Bài giảng Kinh tế lượng - Chương 3: Hồi quy tuyến tính bội - Hoàng Ngọc Nhậm

HỒI QUY TUYẾN TÍNH BỘI Chương 3 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Hàm hồi quy tổng thể (PRF) Trong đó Y là biến phụ thuộc X 2 ,X 3 là các biến độc lập X 2i , X 3i là giá trị thực tế của X 2 , X 3 U i là các sai số ngẫu nhiên Vậy ý nghĩa của β 1 , β 2 , β 3 là gì ? MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Các giả thiết của mô hình Các X 2i , X 3i cho trước và không ngẫu nhiên Giá trị trung bình của đại lượng ngẫu nhiêu Ui bằng 0, Phương sai của U i không thay đổi Không có sự tương quan giữa các U i Không có sự tương quan (cộng tuyến) giữa X 2 và X 3 Không có sự tương quan giữa các U i và X 2 ,X 3 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Ước lượng các tham số Chúng ta sử dụng phương pháp bình phương nhỏ nhất OLS Hàm hồi quy mẫu tương ứng sẽ là : Hay: MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Theo nguyên lý của phương pháp OLS thì các tham số được chọn sao cho Như vậy , công thức tính của các tham số như sau : MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Ký hiệu: MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Người ta chứng minh được Ví dụ minh hoạ MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Bảng dưới đây cho các số liệu về doanh số bán (Y), chi phí chào hàng (X 2 ) và chi phí quảng cáo (X 3 ) 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 Doanh số bán Y i (trđ) Chi phí chào hàng X 2 Chi phí quảng cáo X 3 1270 100 180 1490 106 248 1060 60 190 1626 160 240 1020 70 150 1800 170 260 1610 140 250 1280 120 160 1390 116 170 1440 120 230 1590 140 220 1380 150 150 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Giải Từ số liệu trên, ta tính được các tổng như sau : Có thể dùng Excel để tính toán các số liệu này, như sau Y i X 2i X 3i X 2i 2 X 3i 2 Y i 2 X 2i X 3i X 2i Y i X 3i Y i 1270 100 180 10000 32400 1612900 18000 127000 228600 1490 106 248 11236 61504 2220100 26288 157940 369520 1060 60 190 3600 36100 1123600 11400 63600 201400 1626 160 240 25600 57600 2643876 38400 260160 390240 1020 70 150 4900 22500 1040400 10500 71400 153000 1800 170 260 28900 67600 3240000 44200 306000 468000 1610 140 250 19600 62500 2592100 35000 225400 402500 1280 120 160 14400 25600 1638400 19200 153600 204800 1390 116 170 13456 28900 1932100 19720 161240 236300 1440 120 230 14400 52900 2073600 27600 172800 331200 1590 140 220 19600 48400 2528100 30800 222600 349800 1380 150 150 22500 22500 1904400 22500 207000 207000 16956 1452 2448 188192 518504 24549576 303608 2128740 3542360 1413 121 204 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Vậy Kết quả của ví dụ trên chạy bằng Eviews như sau : MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Hệ số xác định của mô hình Vì sao khi thêm biến vào mô hình thì R 2 sẽ tăng lên? => Bài tập MÔ HÌNH HỒI QUY TUYẾN TÍNH 3 BiẾN Hệ số xác định của mô hình Đối với mô hình hồi quy bội , người ta tính R 2 có hiệu chỉnh như sau : k là số tham số trong mô hình có các đặc điểm sau : MÔ HÌNH HỒI QUY TUYẾN TÍNH 3 BiẾN Hệ số xác định của mô hình Khi k>1 thì có thể âm, và khi nó âm, coi như bằng 0 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Hệ số xác định của mô hình Ví dụ : Tính hệ số xác định của mô hình hồi quy theo số liệu của ví dụ trước MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Hệ số xác định của mô hình Kết quả của ví dụ trên chạy bằng Eviews như sau : MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Phương sai của hệ số hồi quy Phương sai của các tham số hồi quy được tính theo các công thức sau: MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Phương sai của hệ số hồi quy MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Với Phương sai của hệ số hồi quy MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Khoảng tin cậy của các hệ số hồi quy Khoảng tin cậy của Khoảng tin cậy của Với độ tin cậy là 1- α Với độ tin cậy là 1- α Khoảng tin cậy của MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Khoảng tin cậy của các hệ số hồi quy Lưu ý khi tra bảng T-Student, trong trường hợp hàm hồi quy 3 biến thì bậc tự do là (n-3) Với độ tin cậy là 1- α MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Khoảng tin cậy của các hệ số hồi quy Ví dụ : Tính khoảng tin cậy của β 2 và β 3 mô hình hồi quy theo số liệu của ví dụ trước với độ tin cậy 95% Giải : tra bảng T-Student bậc tự do (n-3)=12-3=9 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Khoảng tin cậy của các hệ số hồi quy Khoảng tin cậy của β 2 là Khoảng tin cậy của β 3 là Kết quả của ví dụ trên chạy bằng Eviews như sau : MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Kiểm định giả thiết Kiểm định giả thiết về β 1 , β 2 β 3 Bước 1 : Lập khoảng tin cậy Bước 2 : Nếu β 0 thuộc khoảng tin cậy thì chấp nhận H o . Nếu β 0 không thuộc khoảng tin cậy thì bác bỏ H o H o : β i = β o H 1 : β i ≠ β o Độ tin cậy là 1- α MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Kiểm định giả thiết Kiểm định giả thiết về β 1 , β 2 β 3 Ví dụ : (theo số liệu trước), yêu cầu kiểm định các giả thiết H o : β 2 = 0 H 1 : β 2 ≠ 0 H o : β 3 = 0 H 1 : β 3 ≠ 0 Với độ tin cậy 95% Kết quả của ví dụ trên chạy bằng Eviews như sau : MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Kiểm định giả thiết Kiểm định giả thiết về R 2 Bước 1 : tính H o : R 2 = 0 H 1 : R 2 ≠ 0 Độ tin cậy là 1- α Bước 2 : Tra bảng tìm F(2,n-3), mức ý nghĩa là α Bước 3 : Nếu F>F(2,n-3) , bác bỏ H 0 Nếu F≤F(2,n-3) , chấp nhận H 0 MÔ HÌNH HỐI QUY TUYẾN TÍNH 3 BiẾN Kiểm định giả thiết Kiểm định giả thiết về R 2 H o : R 2 = 0 H 1 : R 2 ≠ 0 Độ tin cậy là 95% Ví dụ : Yêu cầu kiểm định giả thiết Giải : Vì F>F(2,9) nên bác bỏ giả thiết H 0 Kết quả của ví dụ trên chạy bằng Eviews như sau : MỘT SỐ DẠNG HÀM Hàm sản xuất Cobb-Douglas Hàm sản xuất Cobb-Douglas được biểu diễn như sau: Trong đó : Y i : sản lượng của doanh nghiệp X 2i : lượng vốn X 3i : lượng lao động U i : sai số ngẫu nhiên Hàm sản xuất Cobb-Douglas có thể đưa được về dạng tuyến tính bằng cách lấy logarit hai vế Đặt Dạng tuyến tính sẽ là : MỘT SỐ DẠNG HÀM Hàm sản xuất Cobb-Douglas Để hồi quy dạng tuyến tính logarit trong Eviews, ta nhập phương trình hồi quy như sau : Kết quả hồi quy Mặc dù chỉ có một biến độc lập X i nhưng nó xuất hiện với các luỹ thừa khác nhau khiến cho mô hình trở thành hồi quy ba biến MỘT SỐ DẠNG HÀM Hàm hồi quy đa thức bậc 2 Để hồi quy dạng đa thức trong Eviews Kết quả hồi quy dạng đa thức Để chuẩn bị tốt cho buổi học sau, đề nghị sinh viên tự ôn tập lại kiến thức về ma trận gồm : các phép toán ma trận ( cộng, chuyển vị, nhân 2 ma trận ); tính định thức ; tìm ma trận nghịch đảo . Giảng viên sẽ hỏi phần này trên lớp trước khi vào bài mới Hàm hồi quy tổng thể (PRF) Trong đó Y là biến phụ thuộc X 2 ,X 3,, X k là các biến độc lập U i là các sai số ngẫu nhiên β 1 :Hệ số tự do β 2 , β 3 ,, β k là các hệ số hồi quy riêng HỐI QUY TUYẾN TÍNH K BIẾN HỐI QUY TUYẾN TÍNH K BIẾN Hàm hồi quy tổng thể (PRF) Quan sát thứ 1 : Quan sát thứ 2 : Quan sát thứ n : HỐI QUY TUYẾN TÍNH K BIẾN Hàm hồi quy tổng thể (PRF) Ký hiệu HỐI QUY TUYẾN TÍNH K BIẾN HỐI QUY TUYẾN TÍNH K BIẾN Ta có HỐI QUY TUYẾN TÍNH K BIẾN Các giả thiết của mô hình Giả thiết 1 : Các biến độc lập X 2 , X 3 ,,X k không ngẫu nhiên Giả thiết 2 : Các sai số ngẫu nhiên U i có giá trị trung bình bằng 0 và có phương sai không thay đổi Giả thiết 3 : Không có sự tương quan giữa các sai số U i HỐI QUY TUYẾN TÍNH K BIẾN Các giả thiết của mô hình Giả thiết 4 : Không có hiện tượng cộng tuyến giữa các biến độc lập X 2 , X 3 ,,X k Giả thiết 5 : Không có tương quan giữa các biến độc lập X 2 ,X 3 ,,X k với các sai số ngẫu nhiên U i Mô hình hồi quy tuyến tính bội Vì sao ? => Bài tập cộng điểm Gợi ý : Ước lượng các tham số SRF: hoặc: Hàm hồi quy mẫu : HỐI QUY TUYẾN TÍNH K BIẾN Hay : (Viết dưới dạng ma trận ) Ước lượng các tham số HỐI QUY TUYẾN TÍNH K BIẾN Với SRF: hoặc: HỐI QUY TUYẾN TÍNH K BIẾN Khi đó Theo nguyên lý của phương pháp OLS thì các tham số được chọn sao cho HỐI QUY TUYẾN TÍNH K BIẾN HỐI QUY TUYẾN TÍNH K BIẾN Khi đó : Vì sao? => Bài tập cộng điểm HỐI QUY TUYẾN TÍNH K BIẾN HỐI QUY TUYẾN TÍNH K BIẾN Ví dụ minh hoạ Bảng dưới đây cho các số liệu về lượng hàng bán được của một loại hàng hóa(Y), thu nhập của người tiêu dùng (X 2 ) và giá bán của loại hàng này (X 3 ) Tìm hàm hồi quy tuyến tính HỐI QUY TUYẾN TÍNH K BIẾN Y i (tấn/tháng) X 2 (triệu đồng/năm) X 3 (ngàn đồng/kg) 20 8 2 18 7 3 19 8 4 18 8 4 17 6 5 17 6 5 16 5 6 15 5 7 13 4 8 12 3 8 Giải Từ số liệu trên, ta tính được các tổng như sau : HỐI QUY TUYẾN TÍNH K BIẾN HỐI QUY TUYẾN TÍNH K BIẾN HỐI QUY TUYẾN TÍNH K BIẾN Vậy: Các hệ số hồi quy này có ý nghĩa gì ? Kết quả hồi quy bằng Eviews như sau : Hệ số xác định của mô hình HỐI QUY TUYẾN TÍNH K BIẾN Hệ số xác định: Hệ số xác định hiệu chỉnh: Kết quả hồi quy bằng Eviews như sau : Khoảng tin cậy và kiểm định giả thiết HỐI QUY TUYẾN TÍNH K BIẾN Vì sao? => Bài tập cộng điểm Khoảng tin cậy và kiểm định giả thiết HỐI QUY TUYẾN TÍNH K BIẾN Gọi c jj là phần tử nằm ở dòng j cột j của ma trận (X T X) -1 Khi đó : Với (k là số tham số) Khoảng tin cậy và kiểm định giả thiết HỐI QUY TUYẾN TÍNH K BIẾN Khoảng tin cậy của β j là Hoặc tính giá trị tới hạn của β j là Bậc tự do là (n-k) Kết quả hồi quy bằng Eviews như sau : Khoảng tin cậy và kiểm định giả thiết HỐI QUY TUYẾN TÍNH K BIẾN Kiểm định giả thiết về R 2 Với độ tin cậy 1- α Bước 1 : tính Bước 2 : Tra bảng tìm F(k-1,n-k), mức ý nghĩa là α Bước 3 : Nếu F>F(k-1,n-k) , bác bỏ H 0 Nếu F≤F(k-1,n-k) , chấp nhận H 0 H o : R 2 = 0 H 1 : R 2 ≠ 0 Kết quả hồi quy bằng Eviews như sau : Một vài kết quả hồi quy khác bằng Eviews Theo keát quaû baøi taäp cuûa nhoùm 13 lôùp KK1_05 tröôøng Ñaïi hoïc Hoàng Baøng Các yếu tố ảnh hưởng đến giá bán 1 căn nhà X2 : dieän tích D1 : moâi tröôøng D2 : khu vöïc kinh doanh D3 : nhu caàu baùn D4 : an ninh khu vöïc D5 : vò tri nhaø D6 : thò tröôøng đoùng băng Theo keát quaû baøi taäp cuûa nhoùm 4 lôùp KK2_05 tröôøng Ñaïi hoïc Hoàng Baøng Vấn đề dự báo HỐI QUY TUYẾN TÍNH K BIẾN Cho Yêu cầu dự báo giá trị Y 0 của Y Vấn đề dự báo HỐI QUY TUYẾN TÍNH K BIẾN Dự báo điểm : Dự báo khoảng : Bậc tự do là (n-k) Vấn đề dự báo HỐI QUY TUYẾN TÍNH K BIẾN Ví dụ (số liệu trước) HỐI QUY TUYẾN TÍNH K BIẾN Ví dụ : Tính khoảng tin cậy của β 2 theo số liệu của ví dụ trước với độ tin cậy 95% yêu cầu kiểm định các giả thiết H o : β 2 = 0 H 1 : β 2 ≠ 0 Với độ tin cậy 95% Ví dụ (số liệu trước) HỐI QUY TUYẾN TÍNH K BIẾN Yêu cầu kiểm định các giả thiết Với độ tin cậy 95% Ví dụ (số liệu trước) HỐI QUY TUYẾN TÍNH K BIẾN H o : R 2 = 0 H 1 : R 2 ≠ 0 Ví dụ (số liệu trước) HỐI QUY TUYẾN TÍNH K BIẾN Yêu cầu dự báo giá trị của Y khi X 2 =9 và X 3 =9 với độ tin cậy 95% Hết