Bộ môn Kinh tế lượng – Học viện Tài chính

Nội dung
2.1. Phân tích hồi quy
2.2. Phương pháp bình phương nhỏ nhất
2.3. Hệ số xác định và kiểm định sự phù hợp của mô hình hồi quy
2.4. Khoảng tin cậy và kiểm định giả thuyết
2.5. Dự báo
2.6. Đơn vị trong mô hình hồi quy tuyến tính
2.7. Một số dạng hàm hồi quy

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 2

 2.1. Phân tích hồi quy
Khái niệm phân tích hồi quy
 Regression được Francis Galton sử dụng 1886 trong bài báo nghiên cứu về
di truyền.
 Phân tích hồi quy: Nghiên cứu mối quan hệ phụ thuộc của một biến (biến
phụ thuộc hoặc biến được giải thích) vào một hay nhiều biến khác (biến độc
lập hoặc biến giải thích) trong đó ước lượng giá trị trung bình của biến phụ
thuộc theo các giá trị đã cho của biến độc lập.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 3

 2.1. Phân tích hồi quy
Ví dụ: Đánh giá tác động của số năm đào tạo chính thức (X – Năm) lên tiền
lương theo 1 giờ (Y – USD)
Đặt:
+ Tiền lương - Biến phụ thuộc hay còn được gọi là: Biến được giải thích,
biến được dự báo, biến được hồi quy.
+ Số năm đào tạo - Biến độc lập còn được gọi là: Biến giải thích, biến dự
báo, biến hồi quy.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 4

 2.1. Phân tích hồi quy
 Mô hình hồi quy biểu diễn mối quan hệ giữa 𝑌 và 𝑋:
𝑌 =𝑓 𝑋 +𝑢
Giả sử 𝑌 và 𝑋 là quan hệ tuyến tính:
𝑌 = 𝛽1 + 𝛽2 𝑋 + 𝑢
Trong đó: 𝛽1 , 𝛽2 là tham số (hệ số);
𝑢 được giả thiết độc lập với 𝑋 và 𝐸 𝑢 𝑋𝑖 = 0.
 Phân tích hồi quy xem xét kỳ vọng của 𝑌 theo 𝑋 ta có:
𝐸(𝑌|𝑋) = 𝛽1 + 𝛽2 𝑋

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 5

 2.1. Phân tích hồi quy
Mục đích của phân tích hồi quy:
 Ước lượng giá trị trung bình của biến phụ thuộc khi biết giá trị xác định
của biến độc lập;

 Kiểm định các giả thuyết về bản chất của mối quan hệ giữa biến phụ thuộc
và biến độc lập mà lý thuyết kinh tế đưa ra;

 Dự báo giá trị trung bình và giá trị cá biệt của biến phụ thuộc ứng với giá
trị dự đoán của các biến độc lập phù hợp với mẫu.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 6

 2.1. Phân tích hồi quy
2.1.1. Hồi quy tổng thể
Tổng thể kích thước 𝑁, nghiên cứu sự phụ thuộc của 𝑌 vào 𝑋
 Hàm hồi quy tổng thể - PRF (Population Regression Function)
𝐸 𝑌 𝑋 = 𝑋𝑖 = 𝑓 𝑋𝑖
Giả sử mối quan hệ 𝑌, 𝑋 là tuyến tính,
PRF: 𝐸 𝑌 𝑋 = 𝑋𝑖 = 𝛽1 + 𝛽2 𝑋𝑖
Trong đó: 𝐸 𝑌 𝑋 = 𝑋𝑖 : Kỳ vọng của 𝑌 tại 𝑋 = 𝑋𝑖
𝛽1 , 𝛽2 : Tham số (hệ số) hồi quy
Ý nghĩa PRF: Biểu diễn mối quan hệ giữa giá trị trung bình của biến phụ
thuộc (𝑌) theo các giá trị đã cho của biến độc lập (𝑋).
1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 7
 2.1. Phân tích hồi quy
Ý nghĩa của các hệ số hồi quy:
𝛽1 : Cho biết giá trị trung bình của 𝑌 khi 𝑋 = 0.
𝛽2 : Cho biết khi 𝑋 thay đổi 1 đơn vị thì giá trị trung bình của 𝑌 thay
đổi 𝛽2 đơn vị.
 Mô hình hồi quy tổng thể - PRM (Population Regression Model)
Mô hình hồi quy tổng thể tương ứng với hàm đã xây dựng:
𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖 (𝑖 = 1 ÷ 𝑁)
Trong đó 𝑢 là sai số ngẫu nhiên.
𝑢𝑖 = 𝑌𝑖 − 𝐸(𝑌𝑖 )
PRM biểu diễn mối quan hệ giữa giá trị cá biệt của 𝑌 theo 𝑋.
1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 8
 2.1. Phân tích hồi quy
2.1.2. Hồi quy mẫu
Lấy mẫu có kích thước 𝑛 (𝑋1 ; 𝑌1 ), 𝑋2 ; 𝑌2 … . ((𝑋𝑛 ; 𝑌𝑛 ) để ước lượng 𝛽መ1 , 𝛽መ2
 Hàm hồi quy mẫu - SRF (Sample Regression Function)
SRF: 𝑌෠𝑖 = 𝑓 𝑋𝑖
Dựa vào dạng hàm của PRF đã xây dựng ở trên thì SRF có dạng:
𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖
Trong đó:

𝛽መ1 , 𝛽መ2 : Hệ số hồi quy ước lượng và là ước lượng điểm của 𝛽1 ; 𝛽2
𝑌෠𝑖 : Giá trị ước lượng thu được từ hàm và là ước lượng điểm của 𝐸(𝑌𝑖 )

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 9

 2.1. Phân tích hồi quy
 Mô hình hồi quy mẫu - SRM (Sample Regression Model)

Sai lệch của 𝑌𝑖 với 𝑌෠𝑖 gọi là phần dư (𝑒𝑖 ).

𝑒𝑖 = 𝑌𝑖 − 𝑌෠𝑖

Ta có: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖 gọi là mô hình hồi quy mẫu (SRM)

Trong đó:

𝑒𝑖 : Phần dư (số dư) – là ước lượng điểm của 𝑢𝑖

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 10

2.2. Phương pháp bình phương nhỏ nhất (OLS)
 OLS – Ordinary Least Squares
 Phương pháp OLS được giới thiệu lần đầu tiên bởi Gauss vào những năm
cuối thế kỷ 18 và đã được sử dụng rộng rãi trong nhiều lĩnh vực.
 Dựa trên một mẫu, xây dựng hàm hồi quy mẫu sao cho tổng bình phương
phần dư là nhỏ nhất.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 11

2.2. Phương pháp bình phương nhỏ nhất (OLS)
Từ tổng thể 𝑁 có hàm và mô hình hồi quy tổng thể:
PRF: 𝐸(𝑌𝑖 ) = 𝛽1 + 𝛽2 𝑋𝑖
PRM: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
Với mẫu 𝑊 = {(𝑋𝑖 , 𝑌𝑖 ), 𝑖 = 1 ÷ 𝑛}, ước lượng 𝛽መ1 , 𝛽መ2 và thu được:
SRF: 𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖
SRM: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 12

2.2. Phương pháp bình phương nhỏ nhất (OLS)

 Mục tiêu: Tìm 𝛽መ1 ; 𝛽መ2 sao cho sai lệch giữa giá trị thực tế 𝑌𝑖 so với giá trị ước
lượng thu được từ hàm hồi quy mẫu 𝑌෠𝑖 là nhỏ nhất.
 Phương pháp OLS là tìm các ước lượng điểm 𝛽መ1 ; 𝛽መ2 sao cho tổng bình phương
các phần dư (Residual sum of squares - RSS) là nhỏ nhất.
Tức là tìm 𝛽መ1 ; 𝛽መ2 sao cho
2
RSS = σ𝑛𝑖=1 𝑌𝑖 − 𝑌ത 2
= σ𝑛𝑖=1 𝑌𝑖 − 𝛽መ1 − 𝛽መ2 𝑋𝑖 → 𝑚𝑖𝑛  σ𝑛𝑖=1 𝑒𝑖2 → 𝑀𝑖𝑛

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 13

2.2. Phương pháp bình phương nhỏ nhất (OLS)
𝑛 𝑛
𝜕𝑅𝑅𝑆
= −2 ෍ 𝑌𝑖 − 𝛽መ1 − 𝛽መ2 𝑋𝑖 = 0 ෍ 𝑒𝑖 = 0
𝜕𝛽መ1 𝑖=1 𝑖=1
𝑛 <=> 𝑛
𝜕𝑅𝑅𝑆
= −2 ෍ 𝑌𝑖 − 𝛽መ1 − 𝛽መ2 𝑋𝑖 𝑋𝑖 = 0 ෍ 𝑒𝑖 𝑋𝑖 = 0
𝜕 𝛽መ2
𝑖=1 𝑖=1

𝛽መ1 = 𝑌ത − 𝛽መ2 𝑋ത
=> ൞ መ σ𝑛𝑖=1 𝑥𝑖 𝑦𝑖
𝛽2 = σ𝑛 𝑥 2
𝑖=1 𝑖

1 𝑛 1 𝑛
ത ത ത 𝑦𝑖 = 𝑌𝑖 − 𝑌ത
Trong đó: 𝑋 = σ𝑖=1 𝑋𝑖 ; 𝑌 = σ𝑖=1 𝑌𝑖 ; 𝑥𝑖 = 𝑋𝑖 − 𝑋;
𝑛 𝑛

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 14

2.2. Phương pháp bình phương nhỏ nhất (OLS)
Ví dụ 2.1 (Giáo trình)
Ví dụ 2.2: Đánh giá ảnh hưởng của tỷ lệ cho vay – 𝐿𝑂𝐴𝑁 (%) tác động đến tỷ
suất sinh lời trên vốn chủ sở hữu – 𝑅𝑂𝐸 (%) của 21 ngân hàng thương mại cổ
phần Việt Nam năm 2019.
 Lựa chọn biến:
Biến phụ thuộc: Tỷ suất sinh lời trên vốn chủ sở hữu – 𝑅𝑂𝐸 (%)
Biến độc lập: Tỷ lệ cho vay – 𝐿𝑂𝐴𝑁 (%);

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 15

2.2. Phương pháp bình phương nhỏ nhất (OLS)
Bảng 2.1: Bảng dữ liệu 𝑅𝑂𝐸 và 𝐿𝑂𝐴𝑁
MÃ CK Loan (%) ROE (%)
ACB 0.8851 0.2520
EIB 0.8653 0.2393
HDB 0.8571 0.2393
KLB 0.8519 0.2361
MBB 0.8449 0.2352
LBP 0.8437 0.2321
MSB 0.8429 0.2291
NAB 0.8408 0.2255
NCB 0.8375 0.2208
OCB 0.8373 0.2197
SCB 0.8274 0.2175
VPB 0.8239 0.2169
PGB 0.8238 0.2169
SHB 0.8233 0.2117
STB 0.8229 0.2089
TCB 0.8198 0.2057
SGB 0.8182 0.2049
VIB 0.8156 0.1902
SEAB 0.8152 0.1879
TPB 0.8152 0.1864
VAB 0.8137 0.1835

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 16

2.2. Phương pháp bình phương nhỏ nhất (OLS)
Bảng 2.2: Kết quả ước lượng bằng phần mềm EViews

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 17

2.2. Phương pháp bình phương nhỏ nhất (OLS)
Từ báo cáo thu được hàm hồi quy mẫu:
෣𝑖 = 𝛽መ1 + 𝛽መ2 𝐿𝑂𝐴𝑁𝑖 = −0.5511 + 0.9254𝐿𝑂𝐴𝑁𝑖
SRF: 𝑅𝑂𝐸
Ý nghĩa kinh tế của hệ số hồi quy (giả thiết mô hình đủ tốt):
𝛽መ2 = 0.9254 cho biết khi tỷ lệ cho vay tăng (giảm) 1% thì tỷ suất sinh lời trên
vốn chủ sở hữu bình quân tăng (giảm) 0.9254%.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 18

2.2. Phương pháp bình phương nhỏ nhất (OLS)
2.2.2. Các tính chất của các ước lượng OLS
Tính chất của các tham số ước lượng
 Với mỗi mẫu dữ liệu thì 𝛽መ1 , 𝛽መ2 là duy nhất
 𝛽መ1 , 𝛽መ2 là các ước lượng điểm của 𝛽1 , 𝛽2 khi mẫu thay đổi thì giá trị 𝛽መ1 , 𝛽መ2 là
biến ngẫu nhiên.
Tính chất của hàm hồi quy
 Tổng và trung bình các phần dư bằng 0: σ𝑛𝑖=1 𝑒𝑖 = 0

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 19

2.2. Phương pháp bình phương nhỏ nhất (OLS)
 Không có quan hệ tương quan giữa phần dư và biến độc lập 𝑋:
𝑛

𝐶𝑜𝑣 𝑒𝑖 , 𝑋𝑖 = ෍ 𝑒𝑖 𝑋𝑖 = 0
𝑖=1
 Trung bình quan sát của biến phụ thuộc bằng trung bình các ước lượng của nó:
𝑌ത = 𝑌ത෠
 Đường SRF đi qua trung bình mẫu 𝑋; ത 𝑌ത :
𝑌ത = 𝛽መ1 + 𝛽መ2 𝑋ത
 Không có quan hệ tương quan giữa phần dư và 𝑌෠𝑖 :
𝐶𝑜𝑣 𝑒𝑖 , 𝑌෠𝑖 = σ𝑛𝑖=1 𝑒𝑖 𝑌෠𝑖 = 0

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 20

 2.2. Phương pháp bình phương nhỏ nhất (OLS)
2.2.3. Các giả thiết OLS
 GT1: Mô hình hồi quy tuyến tính theo tham số.
 GT2: Kỳ vọng của các sai số ngẫu nhiên bằng 0: 𝐸 𝑢 𝑋𝑖 = 0 ∀𝑖.
 GT3: Phương sai của sai số ngẫu nhiên không đổi (đồng nhất).
𝑉𝑎𝑟 𝑢|𝑋𝑖 = 𝑉𝑎𝑟 𝑢|𝑋𝑗 = 𝜎 2 , ∀𝑖 ≠ 𝑗.
 GT4: Không có quan hệ tương quan giữa các sai số ngẫu nhiên.
𝐶𝑜𝑣 𝑢𝑖 ; 𝑢𝑗 = 0, ∀𝑖 ≠ 𝑗.
 GT5: Biến độc lập 𝑋 không ngẫu nhiên.
 GT6: Sai số ngẫu nhiên có phân phối chuẩn: 𝑢𝑖 ~𝑁 0; 𝜎 2 , ∀𝑖.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 21

2.2. Phương pháp bình phương nhỏ nhất (OLS)
Định lý Gauss – Markov:
Mô hình hồi quy thỏa mãn các giả thiết 1 – 5 thì các ước lượng bình
phương nhỏ nhất là ước lượng tuyến tính, không chệch, phương sai nhỏ nhất
trong lớp các ước lượng tuyến tính không chệch (BLUE)
Các tham số đặc trưng
 Phương sai của các ước lượng:
𝑛 2 2
σ 𝑋 𝑖 𝜎
𝑉𝑎𝑟 𝛽መ1 = 𝜎 2 𝑖=1 ; 𝑉𝑎𝑟 መ2 =
𝛽
𝑛 σ𝑛𝑖=1 𝑥𝑖2 𝑛 σ𝑛𝑖=1 𝑥𝑖2

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 22

2.2. Phương pháp bình phương nhỏ nhất (OLS)
 Độ lệch chuẩn của các hệ số hồi quy:

σ𝑛𝑖=1 𝑋𝑖2 1
𝑆𝐷 𝛽መ1 =𝜎 𝑛
መ
; 𝑆𝐷 𝛽2 = 𝜎
𝑛 σ𝑖=1 𝑥𝑖 2
𝑛 σ𝑛𝑖=1 𝑥𝑖2

σ𝑛 2
𝑖=1 𝑒𝑖
 Phương sai mẫu: 𝜎ො 2 = (𝑛−2)

 Sai số chuẩn của các hệ số hồi quy:

σ𝑛𝑖=1 𝑋𝑖2 1
𝑆𝑒 𝛽መ1 = 𝜎ො 𝑛
መ
; 𝑆𝑒 𝛽2 = 𝜎ො
𝑛 σ𝑖=1 𝑥𝑖 2
𝑛 σ𝑛𝑖=1 𝑥𝑖2

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 23

2.3. Hệ số xác định và KĐ sự phù hợp của MH HQ
Xét hàm hồi quy mẫu: 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖 + 𝑒𝑖
Kí hiệu:
𝑇𝑆𝑆 = σ𝑛𝑖=1 𝑦𝑖2 = σ𝑛𝑖=1 𝑌𝑖 − 𝑌ത 2
= 𝑛 − 1 𝑆𝐷 𝑌 2
(Total sum of squared)
2
𝐸𝑆𝑆 = σ𝑛𝑖=1 𝑦ො𝑖2 = σ𝑛𝑖=1 𝑌෠𝑖 − 𝑌ത = 𝛽መ22 σ𝑛𝑖=1 𝑥𝑖2 (Explained sum of squared)

RSS = σ𝑛𝑖=1 𝑒𝑖2 = 𝑛 − 2 𝜎ො 2 (Sum squared resid)

𝐸𝑆𝑆 𝑅𝑆𝑆
Ta có: 𝑇𝑆𝑆 = 𝐸𝑆𝑆 + 𝑅𝑆𝑆 1 = 𝑇𝑆𝑆
+ 𝑇𝑆𝑆

𝐸𝑆𝑆
Tỷ số: 𝑇𝑆𝑆
kí hiệu là 𝑅 2 được gọi là hệ số xác định.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 24

2.3. Hệ số xác định và KĐ sự phù hợp của MH HQ
𝐸𝑆𝑆 σ𝑛 𝑥𝑖2 𝑅𝑆𝑆 ෝ2
𝑛−2 𝜎
2
 𝑅 = 𝑇𝑆𝑆
= 𝛽መ2 σ𝑛 𝑦2
2 𝑖=1
=1− 𝑇𝑆𝑆
=1− 𝑛−1 𝑆𝐷 𝑌 2
𝑖=1 𝑖

 Ý nghĩa: 𝑅 2 đo phần trăm sự biến động của biến phụ thuộc 𝑌 được giải
thích thông qua hàm hồi quy mẫu (Biến độc lập).
 Tính chất:
+ 0 ≤ 𝑅2 ≤ 1
+ 𝑅 2 = 0 Mô hình hồi quy không phù hợp.
+ 𝑅 2 = 1  𝑋 và 𝑌 là quan hệ hàm số. Mô hình hồi quy không có ý nghĩa.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 25

2.3. Hệ số xác định và KĐ sự phù hợp của MH HQ
Kiểm định sự phù hợp của mô hình hồi quy:

H0: Mô hình hồi quy không phù hợp 𝐻0 : 𝑅2 = 0 𝐻0 : 𝛽2 = 0

൝ ൝ ቊ
H1: Mô hình hồi quy phù hợp 2
𝐻1 : 𝑅 > 0 𝐻1 : 𝛽2 ≠ 0
 Kiểm định 𝐹:
𝑅 2 /(1) 1;𝑛−2
Tiêu chuẩn kiểm định: 𝐹 = ~𝐹
(1−𝑅2 )/(𝑛−2)
1;𝑛−2
Miền bác bỏ: 𝑊𝛼 = {𝐹: 𝐹 > 𝐹𝛼 }
 Sử dụng 𝑃 − 𝑣𝑎𝑙𝑢𝑒 :
𝑃 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼  thì bác bỏ giả thuyết 𝐻0.
𝑃 − 𝑣𝑎𝑙𝑢𝑒 > 𝛼  thì chưa có cơ sở bác bỏ giả thuyết 𝐻0.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 26

 2.4. Khoảng tin cậy và kiểm định giả thuyết
2.4.1. Khoảng tin cậy của hệ số hồi quy 𝜷𝒋
2.4.2. Kiểm định giả thuyết đối với hệ số hồi quy 𝜷𝒋
2.4.3. Khoảng tin cậy của phương sai sai số ngẫu nhiên 𝝈𝟐
2.4.3. Kiểm định giả thuyết đối với phương sai sai ngẫu nhiên 𝝈𝟐

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 27

 2.4. Khoảng tin cậy và kiểm định giả thuyết
2.4.1. Khoảng tin cậy của hệ số hồi quy 𝜷𝒋
෡𝑗 −𝛽𝑗
𝛽 𝑛−2
Chọn thống kê 𝑇= ෡𝑗 ) ~𝑇
𝑆𝑒(𝛽

Với độ tin cậy 1 − 𝛼 có khoảng tin cậy:

መ መ (𝑛−2) መ መ (𝑛−2)
 Khoảng tin cậy 2 phía: 𝛽𝑗 − 𝑆𝑒(𝛽𝑗 )𝑇𝛼/2 ≤ 𝛽𝑗 ≤ 𝛽𝑗 + 𝑆𝑒(𝛽𝑗 )𝑇𝛼/2

መ መ (𝑛−2)
 Khoảng tin cậy bên trái: 𝛽𝑗 ≤ 𝛽𝑗 + 𝑆𝑒(𝛽𝑗 )𝑇𝛼

መ መ 𝑛−2
 Khoảng tin cậy bên phải: 𝛽𝑗 − 𝑆𝑒 𝛽𝑗 𝑇𝛼 ≤ 𝛽𝑗

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 28

 2.4. Khoảng tin cậy và kiểm định giả thuyết
Ví dụ 2.3 : Sử dụng dữ liệu trong ví dụ 2.2 (𝑛 = 21)
Trong đó: 𝑅𝑂𝐸 – Tỷ suất sinh lời trên vốn chủ sở hữu (%)
𝐿𝑂𝐴𝑁 – Tỷ lệ cho vay (%)
෣𝑖 = −0.5511 + 0.9254𝐿𝑂𝐴𝑁𝑖
SRF: 𝑅𝑂𝐸
𝑆𝑒 0.0781 0.0936
Nếu mô hình đủ tốt, với mức ý nghĩa 5%, trả lời câu hỏi sau: Nếu 𝐿𝑂𝐴𝑁 tăng
1% thì 𝑅𝑂𝐸 biến động như nào?

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 29

 2.4. Khoảng tin cậy và kiểm định giả thuyết
2.4.2. Kiểm định giả thuyết với 𝜷𝒋
 Cặp giả thuyết:

𝐻0 : 𝛽𝑗 = 𝛽𝑗∗ 𝐻0 : 𝛽𝑗 ≤ 𝛽𝑗∗ 𝐻0 : 𝛽𝑗 ≥ 𝛽𝑗∗

ቊ ∗ 1 ; ቊ ∗ 2 ; ቊ ∗ 3 ;
𝐻1 : 𝛽𝑗 ≠ 𝛽𝑗 𝐻1 : 𝛽𝑗 > 𝛽𝑗 𝐻1 : 𝛽𝑗 < 𝛽𝑗

෡𝑗 −𝛽∗
𝛽 𝑗 𝑛−2
 Tiêu chuẩn kiểm định: 𝑇 = 𝑆𝑒(𝛽෡𝑗 ) ~𝑇

 Miền bác bỏ tương ứng với từng cặp giả thuyết (mức ý nghĩa 𝛼):

𝑛−2 𝑛−2 𝑛−2

(1) 𝑊𝛼 = 𝑇: 𝑇 > 𝑇𝛼 (2) 𝑊𝛼 = 𝑇: 𝑇 > 𝑇𝛼 (3)𝑊𝛼 = 𝑇: 𝑇 < −𝑇𝛼
2

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 30

 2.4. Khoảng tin cậy và kiểm định giả thuyết
Trường hợp riêng (Kiểm định bằng giá trị P-value)

𝐻0: 𝛽𝑗 = 0
Cặp giả thuyết ൝
𝐻1: 𝛽𝑗 ≠ 0

 Quy tắc kết luận với mức ý nghĩa :

Nếu 𝑃 − 𝑣𝑎𝑙𝑢𝑒 <  thì bác bỏ giả thuyết 𝐻0
Nếu 𝑃 − 𝑣𝑎𝑙𝑢𝑒 >  thì chưa có cơ sở bác bỏ giả thuyết 𝐻0

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 31

 2.4. Khoảng tin cậy và kiểm định giả thuyết
Ví dụ 2.4: Sử dụng dữ liệu trong ví dụ 2.2 (𝑛 = 21)
Trong đó: 𝑅𝑂𝐸 – Tỷ suất sinh lời trên vốn chủ sở hữu (%)
𝐿𝑂𝐴𝑁 – Tỷ lệ cho vay (%)
෣
SRF: 𝑅 𝑂𝐸𝑖 = −0.5511 + 0.9254𝐿𝑂𝐴𝑁𝑖
𝑆𝑒 0.0781 0.0936
Nếu mô hình đủ tốt, với mức ý nghĩa 5%, trả lời câu hỏi sau: Tỷ lệ cho vay có
tác động đến tỷ suất sinh lời trên vốn chủ sở hữu hay không?

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 32

 2.4. Khoảng tin cậy và kiểm định giả thuyết
2.4.3. Khoảng tin cậy của 𝝈𝟐

2 ෝ2
𝑛−2 𝜎 2 𝑛−2
Chọn thống kê: 𝜒 = ~𝜒
𝜎2
Với độ tin cậy 1 − 𝛼 (mức ý nghĩa 𝛼) có:

ෝ2
𝑛−2 𝜎 2 ෝ2
𝑛−2 𝜎
 Khoảng tin cậy 2 phía: (𝑛−2) ≤𝜎 ≤ (𝑛−2)
𝜒2 𝛼 𝜒2 𝛼
1− 2
2

2 ෝ2
𝑛−2 𝜎
 Khoảng tin cậy bên trái: 𝜎 ≤ (𝑛−2)
𝜒2 1−𝛼

2 ෝ2
𝑛−2 𝜎
 Khoảng tin cậy bên phải: 𝜎 ≥ (𝑛−2)
𝜒2 𝛼

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 33

 2.4. Khoảng tin cậy và kiểm định giả thuyết
2.4.4. Kiểm định giả thuyết về 𝝈𝟐
 Cặp giả thuyết:

𝐻0 : 𝜎 2 = 𝜎02 𝐻0 : 𝜎 2 ≤ 𝜎02 𝐻0 : 𝜎 2 ≥ 𝜎02

1 ൝ (2) ൝ (3) ൝
𝐻1 : 𝜎 2 ≠ 𝜎02 𝐻1 : 𝜎 2 > 𝜎02 𝐻1 : 𝜎 2 < 𝜎02
𝑛−2 𝜎ෝ2 2 𝑛−2
 Tiêu chuẩn kiểm định: 𝜒 2 = ~𝜒
𝜎02

 Miền bác bỏ tương ứng với mức ý nghĩa 𝛼:

2 2 𝛼𝑛−2
𝜒 >𝜒
𝑛−2 𝑛−2
(1) 𝑊𝛼 = 𝜒2: 2
𝑛−2
(2)𝑊𝛼 = 𝜒2: 𝜒2 > 2
𝜒 𝛼 (3)𝑊𝛼 = 𝜒2: 𝜒2 < 2
𝜒 1−𝛼
𝜒2 < 2
𝜒 1−𝛼
2

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 34

 2.4. Khoảng tin cậy và kiểm định giả thuyết
Sử dụng dữ liệu trong ví dụ 2 (𝑛 = 21)
Trong đó: 𝑅𝑂𝐸 – Tỷ suất sinh lời trên vốn chủ sở hữu (%)
𝐿𝑂𝐴𝑁 – Tỷ lệ cho vay (%)
෣
SRF: 𝑅 𝑂𝐸𝑖 = −0.5511 + 0.9254𝐿𝑂𝐴𝑁𝑖
𝑆𝑒 0.0781 0.0936
Hàm hồi quy mẫu có: 𝑅 2 = 0.8374; 𝑆𝐷 𝑅𝑂𝐸 = 0.0192
Nếu mô hình đủ tốt, với mức ý nghĩa 5%, trả lời câu hỏi sau:
1. Phương sai sai số ngẫu nhiên là bao nhiêu?
2. Phương sai sai số ngẫu nhiên có thể là 7.5*10−5 hay không?

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 35

 2.5. Dự báo
2.5.1. Dự báo giá trị trung bình của biến phụ thuộc khi cho giá trị dự kiến 𝑋0
 Ước lượng điểm: Giá trị 𝑌෠0 = 𝛽መ1 + 𝛽መ2 𝑋0 là ước lượng điểm của 𝐸(𝑌|𝑋0 ).
𝑌෠0 −𝐸(𝑌|𝑋0 ) 𝑛−2
 Ước lượng khoảng: Chọn thống kê: 𝑇 = ~𝑇
𝑆𝑒(𝑌෠0 )

Mức ý nghĩa 5% có:

𝑛−2 (𝑛−2)
+ KTC đối xứng: 𝑌෠0 − 𝑆𝑒 𝑌෠0 𝑇𝛼 ≤ 𝐸 𝑌|𝑋0 ≤ 𝑌෠0 + 𝑆𝑒(𝑌෠0 )𝑇𝛼
2 2
(𝑛−2)
+ KTC bên phải: 𝐸 𝑌|𝑋0 ≥ 𝑌෠0 − 𝑆𝑒(𝑌෠0 )𝑇𝛼
(𝑛−2)
+ KTC bên trái: 𝐸 𝑌|𝑋0 ≤ 𝑌෠0 + 𝑆𝑒(𝑌෠0 )𝑇𝛼

ෝ2
𝜎 2
Trong đó: Se 𝑌෠0 = + 𝑋0 − 𝑋ത 𝑆𝑒 𝛽መ2
𝑛

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 36

 2.5. Dự báo
2.5.1. Dự báo giá trị cá biệt của biến phụ thuộc khi cho giá trị dự kiến 𝑋0
 Ước lượng điểm: Giá trị 𝑌෠0 = 𝛽መ1 + 𝛽መ2 𝑋0 là ước lượng điểm của 𝑌0 .
𝑌෠0 −𝑌0 )
 Ước lượng khoảng: Chọn thống kê: 𝑇 = ~𝑇 𝑛−2
𝑆𝑒(𝑌0 )

Với mức ý nghĩa :

𝑛−2 (𝑛−2)
+ KTC đối xứng: 𝑌෠0 − 𝑆𝑒 𝑌0 𝑇𝛼 ≤ 𝑌0 ≤ 𝑌෠0 + 𝑆𝑒(𝑌0 )𝑇𝛼
2 2
(𝑛−2)
+ KTC bên phải: 𝑌0 ≥ 𝑌෠0 − 𝑆𝑒(𝑌0 )𝑇𝛼
(𝑛−2)
+ KTC bên trái: 𝑌0 ≤ 𝑌෠0 + 𝑆𝑒(𝑌0 )𝑇𝛼

ෝ2
𝜎 2
Trong đó: Se 𝑌0 = + 𝑋0 − 𝑋ത 𝑆𝑒 𝛽መ2 + 𝜎ො 2
𝑛

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 37

 2.6. Đơn vị trong hồi quy tuyến tính
Xét mô hình hồi quy: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
Khi đơn vị biến độc lập thay đổi 𝑎 lần
 Đối với 𝛽መ2 : Thay đổi 𝑎 lần
 Đối với 𝛽መ1 , 𝑌෠𝑖 ; 𝑒𝑖 , Se 𝛽መ𝑗 , 𝑅2 : Không đổi
Khi đơn vị biến thuộc thay đổi 𝑎 đơn vị
 Đối với 𝛽መ1 , 𝛽መ2 , 𝑌෠𝑖 ; 𝑒𝑖 , Se 𝛽መ𝑗 : Thay đổi
 Đối với 𝑅2 : Không đổi
Khi đơn vị biến độc lập và biến phụ thuộc thay đổi 𝑎 đơn vị
 Đối với 𝛽መ2 , Se 𝛽መ𝑗 , R2 : Không đổi.
 Đối với 𝛽መ1 , 𝑌෠𝑖 ; 𝑒𝑖 , : Thay đổi 𝑎 lần.
1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 38
 2.7. Một số dạng hàm hồi quy
2.7.1. Mô hình dạng ln – lin
Xét mô hình: 𝑙𝑛𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖 + 𝑢𝑖
Ý nghĩa hệ số hồi quy:
𝛽2 : Khi 𝑋 thay đổi 1 đơn vị thì trung bình của 𝑌 thay đổi 100𝛽2 %.
2.7.2. Mô hình dạng ln – ln (hàm có hệ số co giãn không đổi)
Xét mô hình: 𝑙𝑛𝑌𝑖 = 𝛽1 + 𝛽2 𝑙𝑛𝑋𝑖 + 𝑢𝑖
Ý nghĩa hệ số hồi quy:
𝛽2 : Khi 𝑋 thay đổi 1% thì trung bình của 𝑌 thay đổi 𝛽2 %.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 39

 2.7. Một số dạng hàm hồi quy
2.7.3. Mô hình dạng lin – ln
Xét mô hình: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑙𝑛𝑋𝑖 + 𝑢𝑖
Ý nghĩa hệ số hồi quy:
𝛽2
𝛽2 : Khi 𝑋 thay đổi 1 % thì trung bình của 𝑌 thay đổi 100
đơn vị.

2.7.4. Mô hình dạng lũy thừa bậc 2

Xét mô hình: 𝑙𝑛𝑌𝑖 = 𝛽1 + 𝛽2 𝑋𝑖2 + 𝑢𝑖
Nếu 𝛽2 > 0 thể hiện quy luật cận biên tăng dần.
Nếu 𝛽2 < 0 thể hiện quy luật cận biên giảm dần.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 40

 2.7. Một số dạng hàm hồi quy
Bảng tóm tắt đạo hàm, hệ số co giãn một số hàm thông dụng.

1/3/2023 Bộ môn Kinh tế lượng – Học viện Tài chính 41