S Ktl6 DCT Merged

VẤN ĐỀ
ĐA CỘNG TUYẾN
H.M.H (Quy Nhon University) Chương 6: Mô hình vi phạm các giả thiết Ngày 6 tháng 12 năm 2020 2 / 35
ĐA CỘNG TUYẾN
TÌNH HUỐNG 1
HOUSINGt : số căn hộ năm t (nghìn hộ), POPt : dân số năm t (triệu

người); GNPt : tổng sản phẩm quốc gia năm t (tỷ USD) và
INTRATE: lãi suất cho vay mua nhà ở (phần trăm)
MH 1: HOUSINGt = α1 + α2 INTRATEt + α3 POPt + U1t

MH 2: HOUSINGt = β1 + β2 INTRATEt + β3 GNPt + U2t
MH 3: HOUSINGt = γ1 + γ2 INTRATEt + γ3 POPt + γ3 GNPt + U3t
Kỳ vọng gì về tác động của các yếu tố đến số căn hộ? (Liệu có tác
động hay không, nếu có thì theo chiều hướng như thế nào)
ĐA CỘNG TUYẾN
TÌNH HUỐNG 2
COST : chi tiêu tích lũy tại thời điểm t cho việc bảo trì của một loại
xe hơi, MILES: số dặm chiếc xe đã chạy tình đến thời điểm t (nghìn
dặm); AGE : tuổi của chiếc xe (tính theo tuần kể từ khi mua)
MH 1: COSTi = α1 + α2 AGEi + U1i

MH 2: COSTi = β1 + β2 MILESi + U2i
MH 3: COSTi = γ1 + γ2 AGEi + γ2 MILESi + U3i
Kỳ vọng gì về tác động của các yếu tố đến số căn hộ? (Liệu có tác
động hay không, nếu có thì theo chiều hướng như thế nào)
ĐA CỘNG TUYẾN
Để tìm hiểu nguyên nhân của các vấn đề xảy ra trong hai
tình huống nêu trên, ta hãy xem xét vấn đề tương quan
giữa các biến độc lập.
ĐA CỘNG TUYẾN
ĐA CỘNG TUYẾN
Các biến độc lập trong mô hình có sự tương quan rất
cao ⇒ Vấn đề về đa cộng tuyến
Đa cộng tuyến hoàn hảo: Hai hoặc nhiều hơn hai

biến độc lập có quan hệ tuyến tính
Y = β1 + β2 X2 + · · · + βk Xk + Uk
Tồn tại λ2 , λ3 , ..., λk không đồng thời bằng 0 sao
cho
λ2 X2 + λ3 X3 + · · · + λk Xk = 0
X2 , X3 , ..., Xk có đa cộng tuyến hoàn hảo
ĐA CỘNG TUYẾN
Đa cộng tuyến không hoàn hảo: Hai hoặc nhiều
hơn hai biến độc lập có tương quan gần như tuyến
tính
Y = β1 + β2 X2 + · · · + βk Xk + Uk
Tồn tại λ2 , λ3 , ..., λk không đồng thời bằng 0 sao
cho
λ2 X2 + λ3 X3 + · · · + λk Xk + V = 0
với V là sai số ngẫu nhiên, thì ta có đa cộng tuyến

không hoàn hảo giữa các biến Xi (i = 2, 3, ..., k)
ĐA CỘNG TUYẾN
Ước lượng khi có đa cộng tuyến hoàn hảo
Y = β1 + β2 X2 + β3 X3 + U
P P 2 P P
( y i x2i )( x 3i ) − ( y i x 3i )( x2i x3i )
βb2 = P 2 P 2 P
( x2i )( x3i ) − ( x2i x3i )2
P P 2 P P
( y i x3i )( x 2i ) − ( y i x 2i )( x2i x3i )
βb3 = P 2 P 2 P
( x2i )( x3i ) − ( x2i x3i )2
P 2
x
Var (β2 ) = P 2 P 2 3i P
b σ2
( x2i )( x3i ) − ( x2i x3i )2
P 2
x
Var (β3 ) = P 2 P 2 2i P
b σ2
( x2i )( x3i ) − ( x2i x3i )2
Hệ số hồi quy và phương sai của chúng không thể ước lượng được
ĐA CỘNG TUYẾN
Ước lượng khi có đa cộng tuyến không hoàn hảo
X3 = λX2 + V
2
P P 2 P 2 P P P 2
y(i x 2i )(λ x 2i + v i ) − (λ y i x2i + y i vi )(λ x2i )
βb2 = P 2 2
P 2 P 2 P 2 2
( x2i )(λ x + vi ) − (λ x2i )
P 22i
(λ yi x2i + yi vi )( x2i ) − ( yi x2i )(λ x2i2 )
P P P P
β3 =
b
( x2i2 )(λ2 x2i2 + vi2 ) − (λ x2i2 )2
P P P P
Ta vẫn xác định được duy nhất các tham số ước lượng cho mô hình
hồi quy
ĐA CỘNG TUYẾN
Nguyên nhân của đa cộng tuyến
Phương pháp thu thập số liệu sử dụng: mẫu không

đặc trưng cho tổng thể
Do bản chất của các mối quan hệ giữa các biến đã
ngầm chứa hiện tượng đa cộng tuyến
Đặc trưng mô hình: chẳng hạn khi bổ sung những
biến có lũy thừa bậc cao vào mô hình, đặc biệt khi
phạm vi dữ liệu của biến biến độc lập là nhỏ
Mô hình xác định quá mức: xảy ra khi số biến giải
thích nhiều hơn cỡ mẫu. Trong trường hợp này ta
không xác định được duy nhất các hệ số hồi quy
ĐA CỘNG TUYẾN
Hậu quả của đa cộng tuyến
Các hệ số ước lượng vẫn có tính chất BLUE nhưng

phương sai và hiệp phương sai của chúng lớn
σ2 1 σ2 1
Var (β2 ) = P 2 .
b
2 ; Var (β3 ) = P 2 .
b
2 ;
x2i 1 − r23 x3i 1 − r23
−r23 σ 2 1
Cov (β2 , β3 ) = pP 2 pP 2 ×
b b
2 ).
x2i . x3i (1 − r23
r23 là hệ số tương quan giữa X2 và X3 , (−1 ≤ r23 ≤ 1)
ĐA CỘNG TUYẾN
Trường hợp tổng quát:
Y = β1 + β2 X2 + · · · + βk Xk + U
1
VIF =
1 − Rj2
Rj2 là giá trị R 2 trong hàm hồi quy của Xj theo (k − 2)
biến giải thích còn lại (mô hình hồi quy phụ theo Xj )
VIF: Nhân tử phóng đại phương sai
ĐA CỘNG TUYẾN
Khoảng tin cậy của các hệ số hồi quy có khuynh
hướng rộng hơn → độ chính xác của ước lượng
khoảng cho tham số hồi quy βj giảm đi
Ảnh hưởng kiểm định t
t bé nhưng hệ số xác định R 2 có thể rất cao
Các ước lượng OLS của βj và các se(βbj ) trở nên rất
nhạy với những thay đổi nhỏ trong số liệu
Dấu của các hệ số ước lượng βbj có thể sai
Thêm vào hay bớt đi các biến cộng tuyến với các
biến khác, mô hình sẽ thay đổi về độ lớn của các
ước lượng hoặc dấu của chúng
ĐA CỘNG TUYẾN
Cách phát hiện đa cộng tuyến
Hệ số xác định R 2 cao nhưng tỷ số t thấp

Hệ số tương quan giữa các cặp biến độc lập cao
Sử dụng hồi quy phụ
Sử dụng nhân tử phóng đại phương sai VIF
Theo kinh nghiệm, VIF > 10 ⇔ Rj2 > 0, 9 được
coi là cộng tuyến cao
VIF = 1/(1 − 0.865326) = 7.425338 < 10
VIF = 1/(1 − 0.988634) = 87.9817 > 10
VIF = 1/(1 − 0.992942) = 141.6832 > 10
ĐA CỘNG TUYẾN
Cách khắc phục đa cộng tuyến
Sử dụng thông tin tiên nghiệm

Thu thập thêm số liệu hoặc lấy thêm mẫu mới
Kết hợp số liệu chéo và số liệu chuỗi thời gian
Bỏ bớt biến độc lập có đa cộng tuyến cao
Chuyển dạng dữ liệu bằng cách sử dụng sai phân
bậc một
ĐA CỘNG TUYẾN
KẾT LUẬN
Trong nghiên cứu kinh tế - xã hội, các mô hình
thường tồn tại đa cộng tuyến, vấn đề quan tâm là
đa cộng tuyến cao hay thấp?
Không có lời giải đơn lẻ nào có thể một lần loại bỏ
được tính đa cộng tuyến. Việc xử lý vấn đề này đòi
hỏi một sự suy xét khá phức tạp

S Ktl6 DCT Merged

Uploaded by

Document Information

Original Title

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

S Ktl6 DCT Merged

Uploaded by

Copyright:

Available Formats

VẤN ĐỀ

HOUSINGt : số căn hộ năm t (nghìn hộ), POPt : dân số năm t (triệu

MH 1: HOUSINGt = α1 + α2 INTRATEt + α3 POPt + U1t

MH 1: COSTi = α1 + α2 AGEi + U1i

Đa cộng tuyến hoàn hảo: Hai hoặc nhiều hơn hai

với V là sai số ngẫu nhiên, thì ta có đa cộng tuyến

Phương pháp thu thập số liệu sử dụng: mẫu không

Các hệ số ước lượng vẫn có tính chất BLUE nhưng

Trường hợp tổng quát:

Hệ số xác định R 2 cao nhưng tỷ số t thấp

Sử dụng thông tin tiên nghiệm

You might also like