bài giảng KTL

LOGO
BÀI GIẢNG
KINH TẾ LƯỢNG
GV: ThS. Nguyễn Thanh Hà
Liên hệ
- Điện thọai: 0969 488 488
- Email: ntha.dhnh@gmail.com
CÁCH ĐÁNH GIÁ ĐIỂM MÔN HỌC
Hình thức Tỉ trọng điểm môn học

* Chuyên cần: Điểm danh + Kiểm tra BTVN 10%
* Bài kiểm tra cá nhân: 20%

* Bài thực hành nhóm: 20%
* Điểm thưởng: trả lời câu hỏi hoặc làm bài tập đúng. + 0,5đ/lần vào điểm KT cá
nhân hoặc bài thực hành
nhóm
* Thi cuối kì: 50%
3 of 10
TÀI LIỆU THAM KHẢO
Nguyễn Quang Dong – Nguyễn Thị Minh, “Kinh tế
1
lượng”, NXB ĐHKTQD, 2013
Hoàng Ngọc Nhậm, “Giáo trình kinh tế lượng”,

2
NXB LĐXH, 2010
Nguyễn Thành Cả - Nguyễn Thị Ngọc Miên, “Kinh

3
tế lượng”, NXB KT TP.HCM, 2014
4 Nguyễn Văn Tùng, “Thực hành Kinh tế lượng cơ

bản với Eviews”, NXB Kinh tế TP.HCM, 2014
4 of 10
NỘI DUNG MÔN HỌC
Chương
1 Nhập môn kinh tế lượng
2 Mô hình hồi quy và PP OLS
3 Suy diễn TK và dự báo từ MHHQ
4 Một số dạng đặc biệt của MHHQ
5 Kiểm định và lựa chọn mô hình
5 of 10
CHƯƠNG 1: NHẬP MÔN KINH TẾ LƯỢNG
1 LỊCH SỬ KINH TẾ LƯỢNG
2 KINH TẾ LƯỢNG LÀ GÌ?
3 SỐ LIỆU TRONG KINH TẾ LƯỢNG
6 of 10
LỊCH SỬ KINH TẾ LƯỢNG
Econo Metrics
(Kinh (Đo Econometrics
tế) lường)
7 of 10
Kinh tế lượng
được phát
Lawrance triển trên toàn
Klein đưa ra thế giới
một số mô
Tinbergen hình kinh tế
trình bày lượng cho
trước Hội nước Mỹ
đồng kinh tế
Thuật ngữ Hiện
Hà Lan mô
Econometrics
hình kinh tế nay
được sử dụng
lượng đầu tiên 1950
lần đầu bởi
A.K. Ragnar
Frisch và 1936
J.Tinbergen
1930
LỊCH SỬ KINH TẾ LƯỢNG
Jan Tinbergen
Ragnar Frisch (1969)
Robert Engle
Clive Granger (2003)
Nobel Lawrence Klein (1980)
Daniel McFadden
James Heckman (2000)
Trygve Haavelmo (1989)
9 of 10
KINH TẾ LƯỢNG LÀ GÌ
Ước
Lý thuyết kinh tế
lượng
Thống kê toán
học
Kinh tế
lượng
Kiểm
Dự báo
Tin học định
SỐ LIỆU TRONG KINH TẾ LƯỢNG
Thời gian -Nhiều thời điểm.
(Time Series
- Cùng đối tượng.
Data)
Chéo
-Cùng thời điểm.
(Cross
- Nhiều đối tượng.
Data)
Hỗn hợp
(Panel - Nhiều thời điểm, nhiều đối tượng.
Data)
11 of 10
DỮ LIỆU TRONG KINH TẾ LƯỢNG
Định tính: thuộc

tính, đặc trưng,
trạng thái Thứ cấp: đã
được xử lý
Dữ liệu
Số liệu
Sơ cấp: chưa
Định lượng: số qua xử lý
12 of 10
SỐ LIỆU TRONG KINH TẾ LƯỢNG
 Tổng cục thống kê

Thực  Chính phủ
nghiệm
Nguồn số  Các bộ ngành
liệu  Ngân hàng thế giới
Phi thực
nghiệm  Quỹ tiền tệ quốc tế
 Chương trình phát triển
LHQ
13 of 10
CHƯƠNG 2: MÔ HÌNH HỒI QUY VÀ PHƯƠNG PHÁP OLS
1 Mô hình hồi quy 2 biến và PP OLS
2 Mô hình hồi quy bội và PP OLS
14 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS
1. Mô hình
hổi quy tổng Y = β1 + β2 X + u
thể
2. Mô hình  Mô hình hồi quy tuyến tính 2 biến (mô hình hồi
hồi quy mẫu quy đơn – Simple regression model) gồm:
3. Phương
pháp OLS  Biến phụ thuộc (dependent variable): Y
 Biến độc lập (independent variable): X
 Hệ số hồi quy (coefficient): β1 và β2
 Hệ số chặn (intercept): β1
 Hệ số góc (slope): β2
 Sai số ngẫu nhiên (error term): u, u chứa

những biến có tác động đến Y mà không phải
15 of 10
1. Mô hình
hổi quy tổng
thể
2. Mô hình E(u|X) = 0
hồi quy mẫu Y = β 1 + β2 X + u E(Y|X) = β1 + β2X
3. Phương
pháp OLS
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
Mô hình hồi quy tổng thể (Population
Regression Function - PRF)
16 of 10
1. Mô hình
hổi quy tổng Tổng quát
thể
2. Mô hình  Hàm hồi quy tổng thể (PRF – population regression
hồi quy mẫu
3. Phương function) là hàm có dạng: E (Y X i )  f ( X i )
pháp OLS
1 biến độc lập:
hàm hồi quy
đơn
PRF
2 biến độc lập
trở lên: hàm
hồi quy bội
Dạng tuyến tính với
tham số
Hàm hồi quy

tuyến tính
17 of 10
1. Mô hình
hổi quy tổng E(Y|X) = β1 + β2X PHÂN
TÍCH HỒI
thể
QUY
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
β1 cho biết giá trị trung bình của biến Y khi X = 0.
β2 cho biết nếu X tăng 1 thì giá trị trung bình của Y
thay đổi bao nhiêu.
18 of 10
1. Mô hình
hổi quy tổng E(Y|X) = β1 + β2X PHÂN
TÍCH HỒI
thể
QUY
2. Mô hình
hồi quy mẫu
3. Phương Việc β2 = 0 hay β2 ≠ 0 cho biết X có tác động đến Y
pháp OLS không.
Dấu của β2 cho biết chiều hướng tác động của X

đến Y.
Nếu biết giá trị của X ta có thể tính giá trị trung bình
của Y
19 of 10
1. Mô hình
hổi quy tổng PHÂN
TÍCH HỒI
thể
E(Y|X) = 5 + 0,3X QUY
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
20 of 10
1. Mô hình
hổi quy tổng
thể
2. Mô hình hệ số hồi quy
giá trị ước
hồi quy mẫu mẫu hay hệ số
lượng
3. Phương ước lượng
pháp OLS
(Fitted)
^ ^ ^
Y = 1+ 2 X: hàm hồi quy mẫu
(Sample Regression Function - SRF)
E(Y|X) = β1 + β2X: hàm hồi quy tổng thể (PRF)
21 of 10
1. Mô hình
hổi quy tổng Xi Yi
thể
7 5
2. Mô hình Y 10 6
hồi quy mẫu ^ ^ ^
3. Phương SRF : Y  1   2 X
pháp OLS Yi
^ ei ^
Yi ei = Yi  Yi gọi là phần dư
(residual)
Xi ^ ^X
Phương pháp OLS chủ trương tìm 1 ,  2 sao cho
n
i 1 2
e 2
 e
i 1
2
 e 2
 ...  en  min
2
22 of 10
1. Mô hình
2
hổi quy tổng  
^ ^ n n ^ ^
thể Tìm 1 ,  2 sao cho  ei2    Yi  1   2 X i   min

i 1 i 1  
2. Mô hình
hồi quy mẫu
3. Phương
^ ^
pháp OLS Giải bài toán cực trị được 1 ,  2 là nghiệm của hpt:
   ei2
    ^ ^

  i
0
^ 2. Y     X i  ( 1)  0
  1 1 2

 
   ei  0  2.  Y     X  ( X )  0
2 ^ ^
 ^   i 1 2 i

i
   2
23 of 10
1. Mô hình
hổi quy tổng
Sau một số bước biến đổi ta được:
thể n n n
2. Mô hình ^ (X i  X )(Yi  Y )  X Y  nXY  x y
i i i i
hồi quy mẫu 2  i 1
 i 1
 i 1
 
n n n
3. Phương
(Xi  X ) X n X i
2
2 2 2
pháp OLS i x
i 1 i 1 i 1
^ ^
1  Y   2 X
n
Với: X i
X i 1
và xi  X i  X
n
n
 Yi
Y i 1
và yi  yi  Y
n
24 of 10
BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS VD1
1. Mô hình Gọi CT: chi tiêu của hộ gia đình (triệu đồng/tháng), TN: thu
hổi quy tổng nhập hộ gia đình (triệu đồng/tháng).
thể a) Viết hàm hồi quy tổng thể (PRF), hàm hồi quy mẫu (SRF)?
2. Mô hình b) Giải thích ý nghĩa của các hệ số ước lượng?
hồi quy mẫu c) Các hệ số ước lượng có phù hợp lý thuyết kinh tế không?
3. Phương d) Gợi ý một yếu tố trong sai số ngẫu nhiên của PRF.
pháp OLS Dependent Variable: CT
Method: Least Squares
Date: 11/02/17 Time: 09:56
Sample: 1 33
Included observations: 33
Variable Coefficient Std. Error t-Statistic Prob.
C 42.73290 7.860251 5.436582 0.0000

TN 0.853325 0.004038 211.3032 0.0000
R-squared 0.999306 Mean dependent var 1610.415

Adjusted R-squared 0.999284 S.D. dependent var 557.2878
S.E. of regression 14.91413 Akaike info criterion 8.301186
Sum squared resid 6895.366 Schwarz criterion 8.391884
Log likelihood -134.9696 Hannan-Quinn criter. 8.331703
F-statistic 44649.03 Durbin-Watson stat 1.470261
Prob(F-statistic) 0.000000
25 of 10
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
26 of 10
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
27 of 10
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
28 of 10
1. Mô hình
hổi quy tổng
thể
2. Mô hình
hồi quy mẫu
3. Phương
pháp OLS
29 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP OLS
1. Sự cần thiết
của MHHQ bội Mô hình hồi quy bội
Mô hình hồi quy bội thường
cho phép sử dụng
2. Mô hình hồi có chất lượng dự báo tốt
dạng hàm phong phú
quy tổng thể hơn
hơn
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
quy
6. Các giả thiết
của OLS và ĐL Mô hình hồi quy bội cho
Khắc phục vấn đề kì
Gauss – phép thực hiện các phân
vọng sai số khác 0
Markov tích phong phú hơn
7. Độ chính
xác của ước
lượng
30 of 10
BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
của MHHQ bội
Mô hình hồi quy tuyến tính k biến
2. Mô hình hồi E(u| X2,…, Xk) = 0
quy tổng thể Y=β1+β2X2+…
E(Y|X2,…Xk)=β1+
3. Mô hình hồi
quy mẫu
+βkXk +u
-
β2X2+…+βkXk
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
4. Phương
pháp OLS Mô hình hồi quy tổng thể (PRF)
5. Độ phù hợp
của hàm hồi  Y: biến phụ thuộc
quy  X2, …, Xk : biến độc lập
của OLS và ĐL
 u: sai số ngẫu nhiên
Gauss –  β1: hệ số chặn/hệ số tự do
Markov
 β2,…, βk: hệ số hồi quy riêng của X2,…, Xk
7. Độ chính
xác của ước
lượng
31 of 10
của MHHQ bội
2. Mô hình hồi E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk
quy tổng thể
3. Mô hình hồi
quy mẫu βj cho biết nếu Xj tăng 1 còn các biến khác giữ
4. Phương nguyên thì giá trị trung bình của Y thay đổi bao
pháp OLS nhiêu.
5. Độ phù hợp
của hàm hồi
quy
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
32 of 10
của MHHQ bội
hệ số hồi quy
2. Mô hình hồi
mẫu hay hệ số
quy tổng thể ước lượng
3. Mô hình hồi
quy mẫu Hàm hồi quy mẫu
4. Phương (SRF)
pháp OLS
giá trị ước ^ ^ ^ ^
5. Độ phù hợp
lượng Y = 1+ 2 X2+… k Xk
của hàm hồi
quy (Fitted)
của OLS và ĐL E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk
Gauss - Hàm hồi quy tổng thể (PRF)
Markov
7. Độ chính
xác của ước
lượng
33 of 10
của MHHQ bội
PRF: E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk
2. Mô hình hồi
quy tổng thể ^ ^ ^ ^
3. Mô hình hồi
SRF: Yi  1   2 X 2i  ...  ...   k X ki
quy mẫu
4. Phương ^
pháp OLS e  Y Y
i i i gọi là phần dư
5. Độ phù hợp
của hàm hồi
quy Phương pháp OLS nhằm xác định các giá trị
^ 2
6. Các giả thiết ^  
của OLS và ĐL  sao cho
Gauss -
j  e 2
i   i i   min

Y  Y

Markov
7. Độ chính
xác của ước
lượng
34 of 10
của MHHQ bội
2. Mô hình hồi Gọi CT, TN, TS lần lượt là chi tiêu, thu nhập, tài
quy tổng thể
sản của hộ gia đình (triệu đồng/tháng). Dựa vào
3. Mô hình hồi
quy mẫu bảng kết quả hồi quy, hãy trả lời các câu hỏi:
4. Phương
pháp OLS a) Viết hàm hồi quy tổng thể, hàm hồi quy mẫu.
5. Độ phù hợp
của hàm hồi b) Giải thích ý nghĩa của các hệ số ước lượng.
quy
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
35 of 10
Eviews
của MHHQ bội VD1
2. Mô hình hồi
quy tổng thể Dependent Variable: CT
3. Mô hình hồi
Date: 11/14/15 Time: 05:55
quy mẫu Sample: 1 33
4. Phương Included observations: 33
pháp OLS Variable Coefficient Std. Error t-Statistic Prob.

5. Độ phù hợp
C 18.86018 8.832144 2.135402 0.0410
của hàm hồi TN 0.791224 0.015991 49.48055 0.0000
quy TS 0.015818 0.003984 3.970277 0.0004
6. Độ chính
xác của ước Adjusted R-squared 0.999515 S.D. dependent var 557.2878
lượng S.E. of regression 12.27498 Akaike info criterion 7.939512
7. Các giả thiết Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
của OLS và ĐL F-statistic 32963.98 Durbin-Watson stat 1.912696
Gauss - Prob(F-statistic) 0.000000
Markov
36 of 10
của MHHQ bội
2. Mô hình hồi
quy tổng thể
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
quy
6. Độ chính
xác của ước
lượng
của OLS và ĐL
Gauss -
Markov
37 of 10
của MHHQ bội
 Tổng bình phương toàn phần (TSS – Total Sum of Squares)
2. Mô hình hồi TSS   (Yi  Y ) 2
quy tổng thể
3. Mô hình hồi  Tổng bình phương hồi quy (ESS – Explained Sum of
quy mẫu Squares)
Phương ^
ESS   (Y i  Y ) 2
4.
pháp OLS
5. Độ phù hợp
của hàm hồi  Tổng bình phương phần dư (RSS – Residual Sum of
quy Squares) 2
 ^

6. Các giả thiết RSS   ei2    Yi  Yi 
của OLS và ĐL  
Gauss -
Nếu mô hình có hệ số chặn
Markov
7. Độ chính TSS = ESS + RSS
xác của ước
lượng
38 of 10
BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS
1. Tư tưởng Y 70 65 90 95 110 115 120 140 155 150
i
của PP OLS
Xi 80 100 120 140 160 180 200 220 240 260
(Ordinary ^
Least Yi 65,1 75,3 85,5 95,7 105, 116, 126, 136, 146, 156,
825 645 465 285 910 092 274 456 638 820
Squares)
5 5 5 5 5 5
2. Tính chất ^
đại số của PP Y  24, 4545  0,5091X
OLS
Y
 Yi  1110  111
3. Các giả n 10
thiết cơ bản
  
2
của PP OLS TSS  Yi  Y  (70  111) 2
 (65  111) 2
 ...  8890
4. Tính không ^ 2
chệch và độ ESS   i
(Y  Y )  (65,1825  111) 2
 (75,3645  111) 2
 ...  8552, 73
chính xác của ^
ước lượng RSS   (Yi  Yi ) 2  (70  65,1825) 2  (65  75,3645) 2  ...  337, 27
OLS
5. Độ phù hợp
của hàm hồi
quy 39 of 10
của MHHQ bội Hệ số xác định của hàm hồi quy (Determination
2. Mô hình hồi coefficient r-squares) 2 ESS
R 
quy tổng thể TSS
3. Mô hình hồi  0 ≤ R2 ≤ 1
quy mẫu
4. Phương  R2 cho biết các biến độc lập giải thích được
pháp OLS bao nhiêu % sự thay đổi của Y.
5. Độ phù hợp
của hàm hồi  Số biến độc lập càng lớn thì R2 càng lớn.
quy
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
40 of 10
Dependent Variable: CT
của MHHQ bội Method: Least Squares
2. Mô hình hồi Date: 11/14/15 Time: 05:55
Sample: 1 33 VD3
quy tổng thể Included observations: 33
3. Mô hình hồi
quy mẫu Variable Coefficient Std. Error t-Statistic Prob.
4. Phương C 18.86018 8.832144 2.135402 0.0410

pháp OLS TN 0.791224 0.015991 49.48055 0.0000
TS 0.015818 0.003984 3.970277 0.0004
5. Độ phù hợp
của hàm hồi R-squared 0.999545 Mean dependent var 1610.415
quy S.E. of regression 12.27498 Akaike info criterion 7.939512
6. Các giả thiết Sum squared resid 4520.257 Schwarz criterion 8.075558
của OLS và ĐL Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
Markov
7. Độ chính
xác của ước
lượng
41 of 10
1. Sự cần thiết Hệ số xác định hiệu chỉnh

của MHHQ bội
2. Mô hình hồi 2 2 n 1
R  1  (1  R )
quy tổng thể nk
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
quy
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
42 of 10
1. Sự cần thiết Dependent Variable: CT

của MHHQ bội Method: Least Squares
Date: 11/14/15 Time: 05:55
2. Mô hình hồi Sample: 1 33
VD3
quy tổng thể Included observations: 33
3. Mô hình hồi Variable Coefficient Std. Error t-Statistic Prob.

quy mẫu
C 18.86018 8.832144 2.135402 0.0410
4. Phương TN 0.791224 0.015991 49.48055 0.0000
pháp OLS TS 0.015818 0.003984 3.970277 0.0004
5. Độ phù hợp R-squared 0.999545 Mean dependent var 1610.415
của hàm hồi Adjusted R-squared 0.999515 S.D. dependent var 557.2878
quy S.E. of regression 12.27498 Akaike info criterion 7.939512
6. Các giả thiết Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
của OLS và ĐL F-statistic 32963.98 Durbin-Watson stat 1.912696
Markov
7. Độ chính
xác của ước
lượng
43 of 10
của MHHQ bội Y = β1 + β2X2+…+ βkXk + u
2. Mô hình hồi
quy tổng thể
• Việc ước lượng dựa trên cơ sở mẫu
3. Mô hình hồi 1 ngẫu nhiên.
quy mẫu
4. Phương • Kì vọng của sai số ngẫu nhiên tại mỗi giá
pháp OLS 2 trị (X2i,…, Xki) là 0. E(u|X2i,…, Xki) = 0
5. Độ phù hợp
của hàm hồi • Phương sai2của sai số ngẫu nhiên tại các giá trị (X2i,…,Xki) không
đổi, bằng 
quy 3 • Var(u|X2i,…, Xki) = 2

của OLS và ĐL
• Giữa các biến X2,…, Xk không có hiện tượng đa cộng tuyến hoàn hảo
Gauss - 4
Markov
7. Độ chính
xác của ước
lượng
44 of 10
Định lý Gauss - Markov
của MHHQ bội Với các giả thiết 1 – 4 của phương pháp
2. Mô hình hồi
quy tổng thể OLS, các ước lượng của OLS sẽ là ước
3. Mô hình hồi lượng tuyến tính, không chệch và có
quy mẫu
4. Phương phương sai nhỏ nhất trong lớp các ước
pháp OLS
5. Độ phù hợp
lượng tuyến tính không chệch. (BLUE –
của hàm hồi Best Linear Unbiased Estimator)
quy
6. Các giả thiết  ^ 
 Không chệch: Ej   j
của OLS và ĐL  
Gauss -
Markov
7. Độ chính
xác của ước
lượng
45 of 10
của MHHQ bội
2. Mô hình hồi
quy tổng thể
3. Mô hình hồi
quy mẫu
4. Phương
pháp OLS
5. Độ phù hợp
của hàm hồi
 ^  phản ánh độ chính xác của ước lượng
quy
var   j 
6. Các giả thiết  
của OLS và ĐL
Gauss -
Markov
7. Độ chính
xác của ước
lượng
46 of 10
của MHHQ bội Dependent Variable: CT
2. Mô hình hồi Date: 11/14/15 Time: 05:55
VD3
quy tổng thể Sample: 1 33
3. Mô hình hồi
quy mẫu Variable Coefficient Std. Error t-Statistic Prob.
4. Phương C 18.86018 8.832144 2.135402 0.0410
pháp OLS TN 0.791224 0.015991 49.48055 0.0000
5. Độ phù hợp TS 0.015818 0.003984 3.970277 0.0004
của hàm hồi R-squared 0.999545 Mean dependent var 1610.415

quy Adjusted R-squared 0.999515 S.D. dependent var 557.2878
6. Các giả thiết Sum squared resid 4520.257 Schwarz criterion 8.075558
của OLS và ĐL Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
Gauss - F-statistic 32963.98 Durbin-Watson stat 1.912696
Markov
7. Độ chính
xác của ước
lượng
47 of 10
Sử
dụng
phần
mềm
Eviews
48 of 10
CHƯƠNG 3: SUY DIỄN THỐNG KÊ VÀ DỰ BÁO TỪ MÔ HÌNH HỒI QUY
Quy luật phân phối xác suất của một số thống kê mẫu
Khoảng tin cậy cho các hệ số hồi quy
Kiểm định giả thuyết thống kê về hệ số hồi quy
Dự báo giá trị biến phụ thuộc
49 of 10
BÀI 1: QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT SỐ THỐNG KÊ MẪU
• Việc ước lượng dựa trên cơ sở

1 mẫu ngẫu nhiên.
• Kì vọng của sai số ngẫu nhiên tại

2 mỗi giá trị (X2i,…, Xki) bằng 0.
• Phương sai của sai số ngẫu nhiên tại

3 các giá trị (X2i,…X ki) là bằng nhau.
• Giữa các biến độc lập không có hiện

4 tượng đa cộng tuyến hoàn hảo.
• Sai số ngẫu nhiên tuân theo quy luật

5 chuẩn: ui ~ N(0, σ2)
50 of 10
BÀI 1: QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT SỐ THỐNG KÊ MẪU
Định lý Gauss - Markov
Với các giả thiết 1 – 5, các ước lượng

OLS sẽ là ước lượng tuyến tính, không
chệch và có phương sai nhỏ nhất trong
lớp các ước lượng tuyến tính và phi
tuyến không chệch (BUE – best
unbiased estimattor)
51 of 10
BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY
2.1. Khoảng
tin cậy cho E(Y|X2,…Xk) = β1+β2X2 +…+ βkXk
một hệ số
Khi Xj tăng 1 đơn vị, các biến khác không đổi thì
hồi quy
2.2. Khoảng giá trị trung bình của biến phụ thuộc thay đổi…..
tin cậy cho
biểu thức
của 2 hệ số Với độ tin cậy 1 – α, khoảng tin cậy đối xứng của
hồi quy
βj là :
^ ^  ^  ^ 
  j  t /2,n  k se   j  ,  j  t /2,n  k se   j  
    
52 of 10
2.1. Khoảng Dependent Variable: CT
tin cậy cho Method: Least Squares
Date: 11/14/15 Time: 05:55
một hệ số VD1
Sample: 1 33
hồi quy Included observations: 33
2.2. Khoảng
tin cậy cho
biểu thức C 18.86018 8.832144 2.135402 0.0410
của 2 hệ số TN 0.791224 0.015991 49.48055 0.0000
TS 0.015818 0.003984 3.970277 0.0004
hồi quy
53 of 10
2.1. Khoảng
tin cậy cho
một hệ số
hồi quy
2.2. Khoảng
tin cậy cho
biểu thức
của 2 hệ số
hồi quy
54 of 10
2.1. Khoảng
tin cậy cho
một hệ số
hồi quy
2.2. Khoảng
tin cậy cho
biểu thức
của 2 hệ số
hồi quy
55 of 10
2.1. Khoảng E(Y|X2,X3) = β1 + β2X2 + β3X3
tin cậy cho
một hệ số E(Y|X2 + a, X3 + b) – E(Y|X2, X3)= aβ2 + bβ3
hồi quy
2.2. Khoảng
tin cậy cho
Khi X2 tăng a đơn vị, X3 tăng b đơn vị, giá trị trung
biểu thức bình của Y thay đổi aβ2 + bβ3. Với độ tin cậy 1 – α,
của 2 hệ số
hồi quy khoảng tin cậy đối xứng cho aβ2 + bβ3 là:
 ^ ^
 ^ ^
 ^ ^
 ^ ^

 a   b   t /2, n  k se  a   b  3 , a   b   t /2, n  k se  a   b  3 
   
2 3 2 2 3 2

với
 ^ ^
 ^ ^
^ ^ 
se  a  2  b  3   a var  2  b var  3  2ab cov   2 ,  3 
2 2
   
56 of 10
2.1. Khoảng
Để đánh giá hiệu quả của đầu tư từ các khu vực kinh tế lên
tin cậy cho
một hệ số tổng sản phẩm quốc nội, người ta sử dụng mô hình hồi quy
hồi quy
sau: GDP = β1 + β2FDI + β3 DI + u trong đó GDP, FDI, DI lần
2.2. Khoảng
tin cậy cho lượt là tổng sản phẩm quốc nội, đầu tư trực tiếp nước ngoài và
biểu thức đầu tư nội địa (đơn vị: tỷ USD). VD2
của 2 hệ số
hồi quy Sử dụng 30 quan sát thu được kết quả ước lượng sau:
Trong khủng hoảng tài chính,

^
nếu FDI giảm đi 1 tỷ USD và
GDP  80  0, 4 FDI  0,35DI chính sách kích thích của CP
se (2,5) (0, 05) (0, 04) giúp đầu tư nội địa tăng 1 tỷ
USD thì trung bình GDP thay
 ^ ^
 đổi trong khoảng nào với độ tin
cov   2 , 3   0, 001
  cậy 95%?
57 of 10
2.1. Khoảng
tin cậy cho
một hệ số
hồi quy
2.2. Khoảng
tin cậy cho
biểu thức
của 2 hệ số
hồi quy
58 of 10
BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY
3.1. Kiểm định
giả thuyết về một
hệ số hồi quy –
kiểm định T
3.2. Kiểm định
giả thuyết về một Dependent Variable: CT
ràng buộc giữa Method: Least Squares
các hệ số hồi Date: 09/01/15 Time: 10:32
quy – kiểm định Sample: 1 33
T Included observations: 33
3.3. Giá trị xác
suất P của các Variable Coefficient Std. Error t-Statistic Prob.
thống kê kiểm
định C 18.86018 8.832144 2.135402 0.0410
TN 0.791224 0.015991 49.48055 0.0000
3.4. Kiểm định TS 0.015818 0.003984 3.970277 0.0004
giả thuyết về
nhiều ràng buộc R-squared 0.999545 Mean dependent var 1610.415
của các hệ số hồi Adjusted R-squared 0.999515 S.D. dependent var 557.2878
quy – kiểm định S.E. of regression 12.27498 Akaike info criterion 7.939512
F Sum squared resid 4520.257 Schwarz criterion 8.075558
3.5. Kiểm định về Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
sự phù hợp của F-statistic 32963.98 Durbin-Watson stat 1.912696
hàm hồi quy Prob(F-statistic) 0.000000
59 of 10
3.1. Kiểm định
kiểm định T
H0 H1 Bác bỏ H0 nếu
3.2. Kiểm định
ràng buộc giữa βj = β* βj ≠ β* |tqs |>tα/2,n-k
các hệ số hồi
quy – kiểm định βj ≥ β* βj < β* tqs < - tα,n-k
T
3.3. Giá trị xác βj ≤ β* βj > β* tqs > tα,n-k
suất P của các
thống kê kiểm
định ^
3.4. Kiểm định  j *
giả thuyết về tqs 
nhiều ràng buộc ^ 
của các hệ số hồi se   j 
quy – kiểm định  
F
3.5. Kiểm định về
sự phù hợp của
hàm hồi quy
60 of 10
3.1. Kiểm định
kiểm định T Dependent Variable: CT
3.2. Kiểm định Method: Least Squares
VD1
giả thuyết về một Date: 09/01/15 Time: 10:32
ràng buộc giữa Sample: 1 33
các hệ số hồi Included observations: 33
quy – kiểm định
T Variable Coefficient Std. Error t-Statistic Prob.
suất P của các C 18.86018 8.832144 2.135402 0.0410
thống kê kiểm TN 0.791224 0.015991 49.48055 0.0000
định TS 0.015818 0.003984 3.970277 0.0004
3.4. Kiểm định
giả thuyết về R-squared 0.999545 Mean dependent var 1610.415
nhiều ràng buộc Adjusted R-squared 0.999515 S.D. dependent var 557.2878
của các hệ số hồi S.E. of regression 12.27498 Akaike info criterion 7.939512
quy – kiểm định Sum squared resid 4520.257 Schwarz criterion 8.075558
F Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
3.5. Kiểm định về F-statistic 32963.98 Durbin-Watson stat 1.912696
sự phù hợp của Prob(F-statistic) 0.000000
hàm hồi quy
61 of 10
3.1. Kiểm định
kiểm định T
VD1
3.2. Kiểm định
ràng buộc giữa
T
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
nhiều ràng buộc
của các hệ số hồi
F
hàm hồi quy
62 of 10
3.1. Kiểm định
kiểm định T
H0 H1 Bác bỏ H0 nếu
3.2. Kiểm định
ràng buộc giữa aβj + bβs = a* aβj + bβs ≠ a* |tqs |>tα/2,n-k
quy – kiểm định aβj + bβs ≥ a* aβj + bβs < a* tqs < - tα,n-k
T
3.3. Giá trị xác aβj + bβs ≤ a* aβj + bβs > a* tqs > tα,n-k
suất P của các
thống kê kiểm ^ ^
định a  j  b  s  a*
3.4. Kiểm định tqs 
giải thuyết về  ^ ^

nhiều ràng buộc se  a  j  b  s 
của các hệ số hồi  
F
hàm hồi quy
63 of 10
3.1. Kiểm định
giả thuyết về một VD3
Để xem xét mối quan hệ giữa các yếu tố đầu vào với sản
kiểm định T
3.2. Kiểm định lượng trong các nhà máy dệt kim, người ta thực hiện mô
ràng buộc giữa hình hồi quy với số liệu từ 30 nhà máy và thu được kết
quy – kiểm định quả:
T  ^ ^ 
3.3. Giá trị xác Q = 150 + 0,5K + 0,7L + e cov   2 , 3   0, 017
suất P của các  
thống kê kiểm Se (1,2) (0,1) (0,2)
định
3.4. Kiểm định trong đó Q là số áo sản xuất được (đơn vị: trăm), K là số
giải thuyết về
nhiều ràng buộc máy dệt (máy), L là số lao động (đơn vị: 10 người).
quy – kiểm định Giả sử chi phí thuê 10 lao động cũng bằng chi phí thuê 1
F
máy dệt. Với mức ý nghĩa 5%, có thể cho rằng tiền chi cho
sự phù hợp của lao động hiệu quả hơn tiền chi cho máy dệt không?
hàm hồi quy
64 of 10
3.1. Kiểm định
kiểm định T
3.2. Kiểm định
ràng buộc giữa
T
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
F
hàm hồi quy
65 of 10
3.1. Kiểm định
giả thuyết về một Xét cặp giả thuyết H0 và đối thuyết H1
kiểm định T
3.2. Kiểm định Gọi P là mức ý nghĩa nhỏ nhất mà H0 bị bác bỏ
ràng buộc giữa
các hệ số hồi tương ứng với giá trị quan sát của thống kê kiểm
T định.
suất P của các
thống kê kiểm
định
- Nếu p-value < α (mức ý nghĩa) thì ta bác bỏ H0.
3.4. Kiểm định
giải thuyết về
nhiều ràng buộc - Nếu p-value > α thì chưa đủ cơ sở để bác bỏ
quy – kiểm định H0.
F
hàm hồi quy
66 of 10
3.1. Kiểm định Dependent Variable: CT
giả thuyết về một Method: Least Squares
hệ số hồi quy – Date: 09/01/15 Time: 10:32
kiểm định T Sample: 1 33 VD4
3.2. Kiểm định Included observations: 33
ràng buộc giữa Variable Coefficient Std. Error t-Statistic Prob.
quy – kiểm định C 18.86018 8.832144 2.135402 0.0410
T TN 0.791224 0.015991 49.48055 0.0000
3.3. Giá trị xác TS 0.015818 0.003984 3.970277 0.0004
suất P của các
thống kê kiểm R-squared 0.999545 Mean dependent var 1610.415
định Adjusted R-squared 0.999515 S.D. dependent var 557.2878
3.4. Kiểm định S.E. of regression 12.27498 Akaike info criterion 7.939512
giải thuyết về Sum squared resid 4520.257 Schwarz criterion 8.075558
nhiều ràng buộc Log likelihood -128.0019 Hannan-Quinn criter. 7.985287
của các hệ số hồi F-statistic 32963.98 Durbin-Watson stat 1.912696
quy – kiểm định Prob(F-statistic) 0.000000
F
hàm hồi quy
67 of 10
VD1
3.1. Kiểm định
giả thuyết về một Gọi CT, TN, TS, SD lần lượt là chi tiêu, thu nhập,
kiểm định T
tài sản, cổ tức hộ gia đình nhận được trong 1 năm.
3.2. Kiểm định Sử dụng bộ số liệu của 33 hộ gia đình thu được
ràng buộc giữa mô hình hồi quy mẫu 1:
các hệ số hồi CT=28,9417+0,7275TN+0,0216TS+5,1255SD+e
T Hệ số xác định của mô hình 1: 0,9996
suất P của các Cùng bộ số liệu ấy, người ta hồi quy CT theo TN
thống kê kiểm (mô hình 2) thu được kết quả:
định
3.4. Kiểm định CT = 42,7329 + 0,8533TN + e
giả thuyết về
nhiều ràng buộc Hệ số xác định của mô hình 2: 0,9993
? Có thể cho rằng TS và SD cùng không ảnh hưởng
F đến CT không với mức ý nghĩa 5%?
hàm hồi quy
68 of 10
3.1. Kiểm định
kiểm định T ( R 2 (U )  R 2 ( R)) / m
3.2. Kiểm định  Tính Fqs  trong đó
giả thuyết về một (1  R 2 (U ) / (n  k (U ))
ràng buộc giữa
các hệ số hồi R2(U): hệ số xác định mô hình không có ràng buộc
T R2(R) là hệ số xác định mô hình có ràng buộc,
suất P của các m: số ràng buộc,
thống kê kiểm k(U): số biến của mô hình không có ràng buộc.
định
3.4. Kiểm định
giả thuyết về  Nếu Fqs > Fα (m, n – k) thì bác bỏ H0, chấp
của các hệ số hồi nhận H1
F
hàm hồi quy
69 of 10
3.1. Kiểm định
kiểm định T
3.2. Kiểm định
ràng buộc giữa
T
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
F
VD4
hàm hồi quy
70 of 10
3.1. Kiểm định
hệ số hồi quy –  Kiểm định cặp giả thuyết:
kiểm định T
3.2. Kiểm định H0: R2 = 0 (Hàm hồi quy không phù hợp)
ràng buộc giữa
các hệ số hồi H1: R2 ≠ 0 (Hàm hồi quy phù hợp)
T  Tiêu chuẩn thống kê:
suất P của các
thống kê kiểm R 2 / (k  1)
định Fqs 
3.4. Kiểm định
(1  R 2 ) / (n  k )
giả thuyết về
 Nếu Fqs > Fα (k – 1, n – k) thì bác bỏ H0,
F kết luận hàm hồi quy là phù hợp.
hàm hồi quy
71 of 10
3.1. Kiểm định
kiểm định T
3.2. Kiểm định Dependent Variable: CT
giả thuyết về một Method: Least Squares
ràng buộc giữa Date: 11/01/17 Time: 15:09
các hệ số hồi Sample: 1 33
quy – kiểm định Included observations: 33
T
suất P của các C -209.3590 67.34694 -3.108664 0.0040
thống kê kiểm TS 0.208648 0.007405 28.17857 0.0000
định
3.4. Kiểm định R-squared 0.962426 Mean dependent var 1610.415
giả thuyết về Adjusted R-squared 0.961214 S.D. dependent var 557.2878
nhiều ràng buộc S.E. of regression 109.7537 Akaike info criterion 12.29305
của các hệ số hồi Sum squared resid 373422.1 Schwarz criterion 12.38374
F
hàm hồi quy
72 of 10
3.1. Kiểm định
kiểm định T
3.2. Kiểm định
ràng buộc giữa
T
suất P của các
thống kê kiểm
định
3.4. Kiểm định
giả thuyết về
F
hàm hồi quy
73 of 10
3.1. Kiểm định
Lưu ý
kiểm định T
3.2. Kiểm định
giả thuyết về một  Khi kiểm định cặp giả thuyết dạng H0: βj = β* ,
ràng buộc giữa
H1: βj ≠ β* ta có thể áp dụng kiểm định T và kiểm
quy – kiểm định định F và kết luận là hoàn toàn giống nhau.
T
suất P của các  Khi kiểm định giả thuyết có 2 ràng buộc trở lên
thống kê kiểm thì sử dụng kiểm định F.
định
3.4. Kiểm định
giả thuyết về  Có sự khác biệt trong kết luận khi sử dụng kiểm
nhiều ràng buộc định T và kiểm định F cho trường hợp nhiều hệ số
quy – kiểm định do một số nguyên nhân, trong đó có nguyên nhân
F về sự đa cộng tuyến giữa các biến độc lập.
hàm hồi quy
74 of 10
BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC
4.1. Ước
lượng điểm
cho giá trị
trung bình CT = 18,86018 + 0,791224TN + 0,015818TS + e
4.2. Dự báo
giá trị trung
bình mô hình
2 biến
4.3. Dự báo
giá trị cá biệt
mô hình 2
biến
75 of 10
BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC
4.1. Ước
 Trường hợp mô hình hồi quy 2 biến:
lượng điểm
cho giá trị
trung bình
Y = β1 + β2X + u
4.2. Dự báo Khoảng tin cậy với độ tin cậy 1 – α cho giá trị trung
giá trị trung
bình mô hình bình của biến phụ thuộc khi X = X0 là:
2 biến
^ ^ ^  ^ 
4.3. Dự báo  Y0  t /2,n 2 se  Y0  , Y0  t /2, n 2 se  Y0  
giá trị cá biệt     
^ ^ ^
mô hình 2
trong đó Y 0  1   2 X 0 là ước lượng điểm
biến
của E(Y|X0).
^  ^ 1 ( X 0  X )2
se  Y 0    
 
n
 xi2
n
i 1
76 of 10
CHƯƠNG 3: CÁC MÔ HÌNH HỒI QUY ĐẶC BIỆT
1 Mô hình hồi quy với biến định tính
2 Các mô hình hồi quy dạng logarit
3 Mô hình đa thức bậc 2
77 of 10
BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
1. Khái niệm
biến giả
2. Biến định
Biến • Giá trị thể hiện bằng
những con số
tính
phạm trù
có 2 định
Với các giả thiết•1VD:
– 4Thu
củanhập,
phươngchi pháp
tiêu, GDP, tỷ giá…
2.1. Hồi quy lượng
OLS, các ước lượng của OLS sẽ là ước
với biến độc
lập là biến giả lượng tuyến tính, không chệch và có
2.2. Hồi quy
với biến độc Biến
phương sai nhỏ•nhất
Giá trị không
trong thểcác
lớp hiệnước
bằng những con số
lập định tính
và định lượng định
lượng tuyến tính• không
VD: Giớichệch.
tính, màu
sắc, nghề nghiệp…
2.3. Hồi quy
với biến
tính
tương tác
3. Biến định
Lượng hoá
tính có nhiều
hơn 2 phạm
Biến giả
trù
78 of 10
1. Khái niệm
biến giả
(dummy  Giới tính: nam, nữ
variable)
2. Biến định
 Vị trí ngôi nhà: mặt tiền, không mặt tiền
tính có 2  Khu vực bán hàng: thành thị, nông thôn
phạm trù
2.1. Hồi quy
với biến độc
lập là biến giả
2.2. Hồi quy
với biến độc
lập định tính
và định lượng
2.3. Hồi quy
với biến
tương tác
3. Biến định
tính có nhiều
hơn 2 phạm
trù 79 of 10
1.1. Khái niệm
Dependent Variable: Y
biến giả Method: Least Squares
(dummy Date: 11/18/15 Time: 10:11 VD4
variable) Sample: 1 10
1.2. Biến định
tính có 2 Variable Coefficient Std. Error t-Statistic Prob.
phạm trù
1.2.1. Hồi quy C 4.440000 0.361386 12.28602 0.0000
Z 3.620000 0.511077 7.083077 0.0001
với biến độc
lập là biến giả R-squared 0.862472 Mean dependent var 6.250000
1.2.2. Hồi quy Adjusted R-squared 0.845281 S.D. dependent var 2.054399
với biến độc
lập định tính Log likelihood -10.94278 Hannan-Quinn criter. 2.522168
và định lượng F-statistic 50.16998 Durbin-Watson stat 2.175421
1.2.3. Hồi quy Prob(F-statistic) 0.000104
với biến ^
tương tác Yi  4, 44  3,62 Z i
1.3. Biến định
tính có nhiều
hơn 2 phạm
trù 80 of 10
1.1. Khái niệm
biến giả E(Y|Z) = β1 + β2Z
(dummy
variable)
1.2. Biến định
tính có 2
phạm trù
1.2.1. Hồi quy
với biến độc β1 cho biết giá trị trung bình của biến Y khi Z = 0.
1.2.2. Hồi quy
với biến độc
lập định tính
β2 cho biết sự chênh lệch về giá trị trung bình của
và định lượng Y trong 2 trường hợp Z = 1 và Z = 0.
1.2.3. Hồi quy
với biến
tương tác
1.3. Biến định
tính có nhiều
hơn 2 phạm
trù 81 of 10
Dependent Variable: Y
1.1. Khái niệm Method: Least Squares
biến giả Date: 11/18/15 Time: 10:11 VD4 ^
(dummy
Sample: 1 10
Yi  4, 44  3,62 Z i
variable)
1.2. Biến định Variable Coefficient Std. Error t-Statistic Prob.
tính có 2
C 4.440000 0.361386 12.28602 0.0000
phạm trù Z 3.620000 0.511077 7.083077 0.0001
1.2.1. Hồi quy
với biến độc R-squared 0.862472 Mean dependent var 6.250000
1.2.2. Hồi quy Sum squared resid 5.224000 Schwarz criterion 2.649072
với biến độc Log likelihood -10.94278 Hannan-Quinn criter. 2.522168
lập định tính F-statistic 50.16998 Durbin-Watson stat 2.175421
và định lượng ^ Prob(F-statistic) 0.000104
1.2.3. Hồi quy   4, 44

1
với biến
tương tác ^
1.3. Biến định  2  3,62
tính có nhiều
hơn 2 phạm
trù 82 of 10
1. Khái niệm
biến giả
? Trình độ có ảnh hưởng đến thu nhập nhân viên
(dummy
variable)
không với mức ý nghĩa 5%?
2. Biến định
? Lương của nhân viên có trình độ đại học có cao
tính có 2
phạm trù
hơn nhân viên không có trình độ đại học không với
2.1. Hồi quy
với biến độc mức ý nghĩa 5%? (Nhân viên đi học đại học sẽ làm
2.2. Hồi quy gia tăng tiền lương?)
với biến độc
lập định tính ? Ước lượng điểm tính thu nhập trung bình của nhân
2.3. Hồi quy
viên có bằng đại học và không có bằng đại học?
với biến
tương tác ? Chênh lệch giữa thu nhập trung bình của nhân
3. Biến định
tính có nhiều viên có trình độ ĐH và không có trình độ ĐH là bao
hơn 2 phạm
trù nhiêu với độ tin cậy 95%?
83 of 10
1. Khái niệm
biến giả E (Y | X , Z )  1  2 Z  3 X
(dummy
variable)
2. Biến định
β1 cho biết giá trị trung bình của biến Y khi X=0, Z=0.
tính có 2
phạm trù
2.1. Hồi quy
với biến độc β2 cho biết sự chênh lệch về giá trị trung bình của
lập là biến giả Y trong 2 trường hợp Z = 1 và Z = 0 khi cùng X.
2.2. Hồi quy
với biến độc
lập định tính β3 cho biết cùng Z, nếu X tăng lên 1 thì giá trị trung
bình của Y thay đổi bao nhiêu.
2.3. Hồi quy
với biến
tương tác
3. Biến định
tính có nhiều
hơn 2 phạm
trù 84 of 10
1. Khái niệm Cho kết quả hồi quy trong đó Y: chi tiêu hộ gđ (triệu/tháng), X:
biến giả thu nhập hộ gđ (triệu/tháng), Z: khu vực sinh sống (Z = 1 nếu
(dummy
sống ở ngoại thành, Z = 0 nếu sống ở nội thành)
variable) Dependent Variable: Y
2. Biến định Method: Least Squares
tính có 2 Date: 11/18/15 Time: 11:08 VD5
phạm trù Sample: 1 10
2.1. Hồi quy
với biến độc Variable Coefficient Std. Error t-Statistic Prob.
C 0.731183 0.671884 1.088258 0.3125
2.2. Hồi quy Z -1.274194 0.452859 -2.813663 0.0260
với biến độc X 0.732527 0.019708 37.16869 0.0000
lập định tính
và định lượng R-squared 0.995254 Mean dependent var 25.00000
2.3. Hồi quy S.E. of regression 0.679975 Akaike info criterion 2.309803
với biến Sum squared resid 3.236559 Schwarz criterion 2.400578
tương tác Log likelihood -8.549014 Hannan-Quinn criter. 2.210222
3. Biến định Prob(F-statistic) 0.000000
tính có nhiều
hơn 2 phạm
trù 85 of 10
1. Khái niệm
biến giả
(dummy VD5
variable)
2. Biến định
tính có 2
phạm trù
2.1. Hồi quy
với biến độc
2.2. Hồi quy
với biến độc
lập định tính
2.3. Hồi quy
với biến
tương tác
3. Biến định
tính có nhiều
hơn 2 phạm
trù 86 of 10
1. Khái niệm
biến giả E (Y | X , Z )  1  2 Z  3 X  4 X  Z
(dummy
variable)
2. Biến định
tính có 2
phạm trù
2.1. Hồi quy
với biến độc
2.2. Hồi quy
với biến độc
lập định tính
2.3. Hồi quy
với biến
tương tác
3. Biến định
tính có nhiều
hơn 2 phạm
trù 87 of 10
1.1. Khái niệm
biến giả E (Y | X , Z )  1  2 Z  3 X  4 X  Z
(dummy
variable)
β1 cho biết giá trị trung bình của biến Y khi X=0, Z=0.
1.2. Biến định
tính có 2
phạm trù β2 cho biết sự chênh lệch về giá trị trung bình của
1.2.1. Hồi quy Y trong 2 trường hợp Z = 1 và Z = 0 khi X = 0.
với biến độc
1.2.2. Hồi quy β3 cho biết trong trường hợp Z = 0, nếu X tăng lên
với biến độc 1 thì giá trị trung bình của Y thay đổi bao nhiêu.
lập định tính
1.2.3. Hồi quy
β4 cho biết nếu X tăng 1, độ chênh lệch về lượng
với biến thay đổi trong giá trị trung bình của Y khi Z = 1 và
tương tác lượng thay đổi trong giá trị trung bình của Y khi Z =
1.3. Biến định 0 là bao nhiêu.
tính có nhiều
hơn 2 phạm
trù 88 of 10
1. Khái niệm
Cho WAGE: tiền lượng, URBAN: khu vực sinh sống (URBAN
biến giả
= 1 nếu sống ở ngoại thành, URBAN = 0 nếu sống ở nội
(dummy
variable) thành), EDUC: số năm đi học.
2. Biến định Dependent Variable: WAGE
tính có 2 Method: Least Squares VD6
Date: 11/16/15 Time: 23:25
phạm trù Sample: 1 935
2.1. Hồi quy Included observations: 935
với biến độc
2.2. Hồi quy C 2815.831 143.2273 19.65987 0.0000
với biến độc URBAN -190.2679 169.3867 -1.123275 0.2616
EDUC 38.91363 10.69570 3.638251 0.0003
lập định tính
URBAN*EDUC 26.14319 12.55715 2.081936 0.0376
2.3. Hồi quy R-squared 0.141713 Mean dependent var 3457.945
với biến Adjusted R-squared 0.138947 S.D. dependent var 404.3608
tương tác Sum squared resid 1.31E+08 Schwarz criterion 14.71787
3. Biến định Log likelihood -6866.923 Hannan-Quinn criter. 14.70506
tính có nhiều F-statistic 51.23950 Durbin-Watson stat 0.332478
hơn 2 phạm
trù 89 of 10
1. Khái niệm
biến giả VD6
(dummy
variable)
2. Biến định
tính có 2
phạm trù
2.1. Hồi quy
với biến độc
2.2. Hồi quy
với biến độc
lập định tính
2.3. Hồi quy
với biến
tương tác
3. Biến định
tính có nhiều
hơn 2 phạm
trù 90 of 10
Dependent Variable: WAGE
1. Khái niệm Method: Least Squares
biến giả Date: 11/16/15 Time: 23:25 VD6
(dummy Sample: 1 935
variable)
2. Biến định Variable Coefficient Std. Error t-Statistic Prob.
tính có 2
C 2815.831 143.2273 19.65987 0.0000
phạm trù
URBAN -190.2679 169.3867 -1.123275 0.2616
2.1. Hồi quy EDUC 38.91363 10.69570 3.638251 0.0003
với biến độc URBAN*EDUC 26.14319 12.55715 2.081936 0.0376
2.2. Hồi quy ? Giải R-squared
Adjusted thích ý nghĩa0.138947
của các S.D.
hệ số hồi quy?
dependent var 404.3608
với biến độc S.E. of regression 375.2183 Akaike info criterion 14.69716
lập định tính
? Hãy tìm ước
Sum squared resid lượng điểm cho tiền lương
1.31E+08 Schwarz criterion trung bình của người
14.71787
Logsố
có năm đi học là 8
likelihood trong hai
-6866.923 trường hợp
Hannan-Quinn sống ở14.70506
criter. ngoại thành
2.3. Hồi quy
và nội
F-statistic
thành. 51.23950 Durbin-Watson stat 0.332478
với biến
tương tác ? Khu vực sinh sống có ảnh hưởng đến tiền lương không với
mức ý nghĩa 5% biết khi hồi quy tiền lương theo số năm đi học
3. Biến định
tính có nhiều thì hàm hồi quy mẫu có hệ số xác định là 0,1.
hơn 2 phạm ? Khi số năm đi học bằng 0 thì tiền lương của người sống ở
trù nội thành cao hơn ngoại thành. Nhận xét với mức ý nghĩa 5%.
91 of 10
CHƯƠNG 4: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH
1.1. Khái niệm
biến giả
(dummy
KẾT QUẢ TIỀN
variable)
TỐT LƯƠNG
1.2. Biến định NGHIỆP (D) (Y)
tính có 2
phạm trù
1.2.1. Hồi quy
với biến độc - Xuất sắc
1.2.2. Hồi quy - Giỏi
với biến độc
lập định tính - Khá
1.2.3. Hồi quy - Trung bình
với biến
tương tác
1.3. Biến định
tính có nhiều
hơn 2 phạm
trù 92 of 10
1.1. Khái niệm
biến giả
(dummy E (Y | D2 , D3 , D4 )  1  2 D2  3 D3  4 D4
variable)
1.2. Biến định 1 xuất sắc
tính có 2 D2 =
phạm trù 0 khác
1.2.1. Hồi quy
với biến độc 1 giỏi
D3 =
lập là biến giả 0 khác
1.2.2. Hồi quy
với biến độc 1 khá
lập định tính
D4 =
0 khác
1.2.3. Hồi quy Yi (tr/tháng) D2i D3i D4i
với biến
5 1 0 0
tương tác
4 0 1 0
1.3. Biến định
tính có nhiều 3.8 0 0 1
hơn 2 phạm
trù 93 of 10
1.1. Khái niệm
biến giả
(dummy
variable)
1.2. Biến định
tính có 2
phạm trù
1.2.1. Hồi quy
với biến độc
1.2.2. Hồi quy
với biến độc
lập định tính
1.2.3. Hồi quy
với biến
tương tác
1.3. Biến định
tính có nhiều
hơn 2 phạm
trù
94 of 10
BÀI 2: CÁC MÔ HÌNH HỒI QUY CHỨA LOGARITHM
2.1. Mô hình
dạng log –
log
2.2. Mô hình
dạng bán
loga
(semilog)
2.2.1. Mô
hình log-lin
2.2.2. Mô
hình dạng
lin-log
95 of 10
2.1. Mô hình
dạng log –
log
Cho hàm sản xuất của DN:
2.2. Mô hình
dạng bán Q  aK  L
loga
(semilog)  Doanh nghiệp tăng quy mô có hiệu quả khi và
2.2.1. Mô chỉ khi α + β > 1.
hình log-lin
2.2.2. Mô  Doanh nghiệp tăng quy mô không hiệu quả
hình dạng khi và chỉ khi α + β < 1.
lin-log
 Doanh nghiệp tăng quy mô không thay đổi
hiệu quả khi và chỉ khi α + β = 1.
96 of 10
2.1. Mô hình
dạng log –  Mô hình hồi quy dạng log – log:
log
2.2. Mô hình
dạng bán log Y  1  2 log X 2  ...  k log X k  u
loga
(semilog)
2.2.1. Mô   j   XY j
: Nếu Xj tăng 1%, các yếu tố khác không
hình log-lin
đổi thì trung bình của Y thay đổi βj %
2.2.2. Mô
hình dạng
lin-log
97 of 10
2.1. Mô hình Dependent Variable: LOG(CT)

dạng log – Method: Least Squares
Date: 08/28/15 Time: 11:24
log VD1
Sample: 1 33
2.2. Mô hình Included observations: 33
dạng bán Variable Coefficient Std. Error t-Statistic Prob.

loga
(semilog) C -0.117389 0.094221 -1.245896 0.2224
LOG(TN) 0.914824 0.030008 30.48557 0.0000
2.2.1. Mô LOG(TS) 0.069079 0.034109 2.025221 0.0518
hình log-lin
2.2.2. Mô Adjusted R-squared 0.999220 S.D. dependent var 0.333824
hình dạng S.E. of regression 0.009321 Akaike info criterion -6.426644
lin-log Sum squared resid 0.002606 Schwarz criterion -6.290598
Log likelihood 109.0396 Hannan-Quinn criter. -6.380868
LOG(CT)i = -0,117389 + 0,914824LOG(TN)i + 0,069079LOG(TS)i + ei
98 of 10
2.1. Mô hình
dạng log –
log  Các mô hình hồi quy tuyến tính trong đó chỉ
2.2. Mô hình có một biến xuất hiện dưới dạng logarithm
dạng bán
loga gọi là mô hình dạng bán loga.
(semilog)
2.2.1. Mô
hình log-lin  Nếu biến phụ thuộc xuất hiện dưới dạng
2.2.2. Mô logarithm thì gọi là mô hình log – lin.
hình dạng
lin-log
 Nếu biến độc lập xuất hiện dưới dạng

logarithm thì gọi là mô hình lin – log.
99 of 10
2.1. Mô hình
dạng log –
log
2.2. Mô hình
dạng bán
loga  Mô hình log-lin có dạng:
(semilog)
2.2.1. Mô log(Y) = β1 + β2X2 +…+βkXk + u
hình log-lin
2.2.2. Mô
hình dạng βj cho biết: nếu Xj tăng 1 đơn vị thì Y trung
lin-log
bình thay đổi 100βj %.
100 of 10
2.1. Mô hình
dạng log –
log
Năm T GDP
2.2. Mô hình
1972 1
dạng bán
loga 1973 2
(semilog) …
2.2.1. Mô 1991 20
hình log-lin
2.2.2. Mô
hình dạng
lin-log
VD7
101 of 10
2.1. Mô hình Dependent Variable: LNGDP

dạng log – Date: 11/17/15 Time: 09:39
log Sample: 1972 1991
2.2. Mô hình
dạng bán Variable Coefficient Std. Error t-Statistic Prob.
loga
(semilog) C 8.013904 0.011440 700.5408 0.0000
T 0.024699 0.000955 25.86424 0.0000
2.2.1. Mô
hình log-lin R-squared 0.973798 Mean dependent var 8.273246
2.2.2. Mô S.E. of regression 0.024626 Akaike info criterion -4.475381
hình dạng Sum squared resid 0.010916 Schwarz criterion -4.375808
lin-log Log likelihood 46.75381 Hannan-Quinn criter. -4.455943
VD7
102 of 10
2.1. Mô hình  Mô hình dạng lin-log:Y=β + β logX +…+β logX + u

1 2 2 k k
dạng log –
log Nếu Xj tăng 1% thì Y trung bình thay đổi βj/100 đơn vị
2.2. Mô hình Dependent Variable: GNP
dạng bán Method: Least Squares
VD8
Date: 11/17/15 Time: 10:27
loga Sample: 1973 1987
(semilog) Included observations: 15
2.2.1. Mô Variable Coefficient Std. Error t-Statistic Prob.

hình log-lin
C -16329.21 696.5992 -23.44133 0.0000
2.2.2. Mô LGM2 2584.785 94.04132 27.48563 0.0000
hình dạng
lin-log Adjusted R-squared 0.981782 S.D. dependent var 1048.990
103 of 10
VD6
2.1. Mô hình
dạng log – Nghiên cứu đầu tư (DT- triệu đồng/năm) của hộ gia đình
log
phụ thuộc vào lãi suất (LS - %/năm) và thu nhập (TN –
2.2. Mô hình
dạng bán triệu đồng/năm) dựa trên mẫu quan sát gồm 33 hộ gia
loga
đình cho kết quả như sau:
(semilog)
2.2.1. Mô LOG(DT) = 0,534 + 0,065LS + 0,526LOG(TN) + e
hình log-lin
(se) (0,25) (0,024) (0,115)
2.2.2. Mô
hình dạng a) Hãy cho biết ý nghĩa các hệ số ước lượng chỉ tác động
lin-log
riêng phần.
b) Khi lãi suất tăng 1% mỗi năm và thu nhập không đổi thì
giá trị trung bình của đầu tư của mỗi hộ gia đình thay đổi
trong khoảng nào với độ tin cậy 95%?
104 of 10
VD6
2.1. Mô hình
dạng log –
log
2.2. Mô hình
dạng bán
loga
(semilog)
2.2.1. Mô
hình log-lin
2.2.2. Mô
hình dạng
lin-log
105 of 10
VD6
Sử dụng
phần mềm
Eviews
106 of 10
BÀI 3: MÔ HÌNH ĐA THỨC BẬC 2
107 of 10
Câu hỏi 1
WAGE
AGE
Kì vọng:
108 of 10
Câu hỏi 2
109 of 10
110 of 10
VD9
Cho mô hình hồi quy mẫu:
WAGE = 16 + 50AGE – 0,5AGE2 + 3EDU + e
se = (1,2) (0,05) (0,8) (0,2)
R2 = 0,7645; n = 34
a) Giải thích ý nghĩa của hệ số ước lượng ứng với
biến AGE2 và EDU.
b) Bắt đầu từ độ tuổi nào thì tiền lương trung bình
bắt đầu giảm?
c) Tìm độ tuổi mà tại đó tiền lương trung bình đạt
mức tối đa.
d) Có ý kiến cho rằng mức tăng của lương sẽ giảm
dần qua các năm. Cho nhận xét với mức ý nghĩa
5%.
111 of 10
VD9
112 of 10
VD9
113 of 10
CHƯƠNG 5: KIỂM ĐỊNH VÀ LỰA CHỌN MÔ HÌNH
Phương sai sai số

thay đổi
Vấn đề kì vọng của
sai số ngẫu nhiên 2 Đa cộng tuyến
khác 0 3
1
4
6 5 Tự tương quan
Kiểm định và lựa Vấn đề phân phối

chọn mô hình chuẩn của sai số
ngẫu nhiên
114 of 10
Giả thiết OLS Y = β1 + β2X2 +…+ βkXk + u
• Việc ước lượng dựa trên cơ sở mẫu ngẫu nhiên.
1
• Kì vọng của sai số ngẫu nhiên tại mỗi giá trị (X2i,…, Xki)
2 bằng 0. E(u|X2i,…Xki) = 0
• Phương sai của sai số ngẫu nhiên tại các giá trị (X2i,…Xki)
3 là bằng nhau. Var(u|X2i,…Xki) = σ2
• Giữa các biến độc lập không có hiện tượng đa cộng tuyến
4 hoàn hảo.
• Sai số ngẫu nhiên tuân theo quy luật chuẩn: ui ~ N(0, σ2)
5
115 of 10
BÀI 1: VẤN ĐỂ KÌ VỌNG CỦA SAI SỐ NGẪU NHIÊN KHÁC 0
1. Nguyên
nhân  Mô hình thiếu biến quan trọng:
2. Hậu quả
3. Cách phát  Biến có tác động đến biến phụ thuộc Y.
hiện
4. Cách khắc Biến có tương quan với ít nhất một trong
phục
các biến độc lập sẵn có trong mô hình.
 Dạng hàm sai.
 Tính tác động đồng thời của số liệu
 Sai số đo lường của các biến độc lập
116 of 10
1. Nguyên
nhân  Ước lượng OLS sẽ là ước lượng chệch.
2. Hậu quả
3. Cách phát
hiện
 Các suy diễn thống kê không còn đáng tin cậy.
4. Cách khắc
phục
117 of 10
1. Nguyên  Phát hiện mô hình bỏ sót biến.

nhân
2. Hậu quả E (Y | X 2 , X 3 )  1  2 X 2  3 X 3
3. Cách phát
hiện ? Làm sao biết MH bỏ sót biến X4?
4. Cách khắc
phục
118 of 10
1. Nguyên
nhân
2. Hậu quả  Kiểm định bỏ sót biến.
3. Cách phát
hiện
4. Cách khắc
phục
119 of 10
Sử dụng
phần mềm
Eviews
120 of 10
1. Nguyên
nhân Omitted Variables Test
Equation: UNTITLED
2. Hậu quả Specification: Y C X2
Omitted Variables: X3
3. Cách phát
hiện t-statistic
Value
6.747707
df
9
Probability
0.0001
4. Cách khắc F-statistic
Likelihood ratio
45.53155
21.61866
(1, 9)
1
0.0001
0.0000
phục F-test summary:
Sum of S... df Mean Squares
Test SSR 96553.86 1 96553.86
Restricted SSR 115639.2 10 11563.92
Unrestricted SSR 19085.33 9 2120.592
LR test summary:
Value df
Restricted LogL -72.0672... 10
Unrestricted LogL -61.2578... 9
121 of 10
1. Nguyên  Phát hiện dạng hàm sai – kiểm định Ramsey

nhân
2. Hậu quả
RESET.
3. Cách phát
hiện
4. Cách khắc
phục
Kiểm định Ramsey – Reset giúp kiểm tra xem

mô hình có bị sai dạng hàm do thiếu biến là hàm
của các biến có trong mô hình.
122 of 10

nhân
2. Hậu quả
RESET.
3. Cách phát E (Y | X 2 , X 3 )  1  2 X 2  3 X 3
hiện
4. Cách khắc 2 2
? Làm sao biết MH thiếu biến X 2 , X 3 , X 2 X 3
phục
123 of 10

nhân
2. Hậu quả
RESET.
^ ^ m 1
3. Cách phát
hiện
Yi  1   2 X 2i  ...   k X ki  1 Yi 2  ...   m Y i  vi
4. Cách khắc
phục Thực hiện kiểm định H0: α1 = α2 = … = αm = 0
H0: Chưa phát hiện mô hình gốc có dạng hàm sai
H1: Mô hình gốc có dạng hàm sai do thiếu biến
124 of 10
Sử dụng
phần mềm
Eviews
125 of 10
1. Nguyên Ramsey RESET Test

nhân Equation: UNTITLED
Specification: Y C X2 X3
2. Hậu quả Omitted Variables: Squares of fitted values
3. Cách phát t-statistic

Value
0.839486
df
8
Probability
0.4256
hiện F-statistic 0.704736 (1, 8) 0.4256
Likelihood ratio 1.013108 1 0.3142
4. Cách khắc
F-test summary:
phục Sum of S... df Mean Squares
Test SSR 1545.150 1 1545.150
Restricted SSR 19085.33 9 2120.592
LR test summary:
Value df
Restricted LogL -61.2578... 9
Unrestricted LogL -60.7513... 8
126 of 10
1. Nguyên
nhân  Nếu MH thiếu biến Z (đã biết) thêm biến.
2. Hậu quả
3. Cách phát
hiện  Nếu dạng hàm sai được phát hiện từ kiểm
4. Cách khắc
phục
định Ramsey  dùng mô hình dạng logarit
hoặc thêm các biến dạng bình phương của
các biến đã có trong mô hình.
127 of 10
BÀI 2 : PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm Giả thiết OLS

2. Nguyên
nhân • Việc ước lượng dựa trên cơ sở mẫu ngẫu nhiên.
1
3. Hậu quả
4. Phát hiện
• Kì vọng của sai số ngẫu nhiên tại mỗi giá trị (X2i,…, Xki)
5. Cách khắc
phục
2 bằng 0. E(ui|X2i,…Xki) = 0
• Phương sai của sai số ngẫu nhiên tại các giá trị (X2i,…Xki)
3 là bằng nhau. Var(ui|X2i,…Xki) = σ2
• Giữa các biến độc lập không có hiện tượng đa cộng tuyến
4 hoàn hảo.
• Sai số ngẫu nhiên tuân theo quy luật chuẩn: ui ~ N(0, σ2)
5
128 of 10
BÀI 2: PHƯƠNG SAI SAI SỐ THAY ĐỔI
1. Khái niệm
Khi giả thiết 3 bị vi phạm tức là mô hình có hiện
2. Nguyên
nhân tượng phương sai sai số thay đổi (Heteroskedasticity)
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
129 of 10
1. Khái niệm
2. Nguyên
 Do bản chất của số liệu.
nhân
3. Hậu quả
 Do mô hình thiếu biến quan trọng hoặc dạng hàm
4. Phát hiện sai.
5. Cách khắc
phục
130 of 10
1. Khái niệm
 Ước lượng không chệch
2. Nguyên
nhân
3. Hậu quả  Phương sai của hệ số ước lượng chệch.
4. Phát hiện
5. Cách khắc  Kết quả BT khoảng tin cậy và kiểm định không
phục đáng tin cậy.
131 of 10
1. Khái niệm  Phương pháp định tính: dựa vào bản chất của vấn
2. Nguyên
nhân đề nghiên cứu.
3. Hậu quả
4. Phát hiện  Sử dụng đồ thị phần dư.
5. Cách khắc
phục  Dùng kiểm định White
 Dùng kiểm định Breusch – Pagan (BP)
132 of 10
1. Khái niệm White Y = β1 + β2X2 + β3X3 + u

2. Nguyên
nhân
3. Hậu quả u2 có tương quan với một trong
4. Phát hiện MH có HET
5. Cách khắc các biến X2, X3, X2 X3 X2X3
2, 2,
phục
ei2  1   2 X 2i  3 X 3i   4 X 22i  5 X 32i   6 X 2i X 3i  vi
H0: α2 = α3 = α4 = α5 = α6 = 0
133 of 10
Sử dụng
phần mềm
Eviews
134 of 10
Heteroskedasticity Test: White

1. Khái niệm
F-statistic 0.345187 Prob. F(5,6) 0.8684
2. Nguyên Obs*R-squared 2.680740 Prob. Chi-Square(5) 0.7491
nhân Scaled explained SS 1.277775 Prob. Chi-Square(5) 0.9372
3. Hậu quả
Test Equation:
4. Phát hiện Dependent Variable: RESID^2
5. Cách khắc Date: 09/02/19 Time: 19:34
phục Sample: 1 12
C -32915.76 33389.49 -0.985812 0.3623

X2^2 -0.264579 0.874231 -0.302642 0.7724
X2*X3 0.277013 0.854373 0.324230 0.7568
X2 30.70569 168.0088 0.182762 0.8610
X3^2 -0.956359 0.869795 -1.099522 0.3137
X3 339.4830 340.7178 0.996376 0.3575

Adjusted R-squared -0.423776 S.D. dependent var 2162.551
Sum squared resid 39950799 Schwarz criterion 19.09858
135 of 10
1. Khái niệm
Breusch
2. Nguyên
- Pagan Y = β1 + β2X2 + β3X3 + u
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc u2 có tương quan với một trong
phục MH có HET
các biến X2, X3
ei2  1   2 X 2i  3 X 3i  vi
H0: α2 = α3 = 0
136 of 10
1. Khái niệm
Heteroskedasticity Test: Breusch-Pagan-Godfrey
2. Nguyên
nhân
F-statistic 0.153728 Prob. F(2,9) 0.8597 VD10
Obs*R-squared 0.396399 Prob. Chi-Square(2) 0.8202
3. Hậu quả Scaled explained SS 0.188943 Prob. Chi-Square(2) 0.9099
4. Phát hiện
Test Equation:
5. Cách khắc Dependent Variable: RESID^2
phục Date: 09/02/19 Time: 21:12
Sample: 1 12
C 2032.092 3675.352 0.552897 0.5938

X2 11.62511 23.95114 0.485368 0.6390
X3 -9.060226 19.36993 -0.467747 0.6511

Adjusted R-squared -0.181848 S.D. dependent var 2162.551
Sum squared resid 49743556 Schwarz criterion 18.69659
137 of 10
1. Khái niệm
2. Nguyên
nhân  Thêm biến, sửa lại dạng hàm.
3. Hậu quả
4. Phát hiện  Phương pháp bình phương bé nhất tổng quát
5. Cách khắc
phục (GLS – Generalized Least Square).
 Ước lượng sai số chuẩn: vẫn sử dụng OLS

nhưng tính toán lại phương sai của hệ số ước
lượng.
138 of 10
BÀI 3: ĐA CỘNG TUYẾN
1. Khái niệm Giả thiết OLS

2. Nguyên
nhân • Việc ước lượng dựa trên cơ sở
3. Hậu quả 1 mẫu ngẫu nhiên.
4. Phát hiện
5. Cách khắc • Kì vọng của sai số ngẫu nhiên tại
phục 2 mỗi giá trị (X2i,…, Xki) bằng 0.
• Phương sai của sai số ngẫu nhiên tại

3 các giá trị (X2i,…X ki) là bằng nhau.
• Giữa các biến độc lập không có hiện

4 tượng đa cộng tuyến hoàn hảo.
• Sai số ngẫu nhiên tuân theo quy luật

5 chuẩn: ui ~ N(0, σ2)
139 of 10
1. Khái niệm
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục α
140 of 10
1. Khái niệm
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
141 of 10
1. Khái niệm
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
142 of 10
1. Khái niệm
2. Nguyên
nhân
 Do bản chất mối quan hệ giữa các biến độc
3. Hậu quả lập.
4. Phát hiện  Dạng hàm mô hình: mô hình có dạng hàm đa
5. Cách khắc thức: biến X và X2, X3 đặc biệt khi X nhận giá
phục
trị trong khoảng nhỏ.
- Hồi quy mà số biến độc lập lớn hơn số quan
sát.
 Mẫu không mang tính đại diện.
 Các biến độc lập được quan sát theo chuỗi
thời gian có cùng chiều hướng biến động
143 of 10
1. Khái niệm  Khi gặp đa cộng tuyến hoàn hảo, ta không thể
2. Nguyên
nhân ước lượng được mô hình.
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
144 of 10
1. Khái niệm  Ước lượng không chệch.

2.
nhân
Nguyên
  
var  j lớn nên:
3. Hậu quả
4. Phát hiện . Khoảng tin cậy lớn.
5. Cách khắc
phục . Khi kiểm định H0:  j  0  dễ chấp nhận H0.
 Các ước lượng và sai số chuẩn của ước lượng

rất nhạy cảm với sự thay đổi của dữ liệu
 Dấu của hệ số ước lượng có thể ngược với kì
vọng
145 of 10
1. Khái niệm
Dependent Variable: CT
2. Nguyên Method: Least Squares
nhân Date: 09/01/15 Time: 10:32 VD15
3. Hậu quả Sample: 1 33
4. Phát hiện Included observations: 33
5. Cách khắc Variable Coefficient Std. Error t-Statistic Prob.

phục
C 18.86018 8.832144 2.135402 0.0410
TN 0.791224 0.015991 49.48055 0.0000
TS 0.015818 0.003984 3.970277 0.0004

146 of 10
1. Khái niệm
 Hồi quy một biến độc lập nào đó theo các biến
2. Nguyên
nhân độc lập còn lại và quan sát hệ số xác định của
3. Hậu quả
4. Phát hiện các mô hình. Nếu R2 quá lớn (ví dụ: >0.9)nghi
5. Cách khắc
phục ngờ đa cộng tuyến.
147 of 10
1. Khái niệm
Dependent Variable: TN
nhân Date: 11/02/17 Time: 15:12
Sample: 1 33
3. Hậu quả
4. Phát hiện
phục C -288.4380 84.60065 -3.409407 0.0018
TS 0.243711 0.009301 26.20137 0.0000

148 of 10
1. Khái niệm
2. Nguyên  Tính hệ số tương quan cặp (pair – wise
nhân
3. Hậu quả correlation) giữa các biến Xj:
4. Phát hiện
5. Cách khắc Nếu hệ số tương quan giữa 2 biến nào đó > 0,8 thì
phục
có thể xem là mô hình có đa cộng tuyến cao.
149 of 10
1. Khái niệm
2. Nguyên
 Dùng nhân tử phóng đại phương sai (VIF –
nhân
variance inflation factor)
3. Hậu quả
4. Phát hiện
5. Cách khắc
phục
trong đó Rj2 là hệ số xác định của mô hình hồi quy

Xj theo các biến độc lập khác.
Nếu VIF > 10 thì đó là dấu hiệu đa cộng tuyến cao.
150 of 10
1. Khái niệm
Dependent Variable: TN
nhân Date: 11/02/17 Time: 15:12 VD15
Sample: 1 33
3. Hậu quả
4. Phát hiện
phục C -288.4380 84.60065 -3.409407 0.0018
TS 0.243711 0.009301 26.20137 0.0000

VIF?
151 of 10
1. Khái niệm * Một số trường hợp đa cộng tuyến cao nhưng

2. Nguyên
nhân không gây ra hậu quả nghiêm trọng, không cần
3. Hậu quả
4. Phát hiện
biện pháp khắc phục.
5. Cách khắc
phục
152 of 10
1. Khái niệm
2. Nguyên
nhân  Gia tăng kích thước mẫu.
3. Hậu quả
4. Phát hiện  Bỏ bớt biến gây ra đa cộng tuyến cao.
5. Cách khắc
phục  Tổng hợp các biến bị đa cộng tuyến thành một
biến duy nhất rồi đưa vào mô hình.
 Thay đổi dạng mô hình.
153 of 10
BÀI 4: TỰ TƯƠNG QUAN
1. Định nghĩa
2.Nguyên  Tự tương quan là hiện tượng có sự tương quan
nhân
3. Hậu quả giữa các quan sát trong cùng bảng số liệu.
4. Phát hiện
4. Cách khắc
phục
cov(ui , u j )  0
 Hiện tượng này thường xảy ra với dữ liệu chuỗi
thời gian.
154 of 10
1. Định nghĩa  Giả sử chuỗi thời gian có dạng:

2.Nguyên
nhân Yt  1  2 X 2t  ...  k X kt  ut
3. Hậu quả
4. Phát hiện
4. Cách khắc
phục
155 of 10
1. Định nghĩa  Nếu sai số ut chỉ tương quan với ut-1 thì ta có hiện
2.Nguyên
nhân tượng tự tương quan bậc 1, kí hiệu là AR(1)
3. Hậu quả
4. Phát hiện  Nếu sai số ut tương quan với m kì trước đó thì ta
4. Cách khắc
phục có hiện tượng tự tương quan bậc m, kí hiệu là
AR(m)
156 of 10
1. Định nghĩa
2.Nguyên  Do bản chất của các hiện tượng kinh tế: các
nhân
3. Hậu quả
hiện tượng kinh tế có tính chất quán tính, tính
4. Phát hiện chất mạng nhện hoặc tính trễ.
4. Cách khắc
phục
 Do lập mô hình (thiếu biến hoặc dạng hàm
sai…)
 Do việc xử lý số liệu
157 of 10
1. Định nghĩa  Ước lượng OLS vẫn là ước lượng không

2.Nguyên
nhân chệch.
3. Hậu quả
4. Phát hiện  Phương sai của các hệ số ước lượng có thể bé
4. Cách khắc
phục hơn phương sai đúng.
 Kết luận từ BT khoảng tin cậy là không đáng tin

cậy.
 Kết luận từ BT kiểm định giả thuyết thống kê về

các hệ số là không đáng tin cậy.
158 of 10
1. Định nghĩa
2.Nguyên
nhân Xem xét đồ thị phần
3. Hậu quả
dư
4. Phát hiện
4. Cách khắc
phục
Dùng phương pháp
Durbin - Watson
Dùng phương pháp

Breusch - Godfrey
159 of 10
1. Định nghĩa
 Hồi quy mô hình gốc: thu phần dư et.
2. Nguyên
nhân  Vẽ đồ thị phần dư et theo thời gian.
3. Hậu quả
4. Phát hiện
Một số dạng đồ thị có tự tương quan:
4.1. Xem xét
đồ thị phần ei
dư
ei
4.2. Dùng
phương pháp
Durbin – t t
Watson
4.3. Dùng ei ei
phương pháp
Breusch -
Godfrey
5. Cách khắc
t t
phục
160 of 10
1. Định nghĩa
Điều kiện áp dụng:
2. Nguyên
nhân  Có nhiều hơn 15 quan sát.
3. Hậu quả
4. Phát hiện
 Chuỗi số liên tục: không có quan sát bị mất ở giữa.
4.1. Xem xét
đồ thị phần
 Biến giải thích không được là biến trễ của biến phụ
dư
thuộc.
4.2. Dùng
phương pháp
Durbin –  Mô hình có hệ số chặn.
Watson
4.3. Dùng  Chỉ kiểm định tự tương quan bậc nhất.
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
161 of 10
1. Định nghĩa  Hồi quy Y theo

n
X2 , …, Xk thu được phần dư et
 e  e 
2
2. Nguyên
t t 1
nhân
3. Hậu quả
 Tính d  t 2
n
4. Phát hiện t
e 2
t 1
4.1. Xem xét
đồ thị phần
 Tra bảng DW với mức ý nghĩa α, số quan sát n,
dư số biến độc lập k’ = k – 1 ta được dL và dU
4.2. Dùng  Quy tắc kiểm định
phương pháp
Durbin – 4
Watson
4.3. Dùng
0 dL dU 4-dU 4-dL
phương pháp ρ>0
Breusch - ρ=0 ρ<0
Tương Không Không có tự
Godfrey Không Tương quan
5. Cách khắc
quan kết luận tương quan kết luận âm
phục dương
162 of 10
1. Định nghĩa Dependent Variable: GOLD

2. Nguyên Date: 03/27/17 Time: 10:30 VD16
nhân Sample: 2006M07 2011M07
3. Hậu quả Included observations: 61
4. Phát hiện Variable Coefficient Std. Error t-Statistic Prob.

4.1. Xem xét
C 507.6046 121.3772 4.182041 0.0001
đồ thị phần
OIL 5.837085 1.480377 3.942972 0.0002
dư
4.2. Dùng R-squared 0.208553 Mean dependent var 969.6223
phương pháp Adjusted R-squared 0.195139 S.D. dependent var 275.6365
Durbin – Sum squared resid 3607833. Schwarz criterion 13.96040
Watson Log likelihood -421.6814 Hannan-Quinn criter. 13.91832
4.3. Dùng F-statistic 15.54703 Durbin-Watson stat 0.039397
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
163 of 10
1. Định nghĩa
Yt  1  2 X 2t  ...  k X kt  ut
2. Nguyên
nhân
3. Hậu quả
4. Phát hiện
4.1. Xem xét ? MH có hiện tượng tự tương quan bậc p?
đồ thị phần
dư
4.2. Dùng
phương pháp
Durbin –
Watson
4.3. Dùng
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
164 of 10
Sử dụng
phần mềm
Eviews
165 of 10
1. Định nghĩa Dùng Eviews

2. Nguyên
Breusch-Godfrey Serial Correlation LM Test:
nhân
F-statistic 2.490876 Prob. F(2,11) 0.1282
3. Hậu quả Obs*R-squared 4.675726 Prob. Chi-Square(2) 0.0965
4. Phát hiện ? MH này dùng để làm gì?

Test Equation:
4.1. Xem xét Dependent Variable: RESID
đồ thị phần
? Cho kết luận với mức ý nghĩa 5%.
Date: 09/02/19 Time: 21:25
Sample: 1973 1987
dư Included observations: 15
Presample missing value lagged residuals set to zero.
4.2. Dùng
phương pháp
Durbin – C
M2
-7.478309
0.005389
70.53594
0.038940
-0.106021
0.138402
0.9175
0.8924
Watson RESID(-1)
RESID(-2)
0.653921
-0.232925
0.314445
0.384474
2.079604
-0.605828
0.0617
0.5569
4.3. Dùng R-squared 0.311715 Mean dependent var -9.24E-14
phương pháp Adjusted R-squared
S.E. of regression
0.124001
89.91163
S.D. dependent var
Akaike info criterion
96.06475
12.05871
Breusch - Sum squared resid 88925.12 Schwarz criterion 12.24752
Godfrey F-statistic 1.660584 Durbin-Watson stat 1.864294
5. Cách khắc
phục
166 of 10
1. Định nghĩa
2. Nguyên  Vẫn dùng OLS nhưng hiệu chỉnh sai số chuẩn
nhân ^
3. Hậu quả của  j để kiểm định đáng tin cậy hơn bằng cách
4. Phát hiện
dùng ma trận Newey – West.
4.1. Xem xét
đồ thị phần
dư
4.2. Dùng
phương pháp
Durbin –
Watson
4.3. Dùng
phương pháp
Breusch -
Godfrey
5. Cách khắc
phục
167 of 10
BÀI 5: VẤN ĐỂ PHÂN PHỐI CHUẨN CỦA SAI SỐ NGẪU NHIÊN
1. Hậu quả
2. Phát hiện
 Khi sai số ngẫu nhiên không tuân theo quy luật
chuẩn thì các thống kê t và F không tuân theo
quy luật Student và quy luật Fisher tương ứng.
 Khi đó nếu kích thước mẫu là nhỏ thì các suy

diễn thống kê là không đáng tin cậy.
 Tuy nhiên, nếu kích thước mẫu lớn thì các suy
diễn thống kê vẫn có giá trị.
168 of 10
1. Hậu quả
2. Phát hiện  Xem xét đồ thị phần dư:
Nếu phân phối quá lệch về bên trái hoặc bên phải,
quá nhọn hoặc quá dẹt thì đó là dấu hiệu cho rằng
sai số ngẫu nhiên của mô hình không tuân theo
quy luật chuẩn.
169 of 10
1. Hậu quả
2. Phát hiện  Kiểm định Jacque – Bera (JB)
H0 : Sai số ngẫu nhiên có phân phối chuẩn.
H1: Sai số ngẫu nhiên không có phân phối chuẩn
170 of 10
35
1. Hậu quả 30
Series: Residuals
Sample 1 135
2. Phát hiện Observations 135
25
Mean -3.55e-14
Median -16.09313
20
Maximum 430.4679
Minimum -111.4659
15
Std. Dev. 61.62183
Skewness 2.929305
10 Kurtosis 19.51095
5 Jarque-Bera 1726.509
Probability 0.000000
0
-100 -50 0 50 100 150 200 250 300 350 400 450
171 of 10
Sử dụng
phần mềm
Eviews
172 of 10
BÀI 6: LỰA CHỌN MÔ HÌNH
1. Mô hình càng
1. Các tiêu đơn giản càng 2. Các tham số
chuẩn của mô tốt ước lượng được
Tính đơn phải duy nhất
hình Tính đồng
giản/tiết kiệm
2. Cách tiếp 3. R và R hiện
2 2 nhất
(Parsimony)
(Identifiability)
cận để lựa chỉnh càng gần
chọn mô hình 1càng tốt
3. Các sai lầm 4. Mô hình phải
và hậu quả Tính phù hợp
dựa trên một
(Goodness of fit)
4. Cách phát LT nào đó
hiện và khắc
Tính nhất quán
phục sai lầm
với LT
(Theretical
Consistency)
Năng lực
dự báo tốt
5. Mô hình cho kết
(Predictive quả dự báo
power) sát với thực tế
173 of 10
1. Các tiêu
chuẩn của mô  Xác định số biến độc lập:
hình
2. Cách tiếp  Từ đơn giản đến tổng quát:
cận để lựa
chọn mô hình
 Từ tổng quát đến đơn giản:
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
174 of 10
1. Các tiêu
chuẩn của mô  Kiểm tra mô hình có vi phạm giả thiết hay
hình
2. Cách tiếp không:
cận để lựa
chọn mô hình  Đa cộng tuyến
3. Các sai lầm
và hậu quả  Tự tương quan
4. Cách phát
hiện và khắc
 Phương sai sai số thay đổi
phục sai lầm
175 of 10
1. Các tiêu
chuẩn của mô  Chọn dạng hàm: dựa vào
hình
2. Cách tiếp  Các lý thuyết kinh tế
cận để lựa
chọn mô hình
 Các kết quả thực nghiệm
3. Các sai lầm
và hậu quả
 Đồ thị biểu diễn
4. Cách phát
hiện và khắc
phục sai lầm
176 of 10
1. Các tiêu
chuẩn của mô  Bỏ sót biến thích hợp
hình
2. Cách tiếp  Thừa biến
cận để lựa
chọn mô hình  Chọn dạng hàm không đúng
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
177 of 10
1. Các tiêu Y = β1 + β2X2 +…+ β3X3 + u

chuẩn của mô
hình
2. Cách tiếp ? Làm sao biết X3 bị thừa trong mô hình?
cận để lựa
chọn mô hình
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
178 of 10
1. Các tiêu Redundant Variables Test

chuẩn của mô Equation: UNTITLED VD1
hình Specification: CT C TN TS
2. Cách tiếp Redundant Variables: TS
cận để lựa
Value df Probability
chọn mô hình t-statistic 3.970277 30 0.0004
3. Các sai lầm F-statistic 15.76310 (1, 30) 0.0004
và hậu quả Likelihood ratio 13.93526 1 0.0002
4. Cách phát
hiện và khắc ? MH này dùng để làm gì?
phục sai lầm
? Cho kết luận với mức ý nghĩa 5%.
179 of 10
1. Các tiêu
chuẩn của mô  Kiểm định các biến bị bỏ sót:
hình
2. Cách tiếp  Kiểm định Ramsey Reset:
cận để lựa
chọn mô hình
3. Các sai lầm
và hậu quả
4. Cách phát
hiện và khắc
phục sai lầm
180 of 10
LOGO

bài giảng KTL

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

bài giảng KTL

Uploaded by

Copyright:

Available Formats

LOGO

Hình thức Tỉ trọng điểm môn học

* Bài kiểm tra cá nhân: 20%

* Thi cuối kì: 50%

Hoàng Ngọc Nhậm, “Giáo trình kinh tế lượng”,

Nguyễn Thành Cả - Nguyễn Thị Ngọc Miên, “Kinh

4 Nguyễn Văn Tùng, “Thực hành Kinh tế lượng cơ

4 Một số dạng đặc biệt của MHHQ

5 Kiểm định và lựa chọn mô hình

1 LỊCH SỬ KINH TẾ LƯỢNG

2 KINH TẾ LƯỢNG LÀ GÌ?

3 SỐ LIỆU TRONG KINH TẾ LƯỢNG

Nobel Lawrence Klein (1980)

Trygve Haavelmo (1989)

Định tính: thuộc

 Tổng cục thống kê

1 Mô hình hồi quy 2 biến và PP OLS

2 Mô hình hồi quy bội và PP OLS

 Hệ số hồi quy (coefficient): β1 và β2

 Sai số ngẫu nhiên (error term): u, u chứa

Hàm hồi quy

β1 cho biết giá trị trung bình của biến Y khi X = 0.

Dấu của β2 cho biết chiều hướng tác động của X

E(Y|X) = β1 + β2X: hàm hồi quy tổng thể (PRF)

thể Tìm 1 ,  2 sao cho  ei2    Yi  1   2 X i   min

Variable Coefficient Std. Error t-Statistic Prob.

C 42.73290 7.860251 5.436582 0.0000

R-squared 0.999306 Mean dependent var 1610.415

pháp OLS Variable Coefficient Std. Error t-Statistic Prob.

4. Phương C 18.86018 8.832144 2.135402 0.0410

1. Sự cần thiết Hệ số xác định hiệu chỉnh

1. Sự cần thiết Dependent Variable: CT

3. Mô hình hồi Variable Coefficient Std. Error t-Statistic Prob.

của hàm hồi R-squared 0.999545 Mean dependent var 1610.415

Khoảng tin cậy cho các hệ số hồi quy

Kiểm định giả thuyết thống kê về hệ số hồi quy

Dự báo giá trị biến phụ thuộc

• Việc ước lượng dựa trên cơ sở

• Kì vọng của sai số ngẫu nhiên tại

• Phương sai của sai số ngẫu nhiên tại

• Giữa các biến độc lập không có hiện

• Sai số ngẫu nhiên tuân theo quy luật

Định lý Gauss - Markov

Với các giả thiết 1 – 5, các ước lượng

Trong khủng hoảng tài chính,

1 Mô hình hồi quy với biến định tính

2 Các mô hình hồi quy dạng logarit

3 Mô hình đa thức bậc 2

1.2.3. Hồi quy   4, 44

2.1. Mô hình Dependent Variable: LOG(CT)

dạng bán Variable Coefficient Std. Error t-Statistic Prob.

LOG(CT)i = -0,117389 + 0,914824LOG(TN)i + 0,069079LOG(TS)i + ei

 Nếu biến độc lập xuất hiện dưới dạng

2.1. Mô hình Dependent Variable: LNGDP

2.1. Mô hình  Mô hình dạng lin-log:Y=β + β logX +…+β logX + u

2.2.1. Mô Variable Coefficient Std. Error t-Statistic Prob.

Phương sai sai số

Kiểm định và lựa Vấn đề phân phối

 Dạng hàm sai.

 Tính tác động đồng thời của số liệu

 Sai số đo lường của các biến độc lập

1. Nguyên  Phát hiện mô hình bỏ sót biến.

1. Nguyên  Phát hiện dạng hàm sai – kiểm định Ramsey

Kiểm định Ramsey – Reset giúp kiểm tra xem