Slide bài giảng kinh tế lượng

Mô hình hồi quy tuyến tính 2 biến (mô hình hồi quy đơn – Simple regression model) gồm:  Biến phụ thuộc (biến được giải thích): Y  Biến độc lập (biến giải thích): X  Hệ số hồi quy: β1 và β2  Hệ số chặn: β1  Hệ số góc: β2  Sai số ngẫu nhiên: u, u chứa những biến có tác động đến Y mà không phải X

BÀI GIẢNG

KINH TẾ LƯỢNG

Liên hệ

- Điện thọai: 0969 488 488

- Email: hant_tkt@buh.edu.vn

CÁCH ĐÁNH GIÁ ĐIỂM MÔN HỌC

- Trả lời câu hỏi hoặc làm bài tập đúng.

* Thi cuối kì: Làm bài thi cá nhân dưới hình thức tự

luận, không sử dụng tài liệu, được đem bảng tra

thống kê.

30% (thang điểm 10)

1đ 9đ 30%

Cộng 0,5đ/lần vào điểm KT giữa kì

70% (thang điểm 10)

70%

TÀI LIỆU THAM KHẢO

1 Nguyễn Quang Dong – Nguyễn Thị Minh, “Kinh tế

4 Nguyễn Văn Tùng, “Thực hành Kinh tế lượng cơ

bản với Eviews”, NXB Kinh tế TP.HCM, 2014

NỘI DUNG MÔN HỌC

Chương

Mô hình hồi quy và PP OLS Suy diễn TK và dự báo từ MHHQ

CHƯƠNG 1: NHẬP MÔN KINH TẾ LƯỢNG

1936

1950

Hiện nay

Hà Lan mô hình kinh tế lượng đầu tiên

Lawrance Klein đưa ra một số mô hình kinh tế lượng cho nước Mỹ

Kinh tế lượng được phát triển trên toàn thế giới

LỊCH SỬ KINH TẾ LƯỢNG

Jan Tinbergen Ragnar Frisch (1969)

Lawrence Klein (1980)

Trygve Haavelmo (1989)

Robert Engle Clive Granger (2003)

Daniel McFadden

James Heckman (2000)

Nobel

KINH TẾ LƯỢNG LÀ GÌ

Kinh tếlượng

Kiểm

SỐ LIỆU TRONG KINH TẾ LƯỢNG

Năm 2001 2002 2003 2004 2005

Chỉ số giá tiêu dùng

VN

101,54 103,72 103,97 109,28 108,77

? Các bảng số liệu sau thuộc loại số liệu nào?

Dân số (nghìn người) Năm 2009

SỐ LIỆU TRONG KINH TẾ LƯỢNG

Dữ liệu

Định tính: thuộc tính, đặc trưng, trạng thái

Định lượng: số

Số liệu

Thứ cấp: đã được xử lý

Sơ cấp: chưa qua xử lý

SỐ LIỆU TRONG KINH TẾ LƯỢNG

Nguồn số

liệu

Thực nghiệm

Phi thực nghiệm

CHƯƠNG 2: MÔ HÌNH HỒI QUY VÀ PHƯƠNG PHÁP OLS

Mô hình hồi quy 2 biến và PP OLS

1

Mô hình hồi quy bội và PP OLS

2

BÀI 1: MÔ HÌNH HỒI QUY 2 BIẾN VÀ PP OLS

 Mô hình hồi quy tuyến tính 2 biến (mô hình hồi quy đơn – Simple regression model) gồm:

 Biến phụ thuộc (biến được giải thích): Y

 Biến độc lập (biến giải thích): X

 Hàm hồi quy tổng thể (PRF – population regression function) là hàm có dạng: ( ) ( )

2 biến độc lập trở lên: hàm hồi quy bội Dạng tuyến tính với

tham số

Hàm hồi quy tuyến tính

Tính tuyến tính của hàm hồi quy được hiểu là tuyến tính theo tham số, nghĩa là theo các hệ số

E(Y|X) = β1 + β2X

β1 cho biết giá trị trung bình của biến Y khi X = 0

β2 cho biết nếu X tăng 1 thì giá trị trung bình của Y

thay đổi bao nhiêu.

Việc β2 = 0 hay β2 ≠ 0 cho biết X có tác động đến Y không

Dấu của β2 cho biết chiều hướng tác động của X đến Y

Nếu biết giá trị của X ta có thể tính giá trị trung bìnhcủa Y

PHÂN TÍCH HỒI QUY

Phân tích hồi quy nghiên cứu sự phụ thuộc của một đại lượng kinh tế này vào một hay nhiều đại lượng kinh tế khác dựa trên ý tưởng là ước lượng giá trị trung bình của biến phụ thuộc trên cơ sở các giá trị

biết trước của biến độc lập.

Đánh giá tác động

Kiểm nghiệm

E(Y|X) = β1 + β2X: hàm hồi quy tổng thể (PRF)

giá trị ước lượng

iY

ie

Phương pháp OLS chủ trương tìm sao cho

Sau một số bước biến đổi ta được:

X X

Y Y

Gọi CT: chi tiêu của hộ gia đình (triệu đồng/tháng), TN: thu nhập hộ gia đình (triệu đồng/tháng).

a) Viết hàm hồi quy tổng thể (PRF), hàm hồi quy mẫu?

b) Giải thích ý nghĩa của các hệ số ước lượng?

c) Các hệ số ước lượng có phù hợp lý thuyết kinh tế không?

d) Gợi ý một yếu tố trong sai số ngẫu nhiên của PRF.

Included obs ervations : 33

Variable Coefficient Std Error t-Statis tic Prob

C 42.73290 7.860251 5.436582 0.0000

TN 0.853325 0.004038 211.3032 0.0000

R-s quared 0.999306 Mean dependent var 1610.415 Adjus ted R-s quared 0.999284 S.D dependent var 557.2878 S.E of regres s ion 14.91413 Akaike info criterion 8.301186 Sum s quared res id 6895.366 Schwarz criterion 8.391884 Log likelihood -134.9696 Hannan-Quinn criter 8.331703 F-s tatis tic 44649.03 Durbin-Wats on s tat 1.470261 Prob(F-s tatis tic) 0.000000

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP OLS

Mô hình hồi quy bội thường

có chất lượng dự báo tốt hơn

Mô hình hồi quy bội cho phép sử dụng dạng hàm phong phú hơn

Mô hình hồi quy bội cho phép thực hiện các phân tích phong phú hơn

Khắc phục vấn đề kì vọng sai số khác 0

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

 β2,…, βk: hệ số hồi quy riêng của X2,…, Xk

Mô hình hồi quy tuyến tính k biến

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

βj cho biết nếu Xj tăng 1 còn các biến khác giữ nguyên thì giá trị trung bình của Y thay đổi bao

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

E(Y|X2,…Xk) = β1+ β2X2 +…+ βkXk

Hàm hồi quy tổng thể (PRF)

hệ số hồi quy mẫu hay hệ số ước lượng

giá trị ước lượng

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

Gọi CT, TN, TS lần lượt là chi tiêu, thu nhập, tàisản của hộ gia đình (triệu đồng/tháng) Dựa vàobảng kết quả hồi quy, hãy trả lời các câu hỏi:

a) Viết hàm hồi quy tổng thể, hàm hồi quy mẫu

b) Giải thích ý nghĩa của các hệ số ước lượng

c) Trên mẫu, có thể so sánh độ lớn của các hệ số

ước lượng để so sánh độ mạnh tác động củacác biến độc lập đến biến phụ thuộc không?

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

 Tổng bình phương toàn phần (TSS – Total Sum of Squares)

 Tổng bình phương hồi quy (ESS – Explained Sum of Squares)

 Tổng bình phương phần dư (RSS – Residual Sum of Squares)

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

2 ESS R

BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

Khi dùng R2 để so sánh các mô hình khác nhau thì cần thoả mãn:

 Cùng cỡ mẫu

 Cùng số biến độc lập Nếu các hàm hồi quy không cùng số biến độc lập thì dùng hệ số xác định hiệu chỉnh

 Biến phụ thuộc xuất hiện trong hàm hồi quy cùng dạng nhưng các biến độc lập có thể ở các dạng khác nhau

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

Khi đưa thêm biến vào mô hình thì R 2 sẽ tăng (tăng khả năng giải thích biến phụ thuộc của

mô hình) nhưng lại làm chất lượng ước lượng giảm (giảm độ chính xác của ước lượng).

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

 R2 ≥ 0 nhưng có thể nhận giá trị âm Khi

< 0 thì khi áp dụng tính toán ta coi giá trị này bằng 0

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

Với các giả thiết 1 – 4 của phương pháp OLS, các ước lượng của OLS sẽ là ước lượng tuyến tính, không chệch và có phương sai nhỏ nhất trong lớp các ước lượng tuyến tính không chệch (BLUE – Best Linear Unbiased Estimator)

BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

^

var    j  

  phản ánh độ chính xác của ước lượng

gọi là sai số chuẩn của

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

^

 gọi là sai số chuẩn của hàm hồi quy (standard error of regression), phản ánh độ lệch tiêu chuẩncác giá trị Y quan sát trên mẫu quanh giá trị Y tínhtheo hàm hồi quy mẫu

Nếu giả thiết 1 – 4 thoả mãn thì

và người ta thay công thức trên bằng

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: MÔ HÌNH HỒI QUY BỘI VÀ PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

BÀI 2: PHƯƠNG PHÁP ƯỚC LƯỢNG OLS

CHƯƠNG 3: SUY DIỄN THỐNG KÊ VÀ DỰ BÁO TỪ MÔ HÌNH HỒI QUY

Quy luật phân phối xác suất của một số thống kê mẫu

Khoảng tin cậy cho các hệ số hồi quy

Kiểm định giả thuyết thống kê về hệ số hồi quy

Dự báo giá trị biến phụ thuộc

BÀI 1: QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT SỐ THỐNG KÊ MẪU

BÀI 1: QUY LUẬT PHÂN PHỐI XÁC SUẤT CỦA MỘT SỐ THỐNG KÊ MẪU

Với các giả thiết 1 – 5, các ước lượng

chệch và có phương sai nhỏ nhất trong lớp các ước lượng tuyến tính và phi tuyến không chệch (BUE – best unbiased estimattor)

Định lý Gauss - Markov

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

VD1

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

Sử dụng 30 quan sát thu được kết quả ước lượng sau:

^

^ ^

2 3

80 0, 4 0, 35(2, 5) (0, 05) (0, 04)cov , 0, 001

VD2

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

có khoảng 100*(1 – α) số khoảng tin cậy được xây dựng từ các mẫu này là chứa giá trị β j

BÀI 2: KHOẢNG TIN CẬY CHO CÁC HỆ SỐ HỒI QUY

tα/2,n-k càng lớn nên khoảng tin cậy càng rộng,

độ chính xác của ước lượng càng nhỏ

 Mối tương quan tuyến tính giữa Xj và các biếnđộc lập còn lại trong mô hình: mối tương quantuyến tính càng chặt thì càng lớn vàkhoảng tin cậy sẽ rộng

 Mức độ chênh lệch giữa giá trị của biến độclập trong mẫu: nếu độ chênh lệch càng nhỏ thìkhoảng tin cậy càng rộng

^

j

se     

 

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

E CT TN TS    TN   TS

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Dependent Variable: CT Method: Least Squares Date: 09/01/15 Time: 10:32 Sample: 1 33

S.E of regression 12.27498 Akaike info criterion 7.939512

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Mô hình 1:

VD1

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Mô hình 2:

? Mô hình nào tốt hơn với mức ý nghĩa 5%?

VD1

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Q = 150 + 0,5K + 0,7L + e

Se (1,2) (0,1) (0,2) trong đó Q là số áo sản xuất được (đơn vị: trăm), K là số máy dệt (máy), L là số lao động (đơn vị: 10 người).

Giả sử chi phí thuê 10 lao động cũng bằng chi phí thuê 1 máy dệt Với mức ý nghĩa 5%, có thể cho rằng tiền chi cho lao động hiệu quả hơn tiền chi cho máy dệt không?

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Xét cặp giả thuyết H0 và đối thuyết H1

Gọi P là mức ý nghĩa nhỏ nhất mà H0 bị bác bỏtương ứng với giá trị quan sát của thống kê kiểmđịnh

Nếu giá trị xác suất P tương ứng với giá trịquan sát của thống kê kiểm định là nhỏ hơnmức ý nghĩa α thì ta bác bỏ giả thuyết H0

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Dependent Variable: CT Method: Least Squares Date: 09/01/15 Time: 10:32 Sample: 1 33

S.E of regression 12.27498 Akaike info criterion 7.939512

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

Sử dụng bộ số liệu của 33 hộ gia đình thu được

mô hình hồi quy mẫu 1:

CT=28,9417+0,7275TN+0,0216TS+5,1255SD+e

Hệ số xác định của mô hình 1: 0,9996Cùng bộ số liệu ấy, người ta hồi quy CT theo TN (mô hình 2) thu được kết quả:

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

k(U): số biến của mô hình không có ràng buộc

 Nếu Fqs > Fα (m, n – k) thì bác bỏ H0, chấpnhận H1

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

 Kiểm định cặp giả thuyết:

H0: R2 = 0 (Hàm hồi quy không phù hợp)

H1: R2 ≠ 0 (Hàm hồi quy phù hợp)

 Tiêu chuẩn thống kê:

 Nếu Fqs > Fα (k – 1, n – k) thì bác bỏ H0, kết luận hàm hồi quy là phù hợp

2 2

/ ( 1)(1 ) / ( )

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 3: KIỂM ĐỊNH GIẢ THUYẾT THỐNG KÊ VỀ HỆ SỐ HỒI QUY

BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC

BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC

 Trường hợp mô hình hồi quy 2 biến:

Y = β1 + β2X + uKhoảng tin cậy với độ tin cậy 1 – α cho giá trị trung bình của biến phụ thuộc khi X = X0 là:

BÀI 4: DỰ BÁO GIÁ TRỊ CỦA BIẾN PHỤ THUỘC

 Trường hợp mô hình hồi quy 2 biến:

Y = β1 + β2X + uKhoảng tin cậy với độ tin cậy 1 – α cho giá trị của biến phụ thuộc khi X = X0 là:

CHƯƠNG 3: CÁC MÔ HÌNH HỒI QUY ĐẶC BIỆT

Mô hình hồi quy với biến định tính1

Các mô hình hồi quy dạng logarit2

Mô hình đa thức bậc 23

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

• Giá trị thể hiện bằng những con số

• VD: Thu nhập, chi tiêu, GDP, tỷ giá…

Biến định lượng

• Giá trị không thể hiện bằng những con số

• VD: Giới tính, màu sắc, nghề nghiệp…

Biến định tính

Lượng hoáBiến giả

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

 Giới tính: nam, nữ

 Vị trí ngôi nhà: mặt tiền, không mặt tiền

 Khu vực bán hàng: thành thị, nông thôn

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

Học vấn

Yi 4.8 5.2 8.5 3.8 9.3 7.6 8.2 3.9 6.7 4.5

VD4

? Ý nghĩa của các hệ số hồi quy mẫu?

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

β1 cho biết giá trị trung bình của biến Y khi Z = 0.

β2 cho biết sự chênh lệch về giá trị trung bình của

Y trong 2 trường hợp Z = 1 và Z = 0

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

? Ước lượng điểm tính thu nhập trung bình của nhân viên có bằng đại học và không có bằng đại học?

? Chênh lệch giữa thu nhập trung bình của nhân viên có trình độ ĐH và không có trình độ ĐH là bao nhiêu với độ tin cậy 95%?

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

? Giải thích ý nghĩa của các hệ số ước lượng?

Cho kết quả hồi quy trong đó Y: chi tiêu hộ gđ (triệu/tháng), X: thu nhập hộ gđ (triệu/tháng), Z: khu vực sinh sống (Z = 1 nếu sống ở ngoại thành, Z = 0 nếu sống ở nội thành)

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

VD5

Included observations: 935

Variable Coefficient Std Error t-Statistic Prob

C 2815.831 143.2273 19.65987 0.0000 URBAN -190.2679 169.3867 -1.123275 0.2616 EDUC 38.91363 10.69570 3.638251 0.0003 URBAN*EDUC 26.14319 12.55715 2.081936 0.0376

R-squared 0.141713 Mean dependent var 3457.945 Adjusted R-squared 0.138947 S.D dependent var 404.3608 S.E of regression 375.2183 Akaike info criterion 14.69716 Sum squared resid 1.31E+08 Schwarz criterion 14.71787 Log likelihood -6866.923 Hannan-Quinn criter 14.70506 F-statistic 51.23950 Durbin-Watson stat 0.332478 Prob(F-statistic) 0.000000

Cho WAGE: tiền lượng, URBAN: khu vực sinh sống (URBAN

= 1 nếu sống ở ngoại thành, URBAN = 0 nếu sống ở nội thành), EDUC: số năm đi học.

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

VD6

Included observations: 935

Variable Coefficient Std Error t-Statistic Prob

C 2815.831 143.2273 19.65987 0.0000 URBAN -190.2679 169.3867 -1.123275 0.2616 EDUC 38.91363 10.69570 3.638251 0.0003 URBAN*EDUC 26.14319 12.55715 2.081936 0.0376

R-squared 0.141713 Mean dependent var 3457.945 Adjusted R-squared 0.138947 S.D dependent var 404.3608 S.E of regression 375.2183 Akaike info criterion 14.69716 Sum squared resid 1.31E+08 Schwarz criterion 14.71787 Log likelihood -6866.923 Hannan-Quinn criter 14.70506 F-statistic 51.23950 Durbin-Watson stat 0.332478 Prob(F-statistic) 0.000000

? Khu vực sinh sống có ảnh hưởng đến tiền lương không với mức ý nghĩa 5% biết khi hồi quy tiền lương theo số năm đi học thì hàm hồi quy mẫu có hệ số xác định là 0,8.

VD6

? Giải thích ý nghĩa của các hệ số hồi quy?

? Hãy tìm ước lượng điểm cho tiền lương trung bình của người

có số năm đi học là 8 trong hai trường hợp sống ở ngoại thành

 Dùng biến giả có nhiều giá trị, số giá trị bằng với số lựa chọn.

 Dùng nhiều biến giả, mỗi biến giả có giá trị 0 và 1 khuyến khích dùng

VD: loại hình NHTM, loại hình doanh nghiệp, nghề nghiệp, trình độ…

CHƯƠNG 4: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

VD: Nghiên cứu tiền lương khi ra trường của sinh viên có phụ thuộc vào kết quả tốt nghiệp hay

không Kết quả tốt nghiệp gồm:

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

MH mô tả quan hệ giữa tiền lương và loại tốt nghiệp:

BÀI 1: MÔ HÌNH HỒI QUY VỚI BIẾN ĐỊNH TÍNH

Mô hình mô tả quan hệ giữa tiền lương và loại tốt nghiệp:

? Cho hàm hồi quy mẫu Ước lượng điểm cho thu nhập trung bình của nhân viên có bằng tốt nghiệp loại giỏi?