Chào các bạn, Trong một bài viết trước, mình đã giới thiệu sơ lược về tính chất của một mô hình OLS tốt. Bài viết ngày hôm nay có nội dung khá tương đồng, nhưng mình muốn giới thiệu một cách tổng quan nhất để giúp các bạn nắm rõ các giả định của mô hình hồi quy tuyến tính. Việc hiểu các giả định này là vô cùng quan trọng, vì khi mô hình thỏa mãn các giả định thì chúng ta mới có thể tự tin đưa ra kết luận về các kết quả ước lượng. Nếu mô hình vi phạm bất cứ một giả định nào, kết quả ước lượng có thể bị sai lệch (biased) và/hoặc không đồng nhất (inconsistent) và/hoặc không hiệu quả (inefficient). Chúng ta không thể sử dụng hệ số ước lượng để giải thích cho mối quan hệ mà chúng ta đang nghiên cứu.
9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA How to STATA A set of guides and tutorials for beginners on using Stata effectively Các giả định mơ hình hồi quy tuyến tính Posted on April 19, 2020March 18, 2021 by Chung Mai Chào bạn, Trong viết trước, giới thiệu sơ lược tính chất mơ hình OLS tốt (https://stataguide.wordpress.com/2018/11/05/the-nao-la-mo-hinh-hoi-quy-ols-tot/) Bài viết ngày hơm có nội dung tương đồng, muốn giới thiệu cách tổng quan để giúp bạn nắm rõ giả định mơ hình hồi quy tuyến tính Việc hiểu giả định vơ quan trọng, mơ hình thỏa mãn giả định tự tin đưa kết luận kết ước lượng Nếu mơ hình vi phạm giả định nào, kết ước lượng bị sai lệch (biased) và/hoặc không đồng (inconsistent) và/hoặc không hiệu (inefficient) Chúng ta sử dụng hệ số ước lượng để giải thích cho mối quan hệ mà nghiên cứu Trước tiên, muốn giải thích hai tính chất quan trọng ước lượng – tính khơng sai lệch (unbiased) tính đồng (consistent) Unbiased: nghĩa thực hồi quy nhiều lần cho mơ hình nhiều mẫu nghiên cứu có quy mơ N quan sát, giá trị trung bình hệ số ước lượng thể cho giá trị thực (true value) hệ số hồi quy Chúng ta dùng lệnh simulate STATA để thực công đoạn Consistent: nghĩa gia tăng quy mô mẫu nghiên cứu, hệ số ước lượng tiến giá trị thực hệ số hồi quy Ngồi ra, tính hiệu (efficient) ước lượng có nghĩa ước lượng mà có ước lượng tốt phương pháp hồi quy định Ví dụ, sử dụng phương pháp ước lượng OLS, ước lượng tốt phải giá trị hệ số hồi quy làm cho tổng bình phương sai số nhỏ Các bạn xem lại viết giới thiệu phương pháp ước lượng OLS viết (https://stataguide.wordpress.com/2020/04/13/mo-hinh-hoi-quy-ols/) Có nhiều cách để nhóm giả định này, viết chia thành giả định Đây mơ hình hồi quy tuyến tính nên hệ số hồi quy dạng số (linear in the parameters) Điều nghĩa thiết kế mơ hình mà bạn chạy, hệ số hồi quy phải số, khơng nằm ở có dạng số mũ, dạng log, hay tỷ số https://stataguide.wordpress.com/2020/04/19/cac-gia-dinh-cua-mo-hinh-hoi-quy-tuyen-tinh/ 1/4 9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA Ví dụ: Y = a + bX Hệ số hồi quy khơng dạng tuyến tính hàm số bạn ước lượng có dạng sau: Y = a + X^b Y = a + X/b Nếu vậy, bạn cần phải biến đổi mơ hình để hệ số hồi quy trở dạng tuyến tính trước chạy mơ hình Lưu ý, đừng nhầm lẫn điều với dạng biến bạn Các biến độc lập phụ thuộc dạng mũ, dạng log hay dạng tỷ số Các bạn xem lại viết giới thiệu dạng mơ hình hồi quy tuyến tính (https://stataguide.wordpress.com/2018/10/01/cac-dang-mo-hinh-hoi-quy-tuyen-tinh/) Biến độc lập cố định phi ngẫu nhiên (fixed or nonstochastic) Điều nghĩa giá trị biến độc lập không thay đổi thay đổi mẫu nghiên cứu Điều kiện khó để đáp ứng nghiên cứu chọn mẫu khác khả cao biến độc lập thay đổi, ví dụ liệu Việt Nam khác với liệu Mỹ, hay liệu năm 2000 khác với liệu năm 2019 Vậy nên, biến độc lập khơng thiết biến cố định biến phi ngẫu nghiên, biến độc lập sai số mơ hình khơng có quan hệ với Các biến độc lập có phương sai lớn Phương sai dạng bình phương nên ln ln lớn Tuy nhiên có nghĩa ko có khác biệt biến X Nếu vậy, khó để xác định X ảnh hưởng đến Y Ví dụ ta muốn nghiên cứu ảnh hưởng thu nhập đến chi phí thức ăn gia đình Nếu gia đình mẫu nghiên cứu có thu nhập triệu, chi phí thức ăn họ Vậy nên cần đa dạng giá trị X mà nghiên cứu Ví dụ có gia đình triệu, có gia đình 10 triệu, 20 triệu,v.v… Khi đó, ảnh hưởng thu nhập đến chi phí cho thức ăn khác Khi điều kiện đáp ứng, đảm bảo tồn hệ số hồi quy tuyến tính Các giả định đảm bảo cho hệ số hồi quy không bị chệch, quán hiệu quả. Giá trị trung bình sai số (theo giá trị cho X/conditional on X) không: E(u|X) = Sai số mơ hình thể cho ảnh hưởng yếu tố khác đến Y mà không quan sát Sai số hiệu số giá trị thực Y (giá trị quan sát được) giá trị ước lượng Y (tính tốn dựa mơ hình Y = a + bX) Mình minh hoạ theo ví dụ sau nhé: Y X a b Y^ u -2 10 11 -1 15 15 20 19 16 7.5 16 https://stataguide.wordpress.com/2020/04/19/cac-gia-dinh-cua-mo-hinh-hoi-quy-tuyen-tinh/ 2/4 9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA Giả sử có giá trị Y X Khi chạy mơ hình có dạng Y = a + bX + u, ta thu a =1 b=2 Theo đó, ta tính giá trị ước lượng Y^ tính sai số cho quan sát Các sai số không thiết phải 0, giá trị trung bình chúng Phương sai sai số số (homoskedasticity – phương sai sai số không đổi): Var(u|X) = σ^2 Giả định nhằm đảm bảo ảnh hưởng X lên biến Y quan sát, tránh trường hợp hệ số ước lượng bị “kéo” nhóm quan sát định Nếu giả định bị vi phạm ước lượng OLS ước lượng không thiên lệch không ước lượng tốt Hiện tượng lỗi mơ hình gọi phương sai sai số thay đổi (heteroskedasticity) Các sai số mối quan hệ với ( No autocorrelation): Cov(ui,uj) = Giả định thông thường bị vi phạm thực hồi quy liệu theo thời gian Đây liệu cho đối tượng nhiều khoảng thời gian, nên quan sát năm t thường hay có mối quan hệ với quan sát năm t-1 Khi giả định bị vi phạm, hệ số ước lượng không thiên lệch qn, khơng cịn ước lượng hiệu Hiện tượng lỗi mơ hình gọi tự tương quan (autocorrelation) Các biến độc lập mơ hình khơng có mối quan hệ tuyến tính hồn hảo với (no multicollinearity). Nếu có X1 = 2X2 + 5X3, điều có nghĩa biến độc lập có mối quan hệ tuyến tính với Ảnh hưởng biến X1, X2, X3 đến Y khó tách rời Khi giả định bị vi phạm, khả bác bỏ hệ số hồi quy cao mơ hình trở nên khơng có ý nghĩa Hiện tượng lỗi mơ hình gọi đa cộng tuyến (multicollinearity) Đúng dạng hàm cho mơ hình hồi quy (no specification error) Giả định có nghĩa khơng bỏ sót biến quan trọng, khơng đưa biến thừa vào mơ hình, dạng mơ hình đúng, biến đo lường xác, khơng có outlier mơ hình, v.v… Lỗi sai phạm quan trọng trường hợp việc bỏ sót biến quan trọng (omission bias) Khi biến quan trọng bị bỏ sót, ảnh hưởng biến nằm sai số mơ hình có quan hệ với biến độc lập mơ hình Đây lỗi vơ nghiêm trọng mơ hình biến độc lập sai số mơ hình có quan hệ với (Cov(X, u) ≠ 0), ước lượng bị thiên lệch không quán Hiện tượng lỗi gọi tên tượng nội sinh (endogeneity) Đây tượng khó xử lý kinh tế lượng trở thành mối quan tâm lớn ước lượng mơ hình, đặc biệt hồi quy liệu bảng Cuối hoàn thành xong viết giới thiệu chất mơ hình hồi quy tuyến tính Trong viết này, giới thiệu nhiều thuật ngữ lỗi mơ hình Hy vọng bạn hiểu nắm rõ thuật ngữ Mình tiếp tục với chủ đề giới thiệu lỗi một, cách thức nhận biết cách thức xử lý chúng See ya Posted in Kinh tế lượng bảnTagged bỏ sót biến, giả định, mơ hình hồi quy tuyến tính, ngoại sinh, phương sai sai số thay đổi, tự tương quan, đa cộng tuyến https://stataguide.wordpress.com/2020/04/19/cac-gia-dinh-cua-mo-hinh-hoi-quy-tuyen-tinh/ 3/4 9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA thoughts on “Các giả định mơ hình hồi quy tuyến tính” Pingback: Hiện tượng phương sai sai số thay đổi (Heteroskedasticity) – How to STATA Hương says: December 20, 2020 at 12:40 am Chị chị viết phương pháp xử lý tượng nội sinh liệu bảng không ạ? Em cố gắng tìm đọc số phương pháp GMM thật khó hiểu, viết chị từ basic nên em dễ hiểu, em học nhiều từ viết chị ạ! Em cảm ơn chị nhiều ạ! Reply Chung Mai says: December 20, 2020 at 7:05 am Okay em Đây nội dung kiến thức mà nên giới thiệu website Em chờ viết Reply hntien says: March 18, 2021 at 8:53 am Ad xem lại chỗ “Hiện tượng lỗi gọi tên tượng ngoại sinh (endogeneity)”: Đây tượng nội sinh hay ngoại sinh? (ngoại sinh Exdogeneity) Reply Chung Mai says: March 18, 2021 at 9:15 am Cảm ơn bạn lỗi Mình sửa lại tượng nội sinh Reply Website Powered by WordPress.com https://stataguide.wordpress.com/2020/04/19/cac-gia-dinh-cua-mo-hinh-hoi-quy-tuyen-tinh/ 4/4 ...9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA Ví dụ: Y = a + bX Hệ số hồi quy không dạng tuyến tính hàm số bạn ước lượng có dạng sau: Y = a... 9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA Giả sử có giá trị Y X Khi chạy mơ hình có dạng Y = a + bX + u, ta thu a =1 b=2 Theo đó, ta tính giá trị ước lượng Y^ tính sai số... cộng tuyến https://stataguide.wordpress.com/2020/04/19/cac-gia-dinh-cua-mo-hinh-hoi -quy- tuyen-tinh/ 3/4 9/15/21, 2:38 PM Các giả định mơ hình hồi quy tuyến tính – How to STATA thoughts on ? ?Các giả