CHƢƠNG 5

PHƯƠNG SAI SAI SỐ

THAY ĐỔI
I. BẢN CHẤT VÀ NGUYÊN NHÂN CỦA HIỆN
TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI

 Giả thiết của mô hình hồi quy tuyến tính cổ

điển là E(ui)2=2 với mọi i. Ngƣợc lại với
trƣờng hợp này là phƣơng sai của sai số thay
đổi, nghĩa là E(ui)2=i2 . Phƣơng sai có điều
kiện của ui không còn là hằng số nữa.
 Có một số lý do giải thích vì sao phƣơng sai
của sai số thay đổi nhƣ sau:

 1. Do việc tính lũy kinh nghiệm mà sai số theo
thời gian ngày càng giảm, ví dụ nhƣ nhân viên
đánh máy lúc mới đánh có thể có nhiều lỗi
nhƣng khi đánh có kinh nghiệm thì lỗi sẽ ít đi.
 2. Do bản chất của các hiện tƣợng kinh tế,
chẳng hạn khi thu nhập tăng ngƣời ta có nhiều
lựa chọn hơn trong phạm vi tiêu dùng thu nhập
đó. Trong hồi quy tiết kiệm lên thu nhập, dƣờng
nhƣ i2 tăng theo thu nhập.
 3. Kỹ thuật thu thập số liệu đƣợc cải thiện dần
do đó i2 giảm.
II. ƯỚC LƯỢNG BÌNH PHƯƠNG BÉ NHẤT KHI CÓ
HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI

 Giả sử các giả thiết OLS vẫn giữ nguyên trừ giả
thiết về phƣơng sai thuần nhất nghĩa là E(Ui)2=i2: .
 Xét mô hình Yi 1 2 X i ui
 Áp dụng phƣơng pháp OLS để ƣớc lƣợng tham số
ta đƣợc :
Xi X Yi x i yi
2
Xi X x i2
 Còn 2
i
var
2
xi
III. PHƯƠNG PHÁP BÌNH PHƯƠNG BÉ NHẤT
TỔNG QUÁT
 Phƣơng pháp ƣớc lƣợng tham số trong mô hình
hồi quy tuyến tính khi có sự hiện diện của hiện
tƣợng phƣơng sai của sai số thay đổi là gán
trọng số khác nhau hoặc tầm quan trọng khác
nhau đối với mỗi quan sát.
 Nội dung của phƣơng pháp này là nhƣ sau:
 Xét mô hình hồi quy
(4.1)
Yi 1 2X i ui
 Giả sử tất cả các giả thiết của mô hình hồi quy
tuyến tính cổ điển thỏa mãn trừ giả thiết về
phƣơng sai của các nhiễu ui là không thuần
nhất, nghĩa là có sự hiện diện của phƣơng sai
sai số thay đổi, hay: E(ui)2 =i2 đã biết.
 Chia cả 2 vế của (4.1) cho I ta đƣợc
Yi X 0i Xi ui
1 2 1
i i i i

 Trong đó X0i=1 với mọi i (4.2) có thể viết lại:


Yi* * *
X
1 0i
* *
X
2 i u *
i
 Trong đo * Yi X 0i Xi ui
Yi ; X 0*i ; Xi* ; ui* ; * *
1, 2
i i i

 Và là các tham số trong mô hình biến đổi.

 Phép biến đổi này cho phép ta khắc phục đƣợc tình
trạng phƣơng sai sai số thay đổi. Thực vậy vì
* *
2 ui
var ui E ui 1
i
 Nhƣ vậy mô hình đã cho thỏa mãn tất cả các giả
thiết của mô hình hồi quy tuyến tính cổ điển.
 Thủ tục ƣớc lƣợng các tham số của hồi quy tổng
thể nhƣ sau::
 Lập hàm hồi quy mẫu:
* * * * *
Yi 1 X 0i 2 Xi ei*

 Để thu đƣợc ƣớc lƣợng bình phƣơng nhỏ nhất

tổng quát, ta cực tiểu hàm: 2
n n
ei*2 Yi* * *
1 X 0i
* *
2 Xi
i 1 i 1
 Hay: 2
n n n
ei2 Yi * X 0i * X 0i 1 * *
2
1 2 Yi 1 2 Xi
2 2
i 1 i i 1 i i i i 1 i

 Đặt wi=(1/i2) ta có thể viết ngay đƣợc các ƣớc

lƣợng:

 *
*
 1 Y* *
2X (4.4)
 n n n n
( Wi )( WiXiYi ) ( WiXi )( WiYi )
 * i 1 i 1 i 1 i 1 (4.5)
2 n n n
( Wi )( WiXi2 ) ( WiXi )2
i 1 i 1 i 1
*
 Phƣơng sai của 2 là:
n

 Wi (4.6)
* i 1
Var 2 n n n
( Wi )( WiXi2 ) ( WiXi )2
i 1 i 1 i 1
 IV. HẬU QUẢ CỦA VIỆC SỬ DỤNG PHƯƠNG
PHÁP BÌNH PHƯƠNG BÉ NHẤT KHI CÓ HIỆN
TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI
 Mục này ta sẽ xét xem hậu quả giả thiết phƣơng sai
của sai số không đổi không đƣợc thỏa mãn có ảnh
hƣởng nhƣ thế nào đến các ƣớc thu đƣợc.
 Chúng ta sẽ chỉ ra rằng:
 - Các ƣớc lƣợng bình phƣơng nhỏ nhất vẫn là
không chệch nhƣng không hiệu quả.
 - Ƣớc lƣợng của các phƣơng sai sẽ bị chệch, nhƣ
vậy làm mất hiệu lực kiểm định.
V. PHÁT HIỆN RA PHƯƠNG SAI CỦA SAI SỐ THAY ĐỔI
 Nhƣ chúng ta đã thấy về mặt lý thuyết là có thể
dễ dàng chỉ ra hậu quả của hiện tƣợng phƣơng
sai của sai số thay đổi, nhƣng việc phát hiện ra
hiện tƣợng này trong thực tế không phải là vấn
đề đơn giản.
 Vì sao vậy? Bởi vì chúng ta biết đƣợc chỉ khi
chúng ta có toàn bộ tổng thể tƣơng ứng với
những giá trị X đƣợc chọn, nhƣng điều này hầu
nhƣ hiếm xảy ra, nghĩa là chúng ta ít khi có
đƣợc toàn bộ tổng thể để nghiên cứu.
 Thông thƣờng ta chỉ có đƣợc mẫu rút ra đƣợc
từ tổng thể muốn nghiên cứu. Nhƣ vậy chúng ta
chỉ có những giá trị đơn của Y ứng với những
giá trị đã cho biết của biến X và lại không có
cách nào để xác định phƣơng sai từ giá trị đơn
của Y. Vậy làm thế nào để phát hiện ra phƣơng
sai của sai số thay đổi?
 Cũng nhƣ trong trƣờng hợp "đa cộng tính", ta
không có một phƣơng pháp chắc chắn phát hiện
ra hiện tƣợng phƣơng sai của sai số thay đổi.
Chúng ta chỉ có vài công cụ chuẩn đoán để có
thể phát hiện ra hiện tƣợng này.
 1. Bản chất của vấn đề nghiên cứu
 Thông thƣờng bản chất của vấn đề nghiên cứu gợi
ý cho chúng ta rằng có thể xảy ra hiện tƣợng:
Phƣơng sai của sai số thay đổi hay không? Trên
thực tế đối với số liệu chéo liên quan đến các đơn
vị không thuần nhất hay xảy ra hiện tượng phương
sai của sai số thay đổi.
 Chẳng hạn trong nghiên cứu số liệu chéo của chi
phí trung bình của sản xuất tùy theo sản lƣợng sản
phẩm đƣợc sản xuất ra, trong mẫu gồm những
doanh nghiệp có quy mô khác nhau, ngƣời ta
thƣờng thấy có hiện tƣợng phƣơng sai của sai số
thay đổi.
 2. Xem xét đồ thị của phần dư
 Đồ thị của phần dƣ đối với giá trị của biến độc
lập X hoặc giá trị dự đoán sẽ cho ta biết liệu
phƣơng sai của sai số có thay đổi hay không.
 Phƣơng sai của phần dƣ đƣợc chỉ ra bằng độ
rộng của biểu đồ rải của phần dƣ khi X tăng.
 Nếu độ rộng của biểu đồ rải phần dƣ tăng hoặc
giảm khi X tăng thì giả thiết về phƣơng sai
không đổi có thể không đƣợc thỏa mãn.
 3. Kiểm định Park


2
i
2
X i 2e vi

2 2
ln i ln 2 ln Xi vi

ln ei2 ln 2
2 ln Xi vi 1 2 ln Xi vi
 Nhƣ vậy để thực hiện kiểm định Park ta sẽ tiến
hành các bƣớc sau:
 Bước 1: Ƣớc lƣợng hồi quy gốc, cho dù có hoặc
không tồn tại hiện tƣợng phƣơng sai của sai số
thay đổi.
 Bước 2: Từ hồi quy gốc thu đƣợc các phần dƣ ei
sau đó bình phƣơng chúng đƣợc ei2 rồi lấy loga
 Bước 3: Ƣớc lƣợng hồi quy (4.9) trong đó biến
giải thích (Xi) là biến giải thích trong hồi quy
gốc, nếu có nhiều biến giải thích có thể ƣớc
lƣợng hồi quy đối với mỗi biến giải thích, hoặc
có thể ƣớc lƣợng hồi quy đối với Yi làm biến
giải thích.
 Bước 4: Kiểm định giả thiết H0 : 2 0
 nghĩa là không có hiện tƣợng phƣơng sai của sai
số thay đổi. Nếu có tồn tại mối liên hệ có ý nghĩa
về mặt thống kê giữa lne2 và lnX thì giả thiết H0
có thể bị bác bỏ, trong trƣờng hợp này ta phải
tìm cách khắc phục.
 Bước 5: Nếu giả thiết H0 đƣợc chấp nhận thì 1
trong hồi quy (4.9) có thể đƣợc giải thích nhƣ là
giá trị của phƣơng sai không đổi (1 =Ln2)
 Ví dụ: Từ phần dƣ đối với hàm tiêu dùng đƣợc
ƣớc lƣợng từ tập số liệu, ngƣời ta ƣớc lƣợng hồi
quy kết quả là nhƣ sau:
 ln e2 =-8,407406 + 2,617445 lnX
se (0,219) (0,619)
 Nhìn vào kết quả ta thấy có mối liên hệ có ý
nghĩa giữa lne2 và lnX nên giả thiết bị bác bỏ ở
mức ý nghĩa 5%, nghĩa là phƣơng sai của sai số
thay đổi.
 4. Kiểm địnhGlejser
 Kiểm định Glejser cũng tƣơng tự nhƣ kiểm
định Park. Sau khi thu đƣợc phần dƣ ei từ hồi
quy theo phƣơng pháp bình phƣơng nhỏ nhất,
Glejser đề nghị hồi quy giá trị tuyệt dối của ei
là |ei|đối với biến X nào mà có thể kết hợp chặt
chẽ với i2 . Trong thực nghiệm Glejser sử
dụng các dạng hàm sau
1
ei 1 2X i vi ei 1 2 Xi vi ei 1 2 vi
Xi

1
ei vi ei 2
1 2 ei vi 1 2X i vi
Xi 1 2
 trong đó vi là số hạng sai số.
 Giả thiết H0 trong mỗi trƣờng hợp đã nêu trên
là phƣơng sai của sai số đồng đều, nghĩa là .
Nếu giả thiết này bị bác bỏ thì có thể có hiện
tƣợng phƣơng sai của sai số thay đổi.
 Golđfel và Quandt đã chỉ ra rằng sai số vi trong
hồi quy của Glejser có một số vấn đề, nhƣ giá
trị kỳ vọng của nó khác không, nó có tƣơng
quan chuỗi.
 Tuy nhiên Glejser đã cho rằng trong mẫu lớn
thì 4 mô hình đầu cho ta kết quả tốt trong việc
vạch ra hiện tƣợng phƣơng sai của sai số thay
đổi (2 mô hình cuối cùng còn có vấn đề vì là
phi tuyến theo tham số, do đó, không thể ƣớc
lƣợng bằng thủ tục bình phƣơng nhỏ nhất thông
thƣờng).
 Do vậy mà kiểm định Glejser đƣợc sử dụng
nhƣ là một công cụ để chẩn đoán trong mẫu
lớn.
 6. Kiểm định Goldfeld- Quandt
 Nếu giả thiết rằng phƣơng sai của sai số thay đổi,
có thể liên hệ dƣơng với một trong các biến giải
thích trong mô hình hồi quy thì ta có thể sử dụng
kiểm định này. Để đơn giản hãy xét mô hình 2
biến:
Yi 1 2X i ui
Giả sử 2 có liên hệ dƣơng với biến X theo cách
sau:
2 2 2
 i Xi
(4.20)
 Trong đó 2 là hằng số.
 Giả thiết này có nghĩa là i2 tỉ lệ với bình
phƣơng của biến X. Nếu giả thiết (4.20) là thích
hợp thì điều này có ý nghĩa là khi X tăng i2
cũng tăng.
 Thủ tục kiểm định Goldfeld-Quandt gồm các
bƣớc sau:
 Bước 1: Sắp xếp các quan sát theo thứ tự tăng
dần về giá trị của biến X.
 Bước 2: Bỏ quan sát ở giữa theo cách sau:
 Đối với mô hình 2 biến:
 c = 4 nếu cỡ mẫu khoảng n = 30
 c = 10 nếu cỡ mẫu khoảng n = 60.
 và chia số quan sát còn lại thành hai nhóm,
trong đó mỗi nhóm có (n-c)/2 quan sát.
 Bước 3: Sử dụng phƣơng pháp bình phƣơng bé
nhất ƣớc lƣợng tham số của các hàm hồi quy
đối với (n-c)/2 quan sát đầu và cuối; thu đƣợc
tổng bình phƣơng các phần dƣ RSS1, RSS2
tƣơng ứng. Trong đó RSS1 đại diện cho RSS từ
hồi quy ứng với các giá trị của Xi nhỏ hơn RSS2
- ứng với các giá trị Xi lớn hơn
 . Bậc tự do tƣơng ứng là ((n-c)/2)-k . Trong đó
k là tham số đƣợc ƣớc lƣợng kể cả hệ số chặn
(trƣờng hợp 2 biến k = 2).
 Bước 4: Tính tỉ số RSS / df
2
RSS1 / df

 Nếu ui là phân phối chuẩn và nếu giả thiết về

phƣơng sai có điều kiện không đổi đƣợc thỏa
mãn thì tuân theo phân phối F với bậc tự do ở
tử số và mẫu số là (n- c- 2k)/ 2.
 Trong thực hành, nếu  tính đƣợc lớn hơn
điểm tới hạn F ở mức ý nghĩa mong muốn, thì
chúng ta có thể từ bỏ giả thiết H0: phƣơng sai
có điều kiện không đổi, nghĩa là có thể nói
phƣơng sai của sai số thay đổi.
 Chú ý rằng trong trƣờng hợp các biến giải thích
X nhiều hơn 1 thì việc sắp xếp các quan sát
trong kiểm định ở bƣớc 1 có thể làm đối với
một biến bất kỳ trong các biến giải thích đó.
Chúng ta có thể tiến hành kiểm định Park đối
với mỗi biến X.
 7. Kiểm định Breusch- Pagan
 Kết quả của kiểm định Goldefeld-Quandt
không chỉ phụ thuộc vào số các giá trị bị bỏ đi
mà còn phụ thuộc vào biến độc lập nào đƣợc
chọn ra để sắp xếp lại các giá trị của nó. Kiểm
định Breusch - Pagan sẽ khắc phục đƣợc nhƣợc
điểm này.
 Xét mô hình k biến sau:
 (4.21)
Yi i 2X2i ... k Xki ui
 Giả sử phƣơng sai của sai số i2 đƣợc miêu tả
nhƣ là hàm của các biến phi ngẫu nhiên Zi, Zi là
các biến Xi (một số hoặc tất cả) có ảnh hƣởng
đến i2 , có dạng: 2
i f z2i , z 3i ,..., zni

 f(…) là hàm tuyến tính hoặc dạng loga. Đặc
biệt ta giả thiết
 2
Z ... Z (4.22)
i 1 2 2i m mi

 Từ (4.22) ta thấy rằng nếu 2 =3 =... m=0, thì

 i2 =1(hằng số).
 Do vậy việc kiểm định xem liệu có thay đổi
hay không, ngƣời ta có thể kiểm định giả
thiết . H : ... 0
0 2 3 m
Đó chính là tƣ tƣởng cơ bản của kiểm định
Breusch-Pagan. Thủ tục kiểm định đƣợc tiến
hành nhƣ sau:
 Bước 1: Ƣớc lƣợng (4.21) bằng phƣơng pháp
bình phƣơng bé nhất để thu đƣợc các phần dƣ
e1, e2, ..., en n
2
 Bƣớc 2 : Tính ei
2 i 1
i
n
 2 2
 Bước 3: Xây dựng biến pi ei /
 Bước 4: Hồi quy pi theo các biến Zi dƣới dạng
 pi 1 2Z2i ... mZmi vi
(4.23)
 Trong đó vi là số hạng ngẫu nhiên của hồi quy
này.
 Bước 5: Thu đƣợc ESS (tổng các bình phƣơng
đƣợc giải thích), từ (4.23) và xác định:
 1
ESS (4.24)
2
 Giả thiết rằng ui có phân phối chuẩn và khi cỡ
mẫu n tăng lên vô hạn thì
2
. m 1

 Tức là  sẽ xấp xỉ 2 với m-1 bậc tự do.

 Nhƣ vậy nếu trong áp dụng mà ta tính đƣợc 
vƣợt điểm tới hạn 2 (m-1) với mức ý nghĩa đã
chọn, thì chúng ta bác bỏ giả thiết H0 về tính
đồng phƣơng sai. Ngƣợc lại có thể chấp nhận
nó
 8. Kiểm định White
 Kiểm định Breusch - Pagan đòi hỏi u có phân bố
chuẩn, White đề nghị một thủ tục không đòi hỏi u có
phân bố chuẩn.
 Kiểm định này là một kiểm định tổng quát về sự
thuần nhất của phƣơng sai. Xét mô hình sau đây:
 Yi i 2X2i 3X3i ui (4.25)
 Giả thiết kiểm định: vậy việc kiểm định xem liệu có
thay đổi hay không, ngƣời ta có thể kiểm định giả
thiết:
H0 : 2 3 ... m 0
 Bước 1: Ƣớc lƣợng (4.25) bằng OLS. Từ đó thu
đƣợc các phần dƣ tƣơng ứng ei.
 Bước 2: Ƣớc lƣợng một trong các mô hình sau
đây:
2 2 2
 ei 1 X
2 2i X
3 3i X
4 2i 5 3i V2i
X (4.26a)
 hoặc mô hình
2 2 2
 ei 1 2 X 2i 3 X 3i 4 X 2i 5 X 3i 6 (X 3i )(X2i ) Vi

(4.26b)
 Mô hình phải có hệ số chặn bất kể mô hình gốc
có hay không có hệ số chặn.
H0 : 2 3 ... m 0
 Bước 3: Với H0: phƣơng sai của sai số không đổi. có
2
thể chỉ ra rằng: nR có phân bố xấp xỉ
2 df , df bằng số
hệ số của mô hình (4.26a và 4.26b) không kể hệ số
chặn.
 Bước 4: Nếu nR2 không vƣợt quá giá trị tới hạn, thì giả
thiết H0 không có cơ sở bị bác bỏ. Trong trƣờng hợp
ngƣợc lại giả thiết H0 bị bác bỏ.
 Ta có thể nhận thấy rằng bậc tự do của nR2 tăng nhanh
khi có thêm biến độc lập. Trong trƣờng hợp có sai lầm
chỉ định, kiểm định White có thể đƣa ra nhận định sai
là phƣơng sai của sai số thay đổi trong khi phƣơng sai
của sai số là đồng đều.
 V. BIỆN PHÁP KHẮC PHỤC

 Nhƣ chúng ta đã biết phƣơng sai của sai số thay

đổi không phá hủy tính không chệch và tính
vững của các ƣớc lƣợng bình phƣơng bé nhất,
nhƣng nó làm cho các ƣớc lƣợng đó không còn
là ƣớc lƣợng hiệu quả nữa.
 Vì thế biện pháp khắc phục là hết sức cần thiết.
Việc chữa chạy căn bệnh này phụ thuộc chủ
yếu vào liệu đƣợc biết hay chƣa.
 Ta phân biệt 2 trƣờng hợp.
 1. 2 Đã biết: Khi 2 đã biết, chúng ta có thể dễ dàng
khắc phục căn bệnh đó bằng cách sử dụng phƣơng
pháp bình phƣơng nhỏ nhất tổng quát đã trình bày ở
trên.
 2. 2 Chưa biết: Nếu chúng ta muốn sử dụng phƣơng
pháp bình phƣơng nhỏ nhất tổng quát thì cần có những
giả thiết nhất định về 2 và biến đổi mô hình hồi quy
gốc sao cho mô hình đã đƣợc biến đổi này thỏa mãn
giả thiết phƣơng sai sai số không đổi.
 Phƣơng pháp bình phƣơng nhỏ nhất sẽ đƣợc áp dụng
cho mô hình đã đƣợc biến đổi nhƣ đã chỉ ra trƣớc đây,
phƣơng pháp bình phƣơng nhỏ nhất tổng quát là
phƣơng pháp bình phƣơng nhỏ nhất áp dụng cho tập
số liệu đã đƣợc biến đổi.
 Chúng ta sẽ minh họa cho các phép biến đổi
này qua việc sử dụng mô hình hồi quy 2 biến,
gọi là mô hình gốc:

Yi 1 2X i ui
(4.28)
 Giả sử mô hình này thỏa mãn các giả thiết của
mô hình hồi quy tuyến tính cổ điển trừ giả thiết
phƣơng sai của sai số không đổi. Chúng ta xét
một biến giả thiết sau về phƣơng sai của sai số.
Những dạng này tuy chƣa bao quát đƣợc tất cả
nhƣng phổ biến.
 Giả thiết 1: Phƣơng sai của sai số tỉ lệ với bình
phƣơng của biến giải thích:

E U i2 2 2
Xi
(4.29)
 Nếu bằng phƣơng pháp đồ thị hoặc cách tiếp
cận Park hoặc Glejser... chỉ ra rằng có thể
phƣơng sai ui tỉ lệ với bình phƣơng của biến
giải thích X thì chúng ta có thể biến đổi mô
hình gốc theo cách sau:
 Chia 2 vế của mô hình gốc cho ;
Yi 1 ui 1 (4.30)
2 1 2 vi
Xi Xi Xi Xi
ui
 Trong đó vi là số hạng nhiễu đã đƣợc
Xi

2 2
 biến đổi và rõ ràng rằng E vi , thực
vậy:
2 2 2
 2 ui 1 Xi
E vi E E u 2 i
2
Xi Xi2 Xi2
 Nhƣ vậy tất cả các giả thiết của mô hình hồi
quy tuyến tính cổ điển đƣợc thỏa mãn nên ta có
thể áp dụng phƣơng pháp bình phƣơng nhỏ nhất
cho phƣơng trình đã đƣợc biến đổi.
 Hồi quy Yi theo 1 . Chú ý rằng trong hồi
Xi Xi

 quy đã đƣợc biến đổi thì số hạng chặn 2 là

hệ số góc trong phƣơng trình hồi quy gốc và
 hệ số góc 1 là số hạng chặn trong mô hình
hồi quy gốc.
 Giả thiết 2: Phƣơng sai của sai số tỉ lệ với biến
giải thích X 2 2
 E ui Xi
 Nếu sau khi ƣớc lƣợng hồi quy bằng phƣơng
pháp bình phƣơng nhỏ nhất thông thƣờng,
chúng ta vẽ đồ thị của phần dƣ này đối với biến
giải thích X và quan sát thấy hiện tƣợng
phƣơng sai của sai số liên hệ tuyến tính với
biến giải thích hoặc bằng cách nào đó có thể tin
tƣởng nhƣ vậy thì mô hình gốc sẽ đƣợc biến đổi
nhƣ sau:
 Với mỗi i chia cả 2 vế của mô hình gốc cho Xi
 (với Xi > 0)
Yi ui 1
 2 Xi 1 2 Xi vi (4.31)
Xi Xi Xi Xi
ui
 trong đó vi và có thể thấy ngay rằng E vi2 . 2
Xi
 Chú ý: Mô hình (4.31) là mô hình không có hệ số
chặn cho nên ta sẽ sử dụng mô hình hồi quy qua
gốc để ƣớc lƣợng 1 và 2, sau khi ƣớc lƣợng
(4.31) chúng ta sẽ trở lại mô hình gốc bằng cách
nhân cả hai vế (4.31) với Xi .
 Giả thiết 3: Phƣơng sai của sai số tỉ lệ với bình
phƣơng của giá trị kỳ vọng của Y, nghĩa là .
2
E ui2
E Yi 2

 Khi đó thực hiện phép biến đổi nhƣ sau:

 Yi 1 2
Xi
ui
1
1
2
1
Xi vi (4.32)
E Yi E Yi E Yi E Yi E Yi E Yi

ui 2
 trong đó vi E Yi
,Var v i
 .
 Nghĩa là nhiều vi có phƣơng sai không đổi. Điều
này chỉ ra rằng hồi quy (4.32) thỏa mãn giả thiết
phƣơng sai không đổi mô hình hồi quy tuyến tính
cổ điển.
 Tuy nhiên phép biến đổi (4.32) vẫn chƣa thực
hiện đƣợc vì bản thân E(Yi) phụ thuộc vào 1,
2 trong khi đó lại chƣa biết:
 Nhƣng chúng ta biết Yi 1 2X i

 là ƣớc lƣợng của E(Yi), do đó có thể tiến hành

theo 2 bƣớc sau:
 Bước 1: Ƣớc lƣợng mô hình hồi quy
Yi 1 2X i ui
 bằng phƣơng pháp bình phƣơng bé nhất thông
thƣờng, thu đƣợc Y.i
 Sau đó sử dụng Yi ,để biến đổi mô hình gốc thành
dạng nhƣ sau:
 Yi 1 Xi (4.33)
1 2 vi
Yi Yi Yi
ui
 trong đó vi .
Yi

 Bước 2: Ƣớc lƣợng hồi quy (4.33), dù Yi không

chính xác là E(Yi), nhƣng chúng là ƣớc lƣợng vững,
nghĩa là khi cỡ mẫu tăng lên vô hạn thì chúng hội tụ
đến E(Yi) vì vậy phép biến đổi (4.33) có thể sử dụng
trong thực hành khi cỡ mẫu tƣơng đối lớn.
 Giả thiết 4: Phép biến đổi loga
 Đôi khi thay cho việc dự đoán về 2 ngƣời ta
định dạng lại mô hình. Chẳng hạn thay cho việc
ƣớc lƣợng hồi quy gốc dạng (4.1) có thể ta sẽ
ƣớc lƣợng hồi quy:
lnYi 1 2 ln Xi ui
 (4.34)
 Việc ƣớc lƣợng hồi quy (4.34) có thể làm giảm
hiện tƣợng phƣơng sai của sai số thay đổi do
tác động của phép biến đổi loga. Một trong ƣu
thế của phép biến đổi loga là hệ số góc là độ co
giãn của Y đối với X.
 Trƣớc khi kết thúc chƣơng này ta cần lƣu ý một
số vấn đề sau:
 Hiện tƣợng mà chúng ta đang bàn đến là tƣơng
đối phổ biến, cho nên biện pháp khắc phục nó
là rất quan trọng. Nhƣng biện pháp khắc phục
có tốt hay không trƣớc hết dựa vào chuẩn đoán
đúng bệnh. Vì vậy, cả hai vấn đề chuẩn đoán và
chữa đều quan trọng.
 Vì thế cần phải lƣu ý một số vấn đề nhƣ:
 Khi nghiên cứu mô hình có nhiều biến giải
thích thì việc chọn biến nào để biến đổi cần
phải có xem xét cẩn thận.
 Phép biến đổi lôga không dùng đƣợc khi các
giá trị X hoặc Y là âm.
 Khi 2 chƣa biết, nó đƣợc ƣớc lƣợng từ một
trong các cách biến đổi trên. Tất cả các kiểm
định t, F mà chúng ta sử dụng chỉ có hiệu lực
trong những mẫu lớn, do đó, chúng ta phải cẩn
thận khi giải thích các kết quả dựa trên các
phép biến đổi khác nhau trong các mẫu nhỏ.