cache
cache
cache
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
แบบจําลองจะทําใหผลการประมาณคา เกิดปญหาความสัมพันธที่ไมแทจริงขึ้น<br />
เนื่องจากตัวแปร<br />
อิสระและตัวแปรตามอาจมีความสัมพันธกับเวลามากกวาในลักษณะของพื้นฐานทางเศรษฐกิจ<br />
นอกจากนี้ยังทําใหผลการประมาณคาที่ไดมีคา<br />
R 2 ที่มีคาสูง<br />
Durbin-Watson มีคาต่ํามาก<br />
ดังนั้น<br />
วิธีการประมาณคาแบบจําลองที่ตองการศึกษาประกอบดวย<br />
ตัวแปรที่มีคุณสมบัติ<br />
non-stationary<br />
วิธีการประมาณคาแบบจําลองที่เหมาะสมคือ<br />
co-integration analysis<br />
ดังนั้น<br />
กอนที่จะมีการเลือกวิธีการประมาณคาแบบจําลองที่ตองการศึกษา<br />
จึงควรที่จะมี<br />
การทดสอบ stationary เพื่อที่จะไดเลือกวิธีการประมาณคาที่เหมาะสมกับแบบจําลองที่สรางขึ้น<br />
โดยที่<br />
stationary test เปนการทดสอบ stochastic process หรือกระบวนการอธิบายตัวแปรโดยใชคา<br />
ตัวแปรของตัวมันเองในอดีต วามีการเปลี่ยนแปลงหรือมีความแปรปรวนของแบบจําลองอันเนื่อง<br />
มาจากเวลาหรือไม ถา stochastic process มีการเปลี่ยนแปลงหรือมีความแปรปรวนของแบบจําลอง<br />
อันเนื่องมาจากเวลา<br />
แสดงวาตัวแปรดังกลาวเปน non-stationary ในขณะที่ตัวแปรที่เปน<br />
stationary<br />
ก็ตอเมื่อ<br />
stochastic process คงที่ตลอดชวงเวลา<br />
โดยที่คาเฉลี่ย<br />
(mean) ความแปรปรวน (variance)<br />
และคาของความแปรปรวนรวม (covariance) จะเขาใกลคาคงที่คาหนึ่งหรือเขาหาดุลยภาพ<br />
ซึ่งอาจมี<br />
ความผันผวนจากดุลยภาพเปนการชั่วคราวและมีแนวโนมกลับมาสูดุลยภาพเดิมหรือถาอนุกรมเวลา<br />
ของตัวแปรใด ๆ ซึ่งในที่นี้สมมติวาคือตัวแปร<br />
Y เปน stationary จะไดวา<br />
Mean: E(Yt) = µ : คาเฉลี่ย<br />
(mean) มีคาคงที่<br />
Variance: var ( Y ) = ( ) 2<br />
Y − µ<br />
t<br />
2<br />
E t =<br />
σ : คาความแปรปรวน (variance) มีคาคงที่<br />
Covariance: γ k = E [ ( Yt<br />
− µ )( Yt<br />
+k − µ ) ] : คาความแปรปรวนรวม (covariance)<br />
มีคาคงที่<br />
ในการศึกษาครั้งนี้จะใหการทดสอบ<br />
unit root หรืออันดับความสัมพันธของขอมูล<br />
(orders of integration) มีหลายวิธีดวยกันแตที่นิยมใชกันอยางแพรหลายก็คือ<br />
Dickey and Fuller<br />
(DF test) โดยเริ่มตนดวยการประมาณคาในแบบจําลองดวย<br />
first-order autoregressive หรือ AR (1)<br />
ดังนี้<br />
Y = ρ Y −1 + µ 1 ≤ ≤1<br />
t<br />
t<br />
t<br />
− ρ (3.1)<br />
31