Bài 3: Đa cộng tuyến, Phương sai thay đồi và Tự tương quan
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (362.66 KB, 18 trang )
<span class='text_page_counter'>(1)</span><div class='page_container' data-page=1>
ĐA CỘNG TUYẾN,
PHƯƠNG SAI THAY ĐỔI
VÀ
</div>
<span class='text_page_counter'>(2)</span><div class='page_container' data-page=2>
ĐA CỘNG TUYẾN
1. ĐA CỘNG TUYẾN LÀ GÌ
</div>
<span class='text_page_counter'>(3)</span><div class='page_container' data-page=3>
1. ĐA CỘNG TUYẾN LÀ GÌ
<i>Với Y=β<sub>0</sub>+β<sub>1</sub>X<sub>1</sub>+β<sub>2</sub>X<sub>2</sub>+…+β<sub>k</sub>X<sub>k+u</sub></i> ta có:
<i>Xi=γ<sub>1</sub>X<sub>1</sub>+γ<sub>2</sub>X<sub>2</sub>+…+γ<sub>k</sub>X<sub>k </sub></i>
à Đa cộng tuyến hoàn hảo
<i>Xi=γ<sub>1</sub>X<sub>1</sub>+γ<sub>2</sub>X<sub>2</sub>+…+γ<sub>k</sub>X<sub>k</sub>+w </i>
</div>
<span class='text_page_counter'>(4)</span><div class='page_container' data-page=4>
2. NGUYÊN NHÂN VÀ HỆ QUẢ
<b>NGUYÊN NHÂN </b> <b>HỆ QUẢ </b>
- Phương thức thu thập dữ liệu
- Các ràng buộc có sẵn
- Dạng mơ hình
- Mơ hình thừa biến
- Ước lượng vẫn BLUE
- Sai số lớn hơn à khó bác bỏ H<sub>0 </sub>
- t-statistic nhỏ nhưng R2 <sub>lớn </sub>
</div>
<span class='text_page_counter'>(5)</span><div class='page_container' data-page=5>
3. KIỂM ĐỊNH ĐA CỘNG TUYẾN
• Ma trận tương quan
</div>
<span class='text_page_counter'>(6)</span><div class='page_container' data-page=6>
4. XỬ LÝ ĐA CỘNG TUYẾN
• Vấn đề mẫu nhỏ
</div>
<span class='text_page_counter'>(7)</span><div class='page_container' data-page=7>
PHƯƠNG SAI THAY ĐỔI
1. PHƯƠNG SAI THAY ĐỔI LÀ GÌ
2. NGUYÊN NHÂN VÀ HỆ QUẢ
</div>
<span class='text_page_counter'>(8)</span><div class='page_container' data-page=8></div>
<span class='text_page_counter'>(9)</span><div class='page_container' data-page=9>
2. NGUYÊN NHÂN
• Error – Learning model
• Các quan hệ tiết kiệm – thu nhập, quy mô –
thu nhập, …
• Phương pháp thu thập dữ liệu
• Outlier
• Thiếu biến quan trọng
</div>
<span class='text_page_counter'>(10)</span><div class='page_container' data-page=10>
2. … VÀ HỆ QUẢ
• Ước lượng β khơng bị chệch
• Ước lượng σ2<sub> của OLS bị chệch à ước lượng </sub>
σ2
β bị ảnh hưởng
• Các kiểm định dựa trên σ2 <sub>như t-test và F-test </sub>
khơng cịn đáng tin cậy
</div>
<span class='text_page_counter'>(11)</span><div class='page_container' data-page=11>
3. KIỂM ĐỊNH PHƯƠNG SAI THAY ĐỔI
• Đồ thị (khơng chính thức)
<i>• Park test: lnσ2<sub>=α+βlnX+ε </sub></i>
<i>• Glejser test: |u<sub>i</sub>|=α+βX+ε </i>
<i>• Breus-Pagan test: σ2<sub>=α+βX+ε </sub></i>
• White test: <i>σ2<sub>=α+β</sub></i>
</div>
<span class='text_page_counter'>(12)</span><div class='page_container' data-page=12>
4. XỬ LÝ PHƯƠNG SAI THAY ĐỔI
• Dạng hàm logarithm
</div>
<span class='text_page_counter'>(13)</span><div class='page_container' data-page=13>
TỰ TƯƠNG QUAN
1. TỰ TƯƠNG QUAN LÀ GÌ
</div>
<span class='text_page_counter'>(14)</span><div class='page_container' data-page=14>
1. TỰ TƯƠNG QUAN LÀ GÌ
</div>
<span class='text_page_counter'>(15)</span><div class='page_container' data-page=15>
2. NGUN NHÂN …
• Tính trì trệ của chuỗi dự liệu
• Bỏ sót biến quan trọng
• Dạng mơ hình khơng đúng
</div>
<span class='text_page_counter'>(16)</span><div class='page_container' data-page=16>
2. … VÀ HỆ QUẢ
• Ước lượng β của OLS khơng bị chệch
• Ước lượng σ2<sub> của OLS bị chệch à ước lượng </sub>
σ2
β bị ảnh hưởng
• σ2<sub> thường bị ước lượng thấp à R</sub>2<sub> thường bị </sub>
ước lượng cao
• Các kiểm định dựa trên σ2 <sub>như t-test và F-test </sub>
</div>
<span class='text_page_counter'>(17)</span><div class='page_container' data-page=17>
3. KIỂM ĐỊNH TỰ TƯƠNG QUAN
• Đồ thị (khơng chính thức)
• Durbin Watson d-test (chú ý các giả định):
</div>
<span class='text_page_counter'>(18)</span><div class='page_container' data-page=18>
4. XỬ LÝ TỰ TƯƠNG QUAN
• FGLS: cách xác định ρ:
– Sai phân bậc 1 nếu ρ=1 (khi d<R2<sub>) (khơng có hằng </sub>
số)
– ρ=1-d/2
– Hồi quy phần dư và biến trễ của nó
– Phương pháp lặp Cochrane-Orcutt và Hildreth-Lu
</div>
<!--links-->
