LỰA CHỌN MÔ HÌNH

VÀ
MỘT SỐ KIỂM ĐỊNH
 NỘI DUNG CHÍNH
Các Phương Các tiêu Các sai lầm thường
thuộc pháp lựa chuẩn gặp khi chọn mô
tính của chọn mô chọn mô hình
một mô hình tốt hình
hình tốt
Bỏ sót
Mô hình
biến
thừa
thích
biến
hợp
 CÁC THUỘC TÍNH
CỦA MỘT MÔ HÌNH TỐT

1. Tính tiết kiệm: mô hình đơn giản nhất có thể.

2. Tính thích hợp: biến phụ thuộc được giải thích càng nhiều
bằng mô hình càng tốt.
3. Tính đồng nhất: cùng 1 bộ số liệu, các tham số ước lượng có
giá trị thống nhất.
4. Tính bền vững về mặt lý thuyết: phù hợp với lý thuyết, tức
là cơ sở lý thuyết để xây dựng mô hình.
5. Có khả năng dự báo tốt: suy luận cho các giá trị ngoài mẫu.
 PHƯƠNG PHÁP
LỰA CHỌN MÔ HÌNH TỐT
Phương pháp (từ đơn giản đến tổng quát)
Bắt đầu một mô hình với một biến độc lập, sau
đó thêm lần lượt các biến giải thích có tương
quan với biến phụ thuộc vào mô hình
 Đánh giá sự phù hợp khi thêm biến vào mô hình
 PHƯƠNG PHÁP
LỰA CHỌN MÔ HÌNH TỐT
Phương pháp (từ tổng quát đến đơn giản)
Bắt đầu một mô hình với tất cả các biến độc
lập có thể có, sau đó dựa vào những kiểm
định để bớt biến giải thích trong mô hình
 nhận dạng và lý giải những sai lầm đặc trưng
của mô hình.
 CÁC TIÊU CHUẨN
LỰA CHỌN MÔ HÌNH
𝟐
Hệ số xác định điều chỉnh 𝑹
𝑅𝑆𝑆
2
𝑅 =1−𝑛−𝑘.
𝑇𝑆𝑆
𝑛−1
 Mô hình nào có giá trị của tiêu chuẩn này cao hơn sẽ được chọn
 CÁC TIÊU CHUẨN
LỰA CHỌN MÔ HÌNH

Tiêu chuẩn AIC (Akaike Info Criterion)

𝑅𝑆𝑆 2𝑘
𝐴𝐼𝐶 = 𝑒𝑛
𝑛
 Mô hình nào có giá trị của tiêu chuẩn này thấp hơn sẽ được chọn
 CÁC TIÊU CHUẨN
LỰA CHỌN MÔ HÌNH

Tiêu chuẩn Schwarz

𝑅𝑆𝑆 𝑘
𝐵𝐼𝐶 = 𝑛𝑛
𝑛
 Mô hình nào có giá trị của tiêu chuẩn này thấp hơn sẽ được chọn
 CÁC TIÊU CHUẨN
LỰA CHỌN MÔ HÌNH

Tiêu chuẩn Hannan - Quinn (HQ criterion)

𝑅𝑆𝑆 2𝑘
𝐻𝑄 = (ln 𝑛) 𝑛
𝑛
 Mô hình nào có giá trị của tiêu chuẩn này thấp hơn sẽ được chọn
 VÍ DỤ
Dependent Variable: CHITIEU
Method: Least Squares
Sample: 1 10
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.

C 2.047024 0.785207 2.606988 0.0313

THUNHAP 0.635562 0.056890 11.17176 0.0000

R-squared 0.939763 Mean dependent var 10.50000

Adjusted R-squared 0.932233 S.D. dependent var 2.549510
S.E. of regression 0.663690 Akaike info criterion 2.194854
Sum squared resid 3.523880 Schwarz criterion 2.255372
Log likelihood -8.974272 Hannan-Quinn criter. 2.128467
F-statistic 124.8082 Durbin-Watson stat 3.275702
Prob(F-statistic) 0.000004
 CÁC SAI LẦM THƯỜNG GẶP

1. Bỏ sót biến thích hợp (thiếu biến)

2. Đưa biến không cần thiết vào mô hình (thừa biến)
 BỎ SÓT BIẾN THÍCH HỢP

• Giả sử mô hình đúng là:

Yi = 1 + 2X2i+ 3X3i + Ui (U)
• Tuy nhiên, chúng ta sử dụng mô hình:
Yi = 1 + 2X2i + Vi ( R)
Trong đó, Ui và Vi là các sai số ngẫu nhiên thỏa:
𝑈𝑖 ~𝑁 0, 𝜎𝑈2 ; 𝑉𝑖 ~𝑁(0, 𝜎𝑉2 )
Trường hợp này gọi là bỏ sót biến thích hợp
 BỎ SÓT BIẾN THÍCH HỢP
Hậu quả việc bỏ sót biến:
- Các ước lượng thu được là ước lượng chệch của các
tham số trong mô hình đúng.
- Các ước lượng thu được không phải là ước lượng
vững.
- Phương sai của các ước lượng trong mô hình sai (R) lớn
hơn phương sai trong mô hình đúng (U).
- Khoảng tin cậy rộng, các kiểm định không còn tin cậy
nữa.
 KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
Xét mô hình : Yi = 1 + 2Xi + Ui (*)
Giả sử nghi ngờ mô hình đã bỏ sót biến Z  kiểm tra bằng cách:
Nếu có số liệu của Z:
+ Hồi qui mô hình Yi = 1+2Xi+3Zi +Ui
+ Dùng 𝑅2 hiệu chỉnh kết hợp với thực hiện kiểm định:
H0: 3= 0
H1: 3 ≠ 0
+ Nếu bác bỏ H0 thì mô hình ban đầu đã bỏ sót biến Z.
 KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
Nếu không có số liệu của Z, ta thực hiện các bước sau:
- Phát hiện bỏ sót biến thích hợp:
+ So sánh dấu của các hệ số ước lượng so với kỳ vọng về
dấu của các hệ số hồi quy.
+ Xem xét phần dư.
- Kiểm định các sai số đặc trưng.
 KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
Nếu không có số liệu của Z, ta thực hiện các bước sau:
• Xem xét phần dư:
+ Xem xét đồ thị của các phần dư để kiểm tra xem chúng
biến động theo một xu hướng hay theo 1 dạng đáng nghi
ngờ nào.
+ Nếu theo 1 dạng đáng chú ý, chúng ta nghi ngờ có sai số
tự tương quan do dạng hàm sai hoặc thiếu biến quan trọng
KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
 KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
 Kiểm định RESET của Ramsey
Ramsey đề xuất sử dụng 𝑌 2 , 𝑌 3 ,… 𝑌 𝑚+1 làm các xấp xỉ cho Zi.
Bước 1 : Hồi qui mô hình Yi = 1 + 2Xi + Ui (*), thu lấy 𝑌
Bước 2 : Hồi qui Yi theo các biến độc lập trong (*) và 𝑌2; 𝑌3;…
(mô hình này gọi là mô hình (new)) .
Bước 3 : Kiểm định giả thuyết
𝐻0 : các hệ số của 𝑌 2 , 𝑌 3 , … 𝑌 𝑚+1 đồng thời bằng 0
𝐻1 : có ít nhất một hệ số của 𝑌 2 , 𝑌 3 , … 𝑌 𝑚+1 khác 0
 Nếu bác bỏ H0  mô hình (*) đã bỏ sót biến.
 KIỂM ĐỊNH BỎ SÓT BIẾN THÍCH HỢP
 Kiểm định RESET của Ramsey
(R  R ) / m
2 2
 Trị thống kê F  new *
(1  R ) /( n  k )
2
new

Trong đó :
m : số biến độc lập mới thêm vào mô hình
k : Số tham số trong mô hình (new).
 Nếu F > F, m, n-k hoặc p-value(F) <   bác bỏ H0.
 VÍ DỤ

Ta có : F = 0.3888 với P-value(F-stat) = 0.684 > 5%

 mô hình ban đầu không bỏ sót biến.
 VÍ DỤ
Ramsey RESET Test
Equation: UNTITLED
Specification: SALARY C AGE EDUC
Omitted Variables: Powers of fitted values from 2 to 3

Value df Probability
F-statistic 86.25145 (2, 469) 0.0000
Likelihood ratio 148.4620 2 0.0000
 MÔ HÌNH THỪA BIẾN
Giả sử mô hình đúng là :
Yi = 1 + 2X2i + Ui (R)
Nhưng ta lại chọn mô hình (có thêm X3):
Yi = 1 + 2X2i + 2X3i + Vi (U)
Trong đó, Ui và Vi là các sai số ngẫu nhiên thỏa:
2 2
𝑈𝑖 ~𝑁 0, 𝜎𝑈 ; 𝑉𝑖 ~𝑁(0, 𝜎𝑉 )
Trường hợp này gọi là thừa biến
 MÔ HÌNH THỪA BIẾN

Hậu quả
- Các ước lượng OLS vẫn là các ước lượng không chệch và
vững của các tham số trong mô hình đúng.
- Phương sai của các ước lượng trong mô hình thừa biến (U)
lớn hơn trong mô hình đúng (R).
- Khoảng ước lượng rộng hơn, các kiểm định không còn tin cậy
nữa.
 MÔ HÌNH THỪA BIẾN
 Phát hiện và loại bỏ biến không cần thiết (từ tổng quát
đến đơn giản).
Giả sử mô hình hồi qui:
Yi = 1+ 2X2i+ 3X3i+ 4X4i+ 5X5i + Ui

1. Dùng kiểm định t cho ý nghĩa riêng phần của các hệ số βj.
2. Dùng kiểm định F cho kiểm định ý nghĩa đồng thời của các
hệ số hồi quy.
 VÍ DỤ
𝐻0: 𝛽5 = 0
Bài toán kiểm định
𝐻1 : 𝛽5 ≠ 0
Nếu chấp nhận H0 𝛽5 không có ý nghĩa thống kê  X5 không
cần thiết.
𝐻0: 𝛽3 = 0 𝐻0: 𝛽5 = 0
 Bài toán kiểm định và
𝐻1 : 𝛽3 ≠ 0 𝐻1 : 𝛽5 ≠ 0
Nếu chấp nhận H0 của cả hai bài toán trên thì tiến hành bài toán kiểm
𝐻0: 𝛽3 = 𝛽5 = 0
định đồng thời: 2 2 (Sử dụng kiểm định Wald)
𝐻1 : 𝛽3 + 𝛽5 ≠ 0
VÍ DỤ
 Nghi ngờ biến INST là biến
bị thừa. Tiến hành kiểm định 𝑡
cho sự thừa biến.
 VÍ DỤ

 Biến INST thực sự là biến

bị thừa. Vì vậy nên loại biến
này ra khỏi mô hình.
VÍ DỤ

 Nghi ngờ ba biến INST,

SVC và TV là ba biến bị thừa.
Tiến hành kiểm định thừa biến
bằng kiểm định WALD.
 VÍ DỤ

 Ba biến INST, SVC và TV

thực sự là ba biến bị thừa. Vì
vậy nên loại 3 biến này ra khỏi
mô hình.