�ݺ�ߣ

Chương 6
Đa cộng tuyến
I. Bản chất của đa cộng tuyến
Đa cộng tuyến là tồn tại mối quan hệ
tuyến tính giữa một số hoặc tất cả
các biến độc lập trong mô hình.
Xét hàm hồi qui k biến :
Yi = β1+ β2X2i + …+ βkXki + Ui
- Nếu tồn tại các số λ2, λ3,…,λk không
đồng thời bằng 0 sao cho :

λ2X2i + λ3X3i +…+ λkXki + a = 0
(a : hằng số)
Thì giữa các biến độc lập xảy ra hiện
tượng đa cộng tuyến hoàn hảo.
- Nếu tồn tại các số λ2, λ3,…,λk không
đồng thời bằng 0 sao cho :
λ2X2i + λ3X3i +…+ λkXki + Vi = 0
(Vi : sai số ngẫu nhiên)
Thì giữa các biến độc lập xảy ra hiện
tượng đa cộng tuyến không hoàn hảo.

Ví dụ : Yi = β1+β2X2i+β3X3i+ β4X4i + Ui
Với số liệu của các biến độc lập :
X2 10 15 18 24 30
X3 50 75 90 120 150
X4 52 75 97 129 152
Ta có : X3i = 5X2i có hiện tượng cộng
tuyến hoàn hảo giữa X2 và X3 và r23 =1
X4i = 5X2i + Vi  có hiện tượng
cộng tuyến không hoàn hảo giữa X2 và
X3 , có thể tính được r24 = 0.9959.

II. Ước lượng trong trường hợp có đa
cộng tuyến
1.Trường hợp có đa cộng tuyến hoàn hảo
Xét mô hình :Yi = β1+β2X2i+β3X3i+ Ui (1)
Giả sử : X3i = λX2i  x3i = λx2i. Theo OLS:

ˆ
β2 =
∑x y ∑x − ∑x x ∑x
2i i
2
3i 2i 3i 3i yi
∑x ∑x − ( ∑x x )
2
2i
2
3i 2i 3i
2

ˆ
β3 =
∑x y ∑x − ∑x x ∑x
3i i
2
2i 2i 3i 2i yi
∑x ∑x − ( ∑x x )
2
2i
2
3i 2i 3i
2

Thay x3i = λ2x2i vào công thức :

ˆ
β2 =
∑x y (λ
2i i ∑ x ) − ( λ ∑ x )( λ ∑ x
2 2
2i
2
2i y)
2i i
=
0
∑ x (λ ∑ x ) − λ ( ∑ x )
2
2i
2 2
2i
2 2 2
2i 0
Tương tự : βˆ3 = 0
0
Tuy nhiên nếu thay X3i = λX2i vào hàm
hồi qui (1), ta được :
Yi = β1+β2X2i+β3 λX2i + Ui
Hay Yi = β1+ (β2+ λβ3) X2i + Ui (2)
ˆ ˆ ˆ ˆ
β1 , β 0 = β 2 + λβ 3
Ước lượng (2), ta có :

• Tóm lại, khi có đa cộng tuyến hoàn hảo
thì không thể ước lượng được các hệ số
trong mô hình mà chỉ có thể ước lượng
được một tổ hợp tuyến tính của các hệ
số đó.
2. Trường hợp có đa cộng tuyến không
hoàn hảo
Thực hiện tương tự như trong trường hợp
có đa cộng tuyến hoàn hảo nhưng với
X3i = λX2i +Vi  Vẫn có thể ước lượng
được các hệ số trong mô hình.

III. Hậu quả của đa cộng tuyến

1. Phương sai và hiệp phương sai của các
ước lượng OLS lớn.
2. Khoảng tin cậy rộng hơn
3. Thống kê t nhỏ nên tăng khả năng các
hệ số ước lượng không có ý nghĩa
4. R2 cao nhưng thống kê t nhỏ.
5. Dấu của các ước lượng có thể sai.

6. Các ước lượng OLS và sai số chuẩn
của chúng trở nên rất nhạy với những
thay đổi nhỏ trong dữ liệu.
7. Thêm vào hay bớt đi các biến cộng
tuyến với các biến khác, mô hình sẽ
thay đổi về dấu hoặc độ lớn của các
ước lượng.

IV. Cách phát hiện đa cộng tuyến
1. Hệ số R2 lớn nhưng thống kê t nhỏ.
2. Tương quan cặp giữa các biến giải
thích (độc lập) cao.
Ví dụ : Yi = β1+β2X2i+β3X3i+ β4X4i + Ui
Nếu r23 hoặc r24 hoặc r34 cao  có ĐCT.
Tuy nhiên điều ngược lại không đúng,
nếu các r nhỏ thì chưa biết có đa cộng
tuyến hay không.
3. Sử dụng mô hình hồi qui phụ.

Xét : Yi = β1+β2X2i+β3X3i+ β4X4i + Ui
Cách sử dụng mô hình hồi qui phụ như sau :
- Hồi qui mỗi biến độc lập theo các biến độc
lập còn lại. Tính R2 cho mỗi hồi qui phụ :
2
Hồi qui X2i = α1+α2X3i+α3X4i+u2i  R2
2
Hồi qui X3i = λ1+ λ2X2i+ λ3X4i+u3i  R3
2
Hồi qui X4i = γ1+ γ2X2i+ γ3X3i+u4i  R4
- Kiểm định các giả thiết
2
H0 : Rj = 0 ∀j = 2... 4
- Nếu chấp nhận các giả thiết trên thì không
có đa cộng tuyến giữa các biến độc lập.

4. Sử dụng nhân tử phóng đại phương sai
1
VIFj = 2
1 − Rj
2
R là hệ số xác định của mô hình hồi qui
j
phụ Xj theo các biến độc lập khác.
Nếu có đa cộng tuyến thì VIF lớn.
VIFj > 10 thì Xj có đa cộng tuyến cao với
các biến khác. 1
* Với mô hình 3 biến thì VIF = 2
1−r 23

�ݺ�ߣ

C6

Recommended

More Related Content

What's hot (17)

Similar to C6 (20)

More from robodientu (12)

C6