7.1 Đa cộng tuyến hoàn hảo
Xét mơ hình Yi 1 2Wi 3Ki4Mi5TCiui (7.1)
LS Y C W K M TC
Cửa sổ Error Message với thơng báo:
Mơ hình có hiện tượng đa cộng tuyến hồn hảo nên các tính tốn khơng thực hiện được.
Singular matrix là ma trận suy biến: các cột của ma trận các biến độc lập có liên hệ tuyến tính với nhau.
[?] - Tại sao mơ hình có đa cộng tuyến hoàn hảo, cách loại trừ đa cộng tuyến hoàn hảo trong mơ hình này thế nào?
7.2 Đa cộng tuyến khơng hoàn hảo
Xét mơ hình sau khi bỏ biến TC (tổng chi phí) khỏi mơ hình (7.1)
1 2 3 4
i i i i i
Y W K M u (7.2)
Dependent Variable: Y Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob. C -488.5271 96.19136 -5.078701 0.0000 W 0.531746 2.452609 0.216808 0.8288 K 0.875197 0.610312 1.434016 0.1548 M 8.406298 12.25247 0.686090 0.4943 R-squared 0.964293 Mean dependent var 3707.680 Log likelihood -701.0228 F-statistic 864.1738 Durbin-Watson stat 2.095488 Prob(F-statistic) 0.000000
[?] - Với các kiểm định T, các biến độc lập có giải thích cho biến phụ thuộc hay không?
- Hệ số xác định bằng bao nhiêu?
- Bằng kiểm định F, cho biết hàm hồi quy có phù hợp khơng? - Mâu thuẫn giữa các kiểm định cho thấy điều gì?
7.3 Đánh giá mức độ đa cộng tuyến
Xem hệ số tương quan giữa các biến độc lập của mơ hình (7.2)
Chọn K, M, W Group View Correlation
K M W
K 1.000000 0.224602 -0.054588 M 0.224602 1.000000 0.960526 W -0.054588 0.960526 1.000000
[?] - Cặp biến nào có tương quan với nhau chặt nhất? Theo đánh giá này thì mơ hình có những biến nào dễ có đa cộng tuyến nhất? Với mơ hình (7.2) có đa cộng tuyến, sử dụng các hồi quy phụ để đánh
giá mức độ đa cộng tuyến giữa các biến độc lập. Hồi quy phụ một biến độc lập theo các biến cịn lại, có thể có ba trường hợp:
LS W C K M (7.2a)
LS K C W M (7.2b)
[?] - Qua các hồi quy phụ, có kết luận gì về quan hệ giữa các biến độc lập của (7.2)?
- Nêu cách khắc phục đơn giản hiện tượng trong mơ hình (7.2)
7.3 Khắc phục hiện tượng đa cộng tuyến
Để giảm bớt mức độ đa cộng tuyến, có thể bỏ bớt biến độc lập khỏi
mơ hình (7.2). Khi đó cũng có thể có ba trường hợp: bỏ M, bỏ K, bỏ
W. Với mỗi trường hợp, đánh giá lại mức độ đa cộng tuyến trong các
mơ hình sau khi bỏ biến bằng hồi quy phụ tương ứng.
Bỏ biến M: LS Y C W K (7.3)
Hồi quy phụ đánh giá: LS W C K (7.3a)
Bỏ biến K: LS Y C W M (7.4)
Hồi quy phụ đánh giá: LS W C M (7.4a)
Bỏ biến K: LS Y C K M (7.5)
Hồi quy phụ đánh giá: LS K C M (7.5a) [?] - Bỏ biến độc lập nào thì có được mơ hình mới tốt hơn?
Có thể đổi dạng mơ hình sang logarit, mâu thuẫn giữa các kiểm định
trong mơ hình (7.2) khơng cịn nữa.
Dependent Variable: LOG(Y) Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob. C 0.618638 0.086769 7.129678 0.0000 LOG(W) 0.317445 0.017914 17.72070 0.0000 LOG(K) 0.517653 0.015590 33.20453 0.0000 LOG(M) 0.293691 0.032121 9.143369 0.0000 R-squared 0.993921 Mean dependent var 8.136574 Durbin-Watson stat 1.987288 Prob(F-statistic) 0.000000
§ 8 HIỆN TƯỢNG PHƯƠNG SAI SAI SỐ THAY ĐỔI