Khắc Phục đa cộng tuyến

Chào mừng cô bạn đến với thảo luận nhóm Nội dung: Cách khắc phục đa cộng tuyến Phần 1:Bỏ biến Giả sử mô hình hồi quy của ta có Y là biến được giải thích còn X, X3 … Xk là các biến giải thích Chúng ta thấy rằng X2 tương quan chặt chẽ với X3.Khi đó nhiều thông tin về Y chứa ở X2 thì cũng chứa ở X3.Vậy nếu ta bỏ biến X2 hoặc X3 Khỏi mô hình hồi quy, ta sẽ giải quyết được vấn đề đa cộng tuyến sẽ mất phần thông tin về Y 2  Bằng phép so sánh R và các phép hồi quy khác mà có và không có biến chúng ta có thể quyết định nên bỏ biến nào biến X2 và X3 khỏi mơ hình Xét Ví Dụ: 2  R đối với hồi quy Y đối với tất biến X Z T 0.941418 2  R đối với hồi quy Y đối với biến X Z 0.928865 2  R đối với hồi quy Y đối với biến X T 0.933712 2  R đối với hồi quy Y đối với biến T Z 0.930411 với hồi quy Y đối với tất biến X Z T  2 0.94141; R  khi loại biến Z là 0.933712, R  khi loại biến T là 0.928865 R  khi loại biến X 0.930411; trường hợp ta loại biến Z Phần 2:Thu thập số liệu hoặc lấy thêm mẫu mới - Vì đa cộng tuyến là đặc trưng của mẫu nên có thể có mẫu khác liên quan đến cùng các biến mẫu ban đầu mà đa cộng tuyến có thể không nghiêm trọng nữa Điều này có thể làm được chi phí cho việc lấy mẫu khác có thể chấp nhận được thực tế - Đôi chỉ cần thu thập them số liệu, tăng cỡ mẫu có thể làm giảm tính nghiêm trọng của đa cợng tún Ví dụ: Bảng số liệu cũ 10 Ta thu thập thêm sớ liệu năm sau dẫn đến kích thước n tăng từ 18 lên 24 11 Khi R2 từ 0.94141 giảm x́ng 0.749488 => Hiện tượng đa cộng tuyến được khắc phục 12 Phần 3:Sử dụng sai phân cấp 13 Chúng ta có số liệu chuỗi thời gian biểu thị liên hệ giữa biến Y và các biến phụ thuộc X2 và X3 theo mô hình sau: Yt = β1 + β2X2t + β3X3t + Ut (1) Trong đó t là thời gian Phương trình đúng với t thì cũng đúng với t-1 nghĩa là : Yt-1 = β1 + β2X2t-1 + β3X3t-1 + Ut-1 (2) Từ (1) và (2) ta được : Yt – Yt-1 = β2(X2t – X2t-1) + β3(X3t – X3t-1) + Ut – Ut-1 (3) Đặt : yt = Yt – Yt-1 ; Vt = Ut – Ut-1; x2t = X2t – X2t-1 x3t = X3t – X3t-1 14 Ta được : yt = β2 x2t + β3 x3t + Vt Chúng ta có số liệu chuỗi thời gian biểu thị liên hệ giữa biến Y và các biến phụ thuộc X2 và X3 theo mô hình sau: Yt = β1 + β2X2t + β3X3t + Ut (4) Trong đó t là thời gian Phương trình đúng với t thì cũng đúng với t-1 nghĩa là : Yt-1 = β1 + β2X2t-1 + β3X3t-1 + Ut-1 (5) Từ (4) và (5) ta được : Yt – Yt-1 = β2(X2t – X2t-1) + β3(X3t – X3t-1) + Ut – Ut-1 15 Đặt : yt = Yt – Yt-1; Vt = Ut – Ut-1; X2t = X2t – X2t-1; x3t = X3t – X3t-1 Ta được : yt = β2 x2t + β3 x3t + Vt (6) Mô hình hồi quy dạng (6) thường làm giảm tính nghiêm trọng của đa cộng tuyến vì dù X2và X3 có thể tương quan cao không có lý tiên nghiệm nào chắc chắn rằng sai phân của chúng cũng tương quan cao 16 Tuy nhiên biến đổi sai phân bậc nhất sinh số bấn đề chẳng hạn số hạng sai số Vt (6) có thể không thỏa mãn giả thiết của mô hình hồi quy tuyến tính cổ điển là các nhiễu không tương quan Vậy thì biện pháp sửa chữa này có thể lại còn tồi tệ bệnh 17 18 ...Nội dung: Cách khắc phục đa cộng tuyến Phần 1:Bỏ biến Giả sử mô hình hồi quy của ta có Y là biến được giải thích... đa cợng tún Ví dụ: Bảng sớ liệu cũ 10 Ta thu thập thêm số liệu năm sau dẫn đến kích thước n tăng từ 18 lên 24 11 Khi R2 từ 0.94141 giảm x́ng 0.749488 => Hiện tượng đa cộng tuyến được khắc. .. liệu hoặc lấy thêm mẫu mới - Vì đa cộng tuyến là đặc trưng của mẫu nên có thể có mẫu khác liên quan đến cùng các biến mẫu ban đầu mà đa cộng tuyến có thể không nghiêm