Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho

y KĐGT cho mô hình hồi quy

HỒI QUY VÀ TƯƠNG QUAN

TĂNG LÂM TƯỜNG VINH

Khoa Toán - Tin Học

Đại Học Khoa Học Tự Nhiên Tp.HCM

Tp. Hồ Chí Minh, 09/2021

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 1
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Nội dung

1 Giới thiệu

2 Mô hình hồi quy tuyến tính đơn

3 Khoảng tin cho mô hình hồi quy

4 Kiểm định giả thuyết cho mô hình hồi quy

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 2
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Nội dung chính: Mô hình hồi quy tuyến tính đơn

• Giới thiệu bài toán hồi quy và hồi quy tuyến tính đơn
• Các giả định về sai số ngẫu nhiên
• Ước lượng các hệ số hồi quy bằng phương pháp bình phương
bé nhất (BPBN)
• Hệ số xác định
• Các tính chất của ước lượng BPBN
• Khoảng tin cậy cho hệ số hồi quy, trung bình biến đáp ứng
• Dự đoán giá trị quan trắc mới
• Kiểm định giả thuyết cho β0 và β1
• Phân tích thặng dư, tương quan
• Kiểm định giả thuyết cho hệ số tương quan
TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 3
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Nội dung chính: Mô hình hồi quy tuyến tính bội (đọc thêm)

• Biểu diễn mô hình theo dạng ma trận

• Ước lượng bình phương bé nhất
• Ước lượng phương sai của sai số
• Tính chất của các ước lượng BPBN
• Kiểm tra sự phù hợp của mô hình
• Kiểm định ý nghĩa của mô hình
• Hệ số xác định và hệ số xác định hiệu chỉnh
• Kiểm định giả thuyết cho từng hệ số hồi quy
• Khoảng tin cậy cho trung bình biến đáp ứng
• Khoảng tin cậy cho giá trị dự báo mới

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 4
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phân tích hồi quy

Bài toán
Trong các hoạt động về khoa học - kỹ thuật, kinh tế, xã hội,. . . ta
có nhu cầu xác định mối quan hệ giữa hai hay nhiều biến ngẫu nhiên
với nhau. Ví dụ
• Mối liên hệ giữa chiều cao và cỡ giày của 1 người, từ đó 1 cửa
hàng bán giày dép có thể xác định chính xác cỡ giày của 1
khách hàng khi biết chiều cao
• Độ giãn nở của 1 loại vật liệu theo nhiệt độ môi trường
• Doanh thu khi bán 1 loại sản phẩm và số tiền chi cho quảng
cáo và khuyến mãi
• ...
Để giải quyết các vấn đề trên, ta sử dụng kỹ thuật phân tích hồi
quy (Regression Analysis)

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 5
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phân tích hồi quy

Phân tích hồi quy được sử dụng để xác định mối liên hệ giữa
• Một biến phụ thuộc Y (biến đáp ứng)
• Một hay nhiều biến độc lập X1 , . . . , Xn ; các biến này còn
được gọi là biến giải thích
• Mối liên hệ giữa X1 , . . . , Xn và Y được biểu diễn 1 hàm
tuyến tính
• Sự thay đổi trong Y được giả sử do những thay đổi trong
X1 , . . . , Xn gây ra.
Trên cơ sở xác định mối quan hệ giữa biến phụ thuộc Y và các
biến giải thích X1 , . . . , Xn ta có thể
• Dự đoán, dự báo giá trị của Y
• Giải thích tác động của sự thay đổi trong các biến giải thích
lên biến phụ thuộc.

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 6
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Nội dung

1 Giới thiệu

2 Mô hình hồi quy tuyến tính đơn

3 Khoảng tin cho mô hình hồi quy

4 Kiểm định giả thuyết cho mô hình hồi quy

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 7
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Mô hình hồi quy tuyến tính

Định nghĩa
Một mô hình thống kê tuyến tính đơn (Simple linear regression
model) liên quan đến một biến ngẫu nhiên Y và 1 biến giải thích x
là phương trình có dạng

Y = β0 + β1 x + ε (1)

với
• β0 , β1 là các tham số chưa biết, gọi là các hệ số hồi quy.
• x là độc lập, giải thích cho y.
• ε là thành phần sai số, ε được giả sử có phân phối chuẩn với
E(ε) = 0 và Var(ε) = σ 2 .

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 8
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Mô hình hồi quy tuyến tính

• Trong mô hình (1), sự thay đổi của Y được giả sử ảnh hưởng
bởi 2 yếu tố:
I Mối liên hệ tuyến tính của X và Y : β0 + β1 x. Trong đó, β0
gọi là hệ số chặn (intercept) và β1 gọi là hệ số góc (slope).
I Tác động của các yếu tố khác (không phải x) thành phần sai
số ε.
• Với (x1 , y1 ), . . . , (xn , yn ) là n cặp giá trị quan trắc của 1 mẫu
ngẫu nhiên cỡ n, từ (1) ta có

Yi = β0 + β1 xi + εi , i = 1, . . . , n (2)

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 9
 Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy
Mô hình hồi quy tuyến tính đơn
Mô hình hồi quy tuyến tính
VÀ

•SửSửdụng
dụngđồđồ
thịthịphânphân tántán (Scatter
(Scatter plot)
plot) để biểu
để biểu diễn diễn cácgiá
các cặp cặp
ăn giá trị quan
trị quan trắc trắc
(xi , y(x , yi ) 1,trên
i ),i i = . . . ,hệ trụchệ
n trên tọatrục
độtọa
Oxyđộ. Oxy.

nh

iả

nh

iả
g TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 10
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Các giả định về sai số ngẫu nhiên

• Các sai số ngẫu nhiên εi , i = 1, . . . , n trong mô hình (2), giả

sử thỏa các điều kiện sau
I Các sai số εi độc lập với nhau.
I E(εi ) = 0 và Var(εi ) = σ 2
I Các sai số có phân phối chuẩn εi ∼ N (0, σ 2 )
• Với quan trắc x đã biết

E(Y |x) = β0 + β1 x (3)

• Từ (2) ta có
Y ∼ N (β0 + β1 x, σ 2 ) (4)

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 11
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Ước lượng các hệ số hồi quy

• Gọi β̂0 và β̂1 là các ước lượng của β0 và β1 .

• Đường thẳng hồi quy với các hệ số ước lượng (fitted
regression line)
Ŷ = β̂0 + β̂1 x (5)

• Một đường thẳng ước lượng tốt phải “gần với các điểm dữ
liệu”
• Tìm β̂0 và β̂1 : dùng phương pháp bình phương bé nhất
(method of least squares)

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 12
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phương pháp bình phương bé nhất

• Với dữ liệu (xi , yi ), i = 1, . . . , n ta có
yi = β0 + β1 xi + εi
• Ta định nghĩa thặng dư thứ i
εi = yi − (β0 + β1 xi )

Định nghĩa
Tổng bình phương sai số (Sum of Squares for Errors - SSE) hay tổng
bình phương thặng dư thặng dư cho n điểm dữ liệu được định nghĩa
như sau n n
X X 2
ε2i =

SSE = yi − (β0 + β1 xi ) (6)
i=1 i=1

Nội dung của PPBPBN là tìm các ước lượng β̂0 và β̂1 sao cho SSE
đạt giá trị bé nhất.
TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 13
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phương pháp bình phương bé nhất

Từ (6), lấy đạo hàm theo β0 và β1
n
∂SSE X  
= −2 yi − (β0 + β1 xi ) = 0
∂β0 i=1
n
∂SSE X  
= −2 yi − (β0 + β1 xi ) xi = 0
∂β1 i=1

Ta thu được hệ phương trình

n n

 X X
nβ0 + β1

 xi = yi

i=1 i=1 (7)
n
X n
X n
X
 2



 β0 x i + β1 x i = x i yi
i=1 i=1 i=1

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 14
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phương pháp bình phương bé nhất

Giải hệ (7), ta tìm được các ULBPBN của β0 và β1 là
n Pn Pn
X ( i=1 xi ) ( i=1 yi )
x i yi −
i=1
n Sxy
β̂1 = n Pn 2 = (8)
X ( i=1 xi ) Sxx
x2i −
i=1
n
β̂0 = y − β̂1 x̄ (9)
với Sxx và Sxy xác định bởi
n n
xi )2
Pn
X
2
X ( i=1
Sxx = (xi − x̄) = x2i − (10)
i=1 i=1
n
n n Pn Pn
X X ( i=1 xi ) ( i=1 yi )
Sxy = (xi − x̄)(yi − ȳ) = x i yi − (11)
i=1 i=1
n
TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 15
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phương pháp bình phương bé nhất

• Các ước lượng β̂0 và β̂1 tìm được gọi là các ULBPBN.
• Đường thẳng ŷ = β̂0 + β̂1 x gọi là đường thẳng BPBN, thỏa
các tính chất sau
n
X
I SSE = (yi − ŷi )2 đạt giá trị bé nhất.
i=1
n
X n
X
I SE = (yi − ŷi ) = εi = 0 với SE là tổng các thặng
i=1 i=1
dự (Sum of Error)

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 16
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phương pháp bình phương bé nhất

Ví dụ 1
Một nhà thực vật học khảo sát mối liên hệ giữa tổng diện tích bề mặt (đv:
cm2 ) của các lá cây đậu nành và trọng lượng khô (đv: g) của các cây này.
Nhà thực vật học trong 13 cây trong nhà kính và đo tổng diện tích lá và
trọng lượng của các cây này sau 16 ngày trồng, kết quả cho bởi bảng sau

X 411 550 471 393 427 431 492 371 470 419 407 489 439
Y 2, 00 2, 46 2, 11 1, 89 2, 05 2, 30 2, 46 2, 06 2, 25 2, 07 2, 17 2, 32 2, 12

1 Vẽ biểu đồ phân tán biểu diễn diện tích lá X và trọng lượng khô Y
của cây đậu nành với mẫu quan sát đã cho.
2 Tìm đường thẳng hồi quy biểu diễn mối liên hệ giữa trọng lượng cây
Y theo diện tích X. Vẽ đường thẳng hồi quy tìm được trên đồ thị
phân tán.
3 Dự đoán trọng lượng khô khi tổng diện tích bề mặt của lá cây đậu
nành là 500cm2 .

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 17
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Giải

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 18
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Giải

n
X n
X n
X X
n = 13; xi yi = 12625.99; xi = 5770; yi = 28.26; x2i = 2589458
i=1 i=1 i=1 i=1

n n
!2
X 1 X
Sxx = x2i − xi = 28465.69
n
i=1 i=1
n n
! n
!
X 1 X X
Sxy = xi yi − xi yi = 82.89769
n
i=1 i=1 i=1
Sxy
β̂1 = = 0.002912197
Sxx
β̂0 = ȳ − β̂1 x̄ = 0.8812789

Phương trình đường thẳng hồi quy: y = 0.8812789 + 0.002912197x .

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 19
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Giải

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 20
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Đo độ biến thiên của dữ liệu

Gọi
• SST : Tổng bình phương toàn phần (Total Sum of Squares)
n
X
SST = (yi − ȳ)2
i=1

• SSR : Tổng bình phương hồi quy (Regression Sum of Squares)

n
X
SSR = (ŷi − ȳ)2
i=1

• SSE : Tổng bình phương sai số (Error Sum of Squares)

n
X
SSE = (yi − ŷi )2
i=1

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 21
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Đo độ biến thiên của dữ liệu

• SST : đo sự biến thiên của các giá trị yi xung quanh giá trị
trung tâm của dữ liệu ȳ
• SSR : giải thích sự biến thiên liên quan đến mối liên hệ tuyến
tính của X và Y
• SSE : giải tích sự biến thiên của các nhân tố khác (không liên
quan đến mối quan hệ tuyến tính của X và Y )
Ta có
n
X n
X n
X
(yi − ȳ)2 = (ŷi − ȳ)2 + (yi − ŷi )2
i=1 i=1 i=1
SST = SSR + SSE

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 22
 Độ đo sự biến thiên của dữ liệu
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Y VÀĐo độ biến thiên của dữ liệu

NG
N

Văn
n

hồi
n tính

tin
mô
quy

h giả
ho

uan

hồi
n tính

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

h giả
ongHỒI QUY VÀ TƯƠNG QUAN 23
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Hệ số xác định

Định nghĩa
Hệ số xác định (Coefficient of Determination) là tỷ lệ của tổng sự
biến thiên trong biến phụ thuộc gây ra bởi sự biến thiên của các
biến độc lập (biến giải thích) so với tổng sự biến thiên toàn phần.
Hệ số xác định thường được gọi là R−bình phương (R−squared),
ký hiệu là R2 . Công thức
SSR
R2 =
SST
2
Chú ý: 0 ≤ R ≤ 1
Hệ số xác định của một mô hình cho phép ta đánh giá mô hình tìm
được có giải thích tốt cho mối liên hệ giữa biến phụ thuộc Y và
biến phụ thuộc X hay không.
TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 24
Hệ số xác định và mối liên hệ giữa X và Y
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Hệ số xác định

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 25
Hệ số xác định và mối liên hệ giữa X và Y
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Hệ số xác định

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 26
Hệ số xác định và mối liên hệ giữa X và Y
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Hệ số xác định

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 27
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phân tích tương quan

Phân tích tương quan (Corelation Analysis) dùng để đo độ mạnh của mối
liên hệ tuyến tính giữa hai biến ngẫu nhiên.
Định nghĩa
Hiệp phương sai (Covariance) của 2 biến ngẫu nhiên X và Y , kí hiệu là
Cov(X, Y ), được định nghĩa như sau

Cov(X, Y ) = E[(X − µX )(Y − µY )] = E[XY ] − E[X]E[Y ]

Định nghĩa
Hệ số tương quan (Correlation coefficient) của 2 biến ngẫu nhiên X và
Y , kí hiệu ρXY , được xác định như sau

Cov(X, Y )
ρXY = p ∈ [−1; 1]
Var(X)Var(Y )

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 28
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Phân tích tương quan

Định nghĩa
Với mẫu ngẫu nhiên cỡ n: (Xi , Yi ), i = 1, . . . , n. Hệ số tương quan mẫu,
kí hiệu r, được xác định như sau
n
X


Xi − X Yi − Y
Sxy
r = v i=1 =√ (12)
uX
u n n

2 X
2 Sxx .SST
t Xi − X Yi − Y
i=1 i=1

Chú ý rằng
2
Sxy β̂1 Sxy SSR
(12) ⇔ r2 = = = = R2
Sxx .SST SST SST

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 29
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Đánh giá hệ số tương quan

• Miền giá trị: −1 ≤ r ≤ 1.

• −1 ≤ r < 0: tương quan âm. r càng gần −1 biểu thị mối liên
hệ tuyến tính nghịch giữa X và Y càng mạnh.

• 0 < r ≤ 1: tương quan dương. r càng gần 1 biểu thị mối liên
hệ tuyến tính thuận giữa X và Y càng mạnh.

• r = 0: không có mối liên hệ tuyến tính giữa X và Y .

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 30
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Đánh giá hệ số tương quan

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 31
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Ước lượng phương sai σ 2 của sai số

Xét mô hình
Yi = β0 + β1 xi + ε, i = 1, . . . , n
Thành phần sai số thứ i: ε ∼ N (0, σ 2 ). Ta cần ước lượng phương sai σ 2 .
Từ (4) ta có Yi ∼ N (β0 + β1 xi , σ 2 ). Do đó,

Yi − (β0 + β1 xi )
∼ N (0, 1)
σ
Ta có
n 2
X [Yi − (β0 + β1 xi )] SSE
= ∼ χ2 (n − 2)
i=1
σ2 σ2

Nên    
SSE SSE
E = n − 2 hay E = σ2
σ2 n−2

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 32
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Ước lượng phương sai σ 2 của sai số

SSE
Ta kết luận rằng là một ước lượng không chệch cho σ 2 . Suy
n−2
ra ước lượng σ̂ 2 của σ 2 được tính bởi
SSE
σ̂ 2 =
n−2
• Tìm SSE:
SSE = SST − β̂1 Sxy
• Sai số chuẩn (Standard Error) của σ̂ 2
s
SSE
SE(σ̂) =
n−2
Sử dụng SE(σ̂) để đo sự biến thiên của các giá trị quan trắc y
với đường thẳng hồi quy.
TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 33
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

So sánh sai số chuẩn

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 34
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Tính chất của các ước lượng BPBN

Định lý
Xét Y = β0 + β1 x + ε là 1 mô hình hồi quy tuyến tính đơn với
ε ∼ N (0, σ 2 ); với n quan trắc độc lập yi , i = 1, . . . , n ta có tương
ứng các sai số εi .
Gọi β̂0 và β̂1 là các ước lượng của β0 và β1 tìm được từ PPBPBN,
khi đó
1 β̂0 và β̂1 tuân theo luật phân phối chuẩn

2 Kỳ vọng và phương sai của β̂0 và β̂1 lần lượt là

x̄2
 
   1
E β̂0 = β0 , Var β̂0 = + σ2
n Sxx
    σ2
E β̂1 = β1 , Var β̂1 =
Sxx
TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ
HỒI QUY VÀ TƯƠNG QUAN 35
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Tính chất của các ước lượng BPBN

Định nghĩa
Trong mô hình hồi quy tuyến tính đơn, sai số chuẩn (SE) của các
ước lượng β̂0 và β̂1 là
v !
x̄2
u
 u 1
SE β̂0 = t + σ2
n Sxx
s
  σ2
SE β̂1 =
Sxx

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 36
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Tính chất của các ước lượng BPBN

Định lý (Gauss - Markov)

Xét mô hình hồi quy tuyến tính đơn

Y = β0 + β1 x + ε

có β̂0 và β̂1 là các ULBPBN cho β0 và β1 , khi đó β̂0 và β̂1 là các

ước lượng không chệch tốt nhất.

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 37
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Nội dung

1 Giới thiệu

2 Mô hình hồi quy tuyến tính đơn

3 Khoảng tin cho mô hình hồi quy

4 Kiểm định giả thuyết cho mô hình hồi quy

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 38
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Khoảng tin cho mô hình hồi quy

contents...

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 39
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Nội dung

1 Giới thiệu

2 Mô hình hồi quy tuyến tính đơn

3 Khoảng tin cho mô hình hồi quy

4 Kiểm định giả thuyết cho mô hình hồi quy

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 40
Giới thiệu Mô hình hồi quy tuyến tính đơn KTC cho mô hình hồi quy KĐGT cho mô hình hồi quy

Kiểm định giả thuyết cho mô hình hồi quy

contents...

TĂNG LÂM TƯỜNG VINH XÁC SUẤT THỐNG KÊ

HỒI QUY VÀ TƯƠNG QUAN 41