1 CHCHƯƠƯƠNG 5NG 5 DỰ BÁO VỚI PHDỰ BÁO VỚI PHƯƠƯƠNG PHÁP NG PHÁP HỒI QUY BỘIHỒI QUY BỘI 2 Hồi quy bội là một quy trình thống kê trong Hồi quy bội là một quy trình thống kê trong đđó biến phụ ó biến phụ thuộc (Y) thuộc (Y) đưđược mô hình hoá nhợc mô hình hoá nhưư một hàm số của nhiều hmột hàm số của nhiều hơơn n một biến một biến đđộc lập (Xộc lập (X 11 , X, X 22 , …X, …X nn ). ). Mô hình tổng thể có thể viết nhMô hình tổng thể có thể viết nhưư sau:sau: YY = = f(Xf(X 11 , X, X 22 , …X, …X nn )) = =  00 + +  11 XX 11 + +  22 XX 22 + +  33 XX 33 +…+ +…+  kk XX kk ++ Trong Trong đđó ó  00 là tung là tung đđộ ộ đđiểm (Intercept) và các iểm (Intercept) và các  ii là các hệ số là các hệ số góc tgóc tươương ứng với các biến ng ứng với các biến đđộc lập. Và, ộc lập. Và,  là sai số tổng thể, là là sai số tổng thể, là chênh lệch giữa giá trị thực Y và giá trị dự báo của mô hình. chênh lệch giữa giá trị thực Y và giá trị dự báo của mô hình. MÔ HÌNH HỒI QUY BỘIMÔ HÌNH HỒI QUY BỘI 3 Khi biến phụ thuộc Khi biến phụ thuộc đđã ã đưđược xác ợc xác đđịnh, các biến ịnh, các biến đđộc lập ộc lập đưđược ợc tiến hành chọn lựa.tiến hành chọn lựa. Liệt kê tất cả các yếu tố có thể tác Liệt kê tất cả các yếu tố có thể tác đđộng ộng đđến sự biến ến sự biến đđổi của ổi của biến phụ thuộc. biến phụ thuộc. Chọn các biến có mối liên hệ rõ ràng nhất với biến phụ thuộc, Chọn các biến có mối liên hệ rõ ràng nhất với biến phụ thuộc, hoặc thông qua các nghiên cứu trhoặc thông qua các nghiên cứu trưước. ớc. Ví dụ: Doanh số bán lẻ và thu nhập khả dụng. NhVí dụ: Doanh số bán lẻ và thu nhập khả dụng. Nhưưng ngoài ng ngoài thu nhập khả dụng ra, có thể còn sự tác thu nhập khả dụng ra, có thể còn sự tác đđộng của: GDP, Dân ộng của: GDP, Dân số, lãi suất v.v.vsố, lãi suất v.v.v Tránh trTránh trưường hợp các biến ờng hợp các biến đđộc lập có mối quan hệ với nhau. ộc lập có mối quan hệ với nhau. Vì tác Vì tác đđộng của nó làm dự báo và kiểm ộng của nó làm dự báo và kiểm đđịnh thiếu chính xác. ịnh thiếu chính xác. CHỌN BIẾN ĐỘC LẬPCHỌN BIẾN ĐỘC LẬP 4 Ví dụ: Ví dụ: Thu nhập khả dụng quốc dân (DPI) và GDP hay DPI và dân Thu nhập khả dụng quốc dân (DPI) và GDP hay DPI và dân số có mối quan hệ rất lớn (Lỗi này số có mối quan hệ rất lớn (Lỗi này đưđược gọi là Đa công tuyến ợc gọi là Đa công tuyến Multicollinearity). Multicollinearity). Ngoài ra, phải lNgoài ra, phải lưưu ý u ý đđến những biến ến những biến đđo lo lưường ờng đưđược ợc (measurable variables), phải phân biệt khái niệm và biến số. (measurable variables), phải phân biệt khái niệm và biến số. Một số trMột số trưường hợp không ờng hợp không đđo bằng các công cụ, có thể sử o bằng các công cụ, có thể sử dụng bằng biến giả. dụng bằng biến giả. Ví dụ: Giới tính (Nam=1, Nữ =0)Ví dụ: Giới tính (Nam=1, Nữ =0) (Hồi quy bằng với biến giả sẽ (Hồi quy bằng với biến giả sẽ đưđược trình bày trong phần sau)ợc trình bày trong phần sau) CHỌN BIẾN ĐỘC LẬPCHỌN BIẾN ĐỘC LẬP [...]... cho doanh thu, kết quả hồi quy cho ra: Audit Trail Coefficient Table (Multiple Regression Selected) Series Descritpio n Included Overall in Model Coefficie nt T-test SALES Depende nt 123.47 6.36 40 .51 PRICE Yes -2 4.84 -5 .02 25. 17 -1 .17 INCOME Yes 0.03 13 .55 183.62 1.06 F-test Elasticit y F-test 154 .86 Audit Trail - Statistics Accuracy Measures Forecast Statistics AIC Durbin Watson Adjusted R-square... dụng giá (price) giải thích cho doanh thu (sales), kết quả hồi quy cho ra: Audit Trail Coefficient Table (Multiple Regression Selected) Series Included Overall Descritpion in Model Coefficient SALES Dependent -5 1.24 -0 .94 0.89 PRICE Yes 30.92 3 8.98 T-test F-test Elasticity F-test 8.98 1.46 Audit Trail - Statistics Accuracy Measures Forecast Statistics AIC Durbin Watson R-sqaure 39.07 Value 0.34 11 CÁC... Durbin Watson Adjusted R-square 95. 35% Value 1.67 13 CÁC KIỂM ĐỊNH THỐNG KÊ HỒI QUI BỘI (tt) Với kết quả trên, ta thấy có nhiều cải thiện đáng kể trong mô hình + R-squared đã tăng lên: 95. 97% Rtă + Dấu của biến cũng đã như kỳ vọng (âm), điều này có nghĩa như là khi giá tăng thì doanh số sẽ giảm tă + Hệ số DW cũng đã tăng lên 1.67 (nằm trong ngưỡng an toàn tă ngư từ 1. 5- 2 .5) 1.5Vậy chứng tỏ thiếu biến giải... 39.07 Value 0.34 11 CÁC KIỂM ĐỊNH THỐNG KÊ HỒI QUI BỘI (tt) Kết quả trên cho ta nhiều bất ổn trong mô hình: 1 R-squared khá thấp (39.07%) R2 Dấu của của biến giải thích là dấu dương Điều này có dương ý nghĩa rằng: khi tăng giá thì doanh số cũng tăng (điều tă tă (đ này không đúng với lý thuyết kinh tê') 3 Hệ số DW chỉ 0.34 cho thấy mô hình bị tự tương quan tương khá nặng Kết luận: mô hình đã có thể bỏ... lỗi và vì thế dự báo không còn chính xác 14 CÁC KIỂM ĐỊNH THỐNG KÊ HỒI QUI BỘI (tt) Trong bảng kết quả hồi quy chúng ta thường thấy thống kê Fthư Fstatistic Kiểm định này dùng để kiểm định giả thuyết: Ho : 1 = 2 = 3 = … = k = 0 H1: tất cả các hệ số không đồng thời bằng zero So sánh giá trị F tính toán (Fcalc) và giá trị F tra bảng (FT) với bậc tự do tử số là K và bậc tự do mẫu là n-(k+1); Với n... (Fcalc) và giá trị F tra bảng (FT) với bậc tự do tử số là K và bậc tự do mẫu là n-(k+1); Với n là nsố quan sát, K là số lượng biến giải thích lư Nếu Fcalc > FT: loại bỏ giả thuyết H0 (Chấp nhận mô hình) 15 THỰC HÀNH Lập ma trận tương quan giữa các biến độc lập Trong Excel tương (Có thể thực hiện được trong ForecastX) được 1 Khởi động Excel nhập dữ liệu 2 Chọn Tools trên thanh công cụ, chọn tiếp Data Analysis