LOGO
KINH TẾ LƯỢNG
NHÓM 08
GVHD: PHẠM VĂN HÙNG
www.trungtamtinhoc.edu.vn
Giả sử có số liệu lý thuyết như sau:
Mức tiêu dùng ( Y )
50
60
55
65
70
65
80
90
85
100
95
110
115
120
140
155
150
Thu nhập ( X2i )
30
35
40
60
80
100
120
125
130
135
140
160
180
200
220
240
260
Vốn ( X3i )
322
392
481
630
810
1009
1273
1250
1320
1390
1425
1633
1876
2252
2201
2435
2686
(1) Hãy ước lượng Y là hàm số của X2 và X3 bằng
phương pháp OLS?
(2) Mô hình trên có đa cộng tuyến không? Làm thế
nào để biết?
(3) Ước lượng riêng rẽ Y là hàm số của X2 và Y là
hàm số của X3. Những mô hình này nói lên điều gì?
(4) Ước lượng X2 là hàm số của X3. Mô hình này
cho biết điều gì?
(5) Nếu như có đa cộng tuyến, bạn sẽ bỏ bớt 1 biến
độc lập (X1 hoặc X2)? Tại sao cóvà tại sao không?
(6) Nếu chỉ dựa vào kết quả OLS (giả sử chạy trên
bảng tính Excel), có thể khẳng định đa cộng tuyến
được không? Giải thích?
(7) Vẽ đồ thị phần dư? Hiện tượng phương sai của sai
số khác nhau liệu có xảy ra?
(8) Hãy sử dụng các kiểm định Park, Gleijer,
Goldfeld và Quant để kiểm định số liệu trên?
(9) Nếu các kiểm định trên cho thấy có hiện tượng
phương sai của sai số khác nhau thì ta cần làm thế
nào?
Bảng 1- Bảng tính toán các chỉ tiêu
Y
X2i
X3i
X2i2
X3i2
X2iX3i
X2iY
X3iY
1
50
30
322
900
103684
9660
1500
16100
2
60
35
392
1225
153664
13720
2100
23520
3
55
40
481
1600
231361
19240
2200
26455
4
65
60
630
3600
396900
37800
3900
40950
5
70
80
810
6400
656100
64800
5600
56700
6
65
100
1009
10000
1018081
100900
6500
65585
7
80
120
1273
14400
1620529
152760
9600
101840
8
90
125
1250
15625
1562500
156250
11250
112500
9
85
130
1320
16900
1742400
171600
11050
112200
10
100
135
1390
18225
1932100
187650
13500
139000
11
95
140
1425
19600
2030625
199500
13300
135375
12
110
160
1633
25600
2666689
261280
17600
179630
13
115
180
1876
32400
3519376
337680
20700
215740
14
120
200
2252
40000
5071504
450400
24000
270240
15
140
220
2201
48400
4844401
484220
30800
308140
16
155
240
2435
57600
5929225
584400
37200
377425
17
150
260
2686
67600
7214596
698360
39000
402900
TỔNG
1605
2255
23385
380075
40693735
3930220
249800
2584300
TB
94.41
132.65
1375.59
22357.35
2393749.12
231189.41
14694.12
152017.65
(1) Hãy ước lượng Y là hàm số của X2 và X3
bằng phương pháp OLS?
Giả sử mô hình hồi quy ước lượng có dạng:
Ŷi = b1+b2*X2i+b3*X3i
S 22 i X
2
2i
n X 2i
2
S 23 i X 2 i X 3i n X 2 i X 3i
S 33 i X
2
3i
n X 3i
2
S 2 y i Yi X 2 i n X 2 i Y i
S 3 y i Yi X 3i n X 3i Yi
S 22 380075 - 17 (132,65)2 80942,62
S23 3930220- 17(132,65)(1375,59) 828195,77
S33 40693735- 17(1375,59) 2 8525521,58
S2y 249800 - 17(132,65)(94,41) 36900,73
S3y 2584300- 17(1375,59)(94,41) 376519,32
b2
b3
S33 S 2 y S 23S 3 y
S 22 S33 S
2
23
S 22 S3 y S 23S 2y
S22 S33 S
2
23
0,66
-0,02
b1 Y b2 X 2i b3 X 3i 94,41 0,66(132,65) 0,02(1375,59)
34,37
Vậy kết quả mô hình hồi quy ước lượng có dạng:
Yˆi 34,37 0,66 X 2i 0,02 X 3i
SUMMARY OUTPUT
Regression Statistics
Multiple R
0.979797
R Square
0.960003
Adjusted R
Square
0.954289
Standard
Error
7.079702
Observations
17
ANOVA
Regression
Residual
Total
Intercept
X2i
X3i
df
2
14
16
Coefficients
34.32908
0.666834
-0.02062
SS
16842.41
701.7105
17544.12
Standard
Error
3.764814
0.320154
0.031198
Significance
F
F
168.0135
1.64E-10
MS
8421.204
50.12218
t Stat
9.1184
2.082853
-0.6611
P-value
Lower 95% Upper 95%
2.89E-07
26.25436
42.40381
0.056082
-0.01983
1.353496
0.519283
-0.08754
0.046288
Lower
95.0% Upper 95.0%
26.25436
42.40381
-0.01983
1.353496
-0.08754
0.046288
Bảng 2- bảng tính toán các chỉ tiêu
Tổng
Ŷ
47.7008
49.5928
51.0934
61.36
70.988
80.2246
88.1222
91.93
93.822
95.714
98.327
107.3782
115.7084
121.2988
135.6854
144.201
152.3664
1605.513
ei = Y - Ŷ
2.2992
10.4072
3.9066
3.64
-0.988
-15.2246
-8.1222
-1.93
-8.822
4.286
-3.327
2.6218
-0.7084
-1.2988
4.3146
10.799
-2.3664
-0.513
ei2
5.286321
108.3098
15.26152
13.2496
0.976144
231.7884
65.97013
3.7249
77.82768
18.3698
11.06893
6.873835
0.501831
1.686881
18.61577
116.6184
5.599849
701.7299
(2) Mô hình trên có đa cộng tuyến không? Làm thế
nào để biết?
Ta có mô hình:
Yˆi = 34,37 + 0,66X2i – 0,02X3i
Dấu hiệu để nhận biết mô hình đa cộng tuyến:
o Hệ số xác định ( R2 ) cao nhưng có ít biến có ý nghĩa
thống kê.
o Hệ số tương quan cặp ( riêng ) giữa các biến giải
thích rất cao.
o Ước lượng một số hàm hồi quy phù trợ.
Ta có:
2
R 1
=1 -
e
2
i
2
(
Y
Y
)
i
736,5423 = 0.96 > 0.6
168547,40
Mối quan hệ tương quan giữaY, X2, X3 rất chặt
chẽ ( R2 = 0,96). Như vậy giữa X2, X3 có mối quan hệ
tương quan với nhau và mô hình có hiện tượng đa
cộng tuyến.
(3) Ước lượng riêng rẽ Y là hàm số của X2 và Y là
hàm số của X3. Những mô hình này nói lên điều gì?
Ước Y là hàm số của X2:
Ta có:
Áp dụng CT:
b2
X Y nY X
X nX
2i
2
2i
2i
2
2i
249800 17(94,41)(132,65)
0,4558
2
380075 17(132,65)
b1 Y b2 X 2i 94,41 0,4558(132,65) 33,95
Yˆ 33,95 0,4558X
2i
Kết quả ước lượng trên excel
SUMMARY OUTPUT
Regression Statistics
Multiple R
0.979160089
R Square
0.95875448
Adjusted R Square
0.956004779
Standard Error
6.945580167
Observations
17
ANOVA
Regression
Residual
df
Total
Intercept
X2i
1
15
SS
16820.50139
723.6162579
16
17544.11765
Coefficients
Standard Error
MS
F
Significance F
16820.5 348.6759 8.5122E-12
48.24108
t Stat
P-value
33.94831971
3.650013868
9.300874 1.29E-07
0.45582198
0.02441093
18.67286 8.51E-12
Upper
95%
Lower 95.0% Upper 95.0%
41.728140
26.1684993
07 26.16849935 41.72814007
0.5078526
0.40379131
45 0.403791315 0.507852645
Lower 95%
Ước Y là hàm số của X3i
Ta có:
Áp dụng CT:
b2 =
=
b1 = 33,67
Yˆi = 33,67 +0,0442 X3i
= 0,0442
Kết quả ước lượng trên excel
SUMMARY OUTPUT
Regression Statistics
Multiple R 0.9734521
R Square
0.947609
Adjusted
R Square
0.9441162
Standard
Error
7.8279603
Observatio
ns
ANOVA
17
df
SS
Regressio
n
Residual
1 16624.9632
15 919.15444
Total
16 17544.1176
Intercept
X3i
Standard
Coefficients
Error
33.667369 4.14787203
0.0441589 0.00268093
MS
F
16624.96321
61.27696264
271.308539
t Stat
8.116780953
16.47144617
Significance F
5.14484E-11
P-value
7.20011E-07
5.14484E-11
Lower 95%
Upper 95% Lower 95.0%
24.8263888 42.508349 24.8263888
0.038444577 0.0498731 0.038444577
Upper 95.0%
42.50834864
0.049873125
Kết quả ở 2 hồi quy riêng biệt cho thấy tiêu
dùng cá nhân có mối quan hệ cùng chiều với
thu nhập và với vốn
(4) Ước lượng X2 là hàm số của X3. Mô hình này cho
biết điều gì?
Ta có mô hình: X2 = β2 + β3X3
Gọi : Xˆ2i = b2 + b3X3i là mô hình hồi quy mẫu
ta có
b3 =
= 0,0971
b2= 132,65 – 0,0971*1375,59 = -0,92
X2iˆ= -0.92 + 0,0971X3i
Kết quả trên excel
SUMMARY OUTPUT
Regression Statistics
Multiple R
0.996975243
R Square
0.993959634
Adjusted R Square
0.993556943
Standard Error
5.709659259
Observations
17
ANOVA
SS
MS
1
80466.88
80466.88
Residual
15
489.0031
32.60021
Total
16
80955.88
df
Regression
Intercept
X3i
Coefficients
Standard Error
F
2468.293
t Stat
Significance F
4.63E-18
P-value
Lower 95%
Upper 95%
Lower 95.0%
Upper 95.0%
-0.992320744
3.025429
-0.32799
0.74745
-7.44087
5.456228
-7.44087
5.456228
0.097150714
0.001955
49.68192
4.63E-18
0.092983
0.101319
0.092983
0.101319
Từ mô hình:
+ Tham số β2 = - 0.92 cho ta biết rằng khi
không có đồng vốn nào bỏ ra thì thu nhập sẽ =
-0.92 đơn vị
+ hệ số β3 = 0,0971 cho ta biết rằng khi mức
tiêu dùng tăng hoặc giảm 1% thì vốn tăng hoặc
giảm 0,0971%.
(5) Nếu như có đa cộng tuyến, bạn sẽ bỏ bớt 1 biến
độc lập (X1 hoặc X2)? Tại sao có và tại sao không?
Ta biết rằng X2i và X3i có mối quan hệ
chặt chẽ với nhau và đây là hàm tiêu dùng nên
X2i là yếu tố chính ( thu nhập ảnh hưởng trực
tiếp đến tiêu dùng) vậy nên chúng ta có thể
loại bớt biến X3i trong mô hình.
(6) Nếu chỉ dựa vào kết quả OLS (giả sử chạy trên
bảng tính Excel), có thể khẳng định đa cộng tuyến
được không? Giải thích?
Hiện tượng đa cộng tuyến xảy ra khi một
biến là tổ hợp tuyến tính của các biến còn lại
và một sai số ngẫu nhiên, hay nói cách khác là
có một biến biểu diễn xấp xỉ tuyến tính qua
các biến còn lại.
Xét mô hình: Yi = β1+β2X2i +β3X3i+ Ui
Giả sử: X3i = λX2i ‒› x3i = λx2i
Theo OLS ta có :
(1)
=
(2)
=
=
Dựa vào bảng số liệu ta thấy :
X3i =10X2i + vi Có hiện tượng cộng tuyến
không hoàn hảo giữa X2i và X3i nên vẫn có
thể ước lượng được các hệ số trong mô hình là
.
249800* 40693735 3930220* 2584300
ˆ
tù (1) 2
0.42
2
380075* 40693735 3930220
2584300* 380075 3730220* 249800
ˆ
tù (2) 3
0.023
2
380075* 40693735 3930220
Do vậy,ta có thể nói dựa vào kết quả OLS có thể
khẳng định đa cộng tuyến.
(7) Vẽ đồ thị phần dư? Hiện tượng phương sai của
sai số khác nhau liệu có xảy ra?
Đồ thị phần dư sai số với biến X2
15
10
5
0
0
-5
-10
-15
-20
50
100
150
200
250
300