Professional Documents
Culture Documents
Các tính chất của ước lượng OLS trong hồi qui đa biến theo giả thiết phân
phối chuẩn ˆk ~ N ( k , 2ˆ ) k
Ước lượng 2ˆ trong hàm hồi qui với 2 biến độc lập
k
Yi = β1 + β2 X2i+ β3 X3i+ ui
var( ˆ2 )
x 2
3i
2
x 2
2i x - x
2
3i 2i x3i
2
var( ˆ3 )
x 2
2i
2
x 2
2i x - x
2
3i 2i x3i
2
ˆ uˆ
2
i
n3
1
12/10/2011
H0: βk = a
Ha: βk ≠ a
ˆk k
t
sˆ
k
H0: βk ≥ a H0: βk ≤ a
2
12/10/2011
Phương pháp kiểm định dựa trên khoảng tin cậy (1-α)100%
ˆk t / 2 sˆ k
Bác bỏ H0 nếu 0 không nằm trong khoảng tin cậy (1-α)100% của βk
Phương pháp kiểm định ý nghĩa: Kiểm định F (Kiểm định Wald)
Giả thuyết
H0: β2 = β3 = ….. = βK = 0
3
12/10/2011
R 2 /( K 1)
F
(1 R 2 ) /( n K )
Khi R2 càng lớn thì F càng lớn.
Kiểm định F là thước đo ý nghĩa chung của mô hình hồi qui và cũng là kiểm
định ý nghĩa của R2.
Kiểm tra xem dấu của các hệ số hồi qui ước lượng có đúng kỳ vọng không
4
12/10/2011
Liệu đưa thêm 1 hay nhiều biến giải thích có làm tăng mức ý nghĩa chung
của mô hình hay không?
Sau đó chúng ta bổ sung thêm (K – m) biến giải thích (mô hình mới)
Qui luật bác bỏ H0: F > F(K-m, n-K, α) hoặc pvalue < α bổ sung các
biến vào mô hình làm tăng một cách ý nghĩa ESS và R2.
5
12/10/2011
Buớc 4: Với mẫu lớn, nR2 (R2 từ *) sẽ có phân phối Chi-square với tự do bậc
bằng với số biến bị giới hạn (K-m).
6
12/10/2011
7
12/10/2011
RSS k / n
( )n
n
Mô hình nào có giá trị của tiêu chuẩn này thấp hơn sẽ được chọn