Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (13 MB, 105 trang )
<span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">
<b>GIẢNG VIÊN: TS. NGUYÊN THỊ MỸ PHƯỢNG</b>
<small>Vận dụng được các mơ hình hồi quy để tính tốn và kiểm định </small>
<small>các giá trị ước lượng trong nghiên cứuTài chính- Ngân hàng.</small>
<small>Phân tíchđược kết quả ước lượngcủamơ hình nghiên cứu trong Tài chính - Ngân hàng.</small>
<small>Tổnghợp và phân tích được dữ liệu/thơngtintrong lĩnh vực </small>
<small>Tài chính - Ngân hàng.</small>
<small>Thựchiện cơngviệc cá nhân/nhóm liên quanđếncác tình </small>
□
Dự
Thi
^ Thi
<b>□ NỘI DƯNG HỌC PHẢN:</b>
1 <sup>Chương 1. ứng dụng mơ hình hơi quy </sup>
tuyến tính cổ điển trong TCNH <sup>10</sup>2 <sup>Chương 2. ứng dụng các mơ hình hồi quy </sup>
3 <sup>Chương 3. ứng dụng mơ hình hồi quy với </sup>
dữ liệu chuỗi thời gian trong TCNH <sup>15</sup>4 <sup>Chương 4. Tiến hành nghiên cứu thực </sup>
nghiệm trong lĩnh vực TCNH <sup>5</sup>
</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7"><b>CÁC DẠNG DỮ LIỆU KINH TẾ</b>
□
□ Dữ
<b>DỮ LIỆU CHÉO (CROSS SECTIONAL DATA)</b>
<small>Dữ liệu chéo bao gồm một mẫu các đối tượng (cá nhân, gia đình, doanh nghiệp, địa phương, quốc gia,...) được thu thập tại một thời điểm cụ thể.Ví dụ: Dữ liệu lạm phát của các quốc gia ASEAN vào năm 2022</small>
</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8"><b>DỮ LIỆU CHUỎI THỜI GIAN (TIMES SERIES DATA)</b>
<small>Dữ liệu chuỗi thời gian bao gồm các quan sát về một hoặc nhiều biến theo thời gian.</small>
<small>Ví dụ:</small>
<small>- Dữ liệu giá cổ phiếu VIC trong giai đoạn 2007-2022.- Dữ liệu GDP của Việt Nam trong giai đoạn 2000-2022</small>
<b>DỮ LIỆU BẢNG (PANEL DATA)</b>
<small>Dữ liệu dạng bảng bao gồm các chuỗi thời gian ứng với mỗi đối tượng chéo trong tập dữ liệu. Đây là sự kết hợp của hai loại dữ liệu trên.</small>
<small>Ví dụ: Dữ liệu giá cổ phiếu của các doanh nghiệp ngành bất động sản trong giai đoạn 2010-2022. Dữ liệu chỉ số giá tiêu dùng CPI và GDP của các quốc gia ASEAN trong giai đoạn 2010-2022.</small>
<small>Công ty A Công tyA</small>
<small>Công ty B </small>
<small>CơngtyBCơngty B</small>
</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9"><b>CÁC PHẦN MÈM THĨNG KÊ sử DỤNG</b>
1985
trắng.
</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11"><b>GIÓI THIỆU PHẦN MỀM STATA</b>
- Khởi động Stata
Stata được khởi động tương tự như các chương trình tin học ứng dụng khác, bằng cách click vào biểu tượng của Stata:
<b>GIỚI THIỆU PHẦN MỀM STATA</b>
<i>Giaodiện</i>
Sau khi Stata được khởi động, giao diện của Stata sẽ được hiện lên, bao gồm thanh thực đơn ở trên cùng, dưới đó là thanh cơng cụ và các cửa sổ.
<b><small>4905 Lakeway Drive </small></b>
<b><small>College Station, Texas 77845 USA 800-STATA-PC ta#com979-696-4600 stataộstata.com979-696-4601 (fax)</small></b>
<b><small>Unicode is supported; see help unlcode_advice.</small></b>
<b><small>Maximum number of variables is set to 5006; see help set maxvar</small></b>
<small>Vanjbh</small>
</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12"><b>GIƠI THIÊU PHAN MÈM STATA</b>
<small>A</small> <i><b><small>MP—ParallelEdition</small></b></i> <small>NameLabel</small>
<b><small>Statistics and DataScienceCopyright 1985-2021 StataCorp LLC stataCorp</small></b>
<b><small>4905 Lakeway Drive</small></b>
<b><small>College Station, Texas 77845 USA</small></b>
<small>There areitems rc shew.</small>
<b><small>8ee-sTATA-Khttps: /Aww. stata. com statadstata.ccmstata license: Unlimited-user 64-core network perpetual </small></b>
<b><small>Serial number: 18461036TEARTEAR</small></b>
<b><small>Unicode issupported; see help unieode_advi.ee.</small></b>
<b><small>2. Here than 2 billion observations are allowed; see help obs_advice.3. Maxiawjw number of variables is set to 5,009; see help set-Warvar.4. New update available; type -update all-</small></b>
<small>Propertiesft < ></small>
<b>GIỚI THIỆU PHÀN MỀM STATA</b>
<small>rile Edit Data Graphics Statistics User Wincow Help</small>
<small>y^* d d„i_ df Ji'd</small>
<b><small>VariablesA, </small></b><small>Hite?</small>
<b><small>There are no items to showStatxstics/Data Analysis</small></b> <small>■f here are no items to show</small>
<b><small>Tic-Command ở dưới cùng ià màn hình lệnh</small></b>
<small>Các biến chứa trong file xuất hiện ở Variables bên phải.</small>
</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13"><b>GIÓI THIỆU PHẦN MÈM STATA</b>
<b><small>File Edit Data GraphicsStatistics User Window Help</small></b>
<b><small>l£-r taSI I..Ẽ.I ___ J i^j ... i___ J ^___ J .____ I</small></b>
<small>- Data: Để quản lý dữ liệu như nhập dữ liệu từ Excel, biên tập dữ liệu, tạo hoặc thay đổi biến, quản lý các biến...</small>
<small>- Graphics: Vẽ đồ thị.</small>
<small>- Statistics: Tất cả công việc liên quan đến thống kê mô tả và hồi quy.- User và Help: Cung cấp tất cầ các lệnh.</small>
<b>GIỚI THIỆU PHẦN MỀM STATA- Nhập số liệu:</b>
Có một số cách để nhập số liệu vào bộ nhớ của Stata:
Sau đó, nhập số liệu vào cửa sổ hiện ra. Stata cho phép nhập số liệu từ các file số liệu trên Excel. Chúng ta có thể dùng lệnh
- Ngồi ra, có thê mờ file sơ liệu trên Stata đang có tưong tự chương trình tin học thơng thường.
</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15"><b>GIỚI THIỆU PHẦN MÈM STATA- Nhập sô liệu:</b>
<small>wageeducexpertenure nanwhfte female</small>
<b><small>stata license: Unlimited-user 64-ccre network perpetualSerial number: 18461936</small></b>
<b><small>licensed to: TEAM BKRNotes:</small></b>
<b><small>1. Unicode is supported; see help unicodeadvice.</small></b>
<b><small>2. More than 2 billion observations are allowed; see help cbs_ôdvice.3. Maxẳntum number of variables is set to 5,969; see help set_®axvar.4. Hew update available; type -update all-</small></b>
<small>marriednemdepnorthcensouthPrependÔ < >^Variables</small>
<b><small>. edit</small></b>
<b><small>. *{24 variables, 526 observations pasted into data editor}</small></b>
<small>Vilus ỉxbei. Oita</small>
<b>GIỚI THIỆU PHẦN MỀM STATA- Lưu số liệu:</b>
Việc lưu trữ số liệu có thể thực hiện bằng các tùy chọn <i>Save</i> hoặc
<i>Save</i>
<small>2 Stata/SE 11.1 - D:\Cong viec\Phanĩ</small>
<small>'Tile j Edit ~D^aGraphicsStatistic Qj Open...I Ctrl+O</small>
<small>d Ss« 5 ctrl+sSaye As-;y* Ctrl*Shift*s</small>
<small>Do... </small>
<small>Filename...</small>
</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16"><b>- Lưu các thao tác khi thực hiện lệnh và kết quả phân tích:</b>
<b>File / Log / Begin...</b>
<b>File / Log / Close</b>
<b><small>MỘT SĨ CÂU LỆNH Cơ BẲN TRÊN PHẦN MÈM STATA</small></b>
gồm số lượng quan sát trong tệp dữ liệu, số lượng biến, tên củacác biến,...
<b><small>cha :</small></b>
<b><small>from C:52€</small></b>
<b><small>storagedisplay value</small></b>
<i>Kểt</i>
<b><small>educbyteAS .Ogejcperbye®AB - Ogternarybyte</small><sub>ve. Og</sub><small>nonwhitebyteAS - Ogf eraa-lebyte% 8 . OgmarriedbyteAB _ Ognemdepbyte*3-2«sms a.byteA8 - Ogno r th ceilbyte*8 _ OgsouthbyteAS _ Ogwestbyte%8 . Ogcone truebyteA8 OgndurmenbyteAB-Ogt rcomnspu,byte% 8 - Ogtradebyte*3 -Ogservice abyteAB . Ogpro Fee wbyteA8_ OgprofonebyteA a . Og• arvoccAB - OgIwagefl oatA8- Ogeocperegint*3 . Og■ UenuragmtAB-Og</small></b>
</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17"><b><small>MỘT SỐ CÂU LỆNH Cơ BẢN TRÊN PHẢN MỀM STATA</small></b>
<b><small>MỘT SÓ CÂU LỆNH cơ BẢN TRÊN PHẰN MÈM STATA</small></b>
<b>- Đổi tên biến:</b>
<i>Ví </i>
dụng lệnh “help CauLenhCanTim”. Ví dụ: “help rename”.
</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18"><b><small>MỘT SÓ CÂU LỆNH CO BẢN TRÊN PHẦN MÈM STATA</small></b>
<b>- Gán nhãn cho các biến: (giúp hiểu rõ hon về dữ liệu) </b>
<i>Ket quả:</i>
<b><small>MỘT SÓ CÂU LỆNH Cơ BẢN TRÊN PHÀN MÈM STATA</small></b>
<b>- Giữ lại các biến cần:</b>
<i>Ví dụ:</i> keep wage exper tenure female numdep
<small>FileuJ; un</small>
<small>Edit View Data Tools® -^ ®> Qj—5 7 *</small>
<b><small>wage exper tenu.Ee female nuxodep</small></b>
<b><small>1345€789</small></b>
</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19"><b><small>MỘT SỐ CÂU LỆNH CO BẢN TRÊN PHẦN MỀM STATA</small></b>
<b>- Thống kê tần suất xuất hiện của các biến</b>
<i>Câulệnh:</i> tabulate TenBien
<b><small>MỘT SỐ CÂU LỆNH Cơ BẢN TRÊN PHẦN MÈM STATA</small></b>
<b>- Thống kê mô tả chung:</b>
</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20"><b><small>MỘT SÓ CÂU LỆNH Cơ BẢN TRÊN PHÀN MÈM STATA</small></b>
<b>- Vẽ đồ thị phân phối tần suất của một biến</b>
<small>3</small>
</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21"><b>GIẢNG VIÊN: TS. NGUYỄN THỊ MỸ PHƯỢNG</b>
<b>HÒI QUY (REGRESSION)</b>
Hồi quy dựa là <b>ước lượng giá trị trung bình </b>của biến phụ thuộc trên cơ sở các giá trị biết trước của các biến độc lập.
- Hàm hồi quy: Y = f(X) + u
<i>với</i>
<b>HỎI QUY (REGRESSION)</b>
<b>* Tại sao sai sổ u ln tồn tại trong mơ hình hồi quy?</b>
► - Vì khơng biết hết các yếu tố ảnh hưởng đến biến phụ thuộc Y.► - Vì khơng thể đưa hết các yếu tố ảnh hưởng đến Y vào mơ hình.► - Mơ hình sẽ trở nên quá phức tạp nếu ta đưa hết các yếu tố ảnh
hưởng vào mơ hình
► - Vì dữ liệu khơng có sẵn.
► - Vì sai sót và sai số trong quá trình thu thập số liệu.
<b>Hàm hồi quy tống thế - PRF (Population Regression Function)</b>
Là hàm hồi quy được xây dựng dựa trên số liệu của tất cả các đối tượng cần nghiên cứu.
<b><small>Y :</small></b><small> Biến phụ thuộc</small>
<b><small>Y|: Giá tri thực tế cụ thể của </small></b><small>biến phụ thuộc</small>
<b><small>X2,X3,..., xk : Các </small></b><small>biến độc lập</small>
<small>^2i>^3iv‘í x</small><b><small>tó : Giá trị cụ thể của biến độc lập</small></b>
<small>Ui: Sai số ngẫu nhiên ứng với quan sát thứ i ..</small>
</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23"><b>- Hàm hồi quy tổng thể - PRF </b>(Population Regression Function)
<small>Hoặc :</small>
<b>Hàm hồi quy mẫu - SRF (Sample Regression Function)</b>
<small>Trong thực tế rất khó nghỉẽn 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</small>
<small>Với </small>
<b>MƠ HÌNH HỎI QUY TUYẾN TÍNH</b>
Mơ hình hồi quy tuyến tính - LRM (Liner Regression Model) là phương pháp tiếp cận xem xét mối quan hệ tuyến tính - dạng quan hệ đường thẳng giữa các biến độc lập (X) với biến phụ thuộc (Y) trong mơ hình.
<b>MƠ HÌNH HỎI QUY TUYẾN TÍNH</b>
+ Nếu chỉ có một biến độc lập, mơ hình được gọi là mơ hình hồi quy tuyến tính đơn SLR (Simple Linear Regression).
<small>► p! ... Pn: các tham số</small>
<small>► Pn đo lường sự thay đổi của Y theo Xn , trong điều kiện các yếu tổ khác không đổi► Ư: sai số</small>
</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25"><b>CÁC DẠNG MƠ HÌNH HỒI QUY TUYẾN TÍNH</b>
- Mơ hình tuyến tính logarit (log-log)- Mơ hình Log-lin
- Mơ hình Lin-log- Mơ hình nghịch đảo- Mơ hình đa thức
<b>MƠ HÌNH TUYẾN TÍNH LOGARIT (LOG-LOG)</b>
Mơ hình tuyến tính logarit (log-log) là dạng mơ hình biến phụ thuộc (biến Y) và biến độc lập (biến X) đều ở dạng log.
</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26"><b>MƠ HÌNH LOG - LIN</b>
Mơ hình Log-lin là dạng mơ hình mà biến phụ thuộc ở dạng log, cịn biến độc lập có thể ở dạng log hoặc bình thường
<b><small>Ý nghĩa của hệ số p : Khi X </small></b><small>tăng I đơn vị thì Y thay đổi 100.P2 (%)</small>
<b>MƠ HÌNH LIN - LOG</b>
Mơ hình Lin-log là dạng mơ hình mà biến phụ thuộc ở dạng bình thường, cịn một hay nhiều biến độc lập ở dạng log.
Hệ số p2 trong mô hình này sẽ được giải thích là nếu X thay đổi 0,01 (hay 1%) thay đổi tuyệt đối của Y là 0,0 lp2.
</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27"><small>Mơ hình đa thức/lũy thừa là mơ hình mà biến độc lập ở dạng lũy thừa</small>
<small>Mơ hình này cho biết về mức độ thay đổi của biến Y. Đe tính được mức độ thay đối này, ta phải lấy đạo hàm theo bien X của mơ hình.</small>
dY/dX = p! + 2 p2X
</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28"><b>PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHÁT (ORDINARY LEAST SQUARES - OLS)Các giả thiết của phương pháp OLS:</b>
05
05
giá trị
<b>PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (ORDINARY LEAST SQUARES - OLS)Các giả thiết của phương pháp OLS:</b>
<i><b>CovịỤ., u. \x.,x.) = 0, i * j</b></i>
</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29"><b>PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHÁT (ORDINARY LEAST SQUARES - OLS)Các giả thiết của phương pháp OLS:</b>
<b>PHƯƠNG PHÁP BÌNH PHƯƠNG NHỎ NHẤT (ORDINARY LEAST SQUARES - OLS)Các giả thiết của phương pháp OLS:</b>
■♦
<b>PHƯƠNG PHÁP BÌNH PHUONG NHỎ NHẤT (ORDINARY LEAST SQUARES - OLS)</b>
</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31"><b>TÌNH HUỐNG NGHIÊN cứu</b>
<b>Nghiên cứu ẳnh hưởng của học vấn và kinh nghiệm đến tiền lương của ngưòi lao động tại doanh nghiệp</b>
<b><small>Wage </small></b><small>được xác định bởi hai biến giải thích là </small><i><b><small>học vấn và kinh nghiệm </small></b></i>
<small>và những yếu tố không quan sát được chứa trong Ư.- pj là hệ số chặn</small>
<small>- Hệ số hồi quy P2 đo lường tác động của educ lên wage trong điều kiện các yếu tố khác không đổi.</small>
<small>- Hệ số hồi quy P3 đo lường tác động của exper lên wage trong điều kiện các yếu tố khác không đổi.</small>
<b>Ước LƯỢNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS</b>
<b>Ket quả:</b>
<b><small>. reg wage educ exper</small></b>
<small>SourcessdfMS Number of obs =526</small>
<small>CT^ } —</small>
<small>Residual5548.1597952310.6083361 R-sgtlared =0.2252</small>
<small>Total7160.4142952513.6388844Root MSE3.257</small>
<small>wageCoef.Std- Err.t p>1t1[95% Conf.Interval]educ.6442721.053806111.970.000.5385695.7499747exper.0700954.01097766.390.000. 0485297.0916611</small>
</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">Đẻ biết mô hình <small>hồi </small><b>quy </b><small>tuyến </small><b>tính </b>đã xây dựng trên dữ liệu mẫu phù hợp đến mức độ nào với dữ liệu, chúng ta cần dùng một thước đo nào đó về độ phù hợp của nó.
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHU ƠNG PHÁP OLS- Hệ số xác định và kiểm định hệ số xác định:</b>
+
<b>ƯỚC LƯỢNG MÔ HĨNH THEO PHU ONG PHÁP OLS</b>
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHƯONG PHÁP OLS - Hệ số xác định và kiểm định hệ sổ xác định:</b>
<b><small>ireg wage: educ exper*</small></b>
<small>SourcessdrMSNumbe X a— abs =523) =</small>
<b><small>£ \ ^ r</small></b>
<small>Mode 11612.25452806.127251Prob> F =0.oooo</small>
<small>Ele si dual5548.15979523IO . 6083361st—squared =0.2252</small>
<b><small>Adj a</small></b><small>—squared =0.2222Total7160.4142952513.6388844</small> <b><small>Elect</small></b> <small>MSE =3.257</small>
<small>wageCoef.Std. Err.</small> <b><small>tp> 1 t 1</small></b> <small>[95% Conf.Interval]educ.6442721.053806111.970.000.5385695. 7499747exp er.0700954.01097766.390.000.0485297.0916611_cons-3.390539. 7665661-4.420.000-4.896466-1.884613</small>
<b>ƯỚC LƯỢNG MÔ HĨNH THEO PHƯƠNG PHÁP OLS</b>
</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35"><b>ƯỚC LƯỢNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS - Hệ số xác định và kiểm định hệ số xác định:</b>
<b><small>. v^g wage exilic ^xp^ir</small></b>
<small>SourcessdfMSNumber of obs=526F<2,523)75.99Model1612.25452806.127251Prob5- F=0.oooo</small>
<small>Residual5548.1597952310.€083361R—squared=0.2252Adi a — s quared0.2222Total7160.4142952513.6388844RootMSE—3.257WâgeCoer .Std- Err.tp> i t 1[95% ConInterval ]e due.6442721. 053806111.970 . ooo.5385695. 7499747exper.0700954.01097766.390.000. 0485297. 0916611_ cons-3.390539.7665661-4.420 . ooo-4.896466-1.884613</small>
<b>ƯỚC LƯỢNG MÔ HÌNH THEO PHUONG PHÁP OLS</b>
<i><b>Kiểm định giả thiết về R2:</b></i>
Với độ
a
+
+
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS</b>
<i><b>Kiếm định giả thiết ve R2:</b></i>
<small>SourcessdrMSNumber of obs =F(2r S23) =</small>
<small>52675.99Model1612.25452806.127251Prob > F =0.0000Residual5548.1597952310.6083361R-squared =</small>
<small>Adj R-squared =</small>
<small>0.22520.2222Total7160.4142952513.6388844Root MSE =3.257</small>
<small>wageCoef.Std. Err.tp>|t| [9S% Conf.Interval]educ. 6442721. 053806111.970.000 .5385695.7499747exper. 0700954.01097766.390.000 .0485297. 0916611cons-3.390539.7665661-4.420.000 -4.896466-1.884613</small>
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHU ONG PHÁP OLS- Kiểm định giả thiết về Pp P2, p3:</b>
<b>Ho: p, = 0 Hpft/O</b>
a
+
+
<b>ƯỚC LƯỢNG MÕ HÌNH THEO PHƯƠNG PHÁP OLS- Kiểm định giả thiết về I ■ ị, p2, p3:</b>
<small>Sourcessdf MS Number of cbs=52675.99</small>
<i><small>£ \ ^, f </small></i><small>5^0/</small>
<small>Model1612.25452 806.127251 Prob > F=0.0000Residual5548.15979523 10.6083361 R-squared=0.22520 .2222Total7160.41429525 13.6388844 Root MSE—3.257</small>
<small>wageCoer .Std. Err. t p>|t| [95% Con f.Interval]educ.6442721.0538061 11.97 0.000 .5385695.7499747exper.0700954.0109776 6.39 0.000 .0485297.0916611cons-3.390539.7665661 -4.42 0.000 -4.896466-1.884613</small>
<i>Trong</i>
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHUONG PHÁP OLS </b>
<small>SourcessdrMSNumberof obs=</small> <sub>526</sub>
<small>Model1612.25452806.127251Prob> F=0.0000</small>
<small>Total7160.4142952513.6388844Root MSE=3.257</small>
<small>wageCoef.Std- Err.tp> 11Ị[95% Conf.Interval]</small>
<i>Trong bảng</i>
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS</b>
<small>SourcessdfMSNumber of obs =526c*?ií</small>
<small>o i o</small>
<small>Model1612.25452806.127251 Prob > F=0.0000Residual5548.1597952310.6083361R-squared=0.2252</small>
<small>Total7160.4142952513.6388844 RootMSE =3.257</small>
<i>Trong</i>
<b>ƯỚC LƯỢNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS</b>
<b>■bíy&ơng-ƯỚC LƯỌNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS- Phân tích tương quan</b>
Ma trận tương quan đo lường mối quan hệ tương quan giữa các biến. Nó là một bảng thể hiện hệ số tương quan giữa các cặp biến trong tập dữ liệu.
- Vai trò của ma trận tương quan là giúp hiểu rõ hơn về mối quan hệ giữa các biến trong dữ liệu. Nó cho biết xem các biến có quan hệ tương quan mạnh, yếu hay không quan hệ tương quan với nhau.
- Thơng qua việc phân tích ma trận tương quan, có thể phát hiện ra các mẫu tương quan, mối liên hệ dự đoán được giữa các biến.
<b>ƯỚC LUỌNG MƠ HÌNH THEO PHUONG PHÁP OLS- Phân tích tương quan</b>
<i><b>Câu lệnh:</b></i> corr
<small>educexper</small>
</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40"><b>ƯỚC LƯỢNG MƠ HÌNH THEO PHƯƠNG PHÁP OLS- Kiểm định đa cộng tuyến:</b>
<b>* Đa cộng tuyến (Multicollinearity) là gì?</b>
Theo giả thiết của phương pháp OLS thì các biến độc lập khơng có mối quan hệ tuyến tính.
Nếu quy tắc này bị vi phạm thì sẽ có hiện tượng đa cộng tuyến.Như vậy , “đa cộng tuyến ”là hiện tượng các biến độc lập trong mơ hình phụ thuộc tuyến tính lẫn nhau và thể hiện được dưới dạng hàm số.
<b>ƯỚC LƯỢNG MÔ HÌNH THEO PHƯƠNG PHÁP OLS- Kiểm định đa cộng tuyến:</b>
<b>* Đa cộng tuyến (Multicollinearity) là gì?</b>
Đa cộng tuyến hồn hảo (nghiêm trọng) có thể làm cho các biến độc lập cộng tuyến mất đi ý nghĩa trong mơ hình hoặc có thể bị sai dấu của hệ số hồi quy.
<i><b><small>Lưu ý:</small></b></i><small> Việc phát hiện sai dấu do đa cộng tuyến có thể thực hiện bằng cách so sánh dấu cùa hệ số tương quan giữa biến phụ thuộc và các biến độc lập với dấu của hệ số hồi quy của kết quả ước lượng mơ hình.</small>
</div>