท ไม ม ต วคงท ซ งม ล กษณะของสมการด งน CS GDP ˆ + µ = β + γε ข อตกลงเบ องต นในการใช โปรแกรม EViews Y ใช ค าส ง D (Y) Y ใช ค าส ง Y( ) Y ใช ค าส ง D(Y( )) Y ใช ค าส ง Y ^ Sep ท ผ านมาได ต งช อต วแปร ˆε ว า error ด งน นเราจะเล อกต วแปร CS, GDP และ error แล วคล กขวาเป ด เล อก as group จะได หน าต าง group ของต วแปรเหล าน ข นมาก ต อจากน นให เล อกป ม ให กดป ม ในหน าต าง Group แล วเล อก Make equaion แล วจะได หน าต าง equaion specificaion ด งร ป (ท าตามข นตอนการทดสอบ coinegraion) ม ความหมายว า CS = α+β GDP + γεˆ + µ ประมาณค าด วยว ธ การ OLS ในช อง Equaion specificaion พ มพ ค าว า d(cs) c d(gdp) error(-) เข าไป แล วเล อก Mehod : LS-Leas Squares (NLS and ARMA) แล วกดป ม OK จะได ผลการว เคราะห ด งน โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 7
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 8 ผลการค านวณท ได ม ความหมายท ส าค ญอย ประเด นค อ. การเปล ยนแปลงของ GDP ม ผลต อการเปล ยนแปลงการบร โภคในท ศทางเด ยวก น และม น ยส าค ญทางสถ ต เน องจากค า -saisic ท ค านวณได ม ค าส งกว าค า -saisic ว กฤต. เม อเก ดภาวะใดๆ ท ท าให การบร โภคในระยะยาวออกจากจ ดด ลยภาพ การปร บต วกล บเข าส ด ลยภาพของการ บร โภคจะถ กปร บให ลดลงในแต ละช วงเวลาด วยขนาด 0.04959 หร อเป นค าส มประส ทธ ความเร วของการ ปร บต วของการบร โภคเพ อเข าส ด ลยภาพในระยะยาวม ค าเท าก บ 0.04959 จากแบบจ าลองข างต นจะเห นว าไม ม ป ญหา Auocorrelaion เน องจากค า DW ม ค าใกล เค ยงสอง ด งน นจ ง ไม จ าเป นต องใช แบบจ าลองท ม ต วแปรความล า (lag) ของต วแปรอ สระและต วแปรตาม ในแบบจ าลองข างต นอาจเก ดป ญหา Heeroskedasiciy หร อไม ก ได แต โดยปกต แล วในแบบจ าลอง ECM ม กจะ ไม เก ดป ญหาน ด งน เพ อความถ กต องของการประมาณค าแบบจ าลอง เราจ งจ าเป นต องทดสอบป ญหา Heeroskedasiciy โดยใน โปรแกรม EViews สามารถท าได ด งน กดป ม View ในหน าต าง Equaion แล วเล อก Residual Tess/Whie Heeroskedasiciy (no cross erms) (ด รายละเอ ยดของว ธ การในห วข อการทดสอบ Coinegraion) จะได ผลการทดสอบออกมาด งน โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 8
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 9 H 0 = Homoscedasiciy H = Heeroskedasiciy a ผลการทดสอบพบว า หากพ จารณาท ระด บน ยส าค ญ 95% น น แบบจ าลองน ไม ม ป ญหา Heeroskedasiciy แต ถ าหาก พ จารณาท ระด บน ยส าค ญ 90% น น แบบจ าลองน ม ป ญหา Heeroskedasiciy และเม อด ในรายละเอ ยด ก พบว า ต วแปรคงท (consan erm) ม ความส มพ นธ ก บค า residual ด งน นต ว error erm ของสมการน อาจม ค า variance ไม คงท ก ได ด งน นเพ อ ความถ กต องและเพ อความม นใจ ในท น จะท าการประมาณค าสมการ CS = β ˆ GDP + γε + µ อ กคร งหน ง แล วจะท าการเปร ยบเท ยบค าสถ ต ท ได ระหว างสมการก อนหน าน ก บสมการใหม ว าควรจะเล อกสมการไหนด กว า ซ งในการ พ จารณาว าจะเล อกแบบจ าลองใดน น เราจะพ จารณาจากค าสถ ต ของแบบจ าลอง ในคร งน จะพ จารณาจากค าสถ ต R, R (adjused R ) และAkaike Informaion Crierion (AIC)โดยท e e R = (EViews 4. Help) (y y) n R = ( R ) (EViews 4. Help) n k k AIC = l + (EViews 4. Help) n n โดยท e = เวกเตอร n ( n vecor) ของ residuals จากว ธ OLS โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 9
ค ม อการใช โปรแกรม EViews เพ อการว เคราะห Uni Roo, Coinegraion และ Error Correcion Model (ตามว ธ การของ Engle and Granger) 30 n k l = จ านวนค าส งเกต (observaions) = จ านวนพาราม เตอร (parameers) = log likelihood โดยเล อกแบบจ าลองท ให ค า R และ R ส งส ดถ าใช เกณฑ แบบจ าลองท ให ค า AIC ต าส ด (Inriligaor e.al., 996: pp08-09) R และ R (Greene, 997: p400) และเล อก ผลการประมาณค าแบบจ าลอง CS = β ˆ GDP + γε + µ และเล อก Opion การแก ป ญหา Heeroskedasiciy ด วยว ธ Whie Heeroskedasiciy-Consisen Sandard Errors & Covariance ได ผลการประมาณค าด งน ตารางเปร ยบเท ยบผลการประมาณค า CS GDP ˆ µ CS GDP ˆ µ ค าสถ ต = α+β +γε + = β +γε + R 0.43556 0.983 R (adjused R ) 0.49556 0.88538 Akaike Informaion Crierion (AIC) 7.70990 7.9566 และ สร ปว าเล อกแบบจ าลอง CS = α+β GDP+γεˆ + µ ในการอธ บายผลการศ กษา เน องจากค าสถ ต R ม ค าส งกว า ในขณะท Akaike Informaion Crierion (AIC) ก ม ค าต ากว า ซ งตรงก บเง อนไขท ก าหนดไว R โดย นายอ ครพงศ อ นทอง สถาบ นว จ ยส งคม มหาว ทยาล ยเช ยงใหม 30