Bài giảng Kinh tế lượng - Chương 5: Hiện tượng đa cộng tuyến (multicollinearity)

1. Bản chất, nguyên nhân của đa cộng tuyến 2 Ước lượng các tham số 3 Hậu quả 4 Phát hiện đa cộng tuyến 5 Khắc phục đa cộng tuyến

pdf4 trang | Chia sẻ: thanhlam12 | Lượt xem: 799 | Lượt tải: 0download
Bạn đang xem nội dung tài liệu Bài giảng Kinh tế lượng - Chương 5: Hiện tượng đa cộng tuyến (multicollinearity), để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
09/09/2014 1 HIỆN TƯỢNG ĐA CỘNG TUYẾN (MULTICOLLINEARITY) CHƯƠNG 5 Đa cộng tuyến Hi ểu b ản ch ấ t v à h ậ u tuyến 1. quả của cộngđa MỤC TIÊU Biết cộng khắc hiện đa2. cách phát tuyến phục và biện pháp 2 NỘI DUNG Bản chất, nguyên nhân của đa cộng tuyến1 Ước lượng các tham số2 3 Hậu quả Phát hiện đa cộng tuyến4 Khắc phục đa cộng tuyến5 3 5.1 Bản chất của đa cộng tuyến Đa cộng tuyến Trong mô hình hồi quy bội βˆ βˆ 2 βˆ X 3 3i βˆ X k ki ˆ = + + + ... +Yi X2i1 4 Có sự phụ thuộc tuyến tính cao giữa các biến giải thích 5.1 Bản chất của đa cộng tuyến a. Đa cộng tuyến hoàn hảo Tồn tại λ2, λ3, λk không đồng thời bằng 0 sao cho λ2X2 + λ3X3 + + λkXk = 0 b. Đa cộng tuyến không hoàn hảo λ2X2 λ3X3 λkXk+ + + + vi= 0 với vi là sai số ngẫu nhiên. 5 6.1 Bản chất của đa cộng tuyến VD X2 10 15 18 24 30 X3 50 75 90 120 150 X4 V 52 2 75 0 97 7 129 9 152 2 X3i = 5X2i, có cộng tuyến hoàn hảo giữa X2 và X3 ; r23 = 1 X2 và X4 có cộng tuyến không hoàn hảo 6 09/09/2014 2 6.1 Bản chất của đa cộng tuyến Không có đa cộng tuyến Đa cộng tuyến thấp Y Y X3 X3X2 X2 Hình 6.1 Biểu đồ Venn mô tả hiện tượng đa cộng tuyến 7 6.1 cộng Bản chất của đa cộng tuyến Đa tuyến cao Đa cộng tuyến hoàn hảo Y Y X3 X2 X2 X3 Hình 6.1 Biểu đồ Venn mô tả hiện tượng đa cộng tuyến 8 6.1 Nguyên nhân của đa cộng tuyến - Chọn các biến độc lập có mối quan có quan hệ nhân quả hay có tương quan cao vì đồng phụ thuộc vào một điều kiện khác. - Số quan sát nhỏ hơn số biến độc lập. - Cách thu thập mẫu: mẫu không đặc trưng cho tổng thể - Chọn biến Xi có độ biến thiên nhỏ. 9 6.2 Ước lượng khi có đa cộng tuyến 1. Trường hợp có đa cộng tuyến hoàn hảo Xét mô hình hồi qui 3 biến dưới dạng sau: Yi = β2 + β3X2i X3i + ei được= λX2i, mô hìnhgiả sử X3i biến đổi thành: Yi = (β2+ λβ3)X2i β0+ ei = X2i + ei Phương pháp OLS ∑ x2iyi ∑ x 2 βˆ = (βˆ + λβˆ ) =o 2 3 2i ˆ ˆβ 2 , β 3� Không thể tìm được lời giải duy nhất cho 10 6.2 Ước lượng khi có đa cộng tuyến ∑yx 2 ∑x 3 −∑yx 3 ∑x 2 x 3 2ˆ i i i i i i iβ =2 ∑ 2i∑ ∑2 23i )2− (x x x x2i 3i λ∑ λ2 yi x3i∑x3i − λ ∑yi x3i∑x3i x3i2 0 0 βˆ = =2 ∑ 3i∑ ∑ 3i∑2 2 2 2 2x −λx x x3i 3i � Các hệ số ước lượng không xác định � Phương sai và sai số chuẩn của β2 và β3 là vô hạn 11 6.2 Ước lượng khi có đa cộng tuyến 2. Trường hợp có đa cộng tuyến không hoàn hảo Đa cộng tuyến hoàn hảo thường không xảy ra trong thực tế. Xét mô hình hồi qui 3 biến dưới dạng sau: � � yi = β2 + β3x2i x3i + ei = λGiả sử x3i x2i + vi Với λ ≠ 0 và vi là sai số ngẫu nhiên 12 09/09/2014 3 6.2 Ước lượng khi có đa cộng tuyến ( yx )(λ2 x 2 + v 2 )−(λ2 yx + yv)(λ x 2 )∑ i 2i ∑ 2i ∑ i ∑ i 2i ∑ i i ∑ 2i βˆ = ( )(λ 2 v 2 )− (λ2 )22 ∑ 2i ∑ 2i ∑ i ∑ 2ix 2 x 2 x 2+ � Có thể ước lượng được các hệ số hồi quy nhưng sai số chuẩn rất lớn. 13 6.3 Hậu quả của đa cộng tuyến Nếu có cộng tuyến gần hoàn hảo � Phương sai và hiệp phương sai của các ước lượng OLS lớn. � Khoảng tin cậy rộng hơn. � Tỉ số t "không có ý nghĩa" � R2 cao nhưng tỉ số t ít có ý nghĩa 14 6.3 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 Dấu qui nhỏ trong dữ liệu. của các ước lượng của các hệ số hồi có thể sai 6. 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. 15 6.3 Hậu quả của đa cộng tuyến Đa cộng tuyến là một hiện tượng theo mẫu, nghĩa là cho dù các biến độc lập Xi không tương tổng thể nhưng quan tuyến tính quan tuyến tính trong chúng có thể tương trong một mẫu cụ thể nào đó. Do đó cỡ mẫu lớn thì hiện tượng đa cộng tuyến ít nghiêm trọng hơn cỡ mẫu nhỏ 16 6.4 Cách phát hiện đa cộng tuyến 1. 2. Hệ số R2 lớn nhưng tỷ số t nhỏ Tương quan cặp giữa các biến giải thích cao 3. 4. Sử dụng Sử dụng (VIF) mô hình hồi qui phụ yếu tố phóng đại phương sai 17 6.4 Cách phát hiện đa cộng tuyến lớn nhưng tỷ số t nhỏ1. 2. R2 Tương quan cặp giữa các biến giải thích cao ∑(Xi−X )(Zi−Z ) =rXZ ∑ Z (X − X) 2 (Z − Z) 2i 2 i thíchTrong đó hình X, là biến giải trong mô 18 09/09/2014 4 6.4 Cách phát hiện đa cộng tuyến 3. Sử dụng mô hình hồi quy phụ Hồi qui một biến giải thích X theo các biến còn lại ˆ ˆ ˆˆ = β1 + β 3 X + ... + β kXX 2i 3i mi Tính R2 và F cho mỗi mô hình 2 ( n −R m ) F = 2(1 − )( m − 1 )R Lập giả thiết H0: R2 = 0 ~ H0: không có đa cộng tuyến Nếu F > Fα(m-1,n-k): Nếu F < Fα(m-1,n-k): cộng tuyến bác bỏ H0 hay có đa cộng tuyến chấp nhận H0 hay không có đa 19 6.4 Cách phát hiện đa cộng tuyến 4. Sử dụng nhân tử phóng đại phương sai (VIF) Đối với hàm hồi quy 2 biến giải thích 1 VIF = r2(1 − )23 Đối với trường hợp tổng quát, có (k-1) 1 biến giải thích VIF = R2(1 − )j �R2j: là giá trị R2 trong hàm hồi quy của Xj theo (k-2) biến giải thích còn lại. �Thông thường khi VIF > 10, thì biến này được coi là có cộng tuyến cao 20 6.5 Cách khắc phục 1. Dùng thông tin tiên nghiệm Ví dụ mô hình sản xuất Cobb-Douglas Ln(Yi)=β1 + β2ln(Ki)+ β3ln(Li) + ui Có thể xảy ra đa cộng tuyến do K và L cùng tăng theo quy mô sản xuất. Nếu biết hiệu suất quy mô tức là β2+β3=1 thìkhông đổi theo Ln(Yi)=β1 + β2ln(Ki)+ (1-β2)ln(Li) + ui = β1 + β2[ln(Ki) - ln(Li)] + β2ln(Ki /Li) + ui Ln(Yi) – Ln(Li) Ln(Yi /Li ) = β1 + ui => mất đa cộng tuyến (vì đây là mô hình hồi quy đơn) 21 6.5 Cách khắc phục 2. Loại trừ một biến giải thích ra khỏi mô hình B1: Xem cặp biến giải thích nào có quan hệ chặt chẽ. Giả sử X2, X3Xk là các biến độc lập, Y là biến phụ thuộc và X2, X3 có tương quan chặt chẽ với nhau. B2: Tính R2 đối với các hàm hồi quy: có mặt cả 2 biến; không có mặt một trong 2 biến B3: Loại biến mà giá trị R2 tính được khi không có mặt biến đó là lớn hơn. 22 6.5 Cách khắc phục 3. Bổ sung thêm dữ liệu hoặc chọn mẫu mới 2σ var(βˆ ) =2 ∑ 22i 2(1−x r )23 23 6.5 Cách khắc phục 4. Dùng sai phân cấp Có hàm hồi qui: yt = α1 suy ra 1 + β1x1t β2x2t+ + ut = α1 + β1x1,t-1 β2x2,t-1yt-1 + + ut-1 Trừ hai vế cho nhau, được: β1(x1,t β2(x2,tyt – yt (ut – ut Hay: = – x1,t 1) + – x2,t 1) +– – 1 – – 1) ∆yt = β1 ∆ + β2 ∆x1,t x2,t + et, 24