Professional Documents
Culture Documents
ĐA CỘNG TUYẾN
TRONG MÔ HÌNH
HỒI QUY
NỘI DUNG CHÍNH
Bản chất của đa cộng tuyến
Nếu tồn tại các số 𝝀𝟐 , 𝝀𝟑 , … , 𝝀𝒌 không đồng thời bằng 0 sao cho:
𝜆2 𝑋2 + 𝜆3 𝑋3 + ⋯ + 𝜆𝑘 𝑋𝑘 + 𝑎 = 0
(a: hằng số)
Có đa cộng tuyến hoàn hảo.
BẢN CHẤT CỦA ĐA CỘNG TUYẾN
Nếu tồn tại các số 𝝀𝟐 , 𝝀𝟑 , … , 𝝀𝒌 không đồng thời bằng 0 sao cho:
Có đa cộng tuyến.
BẢN CHẤT CỦA ĐA CỘNG TUYẾN
Không có đa cộng tuyến Đa cộng tuyến thấp
Y
Y
𝑋3
𝑋2
𝑋3
𝑋2
BẢN CHẤT CỦA ĐA CỘNG TUYẾN
Đa cộng tuyến cao Đa cộng tuyến hoàn hảo
Y
Y
𝑋3
𝑋2
𝑋2
𝑋3
VÍ DỤ
Xét hàm hồi quy: 𝑌 = 𝛽1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝛽4 𝑋4 + 𝑈
Với số liệu của các biến độc lập :
X2 10 15 18 24 30
X3 50 75 90 120 150
X4 52 75 97 129 152
Ta có : X3 = 5X2 hay 5X2 – X3 + 0 =0
có hiện tượng đa cộng tuyến hoàn hảo giữa X2 và X3.
X4 = 5X2 + Vi hay 5X2 – X4 + Vi = 0
có hiện tượng đa cộng tuyến không hoàn hảo giữa X2 và X4 .
ƯỚC LƯỢNG
TRONG TRƯỜNG HỢP CÓ ĐA CỘNG TUYẾN
Trường hợp có đa cộng tuyến hoàn hảo
Xét hàm hồi quy: 𝑌 = 𝛽1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝑈
Theo phương pháp OLS, các hệ số ước lượng được tính theo công thức:
𝛽 = 𝑋′𝑋 −1
(𝑋 ′ 𝑌)
Ma trận 𝑋 ′ 𝑋 không khả nghịch
Không thể ước lượng được các hệ số trong mô hình, chỉ có thể ước lượng
được một tổ hợp tuyến tính của các hệ số đó.
ƯỚC LƯỢNG
TRONG TRƯỜNG HỢP CÓ ĐA CỘNG TUYẾN
Trường hợp có đa cộng tuyến
Xét hàm hồi quy: 𝑌 = 𝛽1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝑈
Theo phương pháp OLS, các hệ số ước lượng được tính theo công thức:
𝛽 = 𝑋′𝑋 −1 (𝑋 ′ 𝑌)
Trong đó, 𝑅𝑗2 là hệ số xác định của mô hình hồi quy phụ 𝑋𝑗 theo các biến độc lập
khác.
Nếu VIF lớn thì có đa cộng tuyến trong mô hình
Thông thường nếu VIF > 10 thì 𝑋𝑗 có đa cộng tuyến cao với các biến độc lập
khác trong mô hình.
KHẮC PHỤC ĐA CỘNG TUYẾN
Rules of Thumb khi bỏ qua đa cộng tuyến:
1. Bỏ qua đa cộng tuyến nếu các trị thống kê t > 2.
2. Bỏ qua đa cộng tuyến nếu R2 của mô hình cao hơn R2 của các mô hình hồi quy
phụ.
3. Bỏ qua đa cộng tuyến nếu mục tiêu xây dựng mô hình sử dụng để dự báo chứ
không phải kiểm định
KHẮC PHỤC ĐA CỘNG TUYẾN
1. Bỏ đi biến độc lập có đa cộng tuyến: Điều này xảy ra với giả định rằng
không có mối quan hệ giữa biến phụ thuộc và biến độc lập được loại ra
khỏi mô hình (nếu lý thuyết khẳng định có mối quan hệ giữa biến phụ thuộc
với biến độc lập dự định loại bỏ, thì việc loại bỏ biến này dẫn đến loại bỏ biến
quan trọng và chúng ta sẽ mắc sai lầm về nhận dạng hàm).
2. Bổ sung dữ liệu hoặc tìm dữ liệu mới: Tìm mẫu dữ liệu khác hoặc gia tăng cỡ
mẫu.
3. Thay đổi dạng mô hình: Mô hình kinh tế lượng có nhiều dạng hàm khác nhau.
4. Sử dụng thông tin tiên nghiệm: Sử dụng kết quả của các mô hình kinh tế lượng
trước đó ít có đa cộng tuyến.
VÍ DỤ
VÍ DỤ