Bài giảng Chương 2 Mô hình hồi qui đa biến

1. Mô hình : Mô hình hồi qui tuyến tính k biến của tổng thể:  Dạng tổng quát: Trong đó : Y - biến phụ thuộc X2, ,Xk - các biến độc lập

pdf31 trang | Chia sẻ: thanhtuan.68 | Ngày: 10/03/2018 | Lượt xem: 385 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Bài giảng Chương 2 Mô hình hồi qui đa biến, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
Chương 2 Mô hình hồi qui đa biến 1. Mô hình : Mô hình hồi qui tuyến tính k biến của tổng thể:  Dạng tổng quát: Trong đó : Y - biến phụ thuộc X2,,Xk - các biến độc lập 1 2 2 ... K KY X X      1 là hệ số tự do j là các hệ số hồi qui riêng, j cho biết khi Xj tăng 1 đvị thì trung bình của Y sẽ thay đổi j đvị trong trường hợp các yếu tố khác không đổi (j=2,,k).  Ứng với quan sát thứ n: 1 2 2 3 3 ...n n n K nK ny x x x          Mô hình ước lượng của mẫu gồm N quan sát:  Dạng tổng quát:  Ứng với quan sát thứ n: 1 2 2 ˆ ˆ ˆˆ ... K KY X X      1 2 2 3 3 ˆ ˆ ˆ ˆˆ ...n n n K nKy x x x        2. Biểu diễn đại số của mô hình hồi quy đa biến 2 1 ... n n nK x x x             Gọi vecto cột: là quan sát thứ n của k biến giải thích. Gọi: là ma trận cột(vecto cột) của k biến giải thích với quy ước 1 2 ... K X X X X             1 1X  Gọi: là ma trận cột hệ số hồi qui của k biến giải thích. 1 2 ... K                 Gọi: là ma trận cột hệ số hồi qui ước lượng của k biến giải thích. 1 2 ˆ ˆˆ ... ˆ K                    vtlu1 Slide 5 vtlu1 vo thi le uyen, 3/17/2011 Khi đó: Mô hình hồi quy tuyến tính của tổng thể là:  Dạng tổng quát: hoặc '.Y X  '.Y X  Ứng với quan sát thứ n: ' .n n ny x    hoặc '.n n ny x   Mô hình ước lượng của mẫu gồm N quan sát là:  Dạng tổng quát: hoặc ' ˆˆ .Y X  'ˆˆ .Y X  Ứng với quan sát thứ n: ' ˆˆ .n ny x  hoặc 'ˆˆ .n ny x 3. Ước lượng các tham số a. Mô hình hồi qui ba biến : yn = 1+ 2xn2 + 3xn3 + Hàm hồi qui mẫu : 1 2 2 3 3 ˆ ˆ ˆˆn n n n n ny y e x x e        jˆβ 2 minne  Giả sử có một mẫu gồm N quan sát các giá trị (yn, xn2, xn3). Theo phương pháp OLS, (j= 1,2,3) phải thoả mãn : n Tức là : 1 2 2 3 3 ˆ ˆ ˆ n n n ne y x x      2 1 1 2 2 3 3 2 1 2 2 3 3 2 2 2 1 2 2 3 3 3 3 0ˆ ˆ ˆ ˆ2( )( 1) 0 ˆ ˆ ˆ0 2( )( ) 0ˆ ˆ ˆ ˆ2( )( ) 0 0ˆ n n n n n n n n n n n n n n e y x x e y x x x y x x xe                                                 Do Giải hệ ta có : 2 3 2 3 3 2 2 3 2 3 3 2 2 3 2 3 2 3 2 3 1 2 2 3 3 ˆ ˆ ˆ ˆ ˆ n n n n n n n n n n n n n n n n n n n n n n x x x x x x x x x x x x x x x x x x Y X X                             2 2 2 2 2 2 2 2 y y ( ) y y ( ) * Phương sai của các hệ số ước lượng  22 3 3 2 2 1 2 3 2 3 3 2 2 2 3 2 3 2 2 3 2 3 2 3 1ˆ( ) ˆ( ) ˆ( ) n n n n n n n n n n n n n n n n X x X x Var n x x x x x Var x x x x x Var x x x x                                   2 2 2 2 2 2 2 2 2 2 2 ( ) ( ) ( ) Trong đó : 2 = Var( ) 2 chưa biết nên dùng ước lượng của nó là : 2 2ˆ 3 ne n     Với : 2 2 2 2 3 3 ˆ ˆ n n n n n ne TSS RSS y x y x y         n b. Mô hình hồi qui tuyến tính k biến yn = 1+ 2xn2 + + kxnk+ (PRF) (n = 1,, N) Hàm hồi qui mẫu : 1 2 2 ˆ ˆ ˆˆ ...n n n n k nK ny y e x x e         jˆβ 2 minne  Theo phương pháp OLS, (j= 1,2,,k) phải thoả mãn : n Tức là : 2 1 2 0ˆ 0ˆ n n k e e               1 2 2 1 2 2 ˆ ˆ ˆ2( ... )( 1) 0 ˆ ˆ ˆ2( ... )( ) 0 n n k nK n n k nK nK y x x y x x x                          Viết hệ dưới dạng ma trận :  ' 'ˆX X X Y     1' 'ˆ X X X Y   2 3 2 2 2 2 3 2' 2 2 3 ... ... ... n n nK n n n n n nK nK nK n nK n nK n x x x x x x x x x X X x x x x x x                                          k 2 1 ˆ ˆ ˆ ˆ β β β β  2' n n n nK n y x y X Y x y                  4. Độ phù hợp của mô hình(hệ số xác định) * Chú ý : Khi tăng số biến độc lập trong mô hình thì R2 cũng tăng cho dù các biến độc lập thêm vào có ảnh hưởng mô hình hay không . Do đó không thể dùng R2 để quyết định có hay không nên thêm 2 2 1 1 n n eRSS ESSR TSS TSS       2y 2 2 2 ˆ ˆ... n n n n k nK n e ESS TSS RSS n x x            2y y y   2 2 / ( )1 / 1 ne n kR TSS n      Hay: kn 1n )R1(1R 22    Tính chất của :2R 2R 1RR 22 - Khi k > 1, - có thể âm, trong trường hợp âm, ta coi giá trị của nó bằng 0. biến vào mô hình mà thay vào đó có thể sử dụng hệ số xác định được hiệu chỉnh : * Cách sử dụng để quyết định đưa thêm biến vào mô hình : Mô hình hai biến Mô hình ba biến 2 2 2 1 RR  tức là không cần đưa thêm biến X3 vào mô hình. Ngược lại, ta chọn mô hình (2). 1 2 2 ˆ ˆˆ (1)n ny x   2 1R 2 1R 1 2 2 3 3 ˆ ˆ ˆˆ (2)n n ny x x     2 2R 2 2R 2R - Nếu thì chọn mô hình (1) , • So sánh hai giá trị R2 : Nguyên tắc so sánh : - Cùng cỡ mẫu n . - Cùng các biến độc lập. - Biến phụ thuộc phải ở dạng giống nhau. Biến độc lập có thể ở bất cứ dạng nào. 5. Ma trận tương quan 1 2 2 ˆ ˆ ˆˆ ...n n k nKy x x                  1...rr ...... r...1r r...r1 2k1k k221 k112 Gọi rtj là hệ số tương quan tuyến tính giữa biến thứ t và thứ j. Trong đó Y được xem là biến thứ 1. Ma trận tương quan tuyến tính có dạng : Xét mô hình : 6. Ma trận hiệp phương sai                )ˆvar(...)ˆ,ˆcov()ˆ,ˆcov( ...... )ˆ,ˆcov(...)ˆvar()ˆ,ˆcov( )ˆ,ˆcov(...)ˆ,ˆcov()ˆvar( )ˆcov( k2k1k k2212 k1211 βββββ βββββ βββββ β ' 1 2ˆcov( ) ( )X X  Để tính ma trận hiệp phương sai của các hệ số, áp dụng công thức : với 2 ESSs n k   Trong đó, k là số tham số trong mô hình. 7. Bản chất thống kê của các hệ số hồi quy Ta có: ˆ k k kn nc    Xét các giả thuyết: 1 : 0,nA E n   2 2 : ,nA Var n    23 : 0, ,nA N n  iid  ' '4 : / ,n n nA E y x x n  5 :A rankA k , hay các cột 1 2, ,..., kX X X đltt Tương tự hồi quy đơn biến, ta cũng chứng minh được:     2 2 ˆ1) ˆ2) ˆ3) , k k k kk k k kk E Var S N S                Khi đó, biến ngẫu nhiên chuẩn hóa của là:ˆk 2 ˆ / k k k kk Z S      Vì thông thường không có nên ta thay bằng ước lượng không chệch của nó là: 2 2 2 nes N K    Khi đó, ta có thống kê:     2 ˆ ˆ ˆ/ k k k k k kkk t t N K Ses S           8. Khoảng tin cậy của các hệ số hồi qui Khoảng tin cậy của j (j =1,2, , k) là : /2; ˆ ˆ ˆˆ( ; ); ( )j j j j n kse t           Trong đó, k là số biến (số tham số) trong mô hình. 9. Kiểm định giả thiết a. Kiểm định Phần này hoàn toàn tương tự như ở mô hình hồi qui đơn biến, khác duy nhất ở chỗ bậc tự do của thống kê t là (n-k).  0 1 : , : , 1, j j H a a const H a j k       Nếu p(F* > F)   Nếu F > F(k-1, n-k) )kn/()R1( )1k/(R F 2 2    b. Kiểm định giả thiết đồng thời : H0 : 2 = 3 == k = 0 H1:  j  0 (2  j  k) Cách kiểm định : -Tính  bác bỏ H0, Tức là các hệ số hồi qui không đồng thời bằng 0 hay hàm hồi qui phù hợp. c. Kiểm định Wald Xét mô hình (U) sau đây : Yn = 1+ 2Xn2 + 3Xn3+ 4Xn4+ 5Xn5+ Ui (U) được xem là mô hình không hạn chế. Ví dụ 1 : Với mô hình (U), cần kiểm định H0 : 3= 5= 0 Áp đặt giả thiết H0 lên mô hình (U), ta có mô hình hạn chế (R) như sau : Yn = 1+ 2Xn2 + 4Xn4+ Ui (R) Để kiểm định H0, ta dùng kiểm định Wald. Các bước kiểm định Wald : - Hồi qui mô hình (U)  thu được RSSU. - Hồi qui mô hình (R)  thu được RSSR. - Tính - Nếu p (F* > F)   Nếu F > F(dfR- dfU, dfU)  bác bỏ H0, UU URuR df/RSS )dfdf/()RSSRSS( F   dfU : bậc tự do của (U) dfR : bậc tự do của (R) Ví dụ 2 : VớI mô hình (U), kiểm định H0 : 2= 3= 4 Áp đặt H0 lên (U), ta có mô hình (R): Yn = 1+ 2Xn2 + 2Xn3+ 2Xn4+ 5Xn5+ Un hay Yn =1+ 2(Xn2+Xn3+Xn4) + 5Xn5+ Un Đến đây, áp dụng các bước kiểm định Wald cho giả thiết H0. Ví dụ 3 : VớI mô hình (U), kiểm định H0 : 2+ 3= 1 Thực hiện tương tự như các ví dụ trên, bằng các áp đặt H0 lên (U), ta có mô hình hạn chế (R) : Yn= 1+ 2Xn2+(1- 2)Xn3+ 4Xn4+ 5Xn5+Un (Yn – Xn3) = 1+ 2(Xn2 –Xn3)+ 4Xn4+ 5Xn5+Un * Chú ý : Trong Eviews, thủ tục kiểm định Wald được viết sẵn, bạn chỉ cần gõ vào giả thiết bạn muốn kiểm định rồi đọc kết quả.
Tài liệu liên quan