Đang tải... (xem toàn văn)
Bài giảng Kinh tế lượng - Bài 6: Đa cộng tuyến trình bày các nội dung: Nguyên nhân gây ra đa cộng tuyến, hậu quả của đa cộng tuyến, các phương pháp phát hiện đa cộng tuyến, các biện pháp khắc phục đa cộng tuyến. Mời các bạn cùng tham khảo nội dung chi tiết.
22/8/2015 Khái niệm đa cộng tuyến Xét mơ hình hồi quy bội: Y = β1 + β2X1 + … + βkXk-1 + u Mơ hình lý tưởng biến độc lập khơng có tương quan với Khi ta nói khơng có tượng đa cộng tuyến Nếu ∃ biến độc lập chứa đựng số thông tin chung Y ta nói có tượng đa cộng tuyến (multicollinearity) Đa cộng tuyến Lê Minh Tiến Bài giảng Kinh tế lượng © Tien M Le Mục tiêu chương Ghi Sau học xong chương này, bạn có thể: Hiểu nguyên nhân gây đa cộng tuyến Biết hậu đa cộng tuyến Thực phương pháp phát đa cộng tuyến Thực biện pháp khắc phục đa cộng tuyến Mơ hình lý tưởng biến độc lập khơng có tương quan với nhau, biến chứa đựng số thông tin riêng Y thơng tin khơng có biến độc lập khác, hệ số hồi quy riêng cho biết ảnh hưởng biến độc lập biến phụ thuộc giả định biến độc lập lại khơng đổi Trong trường hợp ta nói khơng có tượng đa cộng tuyến Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le Nội dung Các loại đa cộng tuyến Nếu tồn số thực λ1,…, λk-1 không đồng thời cho: λ1X1 +…+ λk-1Xk-1 = ta nói biến Xj (j = 1,…, k-1) xảy tượng đa cộng tuyến hoàn hảo (perfect multicollinearity) Nói cách khác: Xj= λ1X1 +…+ λk-1Xk-1 Nguyên nhân gây đa cộng tuyến Hậu đa cộng tuyến Các phương pháp phát đa cộng tuyến Các biện pháp khắc phục đa cộng tuyến Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le 22/8/2015 Các loại đa cộng tuyến Hậu đa cộng tuyến hoàn hảo Nếu tồn số λj,…, λk-1 không đồng thời cho: λ1X1 +…+ λk-1Xk-1 + v = với v sai số ngẫu nhiên ta có đa cộng tuyến khơng hồn hảo (imperfect multicollinearity) biến Xi Nói cách khác: Xj= λ1X1 +…+ λk-1Xk-1 + v Không xác định hệ số hồi quy riêng βj^ ứng với mẫu cụ thể Không thể tách riêng ảnh hưởng biến Xj đến biến phụ thuộc Y, ước lượng ảnh hưởng chung biến cộng tuyến biến phụ thuộc Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le 10 Nguyên nhân gây đa cộng tuyến Ghi Điều hợp lý trường hợp có đa cộng tuyến hồn hảo, biến độc lập thay đổi kéo theo thay đổi biến có cộng tuyến với nó, nên giả định cố định biến độc lập lại khơng hợp lý Trong thực tế trường hợp đa cộng tuyến hồn hảo xảy ra, mà ta thường gặp đa cộng tuyến không hoàn hảo với mức độ khác Phương pháp thu thập số liệu Do chất mối quan hệ biến Đặc trưng mơ hình Mơ hình xác định mức Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le 11 Ghi Hậu đa cộng tuyến khơng hồn hảo • Phương pháp thu thập số liệu: Mẫu khơng đặc trưng cho tổng thể • Do chất mối quan hệ biến ngầm chứa tượng đa cộng tuyến: Thí dụ hồi quy lượng điện tiêu thụ (Y) theo thu nhập (X1) diện tích nhà (X2) Trong mối quan hệ ẩn chứa đa cộng tuyến thơng thường gia đình có thu nhập cao có nhà rộng gia đình có thu nhập thấp • Đặc trưng mơ hình: Thí dụ bổ sung biến có luỹ thừa bậc cao vào mơ hình, đặc biệt phạm vi liệu biến độc lập nhỏ • Một mơ hình xác định mức: xảy số biến giải thích nhiều cỡ mẫu Trong trường hợp ta không xác định hệ số hồi quy Các hệ số hồi quy ước lượng có phương sai hiệp phương sai lớn Khoảng tin cậy hệ số hồi quy có khuynh hướng rộng Khả mắc sai lầm loại kiểm định giả thuyết H0: βj = βj* cao Mặc dù tỉ số |tqs| bé, hệ số xác định R2 cao Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le 12 22/8/2015 Ghi Ghi • * Khi hệ số xác định R2 cao, kinh nghiệm cho thấy R2 > 0.8, thường giả thiết hệ số hồi quy đồng thời bị bác bỏ, nói cách khác thừa nhận có hệ số hồi quy riêng khác * Tuy nhiên tỷ số |t| thấp ta có xu hướng chấp nhận giả thiết hệ số hồi quy riêng Như trình bày mục 2.6, ước lượng OLS có tính chất BLUE giả thiết mơ hình hồi quy tuyến tính cổ điển thoả mãn Các giả thiết không đề cập đến tương quan biến độc lập, nên tính chất BLUE hệ số ước lượng bảo toàn xảy tượng cộng tuyến • Phương sai hiệp phương sai hệ số hồi quy lớn bất thường, nghĩa giá trị ước lượng thay đổi nhiều từ mẫu sang mẫu khác, điều làm cho việc xác định giá trị ước lượng xác trở nên khó khăn • Khoảng tin cậy hệ số hồi quy có khuynh hướng rộng hơn, điều dẫn đến độ xác ước lượng khoảng cho tham số hồi quy βj giảm • Khi kiểm định giả thuyết H0: βj = βj* ta sử dụng thống kê tqs=(βj^-βj*)/se(βj^) Trong trường hợp có đa cộng tuyến cao, sai số chuẩn ước lượng có xu hướng tăng mạnh, dẫn đến giá trị |tqs| có khuynh hướng nhỏ Do ta có xu hướng chấp nhận giả thiết H0 Bài giảng Kinh tế lượng © Tien M Le 13 Bài giảng Kinh tế lượng © Tien M Le 16 Hậu đa cộng tuyến khơng hồn hảo Phát đa cộng tuyến Các ước lượng OLS βj se(βj^) trở nên nhạy với thay đổi nhỏ số liệu Dấu hệ số ước lượng βj^ sai Thêm vào hay bớt biến cộng tuyến với biến khác, mơ hình thay đổi độ lớn ước lượng dấu chúng Hệ số tương quan cặp biến độc lập cao Bài giảng Kinh tế lượng © Tien M Le 14 Mơ hình biến độc lập: Kinh nghiệm: ĐCT cao ⇔ rXjXs > 0.8 Mơ hình ≥3 biến độc lập: Kinh nghiệm: rXjXs > 0.8 ⇒ ĐCT cao Lưu ý: Với mơ hình ≥3 biến độc lập rXjXs> 0.8 điều kiện đủ điều kiện cần Bài giảng Kinh tế lượng © Tien M Le 17 Phát đa cộng tuyến Ghi Dấu hệ số hồi quy ngược với kì vọng Hệ số xác định R2 cao tồn tỉ số |tqs | thấp * Trong số tình đặc biệt ta có đa cộng tuyến cao biến độc lập hệ số tương quan cặp biến thấp Thí dụ : Xét mơ hình hồi quy có ba biến độc lập X1, X2, X3, với số liệu mẫu sau : X1 = (1,0,0,0) X2 = (0,1,0,0) X3 = (1,1,0,0) Nhận thấy ta có đa cộng tuyến hồn hảo X3 = X1 + X2, hệ số tương quan cặp tương ứng : r12 = - 0.333, r13 = r23 = 0.57 không cao Kinh nghiệm: R2 > 0.8 đồng thời |tqs| 10 (tức Rj2 > 0.9) ⇒ ĐCT cao R 2j / k 1 R / n k 1 j Quy tắc bác bỏ H0 là: Fj > Fα;(k–2, n–k+1) Bài giảng Kinh tế lượng © Tien M Le 19 Bài giảng Kinh tế lượng © Tien M Le 22 Ghi Ghi * Bởi đa cộng tuyến đề cập tới quan hệ tuyến tính biến độc lập, nghĩa biến độc lập biểu diễn xấp xỉ dạng tổ hợp tuyến tính biến độc lập khác, ta đánh giá mức độ đa cộng tuyến cách hồi quy biến độc lập Xj theo biến độc lập lại dạng mơ hình tuyến tính, gọi hồi quy phụ (auxiliary regression) * Rj2 gần 1, nghĩa mức độ cộng tuyến Xj với biến độc lập lại cao, VIFj lớn, Rj2→1 VIFj →∞ • Tuy nhiên việc đánh giá mức độ cộng tuyến thơng qua giá trị VIF có ý nghĩa tương đối Tức giá trị VIF cao khơng có nghĩa phương sai sai số ước lượng cao Nhắc lại cơng thức tính phương sai ước lượng mơ hình hồi quy có hai biến độc lập : Var(βj^)=(1/Σxji2).(1/1-Rj2)=(1/Σxji2).VIFj Phương sai βj^ phụ thuộc vào thành phần σ2,Σxji2 VIFj Như giá trị VIF cao chưa đủ để xác định phương sai ước lượng cao Bài giảng Kinh tế lượng © Tien M Le 20 Bài giảng Kinh tế lượng © Tien M Le 23 Phát đa cộng tuyến Vài điều đa cộng tuyến Trên nguyên tắc ta cần kiểm định giá trị Rj2 tất hồi quy phụ Ta áp dụng “Rule of Thumb” Klein: Đa cộng tuyến trở thành vấn đề nghiêm trọng ∃ R2phụ > R2 Trong thực tế biến độc lập có đa cộng tuyến với nhau, với mức độ cao hay thấp mà thơi Khi có đa cộng tuyến ước lượng thu có tính chất BLUE: ước lượng tuyến tính, khơng chệch, có phương sai bé lớp ước lượng tuyến tính khơng chệch Bài giảng Kinh tế lượng © Tien M Le 21 Bài giảng Kinh tế lượng © Tien M Le 24 22/8/2015 Vài điều đa cộng tuyến Bỏ bớt biến độc lập Trong thực nghiệm, người ta quan tâm đến mức độ ảnh hưởng đa cộng tuyến kết ước lượng việc xác định đa cộng tuyến có tồn hay khơng Khi ảnh hưởng đa cộng tuyến xem nghiêm trọng, người ta dùng nhiều cơng cụ khác để tìm cách hạn chế ảnh hưởng nó, cơng cụ tỏ thích hợp hoàn cảnh cụ thể Bỏ bớt biến có cộng tuyến với làm cho hệ số hồi quy biến lại mơ hình từ kết ban đầu ≠ khơng có ý nghĩa chuyển thành ≠ có ý nghĩa mặt thống kê Nên bỏ lúc hay bỏ lần lượt? Nên bỏ bỏ lúc mơ hình bị thiếu biến quan trọng -> ước lượng bị chệch-> không tốt Nếu bỏ bỏ biến trước? Bỏ biến có p-value lớn có R2f lớn Bài giảng Kinh tế lượng © Tien M Le 25 28 Bỏ bớt biến độc lập Vài điều đa cộng tuyến Khi vấn đề đa cộng tuyến đánh giá ảnh hưởng không nghiêm trọng đến kết nghiên cứu, người ta bỏ qua, việc khắc phục đa cộng tuyến gây hậu khác nghiêm trọng Có thể bỏ qua đa cộng tuyến khi: ∀ |tstat|>2 R2 > ∀R2phụ Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le 26 ! Việc bỏ bớt biến dẫn đến hậu ước lượng hệ số mô hình bị chệch Trong số tình huống, việc bỏ bớt biến nhằm tránh vấn đề đa cộng tuyến lại gây hậu nghiêm trọng (Tại sao?) vì, đa cộng tuyến làm cho sai số ước lượng lớn ước lượng khơng chệch, bỏ bớt biến dẫn đến ước lượng chệch nhiều so với giá trị tham số thực Bài giảng Kinh tế lượng © Tien M Le 29 Khắc phục đa cộng tuyến Hồi quy sai phân cấp Dưới góc độ thời gian, biến số kinh tế thường chịu tác động ảnh hưởng xu hướng dễ tương quan (cộng tuyến) với Sử dụng sai phân cấp làm giảm hậu nghiêm trọng đa cộng tuyến Bỏ bớt biến độc lập Sử dụng sai phân cấp Thay đổi dạng hàm Hồi quy độ lệch (khi hàm hồi quy đa thức) Kết hợp số liệu chéo số liệu chuỗi thời gian Thu thập thêm số liệu lấy thêm mẫu Sử dụng thông tin tiên nghiệm Bài giảng Kinh tế lượng © Tien M Le 27 Bài giảng Kinh tế lượng © Tien M Le 30 22/8/2015 Hồi quy sai phân cấp Hồi quy theo độ lệch ! Trong số trường hợp ut khơng có tự tương quan vt = ut – ut-1 có tự tương quan Điều vi phạm giả thiết tự tương quan Vậy ta làm giảm bớt vi phạm lại mắc phải vi phạm khác Bậc tự bị giảm bị quan sát trình biến đổi số liệu, điều ảnh hưởng đến kết ước lượng cỡ mẫu nhỏ Bài giảng Kinh tế lượng © Tien M Le 31 Y = β1 +β Z1 -Z1 +β Z -Z +β Z3 -Z3 + v Bài giảng Kinh tế lượng © Tien M Le 34 Kết hợp số liệu chéo số liệu chuỗi thời gian Hồi quy sai phân cấp ! Việc sử dụng sai phân cấp khơng thích hợp số liệu chéo Khi sử dụng sai phân cấp ta có hồi quy qua gốc tọa độ Đây điều mà ta nên cân nhắc Kết hợp giữ liệu chéo giữ liệu chuỗi thời gian ta liệu hỗn hợp (Panel data) Kỹ thuật áp dụng nhiều, khắc phục khó khăn ta sử dụng loại liệu chuỗi thời gian hay chéo Tuy nhiên, việc diễn giải kết với liệu hỗn hợp khó khăn Đối với liệu chuỗi thời gian, thường gặp phải vấn đề đa cộng tuyến biến, với liệu chéo thường biến không thay đổi nhiều giá trị xét thời điểm (thí dụ yếu tố giá) Lưu ý: lệnh hồi quy qua gốc toạ độ khơng có hệ số chặn C Bài giảng Kinh tế lượng © Tien M Le Thí dụ, ta có mơ hình hồi quy đa thức ban đầu sau: Y = β1 + β2X + β3X2 + β4X3 + u = β1 + β2Z1 + β3Z2 + β4Z3 + u Ta chuyển dạng: 32 Bài giảng Kinh tế lượng © Tien M Le 35 Hồi quy theo độ lệch Thu thập thêm số liệu lấy thêm mẫu Đối với hồi quy đa thức, biến độc lập tương ứng với bậc lũy thừa khác có khuynh hướng cộng tuyến cao ta giảm ảnh hưởng đa cộng tuyến cách sử dụng hàm hồi quy độ lệch theo giá trị trung bình Đa cộng tuyến đặc biệt tượng mẫu theo nghĩa cho dù biến độc lập Xj không tương quan tuyến tính tổng thể, chúng tương quan tuyến tính mẫu cụ thể Do đó: với cỡ mẫu lớn vấn đề đa cộng tuyến nghiêm trọng với cỡ mẫu nhỏ mẫu khác đa cộng tuyến nghiêm trọng với mẫu có Bài giảng Kinh tế lượng © Tien M Le 33 Bài giảng Kinh tế lượng © Tien M Le 36 22/8/2015 Thu thập thêm số liệu lấy thêm mẫu ! Việc thu thập thêm số liệu hay lấy mẫu lúc thực thơng thường đòi hỏi chi phí cao, quan sát bổ sung khơng có quan hệ cấu trúc kinh tế (economic structure) quan sát có Bài giảng Kinh tế lượng © Tien M Le 37 Sử dụng thông tin tiên nghiệm Giả sử nghiên cứu thực nghiệm trước cho ta biết quan hệ hệ số hồi quy riêng β3 = 0.1β2, nghĩa mức độ ảnh hưởng thu nhập chi tiêu gấp 10 lần mức độ ảnh hưởng giàu có chi tiêu Như ta sử dụng mơ hình hồi quy thay là: Yi = β1 + β2X1i + β3X2i + ui = β1 + β2(X1i + 0.1X2i) + ui = β1 + β2Xi + ui Bài giảng Kinh tế lượng © Tien M Le Sử dụng thông tin tiên nghiệm Sử dụng thông tin tiên nghiệm Thông tin tiên nghiệm có từ nghiên cứu thực nghiệm trước đây, mà tượng cộng tuyến xảy nghiêm trọng (và kết nghiên cứu thực nghiệm tin cậy để sử dụng thông tin tiên nghiệm), từ lý thuyết liên quan đến lĩnh vực nghiên cứu Xi = X1i + 0.1X2i Khi ước lượng β2^, ta dễ dàng ước lượng β3^=0.1β2^ Bài giảng Kinh tế lượng © Tien M Le 38 Bài giảng Kinh tế lượng © Tien M Le Sử dụng thông tin tiên nghiệm c6-td62: data Thí dụ khảo sát mơ hình hồi quy chi tiêu tiêu dùng Y theo thu nhập X1 giàu có X2: Yi = β1 + β2X1i + β3X2i + ui Thu nhập giàu có hai biến có khuynh hướng cộng tuyến cao Y: chi tiêu cho tiêu dùng ($) X1 : thu nhập ($) X2 : giàu có ($) Bài giảng Kinh tế lượng © Tien M Le 39 40 41 Nguồn: Ramanathan Lý thuyết? Mơ hình hồi quy ? Dấu kì vọng? Bài giảng Kinh tế lượng © Tien M Le 42 22/8/2015 c6-td62: kết hồi quy c6-td62: Nhận dạng đa cộng tuyến Phát ĐCT: Dấu hiệu Kết luận: Dấu hệ số ngược kì vọng có R2 >0.8 & ∃ |tqs| 0.8 có Hồi quy phụ có VIFj có Kết luận chung: có ĐCT Bài giảng Kinh tế lượng © Tien M Le 43 Bài giảng Kinh tế lượng © Tien M Le c6-td62: Phân tích kết hồi quy c6-td62: Khắc phục đa cộng tuyến Ý nghĩa hệ số hồi quy? Dấu hệ số hồi quy có phù hợp với lý thuyết kinh tế khơng? (Dấu kì vọng dấu thực tế?) Ý nghĩa thống kê hệ số? Có mâu thuẫn với lí thuyết kinh tế hay khơng? Nếu có mâu thuẫn bạn nghĩ đến điều gì? Đổi dạng hàm: ĐCT Hồi quy sai phân: ĐCT Bỏ biến: Dùng kiểm định bỏ bớt biến Bài giảng Kinh tế lượng © Tien M Le 44 46 Chấp nhận H0: c(3)=0, nghĩa bỏ X2 (1) Chấp nhận H0: c(2)=0, nghĩa bỏ X1 (2) Bác bỏ H0: c(2)=c(3)=0, nghĩa bỏ lúc X1 X2 (3) Từ (1), (2), (3) xảy c(2)0 & c(3)0, xảy (1) (2) So sánh kết trước sau bỏ X2; X1 tới kết luận: nên bỏ X2 Bài giảng Kinh tế lượng © Tien M Le 47 Ghi Ghi Dựa vào kết hồi quy, dễ dàng nhận thấy dấu hệ số hồi quy biến X2 không phù hợp với lý thuyết kinh tế (- 0.042435 < 0) Ngoài ta thấy p-value (X1) = 0.2902 pvalue (X2) = 0.6151 nên X1 X2 khơng có ý nghĩa thống kê, nhiên R2 = 0.963504 lớn Điều làm ta nghĩ đến việc xảy tượng cộng tuyến cao hai biến thu nhập (X1) giàu có (X2) Điều hồn tồn có lý thơng thường người có thu nhập cao xem giàu có Hồi quy Y theo X1, X2: p-value (X1) = 0.2902, p-value (X2) = 0.6151 Hồi quy Y theo X1: R2 = 0.962062 Hồi quy Y theo X2: R2 = 0.956679 Nhận thấy X2 ý nghĩa thống kê X1 (p-value (X2) > p-value (X1)), mơ hình hồi quy Y theo X1 có mức độ phù hợp cao mơ hình hồi quy Y theo X2, ta bỏ bớt biến X2 Bài giảng Kinh tế lượng © Tien M Le 45 Bài giảng Kinh tế lượng © Tien M Le 48 22/8/2015 c6-td62: Khắc phục đa cộng tuyến Phương pháp Bỏ bớt biến độc lập Sử dụng sai phân cấp Đổi dạng hàm Hồi quy độ lệch Kết hợp số liệu chéo số liệu chuỗi thời gian Thu thập thêm số liệu Sử dụng thông tin tiên nghiệm Khuyến nghị Kết c6-td61: phân tích kết hồi quy Ý nghĩa hệ số hồi quy? Cầu thịt gà có co giãn theo giá không? Tại sao? Dấu hệ số hồi quy có phù hợp với lý thuyết kinh tế khơng? (Dấu kì vọng dấu thực tế?) Ý nghĩa thống kê hệ số? Có mâu thuẫn với lí thuyết kinh tế hay khơng? Nếu có mâu thuẫn bạn nghĩ đến điều gì? Bài giảng Kinh tế lượng © Tien M Le 49 Bài giảng Kinh tế lượng © Tien M Le 52 c6-td61: data Ghi Y: lượng tiêu dùng thịt gà tính theo đầu người (pounds) X1: thu nhập khả dụng thực theo đầu người ($) X2: giá bán lẻ thực thịt gà (cents/pound) X3: giá bán lẻ thực thịt heo (cents/pound) X4: giá bán lẻ thực thịt bò (cents/pound) Lý thuyết vĩ mơ: Y = f(X1,X2,X3,X4) Mơ hình hồi quy ? Dấu kì vọng? • hệ số co giãn cầu thịt gà theo giá thịt gà có giá trị tuyệt đối < 1, điều chứng tỏ thịt gà mặt hàng khơng co giãn theo giá • Hệ số hồi quy cầu thịt gà theo giá thịt heo hay thịt bò > chứng tỏ giá mặt hàng thay cho thịt gà có tác động đồng biến lượng cầu thịt gà • Nếu xem xét mức độ ý nghĩa thống kê giá trị ước lượng, nhận thấy hệ số hồi quy theo giá thịt heo, thịt bò khơng có ý nghĩa thống kê (dựa giá trị p-value (Prob.) > 0.05) Điều dường đưa đến nhận định giá thịt heo, thịt bò khơng ảnh hưởng đến lượng cầu thịt gà, mâu thuẫn với lý thuyết kinh tế Thời kì: 1960-1982 Địa điểm: Mỹ Nguồn: Gujarati Bài giảng Kinh tế lượng © Tien M Le 50 c6-td61: kết hồi quy Bài giảng Kinh tế lượng © Tien M Le 53 c6-td61: Nhận dạng đa cộng tuyến Phát ĐCT: Dấu hiệu Kết luận: R2 >0.8 & ∃ |tqs| 0.8 Có Hồi quy phụ Có VIFj Có Kết luận chung: Có ĐCT Bài giảng Kinh tế lượng © Tien M Le 51 Bài giảng Kinh tế lượng © Tien M Le 54 22/8/2015 c6-td61: Khắc phục đa cộng tuyến Phương pháp Bỏ bớt biến độc lập Sử dụng sai phân cấp Đổi dạng hàm Hồi quy độ lệch Kết hợp số liệu chéo số liệu chuỗi thời gian Thu thập thêm số liệu Sử dụng thông tin tiên nghiệm Bài giảng Kinh tế lượng © Tien M Le Khuyến nghị c6-td64: kết hồi quy Kết 55 Bài giảng Kinh tế lượng © Tien M Le 58 Ghi c6-td64: Phân tích kết hồi quy Do mơ hình hóa hàm cầu thịt gà xây dựng dựa vào sở lý thuyết kinh tế nên mơ hình hồi quy tương thích, kết ước lượng lại không mong đợi sử dụng số liệu mẫu cụ thể cho Việc bỏ bớt biến độc lập khỏi mơ hình nhằm hạn chế tác động vấn đề cộng tuyến trường hợp cách giải tốt làm ta phạm phải sai số đặc trưng việc định mơ hình Ý nghĩa hệ số hồi quy? Dấu hệ số hồi quy có phù hợp với lý thuyết kinh tế khơng? (Dấu kì vọng dấu thực tế?) Ý nghĩa thống kê hệ số? Có mâu thuẫn với lí thuyết kinh tế hay khơng? Nếu có mâu thuẫn bạn nghĩ đến điều gì? Bài giảng Kinh tế lượng © Tien M Le 56 Bài giảng Kinh tế lượng © Tien M Le 59 c6-td64: data c6-td64: Nhận dạng đa cộng tuyến HOUSING (nghìn): số hộ xây GNP (tỷ USD năm 1982): tổng sản phẩm quốc gia INTRATE (%): lãi suất cầm cố (tỷ lệ chấp nhà mới) POP (triệu): dân số Mỹ Phát ĐCT: Thời gian: 1963-1985 Địa điểm: Mỹ Nguồn: Ramanathan Bài giảng Kinh tế lượng © Tien M Le Dấu hiệu R2 >0.8 & ∃ |tqs| 0.8 có Hồi quy phụ có VIFj có Kết luận chung: có ĐCT 57 Bài giảng Kinh tế lượng © Tien M Le 60 10 22/8/2015 c6-td64: Khắc phục đa cộng tuyến Phương pháp Bỏ bớt biến độc lập Sử dụng sai phân cấp Đổi dạng hàm Hồi quy độ lệch Kết hợp số liệu chéo số liệu chuỗi thời gian Thu thập thêm số liệu Sử dụng thông tin tiên nghiệm Khuyến nghị Kết c6-td64: Khắc phục- bỏ bớt biến Bài giảng Kinh tế lượng © Tien M Le 61 c6-td64: Khắc phục- bỏ bớt biến Bài giảng Kinh tế lượng © Tien M Le 64 c6-td64: Khắc phục- bỏ bớt biến Trong biến khơng có ý nghĩa thống kê, biến ảnh hưởng tới biến phụ thuộc hơn? Trong biến độc lập biến bị ảnh hưởng (phụ thuộc vào) biến lại nhiều nhất? Bài giảng Kinh tế lượng © Tien M Le 62 Bài giảng Kinh tế lượng © Tien M Le 65 c6-td64: Khắc phục- bỏ bớt biến Ghi POP có p-value lớn => POP ảnh hưởng tới biến phụ thuộc GNP • RPOP2=0.9886: cao Rf2=>POP bị ảnh hưởng (phụ thuộc vào) biến lại nhiều • Kết luận: Nên bỏ POP trước Bài giảng Kinh tế lượng © Tien M Le 63 Bài giảng Kinh tế lượng © Tien M Le 66 11 22/8/2015 c6-td64: Khắc phục - bỏ bớt biến c6-td64: Khắc phục - bỏ bớt biến Có thể bỏ biến lúc không? Nếu phải bỏ biến bỏ biến trước? Có thể bỏ POP Bài giảng Kinh tế lượng © Tien M Le 67 c6-td64: Khắc phục- bỏ bớt biến 70 c6-td64: Khắc phục- bỏ bớt biến bỏ biến POP GNP lúc Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng © Tien M Le Nên bỏ POP trước bỏ POP mà thôi! 68 c6-td64: Khắc phục - bỏ bớt biến Bài giảng Kinh tế lượng © Tien M Le 71 c6-td64: Khắc phục- dùng sai phân Dùng sai phân có khử hết đa cộng tuyến? Có thể bỏ GNP Bài giảng Kinh tế lượng © Tien M Le Dùng sai phân không hết đa cộng tuyến 69 Bài giảng Kinh tế lượng © Tien M Le 72 12 22/8/2015 Review Học gì? Hiểu gì? Hỏi gì? Hành gì? Nhớ gì? Bài giảng Kinh tế lượng © Tien M Le 73 13 ... c6-td64: Khắc phục- bỏ bớt biến Bài giảng Kinh tế lượng © Tien M Le 61 c6-td64: Khắc phục- bỏ bớt biến Bài giảng Kinh tế lượng © Tien M Le 64 c6-td64: Khắc phục- bỏ bớt biến... bỏ POP Bài giảng Kinh tế lượng © Tien M Le 67 c6-td64: Khắc phục- bỏ bớt biến 70 c6-td64: Khắc phục- bỏ bớt biến bỏ biến POP GNP lúc Bài giảng Kinh tế lượng © Tien M Le Bài giảng Kinh tế lượng... luận: Nên bỏ POP trước Bài giảng Kinh tế lượng © Tien M Le 63 Bài giảng Kinh tế lượng © Tien M Le 66 11 22/8/2015 c6-td64: Khắc phục - bỏ bớt biến c6-td64: Khắc phục - bỏ bớt biến Có thể