YOMEDIA
Bài giảng Kinh tế lượng - Chương 6: Điều kiện vận dụng mô hình hồi qui tuyến tính bội
Chia sẻ: Mhnjmb Mhnjmb
| Ngày:
| Loại File: PDF
| Số trang:67
116
lượt xem
10
download
Download
Vui lòng tải xuống để xem tài liệu đầy đủ
Chương 6 Điều kiện vận dụng mô hình hồi qui tuyến tính bội thuộc bài giảng Kinh tế lượng trình bày về các nội dung lần lượt như sau: các điều kiện vận dụng mô hình, các điều kiện về sai số mô hình (error), các điều kiện về các số dự đoán (prédicteurs), các điều kiện về quan sát, mô hình cũng hoạt động đối với các biến có ảnh hưởng ngẫu nhiên.
AMBIENT/
Chủ đề:
Nội dung Text: Bài giảng Kinh tế lượng - Chương 6: Điều kiện vận dụng mô hình hồi qui tuyến tính bội
- Điều kiện vận dụng mô hình hồi
qui tuyến tính bội
1
- Các nội dung chính
Kiểm tra các điều kiện áp dụng
mô hình
Số liệu quan sát sai lệch
Các biến giả (dummy)
Phương pháp từng bước
Sự tương tác (Interaction)
2
- Các điều kiện vận dụng mô hình
Các điều kiện về dạng mô hình :
Tuyến tính của các biến độc lập so với biến phụ
thuộc
Các điều kiện về sai số mô hình (error):
Các sai số mô hình là độc lập (không tự tương quan)
và phân phối giống nhau theo phân phối chuẩn với
trung bình bằng 0 và variance s 2 (homoscedasticity)
Các điều kiện về các số dự đoán (prédicteurs):
Các biến độc lập không ngẫu nhiên
Các giá trị của các biến độc lập được đo lường
không có sai số
Các số dự đoán (prédicteurs) là độc lập theo đường
thẳng, (không có bội tương quan giữa các biến độc
lập - multicollinearity)
Các điều kiện về quan sát: 3
Tất cả các quan sát có cùng một vai trò
- Mô hình với ảnh hưởng cố định ngược
với mô hình với ảnh hưởng ngẫu nhiên
Về nguyên tắc, hồi qui được thực hiện đối
với các mô hình có ảnh hưởng cố định
Các biến độc lập được kiểm soát
Mô hình cũng hoạt động đối với các biến
có ảnh hưởng ngẫu nhiên
Các biến độc lập là ngẫu nhiên
Về nguyên tắc, các biến này phải tuân theo
một phân phối chuẩn đa biến
4
- Tuyến tính
Vẽ biểu đồ từng phần (partial plots)
Để đánh giá đặc trưng tuyến tính của
một biến Xj so với Y, chúng ta hồi qui
Y về toàn bộ các biến độc lập trừ Xj,
và chúng ta hồi qui Xj bằng các biến
độc lập khác
Chúng ta vẽ biểu đồ các phần dư
(residues) của hai hồi qui. Như vậy,
chúng ta loại bỏ ảnh hưởng của các
biến độc lập khác. 5
- Tuyến tính
tiếp
Partial Regression Plot
Dependent Variable: prix
200000
100000
0
-100000
prix
-200000
-2000 -1000 0 1000 2000 3000
surface 6
- Tuyến tính
tiếp
Partial Regression Plot
Dependent Variable: prix
200000
100000
0
-100000
prix
-200000
-20 0 20 40 60 80
age 7
- Biểu đồ phần dư (residues)
Scatterplot
Dependent Variable: prix
4
Regression Studentized Residual
2
0
-2
-4
0 100000 200000 300000 400000
Regression Adjusted (Press) Predicted Value 8
- Biểu đồ (histogram) phần dư
(residues)
Histogram
Dependent Variable: prix
60
50
40
30
20
Frequency
Std. Dev = 1,00
10
Mean = 0,00
0 N = 319,00
-3
-3
-2
-2
-1
-1
- ,7 5
- ,2
,2
,7
1,
1,
2,
2,
3,
5
5
25
75
25
75
25
,7
,2
,7
,2
,7
,2
5
5
5
5
5
5
5
Regression Standardized Residual
9
- Normal probability plot
(Đồ thị theo hàm chuẩn)
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: prix
1,00
,75
Expected Cum Prob
,50
,25
0,00
0,00 ,25 ,50 ,75 1,00
Observed Cum Prob
10
- Hai kiểm định nhanh để kiểm
tra phân phối chuẩn
Nhờ vào hệ số mất cấn đối (skewnRSS)
skewness
Z
6
n
Trong đó, n là kích thước mẫu
Nhờ vào kurtose
kurtose
Z
24
n
Trong đó, n là kích thước mẫu
Nếu giá trị tuyệt đối của Z lớn hơn 1.96,
phân phối là không chuẩn với sai số ở mức
11
rủi ro 5%
- Phép biến đổi các biến
Các điều kiện vận dụng mô hình
thường xuyên không đạt được:
Tuyến tính
Phương sai không đổi của các sai số
(errors) của mô hình
Một mô hình là tuyến tính nếu các
tham số hiện diện trong mô hình là
tuyến tính, ngay cả khi các biến độc
lập không tuyến tính
12
- Phép biến đổi các biến
tiếp
This image cannot currently be displayed.
Các ví dụ của các mô hình tuyến
tính:
Y 1 2 X
2
Y 1 2 X 3 X
Y 1 2 log X
Y 1 2 X
Ví dụ mô hình không tuyến tính:
2 X
Y 1 e 13
- Các phép biến đổi để làm cho
mô hình tuyến tính
Hàm Y X
Phép biến đổi Y ' log Y , X ' log X
Dạng tuyến tính Y' log X ' 14
- Các phép biến đổi để làm cho
mô hình tuyến tính
tiếp
X
Hàm Y e
Phép biến đổi Y' ln Y
Dạng tuyến tính ln X
Y'
15
- Các phép biến đổi để làm cho
mô hình tuyến tính
tiếp
Hàm Y log X
Phép biến đổi X ' log X
Dạng tuyến tính Y X ' 16
- Các phép biến đổi để làm cho
mô hình tuyến tính
tiếp
Hàm X
Y
X
Phép biến đổi 1 1
Y' , X'
Y X
17
Dạng tuyến tính Y ' X '
- Các phép biến đổi để làm cho
mô hình tuyến tính
tiếp
X
Hàm e
Y X
1 e
Phép biến đổi Y
Y ' ln
1Y
18
Dạng tuyến tính Y ' X
- Diễn giải các hệ số
Nếu biến phụ thuộc là một biến
logarithm
Hệ số của biến độc lập Xk có thể được
hiểu là : sự biến đổi một đơn vị của Xk
dẫn đến 100(bk)% thay đổi của số
trung bình (mean) của Y
Nếu biến độc lập là một số
logarithm
Hệ số của biến độc lập Xk có thể được
hiểu là: sự biến đổi 100% dẫn đến một
sự thay đổi bk đơn vị của số trung bình19
của Y
- Diễn giải các hệ số
tiếp
Nếu biến phụ thuộc và biến độc lập là
các số logarithms
Hệ số của biến độc lập Xk có thể được
hiểu là : 1% biến đổi Xk dẫn đến một
phần trăm biến đổi trung bình của Y của
bk. bk là tính đàn hồi (elasticity) của Y so
với Xk.
20
Thêm tài liệu vào bộ sưu tập có sẵn:
Báo xấu
LAVA
ERROR:connection to 10.20.1.98:9315 failed (errno=111, msg=Connection refused)
ERROR:connection to 10.20.1.98:9315 failed (errno=111, msg=Connection refused)
Đang xử lý...
Thêm vào BST
Báo xấu
