Thảo luận kinh tế lượng

Chia sẻ: Buithi Hoa | Ngày: | Loại File: PPT | Số trang:28

0
504
lượt xem
195
download

Thảo luận kinh tế lượng

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hiện tượng đa cộng tuyến là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và có quan hệ gần như tuyến tính.

Chủ đề:
Lưu

Nội dung Text: Thảo luận kinh tế lượng

  1. Mr.tiz Hiện tượng đa cộng tuyến Nhóm 1
  2. Mr.tiz Hiện tượng đa cộng tuyến Khái niệm Phương pháp Biện pháp hiện tượng phát hiện khắc phục đa cộng tuyến hiện tượng hiện tượng
  3. Mr.tiz Ví dụ • NI: tổng thu nhập quốc gia • GDP: tổng thu nhập quốc dân • NFIA: Thu nhập ròng từ nước ngoài
  4. Mr.tiz Khái niệm hiện tượng đa cộng tuyến • Hiện tượng đa cộng tuyến là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và có quan hệ gần như tuyến tính.
  5. Mr.tiz Nguồn gốc hiện tượng 1.Do phương pháp thu 2.Dạng hàm mô hình thập dữ liệu VD các dạng dễ xảy ra hiện -Các giá trị của các biến độc lập tượng đa cộng tuyến: phụ thuộc lẫn nhau trong mẫu,  Hồi quy dạng các biến độc nhưng không phụ thuộc lẫn lập được bình phương sẽ nhau trong tổng thể. xảy ra đa cộng tuyến và đặc biệt khi phạm vi giá trị VD: Người có thu nhập cao hơn ban đầu của biến độc lập khuynh hướng sẽ có nhiều của là nhỏ cải hơn.điều này có thể đúng với mẫu mà không đúng trong tổng  Các biến độc lập vĩ mô thể. Trong tổng thể sẽ có các được quan sát theo dữ liệu quan sát về cá nhân có thu nhập chuỗi thời gian cao nhưng không có nhiều của cải và ngược lại.
  6. Mr.tiz I.Phương pháp phát hiện hiện tượng Hệ số xác định bội cao nhưng tỷ số t thấp Hệ số tương quan cặp giữa các biến giải thích cao Sử dụng mô hình hồi quy phụ Sử dụng nhân tử phóng đại phương sai VIF
  7. 1.Hệ số xác định bội cao Mr.tiz nhưng tỷ số t thấp • Nếu thấy R cao( R > 0.8) mà tỷ số t 2 2 thấp đó chính là dấu hiệu của đa cộng tuyến.
  8. Mr.tiz
  9. 2.Hệ số tương quan cặp giữa Mr.tiz các biến giải thích cao • Công thức tính: rx j x p = ∑ (X ji − X j )( X pi − X p ) ∑ (X ji − X j ) ∑ ( X pi − X p ) 2 2 • Nếu các hệ số tương quan cặp giữa các biến | rXjXp| lớn (vượt 0,8) thì có hiện tượng đa cộng tuyến. • Chú ý: – chúng ta cần chú ý rằng hiện tượng đa cộng tuyến vẫn xảy ra khi các hệ số tương quan cặp rXjXp nhỏ. – Nếu mô hình chỉ có 2 biến giải thích thì nếu hệ số tương quan giữa 2 biến giải thích đó mà nhỏ thì không có hiện tượng cộng tuyến.
  10. Mr.tiz
  11. 3.Sử dụng mô hình hồi quy Mr.tiz phụ - Hồi quy giữa một biến độc lập với tất cả các biến độc lập với nhau và quan sát hệ số R 2 của các hồi quy phụ - Thực hiện tính thống kê F F= R2 × ( n − k + 1) ( 1− R 2 ) ( k − 2) k là số biến độc lập trong hồi quy phụ Nếu F > F * thì chúng ta có thể kết luận rằng R 2 = 0 và điều này có nghĩa là có đa cộng tuyến trong mô hình.
  12. Mr.tiz 4.Sử dụng nhân tử phóng đại phương sai (VIF)  Tốc độ gia tăng của phương sai và hiệp phương sai có thể thấy qua nhân tử phóng đại phương sai (variance-inflation factor - VIF). Đối với hàm hồi quy có 2 biến giải thích X2 và X3, VIF được định nghĩa như sau: 1 VIF = (1 − r23 ) 2  VIF cho thấy phương sai của hàm ước lượng tăng nhanh như thế nào khi có đa cộng tuyến. Khi r23 =1 thì VIF tiến đến vô hạn. Nếu không có cộng tuyến giữa X2 và X3 thì VIF = 1.  Từ định nghĩa này, ta có thể rút ra công thức: σ2 ˆ σ2 ˆ var( β2 ) = VIF var(β 3 ) = VIF ∑ x2i 2 ∑ x3 i 2
  13. Mr.tiz Để có khái niệm về phương sai và hiệp phương sai tăng như thế nào khi r23 tăng. Nhìn bảng số liệu dưới đây: r Từ kết quả tính toán cho ở bảng này, ta thấy 23 gia tăng ảnh hưởng nghiêm trọng đến phương sai và hiệp phương sai ước lượng của các hàm ước lượng OLS. Khi r23=0,5 ,Var(β2 ) bằng 1,33 lần khir23=0, nhưng ˆ khir23 r23 =0,95 thì lớn gấp 10 lần khi không có đa cộng tuyến. Và khi tăng từ 0,95 đến 0,995 đã làm phương sai ước lượng tăng 100 lần so với khi không có cộng tuyến. Ảnh hưởng nghiêm trọng này cũng thấy ở β ˆ ˆ 2 β3 Ghi chú: cov( ị của,r23 ). Giá tr VIF ) ˆ Var(β2 ) Cov( β2 , β 3 ˆ ˆ σ2 A= 0,00 0,50 1,00 1,33 1A 1,33A 0 0,67B ∑2 x2 i 0,70 1,96 1,96A 1,37B 0,80 2,78 2,78A 2,22B 0,90 5,76 5,76A 4,73B 0,95 10,26 10,26A 9,74B − σ2 B= ∑x ∑x 0,97 16,92 16,92A 16,41B 2 2 0,99 50,25 50,25A 49,75B 2i 3i 0,995 100,00 100A 99,5B 0,999 500,00 500A 499,5B
  14. Mr.tiz Đồ thị phản ánh mối quan hệ giữa VIF và r23 như sau:  Trên đồ thị ta thấy, khi r23 tăng từ 0,9 đến 1 thì VIF tăng rất nhanh.  Khi r23 = 1 thì VIF là vô hạn.  Có nhiều chương trình máy tính cho biết giá trị VIF đối với các biến độc lập của mô hình hồi quy.  Đối vơi trường hợp tổng quát, có (k-1) biến giải thích thì: 1 VIF = 1− R2 j 2  Với R j là giá trị R 2 trong hàm hồi quy của Xj với 2 các biến giải thích khác thìR j sẽ gần 1 và khi đó VIF sẽ lớn. r23 Vì vậy một số tác giả dùng VIF như là một dấu hiệu xác định đa cộng tuyến. Giá trị VIF càng lớn thì biến Xj càng cộng tuyến cao. Nhưng VIF là bao nhiêu thì ta có thể coi là có thể xảy ra hiên tượng đa cộng tuyến. Như một quy tắc kinh nghiệm, nếu ≥ 2 R VIF 10 (điều này được xảy jra nếu >0,9) thì biến này được coi là có cộng tuyến cao.
  15. Mr.tiz • VIF=1/(1-0.84183)=6.3223 =>có đa cộng tuyến
  16. Mr.tiz -Sử dụng thông tin II. tiên nghiệm Các -Bỏ biến có khả năng cộng tuyến với các biện biến còn lại pháp -Thu thập thêm số liệu hoặc lấy mẫu mới khắc -Sử dụng sai phân phục cấp một -Một số biện pháp khác
  17. Mr.tiz 1.Sử dụng thông tin tiên nghiệm Yi = β 1 + β 2X2i + β 3X3i + ui ∀i=1…n Trong đó: Giữa X2 và X3 có cộng tuyến cao. Giả sử có thông tin β 3 = 0,1β 2 Cách biến đổi như sau: Yi = β 1 + β 2X2i + 0,1β 2X3i + ui = β 1 + β 2 (X2i + 0,1X3i) + ui Đặt Xi = X2i +0,1X3i Vậy, ta có: Yi = β 1 + β 2 Xi + ui
  18. Mr.tiz 2.Bỏ biến có khả năng cộng tuyến với các biến còn lại Bỏ biến Ta có | rXjXp| >0 ,8 → Bỏ 1 trong 2 biến này. Cách thực hiện – Bỏ Xj, thực hiện hồi quy giữa Y và các biến giải thích còn lại và tính hệ số xác định Rj2 – Bỏ Xp, thực hiện hồi qui giữa Y và các biến giải thích còn lại và tính hệ số xác định Rp2 Nếu Rp2 > Rj2 => bỏ Xp
  19. Mr.tiz Hồi quy giữa NI và GDP -Hồi quy giữa NI và NFIA =>Bỏ biến NFIA
  20. Mr.tiz 3.Thu thập thêm số liệu hoặc lấy mẫu mới • Vì vấn đề đa cộng tuyến là một đặc tính của mẫu, có thể là trong một mẫu khác, các biến cộng tuyến có thể không nghiêm trọng như trong mẫu đầu tiên. Vì vậy, đôi khi ta chỉ cần tăng cỡ mẫu cũng có thể làm giảm bớt vấn đề cộng tuyến. Ví dụ, trong mô hình 3 biến chúng ta thấy là: σ2 ˆ var( β2 ) = ∑X 2 2i (1 − r23 ) 2 • Khi cỡ mẫu tăng, ∑ x nói chung sẽ tăng, vì vậy, đối 2 2i ˆ β với bất kỳ r23 nào cho trước, phương sai2 của sẽ giảm, kéo theo sai số chuẩn giảm, điều này giúp chúng ˆ ta ướcβl2ượng chính xác hơn.
Đồng bộ tài khoản