01-Apr-15
Huynh Tan Nguyen
Mô hình hồi qui bội
1. Mô hình :
Mô hình hồi qui tuyến tính k biến (PRF) :
E(Y/X2i,…,Xki) = 1+ 2X2i +…+ kXki
Yi = 1+ 2X2i + …+ kXki + Ui
Trong đó :
Y - biến phụ thuộc
X2,…,Xk - các biến độc lập
1 là hệ số tự do
j là các hệ số hồi qui riêng,
j cho biết khi Xj tăng 1 đvị thì trung bình
của Y sẽ thay đổi j đvị trong trường
hợp các yếu tố khác không đổi
(j=2,…,k).
Khi k = 3 thì ta có mô hình hồi qui tuyến
tính ba biến :
E(Y/X2, X3) = 1+ 2X2 + 3X3 (PRF)
Yi = 1+ 2X2i + 3X3i + Ui
2. Các giả thiết của mô hình
• Giả thiết 1: Các biến độc lập phi ngẫu
nhiên, giá trị được xác định trước.
• Giả thiết 2 :
E(Ui) = 0
i
2
• Giả thiết 3 :
Var(Ui) =
i
• Giả thiết 4 :
Cov(Ui, Uj) = 0 i j
• Giả thiết 5 :
Cov(Xi, Ui) = 0 i
• Giả thiết 6 :
Ui ~ N (0, 2) i
• Giả thiết 7 : Không có hiện tượng cộng
tuyến giữa các biến độc lập.
1
01-Apr-15
3. Ước lượng các tham số
a. Mô hình hồi qui ba biến :
Yi = 1+ 2X2i + 3X3i + Ui
(PRF)
Hàm hồi qui mẫu :
ˆ ˆ
ˆ
ˆ
Yi Yi ei β1 β 2X2i β 3X3i ei
Giả sử có một mẫu gồm n quan sát các giá
trị (Yi, X2i, X3i). Theo phương pháp OLS,
ˆ
β j (j= 1,2,3) phải thoả mãn :
e
2
i
min
Tức là :
ei2
ˆ 0
ˆ ˆ
ˆ
1
2(Yi 1 2 X 2i 3 X 3i )(1) 0
e2
i
ˆ ˆ
ˆ
ˆ 0 2(Yi 1 2 X 2i 3 X 3i )( X 2i ) 0
2
ˆ ˆ
ˆ
2(Yi 1 2 X 2i 3 X 3i )( X 3i ) 0
e2
i 0
ˆ
3
ˆ ˆ
ˆ
Do ei Yi β1 β 2X2i β 3X3i
Giải hệ ta có :
x y x x x x
x x ( x x )
x y x x x x
x x ( x x )
ˆ
β2
ˆ
β3
2
3i
2i i
2
2i
2i 3i
2
3i
2
2i
3i i
2
2i
2
2i 3i
2i 3i
2
3i
y
3i i
y
2i i
2
2i 3i
ˆ
ˆ
ˆ
β1 Y β 2 X 2 β 3 X 3
2
01-Apr-15
* Phương sai của các hệ số ước lượng
2
1
X2x 3i X3x 2i σ 2
ˆ
Var( β1 )
2
2
2
n x 2i x 3i ( x 2i x 3i )
2
x 3i
ˆ
Var( β 2 )
σ 2
2
2
2
x 2i x 3i ( x 2i x 3i )
ˆ
Var( β 3 )
x x
2
2i
x
2
3i
2
2i
( x 2i x 3i )
2
σ 2
Trong đó : 2 = Var(Ui)
2 chưa biết nên dùng ước lượng của nó là :
ˆ
σ2
e
2
i
n3
Với :
e
2
i
ˆ
ˆ
TSS ESS y i2 β 2 x 2i y i β 3 x 3i y i
b. Mô hình hồi qui tuyến tính k biến
Yi = 1+ 2X2i + …+ kXki+ Ui (PRF)
(i = 1,…, n)
Hàm hồi qui mẫu :
ˆ ˆ
ˆ
ˆ
Yi Yi ei β1 β 2 X 2i ... β k Xki ei
Theo phương pháp OLS,
ˆ
β j (j= 1,2,…,k) phải thoả mãn :
e
2
i
min
3
01-Apr-15
Tức là :
ei2
ˆ 0
2(Yi βˆ1 βˆ2X2i ... βˆk Xki )(1) 0
β1
e2
ˆ ˆ
ˆ
2( Y β β X ... β k Xki )( Xki ) 0
i 0 i 1 2 2i
ˆ
β k
ˆ
Viết hệ dưới dạng ma trận : X T X β X T Y
ˆ
β XT X
ˆ
β1
ˆ
ˆ β
β 2
ˆ
β k
n
X 2i
T
X X
X ki
X Y
1
T
Yi
X2iYi
XT Y
X ki Yi
X
X
2i
2
2i
Xki X2i
X
X X
3i
...
2i 3i
...
X
X X
2i ki
2
Xki
ki
Xki X3i ...
4. Hệ số xác định
R2
e
2
i
ESS
RSS
1
1
TSS
TSS
e
y
2
i
2
i
RSS TSS ESS
ˆ
ˆ
y i2 β 2 x 2i y i ... β k x ki y i
* Chú ý : Khi tăng số biến độc lập trong
mô hình thì R2 cũng tăng cho dù các
biến độc lập thêm vào có ảnh hưởng mô
hình hay không . Do đó không thể dùng
R2 để quyết định có hay không nên thêm
4
01-Apr-15
biến vào mô hình mà thay vào đó có thể sử
dụng hệ số xác định được hiệu chỉnh :
R2 1
Hay:
e /(n k )
y i2 /(n 1)
2
i
R 2 1 (1 R 2 )
n 1
nk
Tính chất của R 2 :
- Khi k > 1, R 2 R 2 1
- R 2 có thể âm, trong trường hợp âm, ta coi
giá trị của nó bằng 0.
* Cách sử dụng R 2 để quyết định đưa
thêm biến vào mô hình :
Mô hình ba biến
Mô hình hai biến
ˆ ˆ
ˆ
Yi β1 β 2 X 2i (1)
ˆ
ˆ ˆ ˆ
Yi β1 β 2 X2i β 3 X3i (2)
2
R1
R2
2
2
R2
2
R1
2
2
- Nếu R1 R2 thì chọn mô hình (1) ,
tức là không cần đưa thêm biến X3 vào
mô hình. Ngược lại, ta chọn mô hình (2).
5. Ma trận tương quan
ˆ ˆ
ˆ
ˆ
Xét mô hình : Yi β1 β 2 X 2i ... β k Xki
Gọi rtj là hệ số tương quan tuyến tính
giữa biến thứ t và thứ j. Trong đó Y
được xem là biến thứ 1.
Ma trận tương quan tuyến tính có dạng :
1
r
21
...
rk1
r12
1
rk 2
... r1k
... r2k
...
... 1
5
nguon tai.lieu . vn