Professional Documents
Culture Documents
Chương 3 (trước)
Chương 3 (trước)
I II III
IV V VI
Yi = β 1 + β 2 X 2i + β 3 X 3i + ... + β k X ki + U i
Trong đó:
Yi : giá trị của biến phụ thuộc Y tại quan sát thứ i (i = 1..n);
Xji : giá trị của biến giải thích Xj tại quan sát thứ i (i = 1..n);
(j = 2..k); X2 ,…, Xk : các biến giải thích
β1 : hệ số chặn (hệ số tự do);
βj: hệ số góc (hệ số hồi quy riêng) của biến giải thích Xj
Ui : sai số ngẫu nhiên
I.2 Mô hình hồi quy mẫu
Yˆi = βˆ 1 + βˆ 2 X 2i + βˆ 3 X 3i + ... + βˆ k X ki
Được xây dựng trên mẫu ngẫu nhiên gồm n quan sát:
Trong đó:
Yˆi : ước lượng của Yi hoặc E(Y/X2i ,X3i …,Xki) (i =1..n)
: ước lượng của các hệ số βj (j=1..k)
I.3 Dạng ma trận của mô hình hồi quy nhiều biến
Ta kí
hiệu
các
ma
trận:
Giả thiết 1. Các biến giải thích Xj (j=2..k) là phi ngẫu nhiên,
giá trị của nó là xác định, đã biết.
Giả thiết 2. Trung bình ảnh hưởng các yếu tố ngẫu nhiên đến
biến phụ thuộc bằng 0:
Giả thiết 3. Các yếu tố ngẫu nhiên có phương sai bằng nhau
(phương sai thuần nhất):
Giả thiết 4. Các Ui không tương quan :
Giả thiết 5. Các Xj (j=2..k) độc lập tuyến tính với nhau ↔
rank(X)=k
Giả thiết 6.
II. PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT
II.1 Nội dung phương pháp
…………………………………………..
…………………………………………..
…………………………………………..
…………
= …………
…………
= …………………………………..
Lưu ý: Tất cả các phép tính làm tròn 3 chữ số phần thập phân
Ý nghĩa của các hệ số hồi quy
• β1: ảnh hưởng của các nguyên nhân khác không được
kể đến trong mô hình tới kết quả Y. Cho biết giá trị kỳ
vọng của Y khi các biến Xj đồng thời bằng 0. Chỉ nên
diễn giải ý nghĩa khi tồn tại các quan sát mà các biến Xj
lân cận bằng 0.
• βj: ảnh hưởng của nguyên nhân Xj tới kết quả Y khi
các nguyên nhân khác không đổi. Khi Xj tăng 1 đơn vị
thì Y thay đổi trung bình βj đơn vị, với điều kiện các
yếu tố khác không đổi.
- βj > 0: Xj và Y có mối liên hệ thuận (cùng chiều)
- βj < 0: Xj và Y có mối liên hệ nghịch (ngược chiều)
Cho hàm hồi quy mẫu:
Với: Yi: doanh số bán ra (triệu đồng); X2i: chi phí dành cho quảng
cáo (triệu đồng); X3i: giá bán (ngàn đồng/1 đv sp)
Các con số 71,935; 6,078 và -4,44 cho biết điều gì?
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
………………………………………………………………………………………………………………………
II.2 Tính chất của ước lượng OLS
i) Các (j = 1..k) xác định duy nhất (với 1 mẫu thử cụ thể).
Chúng là các ước lượng điểm, các đại lượng ngẫu nhiên.
iii) Giá trị trung bình của các ( được xác định thông qua
hàm hồi quy mẫu) bằng trung bình các quan sát:
vii) Với các giả thiết của mô hình hồi quy tuyến tính cổ điển
thì các ước lượng bình phương nhỏ nhất (j = 1..k) là các
ước lượng hiệu quả của βj (j = 1..k)
viii) (j = 1..k)
II.3 Ma trận hiệp phương sai của các hệ số hồi quy
với
= ………………………………………………………………………
= ……………………
………………………………………………….............
= ………………………………………………….............
………………………………………………….............
……… ………
……… ………
……… ………
III. KHOẢNG TIN CẬY VÀ KIỂM ĐỊNH GIẢ THUYẾT
III.1 Khoảng tin cậy đối xứng của βj (j =1 ..k)
Cho: n = 10, k = 3,
=………………….…
Khoảng tin cậy đối xứng 95% của các βj là:
β1: ………………………………………………………………………
β2: ………………………………………………………………………
β3: ………………………………………………………………………
III.2 Khoảng tin cậy lệch trái, lệch phải của βj
t (n − k ) = ………………….…
(
Khoảng tin cậy lệch trái 95% của β3: − ; ˆ j + t (n − k ) * se( ˆ j ) )
Thay số: ……………………………………………………….
Kết quả: ………………………………………………………..
(
Khoảng tin cậy lệch phải 95% của β3: ˆ j − t (n − k ) * se( ˆ j );+ )
Thay số: ……………………………………………………….
Kết quả: ………………………………………………………..
→ Biến động nhiều nhất của β3 là: ………………….…
Biến động ít nhất của β3 là: ………………….……..
III.3 Kiểm định giả thuyết của βj (j =1..k)
( H1 : j *j , H1 : j *j )
ˆ j − *j
• Tiêu chuẩn kiểm định: T =
se( ˆ j )
Nếu H0 đúng thì T~T(n-k)
• Bảng kết quả: ( được cho trong bảng phân phối Student)
Áp dụng: Kiểm định giả thuyết
Cho hàm hồi quy mẫu:
Với: Yi: doanh số bán ra (triệu đồng); X2i: chi phí dành cho quảng
cáo (triệu đồng); X3i: giá bán (ngàn đồng/1 đv sp); n = 10
Chi phí quảng cáo có ảnh hưởng tới doanh số không, với α= 5%?
…………………………………………………………
…………………………………………………………
5 …………………………………………………………
ˆ2 − 2*
Tiêu chuẩn kiểm định: T = = ………………………………….
ˆ
se( 2 )
Với α=5%, kiểm định 2 phía, 𝑡𝛼 (𝑛 − 𝑘) = ……………………………
2
Luận cứ và kết luận: ……………………………………………
.........................................................................................................
Áp dụng: Kiểm định giả thuyết
Có ý kiến cho rằng, tăng chi phí quảng cáo thêm 1 triệu
đồng/năm sẽ làm doanh thu tăng thêm tối thiểu 10 triệu
đồng/tháng. Điều này đúng không, với mức ý nghĩa 5%?
≥10 …………………………………………………………
<10 …………………………………………………………
ˆ2 − 2* ………………………………….
Tiêu chuẩn kiểm định: T = ˆ
=
se( 2 )
Với α=5%, kiểm định phía trái, t (n − k ) = t…………………………
0 , 05 (10 − 3) =
• Bước 2: Tính R2
• Bước 1: Tìm R2
• Bước 2: Tính
Áp dụng: Tính hệ số xác định bội
= …………………………………
= …………………………………
IV.3 Kiểm định sự phù hợp của mô hình
R2 n − k
• Tiêu chuẩn kiểm định: F = .
1 − R k −1
2
……………………………………………………………………
IV.4 Kiểm định giả thuyết đồng thời – Wald test
• Ý nghĩa: (i) xem xét việc thêm (bớt) một (một số) biến ở mô
hình gốc, còn gọi là kiểm định mở rộng (thu hẹp) hàm hồi
quy; (ii) dùng để so sánh 2 mô hình có cùng biến phụ thuộc.
• Xét:
• Kiểm định giả thuyết:
(1 − R ) m
1
* 2
(i) Khi đưa thêm biến mới vào, tăng lên (ít sử dụng hơn)
(iii) Kiểm định mở rộng hàm hồi quy với biến mới cho kết
quả cần thiết phải mở rộng hàm hồi quy
……………………………………………………………………
VD2: Cho các kết quả hồi quy sau:
SRF: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 , 𝑅2 = 0,968 (1)
SRF1: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋3𝑖 , 𝑅12 = 0,663 (2)
Có nên bỏ biến X2 ra khỏi mô hình (1) không?
Luận cứ và kết luận: ……………………………………………..
……………………………………………………………………
VD3: Cho các kết quả hồi quy sau:
SRF: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋2𝑖 + 𝛽3 𝑋3𝑖 , 𝑅2 = 0.975 (1)
SRF1: 𝑌𝑖 = 𝛽1 + 𝛽2 𝑋3𝑖 , 𝑅12 = 0,7 (2)
Có nên bỏ biến X2 ra khỏi mô hình (1) không? Cho n=10
………………………………………….
Cặp giả thuyết:
………………………………………….
F=
(R 2 − R12 ) (n − k )
= …………………………………………………...
(1 − R ) m
2
*
……………………………………………………………………
V. DỰ BÁO GIÁ TRỊ TRUNG BÌNH
Xét hàm hồi quy tổng thể và hàm hồi quy mẫu có dạng:
Ước lượng điểm của Y0 hay của E(Y |X0) cho bởi:
Yˆ0 − E (Y / X 0 )
Thống kê T = ~ T (n − k ) với
se(Yˆ0 )
Biết: n = 10; ;
…………. ………….
𝑋0 = … … … … . 𝛽መ = … … … … .
…………. ………….
………………………………………………………………………….
……………..…………………….
(Yˆ − t
0 2 (n − k ) * se(Yˆ0 ); Yˆ0 + t 2 (n − k ) * se(Yˆ0 ) )
Thay số: …………………………………………………
Kết quả: …………………………………………………..
cho biết khi thay đổi 1 đơn vị, thay đổi (tăng/giảm)
trung bình 100 % với điều kiện các yếu tố khác không đổi.
Áp dụng: Phổ biến trong lý thuyêt về vốn nhân lực với biến phụ
thuộc là logarithm của thu nhập (hoặc lương), dân số, ....
VD: Hàm thu nhập (phụ thuộc số năm học tập, với r là tỉ suất lợi
nhuận của việc học thêm 1 năm)
𝑊𝑡 = 𝑊0 1 + 𝑟 𝑡 … ⇒ ln 𝑊𝑡 = ln 𝑊0 + 𝑡 ln 1 + 𝑟 + 𝑈𝑡
= 𝛽1 + 𝛽2 𝑡 + 𝑈𝑡
VI.3 Hàm log - tuyến tính
Tác động của X lên Y phụ thuộc vào từng giá trị của X.
Thường dùng để nghiên cứu mối quan hệ giữa chi phí và số
lượng sản phẩm được sản xuất ra.
VI.5 Hàm hyperbol (hàm nghịch đảo)
- Thường dùng khi phân tích chi phí trung bình để sản
xuất ra 1 sản phẩm với
- Nghiên cứu chi tiêu phụ thuộc thu nhập với
- Nghiên cứu tỷ lệ thay đổi của tiền lương phụ thuộc tỷ
lệ thất nghiệp: đường cong Phillips với