intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Kinh tế lượng: Chương 5: Đa cộng tuyến

Chia sẻ: Minh Vũ | Ngày: | Loại File: PPT | Số trang:15

137
lượt xem
6
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

 Bài giảng "Kinh tế lượng: Chương 5: Đa cộng tuyến" cung cấp cho người học các kiến thức: Các giả thiết của mô hình CLRM, bản chất của đa cộng tuyến, ước lượng khi có đa cộng tuyến hoàn hảo, khoảng tin cậy rộng hơn, tỷ số T mất ý nghĩa,... Mời các bạn cùng tham khảo nội dung chi tiết.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Kinh tế lượng: Chương 5: Đa cộng tuyến

  1. Chương 5 Đa cộng tuyến Multicollinearity
  2. Các giả thiết của mô hình CLRM (nhắc lại) 1. Mô hình là tuyến tính  Yi = β1 + β2 X 2i + β3 X 3i + u i 2. Kì vọng Ui bằng 0: E (u i | X 2i , X 3i ) = 0 3. Các Ui thuần nhất:  var(u i ) = σ 2 4. Không có sự tương quan  cov(u i u j ) = 0, i j giữa các Ui: 5. Không có quan hệ tuyến  1 λ 1 + λ X + λ3 X 3i 2 2i 0, tính giữa các biến giải  ∀λ1 , λ2 , λ3 (0, 0, 0) thích. 2
  3. Xét 3 giả thiết  Chúng ta sẽ xét các vấn đề sau:  Đa cộng tuyến  Phương sai sai số thay đổi  Tự tương quan (tương quan chuỗi)  Các chươngng có cùng cấu trúc 1. Xác định bản chất của vấn đề 2. Hậu quả của nó 3. Nêu cách phát hiện 4. Các phương pháp khắc phục 3
  4. 5.1. Bản chất của đa cộng tuyên  Đa cộng tuyến hoàn hảo 1.1+  2X2+  3X3=0 với ( 1,  2,  3) (0,0,0)  Nghĩa rộng hơn (không hoàn hảo) 1.1+  2X2+  3X3+vi=0 với ( 1,  2,  3) (0,0,0) 4
  5. 5.2. Ước lượng khi có đa cộng tuyến hoàn  hảo                                                           Mô hình hồi quy 3 biến có thể viết lại sau:  Tính toán trong chương 3, ta có: 5
  6.  Từ đó suy ra  Tương tự, ta chỉ ra     không xác định.   Từ chương 3, dễ thấy trong trường hợp đa  cộng tuyến hoàn hảo, phương sai và sai số  ˆ , ˆ tiêu chuẩn của các ước lượng          là vô  2 3 hạn. 6
  7. 5.2. Ước lượng khi có đa cộng tuyến  không hoàn hảo  Giả thiết X2, X3 cộng tuyến không hoàn hảo Với  0, vi là nhiễu ngẫu nhiên t/m  x2ivi=0.?? Từ đó tính được:  Tương tự tính được    . Như vậy với vi đủ nhỏ,  không có lý gì để nói TH này ko ước lượng  được.  7
  8. 5.4. Hậu quả của đa cộng tuyến 1. Phương sai và hiệp phương sai của các ƯL  OLS  Mô hình   Ta có: R23 là hệ số tương quan giữa X2 và X38.
  9. 9
  10. 2. Khoảng tin cậy rộng hơn Vậy xác suất chấp nhập giả thiết sai tăng lên. 10
  11. 3. Tỷ số t mất ý nghĩa  Trong kiểm định H :   = 0  0 2  Ta sử dụng Tqs=              so sánh với T . Khi  có đa cộng tuyến gân hoàn hảo thì sai số  tiêu chuẩn rất cao nên tỷ số Tqs nhỏ đi. Hậu  quả là làm tăng khả năng chấp nhận H0. 4. R2 cao nhưng tỷ số t ít ý nghĩa  Nếu đa cộng tuyến cao thì có thể chỉ ra một  vài hệ số góc ko có ý nghĩa về mặt thống  kê, mặc dù R2 cao (và giá trị F có ý nghĩa). 11
  12. 5. Các ước lượng OLS và sai số tiêu chuẩn  của chúng trở nên rất nhạy cảm đối với  những thay đổi nhỏ trong số liệu. (Xem tr355  Guarati) 6. Dấu của các ước lượng của hệ số hồi quy  có thể sai.  Ví dụ: Lý thuyết kinh tế cho biết cầu hàng  hóa phụ thuộc (+) vào thu nhập, nhưng khi  có đa cộng tuyến cao thì ước lượng hệ số  của biến thu nhập có thể âm. 7. Thêm vào hay bớt đi các biến cộng tuyến  với các biến khác, mô hình sẽ thay đổi về  độ lớn của các ước lượng hoặc dấu c 12ủa 
  13. 5.5. Phát hiện ra sự tồn tại của đa cộng  tuyến. 1. R2 cao (>0.8) nhưng tỷ số t thấp. 2. Tương quan cặp giữa các biến giải thích cao  (nhưng nếu tương quan cặp thấp thì chưa  kết luận được là ko có đa cộng tuyến). 3. Xem xét tương quan riêng: Giả sử hồi quy Y  với X2, X3, X4. Nếu nhận thấy        cao, trong  khi                                thấp thì điều đó gợi ý  các biến X1, X2, X3 tương quan cao và ít nhất  một trong các biến này là thừa. 13
  14. 4. Hồi quy phụ: là hồi quy biến Xi theo các biến  giải thích còn lại, thu được Ri2.          Xi= 1+  2X1+….+  k­1Xk­1                H0: Ri2=0 ( 2=…=  =0) k­1             H1: Ri2 0 2 R /(k 2) i Fi 2  F(k­2, n­k+1) (1 R ) /( n k 1) i  Nếu Fi>F (k­2, n­k+1): Bác bỏ H0. Kết luận  Xi có liên hệ tuyến tính với các biến khác. 14
  15. 5.6. Biện pháp khắc phục 1. Sử dụng thông tin tiên nghiệm. 2. Thu thập thêm số liệu hoặc lấy thêm mẫu  mới. 3. Bỏ biến. 4. Sử dụng sai phân cấp một 5. Giảm tương quan trong hồi quy đa thức 6. …. 15
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2