BÀI GIẢNG

KINH TẾ LƯỢNG
NỘI DUNG

⚫ Chương 1: Khái quát chung về kinh tế lượng ⚫

Chương 2: Phân tích tương quan hồi quy ⚫
Chương 3: Mô hình hồi quy đơn
⚫ Chương 4: Mô hình hồi quy bội
⚫ Chương 5: Hồi quy với biến giả
⚫ Chương 6: Đa cộng tuyến và tự tương
quan ⚫ Chương 7: Phương sai sai số thay đổi
⚫ Chương 8: Mô hình tự hồi quy và mô hình có trễ
phân phối
⚫ Chương 9: Mô hình tốt

Chương 1

KHÁI QUÁT VỀ KINH TẾ

LƯỢNG
LỊCH SỬ MÔN HỌC

Thuật ngữ “Econometrics” được sử dụng đầu tiên bởi

Pawel Ciompa vào năm 1910
 Tuy nhiên, mãi đến năm 1930, với các công trình nghiên
cứu của Ragnar Frisch (Na Uy) thì thuật ngữ
“Econometrics” mới được dùng đúng ý nghĩa như ngày
hôm nay
Cùng khoảng thời gian này thì Jan Tinbergen (Hà Lan)
cũng độc lập xây dựng các mô hình kinh tế lượng đầu tiên
Hai ông cùng được trao giải Nobel năm 1969 – giải Nobel
kinh tế đầu tiên - với những nghiên cứu của mình về kinh tế
lượng
LỊCH SỬ MÔN HỌC

Từ năm 1969 đến nay đã có 5 giải Nobel trao cho các

nhà kinh tế lượng
 ⮚Jan Tinbergen, Ragnar Frisch - Năm 1969

⮚Lawrence Klein – năm 1980

⮚Trygve Haavelmo – năm 1989

⮚Daniel McFadden , James Heckman – năm 2000

⮚Robert Engle , Clive Granger - năm 2003

KINH TẾ LƯỢNG LÀ GÌ?

(1) Kinh tế lượng là việc áp dụng thống kê toán cho

tập hợp các số liệu kinh tế để củng cố về mặt thực
nghiệm cho các mô hình do các nhà toán ktế đề xuất,
đồng thời tìm ra lời giải bằng số cho các mô hình đó.
 (2) Kinh tế lượng là quá trình phân tích các vấn đề
kinh tế hiện tại thông qua các phương pháp suy đoán
thích hợp.
(3) Kinh tế lượng là một môn khoa học, trong đó
các công cụ của lý thuyết kinh tế, toán học và suy
đoán thống kê được áp dụng để phân tích các vấn đề
kinh tế.
KINH TẾ LƯỢNG VÀ LÝ THUYẾT KINH TẾ

⚫ Lý thuyết kinh tế thường chỉ nêu ra giải thiết và

mối liên hệ giữa các biến kinh tế, mô tả về mặt

chất.
 ⚫ Kinh tế lượng đưa ra những con số cụ thể

(mặt lượng) để chứng minh cho các giả thiết

này.
KINH TẾ LƯỢNG VÀ TOÁN KINH TẾ

⚫ Toán kinh tế chủ yếu trình bày lý thuyết kinh tế dưới

dạng toán học.

⚫ Kinh tế lượng chủ yếu quan tâm đến việc kiểm

định về mặt thực nghiệm các lý thuyết kinh tế

bằng cách sử dụng các phương trình toán học
(do các nhà toán kinh tế đưa ra) dưới dạng phù
 hợp.
KINH TẾ LƯỢNG VÀ THỐNG KÊ KINH TẾ

⚫ Thống kê kinh tế thiên về thu thập, xử lý và

trình bày số liệu dưới dạng biểu bảng. Dùng số

liệu đó để tìm ra mối liên hệ giữa các đại lượng
kinh tế, mô tả các hiện tượng kinh tế - xã hội.

⚫ Kinh tế lượng đi xa hơn, sử dụng các số liệu

thống kê để kiểm tra các giả thiết kinh tế, ước

lượng hoặc dự báo.
 VÍ DỤ VỀ ỨNG DỤNG CỦA KINH TẾ LƯỢNG

⚫ Ước lượng quan hệ kinh tế

- Đo lường mức độ tác động của việc hạ lãi suất lên
tăng trưởng kinh tế.
- Ước lượng doanh số của công ty khi chính sách
quảng cáo và khuyến mãi có sự thay đổi. ⚫ Kiểm
định giả thiết
- Có sự phân biệt đối xử về mức lương giữa nam và
nữ hay không?
- Thu nhập nhận được có thực sự phụ thuộc vào
trình độ học vấn?
⚫ Dự báo
- Doanh nghiệp dự báo doanh thu
- Chính phủ dự báo thâm hụt thương mại, ngân sách..

PHƯƠNG PHÁP LUẬN

CỦA Thiết lập mô hình

KINH KẾ LƯỢNG Thu thập số liệu

Ước lượng các tham số của mô hình

Ra quyết định
Nêu giả thiết về mối quan hệ giữa Phân tích kết quả
các biến kinh tế

Dự báo
SỐ LIỆU TRONG KINH TẾ LƯỢNG

⚫ Phân loại số liệu.

⚫ Nguồn gốc của số liệu

⚫ Nhược điểm của số liệu

Sinh viên tìm hiểu rồi trình bày nội dung

này

CHƯƠNG 2

PHÂN TÍCH HỒI QUY

CÁC VÍ DỤ VỀ PHÂN TÍCH HỒI QUY

⚫ Ví dụ 1:Nghiên cứu sự phụ thuộc của chiều cao học

 sinh nam vào độ tuổi (10-14 tuổi), ta có thể xét đồ
thị phân tán như hình vẽ 1.1.
⚫ Ví dụ 2: Một nhà kinh tế nghiên cứu sự phụ thuộc của lượng
tiêu dùng vào thu nhập thực tế. ⚫ Ví dụ 3: Một nhà nghiên
cứu nông nghiệp muốn biết năng suất tôm sú phụ
thuộc thế nào vào diện tích ao nuôi, mật độ thả tôm
giống, chi phí hoá chất xử lý môi trường. Từ phân tích
hồi quy này ông ta đề ra các chỉ tiêu kỹ thuật phù hợp
cho loại hình này.
CÁC VÍ DỤ VỀ PHÂN TÍCH HỒI QUY
ĐỊNH NGHĨA PHÂN TÍCH HỒI QUY
 Phân tích hồi quy là việc nghiên cứu mối quan hệ
phụ thuộc của một biến, được gọi là biến phụ thuộc
(biến được giải thích) vào một hoặc nhiều biến khác,
được gọi là các biến độc lập (các biến giải thích)
nhằm mục đích ước lượng hoặc dự đoán giá trị trung
bình của biến phụ thuộc khi biết trước giá trị của biến
độc lập.

KÝ HIỆU BIẾN TRONG PHÂN TÍCH HỒI QUY

⚫ X: Biến độc lập (biến giải thích) – không phải

là biến ngẫu nhiên vì giá trị của chúng đã được

 cho trước

⚫ Y: Biến phụ thuộc (biến được giải thích) – là

đại lượng ngẫu nhiên, có quy luật phân phối

xác suất.
MỤC ĐÍCH CỦA PHÂN TÍCH HỒI QUY

⚫ Ước lượng giá trị trung bình của biến phụ

thuộc với các giá trị đã cho của biến độc lập. ⚫
Kiểm định giả thiết về bản chất của sự phụ
thuộc
⚫ Dự đoán giá trị trung bình của biến phụ thuộc

khi biết giá trị của các biến độc lập.

⚫ Kết hợp các vấn đề trên

MỘT SỐ LƯU Ý TRONG PHÂN TÍCH HỒI QUY

⚫ Phân biệt quan hệ thống kê và quan hệ hàm

số.

⚫ Hàm hồi quy và quan hệ nhân quả.

⚫ Hồi quy và tương quan.

MÔ HÌNH HỒI QUY TỔNG THẾ
⚫ Khái niệm tổng thể: là hiện tượng số lớn, gồm

những đơn vị cấu thành hiện tượng, cần được

quan sát, phân tích mặt lượng của chúng. Các
đơn vị này được gọi là các đơn vị tổng thể.

⚫ Để xây dựng hàm hồi quy tổng thể, ta xét ví

dụ:
MÔ HÌNH HỒI QUY TỔNG THẾ

⚫ Ví dụ: Giả sử 1 địa phương có 60 hộ gia đình, ta chia

60 hgđ này thành 10 nhóm căn cứ theo thu nhập của
họ, chênh lệch thu nhập giữa các nhóm là như nhau.
Nghiên cứu mqh giữa Y – lượng tiêu dùng hàng tuần
(USD/tuần) và X – thu nhập hàng tuần (USD/tuần)
của các hgđ, ta sử dụng số liệu được ghi trong bảng
sau:

MÔ HÌNH HỒI QUY TỔNG THẾ

 MÔ HÌNH HỒI QUY TỔNG THẾ

⚫ Từ số liệu của bảng trên, tính được các xác suất có

điều kiện:

P (Y=Yj/X=Xi)
⚫ Ví dụ: P(Y=85/X=100)=1/6

P(Y=90/X=120)=1/5

…..

⚫ Bảng tính các xác suất được thể hiện trong bảng:
 MÔ HÌNH HỒI QUY TỔNG THẾ

E(Y/Xi): Kỳ vọng toán có điều kiện của Y (điều kiện

X=Xi)
MÔ HÌNH HỒI QUY TỔNG THẾ
 Giá trị kỳ vọng của Y ứng với một giá trị nào đó của
X đgl giá trị kỳ vọng có điều kiện, ký hiệu: E(Y|Xi)

⚫Giá trị kỳ vọng không có điều kiện:

E(Y) = ?

⚫Biểu diễn các điểm (Xi;Yj) và các điểm Mi(Xi;E(Y/Xi))

lên trên đồ thị
MÔ HÌNH HỒI QUY TỔNG THẾ
 MÔ HÌNH HỒI QUY TỔNG THẾ

⚫ Đường nối các điểm tròn đen trong hình là đường

hồi quy tổng thể

⚫ Về mặt hình học, một đường hồi quy tổng thể là

đường mô tả các giá trị trung bình có điều kiện của
biến phụ thuộc ứng với mỗi giá trị cố định của độc
 lập.

⚫ Ứng với mỗi giá trị của X, có một tổng thể các giá trị
của Y, dao động xung quanh giá trị kỳ vọng có điều
kiện của Y.

MÔ HÌNH HỒI QUY TỔNG THẾ

 MÔ HÌNH HỒI QUY TỔNG THẾ

⚫ Mức tiêu dùng trung bình nằm trên một đường thằng
có hệ số góc dương, thu nhập tăng lượng tiêu dùng
trung bình cũng tăng, một cách tổng quát, E(Y|X i) là
một hàm của Xi
E(Y|Xi) = f(Xi): được gọi là hàm hồi quy tổng thể
 (PRF-Population Regression Function)
⚫ Hàm hồi qui tổng thể cho biết giá trị trung bình của
biến Y sẽ thay đổi như thế nào khi biến X nhận các
giá trị khác nhau
MÔ HÌNH HỒI QUY TỔNG THẾ

PRF tuyến tính: E(Y/Xi) = β1+ β2Xi

trong đó β1, β2là các tham số chưa biết nhưng cố
định – được gọi là các hệ số hồi qui.
⚪ β1: là hệ số chặn, cho biết giá trị trung bình của
biến phụ thuộc Y sẽ thay đổi như thế nào khi biến
X nhận giá trị 0. Lấy ví dụ?
⚪ β2là hệ số hồi quy, cho biết giá trị trung bình của
 biến phụ thuộc Y sẽ thay đổi (tăng or giảm) bao
nhiêu đơn vị khi giá trị của biến độc lập X thay
đổi 1 đơn vị với điều kiện các yếu tố khác không
thay đổi.
SAI SỐ NGẪU NHIÊN VÀ BẢN CHẤT

⚫ Ứng với mỗi giá trị của X, giá trị Y của một số quan
sát có độ lệch so với giá trị kỳ vọng.

⚫ Giá trị quan sát thứ i của biến phụ thuộc Y được ký
hiệu là Yi.

⚫ Ký hiệu εilà chênh lệch giữa Yi và E(Y/Xi)

εi = Yi- E(Y/Xi)
 Hay: Yi = E(Y/Xi) + εi(Hàm hồi quy tổng thể ngẫu
nhiên)

εiđgl đại lượng ngẫu nhiên hay sai số ngẫu nhiên

SAI SỐ NGẪU NHIÊN VÀ BẢN CHẤT

⚫ Định nghĩa sai số ngẫu nhiên: là chênh lệch giữa giá

trị quan sát của biến phụ thuộc (Y i) với giá trị trung
bình có điều kiện của biến phụ thuộc (E(Y/X i))

⚫ Bản chất của sai số ngẫu nhiên: εiluôn tồn tại trong
mô hình vì một số lý do:
- εi đại diện cho các biến không có mặt trong mô hình.
- εi đại diện cho các biến ảnh hưởng là quá nhỏ. - εi đại
diện cho các biến không thu thập được số liệu. - εi đại
diện cho các biến bị ta loại ra khỏi mô hình
HÀM HỒI QUY MẪU

⚫ Trong thực tế, ta không có điều kiện để điều tra

toàn bộ tổng thể, thực tế việc xây dựng hàm hồi
quy tổng thể rất tốn kém về thời gian và kinh phí.

⚫ Khi đó ta chỉ có thể ước lượng các hệ số hồi quy

hoặc giá trị trung bình của biến phụ thuộc từ số liệu
của mẫu.

⚫ Mẫu là một bộ phận của tổng thể, được ta lấy ra từ

tổng thể và đại diện cho tổng thể đó.
 HÀM HỒI QUY MẪU

⚫ Vídụ: từ tổng thể trên, lấy được mẫu sau:

Y X 80 100 120 140 160 180 200 220 240 260
60 70 84 93 107 115 136 137 145 152
75 85 98 108 118 135 145 157 175 180

⚫ Xây dựng hàm hồi quy mẫu tương tự hàm hồi quy tổng thể

Sinh viên thực hành

HÀM HỒI QUY MẪU
HÀM HỒI QUY MẪU
 HÀM HỒI QUY MẪU

⚫ Nếu hàm hồi quy tổng thể (PRF) có dạng tuyến tính:
E(Y/Xi) = β1+ β2Xi
⚫ Hàm hồi quy mẫu (SRF-Sample Regression Function)
∧∧∧
Yi X i
có dạng:  1∧
2
Trong đó:
: Ước lượng điểm của
=  1+  2
E(Y/Xi) : Ước lượng điểm
∧
Yi của β1 : Ước lượng điểm của
∧
β2
HÀM HỒI QUY MẪU

Dạng ngẫu nhiên của SRF:

∧∧
Y = + X +e
iii
1 2
 eilà ước lượng điểm của εivà gọi là phần dư
HÀM HỒI QUY MẪU

• Rõ ràng, các ước lượng từ hàm hồi quy mẫu có thể

ước lượng cao hơn (overestimate) hay ước lượng
thấp hơn (underestimate) giá trị thực của tổng
thể.
• Vấn đề đặt ra là SRF được xây dựng như thế
nào để càng gần ithực càng tốt, mặc dù ta
không bao giờ biết ithực.
 CHƯƠNG 3

MÔ HÌNH HỒI QUY 2

BIẾN
ĐỊNH NGHĨA MÔ HÌNH HỒI QUY 2 BIẾN

⚫ Mô hình hồi quy 2 biến mô tả mối quan hệ

giữa một biến (biến phụ thuộc – Y) vào một

 biến khác (biến độc lập – X). Thông thường có
dạng tuyến tính như sau:

E(Y/Xi) = β1+ β2Xi

Hay: Yi = β1+ β2Xi + i

Trong đó: hãy chú thích các đại lượng?
ĐỊNH NGHĨA MÔ HÌNH HỒI QUY 2 BIẾN
7
PRF
6
i
5
12 ( | ) E Y X X ii= +  
 4

3
Yi
2

0
012345678
LẬP MÔ HÌNH HỒI QUY 2 BIẾN

⚫ Trong thực tế, khi nghiên cứu một vấn đề kinh

tế nào đó, chúng ta không có tổng thể, hoặc có

nhưng không thể nghiên cứu được toàn bộ
 tổng thể (vì nhiều lý do).

⚫ Có nghĩa chúng ta không thể xây dựng được

hàm hồi quy tổng thể (PRF).

LẬP MÔ HÌNH HỒI QUY 2 BIẾN

⚫ Nhưng ta có thể lấy mẫu ngẫu nhiên từ tổng

thể. Từ mẫu ta có thể xây dựng được hàm hồi

quy mẫu (SRF), lấy đó làm cơ sở để ước lượng
hàm hồi quy tổng thể (PRF).

⚫ Vấn đề đặt ra là từ mẫu, ta phải lập được mô

 hình hồi quy mẫu (tức là xác định SRF).
LẬP MÔ HÌNH HỒI QUY 6

MẪU7
SRF

5 1 Yi
4 0
ei
2ˆ
3 1 ˆ 
2 ˆ ˆ
 ˆ Yi 1 2Xi = +
 012345678
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

⚫ Xét hàm hồi quy tổng thể: E(Y/Xi) = β1+ β2Xi

Hay: Yi = β1+ β2Xi +

i
⚫ Từ tổng thể, lấy mẫu ngẫu nhiên kích thước n

Xi(X1,X2,...,Xn) i = 1÷n

Yi(Y1,Y2,...,Yn)
⚫ Lập hàm hồi quy mẫu: =  1+  2
∧∧∧ ∧∧
Yi X i iii Y = + X +e
Hay: 1 2
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH 1

ˆ
 2

ˆ
⚫ Trên cơ sở số liệu của mẫu, cần xác định

sao cho chúng gần với giá trị thực β1, β2 càng
tốt.
∧∧∧
Yi X i
=  1+  2
⚫ Để tìm hàm hồi quy mẫu ta dùng phương pháp
 bình phương nhỏ nhất (OLS) do nhà toán học Đức

ˆ ˆ
(C.F Gauss) đưa ra.  ˆ

e 12
i Yi Yi Yi X i
=−=−−
⚫ Gọi là các phần dư.
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNH7
6 4 2 0
SRF
5 3 1
 i ei i i
e ei e ei e ei

012345678
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

ˆ Yiˆ
ˆ
1  2

⚫ Ta muốn tìm và sao cho gần bằng với Y i nhất,

 có nghĩa là Σei nhỏ nhất. Tuy nhiên, Σeithường
rất nhỏ và thậm chí bằng 0 vì chúng triệt tiêu lẫn
nhau.

⚫ Để tránh tình trạng này, ta dùng phương

pháp “bình phương nhỏ nhất”

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNH ( )2

ˆˆ
12 ∑∑2

e
i = Yi − − Xi
 ˆ
ˆ
1 2
• Bây giờ, ta muốn tìm và sao cho Σei2 là nhỏ
nhất.
• Lưu ý rằng biểu thức trên có thể được xem
1ˆ 2
ˆ
như là một hàm số theo và , chúng ta iˆ
cần tìm các sao cho biểu thức trên đạt cực
tiểu.
ˆˆ 2
),(
ˆˆ
 = e= Y
f = f 1 2 ∑ ∑
i i − − Xi −>
( ) min
2
12
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

• Vậy để tìm giá trị cực tiểu của biểu thức trên, ta

ˆ
1ˆ
2
cần tính đạo hàm của hàm số trên theo và
đồng thời cho các đạo hàm
 ˆ
=0. ) ,ˆ () 2

12 ˆˆ
=(= = Y
∑ ∑ i i − − Xi
2
f f   e   12

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNH

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

 □ Ta được hệ phương trình chuẩn:

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNHn

⚫ Giải hệ ta được: ( )( ) X X Y Y − −
∑
 ii
= ˆ
∑∑ x y ii
1 n
 2 ∑ ()XX = x
i = 2 2

i = 1 i i
−

Với ˆˆ
=−
X ∑ iX
YX
12

= là giá trị trung bình của X và xi= Xi − X n

Y∑ i

= là giá trị trung bình của Y và yi= Yi − Y n

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

ˆ
ˆ
1  2

• và được gọi là các ước lượng bình

phương nhỏ nhất của β1 và β2
1ˆ2
 ˆ
• Tính chất của và :

ˆ 2
1 ˆ
✔ và được xác định một cách duy nhất
với n cặp quan sát (Xi, Yi)
ˆ2
1 ˆ
✔ và là các ước lượng điểm của β1 và β2
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

Một khi thu được các ước lượng từ mẫu, ta có thể vẽ

được đường hồi quy mẫu và đường này có những đặc
tính sau:

1. Nó đi qua giá trị

trung bình mẫu của
 X và Y, do đó:

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNH Yiˆ

2. Giá trị trung bình của bằng với giá trị

trung bình của các quan sát Yi
3. Giá trị trung bình của phần dư ei bằng 0: ei =
0.
Yiˆ
4. Phần dư ei không có tương quan với giá trị 5.
Phần dư ei không có tương quan với Xi.
ĐỊNH LÝ GAUSS – MARKOV

❖ Các giả thiết cơ bản của phương pháp OLS ▪ Giả

thiết 1: Biến độc lập (X) là phi ngẫu nhiên, tức

giá trị của chúng đã được cho trước.

▪ Giả thiết 2: Kỳ vọng của sai số ngẫu nhiên (i)

 bằng 0, tức là : E(εi) = 0
ĐỊNH LÝ GAUSS – MARKOV

❖ Các giả thiết cơ bản của phương pháp OLS ▪ Giả

thiết 3: Phương sai của sai số ngẫu nhiên là hằng số:

2
Var(εi) = σ = const

▪ Giả thiết 4: Không có sự tương quan giữa các

sai số ngẫu nhiên, nghĩa là Cov(εi;εj) = 0 ▪ Giả

thiết 5: Giữa biến độc lập (Xi) và sai số ngẫu
nhiên không có sự tương quan với nhau, nghĩa là
Cov(Xi,εi) = 0
 ĐỊNH LÝ GAUSS – MARKOV

❖ Nội dung định lý Gauss-Markov: Giả sử mô

hình hồi quy hai biến thỏa mãn các giả thiết
từ (1) đến (5). Khi đó các ước lượng thu được
bằng phương pháp bình phương nhỏ nhất ˆ
ˆ
1  2
thông thường ( , ) là các ước lượng tuyến tính,
không chệch tốt nhất của β1 và β2
ĐỘ CHÍNH XÁC CỦA CÁC ƯỚC LƯỢNG OLS
⚫ Phương sai: Var: phương sai
Se: độ lệch chuẩn
σ2: phương sai của sai số
ngẫu nhiên, có thể được ước

lượng bằng công thức: =

Trong đó:
∑ne i

⚫ Độ lệch chuẩn:  −
ˆ 2
2
∑e 2
i
: Tổng bình phương các

phần dư
 = − e
∑ ∑ 22i Yi Yi
)ˆ (
2
HỆ SỐ XÁC ĐỊNH (r )

⚫ TSS: là tổng bình phương toàn phần (Total Sum of

Squares) 2

= −= ( ) i i TSS Y Y y
∑ ∑ 2

⚫ ESS: là tổng bình phương hồi quy (Explained Sum of

Squares) ESS = (Y 2
∑ i −Y ˆ )
 ⚫ RSS: là tổng bình phương phần dư (Residual Sum of
Squares) = −=
∑ ∑
22
)ˆ
( i i i RSS Y Y e

Yi O
This image cannot currently be displayed.

TSS
HỆ SỐ XÁC
Yiˆ ĐỊNH (r2)
This image cannot currently be displayed.

Y RSS
 This image cannot currently be displayed.

ESS

Xi
SRF
HỆ SỐ XÁC ĐỊNH (r2)

⚫ Ta chứng minh được: TSS = ESS + RSS ESS

ESS 1= +
TSS
2
RSS
⚫ Chia 2 vế cho TSS: đặt r=
TSS TSS
= − ∑ 22
i
RSS 2
1 e
2
∑
r
r =1−
⚫ Suy ra hay
y
TSS
i

⚫ Hoặc:

⚫ Giá trị 0 ≤ r2 ≤ 1
HỆ SỐ XÁC ĐỊNH (r2)
❖Ý nghĩa: r2 được sử dụng để đo mức độ phù hợp của
hàm hồi quy mẫu.

▪ r2 = 1: Biến độc lập (X) giải thích được 100% sự biến

động của biến phụ thuộc (Y), SRF tìm được hoàn
toàn phù hợp
2
▪r = 0: Biến độc lập (X) không giải thích được sự biến
động của biến phụ thuộc (Y), SRF tìm được hoàn
toàn không phù hợp
2
HỆ SỐ XÁC ĐỊNH (r )

❖Ý nghĩa: r2 được sử dụng để đo mức độ phù hợp của

 hàm hồi quy mẫu.

▪ 0 ≤ r2 ≤ 1 : Biến độc lập (X) giải thích được r 2 (%) sự

biến động của biến phụ thuộc (Y), SRF tìm được
phù hợp cao/thấp

KHOẢNG TIN CẬY CỦA 1 VÀ 2

⚫ Với mức ý nghĩa α (độ tin cậy 1- α), khoảng tin

cậy của βi được xác định bằng công thức:

⚫ Với i
= 1÷2
⚫ Với tα/2 (n-2) có được khi tra bảng t-Student với
bậc tự do (n-2), mức ý nghĩa α/2
KIỂM ĐỊNH GIẢ THIẾT VỀ CÁC HỆ SỐ HỒI QUY

❖ Nêu cặp giả thiết cần kiểm định:

Giả thiết 2 phía Ho:βi = βo

H1:βi ≠ βo

Giả thiết phía trái Ho:βi ≥ βo

H1:βi < βo

Giả thiết phía phải Ho:βi ≤ βo

 H1:βi > βo
KIỂM ĐỊNH GIẢ THIẾT VỀ CÁC HỆ SỐ HỒI

QUY ˆ0
❖ Tính tiêu chuẩn kiểm định: t
− 
= ❖ Quyết định theo Se
quy tắc:
i ˆ
) (i
 CHƯƠNG 4

MÔ HÌNH HỒI QUY 3

BIẾN
ĐỊNH NGHĨA MÔ HÌNH HỒI QUY 3 BIẾN
⚫ Mô hình hồi quy 3 biến mô tả mối quan hệ
giữa một biến (biến phụ thuộc – Y) vào hai
biến khác (biến độc lập – X2 & X3). Thông thường
có dạng tuyến tính như sau:

E(Y/X2,X3) = β1+ β2X2i+ β3X3i

Hay: Yi = β1+ β2X2i + β3X3i + i

Trong đó: hãy chú thích các đại lượng?
LẬP MÔ HÌNH HỒI QUY 3 BIẾN

⚫ Trong thực tế, khi nghiên cứu một vấn đề kinh

tế nào đó, chúng ta không có tổng thể, hoặc có

 nhưng không thể nghiên cứu được toàn bộ
tổng thể (vì nhiều lý do).

⚫ Có nghĩa chúng ta không thể xây dựng được

hàm hồi quy tổng thể (PRF).

LẬP MÔ HÌNH HỒI QUY 3 BIẾN

⚫ Nhưng ta có thể lấy mẫu ngẫu nhiên từ tổng

thể. Từ mẫu ta có thể xây dựng được hàm hồi

quy mẫu (SRF), lấy đó làm cơ sở để ước lượng
hàm hồi quy tổng thể (PRF).
⚫ Vấn đề đặt ra là từ mẫu, ta phải lập được mô

hình hồi quy mẫu (tức là xác định SRF).

ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

• Xét hàm hồi quy tổng thể (PRF):

E(Y/X2,X3) = β1+ β2X2i+ β3X3i
Hay: Yi = β1+ β2X2i + β3X3i + i ⚫ Từ tổng thể, lấy
mẫu ngẫu nhiên kích thước n X2i(X21,X22,...,X2n) i =
1÷n
X3i(X31,X32,...,X3n)
Yi(Y1,Y2,...,Yn)
⚫ Lập hàm hồi quy mẫu (SRF):
ˆˆˆˆ
 Yi 1 2 X 2 i 3 X 3 i
=++
ˆˆˆ
iiiiY = + X + X + e 12233
Hay: 
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH
ˆ

1 ˆ
2
⚫ Trên cơ sở số liệu của mẫu, cần xác định
ˆ
3 
 sao cho chúng gần với giá trị thực β1, β2, β3
càng tốt. ˆ ˆ ˆ ˆ Yi 1 2X 2i 3X3i
⚫ Để tìm hàm hồi quy =++
mẫu

ta dùng phương pháp bình phương nhỏ nhất

(OLS) do nhà toán học Đức (C.F Gauss) đưa ra. ˆ

ˆˆˆ
e 1233
i Yi Yi Yi Xi X i
⚫ Gọi = − = − − −
 là các phần dư.
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNH7
6 2 i i
e ei e ei
5 1
ei
4 0
i
SRF e ei
3
 012345678
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

ˆ
HÌNH ˆ3 

ˆ Yiˆ
1  2

⚫ Ta muốn tìm , và sao cho gần bằng với Y i

nhất, có nghĩa là Σei nhỏ nhất. Tuy nhiên,

Σeithường rất nhỏ và thậm chí bằng 0 vì chúng triệt
tiêu lẫn nhau.

⚫ Để tránh tình trạng này, ta dùng phương

 pháp “bình phương nhỏ nhất”
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ

HÌNH ( )2

ˆˆˆ
2
∑∑
e
i= Yi − − Xi − X i
1233

ˆ ˆ
ˆ 3 
1 2
• Bây giờ, ta muốn tìm , và sao cho Σei2 là nhỏ
nhất.
 • Lưu ý rằng biểu thức trên có thể được xem
1ˆ 2 ˆ
3 
ˆ
như là một hàm số theo , và , chúng ta iˆ
cần tìm các sao cho biểu thức trên đạt cực
tiểu.
ˆˆˆ 2
),,( ˆˆˆ

= e= Y
f = f 1 2 3 ∑ ∑ i i − − X i − X i − >
( ) min
2
12233
ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH
 • Vậy để tìm giá trị cực tiểu của biểu thức trên, ta
ˆ
ˆ
 1ˆ 3 
2
cần tính đạo hàm của hàm số trên theo , và đồng
thời cho các đạo hàm =0.
ˆˆ ( )2
) , ,ˆ
=(= = Y
123ˆˆˆ ∑ ∑ i i − − X i− X i

2
f f    e    12233
 ƯỚC LƯỢNG CÁC THAM SỐ CỦA MÔ HÌNH

□ Ta được hệ phương trình chuẩn: