tailieunhanh - Bài giảng Kinh tế lượng: Chương 3: Hồi quy bội
Bài giảng "Kinh tế lượng: Chương 3: Hồi quy bội" cung cấp cho người học các kiến thức: Mô hình hồi quy bội, các giả thiết của mô hình CLRM , phương sai và độ lệch chuẩn của các ước lượng, hệ số xác định R2, ma trận tương quan, hệ số tương quan riêng phần hệ số xác định R2,. nội dung chi tiết. | Chương 3: Hồi quy bội A comparison of the models . Mô hình hồi quy bội PRF: E(Y | X2, X3) = 1 + 2 X2 + 3 X3 1: Hệ số chặn = giá trị trung bình của biến Y khi X2 = X3 = 0. 2, 3: các hệ số hồi quy riêng. - Giá trị biến Y ở quan sát thứ i là: Yi=E(Y|X2, X3)+Ui = 1 + 2 X2 + 3 X3+Ui giả thiết của mô hình CLRM (nhắc lại) Mô hình là tuyến tính Kì vọng Ui bằng 0: Các Ui thuần nhất: Không có sự tương quan giữa các Ui: Không có quan hệ tuyến tính giữa các biến giải thích. 2 đo lường sự thay đổi kì vọng của Y ứng với 1 đơn vị tăng lên của X2, X3 không đổi. 3 đo lường sự thay đổi kì vọng của Y ứng với 1 đơn vị tăng lên của X3, X2 không đổi. Hiên tượng đa cộng tuyến Giả thiết 5 bị vi phạm, ví dụ: Ước lượng mô hình này không thấy được ảnh hưởng từng biến lên biến phụ thuộc. . Ước lượng các tham số trong hồi quy bội Điều kiến cần Giải được Rất lãng phí thời gian để nhớ kết quả này. . Phương sai và độ lệch chuẩn của các ƯL A nicer expression with a simple interpretation In a multiple regression, we “partial out” the effect of the other variables And the variances of the estimated parameters can also be written in a nice way . Các tính chất của ước lượng OLS SRF đi qua các điểm Trung bình Trung bình của các phần dư bằng 0: Không có tương quan giữa : Tương quan giữa biến giải thích và phần dư bằng 0: Với các giả thiết đã cho, Các ước lượng là BLUE . Hệ số xác định R2, ma trận tương quan, hệ số tương quan riêng phần a. Hệ số xác định R2 Tương tự hồi quy đơn, chúng ta định nghĩa TSS, ESS, và RSS Từ đó tính R2 Như hồi quy đơn, R2 đo độ thích hợp của hàm hồi quy. Hệ số xác định bội đã hiệu chỉnh V/đ chính với R2 là tăng khi thêm biến giải thích mới. Giải pháp cho v/đ này là điều chỉnh đo lường R2 sao cho nó không phải luôn luôn tăng. Khi nào thì thêm biến giải thích? Ta dùng hệ số xác định bội đã hiệu chỉnh để cân nhắc việc thêm biến giải thích mới vào mô hình. Công thức: R2 hiệu chỉnh không bị giới hạn . | Chương 3: Hồi quy bội A comparison of the models . Mô hình hồi quy bội PRF: E(Y | X2, X3) = 1 + 2 X2 + 3 X3 1: Hệ số chặn = giá trị trung bình của biến Y khi X2 = X3 = 0. 2, 3: các hệ số hồi quy riêng. - Giá trị biến Y ở quan sát thứ i là: Yi=E(Y|X2, X3)+Ui = 1 + 2 X2 + 3 X3+Ui giả thiết của mô hình CLRM (nhắc lại) Mô hình là tuyến tính Kì vọng Ui bằng 0: Các Ui thuần nhất: Không có sự tương quan giữa các Ui: Không có quan hệ tuyến tính giữa các biến giải thích. 2 đo lường sự thay đổi kì vọng của Y ứng với 1 đơn vị tăng lên của X2, X3 không đổi. 3 đo lường sự thay đổi kì vọng của Y ứng với 1 đơn vị tăng lên của X3, X2 không đổi. Hiên tượng đa cộng tuyến Giả thiết 5 bị vi phạm, ví dụ: Ước lượng mô hình này không thấy được ảnh hưởng từng biến lên biến phụ thuộc. . Ước lượng các tham số trong hồi quy bội Điều kiến cần Giải được Rất lãng phí thời gian để nhớ kết quả này. . Phương sai và độ lệch chuẩn của các ƯL A nicer expression with a
đang nạp các trang xem trước
