Đang tải... (xem toàn văn)
MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG a Quan hệ hồi quyBiến phụ thuộc là ñại lượng ngẫu nhiên tuân theo các quy luật phân bố xác suất Hồi quy nghiên cứu sự phụ thuộc của một ñại lượng kinh tế
Trang 1Chương 1 : Nhập môn kinh tế lượng Chương 2 : Mô hình hồi quy hai biến Chương 3 : Mô hình hồi quy bội Chương 4 : Hồi quy với biến giảChương 5 : ða cộng tuyếnChương 6 : Phương sai thay ñổiChương 7 : Tự tương quan Chương 8 : Vấn ñề lựa chọn mô hình Chương 9 : Phân tích chuỗi thời gian
- Giáo trình Kinh tế lượng – Nguyễn Quang Dong - Basic Econometrics – Gujarati
- Introductory Econometrics – Jefrey M Wooldridge
Hoặc bất kỳ quyển sách Kinh tế lượng nào
Trang 2by Tuan Anh (UEH)
Thuật ngữ “Econometrics” ñược sử dụng ñầu tiên bởi Pawel
Ciompa vào năm 1910
Tuy nhiên, mãi ñến năm 1930 , với các công trình nghiên cứu của
Ragnar Frisch (Na Uy) thì thuật ngữ “Econometrics” mới ñược
dùng ñúng ý nghĩa như ngày hôm nay
Cùng khoảng thời gian này thì Jan Tinbergen (Hà Lan) cũng
ñộc lập xây dựng các mô hình kinh tế lượng ñầu tiên
Hai ông cùng ñược trao giải Nobel năm 1969 – giải Nobel kinh tế ñầu tiên - với những nghiên cứu của mình về kinh tế lượng
by Tuan Anh (UEH)
1 LỊCH SỬ MÔN HỌC
Từ năm 1969 ñến nay ñã có 5 giải Nobel trao cho các nhà kinh tế lượng
Jan Tinbergen, Ragnar Frisch - Năm 1969 Lawrence Klein – năm 1980
Trygve Haavelmo – năm 1989
Daniel McFadden , James Heckman – năm 2000 Robert Engle , Clive Granger - năm 2003
by Tuan Anh (UEH)
2.NỘI DUNG NGHIÊN CỨU
Econometrics – Kinh tế lượng
Ước lượng, ño lường các mối quan hệ kinh tế
ðối chiếu lý thuyết kinh tế với thực tiễn, qua ñó kiểm tra sự phù hợp của các lý thuyết kinh tế
Dự báo các biến số kinh tế
by Tuan Anh (UEH)
3 CÁC MÔN HỌC LIÊN QUAN
Kinh tế vi mô và kinh tế vĩ mô Toán học
Xác suất Thống kê Tin học
by Tuan Anh (UEH)
4.QUY TRÌNH XÂY DỰNG MÔ HÌNH KINH TẾ
Trang 3by Tuan Anh (UEH)
5 SỐ LIỆU CHO KINH TẾ LƯỢNG
Số liệu theo thời gian (Time series data) : là số
liệu của một biến số kinh tế tại nhiều thời ñiểm
Ví dụ : số liệu về chỉ số giá tiêu dùng qua các năm
by Tuan Anh (UEH)
Số liệu chéo (Cross data) : Số liệu của nhiều biến số
kinh tế tại cùng một thời ñiểm
Ví dụ : số liệu về các chỉ số giá năm 2005
5 SỐ LIỆU CHO KINH TẾ LƯỢNG
by Tuan Anh (UEH)
Số liệu hỗn hợp (Panel data) : là sự kết hợp của hai loại
Ví dụ : số liệu về các chỉ số giá qua các năm
5 SỐ LIỆU CHO KINH TẾ LƯỢNG
by Tuan Anh (UEH)
Nguồn của số liệu
Số liệu thực nghiệm
Số liệu phi thực nghiệm
5 SỐ LIỆU CHO KINH TẾ LƯỢNG
by Tuan Anh (UEH)
6 MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG
a) Quan hệ hồi quy
Biến phụ thuộc là ñại lượng ngẫu nhiên tuân theo các
quy luật phân bố xác suất
Hồi quy nghiên cứu sự phụ thuộc của một ñại lượng kinh
tế này (biến phụ thuộc) vào một hay nhiều ñại lượng kinh tế khác (biến ñộc lập, biến giải thích ) dựa trên ý tưởng
là ước lượng giá trị trung bình của biến phụ thuộc trên cơ sở các giá trị biết trước của các biến ñộc lập
Biến ñộc lập có giá trị xác ñịnh trước
Như vậy:
by Tuan Anh (UEH)
6 MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG
b) Phân biệt quan hệ hồi quy với các quan hệ khác
Quan hệ hồi quy với quan hệ hàm số
Quan hệ hồi quy với quan hệ nhân quả
Quan hệ hồi quy với quan hệ tương quan
Trang 4by Tuan Anh (UEH)
6 MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG c) Hàm hồi quy tổng thể - PRF(Population Regression
Function )
Là hàm hồi quy ñược xây dựng dựa trên số
liệu của tất cả các ñối tượng cần nghiên cứu
Y : Biến phụ thuộc
Yi: Giá trị thực tế cụ thể của biến phụ thuộc
X2,X3,…, Xk : Các biến ñộc lập
X2i,X3i,…, Xki : Giá trị cụ thể của biến ñộc lập
Ui: Sai số ngẫu nhiên ứng với quan sát thứ i
by Tuan Anh (UEH)
6 MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG
c) Hàm hồi quy tổng thể - PRF (Population Regression
by Tuan Anh (UEH)
6 MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG
c) Hàm hồi quy tổng thể - PRF (Population Regression
Function )
Vì sao sai số Uiluôn tồn tại trong mô hình hồi quy ?
Vì không biết hết các yếu tố ảnh hưởng ñến biến phụ thuộc Y
Vì không thể ñưa hết các yếu tố ảnh hưởng ñến Y vào mô hình ( sẽ làm mô hình phức tạp )
Vì không có tất cả các số liệu cần thiết
Vì sai sót và sai số trong quá trình thu thập số liệu
by Tuan Anh (UEH)
6 MỐI QUAN HỆ TRONG KINH TẾ LƯỢNG
d)Hàm hồi quy mẫu - SRF (Sample Regression
Function )
Trong thực tế rất khó nghiên cứu trên tổng thể nên thông thường người ta nghiên cứu xây dựng hàm hồi quy trên một mẫu => Gọi là hàm hồi quy mẫu
Trang 5MÔ HÌNH HỒI QUY HAI BIẾN
I.HÀM HỒI QUY TỔNG THỂ VÀ HÀM HỒI QUY MẪU
1 Hàm hồi quy tổng thể của hồi quy 2 biến
Nếu chỉ nghiên cứu một biến phụ thuộc bị ảnh hưởng bởi
một biến ñộc lập => Mô hình hồi quy hai biến
Trong quan hệ hồi quy , một biến phụ thuộc có thể ñược giải thích bởi nhiều biến ñộc lập
Nếu mối quan hệ giữa hai biến này là tuyến tính => Mô
hình hồi quy tuyến tính hai biến
Hàm hồi quy tổng thể (PRF) của mô hình hồi quy hai biến
Xi: Giá trị cụ thể của biến ñộc lập Ui: Sai số ngẫu nhiên ứng với quan sát thứ i
I.HÀM HỒI QUY TỔNG THỂ VÀ HÀM HỒI QUY MẪU
Trong ñó
β1 : Tung ñộ gốc của hàm hồi quy tổng thể, là giá trị trung bình của biến phụ thuộc Y khi biến ñộc lập X nhận giá trị bằng 0
β2 : ðộ dốc của hàm hồi quy tổng thể , là lượng thay ñổi trung bình của Y khi X thay ñổi 1 ñơn vị
β1,β2là các tham số của mô hình với ý nghĩa :
I.HÀM HỒI QUY TỔNG THỂ VÀ HÀM HỒI
2 Hàm hồi quy mẫu của hồi quy 2 biến
Trong thực tế rất khó nghiên cứu trên tổng thể nên thông thường người ta nghiên cứu xây dựng hàm hồi quy trên một mẫu => Gọi là hàm hồi quy mẫu
Trang 62 Hàm hồi quy mẫu của hồi quy 2 biến
I.HÀM HỒI QUY TỔNG THỂ VÀ HÀM HỒI
Nếu bỏ qua sai số ngẫu nhiên ei , thì giá trị thực tế Yisẽ trở thành giá trị ước lượng
Tại sao chúng ta không tìm Σeinhỏ nhất ?
II.PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ
Trang 7Ví dụ áp dụng
Quan sát về thu nhập (X – triệu ñồng/năm) và chi tiêu (Y – triệu ñồng/năm) của 10 người, ta ñược các số liệu sau :
Xây dựng hàm hồi quy mẫu
II.PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎNHẤT (OLS)
2 Các giả thiết của mô hình
Giả thiết 1 : Các giá trị Xi cho trước và không ngẫu nhiên
Giả thiết 2 : Các sai số Uilà ñại lượng ngẫu nhiên có giá trị trung bình bằng 0
Giả thiết 3 : Các sai số Uilà ñại lượng ngẫu nhiên có phương sai không thay ñổi
II.PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎNHẤT (OLS)
2 Các giả thiết của mô hình
Giả thiết 4 : Không có sự tương quan giữa các Ui
Giả thiết 5 : Không có sự tương quan giữa Uivà Xi
Khi các giả thiết này ñược ñảm bảo thì các ước lượng tính ñược bằng phương pháp OLS là các ước lượng tốt nhất và hiệu quả nhất của hàm hồi quy tổng thể
Ta nói, ước lượng OLS là ước lượng BLUE
(Best Linear Unbias Estimator)
II.PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ
Trang 8II.PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ
•R2= 1 : mô hình hoàn toàn phù hợp với mẫu nghiên cứu •R2 = 0 : mô hình không phù hợp với mẫu nghiên cứu
Và dấu của r trùng với dấu của βˆ2
Tính chất của hệ số tương quan :
Trang 10MÔ HÌNH HỒI QUY HAI BIẾN (phần 2)
Chương 2
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
1 Các ñại lượng ngẫu nhiên
Giả sử Ui ~ N(0,σ2)
Theo giả thiết của phương pháp OLS, Uilà ñại lượng ngẫu nhiên có giá trị trung bình bằng 0 và phương sai không thay ñổi
Khi ñó σ2 ñược gọi là phương sai của tổng thể , rất khó tính ñược nên thường ñược ước lượng bằng phương sai
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
1 Các ñại lượng ngẫu nhiên
a.ðại lượng ngẫu nhiên Ui
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
1 Các ñại lượng ngẫu nhiên
b.ðại lượng ngẫu nhiênβˆ1,βˆ2
Vì sao βˆ1,βˆ2là các ñại lượng ngẫu nhiên ?
σ là phương sai của βˆ2
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
1 Các ñại lượng ngẫu nhiên
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
1 Các ñại lượng ngẫu nhiên
Trang 11III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Các khoảng tin cậy
a.Khoảng tin cậy của β2
Giả sử ta muốn xây dựng một khoảng giá trị của β2với ñộ tin cậy (1-α)
ðồ thị phân phối của thống kê t
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Các khoảng tin cậy
a.Khoảng tin cậy của β2
Nên khoảng tin cậy của β2với ñộ tin cậy 1-α là
Với có ñược khi tra bảng t-Student với bậc tựdo (n-2), mức ý nghĩa α/2
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Các khoảng tin cậy
b.Khoảng tin cậy của β1
Lập luận tương tự, khoảng tin cậy của β1với ñộ tin cậy 1-α là
Giải thích ý nghĩa của ñộ tin cậy (1- α), ví dụ (1- α) =95%?
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Các khoảng tin cậy
c.Khoảng tin cậy của σ2
Nên khoảng tin cậy của σ2với ñộ tin cậy 1-α là
Với có ñược khi tra bảng χ2với bậc tự do (n-2), mức ý nghĩa α/2
Từ số liệu ñã cho của ví dụ trước , yêu cầu tính khoảng tin cậy của β1, β2và σ2 với ñộ tin cậy 95%
Trang 12Nhắc lại về giả thiết H0
Trong thống kê, giả thiết phát biểu cần ñược kiểm ñịnh
ñược gọi là giả thiết không ( ký hiệu : H0) Giả thiết ñối
ñược ký hiệu là giả thiết H1
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
Người ta thường ñặt giả thiết H0sao cho sai lầm loại I là nghiêm trọng ( nguy hiểm) hơn sai lầm loại II
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
ðặt α là khả năng mắc sai lầm loại I ⇒ α là mức ý nghĩa của kiểm ñịnh ⇒ 1- α là ñộ tin cậy của kiểm ñịnh
Chú ý
Khi nói “chấp nhận giả thiết H0”, không có nghĩa H0 ñúng.
Lựa chọn mức ý nghĩa α: αcó thể tùy chọn, thường người ta chọn mức 1%, 5%, hoặc 10%.
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
Các giả thiết cần kiểm ñịnh gồm
Các giả thiết về hệ số hồi quy Các giả thiết về phương sai của Ui Các giả thiết về sự phù hợp của mô hình
Các loại giả thiết
Giả thiết 2 phía , phía trái và phía phải
Các cách kiểm ñịnh cơ bản :
o Phương pháp khoảng tin cậy o Phương pháp giá trị tới hạn
o Phương pháp p-value ( dùng máy vi tính)
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
3 Kiểm ñịnh giả thiết về hệ số hồi quy
a.Kiểm ñịnh giả thiết về β2
Giả thiết 2 phía Ho:β2 = βo
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
3 Kiểm ñịnh giả thiết về hệ số hồi quy
Phương pháp khoảng tin cậy
Bước 1 : Lập khoảng tin cậy của β2
Bước 2 : Nếu β0 thuộc khoảng tin cậy thì chấp nhận H0 Nếu β0 không thuộc khoảng tin cậy thì bác bỏ H0
a.Kiểm ñịnh giả thiết về β2
Kiểm ñịnh phía trái
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
3 Kiểm ñịnh giả thiết về hệ số hồi quy
Kiểm ñịnh hai phía
Miền chấp nhận Miền bác bỏMiền bác bỏ
Trang 13III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Kiểm ñịnh giả thiết về hệ số hồi quy
a.Kiểm ñịnh giả thiết về β2
Phương pháp giá trị tới hạn (kiểm ñịnh t)
Bước 1 : tính giá trị tới hạn
Bước 2 : tra bảng t-Student với bậc tự do (n-2) tìm tα/2 Bước 3 :
Nếu -tα/2 ≤ t ≤ tα/2: chấp nhận giả thiết H0 Nếu t < -tα/2hoặc t > tα/2: bác bỏ giả thiết H0
SV tự suy luận ñiều kiện cho kiểm ñịnh phía trái và phải
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Kiểm ñịnh giả thiết về hệ số hồi quy
a.Kiểm ñịnh giả thiết về β2
Nếu p_value ≥ α : chấp nhận giả thiết H0 Nếu p_value < α : bác bỏ giả thiết H0
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Kiểm ñịnh giả thiết về hệ số hồi quy
b.Kiểm ñịnh giả thiết về β1
Tương tự kiểm ñịnh giả thiết về β2 nhưng giá trị
H1:β1 ≠ βo Với ñộ tin cậy là 1-α
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
2 Kiểm ñịnh giả thiết về hệ số hồi quy
c.Kiểm ñịnh giả thiết về σ2
Bước 1 : Lập khoảng tin cậy của σ2
Bước 2 :
• Nếu σ0 thuộc khoảng tin cậy thì chấp nhận H0 • Nếu σ0 không thuộc khoảng tin cậy thì bác bỏ H0
H1:σ2≠ σ0 Với ñộ tin cậy là 1-α
Ví dụ áp dụng
Từ số liệu ñã cho của ví dụ trước , yêu cầu kiểm ñịnh các giả thiết sau
III KiỂM ðỊNH MÔ HÌNH HỒI QUY
4 Kiểm ñịnh sự phù hợp của mô hình
Trang 14Ho:β2 = 0
H1:β2 ≠ 0ựộ tin cậy là (1-α)
Việc kiểm ựịnh giả thiết có ý nghĩa như thế nào?
Câu hỏi
Ho:R2= 0
H1:R2≠ 0ựộ tin cậy là (1-α)
Việc kiểm ựịnh giả thiết có ý nghĩa như thế nào?
Vắ dụ áp dụng
Từ số liệu ựã cho của vắ dụ trước , yêu cầu kiểm ựịnh sự phù hợp của mô hình với ựộ tin cậy 95%
Dấu của các hệ số hồi qui ước lượng ựược phù hợp với lý thuyết hay tiên nghiệm không.
Các hệ số hồi qui ước lượng ựược có ý nghĩa về mặt thống kê hay không ?
Mức ựộ phù hợp của mô hình (R2) và mô hình có thực sự phù hợp?
Kiểm tra xem mô hình có thỏa mãn các giả thiết của mô hình hồi qui tuyến tắnh cổ ựiển hay không.
5 đánh giá kết quả hồi quy
Trang 15MÔ HÌNH HỒI QUY HAI BIẾN (phần 3)
Chương 2
IV.SỬ DỤNG MÔ HÌNH HỒI QUY
1 Trình bày kết quả hồi quy
Kết quả hồi quy ñược trình bày như sau :
IV.SỬ DỤNG MÔ HÌNH HỒI QUY
1 Trình bày kết quả hồi quy
Kết quả hồi quy trong ví dụ trước :
IV.SỬ DỤNG MÔ HÌNH HỒI QUY
2 Vấn ñề ñổi ñơn vị tính trong hàm hồi quy Trong hàm hồi quy hai biến , nếu ñơn vị tính của X và Y thay ñổi thì ta không cần hồi quy lại mà chỉ cần áp dụng công thức ñổi ñơn vị tính
Hàm hồi quy theo ñơn vị tính cũ Yˆi=βˆ1+βˆ2Xi
Hàm hồi quy theo ñơn vị tính mới * *
IV.SỬ DỤNG MÔ HÌNH HỒI QUY
2 Vấn ñề ñổi ñơn vị tính trong hàm hồi quy
Tuy nhiên, việc thay ñổi ñơn vị tính của các biến không làm thay ñổi tính BLUE của mô hình
Ví dụ áp dụng
Cho hàm hồi quy giữa lượng tiêu thụ cà phê (Y – ly/ngày) với giá bán cà phê ( X – ngàn ñồng/kg) như sau
Trang 16Ví dụ áp dụng
Từ số liệu ñã cho của ví dụ trước về chi tiêu và thu nhập , yêu cầu viết lại hàm hồi quy với ñơn vị tính như sau
a) Y – triệu ñồng/tháng ; X – triệu ñồng/năm
Vì sao là ñại lượng nhẫu nhiên ?Yˆ0
IV.SỬ DỤNG MÔ HÌNH HỒI QUY
Từ số liệu ñã cho của ví dụ trước , yêu cầu dự báo khoảng giá trị của Y khi X0= 60 (triệu ñồng/năm) với ñộ tin cậy 95%
V.MỞ RỘNG MÔ HÌNH HỒI QUY HAI BiẾN
1 Hồi quy qua gốc tọa ñộ
Khi tung ñộ gốc bằng 0 thì mô hình trở thành mô hình hồi quy qua gốc tọa ñộ , khi ñó hàm hồi quy như sau
V.MỞ RỘNG MÔ HÌNH HỒI QUY HAI BiẾN
1. Hồi quy qua gốc tọa ñộ
Trang 17V.MỞ RỘNG MÔ HÌNH HỒI QUY HAI BiẾN
2 Mô hình tuyến tính logarit
Hay còn gọi là mô hình log-log hay mô hình log kép
ðây là dạng hồi quy tuyến tính ñã biết
V.MỞ RỘNG MÔ HÌNH HỒI QUY HAI BiẾN
2 Mô hình tuyến tính logarit
Ý nghĩa của hệ số β2 : khi X thay ñổi 1% thì Y thay ñổi β2 % (ðây chính là hệ số co giãn của Y ñối với X)
Biến phụ thuộc xuất hiện dưới dạng log và biến ñộc lập xuất hiện dưới dạng tuyến tính (linear) nên mô hình cótên gọi là log-lin
V.MỞ RỘNG MÔ HÌNH HỒI QUY HAI BiẾN
Ý nghĩa của hệ số β2 : khi X thay ñổi 1 % thì Y thay ñổi (β2/100) ñơn vị
Trang 18V.MỞ RỘNG MÔ HÌNH HỒI QUY HAI BiẾN
a) Nêu ý nghĩa kinh tế của các hệ số hồi quy
b) Xét xem giá bán có ảnh hưởng ñến doanh số bán không ?(với mức ý nghĩa 1%)
c) Nếu giá bán là 8,5 ngàn ñồng /kg thì doanh số bán trung bình làbao nhiêu?
d) Hãy viết lại SRF ở trên nếu ñơn vị tính của Y là triệu ñồng/năme) Kiểm ñịnh giả thiết H0:β2 = -1; H1 :β2≠ -1; với mức ý nghĩa
f) Tính hệ số co giãn của Y theo X tại ñiểm ( YX,)
Cho kết quả hồi quy giữa Y – doanh số bán (trñ/tấn) và X - giá bán ( ngàn ñồng/kg) như sau :
Trang 19HỒI QUY TUYẾN TÍNH •Uilà các sai sốngẫu nhiên
Vậy ý nghĩa của β1, β2, β3là gì ?
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Các X2i, X3icho trước và không ngẫu nhiên
Giá trịtrung bình của ñại lượng ngẫu nhiêu Ui bằng 0, Phương sai của Uikhông thay ñổi
Không có sựtương quan giữa các Ui
Không có sựtương quan (cộng tuyến) giữa X2và X3
Không có sựtương quan giữa các Ui và X2,X3
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Như vậy , công thức tính của các tham số như sau :
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Trang 20I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Người ta chứng minh ñược
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Bảng dưới ñây cho các số liệu về doanh số bán (Y), chi phí chào hàng (X2) và chi phí quảng cáo (X3) 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
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Giải Từ số liệu trên, ta tính ñược các tổng như sau :
Có thể dùng Excel ñể tính toán các số liệu này, như sau
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Trang 21I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Kết quả của ví dụ trên chạy bằng Eviews như sau :
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Vì sao khi thêm biến vào mô hình thì R2sẽ tăng lên?
I MÔ HÌNH HỒI QUY TUYẾN TÍNH 3 BiẾN
R có thểâm, và khi nó âm, coi như bằng 0
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Ví dụ : Tính hệ số xác ñịnh của mô hình hồi quy theo số liệu của ví dụ trước
Trang 22I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Kết quả của ví dụ trên chạy bằng Eviews như sau :
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Phương sai của các tham số hồi quy ñược tính theo các công thức sau:
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Khoảng tin cậy của β1
Với ñộ tin cậy là1-α
Với ñộ tin cậy là1-α
Trang 23Khoảng tin cậy của β3
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Lưu ý khi tra bảng T-Student, trong trường
hợp hàm hồi quy 3 biến thì bậc tự do là (n-3)
Với ñộ tin cậy là1-α
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Ví dụ : Tính khoảng tin cậy của β2vàβ3mô hình hồi quy theo số liệu của ví dụ trước với ñộ tin cậy 95%
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
Kết quả của ví dụ trên chạy bằng Eviews như sau :
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
a) Kiểm ñịnh giả thiết về β1,β2β3
Bước 1 : Lập khoảng tin cậy Bước 2 : Nếu β0 thuộc khoảng tin cậy thì chấp nhận Ho Nếu β0 không thuộc khoảng tin cậy thì bác bỏ Ho
H1:βi≠ βo ðộ tin cậy là1-α
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
a) Kiểm ñịnh giả thiết về β1,β2β3 Ví dụ : (theo số liệu trước), yêu cầu kiểm ñịnh các giả thiết
Trang 24Kết quả của ví dụ trên chạy bằng Eviews như sau :
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
b) Kiểm ñịnh giả thiết vềR2
I MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN
b) Kiểm ñịnh giả thiết vềR2Ui : sai số ngẫu nhiên
Hàm sản xuất Cobb-Douglas có thể ñưa ñược về dạng tuyến tính bằng cách lấy logarit hai vế
Trang 25ðể hồi quy dạng tuyến tính logarit trong Eviews, ta nhập
Mặc dù chỉ có một biến ñộc lập Xi nhưng nó xuất hiện với các luỹ thừa khác nhau khiến cho mô hình trở thành hồi quy ba biến
II MỘT SỐDẠNG HÀM
ðể hồi quy dạng ña thức trong Eviews
Kết quả hồi quy dạng ña thức
ðể chuẩn bị tốt cho buổi học sau, ñề nghị sinh viên
tự ôn tập lại kiến thức vềma trậngồm : các phép
toán ma trận ( cộng, chuyển vị, nhân 2 ma trận);tính ñịnh thức ; tìm ma trận nghịch ñảo Giảng
viên sẽhỏiphần này trên lớp trước khi vào bài mới
Trang 26HỒI QUY TUYẾN TÍNH BỘI (tiếp theo)
Chương 3 1. Hàm hồi quy tổng thể (PRF)
III HỐI QUY TUYẾN TÍNH K BIẾN
III HỐI QUY TUYẾN TÍNH K BIẾN