Professional Documents
Culture Documents
Y
Giá trị thực tế
X X
i
Phương trình hồi quy mẫu
Phương trình hồi quy mẫu cung cấp một ước lượng cho
đường hồi quy tổng thể
Trung bình của các sai số ngẫu nhiên ei có giá trị bằng 0
2.2. Phương pháp bình phương nhỏ nhất
(OLS)
Hoặc:
Ý nghĩa của các hệ số trong phương trình hồi quy
mẫu
b0 là ƯỚC LƯỢNG hệ số tự do, thể hiện giá trị kì vọng
của y khi x = 0, là ảnh hưởng trung bình của tất cả các
tiêu thức nguyên nhân khác ngoài x tới y.
b1 là ƯỚC LƯỢNG hệ số hồi quy, nói lên ảnh hưởng
trực tiếp của x đến y. Khi x thay đổi 1 đơn vị thì y trung
bình (kì vọng) thay đổi b1 đơn vị.
Ví dụ
Một công ty mong muốn khảo sát mối quan hệ giữa giá bán
và doanh thu
Một mẫu ngẫu nhiên gồm 10 lần thay đổi giá bán được lựa
chọn
Biến phụ thuộc (Y) = doanh thu (Đơn vị tính: Triệu đồng)
Biến độc lập (X) = Giá bán (Đơn vị:
đồng)
Dữ liệu mẫu
Mô tả bằng đồ thị
Analyze/Regression/Linear...
Bảng kết quả SPSS
(tiếp
)
The regression equation is:
Đồ thị kết quả
Đồ thị điểm và đường hồi quy
Hệ sô tự do
= 98.248
2.4. Hệ số tương quan (r)
Được sử dụng để đánh giá chiều hướng và cường độ của mối
liên hệ tương quan tuyến tính
Công thức tính:
Chú ý:  - (  )2
Tính chất:
Mối liên hệ nghịch càng chặt chẽ Mối liên hệ thuận càng chặt chẽ
2.5. Hệ số xác định, R2
Lưu ý:
Đồ thị minh họa
(tiếp
Y )
yi ∧
∧2 y
SSE = ∑(yi - yi )
_
SST = ∑(yi - y)2
∧
y ∧ _2
_ SSR = ∑(yi - y) _
y y
xi X
Đo lường các biến thiên
Biến thiên của y Biến thiên của y được giải Biến thiên của
(biến phụ thuộc) thích bởi MH hồi quy phần dư
Trong đó:
= giá trị trung bình của biến phụ thuộc
yi = giá trị quan sát thực tế của biến phụ thuộc
i = giá trị dự đoán y với giá trị xi cho trước
2.6. Hệ số xác định hiệu chỉnh
với:
= sai số chuẩn của hệ số hồi quy
= sai số chuẩn của mô hình. Kết quả từ SPSS
Bảng kết quả SPSS
Bảng kết quả SPSS
Ví dụ
Phương trình hồi quy:
t
Kết quả SPSS
(tiếp
)
Tiêu chuẩn kiểm định: t = 3.329
H0: β1 = 0 b1 t
H1: β1 ≠ 0
d.f. = 10-2 = 8
t8,.025 = 2.3060
Kết luận:
α/2=.025 α/2=.025 Bác bỏ H0
P-value
H0: β1 = 0 Từ bảng kết quả SPSS:
H1: β1 ≠ 0
Đây là kiểm định 2 phía, do Kết luận: P-value < α do đó
đó: Bác bỏ H0
P(t > 3.329)+P(t < -3.329) =
0.01039
PRICE có ảnh hưởng đến DT
(với bậc tự do = 8)
2.8. Khoảng tin cậy của hệ số hồi quy
Công thức:
d.f. = n - 2
Bảng kết quả SPSS:
Với mức ý nghĩa 5% khi giá bán tăng lên 1 đồng thì doanh thu
tăng trong khoảng (0.0337, 0.1858) (triệu đồng)
2.9. Kiểm định ý nghĩa của mô hình
Sử dụng thống kê F
Mô hình hồi quy có ý nghĩa thống kê hay không?
Với:
Trong đó: F tuân theo phân phối F với k là số biến độc lập trong
mô hình (đối với hồi quy đơn là 1) và (n – k - 1) là bậc tự do (đối
với hồi quy đơn là n-2)
Bảng kết quả SPSS
P(F > 11,0848) = 0,01039 (so giá trị này với a = 0,05)
Kiểm định F – Kiểm định ý nghĩa của mô
hình
(tiếp
)
H0: R2 = 0 Tiêu chuẩn kiểm định:
H1: R2 ≠ 0 Kết luận:
α = .05
df1= 1 df2 = 8
Ý tưởng: Xác định xem có mối liên hệ tuyến tính giữa 1 biến
phụ thuộc (Y) và nhiều biến độc lập (Xi) hay không
Mô hình hồi quy bội với k biến độc lập:
Hệ số hồi quy
Hệ số tự do Sai số ngẫu nhiên
của tổng thể
Phương trình hồi quy bội
yi <
ei = (yi – yi) <
x2
i x2
x1 Xác định các hệ số
i trong phương trình bằng phương
x1 pháp
bình phương nhỏ nhất
4.2. Ước lượnghệ số hồi quy riêng
4.3. Hệ số hồi quy chuẩn hóa
Một nhà phân phối bánh ngọt muốn đánh giá ảnh
hưởng của các nhân tố tới nhu cầu thị trường
Lượng bánh = b0 + b1 x1
+ b2 x 2
12.2 Ước lượng phương trình hồi quy tuyến
tính bội
Sử dụng SPSS để xác định các hệ số và các chỉ tiêu đo
lường sự phù hợp của mô hình hồi quy bội.
Analyze/Regression/Linear...
Kết quả hồi quy bội
Ý nghĩa hệ số hồi quy
trong đó:
y: Lượng bánh bán ra (cái/tuần)
x1: Giá bánh ($)
x2: Chi phí quảng cáo ($100)
b1 = -24.975: Giá bán b2 = 74.131: Chi phí
tăng lên 1$ sẽ làm cho quảng cáo tăng lên
lượng bánh bán ra 100$ sẽ làm cho
giảm trung bình là lượng bánh bán ra tang
24.975 cái 1 tuần trong 74.131 cái 1 tuần trong
điều kiện chi phí điều kiện giá bán
quảng cáo không đổi. không đổi.
Hệ số hồi quy chuẩn hóa
(df = n – k – 1)
Trong đó:
Kiểm định hệ số hồi quy
t-value của biến Giá là t = -2.306, với
p-value .0398
t-value của biến Chi phí quảng cáo là t
= 2.855, với p-value .0145
Ví dụ: Kiểm định các hệ số
hồi quy
Từ bảng kết quả SPSS:
H0: βj = 0
H1: βj ≠ 0
d.f. = 15-2-1 = 12
= .05
Thống kê t của mỗi biến đều nằm trong
t12, .025 = 2.1788
miền bác bỏ (p-values < .05)
Quyết định:
α/2=.025 α/2=.025 Bác bỏ H0 với từng biến
Kết luận:
Với mức ý nghĩa 5% và phương
trình hồi quy mẫu trên, cả Giá
-tα/2 tα/2 bán và Chi phí quảng cáo đều
0
-2.1788 2.1788 thực sự có ảnh hưởng tới lượng
bánh bán ra.
4.5. Khoảng tin cậy của hệ số hồi quy
Hai giới hạn đối với khoảng tin cậy của hệ số hồi quy βj
Trong đó:
(n – K – 1) d.f.
Ví dụ: Tìm khoảng tin cậy 95% cho hệ số hồi quy của giá bán (x1):
-24.975 ± (2.1788 x 10.832)
Vậy khoảng tin cậy là: -48.576 < β1 < -1.374
4.5. Khoảng tin cậy của hệ số hồi quy
Ví dụ: Kết quả SPSS cho biết hai giới hạn của khoảng tin cậy:
Với khoảng tin cậy 95%, khi giá bán tăng lên 1$ thì lượng bánh
bán ra hàng tuần sẽ giảm trong khoảng 1.37 đến 48.58 cái.
4.6. Hệ số xác định R2
Cơ sở ra quyết định là
Bác bỏ H0
4.7. Kiểm định ý nghĩa của mô hình
H0: β 1 = β 2 = 0 Thống kê F:
H1: β1 và β2 không cùng bằng 0 Quyết định:
α = .05 Kết luận:
df1= 2 df2 = 12
Bài 1 (P456)
Người quản lý của một đại lý xe ô tô đã sử dụng rất quan tâm đến
giá bán lại của chiếc xe đã qua sử dụng. Ông ta thấy rằng số năm sử
dụng của xe rất quan trọng trong việc xác định giá trị bán lại. Ông thu
thập dữ liệu về số năm sử dụng và giá trị bán lại của 15 chiếc xe và
chạy phân tích hồi quy với giá trị của chiếc xe (nghìn USD) là biến
phụ thuộc và số năm sử dụng của xe (theo năm) là biến độc lập. Ông
ta làm đổ cà phê vào bản in và mất một số kết quả, được ký hiệu từ
"A" đến "F". Phần kết quả còn lại được cho bên dưới.
DẠNG CÂU HỎI THI