NỘI DUNG ÔN TẬP

Phần mở đầu
- Nhận diện dạng dữ liệu: dữ liệu chéo, dữ liệu chuỗi thời gian và dữ liệu hỗn hợp/mảng
- Khái niệm Kinh tế lượng
- Loại dữ liệu theo nguồn, cách tiến hành thu thập…

Chương 1. Mô hình hồi quy tuyến tính 2 biến (hồi quy đơn)
- Vị trí, tên gọi và diễn giải các yếu tố có trong 1 mô hình hồi quy
Y: …
X: …
U: …
- Dạng thức của mô hình, hàm hồi quy đơn: 4 dạng thức
+ Mô hình hồi quy tổng thể
+ Hàm hồi quy tổng thể
+ Mô hình hồi quy mẫu
+ Hàm hồi quy mẫu
- Tinh thần của OLS: Tiến hành như thế nào? Mục đích là gì?
- Các giả thiết của phương pháp ước lượng OLS cho MH hồi quy đơn:
+ Mẫu ngẫu nhiên
+ E(u/X) = 0  2 điều kiện con (biến độc lập X độc lập hoàn toàn với u (với các
yếu tố hàm chứa trong u))
+ Phương sai sai số đồng đều
- Công thức tính beta1 mũ, beta2 mũ theo phương pháp OLS
- Diễn giải ý nghĩa của các hệ số hồi quy trong 1 kết quả hồi quy.
+ Nhận định xem kết quả hồi quy là của tổng thể hay mẫu
 + Chú ý sử dụng đúng: Tên gọi kinh tế của các biến số trong mô hình, đơn vị của
biến được quy ước trong đề bài, luôn mô tả sự thay đổi của giá trị TRUNG BÌNH biến
phụ thuộc.
+ Sau khi diễn giải hệ số chặn, nếu hệ số chặn không có ý nghĩa kinh tế => phải
chỉ ra được.
- Hệ số xác định R^2:
+ Lưu ý đến mối quan hệ giữa TSS, ESS và RSS
+ Diễn giải ý nghĩa của R^2
- Tính chất của các ước lượng OLS: BLUE – tính tốt nhất, tuyến tính, không chệch và
vững của các ước lượng OLS (nếu các giả thiết được thỏa mãn)
- Tham số đo lường tính chính xác của ước lượng OLS: var(betaj mũ); se(beta j mũ)
+ Công thức tính var và se của beta j mũ trong MH hồi quy đơn.
- Lưu ý về đơn vị của biến độc lập trong mô hình (Slide 39, 40 trong chương 1)
- Tính chất của đường hồi quy tổng thể, đường hồi quy mẫu (Slide số 34 chương 1)

Chương 2. Mô hình hồi quy tuyến tính đa biến (bội)

Tương tự nội dung của hồi quy đơn
- Khi nhận xét về hệ số góc trong MH hồi quy, GIẢ ĐỊNH CÁC YẾU TỐ KHÁC LÀ
KHÔNG ĐỔI
- R^2 hiệu chỉnh: công thức tính, cách sử dụng
R^2 hiệu chỉnh dùng để so sánh, lựa chọn 2 mô hình bao nhau có số biến độc lập khác
nhau.
- Mối liên hệ của cột Coefficient, Std.Err và cột t-statistic trên bảng output eviews
- Diễn giải kết quả hồi quy với các dạng hàm khác nhau:
+ Lin-Lin
+ Lin-Log
+ Log-Lin
+ Log-Log
 + MH có chứa biến đa thức của biến độc lập ( đặc biệt chú ý đến trường hợp có
biến đa thức bình phương – để kiểm tra quy luật cận biên giảm dần giữa biến Xj và Y)
- Mô hình hồi quy sử dụng ngôn ngữ ma trận: X, Y, u được liên hệ với nhau như thế nào

Chương 3. Suy diễn thống kê trong mô hình hồi quy

LUÔN LUÔN VIẾT MÔ HÌNH HỒI QUY TỔNG QUÁT TRƯỚC KHI LÀM
I. Ước lượng khoảng tin cậy liên quan đến hệ số hồi quy
Hỏi về lượng thay đổi?
1. Ước lượng liên quan đến 1 hệ số hồi quy: Mô tả sự thay đổi của 1 biến độc lập trong
mô hình, sau đó hỏi lượng thay đổi của biến phụ thuộc
+ Khoảng tin cậy 2 phía
+ Khoảng tin cậy tối đa
+ Khoảng tin cậy tối thiểu
- thay đổi như thế nào? Thay đổi trong khoảng nào? => ktc 2 phía
- thay đổi nhiều nhất/ít nhất/tối đa/tối thiểu bao nhiểu? => ktc 1 phía
2. Ước lượng khoảng tin cậy của 1 biểu thức chứa 2 hệ số hồi quy: Mô tả sự thay đổi của
2 biến độc lập trong mô hình cùng lúc, sau đó hỏi lượng thay đổi của biến phụ thuộc
+ Chỉ có ktc 2 phía
+ Luôn có dữ liệu về COV giữa betaj mũ và beta s mũ
II. Kiểm định giả thuyết thống kê
Đưa ra 1 nhận định, yêu cầu kiểm tra tính đúng/sai của nhận định đó
- Nguyên tắc thiết lập cặp giả thuyết: …
1. Kiểm định giả thuyết về hệ số hồi quy, 1 biểu thức chứa 2 hệ số hồi quy
2. Kiểm định sự phù hợp của hàm hồi quy mẫu (kiểm định R^2)
3. Kiểm định thu hẹp hàm hồi quy: Các biến độc lập có đồng thời không ảnh hưởng đến
biến phụ thuộc không? Có nên bỏ bớt biến X2, X3… ra khỏi mô hình?
- Sử dụng P-value của kiểm định.
III. Dự báo – Ước lượng giá trị trung bình của biến phụ thuộc
Cho 1 mô hình hồi quy ĐƠN, cho 1 giá trị cụ thể của X => yêu cầu ước lượng, dự báo giá
trị trung bình của biến phụ thuộc Y.

Chương 4. Hồi quy với biến định tính

- Khái niệm biến giả: quy ước phạm trù 1 phạm trù 0
- Nhận xét hệ số hồi quy trong mô hình có chứa biến giả, biến tương tác giữa biến độc lập
và biến giả
- Đưa thông tin định tính có m phạm trù vào mô hình hồi quy => sử dụng m-1 biến giả
(nhằm tránh hiện tượng bẫy biến giả)

Chương 5. Đa cộng tuyến

- Khái niệm: Các biến độc lập trong mô hình có mối quan hệ tương quan chặt chẽ với
nhau
- Nguyên nhân: Do bản chất kinh tế của các biến số, do mẫu không có tính chất đại diện..
- Hậu quả: Làm chệch phương sai của các ước lượng OLS => không thực hiện được các
bài toán suy diễn thống kê
- Phát hiện đa cộng tuyến cao:
+ Hồi quy phụ: Xj ~ các biến độc lập khác trong mô hình
=> hàm hồi quy phụ là phù hợp, hoặc giá trị VIF > 10, R^2j lớn, gần với 1…
+ Hệ số tương quan cặp giữa các biến độc lập lớn (>= 0.6)
- Khắc phục:
+ Bỏ bớt biến gây đa cộng tuyến
+ Tăng cỡ mẫu
+ Bỏ qua đa cộng tuyến
Chương 6. Phương sai sai số thay đổi
- Khái niệm: var( u/X2, X3… Xj) thay đổi theo quan sát => Bản chất: Sai số ngẫu nhiên
tương quan chặt với biến độc lập Xj trong mô hình
- Biểu hiện: Mức độ biến thiên của Y tại các mức giá trị khác nhau của Xj là khác nhau
- Nguyên nhân: Do bản chất kinh tế của các biến số trong mô hình, mô hình thiếu biến
quan trọng hoặc sử dụng sai dạng hàm
- Hậu quả:
+ Các ước lượng OLS giữ được tính không chệch (có thể sd ước lượng điểm),
nhưng mất đi tính tốt nhất, tính vững (1 sự thay đổi nhỏ trong mẫu có thể cho ra 1 kq hồi
quy hoàn toàn khác)
+ Làm chệch var(beta j mũ) => không suy diễn thống kê được
- Cách phát hiện:
+ Đồ thị (phán đoán): Đồ thị tọa độ điểm của e và Xj hoặc Đồ thị tọa điểm của Y
và Xj
+ Kiểm định: Kiểm định Breusch – Pagan, kiểm định White, kiểm định Park và
kiểm định Glejser
=> nhìn vào phép hồi quy phụ để nhận diện ra loại kiểm định đang sử dụng
e^2 hoặc |e| đóng vai trò làm biến phụ thuộc trong hồi quy phụ.
- Cách khắc phục: Phương pháp GLS (chia cả 2 vế của MH hồi quy cho biến độc lập Xj –
nguyên nhân gây ra PSSTĐ) và phương pháp ước lượng sai số chuẩn vững

Chương 7. Hiện tượng tự tương quan

- Khái niệm: sai số ngẫu nhiên ở các thời điểm khác nhau có mối quan hệ tương quan với
nhau.
- Hậu quả:
+ Các ước lượng OLS vẫn giữ được tính không chệch và vững => có thể dùng ước
lượng điểm bình thường
+ Làm chệch phương sai của hệ số ước lượng (var(betaj mũ)) => không suy diễn
thống kê được
- Cách phát hiện:
+ Đồ thị phần dư: đồ thị tọa độ điểm giữa et và et-p
+ Kiểm định:
TTQ bậc 1 => KĐ Durbin – Watson
TTQ bậc p => Kiểm định Breusch – Godfrey
- Khắc phục hiện tượng tự tương quan:
+ TTQ bậc 1: GLS (biết rô 1) – FGLS (không biết rô 1)
Thủ thuật vòng lặp Cocrane – Orcutt
+ TTQ bậc p bất kỳ: FGLS, phương pháp lấy sai phân hoặc phương pháp sử dụng
phương sai hiệu chỉnh.
Sai phân bậc 1 của Yt: deltaYt = Yt – Yt-1

Chương 8. Kỳ vọng của sai số ngẫu nhiên khác 0

Chú ý vào kiểm định Ramsey.

Good luck các em bé!!! 😊