CHƯƠNG V: HỒI QUY VỚI BIẾN GIẢ

Chia sẻ: Lan Lan | Ngày: | Loại File: PPT | Số trang:20

Thêm vào BST

Báo xấu

188
lượt xem 13
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

5.1. Sử dụng biến giả trong mô hình hồi quy Ví dụ 5.1: Xét sự phụ thuộc của thu nhập (Y) (triệu đồng/tháng) vào thời gian công tác (X) (năm) và nơi làm việc của người lao động (DNNN và DNTN). Z = 1: làm trong DNNN và Z = 0: làm trong DNTN Trong đó Y và X là biến số lượng, còn Z là chỉ tiêu chất lượng cho biết có hay không một thuộc tính nào đó. Z được gọi là biến giả trong mô hình

Chủ đề:

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

Lưu

Nội dung Text: CHƯƠNG V: HỒI QUY VỚI BIẾN GIẢ

KINH TẾ LƯỢNG CHƯƠNG V HỒI QUY VỚI BIẾN GIẢ 1
5.1. Sử dụng biến giả trong mô hình hồi quy Ví dụ 5.1: Xét sự phụ thuộc của thu nhập (Y) (triệu đồng/tháng) vào thời gian công tác (X) (năm) và n ơi làm việc của người lao động (DNNN và DNTN). Z = 1: làm trong DNNN và Z = 0: làm trong DNTN Trong đó Y và X là biến số lượng, còn Z là chỉ tiêu chất lượng cho biết có hay không một thuộc tính nào đó. Z được gọi là biến giả trong mô hình 2
E(Y/X,Z) = β1 + β2Xi + β3Zi (5.1) E(Y/X,Z=0) = β1 + β2Xi (5.2) E(Y/X,Z=1) = β1 + β2Xi + β3 (5.3) (5.2): mức thu nhập bình quân tháng của người lao động tại DNTN khi có thời gian công tác là X năm. βˆ3 = 0,4 : 2 người có cùng thời gian công tác thì trung bình mức thu nhập của người làm tại DNNN cao hơn người làm tại DNTN 0,4 triệu đồng/tháng. 3
E(Y/X,Z) = β1 + β2Xi + β3Zi Y βˆ1 + βˆ3 βˆ3 βˆ1 X 4 Hình 5.1
E(Y/X,Z) = β1 + β2Xi + β3Zi + β4XiZi Y βˆ1 + βˆ3 βˆ3 βˆ1 Hình 5.2 X 5
Ví dụ 5.2: Xét sự phụ thuộc của thu nhập (Y) (triệu đồng/tháng) vào thời gian công tác (X) (năm) và nơi làm việc của người lao động (DNNN, DNTN và DNLD) Z1i = 0 phạm trù Z2i = 0 cơ sở Để lượng hoá chỉ tiêu chất lượng trên, ta phải dùng 2 biến giả Z1 và Z2. 1∈ DNNN 1 ∈ DNTN Z1i =  Z 2i =  0 ∉ DNNN 0 ∉ DNTN 6
E(Y/X,Z1,Z2) = β1 + β2Xi + β3Z1i + β4Z2i E(Y/X,Z1=0,Z2=0) = β1 + β2Xi E(Y/X,Z1=1,Z2=0) = β1 + β2Xi + β3 E(Y/X,Z1=0,Z2=1) = β1 + β2Xi + β4 βˆ = 0,4 3 : 2 người có cùng thời gian công tác thì trung bình mức thu nhập của người làm tại DNNN cao hơn người làm tại DNLD 0,4 triệu đồng/tháng. βˆ4 = −0,2 : 2 người có cùng thời gian công tác thì trung bình mức thu nhập của người làm tại DNTN thấp hơn người làm tại DNLD 0,2 triệu đồng/tháng. Lưu ý: Một chỉ tiêu chất lượng có m phạm trù khác nhau thì ta phải dùng m-1 biến giả để lượng hoá 7
Ví dụ 5.3. tiếp ví dụ 5.2, thu nhập còn phụ thuộc vào trình độ người lao động (từ đại học trở lên, cao đẳng và khác) D1i = 1: nếu trình độ từ đại học trở lên 0: nếu không D2i = 1: nếu trình độ cao đẳng 0: nếu không có trình độ cao đẳng 8
Tổng quát: số biến giả đưa vào mô hình phụ thuộc vào số biến định tính và số phạm trù có ở mỗi biến định tính. Số biến giả đưa vào mô hình có thể được xác định theo công thức sau: k n = ∑( ni −1) i =1 Trong đó: m – số biến giả đưa vào mô hình; k – số biến định tính; ni – số phạm trù của biến định tính thứ i. 9
5.2. Sử dụng biến giả trong phân tích mùa Z = 1, nếu quan sát trong mùa, và Z=0 nếu quan sát không nằm trong mùa. Từ tháng 1-6: trong mùa, Tháng 7-12: ngoài mùa. Y: chi tiêu cho quần áo, X: thu nhập khả dụng - Nếu yếu tố mùa chỉ ảnh hưởng đến hệ số chặn Yˆi = βˆ1 + βˆ2 X i + βˆ3 Z i - Nếu yếu tố mùa có ảnh hưởng đến hệ số góc thì Yˆi = βˆ1 + βˆ2 X i + βˆ3 Z i + βˆ4 X i Z i Mô hình sau có tính tổng quát hơn. Thông qua việc kiểm định giả thiết chúng ta sẽ biết được hệ số góc nào có ý nghĩa. 10
5.3. Kiểm định sự ổn định cấu trúc của các mô hình hồi quy bằng biến giả Ví dụ 5.4. Cho số liệu tiết kiệm và thu nhập cá nhân ở nước Anh từ 1946-63 (triệu pounds) TK I Tiết kiệm Thu nhập TK II Tiết kiệm Thu nhập 1946 0.36 8.8 1955 0.59 15.5 1947 0.21 9.4 1956 0.9 16.7 1948 0.08 10 1957 0.95 17.7 1949 0.2 10.6 1958 0.82 18.6 1950 0.1 11 1959 1.04 19.7 1951 0.12 11.9 1960 1.53 21.1 1952 0.41 12.7 1961 1.94 22.8 1953 0.5 13.5 1962 1.75 23.9 11 1954 0.43 14.3 1963 1.99 25.2
Hàm tiết kiệm Thời kỳ tái thiết: 1946-54 Yi = α 1 + α 2 X i + vi Thời kỳ hậu tái thiết Yi = λ1 + λ 2 X i + ε i có các trường hợp sau xảy ra: α1 = λ1 α1 = λ1 α1 ≠ λ1 α1 ≠ λ1 α 2 = λ2 α2 ≠ λ2 α2 = λ2 α2 ≠ λ2 12
Chúng ta kiểm tra xem hàm tiết kiệm có bị thay đ ổi cấu trúc giữa 2 thời kỳ hay không. Chúng ta xét hàm tiết kiệm tổng quát của cả 2 thời kỳ: Yi = βˆ1 + βˆ2 X i + βˆ3 Z i + βˆ4 X i Z i + ei V ới n = n 1 + n 2 Trong đó Z = 1: quan sát thuộc thời kỳ tái thiết Z = 0 : quan sát thuộc thời kỳ hậu tái thiết * Kiểm định giả thiết H0: β3=0 Nếu chấp nhận H0: loại bỏ Z ra khỏi mô hình * Kiểm định giả thiết H0: β4=0 Nếu chấp nhận H0: loại bỏ ZiXi ra khỏi mô hình 13
Từ số liệu ở bảng ta có kết quả hồi quy theo mô hình như sau: Yi = −1,75 + 0,15045 X i + 1,4839Z i − 0,1034 X i Z i + ei t = (-5,27) (9,238) (3,155) (-3,109) pt = (0,000) (0,000) (0,007) (0,008) Kết quả trên cho thấy cả tung độ gốc và hệ số góc chênh lệch đều có ý nghĩa thống kê. Điều đó chứng tỏ rằng các hồi quy trong hai thời kỳ là khác nhau. 14
Từ kết quả trên, chúng ta có thể tính hồi quy cho 2 thời kỳ như sau: Thời kỳ tái thiết: Z = 1 Yi = −1,75 + 0,15045 X i + 1,4839 − 0,1034 X i + ei Yi = −0,2661 + 0,0475 X i + ei Thời kỳ hậu tái thiết: Z = 0 Yi = −1,75 + 0,15045 X i + ei 15
Tiết kiệm Yˆi = −1,75 + 0,15045 X i Yˆi = −0,2661 + 0,0475 X i Thu nhập -0.27 -1.75 16
5.4. Hàm tuyến tính từng khúcYX Ví dụ 5.5: Sản lượng dưới X*, thì chi phí hoa hồng sẽ khác với khi sản lượng trên X*. Hàm hồi quy sẽ có dạng: Yi = β1 + β2 X i + β3 ( X i − X ) Z i + ui * Y: Chi phí; X: sản lượng; X*: giá trị ngưỡng sản lượng  1 : X i > X * Z1i =   0 : X i ≤ X * 17
Y X* X 18
Trong đó tổng SL làm thay đổi độ dốc (X*) là 5500 t ấn CP 256 414 634 778 1003 SL 1000 2000 3000 4000 5000 CP 1839 2081 2423 2734 2914 SL 6000 7000 8000 9000 10000 Ta có kết quả hồi quy như sau: Yi = − 145,717 + 0,279 X i + 0,095( X i − X ) Z i + ei * t = (-0,824) (6,607) (1,145) R2 = 0,9737 X* = 5500 19
Lưu ý: Nếu biến phụ thuộc là biến giả: Nếu ta có một biến phụ thuộc là biến giả tức là biến chỉ nhận hai giá trị 0 và 1. Chúng ta không th ể sử dụng phương pháp bình phương bé nhất (OLS) để ước lượng hàm hồi quy mà phải dùng các phương pháp khác để ước lượng như: -Mô hình xác suất tuyến tính (LPM) -Mô hình Logit (Logit model) -Mô hình Probit (Probit model) -Mô hình Tobit (Tobit model) 20