Chương 5.

Phương sai sai số

Phương sai sai số thay đổi là gì?

Nguyên nhân của phương sai sai số
Hậu quả của phương sai sai số
Phát hiện phương sai sai số thay đổi
Khắc phục vấn đề phương sai sai số thay đổi

1
5.1. Phương sai sai số thay đổi
Xét mô hình hồi quy k biến sau:
Yi  1  2 X 2i  ..  k X ki  ui (5.1)
Định lý Gauss - Markov khẳng định để ước
lượng OLS là tốt nhất thì PSSS của các Ui
trong mô hình hồi quy (5.1) phải bằng nhau
tại mọi quan sát:
Var(ui | X 2i ,..., X ki )   , i  1,2,..., n
2

Điều gì xảy ra nếu các nhiễu NN trong mô

hình (5.1) có PSSS thay đổi:
Var(u | X 2i ,..., X ki )   ,   
i
2
i
2 2
j
2
Hình 5.1. Phương sai của sai số không đổi
Hình 5.2. Phương sai của sai số thay đổi
Phân phối của
u tại X2 Phân phối của
Phân phối của u tại Xn
f(u|X) u tại X1
Y

X1 X2 Xn X
5.2. Nguyên nhân của PSSS thay đổi

Bản chất của các mối liên hệ kinh tế

Kỹ thuật thu thập, xử lý số liệu,…
Mô hình thiếu biến quan trọng hoặc dạng hàm
sai

5
5.3. Hậu quả của phương sai sai số
thay đổi

Các ước lượng OLS vẫn là ước lượng không

chệch, không còn là ước lượng tốt nhất:
E( j ) j (j 1,2,..., k)
Phương sai của hệ số ước lượng là chệch. Khi
đó, sai số chuẩn không còn đáng tin cậy.
Khoảng tin cậy và kiểm định giả thuyết
về các hệ số không còn giá trị sử dụng.
6
5.4. Phát hiện PSSS thay đổi

Sử dụng đồ thị phần dư

Kiểm định Breusch-Pagan (BP)
Kiểm định White
Kiểm định Park
Kiểm định dựa trên biến phụ thuộc

7
5.4.1. Sử dụng đồ thị phần dư
Hình 5.3. Quan hệ giữa e và X2

8
5.4.2. Kiểm định Breusch-Pagan (BP)
Nếu ui2 mà tương quan với ít nhất một trong
các biến Xj thì mô hình (5.1) có hiện tượng
PSSS thay đổi.
Xét mô hình hồi quy phụ:
ui2  1   2 X 2    k X k  vi (5.1.1)
Kiểm định cặp giả thuyết sau:
 H 0 :  2    k  0

 1 2
H :  2
   2
k
0

Nếu bác bỏ H0 thì mô hình (5.1) có hiện tượng

PSSS. 9
Thực nghiệm, kiểm định BP được thực hiện như sau:
- Ước lượng mh (5.1) thu được phần dư ei
- Ước lượng mh (5.1.1) thu được R2Bp
Tiêu chuẩn kiểm định:
2
RBp /(k  1)
F
(1  RBp
2
) /(n  k )

Nếu Fqs >fα (k-1, n-k): bác bỏ giả thuyết H0

Kết luận: mô hình (5.1) có hiện tượng PSSS thay đổi.

10
5.4.3. Kiểm định White
Xét mô hình hồi quy:
Yi = 1 + 2 X2i + 3X3i + ui (5.2)
Kiểm định White được thực hiện như sau:
- Ước lượng (5.2) bằng OLS, được các phần dư ei
- Ước lượng mô hình hồi quy phụ:
e2 = 1 + 2X2 + 3X3 + 4X22 + 5X32 + 6X2X3 + vi (*)
Kiểm định cặp giả thuyết:
H 0 : R*2  0  H 0 : 2  ..  6  0

  
 H1 : R*  0
2

 H1 :  2
2  ..   2
6 0
Kiểm định 2:  qs2  nR*2 , nếu qs2  2 (k* 1) thì bác bỏ H0.
11
5.4.4. Kiểm định dựa trên biến phụ thuộc

Giả thiết PSSS thay đổi theo bình phương

trung bình biến phụ thuộc:
i2 = 2E(Yi)2
Bước 1. Hồi qui mô hình (5.1) thu được phần
dư ei và giá trị ước lượng Yi
Bước 2. Hồi qui mô hình hồi qui phụ:
ei2   1   2Yˆi   3Yˆi 2  i (*)
Bước 3. Kiểm định cặp giả thuyết:
H0 :  2   3  0 H0 : R*2  0
 
 1 2
H :  2
  2
3  0  1 * 0
H : R 2
12
Kiểm định Park

2
Bước 1: Ước lượng hàm hồi quy gốc để thư đượce
i
Bước 2: Ước lượng mô hình hồi quy phụ:
ln ei2  1   j ln X ji  vi
Bước 3: Xét cặp giả thuyết:
H 0 :  j  0; H1 :  j  0

Kiểm định cặp giả thuyết trên bằng kiểm định t

hoặc kiểm định F.
13
5. 5. Khắc phục phương sai sai số
thay đổi
Phương pháp bình phương bé nhất tổng quát
(GLS - Generalized least squares)
Xét mô hình hồi quy k biến:
Yi  1  2 X 2i  ..  k X ki  ui
Trường hợp i2 đã biết.
Chia hai vế mô hình cho i2, ta được mô hình:
Y    2 X  ..  k X  u
1
'
1
' '
2i
'
ki
'
i

Var(ui’) = 1 không đổi

14
Trường hợp chưa biết i2
Giả thiết 1: i2 = 2Xi
- Chia hai vế cho X i
- Khi đó, PSSS sẽ bằng 2
.
Như vậy, mô hình mới không còn hiện tượng PSSS,
có thể áp dụng OLS để tìm các tham số hồi quy. Sau
đó nhân 2 vế X i, ta trở lại mô hình gốc.
Giả thiết 2: i2 = 2Xi2
- Chia hai vế cho Xi
- Khi đó, PSSS sẽ bằng 2
Như vậy, mô hình mới không còn hiện tượng PSSS,
có thể áp dụng OLS để tìm các tham số hồi quy. Sau
đó nhân 2 vế Xi, ta trở lại mô hình ban đầu. 15