CHƯƠNG 2

HỒI QUY ĐƠN BIẾN

1
 HỒI QUY ĐƠN BIẾN

1. Biết được phương pháp ước

lượng bình phương nhỏ nhất để
ước lượng hàm hồi quy tổng thể
dựa trên số liệu mẫu
MỤC 2. Hiểu các cách kiểm định
TIÊU những giả thiết
3. Sử dụng mô hình hồi quy để
dự báo

2
 NỘI DUNG

1 Mô hình

2 Phương pháp bình phương nhỏ nhất (OLS)

3 Khoảng tin cậy

4 Kiểm định giả thiết

5 Ví dụ

3
 Ví dụ
Cho số liệu về số lượng gạo bán (tấn) hàng tháng của 6 cửa
hàng gạo. Nếu anh A mở một của hàng gạo thì dự báo
lượng gạo bán hàng tháng.

Cửa hàng Số lượng

1 10
2 6
3 9
4 5
5 4
6 2
4
 Ví dụ
• Nếu anh A muốn bán gạo mức giá 6 ngàn đ/kg thì dự báo số lượng gạo bán
trong tháng.

Cửa hàng Giá Số lượng

1 1 10
2 4 6
3 2 9
4 5 5
5 5 4
6 7 2
5
 Ví dụ
• Nếu anh A muốn bán gạo mức giá 6 ngàn đ/kg thì dự báo số lượng gạo bán trong tháng.
• Q = -1.375*P + 11.5

Cửa hàng Giá Số lượng

1 1 10
2 4 6
3 2 9
4 5 5
5 5 4
6 7 2
6
 2.1 MÔ HÌNH
Mô hình hồi quy tuyến tính hai biến (đơn biến)
PRF dạng xác định
• E(Y/Xi) = f(Xi)= β1 + β2Xi
dạng ngẫu nhiên
• Yi = E(Y/Xi) + Ui = β1 + β2Xi + Ui
SRF dạng xác định
Yˆi  ˆ1  ˆ2 X i
• dạng ngẫu nhiên
Yi  Yˆi  ei  ˆ1  ˆ 2 X i  ei
7
 2.1 MÔ HÌNH
Trong đó
• ˆ1 : Ước lượng cho 1.

• ˆ2 : Ước lượng cho 2.

• Yˆi : Ước lượng cho E(Y/Xi)

• Sử dụng phương pháp bình phương nhỏ nhất

thông thường (OLS) để tìm , ˆ1 ˆ2

8
 2.1 MÔ HÌNH
Y SRF
ˆ2

PRF
2

1
ˆ1
X
Hình 2.1: Hệ số hồi quy trong hàm hồi quy PRF và SRF

9
 2.2 PHƯƠNG PHÁP OLS
Giả sử có n cặp quan sát (Xi, Yi). Tìm giá trị Ŷi sao
cho Ŷi gần giá trị Yi nhất, tức ei= |Yi - Ŷi| càng nhỏ
càng tốt.
Tuy nhiên, ei thường rất nhỏ và thậm chí bằng 0
vì chúng triệt tiêu lẫn nhau. Để tránh tình trạng này,
ta dùng phương pháp bình phương nhỏ nhất (
Ordinary least squares OLS ).
Với n cặp quan sát, muốn
2

 
n n
ˆ  ˆ2 X i
e 
i 1
2
i  Y
i 1
 
i 1  min(*)

10
 2.2 PHƯƠNG PHÁP OLS
Điều kiện (*) có nghĩa tổng bình phương các sai lệch
giữa giá trị thực tế (Yi ) và giá trị tính theo hàm hồi
quy mẫu Ŷi là nhỏ nhất.
Bài toán thành tìm ˆ1 ,ˆ2 sao cho f  min
Điều kiện để phương trình trên đạt cực trị là:
 n 2
  e i 
 
n n
 i 1   2 Yi  ˆ 1  ˆ 2 X i  2 e i  0
ˆ 1

i 1 i 1

 n 2
  e i 
 
n n
 i 1   2 ˆ 
ˆ X X  2 e X  0
ˆ
 2

i 1
Yi  1 2 i i 
i 1
i i

11
 2.2 PHƯƠNG PHÁP OLS
Hay
n n
nˆ1  ˆ2  X i  Y i
i 1 i 1
n n n
ˆ ˆ
1 X i  2  X i 
2
XY i i
i 1 i 1 i 1

12
 2.2 PHƯƠNG PHÁP OLS
n
• Giải hệ ta được
Y X i i  n. X .Y
ˆ1  Y  ˆ2 X ̂ 2  i 1
n

X
i 1
i
2
 n.( X ) 2

n
xi  X i  X y x i i
ˆ 2  i 1
n
yi  Yi  Y
 i
x 2

i 1

13
 2.2 PHƯƠNG PHÁP OLS
Với


Y
 Yi 
X
 Xi
n n
là trung bình mẫu (theo biến)
 
xi  X i  X yi  Yi  Y
gọi là độ lệch giá trị của biến so với giá trị
trung bình mẫu

14
 2.2 PHƯƠNG PHÁP OLS
Với số liệu của thí dụ 2 chương 2 data giáo trình
kinh tế lượng.

Yi 70 65 90 95 110 115 120 140 155 150

Xi 80 100 120 140 160 180 200 220 240 260

Hãy ước lượng hàm hồi quy của Y theo X bằng
cách tính toán thông thường, nêu ý nghĩa
của các tham số.
Ước lượng Y, X và vẽ đồ thị bằng Eviews,
15
 Đặc điểm của đường hồi quy mẫu

Một khi thu được các ước lượng từ mẫu, ta

có thể vẽ được đường hồi quy mẫu và
đường này có những đặc tính sau:

16
 Đặc điểm của đường hồi quy mẫu

1. Nó đi qua giá trị trung bình mẫu của X và Y,

do

Hình 2.2: Đường hồi quy mẫu qua giá trị trung bình
17
 Đặc điểm của đường hồi quy mẫu

2. Giá trị ước lượng trung bình của Y bằng với giá trị
trung bình của Y quan sát.

3. Giá trị trung bình của sai số ei bằng 0: ē = 0.

4. Sai số ei không có tương quan với giá trị dự báo
n ^
của Yi. Ye 0
i 1
i i
n

5. Sai số ei không có tương quan với Xi. X e

i 1
i i 0

18
CÁC TỔNG BÌNH PHƯƠNG ĐỘ LỆCH
^ ^
 (Y  Y )   (Y  Y )   (Y  Y )
i
2
i i
2
i
2

TSS = RSS + ESS

19
 CÁC TỔNG BÌNH PHƯƠNG ĐỘ LỆCH
• TSS (Total Sum of Squares - Tổng bình phương sai số tổng cộng – tổng bình
phương tất cả các sai lệch giữa giá trị quan sát Y với giá trị trung bình của
chúng )

TSS   (Yi  Y ) 2   Yi 2  n.(Y ) 2   y i2

• ESS: (Explained Sum of Squares – Tổng bình phương sai số được giải thích
– Tổng bình phương của tất cả các sai lệch giữa giá trị của biến Y tính theo
hàm hồi quy mẫu với giá trị trung bình)

n
2
ˆ
2 2 2 ˆ
ESS   (Yˆi  Y )  (  2 )  xi  (  2 ) * ( X i  n( X ))
2 2

i 1

20
 CÁC TỔNG BÌNH PHƯƠNG ĐỘ LỆCH

• RSS: (Residual Sum of Squares - Tổng bình phương sai số của

phần dư – tổng bình phương tất cả các sai lệch giữa giá trị quan
sát của biến Y và giá trị Y nhận được từ hàm hồi quy mẫu)

ˆ 2 2 ˆ
RSS   e   (Yi  Yi )   yi   2  xi
2 2 2
i

21
 CÁC TỔNG BÌNH PHƯƠNG ĐỘ LỆCH

Y
SRF

ESS Tổng
Ŷi TSS
chênh lệch
RSS
Yi

Xi X

Hình 2.3: Ý nghĩa hình học của TSS, RSS và ESS 22

 HỆ SỐ XÁC ĐỊNH R2

TSS = ESS + RSS → ESS RSS

1 
TSS TSS
Hàm SRF phù hợp tốt với các số liệu quan sát
(mẫu) khi Ŷi gần Yi . Khi đó ESS lớn hơn RSS.
Hệ số xác định R2: một thước đo mức độ
phù hợp của hàm hồi quy mẫu.

23
 HỆ SỐ XÁC ĐỊNH R2
n

2 ESS RSS i
e 2

R   1  1 i 1
n
TSS TSS
 i
y 2

i 1

Trong mô hình 2 biến, người ta chứng minh được

rằng n
ˆ
2
2
2
x 2
i
R  n
i 1

y
i 1
2
i

24
 TÍNH CHẤT CỦA HỆ SỐ XÁC ĐỊNH R2

0≤ R2≤1
Cho biết % sự biến động của Y được giải thích
bởi các biến số X trong mô hình.
R2 =1: đường hồi quy phù hợp hoàn hảo
R2 =0: X và Y không có quan hệ
Nhược điểm: R2 tăng khi số biến X đưa vào mô
hình tăng, dù biến đưa vào không có ý nghĩa.
=>Sử dụng R2 điều chỉnh (adjusted R2 -R2) để
quyết định đưa thêm biến vào mô hình.

25
 HỆ SỐ XÁC ĐỊNH ĐIỀU CHỈNHR2

2 2 n 1
R  1  (1  R )
nk

• Khi k > 1, R2 < R2. Do vậy, khi số biến X

tăng,R2 sẽ tăng ít hơn R2.
• Khi đưa thêm biến vào mô hình mà làm
choR2 tăng thì nên đưa biến vào và ngược
lại.

26
 HỆ SỐTƯƠNG QUAN r

Hệ số tương quan r: đo lường mức độ chặt chẽ

của quan hệ tuyến tính giữa 2 đại lượng X và Y.
n

yx i i
r i 1
n n

y x
i 1
2
i
i 1
2
i

27
 TÍNH CHẤT HỆ SỐTƯƠNG QUAN r
•
1  r  1
• r > 0: giữa X và Y có quan hệ đồng biến
r-> ± 1: X và Y có quan hệ tuyến tính chặt chẽ
r-> 0: X và Y có quan hệ tuyến tính không chặt chẽ
r < 0: X và Y có quan hệ nghịch biến
• Hệ số tương quan có tính chất đối xứng: rXY = rYX
• Nếu X, Y độc lập theo quan điểm thống kê thì hệ số
tương quan giữa chúng bằng 0.
• r chỉ là đại lượng đo sự kết hợp tuyến tính hay phụ
thuộc tuyến tính, r không có ý nghĩa để mô tả quan hệ
phi tuyến.

28
 HỆ SỐTƯƠNG QUAN r
Có thể chứng minh được

2
r  R

và r cùng dấu với ˆ2

VD: Yˆi  6,25  0,75 X i

Với R2 = 0,81 => r = ± 0,9 = 0,9

29
 HIỆP TƯƠNG QUAN MẪU

Đo lường mức độ quan hệ giữa X và Y

n

(X i  X )(Yi  Y )
S X ,Y  Cov( X , Y )  i 1
n 1

30
Tiếp tục với ví dụ trên, tính TSS, ESS, RSS
2 2

R R S xy

31
 Buổi 3:
• Gửi bảng giá trị;
• Bài tập: với số liệu các bài tập chương 2, vẽ đồ
thị, tìm phương trình hồi quy, hệ số xác định,
hệ số tương quan giữa các biến.
• Ôn lại bài, trước khi học tiếp; cách sử dụng
máy tính để tính các hệ số.

32
 2.3 Các giả thiết của phương pháp OLS
• Giả thiết 1: Các giá trị Xi được xác định trước và
không phải là đại lượng ngẫu nhiên. VD: Mẫu 1
Mẫu 2
Chi tiêu Y Thu nhập X
Chi tiêu Y Thu nhập X 55 80
70 80 88 100
65 100 90 120
90 120 80 140
95 140 118 160
110 160 120 180
115 180 145 200
120 200 135 220
140 220 145 240
155 240 175 260
150 260
33
 2.3 Các giả thiết của phương pháp OLS

• Giả thiết 2: Kỳ vọng hoặc trung bình số học

của các sai số là bằng 0 (zero conditional
mean), nghĩa là E(U/Xi) = 0
• Giả thiết 3: Các sai số U có phương sai bằng
nhau (homoscedasticity).
Var(U/Xi) = σ2

34
 2.3 Các giả thiết của phương pháp OLS

Phương
sai sai số
đồng
nhất:
Var(U/Xi
) = σ2

35
2.3 Các giả thiết của phương pháp OLS

Phương sai sai số không đồng nhất: var(Ui|

Xi) = i2
36
 2.3 Các giả thiết của phương pháp OLS

• Giả thiết 4: Các sai số U không có sự tương

quan, nghĩa là
Cov(Ui, Ui’) = E(UiUi’) = 0, nếu i  i’

37
Một số kiểu mẫu biến thiên của thành phần
nhiễu

38
 2.3 Các giả thiết của phương pháp OLS

• Giả thiết 5: Các sai số U độc lập với biến giải

thích. Cov(Ui, Xi) = 0
• Giả thiết 6: Đại lượng sai số ngẫu nhiên có
phân phối chuẩn Ui ~ N(0, δ2 )

39
 2.4 TÍNH CHẤT CÁC ƯỚC LƯỢNG
ˆ1 , ˆ2 là ước lượng điểm của 1 ,  2 tìm
được bằng phương pháp OLS có tính chất:
• ˆ1 , ˆ2 được xác định một cách duy nhất với
n cặp giá trị quan sát (Xi , Yi)
ˆ ˆ
• 1 , 2 là các đại lượng ngẫu nhiên, với các

mẫu khác nhau, giá trị của chúng sẽ khác

nhau
• Ta đo lường độ chính xác các ước lượng
bằng sai số chuẩn (standard error – se).

40
 Sai số chuẩn của các ước lượng OLS

var: phương sai

se: sai số chuẩn
2: phương sai nhiễu của tổng thể

2 = Var (Ui )

-> thực tế khó biết được giá trị 2 -> dùng ước lượng không chệch

ˆ 2

 e
 RSS
2
i

n2 n2
41
Sai số chuẩn của các ước lượng OLS

ˆ  ˆ 2

Sai số chuẩn của hồi quy: là

độ lệch tiêu chuẩn các giá trị
Y quanh đường hồi quy mẫu

42
 Sai số chuẩn của các ước lượng OLS

X 2

var(ˆ ) 
1
i .ˆ 2
se( ˆ1 )  var(ˆ1 )
n x 2
i

2
ˆ
ˆ
var(  2 )  se( ˆ 2 )  var(ˆ 2 )
x 2
i

43
 Sai số chuẩn của các ước lượng OLS

ˆ
2
ˆ 2 . 
var(ˆ 2 )  2
.
ESS
X
 i 2
.ˆ 2 . ˆ
2
var(ˆ1 ) 
n.ESS 2

 X 2
ˆ
var( 1 )  i . var(ˆ 2 ).
n 44
 Định lý Gauss-Markov
• Định lý: Với những giả thiết (từ 1 đến 5) của mô
hình hồi quy tuyến tính cổ điển, mô hình hồi quy
tuyến tính theo phương pháp bình phương tối
thiểu là ước lượng tuyến tính không chệch tốt
nhất, tức là, chúng là BLUE.

45
 Định lý Gauss-Markov
• Một ước lượng được gọi là “ước lượng không chệch
tuyến tính tốt nhất” (BLUE) nếu thỏa các điều kiện:
– Nó là tuyến tính, có nghĩa là một hàm tuyến tính
n
của một biến ngẫu nhiên, ˆ  k Y
j 
i 1
i i

– Nó không chệch, E ( ˆ j )   j

– Nó có phương sai nhỏ nhất, hay còn gọi là ước

lượng hiệu quả (efficient estimator).
var( ˆ j ) min
46
 2.4 KHOẢNG TIN CẬY CỦA HỆ SỐ HỒI QUY
 
Xác suất của khoảng (i - i, i + i) chứa
giá trị thực của i là 1 -  hay:
 

P(i - i  i  i + i) = 1 - .
với
 i  t ( / 2, n  2 ) SE ( ˆi )

47
 2.4 KHOẢNG TIN CẬY CỦA HỆ SỐ HỒI QUY
 
– (i - i, i + i) : là khoảng tin cậy,
– i : độ chính xác của ước lượng
– 1 - : hệ số tin cậy,
–  với (0 <  < 1): là mức ý nghĩa.
– t (/2, n-2): giá trị tới hạn (tìm bằng cách
tra bảng số t-student)
– n: số quan sát
• Ví dụ: nếu  = 0,05 = 5%, ta đọc “xác suất để
khoảng tin cậy chứa giá trị thực của 1 , 2 là
95%. 48
 2.4 KHOẢNG TIN CẬY CỦA HỆ SỐ HỒI QUY

– Với ví dụ trên, hãy tìm khoảng tin cậy của 1,2

– Tính ˆ 2

 e

2
RSS
i

n2 n2
2
– Tính ˆ  ˆ
ˆ 2
ˆ )
– Tính var( ˆ )  ; 2 se (  var(ˆ 2 )
 xi
2 2

49
 2.4 KHOẢNG TIN CẬY CỦA HỆ SỐ HỒI QUY
X 2

Tính ˆ
var( )  i .ˆ se; ( ˆ1 )  var(ˆ1 )
2
1
n x 2
i
– Tra bảng phân phối t – student giá trị t ( / 2, n  2 )

– Tính  i  t ( / 2, n  2 ) SE ( ˆi )
– Tính (i - i, i + i) : là khoảng tin cậy,

50
 2.4 KHOẢNG TIN CẬY CỦA 2

(n  2)ˆ 2
P( 12 / 2  2
  2
 /2 )  1

hay (n  2)ˆ 2 ( n  2) ˆ 2
P(   2  )  1
 / 2
2
 1 / 2
2

2
 1 / 2  2
 /2
2


2 2 2 2
P(    1 / 2 )  1   ; P(     /2 )  /2
51
 2.4 KHOẢNG TIN CẬY CỦA 2

- Tính RSS
– Tra bảng phân phối Chi – square giá trị
2
 2
1 / 2 và   /2
– Tính : ;
là khoảng tin cậy của 2
2
ˆ
Lưu ý (vì   RSS /( n  2)
2
Nên thay (n-2) ˆ trong công thức bằng RSS)

52
• Bài tập: với số liệu các bài tập ở chương 2, tìm
khoảng tin cậy của các hệ số hồi quy.

53
• Buổi 4. Ôn lại bài, trước khi học tiếp

54
 2.5 KIỂM ĐỊNH GIẢ THUYẾT

• Do Ui theo phân phối chuẩn, các ước lượng

OLS của 1 và 2 cũng theo phân phối chuẩn
vì chúng là các hàm số tuyến tính của Ui.
• Chúng ta có thể áp dụng các kiểm định t, F,
và 2 để kiểm định các giả thuyết về các ước
lượng OLS.

55
 2.5 KIỂM ĐỊNH GIẢ THUYẾT
1. Kiểm định giả thuyết về hệ số hồi quy

H 0 :  i   i*
Hai phía:
H1 :  i   i*

Phía phải: H 0 :  i   i*
*
H1 :  i   i
*
Phía trái: H 0 : i   i
H1 :  i   i*
56
 1. Kiểm định giả thuyết về hệ số hồi quy

H 0 :  i   i*
H1 :  i   i*
Cách 1: Phương pháp giá trị tới hạn
Bước 1: Tính t
ˆi   i*
t
SE ( ˆi )
Bước 2: Tra bảng t-student để có giá trị tới hạn t ( n  2, / 2 )
Bước 3: Quy tắc quyết định
Nếu t  t ( n  2, / 2 ) bác bỏ H0.
Nếu t  t( n  2 , / 2 ) chấp nhận H0.

57
 1. Kiểm định giả thuyết về hệ số hồi quy
Với số liệu cho ở thí dụ trên, kiểm định t
giả thiết H 0 :  2  0
H1 :  2  0
- Tính  2 ;SE ( ˆ 2 )
ˆ
- Tính t   i   i
*

SE ( ˆ ) i

- Tra bảng giá trị tα giá trị t( n2, / 2)

Nếu t  t( n2, / 2) bác bỏ H0.
Nếu t  t ( n2, / 2) chấp nhận H0. 58
 f(t)


 
Miền chấp nhận Ho
Miền bác bỏ Ho Miền bác bỏ Ho

-t t
 

-4 -3 -2 -1 0 1 2 3 4
t
59
 1. Kiểm định giả thuyết về hệ số hồi quy
Cách 2: Phương pháp khoảng tin cậy
Khoảng tin cậy của i:

 i  ( ˆi   i ; ˆi   i )  i  t( n 2,1 / 2) SE ( ˆi )

với mức ý nghĩa  trùng với mức ý nghĩa
của H0

Quy tắc quyết định

 i  ( ˆi   i ; ˆi   i )
*
- Nếu * ˆ ˆ chấp nhận H 0
i  (i   i ; i   i )
- Nếu bác bỏ H 0
60
 1. Kiểm định giả thuyết về hệ số hồi quy

Với số liệu cho ở thí dụ trên, kiểm định

bằng phương pháp khoảng tin cậy
Khoảng tin cậy giả thiết H 0 :  2  0
H1 :  2  0
-Tính ˆ 2   2 ; ˆ 2   2
ˆ
  ˆ
- Nếu 2 2  0  2 2 chấp nhận H0


- Nếu 0  ˆ 2   2 ; ˆ 2   2  bác bỏ H 0

61
 1. Kiểm định giả thuyết về hệ số hồi quy
Cách 3: Phương pháp p-value
ˆ
   *
Bước 1: Tính ti  i i

SE ( ˆi )

Bước 2: Tính P (T  ti )  p

Bước 3: Quy tắc quyết định

- Nếu p ≤ : Bác bỏ H0
- Nếu p > : Chấp nhận H0

62
 1. Kiểm định giả thuyết về hệ số hồi quy
Cách 3: Phương pháp p-value
Bước 1: Tính ˆ
  *
i i
ti 
SE ( ˆi )

Genr t= ((  i   i ) / SE ( ˆi ))
ˆ *

63
 1. Kiểm định giả thuyết về hệ số hồi quy

Bước 2: Tính P (T  t i )  p

- Bằng Excel: TDIST(

t,bậc
 / 2 tự do, đuôi)

VD: TDIST( t,8,2)

 /2

t i tự do)
- Bằng Eviews: genr p=@tdist( ,bậc
Vd: genr p=@tdist(2.4469,6)

64
 1. Kiểm định giả thuyết về hệ số hồi quy

Gộp bước 1, Bước 2:

Bằng Eviews:

genr p=@tdist( ( ˆi   i* ) / SE ( ˆi ) ,bậc tự do)

65
 1. Kiểm định giả thuyết về hệ số hồi quy
Bước 3: Quy tắc quyết định
- Nếu p ≤ : Bác bỏ H0
- Nếu p > : Chấp nhận H0

66
 1. Kiểm định giả thuyết về hệ số hồi quy

Với số liệu cho ở thí dụ trên, kiểm định giả

thiết
H0 : 2  0
H1 :  2  0

67
Thực tế H0 đúng H0 sai
Quyết định
Không bác Quyết định đúng, Quyết định sai, xác
bỏ xác suất 1-α suất β (Sai lầm loại 2)
     
Quyết định sai, Quyết định đúng, xác
Bác bỏ xác suất α suất 1-β
  (Sai lầm loại 1)  

68
 1. Kiểm định giả thuyết về hệ số hồi quy

Loại GT H0 H1 Miền bác bỏ

Hai phía βi = βi* βi ≠ βi* |t|>t/2 (n-2)
Phía phải βi ≤ βi* βi > βi* t>t (n-2)
Phía trái βi ≥ βi* βi < βi* t<-t (n-2)

69
 Kiểm định phía phải
f(t)

H0 : βi ≤ βi*
H1 : βi > βi*



Miền bác bỏ Ho

t


0 t

70
 Kiểm định phía trái
f(t)

H0 : βi ≥ βi*
H1 : βi < βi*



Miền bác bỏ Ho
-t


0
t
71
 2. Kiểm định sự phù hợp của mô hình
Kiểm định giả thiết H0: R2 = 0
(tương đương H0: β2= 0)
với mức ý nghĩa  hay độ tin cậy 1 - 
Bước 1:
Tính R 2 ( n  2)
F
1 R2
a. Phương pháp giá trị tới hạn
Bước 2: Tra bảng F với mức ý nghĩa  và hai bậc
tự do (1, n-2)
Bước 3: Quy tắc quyết định
- Nếu F > F(1,n-2): Bác bỏ H0
- Nếu F ≤ F(1,n-2): Chấp nhận H0
72
 2. Kiểm định sự phù hợp của mô hình

b. Phương pháp p-value

Bước 2: Tính p-value= p (F(1,n-2)>F)
Bước 3: Quy tắc quyết định
- Nếu p ≤  : Bác bỏ H0
- Nếu p > : Chấp nhận H0

73
 1. Kiểm định giả thuyết về hệ số hồi quy
Với số liệu cho ở thí dụ trên, kiểm định giả
thiết
2
H0 : R 2
0
H1 :R 0

74
 Thống kê F
F =0,05

Miền bác bỏ Ho

Miền chấp nhận Ho

F(1,n-2) 75
• Buổi 5. Bài tập:
• Với số liệu bài tập 2.7 ở chương 2, cho cơ cấu
đầu tư chứng khoán hiệu quả như sau:
Ei=β1+β2Ϭi Kiểm tra xem số liệu có hỗ trợ lý
thuyết không
• Với số liệu bài tập 2.9 ở chương 2, Có ý kiến
cho rằng trong các thời kỳ trước người ta vẫn
dùng 70% thu nhập để chi tiêu cho tiêu dùng.
Nhận xét ý kiến này. Kiểm định giả thiết hệ số
hồi quy của biến x trong hàm hồi quy tổng thể
bằng 0 và cho biết ý nghĩa.
76
• Buổi 5. Ôn lại bài, trước khi học tiếp

77
 2.6 DỰ BÁO

Với mô hình hồi quy

Yˆi  ˆ1  ˆ2 X i

Cho trước giá trị X = X0, hãy dự báo giá trị trung
bình và giá trị cá biệt của Y với mức ý nghĩa 
hay độ tin cậy 1 - .

* Ước lượng điểm Yˆ0  ˆ1  ˆ 2 X 0

78
 2.6 DỰ BÁO
* Dự báo giá trị trung bình của Y

E (Y / X 0 )  (Yˆ0   0 ;Yˆ 0 0 )

Với:

 0  SE (Yˆ0 )t ( n  2, / 2 )

SE (Yˆ0 )  Var (Yˆ0 )

ˆ ˆ 1 ( X  X ) 2
Var (Y0 )   ( 
2 0
)
n  ìx 2

80
 2.6 DỰ BÁO
• Dự báo giá trị trung bình của Y
Lưu ý ˆ 2
var( ˆ2 ) 
x 2
i

ˆ 2
 i var(ˆ )
x 2 

1 ( X  X ) ˆ )
2 var( 
ˆ ˆ
Var (Y0 )   ( 
2 0 2
)
n ˆ 2
81
 2.6 DỰ BÁO

* Dự báo giá trị cá biệt của Y

ˆ ˆ
Y0  (Y0   0 ;Y 0 0 )
' '

  SE (Y0  Yˆ0 )t ( n  2, / 2 )

Với: '
0

SE (Y0  Yˆ0 )  Var (Y0  Yˆ0 )

2
1 ( X  X )
Var (Y0  Yˆ0 )  ˆ 2 (1   0
)
n  xì2

Var (Y0  Yˆ0 )  Var (Yˆ0 )  ˆ 2

82
 2.7 HỒI QUY VÀ ĐƠN VỊ ĐO CỦA BIẾN

Yi  ˆ1  ˆ2 X i  ei
Nếu đơn vị đo của biến X, Y thay đổi thì không
cần hồi quy lại. Mô hình hồi quy mới là
* ˆ * ˆ * * *
Yi   1   2 X i  e i
Trong đó

ˆ ˆ ˆ k1 ˆ
Y *i  k1Yi ; X *i  k 2 X i 1  k11 ;  2 
* *
2
k2
2
 k1 
var( 1 )  k1  . var( 1 ); var(  2 )    . var( ˆ2 )
ˆ ˆ ˆ
* 2 *

 k2 
83
 VÍ DỤ 1

Theo số liệu quan sát sự biến động của nhu cầu

gạo Y (tấn/tháng) vào đơn giá X (ngàn đồng/kg)

STT Xi Yi
1 1 10
2 4 6
3 2 9
4 5 5
5 5 4
6 7 2
84
• Với số liệu ví dụ 2 ở chương 2, hãy dự báo
điểm, khoảng cá biệt, khoảng trung bình của y
khi x=280

85
 VÍ DỤ 1
a.Hãy lập mô hình hồi quy mẫu biễu diễn mối phụ thuộc về
nhu cầu vào đơn giá gạo
b.Tìm khoảng tin cậy của 1, 2 với =0,05
c. Hãy xét xem nhu cầu của loại hàng trên có phụ thuộc vào
đơn giá của nó không với =0,05.
d. Có thể nói rằng nếu giá gạo tăng 1.000đ/kg thì nhu cầu
gạo trung bình giảm 2 tấn/tháng không? Cho với =0,05
e. Hãy kiểm định sự phù hợp của mô hình. Cho =0,05.
f. Hãy dự báo nhu cầu trung bình và nhu cầu cá biệt của loại
hàng trên khi đơn giá ở mức 6.000 đồng/kg với độ tin cậy
95%.
g. Hãy viết lại hàm hồi quy nếu nhu cầu gạo được tính theo
đơn vị là tạ và giá có đơn vị là đồng.
h. Tính TSS, ESS, RSS, R2
i. Tính r, 86
 VÍ DỤ 1

a. Mô hình hồi quy mẫu biễu diễn mối phụ thuộc về nhu
cầu vào đơn giá gạo

Stt Xi Yi XiYi Xi^2 Yi^2

1 1 10 10 1 100
2 4 6 24 16 36
3 2 9 18 4 81
4 5 5 25 25 25
5 5 4 20 25 16
6 7 2 14 49 4
sum 24 36 111 120 262
87
 VÍ DỤ 1
Giả sử mô hình hồi quy mẫu là: Yˆi  ˆ1  ˆ2 X i
24 36
X  4 Y  6
6 6
n

Y X i i  n. X .Y
111  6.4.6
ˆ2  i 1
n
 2
 1,375
120  6.(4)
X
i 1
i
2
 n.( X ) 2

ˆ1  Y  ˆ2 X  6  (1,375).4  11 .5

88
 VÍ DỤ 1

Như vậy, mô hình hồi quy mẫu

Yˆi  11,5  1,375. X i
=> X và Y có quan hệ nghịch biến
*̂1 = 11,5: nhu cầu tối đa là 11,5 tấn/tháng
* ̂ 2 = -1,375: khi giá tăng 1000 đồng/kg thì nhu
cầu trung bình sẽ giảm 1,375 tấn/tháng với điều
kiện các yếu tố khác trên thị trường không đổi.

89
 VÍ DỤ 1

Ta có ˆ1  t( n2, / 2) SE ( ˆ1 )  1  ˆ1  t( n2, / 2) SE ( ˆ1 )

ˆ  t
2 SE ( ˆ )    ˆ  t
( n  2, / 2 ) 2 2 2 SE ( ˆ )
( n  2, / 2 ) 2
n
ˆ
 2  xi
2 2
(1,375) 2 .24
Mà: R2  n
i 1
  0,9864
46
y
i 1
2
i

n
(1  R ) y
2 2
i
(1  0,9864).46
ˆ 2  i 1
  0,15625
=>
n2 62
90
 VÍ DỤ 1

Var ( ˆ ) 
 X i
2

ˆ 
2 120
0,15625  0,1303
n x
1 2
i 6.24

 SE ( ˆ1 )  Var ( ˆ1 )  0,3609

ˆ 2
0,15625
ˆ
Var (  2 )    0,0065
 xi 2
24

 SE ( ˆ2 )  Var ( ˆ2 )  0,0806

91
 VÍ DỤ 1
Tra bảng ta có t 4, 0.025  2,776
 1  t( n  2, / 2) SE ( ˆ )  2,776 x0,3609  1,0019
1

 2  t( n  2, / 2 ) SE ( ˆ2 )  2,776 x0,0806  0,2237

10,4981  1  12,5019
 1,5987   2  1,1513
Ý nghĩa R2 : Trong hàm hồi quy mẫu, biến giá (biến X) giải
thích được 98,64% sự thay đổi của biến nhu cầu (biến Y),
1,36% sự thay đổi còn lại của Y do các yếu tố ngẫu nhiên
gây ra
92
 VÍ DỤ 1
c. Kiểm định giả thuyết 2 = 0 H0: 2 = 0
C1: Sử dụng khoảng tin cậy. Theo kết quả ở câu a, với
 = 0,05, 2 không thuộc khoảng tin cậy => bác bỏ H0

C2: ˆ2   2*  1,375  0

t   17,0379
SE ( ˆ2 ) 0,0806
=>
t  17,0379  t 4, 0, 025  2,776
=> Bác bỏ H0, hay nhu cầu trung bình có phụ thuộc
vào đơn giá

93
 VÍ DỤ 1

C3: sử dụng kiểm định F đối với mô hình hai biến

(n  2) R 2 (6  2)0,9864
F 2
  290,12
(1  R ) (1  0,9864)
Mà F0,05(1,4) = 7,71 < Ftt
=> Bác bỏ H0, hay nhu cầu trung bình có phụ thuộc
vào đơn giá

94
 VÍ DỤ 1
d. Dự báo
-Dự báo điểm: Yˆ0  11,5  1,375 x 6  3,25 (tấn/tháng)
-Dự báo giá trị trung bình của Y
E (Y / X  6)  Yˆ0  t( n2, / 2 ) .SE (Yˆ0 )
2 2
1 ( X  X ) 1 ( 6  4)
Var (Yˆ0 )  ˆ 2 (  0
)  0,1562(  )  0,052
n  xi2
6 24

SE (Yˆ0 )  Var (Yˆ0 )  0,2283

E (Y / X  6)  ( 2,6162;3,8838)
95
 VÍ DỤ 1
- Dự báo giá trị cá biệt của Y
Y0  Yˆ0  t ( n  2, / 2 ) .SE (Y0  Yˆ0 )
2 2
1 ( X  X ) 1 ( 6  4)
Var (Y0  Yˆ0 )  ˆ 2 (1   0
)  0,1562(1   )  0,2082
n  xi2
6 24

SE (Y0  Yˆ0 )  Var (Y0  Yˆ0 )  0,4565

Y0  (1,9828;4,5172)
Vậy, khi đơn giá là 6.000 đồng/kg ở một tháng nào đó
thì nhu cầu sẽ dao động từ 2-4,5 tấn.
*Ghi chú: ˆ ˆ
Var (Y0  Y0 )  Var (Y0 )  ˆ2
96
 VÍ DỤ 2
Cho số liệu chi tiêu tiêu dùng Y (USD/tuần) và thu nhập
hàng tuần X (USD/tuần) của 10 hộ gia đình. Giả sử X và Y
có quan hệ tuyến tính trong đó Y là biến phụ thuộc
Yi Xi
70 80
65 100
90 120
95 140
110 160
115 180
120 200
140 220
155 240
150 260
97
 VÍ DỤ 2
Chạy số liệu trên Eviews, ta có kết quả sau

98
1. Viết hàm hồi quy Y theo X. Ý nghĩa các hệ số
hồi quy
2. Tính khoảng tin cậy của B2. Ý nghĩa của khoảng
tin cậy này là gì? Cho độ tin cậy 95%.
3. Nếu thu nhập của hộ gia đình tăng 1 USD/tuần
thì chi tiêu trung bình của hộ gia đình có tăng
0.7 USD/tuần không? Cho mức ý nghĩa 5%.
4. Mô hình có phù hợp không? Cho mức ý nghĩa
1%.
5. Dự báo chi tiêu và chi tiêu trung bình của hộ gia
đình khi thu nhập là 300 USD/tuần. Cho mức ý
nghĩa 5% và X trung bình là 170 USD/tuần.
99
 VÍ DỤ 2
Trình bày kết quả phân tích hồi quy

Yˆi  24,4545  0,5091X i R 2  0,9621

se  (6,4138)(0,0357) df  8
t  (3,813)(14,243) F (1,8)  202,87
p  (0,005)(0,000) p  (0,0000)

Lưu ý
ˆ j
tj 
se( ˆ j )
100
 Bài tập

Bài 2.2
1. Ước lượng hàm hồi quy tuyến tính
2. Nêu ý nghĩa kinh tế của các hệ số hồi quy đã ước
lượng được
3. tìm khoảng tin cậy của B1 và B2 với độ tin cậy 95%?
4 kiểm định giả thiết H0: B2 = 0; H1: B1 ≠ 0 với mức ý
nghĩa 5%.
5. Tính R2 và đánh giá mức độ phù hợp của mô hình?
6. Dự báo chi tiêu của một người có mức thu nhập 40
USD/tuần.

101
 Bài tập

Bài 2.4
1. Hãy lập mô hình hồi quy tuyến tính.
2. Kiểm định giả thiết các hệ số hồi quy với độ tin
cậy 95%.
3. Dự báo tổng vốn đầu tư trung bình khi lãi suất là
4.8 %/năm với độ tin cậy 95%.

102
 Bài tập

Bài 2.9
1 Viết hàm hồi quy tuyến tính mẫu.
2. Trong các thời kỳ trước người ta vẫn dùng 70%
thu nhập để chi tiêu tiêu dùng. Bạn hãy nhận xét về
ý kiến này.
3. kiểm định giả thiết các hệ số hồi quy.
4. Đánh giá mức độ phù hợp của mô hình.

103