Professional Documents
Culture Documents
R 2. R R R R 3.: Sử dụng hệ số xác định điều chỉnh
R 2. R R R R 3.: Sử dụng hệ số xác định điều chỉnh
nghĩa) bạn có những phương pháp nào để thực hiện việc này?. Hãy thực hiện các
phương pháp này và so sánh kết quả nhận được giữa các phương pháp này.
Các phương pháp lựa chọn mô hình hồi quy phù hợp nhất:
1. Sử dụng hệ số xác định R2: đo lường tỷ lệ biến thiên của biến phụ thuộc được
giải thích bởi các biến giải thích. Giá trị của nó nằm giữa 0 và 1. 0 cho biết hầu
như không phù hợp và 1 là phù hợp hoàn hảo. R2 thường nằm giữa hai giá trị
này; càng gần 0 thì càng ít phù hợp; càng gần 1 thì càng phù hợp.
2. Sử dụng hệ số xác định điều chỉnh R2: R2 và R2 tương đương nhau nhưng
người ta thường chọn R2 để đo sự phù hợp của mô hình. Nguyên nhân là vì khi
thêm biến giải thích vào mô hình (kể cả các biến không cần thiết) càng nhiều
thì R2 càng tăng, điều này đã thổi phồng mức độ phù hợp của mô hình và dẫn
đến một vấn đề là R2 không còn ý nghĩa trong hồi quy đa biến nữa. Chính vì
vậy, người ta chọn R2 là đại lượng đo lường mức độ phù hợp của mô hình
chính xác hơn so với R2 vì khi thêm biến giải thích vào mô hình thì R2 có thể
tăng hoặc không tăng tùy vào biến giải thích đó có ý nghĩa hay không. Điều
này đã khắc phục được khuyết điểm của R2 trong hồi quy đa biến, tức là R2
ngăn chặn được việc thêm các biến giải thích không có ý nghĩa vào mô hình.
3. Sử dụng tiêu chuẩn AIC (Akaike Info Criterion): Giống như R2 điều chỉnh,
tiêu chuẩn AIC đưa một mức phạt khắc nghiệt hơn cho việc đưa nhiều biến giải
thích vào mô hình. AIC được định nghĩa như sau:
AIC =
Tiêu chuẩn AIC hữu ích khi so sánh hai hoặc nhiều mô hình. Mô hình với AIC
thấp nhất thường là mô hình được chọn.
4. Sử dụng tiêu chuẩn Schwarz (SIC): Đây là một cách khác của tiêu chí AIC,
tiêu chuẩn Schwarz được định nghĩa như sau:
Giống AIC, giá trị SIC thấp hơn thì mô hình tốt hơn.
5. Sử dụng tiêu chuẩn Hannan - Quinn (HQ criterion):
f) Với mô hình hồi quy đã chạy ở Chapter 2 sau
Ln(HousingPrice) = β 0 + β 1*Old_planned + β 2*New_planned + β 3*Spontaneous +
β 4 *Between + β 5*Front + β 6*Villas + β 7*Condo + β 8*Vehicular + β 9*Other + β 10
*Rent + β 11*Office + β 12*Total_area + β 13*No_of_bedroom + β 14
*No_of_bathroom+ β 15 *Travel_Time + β 16*Mothly_Expenditure + β 17*Distance
+ β 18*Graduate + β 19*Undergraduate + u
Bạn hãy giải thích ý nghĩa của các hệ số gồm β 6, β 12, β 18
Mô hình ước lượng đầy đủ của các biến có dạng như sau:
Ln(HousingPrice)=6.36+0.25*Old_planned + 0.04*New_planned - 0.22*Spontaneous
- 0.019*Between + 0.29*Front + 0.65*Villas - 0.28*Condo + 0.12*Vehicular -
0.24*Other + 0.33*Rent + 0.22*Office + 0.004*Total_area + 0.096*No_of_bedroom
+ 0.114*No_of_bathroom - 0.001*Travel_Time + 0.006*Mothly_Expenditure -
0.008*Distance + 0.22*Graduate + 0.165*Undergraduate + u
g) Vẫn mô hình câu 2 f), Bạn hãy dự đoán giá nhà sẽ là bao nhiêu nếu biết các
thông tin sau:
- Nhà biệt thự ở khu vực đô thị quy hoạch cũ
- Nhà chỉ dùng để ở, có diện tích 250m2 , 4 phòng ngủ và 5 phòng tắm
- Thời gian di chuyển đến nơi làm việc là 10 phút
- Chi tiêu hàng tháng là 30 triệu
- Khoảng cách đến trung tâm thành phố là 5km
- Trình độ học vấn của chủ hộ là sau đại học
Mô hình ước lượng đầy đủ của các biến có dạng như sau:
ln ¿=6.36+0.25*Old_planned+0.04*New_planned- 0.22*Spontaneous -
0.019*Between + 0.29*Front + 0.65*Villas - 0.28*Condo + 0.12*Vehicular -
0.24*Other + 0.33*Rent + 0.22*Office + 0.004*Total_area + 0.096*No_of_bedroom
+ 0.114*No_of_bathroom - 0.001*Travel_Time + 0.006*Mothly_Expenditure -
0.008*Distance + 0.22*Graduate + 0.165*Undergraduate
Ta có:
ln ¿=6.36 + 0.25+ 0.65 + 0.004.250 + 0.096.4 + 0.114.5 - 0.001*10 + 0.006*30 -
0.008*5 + 0.22 =9.564.
=> giá nhà trung bình là 14 242.7 triệu.