1 KINH TẾ LƯỢNG CHƯƠNG V HỒI QUY VỚI BIẾN GIẢ 2 5.1. Sử dụng biến giả trong mô hình hồi quy Ví dụ 5.1: Xét sự phụ thuộc của thu nhập (Y) (triệu đồng/tháng) vào thời gian công tác (X) (năm) và nơi làm việc của người lao động (DNNN và DNTN). Z = 1: làm trong DNNN và Z = 0: làm trong DNTN Trong đó Y và X là biến số lượng, còn Z là chỉ tiêu chất lượng cho biết có hay không một thuộc tính nào đó. Z được gọi là biến giả trong mô hình 3 E(Y/X,Z) = β 1 + β 2 X i + β 3 Z i (5.1) E(Y/X,Z=0) = β 1 + β 2 X i (5.2) E(Y/X,Z=1) = β 1 + β 2 X i + β 3 (5.3) (5.2): mức thu nhập bình quân tháng của người lao động tại DNTN khi có thời gian công tác là X năm. : 2 người có cùng thời gian công tác thì trung bình mức thu nhập của người làm tại DNNN cao hơn người làm tại DNTN 0,4 triệu đồng/tháng. 4,0 ˆ 3 = β 4 Y 1 ˆ β 3 ˆ β 31 ˆˆ ββ + Hình 5.1 X E(Y/X,Z) = β 1 + β 2 X i + β 3 Z i 5 Y X 1 ˆ β 3 ˆ β 31 ˆˆ ββ + Hình 5.2 E(Y/X,Z) = β 1 + β 2 X i + β 3 Z i + β 4 X i Z i 6 Ví dụ 5.2: Xét sự phụ thuộc của thu nhập (Y) (triệu đồng/tháng) vào thời gian công tác (X) (năm) và nơi làm việc của người lao động (DNNN, DNTN và DNLD) Z 1i = 0 phạm trù Z 2i = 0 cơ sở Để lượng hoá chỉ tiêu chất lượng trên, ta phải dùng 2 biến giả Z 1 và Z 2 .    ∉ ∈ = DNNN DNNN Z i 0 1 1    ∉ ∈ = DNTN DNTN Z i 0 1 2 7 E(Y/X,Z1,Z2) = β 1 + β 2 X i + β 3 Z 1i + β 4 Z 2i E(Y/X,Z1=0,Z2=0) = β 1 + β 2 X i E(Y/X,Z1=1,Z2=0) = β 1 + β 2 X i + β 3 E(Y/X,Z1=0,Z2=1) = β 1 + β 2 X i + β 4 : 2 người có cùng thời gian công tác thì trung bình mức thu nhập của người làm tại DNNN cao hơn người làm tại DNLD 0,4 triệu đồng/tháng. : 2 người có cùng thời gian công tác thì trung bình mức thu nhập của người làm tại DNTN thấp hơn người làm tại DNLD 0,2 triệu đồng/tháng. Lưu ý: Một chỉ tiêu chất lượng có m phạm trù khác nhau thì ta phải dùng m-1 biến giả để lượng hoá cho chỉ tiêu chất lượng đó. 4,0 ˆ 3 = β 2,0 ˆ 4 −= β 8 Ví dụ 5.3. tiếp ví dụ 5.2, thu nhập còn phụ thuộc vào trình độ người lao động (từ đại học trở lên, cao đẳng và khác) D 1i = 1: nếu trình độ từ đại học trở lên 0: nếu không D 2i = 1: nếu trình độ cao đẳng 0: nếu không có trình độ cao đẳng 9 Tổng quát: số biến giả đưa vào mô hình phụ thuộc vào số biến định tính và số phạm trù có ở mỗi biến định tính. Số biến giả đưa vào mô hình có thể được xác định theo công thức sau: Trong đó: m – số biến giả đưa vào mô hình; k – số biến định tính; n i – số phạm trù của biến định tính thứ i. ∑ = −= k i i nn 1 )1( 10 5.2. Sử dụng biến giả trong phân tích mùa Z = 1, nếu quan sát trong mùa, và Z=0 nếu quan sát không nằm trong mùa. Từ tháng 1-6: trong mùa, Tháng 7-12: ngoài mùa. Y: chi tiêu cho quần áo, X: thu nhập khả dụng - Nếu yếu tố mùa chỉ ảnh hưởng đến hệ số chặn - Nếu yếu tố mùa có ảnh hưởng đến hệ số góc thì Mô hình sau có tính tổng quát hơn. Thông qua việc kiểm định giả thiết chúng ta sẽ biết được hệ số góc nào có ý nghĩa. iii ZXY 321 ˆˆˆ ˆ βββ ++= iiiii ZXZXY 4321 ˆˆˆˆ ˆ ββββ +++= [...]... ei * t = R2 = (-0 ,824) (6,607) 0,9737 X* = 5500 (1,145) 19 Lưu ý: Nếu biến phụ thuộc là biến giả: Nếu ta có một biến phụ thuộc là biến giả tức là biến chỉ nhận hai giá trị 0 v 1 Chúng ta không thể sử dụng phương pháp bình phương bé nhất (OLS) để ước lượng hàm hồi quy mà phải dùng các phương pháp khác để ước lượng như: -Mô hình xác suất tuyến tính (LPM) -Mô hình Logit (Logit model) -Mô hình Probit... Thu nhập -0 .27 -1 .75 16 5.4 Hàm tuyến tính từng khúcYX V dụ 5.5: Sản lượng dưới X*, thì chi phí hoa hồng sẽ khác v i khi sản lượng trên X* Hàm hồi quy sẽ có dạng: Yi = β1 + β 2 X i + β 3 ( X i − X ) Z i + ui * Y: Chi phí; X: sản lượng; X*: giá trị ngưỡng sản lượng 1 : X i > X *  Z1i =  0 : X i ≤ X *  17 Y X* X 18 Trong đó tổng SL làm thay đổi độ dốc (X*) là 5500 tấn Ta có kết quả hồi quy như sau:...5.3 Kiểm định sự ổn định cấu trúc của các mô hình hồi quy bằng biến giả V dụ 5.4 Cho số liệu tiết kiệm v thu nhập cá nhân ở nước Anh từ 194 6-6 3 (triệu pounds) 11 Hàm tiết kiệm Thời kỳ tái thiết: 194 6-5 4 Yi = α1 + α 2 X i + vi Thời kỳ hậu tái thiết Yi = λ1 + λ2 X i + ε i có các trường hợp sau xảy ra: α1 = λ1 α 2 = λ2 α1 = λ1 α 2 ≠ λ2 α1... + ei V i n = n1 + n2 Trong đó Z = 1: quan sát thuộc thời kỳ tái thiết Z = 0 : quan sát thuộc thời kỳ hậu tái thiết * Kiểm định giả thiết H0: β3=0 Nếu chấp nhận H0: loại bỏ Z ra khỏi mô hình * Kiểm định giả thiết H0: β4=0 Nếu chấp nhận H0: loại bỏ ZiXi ra khỏi mô hình 13 Từ số liệu ở bảng ta có kết quả hồi quy theo mô hình như sau: Yi = −1,75 + 0,15045 X i + 1,4839 Z i − 0,1034 X i Z i + ei t = (-5 ,27)... i + 1,4839 Z i − 0,1034 X i Z i + ei t = (-5 ,27) (9,238) pt = (0,000) (0,000) (3,155) (0,007) (-3 ,109) (0,008) Kết quả trên cho thấy cả tung độ gốc v hệ số góc chênh lệch đều có ý nghĩa thống kê Điều đó chứng tỏ rằng các hồi quy trong hai thời kỳ là khác nhau 14 Từ kết quả trên, chúng ta có thể tính hồi quy cho 2 thời kỳ như sau: Thời kỳ tái thiết: Z = 1 Yi = −1,75 + 0,15045 X i + 1,4839 − 0,1034... pháp bình phương bé nhất (OLS) để ước lượng hàm hồi quy mà phải dùng các phương pháp khác để ước lượng như: -Mô hình xác suất tuyến tính (LPM) -Mô hình Logit (Logit model) -Mô hình Probit (Probit model) -Mô hình Tobit (Tobit model) 20 . 1 KINH TẾ LƯỢNG CHƯƠNG V HỒI QUY V I BIẾN GIẢ 2 5.1. Sử dụng biến giả trong mô hình hồi quy V dụ 5.1: Xét sự phụ thuộc của thu nhập (Y) (triệu đồng/tháng) v o thời gian công tác (X) (năm) v . )(095,0279,0717,145 * t = (-0 ,824) (6,607) (1,145) R 2 = 0,9737 X* = 5500 Ta có kết quả hồi quy như sau: 20 Lưu ý: Nếu biến phụ thuộc là biến giả: Nếu ta có một biến phụ thuộc là biến giả tức là biến chỉ nhận. biến định tính v số phạm trù có ở mỗi biến định tính. Số biến giả đưa v o mô hình có thể được xác định theo công thức sau: Trong đó: m – số biến giả đưa v o mô hình; k – số biến định tính;