Bài giảng Kinh tế lượng: Chương 6.2 - Quang Trung TV

Trong lĩnh vực kinh tế lượng và thống kê, "mô hình hồi quy" là công cụ cơ bản để phân tích mối quan hệ giữa các biến. Tuy nhiên, để đảm bảo độ tin cậy của các kết quả ước lượng và kiểm định, các mô hình này cần thỏa mãn một số giả định nhất định. Một trong những "khuyết tật" nghiêm trọng thường gặp là hiện tượng "phương sai sai số thay đổi" (heteroskedasticity), khi phương sai của sai số không cố định trên toàn bộ các quan sát. Sự vi phạm giả định này không chỉ làm giảm hiệu quả của các ước lượng mà còn dẫn đến những suy luận thống kê sai lệch. Do đó, việc "kiểm định khuyết tật" này là vô cùng quan trọng để chẩn đoán và khắc phục, qua đó nâng cao chất lượng phân tích dữ liệu.

Sinh viên chuyên ngành kinh tế lượng, thống kê, tài chính và các nhà nghiên cứu, nhà phân tích dữ liệu cần nắm vững các kiểm định chẩn đoán mô hình hồi quy.

Tài liệu này tập trung vào việc "kiểm định khuyết tật" "phương sai sai số thay đổi" (heteroskedasticity) trong các "mô hình hồi quy", một vấn đề thiết yếu nhằm đảm bảo tính hiệu lực của các suy luận thống kê. Nội dung chính xác định đối tượng nghiên cứu là ảnh hưởng của "biến độc lập" (X) lên phương sai của sai số, đặt nền tảng cho việc hiểu bản chất của heteroskedasticity. Tài liệu trình bày chi tiết hai phương pháp "kiểm định" phổ biến: "Kiểm định Park" và "Kiểm định Glyser". Đối với "Kiểm định Park", tài liệu giới thiệu hai cách tiếp cận: sử dụng hệ số xác định hiệu chỉnh (R²*) để đánh giá phần trăm giải thích của biến độc lập đối với phương sai sai số, và sử dụng hệ số hồi quy (β*) của biến độc lập. Cả hai phương pháp đều đưa ra cặp giả thuyết null và đối, tiêu chuẩn kiểm định (F-statistic và T-statistic) cùng với miền bác bỏ tương ứng, cho phép người học xác định sự hiện diện của "phương sai sai số thay đổi". "Kiểm định Glyser" được mô tả là có cơ chế tương tự, cũng dựa trên việc kiểm định các hệ số hồi quy để phát hiện heteroskedasticity. Cuối cùng, tài liệu cung cấp các bài tập ứng dụng ("chữa bài tập") giúp củng cố kiến thức và kỹ năng thực hành trong việc áp dụng các "kiểm định" này vào dữ liệu thực tế. Việc nắm vững các "kiểm định khuyết tật" này là nền tảng để nhà nghiên cứu đưa ra các "ước lượng hiệu quả" và đáng tin cậy hơn từ "mô hình hồi quy" của mình, tránh những sai lầm trong phân tích kinh tế lượng.