2023. 3. Mô hình hồi quy đơn biến (Kiểm duyệt)

30/09/2023
Môn học
KINH TẾ LƯỢNG
Giảng viên
HOÀNG SƠN TÙNG
TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Thành nhân trước thành danh www.vhu.edu.vn
CHƯƠNG 3
MÔ HÌNH HỒI QUY
TUYẾN TÍNH ĐƠN BIẾN
1
30/09/2023

Nội dung chương
Phương pháp bình phương tối thiểu
Đo lường mức độ phù hợp của phương trình

hồi quy
Kiểm định giả thuyết các hệ số hồi quy
Dự báo bằng mô hình hồi quy hai biến

1. Phương pháp bình

phương tối thiểu OLS
(Ordinary Least Square)
2
30/09/2023

Mô hình hồi quy tuyến tính mẫu

Trong thực tế ta không điều tra toàn
bộ tổng thể mà chỉ điều tra trên mẫu
Hàm hồi quy mẫu SRF
෡𝟎 + 𝜷
෡=𝜷
𝒀 ෡ 𝟏𝑿
෡ + 𝜺ෝ
Trong đó:
𝑌෠ là giá trị của biến phụ thuộc
𝑋෠ là giá trị của biến độc lập
𝛽መ0 là điểm cắt của đường hồi quy và
trục Y
𝛽መ1 là hệ số góc
𝜀Ƹ là sai số

Giả sử ta có mẫu gồm n cặp

quan sát của Y và X, cặp
quan sát thứ i có giá trị tương
ứng là (𝑌𝑖 , 𝑋𝑖 ) với i=1,…,n. Khi
đó ta có hàm hồi quy mẫu là
෡𝟎 + 𝜷
෡𝒊 = 𝜷
𝒀 ෡ 𝟏 𝑿𝒊
Tìm 𝑌෠𝑖 sao cho nó gần với giá
trị thực 𝑌𝑖 nhất, tức là phần
dư 𝜀 = 𝑌𝑖 − 𝑌෠𝑖 càng nhỏ càng
tốt
3
30/09/2023


Tìm 𝑌෠𝑖 sao cho σ𝑛𝑖=1 𝜀𝑖2 → 𝑚𝑖𝑛
𝑛 𝑛
2 2
⟺ ෍ 𝑌𝑖 − 𝑌෠𝑖 = ෍ 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖 ⟶ 𝑚𝑖𝑛
𝑖=1 𝑖=1
𝑛
2
⟺ 𝑓 𝛽መ0 , 𝛽መ1 = ෍ 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖 ⟶ 𝑚𝑖𝑛
𝑖=1
Đây là bài toán tìm cực trị cho hàm 2 biến, ta cần tìm 𝛽መ0 , 𝛽መ1 sao cho
𝑓 𝛽መ0 , 𝛽መ1 đạt giá trị nhỏ nhất


Tìm điểm dừng
𝛽መ0 , 𝛽መ1 là nghiệm phương trình
𝑓𝛽෡′ = 0
0
𝑓𝛽෡′ =0
1
2
Với 𝑓 𝛽መ0 , 𝛽መ1 = σ𝑛𝑖=1 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖
𝑛
෍ 2 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖 −1 = 0
𝑖=1
𝑛
෍ 2 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖 −1 = 0
𝑖=1
4
30/09/2023


Tìm điểm dừng
𝑛
෌𝑖=1 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖 = 0 (1)
𝑛
෌𝑖=1 𝑌𝑖 − 𝛽መ0 − 𝛽መ1 𝑋𝑖 𝑋𝑖 = 0 (2)
𝑛 𝑛
෍ 𝑌𝑖 − 𝑛𝛽መ0 − 𝛽መ1 ෍ 𝑋𝑖 = 0
𝑖=1 𝑖=1
𝑛 𝑛 𝑛
෍ 𝑌𝑖 𝑋𝑖 − 𝛽መ0 ෍ 𝑋𝑖 − 𝛽መ1 ෍ 𝑋𝑖 2
=0
𝑖=1 𝑖=1 𝑖=1


Tìm điểm dừng
𝑛 𝑛
𝑛𝛽መ0 + 𝛽መ1 ෍ 𝑋𝑖 = ෍ 𝑌𝑖
𝑖=1 𝑖=1
𝑛 𝑛 𝑛
𝛽መ𝑜 ෍ 𝑋𝑖 + 𝛽መ1 ෍ 𝑋𝑖 2
= ෍ 𝑌𝑖 𝑋𝑖
𝑖=1 𝑖=1 𝑖=1
Giải hệ phương trình này, ta được:
𝛽መ0 = 𝑌ത − 𝛽መ1 𝑋ത 𝛽መ0 = 𝑌ത − 𝛽መ1 𝑋ത
σ𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − 𝑛𝑋ത 𝑌ത (3) σ𝑛𝑖=1(𝑋𝑖 − 𝑋)(𝑌
ത 𝑖 − 𝑌)
ത (4)
𝛽መ1 = 𝑛 መ
𝛽1 =
σ𝑖=1 𝑋𝑖2 − 𝑛 𝑋ഥ𝑖 2 ത 2
σ𝑛𝑖=1(𝑋𝑖 − 𝑋)
5
30/09/2023


Ví dụ: Quan sát mẫu số liệu về chi phí marketing và doanh số bán hàng
của 12 doanh nghiệp, ta có bảng tổng kết sau:
X 100 106 60 160 70 170 140 120 116 120 140 150
Y 1270 1490 1060 1626 1020 1800 1610 1280 1390 1440 1590 1380
Trong đó
X: chi phí marketing (triệu đồng/năm)
Y: doanh số bán hàng (triệu đồng/năm)
Giả sử X,Y có mối quan hệ tuyến tính, hãy ước lượng hàm hồi quy của
doanh số bán hàng phụ thuộc chi phí marketing?


Từ bảng dữ liệu, ta tính được: Tính theo dạng công thức (3), ta có
ത
𝑋 = 121, σ 𝑛 ത 2
𝑖=1(𝑋𝑖 − 𝑋) = 12500 σ𝟏𝟐
𝒊=𝟏 𝑿𝒊 = 𝟏𝟒𝟓𝟐;
𝑛
𝑌ത = 1413, σ𝑖=1 𝑋𝑖 − 𝑋ത 𝑌𝑖 − 𝑌ത = 77064 σ𝟏𝟐 𝟐
𝒊=𝟏 𝑿𝒊 = 𝟏𝟖𝟖𝟏𝟗𝟐
Thay vào công thức (4) ta được kết quả: σ𝟏𝟐
𝒊=𝟏 𝒀𝒊 = 𝟏𝟔𝟗𝟓𝟔;
𝛽0 = 667,02048, 𝛽1 = 6,16512 σ𝟏𝟐𝒊=𝟏 𝑿𝒊 𝒀𝒊 = 𝟐𝟏𝟐𝟖𝟕𝟒𝟎
Vậy hàm hồi quy tuyến tính mẫu cho doanh số bán hàng theo chi phí
marketing là 𝒀 ෡ 𝒊 = 𝟔𝟔𝟕, 𝟎𝟐𝟎𝟒𝟖 + 𝟔, 𝟏𝟔𝟓𝟏𝟐 ∗ 𝑿𝒊
Ý nghĩa phương trình hồi quy này:
• Khi không thực hiện marketing, doanh số bán hàng trung bình là
667,02048 triệu đồng/năm
• Khi chi phí marketing tăng (hoặc giảm) 1 triệu đồng/năm thì doanh số
bán hàng trung bình tăng (hay giảm) 6,16512 triệu đồng/năm
6
30/09/2023

Ý nghĩa hệ số hồi quy

• Trong điều kiện các yếu tố khác không đổi, khi không có sự ảnh hưởng
của biến X (giá trị của X = 0 đơn vị tính) thì giá trị trung bình của Y
bằng 𝛽መ0 (đơn vị tính)
• Trong điều kiện các yếu tố khác không đổi, nếu giá trị của biến X tăng
hoặc giảm 1 (đơn vị tính) thì giá trị trung bình của biến Y sẽ tăng hoặc
giảm một lượng trung bình bằng 𝛽መ1 (đơn vị tính)
Lưu ý: nếu 𝛽መ1 mang dấu (-) thì biến Y sẽ nghịch biến với biến X

Các giả thiết cổ điển của mô hình hồi qui OLS

GT1: Biến độc lập 𝑋𝑖 là phi ngẫu nhiên, các giá trị của chúng phải được
xác định trước.
GT2: Kỳ vọng có điều kiện của sai số ngẫu nhiên bằng 0: 𝐸 𝜀𝑖 𝑋𝑖 = 0 ∀𝑖
GT3: Các sai số 𝜀𝑖 là đại lượng ngẫu nhiên có phương sai không thay đổi:
𝑉𝑎𝑟 𝜀𝑖 𝑋𝑖 = 𝛿 2 = 𝑐𝑜𝑛𝑠𝑡 ∀𝑖
GT4: Không có sự tương quan giữa các sai số 𝜀𝑖 :
𝐶𝑜𝑣 𝜀𝑖 , 𝜀𝑗 𝑋𝑖 , 𝑋𝑗 = 0, ∀𝑖 ≠ 𝑗
GT5: Không có sự tương quan giữa sai số 𝜀𝑖 và biến ngẫu nhiên 𝑋𝑖 :
𝐶𝑜𝑣 𝜀𝑖 , 𝑋𝑖 = 0 ∀𝑖
Định lý Gass - Markov: Khi mô hình hồi qui tuyến tính cổ điển thỏa 5
giả thiết trên thì các ước lượng OLS là các ước lượng tuyến tính, không
chệch và có phương sai bé nhất trong lớp các ước lượng tuyến tính,
không chệch
7
30/09/2023

Định lý Gauss-Markov
1. Mô hình hồi quy là tuyến tính với các tham số (hệ số hồi quy)
2. Cỡ mẫu quan sát tối thiểu phải lớn hơn 4 lần tham số trong mô hình
3. Mô hình hồi quy sử dụng được xác định một cách chính xác (không có
độ thiên lệch hay sai số đặc trưng)
4. Khoảng giá trị của X được giữ nguyên trong những lần lặp mẫu
5. Giá trị của X phải thay đổi trong cùng một mẫu
6. Các sai số 𝜀𝑖 là đại lượng ngẫu nhiên có giá trị trung bình bằng 0:
σ𝑛𝑖=1 𝜀𝑖 = 0
7. Không có sự tương quan giữa các sai số 𝜀𝑖 : 𝐶𝑜𝑣 𝜀𝑖 , 𝜀𝑗 𝑋𝑖 , 𝑋𝑗 = 0, ∀𝑖 ≠ 𝑗
8. Không có sự tương quan giữa sai số 𝜀𝑖 và biến ngẫu nhiên 𝑋𝑖 :
𝐶𝑜𝑣 𝜀𝑖 , 𝑋𝑖 = 0
9. Các sai số 𝜀𝑖 là đại lượng ngẫu nhiên có phương sai không thay đổi:
𝑉𝑎𝑟 𝜀𝑖 𝑋𝑖 = 𝜎 2 = 𝑐𝑜𝑛𝑠𝑡

Bài tập
Bài tập 1: quan sát thu nhập và chi tiêu của 10 hộ gia đình, ta có mẫu
số liệu sau (ĐVT: triệu đồng)
X 8 9 10 11 12 15 15 16 17 20
Y 7 8 9 8 10 12 11 13 12 15
Viết hàm hồi quy tuyến tính mẫu chi tiêu theo thu nhập. Nêu ý nghĩa mô
hình
Bài tập 2: xem bảng dữ liệu sau, với X là giá cam (nghìn đồng/kg) và Y
là lượng cam bán được (tấn/tháng)
X 14 13 12 10 8 9 8 7 6 6
Y 2 2 3 4 5 5 6 7 8 9
Viết hàm hồi quy tuyến tính mẫu lượng cam bán ra theo giá cam. Nêu ý
nghĩa mô hình hồi quy này
8
30/09/2023

2. Đo lường mức độ phù

hợp của phương trình hồi
quy tuyến tính

Hệ số xác định (Coefficient of determination)

11
9
𝒀𝒊
෡𝒊)
(𝒀𝒊 − 𝒀
7
ഥ)
(𝒀𝒊 − 𝒀
5
෡𝒊
𝒀
෡𝒊 − 𝒀
(𝒀 ഥ)
3
ഥ
𝒀
1
0 1 2 3 4
-1
9
30/09/2023

11 Ta có: TSS = ESS + RSS

 Sự biến động của Y = Sự
9
𝒏 biến động gây ra bởi X + Sự
෡ 𝒊 )𝟐
𝑹𝑺𝑺 = ෍(𝒀𝒊 − 𝒀 biến động bởi các nguyên nhân
7 𝒏
𝒊=𝟏
khác
ഥ )𝟐
𝑻𝑺𝑺 = ෍(𝒀𝒊 − 𝒀
5
𝒊=𝟏 𝐸𝑆𝑆 𝑅𝑆𝑆
𝒏 ⟺ + =1
෡𝒊 − 𝒀
𝑬𝑺𝑺 = ෍(𝒀 ഥ )𝟐 𝑇𝑆𝑆 𝑇𝑆𝑆
3
𝒊=𝟏
𝒀 % sự biến động của Y = % sự
1
̅ biến động gây ra bởi X + % sự
biến động bởi các nguyên nhân
-1
0 1 2 3 4
khác


𝑬𝑺𝑺 𝑹𝑺𝑺
Đặt 𝑹𝟐 = 𝑻𝑺𝑺 = 𝟏 − 𝑻𝑺𝑺 (0 ≤ 𝑅 2 ≤ 1)
Thì 𝑹𝟐 được gọi là hệ số xác định, cho biết sự thay đổi của Y là bao nhiêu
% do X và bao nhiêu % do các nguyên nhân khác.
Nói cách khác, 𝑹𝟐 là tỷ số giữa phần biến động được giải thích trong tổng
mức biến động của biến phụ thuộc  hệ số xác định mức độ phù hợp của
hàm hồi quy
𝑅 2 = 1: hàm hồi quy phù hợp hoàn hảo
𝑅 2 = 0: X, Y không có quan hệ tuyến tính
0 < 𝑅 2 < 1: biến X giải thích được 𝑅 2 % biến Y1
10
30/09/2023


TSS là tổng bình phương của tất cả các sai lệch giữa 𝑌𝑖 với giá trị trung
bình 𝑌ത 𝑛 𝑛
ത 2 = ෍ 𝑌𝑖 2 − 𝑛(𝑌)
𝑇𝑆𝑆 = ෍(𝑌𝑖 − 𝑌) ത 2
𝑖=1 𝑖=1
ESS là tổng bình phương của tất cả các sai lệch giữa giá trị 𝑌෠ của biến Y
tính theo hàm hồi quy mẫu
𝑛
với giá trị trung𝑛 bình 𝑌ത
ത 2 = (𝛽መ1 )2 ෍ 𝑋𝑖 2 − 𝑛(𝑋)
𝐸𝑆𝑆 = ෍(𝑌෠𝑖 − 𝑌) ത 2
𝑖=1 𝑖=1
RSS là tổng bình phương của tất cả các sai lệch giữa các giá trị quan sát
của biến 𝑌𝑖 và các giá trị nhận được
𝑛
của nó từ hàm hồi quy mẫu
𝑅𝑆𝑆 = ෍(𝑌𝑖 − 𝑌෠𝑖 )2 = ෍ 𝑒 2
𝑖=1


Ví dụ lấy dữ liệu từ phần 1, hãy xác định mức độ chính xác của mô hình
vừa tìm được
Giải:
11
30/09/2023

Hệ số tương quan (Correlation coefficient)

Hệ số tương quan là chỉ số
thống kê đo lường mức độ
mạnh yếu của mối quan hệ
giữa hai biến số và được xác
định bằng công thức
𝒓 = ± 𝑹𝟐
và có dấu trùng với dấu của 𝛽መ1
Hệ số tương quan có giá trị từ -
1.0 đến 1.0.
Hệ số tương quan có |r| càng
gần 1 thì mối quan hệ càng
chặt chẽ


• Hệ số tương quan có giá
trị âm cho thấy hai biến
có mối quan hệ nghịch
biến hoặc tương quan
âm (nghịch biến tuyệt
đối khi giá trị bằng -1)
• Hệ số tương quan có giá
trị dương cho thấy mối
quan hệ đồng biến hoặc
tương quan dương
(đồng biến tuyệt đối khi
giá trị bằng 1)
• Tương quan bằng 0 cho
hai biến độc lập với
nhau.
12
30/09/2023


Ví dụ: tiếp tục xét ví dụ trên, hãy nhận xét quan hệ giữa X & Y
Đã tính được 𝑅 2 = 0.80425, 𝛽መ1 > 0,
nên 𝑟 = 𝑅 2 = 0,80425 = 0,896799
Vậy biến X và biến Y trong mô hình đã xác định ở trên có quan hệ tuyến
tính thuận (đồng biến) và chặt chẽ

Độ chính xác của ước lượng

Phương sai của môt biến ngẫu nhiên đo lường sự phân tán xung quanh
giá trị trung bình
Từ các tính chất và giả thiết, ta có các công thức tính toán như sau
Phương sai của Phương sai của Phương sai của
sai số hệ số chặn hệ số góc
𝝈𝟐 = 𝑣𝑎𝑟 𝜀𝑖Ƹ 𝜎 2 σ𝑛𝑖=1 𝑋𝑖 2 𝜎2

σ𝑛𝑖=1(𝑌𝑖 − 𝑌)
෠ 2 ෡𝟎 =
𝒗𝒂𝒓 𝜷 ෡𝟏 =
𝒗𝒂𝒓 𝜷
= 𝑛. σ𝑛𝑖=1 𝑋𝑖 − 𝑋ത 2 ത 2
σ𝑛𝑖=1(𝑋𝑖 − 𝑋)
𝑛−2 𝝈𝟐 σ𝒏𝒊=𝟏 𝑿𝒊 𝟐 𝝈𝟐
𝑹𝑺𝑺 = =
= ഥ 𝟐)
𝒏. (σ𝒏𝒊=𝟏 𝑿𝟐𝒊 − 𝒏. 𝑿 ഥ𝟐
σ𝒏𝒊=𝟏 𝑿𝟐𝒊 − 𝒏. 𝑿
𝒏−𝟐
෡ 𝟎) =
 𝒔𝒆(𝜷 ෡𝟎
𝒗𝒂𝒓 𝜷 ෡ 𝟏) =
 𝒔𝒆(𝜷 ෡𝟏
𝒗𝒂𝒓 𝜷
 𝜎 = 𝜎2
13
30/09/2023

Khoảng tin cậy (Confidence Interval)
Biểu diễn xác suất tham số tổng

thể sẽ nằm giữa hai giá trị được
đặt trong một tỉ lệ thời gian
nhất định.
Đo lường mức độ không chắc
chắn hoặc chắc chắn trong
phương pháp lấy mẫu. Khoảng
tin cậy có thể có bất kì con số
xác suất nào, trong đó phổ biến
nhất là độ tin cậy 95% hoặc
99%.

Căn cứ vào mức ý nghĩa, độ tin cậy

cho trước, chúng ta sẽ ước lượng
khoảng tin cậy cho các hệ số hồi
quy
Các hệ số hồi quy 𝛽0, 𝛽1 tuân theo
quy luật phân phối chuẩn (t-
student) nên ta có:
𝛽መ𝑖 ~ 𝑁 𝛽𝑖 , 𝑣𝑎𝑟 𝛽መ𝑖
𝛽መ𝑖 − 𝛽𝑖
⇒ ~ 𝑇(𝑛 − 2)
𝑠𝑒(𝛽መ𝑖 )
14
30/09/2023


(𝑛−2) 𝛽መ𝑖 − 𝛽𝑖 (𝑛−2)
𝑃(−𝑡𝛼ൗ ≤ ≤ 𝑡𝛼ൗ
2 መ
𝑠𝑒(𝛽𝑖 ) 2
𝑃 𝛽መ𝑖 − 𝑡𝛼𝑛−2 መ መ 𝑛−2 መ

ൗ . 𝑠𝑒 𝛽𝑖 ≤ 𝛽𝑖 ≤ 𝛽𝑖 + 𝑡𝛼ൗ . 𝑠𝑒 𝛽𝑖 =1−𝛼
2 2
Với độ tin cậy 1 − 𝛼, ta có khoảng tin cây cho các hệ số hồi quy:
෡ 𝒊 ± 𝒕𝒏−𝟐
𝜷𝒊 ∈ 𝜷 ෡𝒊
𝜶ൗ . 𝒔𝒆 𝜷
𝟐


Ví dụ: Với độ tin cậy 95%, xác định khoảng tin cậy cho các hệ số hồi quy
trong ví dụ ở phần trước
Giải:
15
30/09/2023

3. Kiểm định giả thuyết

các hệ số hồi quy

Kiểm định giả thuyết

Khi nghiên cứu vấn đề của một tổng thể thông qua một số dấu hiệu nào
đó, chúng ta cần xác định tổng thể có hay không có tính chất đó
Do không có đầy đủ thông tin trên tổng thể phải sử dụng thông tin trên
mẫu để kiểm tra đánh giá tính chất đó theo một phương pháp toán học.
 Những bài toán đó gọi là bài toán kiểm định giả thuyết thống kê.
Tùy mục đích nghiên cứu của từng trường hợp, cặp giả thuyết sẽ tương
ứng với các mệnh đề. Cặp giả thuyết gồm một giả thuyết gọi là giả
thuyết gốc, kí hiệu 𝐻0 và một giả thuyết đối, kí hiệu là 𝐻1 .
Các cặp giả thuyết thống kê về tham số đặc trưng 𝜃 nào đó của biến
ngẫu nhiên có thể quy về ba dạng sau:
𝐻0 : 𝜃 = 𝜃0 𝐻0 : 𝜃 ≤ 𝜃0 𝐻0 : 𝜃 ≥ 𝜃0 (3.1)
𝐻1 : 𝜃 ≠ 𝜃0 𝐻1 : 𝜃 > 𝜃0 𝐻1 : 𝜃 < 𝜃0
Kiểm định giả thuyết sẽ nhằm bác bỏ 𝐻0 hoặc không bác bỏ 𝐻0
16
30/09/2023

Kiểm định giả thuyết về hệ số hồi quy
 Đặt giả thiết:

𝐻0 : 𝛽1 = 0: X không ảnh hưởng đến Y
𝐻1 : 𝛽1 ≠ 0: X có ảnh hưởng tới Y
 Xác định trị thống kê kiểm định
෡𝟏
𝜷
𝒕𝟎 =
𝒔𝒆(𝜷෡ 𝟏)
Nếu 𝑡0 > 𝑡𝛼𝑛−2
Τ2 thì bác bỏ 𝐻0

Kiểm định giả thuyết về hệ số hồi quy

Ví dụ: xét các số liệu ví dụ ở phần trên; với mức ý nghĩa 5%, hãy xác
định xem chi phí marketing có thật sự ảnh hưởng đến doanh số bán hàng
hay không
Giải:
17
30/09/2023

Kiểm định sự phù hợp của hàm hồi quy

• Kiểm định giả thuyết
𝐻0 : 𝑅 2 = 0 => mô hình hồi quy không phù hợp với mô hình tổng thể
𝐻1 : 𝑅 2 ≠ 0 => mô hình hồi quy phù hợp với mô hình tổng thể
• Xác định
𝑹𝟐 (𝒏 − 𝟐)
𝑭𝟎 =
𝟏 − 𝑹𝟐
• Tra bảng tìm 𝐹𝛼 1, 𝑛 − 2
• Nếu 𝐹0 > 𝐹𝛼 1, 𝑛 − 2 thì bác bỏ giả thuyết 𝐻0

Kiểm định sự phù hợp của hàm hồi quy

Ví dụ: hãy kiểm định sự phù hợp của mô hình hồi quy ở trên với độ tin
cây 95%
Giải:
18
30/09/2023

4. Dự báo

Dự báo
Dự báo điểm cho 𝑬(𝒀|𝑿𝟎 )
• Ta có 𝑌෠0 là ước lượng điểm của 𝐸(𝑌|𝑋0 )
• Vậy khi 𝑋 = 𝑋0 , dự báo giá trị của 𝐸(𝑌|𝑋0 ) là
𝑌0 = 𝛽0 + 𝛽1 . 𝑋0
Dự báo khoảng cho 𝑬(𝒀|𝑿𝟎 )
• Với độ tin cậy 1-α, dự báo khoảng cho 𝐸(𝑌|𝑋0 ) là
(𝑛−2)
𝑌෠0 ± 𝑡𝛼ൗ . 𝑠𝑒 𝑌෠0
2
Trong đó
1 𝑋0 − 𝑋ത 2
𝑣𝑎𝑟 𝑌෠0 = + 𝑛 . 𝜎2
𝑛 σ𝑖=1 𝑋𝑖 − 𝑋ത 2
19
30/09/2023

Dự báo
Ví dụ: hãy dự báo doanh thu khi chi phí marketing là 140 triệu VND
Thay 𝑋0 = 140 vào hàm hồi quy, ta có 𝑌෠0 = 1530,1373
Vậy khi chi phí marketing là 140 triệu VND/năm thì doanh thu trung bình
là 1530,1373 triệu VND/năm
Khoảng dự báo cho doanh thu
𝑠𝑒 𝑌෠0 = 𝑣𝑎𝑟 𝑌෠0 = 1297,6259 = 36,02257
𝑛−2 𝑛−2
𝑌෠0 − 𝑡𝛼ൗ . 𝑠𝑒 𝑌෠0 ; 𝑌෠0 + 𝑡𝛼ൗ . 𝑠𝑒 𝑌෠0
2 2
= 1449,879 ; 1610,3956
Vậy khi chi phí marketing là 140 triệu VND/năm thì doanh thu trung bình
trong khoảng (1449,879 - 1610,3956) triệu VND/năm

Hết chương 3
20

2023. 3. Mô hình hồi quy đơn biến (Kiểm duyệt)

Uploaded by

Copyright:

Available Formats

You might also like

2023. 3. Mô hình hồi quy đơn biến (Kiểm duyệt)

Uploaded by

Document Information

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

2023. 3. Mô hình hồi quy đơn biến (Kiểm duyệt)

Uploaded by

Copyright:

Available Formats

30/09/2023

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Nội dung chương

Phương pháp bình phương tối thiểu

Đo lường mức độ phù hợp của phương trình

Kiểm định giả thuyết các hệ số hồi quy

Dự báo bằng mô hình hồi quy hai biến

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

1. Phương pháp bình

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Mô hình hồi quy tuyến tính mẫu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

Giả sử ta có mẫu gồm n cặp

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Phương pháp bình phương tối thiểu

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Ý nghĩa hệ số hồi quy

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Các giả thiết cổ điển của mô hình hồi qui OLS

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

2. Đo lường mức độ phù

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số xác định (Coefficient of determination)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số xác định (Coefficient of determination)

11 Ta có: TSS = ESS + RSS

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số xác định (Coefficient of determination)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số xác định (Coefficient of determination)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số xác định (Coefficient of determination)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số tương quan (Correlation coefficient)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số tương quan (Correlation coefficient)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Hệ số tương quan (Correlation coefficient)

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Độ chính xác của ước lượng

𝝈𝟐 = 𝑣𝑎𝑟 𝜀𝑖Ƹ 𝜎 2 σ𝑛𝑖=1 𝑋𝑖 2 𝜎2

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568

Khoảng tin cậy (Confidence Interval)

Biểu diễn xác suất tham số tổng

TRƯỜNG ĐẠI HỌC VĂN HIẾN HOTLINE: 18001568