Chương 2. MƠ HÌ NH HỜ I QUY BỘI
2.1. Sự cần thiết của mơ hình hồi quy bội
2.2. Phương pháp bình phương nho nhâ
̉
́t
2.3. Các dạng hàm khác
2.4. Tính vững của ước lượng OLS
2.5. Mơ hình hồi quy sử dụng ngơn ngữ ma
trận
Bài tâp
̣ ứng dung
̣
2.1. Sự cần thiết của mơ hì nh hờ i
quy b
ộ
i
Sự vi phạm giả thiết cov(X,u)=0
Xét MH:
CT = β1 + β 2TN + u
Kể tên các yếu tố khác ngồi biến thu nhập ảnh
hưởng đến chi tiêu
Mối quan hệ của các yếu tố khác đó với biến thu
nhập
Giả thiết OLS nào bị vi phạm nhược điểm của
mơ hình hồi quy đơn
2.1. Sự cần thiết của mơ hì nh hờ i
quy bội
Sự ưu việt của hàm hồi quy bội:
Chất lượng dự báo tốt hơn
Cung cấp các dự báo hữu ích hơn
Sử dụng hàm phong phú hơn
Thực hiện các phân tích phong phú hơn
2.2. Mơ hì nh hờ i quy bội
Mơ hình hời quy bội (k biến ) gờm:
1 biến phụ thuộc + (k1) biến độcl lập
k hê sơ
̣ ́: 1 hệ số chặn và (k1) hệ số góc
•
Xét mơ hình hồi quy bội dạng tuyến tính
PRF : E (Y / X 2i , X 3i ,..., X ki ) = β1 + β 2 X 2i + β 3 X 3i + ... + β k X ki
PRM :Yi = β1 + β 2 X 2i + β 3 X 3i + ... + β k X ki + U i (i = 1 N )
Với mẫu W = {(Xi, Yi), i = 1÷ n} tìm được một ước lượng điểm
ˆ
Y
ˆ
Y
ˆ
1
1
ˆ . X 2 ˆ . X 3 ... ˆ . X k
2
3
k
ˆ . X ˆ . X 3 ... ˆ . X k e
2
3
k
Ý nghĩa
* Hệ số chặn β1 = E(Y/X2i = X3i = …= Xki = 0) là
giá trị trung bình của Y khi X2i = X3i = …= Xki = 0.
* Các hệ số góc βm cho biết khi Xm tăng (giảm) 1
đơn vị thì trung bình của Y thay đổi như thế nào trong
điều kiện các biến Xj khơng thay đ
(∀jổi. m)
E (Y / X 2 , X 3 ,..., X k )
βm =
(m = 2 k )
Xm
Ví dụ:LP = 0.02 + 0.3m − 0.15 gdp + e
◦
LP: Tỷ lệ lạm phát (%)
◦
m: mức tăng trưởng cung tiền (%)
◦
gdp: mức tăng trưởng GDP (%)
Giải thích ý nghĩa các hệ số của mơ
hình?
Chú ý
◦
Các giả thiết của mơ hình
GT1: Biến độc lập là phi ngẫu nhiên
GT2: Kỳ vọng của các SSNN bằng 0
E(Ui) = 0, i
GT3: Phương sai của các SSNN bằng nhau
Var(Ui) = Var(Uj) = 2 , i ≠ j
GT4: Các biến giải thích khơng có quan hệ tuyến tính
GT5: Các SSNN khơng tuơng quan với nhau
Cov(Ui ,Uj) = 0 , i ≠ j
GT6: Các SSNN và biến độc lập khơng tương quan với nhau
Cov(Ui , Xmi) = 0, i,m
GT7: Các sai số ngẫu nhiên có phân phối chuẩn
Phương phá p bì nh phương nho ̉
nhấ t
Ý tưởng cua ph
̉
ương pháp: Yi Ŷi = ei => min
n
i
n
i 1
n
i 1
Y
| ei |
ei2
min
1
ei
0
E ( Y|X)
e (+)
e ()
min
0
Ŷi = fˆ(Xi )
X
8
Phương phá p bì nh phương nho ̉
nhấ t
Xác định các giá trị:
sao cho
βˆ j ( j = 1,k )
n
2
ˆ − βˆ X − ... − βˆ X )2
e
=
RSS
=
(Y
−
β
�i
�i 1 2 2
k k
i =1
min
ˆ , βˆ , .., βˆ
β
1
2
k
là nghi
ệm của hệ k phương trình
n
i =1
n
i =1
(Yi − βˆ1 − βˆ 2 X 2 − .. − βˆ k X k ) = 0
X 2 (Yi − βˆ1 − βˆ 2 X 2 − .. − βˆ k X k ) = 0
...
n
i =1
X k (Yi − βˆ1 − βˆ 2 X 2 − .. − βˆ k X k ) = 0
Đô chi
̣
́ nh xá c cua ca
̉
́ c ướ c lượng
σ
ˆ
Phương sai của hệ sβ
ốˆ 2 : Var( β 2 ) = ( 1 − R 2 )
2
2
Phương sai của hệ sốβˆ :
j
Trong đó:
◦
2
σ
Var( βˆ j ) =
( 1 − R 2j )
x22i
x 2ji
: là h
ệ số xác định của mơ hình hồi quy
R2
2
X 2 = α1 + α 2 X 3 + .. + α k X k + v
◦
Và x2 i = X 2 i − X 2
◦
ch
σ 2 ưa biết, được ước lượng bởσˆi2 =
n
i =1
ei2
n−k
Đô chi
̣
́ nh xá c cua ca
̉
́ c ướ c lượng
Độ lệch chuẩn của βˆ j
2
ˆ
σ
RSS / ( n − k )
ˆ
se( β j ) =
=
, j = ( 2 , 3, ..,k )
2
2
2
2
( 1 − R j )�x ji
( 1 − R j )�x ji
Độ chính xác của ước lượng phụ thuộc:
◦
2
σ
Phương sai của yếu tố ngẫu nhiên
VIF j =
◦
Nhân tử phóng đại phương sai:
1
( 1 − R 2j )
2
R
thj ể hiện quan hệ tuyến tính giữa các biến độc
lập
x 2ji
◦
Độ biến động của biến độc lập tương ứng
Đô chi
̣
́ nh xá c cua ca
̉
́ c ướ c lượng
-
-
Trung bình cua
̉ ước lượng:
Phương sai cua các
̉
ước lượng được biểu diễn dưới
dạng ma trận hiệp phương sai của các hệ số:
� Var ( βˆ1 )
Cov( βˆ1 , βˆ2 )
�
Cov( βˆ2 , βˆ1 )
Var ( βˆ2 )
�
ˆ
Cov( β ) = �
...
� ...
�
Cov ( βˆk , βˆ1 ) Cov ( βˆk , βˆ2 )
�
... Cov( βˆ1 , βˆk ) �
�
... Cov( βˆ2 , βˆk ) � 2 T
= σ (X X )
�
...
...
�
...
Var ( βˆk ) �
�
Độ phù hợp của hàm hồi quy
Hê sơ
̣ ́ xá c đinh
̣
ESS
RSS
R =
= 1−
TSS
TSS
2
R2 cho biết hàm hồi quy (các biến độc lập trong mơ hình) giải thích
được bao nhiêu % sự thay đổi của biến phụ thuộc Y
Nó được sử dụng để đặc trưng cho mức độ thích hợp của hàm hồi
quy
Hê sô
̣ ́ xá c đinh đi
̣
ều
chỉnh
RSS /(n − k )
2 n −1
R = 1−
= 1 − (1 − R )
TSS /(n − 1)
n−k
2
-
Nếu k > 1 thì
=> số biến giải thích tăng lên thì
-
nhưng có thể
tăng chậm hơn
âm
2.3. Các dạng hàm khác
-
Hàm tổng chi phí
Hàm sản xuất Cobb – Douglas
Hàm tuyến tính – loga
Hàm loga – tuyến tính
Hàm dạng Hypecbol
Hàm tổng chi phí(đa thức)
Dạng hàm
TCi = β1 + β 2Qi + β 3Qi2 + β 4Qi3 + U i ( β1 > 0, β 2 > 0, β 3 < 0, β 4 > 0)
Biến đổi
Q2i = Qi2 , Q3i = Qi3
� TCi = β1 + β 2Qi + β3Q2i + β 4Q3i + U i
Ý nghĩa các hệ số
5
Hàm tăng trưởng
Dạng hàm
Yt = Y0 (1 + r )t
Trong đó: r là tốc độ tăng trưởng
Biến đổi
ln Yt = ln Y0 + t ln(1 + r )
β1 = ln Y0 , β 2 = ln(1 + r )
� ln Yt = β1 + β 2t
Ý nghĩa các hệ số
5
Hàm sản xuất Cobb – Douglas
(Hàm mũ)
Dạng hàm:
Biến đổi:
Lưu ý: ý nghĩa của các hệ số trong mơ hình
hàm sản xuất thay đổi theo quy mơ
quy luật năng suất cận biên giảm dần
5
Hàm tuyến tính – loga
Dạng hàm
Biến đổi
Yi = β1 + β 2 ln X i + U i
X = ln X i
*
i
� Yi = β1 + β 2 X + U i
*
i
Ý nghĩa: khi X tăng 1% thì Y tăng β2 đơn vị (?)
5
Hàm loga tuyến tính
Dạng hàm
Biến đổi
ln Yi = β1 + β 2 X i + U i
Yi = ln Yi
*
� Yi = β1 + β 2 X i + U i
*
Ý nghĩa: khi X tăng 1 đơn vị thì Y tăng β2 % (?)
5
Hàm dạng Hypecbol
Mơ hình chi phí trung bình phụ thuộc vào sản lượng:
Yi = β1 + β 2
Mơ hình chi tiêu phụ thuộc vào thu nhập (đường cong
Engel):
1
Yi = β1 + β 2
1
+ U i ( β1 , β 2 > 0)
Xi
Xi
+ U i ( β1 > 0, β 2 < 0)
Mơ hình lạm phát phụ thuộc vào tỷ lệ thất nghiệp (đường
cong Philips):
Biến đổi
1
Yi = β1 + β 2
+ U i ( β1 < 0, β 2 > 0)
Xi
X i* =
1
� Yi = β1 + β 2 X i* + U i
Xi
5
TÍNH VỮNG CỦA CÁC ƯỚC LƯỢNG
OLS
βˆ2
β2
n
Tính
chất vững phản ánh chất lượng
của ước lượng khi mẫu lớn.
Nếu UL khơng chệch nhưng khơng vững
lấy nhiều mẫu ngẫu nhiên cùng kích 22
TÍNH VỮNG CỦA CÁC ƯỚC LƯỢNG
OLS
Trong thực hành KTL, thường chỉ có 1 mẫu quan
sát, do đó u cầu tính vững của ước lượng.
Định lý 2.4: Khi các giả thiết 1 4 thỏa mãn thì các
ước lượng OLS khơng chỉ là các ước lượng BLUE,
lim P(| βˆ (j n ) − β j |> ε ) = 0
mà cịn là ước lượng vững, nghĩa là:
n
0 ọi .
vεớ>i m
(n)
ˆ
ˆ
β j ước lượng v
β j ới kích thước mẫu n
Trong đó là
(Chứng minh_tr. 108)
23
MƠ HÌNH HỒI QUY DẠNG MA TRẬN
Xét mơ hình k biến:
Y = β1 + β 2 X 2 + .. + β k X k + u
Với n quan sát
Y1 = β1 + β 2 X 21 + .. + β k X k1 + u1
Y2 = β1 + β 2 X 22 + .. + β k X k 2 + u2
...
Yn = β1 + β 2 X 2 n + .. + β k X kn + un
Hệ phương trình dưới dạng ma trận
Y = Xβ +u
24
MƠ HÌNH HỒI QUY DẠNG MA TRẬN
Xem thêm các nội dung
•
Các giả thiết của OLS (dạng ma trận)
•
Phương pháp OLS đối với mơ hình
dạng ma trận
•
Ma trận phương sai hiệp phương sai
của các hệ số
25