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

Bài giảng Kinh tế lượng: Chương 6 - Lê Thị Hồng Hoa

Chia sẻ: Năm Tháng Tĩnh Lặng | Ngày: | Loại File: PPT | Số trang:29

77
lượt xem
12
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Cùng tìm hiểu về "đa cộng tuyến" trong chương 6 của bài giảng Kinh tế lượng. Trong chương này gồm các nội dung chính như: Bản chất của đa cộng tuyến, ước lượng khi có đa cộng tuyến, hậu quả của đa cộng tuyến, cách phát hiện đa cộng tuyến,... Mời các bạn cùng tham khảo.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Kinh tế lượng: Chương 6 - Lê Thị Hồng Hoa

  1. Xét MH hồi qui k biến: Yi =  1 +  2X2i +  3X3i + . . .                                    +  kXki +Ui
  2. *  Một  MH  lý  tưởng  là  các  biến  giải  thích  Xi  (i  =  2,  3,  .  .  .  ,  k)  không  có  tương  quan  với  nhau.  Khi  đó  ta  nói  không  có  hiện  tượng cộng tuyến. * Nếu tồn tại các số  2,  3, . . . ,  k sao cho:  X2i +  3X3i + . . . +  kXki = 0 2
  3.    Với  i (i = 2, 3, . . . , k) không đồng  thời bằng 0 thì giữa các biến Xi      (i  =  2,  3,  .  .  .  ,  k)  xảy  ra  hiện  tượng đa cộng tuyến hoàn hảo.  Nói  cách  khác:  Đa  cộng  tuyến  hoàn  hảo  xảy  ra  khi  một  biến  giải  thích  nào  đó  được  biểu  diễn  dưới  dạng  một  tổ  hợp  tuyến tính của các biến còn lại.
  4.  Nếu: 2X2i +  3X3i + . . . +  kXki + Vi = 0 Với  Vi  là  sai  số  ngẫu  nhiên  thì  ta có hiện tượng  đa cộng tuyến  không  hoàn  hảo  giữa  các  biến  giải thích. Nói cách khác là một biến giải thích  nào  đó có tương quan chặt chẽ với  một số biến giải thích khác.
  5. Nguyên nhân gây ra hiện tượng đa  cộng tuyến   Do bản chất các biến ít nhiều  có mối quan hệ tuyến tính với  nhau  Do phương pháp lấy mẫu  Do quá trình tính toán xử lý dữ  liệu  . . . 
  6. Thí dụ:Xét các dữ liệu có tính g.thiết:          X2        10         15          18          24           30       X3        50         75          90         120         150                 X*3       52         75          97         129         152  X3i = 5X2i, vì vậy có cộng tuyến hoàn hảo  giữa X2 và X3 và r23 = 1.  Nhưng  giữa  X2  và  X*3  không  có  cộng  tuyến  hoàn  hảo,  hai  biến  này  có  t.quan  chặt  (cộng  tuyến  không  hoàn  hảo),  hệ  số t.quan giữa chúng là 0,9959
  7.   Tr.hợp  có  cộng  tuyến  hoàn hảo Các  hệ  số  hồi  qui  không  xác  định  và  các  sai  số  chuẩn của chúng là vô hạn.
  8. II. Ước lượng khi có đa cộng tuyến 1.Trường hợp có đa cộng tuyến hoàn  hảo Xét mô hình :Yi =  1+ 2X2i+ 3X3i+ Ui       (1) Giả sử : X3i =  X2i 2  x3i =  x2i. Theo OLS: ˆ x 2i y i x 3i x 2i x 3i x 3i y i β2 2 2 2 x 2i x 3i ( x 2i x 3i ) 2 x 3i y i x x 2i x 3i x 2i y i βˆ 3 2 2i 2 2 x 2i x 3i ( x 2i x 3i )
  9. Thay x3i =  2x2i vào công thức : 2 2 2 x 2i y i ( λ x ) (λ x )( λ x 2i yi ) 0 βˆ 2 2 2 2i 2 2 2i 2 2 x (λx ) λ( x ) 2i 2i 2i 0 Tương tự : ˆ 0 β3 0 Tuy nhiên nếu thay X3i =  X2i vào hàm  hồi qui (1), ta được : Yi =  1+ 2X2i+ 3  X2i + Ui Hay  Yi =  1+ ( 2+  3) X2i + Ui  (2) βˆ , βˆ ˆ β λ βˆ Ước lượng (2), ta có : 1 0 2 3
  10.   Trường hợp cộng tuyến  không hoàn hảo Trường  hợp  này  các  hệ  số  hồi qui của mô hình có thể  ước lượng được.
  11.   Phương sai và hiệp phương  sai  của  các  ước  lượng  OLS  lớKho   n. ảng tin cậy rộng hơn  Tỉ số t không có ý nghĩa  R  cao nhưng tỉ số t ít có ý  2 nghĩa
  12.  Phương  sai của các ước lượng OLS lớn 2 2 Var ( ˆ2 ) 2 2 Var ( ˆ3 ) 2 2 x 1 r 2i 23 x 1 r 3i 23  Khoảng tin cậy rộng hơm j Se( ˆ j ).t ( n/ 23) j j Se( ˆ j )t ( n/ 23)  Thống kê t không có ý nghĩa j t Se j
  13.   Các  ước  lượng  OLS  và  sai số chuẩn của chúng trở  nên  rất  nhạy  với  những  thay  đổi  nhỏ  trong  dữ  liệu.   Dấu  của  các  ước  lượng  của  các  hệ  số  hồi  qui có thể sai.
  14.   Thêm vào hay bớt  đi các  biến  cộng  tuyến  với  các  biến khác, MH sẽ thay  đổi  về  dấu  hoặc  thay  đổi  về  độ lớn của các ước lượng.
  15.  Hệ số R  lớn nhưng tỉ  2 số t nhỏ.
  16. 2 ESS R TSS ˆ j t Se( ˆ j )  Tro ng  tr­ê ng  hîp R2  c ao  (R2  > 0,8)  mµ g i¸ trÞ tuyÖt ®è i c ña tû s è  t  thÊp c ã thÓ c hÝnh lµ dÊu hiÖu c ña  ®a c é ng  tuyÕn.
  17.  Tương quan cặp giữa các  biến giải thích cao. Nếu hệ số tương quan cặp (rij) giữa các biến giải  thích cao (rij > 0,8 ) thì có khả năng tồn tại đa cộng  tuyến. Tuy nhiên, điều này có thể không hoàn toàn  chính xác.  Sử dụng MH hồi qui phụ.
  18. Hồi  qui  phụ  là  hồi  qui  của  một  biến  giải  thích  nào  đó  theo  các  biến  giải  thích còn lại. Đối  với  mỗi  MH  hồi  qui  phụ  ta  có  thể  tiến  hành  k.đ giả thiết H0: R = 0.  2 
  19. Nếu  H0  được  chấp  nhận  thì  không có cộng tuyến.   sử  dụng  nhân  tử  phóng  đại  p.sai  (VIF  ­  Variance  inflation factor). inflation factor VIFj = 1/(1­R j) 2 Nếu VIF lớn (VIF > 10) thì có  thể xảy ra cộng tuyến.  
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2