NỘI DUNG CHƯƠNG 2
I. Sự cần thiết của mô hình hồi quy bội
II. Mô hình hồi quy bội và phương pháp ước lượng OLS
III. Một số dạng của mô hình hồi quy
IV. Tính vững của các ước lượng OLS
15 trang |
Chia sẻ: thanhtuan.68 | Lượt xem: 1161 | Lượt tải: 1
Bạn đang xem nội dung tài liệu Bài giảng Kinh tế lượng - Chương 2 Mô hình hồi quy bội, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
9/5/2013
1
CHƢƠNG 2
MÔ HÌNH HỒI QUY BỘI
1
NỘI DUNG CHƢƠNG 2
I. Sự cần thiết của mô hình hồi quy bội
II. Mô hình hồi quy bội và phương pháp ước lượng
OLS
III. Một số dạng của mô hình hồi quy
IV. Tính vững của các ước lượng OLS
2
9/5/2013
2
1. Mô hình hai biến – vấn đề về kỳ vọng sai số khác 0
Nếu sai số ngẫu nhiên trong mô hình mà có tương quan với
biến độc lập (cov(X,u) ≠ 0) thì giả thiết 2 sẽ bị vi phạm.
Biến độc lập nội sinh: là biến độc lập có tương quan với
sai số ngẫu nhiên trong mô hình. => Khi mô hình có biến
độc lập nội sinh => giả thiết 2 bị vi phạm => các ước
lượng OLS sẽ bị chệch.
Trong mô hình hồi quy đơn, giả thiết 2 thường bị vi phạm.
I. SỰ CẦN THIẾT CỦA MÔ HÌNH HỒI QUY BỘI (*)
3
2. Một số ƣu việt khác của mô hình hồi quy bội
Mô hình hồi quy bội thường có chất lượng dự báo tốt hơn.
Mô hình hồi quy bội cung cấp các dự báo hữu ích hơn.
Mô hình hồi quy bội cho phép sử dụng dạng hàm phong
phú hơn.
Mô hình hồi quy bội cho phép thực hiện các phân tích
phong phú hơn.
I. SỰ CẦN THIẾT CỦA MÔ HÌNH HỒI QUY BỘI (*)
4
9/5/2013
3
1. Mô hình và các giả thiết
Mô hình hồi quy tuyến tính k biến:
(2.1)
Y là biến phụ thuộc
Các Xj (j = 2,3,.., k) là các biến độc lập
u là sai số ngẫu nhiên, đại diện cho các yếu tố ngoài các
biến Xj (j = 2 ÷ k), có tác động đến Y nhưng không đưa vào
mô hình.
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
1 2 2 .. k kY X X u
5
Các giả thiết của mô hình:
Giả thiết 1: Mô hình được ước lượng trên cơ sở mẫu
ngẫu nhiên kích thước n: {(Xi,Yi), i = 1,2,..,n}
Giả thiết 2:Kỳ vọng của sai số ngẫu nhiên tại mỗi giá
trị (X2i,.., Xki) bằng 0:
Giả thiết 3: Phương sai của sai số ngẫu nhiên tại các
giá trị X2i,.., Xki đều bằng nhau
6
2 ,..,
( | ) 0
i kiX X
E u
2
2
,..,ar( | )i kiX Xv u
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
4
Giả thiết 4: Giữa các biến độc lập Xj (j = 2 ÷ k) không
có mối quan hệ đa cộng tuyến hoàn hảo, (nghĩa là
không tồn tại các hằng số không đồng thời
bằng 0 sao cho λ2X2 + + λkXk = 0)
2 ,.., k
7
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
Ý nghĩa của các hệ số hồi quy:
Với giả thiết 2, => Hàm hồi quy tổng thể của mô hình
(2.1) như sau:
(2.2)
Hệ số chặn β1: chính là giá trị trung bình của biến phụ
thuộc khi tất cả các biến độc lập trong mô hình đồng
thời bằng 0
2 ,.., 1 2 2
( | ) ..
kX X k k
E Y X X
8
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
5
Các hệ số góc βj (j = 2 ÷ k):
Có , (j = 2 ÷ k)
=> hệ số góc βj (j = 2 ÷ k) thể hiện tác động riêng phần của biến Xj
lên giá trị trung bình của biến phụ thuộc, khi các yếu tố Xs (s ≠ j)
là không đổi.
Cụ thể: Khi Xj tăng (giảm) 1 đơn vị, các yếu tố khác không đổi,
thì giá trị trung bình của biến phụ thuộc tăng (giảm) βj đơn vị.
Dấu của hệ số góc βj thể hiện chiều của mối quan hệ
Các hệ số góc còn được gọi là hệ số hồi quy riêng.
2 ,..,
( | )
kX X
j
j
E Y
X
9
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
2. Phƣơng pháp ƣớc lƣợng bình phƣơng nhỏ nhất (OLS)
Phƣơng pháp OLS cho mô hình hồi quy bội
• Xét mô hình k biến:
(2.1)
• Giả sử có một mẫu quan sát với các giá trị thực tế là (Yi ;
X2i ; ; Xki) (i = 1, 2, ..., n)
=> Hàm hồi quy mẫu của (2.1):
(2.3)
Và:
ikikii uXXY ...221
1 2 2
ˆ ˆ ˆˆ ..i i k kiY X X
iii YYe
ˆ
10
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
6
=> Phương pháp OLS: xác định các giá trị
sao cho tổng bình phương các phần dư là bé nhất.
=> Bài toán cực trị: Tìm sao cho:
ˆ ( 1, )j j k
1
2 2
1 2 2
2
1 2 2,..,
ˆ ˆ ˆ( .. )
{ ( .. ) }
k
i i k k
i k k
e Y X X
Min Y X X
11
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
ˆ ( 1, )j j k
Kết quả ước lượng khi k = 3:
333222
33221
2
32
2
3
2
2
322
2
23
3
2
32
2
3
2
2
323
2
32
2
;;
ˆˆˆ
)())((
))(())((ˆ
)())((
))(())((ˆ
XXxXXxYYy
XXY
xxxx
xxxyxxy
xxxx
xxxyxxy
iiiiii
iiii
iiiiiii
iiii
iiiiiii
12
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
7
Ví dụ: CT là chi tiêu (triệu đồng/năm), TN là thu nhập (triệu
đồng/năm) và TS là giá trị tài sản (tỷ đồng) của hộ gia đình.
1) Giải thích kết quả ước lượng?
2) Các hệ số góc ước lượng có phù hợp với lý thuyết kinh tế hay
không?
3) Ước lượng điểm mức gia tăng chi tiêu trung bình của hộ nếu thu
nhập gia tăng 1 triệu và tài sản gia tăng thêm 500 triệu đồng?
4) Ước lượng mức chi tiêu trung bình của các hộ gia đình có mức thu
nhập là 150 triệu/năm, giá trị tài sản là 2 tỷ ?
ˆ 18.86 0.793 0.015
( ) (9.56) (0.016) (0.004)
CT TN TS
se
13
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
3. Độ phù hợp của hàm hồi quy
Hệ số xác định của mô hình hồi quy bội:
• Ký hiệu:
• Khi mô hình có chứa hệ số chặn thì: TSS = ESS + RSS
• Hệ số xác định bội: ;
• Ý nghĩa: R2 cho biết phần trăm sự thay đổi của biến phụ thuộc
đƣợc giải thích bởi các biến độc lập trong mô hình.
2
1
2
1
2
1
( )
ˆES ( )
n
i
i
n
i
i
n
i
i
TSS Y Y
S Y Y
RSS e
20 1R 𝑅2 =
𝐸𝑆𝑆
𝑇𝑆𝑆
= 1 −
𝑅𝑆𝑆
𝑇𝑆𝑆
14
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
8
Hệ số xác định đã hiệu chỉnh:
Việc đưa thêm một biến số bất kỳ vào mô hình nói chung sẽ làm
gia tăng R2 , không kể nó có giúp giải thích thêm cho biến phụ
thuộc hay không.
=> R2 chưa phải là một thước đo tốt khi muốn so sánh các mô
hình với số biến khác nhau.
=> Hệ số xác định hiệu chỉnh, ký hiệu
và được định nghĩa như sau:
Giá trị thường được sử dụng thay R2 thông thường khi so
sánh các mô hình hồi quy có số lượng biến số khác nhau.
2R
2R
2 2 ( 1)1 (1 )
n
R R
n k
15
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
4. Tính tốt nhất của ƣớc lƣợng OLS – Định lý Gauss-
Markov
Định lý Gauss – Markov: Khi các giả thiết 1 → 4 thỏa mãn
thì các ước lượng thu được từ phương pháp OLS là các ước
lượng tuyến tính, không chệch và có phương sai nhỏ nhất
trong lớp các ước lượng tuyến tính không chệch (ước lượng
BLUE – best linear unbiased estimator)
16
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
9
=> Theo Gauss – Markov:
Khi các giả thiết 1 → 4 thỏa mãn thì ước lượng thu được từ
phương pháp OLS là có phương sai bé nhất:
𝑣𝑎𝑟(𝛽𝑗 /OLS) ≤ 𝑣𝑎𝑟(𝛽𝑗 )
với 𝛽𝑗 là ước lượng tuyến tính không chệch bất kỳ
Tức là ƣớc lƣợng OLS là ƣớc lƣợng tốt nhất trong lớp các
ước lượng tuyến tính không chệch.
Khi một trong các giả thiết không được thỏa mãn thì các
ước lượng OLS không còn là các ước lượng tốt nhất nữa.
17
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
Độ chính xác của các ƣớc lƣợng
Phương sai của các hệ số góc ước lượng:
(2.4)
Trong đó:
• là hệ số xác định của mô hình hồi quy Xj theo hệ số
chặn và các biến độc lập còn lại trong mô hình.
• và
18
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
2
2 2
ˆar( )
(1 )
j
j ji
v
R x
2
jR
ji ji jx X X
9/5/2013
10
Các yếu tố xác định độ chính xác của ƣớc lƣợng:
Phương sai của yếu tố ngẫu nhiên, 𝜎2
Nhân tử phóng đại phương sai:
Độ biến động trong mẫu của Xj:
19
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
2
1
IF
(1 )
j
j
V
R
2
1
n
ji
i
x
Trong (2.4), chưa biết nên được thay bằng ước
lượng không chệch của nó là
𝜎 : sai số chuẩn của hồi quy (S. E. of regression)
Sai số chuẩn của hệ số góc ước lượng:
𝑠𝑒 𝛽𝑗 =
𝜎 2
(1−𝑅𝑗
2) 𝑥𝑗𝑖
2 ; j = (2,3, , k)
20
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
2
2ˆ
2
2 1ˆ
n
i
i
e
n k
9/5/2013
11
5. Mô hình hồi quy hai biến và mô hình hồi quy bội (*)
Xét mô hình:
Y = β1 + β2X2 + u (2.5)
và Y = α1 + α2X2 + α3Z + v (2.6)
Định lý 2.2: Hệ số ước lượng của biến X2 trong mô hình (2.5)
và (2.6) là như nhau nếu:
1) Hệ số ước lượng của Z trong (2.6) là bằng 0
Hoặc:
2) Hệ số tương quan mẫu giữa X2 và Z bằng 0
21
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
Ý nghĩa ứng dụng định lý 2.2:
Nếu biến Z là không quan sát được nhưng có lý do để cho
rằng nó không tương quan với biến X trong mô hình thì việc
thiếu biến Z không gây ảnh hưởng đáng kể đến kết quả ước
lượng.
Nếu các biến Z1, Z2, , Zm cùng không tương quan với biến
X thì việc đưa thêm các biến này vào là không làm thay đổi
hệ số ước lượng của biến X.
22
II. MÔ HÌNH HỒI QUY BỘI VÀ PHƢƠNG PHÁP
ƢỚC LƢỢNG OLS
9/5/2013
12
1. Mô hình dạng log – log
Tổng quát:
(2.7)
Ý nghĩa của các hệ số:
Hệ số chặn β1 : Khi các biến độc lập cùng bằng 1 đơn
vị thì giá trị trung bình của biến phụ thuộc bằng eβ1 đơn
vị.
1 2 2ln( ) ln( ) .. ln( )k kY X X u
23
III. MỘT SỐ DẠNG CỦA MÔ HÌNH HỒI QUY
Các hệ số góc βj (j = 2 ÷ k):
Ta có: 𝛽𝑗 =
𝜕ln (𝑌)
𝜕ln (𝑋𝑗)
=
𝜕𝑌/𝑌
𝑑𝑋𝑗/𝑋𝑗
hay:
𝜕𝑌
𝑌
= 𝛽𝑗
𝑑𝑋𝑗
𝑋𝑗
Nếu Xj tăng (giảm) 1% (các yếu tố khác trong mô hình
không đổi) thì trung bình Y tăng (giảm) βj %
=> Các hệ số βj (j = 2 ÷ k) còn được gọi là hệ số co giãn
của Y theo Xj
24
III. MỘT SỐ DẠNG CỦA MÔ HÌNH HỒI QUY
9/5/2013
13
2. Mô hình dạng bán loga
Dạng 1: (2.8)
Hệ số β2: Khi X2 tăng (giảm) 1 đơn vị thì Y trung bình
tăng (giảm) β2 %
Ví dụ: quan hệ giữa thu nhập (TN - triệu đồng) và số
năm kinh nghiệm (KN - năm):
ln(TN) = 1.6 + 5.8*KN + e
1 2 2ln( )Y X u
25
III. MỘT SỐ DẠNG CỦA MÔ HÌNH HỒI QUY
Dạng 2:
(2.9)
Hệ số β2 : Khi X2 tăng (giảm) 1% thì Y trung bình tăng
(giảm) β2 đơn vị.
Ví dụ: quan hệ giữa số giờ mà người lao động muốn
làm (H) và mức trả cho một giờ lao động (TL)
H = 7 + 0.6ln(TL) + e
1 2 2ln( )Y X u
26
III. MỘT SỐ DẠNG CỦA MÔ HÌNH HỒI QUY
9/5/2013
14
Dạng 3:
(2.10)
Ví dụ: Y là chi tiêu về một loại hàng hóa, X2 là thu
nhập và X3 là tuổi của người tiêu dùng
=> Ý nghĩa của các hệ số?
1 2 2 3 3ln( ) ln( )Y X X u
27
III. MỘT SỐ DẠNG CỦA MÔ HÌNH HỒI QUY
3. Mô hình dạng đa thức
Ví dụ: quan hệ giữa năng suất lao động của công nhân (Q) và số
giờ lao động liên tục trong 1 ngày (H):
Q = β1 + β2H + β3H
2 + u (2.11)
Việc đưa thành phần H2 vào mô hình (2.11) nhằm thể hiện quy
luật cận biên giảm dần của năng suất lao động theo số giờ làm
việc (ban đầu, khi H tăng thì năng suất lao động tăng, tuy nhiên
mức tăng này giảm dần đi khi H càng lớn: β2 > 0; β3 < 0)
Tác động biên của H lên năng suất là thay đổi; năng suất biên là
một hàm theo số giờ lao động:
𝜕𝐸(𝑄 𝐻)
𝜕𝐻
= 𝛽2 + 2𝛽3𝐻 28
III. MỘT SỐ DẠNG CỦA MÔ HÌNH HỒI QUY
9/5/2013
15
IV. TÍNH VỮNG CỦA ƢỚC LƢỢNG OLS
Định lý 2.3: Khi các giả thiết 1 → 4 thỏa mãn thì các
ước lượng OLS không chỉ là các ước lượng BLUE, mà
còn là ước lượng vững, nghĩa là:
Với mọi tùy ý thì:
(2.12)
Trong đó là ước lượng của với kích thước
mẫu n
29
0
( )ˆlim (| | ) 0nj j
n
P
( )ˆ n
j
ˆ
j