Bài giảng Nhập môn Kinh tế lượng: Chương 9 - Phạm Trí Cao

Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M.<br /> Wooldridge<br /> <br /> 09.12.2017<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> <br /> MỘT SỐ VẤN ĐỀ MỞ RỘNG<br /> VỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> 9.1 Vấn đề xác định sai dạng hàm<br /> <br /> Chúng ta có thể kiểm định xem liệu mô hình đang xét có thiếu bình phương hay bậc cao hơn<br /> của một biến độc lập hay không bằng cách thêm các số hạng này vào mô hình và kiểm định<br /> xem thành phần thêm vào có ý nghĩa thống kê không.<br /> Ngoài ra, có thể sử dụng kiểm định chung về sai dạng hàm như RESET của Ramsey.<br /> <br /> Chương 9<br /> <br /> Kiểm định sai dạng hàm (RESET)<br /> <br /> Ý tưởng của RESET là thêm bình phương và bậc cao hơn của giá trị ước lượng của biến phụ<br /> thuộc vào hàm hồi quy (giống với kiểm định White rút gọn)<br /> <br /> y   0  1 x1  ...   k xk  u<br /> <br /> Wooldridge: Introductory Econometrics:<br /> A Modern Approach, 5e<br /> <br /> ˆ<br /> ˆ<br /> y   0  1 x1  ...   k xk  1 y   2 y  saiso<br /> 2<br /> <br /> 3<br /> <br /> 9.2<br /> <br /> 9.3<br /> <br /> Kiểm định xem có nên loại bỏ thành phần này hay không. Nếu ta không thể loại bỏ chúng, nghĩa là mô<br /> hình đã thiếu bậc cao của biến độc lập và biến tương tác, hay nói cách khác, mô hình sai dạng hàm.<br /> <br /> H0: 1=0, 2=0  H0: mô hình (9.2) có dạng hàm đúng<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> • Ví dụ 9.1: Mô hình kinh tế về vấn đề tội phạm<br /> <br /> Dependent Variable: NARR86 (MH2)<br /> Method: Least Squares<br /> Included observations: 2725<br /> <br /> • Tập tin crime1.wf1<br /> <br /> Dependent Variable: NARR86 (MH1)<br /> Method: Least Squares<br /> Included observations: 2725<br /> Variable<br /> <br /> PCNV<br /> AVGSEN<br /> TOTTIME<br /> PTIME86<br /> QEMP86<br /> INC86<br /> BLACK<br /> HISPAN<br /> C<br /> <br /> R-squared<br /> Adjusted R-squared<br /> <br /> Coefficient<br /> <br /> -0.133234<br /> -0.011318<br /> 0.012022<br /> -0.040842<br /> -0.050540<br /> -0.001489<br /> 0.326503<br /> 0.193914<br /> 0.568685<br /> 0.072321<br /> 0.069588<br /> <br /> Variable<br /> <br /> Std. Error<br /> 0.040350<br /> 0.012240<br /> 0.009435<br /> 0.008812<br /> 0.014440<br /> 0.000341<br /> 0.045416<br /> 0.039711<br /> 0.036046<br /> <br /> t-Statistic<br /> <br /> -3.301949<br /> -0.924645<br /> 1.274210<br /> -4.634769<br /> -3.500045<br /> -4.370173<br /> 7.189232<br /> 4.883099<br /> 15.77660<br /> <br /> Mean dependent var<br /> S.D. dependent var<br /> <br /> Biến QEMP86 là 1 biến rời rạc chỉ nhận 5 giá trị.<br /> <br /> https://sites.google.com/a/ueh.edu.vn/phamtricao/<br /> <br /> PCNV<br /> PCNV^2<br /> AVGSEN<br /> TOTTIME<br /> PTIME86<br /> PTIME86^2<br /> QEMP86<br /> INC86<br /> INC86^2<br /> BLACK<br /> HISPAN<br /> C<br /> <br /> Prob.<br /> <br /> 0.0010<br /> 0.3552<br /> 0.2027<br /> 0.0000<br /> 0.0005<br /> 0.0000<br /> 0.0000<br /> 0.0000<br /> 0.0000<br /> <br /> R-squared<br /> Adjusted R-squared<br /> <br /> 0.404404<br /> 0.859077<br /> 3<br /> <br /> Coefficient<br /> <br /> 0.552524<br /> -0.730212<br /> -0.017022<br /> 0.011954<br /> 0.287433<br /> -0.029608<br /> -0.014094<br /> -0.003415<br /> 7.19E-06<br /> 0.292296<br /> 0.163617<br /> 0.504607<br /> 0.103454<br /> 0.099819<br /> <br /> Std. Error<br /> <br /> 0.154237<br /> 0.156118<br /> 0.012054<br /> 0.009282<br /> 0.044258<br /> 0.003863<br /> 0.017361<br /> 0.000804<br /> 2.56E-06<br /> 0.044830<br /> 0.039451<br /> 0.036835<br /> <br /> t-Statistic<br /> <br /> 3.582297<br /> -4.677317<br /> -1.412124<br /> 1.287803<br /> 6.494462<br /> -7.663609<br /> -0.811813<br /> -4.249251<br /> 2.811369<br /> 6.520096<br /> 4.147388<br /> 13.69898<br /> <br /> Mean dependent var<br /> S.D. dependent var<br /> <br /> Prob.<br /> <br /> 0.0003<br /> 0.0000<br /> 0.1580<br /> 0.1979<br /> 0.0000<br /> 0.0000<br /> 0.4170<br /> 0.0000<br /> 0.0050<br /> 0.0000<br /> 0.0000<br /> 0.0000<br /> <br /> 0.404404<br /> 0.859077<br /> <br /> 4<br /> <br /> 1<br /> <br /> Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M.<br /> Wooldridge<br /> <br /> 09.12.2017<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> Wald Test: (MH2)<br /> Equation: EQ02<br /> Test Statistic<br /> F-statistic<br /> Chi-square<br /> <br /> Value<br /> <br /> 31.40381<br /> 94.21144<br /> <br /> df<br /> <br /> (3, 2713)<br /> 3<br /> <br /> Null Hypothesis: C(2)=0,C(6)=0,C(9)=0<br /> Null Hypothesis Summary:<br /> Normalized Restriction (= 0)<br /> C(2)<br /> C(6)<br /> C(9)<br /> <br /> Value<br /> <br /> -0.730212<br /> -0.029608<br /> 7.19E-06<br /> <br /> Restrictions are linear in coefficients.<br /> <br /> Ví dụ 9.2: Hàm hồi quy giá nhà<br /> <br /> Probability<br /> <br /> Bằng chứng cho thấy<br /> có sai dạng hàm<br /> <br /> 9.5<br /> <br /> Std. Err.<br /> <br /> 0.156118<br /> 0.003863<br /> 2.56E-06<br /> <br /> Thảo luận<br /> <br /> Chúng ta có thể thêm vào các bậc cao hơn của<br /> <br /> Dependent Variable: PRICE (MH 9.4)<br /> Method: Least Squares<br /> Included observations: 88<br /> <br /> R-squared<br /> <br /> -21.77031<br /> 0.002068<br /> 0.122778<br /> 13.85252<br /> 0.672362<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> Ramsey RESET Test<br /> Equation: EQ01<br /> Specification: PRICE C LOTSIZE SQRFT BDRMS<br /> Omitted Variables: Powers of fitted values from 2 to 3<br /> <br /> • Tập tin hprice1.wf1<br /> <br /> C<br /> LOTSIZE<br /> SQRFT<br /> BDRMS<br /> <br /> , hàm ý là thêm vào mô hình các<br /> <br /> RESET cung cấp ít thông tin về nguyên nhân sai dạng hàm.<br /> 5<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> Coefficient<br /> <br /> ˆ<br /> y<br /> <br /> Ít bằng chứng cho thấy<br /> có sai dạng hàm<br /> <br /> biến tương tác phức tạp và bậc cao hơn của các biến độc lập.<br /> <br /> p-value = 0.0000 < 0.05 : bác bỏ H0<br /> Vậy nên chọn mô hình 2.<br /> <br /> Variable<br /> <br /> 9.4<br /> <br /> 0.0000<br /> 0.0000<br /> <br /> F-statistic<br /> Likelihood ratio<br /> <br /> Std. Error<br /> 29.47504<br /> 0.000642<br /> 0.013237<br /> 9.010145<br /> <br /> t-Statistic<br /> <br /> -0.738601<br /> 3.220096<br /> 9.275093<br /> 1.537436<br /> <br /> Mean dependent var<br /> <br /> df<br /> (2, 82)<br /> 2<br /> <br /> Coefficient<br /> <br /> Std. Error<br /> <br /> Unrestricted Test Equation:<br /> Dependent Variable: PRICE<br /> Method: Least Squares<br /> Included observations: 88<br /> <br /> Prob.<br /> <br /> 0.4622<br /> 0.0018<br /> 0.0000<br /> 0.1279<br /> <br /> Variable<br /> <br /> C<br /> LOTSIZE<br /> SQRFT<br /> BDRMS<br /> FITTED^2<br /> FITTED^3<br /> <br /> 293.5460<br /> <br /> R-squared<br /> <br /> 7<br /> <br /> https://sites.google.com/a/ueh.edu.vn/phamtricao/<br /> <br /> Value<br /> 4.668205<br /> 9.489063<br /> <br /> 166.0973<br /> 0.000154<br /> 0.017599<br /> 2.174904<br /> 0.000353<br /> 1.55E-06<br /> <br /> 0.705853<br /> <br /> 317.4325<br /> 0.005203<br /> 0.299251<br /> 33.88811<br /> 0.007099<br /> 6.55E-06<br /> <br /> Probability<br /> 0.0120<br /> 0.0087<br /> <br /> t-Statistic<br /> <br /> 0.523252<br /> 0.029545<br /> 0.058810<br /> 0.064179<br /> 0.049786<br /> 0.235810<br /> <br /> Mean dependent var<br /> <br /> H0: Mô hình (9.4) có dạng hàm đúng . Với = 3%<br /> p-value = 0.0120 < 0.03: bác bỏ H0<br /> <br /> Prob.<br /> <br /> 0.6022<br /> 0.9765<br /> 0.9532<br /> 0.9490<br /> 0.9604<br /> 0.8142<br /> <br /> 293.5460<br /> <br /> 8<br /> <br /> 2<br /> <br /> Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M.<br /> Wooldridge<br /> <br /> 09.12.2017<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> Dependent Variable: LOG(PRICE) (MH 9.5)<br /> Method: Least Squares<br /> Included observations: 88<br /> <br /> Ramsey RESET Test<br /> Equation: EQ01<br /> Specification: PRICE C LOTSIZE SQRFT BDRMS<br /> Omitted Variables: Powers of fitted values from 2 to 5<br /> F-statistic<br /> Likelihood ratio<br /> <br /> Value<br /> 3.225850<br /> 13.15896<br /> <br /> df<br /> (4, 80)<br /> 4<br /> <br /> Coefficient<br /> <br /> Std. Error<br /> <br /> Unrestricted Test Equation:<br /> Dependent Variable: PRICE<br /> Method: Least Squares<br /> Included observations: 88<br /> Variable<br /> <br /> C<br /> LOTSIZE<br /> SQRFT<br /> BDRMS<br /> FITTED^2<br /> FITTED^3<br /> FITTED^4<br /> FITTED^5<br /> <br /> 340.2329<br /> 0.002603<br /> 0.157983<br /> 19.32476<br /> -0.034809<br /> 0.000191<br /> -3.93E-07<br /> 2.83E-10<br /> <br /> Variable<br /> <br /> Probability<br /> 0.0166<br /> 0.0105<br /> <br /> 3320.583<br /> 0.080979<br /> 4.816594<br /> 542.8438<br /> 0.240737<br /> 0.000714<br /> 1.02E-06<br /> 5.70E-10<br /> <br /> t-Statistic<br /> <br /> 0.102462<br /> 0.032149<br /> 0.032800<br /> 0.035599<br /> -0.144595<br /> 0.267613<br /> -0.383490<br /> 0.495886<br /> <br /> C<br /> LOG(LOTSIZE)<br /> LOG(SQRFT)<br /> BDRMS<br /> <br /> R-squared<br /> <br /> Prob.<br /> <br /> 0.9186<br /> 0.9744<br /> 0.9739<br /> 0.9717<br /> 0.8854<br /> 0.7897<br /> 0.7024<br /> 0.6213<br /> <br /> F-statistic<br /> Likelihood ratio<br /> <br /> Unrestricted Test Equation:<br /> Dependent Variable: LOG(PRICE)<br /> Included observations: 88<br /> <br /> 0.642965<br /> <br /> 0.651284<br /> 0.038281<br /> 0.092865<br /> 0.027531<br /> <br /> t-Statistic<br /> <br /> -1.991517<br /> 4.387714<br /> 7.540306<br /> 1.342415<br /> <br /> Mean dependent var<br /> <br /> Mô hình 1:<br /> <br /> 9.6<br /> <br /> 5.633180<br /> <br /> Variable<br /> <br /> Coefficient<br /> <br /> Std. Error<br /> <br /> t-Statistic<br /> <br /> 87.88576<br /> -4.181019<br /> -17.34933<br /> -0.925342<br /> 3.910284<br /> -0.192766<br /> <br /> 240.9739<br /> 12.59521<br /> 52.48991<br /> 2.769757<br /> 13.01429<br /> 0.752080<br /> <br /> 0.364711<br /> -0.331953<br /> -0.330527<br /> -0.334088<br /> 0.300461<br /> -0.256311<br /> <br /> Xây dựng một mô hình hỗn hợp và mỗi mô hình ban đầu là trường hợp đặc biệt<br /> của mô hình hỗn hợp và kiểm định:<br /> <br /> y   0   1 x1   2 x2   3 log( x1 )   4 log( x2 )  u<br /> <br /> Prob.<br /> <br /> C<br /> LOG(LOTSIZE)<br /> LOG(SQRFT)<br /> BDRMS<br /> FITTED^2<br /> FITTED^3<br /> <br /> Dạng hàm nào sẽ<br /> phù hợp hơn?<br /> <br /> 9.7<br /> <br /> Mô hình 2:<br /> <br /> 0.7163<br /> 0.7408<br /> 0.7418<br /> 0.7392<br /> 0.7646<br /> 0.7984<br /> <br /> https://sites.google.com/a/ueh.edu.vn/phamtricao/<br /> <br /> 0.0497<br /> 0.0000<br /> 0.0000<br /> 0.1831<br /> <br /> 10<br /> <br /> Kiểm định đối với mô hình không lồng nhau<br /> <br /> Probability<br /> 0.0831<br /> 0.0692<br /> <br /> H0: Mô hình (9.5) có dạng hàm đúng . Với = 6%<br /> p-value = 0.0831 > 0.06: chấp nhận H0<br /> <br /> Prob.<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> <br /> Ramsey RESET Test<br /> Specification: LOG(PRICE) C LOG(LOTSIZE) LOG(SQRFT) BDRMS<br /> Omitted Variables: Powers of fitted values from 2 to 3<br /> df<br /> (2, 82)<br /> 2<br /> <br /> -1.297042<br /> 0.167967<br /> 0.700232<br /> 0.036958<br /> <br /> Std. Error<br /> <br /> 9<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> Value<br /> 2.565041<br /> 5.340099<br /> <br /> Coefficient<br /> <br /> 9.8<br /> <br /> H0: 1=0, 2=0 cho mô hình 9.7<br /> <br /> Thảo luận<br /> 11<br /> <br /> H0: 3=0, 4=0 cho mô hình 9.6<br /> <br /> Luôn có thể thực hiện; tuy nhiên, không có mô hình chiếm ưu thế rõ ràng.<br /> Không thể sử dụng nếu các mô hình có biến phụ thuộc có dạng hàm khác nhau.<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> 3<br /> <br /> Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M.<br /> Wooldridge<br /> <br /> 09.12.2017<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> <br /> Wald Test:<br /> Equation: EQ03<br /> <br /> • Tập tin hprice1.wf1<br /> <br /> Dependent Variable: PRICE (MH 9.8)<br /> Method: Least Squares<br /> Included observations: 88<br /> Variable<br /> <br /> C<br /> LOTSIZE<br /> SQRFT<br /> LOG(LOTSIZE)<br /> LOG(SQRFT)<br /> <br /> R-squared<br /> <br /> Coefficient<br /> <br /> 1403.700<br /> -0.000493<br /> 0.247463<br /> 60.21552<br /> -282.6301<br /> 0.713293<br /> <br /> Test Statistic<br /> <br /> Std. Error<br /> 970.6562<br /> 0.001021<br /> 0.063686<br /> 20.04305<br /> 140.5320<br /> <br /> t-Statistic<br /> <br /> 1.446135<br /> -0.483133<br /> 3.885688<br /> 3.004309<br /> -2.011144<br /> <br /> Mean dependent var<br /> <br /> F-statistic<br /> Chi-square<br /> <br /> Prob.<br /> <br /> Normalized Restriction (= 0)<br /> C(2)<br /> C(3)<br /> <br /> 293.5460<br /> <br /> F-statistic<br /> Chi-square<br /> <br /> Value<br /> <br /> 7.259057<br /> 14.51811<br /> <br /> Null Hypothesis: C(4)=0,C(5)=0<br /> Null Hypothesis Summary:<br /> Normalized Restriction (= 0)<br /> C(4)<br /> C(5)<br /> <br /> df<br /> <br /> (2, 83)<br /> 2<br /> <br /> Value<br /> <br /> 60.21552<br /> -282.6301<br /> <br /> Restrictions are linear in coefficients.<br /> <br /> df<br /> <br /> (2, 83)<br /> 2<br /> <br /> Value<br /> <br /> -0.000493<br /> 0.247463<br /> <br /> Restrictions are linear in coefficients.<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> Test Statistic<br /> <br /> 7.792740<br /> 15.58548<br /> <br /> Null Hypothesis: C(2)=0, C(3)=0<br /> Null Hypothesis Summary:<br /> <br /> 0.1519<br /> 0.6303<br /> 0.0002<br /> 0.0035<br /> 0.0476<br /> <br /> 13<br /> <br /> Wald Test:<br /> Equation: EQ03<br /> <br /> Value<br /> <br /> Probability<br /> 0.0008<br /> 0.0004<br /> <br /> Std. Err.<br /> <br /> 0.001021<br /> 0.063686<br /> <br /> p-value = 0.0008 < 0.05: bác bỏ H0: 1=0, 2=0<br /> Mô hình (9.7) không chiếm ưu thế hơn (9.6)<br /> <br /> 14<br /> <br /> PHÂN TÍCH HỒI QUY BỘI:<br /> VẤN ĐỀ DẠNG HÀM VÀ DỮ LIỆU<br /> • Cách làm này chỉ cho ra kết quả tốt khi 1 giả thiết bị bác bỏ và 1 giả<br /> thiết được chấp nhận.<br /> • Có thể dùng kiểm định Davidson-MacKinnon, trang 350.<br /> <br /> Probability<br /> 0.0012<br /> 0.0007<br /> <br /> Std. Err.<br /> <br /> 20.04305<br /> 140.5320<br /> <br /> p-value = 0.0012 < 0.05: bác bỏ H0: 3=0, 4=0<br /> Mô hình (9.6) không chiếm ưu thế hơn (9.7)<br /> <br /> https://sites.google.com/a/ueh.edu.vn/phamtricao/<br /> <br /> 15<br /> <br /> 16<br /> <br /> 4<br /> <br /> Chương 9 - Nhập môn Kinh tế lượng * Jeffrey M.<br /> Wooldridge<br /> <br /> 09.12.2017<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> 9.2 Sử dụng biến đại diện cho các biến giải thích không quan sát được<br /> Ví dụ: Bỏ sót biến năng lực trong mô hình tiền lương<br /> <br /> Thay bằng biến đại diện<br /> <br /> 9.9<br /> <br /> Thông thường, ước lượng của suất sinh lợi giáo dục và kinh nghiệm thường bị chệch bởi vì mô hình<br /> có thể bỏ sót biến năng lực không quan sát được.<br /> Ý tưởng: tìm một biến đại diện cho năng lực, có thể kiểm soát và thể hiện được năng lực khác nhau<br /> giữa các cá nhân, khi đó hệ số hồi quy của các biến khác không còn chệch. Một trong những biến<br /> đại diện cho năng lực là chỉ số IQ hoặc kết quả của các bài kiểm tra tương tự.<br /> <br /> Cách sử dụng biến đại diện trong mô hình:<br /> <br /> 9.11<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> Giả thiết đối với biến đại diện<br /> <br /> Biến đại diện “chỉ là đại diện“ cho biến bị bỏ sót, nó không thuộc vào hàm hồi<br /> quy tổng thể, nghĩa là, nó không tương quan với nhiễu.<br /> <br /> Nếu nhiễu và biến đại diện có tương quan, biến đại<br /> diện cần có mặt trong mô hình hồi quy tổng thể<br /> <br /> Biến đại diện phải đại diện “tốt“ cho biến bị bỏ sót, nghĩa là các biến khác thêm<br /> vào không giúp gì trong dự đoán biến bị bỏ sót.<br /> <br /> 9.10<br /> <br /> Nếu điều này không thỏa,<br /> thì x1 và x2 cần được thêm<br /> vào mô hình hồi quy của<br /> biến bị bỏ sót.<br /> <br /> Biến bỏ sót, chẳng hạn: năng lực<br /> <br /> Hồi quy biến bỏ sót theo biến đại diện của nó (x3 đại diện cho x3*)<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> Khi thỏa các giả định trên, biến đại diện được sử dụng như sau:<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> Phân tích hồi quy bội:<br /> Vấn đề dạng hàm và dữ liệu<br /> Ví dụ 9.3: IQ là biến đại diện cho năng lực abil<br /> <br /> Giống với kỳ vọng, suất sinh lợi giáo<br /> dục giảm nếu IQ được đưa vào mô<br /> hình để làm đại diện cho biến năng lực<br /> không quan sát được.<br /> <br /> Trong mô hình hồi quy này, sai số ngẫu nhiên e= u+β3v3 không tương quan với tất cả biến giải<br /> thích. Khi đó, hệ số hồi quy sẽ được ước lượng đúng bằng OLS. Hệ số của biến x1 và x2 sẽ xác<br /> định đúng. Hệ số của biến đại diện trong nhiều trường hợp cũng được quan tâm (nó là bội số<br /> của hệ số đứng trước biến bị bỏ sót).<br /> <br /> Hệ số hồi quy đứng trước biến IQ cho<br /> biết sự khác nhau trong năng lực giữa<br /> các cá nhân có ý nghĩa quan trọng đến<br /> tiền lương (ví dụ, mức chênh lệnh 15<br /> điểm IQ dẫn đến mức chênh lên 5,4<br /> điểm phần trăm trong tiền lương).<br /> <br /> Thảo luận về giả thiết biến đại diện trong hàm tiền lương<br /> <br /> Giả thiết 1: Chỉ số IQ phải hoàn toàn không tác động trực tiếp đến tiền lương; quan trọng<br /> <br /> Ngay cả khi chỉ số IQ không hoàn toàn<br /> giải thích sự thay đổi do năng lực, việc<br /> thêm nó vào mô hình ít nhất làm giảm<br /> tính chệch của suất sinh lợi giáo dục.<br /> <br /> là một cá nhân chứng minh năng lực trong công việc như thế nào.<br /> <br /> Giả thiết 2: Hầu hết sự biến động của biến năng lực có thể được giải thích bởi sự thay đổi<br /> trong chỉ số IQ, chỉ có một số ít được giải thích bởi học vấn và kinh nghiệm.<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> https://sites.google.com/a/ueh.edu.vn/phamtricao/<br /> <br /> 9.13<br /> <br /> Có thể có đa cộng tuyến cao giữa IQ và educ<br /> <br /> Tương tác giữa năng lực và học vấn<br /> không có ý nghĩa.<br /> <br /> © 2012 Cengage Learning. All Rights Reserved. May not be scanned, copied or duplicated, or posted to a publicly accessible website, in whole or in part.<br /> <br /> 5<br /> <br />