Các khái niệm cơ bản

- Phương trình hồi quy

Y =α 0 + α 1 X 1 +α 2 X 2 +ui / X 1

ĐCT hoàn hảo: X1 = 2*X2

ĐCT không hoàn hảo: X1 = f(X2, …)

1. Hệ quả của ĐCT

- ĐCT (không hoàn hảo) không làm cho mô hình bị non-BLUE
(best linear unbiased) tốt nhất tuyến tính không chệch
- Phương sai và sai số chuẩn của các ước lượng OLS lớn hơn
- Khoảng tin cậy lớn hơn
- Giá trị kiểm định t nhỏ hơn t=hệ số hồi quy / sai số
- Hệ số R2 cao và các biến không có ý nghĩa thống kê
- . Các ước lượng OLS và các sai số tiêu chuẩn của chúng trở nên rất nhạy
cảm với những thay đổi nhỏ trong số liệu hay thêm bớt biến giải thích
2. Phát hiện ĐCT
- Hệ số xác định R2 cao nhưng giá trị kiểm định t thấp
- Tương quan giữa các cặp biến độc lập cao
- Hồi quy phụ
X1 = alpha*X2
- Nhân tử phóng đại phương sai (VIF)
VIF càng cao thì càng đa cộng tuyến
VIF<=1 không bị
VIF <10 bị nhưng nhẹ và có thể bỏ qua
VIF > 10 nặng
- Biện pháp khắc phục:
+ Bỏ qua: nếu để dự báo chứ kh f kiểm định
+ Tăng kích thước mẫu
+ Bỏ đi biến độc lập có đa cộng tuyến
+ Thay đổi biến
Phương sai (biến thiên) sai số thay đổi
Var(ui | xi) = ai
Hồi quy tiêu dùng theo thu nhập
Consumption = a1*Income
Mức lương 5 triệu, có người tiêu 4tr có người 3tr có ng 2tr có ng 7tr 
ps=biến thiên=3tr
Mức lương 500tr, có người tiêu 500tr, 1 tỷ -> ps=biến thiên=500tr
Có sự tương quan giữa sai số và biến thu nhập (tương quan thuận)
Hồi quy là tính giá trị trung bình
1. Nguyên nhân
- Do sự xuất hiện của các quan sát ngoại lai (một quan sát rất khác, có thể là
rất nhỏ hoặc rất lớn, so với các quan sát khác trong mẫu)
- Do dạng hàm sai, một số biến bị loại ra khỏi mô hình
- PSSS thay đổi thường gặp trong số liệu chéo
2. Hệ quả
- Non-Blue: Tuyến tính, không chệch nhưng không có phương sai nhỏ
nhất (vi phạm B-best). Các ước lượng OLS vẫn tuyến tính, không chệch
nhưng không hiệu quả và tốt nhất nữa.
- Các dự báo cũng sẽ không hiệu quả
- Việc sử dụng thống kê t và F để kiểm định không còn đáng tin cậy nữa
Khi tqs > alpha(n-1 alpha/2)
3. Cách khắc phục
- Logarit
- Phương pháp bình phương nhỏ nhất có trọng số (WLS), ngoài ra còn
GLS
(Đem chia cả 2 vế của phương trình cho biến mà ta nghi ngờ là làm tăng
sai số hoặc làm sai số biến thiên nhiều hơn.
Khi thu nhập nhỏ, sai số nhỏ  sự ảnh hưởng là không nhiều
Khi thu nhập lớn, sai số lớn  ảnh hưởng nhiều khi sai số to chia thu
nhập to  sai số giảm)
4. Phát hiện
- Dùng biểu đồ với trục tung là ui (sai số) hoặc ui^2 và trục hoành là X, Y,
Y mũ (Y ước lượng).
- Kiểm định Park (nhớ tên)
- Kiểm định Glejser (nhớ tên)
- Kiểm định White
H0: Phương trình không bị pssstđ
Chi2 = a / p>f = p-value
So sánh p-value với mức ý nghĩa alpha
Nếu p-value < alpha  bác bỏ H0  có bị
Nếu p-value > alpha  thừa nhận H0  không bị (alpha = 5%)
- Kiểm định Breusch – Pagan  như white