Bài giảng Giới thiệu học phần thống kê ứng dụng trong kinh doanh - Chương 12: Hồi quy tuyến tính đa biến - Nguyễn Tiến Dũng

CHƯƠNG 12 HỒI QUY TUYẾN TÍNH ĐA BIẾN Ths. Nguyễn Tiến Dũng Viện Kinh tế và Quản lý, Trường ĐH Bách khoa Hà Nội Email: dung.nguyentien3@hust.edu.vn MỤC TIÊU CỦA CHƯƠNG ●Sau khi kết thúc chương này, người học có thể ● Nêu được ý nghĩa của phân tích hồi quy đa biến (hồi quy bội) trong NCKH ● Mô tả được cách xác định phương trình hồi quy đa biến với dữ liệu mẫu ● Kể tên và biết cách tính các chỉ tiêu đánh giá mức độ phù hợp của mô hình hồi quy đa biến ● Hiểu các giả định và cách kiểm tra tính đúng đắn của các giả định khi xây dựng phương trình hồi quy bội © Nguyễn Tiến Dũng Thống kê ứng dụng 2 CÁC NỘI DUNG CHÍNH 12.1 Phương trình hồi quy tuyến tính tổng thể đa biến 12.2 Phương trình hồi quy tuyến tính mẫu đa biến 12.3 Hồi quy với biến đầu vào định tính 12.4 Hồi quy phi tuyến © Nguyễn Tiến Dũng Thống kê ứng dụng 3 Vai trò và ý nghĩa của hồi quy đa biến ●Muốn nghiên cứu ảnh hưởng đồng thời của nhiều biến đầu vào tới 1 biến đầu ra ●Các biến đầu vào và biến đầu ra đều có dữ liệu định lượng (khoảng, tỷ lệ) ●Trong số các biến đầu vào, có biến định tính (biến giả) © Nguyễn Tiến Dũng Thống kê ứng dụng 4 12.1 PHƯƠNG TRÌNH HỒI QUY TUYẾN TÍNH BỘI VỚI DỮ LIỆU TỔNG THỂ ● TD Trang 358: 3 biến độc lập ● yi = b0 + b1x1i + b2x2i + b3x3i + ei ● KQ làm việc = f(PT tình huống, Khả năng trình bày viết, Khả năng trình bày miệng) ● x1 = Khả năng PT tình huống ● x2 = Khả năng trình bày viết ● x3 = Khả năng trình bày miệng ● y = Kết quả làm việc ● bj: hệ số độ dốc của y theo xj, trong điều kiện các biến khác được giữ nguyên không đổi  hệ số hồi quy riêng phần © Nguyễn Tiến Dũng Thống kê ứng dụng 5 12.2 PHƯƠNG TRÌNH HỒI QUY TUYẾN TÍNH MẪU ĐA BIẾN ●TD: PTHQTT mẫu với 3 biến đầu vào © Nguyễn Tiến Dũng Thống kê ứng dụng 6 0 1 1 2 2 3 3 0 1 1 2 2 3 3 ( 1, ) ˆ i i i i i i i i i y b b x b x b x e i n y b b x b x b x           Data Analysis (Excel): Regression © Nguyễn Tiến Dũng Thống kê ứng dụng 7 Hiểu các kết quả phân tích ●SSR = 171,3057 ●SSE = 37,6277 ●SST = 208,9333 ●Hệ số xác định bội R2 = SSR/SST = 0,8199 ●Hệ số xác định bội hiệu chỉnh R2adj = 0,7708 © Nguyễn Tiến Dũng Thống kê ứng dụng 8 2 2 1 1 (1 ) 1 adj n R R n k           Đánh giá ý nghĩa toàn diện của mô hình ●H0: b1=b2=b3=0 ●H1: Có ít nhất một hệ số bi khác 0 ●Chỉ tiêu KĐ Fisher ● p-value(FStat) = 0,0002 < 0,05  Mô hình có ý nghĩa © Nguyễn Tiến Dũng Thống kê ứng dụng 9 S / 16,6931 / ( 1) tat MSR SSR k F MSE SSE n k      Sai số chuẩn của ước lượng (Standard Error) ●Đo lường sự phân tán của các giá trị thực tế trong dữ liệu mẫu của biến phụ thuộc xung quanh giá trị của biến phụ thuộc được dự đoán bằng đường hồi quy © Nguyễn Tiến Dũng Thống kê ứng dụng 10 / 37,6277 1,8495 1 15 3 1 Y X SSE s n k        Đánh giá ý nghĩa của từng biến độc lập ●KĐ tính khác không của các hệ số bj ●Chỉ tiêu KĐ tStat ●Các hệ số bj được Excel tính sẵn trong bảng Coefficients ●Số bậc tự do: df = n-k-1 ●KQ: Các hệ số của x1, x2 và x3 đều không thực sự khác 0 với độ tin cậy 95%  Tại sao? © Nguyễn Tiến Dũng Thống kê ứng dụng 11 0 1 S : 0 : 0 j j j j tat b H H b t s b b     Hiện tượng đa cộng tuyến (Multi-collinearity) ●Đa cộng tuyến: tình trạng các biến đầu vào của PTHQ có tương quan chặt với nhau ●Biểu hiện của đa cộng tuyến ● R2 cao mà KQ KĐ Student lại không khẳng định được các hệ số bê-ta là khác 0 ● Hệ số tương quan tuyến tính giữa các biến đầu vào là lớn rij ● Hệ số phóng đại phương sai VIFj = 1/(1-R 2 j) có giá trị lớn (>5 – 10) © Nguyễn Tiến Dũng Thống kê ứng dụng 12 Hệ số tương quan giữa 2 biến và VIF x1 x2 x3 VIF x1 1,0000 0,5781 0,6761 1,8429 x2 0,5781 1,0000 0,8675 4,0435 x3 0,6761 0,8675 1,000 4,9590 © Nguyễn Tiến Dũng Thống kê ứng dụng 13 Khắc phục hiện tượng đa cộng tuyến © Nguyễn Tiến Dũng Thống kê ứng dụng 14 Kiểm tra các giả định của mô hình HQTT đa biến: Phân tích phần dư ●Quan hệ tuyến tính giữa biến đầu ra và các biến đầu vào ● Vẽ đồ thị phần dư lần lượt theo từng biến đầu vào ●Phần dư có phân phối normal ●PS của phần dư không đổi ● KĐ Park: Mô hình HQTT Ln(e2) theo y^ ●Không có sự tự tương quan ● KĐ Durbin-Watson ●Không có hiện tượng đa cộng tuyến © Nguyễn Tiến Dũng Thống kê ứng dụng 15 12.3 HỒI QUY VỚI BIẾN ĐẦU VÀO ĐỊNH TÍNH ●Hồi quy với biến giả (dummy variables) ●TD: ● Thu nhập = f(Số năm kinh nghiệm; Bằng MBA) ● y = Thu nhập ● x1 = Số năm kinh nghiệm ● d = Bằng MBA (1=có; 0=không) © Nguyễn Tiến Dũng Thống kê ứng dụng 16 Hồi quy với biến giả (MBA) © Nguyễn Tiến Dũng Thống kê ứng dụng 17 ˆ 8993,52 1072,14. 2935,39.y x d   Một số vấn đề liên quan đến việc sử dụng biến giả ●Để phân biệt m loại/nhóm, cần dùng m-1 biến giả ●Việc gán giá trị 1 và 0 cho loại nào không quan trọng. Chỉ lưu ý việc giải thích KQ. ●Loại nhận giá trị 0 gọi là loại cơ sở. ●Hệ số gắn với biến giả d được gọi là hệ số tung độ gốc chênh lệch. © Nguyễn Tiến Dũng Thống kê ứng dụng 18 12.4 HỒI QUY PHI TUYẾN ●Các dạng hàm phi tuyến thường dùng ● Hàm bậc 2 ● Hàm đa thức bậc n ● Hàm mũ ● Hàm logarit ●Cách thực hiện ● Vẽ đồ thị  dự đoán mối liên hệ ● Thực hiện PTHQ phi tuyến trực tiếp ● Tuyến tính hóa  PTHQ tuyến tính © Nguyễn Tiến Dũng Thống kê ứng dụng 19