5 khuyết tật của mô hình hồi quy thường gặp gồm: mô hình bị đa cộng tuyến, phương sai sai số thay đổi, mức độ phù hợp của mô hình, ý nghĩa của hệ số hồi quy, tự tương quan.

Mục lục bài viết

Những khuyết tật của mô hình hồi quy

Khi chạy phân tích hồi quy tuyến tính, thì kết quả hồi quy chúng ta không được sử dụng ngay. Vì nhiều nguyên nhân mà chúng ta phải làm các kiểm định, đảm bảo mô hình không bị vi phạm những giả thuyết trong xây dựng mô hình thì mô hình mới được sử dụng.

Trong đó, 5 khuyết tật của mô hình hồi quy quan trọng thường hay mắc phải đó là:

1. Sự phù hợp của mô hình

2. Sự phù hợp của biến độc lập

3. Kiểm định tương quan từng phần của các hệ số hồi quy

HOT:

4. Đa cộng tuyến

Đọc thêm: Hiệu chỉnh data biến tương tác: Modify variable Interaction DID

5. Phương sai sai số thay đổi (Heteroskedasticcity)

Ngoài 5 khuyết tật của mô hình hồi quy này, khi chúng ta có sử dụng biến là Chuỗi thời gian, thì cần phải kiểm định xem mô hình có bị khuyết tật này không:

Tự tương quan hay tương quan chuỗi – Autocorrelation

[pullquote align=center]

Email: [email protected]

Hotline: 0983.473.444

[/pullquote]

Cách kiểm tra 5 khuyết tật của mô hình hồi quy nhanh nhất

1. Sự phù hợp của mô hình

Tức là kiểm định xem các biến độc lập mối quan hệ tuyến tính với biến phụ thuộc hay không. Nếu các hệ số hồi quy = 0 thì mô hình không phù hợp. Chỉ cần có 1 hệ số hồi quy trở lên khác 0 thì mô hình sẽ được xem là phù hợp.

Ta sẽ sử dụng phân tích phương sai (Analysis of variance, ANOVA) để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. < 0,05) thì mô hình được xem là phù hợp.

2. Sự phù hợp của biến độc lập

Để đo lường mức độ phù hợp của mô hình thì chúng ta sẽ sử dụng hệ số R2 hoặc R2 có hiệu chỉnh để nhận diện. Thông thường dùng R2 có hiệu chỉnh là đảm bảo chắc ăn nhất. Nếu R2 có hiệu chỉnh mà càng lớn thì chứng tỏ mô hình càng có độ tin cậy cao. Nếu phải so sánh hoặc lựa chọn giữa 2 mô hình, thì ta sẽ lấy mô hình nào có hệ số R2 hiệu chỉnh cao nhất.

3. Kiểm định tương quan từng phần của các hệ số hồi quy

Mục tiêu của kiểm định này nhằm xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không (xét riêng từng biến độc lập). Khi mức ý nghĩa (Sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (sig. < 0,05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.

Đọc thêm: các nhân tố ảnh hưởng đến hành vi người tiêu dùng cà phê

4. Đa cộng tuyến

Hiện tượng đa cộng tuyến (Multicollinearity) là hiện tượng các biến độc lập có quan hệ gần như tuyesn tính. Việc bỏ qua hiện tượng đa cộng tuyến sẽ làm các sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn và có thẻ không có ý nghĩa.

Để kiểm tra hiện tượng này, sử dụng mâ trận tương quan Pearson. Nếu hệ số tương quan của các biến độc lập với nhau < 0.05, có thể chấp nhận không có hiện trượng đa cộng tuyến.

Ngoài ra, còn sử dụng thước đo độ phóng đại phương sai (Variance Inflation Factor, VIF) để kiểm tra. Nếu VIF < 10 thì không xảy ra đa cộng tuyến.

5. Phương sai sai số thay đổi (Heteroskedasticcity)

Phương sai của phần dư thay đổi là hiện tượng các giá trị phần dư có phân phối không giống nhau, và gá trị phương sai không như nhau. Bỏ qua phương sai của phần dư thay đổi sẽ làm cho các ước lượng OLS của các hệ số hồi quy không hiệu quả. Để kiểm tra hiện tượng này, sử dụng kiểm định Spearman. Nếu (Sig.)> 0.05 thì phương sai phần dư không đổi.

[pullquote align=center]

Email: [email protected]

Hotline: 0983.473.444

[/pullquote]

6. Tự tương quan hay tương quan chuỗi – Autocorrelation

Cái này dữ liệu chuỗi thời gian thường bị vi phạm. Một lý do nôm na là biến số kinh tế có một sức ỳ (quán tính) nhất định. Ví dụ, sự tăng cầu một loại hàng hóa của năm nay sẽ làm tăng lượng cung nội địa của hàng hóa đó vào năm sau, đây là tác động trễ của biến độ lập hay biến phụ thuộc thời kỳ t chịu tác động của biến độc lập ở thời kỳ t-1.

Đọc thêm: lý thuyết về hành vi có suy tính

Hậu quả của tự tương quan:

Ước lượng OLS vẫn là ước lượng tuyến tính, không chệch nhưng không phải là ước lượng hiệu quả.
Phương sai ước lượng được của các ước lượng OLS thường là chệch (thường thấp hơn giá trị thực, đo đó làm cho t lớn). Kiểm định t và F không còn tin cậy nữa.
Giá trị ước lượng R2 có thể không tin cậy khi dùng để thay thế cho giá trị thực của R2 (R2 ước lượng thường lớn hơn R2 thực )
Phương sai và sai số chuẩn của các giá trị dự báo không tin cậy (không hiệu quả).

Cách phát hiện:

Quan sát đồ thị:
- nếu đồ thị dạng ngẫu nhiên thì xem như ok, không bị vi phạm
- Nếu đồ thị sự biến động của sai số tuân theo một quy luật nào đó (tăng dần, giảm dần đều, dao động đều qua giá trị trung bình) thì có thể tồn tại tự tương quan

Kiểm định Durbin Watson (DW): cái này có nhiều cách để kiểm tra trên EVIEW, SPSS,…. (Nhóm có bài viết hướng dẫn riêng về kiểm định Durbin Watson)
- Tra bảng Durbin Watson
- Kiểm định Durbin Watson bằng STATA, EVIEW, SPSS

Hỗ trợ bạn cách kiểm tra 5 khuyết tật của mô hình hồi quy

Chúng tôi có dịch vụ hỗ trợ bạn cách để kiểm tra 5 khuyết tật của mô hình hồi quy
Hướng dẫn cách kiểm tra trên các phần mềm thống kê trên SPSS, EVIEW, STATA, R,..
Hướng dẫn tại nhà hoặc online.