Đăng nhập / Đăng ký
- Trang chủ
- Thành viên
- Trợ giúp
- Web khác
- Trao đổi - thảo luận
- Thành phố nào nhiều tỷ phú nhất thế giới?
Đăng nhập
Tên truy nhập Mật khẩu Ghi nhớ Quên mật khẩu ĐK thành viên
Thông tin
- Giới thiệu bản thân
- Thành tích
- Chia sẻ kinh nghiệm
- Lưu giữ kỉ niệm
- Hình ảnh hoạt động
- Soạn bài trực tuyến
Tài nguyên dạy học
Các ý kiến mới nhất
43398. download cong trinh nghien cuu filetype:pdf 43399. download cong... 46993. download cong trinh nghien cuu filetype:pdf free 47145. download... 46772. download cong trinh nghien cuu filetype:pdf free 46773. download... tốt... Hỗ trợ trực tuyến
Điều tra ý kiến
Bạn thấy trang này như thế nào? Đẹp Đơn điệu Bình thường Ý kiến khác
Thống kê
147891 truy cập (chi tiết) 34 trong hôm nay 376781 lượt xem 50 trong hôm nay 25 thành viên Ảnh ngẫu nhiên
Thành viên trực tuyến
1 khách và 0 thành viên
Sắp xếp dữ liệu
Mới nhất Tải nhiều nhất Đưa bài giảng lên Gốc > Bài giảng > Kinh tế lượng >
- Chương 5: Đa cộng tuyến
- Cùng tác giả
- Lịch sử tải về
Chương 5: Đa cộng tuyến 
Nhấn vào đây để tải về Báo tài liệu có sai sót Nhắn tin cho tác giả Nguồn: Người gửi: Phan Thế Công (trang riêng) Ngày gửi: 11h:52' 08-04-2012 Dung lượng: 2.1 MB Số lượt tải: 109 Số lượt thích: 0 người Chương 5: Đa cộng tuyếnBản chất của đa cộng tuyến Ước lượng trong trường hợp có đa cộng tuyến Hậu quả của đa cộng tuyến Phát hiện đa cộng tuyến Các biện pháp khắc phụcBản chất của đa cộng tuyến Đa cộng tuyến là gì ?Ragnar Frisch: Đa cộng tuyến có nghĩa là sự tồn tại mối quan hệ tuyến tính “hoàn hảo” hoặc chính xác giữa một số hoặc tất cả các biến giải thích trong một mô hình hồi qui.Xét hàm hồi qui tuyến tính k-1 biến độc lập: Yi = 1 + 2X2i + 3X3i + … + kXki + Ui Nếu tồn tại các số 2, 3, …… k sao cho: 2X2i + 3X3i + …… + kXki = 0Với i ( i = 2, 3, k…) không đồng thời bằng không thì giữa các biến Xi (i = 2, 3, …k) xảy ra hiện tượng đa cộng tuyến hoàn hảo. Nói cách khác là xảy ra trường hợp một biến giải thích nào đó được biểu diễn dưới dạng một tổ hợp tuyến tính của các biến còn lại. Nếu 2X2i + 3X3i + …… + kXki + vi = 0, Với vi là sai số ngẫu nhiên thì ta có hiện tượng đa cộng tuyến không hoàn hảo giữa các biến giải thích. Nói cách khác là một biến giải thích nào đó có tương quan với một số biến giải thích khác. Ví dụX3i = 5X2i, vì vậy có cộng tuyến hoàn hảo giữa X2 và X3 ; r23 = 1 X2 và X3* không có cộng tuyến hoàn hảo, nhưng hai biến này có tương quan chặt chẽ. Lưu ýGiả định về sự đa cộng tuyến liên quan đến mối quan hệ tuyến tính giữa các biến Xi, và không đề cập đến các mối quan hệ phi tuyến tính.Xem xét mô hình: Yi = 0 + 1Xi + 2Xi2 + 3Xi3 + ui,Rõ ràng Xi2 và Xi3 có mối quan hệ hàm số với Xi nhưng phi tuyến tính nên không vi phạm giả định về đa cộng tuyến.Minh họa bằng hình ảnhƯớc lượng trong trường hợp có đa cộng tuyến 1. Trường hợp có đa cộng tuyến hoàn hảoTrường hợp đa cộng tuyến hoàn hảo, các hệ số hồi qui không xác định và các sai số chuẩn của chúng là vô hạn. Xét mô hình hồi qui 3 biến dưới dạng sau: Yi = 2 X2i + 3 X3i + ei giả sử X3i = X2i , mô hình trên có thể được biến đổi thành: Yi = (2+ 3)X2i + ei = 0 X2i + ei Chúng ta có thể ước lượng được 0 nhưng không thể tách riêng được 2 và 3Như vậy, trong trường hợp đa cộng tuyến hoàn hảo, không thể có lời giải duy nhất cho các hệ số hồi qui riêng, i. Trong trường hợp đa cộng tuyến hoàn hảo, phương sai và sai số chuẩn của 2 và 3 là vô hạn. Ước lượng của 2 trong hàm hồi quy 3 biến như sau:Giả sử X3i = X2i:Các hệ số ước lượng không xác định: chúng ta không tách rời tác động của từng biến Xi lên Y do không thể giả định X2 thay đổi trong khi X3 không đổi.Ước lượng trong trường hợp có đa cộng tuyến 2. Trường hợp có đa cộng tuyến không hoàn hảoĐa cộng tuyến hoàn hảo thường không xảy ra trong thực tế.Xét mô hình hồi qui 3 biến dưới dạng sau: yi = 2 x2i + 3 x3i + ei Giả định x3i = x2i + vi Với 0 và vi là sai số ngẫu nhiên. Trong trường hợp này, các hệ số hồi qui 2 và 3 có thể ước lượng được:Ước lượng trong trường hợp đa cộng tuyến không hoàn hảoTa có thể ước lượng được các này nhưng s.e. sẽ rất lớn.Hậu quả của đa cộng tuyếnNếu có cộng tuyến gần hoàn hảo:Các ước lượng vẫn BLUE, nhưng:Phương sai và hiệp phương sai của các ước lượng OLS lớn. r23 là hệ số tương quan giữa X2 và X3.Khi r23 1, các giá trị trên Hậu quả của đa cộng tuyếnNếu có cộng tuyến gần hoàn hảo:Khoảng tin cậy rộng hơn. khoảng tin cậy của 2 và 3 (với độ tin cậy 1 – ) là: 2 = t /2 se ( ); 3 = t /2 se ( );trong đó: se ( ) = se ( ) = Hậu quả của đa cộng tuyếnNếu có cộng tuyến gần hoàn hảo:Tỉ số t "không có ý nghĩa". khi kiểm định giả thuyết H0: 2 = 0, chúng ta sử dụng tỷ số t. và so sánh giá trị ước lượng của t với giá trị tra bảng (tới hạn) của t. Trong trường hợp cộng tuyến cao thì sai số chuẩn sẽ rất lớn và do đó làm cho giá trị t sẽ nhỏ đi, kết quả là sẽ làm tăng chấp nhận giả thuyết H0. Hậu quả của đa cộng tuyếnNếu có cộng tuyến gần hoàn hảo:R2 cao nhưng tỉ số t ít có ý nghĩa. Đa cộng tuyến cao: - một hoặc một số tham số tương quan (hệ số góc riêng) không có ý nghĩa về mặt thống kê - R2 trong những trường hợp này lại rất cao (trên 0,9). - kiểm định F thì có thể bác bỏ giả thuyết cho rằng 2 = 3 = … = k = 0. Hậu quả của đa cộng tuyếnNếu có cộng tuyến gần hoàn hảo:Các ước lượng OLS và sai số chuẩn của chúng trở nên rất nhạy với những thay đổi nhỏ trong dữ liệu. Dấu của các ước lượng của các hệ số hồi qui có thể saiThêm vào hay bớt đi các biến cộng tuyến với các biến khác, mô hình sẽ thay đổi về dấu hoặc thay đổi về độ lớn của các ước lượng. Ví dụ: hậu quả của đa cộng tuyếnXét 2 mẫu sau:Ví dụ: hậu quả của đa cộng tuyếnPhương trình hồi quy của từng mẫu:Phát hiện đa cộng tuyến1. Hệ số R2 lớn nhưng tỷ số t nhỏ2. Tương quan cặp giữa các biến giải thích cao3. Sử dụng mô hình hồi qui phụ 4. Sử dụng yếu tố phóng đại phương sai (VIF)Hệ số R2 lớn nhưng tỷ số t nhỏĐây là triệu chứng “kinh điển” của đa cộng tuyến,Nếu R2 cao, chẳng hạn, >0,8 và F test bác bỏ giả thuyết 2 = 3 = … = k = 0, nhưng t test cho từng i lại chấp nhận H0.2. Tương quan giữa các cặp biến giải thích caoStata: corr my anh nhat duc phap | my anh nhat duc phap-----+--------------------------------------------- my | 1.0000 anh | 0.8121 1.0000nhat | 0.4515 0.5235 1.0000 duc | 0.2168 0.1510 0.2436 1.0000phap | 0.9244 0.8933 0.6042 0.1739 1.0000Nếu tương quan cặp giữa các biến giải thích cao (lớn hơn 0, 8) thì có thể xảy ra hiện tượng đa cộng tuyến. 3. Sử dụng mô hình hồi qui phụ Hồi qui một biến giải thích X nào đó theo các biến còn lại. Tính R2 và F cho mỗi mô hình theo công thức: Kiểm định giả thuyết H0: R2 = 0, tức giả thuyết biến X tương ứng không tương quan tuyến tính với các biến còn lại. Nếu giả thuyết H0 được chấp nhận, thì không có cộng tuyến. 4. Sử dụng nhân tố phóng đại phương sai (VIF) Đối với hàm hồi qui có hai biến giải thích X2 và X3, VIF được định nghĩa như sau: Khi có đa cộng tuyến. Khi r23 = 1 thì VIF tiến đến vô hạn. Nếu không có cộng tuyến giữa X2 và X3 thì VIF bằng 1.Kinh nghiệm: nếu VIF của 1 biến vượt quá 10 (điều này xảy ra nếu Rj2 > 0,9) thì biến này được coi là có cộng tuyến cao. Các biện pháp khắc phục1. Sử dụng thông tin tiên nghiệm: Dựa vào kinh nghiệm khi làm việc với các mô hìnhVí dụ hàm sản xuất Cobb-Douglas: (5.17) Qt là sản lượng sản phẩm được sản xuất ở thời kỳ t Lt là lao động ở thời kỳ t; Kt là vốn ở thời kỳ t; Ut là sai số ngẫu nhiên A, , là các tham số chúng ta cần ước lượngLấy Lôgarit tự nhiên (5.17): lnQt = ln A + ln Lt + ln Kt + UtĐặt ẩn số ta được:Giả sử K và L có tương quan rất cao, điều này dẫn đến phương sai của các ước lượng sẽ lớn. Giả sử, từ một nguồn thông tin nào đó, ta biết được hàm sản xuất mà ta đang xét thuộc ngành có kỳ vọng sinh lợi không đổi theo qui mô, nghĩa là + = 1. thay = 1 - , ta được:Như vậy, thông tin tiên nghiệm đã giúp chúng ta giảm số biến độc lập của mô hình xuống chỉ còn một biến. Các biện pháp khắc phục2. Loại trừ biến giải thích ra khỏi mô hình, định lại dạng mô hình:Bước 1: Xem cặp biến giải thích nào có quan hệ chặt chẽ. Giả sử X2, X3…Xk là các biến độc lập, Y là biến phụ thuộc và X2, X3 có tương quan chặt chẽ với nhau. Bước 2: Tính R2 đối với các hàm hồi qui: có mặt cả hai biến; không có mặt một trong hai biến. Bước 3: Ta loại biến mà giá trị R2 tính được khi không có mặt biến đó là lớn hơn. Các biện pháp khắc phục3. Thu thập thêm số liệu hoặc lấy mẫu mới4. Sử dụng sai phân cấp mộtVí dụ từ hàm hồi qui: yt = 1 + 1x1t + 2x2t + ut, ta suy ra yt-1 = 1 + 1x1,t-1 + 2x2,t-1 + ut-1, Trừ hai vế cho nhau, ta được: yt – yt – 1 = 1(x1,t – x1,t – 1) + 2(x2,t – x2,t – 1) + (ut – ut – 1) Hay: yt = 1 x1,t + 2 x2,t + et,Mặc dù, x1 và x2 có quan hệ tuyến tính, nhưng không có nghĩa sai phân của chúng cũng như vậy. Các biện pháp khắc phục5. Giảm tương quan trong hàm hồi qui đa thức. Trong thực hành, để giảm tương quan trong hồi qui đa thức, người ta thường sử dụng dạng độ lệch (lệch so với giá trị trung bình). Nếu sử dụng dạng độ lệch mà không giảm đa cộng tuyến thì người ta có thể phải xem xét đến kỹ thuật “đa thức trực giao”. Các biện pháp khắc phục6. Một số biện pháp khắc phục khác. Hồi qui thành phần chính; hồi qui dạng sóng ↓ ↓
Gửi ý kiến Bản quyền PGS. Phan Thế Công
Website được thừa kế từ Violet.vn, người quản trị: Phan Thế Công
