Chương 2<br />
MÔ HÌNH HỒI QUI HAI BIẾN<br />
Ước lượng và Kiểm định Giả thuyết<br />
<br />
1<br />
<br />
Phạm Văn Minh biên soạn<br />
<br />
NỘI DUNG<br />
1. Vấn đề ước lượng.<br />
2. Phương pháp bình phương tối thiểu thông<br />
thường (OLS).<br />
3. Các tính chất thống kê của hàm ước lượng<br />
OLS.<br />
4. Các giả thiết của OLS.<br />
5. Phương sai, sai số chuẩn của các ước<br />
lượng.<br />
2<br />
<br />
Phạm Văn Minh biên soạn<br />
<br />
1. Vấn đề ước lượng<br />
Nhiệm vụ quan trọng là ước lượng chính xác tối<br />
đa PRF dựa trên cơ sở hàm hồi qui mẫu SRF.<br />
Có nhiều phương pháp xây dựng hàm SRF và<br />
phổ biến nhất là phương pháp bình phương tối<br />
thiểu thông thường (Ordinary Least Square)<br />
do Carl Friedrich Gauss, một nhà toán học người<br />
Đức, đưa ra.<br />
Đây cũng là phương pháp chính được sử dụng<br />
3<br />
trong môn học này.<br />
<br />
Phạm Văn Minh biên soạn<br />
<br />
2. Phương pháp Bình phương tối<br />
thiểu thông thường (OLS)<br />
Phân tích hồi quy giải quyết các vấn đề sau<br />
đây:<br />
1. Ước lượng giá trị trung bình của biến phụ<br />
thuộc với giá trị đã cho của biến độc lập.<br />
2. Kiểm định giả thiết về bản chất của sự phụ<br />
thuộc.<br />
3. Dự đoán giá trị trung bình của biến phụ thuộc<br />
khi biết giá trị đã cho của biến độc lập.<br />
4<br />
<br />
2. Phương pháp Bình phương tối<br />
thiểu thông thường (OLS) (tt)<br />
Giả sử chúng ta muốn ước lượng hàm hồi qui tổng thể sau:<br />
<br />
Yi = β1 + β 2 X i + ui<br />
Nhưng do không thể quan sát trực tiếp được mà có thể ước<br />
lượng từ hàm SRF<br />
<br />
) )<br />
Yi = Yi + ui<br />
<br />
)<br />
)<br />
ui = Yi − Yi<br />
<br />
) )<br />
)<br />
ui = Yi − β1 − β 2 X i<br />
Với n cặp quan sát X và Y, ta muốn xác định bằng cách nào<br />
đó để nó gần nhất với giá trị thực của Y. Để làm được điều<br />
này ta phải chọn SRF sao cho tổng các phần dư càng nhỏ<br />
càng tốt.<br />
)<br />
)<br />
<br />
∑ u = ∑ (Y − Y )<br />
i<br />
<br />
i<br />
<br />
i<br />
<br />
5<br />
<br />