BÀI GIẢNG MÔN KINH TẾ LƯỢNG của ĐH TRÀ VINH chương II ĐA CÔNG 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 quy.Xét hàm hồi quy tuyến tính k1 biến độc lập:Yi = 1 + 2X2i + 3X3i + … + kXki + UiNếu tồn tại các số thực 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.

Chương 2: ĐA CỘNG TUYẾN

Y

Y Y

Đa cộng tuyến vừa

Xét mô hình: Y i =  1 +  2 X 2i +  3 X 3i + … +  k X ki + U i

Xét hàm hồi quy tuyến tính k-1 biến độc lập:

Yi = 1 + 2X2i + 3X3i + … + kXki + UiNếu tồn tại các số thực 2, 3, …… k sao cho:

2X2i + 3X3i + …… + kXki = 0

thì giữa các biến Xi (i = 2, 3, …k) xảy ra hiện

xảy ra trường hợp một biến giải thích nào đó được

2.1 TỔNG QUAN VỀ ĐA CỘNG TUYẾN

07/15/24 17:26 4

Nếu 2X2i + 3X3i + …… + kXki + vi = 0,

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

2.1 TỔNG QUAN VỀ ĐA CỘNG TUYẾN

Ví dụ

X3 ; r23 = 1

biến này có tương quan chặt chẽ

X *

07/15/24 17:26 6

Lưu ý

Giả định về sự đa cộng tuyến liên quan đến mối quan hệ

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.

Hậu quả của đa cộng tuyến

1 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  

07/15/24 17:26 8

Hậu quả của đa cộng tuyến

khoảng tin cậy của 2 và 3 (với độ tin cậy 1 – ) là:



^ 2



^ 3





 232 ) 221



Hậu quả của đa cộng tuyến

3 Tỉ số t "không có ý nghĩa" Khi kiểm định giả thuyết

)

ˆ ( se

ˆ t

07/15/24 17:26 10

Hậu quả của đa cộng tuyến

4. 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 Trong những trường hợp này, R2 lại rất cao (> 0,9) Kiểm định F thì có thể bác bỏ giả thuyết cho rằng 2 = 3 = … = k = 0

Hậu quả của đa cộng tuyến

5. Các ước lượng OLS và sai số chuẩn của chúng trở

nên rất nhạy với những thay đổi nhỏ trong dữ liệu

6. Dấu của các ước lượng của các hệ số hồi quy có

thể sai

7. Thêm 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

07/15/24 17:26 12

2.2 Phát hiện đa cộng tuyến

1 Hệ số R2 lớn nhưng tỷ số t nhỏ

2 Tương quan cặp giữa các biến giải thích cao

3 Sử dụng mô hình hồi quy phụ

4 Sử dụng yếu tố phóng đại phương sai (VIF)

Hệ số R2 lớn nhưng tỷ số t nhỏ

Đây là triệu chứng “kinh điển” của đa cộng tuyến,

i lại chấp nhận H0

Trong đó: X và Z là 2 biến giải thích nào đó trong mô hình

Sử dụng mô hình hồi quy phụ

Hồi quy một biến giải thích X nào đó theo các biến còn lại

Tính R2 và F cho mỗi mô hình theo công thức:

F =

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

)1)(

R1

R

07/15/24 17:26 16

Sử dụng nhân tố phóng đại phương sai (VIF)

Đối với hàm hồi quy có hai biến giải thích X2 và X3, VIF được định nghĩa như sau:

VIF =

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

) 1

(

1

2 23

r



2.3 Các biện pháp khắc phục

1 Sử dụng thông tin tiên nghiệm:

Dựa vào kinh nghiệm khi làm việc với các mô hình

Ví dụ hàm sản xuất Cobb-Douglas:

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 lượng

t

u t

t



ta đang xét thuộc ngành có kỳ vọng sinh lợi không đổi theo quy mô, nghĩa là  +  = 1

t t

t

Q*  *   *   * 

2.3 Các biện pháp khắc phục

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

07/15/24 17:26 20

2.3 Các biện pháp khắc phục

2 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

hai biến; không có mặt một trong hai biến

có mặt biến đó là lớn hơn

có nghĩa sai phân của chúng cũng như vậy.