Bài giảng Kinh tế lượng - Unit 5

Một số lưu ý khi sử dụng biến giả Nếu biến giả có m phạm trù thì chỉ đưa ra (m-1) biến giả (để tránh đa cộng tuyến hoàn hảo). Trong việc giải thích kết quả của mô hình sử dụng biến giả, điều then chốt là phải biết được giá trị 1 & 0 được gắn như thế nào. Phạm trù được gắn cho giá trị 0 thường được gọi là phạm trù cơ sở, mốc, kiểm soát, so sánh, tham chiếu hay loại bỏ. Nó là cơ sở xét trên khía cạnh là ta thực hiện các so sánh với phạm trù đó. Hệ số gắn với biến giả có thể được gọi là hệ số tung độ gốc chênh lệch do nó cho biết giá trị của tung độ gốc của phạm trù nhận giá trị 1 khác giá trị tung độ của phạm trù cơ sở là bao nhiêu

ppt34 trang | Chia sẻ: truongthinh92 | Ngày: 28/07/2016 | Lượt xem: 683 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Bài giảng Kinh tế lượng - Unit 5, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
TẠI SAO PHẢI NGHIÊN CỨU MÔ HÌNH HỒI QUY ĐA BIẾN?HỒI QUY ĐA BIẾN (Multiple Regression)Các giả thiết: Các đặc trưng của mô hình được biểu diễn bởi phương trình (7.1)Các biến X không ngẫu nhiên, không có quan hệ tuyến tính giữa 2 hay nhiều biến độc lập.iii.a. Số hạng sai số có kỳ vọng bằng không và phương sai không đổi với tất cả các quan sát.iii.b. Các sai số tương ứng với các quan sát khác nhau là độc lập.iii.c. Biến sai số có phân phối chuẩn.MÔ HÌNH HỒI QUY BA BIẾNƯớc lượng các tham số hồi quy:Ước lượng các tham số hồi quy:Ước lượng các tham số hồi quy:Ví dụ: Y: Bushels per acre of corn; X1: Fertilizer; X2: InsecticidesKIỂM ĐỊNH F, R2 VÀ R2 HIỆU CHỈNH TSS = ESS + RSS Hệ số xác định đo lường tỷ lệ biến động của Y được “giải thích” bởi hàm hồi qui bội. Hệ số xác định:Các phương sai mẫu của ε và y được tính: Hệ số hiệu chỉnh:Mối quan hệ giữa hệ số xác định và hệ số điều chỉnh: i. Nếu k =1, thì R2 = ii. Nếu k >1, thì R2 >= iii. có thể âm.KIỂM ĐỊNH TỪNG PHẦNKiểm định hệ số Kiểm định hệ số Ước lượng khoảng tin cậyKiểm định toàn phầnMối quan hệ giữa hệ số xác định và F:Giải thích phương trình HQKhi thêm biến mới vào mô hìnhq: Số biến độc lập mới được đưa thêm vào mô hìnhk: Số các thông số trong mô hình mớiRestricted (R): Mô hình gốc, Unrestricted (UR): Mô hình mở rộngNếu 2 mô hình có cùng biến phụ thuộc có thể sử dụng công thức:Lưu ý: 1. Khi đưa thêm 01 biến mới vào thì dùng kiểm định t cho thông số của biến mới.2. Khi thêm một nhóm biến mới vào thì ta dùng kiểm định F cho tất cả các tham số của biến thêm vào.HÀM SẢN XUẤT COBB DOUGLASY: Sản lượngX2: nhập lượng về lao độngX3: nhập lượng về vốnεi: số hạng ngẫu nhiêne: cơ số logarit tự nhiênĐặc tính của hàm Cobb Douglasβ2 là độ co dãn (riêng phần) của sản lượng so với nhập lượng lao động, giữ cho nhập lượng vốn không đổi.β 3 là độ co dãn (riêng phần) của sản lượng so với nhập lượng vốn, giữ cho nhập lượng lao động không đổi.Tổng của β2 và β3 cho ta thông tin về sinh lợi theo quy môΒ2 + β3=1 thì không có sinh lợi cố định theo quy mô, có nghĩa là tăng gấp hai lần nhập lượng sẽ làm tăng sản lượng lên gấp hai lần, tăng nhập lượng lên 3 lần sẽ tăng sản lượng lên 3 lần...β2 + β3 1 thì sinh lợi tăng dần theo quy môVí dụ: Tổng sản lượng thực (triệu đôla mới của ĐL), ngày lao động (triệu ngày) và nhập lượng vốn (Triệu đôla mới ĐL) trong khu vực nông nghiệp của Đài Loan, 1958-1972 Năm Y X2 X31958 16,607.70 275.50 17,803.70 1959 17,511.30 274.40 18,096.80 1960 20,171.20 269.70 19,271.80 1961 20,932.90 267.00 19,167.30 1962 20,406.00 267.80 19,647.60 1963 20,831.60 275.00 20,803.50 1964 24,806.30 283.00 22,076.60 1965 26,465.50 300.70 23,445.20 1966 27,403.00 304.50 24,939.00 1967 28,628.70 303.70 26,713.70 1968 29,904.50 304.70 29,957.80 1969 27,508.20 298.60 31,585.90 1970 29,035.50 295.50 33,474.50 1971 29,281.50 299.00 34,821.80 1972 31,535.80 288.10 41,794.30 KẾT QUẢ XỬ LÝ TRÊN EXCELSUMMARY OUTPUTRegression StatisticsMultiple R0.94442475R Square0.891938109Adjusted R Square0.873927794Standard Error0.073823215Observations15KẾT QUẢ XỬ LÝ TRÊN EXCELANOVA dfSSMSFSignificance FRegression20.5397960.26989849.52341.59E-06Residual120.0653980.00545Total140.605194    CoefficientsStandard Errort StatP-valueLower 95%Upper 95%Intercept-3.695292.469172-1.4960.160-9.0751.684X21.559300.545182.8600.0140.3712.747X30.491190.102744.7800.0000.2670.715Nhận xét:Trong gia đoạn được xem xét này, giữ nhập lượng vốn không đổi, gia tăng 1 % trong lao động dẫn đến trung bình vào khoảng 1,5 % gia tăng trong sản lượng.Tương tự như vậy giữ nhập lượng lao động không đổi, gia tăng 1% trong vốn dẫn đến trung bình vào 0,5% gia tăng trong sản lượngMô hình hồi quy với một biến định tính (một biến giả).Mô hình hồi quy theo một biến định lượng và một biến định tính.Mô hình hồi quy theo một biến định lượng và hai biến định tính.Cách sử dụng biến giả trong phân tích mùa vụ.Tương tác trong hồi quy biến giả.Mô hình hồi quy biến giả (Dummy Variable)Mô hình hồi quy với một biến định tính (biến giả)Y: là biến phụ thuộcD: Là biến giả chỉ nhận hai giá trị 1 và 0Hàm bậc thangHQ theo 1 biến đ.lượng và 1 biến đ.tínhBiến giả có 2 phạm trù:HQ theo 1 biến đ.lượng và 1 biến đ.tínhBiến giả có 3 phạm trù:HQ theo 1 biến Đ.lượng và 2 biến Đ.tínhTrong hai biến định tính: - Biến thứ nhất có 2 phạm trù (only one dummy variable)- Biến thứ hai có 3 phạm trù (Two dummy variables) Các hồi quy chỉ khác nhau về tung độ gốc, nhưng có cùng hệ số gốc là β5. Ước lượng OLS cho phép ta kiểm định giả thuyết: - Thêm vào 1 biến thì dùng kiểm định t - Thêm vào 1 nhóm biến thì dùng kiểm định F Ta có thể mở rộng mô hình cho trường hợp nhiều biế định lượng, nhiều biến định tính.Biến giả trong phân tích mùa vụGiả sử ta muốn thực hiện hồi quy về hoa hồng tại một thành phố CT theo giá cả của hoa hồng trong các giai đoạn theo quí từ năm 2002 đến năm 2006. Xem xét số liệu cho thấy trong năm nhu cầu về hòa hồng đều cao nhất vào quí 1, có lẽ quí 1 có tác động mùa. Vì vậy nhà nghiên cứu đề nghị mô hình:Một năm có 4 quí, vì vậy biến mùa có 4 phạm trù, nên ta dùng 3 biến giả, phạm trù cơ sở là quí 1.Tương tác trong HQ biến giả Người ta thấy rằng dễ dàng kiếm sống bằng nhiều việc nếu sống ở Miên Nam, hay nói cách khác là có ảnh hưởng tương tác, sự khác biệt giữa người sống tại MN và người sống ở Miền khác lên thu nhập. Do đó ta có mô hình để đo lường sự ảnh hưởng đó:Để kiểm định sự tương tác có ý nghĩa không về mặt thống kê ta dùng kiểm định t.Một số lưu ý khi sử dụng biến giảNếu biến giả có m phạm trù thì chỉ đưa ra (m-1) biến giả (để tránh đa cộng tuyến hoàn hảo).Trong việc giải thích kết quả của mô hình sử dụng biến giả, điều then chốt là phải biết được giá trị 1 & 0 được gắn như thế nào.Phạm trù được gắn cho giá trị 0 thường được gọi là phạm trù cơ sở, mốc, kiểm soát, so sánh, tham chiếu hay loại bỏ. Nó là cơ sở xét trên khía cạnh là ta thực hiện các so sánh với phạm trù đó. Hệ số gắn với biến giả có thể được gọi là hệ số tung độ gốc chênh lệch do nó cho biết giá trị của tung độ gốc của phạm trù nhận giá trị 1 khác giá trị tung độ của phạm trù cơ sở là bao nhiêu

Các file đính kèm theo tài liệu này:

  • pptkinhteluong_doanhoainhan_unit_5_multiple_regression_4696.ppt