ความคิดเห็นที่ 1 disturbance? you mean autocorrelation lor kub? จากคุณ : Solow - [ 10 พ.ย. 48 05:10:52 ]

ความคิดเห็นที่ 2 ใช่ค่ะ  แต่เป็น autorelation ระหว่างสอง บริษัทนะคะ คือข้ามกลุ่มน่ะค่ะ ไม่ใช่ serial correlation นี่เป็นโจทย์น่ะค่ะ 2.  (Systems of Regression Equations) You suspect that there are some other common factors (except the market factor) that can explain equity returns. Thus the disturbance term, εit, in the following model, rit = αi + βi(rmt) + εit, i = 1, 2, may be cross-sectionally correlated; i.e., E(ε1tε2t) not equal 0. ( ความจริงเป็น rit , eit นี่คือ r ,e ห้อย it นะคะ i คือ ของ บริษัท 1 หรือ 2  และ t คือที่เวลา t — Explain an appropriate estimation method to be used in this case and estimate the parameters using the method you choose. Test if αi = 0. — Compare the previous results with OLS estimates. Is there any difference between them? If there is, explain the reason why there is difference. — Repeat the above procedure for the following model; rit = αi + βirmt + β2iSt + β3iVt + β4iMt + εit. (5) Compare the results with those in the third question of subsection B. Is there any difference? คือ appropriate method นี่ ใช้ function ไหนใน eviews คะ  คือเห็นอาจารย์เค้า อธิบายเหมือนกัน ว่า เข้า object new object เลือก system อะไรประมาณนี้อ่ะค่ะ  ฟังไม่ค่อยทัน  แต่ไม่แน่ใจว่าใช้วิธีนี้รึเปล่า   แล้วเค้าก็พูดว่าถ้า standard error เปลี่ยนจะเป็น  จะเป็นยังไง  คือเรามีปัญหาในการฟังภาษาอังกฤษน่ะค่ะ  ฟังไม่ค่อยทัน  แค่พอจับใจความได้  กลุ้มค่ะ  เพราะต้องทำ coursework ส่งแล้ว พอทราบไหมคะ  ว่า ถ้า standard error เปลี่ยนนี่ เราจะอธิบายผลว่ายังไงดี แก้ไขเมื่อ 11 พ.ย. 48 03:03:24 จากคุณ : fortytwo - [ 11 พ.ย. 48 01:53:36 ]

ความคิดเห็นที่ 3 อ้าว  โทษทีค่ะ  ทำไม วางแล้วมันเป็นแบบนี้   อยากรบกวน คุณ solow ช่วย เข้าไปตาม ลิ้งนี้ได้ไหมคะ  โจทย์ข้อ C อ่ะค่ะ   จะอ่านง่ายกว่า   อยากขอคำแนะนำอ่ะค่ะ ว่าควรใช้ estimation method อะไร   จะใช้ eviewsวิเคราะห์ยังไง http://www.staff.city.ac.uk/s.hwang/fe/files/project.pdf แก้ไขเมื่อ 11 พ.ย. 48 04:53:20 จากคุณ : fortytwo - [ 11 พ.ย. 48 04:52:25 ]

ความคิดเห็นที่ 4 อ่านโจทย์ของคุณแล้ว ไม่ค่อยเข้าใจเท่าไหร่ และคงต้องเดาอ้ะครับ ว่าคุณเรียนเรื่องอะไรมาบ้าง ทีแรกผมคิดว่ามันน่าจะเป็นพวก unit root test หรือ cointegration test แต่มาดูโจทย์อีกที เขาถามถึง Estimation Method นี่หว่า และมันน่าจะเป็นอะไรที่มันไม่ซับซ้อนมาก (ประมาณว่าเอา error term ของทั้งสองอันมาหา principal components แล้วเอา principle components มา augment regression อีกที หรือพวก DOLS, FMOLS  อะไรประมาณนั้น ซึ่งมันไม่น่าจะใช่) ถ้าเป็นแบบธรรมดาทั่วไป (และดูจากโจทย์ที่พยายามจะบอกว่านี่เป็น System of Regression Equations) ผมว่ามันน่าจะเป็น Seemingly Unrelated Regression (SUR) หรือ Aitkin's Estimator ธรรมดาแหละ (แต่อย่าถามนะว่า EView ทำยังไง เพราะสมัยผมเรียน EView มันยังไม่เกิด เคยใช้แต่บรรพบุรุษของมันคือ TSP ง่ะ) และถ้าคุณใช้ SUR ในการทำ Estimation คำตอบที่ได้ก็ไม่น่าจะต่างจาก OLS ธรรมดาหรอก เพราะ Independent Variable มันตัวเดียวกัน (คือ Return on Market) Aitkin estimator จะ improve estimation ก็ต่อเมื่อ ทั้งสองสมการมี independent variables ที่ต่างกันอย่างน้อยสมการละ 1 ตัว ไม่รู้ว่าช่วยให้ดีขึ้นหรือช่วยให้งงขึ้นนะ จากคุณ : Jammer - [ 11 พ.ย. 48 16:04:05 ]

ความคิดเห็นที่ 5 ขอบคุณค่ะ ที่ช่วยดูให้ กำลังคิดเหมือนกันว่าต้องใช้ sur รึเปล่า  แต่อาจารย์เค้าอธิบายนิดเดียวเองค่ะ  เค้าแค่บอกว่าถ้าผลมันออกมาต่างจาก OLS คือ มี standard error ต่างกัน  แสดงว่า มี correlation   ดังนั้นถ้า error ต่างกัน  แสดงว่า เกิด crossectional correlation และ วิธี OLS จะ bias ใช่มั้ยคะ คือค่า standard error ที่ถูกต้องนี่คือค่าที่ได้จากวิธี SUR ใช่มั้ยคะ จากคุณ : fortytwo - [ 11 พ.ย. 48 21:45:38 ]

ความคิดเห็นที่ 6 I'm kinda confused by the question too. If you happen to omit certain variables from regression analysis, your ols will be biased. This is becuase you are likely have same-row correlation between error term and explanatory variable. Under this condition, OLS will be biased and it will not be asymtotically unbiased (i.e. big sample won't help). The way out is to include all explanatory variables (i.e. not to omit any explanatory variables from the model) or use an estimation method called 'instrumental variable estimation'. To get unbiased estimation, the instrument that you'll need to use need to be correlated with market return but uncorrelated with error term.  I don't know how you'll be able to get this variables! But since ur teacher said that it is easy to perform... then there must be something that u can use as the instrumental variable in the previous two questions.. แก้ไขเมื่อ 12 พ.ย. 48 01:23:23 จากคุณ : solow (Solow) - [ 12 พ.ย. 48 01:22:07 ]

ความคิดเห็นที่ 7 I don't know if you know this already.. but here is the logic of source of the biasness. True model: excess-return1 = alpha1 + (beta1*market return) + (gamma1* some other factors) + error1 But we run: excess-return1 on a constant and market return ONLY. Hence our model will look something like: excess-return1 = alpha1 + (beta1*market return) + error*1 where error*1 is (gamma1* some other factors) + error1. If there is correlation between "market return" and "some other factors".. you'll have same-row correlation between your explanatory variable and ur error term. แก้ไขเมื่อ 12 พ.ย. 48 01:55:19 แก้ไขเมื่อ 12 พ.ย. 48 01:51:57 แก้ไขเมื่อ 12 พ.ย. 48 01:38:35 จากคุณ : Solow - [ 12 พ.ย. 48 01:36:36 ]

ความคิดเห็นที่ 8 พอเข้าใจที่คุณ solow อธิบายเรื่อง ถ้า โมเดล ตกตัวแปล ที่ควรจะมีไป จะทำให้ error มัน correlate กัน   ถ้า error correlate กัน นี่แสดงว่า OLS จะ Bias ใช่มั้ยคะ   แล้ว  ผล ของ bias นี่คือ แค่ standard error ของ estimators จะไม่ถูกต้อง แต่ค่า estimator ยังถูกต้อง แค่นั้นรึเปล่าคะ   หรือมีค่าอะไรที่ไม่ถูกต้องอีกมั้ยคะ จากคุณ : fortytwo - [ 12 พ.ย. 48 06:08:51 ]

ความคิดเห็นที่ 9 Again.. I don't know if you know this already na krub..  but let's me clarity different conditions between explanatory X variables and error term: 1) X is fixed.  In this case OLS estimator will be unbiased. 2) X is random in the sense that they are 'fully independent' from error (i.e. no matter what error is it will not has impact on the value of X) - here OLS estimator is again unbiased. 3) X is random in the sense that they are 'mean-independent' from error term (i.e. no matter what error is it will not change the mean value of X -- but it may change other nature of X e.g. variance) - OLS estimator is again unbiased. 4) X is random in the sense that they are 'same-row uncorrelated' with error (i.e. explanatory variables are not correlated with error term and they belong to the same data point.  this condition explanatory variables can be correlated with lagged error term - because they belong to different data point - hence different 'row').  Here OLS will be BIASED in small sample.  However, X will be approximately unbiased as sample gets very large. In ramdom category: fully dependent is stronger than mean dependent, mean dependent is strong than same-row uncorrelation.  Mean dependent is the weakest condition needed for OLS to be unbiased in finite sample.  Same-row uncorrelation is the weakest condition needed for OLS to be unbiased 'asymtotically'. In your question, the 'same-row uncorrelation' condition is broken.  Hence, OLS will be BIASED in finite sample.  And even if you increase ur sample size to allow for Law of Large Number to kick in.  It will not work.  OLS will remains to be BIASED asymtotically.  This is a serious problem -breaking 'same-row uncorrelation' assumption is pretty serious! By BIASED, I mean that 'on average' the value of estimator will be wrong.  This has nothing about standard error.  Actually, I don't really know what standard error will be like a kub. edit: i confused biased with unbiased.  - -' แก้ไขเมื่อ 12 พ.ย. 48 18:10:59 จากคุณ : Solow - [ 12 พ.ย. 48 07:21:14 ]

ความคิดเห็นที่ 10 ขอบคุณมากๆๆ  ค่ะ  :) เรื่องนี้ไม่เคยรู้เลยค่ะ   คงช่วยให้เราอธิบายอะไรได้มากขึ้น #  เดี่ยวคำถามหลังๆของโปรเจคจะเกี่ยวกับเรื่อง time series  ของกลับมาถามอีกครั้งนะคะ  อิอิ ขอบคุณอีกครั้งค่ะ จากคุณ : fortytwo - [ 12 พ.ย. 48 17:22:04 ]

ความคิดเห็นที่ 11 mai pen rai krub..  im happy to help if i know.. :) and don't forget to try to understand it!!!! จากคุณ : Solow - [ 12 พ.ย. 48 18:57:37 ]