Mục tiêu chính của chương 2 Mô hình hồi quy tuyến tính bội thuộc bài giảng Kinh tế lượng trình bày về các nội dung lần lượt như sau: khái niệm mô hình hồi qui bội, mô hình hồi qui tổng thể theo dạng thông thường, mô hình hồi qui bội đối với tổng thể, mô hình hồi qui bội đối với một mẫu.
Trang 1tham số giải thích của mô hình
biến nội suy
biến ngoại suy
biến ngẫu nhiên
E( ) Var( )
tham số ẩn của mô hình
i ki
k i
Trang 2Mô hình hồi qui tổng thể Mô hình hồi qui mẫu
Mô hình hồi qui bội
Mô hình hồi qui bội là mô hình trong đó biến phụ thuộc phụ thuộc vào ít nhất hai biến giải thích.
Trang 3Mô hình hồi quy tuyến tính bội
Dạng biểu thức đầu tiên của mô hình :
y : biến mà giá trị quan sát là y i
i, i = 1, ,n,
x ki : biến mà giá trị quan sát là x it
b1, b2, ,bklà những tham số chưa biết
i : sai số
với i = 1, ,n
i ki
k i
i
y b ˆ1 b ˆ2 2 b ˆ3 3 b ˆ
Trang 4Hay
Hay được biểu diễn một cách tường minh như sau
Giả sử ta có n quan sát và mỗi quan sát gồm k trị số (Yi,X2i Xki)
Mô hình hồi qui tổng thể theo dạng
thông thường
n i
X X
X Y
n i
X X
k k
X X
Y
X X
Y
X X
Y
b
b b
b
b b
b
b b
222
12
11
212
11
Trang 5Mô hình hồi qui bội đối với tổng thể
Mô hình hai
biến
Đáp số b 1
Y i =b 1 + b 2 X 2i + b 3 X 3i + i Y
X 3
i
Trang 6Mô hình hồi qui bội đối với một
mẫu
i i
Trang 7Ví dụ :
Trang 8Mô hình hồi quy tuyến tính bội
Dạng biểu thức thứ hai của mô hình :
i
kn n
n
ki i
i
k k
n
i
x x
x
x x
x
x x
x
x x
x
X
y y
y y
bb
b
;
2
1 2
1
3 2
3 2
2 32
22
1 31
21 2
1
, 1 n , k k , 1 n , 1
X n
Trang 10! Có thể nói những vec tơ và ma trận của mô hình là những biến.
Về nguyên tắc chung, X pt = 1, t, t=1, ,T biến X k là hằng số.
ước lượng tham số b 1 , b 2 ,…b k có thể được thực hiện bằng phương pháp BPBN
Mô hình hồi quy tuyến tính bội
Trang 11Nguyên tắc hình học của phương pháp bình phương tối thiểu
Trang 12giả thiết của mô hình
[H1] : X 1 ,…X k là những biến được đo chính xác, có nghiã là quan sát không sai số.
[H2] : t, t=1, ,T, t là một biến ngẫu nhiên là kỳ vọng toán học E( ) = 0 và
phương sai Var( ) = 2 ()
[H3] : i, i ’, i¹i ’, i và i’ là những biến ngẫu nhiên độc lập về xác suất
[H4] : i, i tuân theo quy luật phân phối chuẩn, Sai số tuân theo N(0, 2)
[H6] : đầu tiên ta không có tý thông tin nào về những tham số b 1 , b 2 ,…, bk
Mô hình hồi quy tuyến tính bội
[H5]1/n(X’X)->M ở đây M là ma trận không suy biến
Trang 13STT Theo dạng thông thường Theo dạng ma trận
cộng tuyến
Không có đa cộng tuyến, tức hạng của ma trận X bằng khác nhau
Các giả thiết cho mô hình hồi
qui tuyến tính cổ điển
Trang 14Giả thiết 1
0 0
0 0
) (
) (
) ( )
12
Trang 15Phương sai của các sai sô
Hiệp phương sai của các sai
Ma trận hiệp phương sai của sai số
I Var
Cov Cov
Cov Var
Cov
Cov Cov
Var
n n
1
2
2 2 2
1
1 2
1
2 1
) ( )
( )
(
) (
) ( )
(
) (
) (
) (
Trang 16Hiệp
phương
sai
Phương sai
) (
) (
) (
) (
) (
) (
) (
) (
) (
22
1
2
222
1
12
1
21'
n n
n
n n
E E
E
E E
E
E E
E E
Trang 172
2 2 2
1
1 2
1
2 1
2 1 2
1 '
) (
) (
n n
n
n n n
n
E u
u u E
( )
(
) (
) ( )
(
) (
) (
) ( )
(
2 2
1
2
2 2 2
1
1 2
1
2 1 '
n n
n
n n
E E
E
E E
E
E E
E E
0
0 0
1 0
0
0 0
Trang 18( )
(
) (
) ( )
(
) (
) (
) ( )
(
2 2
1
2
2 2 2
1
1 2
1
2 1 '
n n
n
n n
E E
E
E E
E
E E
E E
Trang 19Hậu quả của những giả thiết
Vecteur kỳ vọng
toán hoặc trung bình
Vecteur ngẫu nhiên là một vecteur tuân theo phân phối chuẩn, và :
ma trận hiệp phương sai
Y là một vecteur ngẫu nhiên tuân theo
Mô hình hồi quy tuyến tính bội
Trang 20ước lượng những tham số
e Mine e
Trang 21ước lượng những tham số - 2
Kết quả của phương pháp bình phương tối thiểu
Ước lượng bằng phương pháp bình phương tối thiểu :
Người ta chứng minh :
có phương sai nhỏ nhât : đó là ước lượng BLUE (Best Linear Unbiased Estimator)
là một đó là ước lượng hội tụ của b
nhưng 2 ( ) là chưa biết
Trang 22Ví dụ :
Model fitting results for: EXECO.Investment
Independent variable coefficient std error t-value sig.level - CONSTANT 357.188693 42.733747 8.3585 0.0000 EXECO.GNP 0.689021 0.064034 10.7602 0.0000 EXECO.CPI -9.548226 1.137803 -8.3918 0.0000 EXECO.Rate -4.211399 2.296132 -1.8341 0.0938 - R-SQ (ADJ.) = 0.9908 SE= 11.289098 MAE= 8.200200 DurbWat= 1.917
-ước lượng những tham số
Mô hình hồi quy tuyến tính bội
Trang 23ước lượng những tham số - 3
ước lượng 2 ()
Từ ước lượng a, ta có thể tính được ước lượng Y :
Sai số có thể được ước lượng bởi :
Từ đó có thể ước lượng được:
Y
e ˆ
e n i
e E
i
n i
1
I X X X X e e
2 1
ne
Trang 24ước lượng những tham số - 4
ước lượng có thể bởi ước lượng 2( ) và bởi công thức
ước lượng không chệch của ma trận hiệp phương sai
Trang 25ước lượng những tham số - 5
Quy luật phân phối xác suất
Theo giả thiết [H4], ta có :
b b
b
2 1
Mô hình hồi quy tuyến tính bội
i i
b
b
Trang 26ước lượng những tham số - 6
Luật phân phối đã biết Tính Khoảng tin cậy
Khoảng tin cậy đối với b i
Khoảng tin cậy đối với 2 ()
Mô hình hồi quy tuyến tính bội
i t i i t i
ba
k n
Trang 27Ví dụ :
95 percent confidence intervals for coefficient estimates
Estimate Standard error Lower Limit Upper Limit CONSTANT 357.189 42.7337 263.108 451.270 EXECO.GNP 0.68902 0.06403 0.54805 0.83000 EXECO.CPI -9.54823 1.13780 -12.0532 -7.04328 EXECO.Rate -4.21140 2.29613 -9.26648 0.84368 -
-Mô hình hồi quy tuyến tính bội
Trang 28kiểm định giả thiết - 1
Kiểm định giả thiết về b
Trang 29Coefficients a
70015,462 5900,669 11,866 ,000 72,500 2,880 ,716 25,172 ,000 ,995 1,005 -1657,031 108,867 -,433 -15,221 ,000 ,995 1,005
Beta
Standardi zed Coefficien ts
t Sig Tolerance VIF
Trang 30Định nghĩa
0 R 2 1
R 2 1 : phương sai của biến x được giải thích hoàn toàn bởi mô hình
R 2 0 : phương sai của biến x không được giải thích hoàn toàn bởi mô hình
Kiểm định độ phù hợp của mô hình
R
1
2 1
2 2
y y
t
t i
Trang 31kiểm định giả thiết - 2
Kiểm định độ phù hợp của mô hình
Test (H 0 ) : b 2 = b 3 = … = bk =0 đối nghịch với (H 1 ) $ i, i=1,…,k, b i 0
hệ số tương quan tuyến tính bội là giá trị quan sát của biến
n i i y y
e R
1
2 1
2 2
Trang 32Analysis of Variance for the Full Regression
Source Sum of Squares DF Mean Square F-Ratio P-value - Model 192158 3 64052.6 502.595 0.0000 Error 1401.88 11 127.444
Total (Corr.) 193560 14
-R-squared = 0.992757 Stnd error of est = 11.2891 R-squared (Adj for d.f.) = 0.990782 Durbin-Watson statistic = 1.91719
Trang 331
Sum of
Predictors: (Constant), age, surface
Trang 34kiểm định giả thiết - 3
Kiẻm định sự phù hợp của mô hình
Trang 35Ví dụ về hồi qui bội
Trang 36dự báo - 1
vì dữ liệu những giá trị, được giả sử đã biết, những biến ngoại suy đối với một giá trị q t.
người ta có thể dự đoán giá trị tương ứng X?
Soit : biến ngẫu nhiên dùng để dự đoán la
Trang 37Dự báo
Phân tích số dư cho phép xác định :
Tư đó ta có thể tính được khoảng cách dự báo
mô hình hồi quy tuyến tính bội