










Preview text:
LÝ THUYẾT KINH TẾ LƯỢNG
Câu 1: Nghiên cứu kinh tế lượng và nghiên cứu kinh tế (và cả kinh tế nông nghiệp) có gì khác và giống nhau?
-Điểm giống nhau: đều nghiên cứu liên quan đến lĩnh vực kinh tế. -Điểm khác nhau: Câ Nghiên cứu kinh tế
Nghiên cứu kinh tế lượng u 2:
Là quá trình thu thập thông tin, dữ
- Là một bộ phận của Kinh tế học, được
liệu, chứng cứ, vận dụng các công cụ kiến hiểu theo nghĩa rộng là môn khoa học kinh tế
thức và công cụ phân tích xử lý thông tin giao thoa với thống kê học và toán kinh tế.
dữ liệu nhằm đạt được sự hiểu biết về vai Hiểu theo nghĩa hẹp, là ứng dụng toán, đặc
trò và hành vi của từng cá nhân, hộ gia biệt là các phương pháp thống kê vào kinh tế.
đình, doanh nghiệp, ngành, thị trường, quốc
gia hoặc toàn bộ nền kinh tế đối với việc
đưa ra quyết định kinh tế.
-Được chia làm 2 loại : nghiên cứu
- 2 loại : nghiên cứu lý thuyết và nghiên
cơ bản và nghiên cứu ứng dụng. cứu thực nghiệm.
-Phương pháp nghiên cứu đối với
Phương pháp thống kê quan trọng nhất
nhà kinh tế là tìm hiểu bản chất những vấn trong môn kinh tế lượng là phân tích hồi quy .
đề kinh tế đang cần giải quyết của hộ gia Phương pháp này quan trọng đối với kinh tế
đình, doanh nghiệp, cộng đồng hay các nhà lượng bởi vì các nhà kinh tế không có cơ hội
hoạch định chính sách ở phạm vi địa tiến hành các thử nghiệm có kiểm soát.
phương, quốc gia hay cộng đồng quốc tế nói chung.
Phân biệt kinh tế lượng với toán kinh tế và lý thuyết kinh tế?
- Phân biệt kinh tế lượng với toán kinh tế và lý thuyết kinh tế.
+ Kinh tế lượng với lý thuyết kinh tế.
• Lý thuyết kinh tế thường đưa ra những nguyên lý hay giả thuyết mang tính định tính.
• Kinh tế lượng dựa vào lý thuyết kinh tế đồng thời đưa ra cụ thể con số ước lượng để đo mối quan
hệ. Nói cách khác, kinh tế lượng dựa trên cá lý thuyết kinh tế nhưng các mqh được lượng hóa cụ thể.
+ Kinh tế lượng và toán kinh tế.
• Toán kinh tế nghiên cứu và đưa ra mô hình toán học.
• Kinh tế lượng dựa trên mô hình toán nhưng có đưa thêm sai số ngẫu nghiên để phân nhánh mối
quan hệ ngẫu nhiên .Nghĩa là ứng với một giá trị của X có thể có nhiều giá trị của biến phụ thuộc Y. 1
Câu 3: Bạn kỳ vọng điều gì từ kinh tế lượng về việc ra quyết định trong kinh doanh và kinh tế?
1. Khái niệm, định nghĩa về Kinh tế lượng
- Kinh tế lượng là môn học chủ yếu trong các môn phân tích định lượng về kinh tế. Theo Arthur
S.Goldberger (1964) (trích theo Gujarati 1999) : Kinh tế lượng có thể được định nghĩa như một môn khoa
học xã hội, trong đó người ta dùng các công cụ của lý thuyết kinh tế, toán kinh tế và thống kê để phân tích
các hiện tượng kinh tế.
Như vậy, kinh tế lương là môn khoa học :
+ Phản ánh các mối quan hệ kinh tế.
+ Ứng dụng lí thuyết kinh tế, toán và thống kê để phân tích các hiện tượng kinh tế.
+ Có thể phát biểu kinh tế lượng là một công cụ trong nghiên cứu các hiện tượng kinh tế. Kinh tế
lượng là một môn khoa học phân tích định lượng một cách tổng hợp, nó khắc phục được nhược điểm của
các môn khoa học như lý thuyết kinh tế, thống kê hay toán kinh tế.
2. Mục đích của Kinh tế lượng
- Kinh tế lượng giúp kiểm nghiệm lý thuyết thuyết Kinh tế bằng cách xây dựng các mô hình kinh tế
có khả năng kiểm định được, đánh giá, ước lượng và kiểm tra kết quả của các mô hình.
Câu 4: Để giảm mật độ giao thông, Chính phủ có thể đánh thuế cao hơn vào ngành sản xuất
xe máy. Giả sử “Tổng công ty xe máy” thuê bạn đánh giá ảnh hưởng của việc tăng thuế đối với xe
máy, thì bạn sẽ làm như thế nào để khuyến cáo cho “Tổng công ty”?
- Để giảm mật độ giao thông, chính phủ có thể đánh thuế cao hơn vào ngành sản xuất xe máy. Giả
sử Tổng công ty xe máy thuê bạn đánh giá ảnh hưởng của việc tăng thuế đối với cầu xe máy, thì em sẽ :
- Đa dạng hóa sản phẩm: Để đối phó với tăng thuế và giảm ảnh hưởng tiêu cực lên doanh số, Tổng
công ty xe máy có thể tìm cách đa dạng hóa sản phẩm. Bằng cách tạo ra các dòng xe máy mới, thúc đẩy
nâng cấp công nghệ, và tạo ra các biến thể với tính năng khác nhau, Tổng công ty có thể tăng khả năng
cạnh tranh và thu hút khách hàng mới. Việc tăng cường nghiên cứu và phát triển sẽ giúp tạo ra các sản
phẩm hấp dẫn và tiên tiến hơn, từ đó giúp tăng cường sự quan tâm và mua sắm của khách hàng.
- Tập trung vào thị trường xe máy điện: Một lựa chọn mạnh mẽ cho Tổng công ty là tập trung vào
phát triển và sản xuất xe máy điện. Xe máy điện được xem là một trong những giải pháp tiềm năng để
giảm ô nhiễm môi trường và ứng phó với vấn đề tăng cường giao thông. Đầu tư vào nghiên cứu và phát
triển các loại xe máy điện có thể giúp Tổng công ty định vị mình là một người tiên phong trong lĩnh vực
này, hướng tới thị trường ngày càng mở rộng của xe máy điện.
- Xây dựng hợp tác với chính phủ và các bên liên quan: Thay vì chỉ đối mặt với tăng thuế như một
rào cản, Tổng công ty có thể xem xét việc hợp tác với chính phủ và các bên liên quan khác. Điều này có
thể bao gồm đề xuất các biện pháp khác nhau như khuyến khích việc sử dụng xe máy điện thông qua các 2
chương trình khuyến mãi và chiết khấu thuế, đồng thời cùng chính phủ thực hiện các biện pháp khác để
giảm tắc nghẽn giao thông và cải thiện hệ thống giao thông công cộng.
Câu 1: Tại sao phải xây dựng mô hình hồi quy?
-Hồi quy hay phân tích hồi quy liên quan đến việc đánh giá và mô tả mối quan hệ giữa một biến đã cho
thông thường là biến phụ thuộc hoặc biến được giải thích và một hay nhiều biến khác gọi là biến độc lập.
Trong lĩnh vực kinh tế xã hội có rất nhiều hiện tượng phản ánh bằng mô hình hồi quy và ngày nay các
hiện tương kĩ thuật cũng sử dựng mô hình hồi quy để mô hình hóa quan hệ về kĩ thuật.
- Các mô hình hồi quy tuyến tính tương đối đơn giản và cung cấp một công thức toán học dễ giải thích để
đưa ra các dự đoán. Hồi quy tuyến tính là một kỹ thuật thống kê được sử dụng từ lâu và áp dụng dễ dàng
cho phần mềm và tính toán. Các doanh nghiệp sử dụng nó để chuyển đổi dữ liệu thô một cách đáng tin cậy
và có thể dự đoán được thành nghiệp vụ thông minh và thông tin chuyên sâu hữu ích. Các nhà khoa học
trong nhiều lĩnh vực, bao gồm sinh học và các ngành khoa học hành vi, môi trường, và xã hội, sử dụng hồi
quy tuyến tính để tiến hành phân tích dữ liệu sơ bộ và dự đoán các xu hướng tương lai. Nhiều phương
pháp khoa học dữ liệu, chẳng hạn như máy học và trí tuệ nhân tạo, sử dụng hồi quy tuyến tính để giải
quyết các bài toán phức tạp.
Câu 2: Phân tích hồi quy có phải là phân tích mối quan hệ nhân quả?
-Trong phân tích hồi quy ,mối quan hệ giữa biến phụ thuộc và biến độc lập không phải khi nào cũng là
quan hệ nhân quả,nghĩa là không phải lúc nào biến độc lập (X) cũng là nguyên nhân gây ra hiệu ứng hay
sự thay đổi của biến phụ thuộc (Y) và ngược lại .Mặc dù phân tích hồi quy đi sâu nghiên cứu sự phụ thuộc
của một biến vào các biến khác,nhưng không có nghĩa là từ đó rút ra quan hệ nhân quả.Một tương quan
thống kê dù mạnh tới đâu cũng không thể nào tạo ra một mối quan hệ nhân quả.Các mối quan hệ nhân quả
thường được suy ra từ một lý thuyết riêng biệt nào đó.
Câu 3: Phân biệt mô hình hồi quy tổng thể, hồi quy tổng thể ngẫu nhiên, hồi quy mẫu và hồi quy mẫu ngẫu nhiên?
*Mô hình hồi quy tổng thể(PRM)
-Mô hình hồi quy tổng thể PRM chính xác: Yi = B1 + B2*Xi + ui
Trong đó: +) B1: hệ số chặn +) B2: hệ số góc Ui: sai số ngẫu nhiên
- Thể hiện mối quan hệ giữa các trung bình có điều kiện của biến phụ thuộc với các giá trị xác định của biến độc lập
* Mô hình hồi quy tổng thể ngẫu nhiên Y1=B1+ B2*Xi+ ui Hay Yi=E(Y|Xi) + ui
Trong đó: +) ui: sai số ngẫu nhiên
- Thực tế chưa có sẵn tổng thể để kiểm tra => xác định dạng hàm hồi quy là vấn đề thực nghiệm=> không
thể xây dựng được hàm hồi quy tổng thể 3
* Mô hình hồi quy mẫu (SRM)
- Mô hình hồi quy mẫu Yi=b1+b2*Xi + ei
Trong đó: Ŷi là ước lượng của E(Y|Xi)
b1 là ước lượng điểm của B1 và b2 là ước lượng của B2
e phản ánh sai số u trong tổng thể (ước lượng của u)
*Mô hình hồi quy mẫu ngẫu nhiên Yi=b1+b2*Xi+ei
Trong đó +) ei: là ước lượng của ui và được gọi là phần dư
Ta có thể biểu diễn như sau: Y =Ŷ i i+ei Yi=E(Y|Xi) + ui
-Hàm hồi quy mẫu được xây dựng trên cơ sở 1 mẫu ngẫu nhiên
- SRF có tính chất: tuyến tính, không chệch, có phương sai nhỏ nhất
Câu 4: Những số liệu được sử dụng trong phân tích hồi quy Gồm 4 số liệu:
1. Số liệu theo dãy số thời gian:
- Là số liệu được thu thập theo thời gian
- Có thể là số liệu định lượng hoặc số liệu định tính
- Thường có tính “ì” hay quán tính
- Các quan sát của dãy số thời gian thường có quan hệ với chính nó ở các thời kì trước
2. Số liệu theo dãy số thời điểm :
- Là số liệu được thu thập tại một thời điểm nhất định từ nhiều đơn vị hay địa phương
- Thường có các quan sát không phụ thuộc lẫn nhau
- Với số liệu loại này, trong phân tích kinh tế lượng có thể xuất hiện hiện tượng phương sai của sai số khác nhau 3. Số liệu kết hợp :
- Là tập hợp dãy số thời điểm và thời gian
- Có đặc điểm của cả số liệu theo dãy số thời gian và dãy số thời điểm 4
- Trong phân tích kinh tế lượng số liệu kết hợp là loại số liệu luôn được ưa chuộng vì nó kết hợp phản
ánh đồng thời cả xu hướng và mức độ
4. Số liệu mang tính định tính :
- Khi phân tích các hiện tượng kinh tế, chúng ta thấy xuất hiện rất nhiều mối quan hệ mang tính định
tính (giới tính, trình độ học vấn, thất nghiệp và có việc,...)
- Kinh tế lượng sử dụng phương pháp mã hóa và đưa các biến này vào mô hình dưới dạng biến giả để
phân tích -> Những số liệu này mang tính định tính
Câu 5: Sự khác nhau của phần dư ei và sai số ngẫu nhiên ui? Phần dư ei Sai số ngẫu nhiên ui
Xuất hiện ở hàm hồi quy mẫu ngẫu nhiên
Xuất hiện ở hàm hồi quy tổng thể ngẫu nhiên
Nó thể hiện những phần không liên quan đến
Là thể hiện ảnh hưởng ở những yếu tố ngoài
các biến trong mô hình hồi quy
mô hình lên biến phụ thuộc
Là ước lượng của sai số ngẫu nhiên
Sai số ngẫu nhiên gắn với tổng thể
Dùng để tính hệ số xác định và hệ số xác định hiệu chỉnh 5
Câu 6: Xác định mô hình nào là mô hình hồi quy tuyến tính ở tham số, ở biến số hoặc cả hai? Y X X
i =B1+ B2 i+ui
ln(Y i)= B1+ B2 i + ui
Y i= B1+ B ( X ¿¿ i )2¿+u Y Xi +u 2 i
i = B1+ B22 i Y Y
+ B √X + u
i = B1+ ¿+ ui i2 = B1 2 i i Y Y
i= B1+ B2ln(Xi )+ ui
i = B1 - B2(1/Xi ) + ui Những mô hình hồi quy
Những mô hình hồi quy tuyến tính ở Những mô hình hồi quy
tuyến tính cả biến số và tham số tuyến tính ở biến số tham số
Câu 7: Các mô hình sau có là mô hình hồi quy tuyến tính hay không? Tại sao? 6
Câu 8: Những giả thiết của phương pháp ước lượng OLS?
(1) Dạng hàm số là tuyến tính : Yi =B1+B2Xi +ui với i= 1,2…n
Mô hình nghiên cứu có thể là phi tuyến nhưng mô hình ước lượng phải là tuyến tính
(2) Kì vọng (hoặc giá trị trung bình) của phương sai ui là bằng không E(ui)=0 với mọi i
- Điều đó có nghĩa là với mỗi giá trị của Xi ta có các giá trị của Yi ,các giá trị của Yi này phân bố quanh
chỉ số trung bình của nó.
- Điều đó cũng có nghĩa là giá trị trung bình (hoặc kì vọng ) của hàm hồi quy được ước lượng Y là bằng
với giá trị thực của nó. E(Yi)=B1+B2Xi
(3) Phương sai của sai số là một hằng số (homoscedasticity)
Var(ui) = E(ui)2 = , σ2 với mọi i
Điều đó có nghĩa là sai số ui có tính đồng nhất. Khi giá trị của X tăng thì giá trị của Y cũng tăng nhưng sai
số ui vẫn giữ nguyên đối với tất cả các mức thu nhập.
E(Y\X) là hàm tuyến tính của X , với mỗi giá trị của X có một phân bố các giá trị của Y xung quanh giá trị trung bình của nó E (Y\X)
(4) Hiệp phương sai giữa ui và uj là bằng không ( nonautocorrelation)
Cov (ui,uj) = E(ui uj) =0 với i ≠ j
Điều đó có nghĩa là giữa sai số ui và uj không có tương quan lẫn nhau .
(5) Sai số ui không phụ thuộc vào độ lớn của biến X : ui ≠ f (Xi)
Xi là biến độc lập không có quan hệ tương quan (uncorrelated) với sai số ui. Cov (Xi,ui) = 0 với mọi i
(6) Sai số ui tuân theo phân phối chuẩn với mọi i hay ui là độc lập và tuân theo phân phối chuẩn với giá trị
bình quân của ui bằng 0 và phương sai không đổi , σ2 hay ui ~ N(0, σ2 ).
Dựa trên các giả định trên các tham số của mô hình:Yi =B1+B2Xi +ui với i= 1,2…n sẽ được ước lượng .
Câu 9: Nếu sai số Ui không tuân theo phân phối chuẩn thì có thể ước lượng được các tham số b j
không? Giải thích? 7
Nếu sai số ui không tuân theo phân phối chuẩn, thì ta không thể ước lượng các tham số bằng cách sử dụng
phân phối chuẩn như bình thường. Thay vào đó, ta có thể sử dụng các phương pháp thống kê phi thường,
chẳng hạn như phân phối t, phân phối F. Tuy nhiên, các phương pháp này sẽ đòi hỏi độ lớn mẫu đủ lớn để
áp dụng được, và công việc ước lượng sẽ trở nên phức tạp hơn.
Câu 10: Hãy giải thích ý nghĩa của các tham số lượng từ phương pháp OLS? Phương sai của các
tham số ước lượng? Sai số chuẩn của các tham số ước lượng?
* Ý nghĩa các tham số ước lượng từ phương pháp OLS
• Hệ số tự do (hệ số chặn) b1: thể hiện giá trị trung bình của biến phụ thuộc khi tất cả các biến độc lập bằng 0.
• Hệ số góc bj: thể hiện sự tác động trung bình của biến độc lập thứ j lên biến phụ thuộc trong điều kiện tất
cả các biến độc lập còn lại bằng 0.
=>Các tham số ước lượng từ phương pháp OLS được sử dụng để đánh giá mối quan hệ giữa các biến
trong mô hình hồi quy tuyến tính và để dự đoán giá trị của biến phụ thuộc dựa trên giá trị của biến độc lập.
* Phương sai của các tham số ước lượng thể hiện sự biến động, mức độ phân tán của các hệ số ước lượng.
* Sai số chuẩn của các tham số ước lượng: là căn bậc hai của phương sai các hệ số ước lượng.
Câu 11: Hãy giải thích tổng bình phương các biến động của biến phụ thuộc (TSS) là gì? ESS là gì?
RSS là gì? Hệ số xác định?
1. Tổng bình phương các biến động của biến phụ thuộc (TSS):
TSS đại diện cho tổng lượng biến động trong dữ liệu của biến phụ thuộc. TSS có thể được coi là biến
động tổng thể của biến phụ thuộc, mà không phụ thuộc vào các biến động được giải thích bằng các biến
động khác. TSS cho biết tổng lượng biến động cần được giải thích bằng mô hình.
Công thức: TSS = Σ(yi - ȳ)² Trong đó:
· yi là giá trị của biến phụ thuộc trong quan sát thứ i.
· ȳ là giá trị trung bình của biến phụ thuộc trên toàn bộ các quan sát.
· Σ là ký hiệu tổng hợp, nghĩa là tổng các giá trị từ i = 1 đến n (số lượng quan sát).
2. Tổng bình phương sai biến giải thích (ESS):
ESS đại diện cho tổng lượng biến động được giải thích bởi mô hình. ESS đo lường phần của biến động
tổng thể của dữ liệu mà mô hình đã giải thích được. Điều này có nghĩa là ESS đo lượng biến động do sự
khác biệt giữa giá trị dự đoán của mô hình và giá trị trung bình của biến phụ thuộc.
Công thức: ESS = Σ( i - ȳ)² Trong đó:
· i là giá trị dự đoán của mô hình cho biến phụ thuộc trong quan sát thứ i.
· ȳ là giá trị trung bình của biến phụ thuộc trên toàn bộ các quan sát.
· Σ là ký hiệu tổng hợp, nghĩa là tổng các giá trị từ i = 1 đến n (số lượng quan sát).
3. Tổng bình phương sai biến không giải thích (RSS):
RSS đại diện cho tổng lượng biến động không được giải thích bởi mô hình.
RSS đo lường phần còn lại của biến động tổng thể mà mô hình không thể giải thích được. Điều này đại
diện cho sự khác biệt giữa giá trị thực tế và giá trị dự đoán của mô hình.
Công thức: RSS = Σ(yi - i)² Trong đó: 8
· yi là giá trị thực tế của biến phụ thuộc trong quan sát thứ i.
· i là giá trị dự đoán của mô hình cho biến phụ thuộc trong quan sát thứ i.
· Σ là ký hiệu tổng hợp, nghĩa là tổng các giá trị từ i = 1 đến n (số lượng quan sát).
4. Hệ số xác định (R-squared):
Hệ số xác định (R-squared) là một phép đo thống kê để đo lường mức độ mà mô hình hồi quy giải thích
biến động của biến phụ thuộc. Nó được tính bằng tỷ lệ giữa ESS và TSS: R-squared = ESS / TSS. Giá trị
R-squared nằm trong khoảng từ 0 đến 1. Khi R-squared gần 1, mô hình giải thích tốt biến động của biến
phụ thuộc, và khi R-squared gần 0, mô hình không giải thích được bất kỳ biến động nào. R-squared thể
hiện phần trăm biến động của biến phụ thuộc được mô hình giải thích so với tổng biến động.
Công thức: R^2 = ESS / TSS=1-RSS/TSS
Câu 1. Hồi quy tuyển tính giản đơn và đa biến (nhiều biến) có gì giống nhau và khác nhau? GIỐNG NHAU KHÁC NHAU
• Cả hai loại phân tích đều sử dụng mô hình tuyến • Phân tích tuyến tính giản đơn chỉ xem xét một
tính để xác định mối quan hệ giữa biến phụ thuộc
biến phụ thuộc và một biến độc lập, trong khi phân và các biến độc lập.
tích tuyến tính đa biến xem xét nhiều biến độc lập
• Cả hai loại phân tích đều sử dụng phương pháp
cùng ảnh hưởng đến một biến phụ thuộc.
bình phương tối thiểu để ước lượng các hệ số của
• Phân tích tuyến tính đa biến cung cấp thông tin mô hình.
chi tiết hơn về mối quan hệ giữa nhiều biến độc
lập và biến phụ thuộc, trong khi phân tích tuyến
tính giản đơn chỉ cho thấy mối quan hệ giữa một cặp biến
Câu 2. Trong tích hồi quy tuyến tính đa biến (nhiều biến), giả thiết nào khác với hồi quy giản đơn?
Trả lời Trong hồi quy tuyến tính đa biến, có một số giả thiết khác với hồi quy tuyến tính giản đơn:
• Tính tuyến tính: Mối quan hệ giữa biến phụ thuộc và các biến độc lập phải là tuyến tính.
• Tính không có đa cộng tuyến: Các biến độc lập không được có mối tương quan cao với nhau.
• Tính không có tự tương quan: Các giá trị lỗi phải không có mối tương quan với nhau.
• Tính đồng phương sai: Phương sai của lỗi phải không đổi đối với tất cả các giá trị của biến độc lập.
• Phân phối chuẩn của lỗi: Các lỗi phải được phân phối chuẩn với giá trị kỳ vọng bằng 0.
Câu 3. Ước lượng các tham số bj bằng phương pháp OLS liệu có cần giả thiết sai số ui tuân theo
phân phối chuẩn? Tại sao?
Ước lượng các tham số bj bằng phương pháp OLS không cần giả thiết sai số ui tuân theo phân phối chuẩn vì:
• Phương pháp OLS (Ordinary Least Squares) là phương pháp ước lượng bình phương nhỏ nhất. Sử dụng
phương pháp này để ước lượng mô hình hồi quy tuyến tính với hai biến độc lập
• Việc tối thiểu hóa tổng bình phương sai số không phụ thuộc vào giả thiết về phân phối của sai số ui.
• Do đó, ước lượng OLS có thể được sử dụng mà không cần giả thiết ui tuân theo phân phối chuẩn.
Trường hợp không cần giả thiết phân phối chuẩn:
• Mục tiêu chỉ là ước lượng điểm: Nếu chỉ cần ước lượng giá trị của các tham số, giả thiết về phân phối chuẩn không cần thiết.
• Kích thước mẫu lớn: Khi kích thước mẫu đủ lớn, ảnh hưởng của việc vi phạm giả thiết phân phối chuẩn sẽ giảm đi. 9
Câu 6: Tại sao kinh tế lượng cần phải đưa ra hệ số xác định hiệu chỉnh R2?
Bởi vì R2 là hệ số xác định hiệu chỉnh, nó đánh giá độ chặt chẽ của mô hình tốt hơn hệ số xác định R2, vì
dựa vào R2 chúng ta không quan sát được bậc tự do ảnh hưởng đến mô hình như nào.
Khi ta tăng biến độc lập trong mô hình R2 luôn tăng trong khi đó R2 có thể không tăng. Nếu sử dụng hệ số
xác định hiệu chỉnh R2 sẽ loại trừ bớt được một số động cơ của người nghiên cứu muốn có thật nhiều biến
trong mô hình hồi quy để tăng giá trị của R2, mà không chú ý đến biến thêm vào có thật cần thiết trong mô
hình cần nghiên cứu hay không. Câu 1.
A. Thế nào là biền định tính, cho ví dụ?
- Biến định tính là loại biến được sử dụng để mô tả các thuộc tính hoặc đặc điểm không thể đo lường bằng
số. Loại biến này thường được biểu thị bằng các từ ngữ, danh mục hoặc thang đo định tính. - Ví dụ:
+ Giới tính: Nam, Nữ, Khác.
+ Màu sắc: Đỏ, Xanh lam, Vàng, ...
+ Trạng thái hôn nhân: Đã kết hôn, Độc thân, Ly hôn, ...
+ Sở thích âm nhạc: Pop, Rock, Hip-hop, ...
+ Mức độ hài lòng: Rất hài lòng, Hài lòng, Trung bình, Không hài lòng, Rất không hài lòng.
B. Phương pháp phân tích phương sai (ANOVA) có phải cũng tương tự như phân tích các biến định lượng? - Điểm tương đồng:
+ Cả hai phương pháp đều được sử dụng để phân tích mối quan hệ giữa các biến.
+ Cả hai phương pháp đều sử dụng phương pháp thống kê để kiểm tra giả thuyết và đưa ra kết luận.
+ Cả hai phương pháp đều có thể được sử dụng với nhiều biến (phân tích đa chiều). - Điểm khác biệt: + ANOVA:
· Sử dụng để so sánh trung bình của các nhóm (thường là 2 nhóm trở lên);
· Phân tích sự khác biệt giữa các nhóm là do ngẫu nhiên hay do yếu tố khác (biến độc lập);
· Thường được sử dụng trong các lĩnh vực như khoa học xã hội, khoa học tự nhiên, y học, v.v.
+ Phân tích các biến định lượng:
· Là một tập hợp các phương pháp thống kê để tìm hiểu mối quan hệ giữa các biến;
· Bao gồm nhiều phương pháp như hồi quy tuyến tính, phân tích tương quan, phân tích nhân tố, v.v;
· Thường được sử dụng trong các lĩnh vực như kinh tế, kinh doanh, khoa học xã hội, v.v. Ví dụ:
· ANOVA: So sánh điểm trung bình môn toán của học sinh theo 3 lớp học khác nhau.
· Phân tích các biến định lượng: Phân tích mối quan hệ giữa chiều cao và cân nặng của một nhóm người. Kết luận:
- ANOVA và Phân tích các biến định lượng là hai phương pháp thống kê có nhiều điểm tương đồng và khác biệt.
- Lựa chọn phương pháp nào phụ thuộc vào loại dữ liệu, mục đích nghiên cứu và câu hỏi nghiên cứu.
C. Biến giả ảnh hưởng đến hệ số chặn (điểm cắt trục tung) như thế nào? 10
- Biến giả (dummy variable) là một biến nhị phân được sử dụng trong phân tích hồi quy để biểu diễn các
biến định tính. ( Biến giả là một biến trong phần tích hồi quy nhưng chỉ nhận 2 giá trị 0 và 1).
- Biến giả ảnh hưởng đến hệ số chặn bằng cách tạo ra các nhóm khác nhau của các quan sát và cho phép
hệ số chặn thay đổi tùy thuộc vào nhóm nào được chọn làm tham chiếu.
Ví dụ: Trong mô hình: Y = B1 + B2X + B3D, với D là biên giả nhận giá trị 0 và 1
Nếu D = 0 thì hệ số chặn của mô hình là B1
Nếu D = 1 thì hệ số chặn của mô hình là B1 + B3
D. Biến giả ảnh hưởng đến hệ số góc.
- Biến giả ảnh hưởng đến hệ số góc thường được thể hiện trong mô hình hồi quy dưới dạng biến tương tác
với một biến định lượng khác. Biển này có ý nghĩa so sánh sự chênh lệch về tác động biên của biến độc
lập đối với biến phụ thuộc.
Ví dụ: Trong mô hình Y=B1+ B2.X+ B3.D+ B4.X.D, với D là biến giả nhận giá trị 0 và 1:
Nếu D = 0 thì hệ số góc của mô hình là B2
Nếu D = 1 thì hệ số góc của mô hình là B2 + B4
E. Biến giáo dục (trình độ học vấn) khi nào là định lượng, khi nà là định tính
- Biến giáo dục (trình độ học vấn) là biến định lượng khi giá trị của nó thể hiện số năm đi học như 10, 11, 12,... năm.
- Biến giáo dục (trình độ học vấn) sẽ là biến định tính khi giá trị của nó thể hiện các cấp bậc học vẫn như:
tiểu học, THCS, THPT, Đại học, Cao đẳng và Sau đại học,...
Câu 2: Nếu muốn phân tích ảnh hưởng của các mùa đến cầu về quần áo thì cần đưa vào mô hình bao
nhiêu biến giả. Giai thích?
• Do mùa là biển định tính nhận 4 tính chất là mùa xuân, mùa hạ, mùa thu và mùa đông.
-> Do đó, để phân tích ảnh hưởng của các mùa đến cầu quần áo thì cần đưa vào mô hình hồi quy 3 biến
giả ứng với 3 mùa bất kỳ và mùa còn lại được sử dụng để làm nhóm tham chiếu. Khi đó, hệ số hồi quy của
3 biến giả có ý nghĩa so sánh sự chênh lệch về cầu quần áo giữa mùa được chọn làm nhóm tham chiếu với
3 mùa còn lại. Nếu chọn cả 4 biến giả thể hiện cả 4 mùa vào mô hình hồi quy thì sẽ bị bẫy biến giả
(dummy variable trap) và mô hình sẽ xảy ra hiện tượng đa cộng tuyến hoàn hảo.
Câu 13. Hãy nêu kiểm định t, kiểm định F trong phân thích hồi quy ?
+) Kiểm định t thường được sử dụng để kiểm tra xem các hệ số hồi quy của từng biến độc lập có ý nghĩa
thống kê hay không. Cụ thể, giả thuyết không có ảnh hưởng (hoặc hệ số bằng 0) được kiểm định.
+) Kiểm định F, ngược lại, kiểm tra xem ít nhất một trong các biến độc lập có ảnh hưởng đến biến phụ
thuộc hay không. Nó so sánh mô hình hồi quy hoàn chỉnh với mô hình chỉ chứa hệ số chặn (intercept) để
xem liệu thêm biến nào cũng đóng góp ý nghĩa cho mô hình hay không. 11