Professional Documents
Culture Documents
Econometric S
Econometric S
1 2
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Các bước trong việc phân tích kinh tế lượng Các mô hình kinh tế
Xác định vấn đề nghiên cứu. Có thể là các mô hình vi mô hoặc vĩ mô.
Xác định mô hình kinh tế. Thường sử dụng hành vi tối ưu, mô hình cân bằng,…
Chuyển thành mô hình kinh tế lượng. Thiết lập mối quan hệ giữa các biến số kinh tế.
Thu thập dữ liệu liên quan. Ví dụ: các hàm cầu, phương trình giá,…
Ước lượng mô hình.
Diễn giải kết quả.
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
3 4
1
9/20/2021
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Mô hình kinh tế về tội phạm (Becker (1968)) Mô hình kinh tế lượng về hoạt động phạm tội
Thiết lập phương trình đối với hoạt động phạm tội dựa trên Dạng hàm phải được định rõ.
nguyên tắc tối đa hoá lợi ích Các biến có thể phải xấp xỉ bởi các đại lượng khác.
Đo lường Tiền lương
Số giờ tiêu tốn cho Các yếu tố tác
hoạt động cho việc Thu nhập Số lần bị bắt
hoạt động phạm tội động đến hoạt
Tuổi phạm tội làm hợp khác giữ trước đây
pháp động phạm tội
„Tiền lương“ của Tiền lương nhưng không
hoạt động phạm cho việc Thu nhập Khả năng Khả năng Mức án dự quan sát được
tội làm hợp kết án nếu kiến nếu bị
pháp khác bị bắt bắt
bị bắt Ví dụ: Tính cách,
Dạng hàm của mối liên hệ không được nêu rõ. số tiền thu được
từ hoạt động
Phương trình có thể được thừa nhận mà không dựa trên mô hình Số lần bị kết án Độ dài bản án trung Tuổi phạm tội, nền
bình nếu bị kết tội
kinh tế. tảng gia đình…
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
5 6
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Mô hình đào tạo nghề và năng suất người lao động Mô hình kinh tế lượng về đào tạo nghề và năng suất người
lao động Các yếu tố tác động
Việc đào tạo nghề tác động đến năng suất người lao động đến tiền lương
như thế nào? nhưng không quan
sát được
Lý thuyết kinh tế chính thức không thực sự cần thiết để xây Tiền lương Số năm đi Số năm kinh Số tuần tham Ví dụ: Năng lực bẩm
dựng phương trình. theo giờ học chính nghiệm gia vào đào sinh, chất lượng giáo
thức tạo nghề dục, nền tảng gia đình…
Lương theo giờ Phần lớn nội dung kinh tế lượng xử lý vấn đề định dạng sai
số u
Số năm đi học
Số tuần tham gia vào Các mô hình kinh tế lượng có thể được dùng để kiểm định giả
chính thức
Số năm kinh nghiệm đào tạo nghề thuyết
Còn có nhiều yếu tố khác có thể liên quan đến phương trình Ví dụ, tham số 3 cho biết tác động của đào tạo lên tiền lương.
nhưng trên đây là các yếu tố quan trọng nhất. Tác động này lớn ra sao? Tác động này có khác 0 hay không?
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
7 8
2
9/20/2021
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Phân tích kinh tế lượng đòi hỏi cần có dữ liệu Dữ liệu chéo
Các loại dữ liệu kinh tế Mẫu gồm các cá nhân, các hộ gia đình, các doanh nghiệp,
Dữ liệu chéo (Cross-sectional data) các tỉnh thành, các quốc gia, hay các đơn vị quan tâm
khác tại một thời điểm hoặc trong một khoảng thời
Dữ liệu chuỗi thời gian (Time series data)
gian đã cho.
Dữ liệu chéo gộp (Pooled cross-sectional data)
Các quan sát chéo có thể ít nhiều độc lập với nhau. Ví
Dữ liệu bảng/dữ liệu dọc (Panel data/longitudinal data) dụ: lấy mẫu ngẫu nhiên từ một tổng thể .
Phương pháp kinh tế lượng phụ thuộc vào bản chất Đôi khi việc lấy mẫu ngẫu nhiên bị vi phạm, ví dụ: các
của dữ liệu được sử dụng đơn vị từ chối trả lời trong các cuộc khảo sát, hay nếu
Sử dụng các phương pháp không thích hợp có thể dẫn việc lấy mẫu được phân theo cụm.
đến kết quả sai lầm Dữ liệu chéo thường gặp trong kinh tế vi mô ứng dụng.
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
9 10
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Dữ liệu chéo về tiền lương và các biến về đặc điểm cá Dữ liệu chéo về tốc độ tăng trưởng và các đặc điểm
nhân của quốc gia
Tỷ lệ tăng của GDP thực Phần trăm của chi tiêu Tỷ lệ người lớn hoàn
Số quan sát Tiền lương theo giờ bình quân đầu người chính phủ trên GDP thành trung học cơ sở
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
11 12
3
9/20/2021
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Dữ liệu chuỗi thời gian Dữ liệu thời gian về tiền lương tối thiểu và các biến liên
Các quan sát của một hay nhiều biến theo thời gian. quan
Ví dụ, giá chứng khoán, cung tiền, chỉ số giá tiêu dùng, tổng sản
phẩm trong nước, doanh số bán xe hơi,…
Các quan sát chuỗi thời gian thường gặp vấn đề tương quan
chuỗi.
Thứ tự của các quan sát cũng truyền tải những thông tin quan
trọng.
Tần số dữ liệu: hàng ngày, hàng tuần, hàng tháng, hàng quý,
hàng năm,…
Tiền lương tối thiểu Tỷ lệ bảo hộ Tỷ lệ thất nghiệp Tổng sản phẩm
Đặc điểm tiêu biểu của chuỗi thời gian: xu thế và thời vụ.
trung bình trong một trung bình quốc gia
Các ứng dụng thường gặp : Kinh tế vĩ mô và tài chính ứng dụng. năm cho trước
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
13 14
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Dữ liệu chéo gộp Dữ liệu chéo gộp về giá nhà Thuế tài sản
Hai hay nhiều bộ dữ liệu chéo được kết hợp thành một tập dữ liệu Kích thước của
ngôi nhà tính
Các dữ liệu chéo được rút ra độc lập với nhau
bằng feet vuông
Dữ liệu chéo gộp thường được dùng để đánh giá các thay đổi
Số phòng tắm
chính sách
Ví dụ: Trước thay đổi
• Đánh giá tác động của thay đổi thuế tài sản lên giá nhà Sau thay đổi
• Mẫu ngẫu nhiên về giá nhà trong năm 1993
• Mẫu ngẫu nhiên khác của giá nhà trong năm 1995
• So sánh trước/sau (1993: trước thay đổi, 1995: sau thay đổi)
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
15 16
4
9/20/2021
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Dữ liệu bảng (hay dữ liệu dọc)
Dữ liệu bảng (hay dữ liệu dọc)
Ví dụ :
Cùng các đơn vị chéo được quan sát theo thời gian.
• Thống kê tội phạm trong thành phố; mỗi thành phố
Dữ liệu bảng có chiều thời gian và chiều dữ liệu chéo.
được quan sát trong hai năm.
Dữ liệu bảng có thể được dùng để kiểm soát những yếu
• Các đặc điểm không quan sát được nhưng không
tố không quan sát được nhưng không đổi theo thời gian.
thay đổi theo thời gian của thành phố có thể được
Dữ liệu bảng có thể được dùng để lập mô hình các trường kiểm soát trong mô hình.
hợp có biến trễ của biến phụ thuộc
• Tác động của cảnh sát đến tỷ lệ tội phạm có thể có
tính trễ theo thời gian.
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
17 18
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Dữ liệu bảng hai năm về thống kê tội phạm trong Quan hệ nhân quả và khái niệm về „phân tích trong điều kiện
thành phố các yếu tố khác không đổi“
Mỗi thành
phố có hai Định nghĩa về tác động nhân quả của x đến y:
quan sát Cách thức biến y thay đổi khi biến x thay đổi trong điều
theo thời kiện các yếu tố khác không đổi“
gian
Số cảnh Đa số các câu hỏi kinh tế là câu hỏi phân tích trong điều kiện các
sát trong yếu tố khác không đổi.
năm 1986
Điều quan trọng là xác định tác động nhân quả nào mà người ta
Số cảnh
quan tâm.
sát trong
năm 1990 Cần thiết phải mô tả cách thiết kế một thí nghiệm để có thể suy
diễn được về quan hệ nhân quả mà câu hỏi nghiên cứu đặt ra.
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
19 20
5
9/20/2021
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Tác động nhân quả của phân bón lên năng suất cây trồng Đo lường suất sinh lợi giáo dục
„Sản lượng đậu nành sẽ tăng lên bao nhiêu nếu tăng lượng phân „Nếu một người được chọn từ tổng thể và số năm đi học của
bón cho đất?“ người này tăng thêm một, tiền lương của họ sẽ tăng bao nhiêu?“
Giả thiết ngầm: tất cả các yếu tố khác tác động đến năng suất Giả thiết ngầm: tất cả các yếu tố khác tác động tiền lương như
cây trồng như chất lượng đất, lượng mưa, sự hiện diện của ký kinh nghiệm, nền tảng gia đình, sự thông minh,... được giữ cố
sinh trùng,... được giữ cố định. định.
Cách thí nghiệm: Cách thí nghiệm:
Chọn các thửa đất có diện tích một mẫu; gán ngẫu nhiên số lượng Chọn một nhóm người; gán ngẫu nhiên số năm học khác nhau
phân bón khác nhau cho các thửa khác nhau; so sánh sản lượng. cho họ (không khả thi!); so sánh kết quả tiền lương.
Cách thí nghiệm này áp dụng được khi lượng phân bón sử dụng Vấn đề khi không thể gán ngẫu nhiên: số năm đi học của một
không liên quan đến các yếu tố khác tác động đến năng suất cây người có liên hệ với các yếu tố khác mà tác động tiền lương (Ví
trồng. dụ: sự thông minh).
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
21 22
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Tác động của việc thực thi pháp luật đến mức tội phạm của Tác động của lương tối thiểu đến thất nghiệp
thành phố „Số người thất nghiệp sẽ tăng bao nhiêu nếu tiền lương tối thiểu
„Nếu chọn ngẫu nhiên một thành phố và tăng thêm 10 cảnh sát được tăng lên một lượng nào đó (các yếu tố khác không đổi)?“
cho thành phố này, tỉ lệ phạm tội của nó sẽ giảm khoảng bao Cách thí nghiệm:
nhiêu?“
Chính phủ chọn ngẫu nhiên lương tối thiểu mỗi năm và quan sát
Nói cách khác: „Nếu hai thành phố giống nhau ở mọi khía cạnh,
kết quả thất nghiệp.
ngoại trừ thành phố A có nhiều hơn 10 cảnh sát, tỉ lệ phạm tội
Thí nghiệm sẽ có hiệu lực vì mức lương tối thiểu không liên hệ với
của hai thành phố sẽ khác biệt nhau khoảng bao nhiêu?“
các yếu tố khác tác động đến sự thất nghiệp.
Cách thí nghiệm:
Thực tế, mức lương tối thiểu sẽ phụ thuộc vào các yếu tố kinh tế
Gán ngẫu nhiên số cảnh sát cho một số lớn các thành phố.
và chính trị, mà những yếu tố này cũng tác động đến thất nghiệp.
Thực tế, số cảnh sát sẽ được quyết định bởi tỷ lệ tội phạm (có sự
đồng thời trong vấn đề xác định tỷ lệ tội phạm và số cảnh sát).
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
23 24
6
9/20/2021
Bản chất của Kinh tế lượng và Bản chất của Kinh tế lượng và
Dữ liệu Kinh tế Dữ liệu Kinh tế
Khái niệm hồi quy Câu hỏi: Giữa 0 và j thì cái nào quan trọng hơn?
Hồi quy nghiên cứu sự tác động của một hay nhiều biến giải thích y u
j
(biến hồi quy, biến độc lập) đến một biến phụ thuộc. x j x j
Nếu biết được giá trị của biến độc lập thì sẽ ước lượng được giá Khi u không tương quan với các biến xj thì j có thể được xem là
trị trung bình của biến phụ thuộc. giá trị biên của y theo xj.
y 0 1 x1 ... k xk u Hồi quy tổng thể:
0 (hệ số chặn – intercept): cho biết giá trị trung bình của y khi Hàm hồi quy tổng thể được xây dựng dựa trên dữ liệu tổng thể.
tất cả các biến giải thích bằng 0. Cho biết chính xác mối quan hệ giữa biến giải thích và biến phụ
j (hệ số góc của biến xj, 𝑗 = 1, 𝑘): cho biết lượng thay đổi trung thuộc.
bình của y khi xj thay đổi 1 đơn vị, trong điều kiện các yếu tố ( PRF ) : y 0 1 x1 ... k xk u
khác không đổi.
Hay: ( PRF ) : E ( y | x1 ,..., xk ) 0 1 x1 ... k xk
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part. © 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
25 26
© 2013 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.
27
7
1/12/2022
L/O/G/O
Chương 2
MÔ HÌNH HỒI QUY ĐƠN
Wooldridge: Kinh tế lượng nhập môn:
Cách tiếp cận hiện đại, 5e
Nội dung
1. Giới thiệu mô hình hồi quy tuyến tính đơn
2. Phương pháp bình phương nhỏ nhất (OLS)
3. Các tính chất của ước lượng OLS
4. Mức độ phù hợp của mô hình
5. Các giả thiết cho mô hình hồi quy tuyến tính
6. Vấn đề về đơn vị tính của biến và một số dạng hàm hồi
quy phi tuyến
www.themegallery.com
1
1/12/2022
1 cho biết Biến phụ thuộc thay đổi Việc giải thích chỉ đúng khi tất cả các yếu
bao nhiêu nếu biến độc lập tăng tố khác giữ nguyên khi biến độc lập tăng
lên 1 đơn vị 1 đơn vị
• Mô hình hồi quy tuyến tính đơn hiếm khi áp dụng trong thực tế nhưng cần
thiết thảo luận về mô hình này vì lý do sư phạm.
www.themegallery.com
2
1/12/2022
www.themegallery.com
3
1/12/2022
Giá trị của biến Giá trị của biến Đường hồi quy
giải thích tại phụ thuộc tại mẫu
quan sát thứ i quan sát thứ i
www.themegallery.com
www.themegallery.com
4
1/12/2022
L n (y y )( xi x )
2. ( yi ˆ0 ˆ1 xi ) 0
i
ˆ ˆ1 i 1
0 n
(x x )
i 1 2
i
L n
2. xi ( yi ˆ0 ˆ1 xi ) 0 i 1
ˆ
1 i 1 ˆ0 y ˆ1 x
• Ví dụ: Xây dựng hàm hồi quy mẫu: (Đơn vị: triệu đồng/năm)
X (Thu nhập) 100 80 98 95 75 79 78 69 81 88
90 75 78 88 62 69 65 55 60 70
1076 4309
ˆ1 0,9881; ˆ0 12,0937
www.themegallery.com
1089 363
9
www.themegallery.com
10
5
1/12/2022
www.themegallery.com
11
L n n
2. xi ( yi 0 1 xi ) xi uˆi 0
ˆ ˆ
ˆ
1 i 1 i 1
• Điểm trung bình mẫu (𝒙, 𝒚) luôn nằm trên đường hồi quy mẫu: y ˆ0 ˆ1 x
www.themegallery.com
12
6
1/12/2022
i 1 i 1
• Ta luôn có: SST = SSE + SSR
www.themegallery.com
13
SSR SSE
Hệ số xác định: R2 1
SST SST
Đặc điểm:
• 0 R2 1
• R2 = 0: Mô hình hoàn toàn không phù hợp với mẫu nghiên cứu.
• R2 = 1: Mô hình hoàn toàn phù hợp với mẫu nghiên cứu.
• R2 cho biết phần biến động của biến phụ thuộc y đã được giải thích bởi các biến
độc lập trong mô hình, còn (1-R2) cho biết phần biến động của y chưa được giải
thích, gây ra bởi sai số.
• Cảnh báo: R2 cao không nhất thiết hàm ý về mối quan hệ nhân quả trong hồi
quy.
www.themegallery.com
14
7
1/12/2022
15
Giá trị của biến giải thích không được chứa thông tin về sự biến động của các yếu
tố không quan sát được.
www.themegallery.com
16
8
1/12/2022
www.themegallery.com
17
www.themegallery.com
18
9
1/12/2022
19
uˆ 2
i
SSR
ˆ 2 i 1
n2 n2
Định lý 2.3: Ước lượng không chệch của 2
Nếu các giả thiết từ SLR.1 đến SLR.5 được thỏa mãn thì 𝜎 là ước lượng không
chệch của 2, tức là:
E (ˆ 2 ) 2
𝜎 = 𝜎 được gọi là sai số chuẩn hồi quy (SER) hoặc sai số chuẩn của ước
lượng.
www.themegallery.com
20
10
1/12/2022
Nếu 𝜎 được thay vào các công thức trên thì ta thu được các phương sai ước lượng:
n n
ˆ . x
2 2
x 2
ˆ 2
ˆ 2 i
ˆ 2 i
V
ar( ˆ1 ) n
V
ar( ˆ0 ) n
i 1
. i 1
SSTx n SSTx
(x x)
i 1
i
2
n. ( xi x ) 2
i 1
www.themegallery.com
21
x 2
i
sd ( ˆ1 ) Var( ˆ1 ) sd ( ˆ0 ) Var( ˆ0 ) . i 1
SSTx n SSTx
Nếu thay sai số chuẩn hồi quy 𝜎 vào các công thức trên thì ta thu được các sai số
chuẩn của ước lượng OLS:
n
ˆ ˆ x 2
se( ˆ1 ) V
i
ar( ˆ1 ) se( ˆ0 ) V
ar( ˆ0 ) . i 1
SSTx n SSTx
www.themegallery.com
22
11
1/12/2022
23
www.themegallery.com
24
12
1/12/2022
L/O/G/O
Chương 3
MÔ HÌNH HỒI QUY BỘI – VẤN ĐỀ ƯỚC LƯỢNG
Wooldridge: Kinh tế lượng nhập môn:
Cách tiếp cận hiện đại, 5e
Nội dung
1. Giới thiệu mô hình hồi quy tuyến tính bội
2. Phương pháp bình phương nhỏ nhất (OLS)
3. Các tính chất đại số của ước lượng OLS
4. Mức độ phù hợp của mô hình
5. Các giả thiết cho mô hình hồi quy tuyến tính
6. Một số vấn đề cần lưu ý của hồi quy bội
www.themegallery.com
1
1/12/2022
Tiền lương theo giờ Số năm đi học Kinh nghiệm lao động
www.themegallery.com
2
1/12/2022
Điểm trung bình của Chi phí trên mỗi sinh Thu nhập trung bình của gia đình
bài thi chuẩn hóa viên của trường các sinh viên trong trường
– Chi phí trên mỗi sinh viên có thể tương quan với Thu nhập trung bình của các
gia đình do vấn đề tài chính.
– Nếu bỏ biến Thu nhập trung bình của gia đình ra khỏi hàm hồi quy có thể dẫn
tới ước lượng tác động của Chi phí trên mỗi sinh viên đến Điểm trung bình bị
chệch.
– Trong hồi quy đơn, tác động của biến Chi phí trên mỗi sinh viên đến Điểm
trung bình có thể đã bao gồm luôn tác động của biến Thu nhập trung bình của
gia đình.
www.themegallery.com
Chi tiêu của hộ Thu nhập của hộ Thu nhập của hộ bình phương
– Mô hình có hai biến giải thích: Thu nhập và Thu nhập bình phương
– Chi tiêu được giải thích bằng hàm bậc hai của thu nhập.
– Cần cẩn thận khi diễn giải ý nghĩa của các hệ số hồi quy:
Mức chi tiêu tăng thêm Phụ thuộc vào
bao nhiêu nếu thu nhập mức thu nhập
tăng thêm 1 đơn vị? cụ thể đang xét
www.themegallery.com
3
1/12/2022
www.themegallery.com
4
1/12/2022
Điểm GPA trung bình Điểm GPA trung bình khi Kết quả bài kiểm tra
của sinh viên ở đại học học phổ thông trung học
• Diễn giải:
– Trong điều kiện ACT không đổi, mỗi điểm GPA trung học tăng thêm sẽ có thể
làm tăng 0,453 điểm trong điểm GPA đại học.
– Hoặc: Nếu chúng ta so sánh hai sinh viên có cùng ACT nhưng điểm hsGPA
của sinh viên A cao hơn 1 điểm so với sinh viên B, thì chúng ta dự đoán rằng
sinh viên A sẽ có colGPA cao hơn 0,453 điểm so với sinh viên B.
– Trong điều kiện điểm hsGPA như nhau, mỗi 100 điểm ACT cao hơn sẽ liên
hệ với điểm colGAP cao hơn gần 1 điểm.
www.themegallery.com
www.themegallery.com
10
5
1/12/2022
• Hiệp phương sai mẫu giữa các biến giải thích và phần dư OLS bằng 0:
n
x uˆ
i 1
ij i 0, j 1, k
• Điểm trung bình mẫu (𝒙𝟏 , … , 𝒙𝒌 , 𝒚) luôn nằm trên đường hồi quy mẫu.
www.themegallery.com
11
i 1 i 1
• Ta luôn có: SST = SSE + SSR
www.themegallery.com
12
6
1/12/2022
SSR SSE
Hệ số xác định: R2 1
SST SST
Đặc điểm:
• 0 R2 1
• R2 = 0: Mô hình hoàn toàn không phù hợp với mẫu nghiên cứu.
• R2 = 1: Mô hình hoàn toàn phù hợp với mẫu nghiên cứu.
• R2 cho biết phần biến động của biến phụ thuộc y đã được giải thích bởi hàm hồi
quy.
• Lưu ý: R2 chỉ tăng lên nếu thêm biến giải thích vào hàm hồi quy.
• Lưu ý: Ngay cả khi R2 nhỏ thì hàm hồi quy vẫn có thể cung cấp các ước lượng
tốt cho các tác động ceteris paribus.
www.themegallery.com
13
14
7
1/12/2022
15
16
8
1/12/2022
www.themegallery.com
17
uˆ 2
i
SSR
Thành phần n–(k+1) được gọi là
bậc tự do (df) của OLS với n
ˆ 2 i 1
quan sát và k biến độc lập
n (k 1) n (k 1)
www.themegallery.com
18
9
1/12/2022
19
www.themegallery.com
20
10
1/12/2022
www.themegallery.com
21
22
11
1/12/2022
23
www.themegallery.com
24
12
1/12/2022
Các loại chi phí sẽ có tương quan mạnh với nhau bởi vì một trường học có nguồn lực
lớn sẽ chi tiêu lớn cho tất cả các khoản chi.
Rất khó để ước lượng tác động riêng phần của từng loại chi tiêu bởi vì tất cả các
khoản chi thường cùng cao hoặc cùng thấp.
Kết quả là, phương sai mẫu của các hệ số hồi quy ước lượng được sẽ lớn.
www.themegallery.com
25
26
13
2/9/2022
Chương 4
Nội dung
1. Giả thiết về phân phối chuẩn của sai số tổng thể
2. Kiểm định giả thuyết đơn về tham số tổng thể
3. Khoảng tin cậy
4. Kiểm định giả thuyết về tổ hợp tuyến tính của các tham số
5. Kiểm định giả thuyết bội về hệ số hồi quy tổng thể
1
2/9/2022
f(x) = .e 0.3
σ 2π 0.25
0.2
Ký hiệu: X ~ N(; 2). 0.15
0.1
Tính chất: 0.05
2
• Nếu các biến ngẫu nhiên X1,…, Xn độc lập (với n tùy ý) và X1~N(1;1 );
X2~N(2;22);…; Xn~N(n;n2) thì:
n n n
X i=1
i = X1 +X 2 +...+X n ~ N( μ , σ
i=1
i
i=1
2
i )
X
i=1
i ~ N( nμ; nσ 2 )
2
2/9/2022
3
2/9/2022
4
2/9/2022
Sai số chuẩn
Kiểm định H0: exper = 0 Kinh nghiệm được kỳ vọng hoặc có tác động dương đến
H1: exper > 0 tiền lương theo giờ, hoặc không có tác động gì.
Thống kê t
Bậc tự do
Các giá trị tới hạn tương ứng với mức ý nghĩa 5% và 1%
(đây là các mức ý nghĩa thông thường). Giả thuyết H0 bị
bác bỏ vì giá trị của thống kê t lớn hơn các giá trị tới hạn.
10
5
2/9/2022
Sai số chuẩn
Kiểm định H0: exper = 0
H1: exper > 0
Thống kê t
Bậc tự do
„Tác động của kinh nghiệm lên tiền lương theo giờ là lớn hơn
0 có ý nghĩa thống kê tại mức ý nghĩa 5% (và ngay cả tại
mức 1%).“
11
12
6
2/9/2022
13
14
7
2/9/2022
15
8
2/9/2022
17
18
9
2/9/2022
4. Kiểm định giả thuyết về tổ hợp tuyến tính của các tham số
• Ví dụ: Suất sinh lợi giáo dục khi học cao đẳng (2 năm) và đại học (4 năm)
Số năm đi học khi Số năm đi học khi
học hệ 2 năm học hệ 4 năm
19
4. Kiểm định giả thuyết về tổ hợp tuyến tính của các tham số
• Ví dụ: Suất sinh lợi giáo dục khi học cao đẳng (2 năm) và đại học (4 năm)
Số năm đi học khi Số năm đi học khi
học hệ 2 năm học hệ 4 năm
20
10
2/9/2022
Điểm đánh bóng Số lần đánh bóng ghi điểm Số lần đánh bóng
trung bình trực tiếp trung bình mỗi năm ghi điểm mỗi năm
và giả thuyết đối H1: H0 không đúng
Kiểm định liệu các đại lượng đo lường hiệu quả thi đấu của cầu thủ không tác động
đến tiền lương/hoặc có thể bị loại bỏ khỏi phương trình hồi quy
22
11
2/9/2022
23
12
2/9/2022
• Thảo luận:
– Ba biến được kiểm định là „có ý nghĩa đồng thời“.
– Chúng không có ý nghĩa khi kiểm định riêng lẻ từng biến.
– Lý do có thể là đã có đa cộng tuyến giữa chúng.
25
– Bước 2: Có mức ý nghĩa , ta tra bảng tìm F(k, (n-(k+1))). Bác bỏ H0 khi F > F
(hoặc p-value < ).
• Kiểm định ý nghĩa toàn cục của mô hình hồi quy được trình bày trong hầu hết
các phần mềm hồi quy. Giả thuyết H0 thường bị bác bỏ.
26
13
2/9/2022
27
28
14
1/20/2022
LOGO
Chương 5 LOGO
Nội dung
1. Tính vững
2. Tính tiệm cận chuẩn và vấn đề suy diễn với mẫu lớn
1
1/20/2022
1. Tính vững
Các tính chất của OLS đúng cho mẫu/cỡ mẫu bất kỳ
Tính không chệch dưới giả thiết MLR.1 – MLR.4.
Công thức phương sai dưới giả thiết MLR.1 – MLR.5.
Định lý Gauss-Markov dưới giả thiết MLR.1 – MLR.5.
Phân phối mẫu chính xác và các kiểm định dưới giả thiết MLR.1 – MLR.6.
Các tính chất của OLS đúng với mẫu lớn
Tính vững dưới giả thiết MLR.1 – MLR.4.
Tính tiệm cận chuẩn và các kiểm định dưới giả thiết MLR.1 – MLR.5.
1. Tính vững
Tính vững:
Một ước lượng n được gọi là vững cho một tham số của tổng thể nếu:
P (| n | ) 1; 0, n
Ký hiệu:
p lim n Ước lượng hội tụ theo xác suất tới giá trị đúng của tổng thể
n
Giải thích:
Tính vững có ý nghĩa là xác suất để ước lượng bất kỳ gần với giá trị thực của
tổng thể có thể được thực hiện cao một cách tùy ý bằng cách gia tăng cỡ mẫu.
Tính vững là một yêu cầu tối thiểu đối với ước lượng hợp lý.
2
1/20/2022
1. Tính vững
Định lý 5.1: Tính vững của OLS
Dưới các giả thiết từ MLR.1 đến MLR.4 thì ước lượng OLS 𝛽 là ước lượng vững
của j, với mọi j = 0, 1,..., k.
p lim ˆ j j
n
Trường hợp đặc biệt của mô hình hồi quy đơn: y 0 1 x u
Cov( x, u )
p lim ˆ1 1 1 khi Cov( x, u ) 0
n Var( x )
Ta thấy rằng ước lượng trên là vững khi biến giải thích ngoại sinh (không tương
quan với sai số).
Giả thiết MLR.4‘: Trung bình bằng 0 và tương quan bằng 0
E (u ) 0 Tất cả các biến giải thích phải không tương quan với thành phần
sai số. Giả thiết này yếu hơn giả thiết MLR.4, nhưng đủ để ước
Cov( x j , u ) 0 lượng OLS vững.
5
1. Tính vững
3
1/20/2022
1. Tính vững
Chệch
2. Tính tiệm cận chuẩn và vấn đề suy diễn với mẫu lớn
4
1/20/2022
2. Tính tiệm cận chuẩn và vấn đề suy diễn với mẫu lớn
Thảo luận về tính tiệm cận chuẩn
Trong thực hành, giả thiết về phân phối chuẩn MLR.6 thì thường có vấn đề.
Nếu giả thiết MLR.6 không đúng, kết quả của kiểm định t hoặc F có thể sai.
Khi không có giả thiết MLR.6, dựa vào định lý 5.2, ước lượng OLS sẽ có phân
phối tiệm cận chuẩn nếu cỡ mẫu lớn. Từ đó, các kiểm định t và F vẫn tiến hành
được khi cỡ mẫu lớn.
Hệ quả thực hành:
Với mẫu lớn, phân phối t tiến tới phân phối chuẩn tắc N(0;1).
Kiểm định t và F vẫn còn hiệu lực nếu cỡ mẫu đủ lớn mà không cần giả thiết
MLR.6.
Ước lượng khoảng tin cậy vẫn còn hiệu lực nếu cỡ mẫu đủ lớn.
Quan trọng: Các giả thiết MLR.1 – MLR.5 vẫn cần thiết, đặc biệt là giả thiết về
phương sai thuần nhất.
9
2. Tính tiệm cận chuẩn và vấn đề suy diễn với mẫu lớn
Các kiểm định khác với mẫu lớn: Thống kê nhân tử Lagrange
Cho mô hình hồi quy (mô hình chưa gán ràng buộc):
y 0 1 x1 ... q xq q 1 xq 1 ... k xk u
Giả sử ta cần kiểm định:
H0: 1 = 2 = ... = q = 0 Mô hình đã gán ràng buộc:
H1: Tồn tại j ≠ 0 (j = 1, 2,..., q) y 0 q 1 xq 1 ... k xk u
Các bước kiểm định:
– Bước 1: Hồi quy mô hình đã gán ràng buộc chỉ gồm các biến độc lập còn lại và
thu được phần dư 𝑢.
– Bước 2: Hồi quy 𝑢 theo tất cả các biến độc lập và thu được 𝑅 .
– Bước 3: Tính 𝐿𝑀 = 𝑛𝑅 .
– Bước 4: Có mức ý nghĩa , ta tra bảng tìm giá trị tới hạn 𝑐 = 𝜒 (𝑞). Bác bỏ H0
khi 𝐿𝑀 > 𝜒 𝑞 (hoặc p-value < ).
10
5
1/21/2022
LOGO
Chương 6
PHÂN TÍCH HỒI QUY BỘI –
MỘT SỐ VẤN ĐỀ MỞ RỘNG
Nội dung
1
1/21/2022
Ví dụ: mối liên hệ giữa cân nặng của em bé mới sinh với việc hút thuốc và thu
nhập gia đình
ˆ ˆ cigs ˆ faminc
bwght 0 1 2
Cân nặng của trẻ sơ sinh, Số điếu thuốc người Thu nhập của
tính bằng ounce mẹ hút hàng ngày gia đình
Nếu ta muốn đo lường cân nặng em bé bằng đơn vị pound thay vì ounce (1
ounce 1/16 pound) thì hàm hồi quy trở thành:
( ˆ / 16) ( ˆ / 16)cigs ( ˆ / 16) faminc
bwghtlbs 0 1 2
Việc thay đổi đơn vị tính không ảnh hưởng đến R2, thống kê t, thống kê F.
Hàm hồi quy sẽ thay đổi thế nào nếu ta đổi đơn vị tính của biến cigs thành „số gói
thuốc người mẹ hút hàng ngày“ (1 gói có 20 điếu)?
2
1/21/2022
Tác động của x2 nếu tất cả các biến cố định tại giá trị trung bình
6
3
1/21/2022
Việc so sánh R2 của hai mô hình sẽ là không công bằng với mô hình đầu tiên bởi
vì mô hình đầu tiên chứa ít tham số hơn.
Trong ví dụ trên, ngay cả sau khi xét 𝑅 , mô hình bậc hai vẫn được ưa thích hơn.
Quan trọng: R2 hoặc 𝑅 không được sử dụng để so sánh các mô hình mà chúng
có dạng hàm của biến phụ thuộc khác nhau.
4
1/21/2022
10
5
1/21/2022
Khoảng tin cậy của y0 là: y0 yˆ 0 t( n/2( k 1)) .se(eˆ0 ); yˆ 0 t( n/2( k 1)) .se(eˆ0 )
12
6
1/21/2022
Khoảng tin cậy 95% cho giá trị dự đoán điểm GPA đại học của một học sinh cụ
thể sẽ thế nào, nếu sat = 1200, hsperc = 30 và hsize = 5 (tức là 500hs)?
Ta tính toán tương tự như trong ví dụ trước và thu được: se( yˆ 0 ) 0,020; ˆ 0,560
se(eˆ0 ) [ se( yˆ 0 )]2 ˆ 2 0,0202 0,5602 0,560
y0 2, 7 1,96.(0,56); 2,7 1,96.(0,56) (1,602; 3,798)
13
14
7
1/25/2022
Chương 7
HỒI QUY BỘI VỚI BIẾN ĐỊNH TÍNH:
SỬ DỤNG BIẾN GIẢ TRONG HỒI QUY
L/O/G/O
Nội dung
1
1/25/2022
2
1/25/2022
3
1/25/2022
Mô tả này có lẽ không phù hợp vì xếp hạng tín dụng chỉ chứa thông tin thứ bậc.
Một cách tốt hơn để kết hợp thông tin này là định nghĩa các biến giả:
Các biến giả biểu thị xếp hạng cụ thể áp dụng, ví dụ CR1 = 1 nếu
CR = 1 và CR1 = 0 nếu ngược lại. Tất cả các tác động được đo
lường so với xếp hạng tệ nhất (= nhóm cơ sở).
4
1/25/2022
10
5
1/25/2022
11
12
6
1/25/2022
4. Biến phụ thuộc nhị phân: Mô hình xác suất tuyến tính
Hồi quy tuyến tính khi biến phụ thuộc nhị phân:
Xét mô hình hồi quy tuyến tính bội với y là biến nhị phân:
y 0 1 x1 ... k xk u
E ( y | x ) 0 1 x1 ... k xk
Vì y là biến nhị phân nên:
E ( y | x) 1.P ( y 1| x ) 0.P ( y 0 | x) P ( y 1| x )
Do đó:
P ( y 1| x) 0 1 x1 ... k xk
Mô hình này được gọi là mô hình xác suất tuyến tính (LPM).
Trong mô hình xác suất tuyến tính, các hệ số j mô tả tác động của các biến
độc lập lên xác suất xảy ra y = 1.
13
4. Biến phụ thuộc nhị phân: Mô hình xác suất tuyến tính
Hồi quy tuyến tính khi biến phụ thuộc nhị phân:
Ví dụ: Việc tham gia lực lượng lao động của phụ nữ đã lập gia đình
Sự tham gia lực lượng lao động trong Thu nhập của gia đình (không bao gồm thu
năm 1975 của phụ nữ đã kết hôn nhập của người vợ) (tính bằng ngàn USD/năm)
0,586 0, 0034nwifeinc 0,038educ 0, 039exper 0, 00060exper 2
inlf
(0,154) (0, 0014) (0,007) (0,006) (0,00018)
0, 016age 0, 262kidslt 6 0,013kidsge6
(0,002) (0,034) (0,013) Số con dưới Số con từ 6
6 tuổi đến 18 tuổi
n 753; R 2 0, 264.
Nếu số trẻ em dưới 6 tuổi tăng thêm 1 thì xác suất
người phụ nữ có làm việc giảm 26,2%
14
7
1/25/2022
4. Biến phụ thuộc nhị phân: Mô hình xác suất tuyến tính
Nhược điểm của mô hình xác suất tuyến tính:
Xác suất dự đoán có thể lớn hơn 1 hoặc nhỏ hơn 0.
Tác động xác suất cận biên đôi khi không thể có tính logic.
Mô hình xác suất tuyến tính thì nhất thiết có phương sai thay đổi.
Var ( y | x) P ( y 1| x).(1 P ( y 1| x))
Sai số chuẩn khi có phương sai thay đổi cần được sửa lại cho đúng.
Ưu điểm của mô hình xác suất tuyến tính:
Dễ dàng ước lượng và giải thích.
Tác động của các biến thường được ước lượng và dự đoán khá tốt trong thực tế.
15
16
8
1/25/2022
17
Điều quan trọng là kiểm soát các đặc điểm khác có thể quan trọng đối với việc
tiếp cận vốn vay (ví dụ: nghề nghiệp, thất nghiệp,...).
Việc bỏ qua các đặc điểm quan trọng khác có tương quan với biến giả chủng tộc
sẽ tạo ra chứng cứ giả cho sự phân biệt đối xử.
18
9
1/25/2022
Biến giả biểu thị sự tham gia nếu có tương quan với các yếu tố khác trong u thì
sẽ làm cho 1 bị ước lượng chệch (đây là trường hợp biến giải thích bị nội sinh).
19
10
1/26/2022
Chương 8
PHƯƠNG SAI THAY ĐỔI
Wooldridge: Nhập môn Kinh tế lượng:
Cách tiếp cận hiện đại, 5e
GV: Hoàng Thị Diễm Hương
L/O/G/O
www.themegallery.com
Nội dung
1. Hậu quả của phương sai thay đổi đối với OLS
2. Kiểm định phương sai thay đổi
3. Xử lý khi có phương sai thay đổi
4. Xem lại mô hình xác suất tuyến tính
1
1/26/2022
1. Hậu quả của phương sai thay đổi đối với OLS
Khi giả thiết MLR.5 không thỏa mãn thì sẽ dẫn đến hiện tượng phương sai
thay đổi
Xét mô hình hồi quy: yi 0 1 xi1 ... k xik ui
Nếu 𝑉𝑎𝑟(𝑢 |𝑥 ,..., 𝑥 ) = 𝜎 = 𝑐𝑜𝑛𝑠𝑡 thì ta gọi đây là phương sai thuần nhất.
Nếu 𝑉𝑎𝑟(𝑢 |𝑥 ,..., 𝑥 ) = 𝜎 thì ta gọi đây là phương sai thay đổi.
Hậu quả của phương sai thay đổi
Ước lượng OLS không còn là ước lượng hiệu quả (do vậy không còn là BLUE
nữa), có thể có những ước lượng tuyến tính khác hiệu quả hơn. Tuy nhiên, OLS
vẫn không chệch và vững.
Các công thức tính 𝑉𝑎𝑟(𝛽 ) không còn đúng nữa.
Các suy diễn thống kê (khoảng tin cậy, kiểm định t, kiểm định F và kiểm định
Nhân tử Lagrange) không còn hiệu lực.
Tuy nhiên, lý giải về R2 không thay đổi.
2
1/26/2022
Có phương
sai thay đổi
Trong dạng logarit, giả thuyết phương sai không đổi không thể bị bác bỏ
3
1/26/2022
rˆ uˆ 2 2
ij i
Var ( ˆ j ) i 1
; j 1, k
SSR 2j
Khi sử dụng các công thức này thì kiểm định t là tiệm cận hợp lý.
Kiểm định F cũng không còn đúng nữa khi có phương sai thay đổi, nhưng phiên
bản cải thiện của kiểm định này có sẵn trong hầu hết các phần mềm.
8
4
1/26/2022
Các sai số chuẩn cải thiện phương sai thay đổi có thể lớn hơn hoặc nhỏ hơn các
sai số chuẩn thông thường. Trong thực hành, khác biệt giữa chúng thường là nhỏ.
5
1/26/2022
11
12
6
1/26/2022
14
7
1/26/2022
15
8
2/9/2022
Chương 9
MỘT SỐ VẤN ĐỀ MỞ RỘNG VỀ DẠNG HÀM
VÀ DỮ LIỆU
Wooldridge: Nhập môn Kinh tế lượng:
Cách tiếp cận hiện đại, 5e
GV: Hoàng Thị Diễm Hương
L/O/G/O
Nội dung
1
2/9/2022
2
2/9/2022
3
2/9/2022
Sai số v3 không tương quan với x1, x2 và x3 (Biến đại diện phải đại diện
„tốt“ cho biến bị bỏ sót, nghĩa là các biến khác thêm vào không giúp gì
trong dự đoán biến bị bỏ sót).
4
2/9/2022
10
5
2/9/2022
11
Cov( x1 , e1 ) Cov( x1* , e1 ) Cov (e1 , e1 ) Cov( x1* , e1 ) Var (e1 ) e21
Cov( x1 , u 1e1 ) Cov ( x1 , u ) 1Cov( x1 , e1 ) 1 e21
Giá trị sai x1 có tương quan với sai số của mô hình
12
6
2/9/2022
13
14
7
2/9/2022
16
8
2/9/2022
17