Bài giảng Kinh tế lượng: Chương 3 - TS. Nguyễn Thị Thu Hà

Trong phân tích định lượng, mô hình hồi qui là một công cụ không thể thiếu để khám phá mối quan hệ giữa các biến. Tuy nhiên, nhiều hiện tượng kinh tế và xã hội thường được mô tả bằng các biến định tính, gây ra thách thức trong việc trực tiếp đưa chúng vào các mô hình toán học. Để giải quyết vấn đề này, kỹ thuật biến giả (dummy variables) được phát triển, cho phép lượng hóa các thuộc tính phi số thành các giá trị có thể tính toán được. Chương này tập trung làm rõ bản chất, tầm quan trọng và phương pháp sử dụng biến giả trong phân tích hồi qui, từ đó mở rộng khả năng ứng dụng của mô hình trong việc giải thích các yếu tố định tính ảnh hưởng đến biến phụ thuộc.

Sinh viên, nghiên cứu viên và chuyên gia trong các lĩnh vực kinh tế, tài chính, quản trị kinh doanh và khoa học xã hội, những người quan tâm đến phương pháp phân tích định lượng và mô hình hồi qui, đặc biệt là khi làm việc với dữ liệu có biến định tính.

Tài liệu này cung cấp một cái nhìn toàn diện về việc sử dụng biến giả trong phân tích hồi qui, một kỹ thuật thiết yếu trong kinh tế lượng để xử lý các biến định tính. Bắt đầu với định nghĩa và vai trò của biến định tính, tài liệu giải thích cách biến giả được sử dụng để lượng hóa các thuộc tính này bằng cách gán giá trị 0 và 1, đại diện cho sự hiện diện hoặc vắng mặt của một đặc điểm. Nội dung chính bao gồm hai kỹ thuật tiếp cận: sử dụng (m-1) biến giả khi mô hình có hệ số chặn và sử dụng m biến giả khi không có hệ số chặn, đồng thời làm rõ khái niệm thuộc tính cơ sở (omitted category) và nguy cơ bẫy đa cộng tuyến hoàn hảo. Qua đó, tài liệu nhấn mạnh rằng việc lựa chọn thuộc tính cơ sở chỉ ảnh hưởng đến ước lượng hệ số chặn nhưng không thay đổi kết luận nghiên cứu. Một ví dụ minh họa cụ thể về việc phân tích sự phụ thuộc của thu nhập vào số năm đi học và khu vực làm việc (tư nhân/nhà nước) được trình bày chi tiết, kèm theo kết quả hồi qui từ phần mềm Eviews, giúp người đọc dễ dàng hình dung cách áp dụng và diễn giải các hệ số của biến giả. Phần này làm nổi bật giá trị ứng dụng của biến giả trong việc đánh giá tác động của các yếu tố định tính lên biến phụ thuộc một cách khách quan và có ý nghĩa thống kê, là nền tảng quan trọng cho các nhà nghiên cứu và thực hành trong nhiều lĩnh vực.