Bài giảng Kinh tế lượng - Chương 7: Điều kiện vận dụng mô hình hồi qui tuyến tính bội

Chia sẻ: Mhnjmb Mhnjmb | Ngày: | Loại File: PDF | Số trang:67

Thêm vào BST

Báo xấu

109
lượt xem 15
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Các nội dung chính trong chương 7 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: 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).

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Kinh tế lượng - Chương 7: 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 1Y 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