Chuong 2

KINH TẾ LƯỢNG
Chương 2: Mô hình hồi quy hai biến
ĐINH NGUYỄN DUY HẢI
haidnd@hub.edu.vn
TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HCM.
Ngày 18 tháng 9 năm 2023
ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

1 /NGÂN
40 HÀNG TP. HCM.
Tên gọi khác: Mô hình hồi quy tuyến tính đơn, Mô hình hồi
quy tuyến tính cổ điển, Mô hình chuẩn, Mô hình Gauss
Mô hình này được coi là nền tảng của hầu hết lý thuyết kinh
tế lượng
Được xem là cổ điển vì được phát triển lần đầu tiên bởi Gauss
vào năm 1821, kể từ đó mô hình này được coi như là một
khuôn mẫu hay tiêu chuẩn khi so sánh với các mô hình khác
không thỏa mãn giả thuyết của Gauss

2 /NGÂN
40 HÀNG TP. HCM.
NỘI DUNG CỦA CHƯƠNG 2

Mô hình hồi quy
Phương pháp ước lượng OLS
Tính không chệch và độ chính xác
Độ phù hợp của hàm hồi quy mẫu
Trình bày kết quả ước lượng
Một số vấn đề bổ sung

3 /NGÂN
40 HÀNG TP. HCM.
1. Mô hình hồi quy
Đánh giá tác động của một biến X lên một biến Y
Ví dụ: X là thu nhập, Y là chi tiêu
Thể hiện quan hệ hàm số
Chi tiêu = f (Thu nhập)?
Đơn giản nhất là dạng tuyến tính
Chi tiêu = β1 + β2 Thu nhập
Thực tế luôn có sai số
Chi tiêu = β1 + β2 Thu nhập + sai số

4 /NGÂN
40 HÀNG TP. HCM.
Ví dụ minh họa
Giá và lượng bán một loại hàng tại một số cửa hàng
Thu nhập và chi tiêu của một số hộ gia đình

5 /NGÂN
40 HÀNG TP. HCM.
Mô hình hồi quy tuyến tính hai biến
Tổng quát: Y = β1 + β2 X + u
Các biến số:
Y là biến phụ thuộc (dependent variable)
X là biến độc lập, biến giải thích, biến điều khiển
(independent, explanatory, control variable)
Sai số ngẫu nhiên (random error ): u
Các hệ số hồi quy (regression coefficient): β1 , β2

6 /NGÂN
40 HÀNG TP. HCM.
Hàm hồi quy tổng thể - PRF
Giả thiết: E (u|X ) = 0

Suy ra: E (Y |X ) = β1 + β2 X ,
và ta gọi E (Y |X ) là hàm hồi quy tổng thể - PRF (Population
Regression Function)

7 /NGÂN
40 HÀNG TP. HCM.
Giả thiết: E (u|X ) = 0

Suy ra: E (Y |X ) = β1 + β2 X ,
và ta gọi E (Y |X ) là hàm hồi quy tổng thể - PRF (Population
Regression Function)
β1 : Hệ số chặn (intercept) hay hệ số tự do: E (Y |X = 0)
β2 : Hệ số góc (slope): tác động trung bình của X
β2 = 0: Không tác động
β2 > 0: X ↑ (↓) 1 đơn vị thì TB của Y ↑ (↓)β2 đơn vị.
β2 < 0: X ↑ (↓) 1 đơn vị thì TB của Y ↓ (↑)β2 đơn vị.

7 /NGÂN
40 HÀNG TP. HCM.
Ví dụ. Giả sử PRF:

E(Chi tiêu | Thu nhập) = 120 + 0,7 Thu nhập
E(Lượng bán | Giá) = 2000 – 2,5 Giá

8 /NGÂN
40 HÀNG TP. HCM.
Ví dụ. Giả sử PRF:

E(Chi tiêu | Thu nhập) = 120 + 0,7 Thu nhập
E(Lượng bán | Giá) = 2000 – 2,5 Giá
Phân tích hồi quy:
Đánh giá tác động của biến độc lập lên trung bình biến phụ
thuộc
Kiểm nghiệm lý thuyết về mối liên hệ
Dự báo về biến phụ thuộc

8 /NGÂN
40 HÀNG TP. HCM.
Ví dụ minh họa
Chi tiêu (Y) và Thu nhập (X)

9 /NGÂN
40 HÀNG TP. HCM.
Ví dụ minh họa
Hàm PRF dạng tuyến tính

10 NGÂN
/ 40 HÀNG TP. HCM.
Hàm hồi quy mẫu - SRF
Mẫu hai chiều kích thước n : {(Xi , Yi ); i = 1, n}

Hàm trong mẫu để ước lượng cho hàm hồi quy tổng thể, thể
hiện xu thế trung bình của mẫu, có dạng:
Yb = βb1 + βb2 X
Hoặc với từng quan sát Xi
Ybi = βb1 + βb2 Xi
Gọi là hàm hồi quy mẫu – SRF (Sample Regression Function)

11 NGÂN
/ 40 HÀNG TP. HCM.
Phần dư
Giá trị Ybi có sai số so với Yi . Đặt
ei = Yi − Ybi ,
thì
Yi = βb1 + βb2 Xi + ei .
Ta gọi βb1 , βb2 là hệ số hồi quy mẫu (hay hệ số ước lượng) và
chính là ước lượng (estimator) cho hệ số tổng thể β1 , β2
Phần dư ei là phản ánh sai số ui trong tổng thể
Ybi là giá trị ước lượng (fitted value) cho E (Y |Xi )

12 NGÂN
/ 40 HÀNG TP. HCM.
Ví dụ minh họa

13 NGÂN
/ 40 HÀNG TP. HCM.
Tính tuyến tính của mô hình hồi quy
Dựa trên tham số: Hàm hồi quy tuyến tính (linear regression
function) nếu tuyến tính theo tham số
E (Y |X ) = β1 + β2 X 2
E (Y |X ) = β1 + β2 ln X
Hàm hối quy phi tuyến

1
E (Y |X ) =
β1 + β2 X
E (Y |X ) = β1 X β2

14 NGÂN
/ 40 HÀNG TP. HCM.
2. Phương pháp ước lượng OLS (Ordinary Least
Square) - Phương pháp bình phương nhỏ nhất
1. Tổng thể
Giả sử E (Y |Xi ) = β1 + β2 Xi là PRF
Khi đó giá trị quan sát Yi :
Yi = E (Y |Xi ) + ui = β1 + β2 Xi + ui

15 NGÂN
/ 40 HÀNG TP. HCM.
1. Tổng thể
Yi = E (Y |Xi ) + ui = β1 + β2 Xi + ui
2. Mẫu
Ybi = βb1 + βb2 Xi là SRF
Yi = βb1 + βb2 Xi + ei
Trong đó
+ βb1 và βb2 lần lượt là ước lượng cho β1 và β2
+ ei là đại diện cho ui
+ Ybi là ước lượng cho E (Y |Xi )

15 NGÂN
/ 40 HÀNG TP. HCM.
1. Tổng thể
Yi = E (Y |Xi ) + ui = β1 + β2 Xi + ui
2. Mẫu
Ybi = βb1 + βb2 Xi là SRF
Yi = βb1 + βb2 Xi + ei
Trong đó
+ βb1 và βb2 lần lượt là ước lượng cho β1 và β2
+ ei là đại diện cho ui
+ Ybi là ước lượng cho E (Y |Xi )
3. Vấn đề là phải tìm Ybi sao cho càng gần với giá trị thực Yi có
thể được, tức là phần dư ei = Yi − Ybi càng nhỏ càng tốt
15 NGÂN
/ 40 HÀNG TP. HCM.
2. Phương pháp ước lượng OLS
Tìm βb1 , βb2 từ mẫu (Xi , Yi ), i = 1, n để

n
X n
X 2
RSS = ei2 = Yi − βb1 − βb2 Xi → min
i=1 i=1

16 NGÂN
/ 40 HÀNG TP. HCM.
2. Phương pháp ước lượng OLS
Tìm βb1 , βb2 từ mẫu (Xi , Yi ), i = 1, n để

n
X n
X 2
RSS = ei2 = Yi − βb1 − βb2 Xi → min
i=1 i=1
Sử dụng phương pháp cực trị của hàm số, ta tìm được
 
βb1 = Y − βb2 X

P−
βb1 = Y βb2 X
n
XY − X .Y hay xi yi
βb2 = 2
 βb2 = Pi=1n 2
X − (X )2 i=1 xi
Trong đó xi = Xi − X , yi = Yi − Y

16 NGÂN
/ 40 HÀNG TP. HCM.
Ví dụ 1. Thu nhập theo kinh nghiệm
Với biến phụ thuộc Y là thu nhập (đơn vị là triệu đồng/1

tháng)
Biến độc lập X là số năm kinh nghiệm
Mô hình
Y = β1 + β2 X + u
E (Y |X ) = β1 + β2 X
a. Giải thích ý nghĩa của các hệ số β1 , β2 ?

b. Với mẫu của 5 người, ước lượng các hệ số βb1 , βb2
X 1 2 2 3 4
Y 4 6 5 7 9

17 NGÂN
/ 40 HÀNG TP. HCM.
Ví dụ 1 ( tiếp theo)
P5
xi yi 8, 6 43 29
β2 = Pi=1
b
n 2
= = ; βb1 = Y − βb2 X =
x
i=1 i 5, 2 26 13
29 43
Ybi = + Xi
13 26
18 NGÂN
/ 40 HÀNG TP. HCM.
Ví dụ 1 (tiếp theo). Thực hành máy Casio
5
X 5
X
Xi = 12; Yi = 31; X = 2, 4; Y = 6, 2
1 1
5
X 5
X 5
X
Xi Yi = 83; Xi2 = 34; Yi2 = 207;
1 1 1
5
X 5
X
xi yi = Xi Yi − 5 × X × Y = 8, 6;
1 1
5 5 5 5
X X 2 X X 2
xi2 = Xi2 − 5 × X = 5, 2; yi2 = Yi2 − 5 × Y = 14, 8;
1 1 1 1
βb2 = 1, 6538 (lệnh 5 : Reg → 2 : B);
βb1 = 2, 2308 (lệnh 5 : Reg → 1 : A).

19 NGÂN
/ 40 HÀNG TP. HCM.
Ví dụ 1 (tiếp theo)
Với Y là thu nhập, X là số năm kinh nghiệm
Ybi = 2, 2308 + 1, 6538Xi
c. Giải thích ý nghĩa kết quả?

20 NGÂN
/ 40 HÀNG TP. HCM.
Ybi = 2, 2308 + 1, 6538Xi

βb2 = 1, 6538: Trong điều kiện các yếu tố khác không thay đổi,
khi số năm kinh nghiệm tăng 1 năm thì thu nhập sẽ tăng một
lượng trung bình là 1, 6538 triệu đồng/1 tháng
βb1 = 2, 2308: Cho biết thu nhập khởi điểm trung bình là
2, 2308 triệu đồng/1 tháng (Khi số năm công tác bằng 0)

20 NGÂN
/ 40 HÀNG TP. HCM.
Ybi = 2, 2308 + 1, 6538Xi

βb2 = 1, 6538: Trong điều kiện các yếu tố khác không thay đổi,
khi số năm kinh nghiệm tăng 1 năm thì thu nhập sẽ tăng một
lượng trung bình là 1, 6538 triệu đồng/1 tháng
βb1 = 2, 2308: Cho biết thu nhập khởi điểm trung bình là
2, 2308 triệu đồng/1 tháng (Khi số năm công tác bằng 0)
d. Ước lượng Thu nhập trung bình của người có 5 năm kinh
nghiệm?
e. Giải thích ý nghĩa của cột giá trị ước lượng Ybi và cột phần dư
ei trong bảng trước
f. Nếu thay giá trị Y5 = 9 trong mẫu bởi Y5 = 14 thì kết quả
như thế nào?
20 NGÂN
/ 40 HÀNG TP. HCM.
3. Các tính chất của OLS
1 βb1 , βb2 được xác định một cách duy nhất với n cặp quan sát
(Xi , Yi )

21 NGÂN
/ 40 HÀNG TP. HCM.
(Xi , Yi )
2 βb1 , βb2 là các ước lượng điểm của β1 , β2 và là các đại lượng
ngẫu nhiên, với các mẫu khác nhau chúng có giá trị khác nhau

21 NGÂN
/ 40 HÀNG TP. HCM.
(Xi , Yi )
2 βb1 , βb2 là các ước lượng điểm của β1 , β2 và là các đại lượng
ngẫu nhiên, với các mẫu khác nhau chúng có giá trị khác nhau
3 Ybi = βb1 + βb2 Xi (SRF) có các tính chất sau đây:
SRF đi qua trung bình mẫu (X , Y ), nghĩa là Y = βb1 + βb2 X
Giá trị trung bình của Ybi bằng giá trị trung bình của các quan
sát,
Pn nghĩa là Yi = Yi
b
e
i=1 i = 0
Các
Pn phần dư ei không tương quan với Ybi , nghĩa là
i=1 Yi ei = 0
b
Các
Pn phần dư ei không tương quan với Xi , nghĩa là
i=1 Xi ei = 0

21 NGÂN
/ 40 HÀNG TP. HCM.
4. Các giả thiết cơ bản của OLS
Giả thiết 1: Mẫu là ngẫu nhiên, độc lập
Giả thiết 2: Kì vọng sai số ngẫu nhiên bằng 0, nghĩa là
E (u|X ) = 0 hay E (ui |Xi ) = 0 ∀i
Giả thiết 3: Phương sai sai số ngẫu nhiên không đổi, nghĩa là
Var (u|X ) = σ 2
Var (ui |Xi ) = Var (uj |Xj ) ∀i ̸= j
Giả thiết 4: Không có sự tương quan giữa các ui , nghĩa là
Cov (ui , uj ) = 0 ∀i ̸= j
Giả thiết 5: Không có sự tương quan giữa ui và Xi , nghĩa là
Cov (ui , Xi ) = 0 ∀i

22 NGÂN
/ 40 HÀNG TP. HCM.
5. Độ chính xác của các ước lượng OLS
5.1. Tính không chệch
Định lý: Khi Giả thiết 2 được thỏa mãn thì ước lượng OLS là
không chệch, nghĩa là: E (βb1 ) = β1 , E (βb2 ) = β2 .

23 NGÂN
/ 40 HÀNG TP. HCM.
5. Độ chính xác của các ước lượng OLS
5.1. Tính không chệch
Định lý: Khi Giả thiết 2 được thỏa mãn thì ước lượng OLS là
không chệch, nghĩa là: E (βb1 ) = β1 , E (βb2 ) = β2 .
5.2. Phương sai và sai số chuẩn của các βb1 và βb2
Khi các Giả thiết 1 đến 3 được thỏa mãn thì phương sai của
βb1 và βb2 lần lượt được tính là:
σ 2 ni=1 Xi2 2
P
Var (β1 ) = Pn
b ; Var (βb2 ) = P σ .
n
n i=1 xi2 2
i=1 xi
Trong đó: σ 2 = Var (Ui ) là phương sai của sai số ngẫu nhiên
Ui .
σ 2 được ước lượng bởi
Pn
2 e2
b = i=1 i
σ
n−2
23 NGÂN
/ 40 HÀNG TP. HCM.
5. Độ chính xác của các ước lượng OLS (tiếp theo)
Sai số chuẩn của hồi quy (Standard Error of regression)

sP
√ n 2
i=1 ei
σ
b= σ b2 =
n−2
Sai số chuẩn (Standard error) của βb1 và βb2 lần lượt được tính
là: s P s
2 2
σ X b2
σ
P 2i ;
b
Se(βb1 ) = Se(βb2 ) = P 2
n xi xi
Định lý Gauss-Markov (xem thêm giáo trình): Với các giả

thiết 1-5 của phương pháp OLS, các ước lượng bình phương
nhỏ nhất là các ước lượng tuyến tính, không chệch và có
phương sai nhỏ nhất trong lớp các ước lượng tuyến tính
không chệch.

24 NGÂN
/ 40 HÀNG TP. HCM.
6. Sự phù hợp của hàm hồi quy mẫu
Đo mức độ biến động trong mẫu (khi có hệ số chặn)

n n 2 n
X 2 X X
Yi − Y = Ybi − Y + ei2
i=1 i=1 i=1
TSS = ESS + RSS
TSS (Total Sum of Squares): độ biến động của biến phụ

thuộc quanh trung bình
ESS (Explained Sum of Squares): biến động của biến phụ
thuộc được giải thích bởi biến độc lập
RSS (Residual Sum of Squares): biến động của biến phụ
thuộc được giải thích bởi các yếu tố ngẫu nhiên.

25 NGÂN
/ 40 HÀNG TP. HCM.
6. Sự phù hợp của hàm hồi quy mẫu
Đo mức độ biến động trong mẫu (khi có hệ số chặn)

n n 2 n
X 2 X X
Yi − Y = Ybi − Y + ei2
i=1 i=1 i=1
TSS = ESS + RSS
TSS (Total Sum of Squares): độ biến động của biến phụ

thuộc quanh trung bình
ESS (Explained Sum of Squares): biến động của biến phụ
thuộc được giải thích bởi biến độc lập
RSS (Residual Sum of Squares): biến động của biến phụ
thuộc được giải thích bởi các yếu tố ngẫu nhiên.
Chú ý: xem thêm trong giáo trình về TSS, ESS và RSS.

25 NGÂN
/ 40 HÀNG TP. HCM.
6. Sự phù hợp của hàm hồi quy mẫu (tiếp theo)
Hệ số xác định mô hình R 2 (có những giáo trình sử dụng ký
hiệu r 2 )
Công thức của R 2 :
ESS RSS
R2 = =1−
TSS TSS
Khi có hệ số chặn: 0 ≤ R 2 ≤ 1
R 2 là hệ số xác định (coefficient of determination)
Ý nghĩa:
Hệ số xác định R 2 cho biết tỉ lệ (%) sự biến động của biến
phụ thuộc trong mẫu được giải thích bởi mô hình (bởi sự biến
động của biến độc lập)
R 2 được sử dụng để đo sự thích hợp của hàm hồi quy. Cụ thể:
R 2 = 0 thì mô hình hồi quy không phù hợp; R 2 ̸= 0 thì mô
hình hồi quy phù hợp

26 NGÂN
/ 40 HÀNG TP. HCM.
6. Sự phù hợp của hàm hồi quy mẫu (tiếp theo)
Tính chất của hệ số xác định R 2

Mô hình có hệ số xác định lớn thì giải thích được nhiều hơn
cho sự biến động của biến phụ thuộc (trong mẫu)
R 2 = 0 ⇔ βb2 = 0
Không có hệ số chặn thì có thể TSS ̸= ESS + RSS, nên R 2
có thể âm
Hệ số xác định bằng bình phương hệ số tương quan mẫu:
R 2 = (rYb ,Y )2 = (rX ,Y )2 . Trong đó hệ số tương quan rX ,Y
được tính bởi công thức
Pn
i=1 (Xi − X )(Yi − Y )
rX ,Y = qP 2 Pn 2 .
n
i=1 Xi − X . i=1 Yi − Y

27 NGÂN
/ 40 HÀNG TP. HCM.

28 NGÂN
/ 40 HÀNG TP. HCM.
Thực hành máy tính:

2
TSS = 5i=1 Yi2 − 5 Y = 14, 8;
P
2 P5 2 − 5X 2 = 14, 2231 (= βb 2
P5
ESS = βb2 X 2
i=1 i 2 i=1 xi )

28 NGÂN
/ 40 HÀNG TP. HCM.
ESS = TSS − RSS = 14, 8 − 0, 5769 = 14, 2231

RSS 0, 5769
b2 =
σ = = 0, 1923
n−2 5−2
s P
b2 ni=1 Xi2
r
σ 0.1923 × 34
Se(β1 ) =
b Pn 2
= = 0, 5011
n i=1 xi 5 × 5, 2
s
2
r
σ 0, 1923
= 0, 1923
b
Se(βb2 ) = Pn 2
=
i=1 ix 5, 2
ESS 14, 2231
R2 = = = 0, 961
TSS 14, 8

29 NGÂN
/ 40 HÀNG TP. HCM.
Với kết quả tính toán từ ví dụ 1.1
Ybi = 2, 2309 + 1, 6538Xi
Se (0, 5011) (0, 1923)
n = 5 RSS = 0, 5769 R 2 = 0, 961
g. Xét xem số năm công tác có ảnh hưởng đến thu nhập hay
không với mức ý nghĩa 1%?

30 NGÂN
/ 40 HÀNG TP. HCM.
Ybi = 2, 2309 + 1, 6538Xi
Se (0, 5011) (0, 1923)
n = 5 RSS = 0, 5769 R 2 = 0, 961
Đặt giả thuyết: H0 : β2 = 0 (không ảnh hưởng) và
H1 : β2 ̸= 0 (ảnh hưởng).

30 NGÂN
/ 40 HÀNG TP. HCM.
Ybi = 2, 2309 + 1, 6538Xi
Se (0, 5011) (0, 1923)
n = 5 RSS = 0, 5769 R 2 = 0, 961
Ta có
βb2 − β2 1, 6538
t= = = 8, 6001;
Se(β2 )
b 0, 1923
tα/2 (n − 2) = t0,005 (3) = 5, 841.

30 NGÂN
/ 40 HÀNG TP. HCM.
Ybi = 2, 2309 + 1, 6538Xi
Se (0, 5011) (0, 1923)
n = 5 RSS = 0, 5769 R 2 = 0, 961
Ta có
βb2 − β2 1, 6538
t= = = 8, 6001;
Se(β2 )
b 0, 1923
tα/2 (n − 2) = t0,005 (3) = 5, 841.
Vì |t| > tα/2 (n − 2) nên bác bỏ giả thiết H0 .

Kết luận: số năm công tác ảnh hưởng đến thu nhập với mức
ý nghĩa 1%.
30 NGÂN
/ 40 HÀNG TP. HCM.
R 2 = 0, 961
h. Giải thích ý nghĩa của hệ số xác định trong kết quả trên? và
đánh giá mức độ phù hợp của mô hình với mức ý nghĩa 5%?

31 NGÂN
/ 40 HÀNG TP. HCM.
R 2 = 0, 961
Ý nghĩa R 2 : Mô hình giải thích được 96,1% độ thay đổi của
thu nhập.

31 NGÂN
/ 40 HÀNG TP. HCM.
R 2 = 0, 961
thu nhập.
Đặt giả thuyết: H0 : R 2 = 0 (mô hình hồi quy không phù
hợp); H1 : R 2 ̸= 0 (mô hình hồi quy phù hợp).

31 NGÂN
/ 40 HÀNG TP. HCM.
R 2 = 0, 961
thu nhập.
Đặt giả thuyết: H0 : R 2 = 0 (mô hình hồi quy không phù
hợp); H1 : R 2 ̸= 0 (mô hình hồi quy phù hợp).
R 2 (n − k) 0, 961.(5 − 2)
F = 2
= = 73, 9231;
(1 − R )(k − 1) (1 − 0, 961).(2 − 1)
Fα (1, n − 2) = F0,05 (1, 3) = 10, 128.
Vì F > Fα (1, n − 2) nên bác bỏ giả thiết H0 .

Kết luận: Mô hình phù hợp với mức ý nghĩa 5%.

31 NGÂN
/ 40 HÀNG TP. HCM.
k. Có người cho rằng: "Trong điều kiện các yếu tố khác không
đổi, khi thâm niên công tác tăng 1 năm, thì thu nhập sẽ tăng
thêm trung bình khoảng 1,1 triệu đồng/1 tháng". Theo
anh/chị thì nhận định trên có đúng hay không với độ tin cậy
là 95%?

32 NGÂN
/ 40 HÀNG TP. HCM.
là 95%?
Đặt giả thuyết: H0 : β2 = 1, 1 và H1 : β2 ̸= 1, 1.

32 NGÂN
/ 40 HÀNG TP. HCM.
là 95%?
Ta có
βb2 − β2 1, 6538 − 1, 1
t= = = 2, 8799;
Se(βb2 ) 0, 1923
tα/2 (n − 2) = t0,025 (3) = 3, 182.

32 NGÂN
/ 40 HÀNG TP. HCM.
là 95%?
Ta có
βb2 − β2 1, 6538 − 1, 1
t= = = 2, 8799;
Se(βb2 ) 0, 1923
tα/2 (n − 2) = t0,025 (3) = 3, 182.
Vì |t| < tα/2 (n − 2) nên chấp nhận giả thiết H0 .

32 NGÂN
/ 40 HÀNG TP. HCM.
là 95%?
Ta có
βb2 − β2 1, 6538 − 1, 1
t= = = 2, 8799;
Se(βb2 ) 0, 1923
tα/2 (n − 2) = t0,025 (3) = 3, 182.
Vì |t| < tα/2 (n − 2) nên chấp nhận giả thiết H0 . Kết luận:
Nhận định trên là đúng.

32 NGÂN
/ 40 HÀNG TP. HCM.
7. Trình bày kết quả ước lượng
Bảng kết quả Microsoft Excel

33 NGÂN
/ 40 HÀNG TP. HCM.
7. Trình bày kết quả ước lượng (tiếp theo)
Bảng kết quả Eviews

34 NGÂN
/ 40 HÀNG TP. HCM.
8. Một số vấn đề bổ sung
Vấn đề hệ số chặn
Không phải lúc nào cũng có ý nghĩa kinh tế
Khi không có ý nghĩa, không phân tích hệ số chặn
Hệ số chặn có ý nghĩa kĩ thuật, để tránh các sai lệch
Nếu không có hệ số chặn, R 2 mất ý nghĩa

35 NGÂN
/ 40 HÀNG TP. HCM.
8. Một số vấn đề bổ sung (tiếp theo)
Vấn đề đơn vị của biến độc lập
Giá trị của X tăng m lần (đơn vị giảm m lần)
X ∗ = mX
Hàm hồi quy cũ và mới:
Ybi = βb1 + βb2 Xi c∗ + β

& Ybi = β c∗ Xi
1 2
ƯL hệ số chặn không đổi, hệ số góc giảm m lần
c∗ = β2
b
c∗ = βb1
β β
1 2
m
c∗ ) = Se(βb1 ) c∗ ) = Se(βb2 )
Se(β 1 Se(β 2
m
c∗ = Ybi
Yi R ∗2 = R 2

36 NGÂN
/ 40 HÀNG TP. HCM.
8. Một số vấn đề bổ sung (tiếp theo)
Vấn đề đơn vị của cả hai biến

Giá trị của X tăng m lần, giá trị của Y tăng s lần
X ∗ = mX Y ∗ = sY
Hàm hồi quy cũ và mới:
Ybi = βb1 + βb2 Xi& Ybi = β c∗ + βc∗ Xi

1 2
c∗ = s βb1 s
c∗ = βb2
β1 β 2
m
Se(β ∗
c) = s.Se(βb1 ) Se(βc∗ ) = s Se(βb2 )
1 2
m
∗ ∗2 2
Yi = s Yi
c b R =R

37 NGÂN
/ 40 HÀNG TP. HCM.
Tóm tắt chương 2
Khái niệm hồi quy và các biến

Hàm hồi quy tổng thể, hồi quy mẫu
Các hệ số và ước lượng hệ số
Các sai số chuẩn
Các giả thiết OLS
Hệ số xác định và ý nghĩa

38 NGÂN
/ 40 HÀNG TP. HCM.
Thực hành chương 2
Với số liệu ví dụ 1.1

Nhập số liệu:
(Eviews) File → New → Workfile
(Workfile structure) → Unstructured / Undated
→ Observation: 5
(Eviews) Quick → Empty group
(Group) Nhập các giá trị tương ứng
(Group) View → Descripive Statistics → Common
(Lệnh) LS Y C X

39 NGÂN
/ 40 HÀNG TP. HCM.
Thống kê mô tả

40 NGÂN
/ 40 HÀNG TP. HCM.

Chuong 2

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

Chuong 2

Uploaded by

Copyright:

Available Formats

KINH TẾ LƯỢNG

Chương 2: Mô hình hồi quy hai biến

ĐINH NGUYỄN DUY HẢI

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HCM.

Ngày 18 tháng 9 năm 2023

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

NỘI DUNG CỦA CHƯƠNG 2

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Giả thiết: E (u|X ) = 0

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Giả thiết: E (u|X ) = 0

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Ví dụ. Giả sử PRF:

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Ví dụ. Giả sử PRF:

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Chi tiêu (Y) và Thu nhập (X)

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Hàm PRF dạng tuyến tính

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Mẫu hai chiều kích thước n : {(Xi , Yi ); i = 1, n}

Hoặc với từng quan sát Xi

Ybi = βb1 + βb2 Xi

Gọi là hàm hồi quy mẫu – SRF (Sample Regression Function)

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Giá trị Ybi có sai số so với Yi . Đặt

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Hàm hối quy phi tuyến

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Tìm βb1 , βb2 từ mẫu (Xi , Yi ), i = 1, n để

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Tìm βb1 , βb2 từ mẫu (Xi , Yi ), i = 1, n để

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Với biến phụ thuộc Y là thu nhập (đơn vị là triệu đồng/1

a. Giải thích ý nghĩa của các hệ số β1 , β2 ?

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Ybi = 2, 2308 + 1, 6538Xi

c. Giải thích ý nghĩa kết quả?

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Ybi = 2, 2308 + 1, 6538Xi

c. Giải thích ý nghĩa kết quả?

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Ybi = 2, 2308 + 1, 6538Xi

c. Giải thích ý nghĩa kết quả?

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

E (u|X ) = 0 hay E (ui |Xi ) = 0 ∀i

Giả thiết 4: Không có sự tương quan giữa các ui , nghĩa là

Giả thiết 5: Không có sự tương quan giữa ui và Xi , nghĩa là

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Sai số chuẩn của hồi quy (Standard Error of regression)

Định lý Gauss-Markov (xem thêm giáo trình): Với các giả

ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC

Thực hành máy tính: