Bài giảng Kinh tế lượng - Chương 1: Hồi quy đơn (Simple regression) - Nguyễn Trung Đông
1. Phân tích hồi quy
Nghiên cứu mối liên hệ phụ thuộc của
một biến phụ thuộc (Y), theo một hay
nhiều biến độc lập ( ) khác.
Phân tích hồi quy giải quyết các vấn đề
sau
Ước lượng và dự đoán giá trị trung
bình của biến phụ thuộc với giá trị đã
cho của biến độc lập.
Kiểm định giả thuyết về bản chất của
các mối liên hệ.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Bạn đang xem tài liệu "Bài giảng Kinh tế lượng - Chương 1: Hồi quy đơn (Simple regression) - Nguyễn Trung Đông", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
Tóm tắt nội dung tài liệu: Bài giảng Kinh tế lượng - Chương 1: Hồi quy đơn (Simple regression) - Nguyễn Trung Đông
05/01/2019 1 Bài Giảng KINH TẾ LƯỢNG (Econometric) Chương 1 Hồi Quy Đơn (Simple Regression) GV: ThS. Nguyễn Trung Đông Mail: nguyendong@ufm.edu.vn 1 Chương 1. Hồi Quy Đơn Phân tích hồi quy Mô hình hồi quy Hệ số xác định mô hình Khoảng ước lượng Kiểm định sự phù hợp mô hình Bài toán dự báo 2 1. Phân tích hồi quy Nghiên cứu mối liên hệ phụ thuộc của một biến phụ thuộc (Y), theo một hay nhiều biến độc lập ( ) khác. Phân tích hồi quy giải quyết các vấn đề sau Ước lượng và dự đoán giá trị trung bình của biến phụ thuộc với giá trị đã cho của biến độc lập. Kiểm định giả thuyết về bản chất của các mối liên hệ. iX 3 Chú ý: Biến độc lập là biến phi ngẫu nhiên. Biến phụ thuộc là biến ngẫu nhiên nó có phân phối xác định. Nghĩa là ứng với mỗi giá trị của biến độc lập, biến phụ thuộc có thể lấy giá trị khác nhau nhưng các giá trị này tuân theo luật phân phối xác định. 1. Phân tích hồi quy 4 2. Mô Hình Hồi Quy 1. Hàm hồi quy tổng thể PRF PRF=Population Regression Function Ta xét PRF là hàm tuyến tính có dạng hay i 1 2 iE Y | X X X (1) 1 2E Y | X X 5 1. Hàm hồi quy tổng thể PRF Hàm hồi quy tổng thể ngẫu nhiên của (1) hay Trong đó β1, β2, ε lần lượt là hệ số hồi quy và sai số ngẫu nhiên tổng thể. i 1 2 i iY X 1 2Y X 2. Mô Hình Hồi Quy 6 05/01/2019 2 2. Hàm hồi quy mẫu SRF SRF=Sample Regression Function Ta xét hàm hồi quy mẫu có dạng hay Trong đó lần lượt là các ước lượng điểm của E(Y|X), β1, β2. i 1 2 iY X (2) 1 2Y X 2. Mô Hình Hồi Quy 7 2. Hàm hồi quy mẫu SRF Dạng ngẫu nhiên (2) Với là ước lượng điểm của (phần dư). 1 2i i iY X e ii ie Y Y i 2. Mô Hình Hồi Quy 8 3. Tính chất của SRF Phần dư và không tương quan Phần dư và không tương quan 1 2 n n1 i 1 i i 1 i in ˆˆ ˆi)Y X; ii) Y Y ˆiii) e e 0; iv) e Y 0 n i 1 i iv) eX 0 e e X Yˆ 2. Mô Hình Hồi Quy 9 4. Phương pháp OLS Giả sử là PRF cần tìm. Ta ước lượng PRF bởi SRF có dạng Từ một mẫu gồm n quan sát khi đó với mỗi i, ta có là các phần dư i i i i 1 2 iˆ ˆ ˆe Y Y Y X 1 2ˆ ˆY X i iX ,Y ; i 1,2,...,n, 2. Mô Hình Hồi Quy 10 1 2Y X Y . . . . . . . .. . .ei XXi Yi . . . . . 0 SRF iY 11 Khi i 1 2i i i i iX X e Y Y Y X i 1 2 iY X Nội dung phương pháp OLS là tìm các tham số sao cho : Khi đó thoả mãn hệ sau n n 2 2 1 2 i i 1 2 i i 1 i 1 ˆ ˆ ˆ ˆf , e Y X min n n 1 2 i i i 1 i 1 n n n 2 1 i 2 i i i i 1 i 1 i 1 ˆ ˆn X Y ˆ ˆX X X Y 1 2ˆ ˆ, 1 2ˆ ˆ, 2. Mô Hình Hồi Quy 12 05/01/2019 3 Giải hệ trên ta được và n i i X,Yi 1 Y 2 X,Yn 22 XX i i 1 X X Y Y S Sˆ r SS X X 1 2ˆ ˆY X 2. Mô Hình Hồi Quy 13 Ví dụ 1. Bảng sau cho số liệu về lãi suất ngân hàng (Y) và tỷ lệ lạm phát (X) trong năm 1988 ở 9 nước. Với số liệu trên, ta tìm được (sử dụng MT) Hay mô hình hồi quy : 1 2 ˆ ˆ2.7417 và 1.2494 Y 2.74 1.25 X 2. Mô Hình Hồi Quy 14 11 2 1 2 2 2,74179 84,7 130,5 84,7 2770,97 3694,29 1,2494 Lập bảng ta tính được các tổng như sau 15 5. Các giả thuyết của mô hình GT1: Biến X là biến phi ngẫu nhiên. GT2: E(εi) = E(ε|X = Xi) = 0. GT3: Var(εi) = Var(εj) = σ 2, với mọi i, j GT4: Cov(εi,εj) = 0 GT5: Cov(εi,Xj) = 0 GT6: εi N(0, σ 2) GT7: Yi N(β1 + β2Xi, σ 2) 2. Mô Hình Hồi Quy 16 6. Tính chất các hệ số hồi quy Các hệ số hồi quy có các tính chất sau: và được xác định một cách duy nhất ứng với các mẫu. và là các ước lượng điểm của β1 và β2. Các hệ số hồi quy có phân phối sau: 1ˆ 1ˆ 2ˆ 2ˆ 2. Mô Hình Hồi Quy 17 1 2 2 2 1 21 2N ; ; N ; Trong đó, các phương sai của các hệ số hồi quy được tính bởi các công thức sau : 2 2 2 (n 2) Và Y (n 2) 2. Mô Hình Hồi Quy 18 05/01/2019 4 Trong đó, σ2 chưa biết ta thay σ2 bởi ước lượng không chệch của nó là 2 2 2 1 22 2 X X 1 X ˆvar ; var n nS nS n 2 2 2 2 i X,Y Y i 1 1 n e 1 r Sˆ n 2 n 2 2. Mô Hình Hồi Quy 19 3. Hệ Số Xác Định Mô Hình n 2 2 i Y i 1 n n2 2 2 2 2 i 2 i 2 X i 1 i 1 n n 2 2 i i i i 1 i 1 2 2 X,Y Y TSS Y Y nS . ˆ ˆESS Y Y X X n S . ˆRSS e Y Y TSS ESS n 1 r S . 20 21 Hệ số xác định MH (coefficient of determination) R2 = 1 – RSS/TSS = ESS/TSS, hay để đo mức độ phù hợp của hàm hồi quy. Khi R2 =1, ta nói mô hình giải thích được toàn bộ sự thay đổi của các quan sát. Khi R2 =0, ta nói mô hình không giải thích được gì. Khi đó ta còn có công thức sau : 2 2 2 X,Y Y n RSS 1 r Sˆ n 2 n 2 3. Hệ Số Xác Định Mô Hình 2 2 X,YR =r 22 Chẳng hạn như trong ví dụ 1, ta có thể tính được các tham số sau : 2 2.975456987ˆ 1 2 ˆvar 0.464118722 ˆvar 0.001507439097 2 Y 2 2 2 X 2 2 X,Y Y 2 TSS nS 3102.04 ˆESS n S 3081.211809 RSS n 1 r S 20.82819405 ESS R 0.993285647 TSS 23 24 Kết quả xuất ra từ phần mềm Eview như sau 05/01/2019 5 4. Khoảng ước lượng cho các hệ số hồi quy tổng thể Ta dùng các thống kê sau Với cho trước ta tìm được : Khoảng ước lượng cho j j j ˆ T St(n 2); j 1,2 ˆse n 2 2 C t j j j jj Cse ; Cse , j 1,2 j 25 Ví dụ 2: Với số liệu ở ví dụ 1, ta có Với , ta tìm được : Khoảng ước lượng cho các hệ số hồi quy 0,05 70,025C t 2,365 1 1 1 11 2 2 2 22 Cse ; Cse 1,130;4,353 Cse ; Cse 1,158;1,341 26 1 1 2 2 n 9; 2,7417; se 0,6813 1,2494; se 0,0388 5. Khoảng ước lượng cho phương sai của sai số ngẫu nhiên tổng thể Ta dùng thống kê sau Với ta có KUL cho : 2 2 2 (n 2) Y n 2 2 2 1 2 2 a n 2 ; b n 2 2 2 2 (n 2) (n 2); b a 2 27 Ví dụ 3: Với số liệu ở ví dụ 1, ta có Với ta có KUL cho : 0,05 2 20,975 0,025a 7 1,69; b 7 16,013 2 2 2 (n 2) (n 2); 1,301;12,325 b a 2 28 2n 9; 2,9755 Bài toán kiểm định Nếu đúng, ta có thống kê Với , ta tìm được : n 2 /2C t 29 0 2 1 2 H : 0 H : 0 0H 2 2 T St(n 2) se Ta có bác bỏ 0H .T C, (X thay đổi không ảnh hưởng tới Y) (X thay đổi ảnh hưởng tới Y) 6. Kiểm định sự phù hợp của mô hình Ví dụ 4: Với số liệu ở ví dụ 1, ta có Bài toán kiểm định Nếu đúng, ta có thống kê Với , ta tìm được : 0, 05 70,025C t 2,365 30 2 2n 9; 1,2494; se 0,0388 0 2 1 2 H : 0 H : 0 0H 2 2 1,2494 T St(n 2), T 32,201 0,0388se Ta có bác bỏ 0H .T C, (LP thay đổi không ảnh hưởng tới LS) (LP thay đổi ảnh hưởng tới LS) 05/01/2019 6 Bài toán kiểm định Ta dùng thống kê Với , ta tìm được: C f (1,n 2) 31 2 0 2 1 H :R 0 H :R 0 2 2 (n 2)R F F(1,n 2) 1 R Ta có bác bỏ 0H .F C, (Mô hình không phù hợp) (Mô hình phù hợp) 6. Kiểm định sự phù hợp của mô hình Ví dụ 5: Với số liệu ở ví dụ 1, ta có Bài toán kiểm định Ta dùng thống kê Với , ta tìm được:0,05 0,05C f (1,7) 5,59 32 2n 9; R 0,9933 2 0 2 1 H :R 0 H :R 0 2 2 (n 2)R F F(1,n 2), F 1036,91 1 R Ta có bác bỏ 0H .F C, (Mô hình không phù hợp) (Mô hình phù hợp) 6. Kiểm định sự phù hợp của mô hình 33 6. Kiểm định sự phù hợp của mô hình 34 7. Dự báo giá trị trung bình Với X = X0, ta có ước lượng điểm của Y Để dự báo GTTB của Y, ta dùng thống kê trong đó 0 0ˆ ˆse(Y ) var Y 0 0 0 Yˆ E Y | X X T St(n 2) ˆse Y 0 1 2 0Y X 35 Với phương sai của được cho bởi Với cho trước, ta có Khoảng UL GTTB của Y: 2 2 0 0 2 X X X1ˆvar Y n nS 0 Yˆ 0 0 0 00E Y | X X Y Cse Y ;Y Cse Y n 2 2 C t 7. Dự báo giá trị trung bình 36 05/01/2019 7 Ví dụ 6: Với số liệu ở ví dụ 1, ta có Với , ta có Độ lệch chuẩn của Với , ta tìm được : Khoảng dự báo cho GTTB của Y 0,05 7 0,025C t 2,365 0Y 37 0X 5 0Y 2,742 1,2494 5 8,989 2 2 0 0 0 2 X X X1ˆ ˆse Y var Y 0,36 0,6 n nS 0 0 0 0E Y | X 5 Y Cse Y ;Y Cse Y 7,57;10,41 8. Dự báo giá trị cá biệt Y0 Để báo cho giá trị cá biệt , ta dùng thống kê sau Trong đó 0 0 0 0 ˆY Y T St(n 2) ˆse Y Y 0 0 0 0ˆ ˆse Y Y var(Y Y ) 0Y 38 Với phương sai của được cho bởi Với cho trước, ta có Khoảng UL GTCB của Y: 2 0 0 0 ˆ ˆvar Y Y var Y 0 0ˆY Y 0 0 0 00 0 0Y Y Cse Y Y ;Y Cse Y Y n 2 2 C t 8. Dự báo giá trị cá biệt Y0 39 Ví dụ 7: Với số liệu ở ví dụ 1, ta có Với , ta có Độ lệch chuẩn của Với , ta tìm được : Khoảng dự báo cho GTCB của Y 0,05 70,025C t 2,365 00Y Y 40 0X 5 0Y 2,742 1,2494 5 8,989 2 00 0 0 0 ˆ ˆse Y Y var Y Y var Y 1,83 0 0 0 00 0 0Y Y Cse Y Y ;Y Cse Y Y 4,66;13,32 41 Ví dụ 8: Cho số liệu về năng suất (Y: tạ/ha) và mức phân bón (X: tạ/ha) của một loại cây trồng từ năm 1988 đến năm 1997 như sau. Giả sử X và Y có quan hệ tuyến tính 42 Ví dụ 9: Bảng sau cho số liệu về giá bán một căn nhà (Y: ngàn USD/ ) và diện tích (X: ) như sau: Giả sử X và Y có quan hệ tuyến tính 2ft 2ft 05/01/2019 8 43 44 45 Ví dụ 10: Cho số liệu về thu nhập (X: ngàn USD/tháng) và chi tiêu cho việc chăm sóc sức khỏe (Y: ngàn USD/tháng) của 51 cá nhân ở Mỹ. Ta có bảng kết quả xuất ra từ Eview như sau (slide kế tiếp) Giả sử X và Y có tương quan tuyến tính với nhau. Dựa vào bảng kết quả trả lời các câu hỏi sau 46 47 48 Với mức ý nghĩa 5%, hãy trả lời các câu hỏi. 1. Viết hàm SRF. Nêu ý nghĩa hệ số góc. 2. Tìm ước lượng các hệ số hồi qui tổng thể. 3. Hãy ước lượng phương sai nhiễu. 4. Hãy cho biết thu nhập thay đổi có ảnh hưởng đến chi tiêu cho sức khỏe không. 5. Giải thích ý nghĩa hệ số xác định mô hình 6. Kiểm định sự phù hợp của mô hình. 7. Với mức thu nhập 100 nghìn USD. Hãy dự báo GTTB và GTCB của chi tiêu cho sức khỏe.
File đính kèm:
- bai_giang_kinh_te_luong_chuong_1_hoi_quy_don_simple_regressi.pdf