1/2/2013

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

1. Hàm hồi quy tổng thể (PRF)

Chương 3
Yi  1   2 X 2i  3 X 3i  U i
HỒI QUY TUYẾN Trong đó
TÍNH BỘI •Y là biến phụ thuộc
•X2,X3 là các biến độc lập
•X2i, X3i là giá trị thực tế của X2, X3
•Ui là các sai số ngẫu nhiên

Vậy ý nghĩa của β1, β2, β3 là gì ?

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

2. Các giả thiết của mô hình 3. Ước lượng các tham số

 Các X2i, X3i cho trước và không ngẫu nhiên
 Giá trị trung bình của đại lượng ngẫu nhiêu Ui bằng 0,
Phương sai của Ui không thay đổi
 Không có sự tương quan giữa các U i
Chúng ta sử dụng phương pháp bình phương
nhỏ nhất OLS
PRF : Yi  1   2 X 2i  3 X 3i  U i
Hàm hồi quy mẫu tương ứng sẽ là :

 Không có sự tương quan (cộng tuyến) giữa X 2 và X3

SRF : Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ei
Hay:
 Không có sự tương quan giữa các U i và X2,X3 Yˆi  ˆ1  ˆ2 X 2i  ˆ3 X 3i

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

yi  Yi  Y
ei  Yi  Yˆi  Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i
Ký hiệu:
x3i  X 3i  X 3
x2i  X 2i  X 2
Theo nguyên lý của phương pháp OLS thì các tham số
ˆ1 , ˆ2 , ˆ3 được chọn sao cho ˆ2 
 y x  x   x x  y x 
i 2i
2
3i 2 i 3i i 3i

 x  x   x x 
2 2 2

 
2i 3i 2 i 3i

 ei2   Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i

2
 min
ˆ3 
 y x  x   x x  y x 
i 3i
2
2i 2 i 3i i 2i

Như vậy , công thức tính của các tham số như sau :
 x  x   x x 
2
2i
2
3i 2 i 3i
2

ˆ1  Y  ˆ2 X 2  ˆ3 X 3

CuuDuongThanCong.com https://fb.com/tailieudientucntt 1
 1/2/2013

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

Người ta chứng minh được

Ví dụ minh hoạ
x   X 22i  nX 2 
2 2
2i
Bảng dưới đây cho các số liệu về doanh số bán (Y),
x   X 32i  nX 3  chi phí chào hàng (X2) và chi phí quảng cáo (X3) của
2 2
3i
một công ty
 y  Y  nY 
2 2 2
i i
Hãy ước lượng hàm hồi quy tuyến tính của doanh số
x 2i 3ix   X 2i X 3i  nX 2 X 3 bán theo chi phí chào hàng và chi phí quảng cáo

y x i 2i  Yi X 2i  nYX 2
y x i 3i  Yi X 3i  nYX 3

Doanh số bán Yi Chi phí chào Chi phí quảng I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
(trđ) hàng X2 cáo X3
1270 100 180
1490 106 248 Giải Từ số liệu trên, ta tính được các tổng như sau :
1060
1626
60
160
190
240
 Y  16956  X  188192
i
2
2i

1020 70 150  X  1452  X X  303608

2i 2i 3i

1800 170 260  X  2448  X  518504

3i
2
3i

 Y  24549576
1610 140 250
1280 120 160 i
2
Y  1413
1390 116 170  Y X  3542360
i X  121
3i 2
1440
1590
120
140
230
220  Y X  2128740
i X  204
2i 3

1380 150 150 Có thể dùng Excel để tính toán các số liệu này, như sau

Yi X2i X3i X2i2 X3i2 Yi2 X2iX3i X2iYi X3iYi

1270 100 180 10000 32400 1612900 18000 127000 228600 I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
1490 106 248 11236 61504 2220100 26288 157940 369520

 y   Y  n Y  
1060 60 190 3600 36100 1123600 11400 63600 201400 2 2 2
1626 160 240 25600 57600 2643876 38400 260160 390240 i i

 x   X  n X  
1020 70 150 4900 22500 1040400 10500 71400 153000 2
2 2
1800 170 260 28900 67600 3240000 44200 306000 468000
2i 2i 2
1610 140 250 19600 62500 2592100 35000 225400 402500

 x   X  n X  
2 2 2
1280 120 160 14400 25600 1638400 19200 153600 204800
1390 116 170 13456 28900 1932100 19720 161240 236300
3i 3i 3
1440
1590
120
140
230
220
14400
19600
52900
48400
2073600
2528100
27600
30800
172800
222600
331200
349800
 y x   Y X  nYX 
i 2i i 2i 2
1380 150 150 22500 22500 1904400 22500 207000 207000
 y x   Y X  nYX 
i 3i i 3i 3

 x x   X X  nX X 
16956 1452 2448 188192 518504 24549576 303608 2128740 3542360
1413 121 204 2 i 3i 2i 3i 2 3

CuuDuongThanCong.com https://fb.com/tailieudientucntt 2
 1/2/2013

Kết quả của ví dụ trên chạy bằng Eviews như sau :

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

̂ 2  

̂3  
̂1 

Yˆi  ? ? X 2i  ? X 3i
Vậy

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỒI QUY TUYẾN TÍNH 3 BiẾN

4. Hệ số xác định của mô hình 4. Hệ số xác định của mô hình

TSS   (Yi  Y )   Yi  nY 2 2 2
Đối với mô hình hồi quy bội , người ta tính
R2 có hiệu chỉnh như sau :
ESS  ˆ2  yi x2i  ˆ3  yi x3i n 1
R 2  1  (1  R 2 )
RSS  TSS  ESS nk
ESS
R2  Vì sao khi thêm biến vào mô hình thì
R2 sẽ tăng lên? => Bài tập
k là số tham số trong
mô hình
TSS

I. MÔ HÌNH HỒI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

4. Hệ số xác định của mô hình 4. Hệ số xác định của mô hình

R 2 có các đặc điểm sau : Ví dụ : Tính hệ số xác định của mô hình hồi quy
theo số liệu của ví dụ trước

 Khi k>1 thì R 2  R2  1 TSS   (Yi  Y ) 2  Yi 2  nY 2

 TSS 

R 2 có thể âm, và khi nó âm, coi như bằng 0 ESS  ˆ2  yi x2i ˆ3  yi x3i
 ESS 
RSS  TSS  ESS
 RSS 

CuuDuongThanCong.com https://fb.com/tailieudientucntt 3
 1/2/2013

Kết quả của ví dụ trên chạy bằng Eviews như sau :

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

4. Hệ số xác định của mô hình

ESS
R2   
TSS
n 1
R 2  1  (1  R 2 ) 
nk

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

4. Phương sai của hệ số hồi quy

5. Phương sai của hệ số hồi quy
Phương sai của các tham số hồi quy được tính theo các công thức sau:
 2

 ˆ 
2  x32i 

  x22i  x32i   x2i x3i  
ˆ 2

 2ˆ  ˆ 2   2  3i 2 3 2 2i
 1 X 2 x 2  X 2 x 2  2 X 2 X 3  x2i x3i  2


1
 n x x  
 2 i  3i  2 i 3i
x x 2

se( ˆ2 )   2ˆ
se( ˆ1 )   2ˆ 2
1

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

6. Khoảng tin cậy của các hệ số hồi quy

5. Phương sai của hệ số hồi quy
Khoảng tin cậy của 1 Với độ tin cậy là 1-α

 2ˆ ˆ 2

  x22i 
  ˆ 
 1  t   se( ˆ1 ); ˆ1  t   se( ˆ1 ) 
  x22i  x32i   x2i x3i    
3 2
 2 2 
Khoảng tin cậy của  2 Với độ tin cậy là 1-α
se( ˆ3 )   2ˆ
3
 ˆ 
RSS   2  t   se( ˆ2 ); ˆ2  t   se( ˆ2 ) 
Với ˆ 
2  
 
n3
2 2

CuuDuongThanCong.com https://fb.com/tailieudientucntt 4
 1/2/2013

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

6. Khoảng tin cậy của các hệ số hồi quy 6. Khoảng tin cậy của các hệ số hồi quy
Khoảng tin cậy của  3 Với độ tin cậy là 1-α Ví dụ : Tính khoảng tin cậy của β2 và β3 mô hình hồi
quy theo số liệu của ví dụ trước với độ tin cậy 95%
 ˆ 
  3  t   se( ˆ3 ); ˆ3  t   se( ˆ3 )  Giải: tra bảng T-Student bậc tự do (n-3)=12-3=9
 
 
t0,025 
2 2

Lưu ý khi tra bảng T-Student, trong trường RSS

hợp hàm hồi quy 3 biến thì bậc tự do là (n-3) ˆ 2  
n3
 2ˆ   se( ˆ2 )   2ˆ 
2 2

Kết quả của ví dụ trên chạy bằng Eviews như sau :

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

6. Khoảng tin cậy của các hệ số hồi quy

Khoảng tin cậy của β2 là ?  2  ?
 2ˆ   se( ˆ3 )   2ˆ 
3
3

Khoảng tin cậy của β3 là  ?  3  ? 

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

7. Kiểm định giả thiết 7. Kiểm định giả thiết

a) Kiểm định giả thiết về β1, β2 β3 a) Kiểm định giả thiết về β1, β2 β3
Ho:βi= βo Ví dụ : (theo số liệu trước), yêu cầu
Độ tin cậy là 1-α
H1:βi≠ βo kiểm định các giả thiết
Bước 1 : Lập khoảng tin cậy
Ho:β2= 0 Ho:β3= 0
Bước 2 : Nếu β0 thuộc khoảng tin cậy
H1:β2≠ 0 H1:β3≠ 0
thì chấp nhận Ho. Nếu β0 không thuộc
khoảng tin cậy thì bác bỏ Ho Với độ tin cậy 95%

CuuDuongThanCong.com https://fb.com/tailieudientucntt 5
 1/2/2013

Kết quả của ví dụ trên chạy bằng Eviews như sau :

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

7. Kiểm định giả thiết

b) Kiểm định giả thiết về R2
Ho:R2= 0
Độ tin cậy là 1- α
H1:R2≠ 0
Bước 1 : tính F  R (n  23)
2

21  R 
Bước 2 : Tra bảng tìm F(2,n-3), mức ý nghĩa là α

Bước 3 : Nếu F>F(2,n-3) , bác bỏ H0 Nếu F≤F(2,n-3) ,

chấp nhận H0

Kết quả của ví dụ trên chạy bằng Eviews như sau :

I. MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN

7. Kiểm định giả thiết

b) Kiểm định giả thiết về R2
Ví dụ : Yêu cầu kiểm định giả thiết
Ho:R2= 0 Độ tin cậy là 95%
H1:R2≠ 0
Giải :
F 

F (2,9)  4,26 (  0,05)

Vì F>F(2,9) nên .......

II. MỘT SỐ DẠNG HÀM II. MỘT SỐ DẠNG HÀM

1. Hàm sản xuất Cobb-Douglas 1. Hàm sản xuất Cobb-Douglas

Hàm sản xuất Cobb-Douglas được biểu diễn như sau:
2 3 U i
ln Yi  ln 1   2 ln X 2i  3 ln X 3i  U i
Y  X X e
i 1 2i 3i Đặt Yi *  ln Yi
Yi : sản lượng của doanh nghiệp
Trong đó :
X2i : lượng vốn 1*  ln 1
X3i : lượng lao động X 2*i  ln X 2i
Ui : sai số ngẫu nhiên
X 3*i  ln X 3i
Hàm sản xuất Cobb-Douglas có thể đưa được về dạng Dạng tuyến tính sẽ là :
tuyến tính bằng cách lấy logarit hai vế
Y     X 2*i  3 X 3*i  U i
i
*
1
*
2

CuuDuongThanCong.com https://fb.com/tailieudientucntt 6
 1/2/2013

Để hồi quy dạng tuyến tính logarit trong Eviews, ta nhập

phương trình hồi quy như sau : Kết quả hồi quy
ln Yi  1   2 ln X 2i  3 ln X 3i  U i

Để hồi quy dạng đa thức trong Eviews

II. MỘT SỐ DẠNG HÀM
Yi  1   2 X i  3 X i2  U i
2. Hàm hồi quy đa thức bậc 2
Yi  1   2 X i  3 X i2  U i
Mặc dù chỉ có một biến độc lập Xi nhưng nó xuất hiện với
các luỹ thừa khác nhau khiến cho mô hình trở thành hồi
quy ba biến

Kết quả hồi quy dạng đa thức

Để chuẩn bị tốt cho buổi học sau, đề nghị sinh viên

tự ôn tập lại kiến thức về ma trận gồm : các phép
toán ma trận ( cộng, chuyển vị, nhân 2 ma trận);
tính định thức ; tìm ma trận nghịch đảo. Giảng

viên sẽ hỏi phần này trên lớp trước khi vào bài
mới

CuuDuongThanCong.com https://fb.com/tailieudientucntt 7
 1/2/2013

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

1. Hàm hồi quy tổng thể (PRF) 1. Hàm hồi quy tổng thể (PRF)
Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui Quan sát thứ 1 :
Y1  1  2 X 21  3 X 31  ...  k X k1  U1
Trong đó
•Y là biến phụ thuộc Quan sát thứ 2 :
•X2,X3,…,Xk là các biến độc lập Y2  1  2 X 22  3 X 32  ...  k X k 2  U 2
•Ui là các sai số ngẫu nhiên
……………………………………………………………………
•β1 :Hệ số tự do Quan sát thứ n :
β 2, β 3,…, β k là các hệ số hồi quy riêng
Yn  1  2 X 2n  3 X 3n  ...  k X kn  U n

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

1. Hàm hồi quy tổng thể (PRF)

Ký hiệu
 1 X 21 X 31 ... X k1 
 
 Y1   1   U1  1 X 22 X 32 ... X k 2 
      X 
Y2   U  ... ... ... ... ... 
Y    2 U  2  
 ...   ...   ...   1 X 2n X 3n ... X kn 
     
 Yn   k  U n 

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

Ta có 2. Các giả thiết của mô hình

 Y1   1 X 21 ... X k1  1   U1  Giả thiết 1 : Các biến độc lập X2, X3,…,Xk không
       ngẫu nhiên
 Y2   1 X 22 ... X k 2   2  U 2 
 ...    ... ... 
... ...  ...   ...  Giả thiết 2 : Các sai số ngẫu nhiên Ui có giá trị trung
       bình bằng 0 và có phương sai không thay đổi
Y   1 X ... X kn   k  U n 
 1  2n
E (U i | X )  0 Var (U i | X )   2
 PRF : Y  X .  U Giả thiết 3: Không có sự tương quan giữa các sai số Ui

Cov(U i , U j | X )  0, i  j

CuuDuongThanCong.com https://fb.com/tailieudientucntt 8
 1/2/2013

III. HỐI QUY TUYẾN TÍNH K BIẾN Mô hình hồi quy tuyến tính bội
Y  X  U
2. Các giả thiết của mô hình
VarCov(U )   2 I n
Giả thiết 4 : Không có hiện tượng cộng tuyến giữa
các biến độc lập X2, X3,…,Xk rank ( X )  k
Giả thiết 5 : Không có tương quan giữa các biến E (U i | X )  0
độc lập X2,X3,…,Xk với các sai số ngẫu nhiên Ui
Vì sao ? => Bài tập cộng điểm
Cov(U , X )  0 Cov( i , vi )  E [ i  E ( i )][vi  E (vi )]
Gợi ý :
VarCov( )  E [  E ( )][  E ( )]

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

3. Ước lượng các tham số 3. Ước lượng các tham số

Hàm hồi quy mẫu : Với

Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki  ei  ˆ1   e1 

SRF:
   
hoặc: Yˆ  ˆ  ˆ X  ˆ X  ...  ˆ X  ˆ  e
e 2
i 1 2 2i 3 3i k ki
ˆ   2 
Hay : (Viết dưới dạng ma trận )  ... 
 ...   
Y  X ˆ  e  ˆ   en 
 k

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

SRF: Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki  ei Theo nguyên lý của phương pháp OLS thì các tham số
ˆ1 , ˆ2 , ˆ3 ,..., ˆk được chọn sao cho
hoặc: Yˆ  ˆ  ˆ X  ˆ X  ...  ˆ X
    Y  X ˆ 
i 1 2 2i 3 3i k ki
e   Yi  Yˆi
2 2
2
Khi đó i i i

ei  (Yi  Yˆi ) 
  Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki 
2

 Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki  min

CuuDuongThanCong.com https://fb.com/tailieudientucntt 9
 1/2/2013

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

Khi đó :  1 1 ... 1  1 X 21 ... X k1 

  
X ... X 2 n  1 X 22 ... X k2 

ˆ
X 22

  (X X ) X Y
X X   21
1 T
T

T ... ... ... ...  ... ... ... ... 

  
X
 k1 X k2 ... X kn  1 X 2n ... X kn 
 n
 X 2i ... X 

ki
Vì sao? => Bài tập cộng điểm   X 2i X X X ki 
2
...

2i 2i

 ... ... ... ... 
 X  X 2i X ki ...  X ki2 
 ki

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

3. Ví dụ minh hoạ
 1 1 ... 1   Y1    Yi  Bảng dưới đây cho các số liệu về lượng hàng
     bán được của một loại hàng hóa(Y), thu nhập
X X ... X 2 n   Y2    X 2iYi  của người tiêu dùng (X2) và giá bán của loại
X T Y   21 22 
...   ...   ... 
. hàng này (X3)
... ... ... Tìm hàm hồi quy tuyến tính
  
X X X kn   Yn    X kiYi 
 k1 k 2 Yˆi  ˆ1  ˆ2 X 2i  ˆ3 X 3i
...

Yi X2 (triệu X3(ngàn III. HỐI QUY TUYẾN TÍNH K BIẾN

(tấn/tháng) đồng/năm) đồng/kg)
20 8 2 Giải Từ số liệu trên, ta tính được các tổng như sau :

 Y  165  X  388
18 7 3 2
19 8 4 i 2i

18 8 4  X  60  X X  282 2i 2i 3i

 X  52  X  308
17 6 5 2
17 6 5 3i 3i

16 5 6  Y  2781 Y  16,5
i
2

15
13
5
4
7
8  Y X  813 i X 6 3i 2

12 3 8  Y X  1029
i X  5, 2 2i 3

CuuDuongThanCong.com https://fb.com/tailieudientucntt 10
 1/2/2013

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

  Yi   165 
 n

X X 2i 3i   10 60 52 
     
Các hệ số hồi
X X    X 2i
 X T Y    Yi X 2i   1028 
X X X
quy này có ý
2i 3i    60 388 282 
T 2

  Y X   813  nghĩa gì ?
2i
 X 2   
 3i X X X
3i 2i 3i   52 282 308 
 i 3i   
ˆ1  14,992
14.992 
 26.165 -2.497 -2.131 ˆ  ( X X ) X Y   0.762  Vậy:
T 1 T
ˆ2  0, 762
   -0.589 
  ˆ3  0,589
( X T X )1   -2.497 0.246 0.196 
 -2.131 0.196 0.183  Yˆi  14,992  0,762 X 2i  0,589 X 3i
 

Kết quả hồi quy bằng Eviews như sau : III. HỐI QUY TUYẾN TÍNH K BIẾN

4. Hệ số xác định của mô hình

TSS  Y T Y  n(Y )2
ESS  ˆ T X T Y  n(Y )2
RSS  TSS  ESS
ESS
Hệ số xác định: R 
2

TSS
n 1
Hệ số xác định hiệu chỉnh: R
2
 1  (1  R 2 )
nk

Kết quả hồi quy bằng Eviews như sau : III. HỐI QUY TUYẾN TÍNH K BIẾN

4. Khoảng tin cậy và kiểm định giả thiết

VarCov( ˆ )   2  X T X 
1

Vì sao? => Bài tập cộng điểm

CuuDuongThanCong.com https://fb.com/tailieudientucntt 11
 1/2/2013

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

4. Khoảng tin cậy và kiểm định giả thiết 4. Khoảng tin cậy và kiểm định giả thiết

Gọi cjj là phần tử nằm ở dòng j cột j của ma Khoảng tin cậy của βj là
trận (XTX)-1
( ˆ j  t se( ˆ j ); ˆ j  t se( ˆ j ))
Khi đó :
 2
ˆ
  .c jj  ˆ .c jj
2 2
2
Hoặc tính giá trị tới hạn của βj là
2
j

se( ˆ j )   2ˆ t
ˆ j   *j
Bậc tự do là (n-k)
se( ˆ j )
j

RSS
Với ˆ 2  (k là số tham số)
nk

Kết quả hồi quy bằng Eviews như sau : III. HỐI QUY TUYẾN TÍNH K BIẾN

4. Khoảng tin cậy và kiểm định giả thiết

Kiểm định giả thiết về R2 Ho:R2= 0
H1:R2≠ 0
Với độ tin cậy 1-α
R 2 (n  k )
Bước 1 : tính F 

(k  1) 1  R 2 
Bước 2 : Tra bảng tìm F(k-1,n-k), mức ý nghĩa là
α
Bước 3 : Nếu F>F(k-1,n-k) , bác bỏ H0 Nếu F≤F(k-1,n-k) ,
chấp nhận H0

Kết quả hồi quy bằng Eviews như sau : Một vài kết quả hồi quy khác bằng Eviews

Theo keát quaû baøi taäp cuûa nhoùm 13 lôùp KK1_05 tröôøng Ñaïi hoïc Hoàng Baøng

CuuDuongThanCong.com https://fb.com/tailieudientucntt 12
 1/2/2013

Các yếu tố ảnh hưởng đến giá bán 1 căn nhà

III. HỐI QUY TUYẾN TÍNH K BIẾN
X2 : dieän tích
D1 : moâi tröôøng 4. Vấn đề dự báo
D2 : khu vöïc
kinh doanh
D3 : nhu caàu baùn
 1 
D4 : an ninh khu  0
X
vöïc
D5 : vò tri nhaø Cho Xo   2 
D6 : thò tröôøng
 ... 
đoùng băng  0
 Xk 
Yêu cầu dự báo giá trị Y0 của Y

Theo keát quaû baøi taäp cuûa nhoùm 4 lôùp KK2_05 tröôøng Ñaïi hoïc Hoàng Baøng

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

4. Vấn đề dự báo 4. Vấn đề dự báo

Dự báo điểm :
  ˆ X ( X T X ) 1 X 0
2
ˆ
2 T
Yˆ0  ˆ0  ˆ2 X  ˆ3 X  ...  ˆk X
0
2
0
3
0
k
Y0 0

Dự báo khoảng :

(Yˆ0  t se(Yˆ0 ); Yˆ0  t se(Yˆ0 ))

se(Yˆ0 )   Y2ˆ
0

2 2
Bậc tự do là (n-k)

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

5. Ví dụ (số liệu trước) 5. Ví dụ (số liệu trước)

Ví dụ : Tính khoảng tin cậy của β2 theo số liệu của yêu cầu kiểm định các giả thiết
ví dụ trước với độ tin cậy 95%
Ho:β2= 0
H1:β2≠ 0
Với độ tin cậy 95%

CuuDuongThanCong.com https://fb.com/tailieudientucntt 13
 1/2/2013

III. HỐI QUY TUYẾN TÍNH K BIẾN III. HỐI QUY TUYẾN TÍNH K BIẾN

5. Ví dụ (số liệu trước) 5. Ví dụ (số liệu trước)

Yêu cầu kiểm định các giả thiết Yêu cầu dự báo giá trị của Y khi X2=9
và X3=9 với độ tin cậy 95%
Ho:R2= 0
H1:R2≠ 0

Với độ tin cậy 95%

Hết

CuuDuongThanCong.com https://fb.com/tailieudientucntt 14