Chương 1

- Mô hình KTL (mô tả những MQH giữa các biến KT – mang tính chất tương đối) gồm 2 thành phần:
+ Phần hệ thống: những yếu tố chính cần nghiên cứu; các tham số mô tả chiều hướng, mức độ tác động của các
biến ĐỘC LẬP lên biến PHỤ THUỘC
+ Phần ngẫu nhiên: đại lượng / sai số ngẫu nhiên -> có tác động lên biến PHỤ THUỘC nhưng ko quan sát đc như
biến ĐỘC LẬP
- Phân loại theo cấu trúc dữ liệu:
+ Dữ liệu cắt ngang (Undate – Cross section data): nhiều đối tượng, 1 thời điểm
+ Dữ liệu chuỗi thời gian (Time series data): 1 đối tượng, nhiều thời điểm
+ Dữ liệu kết hợp: nhiều đối tượng, nhiều thời điểm (Dữ liệu bảng – Panel data,…)
- Phân loại theo nguồn gốc dữ liệu: Dữ liệu sơ cấp vs Dữ liệu thứ cấp
- Phương pháp luận:
Nêu các giả thuyết kinh tế

Lập mô hình KTL

Thu thập dữ liệu

Ước lượng các tham số

Kiểm định giả thuyết

Xây dựng lại mô hình Diễn giải kết quả

Quyết định chính Dự báo

 Chương 2 + 3

Kích thước tổng thể: N (*màu đỏ là khác giữa mô hình 2 biến và k biến)
Kích thước mẫu: n
- Hàm hồi quy tổng thể - PRF
E ( Y / X =X i ) =E ( Y / X i ) =β 1+ β 2 X i
-> MQH giữa giá trị TB của biến PHỤ THUỘC theo các biến ĐỘC LẬP
- Mô hình hồi quy tổng thể - PRM
Y i=β 1 + β 2 X i+u i=E ( Y / X i) + ui (i = 1:N)
Trong đó: sai số ngẫu nhiên: ui=Y i−E(Y / X i) đại diện cho:
+ các yếu tố ko biết
+ các yếu tố ko đo lường đc (ko lượng hóa đc)
+ các yếu tố có ảnh hưởng đến biến phụ thuộc nhưng quá nhỏ ko mang tính hệ thống
+ E ( u / X=X i ) =E ( ui ) =0
-> MQH giữa giá trị cá biệt (gtri của từng biến riêng biệt) của Y theo X

- Hàm hồi quy mẫu – SRF: Y^i= β^ 1 + ^β 2 X i

- Mô hình hồi quy mẫu – SRM: Y i= β^ 1 + ^β 2 X i+ ei
Trong đó: e i phần dư (số dư) – ước lượng điểm của ui
- Phương pháp bình phương nhỏ nhất (OLS):
^β =Y − ^β X
1 2
n

∑ xi yi
^β 2= i=1
n

∑ x 2i
i=1
n n
1 1
Trong đó: X = ∑ X i ; Y = ∑ Y i ; x i= X i−X ; y i=Y i −Y
n i=1 n i=1
X ; Y : giá trị TB x i ; y i : phần chênh lệch

- Các giả thiết OLS (đk để có thể áp dụng pp OLS):

+ GT1: Mô hình hồi quy tuyến tính theo (các) tham số
+ GT2: Kỳ vọng của các sai số ngẫu nhiên bằng 0: E ( u / X i ; X 2i ; X 3 i ; … X ki ) =0 , ∀ i
+ GT3: Phương sai sai số ngẫu nhiên không đổi (đồng nhất)
2
Var ( u ¿ X i ; X 2 i ; X 3i ; … X ki )=Var ( u / X j ) =σ , ∀ i ≠ j
+ GT4: Không có quan hệ tương quan giữa các sai số ngẫu nhiên
Cov ( u i , u j )=0 , ∀ i≠ j
+ GT5: (Các) Biến độc lập không ngẫu nhiên và không có MQH tuyến tính giữa các biến độc lập
+ GT6: Sai số ngẫu nhiên có phân phối chuẩn: ui N ( 0 , σ 2 ) , ∀ i
 - Các tham số đặc trưng:
2
σ
Var ( ^β j ) = n
+ Phương sai của các ước lượng:
(1−R 2j ) ∑ x 2ji
i=1

√
1
SD ( ^β 2) =σ
+ Độ lệch chuẩn của các hệ số hồi quy: n
n∑ xi
2

i=1
n

+ Phương sai mẫu: ^ 2

∑ e2i RSS (k: số biến của mô hình = 2;3;4….) σ^ : sai số chuẩn của hàm hồi quy
i=1
σ = =
(n−k ) (n−k )

CT
Name
Mô hình hồi quy tuyến tính đơn (2 biến) Mô hình hồi quy bội (k biến)
Total sum of squared (Tổng
2
bình phương sai lệch của TSS=( n−1 ) SD(Y )
TSS
biến phụ thuộc so với giá trị TSS = ESS+RSS
TB)
RSS=(n−2) σ^ RSS=(n−k ) σ^
2 2
RSS Sum squared resid
(n−k) σ^
2
Hệ số xác định ESS RSS
R 2= =1− =1−
2
0≤ R ≤1 TSS TSS ( n−1 ) SD(Y )2

R2 = 0 (các hệ số hồi quy =

R2 0): mô hình ko phù hợp Giải thích bao nhiêu phần trăm sự biến động của biến phụ thuộc được giải thích thông qua các
R2 = 1 (RSS = 0 biến độc lập và hàm hồi quy mẫu
->ko có sai số): mô hình ko -> R2: hàm đồng biến với số biến độc lập (thêm bn biến độc lập dù có/ko ảnh hưởng biến phụ
có ý nghĩa thuộc; R2 tăng hoặc ko đổi
R
2
Hệ số xác định điều/hiệu RSS
n−k σ^ 2 (n−1)
chỉnh R2=1− =1− =1−(1−R2 )
TSS SD ( Y )
2
(n−k)
2 2
R <R n−1
 R có thể âm Xem xét có nên đưa thêm biến độc lập vào mô hình ko?
2

Có thể đưa vào nếu hệ số của biến mới có ý nghĩa thống kê và R2↑
H0: Mô hình ko phù hợp
H1: Mô hình phù hợp 2
R /1 (1 ;n−2)
Kiểm F= 2
F 2
R /(k−1)
Cặp giả thuyết: (1−R )/(n−2) F= 2
F (k−1 ;n−k )
định sự (1−R )/(n−k)
H0: Các hệ số = 0 MBB: W α ={ F : F > F(1α ;n−2) }
phù MBB: W α ={ F : F > F(k−1
α
;n−k)
}
H1: Tồn tại 1 hệ số ≠ 0 (Riêng với mô hình 2 biến – tuyến tính đơn thì
hợp của
F=T )
2
Hoặc H0: R2 = 0
mô
H1: R2 > 0
hình
Dùng p-value p-value ¿ α -> bác bỏ H0
p-value ¿ α -> tạm chấp nhận H0
Bác bỏ H0: ko thu hẹp đc H0: β m+1 =β m+2=…=β k =0
Tạm thời chấp nhận H0: thu H1: ∃ β j ≠ 0 ¿
Kiểm hẹp đc TCKĐ:
2 2
định (R1−R 2)/(k−m) (k−m ;n−k )
F= 2
F
thu hẹp KO CÓ (1−R )/(n−k )
1

RSS2−RSS 1
của mô
k −m ( k−m ; n−k )
hình F= F
RSS1
n−k
MBB: W α ={ F : F > F(k−m
α
;n−k)
}
Khoảng Ktc 2 phía ^β −Se ( ^β ) T (n−k ) ≤ β ≤ ^β + Se( ^β )T (n−k)
j j α j j j α/ 2
2
tin cậy
β j ≤ ^β j+ Se ( ^β j )T α
(n−k )
Ktc bên trái
của hệ
Ktc bên phải
số hồi ^β −Se ( ^β ) T (n−k ) ≤ β
j j α j
quy
¿
Kiểm Dùng TCKĐ: (1) H0: β j =β j
MBB: W α ={T :|T|>T (nα /2−k) }
¿
định H1: β j ≠ β j
 β^ j−β j (n−2)
¿
T= T
Se ( ^β )j
¿
(2) H0: β j ≤ β j
MBB: W α ={T :T >T (n−k) }
¿
H1: β j > β j α
giả ¿
(3) H0: β j ≥ β j
thuyết
MBB: W α ={T :T <−T (n−k) }
¿
H1: β j < β j α
với β j

Dùng p-value Chỉ trong TH: H0: β j =0 p-value ¿ α -> bác bỏ H0

H1: β j ≠ 0 p-value ¿ α -> tạm chấp nhận H0
(n−k ) σ^ (n−k) σ^
2 2
Khoảng Ktc 2 phía
2 (n−k )
≤ σ 2 ≤ 2 (n−k)
tin cậy χα χ α
1−
2 2
của (n−k ) σ^
2
Ktc bên trái
σ 2≤
phương χ 21−α (n −k)
sai sai Ktc bên phải
số ngẫu (n−k ) σ^
2

2 (n−k )
≤ σ2
nhiên - χα
2
σ
TCKĐ: (1) H0: σ 2=σ 20

{ }
(n−k) σ^
2
2
χ= χ 2(n−k) 2
χ 2 > χ 2(αn−k )
Kiểm σ 20 W α= χ : 2
H1: σ 2 ≠ σ 20 MBB: 2 2(n−k)
định χ <χ α
1−
2

giả
(2) H0:σ 2 ≤ σ 20
thuyết
H1: σ 2> σ 20 MBB: W α ={ χ 2 : χ 2 > χ 2(n−
α
k)
}
với σ 2
(3) H0: σ 2 ≥ σ 20
H1: σ 2< σ 20 MBB: W α ={ χ 2 : χ 2 < χ 2(n−
1−α }
k)

Khoảng Ktc 2 phía √

Se ( a β^ j+ b ^β s )= a [ Se ( ^β j ) ] + b [ Se ( ^β s ) ] + 2 abCov( β^ j ; β^ s )
2 2 2 2
( a ^β j +b ^β s )−Se ( a ^β j +b β^ s) T (αn−k ) ≤ ( a β j+ b β s )
2
tin cậy Cov ( ^β j ; ^β s): hiệp phương sai ≤ ( a β^ j+ b ^β s )−Se ( a ^β j +b ^β s ) T (αn−k )
của tổ 2
hợp Ktc bên trái ( a β j+ b β s )
tuyến ≤ ( a β^ j+ b ^β s )−Se ( a ^β j +b ^β s ) T (αn−k )
2
tính các
Ktc bên phải ( a ^β j +b ^β s )−Se ( a ^β j +b β^ s) T ( n−k )
α ≤ ( a β j+ b β s )
hệ số 2

Kiểm TCKĐ:
định (a β^ j + b ^β s )−c (n−k) (1) H0: a β j + b β s=c
T= T
giả Se ( a ^β j +b ^β s )
H1: a β j + b β s ≠ c MBB: W α ={T :|T|>T (nα /2−k) }
thuyết
(2) H0: a β j + b β s ≤ c
của tổ
H1: a β j + b β s> c MBB: W α ={T :T >T (n−k)
α }
hợp
(3) H0: a β j + b β s ≥ c
tuyến
H1: a β j + b β s< c MBB: W α ={T :T <−T (n−k) }
tính các α

hệ số

- Đơn vị trong hồi quy tuyến tính:

^β ^β Y^ i ei Se( β^ j) R
2
2 1

Khi đơn vị biến độc lập thay đổi a lần Thay đổi a lần Ko đổi
Khi đơn vị biến phụ thuộc thay đổi a đơn vị Thay đổi Ko đổi
Khi đơn vị biến độc lập và biến phụ thuộc Ko đổi Thay đổi a lần Ko đổi
 thay đổi a đơn vị
- Một số dạng hàm hồi quy:
Mô hình dạng ln-lin
Mô hình dạng ln-ln (hàm có hệ số co
giãn ko đổi)
Mô hình dạng lin-ln
Mô hình dạng lũy thừa bậc 2
Hàm tổng chi phí và tổng sản lượng
Mô hình có cận biên thay đổi
Hàm Cobb-Douglas
Mô hình hồi quy tuyến tính
Mô hình hồi quy bội (k biến)
đơn (2 biến)
ln Y i= β1 + β 2 X i+ …+ β k X k +ui
β j : Khi X thay đổi 1 đơn vị (trong đk các yếu tố khác ko đổi) thì trung bình của Y
thay đổi 100 β 2%
ln Y i= β1 + β 2 lnX i +…+ β k lnX k +ui
β j : Khi X thay đổi 1 % (trong đk các yếu tố khác ko đổi) thì trung bình của Y thay
đổi β 2%
Y i=β 1 + β 2 lnX i+ …+ β k lnX k +ui
β j : Khi X thay đổi 1 % (trong đk các yếu tố khác ko đổi) thì trung bình của Y thay
β2
đổi đơn vị
100
2 2
ln Y i= β1 + β 2 X i + …+ β k X k + ui
β j >0 : quy luật cận biên tăng dần
β j <0 : quy luật cận biên giảm dần
2 3
KO có TC i=β 1+ β 2 Qi+ β3 Qi + β 4 Q i +u i
TC: Tổng chi phí; Q: Sản lượng
2
SALES i=β 1+ β 2 Pi+ β3 ADi + β 4 AD i +u i
SALES: doanh thu bán hàng
P: giá bán; AD: chi phí quảng cáo
β2 β3 ui
Q i=β 1 K i Li e
Q: Sản lượng; K: vốn; L: lao động
-> dạng tuyến tính:
 ln Qi=β 1 + β 2 ln K i+ β 3 ln Li+ ui
α + β=1: hàm sx ko đổi theo quy mô
α + β> 1: hàm sx tăng theo quy mô
α + β< 1: hàm sx giảm theo quy mô
Mô hình chứa nhiều dạng hàm ln SALES i=β 1+ β2 Pi + β 3 lnADi +ui

Chương 5
Sai giả Phương pháp
Dạng hàm
thuyết mấy? kiểm định
GT2 – Kỳ H0: Mô hình ban đầu ko bỏ sót biến
vọng của sai H1: Mô hình ban đầu bỏ sót biến
số ngẫu nhiên Ramsey (kiểm Sử dụng kiểm định thu hẹp:
khác 0 định mô hình bỏ 2
(R1−R )/( p−1)
2

Y i=α 1 +α 2 X 2i + …+α k X ki +α k+1 Y^ i + …+α k+ p−1 Y^ i + v i

2 p
F= 2
sót biến dạng lũy (1−R 1)/(n−k− p+1)
thừa) Hoặc có thể sử dụng p-value:
p-value ¿ α -> bác bỏ H0
p-value ¿ α -> tạm chấp nhận H0
GT3 – Breusch-Pagan e i=α 1+ α 2 X 2 i +…+ α k X ki+ v i thu được R21 H0: PSSSNN không đổi ( R21=0)
Phương sai (LM) H1: PSSSNN thay đổi ( R21 >0)
sai số ngẫu TCKĐ:
nhiên thay đổi 2
R1 /(k−1) (k−1 ;n−k )
F= 2
F
(1−R )/(n−k)
1
2 2(k−1)
LM =n R1 χ
MBB: W α ={ F : F > F(k−1
α
;n−k)
}
W α ={ LM : LM > χ 2(k−1)
α }
 H0: PSSSNN không đổi ( R2w =0)
H1: PSSSNN thay đổi ( R2w >0 )
TCKĐ:
2 2 2 2
e i =α 1+ α 2 X 2 i +α 3 X 3 i+ α 4 X 2i + α 5 X 3 i +α 6 X 2i X 3 i + vi thu Rw /(k w −1) (k w−1 ;n−k w)
White F= 2
F
được R 2 (1−R )/(n−k w )
w
w
2 2 2(k w−1)
χ =n R w χ
MBB: W α ={ F : F > F(kα −1 ;n−kw w )
}
W α ={ χ 2 : χ 2 > χ 2(k
α
−1)
} w

Dạng 1: H0: PSSSNN không đổi ( R2p =0)

ln ( e2i ) =α 1+ α 2 ln ⁡( X ¿¿ 2 i)+…+ α k ln ⁡(X ki )+ v i ¿ thu H1: PSSSNN thay đổi ( R2p >0 )
Park
được R2p TCKĐ: F hoặc χ 2
Dạng 2: ln ( e2i ) =α 1+ α 2 ln ⁡( Y^ ¿ ¿ i)+ v i ¿ Riêng với dạng 2 có thể dùng thêm TCKĐ T
H0: PSSSNN không đổi ( R2G =0)
|ei|=α 1 +α 2 X 2 i+ …+α k X ki + v i
1 1 H1: PSSSNN thay đổi ( R2G > 0)
|ei|=α 1 +α 2 X + …+α k X + v i
2i ki TCKĐ:
|ei|=α 1 +α 2 √ X 2i +…+ α k √ X ki + v i 2
RG /(k −1) (k−1 ;n−k)
Glejser F= 2
F
1 1 (1−R )/(n−k )
|ei|=α 1 +α 2 + …+α k +v i G

√ X2i √ X ki 2
χ =n R G χ
2 2(k−1)

Thu được R2G MBB: W α ={ F : F > F(k−1

α
;n−k)
}
W α ={ χ 2 : χ 2 > χ 2(k−1
α
)
}
H0: PSSSNN không đổi ( R21=0)
Dựa trên biến H1: PSSSNN thay đổi ( R21 >0)
e =α 1+ α 2 Y^ +v i thu được R
2 2 2
i i 1
phụ thuộc TCKĐ: T; F; χ 2

GT4+5: Sai Durbin Watson Sử dụng thống kê:

số ngẫu nhiên (dùng kiểm định
 n
tự tương quan
∑ (e i−e i−1)2
(có MQH d= i=2 n
tuyến tính) ∑ e 2i
i=1

TTQ bậc 1) Lập bảng giá trị với n; k’=k-1; α =5 % -> dL = …; dU = …

TTQ (+) KO có kết luận KO có TTQ KO có kết luận TTQ (-)
0 dL dU 4 - dU 4 - dL 4

H0: Mô hình gốc ko có TTQ

H1: Mô hình gốc có TTQ
TCKĐ:
2 2
Breusch- e i=α 1+ α 2 X 2 i +…+ α k X ki+ α k+1 ei−1 +…+ α k + p ei− p + v 1i (R 1−R2 )/ p
F= 2
Godfrey (kiểm thu được R1 2 (1−R 1)/(n− p(k + p))
2 2 2( p)
định TTQ bậc p) e i=α 1+ α 2 X 2 i +…+ α k X ki+ v 2 i thu được R22 χ =(n−p) R1 χ
MBB:
W α ={ F : F > F(αp ;n− p (k + p)) }
W α ={ χ 2 : χ 2 > χ 2(p
α }
)

Đa cộng Xét tương quan

tuyến giữa các biến Nếu tồn tại 1 cặp biến |ρ X X |≥ 0.8 thì mô hình gốc có đa cộng tuyến cao
j h

độc lập
Hồi quy phụ và X ji =α 1+ α 2 X 2 i+ …+α j−1 X ( j−1) i +α j+ 1 X ( j +1) i+ …+α k X ki + v i Hệ số phóng đại phương sai:
hệ số phóng đại thu được R2j 1
VIF X = 2
1−R j
j

phương sai H0: X j ko có MQH tuyến tính với các biến độc
lập khác ( R2j=0) + Nếu R2j càng gần 1 -> đa cộng tuyến càng
H1: X j có MQH tuyến tính với các biến độc lập cao
2
khác ( R2j >0) + Nếu ∃ j có VIF X >10 ≈ R j >0.9 thì mô hình có
j

TCKĐ: đa cộng tuyến cao

 2
R j /(k −2)
F= 2
(1−R j )/(n−k +1)
MBB: W α ={ F : F > F(k−1
α
;n−k+1)
}
k
m=R 2−∑ ( R 2−R−2 j)
j=2

Y i=α 1 +α 2 X 2i + …+α j−1 X ( j−1 ) i+ α j+1 X ( j+1 )i +…+ α k X ki +ui Nếu m ≈ 0 -> mô hình gốc ko có đa cộng
Độ đo Theil
thu được R2− j tuyến
Nếu m ≈ R2 -> mô hình gốc có đa cộng tuyến
gần hoàn toàn/rất cao
GT6 – Sai số H0: SSNN có phân phối chuẩn
ngẫu nhiên ko H1: SSNN ko có phân phối chuẩn
Jacque-Bera
có phân phối
( )
2
S 2 ( K−3 )
(JB) TCKĐ: JB=n + χ 2 (2) trong đó: K: hệ số nhọn; S: hệ số bất đối xứng
chuẩn 6 24
MBB: W α ={ JB/JB > χ 2α (2) }

Hệ số góc: ^β j sai số chuẩn của hệ số góc: Se( β^ j) -> khi hồi quy mô hình 2 biến: bình phương phần dư trên bình
phương biến phụ thuộc để kiểm định PSSSNN ko đổi

Chú ý:
3 loại khoảng tin cậy được sử dụng như sau:
+ Ktc 2 phía: khi biến độc lập thay đổi 1 đơn vị thì giá trị TB của biến phụ thuộc thay đổi ntn / biến động trong khoảng
nào / bằng bn?
+ Ktc 1 phía: khi biến độc lập thay đổi 1 đơn vị thì giá trị TB của biến phụ thuộc thay đổi tối đa / tối thiểu / nhiều nhất / ít
nhất bn?
Nếu ^β j >0 -> tối đa: ktc bên trái >< tối thiếu: ktc bên phải
Nếu ^β j <0 -> tối đa: ktc bên phải >< tối thiếu: ktc bên trái
 Câu hỏi về hệ số chặn ( ^β 1 ¿ có ý nghĩa thống kê ko?
+ Thực hiện kiểm định đối với hệ số chặn = ; ≠ 0
^β
MBB: W α ={T :|T|>T (nα /2−2 ) }
1
+ TCKĐ: T =
Se ( ^β 1 )
+ Bác bỏ H0 -> có ý nghĩa thống kê

¿ ∆ biến phụ thuộc

β j= -> dùng cho bài kiểm định đối với 1 hệ số hồi quy
∆ biến độc lập

Câu hỏi biến độc lập này có ảnh hưởng lên biến phụ thuộc ko? Dùng kiểm định đối với 1 hệ số hồi quy
Bác bỏ H0 -> có ảnh hưởng
Tạm chấp nhận H0 -> ko ảnh hưởng