ĐA CỘNG TUYẾN

TS. Đinh Thị Thanh Bình

Khoa KTQT, FTU

1
 TÌNH HUỐNG KHỞI ĐỘNG BÀI

Nghiên cứu các yếu tố ảnh hưởng đến giá trị nhập khẩu của Hoa Kỳ, sử dụng bộ số liệu
mẫu từ 1970 đến năm 1998 ta được kết quả ước lượng như sau:
lnimportst = 1.975 + 1.043lngdpt + 0.446lncpit + et
(se) (0.782) (0.406) (0.57)
(t-stats) (2.53) (2.57) (0.78)
R2 = 98.23%
Trong đó: imports: Giá trị nhập khẩu, gdp: GDP của Hoa Kỳ, cpi: Chỉ số tiêu dùng. Các
biến được lấy log khi đưa vào mô hình.
Nhìn vào kết quả ước lượng có thể thấy, t kiểm định ứng với lncpi có giá trị rất nhỏ, khi
kiểm định ý nghĩa thống kê của hệ số hồi quy này sẽ dẫn đến kết luận là hệ số này không
có ý nghĩa thống kê. Điều này có nghĩa rằng chỉ số tiêu dùng, đại diện cho lạm phát,
không có ảnh hưởng đến mức nhập khẩu của Hoa Kỳ, trong khi lý thuyết kinh tế vĩ mô đã
khẳng định lạm phát có ảnh hưởng đến cán cân thương mại.
Vậy có thật là CPI không ảnh hưởng đến mức nhập khẩu của Hoa Kỳ hay nguyên nhân là
do yếu tố nào khác?
2
MỤC TIÊU BÀI HỌC
 Hiểu được hiện tượng đa cộng tuyến xảy ra với mô hình hồi quy.
 Phân biệt được đa cộng tuyến hoàn hảo và đa cộng tuyến không hoàn
hảo.
 Xác định được các nguyên nhân và hậu quả của hiện tượng đa cộng
tuyến.
 Nhận định được các cách phát hiện ra hiện tượng đa cộng tuyến trong
kết quả hồi quy.
 Xác định được cách khắc phục nếu hiện tượng đa cộng tuyến xảy ra.

3
CẤU TRÚC NỘI DUNG

4.1 Bản chất của đa cộng tuyến 4.4 Hậu quả của đa cộng tuyến

4.2 Ước lượng các tham số khi có đa cộng tuyến 4.5 Phát hiện đa cộng tuyến

4.3 Nguyên nhân của đa cộng tuyến 4.6 Khắc phục đa cộng tuyến

4
4.1. BẢN CHẤT CỦA ĐA CỘNG TUYẾN
 Đa cộng tuyến là một khuyết tật của mô hình tuyến tính bội (nhiều biến
độc lập).
 Trong mô hình hồi quy tuyến tính có sự phụ thuộc tuyến tính cao giữa
các biến giải thích.
 Đa cộng tuyến có 2 dạng theo mức độ tương quan giữa các biến độc
lập.
4.1.1. Đa cộng tuyến hoàn hảo 4.1.2. Đa cộng tuyến không hoàn hảo

5
 4.1.1. ĐA CỘNG TUYẾN HOÀN HẢO

 Đa cộng tuyến hoàn hảo xảy ra khi tồn tại một tổ hợp tuyến tính hoàn hảo
của các biến độc lập trong
mô hình.
 Sự biến động của một Ybiến  
độc
 X
lập
  X
có ...thể 
được
X  u
giải thích hoàn toàn bởi
các biến độc lập khác.
i 1 2 2i 3 3i k ki i

 Xét mô hình hồi quy tổng1 quát  3 X 3 gồm

 2 X 2  bao ...   k Xkk biến:
0

Các biến độc lập X2, X3,..., Xk được gọi là đa cộng tuyến hoàn hảo nếu:
1  3  
X2    X 3  4 X 4  ...  k X k
2 2 2 2
Trong đó: 1, 2, 3,…, k là các hằng số và tồn tại ít nhất 2 trong số các i ≠ 0 với i =
2, 3,..., k.
Nếu
6
λ2 ≠ 0, khi đó ta có:
4.1.1. ĐA CỘNG TUYẾN HOÀN HẢO (tiếp theo)
Ví dụ 4.1: Xét mô hình hồi quy tuyến tính

 i  1 đồng/tháng);
Y: Thu nhập hàng tháng Y(triệu 2 X 2i  3 X 3i  u i

 X2: Độ tuổi (tuổi);

 X3: Số năm kinh nghiệm (năm).
 Mẫu số liệu:
STT Y X2 X3
1 5 22 0
2 6 23 1
3 8 24 2
4 15 30 8
5 30 42 20
6 42 55 33
7
4.1.1. ĐA CỘNG TUYẾN HOÀN HẢO (tiếp theo)
Các cặp quan sát (X2, X3) cùng nằm trên một đường thẳng.
X3 = X2 – 22 → Đa cộng tuyến hoàn hảo.

Mối quan hệ giữa độ tuổi và kinh nghiệm

35
30
25
20
15
10
5
0
0 10 20 30 40 50 60

8
 4.1.2. ĐA CỘNG TUYẾN KHÔNG HOÀN HẢO

 Đa cộng tuyến không hoàn hảo xảy ra khi:

 Tồn tại một mối quan hệ tuyến tính giữa các biến độc lập trong mô hình;
 Nhưng sự biến động của một biến độc lập không được giải thích hoàn toàn bởi
các biến độc lập khác.
1   2 X 2   3 X 3  ...   k X k  Vi  0
 Các biến độc lập X2, X3, ..., Xk được gọi là đa cộng tuyến không hoàn hảo
nếu:

Trong đó: 1  3
X2  
  V
 X 3  4 X 4  ...  k X k  i
 2 vàtồn
1, 2, 3,…, k là các hằng số 2 tạiít2 nhất 2 trong
2 số 2các i ≠ 0 với i = 2, 3, ..., k
Vi là sai số ngẫu nhiên.
Nếu λ2 ≠ 0, khi đó ta có:
9
 4.1.2. ĐA CỘNG TUYẾN KHÔNG HOÀN HẢO

Ví dụ 4.2: Vẫn ước lượng tiền lương dựa vào độ tuổi và số năm kinh
nghiệm nhưng sử dụng bộ số liệu khác.
STT Y X2 X3
1 5 22 1
2 6 23 0
3 8 24 3
4 15 30 10
5 30 42 19
6 42 55 33

và X3 mới có quan hệ tuyến tính gần hoàn hảo.

X2 10
CÂU HỎI TRẮC NGHIỆM
Câu 1: Đa cộng tuyến trong mô hình hồi quy là gì?
A. Là khi biến phụ thuộc có tương quan cao với biến độc lập.
B. Là khi biến độc lập có tương quan cao với sai số ngẫu nhiên.
C. Là khi biến phụ thuộc có tương quan cao với sai số ngẫu nhiên.
D. Là khi các biến độc lập có tương quan cao với nhau.

Đáp án đúng là: D. Là khi các biến độc lập có tương quan cao với nhau.
Vì: Đa cộng tuyến liên quan đến mối tương quan giữa các biến độc lập
trong mô hình hồi quy bội.

11
4.2. ƯỚC LƯỢNG CÁC THAM SỐ KHI CÓ ĐA CỘNG TUYẾN
Xét trường hợp đơn giản nhất của mô hình hồi quy tuyến tính bội là mô
hình hồi quy 3 biến:
 Mô hình hồi quy tổng thể có dạng:
Yi  1  2 X 2i  3 X 3i  u i

 Mô hình hồi quy mẫu Ycó

i  dạng:
1   2 X 2i  3 X 3i  ei

Dùng phương pháp OLS để ước

 
  X   các
y X lượng i 2i   X số
 y Xtham 2
3iX ta có các ước lượng như
i 3i 2i 3i

sau:   X   X     X X 
2 2
2i
2
3i 2i 3i
2

  yi X3i    X 2i2     yi X 2i   X 2i X3i 

3 
  X 22i   X3i2     X 2i X3i 2
1  Y  1 X 2  1 X 3

12
4.2. ƯỚC LƯỢNG CÁC THAM SỐ KHI CÓ ĐA CỘNG TUYẾN
(tiếp theo)

4.2.1. Trường hợp đa cộng tuyến 4.2.2. Trường hợp đa cộng tuyến
hoàn hảo không hoàn hảo

13
4.2.1. TRƯỜNG HỢP ĐA CỘNG TUYẾN HOÀN HẢO
Giả sử tồn tại đa cộng tuyến hoàn hảo: X3i = X2i
x3i = x2i với  ≠ 0.
Thế vào công thức tính tham số ta có các ước lượng là các định thức
không xác định
  yi x 2i     2 x 2i2     yi x 2i   x 2i x 2i  0
2  
  x 2i    x 2i     x 2ix 2i 
2 2 2 2
0

  yi x 2i    x 2i2     yi x 2i   x 2i x 2i  0
3  
  x 2i    x 2i     x 2ix 2i 
2 2 2 2
0

→ Khi mô hình tồn tại đa cộng tuyến hoàn hảo thì không ước lượng
được các tham số của mô hình.

14
4.2.1. TRƯỜNG HỢP ĐA CỘNG TUYẾN HOÀN HẢO (tiếp
theo)
Ước lượng mô hình có đa cộng tuyến hoàn hảo bằng STATA cho dữ liệu
ở ví dụ 4.1

15
4.2.2. TRƯỜNG HỢP ĐA CỘNG TUYẾN KHÔNG HOÀN HẢO
Giả sử tồn tại đa cộng tuyến không hoàn hảo: X3i = X2i + Vi
x3i = x2i + vi với  ≠ 0 và vi là sai số ngẫu nhiên.
Thế vào công thức tính tham số ta có:

  yi x 2i    2  x 2i2   vi2      yi x 2i   yi vi     x 2i2 

2 
  x 22i   2  x 22i   vi2     x 2i2 
2

   yi x i   yi vi    x 2i2     yi x 2i     x 2i2 
3 
  x 22i   2  x 22i   vi2     x 2i2 
2

→ Khi mô hình tồn tại đa cộng tuyến không hoàn hảo thì vẫn xác định
được các ước lượng hồi quy là
duy nhất.

16
 4.2.2. TRƯỜNG HỢP ĐA CỘNG TUYẾN KHÔNG HOÀN HẢO
(tiếp theo)

Ước lượng mô hình có đa cộng tuyến không hoàn hảo bằng STATA ở ví dụ
4.2
Hệ số hồi quy ứng với biến kinh nghiệm: sai số chuẩn lớn, không có ý nghĩa
thống kê, mang dấu âm → kém chính xác.

17
 4.2.2. TRƯỜNG HỢP ĐA CỘNG TUYẾN KHÔNG HOÀN HẢO
(tiếp theo)

 Giả sử chúng ta ước lượng tiền lương của người lao động, chỉ dựa vào số
năm kinh nghiệm.

 Hệ số hồi quy ứng với biến kinh nghiệm đã có ý nghĩa thống kê và mang
dấu
18 dương.
4.2.2. TRƯỜNG HỢP ĐA CỘNG TUYẾN KHÔNG HOÀN HẢO
(tiếp theo)
So sánh giữa đa cộng tuyến hoàn hảo và đa cộng tuyến không hoàn hảo

Đa cộng tuyến hoàn hảo Đa cộng tuyến không hoàn hảo

Vi phạm giả thiết của mô hình hồi quy tuyến Không vi phạm giả thiết của mô hình hồi quy
tính cổ điển. tuyến tính cổ điển.

Vẫn có thể ước lượng được tất cả các tham

Không thể ước lượng được tất cả các tham
số của mô hình hồi quy, tuy nhiên các tham
số của mô hình hồi quy.
số thường không có ý nghĩa.

19
CÂU HỎI TRẮC NGHIỆM
Câu 2: Phát biểu nào sau đây là sai?
A. Không thể ước lượng được các tham số của mô hình hồi quy khi có đa cộng tuyến
không hoàn hảo.
B. Đa cộng tuyến không hoàn hảo không vi phạm giả định của mô hình hồi quy tuyến
tính cổ điển.
C. Đa cộng tuyến hoàn hảo xảy ra khi hệ số tương quan giữa các biến độc lập trong
mô hình bằng 1 hoặc -1.
D. Đa cộng tuyến không hoàn hảo xảy ra khi phần lớn sự biến động (không phải
100%) của một biến độc lập ở trong mô hình có thể được giải thích thông qua các biến
độc lập khác trong mô hình.

Đáp án đúng là: A. Không thể ước lượng được các tham số của mô hình hồi quy khi
có đa cộng tuyến không hoàn hảo.
Vì: Khi có đa cộng tuyến không hoàn hảo, ta vẫn có thể ước lượng được các tham số
của mô hình, nhưng các ước lượng này kém chính xác.

20
4.3. NGUYÊN NHÂN CỦA ĐA CỘNG TUYẾN
 Bản chất của mối quan hệ giữa các biến.
Ví dụ: Hồi quy năng lượng sử dụng theo kích thước nhà ở và thu nhập.
 Do phương pháp thu thập dữ liệu
 Do mẫu dữ liệu không có tính ngẫu nhiên, đại diện cho tổng thể;
 Các giá trị của biến độc lập có tương quan cao trong mẫu nhưng không có
tương quan cao trong
tổng thể.
Ví dụ: Hồi quy chi tiêu theo thu nhập và tài sản.
 Dạng hàm mô hình
Ví dụ: Một biến độc lập là bình phương (hoặc lũy thừa bậc 3) của một biến độc
lập khác.
 Số liệu vĩ mô theo chuỗi thời gian.

21
4.4. HẬU QUẢ CỦA ĐA CỘNG TUYẾN
 Hệ quả của đa cộng tuyến hoàn hảo là không ước lượng được các
tham số của mô hình.
 Hệ quả của đa cộng tuyến không hoàn hảo
 Hệ quả về mặt lý thuyết: Ảnh hưởng đến tính chất của các ước lượng OLS;
 Hệ quả thực tế: Hệ quả thể hiện trên kết quả ước lượng.
 Những hậu quả sẽ thảo luận sau đây là hệ quả của đa cộng tuyến
không hoàn hảo.
4.4.1. Hậu quả về
4.4.2. Hậu quả thực tế
mặt lý thuyết

22
4.4.1. HẬU QUẢ VỀ MẶT LÝ THUYẾT
Việc chứng minh tính chất không chệch và hiệu quả của các ước lượng
OLS không yêu cầu giữa các biến độc lập phải không có tương quan với
nhau.
 Tính không chệch: Các ước lượng OLS vẫn là các ước lượng không
chệch.
 Tính hiệu quả: Các ước lượng OLS vẫn có phương sai nhỏ nhất.

23
4.4.2. HẬU QUẢ THỰC TẾ
a. Phương sai và sai số chuẩn của các ước lượng OLS lớn hơn
 Ví dụ 4.2 (tiếp): Phương sai của hệ số ước lượng ứng với biến exp2
cao hơn rất nhiều khi có đa cộng tuyến ở trong mô hình.
 Xét mô hình:
Yi  1  2 X 2i  3 X 3i  u i
Phương sai của hệ số hồi quy:

  1  r   x  ; var    1  r   x 
var 2  2
23
2
2
2i
3 2
23
2
2
3i

|r23| càng lớn (mức độ đa cộng tuyến cao) → Phương sai của các hệ số càng
lớn.

24
4.4.2. HẬU QUẢ THỰC TẾ (tiếp theo)
b. Khoảng tin cậy lớn hơn
 Khoảng tin cậy của tham số j

 
 j  t n /2k  se  j

 Dose   j  lớn nên khoảng tin cậy của hệ số hồi quy cũng rộng.
 Khoảng tin cậy càng rộng (do ước lượng không chính xác) càng đem
lại ít thông tin hoặc thông tin không có ý nghĩa về hệ số hồi quy của mô
hình tổng thể.

25
4.4.2. HẬU QUẢ THỰC TẾ (tiếp theo)
c. Giá trị kiểm định t gần 0 hơn

j  0
t
 
se  j

 Làm giảm ý nghĩa thống kê của hệ số hồi quy.

 t quá nhỏ, |ts| < tc → Không bác bỏ H0 → Hệ số hồi quy không có ý
nghĩa thống kê.

26
 4.4.2. HẬU QUẢ THỰC TẾ (tiếp theo)

d. Hệ số xác định R2 cao và các giá trị kiểm định t nhỏ

 Hệ số xác định R2 cao chứng tỏ các biến độc lập giải thích tốt cho biến phụ
thuộc, nhưng t nhỏ và không có ý nghĩa thống kê lại thể hiện rằng các biến độc
lập không giải thích cho sự thay đổi của biến phụ thuộc
→ mâu thuẫn.
 Các biến độc lập có quan hệ tuyến tính với nhau → t nhỏ.
 Một tổ hợp tuyến tính nào đó của chúng có thể giải thích được những biến động
trong giá trị của biến phụ thuộc → R2 cao.
 Ví dụ 4.2 (tiếp)
 Chạy hồi quy tiền lương theo kinh nghiệm, ta thấy mức độ ảnh hưởng của kinh nghiệm
lên tiền lương là rất lớn.
 Hồi quy tiền lương theo độ tuổi và kinh nghiệm, giá trị t ứng với kinh nghiệm lại rất nhỏ,
nhưng R2 của mô hình lại lớn.

27
4.4.2. HẬU QUẢ THỰC TẾ (tiếp theo)
e. Các ước lượng OLS và các sai số tiêu chuẩn của chúng trở nên
rất nhạy cảm với những thay đổi nhỏ trong số liệu hay thêm bớt
biến giải thích
Sai số chuẩn và khoảng tin cậy của các hệ số hồi quy lớn → Thu được
các ước lượng khác nhau lớn về mặt giá trị.
Ví dụ 4.2 (tiếp): Giá trị của hệ số hồi quy ứng với biến exp2 đổi từ -0.09
thành 1.16 khi bỏ biến độc lập age ra khỏi mô hình.

28
4.4.2. HẬU QUẢ THỰC TẾ (tiếp theo)
g. Dấu của các ước lượng hồi quy có thể sai
Dấu của ước lượng trái với lý thuyết.
Ví dụ 5.1.2: Khi hệ số hồi quy ứng với biến kinh nghiệm mang hệ số âm
(-0.09)

29
CÂU HỎI TRẮC NGHIỆM
Câu 3: Đâu KHÔNG phải là một hậu quả của hiện tượng đa cộng tuyến?
A. Khoảng tin cậy của các hệ số hồi quy ước lượng rộng.
B. Dấu của hệ số hồi quy ước lượng có thể sai.
C. R2 cao trong khi các giá trị của t kiểm định lại không có ý nghĩa thống
kê.
D. Ước lượng OLS bị chệch.

Đáp án đúng là: D. Ước lượng OLS bị chệch.

Vì: Đa cộng tuyến không làm ảnh hưởng đến tính chất của ước lượng
OLS.

30
4.5. PHÁT HIỆN ĐA CỘNG TUYẾN

4.5.1. Hệ số xác định R2 cao 4.5.2. Tương quan giữa các

nhưng giá trị kiểm định t thấp cặp biến giải thích cao

4.5.3. Hồi quy phụ 4.5.4. Nhân tử phóng đại

(auxiliary regressions) phương sai

31
4.5.1. HỆ SỐ XÁC ĐỊNH R2 CAO NHƯNG GIÁ TRỊ KIỂM ĐỊNH t
THẤP
 Đây là một biểu hiện đặc trưng của đa cộng tuyến.
 R2 cao (R2 > 0.8) và các giá trị t thấp (hệ số hồi quy không có ý nghĩa
thống kê) → Đa cộng tuyến.
 Trường hợp một vài biến độc lập có quan hệ tuyến tính → Một vài giá
trị t lớn, một vài giá trị t nhỏ.

32
4.5.2. TƯƠNG QUAN GIỮA CÁC CẶP BIẾN GIẢI THÍCH CAO
 Lập ma trận hệ số tương quan cặp giữa các biến độc lập (correlation
matrix).
 r > 0.8 chứng tỏ mô hình tồn tại đa cộng tuyến.
 Tìm ma trận tương quan trong STATA.
 Không còn chính xác với mô hình có nhiều hơn 2 biến độc lập.
Trong STATA, để lập ma trận hệ số tương quan giữa các biến, dùng lệnh corr
[tên các biến].
Ví dụ: corr X2 X3 X4.

33
4.5.3. HỒI QUY PHỤ (AUXILIARY REGRESSIONS)
 Hồi quy mỗi biến độc lập theo tất cả các biến độc lập còn lại.
Ví dụ hồi quy X2 theo X3, X4,…, Xk

X 2  1   2X3  3X 4  ...   k 1X k  vi

 Làm tương tự với các biến X3, X4,…, Xk.
 Xác định
R 2
i
cho các mô hình hồi quy phụ.
cao chứng tỏ mức độ tương quan giữa biến Xi và các biến độc lập
2
R i

khác là cao.

34
4.5.4. NHÂN TỬ PHÓNG ĐẠI PHƯƠNG SAI

1
VIFj =
1  R 2j
 Khi
R  1, VIF  
2
: Mức độ cộng tuyến giữa Xi với các biến độc lập
còn lại cao.
j j

R  0, VIF  1
2
j j

 Khi : Không tồn tại hiện tượng đa cộng tuyến giữa các
biến độc lập.
 VIF > 10 → Đa cộng tuyến tồn tại.
 Xác định VIF trong STATA: Ước lượng mô hình rồi dùng lệnh vif.

35
CÂU HỎI TRẮC NGHIỆM
Câu 4: Đa cộng tuyến có thể được phát hiện bằng các cách sau đây,
ngoại trừ
A. Dùng hàm hồi quy phụ.
B. Dùng dấu hiệu nhận biết trong kết quả hồi quy.
C. Dùng đồ thị các phần dư.
D. Dùng ma trận hệ số tương quan của các biến độc lập.

Đáp án đúng là: C. Dùng đồ thị các phần dư.

Vì: Phần dư không liên quan đến hiện tượng đa cộng tuyến.

36
4.6. KHẮC PHỤC ĐA CỘNG TUYẾN
Khi vấn đề không quá nghiêm trọng ta có thể bỏ qua đa cộng tuyến:
 Bỏ qua nếu VIF < 10.
 Bỏ qua nếu mục tiêu xây dựng mô hình là để ước lượng, dự báo biến
phụ thuộc chứ không phải kiểm định.
* *
X
j X
j

 Bỏ qua nếu hệ số hồi quy ứng với biến có ý nghĩa thống kê, trong
đó biến là biến ta quan tâm đến việc đo lường tác động của nó đến
biến phụ thuộc.

37
4.6. KHẮC PHỤC ĐA CỘNG TUYẾN (tiếp theo)
 Sử dụng thông tin có trước
 Từ các cuộc khảo sát trước;
 Sử dụng kết quả của các mô hình kinh tế lượng trước ít có đa cộng tuyến.
 Thu thập thêm số liệu hoặc lấy mẫu số liệu mới
 Tăng kích thước mẫu;
 Lấy mẫu số liệu khác.
 Kết hợp số liệu chéo và số liệu thời gian.
 Bỏ đi biến độc lập có đa cộng tuyến
 Bỏ đi biến ít quan tâm hơn, hoặc biến ít quan trọng hơn.
 Lưu ý: Nếu lý thuyết khẳng định có mối quan hệ giữa biến định loại bỏ và biến
phụ thuộc → Loại bỏ biến quan trọng thì sẽ dẫn đến sai lầm về nhận dạng mô
hình.

38
4.6. KHẮC PHỤC ĐA CỘNG TUYẾN (tiếp theo)
 Thay đổi biến
Trong một số trường hợp chúng ta có thể thay đổi biến sử dụng trong mô hình để
tránh đa cộng tuyến.
 Ví dụ: Mối quan hệ giữa giá đất ở một quốc gia (biến phụ thuộc) và tỷ lệ cho
vay mua nhà trên thị trường, GNP và dân số.
 Có thể sẽ thấy rằng biến GNP và dân số có tương quan cao với nhau.
→ Một cách có thể tránh được đa cộng tuyến đó là sử dụng biến GNP bình quân đầu
người.

39
 GIẢI QUYẾT TÌNH HUỐNG KHỞI ĐỘNG BÀI

 Nhìn vào kết quả ước lượng có thể thấy hệ số xác định của mô hình khá cao, trong khi
giá trị kiểm định t ứng với hệ số của biến lncpi khá nhỏ. Điều này chứng tỏ có đa cộng
tuyến không hoàn hảo trong mô hình giữa GDP và CPI.
 Kiểm tra lại bằng VIF: ta thấy VIF(lncpi) = VIF(lngdp) = 128.61 > 10
 Như vậy, nguyên nhân của việc hệ số hồi quy ước lượng ứng với lncpi không có ý
nghĩa thống kê là do hiện tượng đa cộng tuyến xảy ra, làm các ước lượng thu được
kém chính xác.
 Khắc phục hiện tượng đa cộng tuyến: Cách tốt nhất ở đây là ước lượng lại mô hình
nhập khẩu theo GDP tính theo giá trị thực, tức là chia cả GDP và imports cho CPI.
Ước lượng mô hình mới ta có:
lnrimportst = 0.106 + 2.16lnrgdpt + et
(t-stats) (0.214) (15.93)
R2 = 90.39%
40
TỔNG KẾT BÀI HỌC
 Bản chất của đa cộng tuyến.
 Phân biệt đa cộng tuyến hoàn hảo và đa cộng tuyến không hoàn hảo.
 Nguyên nhân của đa cộng tuyến: do số liệu chuỗi thời gian vĩ mô, do
cách thu thập số liệu mẫu, do dạng mô hình, bản chất vấn đề.
 Hậu quả của đa cộng tuyến hoàn hảo và không hoàn hảo: hậu quả lý
thuyết và hậu quả thực tế
 Phát hiện đa cộng tuyến: dấu hiện đặc trưng, ma trận tương quan, hồi
quy phụ, VIF.
 Khắc phục đa cộng tuyến.

41