HỒI QUY BỘI

1. MÔ HÌNH HỒI QUY BA BIẾN

2. CÁC GIẢ THIẾT CỦA MÔ HÌNH
3. UỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY BA BIẾN
4. PHƯƠNG SAI VÀ ĐỘ LỆCH CHUẨN CỦA CÁC ƯỚC LƯỢNG BÌNH
PHƯƠNG NHỎ NHẤT
5. MÔ HÌNH HỒI QUY TUYẾN TÍNH K BIẾN-PHƯƠNG PHÁP MA TRẬN
6. ƯỚC LUỢNG CÁC THAM SỐ - OLS
7. HỆ SỐ XÁC ĐỊNH BỘI R2 VÀ HỆ SỐ XÁC ĐỊNH BỘI ĐÃ HIỆU CHỈNH
 HỒI QUY BỘI

8. MA TRẬN PHƯƠNG SAI CỦA

9. MA TRẬN TƯƠNG QUAN
10. KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY CỦA CÁC HỆ SỐ
HỒI QUY RIÊNG – KIỂM ĐỊNH T
11. KIỂM ĐỊNH GIẢ THUYẾT
12. DỰ BÁO
 MÔ HÌNH HỒI QUY BA BIẾN
Mô hình hồi qui hai biến được trình bày ở chương 1 là một mô hình
đơn giản nhất. Trong nhiều trường hợp mô hình này không phù hợp
vì có nhiều biến tác động đến biến phụ thuộc Y, nếu chỉ dùng một
biến độc lập thì không thể giải thích đựơc sự thay đổi của biến Y.
Chẳng hạn khi nghiên cứu nhu cầu về một loại hàng hóa nào đó (Y),
thì nhu cầu này phụ thuộc vào nhiều yếu tố, trước hết là: thu nhập của
người tiêu dùng, giá của bản thân hàng hóa, giá của các loại hàng hóa
thay thế hàng hóa này... Do đó cần phải mở rộng mô hình hồi quy hai
biến thành mô hình có chứa nhiều biến hơn, ở đây là mô hình hồi quy
bội 3 biến và sau đó sẽ trình bày mô hình dưới dạng tổng quát có số
biến độc lập bất kỳ bằng phương pháp ma trận
 MÔ HÌNH HỒI QUY BA BIẾN
Hàm hồi quy ba biến của tổng thể (PRF) có dạng
E(Y|X2,X3) = β1 + β2X2 + β3X3
+ β1: Hệ số chặn (hệ số tự do, tung độ gốc), nó chính là
giá trị trung bình của biến Y khi X2 =X3 = 0
+ β2, β3 : Các hệ số hồi quy riêng
β2: thể hiện quan hệ giữa biến độc lập X2 và giá trị trung
bình của biến phụ thuộc: khi biến độc lập tăng (giảm) một
đơn vị thì giá trị trung bình của biến phụ thuộc Y tăng
(giảm) β2 đơn vị khi chúng ta giữ nguyên X3
 MÔ HÌNH HỒI QUY BA BIẾN
β3: thể hiện quan hệ giữa biến độc lập X3 và giá trị trung
bình của biến phụ thuộc: khi biến độc lập X3 tăng (giảm)
một đơn vị thì giá trị trung bình của biến phụ thuộc Y tăng
(giảm) β3 đơn vị khi chúng ta giữ nguyên X2

Yi là giá trị của biến Y ở quan sát thứ i, khi đó:

Yi = E(Y|X2,X3) + Ui = β1 + β2X2i + β3X3i + Ui

Ui = Yi - E(Yi|X2,X3)
 CÁC GIẢ THIẾT CỦA MÔ HÌNH
Giả thiết 1: Các Ui có kỳ vọng bằng 0: E(U|X2i ,X3i) = 0 ∀i
Giả thiết 2: Không có sự tương quan giữa các Ui:
Cov(Ui,Uj) = 0, i≠j
Giả thiết 3: Var (Ui|Xi) = 2 ∀i
Giả thiết 4: Giữa biến độc lập X2, X3 không có quan hệ
tuyến tính
Giả thiết 5: Ui có phân phối chuẩn N(0, 2)
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
BAĐể
BIẾN
ước lượng các tham số của mô hình
E(Y|X2,X3) = β1 + β2X2 + β3X3
Ta dùng phương pháp OLS
Giả sử chúng ta có n quan sát, quan sát thứ i có 3 giá trị
ứng với Y, X2 và X3, kí hiệu (Yi, X2i,X3i)
Hàm SRF được xây dựng từ quan sát này có dạng:
+
Trong đó là ước lượng cho
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
BA BIẾN
Khi đó Yi = + + ei

Phương pháp OLS tính các hệ số , , sao cho

 
n n 2
RSS   e   Yi  βˆ 1  βˆ 2 X 2i  βˆ 3X 3i  min
2
i
i=1 i 1
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
BACác tham số , , được tính từ hệ phương trình sau
BIẾN
 n 2
  e i 
 
n
 i=1
 0  2 Yi  ˆ 1  ˆ 2 X2i  ˆ 3 X3i  1  0
 ˆ 1  i 1
 n 
  e i 2
n
 i=1 
 
 ˆ  0   2 Yi  ˆ 1  ˆ 2 X 2i  ˆ 3 X3i   X 2i   0
 2  i=1
 n 
   e 2i n

i 1

 i=1  0  2 Y  ˆ  ˆ X  ˆ X   X   0
 ˆ  i 1 2 2i 
3 3i 3i

 3


ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
BA BIẾN  n n n

 1  2 2i  3 2i  i
n ˆ  ˆ X  ˆ X = Y

 i=1 i=1 i=1


 n
ˆ n n n
Û1  X2i  2  X2i  ˆ 3  X3i X2i   Yi X2i
ˆ 2

 i=1 i=1 i=1 i=1


 n n n n
ˆ X  ˆ
1  3i 2  X 2i X3i  3  X3i   Yi X3i
ˆ 2
 i=1 i=1 i=1 i=1
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
βˆ =Y  β
ˆ X βˆ X
BA BIẾN

1 2 2 3 3

 , là ước lượng bình phương bé nhất

 n n n n
 
β̂ = i=1
y i 2i 
x
i=1
x 3i   y i x 3i  x 2i x 3i
2

i=1 i=1


2
n n
 n

2

  x 2i  x 3i    x 2i x 3i 
2 2

 i=1 
 i=1 i=1
 n n n n
 
β̂  i=1
yi x 3i  x 2i   yi x 2i  x 2i x 3i
i=1
2

i=1 i=1
 3 n n
 n

2



 x 2i  x 3i    x 2i x 3i 
2 2

 i=1 
 i=1 i=1
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
BA BIẾN
Ví dụ 1. Bảng dưới đây cho các số liệu về doanh số bán
(Y), chi phí chào hàng (X2) và chi phí quảng cáo (X3) trong
năm 2011 ở 12 khu vực bán hàng của một công ty. Hãy
ước lượng hàm hồi quy tuyến tính của doanh số bán theo
chi phí chào hàng và chi phí quảng cáo
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
Doanh số bán Y
BA BIẾN Chi phí chào hàng ( ) Chi phí quảng cáo ( )
(triệu đồng) (triệu đồng) (triệu đồng)
1270 100 180
1490 106 248
1060 60 190
1626 160 240
1020 70 150
1800 170 260
1610 140 250
1280 120 160
1390 116 170
1440 120 230
1590 140 220
1380 150 150
ƯỚC LUỢNG CÁC THAM SỐ CỦA MÔ HÌNH HỒI QUY
BATừBIẾN
bảng số liệu trên ta tính được các tổng
12 12 12

 Y  16956  X
i=1
i 2i
i=1
 1452 Xi=1
3i
 2448
Y
16956
 1413
12 12 12
12
i=1 Yi  24549576 i=1 X2i  188192 i=1 X3i  518504
2 2 2
 X2 
1452
 121
12 12 12
12
i=1 X2i Yi  2128740 i=1 X3iYi  3542360 i=1 X2i X3i  303608 X3  2448  204
12
Ta tính được các hệ số hồi quy ...

ˆ 2  4, 6495; ˆ 3  2,5602; ˆ 1  328,1383

ˆ  328,1383  4, 6495X  2,5602 X
Y 2 3
PHƯƠNG SAI VÀ ĐỘ LỆCH CHUẨN CỦA CÁC ƯỚC
LƯỢNG BÌNH PHƯƠNG NHỎ NHẤT

 n n n 
 X 2  x 3i +X3  x 2i -2X 2 X3  x 2i x 3i 
2 2 2 2

ˆ  1 
var(β1 )  σ 2
 i=1 i=1 i=1
n 2 
2  
n n n


i=1
x 2i  x 3i -   x 2i x 3i 
2

i=1  i=1 


PHƯƠNG SAI VÀ ĐỘ LỆCH CHUẨN CỦA CÁC ƯỚC
LƯỢNG BÌNH PHƯƠNG NHỎ NHẤT
2
σ
var(βˆ 2 )= n
 se(βˆ 2 )= var(βˆ 2 )
 x 1  r 
i=1
2
2i
2
23

r23 là hệ số tương quan mẫu giữa X2 và X3

2
σ
var(βˆ 3 )  n
 se(βˆ 3 )= var(βˆ 3 )
 x 1  r 
i=1
2
3i
2
23
PHƯƠNG SAI VÀ ĐỘ LỆCH CHUẨN CỦA CÁC ƯỚC
LƯỢNG BÌNH PHƯƠNG NHỎ NHẤT
Trong đó r23 là hệ số tương quan giữa X2 và X3
2
 n

  x 2i x 3i 

r23  n
2 i=1 
n

 x 2i  x 3i
i=1
2

i=1
2

Ngoài ra: 2 = Var(Ui), 2 chưa biết nên dùng ước lượng

không chệch của nó là
σ̂ 
2  2
ei RSS

n 3 n 3
MÔ HÌNH HQ TUYẾN TÍNH K BIẾN-PHƯƠNG PHÁP
MA Xét
TRẬNPRF có dạng E  Y|X 2i ,...,X ki   β1  β 2 X 2i  β3X3i  ...  β k X ki
Dạng ngẫu nhiên Yi  β1  β 2 X 2i  β3X3i  ...  β k X ki  U i
Trong đó β1 là hệ số tự do (hệ số chặn, tung độ gốc).
βj: j = 2, …, k là các hệ số hồi quy riêng.
Giả sử ta có n quan sát, mỗi quan sát gồm k giá trị (Yi, X2i, …, Xki)
 Y1 = β1 + β 2 X 21 + ... + β k X k1 + U1
Y = β + β 2 X 22 + ... + β k X k2 + U2
 2 1

 ... ... ... ... ... ... ... ... ... ... ...
Yn = β1 + β 2 X 2n + ... + β k X kn + Un
MÔ HÌNH HQ TUYẾN TÍNH K BIẾN-PHƯƠNG PHÁP
MA TRẬN Y 
 
β 
1
 
U 
 
1 1

Y2 β2 U2
Ký hiệu Y   ; β   ; U   ;
 ...   ...   ... 
     
 Yn   βk   Un 

 1 X 21 ... X k1 
1 X ... X k2 
X  22 
 ... ... ... ... 
 
 1 X 2n ... X kn 

Khi đó Y = Xβ + U
 ƯỚC LƯỢNG CÁC THAM SỐ -OLS
Hàm hồi qui mẫu SRF có dạng
Ŷi  βˆ 1  βˆ 2 X 2i  βˆ 3X3i  ...  βˆ k X ki
Yi =Yˆ i  ei  βˆ 1  βˆ 2 X 2i  βˆ 3X 3i  ...  βˆ k X ki  ei
Hay Y = X + e
 e1 
e 
Trong đó e  2
 Y  Xˆ
 …
 
e n 
 ƯỚC LƯỢNG CÁC THAM SỐ -OLS
Các ước lượng OLS được tìm bằng cách
2

   
n n 2 n

  i i  i 1 2 2i 3 3i
e
i=1
= Y 
2
i
ˆ
Y  Y
i=1
 ˆ  βˆ X  βˆ X  ...  βˆ X  min
β
i 1
k ki

     
T
e e  Y  Xβˆ
T
Y  Xβ  Y  β X Y  Xβˆ
ˆ T ˆ T T

ˆ ˆ ˆ T T ˆ
=Y Y  Y Xβ  β X Y  β X Xβ
T TT T

ˆ ˆ T T ˆ
=Y Y  2β X Y  β X Xβ
T T T

 (eT e)
 2X Y  2X X β=0  X Y   X X β  β̂   X X  X Y
-1 T
T ˆ T
T T ˆ T

β̂
 ƯỚC LƯỢNG CÁC THAM SỐ -OLS
Với
 n n

 n X 2i ...  X ki 
 i=1 i=1 
 n n n

  X 2i X 
2
T 2i ... X 2i X ki 
X X=  i=1 i=1 i=1 
 ... ... ... ... 
 n n n

 
  X ki X  2
ki X 2i ... X ki 
 i=1 i=1 i=1 
 ƯỚC LƯỢNG CÁC THAM SỐ -OLS
Ví dụ. Số liệu quan sát về lượng hàng hóa bán được (Y:
tấn/ tháng), Thu nhập (X2: triệu/năm), Giá bán (X3: 1000
VNĐ/kg)
Y X2 X3 Y X2 X3
20 8 2 17 6 5
18 7 3 16 5 6
19 8 4 15 5 7
18 8 4 13 4 8
17 6 5 12 3 8
 ƯỚC LƯỢNG CÁC THAM SỐ -OLS
 Y  165
i  X  60
2i  X  52
3i

 Y  2781
i
2
 X  388
2
2i  X  308
2
3i

 X X  282  Y X  1029  Y X  813

2i 3i i 2i i 3i
1
 10 60 52   39980 3816 3256 
  1 
  300 
1
 X X  60 388 282 
T
3816 376
  1528  
 52 282 308   3256 300 280 
   
 14,9922 
ˆβ  (X T X) 1 (X T Y)  βˆ   0,7618 
 
 0,5890 
 
Ta có hàm hồi quy Ŷ  14,9922  0,7618X 2  0,5890X 3
 ƯỚC LƯỢNG CÁC THAM SỐ -OLS
Sử dụng phần mềm Eview ta có kết quả sau
HỆ SỐ XÁC ĐỊNH BỘI R2 VÀ HỆ SỐ XÁC ĐỊNH BỘI
ĐÃ HIỆU CHỈNH
Hệ số xác định mô hình bội R2 có thể tính bằng 1 trong 2
công thức sau ESS RSS
2
R   1
TSS TSS
   Y Y  n Y 
2 2
TSS   Y  n Y
i
2 T

X Y   n Y 
T 2
ESS=β T

RSS  TSS  ESS   y i  βˆ 2  yi x 2i  ...  βˆ k  yi x ki

2

Ý nghĩa R2
- Đánh giá mức độ phù hợp của mô hình
- So sánh hai mô hình có cùng biến độc lập
HỆ SỐ XÁC ĐỊNH BỘI R2 VÀ HỆ SỐ XÁC ĐỊNH BỘI
ĐÃ HIỆU CHỈNH
0 ≤ R2 ≤ 1. Nếu R2 = 1, có nghĩa là đường hồi quy giải thích
100% sự thay đổi của Y. Nếu R2 = 0, có nghĩa là mô hình
không giải thích sự thay đổi của Y
* Chú ý: Khi tăng số biến độc lập trong mô hình thì R2 cũng
tăng cho dù các biến độc lập thêm vào có ảnh hưởng mô
hình hay không. Do đó không thể dùng R2 để quyết định có
hay không nên thêm biến vào mô hình mà thay vào đó có
thể sử dụng hệ số xác định được hiệu chỉnh
HỆ SỐ XÁC ĐỊNH BỘI R2 VÀ HỆ SỐ XÁC ĐỊNH BỘI
ĐÃ HIỆU CHỈNH

R  1
2  i /(n  k)
e 2
ˆ 2
 1  2  1  (1  R )
2 n 1
 y i /(n  1)
2
Sy nk

Các tính chất của

- Khi k > 1, ≤ R2 ≤ 1, điều này có nghĩa là khi nếu số
biến giải thích tăng lên thì tăng chậm hơn R2
- R2 ≥0, nhưng có thể âm, như vậy khi , còn tăng ta còn
phải đưa thêm biến mới vào
HỆ SỐ XÁC ĐỊNH BỘI R2 VÀ HỆ SỐ XÁC ĐỊNH BỘI
ĐÃ HIỆU CHỈNH
Cách sử dụng để quyết định đưa thêm biến vào mô hình
Mô hình hai biến Mô hình ba biến
ˆ  ˆ  ˆ X (1)
Y ˆ  ˆ  ˆ X  ˆ X (2)
Y
i 1 2 2i i 1 2 2i 3 3i

2
R 1 R 2
2

R12 R 22

Nếu > thì chọn mô hình (1), tức là không cần đưa thêm biến
X3 vào mô hình. Ngược lại, ta chọn mô hình (2).
HỆ SỐ XÁC ĐỊNH BỘI R2 VÀ HỆ SỐ XÁC ĐỊNH BỘI
ĐÃ HIỆU CHỈNH
Ví dụ: Ta xét hai mô hình
(MH1): DS  667,0205 + 6,1652*CPCH
R  0,8043; R  0,7847
2 2

(MH2): DS = 328,1383 + 4,6495*CPCH + 2,5602*CPQC

Kết luận: R  0,9677 ; R  0,9605

2 2

- So sánh hai MH: MH1 và MH2 khác nhau ở số biến độc lập
- Mô hình (2) phù hợp hơn mô hình (1)
- Khi thêm vào MH (1) biến CPQC làm cho giá trị của hệ số hiệu
chỉnh tăng lên, tức là biến mói đưa vào mô hình có ý nghĩa
 MA TRẬN PHƯƠNG SAI CỦA
Ma trận hiệp phương sai
Để kiểm định giả thuyết, tìm khoảng tin cậy cũng như
thực hiện các suy luận thống kê khác cần phải tìm var( và
cov(
 MA TRẬN PHƯƠNG SAI CỦA
 var βˆ
 1   
cov βˆ 1 ,βˆ 2  
 cov βˆ ,βˆ 
1 k


ˆ
cov β   
 cov βˆ ,βˆ
2 1   
var βˆ 2 
 cov βˆ ,βˆ 
2 k  
     
 

Ý nghĩa

 cov βˆ k ,βˆ 1
  
cov βˆ k ,βˆ 2  
 
var βˆ k 

- Đánh giá sự ảnh hưởng của các hệ số hồi quy trong mô hình
- Tính các giá trị về phương sai, hiệp phương sai, độ lệch
chuẩn các hệ số hồi quy
ˆ 
cov β   (X X)
2 T 1
với σˆ 
2 RSS
nk
 MA TRẬN PHƯƠNG SAI CỦA
Ví dụ. Số liệu quan sát về lượng hàng hóa bán được (Y:
tấn/ tháng), Thu nhập (X2: triệu/năm), Giá bán (X3: 1000
VNĐ/kg) Y X X Y X X
2 3 2 3
20 8 2 17 6 5
18 7 3 16 5 6
19 8 4 15 5 7
18 8 4 13 4 8
17 6 5 12 3 8
Hãy tìm ma trận hiệp phương sai của
 MA TRẬN PHƯƠNG SAI CỦA
Ta có 1
 10 60 52   39980 3816 3256 
  1  3816 376
 X X   60 388 282  300 
T 1

  1528  
 52 282 308   3256 300 280 
   
Ta cần tính
   Y  
2 2
 2781  10 16,5   58,5
2
TSS  Y Y  n Y
T
i
2
n Y

X Y   n Y 
2
ESS  β T T

 165 
 
 14,99215 0,76178 0,58901 1029  10 16,5   56, 211
2
 
 813 
 
 MA TRẬN PHƯƠNG SAI CỦA

RSS TSS  ESS 58,5  56, 211

ˆ 
2
   0,327
n 3 n 3 7

 39980 3816 3256 

cov β  
ˆ 0,327  
3816 376 300
1528  

 3256 300 280 
 MA TRẬN PHƯƠNG SAI CỦA
Ma trận tương quan (Correlation matrix)
Xét mô hình Yi = β1 + β2X2i + β3X3i + …+ βkXki + U
Khi đó mối quan hệ giữa các  X2 X3 ... X k Y
X 
biến độc lập và biến phụ thuộc  2 
 X3 
thể hiện qua ma trận tương R = 
 ... 
quan sau  Xk 
rX2X2  1  
Y 
rX3 ,Xk  rXk ,X3 YÙ nghóa:
- Khaûo saùt taát caû caùc moái quan heä cuûa caùc

VIF  1/ 1  rXi ,X j (R )
2
0 0

2
bieán coù trong moâ hình
- Nhaän xeùt cho hieän töôïng coäng tuyeán, ña
rXi ,X j  max(rXi ,X j  R) coäng tuyeán (Ñöôïc ñaùnh giaù bôûi coâng thöùc
0 0
sau) >10 thì MH coùÑCT.
Neáu VIF
KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY
CỦA CÁC HỆ SỐ HỒI QUY RIÊNG – KIỂM ĐỊNH T
Với giả thiết U ∼ N(0,σ2) ta có thể kiểm định giả thuyết, tìm
khoảng tin cậy cho các hệ số hồi quy riêng ))

• Xét thống kê :
β̂i  βi
t ~T(n  k)
 
se βˆi
KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY
CỦA CÁC HỆ SỐ HỒI QUY RIÊNG – KIỂM ĐỊNH T
Với độ tin cậy cho trước, ta tìm được tα/2(n-k) thoả mãn.

 ˆ i  i 
P  t /2 (n  k )   t /2 (n  k )   1  
se (ˆ)
 i 

Ta có khoảng tin cậy 1- α của βi :

   
ˆ i  se ˆ i *t /2  n  k   i  ˆ i  se ˆ i * t /2  n  k 
KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY
CỦA CÁC HỆ SỐ HỒI QUY RIÊNG – KIỂM ĐỊNH T
Chúng ta có thể kiểm định giả thuyết về giá trị
β̂i  β i
*

Tiêu chuẩn kiểm định t  ~T(n  k)

se(βˆ )i
Loại giả thuyết Giả thuyết H0 Giả thuyết H1 Miền bác bỏ H0
Hai phía Wα=(- tα/2(nk))tα/2(nk);
+)
Phía phải Wαtα(nk); +)
Phía trái Wα=( tα(nk))
Nếu = 0, ta kiểm định biến độc lập Xi không ảnh hưởng đến
biến phụ thuộc
KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY
CỦA CÁC HỆ SỐ HỒI QUY RIÊNG – KIỂM ĐỊNH T
Kiểm định ảnh hưởng của hai hệ số hồi quy
Xét mô hình Y = β1 + β2X2 + β3X3 + …+ βkXk + U
Kiểm định giả thuyết “Xi và Xj ảnh hưởng như nhau đến
Y không”
H0: Xi và Xj ảnh hưởng như nhau đến Y
H 0 : βi  β j H 0 : β i  β j  0
 
H1: βi  β j H1: β i  β j  0
KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY
CỦA CÁC HỆ SỐ HỒI QUY RIÊNG – KIỂM ĐỊNH T
(βˆ i  βˆ j )  (βi  β j )
Tiêu chuẩn kiểm định t  (n  k)
se(βˆ  βˆ )
i j

(βˆ i  βˆ j )
Giá trị t khi H0 đúng t
se(βˆ  βˆ )
i j

se(βˆ i  βˆ j )= var(βˆ i ) + var(βˆ j )  2cov(βˆ i ,βˆ j )

Miền Bác bỏ Wα=(- tα/2(nk))tα/2(nk); +)

KIỂM ĐỊNH GIẢ THUYẾT VÀ KHOẢNG TIN CẬY
CỦA CÁC HỆ SỐ HỒI QUY RIÊNG – KIỂM ĐỊNH T
Kiểm định giả thuyết β2 = β3 = … = βk = 0 hay (R2 = 0)
H 0 : 2  3  4     k  0 (R 2  0)

H1 : i  0 (R  0) i  2, k
2

(n  k)R 2
Tiêu chuẩn kiểm định F ~F(k  1,n  k)
(k  1)(1  R )
2

Bác bỏ H0 khi F > Fα(k 1,nk)

 DỰ BÁO
Xét hàm hồi quy ˆ  ˆ ˆ X ˆ X  ...  ˆ X
Y 1 2 2 3 3 k k
 1 
 0
 X2 
Cho X0   X30  ˆ ˆ ˆ ˆ ˆ 0T ˆ
 Y0 = 12 X 2 3 X3  ...   k X k  X 
0 0 0
 
 
 X0 
 k
Khoảng dự báo giá trị trung bình
ˆ 
Y0  se Y0 * t  /2  n  k   E  Y|X   Y
ˆ 0 ˆ  se Y
0 0  
ˆ * t n  k 
 /2

  X X
-1
trong đó ˆ  ˆ X
se Y 2 0T T
X 0
0
 DỰ BÁO
Khoảng dự báo giá trị cá biệt

0  0 0 
ˆ * t n  k   Y  Y
ˆ  se Y  Y
Y  /2 0 0 0 0 
ˆ * t n  k 
ˆ  se Y  Y
 /2

trong đó  ˆ  
ˆ
se Y0  Y0  var Y0  ˆ 2
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
1. Mô hình hồi quy tuyến tính logarit (log-log)
Hàm sản xuất Cobb – Douglas Y =
lnY = lnβ1 + β2lnX2 + β3lnX3 = β0 + β2lnX2 + β3lnX3 (1)
Y: sản lượng ; X2: lượng lao động, X3 : lượng vốn,
(1) là mô hình hồi quy tuyến tính lôgarit
β2 là hệ số co dãn riêng của sản lượng đối với lao động,
nó cho biết sản lượng tăng (giảm) bao nhiêu % khi lao
động tăng (giảm) 1%, khi vốn không đổi
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
β3 là hệ số co dãn riêng của sản lượng đối với vốn, nó cho
biết sản lượng tăng (giảm) bao nhiêu % khi vốn tăng
(giảm) 1%, khi lao động không đổi
Tổng quát, mô hình tuyến tính lôgarit có dạng
lnY = lnβ1 + β2lnX2 + β3lnX3 + …+ βklnXk

hệ số co dãn riêng của Y đối với Xi bằng βi.

 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Ví dụ. Nghiên cứu sự ảnh hưởng của ngày công lao
động và vốn đến sản lượng của khu vực nông nghiệp ở
Đài Loan trong giai đoạn 1958 – 1972 ta có bảng số liệu
sau:
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Năm Y X2 X3 Năm Y X2 X3
1958 16607,7 275,5 17803,7 1966 27403,0 307,5 24939,0
1959 17511,3 274,4 18096,8 1967 28628,7 303,7 26713,7
1960 20171,2 269,7 18271,8 1968 29904,5 304,7 29957,8
1961 20932,9 267,0 19167,3 1969 27508,2 298,6 31585,9
1962 20406,0 267,8 19647,6 1970 29305,5 295,5 33474,5
1963 20831,6 275,0 20803,5 1971 29821,5 299,0 34821,8
1964 24806,3 283,0 22076,6 1972 31535,8 288,1 41794,3
1965 26465,8 300,7 23445,2

Y: tổng sản lượng (triệu NT$)

X2: ngày lao động (triệu ngày)
X : lượng vốn (triệu NT$)
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 07/11/13 Time: 09:51
Sample: 1958 1972
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -3.381935 2.420608 -1.39714 0.1877
LOG(X2) 1.488713 0.533434 2.790812 0.0163
LOG(X3) 0.499968 0.10084 4.958051 0.0003
R-squared 0.893494 Mean dependent var 10.09837
Adjusted R-squared 0.875743 S.D. dependent var 0.209723
S.E. of regression 0.073927 Akaike info criterion -2.19461
Sum squared resid 0.065583 Schwarz criterion -2.053
Log likelihood 19.45959 Hannan-Quinn criter. -2.19612
F-statistic 50.33498 Durbin-Watson stat 0.89872
Prob(F-statistic) 0.000001
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
2. Mô hình tăng trưởng (log – lin)
Dạng: Yt = Y0 (1+r)t
Biến đổi về dạng tuyến tính
lnYt = lnY0 + tln(1+r) , r = const
lnYt = β1 + β2t
Ý nghĩa của hệ số hồi quy: cho biết khi t tăng lên 1 đơn vị thì
Y thay đổi β2*100(%).
Ví dụ: Trong một nghiên cứu ảnh hưởng số năm kinh nghiệm
tới thu nhập của công nhân, người ta thu được mô hình như
sau.
ln  löông   7,023  0,024* kinh nghieäm
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
3. Mô hình lin - log
Y = β1 + β2lnX
Ý nghĩa: Khi X thay đổi 1%, thì Y thay đổi một lượng tuyệt
đối là 0,01×β2 (β2/100)
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
4. Mô hình nghịch đảo (hyperbole)
Dạng Y = + hay Y = +
Ta nhận thấy rằng
X    Y  1 . Vaäy Y  1 laøtieäm caän ngang
X  0  Y  . Vaäy X  0 laøtieäm caän ñöùng
a) Đường cong ENGEL
X là thu nhập người tiêu dùng
Y là chi tiêu của người tiêu dùng về một loại hàng hoá
Khi thu nhập (X) tăng thì chi tiêu (Y) sẽ tăng nên β2 <0
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Khi X→ ta có Y→β1 ⇒ Y β1 là mức chi tiêu bão hoà
Y 0 ⇒X X0 giá trị ngưỡng thu nhập. Khi thu nhập X X 0 thì
người tiêu dùng sẽ không chi tiêu cho loại hàng hoá trên
nữa
Y
1

0 X
 2 / 1 
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Giả sử có mẫu thống kê như sau
X 16 20 24 28 32 36 40 44 48 52
Y 12 15 18 22 23 25 30 31 36 38

X là thu nhập hộ gia đình (triệu đồng/tháng)

Y chi tiêu hộ gia đình (triệu đồng/tháng)
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Dependent Variable: Y
Method: Least Squares
Sample: 1 10
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C 44.60337 2.724915 16.36872 0.0000
1/X -582.2204 75.25374 -7.736763 0.0001
R-squared 0.882106 Mean dependent var 25.00000
Adjusted R-squared 0.867369 S.D. dependent var 8.705043
S.E. of regression 3.170248 Akaike info criterion 5.322353
Sum squared resid 80.40378 Schwarz criterion 5.38287
Log likelihood -24.61177 Hannan-Quinn criter. 5.255966
F-statistic 59.8575 Durbin-Watson stat 0.652291
Prob(F-statistic) 0.000056

= 44,60337 (tr đ/tháng) là mức chi tiêu bão hoà

Giá trị ngưỡng thu nhập X0 = 13,053283 tr đ/tháng
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
b) Đường cong PHILLIP
X là tỷ lệ % thất nghiệp, Y là tỷ lệ % thay đổi mức lương
Khi tỷ lệ thất nghiệp X tăng thì mức lương (Y) giảm đi β2 > 0
Khi tỷ lệ thất nghiệp X ta có Y β1 < 0⇒ Y β1 là tỷ lệ giảm
lương tối đa
Y 0 ⇒X X0 0 là tỷ lệ thất nghiệp tự nhiên
Y
2  0
1  0

0 X
1
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Ví dụ. Bảng sau cho ta số liệu về tỷ lệ thay đổi tiền lương
(Y) và tỷ lệ thất nghiệp (X) của vương quốc Anh trong giai
đoạn 1950-1966
Năm Y(%) X(%) Năm Y(%) X(%)
1950 1.8 1.4 1959 2.6 1.9
1951 8.5 1.1 1960 2.6 1.5
1952 8.4 1.5 1961 4.2 1.4
1953 4.5 1.5 1962 3.6 1.8
1954 4.3 1.2 1963 3.7 2.1
1955 6.9 1 1964 4.8 1.5
1956 8 1.1 1965 4.3 1.3
1957 5 1.3 1966 4.6 1.4
1958 3.6 1.8
MỘT SỐ DẠNG CỦA HÀM HỒI QUY
9

6
Y

1
0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2

X
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Dependent Variable: Y
Method: Least Squares
Sample: 1950 1966
Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
C -1.428177 2.067478 -0.690782 0.5003
1/X 8.724344 2.847779 3.063561 0.0079
R-squared 0.384878 Mean dependent var 4.788235
Adjusted R-squared 0.343870 S.D. dependent var 2.017078
S.E. of regression 1.633871 Akaike info criterion 3.929912
Sum squared resid 40.04300 Schwarz criterion 4.027937
Log likelihood -31.40425 Hannan-Quinn criter. 3.939656
F-statistic 9.385404 Durbin-Watson stat 1.569828
Prob(F-statistic) 0.007882
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Tỷ lệ giảm lương tối đa là = 1,43 (%/năm)
Tỷ lệ thất nghiệp tự nhiên
ˆ 2
X 0    6,11 % / naêm 
ˆ 1
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
5. Mô hình đa thức
Dạng bậc hai Y  1  2 X2  3 X2
2

Dạng tổng quát Y  1  2 X2  3 X  ...  k+1X

2
2
k
2

Ví dụ: Bảng sau cho biết sản lượng và tổng chi phí sản xuất
ngắn hạn của một loại sản phẩm
Sản lượng Tổng chi Sản lượng Tổng chi
(X) phí (Y) (X) phí (Y)
1 193 6 260
2 226 7 274
3 240 8 297
4 244 9 350
5 257 10 420
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Đồ thị phân tán giữa chi phí sản xuất và sản lượng
440

400

360

320
Y

280

240

200

160
0 2 4 6 8 10 12

X
 MỘT SỐ DẠNG CỦA HÀM HỒI QUY
Dependent Variable: Y
Method: Least Squares
Sample: 1 10
Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob.
C 141.7667 6.375322 22.23678 0.0000
X 63.47766 4.778607 13.28372 0.0000
X^2 -12.96154 0.985665 -13.15005 0.0000
X^3 0.939588 0.059106 15.89677 0.0000
R-squared 0.998339 Mean dependent var 276.1000
Adjusted R-squared 0.997509 S.D. dependent var 65.81363
S.E. of regression 3.284911 Akaike info criterion 5.505730
Sum squared resid 64.74382 Schwarz criterion 5.626764
Log likelihood -23.52865 Hannan-Quinn criter. 5.372956
F-statistic 1202.220 Durbin-Watson stat 2.700212
Prob(F-statistic) 0.000000