1

KINH TẾ LƯỢNG
(ECONOMETRICS)
Chương 2: Mô hình hồi quy bội
(Multiple regression)

02-Nov-21
 Nội dung
2

 Phương trình cơ bản

 Phương pháp OLS
 Tính chất của ước lượng
 Hệ số xác định bội và hệ số xác định bội đã hiệu chỉnh
 Hệ số tương quan riêng phần
 Khoảng tin cậy và kiểm định giả thuyết
 Kiểm định sự phù hợp của hàm hồi quy
 Kiểm định thu hẹp hàm hồi quy
 Dự báo
 Một số dạng hàm hồi quy
02-Nov-21
 Phương trình cơ bản
3

Mô hình hồi quy bội có công thức tổng quát:

Yt  1   2 X 2t  ...   k X kt  ut
Trong đó:
 X 1t chính bằng 1 để có tung độ gốc

 t : số lần quan sát và có giá trị từ 1 đến n

 Các giả thiết về số hạng nhiễu giống như giả thiết đã xác
định trong phần hồi quy hai biến
 Việc lựa chọn biến độc lập, biến phụ thuộc xuất phát từ các
lý thuyết kinh tế, trưc giác, và kinh nghiệm quá khứ

02-Nov-21
 Phương trình cơ bản
4

Ý nghĩa của hệ số hồi quy βi: Giữ giá trị của các biến
khác không đổi, nếu Xit thay đổi 1 đơn vị thì Yt kỳ
vọng thay đổi trung bình là βi đơn vị.

02-Nov-21
 Phương pháp OLS
5

 Trong mô hình hồi quy bội, mỗi biến độc lập được
giả định là không có mối liên hệ với tất cả các số
hạng sai số, tức là Cov(Xis , ut)=E(Xis , ut)=0, với
mỗi i từ 1 đến k, và mỗi s chạy từ 1 đến n.
 Tổng bình phương sai số:
n n
RSS   uˆ t2   (Yt  ˆ1  ˆ2 X 2t  ...  ˆk X kt ) 2
t 1 t 1

02-Nov-21
 Phương pháp OLS
6

 Thủ tục OLS cực tiểu RSS theo ˆ1 , ˆ2 ,..., ˆk ,ta thu được k
phương trình chuẩn trong đó có k hệ số hồi quy chưa biết.

 Y  nˆ  ˆ  X  ...  ˆ  X
t 1 2 2t k kt

 Y X  ˆ  X  ˆ  X  ...  ˆ  X
t 2t 1 2t 2
2
2t k kt X 2t
..................................................
ˆ ˆ ˆ ˆ
 t it 1  it 2  2t it
Y X   X   X X ...   i X it  ...   k  X kt X it
2

ˆ ˆ ˆ
 t kt 1  kt 2  2t kt
Y X   X   X X  ...   k X 2
kt

02-Nov-21
 Phương pháp OLS
7

Ta định nghĩa các ma trận tương ứng sau:

 Y1   1   1 X 21 X 31 ... X k1 
     
 Y 2   2  1 X 22 X 32 ... X k 2 
Y ,  ,X 
 ...   ...   ... 
     
Y
 n 
 k  1 X 2n X 3n ... X kn 

Hệ phương trình trên có thể được viết lại dưới

dạng ma trận như sau: X ' X ˆ  X ' Y
Hay ˆ  ( X ' X ) 1 X ' Y

02-Nov-21
 Các giả thiết cơ bản của mô hình
8

 Giả thiết 1: Kỳ vọng của các nhiễu bằng 0, nghĩa là

E(ui/X2i,X3i,…Xki)= 0.
 Giả thiết 2: Không có sự tương quan giữa các ui,
nghĩa là: Cov(ui,uj)=0, ∀ i ≠ j
 Giả thiết 3: Các ui thuần nhất nghĩa là Var(ui) = σ2
 Giả thiết 4: Giữa các biến giải thích không có quan hệ
tuyến tính
 Giả thiết 5: ui có phân phối chuẩn, ui~N(0, σ2)

02-Nov-21
 Tính chất của ước lượng OLS
9

 Các tính chất của hàm hồi quy mẫu SRF

• SRF đi qua trung bình mẫu (Y , X 2 ,..., X k )
• Giá trị trung bình của Yˆi bằng giá trị trung bình của các
quan sát Yˆ  Y n

• Giá trị trung bình của các phần dư bằng 0, tức là  uˆi  0
i 1

• Các phần dư không tương quan với Yˆi , tức là  Yˆi uˆi  0
i 1

• Các phần dư không tương quan với Xˆ i , tức là  Xˆ ki uˆi  0

i 1

02-Nov-21
 Tính chất của các ước lượng OLS
10

 Các ˆ1 , ˆ1 ,..., ˆk là các ước lượng tuyến tính, không
chệch, có phương sai nhỏ nhất (BLUE – Best
Linear Unbiased Estimator) trong các ước lượng
tuyến tính không chệch của 1 ,  2 ,...,  k
 Một ước lượng không chệch của phương sai sai số ˆ 2

được tính bằng: ˆ 2 

RSS

i
ˆ
u 2

với RSS là tổng

nk nk
bình phương các phần dư
 RSS /  2 có phân phối chi bình phương với bậc tự
do (n-k) 02-Nov-21
 Hệ số xác định bội và hệ số xác định bội đã
hiệu chỉnh
11

RSS 2
 Trong mô hình hồi quy đơn, hệ số xác định R  1 
TSS
 thêm bất kỳ biến mới nào vào mô hình thì R 2

không bao giờ giảm.

 Sử dụng hệ số xác định bội đã điều chỉnh R 2:
R S S ( n  1) ( n  1)  2
( n  1)
R2  1 1 2
(1  R )  1 
TSS (n  k ) (n  k ) TSS
2
 R bao giờ cũng nhỏ hơn R2 . Tuy nhiên, R 2có thể
nhỏ hơn 0

02-Nov-21
 Hệ số xác định bội và hệ số xác định bội đã
hiệu chỉnh
12

Dùng R 2 để xem xét việc đưa thêm biến giải thích

vào mô hình. Biến mới đưa vào mô hình phải thỏa 2
điều kiện:
 Làm R 2 tăng.
 Hệ số hồi quy tương ứng của biến được đưa vào khác
0 có ý nghĩa thống kê.

02-Nov-21
 Hệ số tương quan riêng phần
13

 Hệ số tương quan đo lường mức độ kết hợp tuyến tính

giữa hai biến

rij 
yx i ji
là hệ số tương quan giữa biến Y và Xj
y x
2
i
2
ji

rtj 
x x ti ji
là hệ số tương quan giữa biến Xt và Xj
x x
2
ti
2
ji

Với: yi  Yi  Y , x ji  X ji  X j , xti  X ti  X t

02-Nov-21
 Hệ số tương quan riêng phần
14

 Hệ số tương quan riêng phần đánh giá chính xác

hơn mức độ kết hợp tuyến tính của hai biến cần cố
định các biến còn lại hệ số tương quan riêng
phần bâc p, p>0
 Trong hồi quy k biến để xem xét mối tương quan
riêng phần giữa Y và một biến giải thích nào đó, ta
phải cố định (k-2) biến độc lập còn lại hệ số
tương quan riêng phần bậc (k-2)

02-Nov-21
 Hệ số tương quan riêng phần
15

 Để đơn giản, chúng ta sử dụng mô hình hồi quy 3

biến: Yt  1   2 X 2t  3 X 3t  ui
 Hệ số tương quan riêng phần có liên hệ với các hệ
số tương quan bậc 0 như sau:
r12  r13 r23
r12,3 
(1  r132 ) (1  r232 )
r13  r12 r32
r13,2 
(1  r122 ) (1  r322 )
r23  r21r31
r23,1 
(1  r212 ) (1  r312 )
02-Nov-21
 Hệ số tương quan riêng phần
16

Hệ số xác định bội và hệ số tương quan riêng phần

bậc 0 và bậc nhất có mối quan hệ như sau:
2 2
2 r  r  2r12 r13r23
R  12 13

1  r232
2 2 2 2
R  r  (1  r )r
12 12 13,2

R 2  r132  (1  r132 )r12,3

2

02-Nov-21
Khoảng tin cậy và kiểm định giả thuyết
17

 Khoảng tin cậy của hệ số hồi quy và phương sai

của nhiễu
 Với khoảng tin cậy (1-α), khoảng tin cậy của hệ số
hồi quy là:
( ˆ j  t  se( ˆ j ); ˆ j  t  se( ˆ j ))
( nk , ) ( nk , )
2 2
 Với khoảng tin cậy (1-α), khoảng tin cậy của
phương sai của nhiễu là:
(n  k )ˆ 2 (n  k )ˆ 2
( 2 ; 2 )
 / 2,( n  k ) 1 / 2,( n k )
02-Nov-21
Khoảng tin cậy và kiểm định giả thuyết
18

 Kiểm định giả thuyết về hệ số hồi quy

Loại giả thuyết Giả thuyết Ho Giả thuyết H1 Miền bác bỏ
Hai phía βj = βo βj ≠ βo t0  t( n k ), /2
P-value<α
Phía phải βj ≤ βo βj > βo t0  t( n k ),
P-value/2<α
Phía trái βj ≥ βo βj < βo t0  t( n  k ),
P-value/2<α

02-Nov-21
Khoảng tin cậy và kiểm định giả thuyết
19

 Kiểm định giả thuyết về phương sai của nhiễu

Loại giả thuyết Giả thuyết Ho Giả thuyết H1 Miền bác bỏ
Hai phía   0
2 2
  0
2 2  2
0   2
 /2,( n  k )
hoặc
 02  12 /2,( n k )

P-value<α/2 hoặc
P-value<1-α/2
Phía phải  02  2 ,( n k )
 2   02  2   02 P-value/2<α
Phía trái  2   02  2   02  02  12 ,( n  k )
02-Nov-21
P-value/2
 Kiểm định các giả thuyết về phương
20
sai của nhiễu
 Cách 1: Phương pháp trị tới hạn
ˆ 2 (n  k )
 Bước 1: Tính trị thống kê:  0 
2

ˆ 02
 Bước 2: Ra quyết định

Quy tắc quyết định:

Kiểm định hai phía: Nếu 0  2
  2

 / 2,( n  k )hoặc 0
2
  2
1 /2,( n  k )thì

bác bỏ Ho

Kiểm định bên phải: 0
2
  2
 ,( n  k )bác bỏ Ho

Kiểm định bên trái: 0
2
  2
1 ,( n  k ) bác bỏ Ho

02-Nov-21
 Kiểm định sự phù hợp của hàm hồi
21
quy
 Giả thuyết:
H 0 : R 2  0 hoặc H 0 :  2  3  ...   k  0
H1 : R 2  0 hoặc H1 : có ít nhất một hệ số βj khác 0
R 2 (n  k )
F0 
(1  R 2 )(k  1)
 Với độ tin cậy (1-α), ta bác bỏ giả thuyết không
khi:
F0  F ,( k 1, n  k ) hoặc p  value  P( F  F0 )  

02-Nov-21
 Kiểm định thu hẹp hàm hồi quy
22
(Kiểm định Wald)
 Xét hai mô hình hồi quy sau:
(U ) : Y  1   2 X 2  ...   m X m   m 1 X m 1  ...   k X k  u
( R ) : Y  1   2 X 2  ...   m X m  v

Trong đó: (U) được gọi là mô hình không bị ràng

buộc (Unrestricted model), còn mô hình (R) được gọi
là mô hình bị ràng buộc (Retricted model).

02-Nov-21
 Kiểm định thu hẹp hàm hồi quy
23
(Kiểm định Wald)
 Giả thuyết
H 0 :  m 1   m  2  ...   k  0
H1 :có ít nhất một hệ số βj khác 0
 Sử dụng thống kê F:
( RSS R  RSSU ) / (k  m) ( RU2  RR2 ) / (k  m)
Fw  
RSSU / (n  k ) (1  RU2 ) / (n  k )

Tra bảng: F* (k  m, n  k )

 Nếu F  F ( k  m, n  k ) : bác bỏ Ho
*
w 
( hoặc nếu p-value<α: bác bỏ Ho)
02-Nov-21
 Dự báo
24

 Cho các giá trị của biến độc lập

 Khoảng tin cậy cho giá trị dự báo trung bình:
Yˆ0  t /2,n  k  se(Yˆ0 ); Yˆ0  t /2,n  k  se(Yˆ0 ) 
 

 Khoảng tin cậy cho dự báo giá trị cá biệt:

ˆ ˆ ˆ ˆ 
Y0  t(  ;n  k )  se(Y0  Y0 ); Y0  t(  ;n  k )  se(Y0  Y0 ) 
 2 2 

02-Nov-21
 Dự báo
25
 1 
X 0
 Cho các giá trị của biến độc lập X 0   2  , dự báo giá trị
 ... 
 0
Xk 
trung bình và giá trị cá biệt của biến phụ thuộc Y.

 Để dự báo giá trị trung bình và cá biệt, cần tính phương sai
của các ươc lượng điểm
 Với X  X 0 thì Yˆ0  X 0T ˆ  Var(Yˆ0 )  X 0T cov( ˆ ) X 0 mà
cov( ˆ )   2 ( X T X ) 1
Vì  2chưa biết ta có thể sử dụng ước lượng ˆ 2  RSS
nk
 var(Yˆ0 )  ˆ 2 X 0T ( X T X ) 1 X 0 , se(Yˆ0 )  var(Yˆ0 )
02-Nov-21
 Dự báo
26

 Khoảng tin cậy cho giá trị dự báo trung bình:

Yˆ0  t /2,n  k  se(Yˆ0 ); Yˆ0  t /2,n  k  se(Yˆ0 ) 
 
 Khoảng tin cậy cho dự báo giá trị cá biệt:
ˆ ˆ ˆ ˆ 
Y0  t(  ;n  k )  se(Y0  Y0 ); Y0  t(  ;n  k )  se(Y0  Y0 ) 
 2 2 

Với var(Y0  Yˆ0 )  var(Yˆ0 )  ˆ 2 , se(Y0  Yˆ0 )  var(Y0  Yˆ0 )

02-Nov-21
 Một số dạng của hàm hồi quy
27

 Hàm sản xuất Cough-Douglas và mô hình tuyến tính log

Hàm sản xuất Cough-Douglas là một dạng của mô hình tuyến
tính log, có dạng tổng quát sau:
Yi   X 2i2 X 3i3 eU i
Mô hình này có thể được chuyển về dạng tuyến tính như sau:
ln Yi     2 ln X 2 i   3 ln X 3i  U i
* * *
Đặt: Yi  ln Yi , X  ln X 2i , X  ln X 3i
2i 3i

Yi *  1   2 X 2*i  3 X 3*i  U i

 Mô hình log-log, log kép hay tuyến tính log.

02-Nov-21
 Một số dạng của hàm hồi quy
28

 Các mô hình hồi quy đa thức

Y

MC
Marginal Cost

X
Output
02-Nov-21
 Một số dạng của hàm hồi quy
29

 Dạng ngẫu nhiên, đường MC có thể được mô tả

bằng mô hình sau: Yi   0  1 X i   2 X i2  U i
 Tổng quát, mô hình đa thức bậc k như sau:
Yi   0  1 X i   2 X i2  ...   2 X ik  U i
 mô hình tuyến tính theo tham số nên vẫn có thể
ước lượng bằng pp OLS thông thường.

02-Nov-21
 Một số dạng của hàm hồi quy
30

 Mô hình bán Logarit (Semi Log)

Công thức tính lãi suất kép Yt  Y0 (1  r )t
Lấy Logarit 2 vế: ln Yt  ln Y0  t ln(1  r )
Đặt  ln Yt ,   ln(1  r ) , đưa yếu tố ngẫu nhiên vào mô
hình tuyến tính: ln Yt     t  U t
d (ln Y ) (1/ Y )dY dY / Y
Hệ số góc:    
dt dt dt
Trong đó, tử số biểu thị sự thay đổi tương đối của biến phụ
thuộc Y và mẫu số biểu thị cho sự thay đổi tuyệt đối của biến
độc lập t. Khi nhân tử số lên 100, β chính là tốc độ tăng
trưởng của Y.

02-Nov-21
 Một số dạng của hàm hồi quy
31

 Mô hình lin-log:
Yi     ln X i  U t
 Trong đó:
dY
  Thay đổi tuyệt đối củaY/Thay
(dX / X ) đổi tương đối của X

Vậy nếu X thay đổi 1% thì Y thay đổi 0.01β đơn vị.
Mô hình này có thể vận dụng để khảo sát quan hệ: lượng cung
tiền ảnh hưởng đến GDP, diện tích trống trọt ảnh hưởng đến
sản lượng của cây trồng, diện tích của căn nhà tác động đến
giá nhà.
02-Nov-21
 Một số dạng của hàm hồi quy
32

 Mô hình nghịch đảo:

Biến phụ thuộc có quan hệ nghịch đảo với biến độc lập:
1
Yi      U t
X
1
Bằng việc tạo biến mới X *  , ta có thể ước lượng các hệ số bằng
pp OLS. X

Mô hình được ứng dụng để khảo sát các mối quan hệ:
 Quan hệ giũa chi phí sản xuất cố định trung bình (AFC) và sản

lượng: khi sản lượng tăng thì chi phí cố định trung bình giảm
nhưng không vượt qua mức tối thiểu
 Quan hệ giữa tỷ lệ thay đổi tiền lương (Y) và tỷ lệ thất nghiệp

(X) biểu diễn bằng đường cong Philips 02-Nov-21