KINH TẾ LƯỢNG

Chương 3: Mô hình hồi quy bội

ĐINH NGUYỄN DUY HẢI

haidnd@hub.edu.vn

TRƯỜNG ĐẠI HỌC NGÂN HÀNG TP. HCM.

Ngày 30 tháng 9 năm 2023

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

1 /NGÂN
29 HÀNG TP. HCM.
 Chương 3: Mô hình hồi quy bội

Đặt k là số hệ số có trong mô hình

Mô hình có hệ số chặn thì số biến bằng k, số biến độc lập
không kể hằng số bằng k − 1
Với k = 2 là hồi quy đơn (single-regression)
Với k ≥ 3: hai biến độc lập trở lên, gọi là hồi quy bội
(multi-regression) hay hồi quy đa biến (multivariate
regression)

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

2 /NGÂN
29 HÀNG TP. HCM.
 Nội dung chương 3

Sự cần thiết của hồi quy bội

Mô hình hồi quy bội và phương pháp ước lượng OLS
Một số dạng mô hình hồi quy

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

3 /NGÂN
29 HÀNG TP. HCM.
 1.Sự cần thiết của hồi quy bội

Hồi quy đơn:Y = β1 + β2 X + u

Nếu u có tương quan với X : Cov (u, X ) ̸= 0 thì X gọi là biến
độc lập nội sinh.
→ giả thiết 5 bị vi phạm → các ước lượng là chệch.
Yếu tố có tương quan với X trong u, giả sử là Z
Z là biến độc lập mới, mô hình có dạng

Y = β1 + β2 X + β3 Z + u

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

4 /NGÂN
29 HÀNG TP. HCM.
 1.Sự cần thiết của hồi quy bội (tt)

Hồi quy đơn hạn chế về dạng hàm

Hồi quy bội có dạng hàm
phù hợp hơn, dự báo tốt hơn
Phong phú hơn trong
phân tích kinh tế

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

5 /NGÂN
29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS
2.1 Mô hình hồi quy ba biến
Biến Y phụ thuộc vào 2 biến độc lập X2 , X3
Y = β1 + β2 X2 + β3 X3 + u
PRF:
E (Y |X2 , X3 ) = β1 + β2 X2 + β3 X3

Ý nghĩa của β2 : Trong trường hợp X3 không đổi, nếu X2 tăng

lên 1 đơn vị thì giá trị trung bình của Y tăng lên (hoặc giảm
xuống) β2 đơn vị
Ý nghĩa của β3 : Trong trường hợp X2 không đổi, nếu X3 tăng
lên 1 đơn vị thì giá trị trung bình của Y tăng lên (hoặc giảm
xuống) β3 đơn vị
SRF:
Ybi = βb1 + βb2 X2i + βb3 X3i
ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC
6 /NGÂN
29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)
Chú ý:
Mô hình có k − 1 biến độc lập, k hệ số:

Y = β1 + β2 X2 + β3 X3 + · · · + βk Xk + u
E (Y |X2 , ..., Xk ) = β1 + β2 X2 + β3 X3 + · · · + βk Xk

Ý nghĩa của các hệ số

Hệ số chặn β1 = E (Y |X2 = · · · = Xk = 0)
Hệ số góc βj (j = 2, ..., k): tác động riêng của Xj đến Y

∂E (Y )
βj =
∂Xj

Nếu β2 = · · · = βk = 0, hàm hồi quy không phù hợp.

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

7 /NGÂN
29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

Mô hình trong mẫu

Ybi = βb1 + βb2 X2i + βb3 X3i + · · · + β

ck Xki

Yi = βb1 + βb2 X2i + βb3 X3i + · · · + βck Xki + ei

βbj là ước lượng điểm cho βj , với j = 1, 2, ..., k

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

8 /NGÂN
29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)
2.2. Các giả thiết của mô hình hồi quy ba biến
Giả thiết 1: Các ui có kỳ vọng bằng 0, nghĩa là:

E (ui | X2i , X3i ) = 0, ∀i

Giả thiết 2: Không có sự tương quan giữa các ui , nghĩa là:

Cov (ui , uj ) = 0, ∀i ̸= j

Giả thiết 3: Phương sai sai số ngẫu nhiên không đổi, nghĩa là:

Var (u | X2 , X3 ) = σ 2

Giả thiết 4: Giữa các biến giải thích X2 , X3 không có quan hệ

tuyến tính (không có hiện tượng đa cộng tuyến)
Giả thiết 5: ui có phân bố N(0, σ 2 )
ĐINH NGUYỄN DUY HẢI haidnd@hub.edu.vn TRƯỜNG ĐẠI HỌC
9 /NGÂN
29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)
2.3. Phương pháp ước lượng OLS của mô hình hồi quy ba
biến
Tìm βbi sao cho
n
X n
X
RSS = ei2 = (Yi − βb1 − βb2 X2i − βb3 X3i )2 → min
i=1 i=1

Giải 3 phương trình bậc nhất 3 ẩn

Để giải được nghiệm: các biến độc lập được giả thiết không
có quan hệ tuyến tính, hay nói khác đi không tồn tại các hằng
số λ1 , λ2 , λ3 không đồng thời bằng 0 sao cho:

λ1 + λ2 X2 + λ3 X3 = 0

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

10 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)
Giải 3 phương trình bậc nhất 3 ẩn ta được:

βb1 = Y − βb2 X2 − βb3 X3

( ni=1 yi x2i )
P Pn 2

Pn Pn
i=1 x3i − ( i=1 yi x3i ) ( i=1 x2i x3i )
β2 =
b Pn
Pn Pn 2
2 2


i=1 x2i i=1 x3i − ( i=1 x2i x3i )
Pn Pn 2

P n P n
( i=1 yi x3i ) i=1 x2i − ( i=1 yi x2i ) ( i=1 x2i x3i )
βb3 = .
2 − ( n x x )2
Pn 2

Pn
P
x
i=1 2i x
i=1 3i i=1 2i 3i

Trong đó

yi = Yi − Y ,
x2i = X2i − X2 ,
x3i = X3i − X3 .

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

11 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

2.4. Sự phù hợp của hàm hồi quy mẫu

Hệ số xác định (Bội)

ESS RSS
R2 = =1− ∈ [0, 1]
TSS TSS
hoặc
Pn
ei2 βb2 ni=1 yi x2i + βb3 ni=1 yi x3i
P P
2 i=1
R = 1 − Pn 2
= Pn 2
i=1 yi i=1 yi

R 2 = (rYb ,Y )2

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

12 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

Ý nghĩa của R 2
R 2 cho biết các biến độc lập trong mô hình giải thích được tỉ
lệ (%) sự biến động quanh giá trị trung bình của biến phụ
thuộc Y
R 2 = 0, nghĩa là các biến độc lập không giải thích cho biến
động của biến phụ thuộc Y
R 2 = 1, nghĩa là các biến độc lập giải thích toàn bộ (100%)
biến động của biến phụ thuộc Y , không có yếu tố nào nằm
ngoài mô hình tác động đến biến phụ thuộc Y
R 2 cho biết mức độ phù hợp của hàm hồi quy với số liệu mẫu.
Nếu hệ số xác định càng lớn thì hàm hồi quy càng phù hợp.

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

13 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)
Hệ số xác định hiệu chỉnh R 2 (Adjuted R-squared)
Việc thêm biến mới vào mô hình sẽ làm gia tăng R 2 bất kể
biến đó có ảnh hưởng đến biến phụ thuộc hay không. Tuy
nhiên, thêm biến mới vào mô hình có ảnh hưởng không tốt
đến suy diễn thống kê. Để tổng hòa tác động tích cực và tiêu
cực của việc đưa thêm biến vào mô hình cũng như so sánh
mô hình có số biến độc lập khác nhau, người ta đưa ra khái
niệm hệ số xác định hiệu chỉnh R 2
Tính hệ số xác định hiệu chỉnh
RSS/(n − k) n−1
R2 = 1 − = 1 − (1 − R 2 )
TSS/(n − 1) n−k

Dấu hiệu nên thêm biến vào mô hình: R 2 tăng

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

14 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

Các tính chất của R 2

Nếu k > 0 thì R 2 ≤ R 2 ≤ 1. Điều này có nghĩa là nếu biến
độc lập tăng lên thì R 2 tăng chậm hơn so với R 2
R 2 ≥ 0, nhưng R 2 có thể âm. Như vậy khi R 2 còn tăng thì ta
còn phải đưa thêm biến mới Xk . R 2 còn có thể tăng khi mà
hệ số của biến mới Xk trong hàm hồi quy khác không, nghĩa
là khi giả thiết: H0 : βk = 0 bị bác bỏ (tức là chấp nhận giả
thiết H1 : βk ̸= 0)

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

15 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

2.5. Định lý Gauss - Markov

Khi các giả thiết 1 đến 5 được thỏa mãn thì các ước lượng OLS là
các ước lượng tuyến tính, không chệch, tốt nhất (trong lớp các
ước lượng tuyến tính không chệch), nghĩa là
βbj thu được từ phương pháp OLS là ước lượng tuyến tính,
không chệch, tốt nhất của βj (j = 1, k)

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

16 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

2.6. Tính vững của ước lượng (tham khảo)

Ước lượng vững (consistent estimator): khi kích thước mẫu
rất lớn thì ước lượng hệ số trong mẫu tiệm cận hệ số trong
tổng thể
Nếu các giả thiết OLS được thỏa mãn thì ước lượng OLS còn
là ước lượng vững
Nếu mẫu lớn, có thể thay giả thiết 2 bởi những giả thiết bớt
chặt hơn mà vẫn đảm bảo tính vững
Khi không thể có ước lượng không chệch, ước lượng vững
cũng có thể dùng được

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

17 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)
2.7. Độ chính xác của ước lượng OLS
Kỳ vọng của ước lượng: E (βbj ) = βj , j = 2, 3
Phương sai

σ2
Var (βbj ) = 2

Pn 2
, j = 2, 3
1 − R23 i=1 xji

trong đó:
xji = Xji − Xj , j = 2, 3
R23 là hệ số tương quan giữa biến X2 và X3 , và được tính bởi
công thức
Pn
2
2 i=1 x2i x3i
R23 = Pn 2
Pn 2
i=1 x2i . i=1 x3i

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

18 NGÂN
/ 29 HÀNG TP. HCM.
 2. Mô hình hồi quy bội và phương pháp ước lượng
OLS (tt)

Do σ 2 chưa biết nên ta phải dùng ước lượng không chệch của
σ 2 là:
RSS
b2 =
σ
n−k
Thay σb2 vào công thức Var (βbj ), ta được Var
d (βbj )
q
Sai số chuẩn của ước lượng: Se(βbj ) = Var d (βbj )

Tính được hiệp phương sai của cặp ước lượng hệ số:

−R 2 .σ 2
Cov (βb2 , βb3 ) = qP 23 qP
2 n 2 n 2
(1 − R23 ). i=1 x2i . i=1 x3i

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

19 NGÂN
/ 29 HÀNG TP. HCM.
 3. Một số dạng mô hình hồi quy

Mô hình có chứa logarithm

Mô hình đa thức bậc 2
Mô hình nghịch đảo

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

20 NGÂN
/ 29 HÀNG TP. HCM.
 3.1. Mô hình có chứa logarithm

3.1.1. Mô hình dạng log-log

Từ ý tưởng hàm Cobb-Douglas: Y = β1 X β2
Logarit: ln Y = ln β1 + β2 ln X
Đặt Y ′ = ln Y , β1′ = ln β1 , X ′ = ln X , ta được mô hình hồi
quy đơn
Y ′ = β1′ + β2 X ′
Tổng quát

ln Y = ln β1 + β2 ln X2 + · · · + βk ln Xk

βj là độ co giãn của Y theo Xj , j = 1, ..., k

Khi Xj tăng 1% thì trung bình Y tăng (hoặc giảm) βj %

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

21 NGÂN
/ 29 HÀNG TP. HCM.
 3.1. Mô hình có chứa logarithm (tt)

3.1.2. Mô hình dạng lin-log

Mô hình có dạng:

Y = β1 + β2 ln X + u

Ý nghĩa của β2 : Khi X tăng 1% thì trung bình Y tăng (hoặc

giảm) β2 /100 đơn vị
Ví dụ: Giải thích ý nghĩa kết quả ước lượng sau

W = 1, 25 + 202, 6 ln TR + e,

với W là tiền lương người lao động, TR là doanh thu của

công ty

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

22 NGÂN
/ 29 HÀNG TP. HCM.
 3.1. Mô hình có chứa logarithm (tt)

3.1.3. Mô hình dạng log-lin

Còn gọi là mô hình tăng trưởng (growth) :

ln Y = β1 + β2 X + u hay Y = e β1 +β2 X +u

Ý nghĩa của β2 : Khi X tăng 1 đơn vị thì trung bình Y tăng

(hoặc giảm) β2 .100%
Ví dụ: Giải thích ý nghĩa kết quả

ln TR = 4, 51 + 0, 153T + e,

với TR là doanh thu, T là biến thời gian

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

23 NGÂN
/ 29 HÀNG TP. HCM.
 3.2. Mô hình đa thức bậc 2

Mô hình dạng bậc 2: Y = β1 + β2 X + β3 X 2 + u

β3 > 0: parabol ngửa lên; β3 < 0: parabol úp xuống
Cực trị parabol tại X0 = −β2 /(2β3 )
Chỉ xét với X > 0, khi X tăng dần từ 0 thì:
β3 (+), β2 (+): Y tăng nhanh dần
β3 (+), β2 (–): Y giảm về đáy rồi tăng dần
β3 (–), β2 (+): Y giảm nhanh dần
β3 (–), β2 (–): Y tăng đến đỉnh rồi giảm dần

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

24 NGÂN
/ 29 HÀNG TP. HCM.
 3.3. Mô hình nghịch đảo

Mô hình dạng nghịch đảo của biến độc lập

1
Y = β1 + β2 . +u
X

Y tiệm cận β1 khi X rất lớn

Khi X tăng và β2 > 0 (β2 < 0) thì Y giảm (tăng) chậm dần
về β1
Ví dụ:
1
INF = −2, 5 + 1, 32. + e,
UNE
với INF là tỷ lệ lạm phát, UNE là tỷ lệ thất nghiệp

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

25 NGÂN
/ 29 HÀNG TP. HCM.
 Ví dụ: Mô hình linear-linear
Lệnh: LS Y C K L

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

26 NGÂN
/ 29 HÀNG TP. HCM.
 Ví dụ: Mô hình log-log

Lệnh LS LOG(Y) C LOG(K) LOG(L)

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

27 NGÂN
/ 29 HÀNG TP. HCM.
 Ví dụ: Mô hình lin-log

Lệnh LS Y C LOG(K) LOG(L)

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

28 NGÂN
/ 29 HÀNG TP. HCM.
 Ví dụ: Mô hình log-lin

Lệnh LS LOG(Y) C K L

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

29 NGÂN
/ 29 HÀNG TP. HCM.