Slide KTL 2020 Gv-Ltndiep

BÀI GIẢNG MÔN
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG KINH TẾ LƯỢNG
GIỚI THIỆU MÔN HỌC
- Tên môn học: Kinh tế lượng (Econometrics)

BÀI GIẢNG MÔN
- Mã số: BSA 1309
KINH TẾ LƯỢNG - Môn học trước: Toán cao cấp I, II,

Xác suất thống kê,
Kinh tế học
- Số tín chỉ: 3 - ứng với 45 giờ:
Giảng viên: TS. Lê Thị Ngọc Diệp nghe giảng lý thuyết: 36 giờ, chữa bài tập: 9 giờ.
Điện thoại/E-mail: 0912171969/ diepletn@ptit.edu.vn
Bộ môn: Kinh tế - Khoa QTKD1
www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp
BỘ MÔN KINH TẾ - KHOA QTKD1
1
BÀI GIẢNG MÔN BÀI GIẢNG MÔN

KINH TẾ LƯỢNG KINH TẾ LƯỢNG
- Mục tiêu của môn học: Học liệu bắt buộc:

+ Về kiến thức: ứng dụng các phương pháp và mô hình KTL để 1. PGS. TS. Nguyễn Quang Dong. “Bài giảng Kinh tế lượng”.
phân tích, dự báo các hiện tượng, vấn đề kinh tế. NXB Giao thông Vận tải – 2008.
+ Về kỹ năng: biết xây dựng mô hình biểu diễn mối quan hệ 2. PGS. TS.Nguyễn Quang Dong. “Bài tập Kinh tế lượng với trợ
giữa các biến số kinh tế; ứng dụng hiệu quả các phương pháp ước giúp của phần mềm EVIEWS”. NXB Khoa học và kỹ thuật - 2008.
lượng, kiểm định giả thiết và dự báo các chỉ tiêu cần nghiên cứu. 3. GS. TS. Vũ Thiếu, TS. Nguyễn Quang Dong. “Bài tập và
+ Về thái độ: nghiêm túc thực hiện các yêu cầu của môn học về hướng dẫn thực hành Kinh tế lượng với trợ giúp của phần
đọc tài liệu, làm bài tập; tập trung trong giờ học; lên lớp ít nhất 3/4 mềm MFIT3”. NXB Khoa học và Kỹ thuật – 2001.
số tiết theo quy định.
www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp
2 BỘ MÔN KINH TẾ - KHOA QTKD1
3

Học liệu tham khảo Chính sách đối với môn học:
4. GS. TS. Vũ Thiếu, TS. Nguyễn Quang Dong, PGS. Nguyễn Khắc Minh. “Kinh tế - Nộp bài tập đúng hạn. (Trừ 1 điểm nếu nộp muộn từ 1-2 ngày; trừ 2 điểm
lượng”. NXB Khoa học và Kỹ thuật - 1998. nếu nộp muộn từ 3-4 ngày; trừ 3 điểm nếu nộp muộn từ 5 ngày trở lên).
5. PGS.TS. Nguyễn Cao Văn, ThS. Bùi Dương Hải. “Kinh tế lượng – Hướng dẫn trả
- Tham dự các buổi học trên lớp đầy đủ. Nếu nghỉ một kíp (2 tiết) không có
lời lý thuyết và giải bài tập”. NXB Tài chính – 2009.
lý do – trừ 2 điểm; có đơn xin phép – trừ 1 điểm; các lý do đặc biệt – báo
6. Arthur S.Goldberger. “Econometric, Theory”. John Wiley & Sons, Inc
cáo trực tiếp với GV.
7. Damodar N. Gujarati. “Basic Econometrics”. MacGraw – Hill Inc, Third Ed. 1995
- Không được thi hết môn nếu vi phạm một trong các nội dung sau:
8. TS. Nguyễn Cao Văn (Chủ biên), TS. Trần Thái Ninh. Lý thuyết xác suất thống kê
toán. NXB Giáo dục - 2002. + Thiếu một điểm thành phần (bài tập, bài kiểm tra giữa kỳ),
9. Trường Đại học Kinh tế Quốc dân. Lê Đình Thuý. Toán cao cấp cho các nhà kinh + Nghỉ quá 25% tổng số giờ của môn học (từ 6 kíp trở lên),
tế (Phần 1: Đại số tuyến tính; Phần 2: Giải tích toán học). NXB Đại học Kinh tế Quốc
dân – 2007. + Có hai điểm thành phần dưới 5.
10. PGS.TS. Nguyễn Thị Kim Thuý. Nguyên lý thống kê ứng dụng trong quản lý kinh - Đọc trước nội dung lý thuyết theo đúng yêu cầu; tích cực đọc thêm các tài
tế & kinh doanh sản xuất dịch vụ. NXB Văn hoá Sài Gòn - 2006. liệu liên quan để nắm vững nội dung môn học.
5
1
Nội dung môn học và phân bổ thời gian: Số kíp
Tỷ lệ Đặc điểm Chương 1. Các khái niệm cơ bản về Mô hình hồi quy …… … 2
Hình thức kiểm tra Chương 2. Mô hình hồi quy hai biến (MHHQ đơn) ……….. … 4
đánh giá đánh giá
Chương 3. Mô hình hồi quy k biến (MHHQ bội) …………… … 4
- Tham gia học tập trên lớp (đi học
10 % Cá nhân Chương 4. Mô hình hồi quy với biến giả …………………… … 2
đầy đủ, nghiêm túc trong giờ học)
Kiểm tra giữa kỳ ………………………………………………... … 1
- Bài tập và thảo luận trên lớp 20% Cá nhân
Chương 5. Đa cộng tuyến …………………………………….. … 1
- Kiểm tra giữa kỳ 10% Cá nhân Chương 6. Phương sai của sai số thay đổi ……………….. … 3
- Kiểm tra cuối kỳ 60% Cá nhân Chương 7. Tự tương quan ……………………………………. … 2
Chương 8. Chọn mô hình và kiểm định việc chỉ định MH.. … 2
Ôn tập và tổng kết môn học …………………………………. … 1
8

PHẦN MỞ ĐẦU PHẦN MỞ ĐẦU

Thuật ngữ "Kinh tế lượng" (Econometrics) được sử dụng lần I. Kinh tế lượng là gì?
đầu tiên vào năm 1930. II. Phương pháp luận của kinh tế lượng
III. Nội dung môn học
A.K. Ragnar Frisch:
- GS k.tế học người Na-uy;
- được giải thưởng Nobel
năm 1969 về kinh tế học;
- Sáng lập Hội KTL học.
Jan Tibergen –
GS người Hà Lan
2

I. Kinh tế lượng là gì?

- Phạm vi ứng dụng: kinh tế - xã hội, tâm lý xã hội học, vũ
- Hiểu ngắn gọn là “đo lường kinh tế”. trụ học... nhằm:
- Phạm vi nghiên cứu khá rộng: + Phân tích định lượng các hiện tượng KT-XH,
+ KTL bao gồm việc áp dụng thống kê toán cho các số liệu + Kiểm định sự phù hợp và độ tin cậy của các giả thuyết
kinh tế để củng cố về mặt thực nghiệm cho các mô hình do KT-XH trong quá trình hoạch định chính sách vĩ mô cũng
các nhà toán kinh tế đề xuất và để tìm ra lời giải bằng số. như ra các quyết định tác nghiệp tầm vi mô,
+ KTL là sự phân tích về lượng các vấn đề kinh tế hiện
+ Thực hiện dự báo và dự đoán với độ tin cậy cao...
thời dựa trên việc vận dụng đồng thời lý thuyết và thực tế
được thực hiện bằng các PP suy đoán thích hợp.
- Hiện nay đã có các phần mềm KTL hỗ trợ việc tính toán
+ KTL giúp xác định về thực nghiệm các luật kinh tế.
4
2
- Quá trình tiếp cận KTL ở Việt Nam:
+ Từ những năm 1960, KTL được giới thiệu ở nước ta và Kinh tế Kinh tế Kinh tế
được thử nghiệm trong nghiên cứu thực hành. vĩ mô vi mô lượng
+ Từ năm 1968 - được đưa vào chương trình giảng dạy
của Khoa Toán Kinh tế - Trường ĐH KTQD Hà Nội.
+ Sau đó - được giới thiệu cho sinh viên các ngành kinh tế
mô tả sự vận mô tả hành vi lượng hoá
trong các trường đại học ở nước ta. động của toàn của nhà SX và các mối quan hệ,
+ Hiện nay là một môn học không thể thiếu được đối với bộ nền kinh tế người TD hay sự vận động
của các hành vi
các sinh viên ngành kinh tế và QTKD.
6

II. Phương pháp luận của kinh tế lượng

Kinh tế Kinh tế
Dự báo, Đặt vấn đề
vĩ mô vi mô Hoạch định CS
Các môn học Xác định

Kiểm định Môi trường cá nhân
liên quan các giả thiết
Toán với KTL Xác suất
kinh tế Thống kê Kinh nghiệm lịch sử
Đánh giá Thiết lập
mô hình
Quy luật KT-XH
Tin học
Ước lượng Thu thập
số liệu
7

III. Nội dung môn học
Phần 1. Mô hình hồi quy
Chương 1- Các khái niệm cơ bản của mô hình hồi quy
PHẦN I. MÔ HÌNH HỒI QUY
Chương 2- Mô hình hồi quy hai biến
Chương 3- Mô hình hồi quy bội Chương 1. Các khái niệm cơ bản về MH HQ
Chương 4- Mô hình hồi quy với biến giả
Chương 2. Mô hình hồi quy hai biến
Phần 2. Đánh giá mô hình
Chương 5- Đa cộng tuyến Chương 3. Mô hình hồi quy bội
Chương 6- Phương sai của sai số thay đổi Chương 4. Mô hình hồi quy với biến giả
Chương 7- Tự tương quan
Chương 8- Định dạng mô hình
Phần 3. Giới thiệu một số phần mềm Kinh tế lượng
3
I. PHÂN TÍCH HỒI QUY

CHƯƠNG 1. CÁC KHÁI NIỆM CƠ BẢN
1. Khái niệm phân tích hồi quy
VỀ MÔ HÌNH HỒI QUY
Các biến ảnh
Thu nhập hưởng đến
I. Phân tích hồi quy sau thuế chi tiêu cho
II. Số liệu cho phân tích hồi quy tiêu dùng
Sự giàu có
III. Mô hình hồi quy tổng thể
IV. Sai số ngẫu nhiên và bản chất của nó Địa vị XH
V. Mô hình hồi quy mẫu Và một số

Thói quen
tiêu dùng biến khác?
1 2
BỘ MÔN KINH TẾ - KHOA QTKD1 BỘ MÔN KINH TẾ - KHOA QTKD1

Phân tích HQ: Ví dụ: Galton nghiên cứu sự phụ thuộc chiều cao của con trai
(đã trưởng thành) vào chiều cao của người bố.
- nghiên cứu sự phụ thuộc của một biến, được gọi là biến
phụ thuộc (hay biến được giải thích) vào một hay nhiều biến Nhận xét:
khác, được gọi là biến độc lập (hay biến giải thích)
- Với chiều cao đã
- nhằm ước lượng hay dự báo giá trị trung bình của biến biết của người bố …
phụ thuộc trên cơ sở các giá trị đã biết trước của các biến
- Khi chiều cao của
độc lập.
cha tăng ...
Các ký hiệu: - Chiều cao TB của
Y - biến phụ thuộc - là biến ngẫu nhiên, mỗi nhóm con so với
Xj - biến độc lập thứ j - không phải là biến ngẫu nhiên. chiều cao nhóm bố …
3 4

2. Nhiệm vụ phân tích hồi quy

Đâu là biến phụ thuộc, biến độc lập trong các trường hợp sau:
- Mối quan hệ giữa chi tiêu cho tiêu dùng và thu nhập khả dụng. - Ước lượng giá trị trung bình của biến phụ thuộc với giá trị
đã cho của biến độc lập; xác định độ chính xác và khoảng tin
- Sự phụ thuộc nhu cầu về một loại hàng hoá vào giá của bản
cậy của các ước lượng.
thân hàng hoá, thu nhập của người tiêu dùng và giá của các
hàng hoá khác cạnh tranh với hàng hoá này. - Kiểm định giả thiết về bản chất của sự phụ thuộc.
- Doanh thu kinh doanh một sản phẩm phụ thuộc vào giá của - Dự đoán giá trị trung bình hoặc giá trị cá biệt của biến phụ
sản phẩm, giá của các sản phẩm thay thế khác, thị hiếu của thuộc khi biết giá trị của các biến độc lập.
người tiêu dùng...
- Kết hợp các vấn đề trên.
5 6
4
Phân tích nào là
3. Một số vấn đề cần lưu ý trong phân tích hồi quy
phân tích HQ?
a. Phân tích hồi quy nghiên cứu quan hệ thống kê mà
không xét quan hệ hàm số
Phân tích
- Phân tích HQ là phân tích sự phụ thuộc thống kê của biến sự phụ thuộc của
phụ thuộc vào một hay nhiều biến độc lập. Ứng với mỗi giá Phân tích sự phụ chu vi hình vuông
thuộc của doanh thu vào chiều dài
trị đã biết của biến độc lập có thể có nhiều giá trị khác nhau kinh doanh một SP một cạnh
của biến phụ thuộc. vào giá của SP, giá
của các SP thay thế
- Phân tích HQ không nghiên cứu quan hệ hàm số (các biến Phân tích
khác, thị hiếu của
không phải là ngẫu nhiên; ứng với mỗi giá trị của biến độc sự phụ thuộc
người tiêu dùng...
điểm học phần vào
lập có duy nhất một giá trị của biến phụ thuộc).
điểm thành phần
GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp
và điểm thi
GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp
www.ptit.edu.vn 7 www.ptit.edu.vn 8

b. Hàm hồi quy và quan hệ nhân quả c. Phân tích hồi quy và phân tích tương quan khác nhau
về mục đích và kỹ thuật.
- Phân tích HQ không quan tâm đến mối quan hệ nhân quả
giữa biến phụ thuộc và các biến độc lập. - Về mục đích:
- Giữa các biến thường tồn tại mối quan hệ nhân quả dựa + Phân tích TQ đo mức độ kết hợp tuyến tính giữa hai biến.
trên các lý thuyết kinh tế khác. + Phân tích HQ ước lượng hoặc dự báo một biến trên cơ sở
Ví dụ: có thể dự đoán doanh thu dựa vào giá cả, thị hiếu... giá trị đã cho của các biến khác.
nhưng không thể dự báo thị hiếu KH dựa trên doanh thu. - Về kỹ thuật:
+ Trong phân tích HQ, các biến không có tính chất đối xứng.
+ Trong phân tích TQ không có sự phân biệt giữa các biến,
chúng có tính chất đối xứng.
9 10

II. SỐ LIỆU CHO PHÂN TÍCH HỒI QUY
Vai trò của số liệu trong phân tích HQ? Số lượng

Biến lượng
(bằng số)
1. Các loại số liệu
Đo lường
Có 3 loại số liệu:
số liệu
- Các số liệu theo thời gian là các số liệu được thu thập trong
Biến chất Chỉ tiêu
một thời kỳ nhất định (hàng tuần, hàng tháng, quý, năm...)
chất lượng
- Các số liệu chéo là các số liệu được thu thập tại một thời
điểm ở nhiều địa phương, đơn vị khác nhau.
- Các số liệu hỗn hợp - theo thời gian và không gian.
11 12
5
2. Nguồn gốc số liệu 3. Nhược điểm của số liệu
Tập hợp các số liệu có thể được thu thập và cung cấp bởi: Trong thực tế, số liệu khó thu được một cách chính xác, kịp
- Các cơ quan Nhà nước (như Tổng cục Thống kê, các bộ, thời và đầy đủ vì một số nguyên nhân chính sau đây:
ban, ngành...) - Với số liệu phi thực nghiệm có thể có sai số khi quan sát,
- Các tổ chức quốc tế (như CQ Thống kê Liên hợp quốc, bỏ sót quan sát hoặc do cả hai. Với các số liệu thu thập bằng
World Bank...) thực nghiệm thường có sai số trong mỗi phép đo.
- Các công ty tư nhân, các tổ chức sản xuất, kinh doanh... - Trong các cuộc điều tra bằng câu hỏi, thường không nhận
- Các cá nhân... được đủ các câu trả lời.
Thực nghiệm - Các mẫu số liệu trong các cuộc điều tra thường không
Số liệu cũng có thể giống nhau về kích thước nên khó so sánh kết quả giữa các
Phi thực nghiệm đợt điều tra.
13 14

- Các số liệu về kinh tế thường ở mức tổng hợp cao, không III. MÔ HÌNH HỒI QUY TỔNG THỂ
cho phép đi sâu vào các đơn vị nhỏ. (PRF – The Population Regression Funcsion)
- Một số số liệu quan trọng, cần thiết cho quá trình phân tích
lại thuộc về bí mật quốc gia, bí mật KD của các tổ chức, Xét ví dụ giả định sau đây: Giả sử ở một địa phương có
doanh nghiệp... nên không thể tiếp cận và thu thập được. 60 hộ gia đình (HGĐ) và cần nghiên cứu mối quan hệ giữa
biến phụ thuộc Y và biến độc lập X. Trong đó:
Y- chi tiêu của một HGĐ trong một tuần (tính bằng $)
X - thu nhập KD của một HGĐ trong một tuần (tính bằng $)
Cần dự đoán mức chi tiêu trung bình hàng tuần khi biết
mức thu nhập hàng tuần của hộ gia đình.
15 16

X
80 100 120 140 160 180 200 220 240 260
Y
Để thực hiện điều này:
55 65 79 80 102 110 120 135 137 150
- Chia 60 hộ thành 10 nhóm có thu nhập tương đối như nhau, 60 70 84 93 107 115 136 137 145 152
chênh lệch thu nhập giữa các nhóm là giống nhau và bằng 20$. 65 74 90 95 110 120 140 140 155 175
- Tiến hành thu thập số liệu. 70 80 94 103 116 130 144 152 165 178
75 85 98 108 118 135 145 157 175 180

- Lập bảng số liệu.
88 113 125 140 160 189 185
115 162 191
∑ 325 462 445 707 678 750 685 1043 966 1211
17 18
6
X
Từ số liệu ở bảng, dễ dàng tính được xác suất có điều kiện: 80 100 120 140 160 180 200 220 240 260
P(Y/X)
Chẳng hạn: P(Y = 85/X = 100) = 1/6
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
P(Y = 90/X = 120) = 1/5
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/5 1/6 1/5 1/7 1/6 1/6 1/5 1/7 1/6 1/7
1/6 1/7 1/6 1/6 1/7 1/6 1/7
1/7 1/7 1/7
E(Y/Xi) 65 77 89 101 113 125 137 149 161 173
19 20

Hàm E(Y/Xi) = f(Xi) chính là HHQ tổng thể.

Nhận xét HHQ tổng thể (PRF) cho ta biết giá trị trung bình của biến
về E(Y/Xi) phụ thuộc Y sẽ thay đổi như thế nào theo các biến độc lập X.
có một biến độc lập -
Theo số Hàm HQ đơn
biến độc lập
Phân loại Có hai biến độc lập trở
E(Y/Xi) = f(Xi)
lên - Hàm HQ bội
HHQ
có hai hệ số -
Theo số hệ
Hàm HQ hai biến
số (tham số)
Theo
Có k hệ số -
dạng
Hàm HQ k biến…
hàm số
21 22

- Xác định dạng HHQ là vấn đề thực nghiệm. Xét HHQ đơn có dạng tuyến tính: E(Y/Xi) = β1 + β2Xi
trong đó: β1, β2 là các tham số hay hệ số hồi quy.
- Trong nội dung chương trình chỉ xét những HHQ tổng thể
là tuyến tính hoặc quy được về HHQ tuyến tính. + β1 là hệ số tự do (hệ số chặn)
Nó phản ánh tác động có tính hệ thống của các biến độc lập
- Khi nào HHQ tổng thể được gọi là tuyến tính?
không có trong mô hình đến biến phụ thuộc.
Cần kết hợp với lý thuyết kinh tế và điều kiện thực tế để nêu
ý nghĩa của β1 cho phù hợp.
Trong thực tế có nhiều trường hợp β1 không có ý nghĩa.
+ β2 là hệ số góc (hệ số độ dốc)
Nó thể hiện ảnh hưởng của biến độc lập đến biến phụ thuộc.
23 24
7
IV. SAI SỐ NGẪU NHIÊN HHQ tổng thể ngẫu nhiên: Yi = E(Y/ Xi) + Ui có E(Ui/Xi) = 0
1. Khái niệm SSNN
Giả sử có HHQ tổng thể E(Y/Xi). Các giá trị cá biệt Yi thường
xoay quanh E(Y/Xi).
Ngoài các biến độc lập đã có trong MH
Ký hiệu Ui là: Ui = Yi - E(Y/ Xi) còn có các yếu tố khác ảnh hưởng đến biến
Ui là đại lượng ngẫu nhiên - gọi Ui là yếu tố ngẫu nhiên hay phụ thuộc; nhưng trung bình ảnh hưởng của
sai số ngẫu nhiên (SSNN). chúng đến biến phụ thuộc bằng 0.
Yi = E(Y/ Xi) + Ui là HHQ tổng thể ngẫu nhiên. Do vậy không cần phải đưa các yếu tố này
vào MH.
Nếu E(Y/Xi) là tuyến tính đối với Xi thì: Yi = β1 + β2Xi + Ui
25 26

2. Bản chất của SSNN
Ui giữ vai trò đặc biệt trong phân tích HQ:
HHQ tổng thể ngẫu nhiên: Yi = β1 + β2Xki + … + βkXki + Ui
- Chúng phải thoả mãn những điều kiện nhất định (gọi là các
giả thiết của MH) thì việc ước lượng MH mới có nghĩa.
Ui đại diện cho tất cả các
yếu tố có ảnh hưởng đến - Nếu những điều kiện này không được thoả mãn, cần tìm
Do không biến phụ thuộc nhưng cách phát hiện và khắc phục.
xác định không được đưa vào MH.
được
cần xây dựng MH
Do không thu Do có ảnh đơn giản với một số
thập được số hưởng không nhỏ nhất các biến
liệu đáng kể độc lập để đảm bảo
tính kinh tế - kỹ thuật
27 28

V. MÔ HÌNH HỒI QUY MẪU HHQ được xây dựng trên cơ sở một mẫu ngẫu nhiên được gọi
(SRF- The Sample Regression Funcsion) là hàm hồi quy mẫu (SRF) hay hồi quy mẫu (SR).
- Để xây dựng PRF – cần có số liệu của tổng thể.
Mẫu thứ nhất
- Trong thực tế, thường không có tổng thể, hoặc có thì cũng
không có điều kiện để điều tra toàn bộ tổng thể. Khi đó, Y 70 65 90 95 110 115 120 140 155 150
chúng ta chỉ có được mẫu ngẫu nhiên lấy từ tổng thể. X 80 100 120 140 160 180 200 220 240 260
- Trong thống kê học đã có PP điều tra chọn mẫu để nghiên Mẫu thứ hai
cứu, phân tích và suy rộng kết quả cho tổng thể với một xác
suất tin cậy cho trước. Y 55 88 90 80 118 120 145 175
- Tuy nhiên, không thể ước lượng một cách chính xác PRF X 80 100 120 140 160 180 200 220
dựa trên một mẫu ngẫu nhiên.
29 30
8
KẾT THÚC CHƯƠNG 1!
31 32

I. HỒI QUY TỔNG THỂ VÀ HỒI QUY MẪU

CHƯƠNG 2. MÔ HÌNH HỒI QUY HAI BIẾN
I. Hồi quy tổng thể và hồi quy mẫu

II. Các giả thiết của mô hình
III. Ước lượng các tham số của mô hình
IV. Xác định khoảng tin cậy và kiểm định giả thuyết
về βj và σ2
V. Đánh giá sự phù hợp của hàm hồi quy
VI. Dự báo
1 2

II. CÁC GIẢ THIẾT CỦA MÔ HÌNH Để có thể áp dụng phương pháp ước lượng các tham số của
Trong phân tích HQ, mục đích của chúng ta là ước lượng,
mô hình (PP bình phương nhỏ nhất - OLS), MH cần thỏa mãn
dự báo về tổng thể, tức là ước lượng E(Y/Xi).
các giả thiết về dạng hàm, biến độc lập (Xi) và SSNN (Ui).
Chất lượng của các ước lượng phụ thuộc vào:
- Dạng hàm của mô hình được lựa chọn. Khi đó, các ước lượng tìm được sẽ là tuyến tính, không
- Đặc điểm của các biến độc lập Xi và SSNN Ui. chệch và có phương sai nhỏ nhất.
- Kích thước mẫu (n). Chúng là các ước lượng điểm của β1 và β2.
Cần đưa ra các giả thiết về dạng hàm, Giả thiết 1: HHQ tổng thể là tuyến tính theo tham số.
biến độc lập, SSNN, kích thước mẫu Dạng hàm được chỉ định đúng.
phù hợp với phương pháp nghiên cứu Giả thiết 2: Biến độc lập Xi là phi ngẫu nhiên, giá trị của nó
nhằm thu được các kết quả “tốt nhất”. được xác định trước và có sự khác biệt.
3 4
9
Giả thiết 3: Kỳ vọng của các yếu tố ngẫu nhiên Ui bằng 0, Giả thiết 6: Các yếu tố ngẫu nhiên và biến độc lập không
tức là: E(Ui/Xi) = 0
tương quan với nhau: Cov(Ui, Xi) = 0
Giả thiết E(Ui/Xi) = 0 kéo theo E(Yi/Xi) = β1 + β2Xi
Giả thiết 7: Số quan sát nhiều hơn số hệ số cần ước lượng.
Giả thiết 4: Phương sai của các yếu tố ngẫu nhiên Ui bằng
Định lý Gauss- Markov: Với các giả thiết của phương pháp
nhau, tức là: Var(Ui/Xi) = var(Uj/Xj) = σ2
BPNN, các ước lượng của phương pháp BPNN sẽ là các ước
Giả thiết Var(Ui/Xi) = var(Uj/Xj) = σ2 kéo theo Var(Yi/Xi) = σ2 lượng tuyến tính, không chệch và có phương sai nhỏ nhất
trong lớp các ước lượng tuyến tính, không chệch.
Giả thiết 5: Không có sự tương quan giữa các yếu tố ngẫu
Các ước lượng này thường được gọi là BLUE, viết tắt của
nhiên Ui, tức là: Cov(Ui,Uj) = 0
“Best Linear Unbias Estimator”.
5 6

III. ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

1. Nội dung phương pháp bình phương nhỏ nhất
- Do nhà toán học Đức

Carl Friedrich Gauss
(1777-1855) xây dựng.
- Nội dung phương pháp:
7 8

9 10
10
2. Các tính chất liên quan đến các ước lượng BPNN
11 12

Ví dụ:
13 14

3. Độ chính xác của các ước lượng BPNN
Đặc trưng cho Phương dùng để đo

độ phân tán hay sai độ chính xác
tập trung của của các ước
Độ lệch lượng BPNN
đại lượng ngẫu nhiên chuẩn
15 16
11
17 18

IV. XÁC ĐỊNH KHOẢNG TIN CẬY VÀ KIỂM ĐỊNH

GIẢ THUYẾT VỀ βj VÀ σ2
1. Phân bố xác suất của SSNN và các hệ số hồi quy
Quy luật phân phối xác suất của các hệ số HQ phụ thuộc
vào quy luật phân phối của Ui.
Giả thiết 8: Ui có phân phối chuẩn với kỳ vọng bằng 0 và

phương sai là σ2, tức là N(0, σ2).
19 20

2. Khoảng tin cậy của các hệ số hồi quy β1 và β2
Tìm các khoảng tin cậy và

kiểm định giả thiết đối với
các hệ số hồi quy
21 22
12
3. Kiểm định giả thuyết về các hệ số hồi quy β1 và β2
Có thể đưa ra giả thuyết nào đó về βj, chẳng hạn βj = βj* với
mức ý nghĩa α.
ˆ j   j *
Tiêu chuẩn để kiểm định: tj = ~ Tα(n-2) .
Se( ˆ j )
- Khoảng tin cậy và ước lượng giá trị tối đa/ tối thiểu?
KTC bên trái β* β* KTC bên phải
23 24

Lưu ý: - Giả thuyết H0 phải mang dấu “=”, (hay “≤”, “≥”). 4. Khoảng tin cậy của phương sai SSNN σ2
- Các cặp giả thuyết quan trọng:
+ Cặp giả thuyết về hệ số góc: H0: β2 = 0; H1: β2 ≠ 0
+ Cặp giả thuyết về hệ số chặn: H0: β1 = 0; H1: β1 ≠ 0
- Khi nào thì một hệ số được coi là “có ý nghĩa thống kê”
(statistically significant) với mức ý nghĩa α cho trước ?
25 26

5. Kiểm định giả thuyết đối với phương sai SSNN σ2 V. ĐÁNH GIÁ SỰ PHÙ HỢP CỦA HHQ
- HHQ được xây dựng nhằm xem xét biến phụ thuộc chịu
ảnh hưởng của biến độc lập như thế nào. Tuy nhiên, bên
cạnh biến độc lập còn các yếu tố NN khác cũng ảnh hưởng
đến biến phụ thuộc.
- Một HHQ được coi là phù hợp nếu thể hiện sự ảnh hưởng
đáng kể của biến độc lập khi so sánh với các yếu tố ngẫu
nhiên khác.
- Phân tích phương sai (là phân tích sự biến động của biến
phụ thuộc) sẽ cho phép đánh giá mức độ tác động của các
yếu tố đến biến phụ thuộc → xác định độ phù hợp của HHQ.
27 28
13
1. Phân tích phương sai
- ESS thể hiện tổng

biến động được giải
TSS thể hiện
thích bởi biến độc lập
tổng biến động
của biến phụ
thuộc, bao gồm
- RSS thể hiện tổng
hai phần: biến động được giải
thích bởi các yếu tố NN
29 30

2. Đo độ phù hợp của hàm hồi quy

- Nếu R2 = 0 - biến độc lập giải thích được 0% sự biến động
của biến phụ thuộc, chứng tỏ HHQ đặt ra hoàn toàn không
phù hợp.
- Nếu R2 > 0 - biến độc lập có giải thích cho biến phụ thuộc,
HHQ được coi là phù hợp.
- Nếu R2 = 1 thì HHQ mẫu phù hợp “hoàn hảo” - tất cả các
Đại lượng R2 gọi là hệ số xác định (coefficient of biến động của Y đều giải thích được bởi HHQ.
determination) - thể hiện tỷ lệ sự biến động của biến phụ - Với R2 > 0,8 thì HHQ có thể được coi là phù hợp cao.
thuộc được giải thích bởi biến độc lập và được sử dụng
để đo mức độ phù hợp của HHQ.
31 32

3. Kiểm định về sự phù hợp của hai hàm hồi quy
33 34
14
VI. DỰ BÁO 1. Dự báo giá trị trung bình
- Sau khi xây dựng HHQ, thực hiện đánh giá và phán
xét về các hệ số của HHQ, nếu HHQ là phù hợp thì có thể
sử dụng HHQ để dự báo.
- Có hai loại dự báo:
+ Dự báo trung bình có điều kiện của Y là E(Y/X0)
với một giá trị X = X0
- Dự báo giá trị cá biệt của Y (Y0) với X = X0
35 36

2. Dự báo giá trị cá biệt VII. VÍ DỤ
37 38

a. Hãy viết HHQ mẫu và cho biết kết quả ước lượng có
phù hợp với lý thuyết kinh tế không? Vì sao?
b. Với mức ý nghĩa 5%, phần tiêu dùng không phụ thuộc
vào thu nhập có khác không hay không?
c. Với mức ý nghĩa 5%, thu nhập sau thuế có ảnh hưởng
đến mức tiêu dùng hay không?
d. Hãy tìm khoảng tin cậy 95% cho hệ số góc.
e. Cho mức thu nhập sau thuế là 150, hãy dự báo giá trị
TB và giá trị cá biệt của mức tiêu dùng với hệ số tin cậy 95%.
39 40
15
♦
41 42

43 44

CHƯƠNG 3. MÔ HÌNH HỒI QUY k BIẾN

Thu nhập
I. Hồi quy tổng thể và hồi quy mẫu
sau thuế
Các biến ảnh
II. Các giả thiết của mô hình
hưởng đến
III. Ước lượng các tham số của mô hình chi tiêu cho
Sự giàu có
tiêu dùng
IV. Xác định khoảng tin cậy và kiểm định các giả thuyết
về các hệ số hồi quy
Địa vị xã
V. Đánh giá về sự phù hợp của hàm hồi quy
hội
VI. Ma trận tương quan và hệ số tương quan riêng phần
Thói quen Và một số
VII. Dự báo
tiêu dùng biến khác?
VIII. Một số dạng của hàm hồi quy
3
16
Giá của
hàng hoá
Các biến ảnh Mô hình
Mô hình
hưởng đến hồi quy bội
hồi quy
nhu cầu một hai biến (Multiple
Thu nhập loại hàng hoá regression)
của người
tiêu dùng
Có từ
Thuộc lớp mô hình ba biến
Giá cả của hồi quy tuyến tính trở lên
hàng hoá thay thế Và một số
hoặc bổ sung biến khác?
5

I. HỒI QUY TỔNG THỂ VÀ HỒI QUY MẪU
Hàm hồi quy tổng thể PRF – là kỳ vọng có điều kiện của Y với
giá trị đã cho của X 2 ,..., X k
E (Y / X 2 ,..., X k )  1   2 X 2  ...   k X k
E
 1 là hệ số tự do;  j  là hệ số hồi quy riêng (hệ số góc)
X j
Hàm hồi quy tổng thể ngẫu nhiên:
Yi  1   2 X 2i  ...   k X ki  U i
Khi đó, hàm HQ tổng thể ngẫu nhiên có dạng: Y = Xβ + U
7
ˆ j BÀI GIẢNG MÔN BÀI GIẢNG MÔN

II. CÁC GIẢ THIẾT CỦA MÔ HÌNH
Hàm HQ mẫu SRF: Yî  ˆ1  ˆ2 X 2i  ...  ˆk X ki GT 1: Hàm HQ tổng thể là tuyến tính theo tham số, giá trị các biến độc
ˆ j (j = 1÷k) là ước lượng tương ứng của các hệ số hồi quy lập là xác định và có sự khác biệt.
GT 2: Kỳ vọng của các SSNN bằng 0.
Hàm HQ mẫu ngẫu nhiên: GT 3: Các SSNN có phương sai bằng nhau (và bằng  2 )
GT 4: Không có sự tương quan giữa các SSNN.
Yi  ˆ1  ˆ2 X 2i  ...  ˆk X ki  ei
GT 5: Các SSNN có phân phối chuẩn.
Hàm HQ mẫu dưới dạng ma trận: Yˆ  X̂ GT 6: Giữa các biến độc lập không có quan hệ cộng tuyến.
GT 7: Yếu tố NN và các biến độc lập không có q.hệ tương quan.
Y  X̂  e GT 8: Số quan sát nhiều hơn số hệ số cần ước lượng.
GT 9: Dạng hàm HQ được chỉ định đúng.
Định lý Gauss - Markov
9
17
III. ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH 1. Mô hình hồi quy ba biến
- Sử dụng phương pháp bình phương nhỏ nhất (Ordinary HHQ tổng thể: E (Y / X 2 , X 3 )  1   2 X 2   3 X 3
Least Squares Estimation – OLS)
- Trình tự: HHQ tổng thể ngẫu nhiên: Yi  1   2 X 2i   3 X 3i  U i
+ Ước lượng các tham số của mô hình hồi quy ba biến bằng HHQ mẫu: Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i
ngôn ngữ thông thường,
+ Ước lượng các tham số của mô hình hồi quy k biến bằng HHQ mẫu ngẫu nhiên: Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ei
ngôn ngữ ma trận.
Phần dư: ei  Yi  ˆ1  ˆ 2 X 2i  ˆ3 X 3i
www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp 10 www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp
11

 n  n   n  n 
  yi x2i   x32i     yi x3i   x 2i x3i 
ˆ
2   i 1   i 1   i 1   i 1 
2
 n 2  n 2   n 
  x2i   x3i     x2i x3i 
 i 1  i 1   i 1 
 n  n   n  n 
  y i x3i   x 22i     yi x 2i   x 2i x3i 
ˆ3   i 1   i 1   i 1   i 1 
2
 n 2  n 2   n 
  x 2i   x3i     x 2i x3i 
 i 1  i 1   i 1 
ˆ1  Y  ˆ2 X 2  ˆ3 X 3
13

 n 2
Phương sai và độ lệch chuẩn của ˆ   x 2i 
 i 1  2
Var( ˆ3 )  2 
   2  2   n 
2 n
   x  X   x x
n n
  x 2i   x3i     x 2i x3i  (1  r232 )
n n n 2
 2 X 2 X 3  x 2i x3i 
2 2
 X2 2 2 3i
3i 3 2i
 i 1  i 1   i 1  i 1
Var( ˆ1 )    . 2
1 i 1 i 1 i 1
n  n 2  n 2   n 
2 
   x 2i   x3i     x 2i x3i   se( ˆ1 )  Var( ˆ1 ) se( ˆ2 )  Var( ˆ2 ) se( ˆ3 )  Var( ˆ3 )
  i 1  i 1   i 1  
Với: 2
 n 2  n 
  x3i    x 2i x 3i 
 i 1  2  
Var( ˆ2 ) 
i 1
2
2  n
r23  n
2
n
 n 2  n 2   n 
  x 2i   x3i     x 2i x3i  x 2
2i (1  r232 )  x2i  x32i
2
 i 1  i 1   i 1  i 1 i 1 i 1
14 15
18
Ví dụ: Cho Y – sản lượng (tạ) phụ thuộc theo hai biến độc lập X2,
X3 là lao động (L – người) và vốn (K – triệu đồng).
16 17

 n  n   n  n 
  yi x2i   x32i     yi x3i   x 2i x3i 
ˆ2           i 1  655,5.112,25  674,25.57,5
i 1 i 1 i 1
  2,457
155,667.112,25  57,5 2
2
 n 2  n 2   n 
  x2i   x3i     x2i x3i 
 i 1  i 1   i 1 
 n  n   n  n 
  y i x3i   x 22i     yi x 2i   x 2i x3i 
ˆ
3   i 1   i 1   i 1   i 1  674,25.155,667  655,5.57,5
  4,748
155,667.112,25  57,5 2
2
 n 2  n 2   n 
  x 2i   x3i     x 2i x3i 
 i 1  i 1   i 1 
ˆ1  Y  ˆ2 X 2  ˆ3 X 3 = 135,3 – 2,457.19,833 – 4,748.11,25 = 33,155
Hàm hồi quy mẫu: Yî  33,155  2,457X 2i  4,748X 3i
18 19

20 21
19
2. Mô hình hồi quy k biến
22 23

Phương pháp ma trận với mô hình hồi quy ba biến:
1 X 21 X 31   A11 A21 A31 
   1 1 ... 1  1  
1 X 22 X 32    ( X T X ) 1   A12 A22 A32 
X    det( X T X ) 
A33 
T
X  X 21 X 22 ... X 2n 
... ... ...  X  A13 A23
   31 X 32 ... X 3n 
1 X 2n X 3n 
 n n
  n 
 n X 2i X 3i    Yi 
Sau đó, dùng công thức sau để xác định các tham số:
 i 1 i 1   i 1 
 n n n
  n 
X T X    X 2i X 2
2i  X 2i X 3i ; X T Y    Yi X 2i 
 i n1 n
i 1 i 1
n   i 1
n 
 X X 32i   YX 
  3i X 3i X 2i    i 3i 
 i 1 i 1 i 1   i 1 
24 25

Ví dụ:
26 27
20
3. Tính chất của các ước lượng bình phương nhỏ nhất
- Đường hồi quy bội đi qua điểm ( Y , X ,..., X k )

2
- Trung bình của biến phụ thuộc theo SRF bằng trung bình
các giá trị quan sát của chúng Yˆ  Y
- Tổng các phần dư bằng không.
Hàm hồi quy mẫu:
- Các phần dư không tương quan với các biến độc lập.
Yî  33,102  2,457X 2i  4,748X 3i - Các phần dư không tương quan với Yî .
28 29

IV. XÁC ĐỊNH KHOẢNG TIN CẬY VÀ KIỂM ĐỊNH 1. Ma trận phương sai – hiệp phương sai
GIẢ THUYẾT VỀ CÁC HỆ SỐ HỒI QUY VÀ
 Var( ˆ1 ) Cov( ˆ1 , ˆ2 ) ... Cov( ˆ1 , ˆk ) 
PHƯƠNG SAI SSNN  ˆ ˆ 
Cov( 1 ,  2 ) Var( ˆ2 ) ... Cov( ˆ2 , ˆk )
1. Ma trận phương sai – hiệp phương sai Cov ( ˆ )   
... ... ... ...
 
2. Khoảng tin cậy của các hệ số hồi quy Cov( ˆk , ˆ1 ) Cov( ˆk , ˆ2 ) ... Var( ˆk ) 
3. Kiểm định giả thuyết về các hệ số hồi quy
4. Khoảng tin cậy của phương sai SSNN
Hiệp phương sai Phương sai
30 31

2. Khoảng tin cậy của các hệ số hồi quy

Cov( ˆ )   2 ( X T X ) 1
Với giả thiết U ~ N (0,  ) , ta có:
2
ˆ ~ N (  ,  2 ( X T X ) 1 )
 2
được thay bằng ước lượng không chệch của nó là:
n
e 2
i
Y T Y  ˆ T X T Y
ˆ 2  i 1

nk nk
k là số tham số của mô hình
e 2
i   yi2  ˆ2  yi x2i  ˆ3  yi x3i  ...  ˆk  yi xki
32 33
21
3. Kiểm định giả thuyết về các hệ số hồi quy 4. Khoảng tin cậy của phương sai SSNN
34 35

V. ĐÁNH GIÁ VỀ SỰ PHÙ HỢP CỦA HÀM HỒI QUY
Dùng hệ số xác định bội:
ESS TSS  RSS RSS
2. Kiểm định sự phù hợp của hàm hồi quy R2    1
TSS TSS TSS
3. Kiểm định thu hẹp hồi quy n
TSS   y i2  Y T Y  nY
2
i 1
n n
ESS   y i2   ei2  ˆ T ( X T Y )  nY 2
i 1 i 1
n n n n
RSS   ei2   yi2  ˆ2  yi x 2i  ...  ˆk  yi x ki  Y T Y  ˆ T ( X T Y )
i 1 i 1 i 1 i 1
36 37

tỷ lệ sự biến động của biến phụ thuộc do

R 2 có thể được tính bằng các công thức sau: tất cả các biến độc lập gây ra
ˆ T ( X T Y )  nY
2
R2  2 0  R  1; thể hiện đường hồi quy giải

2
Y T Y  nY R2 thích được bao nhiêu % sự biến động của

n n n biến phụ thuộc
e 2
i ˆ2  yi x2i  ...  ˆk  yi xki
R 12 i 1
 i 1 i 1
n n Tăng khi thêm biến độc lập nhưng
y
i 1
2
i y
i 1
2
i
phụ thuộc vào số bậc tự do của
n
e 2
và
Hệ số
n i 1
i
xác định bội đã
y
i 1
2
i tương ứng là (n – k) và (n – 1) điều chỉnh R 2.
38 39
22
n 2. Kiểm định sự phù hợp của hàm hồi quy

Hệ số
xác định bội đã
e 2
i /(n  k )
n 1
R  1
2 i 1
 1  (1  R )
2 Chỉ cần có ít nhất
n
nk Khi nào hàm hồi
y
2
điều chỉnh R. 2
/(n  1) một biến độc lập
i 1
i
quy được xem giải thích cho biến
là phù hợp? phụ thuộc: R  0 .
2
Đưa thêm biến độc lập:

Có nên đưa R 2 tăng  nên đưa thêm Tất cả các biến độc lập
thêm biến độc Khi nào hàm hồi đều không giải thích
lập vào mô Đưa thêm biến độc lập: quy được xem là cho biến phụ thuộc:
hình không? không phù hợp? R2  0
R 2 giảm  không nên đưa thêm
40 41

Kiểm định sự phù hợp của HHQ Kiểm định giả thuyết về R 2
42 43

3. Kiểm định thu hẹp hồi quy
có m biến độc lập không có ý

nghĩa, có thể bỏ khỏi mô hình
trong m biến độc lập cuối, có

biến có ý nghĩa, không nên
loại khỏi mô hình
44 45
23
VI. MA TRẬN TƯƠNG QUAN & HỆ SỐ TƯƠNG QUAN RIÊNG PHẦN
Các trường hợp riêng
của kiểm định thu hẹp hồi quy
Kiểm định T về Kiểm định F về sự

từng hệ số hồi quy phù hợp của HHQ
số biến thu hẹp m = k – 1,

số biến bớt đi m = 1
tức là loại tất cả các biến
tương ứng với biến Xj
độc lập
46 46

Hệ số tương quan riêng phần Hệ số TQ riêng được định nghĩa như trên được gọi là hệ số TQ
Hệ số TQ r đo mức độ phụ thuộc tuyến tính giữa hai biến. bậc nhất; còn r12, r13 là các hệ số TQ bậc không.
Đối với MHHQ 3 biến: Yi = β1 + β2X2i + β3X3i + Ui, ta định nghĩa: Giữa hệ số xác định bội, các hệ số TQ bậc không và hệ số TQ
bậc nhất có các mối liên hệ sau:
- r12,3 là hệ số TQ riêng giữa Y và X2 r12 -r13r23
r12,3 = ;
khi X3 không đổi. 1-r 1-r 
2
13
2
23
R2 
r122  r132  2r12 r13 r23
- r13,2 là hệ số TQ riêng giữa Y và X3 r13 -r12 r23 1  r232
r13,2 = ;
khi X2 không đổi. 1-r 1-r 
2
12
2
23
R 2  r122  (1  r122 )r132 , 2 R 2  r132  (1  r132 )r122 ,3
- r23,1 là hệ số TQ riêng giữa X2 và x3 r23 -r12 r13
r23,1 =
khi Y không đổi. 1-r 1-r 
2
12
2
13
48 49

1. Dự báo giá trị trung bình
VII. DỰ BÁO
Hàm hồi quy mẫu: Yˆ  ˆ1  ˆ2 X 2  ...  ˆk X k  X ˆ
T
50 51
24
2. Dự báo giá trị cá biệt Ví dụ: Bảng dưới đây cho Y – năng suất một loại cây trồng
(tạ/ha) phụ thuộc theo hai biến độc lập X2 – phân bón (kg/ha),
X3 – thuốc trừ sâu (lít/ha). Cho α = 5%.
Y 19 20 23 25 26 28 30 30 34 35
X2 3 4 5 6 8 10 10 11 13 15
X3 2 2 3 4 4 5 7 8 9 10
a. Hãy ước lượng HHQ mẫu và cho biết kết quả ƯL có phù
hợp với thực tế không? Hãy giải thích ý nghĩa kinh tế của các
hệ số nhận được?
b. Phần sản lượng không phụ thuộc vào phân bón và thuốc trừ
sâu có khác không hay không?
52 53

c. Phân bón hoặc thuốc trừ sâu có ảnh hưởng đến năng suất
của loại cây trồng trên hay không?
Tính toán trực
d. Hãy tìm khoảng tin cậy 95% cho hệ số hồi quy riêng. tiếp theo các
e. Xác định hệ số xác định bội và hệ số xác định bội đã hiệu Phương công thức
chỉnh và giải thích ý nghĩa của chúng. pháp

giải:
f. Có thể nói rằng cả phân bón và thuốc trừ sâu cùng không
ảnh hưởng đến năng suất hay không? Áp dụng
phương pháp
h*. Cho mức phân bón là 10 kg/ha, mức thuốc trừ sâu là 6 ma trận
lít/ha, hãy dự báo giá trị trung bình và giá trị cá biệt của năng
suất loại cây trồng trên.
54 55

a. Hãy viết HHQ tổng thể, HHQ mẫu.

Cho biết kết quả các ƯL có phù hợp với thực tế không?
HHQ tổng thể: E (Y / X 2i , X 3i )  1   2 X 2i   3 X 3i
HHQ mẫu: Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i

Yî  15,9257  0,9181X 2i  0,6057X 3i
……
56 57
25
VIII. MỘT SỐ DẠNG CỦA HÀM HỒI QUY 2. Hàm tăng trưởng
- Dạng HHQ là vấn đề thực nghiệm

- Một số dạng hàm đơn giản hay gặp trong thực tiễn:
1. Hàm có hệ số co giãn không đổi – Hàm Cobb- Douglas
58 59

3. Hàm dạng hypecbol 4. Hàm có dạng đa thức
Y = β0 + β1X + β2X2 - Mô hình đa thức bậc 2
Y = β0 + β1X + β2X2 + β3X3 - Mô hình đa thức bậc 3
Y = β0 + β1X + β2X2 +...+ βkXk - Mô hình đa thức bậc k
Hàm này thường được sử dụng để nghiên cứu quan hệ giữa

chi phí và số lượng sản phẩm được sản xuất ra trong một thời kỳ
nhất định (Y - tổng chi phí; X- số lượng sản phẩm)
Nếu như xây dựng được hàm này thì ta dễ dàng tìm được chi
phí trung bình và chi phí biên.
60 61

61
26
I. BẢN CHẤT CỦA BIẾN GIẢ

CHƯƠNG 4. MÔ HÌNH HỒI QUY VỚI BIẾN GIẢ
Biến phụ thuộc
I. Bản chất của biến giả
Mô hình hồi quy
II. Xây dựng mô hình hồi quy với biến giả
Các biến độc lập
III. Một số ứng dụng
IV. Ví dụ
Biến Biến định tính
định lượng hay biến chất
Biến giả
3

Các giá trị Lượng hoá Dùng kỹ thuật

có thể có biến chất biến giả
Miền xác định
của biến chất
của biến chất
Các phạm trù Ban đầu không có Cần gán
của biến chất Nam sẵn giá trị định lượng giá trị
Biến giới tính Nữ

Bắc
Ví dụ:
Biến vùng miền
Trung
Biến trình độ Nam
5

II. XÂY DỰNG MÔ HÌNH HỒI QUY VỚI BIẾN GIẢ 1. Nguyên tắc chung
1. Nguyên tắc chung - Về gán giá trị cho biến giả
2. Hồi quy với một biến chất
- Trường hợp biến chất chỉ có hai phạm trù
- Trường hợp biến chất có nhiều hơn hai phạm trù - Về số lượng biến giả cần sử dụng đối với mỗi biến chất:
+ Biến chất có 2 phạm trù – dùng 1 biến giả
3. Hồi quy với một biến lượng và một biến chất
+ Biến chất có 3 phạm trù – dùng 2 biến giả
4. Hồi quy với một biến lượng và hai biến chất
+ Biến chất có n phạm trù – dùng n - 1 biến giả
5. Hồi quy xét đến ảnh hưởng tương tác giữa các biến giả
7
27
Ví dụ: Bắc
Biến quê quán
Trung
Nam
Biến giới tính Nam
Nữ
9

Phạm trù Tất cả các 2. Hồi quy với một biến chất
cơ sở biến giả bằng 0
a/ Trường hợp biến chất chỉ có hai phạm trù
Phạm trù Một biến giả Xét ví dụ: Giả sử một công ty sử dụng hai quá trình sản
Phạm trù bằng 1, còn tất xuất A và B để sản xuất ra một loại sản phẩm. Giả sử sản
khác cả các biến giả
phẩm thu được (trong một ca hoạt động) từ mỗi một quá
khác bằng 0
trình sản xuất là đại lượng ngẫu nhiên có phân phối chuẩn
và có kỳ vọng khác nhau nhưng phương sai như nhau. Cần
đánh giá sự khác nhau về sản lượng thu được từ hai quá
trình đó.
11

Quá
trình A A B A B B B A A …
sản
xuất
Sản
lượng 22 21 19 21 18 19 17 20 21 …
trong
1 ca
Quá trình
Sản lượng
sản xuất
13
28
Quá
b/ Trường hợp biến chất có nhiều hơn hai phạm trù
trình 1 1 0 1 0 0 0 1 1 …
SX Giả thiết có 3 QTSX khác nhau. Cần giải thích: sản lượng
Sản được sản xuất ra bởi mỗi quá trình có thể như nhau không?
lượng 22 21 19 21 18 19 17 20 21 …
1 ca
- Ý nghĩa của các hệ số hồi quy:
14

Quá trình SX D1 D2 3. Hồi quy với một biến lượng và một biến chất
a/ Trường hợp biến chất chỉ có hai phạm trù
A 1 0
B 0 1
C 0 0
b/ Trường hợp biến chất có nhiều hơn hai phạm trù
16 17

Ví dụ: Căn cứ vào số liệu chéo, người ta muốn hồi quy
thu nhập hàng năm của một giảng viên đại học đối với
tuổi nghề giảng dạy và vùng miền giảng dạy.
là là biến chất, trên thực tế có 3 vùng

biến Bắc, Trung, Nam - có 3 phạm trù nên
lượng
đưa vào mô hình HQ 2 biến giả.
Phạm trù cơ sở? Các hệ số chặn chênh lệch?
18 19
29
4. Hồi quy với một biến lượng và hai biến chất

- Nguyên tắc: Số biến giả phụ thuộc vào số biến chất và số
phạm trù của mỗi biến chất.
- Ví dụ: xem xét mối quan hệ giữa thu nhập hàng năm của
một giảng viên đại học đối với tuổi nghề giảng dạy, vùng
miền giảng dạy và giới tính.
20 21

Thu nhập của GV
Các biến độc lập
Phạm trù cơ sở?
Tuổi nghề Biến Biến

giảng dạy vùng miền giới tính
Có 3 phạm trù Có 2 phạm trù
22 23

5. Ảnh hưởng tương tác giữa các biến độc lập

- Nguyên tắc: Bổ sung thêm biến độc lập là tích của các
biến độc lập có tương tác lẫn nhau.
- Ví dụ:
24 25
30
III. MỘT SỐ ỨNG DỤNG
1. So sánh hai hồi quy

2. Sử dụng biến giả trong phân tích mùa
3. Xây dựng hồi quy tuyến tính từng khúc
ảnh hưởng ảnh hưởng ảnh hưởng

chênh lệch chênh lệch chênh lệch
của nữ của SV của nữ sinh
26 27

1. So sánh hai hồi quy

- Đặt vấn đề: cùng một vấn đề KT-XH, với các tập số liệu
khác nhau, có thể áp dụng cùng một mô hình HQ không?
- Ví dụ: hồi quy về mối quan hệ giữa tiết kiệm và thu nhập
trước và sau khi chuyển đổi kinh tế của nước ta.
28 29

a. Phương pháp kiểm định Chow để so sánh hai hồi quy
Khác hệ số chặn?
phương pháp
chung để xét 2 hồi
quy có khác nhau
Khác hệ số góc?
hay không?
Khác cả hệ số chặn và
Phương pháp hệ số góc?
kiểm định Chow
Phương pháp
dùng biến giả
30 31
31
b. Phương pháp sử dụng biến giả để so sánh hai hồi quy
- Hạn chế của phương pháp này?
32 33

- Ví dụ: Muốn phân tích chuỗi số liệu (doanh thu một loại sản
2. Sử dụng biến giả trong phân tích mùa phẩm) theo quí có chịu tác động của yếu tố mùa hay không?
- Đặt vấn đề:
Năm 2009 Năm 2010 Năm 2011
+ Nhiều chuỗi thời gian trong thực tế có tính chất mùa vụ Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
rất rõ. Ví dụ: doanh thu bán VPP theo tháng, doanh thu bán
121 53 65 118 130 55 72 125 143 63 82 132
áo quần, vé tàu, vé máy bay theo tháng/ quí…
+ Để tập trung phân tích khuynh hướng tăng giảm theo

một thời gian dài, cần có phương pháp loại thành phần mùa
khỏi chuỗi thời gian.
- Có thể sử dụng biến giả để phân tích mùa.
34 35

- Ví dụ:
Ví dụ: Cho C là mức tiêu dùng theo đầu người, Y là thu nhập
+ Giả sử có sự tác động của thu nhập và yếu tố mùa lên sau thuế của Mỹ trong thời kỳ từ 1929 đến 1970. Trong thời gian
chi tiêu. Khi đó, cần sử dụng mô hình:
này có xảy ra chiến tranh thế giới thứ hai từ 1941 đến 1946.
Dựa vào kết quả sau đây, hãy cho biết chiến tranh có ảnh hưởng
+ Giả sử có sự tác động tương tác giữa thu nhập và yếu đến tiêu dùng không?
tố mùa lên chi tiêu. Khi đó, cần sử dụng mô hình:
Biết rằng mô hình hồi quy sử dụng biến giả D với D = 1 trong
thời kỳ 1941 đến 1946, D = 0 trong các năm còn lại.
36 37
32
38 39

PHẦN II. ĐÁNH GIÁ MÔ HÌNH

(XÁC ĐỊNH CÁC KHUYẾT TẬT
VÀ BIỆN PHÁP KHẮC PHỤC)
Chương 5. Đa cộng tuyến
Chương 6. Phương sai sai số thay đổi
Chương 7. Tự tương quan
Chương 8. Định dạng mô hình
40 2

I. KHÁI NIỆM, NGUYÊN NHÂN VÀ HẬU QUẢ

CHƯƠNG 5. ĐA CỘNG TUYẾN
1. Khái niệm
I. Khái niệm, nguyên nhân và hậu quả Cho hàm hồi quy: Yi  1   2 X 2i  ...   k X ki  U i
II. Phương pháp phát hiện sự tồn tại đa cộng tuyến
- Trường hợp lý tưởng?
III. Biện pháp khắc phục
- Các trường hợp khác:
IV. Ví dụ
+ Cộng tuyến
+ Đa cộng tuyến
4
33
Các dạng
đa cộng tuyến
Đa cộng tuyến Đa cộng tuyến

hoàn hảo không hoàn hảo
 j  0 : 1 X1  2 X 2  ...  k X k  0
 j  0 : 1 X1  2 X 2  ...  k X k  V  0
6

3. Hậu quả
2. Nguyên nhân
a. Khi có ĐCT hoàn hảo
- Do chủ quan người lập mô hình: đưa vào mô hình các
→ không ước lượng được mô hình - các hệ số hồi quy là
biến số có quan hệ cộng tuyến với nhau.
không xác định, còn các sai số tiêu chuẩn là vô hạn.
- Do điều tra, thu thập và xử lý số liệu không ngẫu nhiên
b. Khi có ĐCT không hoàn hảo
hoặc số liệu hạn chế trong một phạm vi nhỏ…
- Ước lượng được mô hình nhưng không đo lường được
- Với mô hình có chuỗi thời gian, các biến độc lập có thể ảnh hưởng của riêng từng biến độc lập đến biến phụ thuộc.
có sự biến động theo xu thế thời gian
- Phương sai của các ước lượng OLS lớn nên sai số chuẩn
lớn, dẫn đến khoảng tin cậy của các ước lượng rộng hơn và
tỷ số t mấy ý nghĩa.
8

- Các ước lượng OLS và các sai số tiêu chuẩn của chúng trở II. PHƯƠNG PHÁP PHÁT HIỆN SỰ TỒN TẠI ĐA
nên rất nhạy đối với những thay đổi nhỏ trong số liệu. CỘNG TUYẾN
- Khi thêm vào hay bớt đi các biến cộng tuyến với các biến - Thường sử dụng hai phương pháp
khác, mô hình sẽ thay đổi về độ lớn của các ước lượng hoặc + So sánh thông tin kiểm định T về hệ số góc và kiểm định
dấu của chúng. F về sự phù hợp của hàm hồi quy
- Dấu các ước lượng của hệ số hồi quy có thể sai. + Sử dụng các hồi quy phụ
- Ngoài ra, có thể sử dụng độ đo Theil, xem xét tương quan

cặp giữa các biến độc lập...
www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp 10
34
1. So sánh thông tin về kiểm định T và kiểm định F 2. Sử dụng hồi quy phụ
- Khi có mâu thuẫn giữa hai kiểm định này – có thể có ĐCT ♦ Hồi quy phụ là gì?
11 12

cho phép xem xét tương quan

qua lại giữa các biến độc lập
Đặc điểm của
PP HQ phụ Cần tính toán nhiều. Tuy nhiên, đã có
sự trợ giúp của các phần mềm KTL
(một số cho biết giá trị của VIF đối với
các biến độc lập của MHHQ).
13 14

3. Sử dụng độ đo Theil III. BIỆN PHÁP KHẮC PHỤC
- Sử dụng thông tin tiên nghiệm

- Thu thập thêm số liệu hoặc lấy thêm mẫu mới
- Bỏ bớt biến độc lập khỏi mô hình
- Sử dụng sai phân cấp 1
15 16
35
1. Sử dụng thông tin tiên nghiệm
- sử dụng thông tin tiên nghiệm hoặc thông tin từ nguồn

khác để ước lượng các hệ số riêng.
Ví dụ. Cần ước lượng hàm sản xuất của một quá trình sản
xuất nào đó có dạng: Qt  ALt Kt eUt
17 18

2. Thu thập thêm số liệu hoặc lấy thêm mẫu mới
Giảm các biến độc lập có

Thông tin quan hệ cộng tuyến
tiên nghiệm Ước lượng được các
tham số của mô hình
19 20

3. Bỏ bớt biến độc lập khỏi mô hình
21 22
36
4. Sử dụng sai phân cấp một
Thường áp dụng đối với các bộ số liệu theo thời gian.
23 24

IV. VÍ DỤ
Với Q là lượng gas bán, PG là giá một bình gas, PE là giá
điện sinh hoạt, PC là giá bếp gas.
a. Khi hồi quy Q phụ thuộc PG và hệ số chặn, có thể có hiện
tượng đa cộng tuyến không?
25 26

Nghi ngờ trong mô hình [1]: Q phụ thuộc PG, PC, PE và hệ số

chặn có thể có hiện tượng ĐCT, vì thống kê t của hệ số ứng
với biến PC nhỏ, p-value = 0,349 cao (hệ số tương ứng biến
PC không có ý nghĩa thống kê), trong khi đó R2 lớn. Hãy nêu
một cách kiểm tra hiện tượng đó?
Để kiểm tra có hiện tượng ĐCT giữa PC với các biến độc
lập PG và PE, chúng ta sử dụng hồi quy phụ: hồi quy biến
PC theo PG và PE – mô hình [2]:
27 28
37
d. Mô hình [2] nhằm mục đích gì?
Mô hình [2] nhằm xác định mô hình [1] có hiện tượng ĐCT
hay không. Cụ thể là biến PC có phụ thuộc tuyến tính vào
PG và PE không.
e. Biến PC có phụ thuộc tuyến tính vào biến PE không?

Có phụ thuộc tuyến tính vào biến PG không?
29 30

Vậy, có ít nhất một yếu tố ảnh hưởng đến PC, có nghĩa là

[1] tồn tại ĐCT.
31 32

f. Mô hình [1] có khuyết tật ĐCT không? ĐCT này là hoàn hảo hay không
i. Để kiểm tra mô hình Q phụ thuộc PG, PE và hệ số chặn có khuyết tật
hoàn hảo? Các ước lượng của MH [1] còn là ước lượng tốt nhất không?
ĐCT không, người ta hồi quy PG theo PE có hệ số chặn thu được hệ số
Mô hình [1] có khuyết tật ĐCT.
xác định bằng 0,1215. Mô hình này dùng để làm gì, có kết luận gì thu
ĐCT này là ĐCT không hoàn hảo bởi vì tồn tại mô hình [2] là MHHQ. được?
Các ước lượng của MH [1] không thể là ước lượng tốt nhất vì tồn tại ĐCT.
Mô hình này dùng để kiểm tra sự phụ thuộc tuyến tính giữa PG và PE,
g. Nêu một cách khắc phục đơn giản khuyết tật trong mô hình [1]?
tức là kiểm tra khuyết tật ĐCT của mô hình hồi quy Q theo PG, PE và hệ
Cách khắc phục đơn giản là bỏ biến PC ra khỏi mô hình [1].
số chặn.
h. Khi bỏ biến PC khỏi mô hình [1], tiến hành hồi quy Q theo PG và PE có
Do hệ số xác định thu được là 0,1215 khá nhỏ nên kết luận là PG không
hệ số chặn thu được R2 = 0,9821. Có nên bỏ biến PC không?
phụ thuộc tuyến tính vào PE; mô hình Q phụ thuộc PG, PE và hệ số
Khi hồi quy Q theo PG và PE có hệ số chặn thu được R2 = 0,9821 >> 0,8. chặn không có khuyết tật ĐCT.
Đồng thời theo mô hình [2] – PC cộng tuyến mạnh với biến PG nên tốt nhất
là bỏ biến PC khỏi mô hình.
33 34
38
j. Khi hồi quy mô hình: Q phụ thuộc PG, D, DPG có hệ số chặn với D là
biến giả, D = 1 nếu là tháng đại lý bán bình gas mới, D = 0 với các tháng
bán bình gas cũ; DPG = D*PG. Các biến D và DPG có thể có quan hệ cộng
tuyến với nhau không?
35 36


CHƯƠNG 6. PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
- Giả thiết của mô hình HQ: PSSS không đổi (đồng đều,
I. Khái niệm, nguyên nhân và hậu quả
thuần nhất - Homoscedasticity)
II. Phương pháp phát hiện phương sai sai số thay đổi
IV. Ví dụ
- Ngược lại: PSSS thay đổi (không đồng đều, không
thuần nhất - Heteroscedasticity)
2

Ví dụ:
Nghiên cứu mức chi tiêu hàng tuần phụ thuộc vào mức
thu nhập hàng tuần với tổng thể gồm 60 hộ gia đình -
Có nhận xét gì về độ phân tán của mức chi tiêu ứng với
mỗi mức thu nhập?
4
39
Kết luận: độ phân tán của mức chi tiêu ứng với mỗi mức
thu nhập là khác nhau, tức có hiện tượng PSSS thay đổi
Một số ví dụ:
- Mối quan hệ giữa số lỗi đánh máy trung bình và giờ thực hành
đánh máy.
- Mối quan hệ giữa điểm thi trung bình so với thời gian tự học.
- Mối quan hệ giữa tiết kiệm và thu nhập…
6
BÀI GIẢNG MÔN ˆ j BÀI GIẢNG MÔN

2. Nguyên nhân 3. Hậu quả

- Do bản chất của các mối liên hệ kinh tế - xã hội chứa đựng
hiện tượng này.
- Do sử dụng các kỹ thuật thu thập số liệu khác nhau
- Do con người thường học được các hành vi trong quá khứ
- Có xuất hiện các quan sát ngoại lai

- Định dạng mô hình sai (thiếu biến, dạng hàm sai…)
8

II. PHƯƠNG PHÁP PHÁT HIỆN PSSS THAY ĐỔI
Lưu ý: không có một phương pháp chắc chắn mà

chỉ có một số công cụ để chẩn đoán nhằm phát hiện ra
hiện tượng PSSS thay đổi.
Xem xét đồ thị Áp dụng các

phần dư kiểm định
40
Chi tiêu Thu nhập Chi tiêu Thu nhập
Gia đình Gia đình
1. Xem xét đồ thị phần dư Y X Y X
1 19,9 22,3 11 8,0 8,1
Ví dụ. Xét quan hệ giữa chi tiêu cho tiêu dùng (Y) và 2 31,2 32,3 12 33,1 34,5
thu nhập (X) hàng tháng của 20 hộ gia đình ở một vùng 3 31,8 33,6 13 33,5 38,0
nông thôn (ĐV tính: 10.000đ). 4 12,1 12,1 14 13,1 14,1
5 40,7 42,3 15 14,8 16,4
6 6,1 6,2 16 21,6 24,1
7 38,6 44,7 17 29,3 30,1
8 25,5 26,1 18 25,0 28,3
9 10,3 10,3 19 17,9 18,2
10 38,8 40,2 20 19,8 20,1
11

Quan Giá trị Phần dư Quan Giá trị Phần dư ei
sát của X ei sát của X ei
3.00
6 6,2 -0,32 8 26,1 1,18
2.00
11 8,1 -0,13 18 28,3 -1,30
1.00
9 10,3 0,19 17 30,1 1,38 0.00 ei
4 12,1 0,37 2 32,2 1,30 -1.000.00 10.00 20.00 30.00 40.00 50.00
14 14,1 -0,43 12 34,5 1,23 -2.00
15 16,4 -0,80 3 36,6 -1,96 -3.00
19 18,2 0,69 13 38,0 1,52 độ rộng của

20 20,1 0,88 10 40,2 1,80 biểu đồ phân PSSS
rải tăng lên thay đổi
1 22,3 -1,00 5 42,3 1,81
khi X tăng khi X tăng
16 24,1 -0,92 7 44,7 -2,45
13 14

2. Áp dụng các kiểm định
Có thể sử dụng một số kiểm định để kiểm định cặp giả thuyết:
15 16
41
- Bốn KĐ thường được sử dụng và được tính sẵn bởi một số
phần mềm kinh tế lượng:
+ KĐ Park và KĐ Glejser đều dựa trên giả thiết PSSS thay đổi
theo biến độc lập dưới một dạng hàm nào đó.
+ KĐ White là KĐ tổng quát về sự thuần nhất của phương sai,

dựa trên giả thiết cho rằng PSSS thay đổi theo các biến độc lập
có trong mô hình dưới dạng bậc cao dần.
+ KĐ dựa trên biến phụ thuộc xét sự phụ thuộc của PSSS
theo bình phương trung bình biến phụ thuộc.
- Các kiểm định khác ít dùng và không có công cụ hỗ trợ.
17 18

a. Kiểm định Park
Lưu ý:
- Các KĐ không nhất thiết cho cùng một kết quả.
- Thông thường:
+ Khi mô hình có PSSS không đổi thì gần như có cùng kết luận;
+ Khi mô hình có PSSS thay đổi thì các kết luận có thể khác nhau.
- Để kiểm tra hiện tượng này nên thực hiện nhiều KĐ thì kết quả
mới chính xác.
19 20

Có hai trường hợp:
- Nếu H0 bị bác bỏ, chứng tỏ có tồn tại mối liên hệ có ý nghĩa về

mặt thống kê giữa lnei2 và lnXi. MH gốc có PSSS thay đổi, cần tìm
biện pháp khắc phục.
- Nếu H0 được chấp thuận thì α1 trong hồi quy có thể được giải
thích như là giá trị của phương sai không đổi (α1 = ln02).
Bác bỏ H0 – Kết luận?
Chấp nhận H0 – Kết luận?

21 22
42
Ví dụ: b. Kiểm định Glejser
Kết luận?
23 24

c. Kiểm định tương quan hạng Spearman
Kết luận?
25 26

Tương quan hạng

giữa hai đặc trưng
Mối quan hệ giữa
Tương quan
giữa hai đặc trưng
27 28
43
29 30

d. Kiểm định BPG
31 32

e. Kiểm định White
Đây là một KĐ tổng quát về sự thuần nhất của phương sai.
33 34
44
f. Kiểm định dựa trên biến phụ thuộc
35 36

37 38

N X2 X3 Y N X2 X3 Y
1 0 6,0 4,71 26 25,0 2,0 12,80
2 1,0 3,0 3,60 27 25,0 0 5,20
3 2,0 0 4,37 28 27,0 4,0 8,12
4 2,0 4,0 4,64 29 28,0 7,0 17,54
5 3,0 1,0 3,27 30 28,0 4,0 22,52
… … … … … … … …
25 24,0 3,0 8,80 50 46,0 0 4,95
41 40
45
III. BIỆN PHÁP KHẮC PHỤC 1. Phương pháp BPNN có trọng số
- Phụ thuộc chủ yếu vào việc phương sai tổng thể được biết
hay chưa.
- Phân biệt hai trường hợp:
+ Đã biết phương sai tổng thể → sử dụng PP bình phương

nhỏ nhất có trọng số
+ Chưa biết phương sai tổng thể → sử dụng PP bình phương

nhỏ nhất tổng quát
41 42

2. Phương pháp BPNN tổng quát
43 44

BỘ MÔN KINH TẾ - KHOA QTKD1 45 BỘ MÔN KINH TẾ - KHOA QTKD1 46
46
BỘ MÔN KINH TẾ - KHOA QTKD1 47 BỘ MÔN KINH TẾ - KHOA QTKD1 48

49 50

A: Lagrange multiplier test of residual serial correlation: KĐ bằng

Các thuật ngữ
PP nhân tử Lagrange về tương quan chuỗi của các phần dư.
Diagnostic Tests: Các kiểm định chuẩn đoán. B: Ramsey’s Reset test using the square of the fitted values: KĐ
Serial Correlation: Tương quan chuỗi. Ramsey’s Reset về dạng hàm hồi quy sử dụng bình phương các
giá trị tổng hợp.
Functional Form: Dạng hàm
C: Based on a test of skewness and kurtosis of residuals: KĐ tính
Normality: Tính chuẩn chuẩn của U dựa trên hệ số bất đối xứng và hệ số nhọn của
phần dư.
Heteroscedasticity: Phương sai không đồng đều.
D: Based on the regression of squared residuals on squred fitted
values: KĐ về sự đồng nhất của phương sai dựa trên hồi quy
phần dư phụ thuộc vào tương hợp bình phương.
51 52
47
53 54


CHƯƠNG 7. TỰ TƯƠNG QUAN
1. Khái niệm
- Giả thiết của mô hình HQ: không có tự tương quan giữa
I. Khái niệm, nguyên nhân và hậu quả các SSNN:
II. Phương pháp phát hiện tự tương quan
IV. Ví dụ - Ngược lại:
Có hiện tượng Hoặc có hiện tượng

tự tương quan tương quan chuỗi
(Autocorrelation) (Serial correlation)
2

♦ Thế nào là hiện tượng TTQ?
- Sự tương quan giữa các thành phần của chuỗi quan sát
được sắp xếp theo thứ tự thời gian hoặc không gian.
- Hiện tượng các SSNN của mô hình có tương quan về mặt
thống kê với nhau (phụ thuộc nhau).
Lưu ý: TTQ thường xảy ra với số liệu theo thời gian (buộc
phải xếp theo thứ tự thời gian tăng dần) - dùng chỉ số t.
Trong một số trường hợp đặc biệt, số liệu theo không gian -
dùng chỉ số i - được sắp xếp theo thứ tự nhất định cũng sẽ
xảy ra hiện tượng TTQ.
4
48
dạng phân bố
không có hệ
thống, ủng hộ cho
giả thiết không có
TTQ
6

2. Nguyên nhân
- Nguyên nhân chủ quan:
- Nguyên nhân khách quan:
+ Xử lý số liệu Làm trơn số liệu
+ Tính quán tính: Các số liệu chuỗi thời gian – thường mang
tính chu kỳ. Dùng phép
+ Hiện tượng “mạng nhện”: mỗi biến số thường có mối quan nội suy hoặc ngoại suy
số liệu
hệ với nhiều biến khác (có thể ở cùng thời kỳ, có thể ở thời
kỳ trước đó). + Lập mô hình không chính xác
+ Các độ trễ: với các số liệu chuỗi thời gian, một biến phụ
Sử dụng
thuộc ở thời kỳ t – ngoài quan hệ với các biến độc lập - lại có Không đưa đủ biến có
dạng hàm sai
ảnh hưởng cơ bản vào
mối quan hệ với chính nó ở thời kỳ trước (thời kỳ (t -1)).
mô hình
8

3. Hậu quả
II. PHƯƠNG PHÁP PHÁT HIỆN TỰ TƯƠNG QUAN
Khi có TTQ, nếu sử dụng PP OLS thông thường thì sẽ dẫn
đến một số hậu quả sau: Nguyên tắc chung
- Các ước lượng OLS vẫn là các ước lượng tuyến tính, Cần kiểm tra mối quan hệ:
không chệch nhưng không phải là ước lượng hiệu quả nhất.
Cần biết các giá trị SSNN.
- Phương sai của các ước lượng OLS thường là chệch; giá
Nếu không có tổng thể?
trị của t lớn, dẫn đến các KĐ t và F không đáng tin cậy.
Tóm
lại:
9 10
49
1. Xem xét đồ thị phần dư
Hai nhóm phương pháp
phát hiện TTQ
Xem xét đồ thị Áp dụng các

phần dư kiểm định
11

2. Áp dụng các kiểm định a. Kiểm định đoạn mạch (KĐ Geary)
KĐ DW và KĐ BG có
tính chính xác cao,
thường được áp dụng
và được tính bằng các
phần mềm KTL.
13 14

b. Kiểm định χ2 về tính độc lập của các phần dư
15 16
50
17 18

Ví dụ: Cho các phần dư từ một HQ theo bảng số liệu sau đây.
Hãy sử dụng KĐ χ2 để KĐ về tính độc lập của các phần dư. Từ đó kết
luận về TTQ của MH gốc.
Tính các giá trị Eij và giá trị quan sát của thống kê χ2 , sau đó kết luận!
19 20

c. Kiểm định d. Durbin - Watson
21 22
51
Bác bỏ Bác bỏ
H0, nghĩa Miền Chấp nhận Miền H0, nghĩa
là có TQ không H0, nghĩa là không là có TQ
thuận có kết không có có kết ngược
chiều luận TTQ chuỗi luận chiều
(dương) bậc nhất (âm)
0 dL dU 2 4 - dU 4 - dL 4
Có hai miền
không có kết luận Cần áp dụng
quy tắc
www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp www.ptit.edu.vn GIẢNG VIÊN: TS.Lê Thị Ngọc Diệp KĐ cải biên
23 24

Lưu ý: Các phần mềm KTL đều tự động tính giá trị d.
25 26

d. Kiểm định Durbin h
27 28
52
e. Kiểm định Breusch – Godfrey (BG)
KĐ BG (còn được gọi là KĐ nhân tử Lagrange - LM test)

dùng để KĐ tương quan bậc cao (bậc p)
29 30

♦ Lưu ý: Dòng A thuộc bảng báo cáo của MFIT cho kết quả
của các KĐ này đối với AR(1). Kết quả này được áp dụng cho
mọi dạng mô hình và có mức độ tin cậy cao nhất.
31 32

Ví dụ. Bộ số liệu theo quý từ quý I/1974 – quý IV/1984 sau đây cho
mức tiêu dùng (C) và thu nhập (Y) ở nước Anh.
Dùng DW và BG để kiểm định TTQ.
N C Y N C Y
1 42065,0 48856,0 23 48664,0 55014,0

2 43636,0 48921,0 24 51326,0 58841,0
3 44994,0 50727,0 25 48272,0 55814,0
… … … … … …
22 49318,0 55033,0 44 55950,0 61041,0
33 34
53
III. BIỆN PHÁP KHẮC PHỤC

Do các biện pháp khắc phục hiện tượng TTQ dựa trên sự
hiểu biết về bản chất của sự phụ thuộc giữa các SSNN nên
chúng ta phân biệt hai tình huống sau đây:
- Đã biết hệ số TTQ – sử dụng phương trình sai phân tổng
quát.
- Chưa biết hệ số TTQ – cần ước lượng hệ số này để thay
vào phương trình sai phân tổng quát.
35 36

a. Đã biết cấu trúc TTQ
37 38

b. Chưa biết cấu trúc TTQ
39 40
54
41 42

IV. VÍ DỤ
Xem ví dụ cuối chương VII, Bài giảng KTL của Trường

Kinh tế Quốc dân.
Cho Y là thu nhập; C là tiêu dùng. Cho bảng số liệu từ

1958 đến 1988.
a. Ước lượng mô hình: C = β1 + β2Y + U, ta có kết quả

sau đây:
43 44

Ta có: d = 0,68388, trong khi đó với n = 31, α = 5%, k’ = 1,

dL = 1,363, dU = 1,469 → d < dL : có TTQ dương.
Dựa trên kiểm định BG: χ2 = 13.0904[.000] và kiểm định F:
F(1,28) = 20.4656[.000] → bác bỏ giả thuyết H0 , tức là có hiện
tượng TTQ.
45 46
55
47 48


Các KĐ Durbin-Watson, KĐ BG và KĐ F (dòng A) đều cho
biết mô hình sai phân tổng quát không có hiện tượng TTQ.
Nếu chấp nhận MH này thì ước lượng của MH ban đầu là:
49 50

I. KHÁI QUÁT CHUNG VỀ ĐỊNH DẠNG MÔ HÌNH

CHƯƠNG 8. ĐỊNH DẠNG MÔ HÌNH 1. Khái niệm
- Thế nào là một mô hình đúng (mô hình tốt)?
I. Khái quát chung về định dạng mô hình
+ Mô hình phản ánh đúng hiện tượng đang nghiên cứu.
II. Các loại sai lầm chỉ định
+ Mô hình chứa đủ những biến chủ yếu để phản ánh
III. Các kiểm định nhầm phát hiện sai lầm chỉ định
được bản chất hiện tượng trong quá trình nghiên cứu.
IV. Kiểm định JB về tính phân phối chuẩn của U
- Cần có tiêu chuẩn để xác định “một mô hình đúng”.
V. Ví dụ
- Trong thực tế việc định dạng mô hình đúng là một điều
khó khăn.
2
56
Việc định dạng mô hình có thể gặp một số sai lầm như: 2. Các thuộc tính của một mô hình tốt
- Thiếu biến thích hợp hoặc đưa vào các biến không cần thiết Có thể dựa vào các tiêu chuẩn của A.C Harvy:
- Tính tiết kiệm: cần giữ cho MH càng đơn giản càng tốt.
- Sử dụng dạng hàm sai…
- Tính đồng nhất: với một tập dữ liệu đã cho, các tham số
ước lượng phải có giá trị thống nhất.
- Tính thích hợp: cần có R2 cao (càng gần 1 thì càng tốt).
Các loại sai lầm chỉ định - Tính vững về mặt lý thuyết: xây dựng MH phải dựa trên
một cơ sở lý thuyết nào đó.
- Khả năng dự đoán: thể hiện ở sức dự đoán của MH phù
Phương pháp phát hiện
hợp với thực tế.
các loại sai lầm chỉ định
4

1. Bỏ sót biến thích hợp

II. CÁC LOẠI SAI LẦM CHỈ ĐỊNH
“Sai lầm” bỏ sót một hay một số biến thích hợp mà đáng lẽ
1. Bỏ sót biến thích hợp chúng phải có mặt trong mô hình.
2. Đưa vào các biến không thích hợp
3. Dạng hàm không đúng
6

2. Đưa vào các biến không thích hợp
8
57
3. Dạng hàm không đúng

- Sai lầm khi chọn dạng hàm thể hiện mối quan hệ giữa
các biến số.
9 10

Chi tiêu cho Thu nhập Chi tiêu cho Thu nhập
Năm Năm
nhập khẩu sau thuế nhập khẩu sau thuế
1 35,7 1551,3 11 247,1 2167,4
2 144,6 1599,8 12 277,9 2212,6
3 150,9 1668,1 13 253,6 2214,3
4 166,2 1728,4 14 258,7 2248,6
5 190,7 1797,4 15 249,5 2261,5
6 218,2 1916,3 16 282,2 2331,9
7 211,8 1896,9 17 251,1 2469,8
8 187,9 1931,7 18 367,9 2542,8
9 299,9 2001,0 19 412,3 2640,9
10 259,4 2066,6 20 439,0 2686,3
11 12

III. CÁC KIỂM ĐỊNH NHẰM PHÁT HIỆN SAI LẦM

CHỈ ĐỊNH
1. Kiểm định các biến không cần thiết
2. Kiểm định sai dạng hàm hoặc các biến bị bỏ sót
Chúng ta sẽ tìm hiểu một số kiểm định để phát hiện

sai lầm chỉ định.
13 14
58
1. Kiểm định các biến không cần thiết

Có hai trường hợp:
- Nếu lí thuyết cho rằng tất cả các biến độc lập đều ảnh hưởng
đến biến phụ thuộc thì phải giữ chúng ở trong MH, cho dù KĐ
cho rằng hệ số của một biến nào đó không có ý nghĩa thống kê.
- Nếu trong MH có “biến kiểm tra” để tránh bỏ sót biến → KĐ xem

sự có mặt của nó ở trong MH có cần thiết hay không.
Lưu ý: khi tiến hành các KĐ về chỉ định này, ta đã thừa nhận có
một MH đúng. Từ đó có thể tìm ra một hay một số biến X có thực sự
là thích hợp không bằng các kiểm định t và F.
15 16

2. Kiểm định sai dạng hàm hoặc bỏ sót biến a. Kiểm định Ramsey’s Reset
- Ý tưởng chung: có một phần thông tin giải thích cho biến phụ
thuộc không được thể hiện bởi mô hình.
- Sử dụng các kiểm định:
+ Kiểm định Ramsey’s Reset
+ Kiểm định bằng nhân tử Lagrange
+ Kiểm định d. Durbin- Watson
17 18

Kết quả KĐ này cho ở dòng B của bản báo cáo MFIT3.
Diagnostic Tests
********************************************************************************************
* Test Statistic * LM Version * F Version *
********************************************************************************************
- m là số biến độc lập mới * A: Serial Correlation * CHI-SQ(1) = 0.33006[.566] * F(1,27) = 0.30036[.588] *
được đưa thêm vào MH, * B: Functional Form * CHI-SQ(1) = 0.11447[.915] * F(1,27) = 0.10306[.920] *
- k là số hệ số của MH mới.
* C: Normality * CHI-SQ(2) = 12.7209[.002] * Not applicable *
* D: Heteroscedasticity*CHI-SQ(1) = .88872[.346] * F(1,28) = 0.85479[.336] *
********************************************************************************************
19 20
59
b. Kiểm định bằng nhân tử Lagrange
Ý tưởng: thông tin của biến bị bỏ sót hoặc thông tin do sai dạng
hàm sẽ được phản ánh bởi sự biến thiên của các phần dư phụ
thuộc vào:
+ Các biến độc lập đã có trong MH
+ Những thông tin chưa được phản ánh chứa trong các luỹ
thừa bậc cao của biến phụ thuộc ( Yˆt 2 , Yˆt 3, ...)
21 22

Kết quả KĐ này cho ở dòng B của bản báo cáo MFIT3.
c. Kiểm định d. Durbin- Watson
Tiêu chuẩn d. Durbin – Watson có thể dùng KĐ có sự sai lầm

Diagnostic Tests
định dạng hay không, nhưng không thể sử dụng trực tiếp mà
********************************************************************************************
cần thực hiện các bước sau:
******************************************************************************************** 1. Ước lượng mô hình ban đầu, thu được các phần dư et.
* A: Serial Correlation * CHI-SQ(1) = 0.33006[.566] * F(1,27) = 0.30036[.588] * 2. Nếu ta nghi ngờ biến Z đã bị bỏ sót, có 2 trường hợp:
* B: Functional Form * CHI-SQ(1) = 0.11447[.915] * F(1,27) = 0.10306[.920] * + Nếu có số liệu của Z: sắp xếp các phần dư theo thứ
* C: Normality * CHI-SQ(2) = 12.7209[.002] * Not applicable * tự tăng dần của biến Z,
* D: Heteroscedasticity*CHI-SQ(1) = .88872[.346] * F(1,28) = 0.85479[.336] *
+ Nếu không có số liệu của Z: sắp xếp et theo thứ tự
********************************************************************************************
tăng dần của một trong các biến độc lập hoặc theo giá trị ước
lượng của biến phụ thuộc.
23 24

3. Tính giá trị của thống kê d: Ví dụ:

n
 e  et 1 
2
t
d t 2
n
e
t 1
2
t
4. Kiểm định:
H0: Dạng hàm đúng (MH không có TTQ)
Có thể sử dụng:
H1: Dạng hàm sai (MH có TTQ)
Dựa vào bảng Durbin- Watson với mức ý nghĩa α để kết luận về H0.
KĐ Ramsey’s Reset KĐ bằng nhân tử Lagrange
25 26
60
Tóm lại: Mô hình gốc đủ biến.
27 28

IV. KIỂM ĐỊNH JB VỀ TÍNH PHÂN PHỐI CHUẨN CỦA U
29 30

Tóm lại:
Kết quả KĐ JB cho ở dòng C của bảng báo cáo MFIT3.
- Nếu một MH chỉ định sai thì có thể khắc phục bằng cách lựa
Diagnostic Tests
********************************************************************************************
chọn lại mô hình.
* Test Statistic * LM Version * F Version * - Có hai trường hợp:
********************************************************************************************
+ Nếu MH thừa biến (do đưa thêm biến kiểm tra): loại bỏ biến
* A: Serial Correlation * CHI-SQ(1) = 0.33006[.566] * F(1,27) = 0.30036[.588] *
kiểm tra nếu hệ số HQ tương ứng không có ý nghĩa thống kê.
* B: Functional Form * CHI-SQ(1) = 0.11447[.915] * F(1,27) = 0.10306[.920] *
* C: Normality * CHI-SQ(2) = 12.7209[.002] * Not applicable * + Trong các trường hợp khác: phải xây dựng lại MH ban đầu.
* D: Heteroscedasticity*CHI-SQ(1) = .88872[.346] * F(1,28) = 0.85479[.336] * Nếu vẫn sử dụng MH cũ để phân tích thì các ước lượng và kiểm
******************************************************************************************** định không còn đáng tin cậy nữa.
31 32
61
V. VÍ DỤ Diagnostic Tests
Ordinary Least Squares Estimation
********************************************************************************************
***********************************************************************************************
Dependent variable is Cl * Test Statistic * LM Version * F Version
30 observations used for estimation from 1958 to 1997 *
*********************************************************************************************** ********************************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
* A: Serial Correlation * CHI-SQ(1) = 0.33006[.566] * F(1,27) = 0.30036[.588] *
Yl 0,66878 0,23617 28,3182[.000]
INPT -32,8188 17,8489 -1,8387[.000] * B: Functional Form * CHI-SQ(1) = 0.11447[.915] * F(1,27) = 0.10306[.920] *
*********************************************************************************************** * C: Normality * CHI-SQ(2) = 12.7209[.002] * Not applicable *
R-Squared 0,96626 F-statistic F(1,28) 801,9179[.000] * D: Heteroscedasticity* CHI-SQ(1) = .88872[.346] * F(1,28) = 0.85479[.336] *
R-Bar-Squared 0,96506 S.E.of Regression 24,7602
********************************************************************************************
Residual Sum of Squareds 16538,9 Mean of dependent Variable 456,7602
S.D.of dependent Variable 130,0146 Maximum of Log-likelihood -137,252
DW-statistic 1,7539
***********************************************************************************************
33 34

Ta ước ước lượng mô hình sau:
Ordinary Least Squares Estimation
***********************************************************************************************
Dependent variable is C/Y
31 observations used for estimation from 1958 to 1998
***********************************************************************************************
1/Y -131,524 18,8036 -6,9946[.000]
INPT 0,67147 0,00861 78,0161[.000]
***********************************************************************************************
R-Squared 0,62785 F-statistic F(1,29) 48,4295[.000]
R-Bar-Squared 0,61501 S.E.of Regression 0,012981
Residual Sum of Squareds 0,0048867 Mean of Dependent Variable 0,61352
S.D.of dependent Variable 0,020921 Maximum of Log-likelihood 91,7189
DW-statistic 0,51993
***********************************************************************************************
35 36

Diagnostic Tests Ordinary Least Squares Estimation
***************************************************************************************** **********************************************************************************************
* Test Statistic * LM Version * F Version * Dependent variable is C/Y
30 observations used for estimation from 1958 to 1997
*****************************************************************************************
**********************************************************************************************
* A: Serial Correlation *CHI-SQ(1) = 16,7974[.566] * F(1,28) = 33,1154[.000] *
* B: Functional Form *CHI-SQ(1) = 12,9658[.000] * F(1,28) = 0.1306[.000] *
1/Y -24,6851 20,6137 -1,1975[.000]
* C: Normality *CHI-SQ(2) = 0,89776[0.638]* Not applicable * C(-1)/Y(-1) 0,81474 0,12281 6,6340[.000]
* D: Heteroscedasticity*CHI-SQ(1) = 0,14076[.708] * F(1,29) = 0,13228[.719] * INPT 0,12625 0,082415 1,5319[.000]
***************************************************************************************** **********************************************************************************************
- Bằng kiểm định về TTQ, ta thấy MH trên vẫn còn TTQ. R-Squared 0,84851 F-statistic F(1,27) 75,6170[.000]
- Với cặp giả thuyết: H0: Dạng hàm đúng; H1: Dạng hàm sai R-Bar-Squared 0,83729 S.E.of Regression 0,0082944
Dựa vào KĐ χ2, χ2 = 12,5658; p-value = 0,000 nên bác bỏ H0. Residual Sum of Squareds 0,0018575 Mean of Dep. Variable 0,61448
Theo KĐ của Ramsey, F = 0,1306; p-value = 0,000, nên bác bỏ H0. S.D.of dependent Variable 0,020563 Max of Log-likelihood 102,7774
Trong trường hợp này MH bị thiếu biến số. DW-statistic 1,8608 Durbin'h-statistic 0,51509[0,606]
**********************************************************************************************
37 38
62
Diagnostic Tests
****************************************************************************************
****************************************************************************************
*A: Serial Correlation *CHI-SQ(1) = 0,15227[.696] * F(1,26) = 0,13264[.719] *
*B: Functional Form *CHI-SQ(1) = 0,4299[.512] * F(1,26) = 0.3378[.000] *
*C: Normality *CHI-SQ(2) = 6,7295[.035] * Not applicable *
*D: Heteroscedasticity*CHI-SQ(1) = 0,57687[.448] * F(1,28) = 0,54897[.465] *
****************************************************************************************
Đối với kết quả trên đây, nếu lấy mức ý nghĩa 3% thì tất cả các giả thiết
của OLS đều được thoả mãn.
39 40
63

Slide KTL 2020 Gv-Ltndiep

Uploaded by

Copyright:

Available Formats

You might also like

Slide KTL 2020 Gv-Ltndiep

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Slide KTL 2020 Gv-Ltndiep

Uploaded by

Copyright:

Available Formats

BÀI GIẢNG MÔN

GIỚI THIỆU MÔN HỌC

- Tên môn học: Kinh tế lượng (Econometrics)

KINH TẾ LƯỢNG - Môn học trước: Toán cao cấp I, II,

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

- Mục tiêu của môn học: Học liệu bắt buộc:

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

Nội dung môn học và phân bổ thời gian: Số kíp

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

PHẦN MỞ ĐẦU PHẦN MỞ ĐẦU

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

I. Kinh tế lượng là gì?

- Quá trình tiếp cận KTL ở Việt Nam:

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

II. Phương pháp luận của kinh tế lượng

Các môn học Xác định

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

I. PHÂN TÍCH HỒI QUY

V. Mô hình hồi quy mẫu Và một số

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

2. Nhiệm vụ phân tích hồi quy

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

II. SỐ LIỆU CHO PHÂN TÍCH HỒI QUY

Vai trò của số liệu trong phân tích HQ? Số lượng

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

75 85 98 108 118 135 145 157 175 180

115 162 191

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

Hàm E(Y/Xi) = f(Xi) chính là HHQ tổng thể.

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

KẾT THÚC CHƯƠNG 1!

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

I. HỒI QUY TỔNG THỂ VÀ HỒI QUY MẪU

I. Hồi quy tổng thể và hồi quy mẫu

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

III. ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

- Do nhà toán học Đức

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

3. Độ chính xác của các ước lượng BPNN

Đặc trưng cho Phương dùng để đo

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

IV. XÁC ĐỊNH KHOẢNG TIN CẬY VÀ KIỂM ĐỊNH

Giả thiết 8: Ui có phân phối chuẩn với kỳ vọng bằng 0 và

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

Tìm các khoảng tin cậy và

KTC bên trái β* β* KTC bên phải

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

BÀI GIẢNG MÔN BÀI GIẢNG MÔN

1. Phân tích phương sai

- ESS thể hiện tổng