Kinh tế lượng cô Hải

12/5/2014
Chương 1
MỞ ĐẦU
Chương 1. MỞ ĐẦU
1.1 Kinh tế lƣợng là gì
1.2 Các khái niệm cơ bản của kinh tế

lƣợng
om
.c
Chương 1
ng
Chương 1
§1.1 Kinh tế lƣợng là gì
co §1.1 Kinh tế lƣợng là gì
1.1.1 Khái niệm 1.1.2 Nội dung nghiên cứu của Kinh tế lượng
an
Thiết lập các mô hình toán học mô tả mối quan

Tiếng anh: econometrics – đo lƣờng kinh tế hệ giữa các đại lƣợng kinh tế (biến kinh tế)
th
Là môn học đƣợc hình thành và phát triển trên Đo lƣờng mức độ ảnh hƣởng của các biến kinh
cơ sở 3 ngành khoa học khác: kinh tế học, tế này đến các biến kinh tế khác
ng
thống kê học và toán học Dựa vào các mô hình toán học để dự báo các
hiện tƣợng kinh tế
o
du
u
cu
Chương 1 Chương 1
§1.1 Kinh tế lƣợng là gì §1.1 Kinh tế lƣợng là gì
1.1.3 Phương pháp luận của Kinh tế lượng

1. Dựa vào lý thuyết kinh tế để đƣa ra giả thiết 4. Phân tích kết quả: đánh giá độ tin cậy và
về mối quan hệ giữa các biến kinh tế quan tâm kiểm định tính đúng đắn, chính xác của các
ƣớc lƣợng đã nhận đƣợc
2. Thiết lập các mô hình toán học để mô tả mối
quan hệ giữa các biến kinh tế
3. Ƣớc lƣợng các tham số của mô hình đã đƣa

ra
CuuDuongThanCong.com https://fb.com/tailieudientucntt 1
12/5/2014
§1.1 Kinh tế lƣợng là gì §1.1 Kinh tế lƣợng là gì
5. Dự báo: sử dụng các mô hình đã xây dựng 6. Đề ra các chính sách mới phù hợp nhằm đạt
đƣợc để dự báo các hiện tƣợng kinh tế hoặc đƣợc mục tiêu đã định
giá trị của các biến kinh tế mà ta quan tâm dƣới
ảnh hƣởng của các biến kinh tế khác
om
.c
Chương 1
ng
Chương 1
§1.2 Các KN cơ bản của kinh tế lƣợng
co §1.2 Các KN cơ bản của kinh tế lƣợng
Ta thƣờng giả thiết

an
1.2.1 Phân tích hồi quy
*KN: Nghiên cứu mối liên hệ phụ thuộc giữa giá Biến phụ thuộc Y là biến ngẫu nhiên, có quy
th
trị của một biến Y - gọi là biến phụ thuộc hay luật phân phối xác suất xác định
biến đƣợc giải thích với giá trị của một hoặc
nhiều biến khác Xj (j=1,..,m) – các biến này gọi Các biến độc lập Xj không phải là biến ngẫu
ng
là các biến độc lập hay biến giải thích nhiên, giá trị của chúng là xác định
o
du
u
cu
Chương 1
Chương 1
§1.2 Các KN cơ bản của kinh tế lƣợng §1.2 Các KN cơ bản của kinh tế lƣợng
1.2.2 Mô hình hồi quy tổng thể và mô hình

*Phân tích hồi quy giúp ta:
hồi quy mẫu
-Ƣớc lƣợng giá trị của biến phụ thuộc Y khi đã Mô hình hồi quy tổng thể (hàm tổng thể - PRF)
biết giá trị của (các) biến độc lập Xj là hàm có dạng tổng quát
- Kiểm định giả thiết về sự phụ thuộc E(Y / X ji )  f ( X ji ) (1)
- Dự báo giá trị trung bình hoặc cá biệt của biến
phụ thuộc khi đã biết giá trị của (các) biến độc
lập
12/5/2014
§1.2 Các KN cơ bản của kinh tế lƣợng §1.2 Các KN cơ bản của kinh tế lƣợng
Nếu (1) biểu diễn mối quan hệ giữa biến phụ Mô hình hồi quy mẫu (hàm hồi quy mẫu - SRF)
thuộc Y và một biến giải thích X thì (1) đƣợc gọi có thể đƣợc biểu diễn nhƣ sau
là mô hình hồi quy đơn hay mô hình hồi quy 2
biến 
Yi  fˆ ( X ji ) (2)

Nếu số biến giải thích nhiều hơn 1 thì (1) đƣợc Yi là ƣớc lƣợng của E(Y / Xji)
gọi là mô hình hồi quy bội (hồi quy nhiều biến) fˆ là ƣớc lƣợng của f
om
.c
ng
§1.2 Các khái niệm cơ bản của kinh tế §1.2 Các khái niệm cơ bản của kinh tế
co
lƣợng lƣợng
1.2.3 Sai số ngẫu nhiên 1.2.3 Sai số ngẫu nhiên

an
Ui = Yi – E(Y / Xji), j=1,..,m; i=1,..,n Khi đó hàm hồi quy tổng thể (1) có thể biểu
th
diễn dƣới dạng

Ui đƣợc gọi là sai số ngẫu nhiên (nhiễu ngẫu
nhiên), biểu thị ảnh hƣởng của các yếu tố khác Yi  f ( X ji )  Ui
ng
ngoài các biến giải thích Xj tới giá trị của biến Y
o
du
u
cu
Chương 2
MÔ HÌNH HỒI QUY HAI BIẾN
Chương 2 2.1 Phƣơng pháp bình phƣơng nhỏ nhất

MÔ HÌNH HỒI QUY HAI BIẾN
2.2 Các giả thuyết cơ bản của MHHQ hai biến
2.3 Ƣớc lƣợng và kiểm định GT về hệ số HQ
2.4 Phân tích phƣơng sai và sự phù hợp của MH
2.5 Phân tích hồi quy và dự báo
12/5/2014
§2.1 Mô hình hồi quy hai biến và §2.1 Mô hình hồi quy hai biến và
phƣơng pháp bình phƣơng nhỏ nhất phƣơng pháp bình phƣơng nhỏ nhất
2.1.1 Mô hình hồi quy hai biến Mô hình hồi quy mẫu xây dựng dựa trên mẫu
ngẫu nhiên kích thƣớc n: (Yi , X i ), i  1, n
Yi  1   2 X i  U i (2.1)
Yî  ˆ1  ˆ2 X i (2.2)
Trong đó:
Yi: giá trị của biến phụ thuộc Y ( i  1, n ) Trong đó:
1 hệ số chặn Yî ƣớc lƣợng của Yi hoặc E(Y/Xi) ( i  1, n )
2 hệ số góc của biến giải thích X
ˆ j ƣớc lƣợng của hệ số hồi quy tổng thể  j ( j  1,2)
Ui: sai số ngẫu nhiên
om
.c
ng
co
2.1.2 Phương pháp bình phương nhỏ nhất (OLS) Phƣơng pháp OLS đòi hỏi các hệ số hồi qui
an
Từ hàm hồi qui mẫu và hàm hồi qui tổng thể đƣợc xác định sao cho:

Đặt: ei  Yi  Yi e 2
 min
th
i (2.3)
Các hệ số ˆ1 , ˆ2 nhận đƣợc từ (2.3) gọi là các

ei : phần dƣ của hàm hồi qui mẫu ƣớc lƣợng bình phƣơng nhỏ nhất của 1 ,  2
o ng
du
u
cu
Khi đó f ( ˆ1 , ˆ 2 ) nhỏ nhất khi ˆ1 , ˆ2 là nghiệm

Khai triển tổng bình phƣơng các phần dƣ ta có:
của hệ phƣơng trình sau:
 e   Y  Yˆ    Y  ˆ  ˆ X 
2 2
 f
2
 ˆ  0
i i i i 1 2 i

 
1
 ( 2.4)
f  f (ˆ1 , ˆ2 )   ei   Yi  ˆ1  ˆ2 X i  f  0
2 2
Đặt :
 ˆ
  2
12/5/2014
 X n X 2  ( X )2  0
=  i  i
n
Đạo hàm và khai triển ta đƣợc: Khi đó nếu:
i

X Xi i
2
  ˆ ˆ 
 2 Yi  1   2 X i (1)  0 1 1
Đặt Y Yi ; X  Xi

  ˆ ˆ 
 2 Yi  1   2 X i ( X i )  0
n n
Hệ (2.5) có nghiệm:
n Yi X i   Yi  X i
n1   2  X i   Yi
 ˆ ˆ ˆ2 
n X i2   X i 
Hay: 2
 (2.5)
1  X i   2  X i   X iYi
 ˆ ˆ 2
ˆ1  Y  ˆ 2 X
om
.c
ng
Chương 2
§2.1 Mô hình hồi quy hai biến và
co VÍ DỤ 2.1
phƣơng pháp bình phƣơng nhỏ nhất
 xi  X i  X
Đặt  Theo dõi thu nhập hàng tháng và mức chi
an
 yi  Yi  Y
về hàng thực phẩm của 10 gia đình có số
Ta đƣợc: thành viên nhƣ nhau, ta có số liệu sau
th
(đơn vị: triệu đồng)

ˆ2  
yi xi
(2.6)
x 2
i
Xi 1,0 1,2 1,6 2,2 2,5 3,6 5,5 6,7 8,8 11,5
ng
ˆ1  Y  ˆ2 X (2.7)

Yi 0,7 1,0 1,2 1,3 1,5 1,8 2,2 2,5 2,8 3,5
o
du
u
cu
Đáp số: Ta có hàm hồi qui mẫu:

VÍ DỤ 2.1
Yî  0,75833  0,24477 X i
Trong đó: Ý nghĩa của hệ số hồi qui:

Xi : thu nhập hàng tháng của gia đình thứ i ˆ2  0,24477 : Khi thu nhập của gia đình tăng
Yi : mức chi cho hàng thực phẩm của gia lên 1 triệu đồng thì mức chi trung bình hàng
đình thứ i. tháng cho hàng thực phẩm của gia đình tăng
lên 0,24477 triệu đồng (244,77 ngàn đồng).
Dựa vào bảng số liệu trên và phƣơng
pháp OLS hãy xây dựng hàm hồi qui mẫu:
Yî  ˆ1  ˆ2 X i
12/5/2014
2.1.3 Các tính chất của ước lượng BPNN 3. Tổng các phần dƣ của hàm hồi quy mẫu bằng 0
1. Đƣờng hồi quy mẫu đi qua điểm trung bình e i 0
mẫu (Y , X ) , tức là:
4. Các phần dƣ ei không tƣơng quan với Yî
Y  ˆ1  ˆ2 X
2. Giá trị trung bình của các giá trị Yî đƣợc xác định
 e Yˆ  0 i i
theo hàm hồi quy mẫu bằng giá trị trung bình của 5. Các phần dƣ ei không tƣơng quan với Xi
biến phụ thuộc, tức là:
e X 0
om
i i
1
Yˆ   Yî  Y
n
.c
ng
§2.2 Các giả thuyết cơ bản của mô hình §2.2 Các giả thuyết cơ bản của mô hình
co
hồi quy hai biến hồi quy hai biến
2.2.1 Các giả thuyết cơ bản của phương pháp BPNN Giả thuyết 3. Phƣơng sai của các sai số Ui là
an
không đổi (phƣơng sai thuần nhất)

Giả thuyết 1. Biến giải thích X là phi ngẫu
Var (U i )  Var (U / X i )   2  const (i)
th
nhiên, giá trị của nó là xác định.

Từ GT3 ta thấy :
Giả thuyết 2. Kỳ vọng toán của các sai số ngẫu
ng
nghiên Ui bằng không Var (Y / X i )   2 (i)

E (Ui )  E (U / X i )  0 (i )
o
du
u
cu
Giả thuyết 4. Các sai số Ui không tƣơng quan 2.2.2 Độ chính xác của các ước lượng BPNN
với nhau Yi  1   2 X i  U i
Cov(U i ,U j )  0 (i  j )
Yî  ˆ1  ˆ2 X i
Giả thuyết 5. Các sai số Ui và Xi không tƣơng
quan với nhau Hệ số hồi qui mẫu đƣợc xác định bằng OLS :
ˆ 2 
y x
i i
Cov(Ui , X i )  0 (i)
x 2
i
ˆ1  Y  ˆ 2 X
12/5/2014
Với các giả thuyết cơ bản 1-5 của OLS đƣợc Độ lệch chuẩn của các hê số hồi qui mẫu :
thỏa mãn, ta có:
2 
2 se( ˆ2 )   (2.10)
Var ( ˆ2 )  (2.8) x 2
x 2
 xi2
i i
 2  X i2  2  X i2  X i2
se( ˆ1 )  
Var ( ˆ1 )  (2.9) n xi2 n xi2
(2.11)
n x 2
i
Với : Var (U i )   2 (i)
om
.c
ng
co
Do Var (U i )   2 chƣa biết nên khi áp dụng công

an
thức (2.8) – (2.11) ta thƣờng lấy bởi ƣớc lƣợng (Định lý Gauss – Markov): Với các giả thiết của
không chệch của nó: phƣơng pháp BPNN thì các ƣớc lƣợng bình
phƣơng nhỏ nhất ˆ j là các ƣớc lƣợng tuyến
th
 2  ˆ 2  
ei2
(2.12) tính, không chệch và có phƣơng sai nhỏ nhất
n2
trong lớp các ƣớc lƣợng tuyến tính, không
chệch của  j ( j  1,2) .
o ng
du
u
cu
n
Cụ thể ta có: ˆ2   kiYi (ki  const ) 2.2.3 Giả thuyết về phân phối xác suất của Ui
i 1
E ( ˆ2 )   2 Giả thuyết 6. Sai số ngẫu nhiên Ui có phân phối

chuẩn, tức là:
Với  là ƣớc lƣợng tuyến tính, không chệch bất
*
U i ~ N (0,  2 )
2
kì của  2 ta có:
2 Với các giả thuyết 1-6 mô hình hồi qui 2
Var ( ˆ 2 )   Var (  2* )
n
biến (2.1) đƣợc gọi là MHHQTT cổ điển
 xi2
i 1
12/5/2014
§2.2 Các giả thuyết cơ bản của mô hình §2.3 Khoảng tin cậy và kiểm định giả
hồi quy hai biến thiết về các hệ số hồi quy
Với giả thuyết 1-6 của MHHQTT cổ điển, ta có: Xét MHHQTT cổ điển và hàm hồi quy mẫu :
1. ˆ1 ~ N ( 1 ,  2
X i
2
(n  2)ˆ 2 Yi  1   2 X i  U i (2.1)
n x 2
) 3.  
2
~  (n  2)
2
i 2
2 Yî  ˆ1  ˆ2 X i (2.2)
2. ˆ2 ~ N (  2 , ) 4. Yi ~ N (1   2 X i ,  2 )
x 2
i
Từ giả thiết 6 về phân phối chuẩn của sai số
ˆ ˆ
5.Các ƣớc lƣợng OLS 1 ,  2 của 1 ,  2 là các ƣớc ngẫu nhiên, có thể suy ra:
lƣợng hiệu quả
ˆ j ~ N ( j ,Var (ˆ j )) ( j  1,2)
om
.c
ng
§2.3 Khoảng tin cậy và kiểm định giả §2.3 Khoảng tin cậy và kiểm định giả
co
thiết về các hệ số hồi quy thiết về các hệ số hồi quy
2.3.1 Khoảng tin cậy của các hệ số hồi quy Ta tìm giá trị phân vị t / 2 (n  2) sao cho
an
PT  t / 2 (n  2)  1    
Do  ta chƣa biết mà phải thay bằng ƣớc lƣợng
2
không chệch của nó là ˆ 2, nên :

th
ˆ j   j
T ~ T (n  2) ( j  1,2)  ˆ j   j 
P  t  (n  2)   1  
se( ˆ j )
ng
 se( ˆ j ) 
 2 
o
du
u
cu
2.3.2 Kiểm định giả thiết về các hệ số hồi quy

 
P ˆ j  t (n  2).se(ˆ j )   j  ˆ j  t (n  2).se(ˆ j )   1     Giả sử với mức ý nghĩa  cho trƣớc ta cần kiểm
 2 2  định giả thiết:
H 0 :  j   j
 *
Khoảng tin cậy của hệ số hồi quy  j ( j  1,2) 

H 1 :  j   j
 (  j   *j ,  j   *j )
*
ˆ 
  j  t (n  2).se( ˆ j ) ; ˆ j  t (n  2).se( ˆ j ) 
 
 2 2 
12/5/2014
Ta xây dựng tiêu chuẩn kiểm định:
ˆ j   *j Loại gt H0 H1 W
T
se( ˆ j ) Hai phía  j   j*  j   *j W   t : t  t / 2 (n  2) 
Nếu H0 đúng thì T~T(n-2) Trái  j   j*  j   *j W   t : t  t (n  2) 

Tùy thuộc vào H1 ta có miền bác bỏ Phải  j   j*  j   *j W   t : t  t (n  2) 
tƣơng ứng
om
.c
ng
§2.4 Phân tích phƣơng sai và kiểm định §2.4 Phân tích phƣơng sai và kiểm định
co
sự phù hợp của mô hình sự phù hợp của mô hình
n n
2.4.1 Hệ số xác định của hàm hồi qui: TSS   (Yi  Y ) 2   yi2
an
i 1 i 1
Xét hàm hồi quy tổng thể và hàm hồi quy n n
mẫu : ESS   (Yî  Y ) 2  ˆ 22  xi2

th
i 1 i 1
Yi  1   2 X i  U i (2.1)
RSS   (Yi  Yî ) 2   ei2
Yî  ˆ1  ˆ2 X i (2.2)
ng
Ta có : TSS  ESS  RSS (2.13)

o
du
u
cu
Định nghĩa 1: Hệ số xác định r2 đƣợc định Tính chất: 0  r2  1

nghĩa nhƣ sau:
- Nếu r2 = 1, hàm HQ có thể coi là hoàn hảo
ESS RSS
r2 =  1 - Nếu r2 = 0, hàm HQ đƣa ra là không phù hợp
TSS TSS
Vì thế r2 đƣợc dùng làm thƣớc đo mức độ phù

hợp của hàm hồi quy
12/5/2014
Hệ số xác định có thể biến đổi : Định nghĩa 2: Hệ số tƣơng quan r đƣợc xác định:
 x   xi yi 
ˆ 2 x ESS
2
2 2
r2 
ESS
 2 2  i i r  r2 
TSS  yi   xi2  y i
2 TSS
 r2 
 x y  i i
2
(2.14)
x y 2
i
2
i
om
.c
ng
co
Tính chất của hệ số tương quan : 2.4.2 Kiểm định sự phù hợp của mô hình
an
1. -1≤ r ≤ 1( dấu của r chính là dấu của β2 )

2. r(X,Y) = r(Y,X) (tính đối xứng) H 0 :  2  0
th
Xét giả thuyết 

 H1 :  2  0

 X  aX  b
*
3. Nếu ac>0 và  * thì r(X*,Y*) = r(X,Y)

  cY  d
Y
4. Nếu X,Y độc lập thì r(X,Y) = 0

H 0 : r  0
2
ng
hay giả thuyết tƣơng đƣơng 


 H1 : r  0
2
5. Hệ số tƣơng quan chỉ mức độ phụ thuộc
tuyến tính giữa X và Y
o
du
u
cu
Để kiểm định giả thiết này ta có thể chọn một Ta có miền bác bỏ :
trong hai thống kê sau làm TCKĐ:
ESS n  2 W   f tn : f tn  f  (1, n  2)
F .
RSS 2  1 Trong trƣờng hợp H0 bị bác bỏ, chấp nhận H1
r2 n  2 ta có thể nói rằng hàm hồi quy đƣa ra là phù
F . hợp
1 r 2 2 1
Nếu giả thuyết H0 đúng thì F ~ F(1,n-2)
12/5/2014
§2.5 Phân tích hồi quy và dự báo §2.5 Phân tích hồi quy và dự báo
Xét MHHQTT cổ điển và hàm hồi quy mẫu : Khi X = X0 ta có: Yˆ0  ˆ1  ˆ2 X 0
Yi  1   2 X i  U i (2.1) 1 (X  X )2  1 ( X  X )2 
Var (Yˆ0 )   2   0 2   ˆ 2   0 2 
Yî  ˆ1  ˆ2 X i (2.2)  n  xi   n  xi 
 1 ( X  X )2   1 ( X  X )2 
Vấn đề đặt ra : cần dự báo giá trị trung bình Var (Y0  Yˆ0 )   2 1   0 2   ˆ 2 1   0 2 
E(Y/X0) và giá trị cá biệt Y0 khi X=X0  n  xi   n  xi 
om
.c
ng
§2.5 Phân tích hồi quy và dự báo
co §2.5 Phân tích hồi quy và dự báo
2.5.1 Dự báo giá trị trung bình :  Yˆ  E (Y / X 0 ) 

an
P 0  t  (n  2)   1    
Xây dựng thống kê:  se (Yˆ) 
 0 2 
Yˆ0  E (Y / X 0 )  
th
T
se(Yˆ0 )
~ T (n  2) P Yˆ0  t (n  2).se(Yˆ0 )  E (Y / X 0 )  Yˆ0  t (n  2).se(Yˆ0 )   
 2 2 
Chọn phân vị t (n  2)
Ta có khoảng tin cậy (1-) của E(Y/X0):
ng
2
ˆ 
PT  t / 2 (n  2)  1      Y0  t (n  2).se(Yˆ0 ) ; Yˆ0  t (n  2).se(Yˆ0 ) 
 
 
o
2 2
du
u
cu
2.5.2 Dự báo giá trị cá biệt :  Y0  Yˆ0 

P  t (n  2)   1    
Xây dựng thống kê:  se(Y  Yˆ )  
 0 0 2 
Y0  Yˆ0  
T ~ T (n  2) P Yˆ0  t (n  2).se(Y0  Yˆ0 )  Y0  Yˆ0  t (n  2).se(Y0  Yˆ0 )   
se(Y0  Yˆ0 )
 2 2 
Chọn phân vị t  (n  2)
2
Ta có khoảng tin cậy (1-) của Y0:
PT  t / 2 (n  2)  1     ˆ 
 Y0  t (n  2).se(Y0  Yˆ0 ) ; Yˆ0  t (n  2).se(Y0  Yˆ0 ) 
 
 2 2 
12/5/2014
BÀI TẬP 1 BÀI TẬP 1
Trong đó:
Điều tra doanh số bán ra và chi phí dành Xi : chi phí dành cho quảng cáo trong 1 tháng
cho quảng cáo hàng tháng của 10 cửa của cửa hàng thứ i
hàng cùng kinh doanh nhóm hàng điện tử, Yi : doanh số bán ra trong 1 tháng của cửa
ta có số liệu sau (đơn vị: triệu đồng) hàng thứ i.
Yi 40 44 46 48 52 58 60 68 74 80 1. Dựa vào bảng số liệu trên và phƣơng
Xi 5 6 6 7 8 10 11 12 13 15
Yî  ˆ1  ˆ2 X i
om
.c
ng
BÀI TẬP 1
co
Trong đó:
Chương 3
an
Xi : chi phí dành cho quảng cáo trong 1 tháng

của cửa hàng thứ i MÔ HÌNH HỒI QUY NHIỀU BIẾN
Yi : doanh số bán ra trong 1 tháng của cửa
th
hàng thứ i.
1. Dựa vào bảng số liệu trên và phƣơng
ng

Yî  ˆ1  ˆ2 X i
o
du
u
cu
Chương 3
Chương 3 §3.1 Mô hình hồi quy nhiều biến và
MÔ HÌNH HỒI QUY NHIỀU BIẾN phƣơng pháp bình phƣơng nhỏ nhất
3.1.1 Mô hình hồi quy nhiều biến

3.1 Mô hình hồi quy nhiều biến
Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui (3.1)
3.2 Phƣơng pháp bình phƣơng nhỏ nhất Trong đó:
Yi giá trị của biến phụ thuộc Y ( i  1, n )
3.3 Ƣớc lƣợng và kiểm định giả thiết 1 hệ số chặn (hệ số tự do)
j hệ số góc (hệ số hồi quy riêng) của biến
3.4 Phân tích hồi quy và dự báo giải thích Xj ( j = 2, k )
Ui sai số ngẫu nhiên
12/5/2014
§3.1 Mô hình hồi quy nhiều biến và §3.1 Mô hình hồi quy nhiều biến và
Mô hình hồi quy mẫu xây dựng dựa trên mẫu Ta ký hiệu
ngẫu nhiên kích thƣớc n (Yi , X 2i , X 3i ,..., X ki ), i  1, n  Y1   1 
 
 U1   1 X 21 X 31 ... X k 1 
     
Y    U   1 X 22 X 32 ... X k 2 
  2
Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki (3.2) Y  2
... ...
U  2
...
X 
... ... ... ... ... 
       
 Yn   k  U n   1 X 2n X 3n ... X kn 
Trong đó:
Thì mô hình hồi quy tổng thể (3.1) có thể biểu
Yî ƣớc lƣợng của Yi ( i  1, n )
diễn dƣới dạng ma trận:
ˆ j ƣớc lƣợng của hệ số hồi quy tổng thể
 j ( j  1, k ) Y  X  U (3.3)
om
.c
ng
co
Tƣơng tự, nếu ta ký hiệu 3.1.2 Các giả thiết cơ bản của MHHQ nhiều biến
an
 Yˆ1   ˆ1 
   
 Yˆ   ˆ 
ˆ
Y  2 ˆ   2 
 ...   ...  Giả thiết 1. Các biến giải thích Xj (j = 2, k ) không
th
 Yˆ   ˆ 
 n  k phải biến ngẫu nhiên, giá trị của chúng là xác
Thì mô hình hồi quy mẫu (3.2) có thể biểu diễn định
ng
dƣới dạng ma trận nhƣ sau:

Ŷ  Xˆ (3.4)
o
du
u
cu
Giả thiết 2. Kỳ vọng toán của các sai số ngẫu Giả thiết 4. Hạng ma trận X bằng k
nhiên Ui bằng không rg(X) = k
E (Ui )  E (U / X i )  0 (i ) Giả thiết này có nghĩa giữa các biến Xj không có
hiện tƣợng cộng tuyến hay các cột của ma trận
X độc lập tuyến tính
Giả thiết 3.
 2 (i  j )
E (U i .U j )  
Giả thiết 5. Ui ~ N (0,  ) (i )
2
0 (i  j )
12/5/2014
3.1.3 Phương pháp bình phương nhỏ nhất
Ta ký hiệu các phần dƣ ei:
Xét hàm hồi quy tổng thể và hàm hồi quy mẫu ei  Yi  Yî
Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui (3.1) Các phần dƣ này cũng có thể biểu diễn dƣới
dạng ma trận nhƣ sau:
Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki (3.2)
hoặc ở dạng ma trận  e1   Y1   Yˆ1 
     
 e   Y   Yˆ 
Y  X  U (3.3) e   2    2    2   Y  Ŷ  Y  Xˆ
... ...
     ... 
Ŷ  Xˆ (3.4)  e   Y   Yˆ 
om
 n  n  n
.c
ng
co
Theo phƣơng pháp bình phƣơng nhỏ nhất, khi

Ta có e 2
 eT e
an
xây dựng hàm hồi quy mẫu, các hệ số hồi quy (eT e)
mẫu ˆ j phải đƣợc xác định sao cho tổng bình e 2
i  min 
ˆ
0
th
phƣơng các phần dƣ đạt giá trị nhỏ nhất, tức là:
Giải phƣơng trình trên ta đƣợc:
 ei2  min ˆ  X T X  . X TY
1
ng
(3.5)
o
du
u
cu
Ma trận XTX đƣợc xác định nhƣ sau:

ˆ  X T X  . X TY
1
(3.5)
 1 1 ... 1  1 X 21 ... X k1 
  
X X 22 ... X 2 n  1 X 22 ... X k 2 
XTX   21
Công thức (3.5) là công thức xác định hệ số hồi ... ... ... ...  ... ... ... ... 
  
X ... X kn  1 X 2 n ... X kn 
quy mẫu ˆ j theo phƣơng pháp bình phƣơng nhỏ  k1 X k2
nhất và các ƣớc lƣợng ˆ j đƣợc xác định theo

công thức (3.5) đƣợc gọi là các ƣớc lƣợng bình
 n
 X 2i X 3i ... X ki 

  X 2i X X X X X 
2
...
phƣơng nhỏ nhất. 
2i 2i 3i 2i ki

... ... ... ... ...
 
X  ki X 2i
X  ki X 3i
X ...  X ki2 
 ki 
12/5/2014
Chương 3
§3.1 Mô hình hồi quy nhiều biến và
VÍ DỤ 3.1
phƣơng pháp bình phƣơng nhỏ nhất
Ma trận XTY cũng đƣợc xác định tƣơng tự: Nghiên cứu mối quan hệ phụ thuộc giữa doanh
số bán ra với chi phí dành cho quảng cáo và
 1 1 ... 1  Y1    Yi 
     giá bán, ngƣời ta thu thập đƣợc các số liệu sau
X X 22 ... X 2 n  Y2    Yi X 2i 
XTY   21  đây tại 10 cửa hàng cùng kinh doanh một loại
... ... ... ...  ...   ... 

  
X
 k1 X k2 ... X kn  Yn    Yi X ki  mặt hàng:
Yi 84 90 92 96 100 108 120 126 130 136
Xi 8 9 10 9 10 12 13 14 14 15
om
Zi 9 8 8 7 7 8 7 7 6 6
.c
Trong đó:
ng  67740 2106 5964 
co 1  
 X X
1 1 T
Yi: doanh số bán ra trong một tháng của cửa
T
 X X  2106 81 162 
XT X 1944 
hàng thứ i (triệu đồng)  5964 162 564 
Xi: chi phí dành cho quảng cáo trong một tháng
an
của cửa hàng thứ i (triệu đồng)

Zi: giá bán của cửa hàng thứ i (ngàn  67740 2106 5964  1082   69, 53704 
1     
 
1
đồng/1sản phẩm) ˆ  XT X .XT Y  2106 81 162  12746   6, 08333 
th
1944 
Bằng phƣơng pháp bình phƣơng nhỏ nhất và dựa  5964 162 564  7766   4, 20370 
  
vào số liệu trên, hãy xây dựng hàm hồi quy mẫu
dƣới dạng sau:
ng
Ŷi  69, 53704  6, 08333Xi  4, 20370Zi

ˆ ˆ ˆ X ˆ Z
Yi 1 2 i 3 i
o
du
u
cu
Đáp số: Ý nghĩa của các hệ số hồi quy

  Yi   1082 
     2  6.08333 : Khi giá bán không đổi, chi phí
XT Y    YX
i i    12746 
  YZ   7766  dành cho quảng cáo tăng lên 1 triệu đồng, thì
 i i  
doanh số bán ra trung bình của cửa hàng tăng
lên 6.08333 triệu đồng.
 n

 X  Z   10
i i 114 73 

XT X    Xi  X  X Z   114
2
i i i 1356 816  XT X 1944
 Z
 i  Z X  Z   73
i i
2
i 816 541  3  4.2037 : Khi chi phí dành cho quảng cáo
không đổi, giá bán tăng lên 1ngàn đồng/ 1 đv
 A11 A 21 A 31   67740 2106 5964  sản phẩm, thì doanh số bán ra trung bình của
T X   A A  
A 32    2106

X  12 22 81 162  cửa hàng giảm xuống 4.2037 triệu đồng.
A A   5964 162 
 13 23 A 33   564 
12/5/2014
3.1.4 Các tính chất của ước lượng BPNN 2. Giá trị trung bình của các giá trị Yî đƣợc xác định
theo hàm hồi quy mẫu bằng giá trị trung bình của
1. Đƣờng hồi quy mẫu đi qua điểm trung bình biến phụ thuộc, tức là:
mẫu (Y , X 2 ,... X k ) , tức là: 1
Yˆ   Yî  Y
Y  ˆ1  ˆ 2 X 2  ...  ˆ k X k n
3. Tổng các phần dƣ của hàm hồi quy mẫu bằng 0:
trong đó:
1 1 e i 0
Y  Yi Xj  X ji ( j  2, k )
om
n n
.c
ng
co
an
6. (Định lý Gauss – Markov): Với các giả thiết

4. Các phần dƣ ei không tƣơng quan với Yî :
của mô hình hồi quy tuyến tính cổ điển thì các
 e Yˆ  0 ƣớc lƣợng bình phƣơng nhỏ nhất ˆ j là các ƣớc
th
i i
lƣợng tuyến tính, không chệch và có phƣơng sai

5. Các phần dƣ ei không tƣơng quan với X ji :
nhỏ nhất trong lớp các ƣớc lƣợng tuyến tính,
e X 0 ( j  2, k ) không chệch của  j ( j  1, k ) .
ng
i ji
o
du
u
cu
3.2.1 Ma trận hiệp phương sai của hệ số hồi
Xét hàm hồi quy tổng thể và hàm hồi quy quy mẫu
mẫu Ma trận hiệp phƣơng sai của hệ số hồi quy
Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui (3.1) mẫu, kí hiệu cov(ˆ ) , là ma trận đƣợc xác định
Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki (3.2) nhƣ sau:
cov( ˆ )  E[( ˆ   )( ˆ   )T ] (3.6)
12/5/2014
 Var ( ˆ1 ) cov( ˆ1 , ˆ2 ) ... cov( ˆ1 , ˆk )  Có thể chứng minh đƣợc rằng:
 
ˆ  cov( ˆ2 , ˆ1 ) Var ( ˆ2 ) ... cov( ˆ2 , ˆk ) 
cov(  )   
cov( ˆ )   2 ( X T X )1
(3.7)
 ... ... ... ...  (3.8)
 ˆ ˆ ˆ ˆ ... Var ( ˆk ) 
 cov(  k , 1 ) cov(  k ,  2 )
Ma trận hiệp phƣơng sai của các hệ số hồi quy Do vậy ta có:
mẫu là ma trận vuông cấp k, đối xứng qua 2
Var ( ˆ j )  T Ajj (3.9)
đƣờng chéo chính và phần tử thứ j trên đƣờng X X
chéo chính là phƣơng sai của ˆ j
om
.c
ng
co
Trong thực hành ngƣời ta thƣờng sử dụng

an
Trong thực hành khi sử dụng công thức (3.8) và

(3.9), do phƣơng sai chƣa biết, nên ngƣời ta công thức sau đây để xác định  ei2 :
e
thƣờng thay  2 bằng ƣớc lƣợng không chệch 2
 eT e  Y TY  ˆ T X TY
th
của nó là: i (3.11)

Nếu khai triển công thức (3.11) ta đƣợc:
ˆ 2  
ei2
ng
(3.10)
 
nk
e  Y
2
i i
2
 ˆ1 Yi  ˆ2 Yi X 2i  ...  ˆk Yi X ki (3.12)
o
du
u
cu
3.2.2 Khoảng tin cậy của các hệ số hồi quy ˆ j   j

T ~ T (n  k ) ( j  1, k )
se( ˆ j )
Từ giả thiết 5 về phân phối chuẩn của sai số
 ˆ j   j 
ngẫu nhiên, có thể suy ra: P  t  (n  k )   1  
 se( ˆ j ) 
ˆ j ~ N (  j ,Var ( ˆ j )) ( j  1, k )  2 
 
Do  ta chƣa biết mà phải thay bằng ƣớc lƣợng
2
P ˆ j  t (n  k ).se( ˆ j )   j  ˆ j  t (n  k ).se( ˆ j )   1    
không chệch của nó là ˆ 2 , nên  2 2 
ˆ j   j ˆ 
T ~ T (n  k ) ( j  1, k )   j  t (n  k ).se( ˆ j ) ; ˆ j  t (n  k ).se( ˆ j ) 
se( ˆ j )
 
 2 2 
12/5/2014
3.2.3 Kiểm định giả thiết về các hệ số hồi quy 3.2.3 Kiểm định giả thiết về các hệ số hồi quy
Giả sử với mức ý nghĩa  cho trƣớc ta cần kiểm Ta xây dựng tiêu chuẩn kiểm định
định giả thiết:
ˆ j   *j
H 0 :  j   j
 *
T
 se( ˆ j )
H 1 :  j   j
 (  j   *j ,  j   *j )
*
Nếu H0 đúng thì T~T(n-k)
om
.c
ng
§3.2 Khoảng tin cậy và kiểm định giả §3.3 Phân tích phƣơng sai và kiểm định
co
thiết về các hệ số hồi quy giả thiết đồng thời
3.3.1 Hệ số xác định bội

an
Loại gt H0 H1 W Xét hàm hồi quy tổng thể và hàm hồi quy mẫu:
th
Hai phía j   j   W   t : t  t / 2 (n  k )  Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui (3.1)

* *
j j
j   j   W   t : t  t (n  k )  Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki

* *
Trái (3.2)
ng
j j
Phải  j   j*  j   *j W   t : t  t (n  k ) 
o
du
u
cu
giả thiết đồng thời giả thiết đồng thời
1. TSS   (Yi  Y )2 Định nghĩa 1: Hệ số xác định bội R2

đƣợc định nghĩa nhƣ sau:
2. ESS   (Yî  Yˆ ) 2   (Yî  Y ) 2
ESS RSS
3. RSS   (Y  Yˆ ) 2i i R2 =  1
TSS TSS
Tƣơng tự trƣờng hợp hồi quy 2 biến ta có hệ
thức sau:
TSS  ESS  RSS
12/5/2014
Trong thực hành ta có thể sử dụng công thức: 1. 0  R2  1

- Nếu R2 = 1, hàm hồi quy có thể coi là hoàn hảo
ˆ X Y  n Y
T T 2
R2  2
- Nếu R2 = 0, hàm hồi quy đƣa ra là không phù hợp
Y T Y  nY Vì thế R2 đƣợc dùng làm thƣớc đo mức độ phù hợp
Nếu khai triển ta đƣợc của hàm hồi quy
ˆ1  Yi  ˆ2  Yi X 2i  ...  ˆk  Yi X ki  nY

2
2. R2 là hàm không giảm, phụ thuộc vào số biến
R2  giải thích có trong mô hình
Y
2
 nY
om
2
i
.c
ng
co
an
Tuy nhiên không thể dùng R2 làm tiêu chuẩn để Định nghĩa 2: Hệ số xác định bội đã điều chỉnh,
xét việc đƣa thêm hay không đƣa thêm biến độc ký hiệu R đƣợc định nghĩa nhƣ sau:
2
th
lập mới vào mô hình mà phải dùng hệ số xác

định bội đã điều chỉnh 2 n 1
R  1  (1  R 2 )
nk
o ng
du
u
cu
2
R có các tính chất: Vậy khi nào cần đƣa thêm biến độc lập mới vào
2 2
1. Nếu k > 1 thì R  R 2  1 và R cũng là hàm mô hình? Có thể chứng minh đƣợc rằng việc
không giảm đối với số biến giải thích có trong đƣa thêm biến giải thích mới vào mô hình là cần
2
mô hình
2
thiết chừng nào R còn tăng lên và hệ số hồi quy
2. R có thể nhận giá trị âm dù R2 luôn dƣơng của biến mới Xj là j  0
12/5/2014
Ta xây dựng tiêu chuẩn kiểm định:

3.3.2 Kiểm định giả thiết đồng thời
Xét giả thiết R2 n  k
F .
H 0 :  2   3  ...   k  0 1  R2 k 1
 Nếu H0 đúng thì F~F(k-1, n-k)
H1 :  Ýt nhÊt mét hÖ sè  j  0 ( j  2, k )
hay giả thiết tƣơng đƣơng là 
H 0 : R  0
2 P( F  f (k  1, n  k ))  


 H1 : R  0
2
W  ftn : ftn  f (k  1, n  k )
om
.c
ng
Bài toán đặt ra: với các giá trị cho trƣớc của biến
an
Xét hàm hồi quy tổng thể và hàm hồi quy mẫu giải thích X2=X20, X3=X30, ..., Xk=Xk0 hoặc có thể
Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui (3.1) ký hiệu  1 
 
Yî  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki
th
(3.2)  X 20 
X 0   X 30 
 
hoặc ở dạng ma trận  ... 
 
 X k0 
Y  X  U
ng
(3.3)
cần dự báo giá trị trung bình E(Y/X0) hoặc giá trị
Ŷ  Xˆ (3.4)
cá biệt Y=Y0 khi X=X0
o
du
u
cu
3.4.1 Dự báo giá trị trung bình Do  chƣa biết nên thống kê
2
Với độ tin cậy  = 1 –  cần dự báo E(Y/X0) Yˆ0  E (Y / X 0 )

T ~ T (n  k )
se(Yˆ0 )
Ƣớc lƣợng điểm của E(Y/X0) là:
Yˆ0  X 0T .ˆ  ˆ1  ˆ2 X 20  ˆ3 X 30  ...  ˆk X k 0 ta tìm giá trị phân vị t / 2 (n  k ) sao cho:
PT  t / 2 (n  k )  1    
12/5/2014
PT  t / 2 (n  k )  1    
 Yˆ  E (Y / X 0 )  Trong đó
P 0  t / 2 (n  k )   1    
 se(Yˆ0 )  Var (Yˆ0 )  X 0T . cov(ˆ ).X 0   2 .X 0T .( X T X )1 X 0
 
 
P Yˆ0  t / 2 (n  k ).se(Yˆ0 )  E (Y / X 0 )  Yˆ0  t / 2 (n  k ).se(Yˆ0 )  1     se(Yˆ0 )  Var (Yˆ0 )   X 0T .( X T X )1 X 0
Yˆ  t
0  /2 (n  k ).se(Yˆ0 ) ; Yˆ0  t/ 2 (n  k ).se(Yˆ0 ) 
om
.c
ng
3.4.2 Dự báo giá trị cá biệt Hoàn toàn tƣơng tự ta xây dựng thống kê
an
Với độ tin cậy  cần dự báo giá trị Y=Y0 khi X=X0 Y  Yˆ
T  0 0 ~ T (n  k )
se(Y0  Yˆ0 )
th
Ƣớc lƣợng điểm của Y0 vẫn là:

Bằng phép biến đổi tƣơng đƣơng ta cũng suy
ra đƣợc khoảng tin cậy của Y0 là
ng
Yˆ0  X .ˆ  ˆ1  ˆ2 X 20  ˆ3 X 30  ...  ˆk X k 0

T
0

Yˆ  t (n  k ).se(Y  Yˆ ) ; Yˆ  t (n  k ).se(Y  Yˆ )
0  /2 0 0 0  /2 0 0 
o
du
u
cu
Trong đó Ví dụ: Xét tiếp ví dụ 3.1. Với độ tin cậy  = 0,98

Var (Y0  Yˆ0 )  Var (Yˆ0 )   2 hãy dự báo doanh số bán ra trung bình trong
một tháng của các cửa hàng có chi phí dành
cho quảng cáo là 10 triệu đồng/ tháng và giá
se(Y0  Yˆ0 )  Var (Y0  Yˆ0 )
bán là 8 ngàn đồng/ đ.vị.
12/5/2014
Chương 3
Chương 4
MÔ HÌNH HỒI QUY VỚI BIẾN GIẢ
Xét tiếp ví dụ 3.1. Với độ tin cậy  = 0,98 hãy
dự báo doanh số bán ra trong một tháng của
cửa hàng có chi phí dành cho quảng cáo là 10
triệu đồng/ tháng và giá bán là 8 ngàn đồng/
đ.vị.
om
.c
ng
Chương 4
Chương 4
co §4.1 Mô hình hồi quy với biến giả
MÔ HÌNH HỒI QUY VỚI BIẾN GIẢ
4.1.1 Khái niệm về biến giả

an
4.1 Mô hình hồi quy với biến giả Biến số lượng: Giá trị của các biến đó đƣợc
biểu thị bằng số (ví dụ: thu nhập, doanh số…)
th
4.2 Ứng dụng của mô hình hồi quy với biến giả
Biến chất lượng: Biểu thị những thuộc tính
ng
nào đó (ví dụ: giới tính, nghề nghiệp…)

o
du
u
cu
§4.1 Mô hình hồi quy với biến giả §4.1 Mô hình hồi quy với biến giả
Vậy biến giả là gì? Là biến chất lƣợng đã đƣợc

Để biểu thị mức độ ảnh hƣởng của các biến lƣợng hóa, các giá trị có thể có của biến giả chỉ
chất lƣợng tới biến phụ thuộc, ta cần lƣợng hóa là 2 giá trị 0 và 1. Nó chỉ ra có hay không có
các tiêu thức, thuộc tính này bằng cách sử một thuộc tính nào đó.
dụng biến giả
VD: Để biểu thị giới tính, ta sử dụng biến giả Z
và quy ƣớc:
-Z=0 Nam
-Z=1 Nữ
12/5/2014
4.1.2 MHHQ với biến chất lượng có 2 phạm trù Yi  1  2 Zi  Ui (4.1)
Giả sử một xí nghiệp sản xuất có thể áp dụng 2 Trong đó:

công nghệ sản xuất A và B, năng suất của mỗi Yi: năng suất của xí nghiệp
công nghệ là ĐLNN phân phối theo quy luật Ui: sai số ngẫu nhiên
chuẩn có phƣơng sai bằng nhau, nhƣng kỳ Zi: biến giả biểu thị công nghệ sản xuất đƣợc
vọng toán có thể khác nhau áp dụng và có thể quy ƣớc:
- Zi = 0 công nghệ sản xuất A
om
- Zi = 1 công nghệ sản xuất B
.c
ng
§4.1 Mô hình hồi quy với biến giả
Với giả thiết E(Ui) = 0 đƣợc thỏa mãn thì Với giả thiết E(Ui) = 0 đƣợc thỏa mãn thì
an
E (Yi / Zi  0)  1 (4.2) E (Yi / Zi  0)  1 (4.2)

E (Yi / Zi  1)  1   2 (4.3) E (Yi / Zi  1)  1   2 (4.3)
th
-(4.2) cho biết khi áp dụng công nghệ sản xuất

A, năng suất trung bình của xí nghiệp là 1
- Nhƣ vậy 2 là sự chênh lệch (khác nhau) về
ng
-(4.3) cho biết khi áp dụng công nghệ sản xuất năng suất khi chuyển từ công nghệ sản xuất A
B, năng suất trung bình của xí nghiệp là 1 + 2 sang công nghệ sản xuất B
o
du
u
cu
4.1.3 MHHQ với biến chất lượng có nhiều hơn

Giả sử xí nghiệp nọ ngoài công nghệ sản xuất
2 phạm trù
A và B còn có thể áp dụng công nghệ sản xuất
Nếu kí hiệu số phạm trù là m thì số biến giả cần C, khi đó ta cần sử dụng 2 biến giả là Z1i và Z2i
đƣa vào mô hình (để lƣợng hóa biến chất và mô hình hồi quy tổng thể sẽ có dạng sau:
lƣợng) sẽ là m – 1
Yi  1   2 Z1i  3 Z 2i  U i (4.4)
12/5/2014
Yi  1   2 Z1i  3 Z 2i  U i (4.4) Với giả thiết E(Ui) = 0 đƣợc thỏa mãn thì
Z1i Z2i
E (Yi / Z1i  Z 2i  0)  1
E (Yi / Z1i  1, Z 2i  0)  1   2
Yi: biến phụ thuộc (năng suất) A 0 0
Ui: sai số ngẫu nhiên E (Yi / Z1i  0, Z 2i  1)  1   3
Z1i, Z2i: biến giả biểu thị các công B 1 0
nghệ sản xuất đƣợc áp dụng
C 0 1
om
.c
ng
E (Yi / Z1i  Z 2i  0)  1
an
-Năng suất trung bình của xí nghiệp khi áp E (Yi / Z1i  1, Z 2i  0)  1   2

dụng công nghệ sản xuất A là 1 E (Yi / Z1i  0, Z 2i  1)  1   3
th
- Năng suất trung bình của xí nghiệp khi áp -  2: chênh lệch (khác nhau) về năng suất khi
dụng công nghệ sản xuất B là 1 + 2 chuyển từ CNSX A sang CNSX B
ng
- Năng suất trung bình của xí nghiệp khi áp

-  3: chênh lệch (khác nhau) về năng suất khi
dụng công nghệ sản xuất C là 1 + 3
chuyển từ CNSX A sang CNSX C
o
du
u
cu
Yi  1   2 Z1i  3 Z 2i  U i (4.4) Chú ý
Phạm trù ứng với các giá trị bằng 0 của các biến
H0: 2 = 3 = 0 giả đƣợc gọi là phạm trù cơ sở.
Nếu ở mức ý nghĩa  nào đó ta không bác bỏ Phạm trù cơ sở hiểu theo nghĩa là việc so sánh
đƣợc H0 thì điều này có nghĩa (ở mức ý nghĩa  đƣợc tiến hành với phạm trù này
đó) các công nghệ sản xuất khác nhau cho năng
suất nhƣ nhau
12/5/2014
4.1.4 MHHQ với nhiều biến chất lượng Xét mô hình hồi quy biểu thị nhu cầu về may
mặc của nam, nữ thanh niên thuộc các nghề
Giả sử MHHQ có k biến giải thích là biến chất nghiệp khác nhau: công nhân, nông dân, tiểu
lƣợng, số phạm trù của Xj là mj thƣơng, sinh viên.
Tổng số biến giả cần thiết để biểu thị các biến Số biến giả cần đƣa vào mô hình sẽ là:
chất lƣợng cần đƣa vào mô hình sẽ là:
(2 – 1) + (4 – 1) = 4
 (m  1)
om
j
.c
ng
4.1.5 MHHQ hỗn hợp

an
Z1i Z2i Z3i Z4i

Nam SV 0 0 0 0
Nữ SV 1 0 0 0
th
Nam CN 0 1 0 0 Là mô hình hồi quy mà trong đó có cả biến số

Nữ CN 1 1 0 0 lƣợng lẫn biến chất lƣợng, biến chất lƣợng sẽ
Nam ND 0 0 1 0 đƣợc biểu thị bằng biến giả theo quy tắc nhƣ
ng
Nữ ND 1 0 1 0
đã nói ở trên.
Nam TT 0 0 0 1
Nữ TT 1 0 0 1
o
du
u
cu
Chương 4
§4.1 Mô hình hồi quy với biến giả VÍ DỤ 4
Điều tra về mức chi tiêu cho may mặc của

nam, nữ công nhân ở một nhà máy, ngƣời ta
thu đƣợc số liệu sau:
Việc phân tích hồi quy mối quan hệ giữa biến
phụ thuộc với các biến giải thích (bao gồm cả Yi 3.32 3.68 3.4 3.8 3.48 3.84 3.64 3.96
biến số lƣợng và biến giả), đƣợc tiến hành
tƣơng tự nhƣ đối với mô hình hồi quy nhiều Xi 10.8 10.8 12.0 12.0 13.2 13.2 14.4 14.4
biến Zi 0 1 0 1 0 1 0 1
12/5/2014
Chương 4
Trong đó: §4.2 Ứng dụng của MHHQ với biến giả
Yi: mức chi tiêu cho may mặc trong một năm
(triệu đồng)
Xi: mức thu nhập trong một năm (triệu đồng) 4.2.1 So sánh 2 hồi quy
Zi: là biến giả biểu thị giới tính, trong đó:
Zi = 0: nam Zi = 1: nữ
Có 2 tập số liệu khác nhau tƣơng ứng với 2
Bằng phƣơng pháp bình phƣơng nhỏ nhất và dựa
mẫu khác nhau nhƣng đều cùng liên quan đến
vào số liệu trên, hãy xây dựng hàm hồi quy mẫu
1 biến phụ thuộc và 1 số biến giải thích nào đó.
dƣới dạng sau:
ˆ ˆ ˆ X ˆ Z
om
Yi 1 2 i 3 i
.c
ng
Chương 4
§4.2 Ứng dụng của MHHQ với biến giả
co
an
Yi  1  2 X i  U i (*)
Yi   1   2 X i  U i (**)
Bài toán đặt ra ở đây: có thể xây dựng 1 mô
hình hồi quy duy nhất dựa trên cả 2 tập số liệu
th
đó hay không hay phải xây dựng 2 mô hình hồi

quy khác nhau, mỗi hồi quy dựa trên 1 tập số
ng
liệu?
o
du
u
cu
§4.2 Ứng dụng của MHHQ với biến giả §4.2 Ứng dụng của MHHQ với biến giả
Yi  1  2 X i  3Zi  4  X i Zi   Ui (4.5) Với giả thiết E(Ui) = 0 đƣợc thỏa mãn thì
E (Yi / Zi  0, X i )  1   2 X i
Yi: biến phụ thuộc
E (Yi / Zi  1, X i )  ( 1   3 )  (  2   4 ) X i
Xi: biến giải thích là biến số lƣợng
Ui: sai số ngẫu nhiên
Zi: biến giả đƣợc quy ƣớc -  3: chênh lệch (khác nhau) về hệ số chặn
Zi = 0 Số liệu thuộc mẫu I -  4: chênh lệch (khác nhau) về hệ số góc

Zi = 1 Số liệu thuộc mẫu II
12/5/2014
§4.2 Ứng dụng của MHHQ với biến giả §4.2 Ứng dụng của MHHQ với biến giả
Yi  1  2 X i  3Zi  4  X i Zi   Ui (4.5) 4.2.2 Phân tích thời vụ (mùa)

H0: 3 = 4 = 0
Nếu ở mức ý nghĩa  nào đó ta không bác bỏ Yếu tố thời vụ (mùa) là yếu tố có nhiều ảnh
đƣợc H0 thì điều này có nghĩa (ở mức ý nghĩa  hƣởng đến một số các đại lƣợng kinh tế nhƣ
đó) không có sự chênh lệch cả về hệ số chặn và nhu cầu về một số mặt hàng, doanh số bán ra,
hệ số góc khi chuyển từ mẫu I sang mẫu II, tức sản lƣợng một số loại nông sản …
là có thể gộp 2 tập số liệu đƣợc.
om
.c
ng
§4.2 Ứng dụng của MHHQ với biến giả
co §4.2 Ứng dụng của MHHQ với biến giả
an
Yi  1  2 X i  3Z1i  4 Z2i  5Z3i  Ui (4.7)
Thí dụ, nhu cầu tiêu dùng hàng may mặc chịu
th
Z Z Z
ảnh hƣởng của yếu tố thu nhập và yếu tố mùa Yi: nhu cầu tiêu dùng i
1
i
2
i
3
mà ta có thể coi là thay đổi theo các quý trong hàng may mặc I 0 0 0
năm Xi: thu nhập II 1 0 0
ng
Z1i, Z2i, Z3i : biến giả đƣợc quy ƣớc

III 0 1 0
IV 0 0 1
o
du
u
cu
§ 4.2 Ứng dụng của MHHQ với biến giả §4.2 Ứng dụng của MHHQ với biến giả
Với giả thiết E(Ui) = 0 đƣợc thỏa mãn thì 4.2.3 Hồi quy tuyến tính từng đoạn
E(Y / Z1i  Z2i  Z3i  0; X i )  1   2 X i
E(Y / Z1i  1, Z2i  Z3i  0; X i )  (1  3 )   2 X i
E(Y / Z2i  1, Z1i  Z3i  0; X i )  (1   4 )   2 X i
E(Y / Z1i  Z2i  0, Z3i  1; X i )  (1  5 )   2 X i

X t0
12/5/2014
§ 4.2 Ứng dụng của MHHQ với biến giả § 4.2 Ứng dụng của MHHQ với biến giả
Yt  1   2 X t  3 ( X t  X t0 )Zt  Ut Với giả thiết E(Ui) = 0 đƣợc thỏa mãn thì
E(Y / Zt  0, X t )  1   2 X t
Yt: biến phụ thuộc (năng suất)
Ut: sai số ngẫu nhiên  
E(Y / Zt  1, X t )  1   3 X t0   2   3 X t
Xt0: giá trị biến X tại thời điểm t = t0
Z: biến giả đƣợc quy ƣớc
0 t  t0 -  3: chênh lệch (khác nhau) về hệ số góc
Zt  
1 t  t0
om
.c
ng
§ 4.2 Ứng dụng của MHHQ với biến giả
co§ 4.2 Ứng dụng của MHHQ với biến giả
E(Y / Zt  0, X t )  1   2 X t
an
 
E(Y / Zt  1, X t )  1   3 X t0   2   3 X t Trong trƣờng hợp có nhiều hơn một thời điểm
chuyến đổi, chẳng hạn ngoài thời điểm chuyển
H0: 3 = 0
th
đổi t0 còn có thời điểm chuyển đổi thứ hai t1 >

t0 thì có thể đề nghị mô hình hồi quy tuyến tính
Nếu ở mức ý nghĩa  nào đó ta không bác bỏ từng đoạn nhƣ sau:
đƣợc H0 thì điều này có nghĩa (ở mức ý nghĩa 
ng
đó) tốc độ biến thiên của Y phụ thuộc X không

có gì khác trƣớc và sau thời điểm chuyển đổi
o
du
u
cu
Chương 4
§ 4.2 Ứng dụng của MHHQ với biến giả
Chương 5
   
Yt  1   2 X t  3 X t  X t0 Z1t   4 X t  X t1 Z 2t  U t (4.8) PHƢƠNG SAI CỦA SAI SỐ
THAY ĐỔI
0 t  t0
Z1t  
1 t  t0
0 t  t1
Z 2t  
1 t  t1
12/5/2014
Chương 5
Chương 5 §5.1 Phƣơng sai của sai số thay đổi –
PHƢƠNG SAI CỦA SAI SỐ THAY ĐỔI Nguyên nhân và hậu quả
5.1.1 Hiện tượng phương sai của sai số thay
5.1 Phƣơng sai của sai số thay đổi – đổi và nguyên nhân
Nguyên nhân và hậu quả
Xảy ra khi giả thiết Var(Ui) = 2 (i) bị vi phạm,
tức là
5.2 Phát hiện phƣơng sai của sai số thay đổi
5.3 Khắc phục phƣơng sai của sai số thay đổi Var(Ui) = i2 với i2 là khác nhau
om
.c
ng
§5.1 Phƣơng sai của sai số thay đổi – §5.1 Phƣơng sai của sai số thay đổi –
co
Nguyên nhân và hậu quả Nguyên nhân và hậu quả
5.1.2 Hậu quả của hiện tượng phương sai
an
Nguyên nhân của sai số thay đổi
- Do bản chất của các mối liên hệ giữa các đại

th
lƣợng kinh tế - Các ƣớc lƣợng BPNN ˆ j vẫn là các ƣớc lƣợng
tuyến tính, không chệch nhƣng không còn là
hiệu quả
ng
- Do kỹ thuật thu thập và xử lý số liệu

o
du
u
cu
Chương 5
Chương 5
§5.1 Phƣơng sai của sai số thay đổi – §5.2 Phát hiện phƣơng sai của sai số
Nguyên nhân và hậu quả thay đổi
5.2.1 Phương pháp đồ thị

- Các ƣớc lƣợng của các phƣơng sai sẽ là các
ƣớc lƣợng chệch, thống kê T và F không còn Vì phần dƣ ei của hàm hồi quy mẫu chính là
có ý nghĩa. Do đó khoảng tin cậy và các kiểm ƣớc lƣợng của sai số ngẫu nhiên Ui nên dựa
định dựa trên thống kê T và F không còn đáng vào đồ thị phần dƣ (hoặc bình phƣơng phần
tin cậy nữa dƣ) đối với biến giải thích X ta có kết luận:
12/5/2014
Chương 5
§5.2 Phát hiện phƣơng sai của sai số
thay đổi
Nếu độ rộng của phần dƣ e (hay e2) tăng hay

giảm khi X tăng thì có thể nghi ngờ phƣơng sai
của sai số thay đổi. Trong trƣờng hợp nhiều
hơn 1 biến giải thích, có thể dùng đồ thị e (hoặc
e2) đối với Yî
om
.c
ng
§5.2 Phát hiện phƣơng sai của sai số §5.2 Phát hiện phƣơng sai của sai số
co
thay đổi thay đổi
5.2.2 Kiểm định Goldfield – Quant (G - Q)

an
Bƣớc 3. Ƣớc lƣợng mô hình với (n-c)/2 quan sát

Bƣớc 1. Sắp xếp các giá trị quan sát theo chiều đầu và cuối thu đƣợc RSS1 và RSS2 tƣơng ứng
tăng của biến X với bậc tự do là:
th
Bƣớc 2. Bỏ c quan sát ở giữa theo quy tắc:

nc n  c  2k
Nếu n = 30: lấy c = 4 hoặc 6. d k 
2 2
Nếu n = 60: lấy c = 10
ng
Các quan sát còn lại chia 2 nhóm, mỗi nhóm có

(n-c)/2 quan sát
o
du
u
cu
5.2.2 Kiểm định Park

Bƣớc 4. Xây dựng TCKĐ:
Park đƣa ra giả thiết
RSS1 RSS2
F  i2   2 X i 2 ev i
d d
Nếu giả thiết H0: phƣơng sai của sai số ngẫu  ln  i2  ln  2   2 ln X i  v i
nhiên không đổi đƣợc thỏa mãn thì F~F(d,d)
Vì thƣờng  i2 chƣa biết nên thay thế bởi ƣớc
lƣợng của nó là ei2
W  { f tn , f tn  f (d , d )}
ln ei2  ln  2  2 ln X i  vi
12/5/2014
Bƣớc 1. Ƣớc lƣợng hồi quy gốc để thu đƣợc

các phần dƣ ei
ln ei2  1   2 ln X i  v i
Bƣớc 2. Ƣớc lƣợng hồi quy Bƣớc 3. Kiểm định gt H0: 2 = 0

ln ei2  1   2 ln X i  v i Nếu H0 bị bác bỏ thì kết luận có phƣơng sai
Nếu có nhiều biến giải thích thì ƣớc lƣợng hồi của sai số thay đổi
quy này với từng biến giải thích hoặc với Yî
om
.c
ng
Chương 5
§5.2 Phát hiện phƣơng sai của sai số
co
thay đổi
5.2.3 Kiểm định Glejser Chương 6

an
ei  1   2 X i  vi
ei  1  2 X i  vi TỰ TƢƠNG QUAN
th
1 1
ei  1   2  vi ei  1   2  vi
Xi Xi
ng
Nếu H0 : 2 = 0 bị bác bỏ thì kết luận có phƣơng

sai của sai số thay đổi
o
du
u
cu
Chương 6
Chương 6 §6.1 Hiện tƣợng tự tƣơng quan –
TỰ TƢƠNG QUAN Nguyên nhân và hậu quả
6.1.1 Hiện tượng TTQ và nguyên nhân

6.1 Hiện tƣợng tự tƣơng quan – Nguyên nhân
và hậu quả Hiện tƣợng tự tƣơng quan xảy ra khi
6.2 Phát hiện hiện tƣợng tự tƣơng quan cov (Ui, Uj) = E (Ui.Uj)  0 i  j
6.3 Khắc phục hiện tƣợng tự tƣơng quan
12/5/2014
§6.1 Hiện tƣợng tự tƣơng quan– §6.1 Hiện tƣợng tự tƣơng quan–
U t  U t 1   t U t  U t 1   t
: hệ số tự tƣơng quan bậc 1 (hay hệ số tự

hồi quy bậc 1) Ut tuân theo lƣợc đồ tự hồi quy bậc 1, ký hiệu
AR(1)
t: nhiễu ngẫu nhiên thoả mãn mọi giả thiết
của MHHQTT cổ điển
om
.c
ng
§6.1 Hiện tƣợng tự tƣơng quan– §6.1 Hiện tƣợng tự tƣơng quan–
co
an
U t  1U t 1   2 U t 2  ...   p U t p   t U t  1U t 1   2 U t 2  ...   p U t p   t

th
Ut tuân theo lƣợc đồ tự hồi quy bậc p, AR(p)

j: hệ số tự hồi quy bậc j ( j  1, p)
t: nhiễu ngẫu nhiên thoả mãn mọi giả thiết
ng
của MHHQTT cổ điển

o
du
u
cu
§6.1 Hiện tƣợng tự tƣơng quan– §6.1 Hiện tƣợng tự tƣơng quan –
Nguyên nhân
+ Quán tính – tính chất phổ biến của các đại + Phƣơng pháp (kỹ thuật) thu thập và xử lý số
lƣợng kinh tế quan sát theo thời gian liệu
+ Hiện tƣợng mạng nhện + Sai lầm khi lập mô hình: bỏ biến (không đƣa
biến vào mô hình), dạng hàm sai...
+ Tính chất “trễ” của các đại lƣợng kinh tế
12/5/2014
§6.1 Hiện tƣợng tự tƣơng quan – §6.1 Hiện tƣợng tự tƣơng quan –
6.1.2 Hậu quả của hiện tượng tự tương quan
- Các ƣớc lƣợng của các phƣơng sai là chệch
và thông thƣờng là thấp hơn giá trị thực của
- Các ƣớc lƣợng BPNN ˆ j là các ƣớc lƣợng phƣơng sai, do đó giá trị của thống kê T đƣợc
tuyến tính, không chệch nhƣng không phải là phóng đại lên nhiều lần so với giá trị thực của
hiệu quả nữa nó
om
.c
ng
§6.1 Hiện tƣợng tự tƣơng quan – §6.2 Phát hiện tự tƣơng quan
co
Nguyên nhân và hậu quả
6.2.1 Kiểm định d (Durbin – Watson)

an
- Thống kê T và F không còn có ý nghĩa về mặt

thống kê nên việc kiểm định các giả thiết thống
kê không còn đáng tin cậy nữa Thống kê d đƣợc định nghĩa:
th
 e  et 1 
2
- Các dự báo dựa trên các ƣớc lƣợng BPNN d t 2

t
ng
không còn tin cậy nữa n
e 2
t
t 1
o
du
u
cu
§6.2 Phát hiện tự tƣơng quan §6.2 Phát hiện tự tƣơng quan
d  2(1  ˆ )
d  2(1  ˆ )
Vì -1    1 nên 0  d  4
Trong đó n
e e t t 1 Nếu  = -1 thì d = 4: TTQ ngƣợc chiều.

̂  t 2
n
e
t 1
2
t
Nếu  = 0 thì d = 2: không có TTQ.
Nếu  = 1 thì d = 0: tồn tại TTQ thuận chiều
12/5/2014
(1) (2) (3) (4) (5)
0 dl du 2 4-du 4-dl 4
Chú ý: Các giá trị dL, dU đƣợc tính sẵn phụ thuộc
mức ý nghĩa , kích thƣớc mẫu n và số biến giải
d  (1) : tồn tại tự tƣơng quan thuận chiều. thích k’ có trong mô hình (k’ = k – 1).
d  (2) : không xác định.
d  (3) : không có tự tƣơng quan.
d  (4) : không xác định.
d  (5) : tồn tại tự tƣơng quan ngƣợc chiều
om
.c
ng
co
Bƣớc 1: Ƣớc lƣợng mô hình ban đầu bằng
6.2.2 Kiểm định BG (Breush – Godfrey)
an
phƣơng pháp BPNN thông thƣờng để nhận

Yt  1   2 X t  U t đƣợc các phần dƣ et
th
Giả sử rằng:
Bƣớc 2: Cũng bằng phƣơng pháp BPNN, ƣớc
Ut  1Ut 1   2Ut 2  ...   pUt  p   t lƣợng mô hình sau để thu đƣợc hệ số xác định
ng
bội R2
H 0 : 1  2  ...   p  0 et  1   2 X t  1et 1   2 et 2  ...   p et  p  vt
o
du
u
cu
Chương 6
§6.2 Phát hiện tự tƣơng quan
Bƣớc 3: H0: 1 = 2 = … = p = 0 Chương 7

Nếu H0 đúng thì
ĐA CỘNG TUYẾN
 2  nR2 ~  2 ( p)
W  {tn2 ; tn2  2 ( p)}
12/5/2014
Chương 7
Chương 7 ĐA CỘNG TUYẾN §7.1 Đa cộng tuyến và hậu quả
7.1.1 Bản chất của đa cộng tuyến

7.1 Đa cộng tuyến và hậu quả của đa
cộng tuyến Xét mô hình hồi quy tuyến tính cổ điển nhiều
biến
7.2 Phát hiện đa cộng tuyến và biện pháp
khắc phục Yi  1   2 X 2i   3 X 3i  ...   k X ki  U i
om
.c
Chương 7
ng
Chương 7
§7.1 Đa cộng tuyến và hậu quả
co§7.1 Đa cộng tuyến và hậu quả
an
Hiện tƣợng đa cộng tuyến không toàn phần (đa

Hiện tƣợng đa cộng tuyến toàn phần xảy ra cộng tuyến) xảy ra giữa các biến giải thích X2,
giữa các biến giải thích X2, X3,..., Xk nếu tồn tại X3,..., Xk nếu tồn tại 2, 3, ..., k không đồng
th
2, 3, ..., k không đồng thời bằng 0 sao cho thời bằng 0 sao cho
2 X 2i  3 X 3i  ...  k X ki  0 i 2 X 2i  3 X 3i  ...  k X ki  vi  0 i
ng
trong đó vi là nhiễu ngẫu nhiên

o
du
u
cu
§7.1 Đa cộng tuyến và hậu quả §7.1 Đa cộng tuyến và hậu quả
7.1.2 Hậu quả của đa cộng tuyến
Trong thực tế thƣờng xảy ra đa cộng tuyến Trƣờng hợp đa cộng tuyến không toàn phần:
không toàn phần, hiếm khi xảy ra đa cộng Trong trƣờng hợp này có thể xác định đƣợc
tuyến toàn phần các hệ số hồi quy mẫu nhƣng dẫn đến các hậu
quả sau
12/5/2014
§7.1 Đa cộng tuyến và hậu quả §7.1 Đa cộng tuyến và hậu quả
1. Phƣơng sai và độ lệch tiêu chuẩn của các hệ 3. Tỷ số T mất ý nghĩa

số hồi quy mẫu sẽ rất lớn
Chẳng hạn 4. Hệ số xác định bội R2 cao nhƣng t nhỏ
2
Var ( ˆ2 ) 
 x2i (1  r232 )
2
5. Dấu các ƣớc lƣợng của các hệ số hồi quy sai

2. Khoảng tin cậy của các hệ số hồi quy rộng hơn do đó các ƣớc lƣợng BPNN trở nên rất nhạy với
những thay đổi nhỏ trong số liệu
om
.c
ng
§7.2 Phát hiện sự tồn tại đa cộng tuyến §7.2 Phát hiện sự tồn tại đa cộng tuyến
co
và biện pháp khắc phục và biện pháp khắc phục
7.2.1 Phát hiện sự tồn tại đa cộng tuyến 7.2.2 Biện pháp khắc phục đa cộng tuyến
an
1. Hệ số xác định bội R2 cao nhƣng tỷ số T thấp 1. Bỏ biến giải thích có khả năng là tổ hợp
th
2. Hệ số tƣơng quan cặp giữa các biến giải thích tuyến tính của các biến còn lại
cao 2. Thu thập số liệu và lấy mẫu mới
3. Xét hồi quy phụ 3. Kiểm tra lại mô hình
ng
4. Sử dụng nhân tử phóng đại phƣơng sai VIF 4. Đổi biến số

o
du
u
cu
Chương 8
CHỌN MÔ HÌNH VÀ KIỂM ĐỊNH VIỆC CHỌN
MÔ HÌNH
Chương 8
CHỌN MÔ HÌNH VÀ KIỂM ĐỊNH VIỆC 8.1 Các thuộc tính của 1 mô hình tốt
CHỌN MÔ HÌNH
8.2 Các loại sai lầm thƣờng mắc
8.3 Phát hiện và kiểm định các sai lầm chỉ định
8.4 Một số mô hình kinh tế thông dụng
12/5/2014
§8.1 Các thuộc tính của mô hình tốt §8.2 Các loại sai lầm khi chọn mô hình
• Tính Kiệm • Bỏ sót biến thích hợp
• Đồng nhất
• Đƣa vào mô hình biến không thích hợp
• Phù hợp
• Bền vững về mặt lý thuyết

• Chọn dạng hàm không đúng
• Có khả năng dự báo tốt
om
.c
ng
§8.2 Các loại sai lầm khi chọn mô hình §8.2 Các loại sai lầm khi chọn mô hình
co
8.2.1 Bỏ sót biến giải thích
Yˆt  ˆ1  ˆ 2 X 2t
an
Giả sử mô hình đúng:

Nếu X2 tƣơng quan X3 thì ̂1 , ̂ 2 không phải là
Yt = 1 + 2 X2t + 3X3t + Ut
th
UL vững và là ƣớc lƣợng chệch của β1, β2

Nhƣng ta chọn mô hình:
Nếu X2 không tƣơng quan X3 thì ̂ 2 là UL vững
ng
Yt = 1 + 2X2t + Vt và là ƣớc lƣợng không chệch của β2, nhƣng

̂1 vẫn là UL chệch của β1
o
du
u
cu
8.2.2 Đưa biến không thích hợp vào mô hình

Phƣơng sai của sai số ƣớc lƣợng từ mô hình
đúng và phƣơng sai của sai số ƣớc lƣợng của Giả sử mô hình đúng:
mô hình chỉ định sai sẽ không nhƣ nhau. Yt = 1 + 2 X2t + Ut
Khoảng tin cậy thông thƣờng và các thủ tục Nhƣng ta chọn mô hình:
kiểm định giả thiết không còn đáng tin câỵ
Yt = 1 + 2X2t + 3X3t +Vt
nữa.
12/5/2014
Hàm hồi quy mẫu của mô hình “sai”: 8.2.3 Chọn dạng hàm không đúng
Yˆt  ˆ1  ˆ 2 X 2t  ˆ 3 X 3t
Các kết quả thu đƣợc từ việc phân tích hồi quy
Ƣớc lƣợng của 2 là ƣớc lƣợng vững
trong mô hình “sai” sẽ không đúng với thực tế
Các ƣớc lƣợng BPNN ̂ j là ƣớc lƣợng không và dẫn đến các kết luận sai lầm.
chệch và vững nhƣng không hiệu quả dẫn đến
khoảng tin cậy sẽ rộng hơn
om
.c
ng
§8.3 Phát hiện và KĐ các sai lầm chỉ định §8.3 Phát hiện và KĐ các sai lầm chỉ định
co
8.3.1 Phát hiện biến không cần thiết trong MH 8.3.2 Kiểm định các biến bị bỏ sót
an
Yi = 1 + 2X2i + 3X3i +4X4i + 5X5i +Ui Yt = 1 + 2 Xt + Ut

th
Nếu đã có số liệu của Z ta chỉ cần UL mô hình

H0 : β5 = 0
Yt = 1 + 2Xt + 3Zt +Vt
ng
H0 : β4 = β5 = 0
H0: 3 = 0
o
du
u
cu
a. Kiểm định RESET của RAMSEY
Nếu không có số liệu của Z ta có thể sử dụng Bƣớc 1. Hồi quy Yt theo Xt ta có Yˆt và R2old
một trong các kiểm định sau
Bƣớc 2. Hồi quy Yt theo Xt, Yˆt , Yˆt đƣợc R2new
2 3
và kiểm định các hệ số của Yˆt , Yˆt bằng 0

2 3
12/5/2014
Bƣớc 3. Kiểm định có điều kiện ràng buộc: b. Kiểm định d (Durbin-Watson)
( R 2 new  R 2 old ) / m Bƣớc 1. Ƣớc lƣợng mô hình :
F
(1  R 2 new ) /( n  k ) Yi = 1 + 2X2i + Ui
m : số biến mới đƣợc đƣa vào MH Bƣớc 2. Sắp xếp ei theo thứ tự tăng dần của
k : số hệ số của mô hình mới
biến bỏ sót Z, nếu Z chƣa có số liệu thì sắp xếp
Khi n lớn ta có F ~ F(m,n-k)
ei theo X
om
.c
ng
co
n
 (e  et 1 ) 2 c. Phương pháp nhân tử Lagrange(LM)

an
t
t 2
Bƣớc 3. d n Bƣớc 1. Hồi quy mô hình gốc thu đƣợc Yˆt và et
 et2
th
t 1
Bƣớc 2. Ƣớc lƣợng MH sau để thu đƣợc R2:
Bƣớc 4. H0 : Dạng hàm đúng (không có TTQ) et  1   2 X t   2 .Yˆt  ...   p .Yˆt p  Vt

2
o ng
du
u
cu
8.3.3 Kiểm định tính PP chuẩn của sai số NN
Với n khá lớn 2 = nR2 có phân phối 2(p) từ

đó ta kết luận bài toán.
12/5/2014
§8.4 Một số mô hình kinh tế lượng §8.4 Một số mô hình kinh tế lƣợng thông
thông dụng dụng
8.4.1 Hàm sản xuất Cobb-Douglas Logarit hóa (8.1) ta có

Hàm sản xuất với 1 yếu tố đầu vào:
lnYi = lnβ1 + β2lnXi +Ui (8.2)
Yi  1. X i 2 eui
Yi : sản lƣợng Đặt Yi’ = lnYi βI’ = lnβ1 Xi’ = lnXi
Xi : lƣợng lao động (lƣợng vốn…) Yi’=βI’ + β2 Xi’+Ui (8.3)
β1,β2 : các tham số của mô hình (β2 ≤ 1)
om
.c
ng
§8.4 Một số mô hình kinh tế lƣợng thông dụng
co §8.4 Một số mô hình kinh tế lƣợng thông dụng
Đồ thị của hàm sản xuất Hàm sản xuất với nhiều yếu tố đầu vào
an
Yi  1.Ki2 Li 3 eui (8.4)

th
Yi : sản lƣợng
Ki : lƣợng vốn
Li : lƣợng lao động sử dụng
ng
Ui : sai số ngẫu nhiên

o
du
u
cu
§8.4 Một số mô hình kinh tế lƣợng thông dụng §8.4 Một số mô hình kinh tế lƣợng thông dụng
Logarit hóa (8.4) ta có Tổng (β2 + β3) để đánh giá hiệu quả việc tăng quy
mô sản xuất
lnYi = lnβ1 + β2lnKi + β3lnLi + Ui (8.5)
- β2 =0 hoặc β3 =0 phát triển không hiệu quả
- (β2 + β3)< 1 tăng quy mô kém hiệu quả

β2 : độ co giãn riêng của sản lƣợng đối với vốn
- (β2 + β3)> 1 tăng quy mô có hiệu quả
β3: độ co giãn riêng của sản lƣợng đ/với lđộng
12/5/2014
8.4.2 Hàm tăng trưởng kinh tế: lnYt = lnY0 + t*ln(1+r)

Hàm tăng trƣởng kinh tế có dạng:
Đặt Yt’ = lnYt, β1 = lnY0, β2 =ln(1+r)
Yt = Y0(1+r)t
Yt’ = β1 + β2t
t : thời gian
om
.c
ng
8.4.3 Mô hình Hyperbol (Mô hình nghịch

Ta có:
đảo)
an
1
d ln Yt (1 / y )dy dy / y Yi  1   2  Ui
2    Xi
dt dt dt
th
2 : tỉ số thay đổi tƣơng đối của Y với thay đổi Mô hình phi tuyến với X, tuyến tính với β1 β2
tuyệt đối t
o ng
du
u
cu
a. β1,β2 >0 b. β1 >0, β2 <0
Thƣờng dùng khi phân tích chi phí trung bình để

Mối quan hệ giữa mức tiêu dùng cho 1 hàng hóa
sản xuất ra 1 sản phẩm với tổng sản phẩm sản
với thu nhập
xuất
12/5/2014
8.1.4 Mô hình hồi quy Đa thức

c. β1 <0, β2 >0
Yi = 1 + 2 Xi + 3 Xi2 + Ui
Nghiên cứu mối quan hệ giữa tổng chi phí Yi

với tổng sản phẩm sản xuất Xi
Mối quan hệ giữa tỷ lệ thay đổi tiền lƣơng và tỷ
lệ thất nghiệp
om
.c
ng
Dạng đồ thị Mô hình hồi quy Đa thức tổng quát

an
Yi  1   2 X i  3 X i2  ...   k 1 X ik  U i
th
ng
Giá trị tối ƣu X0 tổng chi phí Y nhỏ nhất

o
du
u
cu

Kinh tế lượng cô Hải

Uploaded by

Document Information

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

Kinh tế lượng cô Hải

Uploaded by

Copyright:

Available Formats

12/5/2014

1.2 Các khái niệm cơ bản của kinh tế

Thiết lập các mô hình toán học mô tả mối quan

1.1.3 Phương pháp luận của Kinh tế lượng

3. Ƣớc lƣợng các tham số của mô hình đã đƣa

Ta thƣờng giả thiết

1.2.1 Phân tích hồi quy

1.2.2 Mô hình hồi quy tổng thể và mô hình

1.2.3 Sai số ngẫu nhiên 1.2.3 Sai số ngẫu nhiên

diễn dƣới dạng

Chương 2 2.1 Phƣơng pháp bình phƣơng nhỏ nhất

2.3 Ƣớc lƣợng và kiểm định GT về hệ số HQ

2.4 Phân tích phƣơng sai và sự phù hợp của MH

2.5 Phân tích hồi quy và dự báo

Các hệ số ˆ1 , ˆ2 nhận đƣợc từ (2.3) gọi là các

Khi đó f ( ˆ1 , ˆ 2 ) nhỏ nhất khi ˆ1 , ˆ2 là nghiệm

(đơn vị: triệu đồng)

ˆ1  Y  ˆ2 X (2.7)

Đáp số: Ta có hàm hồi qui mẫu:

Trong đó: Ý nghĩa của hệ số hồi qui:

không đổi (phƣơng sai thuần nhất)

nhiên, giá trị của nó là xác định.

nghiên Ui bằng không Var (Y / X i )   2 (i)

Với : Var (U i )   2 (i)

Do Var (U i )   2 chƣa biết nên khi áp dụng công

E ( ˆ2 )   2 Giả thuyết 6. Sai số ngẫu nhiên Ui có phân phối

không chệch của nó là ˆ 2, nên :

2.3.2 Kiểm định giả thiết về các hệ số hồi quy

Khoảng tin cậy của hệ số hồi quy  j ( j  1,2) 

Ta xây dựng tiêu chuẩn kiểm định:

Nếu H0 đúng thì T~T(n-2) Trái  j   j*  j   *j W   t : t  t (n  2) 

mẫu : ESS   (Yˆi  Y ) 2  ˆ 22  xi2

Ta có : TSS  ESS  RSS (2.13)

Định nghĩa 1: Hệ số xác định r2 đƣợc định Tính chất: 0  r2  1

Vì thế r2 đƣợc dùng làm thƣớc đo mức độ phù

1. -1≤ r ≤ 1( dấu của r chính là dấu của β2 )

Xét giả thuyết 

3. Nếu ac>0 và  * thì r(X*,Y*) = r(X,Y)

hay giả thuyết tƣơng đƣơng 

2.5.1 Dự báo giá trị trung bình :  Yˆ  E (Y / X 0 ) 

2.5.2 Dự báo giá trị cá biệt :  Y0  Yˆ0 

BÀI TẬP 1 BÀI TẬP 1

Xi : chi phí dành cho quảng cáo trong 1 tháng

pháp OLS hãy xây dựng hàm hồi qui mẫu:

3.1.1 Mô hình hồi quy nhiều biến

dƣới dạng ma trận nhƣ sau:

Theo phƣơng pháp bình phƣơng nhỏ nhất, khi

Ma trận XTX đƣợc xác định nhƣ sau:

nhất và các ƣớc lƣợng ˆ j đƣợc xác định theo

của cửa hàng thứ i (triệu đồng)

Ŷi  69, 53704  6, 08333Xi  4, 20370Zi

Đáp số: Ý nghĩa của các hệ số hồi quy

6. (Định lý Gauss – Markov): Với các giả thiết

lƣợng tuyến tính, không chệch và có phƣơng sai

cov( ˆ )  E[( ˆ   )( ˆ   )T ] (3.6)

Trong thực hành ngƣời ta thƣờng sử dụng

Trong thực hành khi sử dụng công thức (3.8) và

của nó là: i (3.11)

3.2.2 Khoảng tin cậy của các hệ số hồi quy ˆ j   j

Nếu H0 đúng thì T~T(n-k)

3.3.1 Hệ số xác định bội

Hai phía j   j   W   t : t  t / 2 (n  k )  Yi  1  2 X 2i  3 X 3i  ...  k X ki  Ui (3.1)

j   j   W   t : t  t (n  k )  Yˆi  ˆ1  ˆ2 X 2i  ˆ3 X 3i  ...  ˆk X ki

1. TSS   (Yi  Y )2 Định nghĩa 1: Hệ số xác định bội R2

3. Nếu ac>0 và  * thì r(X,Y) = r(X,Y)