Kinh-Te-Luong - Chuong-3 - Dt-Hoi-Quy-Boi - (Cuuduongthancong - Com)

om
.c
ng
co
an
th
o ng
du
u
cu
Bộ môn Kinh tế lượng – Học viện Tài chính

CuuDuongThanCong.com https://fb.com/tailieudientucntt
Nội dung
3.1. Mô hình hồi quy tuyến tính ba biến
om
3.2. Mô hình hồi quy tuyến tính k biến - phương pháp ma trận
.c
3.3. Hệ số xác định và hệ số xác định hiệu chỉnh
ng
co
3.4. Khoảng tin cậy và kiểm định giả thuyết
an
th
3.5. Kiểm định F trong hồi quy bội
ng
3.6. Dự báo
o
du
3.7. Các dạng hàm hồi quy
u
cu
Hà Nội - 2018 CuuDuongThanCong.com

Bộ môn Kinh tế lượng – Học viện Tài chính https://fb.com/tailieudientucntt
2
3.1.1. Mô hình hồi quy ba biến
om
Xét mô hình hồi quy 3 biến:
.c
PRF : E (Y / X 2i , X 3i )  1   2 X 2i  3 X 3i
ng
PRM : Yi  1   2 X 2i  3 X 3i  U i (i  1  N )
co
an
Trong đó
th
ng
Y : là biến phụ thuộc
o
X2 , X3 du
: là hai biến độc lập
u
cu
β1 : là hệ số chặn
β2, β3 : là các hệ số góc riêng phần (hệ số hồi quy riêng).

3
 Ý nghĩa kinh tế:
om
 β1 = E(Y/X2i=X3i= 0): là giá trị trung bình của Y khi X2i = X3i = 0.
.c
ng
E (Y / X 2 , X 3 )
 2 
co
: cho biết khi X2 tăng một đơn vị, trong điều kiện X3
X 2
an
th
không thay đổi, thì giá trị trung bình của Y thay đổi β2 đơn vị.
o ng
E (Y / X 2 , X 3 )
 3  du
: cho biết khi X3 tăng một đơn vị, trong điều kiện X2
X 3
u
cu
không thay đổi, thì giá trị trung bình của Y thay đổi β3 đơn vị.

4
 Ví dụ 1:
om
 Giả sử có mô hình hồi quy mẫu: LP = 0.02 + 0.3m – 0.15 gdp +u
.c
 Trong đó: LP, m, gdp lần lượt là tỷ lệ lạm phát, mức tăng trưởng cung tiền và mức tăng
ng
trưởng GDP (đơn vị %).
co
an
 Khi mức tăng trưởng của cung tiền và GDP bằng 0 thì mức lạm phát trung bình là 0.02%.
th
 Nếu cung tiền tăng 1%, mức tăng trưởng GPD không đổi thì lạm phát trung bình gia tăng
ng
0.3%
o
du
 Nếu GPD tăng 1% và cung tiền không thay đổi thì lạm phát trung bình sẽ giảm 0.15%.
u
 Nếu GPD tăng 1% và cung tiền giảm 0.5% thì lạm phát trung bình sẽ giảm (- 0.15 - 0.15 = -
cu
0.3) 0.3%.

5
3.1.2. Các giả thiết của phương pháp bình phương nhỏ nhất
 GT1: Hàm hồi quy có dạng tuyến tính đối với tham số
om
E(Ui) = 0,  i
.c
 GT2: Kỳ vọng của các SSNN bằng 0:
ng
 GT3: Phương sai SSNN không đổi: Var(Ui) = 2 ,  i
co
 GT4: Các SSNN không tuơng quan: Cov(Ui ,Uj) = 0 ,  i ≠ j
an
th
 GT5: Các SSNN và các biến độc lập không tương quan:
ng
Cov(Ui , X2i) = 0, Cov(Ui , X3i) = 0  i
o
 GT6: Các SSNN có phân phối chuẩn. du
u
 GT7: Các biến giải thích là phi ngẫu nhiên và không có quan hệ tuyến tính.
cu
 GT8: Dạng hàm được chỉ định đúng.

6
 Trong tổng thể:
PRF : E (Y / X 2i , X 3i )  1   2 X 2i  3 X 3i
om
PRM :Yi  1   2 X 2i  3 X 3i  U i (i  1  N )
.c
ng
 Trong mẫu:
co
SRF :Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i
an
th
SRM : Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ei (i  1  n )
ng
Trong đó:
o
ˆ , ˆ , ˆ
du
: là các ước lượng điểm của β1,β2,β3
u
1 2 3
cu
Yî : là ước lượng điểm của E(Y/X2i,X3i)

ei : là ước lượng điểm của Ui
7
 Phương pháp ước lượng bình phương nhỏ nhất:
 Tìm ˆ1 , ˆ2 , ˆ3 sao cho:
n n
om
RSS   e   (Yi  Yî ) 2
2
i
.c
i 1 i 1
n
  (Yi  ˆ1  ˆ2 X 2 i  ˆ3 X 3i ) 2  f ( ˆ1 , ˆ2 , ˆ3 )  Min
ng
co
i 1
ˆ ˆ ˆ
 Các hệ số 1 ,  2 , 3 là nghiệm của hệ:
an
 f ( ˆ1 , ˆ2 , ˆ3 )
th
n
  2 (Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i )  0
ng
 ˆ1 i 1
o
 f ( ˆ , ˆ , ˆ )


1 2 du
3
n
 2 X 2i (Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i )  0
ˆ2
u
 i 1
cu
 ˆ , ˆ , ˆ )
f (  n
 1 2 3
 2 X 3i (Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i )  0
 ˆ3 i 1

8
ˆ n n n
 1n   2  X 2i  3  X 3i   Yi
ˆ ˆ
om
 i 1 i 1 i 1
ˆ n n n n
.c
  1  X 2i  ˆ2  X 2i  ˆ3  X 2i X 3i   X 2iYi
2
 i 1
ng
i 1 i 1 i 1
 n n n n
co
 ˆ1  X 3i  ˆ2  X 2i X 3i  ˆ3  X 3i   X 3iYi
2
 i 1
an
i 1 i 1 i 1
th
Ký hiệu: 1 n
Y   Yi ; yi  Yi  Y
ng
n i 1
o
1 n
X 2   X 2i ; du x2i  X 2i  X 2
n i 1
u
cu
1 n
X 3   X 3i ; x3i  X 3i  X 3
n i 1

9
Ta có công thức nghiệm:
om
ˆ1  Y  ˆ2 X 2  ˆ3 X 3
.c
ng
n n n n
( x2i yi )( x32i )  ( x3i yi )( x3i x2i )
co
ˆ2  i 1 i 1 i 1 i 1
an
n n n
( x )( x )  ( x3i x2i ) 2
2 2
th
2i 3i
i 1 i 1 i 1
ng
n n n n
( x3i yi )( x )  ( x2i yi )( x3i x2i )
o
2
du 2i
ˆ3  i 1 i 1 i 1 i 1
u
n n n
cu
( x22i )( x32i )  ( x3i x2i ) 2

i 1 i 1 i 1

10
 Vídụ 2: Nghiên cứu mối quan hệ giữa doanh thu bán hàng - S (nghìn
USD/tháng) phụ thuộc vào giá bán của sản phẩm - P (USD/sản phẩm) và chi
om
.c
phí quảng cáo - AD (nghìn USD/tháng). Sử dụng số liệu của một cửa hàng
ng
kinh doanh bánh ngọt, hồi quy mô hình thu được:
co
an
th
o ng
du
u
cu

11
 Từ kết quả hồi quy, hàm hồi quy mẫu thu được:
om
DT i  118.9136  1.862 ADi  7.907 Pi
.c
 Ý nghĩa kinh tế cuả các hệ số hồi quy ước lượng được từ mẫu:
ng
co
  2  1.862 Cho biết khi tăng chi phí quảng cáo lên 1 (nghìn USD/tháng)
an
trong điều kiện giá bán không thay đổi thì doanh thu trung bình tăng 1.862
th
ng
(nghìn USD/tháng).
o
du
  3  7.907 Cho biết khi giá bán tăng 1 (USD/sản phẩm) trong điều kiện
u
cu
chi phí quang cáo không thay đổi thì doanh thu trung bình giảm 7.907
(nghìn USD/tháng).

12
3.1.4. Các tham số đặc trưng của các ước lượng
om
 Phương sai và độ lệch chuẩn của ước lượng OLS:
.c
 n n n

2  3i  3  2i  2 3  3i 2 i 
2 2 2 2
1 ( X x ) ( X x ) (2 X X x x )
ng
Var ( ˆ1 )    
2 i 1 i 1 i 1
  SD( ˆ1 )  Var ( ˆ1 )
co
n n n
n (  x22i )(  x32i )  (  x3i x2i ) 2 
 
an
i 1 i 1 i 1
th
n
x 2
2
ng
3i
Var ( ˆ2 )  i 1
 
2
 SD( ˆ2 )  Var ( ˆ2 )
o
n n n n
(  x22i )(  x32i )  (  x3i x2i ) 2 x 2
(1  r232 )
i 1 i 1
du i 1 i 1
2i
u
n
x
cu
2
2i
2
Var ( ˆ3 )  n n
i 1
n
 
2
n
 SD( ˆ3 )  Var ( ˆ3 )
(  x22i )(  x32i )  (  x3i x2i ) 2 x 2
3i (1  r232 )
i 1 i 1 i 1 i 1

13
 Ma trận hiệp phương sai của các ước lượng OLS:
om
 Cov ( ˆ1 , ˆ1 ) Cov ( ˆ1 , ˆ2 ) Cov( ˆ1 , ˆ3 ) 
.c
 
Cov ( ˆ )   Cov ( ˆ2 , ˆ1 ) Cov( ˆ2 , ˆ2 ) Cov( ˆ2 , ˆ3 ) 
ng
 ˆ ˆ ˆ ˆ ˆ ˆ 
 Cov (  3 , 1 ) Cov (  3 ,  2 ) Cov(  3 ,  3 ) 
co
 
an
Cov ( ˆ , ˆ )  Cov ( ˆ , ˆ ) (i  j )
th
i j j i
Cov ( î , î )  Var ( î ) (i )
o ng
du r23 2
Cov( ˆ2 , ˆ3 ) 
u
Ta có:
cu
n n
(1  r23 )  2i
x 2
i 1
 3i
x 2
i 1

14
 Phương sai mẫu của sai số ngẫu nhiên:
om
n
i
e 2
.c
ˆ 2  i 1
n3
ng
 ˆ được gọi là sai số chuẩn của hàm hồi quy (standard error of regression).
co
 
an
 se ˆ là sai số chuẩn của các hệ số ước lượng
th
ng
 r23 là hệ số tương quan của biến X2, X3: 2
 n

o
du   x2i x3i 
r232   ni 1 n 
u
cu
 2 i  3i
i 1
x 2
i 1
x 2

15
3.1.5. Hệ số xác định
om
 Hệ số xác định:
.c
n n
ˆ2  x2i yi  ˆ3  x3i yi
ng
ESS RSS
R   1  i 1 i 1
co
2
n
 i
TSS TSS
an
2
y
th
i 1
ng
0  R2  1
o
du
 Ý nghĩa: Hệ số xác định cho biết tỷ lệ % sự biến thiên của Y được giải thích
u
cu
thông qua hai biến độc lập X2 và X3 của mô hình.

16
3.2. Mô hình hồi quy tuyến tính k biến
3.2.1. Mô hình hồi quy tuyến tính k biến - phương pháp ma trận
Xét mô hình:
om
PRF : E (Y / X 2i , X 3i ,..., X ki )  1   2 X 2i  3 X 3i  ...   k X ki
.c
ng
PRM : Yi  1   2 X 2i  3 X 3i  ...   k X ki  U i (i  1  n)(k  2)
co
Trong đó:
an
th
 Y là biến phụ thuộc
ng
 X2i, X3i, …, Xki: là các biến độc lập
o
 β1: là hệ số chặn
du
u
cu
 β2, β3, …, βk: hệ số hồi quy riêng phần

 k: Số biến của mô hình
17
 Ý nghĩa kinh tế:
om
 β1 = E(Y/X2i = X3i = …= Xki = 0) là giá trị trung bình của Y khi các biến độc lập
.c
ng
đồng nhất nhận giá trị bằng 0.
co
an
E (Y / X 2 , X 3 ,..., X k )
 m  (m  2  k ) cho biết khi Xm tăng một đơn vị thì
th
X m
o ng
trung bình của Y thay đổi trị số trung bình của  m trong điều kiện các biến
du
u
cu
Xj không thay đổi (j  m) .

18
 Giả sử có n quan sát, mỗi quan sát có k giá trị (Yi, X2i, …, Xki)
om
Ký hiệu:
 1 
.c
 Y1   1 X 21 ... X k1   U1 
Y  1 X ... X k 2    U 
ng
Y  2 X    2 U  2
co
22
 ...   ... ... ... ...   ...   ... 
an
       

th
 n n1
Y  1 X 2n ... X kn nk  k k1  U n n1
o ng
Khi đó: du
PRF : E (Y )  X 
u
PRM : Y  X   U
cu

19
 Một số giả thiết được viết lại dưới dạng ma trận
om
 GT3: Kỳ vọng của các SSNN bằng 0
.c
ng
E(U|X) = 0nx1
co
 GT4: Phương sai của các SSNN bằng nhau:
an
th
E(UUT) = 2I
o ng
 GT8: Các biến giải thích không có quan hệ tuyến tính, tức là hệ véc tơ cột
du
của ma trận X độc lập tuyến tính và khi đó ma trận XTX có ma trận nghịch
u
cu
đảo.

20
 Tổng thể:
om
PRF : E (Y / X 2i , X 3i ,..., X ki )  1   2 X 2i  3 X 3i  ...   k X ki
.c
PRM : Yi  1   2 X 2i  3 X 3i  ...   k X ki  U i (i  1  n)(k  2)
ng
co
 Mẫu:
an
SRF : Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki (k  2)
th
SRM : Yˆ  ˆ  ˆ X  ˆ X  ...  ˆ X  e (i  1  n)
ng
i 1 2 2i 3 3i k ki i
o
du
 ˆ1 , ˆ2 ,..., ˆk : là các ước lượng điểm của β1,β2,…,βk
u
cu
 Yî : là ước lượng điểm của E(Y/X2i, X3i ,…,Xki)

 ei : là ước lượng điểm của Ui
21
3.2.2. Ước lượng các tham số OLS
om
 Ký hiệu:  Yˆ1   ˆ1   e1 
   
.c
ˆ ˆ e 
 Y  
Yˆ   2  ˆ   2  e 2
ng
 ... 
co
... ...
     
 Yˆ   ˆ 
an
 n  n 1  k  k 1  en n1
th
ng
 Khi đó có phương trình hàm hồi quy mẫu:
o
du
SRF : Yˆ  X ˆ
u
cu
SRM : Y  X ˆ  e

22
 Phương pháp ước lượng OLS:
om
 Tìm véc tơ ˆ sao cho:
.c
RSS  eT e  (Y  X ˆ )(Y  X ˆ )T
ng
 Y T Y  2 ˆ T X T Y  ˆ T X T X ˆ  f ( ˆ )  Min
co
an
 Véc tơ ˆ là nghiệm của hệ:
th
ng
f ( ˆ )
o
0 du
ˆ
u
cu
 ˆ  ( X T X ) 1 X T Y

23
3.2.2. Ma trận hiệp phương sai của các hệ số hồi quy ước lượng
om
 Ta có hẹ iệp phương sai của các hệ số
.c
 Var ( ˆ1 ) Cov( ˆ1 , ˆ2 ) ... Cov( ˆ1 , ˆk ) 
ng
 
co
 Cov ( ˆ , ˆ )
 Var (  ˆ ) ... Cov( ˆ2 , ˆk ) 
Cov( î , ˆ j )   2 1 2

an
 ... ... ... ... 
th
 Cov( ˆ , ˆ ) Cov( ˆ , ˆ ) Var ( ˆk ) 
 ...
ng
k 1 k 2
o
  2(X T X )
du
u
T
e e
 Phương sai sai số ngẫu nhiên ước lượng từ mẫu: ˆ 
cu
(n  k )

24
3.2.3. Các tính chất của ước lượng OLS
om
 Tham khảo bài giảng trang 85 giáo trình.
.c
 Chú ý: các tính chất được nêu ra đối với mô hình hồi quy 3 biến tương tự
ng
co
như mô hình mô hình hồi quy đơn biến.
an
th
o ng
du
u
cu

25
 Hệ số xác định R2
om
ESS ˆ
RSS  X Y  nY
T T 2 T
e e
R 
2
 1   1 T
.c
TSS TSS Y Y  nY
T 2
Y Y  nY 2
ng
0  R2  1
co
an
 Ý nghĩa: R2 cho biết tỷ lệ % sự biến thiên của Y được giải thích thông qua
th
toàn bộ các biến độc lập của mô hình.
o ng
du
 Tính chất: R2 là hàm đồng biến với số biến giải thích trong mô hình. Do vậy
u
không thể dùng R2 làm tiêu chuẩn để xem xét việc đưa thêm một hoặc nhiều
cu
biến giải thích vào mô hình.

26
 Hệ số xác định hiệu chỉnh:
om
RSS /(n  k ) 2 n 1
R  1
2
 1  (1  R )
.c
TSS /(n  1) nk
ng
co
 Mục đích của việc hiệu chỉnh hệ số xác định là để xem xét có nên đưa thêm
an
biến giải thích vào mô hình hay không.
th
ng
 Một biến mới sẽ được đưa vào mô hình nếu hệ số của biến mới đưa vào mô
o
du
hình có ý nghĩa thống kê và hệ số R 2 còn tăng.
u
cu

27
3.4.1. Khoảng tin cậy của  j ( j  1  k )
ˆ j   j
om
Với độ tin cậy 1-, sử dụng thống kê: T   T ( n k )
.c
Se( ˆ j )
ng
 KTC đối xứng:
co
ˆ j  Se( ˆ j )t( n/2k )   j  ˆ j  Se( ˆ j )t( n/2k )
an
th
 KTC bên phải:
o ng
 j  ˆ j  Se( ˆ j )t( nk )
du
u
cu
 KTC bên trái:

 j  ˆ j  Se(ˆ j )t( nk )
Hà Nội - 2018 Bộ môn Kinh tế lượng – Học viện Tài chính

28
 Ví dụ 3. Dựa vào kết quả hồi quy của mô hình trong ví dụ 2:
om
.c
ng
co
an
th
o ng
Câu hỏi nghiên cứu: du
u
 Khi chi phí quảng cáo tăng 1 (nghìn USD/tháng) thì doanh thu tăng lên bao
cu
nhiêu, tăng tối thiểu, tối đa bao nhiêu?

 Giá bán tăng 1 (USD/Sản phẩm) thì doanh thu giảm đi bao nhiêu, tối thiểu?
29
3.4.2. Kiểm định giả thuyết đối với  j ( j  1  k )
om
 Kiểm định các cặp giả thuyết:
.c

 0 j
H :    *

 0 j
H :    *

 0 j
H :    *
ng
j j j
 (1),  (2),  (3)
co
 H1 :  j   j  H1 :  j   j  H1 :  j   j
* * *
  
an
 Tiêu chuẩn kiểm định:
th
ˆ j   *j
T
nk 
T
ng
Se( ˆ j )
o
du
 Miền bác bỏ giả thuyết H0 (với mức ý nghĩa ):
u
cu
 ( nk ) 
W  T : T  T  (1) W  T : T  T( nk )  (2) W  T : T  T( nk )  (3)
 2 
30
 Sử dụng phương pháp P-value:
om
H0 :  j  0
 H0 :  j  0
 H0 :  j  0

 (1),  (2),  (3)
.c
 H1 :  j  0
  H1 :  j  0
  H1 :  j  0

ng
 Quy tắc kết luận với mức ý nghĩa  cho trước như sau:
co
an
 Với cặp giả thuyết (1):
th
 Nếu  > P thì bác bỏ giả thiết H0
ng
 Nếu  < P thì không có cơ sở bác bỏ giả thiết H0
o
 Với cặp giả thuyết (2) và (3): du
u
cu
 Nếu  > P/2 thì bác bỏ giả thiết H0

 Nếu  < P/2 thì không có cơ sở bác bỏ giả thiết H0

31
3.4.3. Khoảng tin cậy của  2
(n  k )ˆ 2
om
 Sử dụng thống kê: 2    2( nk )
2
.c
Với độ tin cậy (1 - ) ta có:
ng
co
(n  k )ˆ 2 (n  k )ˆ 2
an
 Khoảng tin cậy hai phía:   2
 2( nk )
12(n/2k )
th
 /2
ng
(n  k )ˆ 2
o
 Khoảng tin cậy bên trái:  2 
du 12(nk )
u
cu
(n  k )ˆ 2
 Khoảng tin cậy bên phải:   2
2( nk )

32
 Ví dụ 4. Dựa vào kết quả hồi quy của mô hình trong ví dụ 2, trả lời câu hỏi:
om
.c
ng
co
an
th
o ng
 Nếu giảm giá bán 0.2 (USD/sản phẩm) thì doanh thu bán hàng sẽ tăng tối
du
thiểu 1.5 (nghìn USD/Tháng), hãy xác nhận thông tin này (mức ý nghĩa 5%)?
u
cu
 Phương sai sai số ngẫu nhiên tối thiểu bằng bao nhiêu (độ tin cậy 90%)?

33
3.4.4. Kiểm định giả thuyết đối với  2
om
H0 :    0
 H0 :    0
 H0 :   0

2 2 2 2 2 2
 Kiểm định cặp giả thuyết:  (1),  (2),  (3)
.c
 H1 :    0
  H1 :    0
  H1 :    0

2 2 2 2 2 2
ng
(n  k )ˆ 2
 Tiêu chuẩn kiểm định:  
2
co
 02
an
 Miền bác bỏ giả thuyết H0 với mức ý nghĩa  :
th
o ng
   2   2 (n  k ) 
 2  

du  
W    :  2           1 ( n  k ) (3)
2 2 2 2 2 2 2
 (1) W : ( n k ) (2) W :
u
  
   1 (n  k ) 
2

cu
  2 

34
3.4.3. Khoảng tin cậy mở rộng
om
(a ˆ j  bˆs )  (a  j  b s )
 Sử dụng thống kê: T ~ T ( nk )
Se(a ˆ  bˆ )
.c
j s
ng
 Khoảng tin cậy của biểu thức hai hệ số hồi quy (với độ tin cậy 1 - ) :
co
an
a ˆ j  bˆs  Se(a ˆ j  bˆs )t( n/2k )  a  j  b s  a ˆ j  bˆs  Se(a ˆ j  bˆs )t( n/2k )
th
ng
Se(a ˆ j  bˆs )  (a 2 ( Se( ˆ j )) 2  2abCov( ˆ j , ˆs )  (b 2 ( Se( ˆs )) 2
o
du
u
cu

35
3.4.3. Kiểm định T mở rộng
 Kiểm định cặp giả thuyết:
om
.c
 H 0 : a ˆ2  bˆ3  c  H 0 : a ˆ2  bˆ3  c  H 0 : a ˆ2  bˆ3  c
ng
 (1),  (2),  (3)
ˆ ˆ ˆ ˆ ˆ ˆ
 H1 : a  2  b 3  c  H1 : a  2  b 3  c  H1 : a  2  b 3  c
co
an
a ˆ2  bˆ3  c
th
 Tiêu chuẩn kiểm định: T   T (n k )
ng
Se(a ˆ  bˆ ) 2 3
o
 Miền bác bỏ giả thuyết H0 với mức ý nghĩa : du
u
W  t : t  t( n/2k )  (1) W  t : t  t( nk )  (2) W  t : t  t( nk )  (3)
cu

36
 Ví dụ 5. Dựa vào kết quả hồi quy của mô hình trong ví dụ 2, trả lời các câu hỏi
om
sau (mức ý nghĩa 5%):
.c
 Khi giảm giá bán 0.2 (USD/sản phẩm) đồng thời tăng chi phí quảng cáo lên
ng
1 (nghìn USD/Tháng thì doanh thu bán hàng sẽ thay đổi bao nhiêu?
co
an
 Nếu tăng chi phí quảng cáo 0.3 (nghìn USD/Tháng), đồng thời tăng giá bán
th
0.2 (USD/sản phẩm) thì doanh thu bán hàng có tăng không?
o ng
du
u
cu

37
3.5.1. Kiểm định sự phù hợp của hàm hồi quy
om
 Kiểm định cặp giả thuyết:  H 0 :  2  3  ...   k  0  H 0 : R 2  0

.c

 H :   0  1
H : R 2
0
ng
1 j
2
/ (k  1)
co
 Tiêu chuẩn kiểm định: F  R
 F (k  1, n  k )
(1  R ) / (n  k )
2
an
th
 Miền bác bỏ: W  F : F  F (k  1, n  k )
ng
 Sử dụng giá trị P-value:
o
du
 Nếu  > P thì bác bỏ giả thuyết H0
u
cu
 Nếu  < P thì không có cơ cở bác bỏ giả thuyết H0

38
3.5.2. Kiểm định sự thu hẹp
om
Xét mô hình k biến, ký hiệu là UR (Unrestricted Model):
.c
Yi  1  2 X 2i  3 X 3i  ...  m X mi  m1 X m1i  ...  k X ki  Ui
ng
 Nếu có cơ sở cho rằng một số biến nào đó của mô hình là không cần thiết,
co
an
chẳng hạn: Xm+1, Xm+2,…,Xk. Khi đó cần loại các biến này ra khỏi mô hình, ta
th
kiểm định cặp giả thuyết:
 H 0 :  m 1   m  2  ...   k  0
ng

 H1 :  j  0 ( j  (m  1)  k )
o
du
 Nếu giả thuyết H0 là đúng thì mô hình trở thành mô hình mới ký hiệu R
u
cu
(Restricted Model) - mô hình m biến:

Yi  1  2 X 2i  3 X 3i  ...  m X mi  Ui
39
 Thủ tục kiểm định:
om
 Bước 1: Lần lượt hồi quy các mô hình UR và R thu được RSSUR , R2UR và
.c
RSSR , R2R
ng
 Bước 2: Sử dụng tiêu chuẩn kiểm định:
co
( RSS R  RSSUR ) / k  m
an
 ( k  m ,n  k )
 F   F
th
( RSSUR ) / (n  k )

ng
 2
 RR2 ) / k  m
o
( RUR ( k  m ,n  k )
 F  du  F (*)
 (1  RUR ) / (n  k )
2
u
cu
 Miền bác bỏ: W   F : F  F( k m ,nk ) 

40
 Một số trường hợp quy về kiểm định thu hẹp hồi quy:
om
Yi  1  2 X 2i  3 X 3i  Ui (UR)
.c
 Kiểm định sự ảnh hưởng của X2, X3 đến Y có như nhau không:
ng
co
 H 0 :  2  3  H 0 :  2  3  0
 
an
 H1 :  2  3  H1 :  2  3  0
th
ng
Nếu giả thuyết H0 đúng thì khi đó thay β2 = β3, ta có:
o
du
Yi  1  2 ( X 2i  X 3i )  Ui
u
cu
Đặt Xi = X2i + X3i ta có:

Yi  1  2 X i  Ui ( R)
41
 Kiểm định xem sự ảnh hưởng của X2, X3 đến Y có bù trừ cho nhau không:
Yi  1  2 X 2i  3 X 3i  Ui (UR)
om
.c
Nếu giả thuyết H0 đúng thì khi đó thay β2 = -β3 và bài toán kiểm định là:
ng
co
 H 0 :  2  3  0  H 0 :  2   3
 
an
 H1 :  2  3  0  H1 :  2    3
th
ng
Đặt Xi = X2i - X3i ta có: Yi  1  2 ( X 2i  X 3i )  Ui
o
du
Yi  1  2 X i  Ui
u
( R)
cu

42
 Kiểm định xem sự ảnh hưởng của X2 đến Y có gấp đôi ảnh hưởng của X3
đến Y không:
om
Yi  1  2 X 2i  3 X 3i  Ui (UR)
.c
ng
Nếu giả thuyết H0 đúng thì khi đó thay β3 = β2/2 và mô hình trở thành:
co
an
 H 0 :  2  2 3  H 0 :  2  2 3  0
th
 
 H1 :  2  23  H1 :  2  23  0
o ng
du 1
Đặt Xi = X2i + X3i/2 ta có: Yi  1   2 ( X 2i  X 3i )  U i
u
cu
2
Yi  1  2 X i  Ui ( R)

43
 Kiểm định về tổ hợp tuyến tính của các hệ số hồi quy:
om
Xét mô hình Yi  1  2 X 2i  3 X 3i  Ui (UR)
.c
ng
 Khi muốn kiểm định về tổ hợp tuyến tính bất kỳ của các hệ số hồi quy:
co
 H 0 : a  2  b 3  H 0 : a  2  b3  0
an
 
th
 H1 : a  2  b  3  H1 : a  2  b  3  0
o ng
Ta có hai cách để kiểm định u
du
 Cách 1: Sử dụng kiểm định T
cu
 Cách 2: Sử dụng kiểm F về sự thu hẹp hàm hồi quy

44
 Kiểm định F về sự thu hẹp hàm hồi quy:
om
Yi  1  2 X 2i  3 X 3i  Ui (UR)
.c
ng
co
Nếu giả thuyết H0 đúng thì khi đó thay β3 = aβ2/b và mô hình (UR) trở thành:
an
th
a
Yi  1   2 ( X 2i  X 3i )  U i
ng
b
o
du
Đặt Xi = X2i + aX3i/b ta có: Yi  1  2 X i  Ui ( R)
u
cu

45
 Ví dụ 6. Dựa vào kết quả hồi quy của mô hình trong ví dụ 2, trả lời các câu hỏi
om
sau (mức ý nghĩa 10%):
.c
 Có ý kiến cho rằng cả hai yếu tố chi phí quảng cáo và giá bán đều không
ng
ảnh hưởng đến doanh thu bán hàng. Hãy xác nhận ý kiến này?
co
an
 Cùng với bộ số liệu đầu bài, hồi quy mô hình: Si 1 2 i
P Vi thu được
th
RSS=1896.391. Hãy cho biết việc đưa biến AD vào mô hình trên có phù hợp
o ng
không (mức ý nghĩa 10%)?
du
u
cu

46
3.6. Dự báo
Xét mô hình k biến:
Yi  1   2 X 2i   3 X 3i  ...   k X ki  U i , (k  2)
om
.c
 Sử dụng SRF ước lượng để dự báo về biến phụ thuộc.
ng
co
 Dự báo giá trị trung bình của biến phụ thuộc (biết X0T = (1, X02, X03,…,X0k),
an
dự báo giá trị E(Y/X0)).
th
ng
 Dự báo giá trị cá biệt của biến phụ thuộc (biết X0T = (1, X02, X03,…,X0k), dự
o
báo giá trị (Y0). du
u
cu

47
3.6. Dự báo
3.6.1. Dự báo giá trị trung bình của biến phụ thuộc
 SRF cho ta một ước lượng điểm của E(Y/X0) trên mẫu: Yˆ0  ˆ T X 0 khi có trước
om
.c
giá trị dự kiến X  X 0 . Để dự báo E(Y/X0) ta tìm KTC của nó.
ng
co
 Sử dụng thống kê: Yˆ0  E (Y / X 0 )
T  T ( nk ) , Se(Yˆ0 )  ˆ X 0T ( X T X ) 1 X 0
an
Se(Yˆ0 )
th
ng
 Với độ tin cậy (1-) cho trước, ta có khoảng tin cậy của E(Y/X0).
o
du
Yˆ0  Se(Yˆ0 )t( nk )  E (Y / X 0 )  Yˆ0  Se(Yˆ0 )t( nk )
u
cu
2 2
E (Y / X 0 )  Yˆ0  Se(Yˆ0 )t( nk )

E (Y / X )  Yˆ  Se(Yˆ )t ( nk )
0 0 0 

48
3.6. Dự báo
3.6.2. Dự báo giá trị cá biệt của biến phụ thuộc
om
Sử dụng thống kê: Yˆ0  Y0
T   T ( n k )
.c
Se(Yˆ0  Y0 )
ng
Se(Yˆ0  Y0 )  ˆ 1  X 0T ( X T X ) 1 X 0
co
an
Do đó với độ tin cậy (1-) cho trước, ta có khoảng tin cậy của Y0 :
th
ng
Yˆ0  Se(Yˆ0  Y0 )t( nk )  Y0  Yˆ0  Se(Yˆ0  Y0 )t ( nk )
o
du 2 2
u
Y0  Yˆ0  Se(Yˆ0  Y0 )t( nk )
cu
Y0  Yˆ0  Se(Yˆ0  Y0 )t( nk )

49
3.7. Một số dạng hàm hồi quy
3.7.1. Hàm tổng chi phí
om
 Dạng hàm: TCi  1  2Qi  3Qi2  4Qi3  Ui (1  0, 2  0, 3  0, 4  0)
.c
ng
co
 Biến đổi:
Q2i  Qi2 , Q3i  Qi3
an
th
 TCi  1   2Qi   3Q2i   4Q3i  U i
o ng
du
u
cu

50
3.7.2. Hàm tăng trưởng
om
 Dạng hàm: Yt  Y0 (1  r ) t
.c
ng
co
Trong đó: r là tốc độ tăng trưởng
an
 Biến đổi:
th
ln Yt  ln Y0  t ln(1  r )
ng
1  ln Y0 ,  2  ln(1  r )
o
du
 ln Yt  1   2t
u
cu

51
3.7.3. Hàm sản xuất Cobb – Douglas
2 3 U i
Qi  1Ki Li e
om
 Dạng hàm:
.c
ng
co
Trong đó β2, β3 là hệ số co giãn của Q theo K, L.
an
 Biến đổi:
th
ln Qi  ln 1   2 ln Ki  3 ln Li  U i
ng
LQi  ln Qi ,   ln 1 , LKi  ln Ki , LLi  ln Li
o
*
du 1
u
 LQi  1*   2 LKi  3 LLi  U i
cu

52
3.7.4. Hàm tuyến tính – Loga
om
 Dạng hàm: Yi  1  2 ln X i  Ui
.c
 Biến đổi:
ng
X i*  ln X i
co
 Yi  1   2 X i*  U i
an
th
ng
 Ý nghĩa: khi X tăng 1% thì Y tăng β2 /100 đơn vị.
o
du
u
cu

53
3.7.5. Hàm Loga – tuyến tính
ln Yi  1  2 X i  Ui
om
 Dạng hàm:
.c
 Biến đổi:
Yi  ln Yi
*
ng
co
 Yi  1   2 X i  U i
*
an
th
ng
 Ý nghĩa: khi X tăng 1 đơn vị thì Y tăng β2 lần giá trị.
o
du
u
cu

54
3.7.6. Hàm dạng Hypecbol
om
 Mô hình chi phí trung bình phụ thuộc vào sản lượng:
.c
1
Yi  1   2  U i ( 1 ,  2  0)
ng
Xi
co
 Mô hình chi tiêu phụ thuộc vào thu nhập (đường cong Engel):
an
1
Yi  1   2  U i ( 1  0,  2  0)
th
Xi
ng
 Mô hình lạm phát phụ thuộc vào tỷ lệ thất nghiệp (đường cong Philips):
o
du
Yi  1   2
1
 U i ( 1  0,  2  0)
u
Xi
cu
 Biến đổi: 1
X  *
i Yi  1   2 X i*  U i
Xi

55
3.7.7. Hàm xu thế và hàm có biến trễ
om
 Mô hình hàm xu thế:
.c
Yt  1  2 X t  3T  Ut
ng
co
T là biến xu thế thời gian (Trend).
an
 Mô hình có biến độc lập trễ:
th
ng
Yt  1  2 X t  3 X t 1  Ut
o
du
 Mô hình có biến phụ thuộc trễ (mô hình tự hồi quy):
u
cu
Yt  1  2 X t  3Yt 1  Ut

56

Kinh-Te-Luong - Chuong-3 - Dt-Hoi-Quy-Boi - (Cuuduongthancong - Com)

Uploaded by

Copyright:

Available Formats

You might also like

Kinh-Te-Luong - Chuong-3 - Dt-Hoi-Quy-Boi - (Cuuduongthancong - Com)

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

Kinh-Te-Luong - Chuong-3 - Dt-Hoi-Quy-Boi - (Cuuduongthancong - Com)

Uploaded by

Copyright:

Available Formats

om

Bộ môn Kinh tế lượng – Học viện Tài chính

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

 GT8: Dạng hàm được chỉ định đúng.

Hà Nội - 2018 CuuDuongThanCong.com

Yˆi : là ước lượng điểm của E(Y/X2i,X3i)

  2 (Yi  ˆ1  ˆ2 X 2i  ˆ3 X 3i )  0

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

( x22i )( x32i )  ( x3i x2i ) 2

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Cov ( î , î )  Var ( î ) (i )

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

thông qua hai biến độc lập X2 và X3 của mô hình.

Hà Nội - 2018 CuuDuongThanCong.com

 β2, β3, …, βk: hệ số hồi quy riêng phần

Xj không thay đổi (j  m) .

Hà Nội - 2018 CuuDuongThanCong.com

 ...   ... ... ... ...   ...   ... 

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

 Yˆi : là ước lượng điểm của E(Y/X2i, X3i ,…,Xki)

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

biến giải thích vào mô hình.

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

 KTC bên trái:

Hà Nội - 2018 Bộ môn Kinh tế lượng – Học viện Tài chính

nhiêu, tăng tối thiểu, tối đa bao nhiêu?

 Nếu  > P/2 thì bác bỏ giả thiết H0

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 Bộ môn Kinh tế lượng – Học viện Tài chính

Hà Nội - 2018 Bộ môn Kinh tế lượng – Học viện Tài chính

 Kiểm định cặp giả thuyết:  (1),  (2),  (3)

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 Bộ môn Kinh tế lượng – Học viện Tài chính

 Nếu  < P thì không có cơ cở bác bỏ giả thuyết H0

Hà Nội - 2018 CuuDuongThanCong.com

(Restricted Model) - mô hình m biến:

 Miền bác bỏ: W   F : F  F( k m ,nk ) 

Hà Nội - 2018 CuuDuongThanCong.com

Đặt Xi = X2i + X3i ta có:

Hà Nội - 2018 CuuDuongThanCong.com

Hà Nội - 2018 CuuDuongThanCong.com

 Cách 2: Sử dụng kiểm F về sự thu hẹp hàm hồi quy

Hà Nội - 2018 CuuDuongThanCong.com