Kinh tế lượng 1.

Lecture 3
T Lecture [1]: Giáo trình [2] HD Eviews
1 L1. Mở đầu Mở đầu
3 L2. Mô hình hồi quy đơn [1] Ch.1 [2] Bài
5 L3. Mô hình hồi quy bội [1] Ch.2 [2] Bài
7 L4. Suy diễn về mô hình [1] Ch. 3 [2] Bài
9 L5. Hồi quy với biến định tính [1] Ch. 4 [2] Bài
11 L6. Kiểm định và lựa chọn (1) [1] Ch. 5 [2] Bài
13 L7. Kiểm định và lựa chọn (2) [1] Ch. 5, 7 [2] Bài
15 L8. Chuỗi thời gian [1] Ch. 6 [2] Bài
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 1
 Lecture 3. MÔ HÌNH HỒI QUY BỘI
▪ 3.1. Sự cần thiết của hồi quy bội
▪ 3.2. Phương pháp ước lượng OLS
▪ 3.3. Sự phù hợp của hàm hồi quy
▪ 3.4. Một số dạng mô hình hồi quy

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 2

 Hồi quy đơn và 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 ≥ 2: hai biến độc lập trở lên, gọi là hồi quy bội
(multi-regression) hay hồi quy đa biến (multivariate
regression)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 3

Lecture 3. Mô hình hồi quy bội

3.1. 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 2 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

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 4

Lecture 3. Mô hình hồi quy bội 3.1. Sự cần thiết của hồi quy bội

Vấn đề dạng hàm hồi quy

▪ Hồi quy đơn hạn chế về
dạng hàm
▪ Hồi quy bội có dạng hàm
phù hợp hơn, dự báo tốt 𝛽1 + 𝛽2 𝑋 + 𝛽3 𝑋 2
hơn
▪ Phong phú hơn trong
phân tích kinh tế

𝛽1 + 𝛽2 𝑋

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 5

Lecture 3. Mô hình hồi quy bội 3.1. Sự cần thiết của hồi quy bội

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
▪ Nếu X2, X3 có quan hệ cộng tuyến:
𝑋3 = 𝛼1 + 𝛼2 𝑋2
 𝐸(𝑌|𝑋2 , 𝑋3 ) = 𝛽1 + 𝛼1 𝛽3 + 𝛽2 + 𝛼2 𝛽3 𝑋2
▪ Mô hình ba biến chỉ hợp lý khi các biến độc lập
không có quan hệ cộng tuyến

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 6

Lecture 3. Mô hình hồi quy bội 3.1. Sự cần thiết của hồi quy bội

Mô hình hồi quy k biến

▪ 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 hệ số:
• Hệ số chặn: 𝛽1 = 𝐸 𝑌 𝑋2 = ⋯ = 𝑋𝑘 = 0
• Hệ số góc: 𝛽𝑗 (𝑗 = 2, 𝑘): tác động riêng của Xj
𝜕𝐸 𝑌
𝛽𝑗 =
𝜕𝑋𝑗
▪ Nếu 𝛽2 = ⋯ = 𝛽𝑘 = 0: hàm hồi quy không phù hợp
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 7
Lecture 3. Mô hình hồi quy bội 3.1. Sự cần thiết của hồi quy bội

Mô hình hồi quy k biến

▪ Hồi quy mẫu
• 𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋2𝑖 + 𝛽መ3 𝑋3𝑖 + ⋯ + 𝛽መ𝑘 𝑋𝑘𝑖
• 𝑌𝑖 = 𝛽መ1 + 𝛽መ2 𝑋2𝑖 + 𝛽መ3 𝑋3𝑖 + ⋯ + 𝛽መ𝑘 𝑋𝑘𝑖 + 𝑒𝑖
▪ Mô hình k biến chỉ hợp lý khi các biến độc lập không
có quan hệ cộng tuyến với nhau.
▪ 𝛽መ𝑗 là ước lượng điểm cho 𝛽𝑗 (𝑗 − 1, 𝑘)
▪ 𝑌෠𝑖 là ước lượng điểm cho 𝐸(𝑌|𝑋2𝑖 , … , 𝑋𝑘𝑖 )
▪ 𝑒𝑖 phản ánh cho 𝑢

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 8

Lecture 3. Mô hình hồi quy bội

3.2. PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

▪ Tìm 𝛽መ𝑗 sao cho
𝑅𝑆𝑆 = σ𝑛𝑖=1 𝑒𝑖2
2
= σ𝑛𝑖=1 𝑌𝑖 − 𝛽መ1 − 𝛽መ2 𝑋2𝑖 − ⋯ − 𝛽መ𝑘 𝑋𝑘𝑖 → 𝑚𝑖𝑛
▪ Giải hệ k phương trình bậc nhất k ẩn
▪ Nếu các biến độc lập không có quan hệ cộng tuyến
hoàn toàn với nhau → nghiệm duy nhất
▪ Nếu có quan hệ cộng tuyến → hệ suy biến, vô định

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 9

Lecture 3. Mô hình hồi quy bội 3.2. Phương pháp ước lượng OLS

Các giả thiết OLS

▪ Giả thiết 1: Mẫu là ngẫu nhiên, các quan sát độc lập
(𝑋2𝑖 , … , 𝑋𝑘𝑖 , 𝑌𝑖 ), 𝑖 = 1, 𝑛 là độc lập
▪ Giả thiết 2: Kì vọng sai số ngẫu nhiên bằng 0
𝐸 𝑢 𝑋2 , … , 𝑋𝑘 ) = 0 hay 𝐸 𝑢𝑖 𝑋2𝑖 , … , 𝑋𝑘𝑖 ) = 0
▪ Giả thiết 3: Phương sai sai số ngẫu nhiên không đổi
𝑉𝑎𝑟 𝑢 𝑋2 , … , 𝑋𝑘 ) ≡ 𝜎 2
▪ Giả thiết 4: Các biến độc lập không có quan hệ cộng
tuyến hoàn hảo
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 10
Lecture 3. Mô hình hồi quy bội 3.2. Phương pháp ước lượng OLS

Định lý Gauss – Markov

▪ Định lý: Khi các giả thiết 1 đến 4 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)

▪ 𝛽መ𝑗𝑂𝐿𝑆 là BLUE: Best Linear Unbiased Estimator

▪ 𝛽መ𝑗𝑂𝐿𝑆 là ước lượng tuyến tính, không chệch, tốt nhất
của 𝛽𝑗 (𝑗 = 1,2, … , 𝑘)

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 11

Lecture 3. Mô hình hồi quy bội 3.2. Phương pháp ước lượng OLS

Tính vững của ước lượng

▪ 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 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.

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 12

Lecture 3. Mô hình hồi quy bội 3.2. Phương pháp ước lượng OLS

Độ chính xác của ước lượng OLS

▪ Kỳ vọng của ước lượng: 𝐸 𝛽መ𝑗 = 𝛽𝑗
▪ Phương sai:
𝜎2
𝑉𝑎𝑟 𝛽መ𝑗 = 2
1− 𝑅𝑗2 σ 𝑋𝑗𝑖 − 𝑋ത𝑗
▪ Với 𝑅𝑗2 là hệ số xác định khi hồi quy 𝑋𝑗 theo các biến
độc lập còn lại, có hệ số chặn
▪ 𝑋𝑗 tương quan với các biến còn lại càng nhiều →
𝑉𝑎𝑟(𝛽መ𝑗 ) càng lớn

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 13

Lecture 3. Mô hình hồi quy bội 3.2. Phương pháp ước lượng OLS

Độ chính xác của ước lượng OLS

▪ Phương sai sai số ngẫu nhiên được ước lượng bởi
2
𝑅𝑆𝑆
𝜎ො =
𝑛−𝑘
▪ Thay 𝜎ො 2 vào công thức 𝑉𝑎𝑟(𝛽መ𝑗 ), được 𝑉𝑎𝑟
෢ 𝛽መ𝑗

▪ Sai số chuẩn của ước lượng: 𝑆𝑒 𝛽መ𝑗 = ෢ 𝛽መ𝑗

𝑉𝑎𝑟

▪ Tính được các hiệp phương sai của các cặp ước
lượng hệ số: 𝐶𝑜𝑣 𝛽መ𝑗 , 𝛽መ𝑠 , 𝑗 ≠ 𝑠

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 14

Lecture 3. Mô hình hồi quy bội 3.2. Phương pháp ước lượng OLS

Sự tác động đến ước lượng hệ số

▪ Xét mô hình: 𝑌 = 𝛽1 + 𝛽2 𝑋 + 𝑢 ; 𝑌෠𝑖 = 𝛽መ1 + 𝛽መ2 𝑋𝑖
▪ Khi thêm biến Z: 𝑌 = 𝛽1∗ + 𝛽2∗ 𝑋 + 𝛽3 𝑍 + 𝑢
𝑌෠𝑖 = 𝛽መ1∗ + 𝛽መ2∗ 𝑋𝑖 + 𝛽መ3 𝑍𝑖
▪ Ước lượng hệ số biến X không đổi: 𝛽መ2 = 𝛽መ2∗ nếu:
• Ước lượng hệ số biến Z bằng 0: 𝛽መ3 = 0
• Hoặc tương quan mẫu X và Z bằng 0: rX,Z = 0
▪ Tổng quát: Nếu tất cả các biến thêm vào đều không
tương quan với X → ƯL hệ số của X sẽ không đổi

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 15

Lecture 3. Mô hình hồi quy bội

3.3. SỰ PHÙ HỢP CỦA HÀM HỒI QUY MẪU

▪ Hệ số xác định (bội)
𝟐
𝐸𝑆𝑆 𝑅𝑆𝑆
𝑹 = =1−
𝑇𝑆𝑆 𝑇𝑆𝑆
▪ 𝑅2 ∈ [0, 1]
▪ Cho biết tỉ lệ (%) sự biến động trong mẫu của biến
phụ thuộc được giải thích bởi mô hình (bởi sự biến
động của tất cả các biến độc lập).
▪ 𝑅2 = 0: tất cả các biến độc lập đều không giải thích
2 2
▪ 𝑅 = 𝑟𝑌,𝑌
෠

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 16

Lecture 3. Mô hình hồi quy bội 3.3. Sự phù hợp của hàm hồi quy mẫu

Hệ số xác định (bội) điều chỉnh

▪ Thêm biến độc lập → 𝑅2 tăng lên
▪ Mô hình có 𝑅2 lớn hơn chưa chắc phù hợp hơn
▪ Hệ số xác định điều chỉnh (Adjuted R-squared)

𝑅𝑆𝑆/(𝑛 − 𝑘) 𝑛−1
=1−𝑅ത 2 =1− 1−𝑅 2
𝑇𝑆𝑆/(𝑛 − 1) 𝑛−𝑘
▪ Dấu hiệu nên thêm biến vào mô hình: 𝑅ത 2 tăng

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 17

 Ví dụ 3.1
▪ Tiếp tục với ví dụ 2.1, nếu có biến SN là số người
Hộ TN CT SN ▪ Mô hình
 10 12 2
 20 16 2 𝐶𝑇 = 𝛽1 + 𝛽2 𝑇𝑁 + 𝛽3 𝑆𝑁 + 𝑢
 20 26 4 ▪ Hồi quy mẫu
 30 26 3
 35 28 2
෢𝑖 = 𝛽መ1 + 𝛽መ1 𝑇𝑁𝑖 + 𝛽መ1 𝑆𝑁𝑖
𝐶𝑇
 40 36 4 (a) Giải thích ý nghĩa các hệ số
 45 28 2
của mô hình?
 45 32 3
 50 42 4
 55 36 3
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 18
 Ví dụ 3.1
▪ Kết quả ước lượng từ Eviews
Dependent varible: CT Method: Least Squares
Sample: 1 10 Included observation: 10
Variable Coef. Std.Error t-Statistic Prob.
C -1.507768 2.419880 -0.623075 0.5530
TN 0.465740 0.046151 10.09157 0.0000
SN 4.623058 0.775850 5.958704 0.0006
R-squared 0.964651 Mean dep. var 28.20000
Adj R-sq 0.954551 S.D. dependent var 9.114092
S.E. of reg 1.943003 Akaike info criterion 4.409671
Sum sq. resid 26.42682 Schwarz criterion 4.500447
Log likelihood -19.04836 F-statistic 95.51305
D-W stat 2.149569 Prob(F-statistic) 0.000008
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 19
 Ví dụ 3.1
▪ Kết quả ước lượng
෢𝑖 = −1,508 + 0,466 𝑇𝑁𝑖 + 4,623 𝑆𝑁𝑖
𝐶𝑇
▪ 𝑛 = 10; 𝑅2 = 0,965; 𝐴𝑑𝑗 𝑅2 = 0,955
▪ (b) Giải thích ý nghĩa kết quả ước lượng
▪ (c) So sánh ước lượng hệ số của biến TN trong ví dụ
2.1 và giải thích sự khác biệt
▪ (d) Ước lượng điểm chi tiêu trung bình hộ gia đình
có 4 người và thu nhập 60 triệu.

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 20

Lecture 3. Mô hình hồi quy bội

3.4. MỘT SỐ DẠNG MÔ HÌNH HỒI QUY

▪ Xét các mô hình kinh tế đưa được về hồi quy tuyến
tính theo hệ số
▪ Hàm tuyến tính (linear-linear)
▪ Hàm logarit (log-log)
▪ Hàm nửa logarit (lin-log và log-lin)
▪ Hàm đa thức theo biến độc lập

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 21

Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng tuyến tính theo biến

▪ Còn gọi là linear-linear
▪ Ví dụ: Hàm cầu tiêu dùng hàng hóa:
𝐷𝐴 = 𝛽1 + 𝛽2 𝑌 𝑑 + 𝛽3 𝑃𝐴 + 𝛽4 𝑃𝑆 + 𝛽5 𝑃𝐶 + 𝑢
• Với DA là lượng cầu hàng hóa A, 𝑌 𝑑 là thu nhập
khả dụng, 𝑃𝐴 là giá hàng hóa A, 𝑃𝑆 là giá hàng hóa
thay thế, 𝑃𝐶 là giá hàng hóa bổ sung
• Theo hệ số 𝛽2 thì phân loại hàng hóa A thế nào?
• Dấu các hệ số góc như thế nào thì phù hợp?

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 22

Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng log-log

▪ Hàm sản xuất Cobb-Douglas: 𝑄 = 𝐴. 𝐾𝛽2 𝐿𝛽3
▪ Thêm sai số: 𝑄 = 𝐴. 𝐾𝛽2 𝐿𝛽3 𝑒 𝑢
▪ Logarit: ln 𝑄 = ln 𝐴 + 𝛽2 ln 𝐾 + 𝛽3 ln 𝐿 + 𝑢
▪ Tổng quát:
ln 𝑌 = 𝛽1 + 𝛽2 ln 𝑋2 + ⋯ + 𝛽𝑘 ln 𝑋𝑘 + 𝑢
𝑑𝑌 𝑑𝑋2
• Vi phân hai vế: = 𝛽2
𝑌 𝑋2

• 𝛽2 = 𝜀𝑌/𝑋2 là độ co giãn của Y theo 𝑋2

• Khi 𝑋2 tăng 1%, trung bình Y tăng xấp xỉ 𝛽2 %
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 23
Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng log-log

▪ Ví dụ: Phân tích kết quả ước lượng hàm sản xuất
như sau:
෣ = 0,23 + 0,62 ln 𝐾 + 0,57ln(𝐿)
ln(𝑄)
Với Q là sản lượng, K là vốn, L là lao động

▪ Ví dụ: Khi nào hàng hóa là thấp cấp, thông thường,

thiết yếu, xa xỉ nếu hàm cầu theo thu nhập khả dụng
có dạng:
ln 𝐷 = 𝛽1 + 𝛽2 ln(𝑌 𝑑 ) + 𝑢

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 24

Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng lin-log

▪ Mô hình có dạng:
𝑌 = 𝛽1 + 𝛽2 ln(𝑋) + 𝑢
▪ Ý nghĩa hệ số góc:
𝑑𝑋2 𝛽2 𝑑𝑋
• 𝑑𝑌 = 𝛽2 hay 𝑑𝑌 = × 100%
𝑋2 100 𝑋
• Khi X tăng 1% thì Y tăng xấp xỉ (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.
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 25
Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng log-lin

▪ Còn gọi là mô hình tăng trưởng (growth) :
ln(𝑌) = 𝛽1 + 𝛽2 𝑋 + 𝑢 hay 𝑌 = 𝑒 𝛽1+𝛽2𝑋+𝑢
▪ Ý nghĩa hệ số góc: Khi X tăng 1 đơn vị thì Y tăng
𝑒 𝛽2 − 1 100%. Với 𝛽2 nhỏ thì xấp xỉ β2100%
▪ Ví dụ: Giải thích ý nghĩa kết quả
ln(TR) = 4,51 + 0,083T + e
Với TR là doanh thu; T là biến thời gian, nhận giá
trị = 1, 2, 3,… theo các năm

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 26

 Tình huống. VHLSS.2018.HN
▪ Số liệu VHLSS.2018.HN. Giải thích ý nghĩa các kết
quả ước lượng, với Food là chi cho ăn uống, Size là
số người, Income là thu nhập (triệu VND)
Dependent Food Log(Food)
Variable (1) (2) (3) (4)
C 2,971 -14,284 1,449 -0,244
Size 1,022 0,791 0,126 0,083
Income 0,017 0,0013
Log(Income) 4,348 0,423
R-squared 0,567 0,534 0,539 0,647
Adj R-sq 0,565 0,537 0,532 0,645
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 27
Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình hình dạng đa thức

▪ Mô hình dạng bậc 2: 𝑌 = 𝛽1 + 𝛽2 𝑋 + 𝛽3 𝑋 2 + 𝑢
▪ Tác động của X: 𝑑𝑌/𝑑𝑋 = 𝛽2 + 2𝛽3 𝑋
▪ Cực trị parabol tại 𝑋0 = −𝛽2 / (2𝛽3 )

β3 β2 Khi X tăng (Chỉ xét X > 0)

(+) (+) Y tăng nhanh dần
(+) (−) Y giảm về đáy rồi tăng
(−) (−) Y giảm nhanh dần
(−) (+) Y tăng đến đỉnh rồi giảm

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 28

Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng đa thức

▪ Mô hình dạng nghịch đảo của biến độc lập
1
𝑌 = 𝛽1 + 𝛽2 + 𝑢
𝑋
▪ Y tiệm cận 𝛽1 khi 𝑋 rất lớn
▪ 𝛽2 > (<) 0: X tăng thì Y giảm (tăng) chậm dần về 𝛽1
1
▪ Ví dụ: 𝐼𝑁𝐹 = −2,5 + 1,32 +𝑒
𝑈𝑁𝐸
Với INF là tỷ lệ lạm phát, UNE là tỷ lệ thất nghiệp

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 29

Lecture 3. Mô hình hồi quy bội 3.4. Một số dạng mô hình hồi quy

Mô hình dạng đa thức

▪ Mô hình có tương tác giữa các biến độc lập
𝑌 = 𝛽1 + 𝛽2 𝑋 + 𝛽3 𝑍 + 𝛽4 𝑋 ∗ 𝑍 + 𝑢
▪ Tác động của X đến Y phụ thuộc vào độ lớn của Z;
tác động của Z đến Y phụ thuộc độ lớn của X

▪ Ví dụ: Phân tích ý nghĩa kết quả ước lượng sau

𝑄 = 205 + 5,2 𝑊𝐸𝐵 + 3,8 𝑇𝑉 + 1,3 𝑊𝐸𝐵 ∗ 𝑇𝑉 + 𝑒
Với Q là lượng bán, WEB và TV là chi phí quảng cáo trên
trang mạng và trên tivi của một doanh nghiệp.
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 30
Lecture 3. Mô hình hồi quy bội

Tóm tắt Lecture 3

▪ Mô hình hồi quy k biến
▪ Ý nghĩa các hệ số
▪ Các giả thiết OLS và tính BLUE
▪ Hệ số xác định và hệ số xác định điều chỉnh
▪ Các dạng hàm: tuyến tính, logarit, nửa logarit, đa
thức

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 31

 Câu hỏi
▪ Hồi quy chi tiêu theo thu nhập, có một số ý kiến như
sau, khi đó đề xuất mô hình để có thể đánh giá với
mỗi ý kiến:
• Hệ số góc của chi tiêu lúc đầu rất lớn, khi thu
nhập tăng thì hệ số góc nhỏ dần lại
• Độ co giãn của chi tiêu theo thu nhập là không
đổi và nhỏ hơn 1

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 32

 Bài tập
▪ Với số liệu 10 quan sát trong ví dụ 3.1, ước lượng
các mô hình sau và giải thích ý nghĩa
• Chi tiêu phụ thuộc ln(thu nhập)
• Ln(chi tiêu) phụ thuộc ln(thu nhập)
• Chi tiêu phụ thuộc Thu nhập, số người và có
tương tác của hai biến
• Chi tiêu bình quân phụ thuộc thu nhập bình quân
và số người

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 33

 Tình huống
▪ Với số liệu Province.2021, có các biến
• GRDP: tổng sản phẩm (nghìn tỉ VND)
• Pop: dân số (nghìn người)
• Labor: lao động (nghìn người)
• Investment: đầu tư (nghìn tỉ VND)
• Retail: tổng hàng hóa bán lẻ (nghìn tỉ VND)
▪ Đề xuất một mô hình kinh tế lượng với các biến đó,
hãy giải thích ý nghĩa các hệ số của mô hình đó

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 34

 Tình huống. VHLSS.2018.HN
▪ Số liệu VHLSS.2018.HN. Giải thích ý nghĩa các kết
quả ước lượng, với Food là chi cho ăn uống, Size là
số người, Income là thu nhập (triệu VND)
Dependent Food Log(Food)
Variable (1) (2) (3) (4)
C 2,971 -14,284 1,449 -0,244
Size 1,022 0,791 0,126 0,083
Income 0,017 0,0013
Log(Income) 4,348 0,423
R-squared 0,567 0,534 0,539 0,647
Adj R-sq 0,565 0,533 0,532 0,645
KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 35
 Ví dụ. VHLSS.2018.HN
▪ Tiếp tục
Variable (5) (6) (7) (8) (9) (10)
C 5,163 2,481 14,466 8,206 4,696 2,253
Size 0,973 0,863 1,190
Income 0,027 0,022 0,017 0,016 0,021
Income^2 -7,7E-6 -4,9E-6
1/Income -358,7 -138,4 -83,6
Size*Income -0,001
R-squared 0,523 0,571 0,292 0,542 0,577 0,569
Adj R-sq 0,521 0,568 0,291 0,540 0,574 0,566

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 36

 VHLSS.2018.HN
▪ Consumption: chi thường xuyên
Dependent variable: Log(consumption)
Observation 420 198: Urban 222: Rural
Variable Coefficient Coefficient Coefficient
C 0,743 1,031 0,981
Size 0,112 0,117 0,149
Log(Income) 0,564 0,525 0,469
R-squared 0,597 0,596 0,521
Adj R-squared 0,595 0,592 0,517

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 37

 Ví dụ. Firm.2019.HN
▪ Phân tích kết quả ước lượng
Dep. varible: REVENUE Included observation: 100
Variable Coef. Std.Error t-Statistic Prob.
C 97.87887 105.8454 0.924734 0.3574
LABOR 0.644089 0.086256 7.467177 0.0000
ASSET 0.223036 0.038611 5.776508 0.0000
R-squared 0.540916 Adjusted R-squared 0.531451
Sum sq.resid 81957874 S.E. of regression 919.1989
F-statistic 57.14520 Prob(F-statistic) 0.000000

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 38

 Ví dụ. Firm.2019.HN
▪ Phân tích kết quả ước lượng
Dep. varible: REVENUE Included observation: 100
Variable Coef. Std.Error t-Statistic Prob.
C 239.6087 86.41183 2.772869 0.0067
LABOR 0.144985 0.095454 1.518899 0.1321
ASSET 0.118000 0.033777 3.493545 0.0007
LABOR*ASSET 0.000213 2.82E-05 7.534886 0.0000
R-squared 0.711522 Adjusted R-squared 0.702507
Sum sq.resid 51500452 S.E. of regression 732.4364
F-statistic 78.92710 Prob(F-statistic) 0.000000

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 39

 Ví dụ. Firm.2019.HN
▪ Phân tích kết quả ước lượng
Dep. varible: LOG(REVENUE) Included observation: 100
Variable Coef. Std.Error t-Statistic Prob.
C -1.918003 0.332685 -5.765215 0.0000
LOG(LABOR) 0.710145 0.078045 9.099223 0.0000
LOG(ASSET) 0.591960 0.071671 8.259367 0.0000
R-squared 0.829114 Adjusted R-squared 0.825479
Sum sq.resid 80.15144 S.E. of regression 0.923404
F-statistic 228.0378 Prob(F-statistic) 0.000000

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 40

 Ví dụ. Firm.2019.HN
▪ Với mô hình
2
𝑃𝑟𝑜𝑓𝑖𝑡 𝐴𝑠𝑠𝑒𝑡 𝐴𝑠𝑠𝑒𝑡
= 𝛽1 + 𝛽2 + 𝛽3 +𝑢
𝐿𝑎𝑏𝑜𝑟 𝐿𝑎𝑏𝑜𝑟 𝐿𝑎𝑏𝑜𝑟
Dep. varible: PROFIT/LABOR
Variable Coef. Std.Error t-Statistic Prob.
C -0.083 0.043 -1.947 0.0544
ASSET/LABOR 0.054 0.007 7.575 0.0000
(ASSET/LABOR)^2 -0.000545 3.8E-05 -14.10 0.0000
R-squared 0.891631 Adjusted R-squared 0.889396
Sum sq.resid 15.00938 S.E. of regression 0.393365
F-statistic 399.0433 Prob(F-statistic) 0.000000

KINH TẾ LƯỢNG 1 – Bộ môn Toán kinh tế – NEU – www.mfe.edu.vn 41