SlideShare uma empresa Scribd logo
1 de 17
Ch­¬ng 6: Ph­¬ng sai sai sè thay ®æi
1. B¶n chÊt cña ph­¬ng sai sai sè thay ®æi
1.1. Ph­¬ng sai cña c¸c sai sè thay ®æi
   Gi¶ thiÕt cña OLS:
    M« h×nh håi qui cã ph­¬ng sai sai sè ngÉu nhiªn
    thuÇn nhÊt (Homoroscedasticity),
    tøc lµ: Var(Ui) = σ 2 víi mäi i.
   Tuy nhiªn trong thùc tÕ gi¶ thiÕt nµy cã thÓ bÞ
    vi ph¹m: Var(Ui) = σ i2, ph­¬ng sai sai sè ngÉu nhiªn
    cã gi¸ trÞ kh¸c nhau ë mçi gi¸ trÞ cô thÓ cña biÕn
    ®éc lËp.
   HiÖn t­îng nµy ®­îc gäi lµ hiÖn t­îng ph­¬ng sai
    sai sè thay ®æi (Heteroskedasticity).
1.2. Nguyªn nh©n cña ph­¬ng sai sai sè thay ®æi

   Do b¶n chÊt cña c¸c hiÖn t­îng kinh tÕ.
       HiÖn t­îng kinh tÕ diÔn ra theo nh÷ng ®èi t­îng cã qui
        m« kh¸c nhau hoÆc t¹i nh÷ng thêi kú cã nhiÒu biÕn
        ®éng th× ph­¬ng sai cña sai sè kh¸c nhau.
       HiÖn t­îng ph­¬ng sai sai sè thay ®æi th­êng x¶y ra víi
        sè liÖu chÐo nhiÒu h¬n sè liÖu chuçi thêi gian.
   Do c¸c ph­¬ng tiÖn thu thËp vµ xö lý th«ng tin
    ngµy cµng hoµn thiÖn do ®ã sai sè d­êng nh­
    gi¶m.
   Do con ng­êi cã kh¶ n¨ng rót kinh nghiÖm.
2. HËu qu¶ cña ph­¬ng sai sai sè thay ®æi
   C¸c hÖ sè håi qui ­íc l­îng b»ng OLS vÉn lµ c¸c ­íc l­
    îng tuyÕn tÝnh, kh«ng chÖch nh­ng kh«ng hiÖu
    qu¶.
   ¦ l­îng cña ph­¬ng sai cña sai sè ngÉu nhiªn bÞ
     íc
    chÖch.
   ¦ l­îng hÖ sè x¸c ®Þnh R2 bÞ chÖch.
     íc
   Kho¶ng tin cËy cña c¸c hÖ sè håi qui mÊt tÝnh
    chÝnh x¸c.
   KiÓm ®Þnh T vµ kiÓm ®Þnh F bÞ mÊt chÝnh x¸c.
3. Ph¸t hiÖn ph­¬ng sai sai sè thay ®æi
           3.1. §å thÞ phÇn d­
                Yi = β1 + β 2 X i + U i
   B­íc 1: Håi qui m« h×nh ®· cho, thu ®­îc c¸c phÇn
    d­ ei tÝnh ei2
   B­íc 2: VÏ ®å thÞ cña ei2 theo Xi vµ dùa vµo ®å thÞ
    ®Ó ph¸n ®o¸n xem cã hiÖn t­îng ph­¬ng sai sai sè
    thay ®æi hay kh«ng.
ei 2                             ei2




       0                Xi             0           Xi
3.2. KiÓm ®Þnh Park
                  Yi = β1 + β 2 X i + U i
   Gi¶ thiÕt: Ph­¬ng sai sai sè thay ®æi lµ mét hµm
    sè cña biÕn gi¶i thÝch.
                               α 2 vi
                   σ =σ X e
                     i
                      2    2
                               i
                ln σ = ln σ 2 + α 2 ln X i + Vi
                    i
                     2

   α 2 = 0 : M« h×nh cã ph­¬ng sai sai sè kh«ng thay
    ®æi theo biÕn gi¶i thÝch
   α 2 ≠ 0 : M« h×nh cã ph­¬ng sai sai sè thay ®æi
     σ i ch­a biÕt nªn dïng ­íc l­îng ®iÓm cña nã
         2
                                                        lµ
           2
          ei
Thñ tôc kiÓm ®Þnh
   B­íc 1: Håi qui m« h×nh ban ®Çu thu ®­îc c¸c phÇn d­ ei ⇒
           2
    B­íc 2:e
           T×m ln(Xi)    vµ
                           ln ( ei2 )
          i

   B­íc 3: Håi qui m« h×nh:


                 ( )
               ln e = α1 + α 2 ln( X i ) + Vi
                   2
                   i
   B­íc 4: KiÓm ®Þnh cÆp gi¶ thuyÕt:
    H0: M« h×nh cã ph­¬ng sai sai sè kh«ng thay ®æi theo X
    H1: M« h×nh cã ph­¬ng sai sai sè thay ®æi
    Tiªu chuÈn kiÓm ®Þnh (1): T
    Tiªu chuÈn kiÓm ®Þnh (2): F
3.3. KiÓm ®Þnh Glejser

                 Yi = β1 + β 2 X i + U i
   Gi¶ thiÕt: Ph­¬ng sai sai sè thay ®æi lµ mét hµm
    sè cña biÕn gi¶i thÝch.
   Tuy nhiªn viÖc lùa chän d¹ng hµm nµo cßn tïy
    thuéc vµo quan hÖ gi÷a biÕn gi¶i thÝch vµ phÇn d­
    trong tõng t×nh huèng cô thÓ.
Thñ tôc kiÓm ®Þnh
   B­íc 1: Håi qui m« h×nh ban ®Çu thu ®­îc c¸c phÇn
    d­ ei ⇒         ei
 B­íc 2: Håi qui mét trong c¸c m« h×nh sau:
    ei = β 1 + β 2 X i + Vi ei = β1 + β 2 X i + Vi
                    1                      1
   ei = β 1 + β 2      + Vi ei = β 1 + β 2    + Vi
                   Xi                      Xi
 B­íc 3: KiÓm ®Þnh cÆp gi¶ thuyÕt:

H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo X ( α 2 = 0 )
H1: Ph­¬ng sai sai sè thay ®æi                 (α 2 ≠ 0)
    Tiªu chuÈn kiÓm ®Þnh: T, F
3.4. KiÓm ®Þnh t­¬ng quan h¹ng Spearman
   KiÓm ®Þnh t­¬ng quan h¹ng Spearman thùc hiÖn
    dùa trªn c¬ së x©y dùng hÖ sè t­¬ng quan h¹ng
    Spearman, ký hiÖu rs.
   HÖ sè nµy ®­îc x¸c ®Þnh theo c«ng thøc:
                          ∑ d i2 
              rs = 1 − 6  2      
                              (
                         n n −1 
                                   )
   Trong ®ã:
       di lµ hiÖu cña c¸c h¹ng ®­îc g¸n cho hai ®Æc tr­ng kh¸c
        nhau cïng mét phÇn tö thø i
       n lµ sè c¸c phÇn tö xÕp h¹ng.
Thñ tôc kiÓm ®Þnh
            Yi = β1 + β 2 X i + U i
   B­íc 1: Håi qui m« h×nh thu ®­îc phÇn d­ ei ⇒      ei
   B­íc 2: T×m h¹ng rank ei ,        rank X i
             d i = rank ei − rank X i
   B­íc 3: TÝnh hÖ sè t­¬ng quan h¹ng Spearman theo
    c«ng thøc:
                             ∑d      i
                                        2

                  rs = 1 − 6 2         
                             n( n − 1) 
                                       
   B­íc 4: KiÓm ®Þnh cÆp gi¶ thuyÕt:
        H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo X
        H1: Ph­¬ng sai sai sè thay ®æi
   Tiªu chuÈn kiÓm ®Þnh:
                   rs n − 2                 ( n-2 )
              T=                  ~T
                           2
                      1- rs

   MiÒn b¸c bá gi¶ thuyÕt H0 víi møc ý nghÜa α:
             Wα = {t , t > tα( n −2 )
                                        }
3.5. KiÓm ®Þnh Goldfeld - Quandf
   Gi¶ thiÕt: Ph­¬ng sai cña sai sè thay ®æi cã mèi quan
    hÖ tû lÖ thuËn víi mét trong c¸c biÕn gi¶i thÝch trong
    m« h×nh håi qui.
   XÐt m« h×nh håi qui 2 biÕn: Yi = β1 + β2 X i + U i
   Gi¶ sö gi÷a ph­¬ng sai sai sè ngÉu nhiªn vµ biÕn gi¶i
    thÝch cã mèi quan hÖ thÓ hiÖn d­íi d¹ng:
                  σ =σ X
                     i
                      2     2
                                i
                                 2

   Thñ tôc kiÓm ®Þnh nh­ sau:
       B­íc 1: S¾ p xÕp bé sè liÖu theo thø tù t¨ng dÇn cña X.
       B­íc 2: Lo¹i bá c quan s¸t (c= 15%-30%) ë chÝnh gi÷a vµ
        chia c¸c quan s¸t cßn l¹i thµnh 2 nhãm mçi nhãm cã (n-
        c)/ quan s¸t.
           2
   B­íc 3: LÇn l­ît håi qui m« h×nh trªn víi tõng nhãm quan
    s¸t, thu ®­îc:
       RSS1 víi sè bËc tù do lµ df = (n-c-2k)/
                                              2
       RSS2 víi sè bËc tù do lµ df = (n-c-2k)/
                                              2
   B­íc 4: KiÓm ®Þnh cÆp gi¶ thuyÕt:
    H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo X
    H1: Ph­¬ng sai sai sè thay ®æi
   Tiªu chuÈn kiÓm ®Þnh:
                          RSS 2 / df
                       λ=            ∼ F ( df ,df )
                          RSS1 / df

                  α         {
    MiÒn b¸c bá: W = λ / λ > F ( df ,df )
                              α                   }
   §èi víi m« h×nh håi qui béi ta cã thÓ tiÕn hµnh thñ tôc
    trªn víi mét biÕn gi¶i thÝch bÞ coi lµ nguyªn nh©n cña
    hiÖn t­îng ph­¬ng sai sai sè thay ®æi trong m« h×nh.
3.6. KiÓm ®Þnh White
   Gi¶ thiÕt: Ph­¬ng sai cña sai sè kh«ng chØ phô
    thuéc vµo c¸c biÕn gi¶i thÝch cã trong m« h×nh
    håi qui mµ cßn phô thuéc vµo b×nh ph­¬ng vµ
    tÝch chÐo cña c¸c biÕn gi¶i thÝch.
   XÐt m« h×nh håi qui 3 biÕn:
                 Yi = β1 + β 2 X 2i + β 3 X 3i + U i
   Thñ tôc kiÓm ®Þnh:
           B­íc 1: Håi qui m« h×nh ®· cho thu ®­îc c¸c phÇn d­ ei
            ⇒        ei2
           B­íc 2: Håi qui m« h×nh
e = α 1 + α 2 X 2i + α 3 X 3i + α 4 X + α 5 X + α 6 X 2i X 3i + Vi
    2
    i
                                        2
                                        2i
                                                2
                                                3i
e = α 1 + α 2 X 2i + α 3 X 3i + α 4 X + α 5 X + α 6 X 2i X 3i + Vi
          2
          i
                                                  2
                                                  2i
                                                           2
                                                           3i

   B­íc 3: KiÓm ®Þnh cÆp gi¶ thuyÕt:
    H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo biÕn gi¶i thÝch
    H1: Ph­¬ng sai sai sè thay ®æi
   Tiªu chuÈn kiÓm ®Þnh (1): F
   Tiªu chuÈn kiÓm ®Þnh (2):
                                     2( m )
                χ = nR ∼ χ
                   2        2


                        {
                Wα = χ / χ > χα
                            2    2            2( m )
                                                       }
       trong ®ã m lµ sè biÕn gi¶i thÝch cña m« h×nh ë b­íc 2.
   M« h×nh kiÓm ®Þnh ë b­íc 2 cã thÓ cã biÕn tÝch
    chÐo gi÷a c¸c biÕn gi¶i thÝch cã thÓ kh«ng cã.
3.7. KiÓm ®Þnh dùa trªn biÕn phô thuéc
   Gi¶ thiÕt: Ph­¬ng sai sai sè cã quan hÖ tuyÕn
    tÝnh víi [E(Y/ i)]2 .
                  X
   XÐt m« h×nh håi qui k biÕn:
        Yi = β1 + β 2 X 2i + β 3 X 3i + ... + β k X ki + U i
   Thñ tôc kiÓm ®Þnh:
       B­íc 1: ¦ l­îng m« h×nh ban ®Çu b»ng OLS t×m ®­
                íc               ∧
        îc phÇn d­ ei vµ        Yi
       B­íc 2: ¦ l­îng m« h×nh sau b»ng OLS
                íc
                             ∧ 2
             e = α1 + α 2 Yi + vi
               2
               i

    Thu ®­îc R2 vµ c¸c tham sè kh¸c cña m« h×nh
∧ 2
                   e = α1 + α 2 Yi + vi
                       2
                       i
   B­íc 3: KiÓm ®Þnh cÆp gi¶ thuyÕt:
    H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo biÕn phô thuéc
    H1: Ph­¬ng sai sai sè thay ®æi
   Tiªu chuÈn kiÓm ®Þnh (1): T
   Tiªu chuÈn kiÓm ®Þnh (2): F
   Tiªu chuÈn kiÓm ®Þnh (3):
               χ = nR ∼ χ (1)
                   2           2       2


   MiÒn b¸c bá:

                           {
               Wα = χ / χ > χ α (1)
                               2   2             2
                                                     }

Mais conteúdo relacionado

Semelhante a Nchuong6

Lý thuyết lấy mẫu
Lý thuyết lấy mẫu Lý thuyết lấy mẫu
Lý thuyết lấy mẫu Lam Nguyen
 
Kinh te luong_2369
Kinh te luong_2369Kinh te luong_2369
Kinh te luong_2369phonghp224
 
Giáo trình Mật mã học.pdf
Giáo trình Mật mã học.pdfGiáo trình Mật mã học.pdf
Giáo trình Mật mã học.pdfMan_Ebook
 
Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565
Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565
Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565Quốc Đạt Nguyễn
 
Kiểm định giả thiết & so sánh hai tổng thể
Kiểm định giả thiết & so sánh hai tổng thểKiểm định giả thiết & so sánh hai tổng thể
Kiểm định giả thiết & so sánh hai tổng thểLe Nguyen Truong Giang
 
Nghien cuu su lam viec btds va bt tuoi
Nghien cuu su lam viec btds va bt tuoiNghien cuu su lam viec btds va bt tuoi
Nghien cuu su lam viec btds va bt tuoiluuguxd
 
Giao Trinh Excel Nang Cao
Giao Trinh Excel Nang CaoGiao Trinh Excel Nang Cao
Giao Trinh Excel Nang Caonguyentuyenkgg
 
Dien hoa ly thuyet dh cn
Dien hoa ly thuyet dh cnDien hoa ly thuyet dh cn
Dien hoa ly thuyet dh cndang thuan
 
Ch2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinhCh2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinhViet Nam
 
Ch2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinhCh2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinhCat Love
 
Ch3 gian do-pha
Ch3 gian do-phaCh3 gian do-pha
Ch3 gian do-phaCat Love
 
Ch3 gian do-pha
Ch3 gian do-phaCh3 gian do-pha
Ch3 gian do-phaViet Nam
 
Phan thuc huu ty va cac dang toan
Phan thuc huu ty va cac dang toanPhan thuc huu ty va cac dang toan
Phan thuc huu ty va cac dang toanVui Lên Bạn Nhé
 
Baigiai thongke chuong4_9598
Baigiai thongke chuong4_9598Baigiai thongke chuong4_9598
Baigiai thongke chuong4_9598taichau90
 

Semelhante a Nchuong6 (20)

Chuong3
Chuong3Chuong3
Chuong3
 
Lý thuyết lấy mẫu
Lý thuyết lấy mẫu Lý thuyết lấy mẫu
Lý thuyết lấy mẫu
 
Kinh te luong_2369
Kinh te luong_2369Kinh te luong_2369
Kinh te luong_2369
 
Giáo trình Mật mã học.pdf
Giáo trình Mật mã học.pdfGiáo trình Mật mã học.pdf
Giáo trình Mật mã học.pdf
 
Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565
Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565
Khoa luan tot_nghiep_cong_momen_trong_co_hoc_luong_tu_0565
 
Các bài toán tổ hợp
Các bài toán tổ hợpCác bài toán tổ hợp
Các bài toán tổ hợp
 
Kiểm định giả thiết & so sánh hai tổng thể
Kiểm định giả thiết & so sánh hai tổng thểKiểm định giả thiết & so sánh hai tổng thể
Kiểm định giả thiết & so sánh hai tổng thể
 
Nghien cuu su lam viec btds va bt tuoi
Nghien cuu su lam viec btds va bt tuoiNghien cuu su lam viec btds va bt tuoi
Nghien cuu su lam viec btds va bt tuoi
 
Chuong 4
Chuong 4Chuong 4
Chuong 4
 
Chuong 4
Chuong 4Chuong 4
Chuong 4
 
Giao Trinh Excel Nang Cao
Giao Trinh Excel Nang CaoGiao Trinh Excel Nang Cao
Giao Trinh Excel Nang Cao
 
Dien hoa ly thuyet dh cn
Dien hoa ly thuyet dh cnDien hoa ly thuyet dh cn
Dien hoa ly thuyet dh cn
 
Ch2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinhCh2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinh
 
Ch2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinhCh2 bien dang-deo_&_co_tinh
Ch2 bien dang-deo_&_co_tinh
 
Ch3 gian do-pha
Ch3 gian do-phaCh3 gian do-pha
Ch3 gian do-pha
 
Ch3 gian do-pha
Ch3 gian do-phaCh3 gian do-pha
Ch3 gian do-pha
 
Sáng kiến kinh ngiệm 2009
Sáng kiến kinh ngiệm 2009Sáng kiến kinh ngiệm 2009
Sáng kiến kinh ngiệm 2009
 
Phan thuc huu ty va cac dang toan
Phan thuc huu ty va cac dang toanPhan thuc huu ty va cac dang toan
Phan thuc huu ty va cac dang toan
 
Baigiai thongke chuong4_9598
Baigiai thongke chuong4_9598Baigiai thongke chuong4_9598
Baigiai thongke chuong4_9598
 
Rama Ch6
Rama Ch6Rama Ch6
Rama Ch6
 

Mais de bookbooming1

Tập trung hay là chết
Tập trung hay là chếtTập trung hay là chết
Tập trung hay là chếtbookbooming1
 
Edison mà tôi biết
Edison mà tôi biếtEdison mà tôi biết
Edison mà tôi biếtbookbooming1
 
Chinh phục các đợt sóng văn hóa
Chinh phục các đợt sóng văn hóaChinh phục các đợt sóng văn hóa
Chinh phục các đợt sóng văn hóabookbooming1
 
Chân dung mới của cfo cách nhà quản trị tài chính thay đổi vai trò của mình...
Chân dung mới của cfo   cách nhà quản trị tài chính thay đổi vai trò của mình...Chân dung mới của cfo   cách nhà quản trị tài chính thay đổi vai trò của mình...
Chân dung mới của cfo cách nhà quản trị tài chính thay đổi vai trò của mình...bookbooming1
 
Những công ty đột phá
Những công ty đột pháNhững công ty đột phá
Những công ty đột phábookbooming1
 
Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...
Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...
Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...bookbooming1
 
Tiểu sử steve jobs
Tiểu sử steve jobsTiểu sử steve jobs
Tiểu sử steve jobsbookbooming1
 
Thuật đắc nhân tâm.
Thuật đắc nhân tâm.Thuật đắc nhân tâm.
Thuật đắc nhân tâm.bookbooming1
 
Con đường steve jobs
Con đường steve jobsCon đường steve jobs
Con đường steve jobsbookbooming1
 
10 lời khuyên khởi nghiệp
10 lời khuyên khởi nghiệp10 lời khuyên khởi nghiệp
10 lời khuyên khởi nghiệpbookbooming1
 
Chuongtrinh giang day
Chuongtrinh giang dayChuongtrinh giang day
Chuongtrinh giang daybookbooming1
 
Tôi tài giỏi bạn cũng thế!
Tôi tài giỏi bạn cũng thế!Tôi tài giỏi bạn cũng thế!
Tôi tài giỏi bạn cũng thế!bookbooming1
 

Mais de bookbooming1 (20)

Tập trung hay là chết
Tập trung hay là chếtTập trung hay là chết
Tập trung hay là chết
 
Edison mà tôi biết
Edison mà tôi biếtEdison mà tôi biết
Edison mà tôi biết
 
Chinh phục các đợt sóng văn hóa
Chinh phục các đợt sóng văn hóaChinh phục các đợt sóng văn hóa
Chinh phục các đợt sóng văn hóa
 
Chân dung mới của cfo cách nhà quản trị tài chính thay đổi vai trò của mình...
Chân dung mới của cfo   cách nhà quản trị tài chính thay đổi vai trò của mình...Chân dung mới của cfo   cách nhà quản trị tài chính thay đổi vai trò của mình...
Chân dung mới của cfo cách nhà quản trị tài chính thay đổi vai trò của mình...
 
Bản lĩnh putin
Bản lĩnh putinBản lĩnh putin
Bản lĩnh putin
 
Những công ty đột phá
Những công ty đột pháNhững công ty đột phá
Những công ty đột phá
 
Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...
Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...
Bí quyết của các ceo – 150 ceo toàn cầu tiết lộ bí mất về kinh doanh, cuộc số...
 
Tiểu sử steve jobs
Tiểu sử steve jobsTiểu sử steve jobs
Tiểu sử steve jobs
 
Thuật đắc nhân tâm.
Thuật đắc nhân tâm.Thuật đắc nhân tâm.
Thuật đắc nhân tâm.
 
Con đường steve jobs
Con đường steve jobsCon đường steve jobs
Con đường steve jobs
 
10 lời khuyên khởi nghiệp
10 lời khuyên khởi nghiệp10 lời khuyên khởi nghiệp
10 lời khuyên khởi nghiệp
 
Chuong mo dau
Chuong mo dauChuong mo dau
Chuong mo dau
 
Chuong 5
Chuong 5Chuong 5
Chuong 5
 
Chuong 2
Chuong 2Chuong 2
Chuong 2
 
Chuong 1
Chuong 1Chuong 1
Chuong 1
 
Ch viii
Ch viiiCh viii
Ch viii
 
Ch­ vii
Ch­ viiCh­ vii
Ch­ vii
 
Ch vi
Ch viCh vi
Ch vi
 
Chuongtrinh giang day
Chuongtrinh giang dayChuongtrinh giang day
Chuongtrinh giang day
 
Tôi tài giỏi bạn cũng thế!
Tôi tài giỏi bạn cũng thế!Tôi tài giỏi bạn cũng thế!
Tôi tài giỏi bạn cũng thế!
 

Nchuong6

  • 1. Ch­¬ng 6: Ph­¬ng sai sai sè thay ®æi 1. B¶n chÊt cña ph­¬ng sai sai sè thay ®æi 1.1. Ph­¬ng sai cña c¸c sai sè thay ®æi  Gi¶ thiÕt cña OLS: M« h×nh håi qui cã ph­¬ng sai sai sè ngÉu nhiªn thuÇn nhÊt (Homoroscedasticity), tøc lµ: Var(Ui) = σ 2 víi mäi i.  Tuy nhiªn trong thùc tÕ gi¶ thiÕt nµy cã thÓ bÞ vi ph¹m: Var(Ui) = σ i2, ph­¬ng sai sai sè ngÉu nhiªn cã gi¸ trÞ kh¸c nhau ë mçi gi¸ trÞ cô thÓ cña biÕn ®éc lËp.  HiÖn t­îng nµy ®­îc gäi lµ hiÖn t­îng ph­¬ng sai sai sè thay ®æi (Heteroskedasticity).
  • 2. 1.2. Nguyªn nh©n cña ph­¬ng sai sai sè thay ®æi  Do b¶n chÊt cña c¸c hiÖn t­îng kinh tÕ.  HiÖn t­îng kinh tÕ diÔn ra theo nh÷ng ®èi t­îng cã qui m« kh¸c nhau hoÆc t¹i nh÷ng thêi kú cã nhiÒu biÕn ®éng th× ph­¬ng sai cña sai sè kh¸c nhau.  HiÖn t­îng ph­¬ng sai sai sè thay ®æi th­êng x¶y ra víi sè liÖu chÐo nhiÒu h¬n sè liÖu chuçi thêi gian.  Do c¸c ph­¬ng tiÖn thu thËp vµ xö lý th«ng tin ngµy cµng hoµn thiÖn do ®ã sai sè d­êng nh­ gi¶m.  Do con ng­êi cã kh¶ n¨ng rót kinh nghiÖm.
  • 3. 2. HËu qu¶ cña ph­¬ng sai sai sè thay ®æi  C¸c hÖ sè håi qui ­íc l­îng b»ng OLS vÉn lµ c¸c ­íc l­ îng tuyÕn tÝnh, kh«ng chÖch nh­ng kh«ng hiÖu qu¶.  ¦ l­îng cña ph­¬ng sai cña sai sè ngÉu nhiªn bÞ íc chÖch.  ¦ l­îng hÖ sè x¸c ®Þnh R2 bÞ chÖch. íc  Kho¶ng tin cËy cña c¸c hÖ sè håi qui mÊt tÝnh chÝnh x¸c.  KiÓm ®Þnh T vµ kiÓm ®Þnh F bÞ mÊt chÝnh x¸c.
  • 4. 3. Ph¸t hiÖn ph­¬ng sai sai sè thay ®æi 3.1. §å thÞ phÇn d­ Yi = β1 + β 2 X i + U i  B­íc 1: Håi qui m« h×nh ®· cho, thu ®­îc c¸c phÇn d­ ei tÝnh ei2  B­íc 2: VÏ ®å thÞ cña ei2 theo Xi vµ dùa vµo ®å thÞ ®Ó ph¸n ®o¸n xem cã hiÖn t­îng ph­¬ng sai sai sè thay ®æi hay kh«ng. ei 2 ei2 0 Xi 0 Xi
  • 5. 3.2. KiÓm ®Þnh Park Yi = β1 + β 2 X i + U i  Gi¶ thiÕt: Ph­¬ng sai sai sè thay ®æi lµ mét hµm sè cña biÕn gi¶i thÝch. α 2 vi σ =σ X e i 2 2 i ln σ = ln σ 2 + α 2 ln X i + Vi i 2  α 2 = 0 : M« h×nh cã ph­¬ng sai sai sè kh«ng thay ®æi theo biÕn gi¶i thÝch  α 2 ≠ 0 : M« h×nh cã ph­¬ng sai sai sè thay ®æi  σ i ch­a biÕt nªn dïng ­íc l­îng ®iÓm cña nã 2 lµ 2 ei
  • 6. Thñ tôc kiÓm ®Þnh  B­íc 1: Håi qui m« h×nh ban ®Çu thu ®­îc c¸c phÇn d­ ei ⇒ 2 B­íc 2:e T×m ln(Xi) vµ ln ( ei2 )  i  B­íc 3: Håi qui m« h×nh: ( ) ln e = α1 + α 2 ln( X i ) + Vi 2 i  B­íc 4: KiÓm ®Þnh cÆp gi¶ thuyÕt: H0: M« h×nh cã ph­¬ng sai sai sè kh«ng thay ®æi theo X H1: M« h×nh cã ph­¬ng sai sai sè thay ®æi Tiªu chuÈn kiÓm ®Þnh (1): T Tiªu chuÈn kiÓm ®Þnh (2): F
  • 7. 3.3. KiÓm ®Þnh Glejser Yi = β1 + β 2 X i + U i  Gi¶ thiÕt: Ph­¬ng sai sai sè thay ®æi lµ mét hµm sè cña biÕn gi¶i thÝch.  Tuy nhiªn viÖc lùa chän d¹ng hµm nµo cßn tïy thuéc vµo quan hÖ gi÷a biÕn gi¶i thÝch vµ phÇn d­ trong tõng t×nh huèng cô thÓ.
  • 8. Thñ tôc kiÓm ®Þnh  B­íc 1: Håi qui m« h×nh ban ®Çu thu ®­îc c¸c phÇn d­ ei ⇒ ei  B­íc 2: Håi qui mét trong c¸c m« h×nh sau: ei = β 1 + β 2 X i + Vi ei = β1 + β 2 X i + Vi 1 1 ei = β 1 + β 2 + Vi ei = β 1 + β 2 + Vi Xi Xi  B­íc 3: KiÓm ®Þnh cÆp gi¶ thuyÕt: H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo X ( α 2 = 0 ) H1: Ph­¬ng sai sai sè thay ®æi (α 2 ≠ 0) Tiªu chuÈn kiÓm ®Þnh: T, F
  • 9. 3.4. KiÓm ®Þnh t­¬ng quan h¹ng Spearman  KiÓm ®Þnh t­¬ng quan h¹ng Spearman thùc hiÖn dùa trªn c¬ së x©y dùng hÖ sè t­¬ng quan h¹ng Spearman, ký hiÖu rs.  HÖ sè nµy ®­îc x¸c ®Þnh theo c«ng thøc:  ∑ d i2  rs = 1 − 6  2  ( n n −1    )  Trong ®ã:  di lµ hiÖu cña c¸c h¹ng ®­îc g¸n cho hai ®Æc tr­ng kh¸c nhau cïng mét phÇn tö thø i  n lµ sè c¸c phÇn tö xÕp h¹ng.
  • 10. Thñ tôc kiÓm ®Þnh Yi = β1 + β 2 X i + U i  B­íc 1: Håi qui m« h×nh thu ®­îc phÇn d­ ei ⇒ ei  B­íc 2: T×m h¹ng rank ei , rank X i d i = rank ei − rank X i  B­íc 3: TÝnh hÖ sè t­¬ng quan h¹ng Spearman theo c«ng thøc:  ∑d  i 2 rs = 1 − 6 2   n( n − 1)   
  • 11. B­íc 4: KiÓm ®Þnh cÆp gi¶ thuyÕt: H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo X H1: Ph­¬ng sai sai sè thay ®æi  Tiªu chuÈn kiÓm ®Þnh: rs n − 2 ( n-2 ) T= ~T 2 1- rs  MiÒn b¸c bá gi¶ thuyÕt H0 víi møc ý nghÜa α: Wα = {t , t > tα( n −2 ) }
  • 12. 3.5. KiÓm ®Þnh Goldfeld - Quandf  Gi¶ thiÕt: Ph­¬ng sai cña sai sè thay ®æi cã mèi quan hÖ tû lÖ thuËn víi mét trong c¸c biÕn gi¶i thÝch trong m« h×nh håi qui.  XÐt m« h×nh håi qui 2 biÕn: Yi = β1 + β2 X i + U i  Gi¶ sö gi÷a ph­¬ng sai sai sè ngÉu nhiªn vµ biÕn gi¶i thÝch cã mèi quan hÖ thÓ hiÖn d­íi d¹ng: σ =σ X i 2 2 i 2  Thñ tôc kiÓm ®Þnh nh­ sau:  B­íc 1: S¾ p xÕp bé sè liÖu theo thø tù t¨ng dÇn cña X.  B­íc 2: Lo¹i bá c quan s¸t (c= 15%-30%) ë chÝnh gi÷a vµ chia c¸c quan s¸t cßn l¹i thµnh 2 nhãm mçi nhãm cã (n- c)/ quan s¸t. 2
  • 13. B­íc 3: LÇn l­ît håi qui m« h×nh trªn víi tõng nhãm quan s¸t, thu ®­îc:  RSS1 víi sè bËc tù do lµ df = (n-c-2k)/ 2  RSS2 víi sè bËc tù do lµ df = (n-c-2k)/ 2  B­íc 4: KiÓm ®Þnh cÆp gi¶ thuyÕt: H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo X H1: Ph­¬ng sai sai sè thay ®æi  Tiªu chuÈn kiÓm ®Þnh: RSS 2 / df λ= ∼ F ( df ,df ) RSS1 / df  α { MiÒn b¸c bá: W = λ / λ > F ( df ,df ) α }  §èi víi m« h×nh håi qui béi ta cã thÓ tiÕn hµnh thñ tôc trªn víi mét biÕn gi¶i thÝch bÞ coi lµ nguyªn nh©n cña hiÖn t­îng ph­¬ng sai sai sè thay ®æi trong m« h×nh.
  • 14. 3.6. KiÓm ®Þnh White  Gi¶ thiÕt: Ph­¬ng sai cña sai sè kh«ng chØ phô thuéc vµo c¸c biÕn gi¶i thÝch cã trong m« h×nh håi qui mµ cßn phô thuéc vµo b×nh ph­¬ng vµ tÝch chÐo cña c¸c biÕn gi¶i thÝch.  XÐt m« h×nh håi qui 3 biÕn: Yi = β1 + β 2 X 2i + β 3 X 3i + U i  Thñ tôc kiÓm ®Þnh:  B­íc 1: Håi qui m« h×nh ®· cho thu ®­îc c¸c phÇn d­ ei ⇒ ei2  B­íc 2: Håi qui m« h×nh e = α 1 + α 2 X 2i + α 3 X 3i + α 4 X + α 5 X + α 6 X 2i X 3i + Vi 2 i 2 2i 2 3i
  • 15. e = α 1 + α 2 X 2i + α 3 X 3i + α 4 X + α 5 X + α 6 X 2i X 3i + Vi 2 i 2 2i 2 3i  B­íc 3: KiÓm ®Þnh cÆp gi¶ thuyÕt: H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo biÕn gi¶i thÝch H1: Ph­¬ng sai sai sè thay ®æi  Tiªu chuÈn kiÓm ®Þnh (1): F  Tiªu chuÈn kiÓm ®Þnh (2): 2( m ) χ = nR ∼ χ 2 2 { Wα = χ / χ > χα 2 2 2( m ) }  trong ®ã m lµ sè biÕn gi¶i thÝch cña m« h×nh ë b­íc 2.  M« h×nh kiÓm ®Þnh ë b­íc 2 cã thÓ cã biÕn tÝch chÐo gi÷a c¸c biÕn gi¶i thÝch cã thÓ kh«ng cã.
  • 16. 3.7. KiÓm ®Þnh dùa trªn biÕn phô thuéc  Gi¶ thiÕt: Ph­¬ng sai sai sè cã quan hÖ tuyÕn tÝnh víi [E(Y/ i)]2 . X  XÐt m« h×nh håi qui k biÕn: Yi = β1 + β 2 X 2i + β 3 X 3i + ... + β k X ki + U i  Thñ tôc kiÓm ®Þnh:  B­íc 1: ¦ l­îng m« h×nh ban ®Çu b»ng OLS t×m ®­ íc ∧ îc phÇn d­ ei vµ Yi  B­íc 2: ¦ l­îng m« h×nh sau b»ng OLS íc ∧ 2 e = α1 + α 2 Yi + vi 2 i Thu ®­îc R2 vµ c¸c tham sè kh¸c cña m« h×nh
  • 17. ∧ 2 e = α1 + α 2 Yi + vi 2 i  B­íc 3: KiÓm ®Þnh cÆp gi¶ thuyÕt: H0: Ph­¬ng sai sai sè kh«ng thay ®æi theo biÕn phô thuéc H1: Ph­¬ng sai sai sè thay ®æi  Tiªu chuÈn kiÓm ®Þnh (1): T  Tiªu chuÈn kiÓm ®Þnh (2): F  Tiªu chuÈn kiÓm ®Þnh (3): χ = nR ∼ χ (1) 2 2 2  MiÒn b¸c bá: { Wα = χ / χ > χ α (1) 2 2 2 }