Bài giảng Dự báo trong kinh doanh - Chương 5: Phương pháp hồi quy bội

KHOA KINH TEÁ DÖÏ BAÙO TRONG KINH DOANH BUSINESS FORECASTING Chương 5. PHƯƠNG PHÁP HỒI QUY BỘI Mô hình hồi quy bội Dự báo bằng mô hình hồi quy bội Mô hình hồi quy bội Mô hình hồi qui với nhiều hơn một biến độc lập gọi là mô hình hồi qui bội. Mô hình hồi qui bội dùng cho dự báo sử dụng nhiều hơn một biến độc lập. Mô hình hồi quy bội… Biến độc lập Dấu hiệu nhận biết biến độc lập tốt là: Có quan hệ với biến phụ thuộc; Không có quan hệ chặt giữa các biến độc lập với nhau. Mô hình hồi quy bội… Mô hình hồi quy bội… Hệ số co giãn trung bình Mô hình hồi quy bội… Các hệ số tương quan cặp Mô hình hồi quy bội… Hệ số hồi qui riêng phần Mô hình hồi quy bội… Hệ số tương quan bội Mô hình hồi quy bội… Hệ số xác định bội Mô hình hồi quy bội… Đại lượng thống kê F Mô hình hồi quy bội… Đại lượng thống kê F riêng phần Mô hình hồi quy bội… Bảng phân tích ANOVA Mô hình hồi quy bội… Đa cộng tuyến Laø hieän töông hai hay nhieàu bieán ñoäc laäp coù moái quan heä tuyeán tính vôùi nhau. Hieän töôïng naøy gaây moâ hình coù nhieàu bieán khoâng ñaït kieåm ñònh t-test hoaëc daáu cuûa caùc bieán khoâng hôïp lyù maëc duø R-squared coù giaù trò cao. Tuy nhieân, ña coäng tuyeán haàu nhö coù trong moïi moâ hình, vaán ñeà laø möùc ñoä naëng hay nheï. Chuùng ta coù theå bieát möùc ñoä coäng tuyeán giöõa caùc bieán baèng caùch nhìn vaøo ma traän töông quan cuûa caùc bieán ñoäc laäp. Ví dụ 1: Số liệu điều tra 20 DN về nghiên cứu sự phụ thuộc giữa NSLĐ bình quân/CN, Y (trđ.) với việc sử dụng TSCĐ mới X1 (% của giá trị TSCĐ cuối kỳ) và tỷ trọng CN tay nghề cao trong tổng số CN của DN, X2 (%) như sau: Dự báo bằng mô hình hồi quy bội… Dự báo bằng mô hình hồi quy bội… Xây dựng mô hình Dự báo bằng mô hình hồi quy bội… Xây dựng mô hình… Mô hình hồi quy bội… Hệ số co giãn trung bình Nghĩa là nếu chỉ tăng TSCĐ (so với giá trị trung bình của nó) hoặc chỉ tăng tỷ trọng CN tay nghề cao lên 1% sẽ làm tăng NSLĐ trung bình lên 0,61% hoặc 0,20% tương ứng. Như vậy, có thể khẳng định rằng, ảnh hưởng lên kết quả Y bởi nhân tố X1, nhiều hơn là nhân tố X2. Mô hình hồi quy bội… Các hệ số tương quan cặp Có mối quan hệ đáng kể của mỗi nhân tố đến kết quả, cũng như có sự phụ thuộc lẫn nhau cao giữa các nhân tố (các nhân tố X1 và X2 rõ ràng có đa cộng tuyến, vì rx1x2>0,7). Khi có sự phụ thuộc lẫn nhau mạnh giữa các biến, thì nên loại bỏ một trong các nhân tố ra khỏi mô hình. Mô hình hồi quy bội… Hệ số tương quan riêng phần Các hệ số tương quan riêng phần đặc trưng độ chặt của mối quan hệ giữa kết quả và nhân tố tương ứng khi loại trừ sự ảnh hưởng của các nhân tố khác trong phương trình hồi quy. Mô hình hồi quy bội… Hệ số tương quan bội Mô hình hồi quy bội… Hệ số xác định bội Mô hình hồi quy bội… Đại lượng thống kê F Ta có Ftt>Ftab=3,49 (với n=20, α=0,05), nghĩa là xác suất ngẫu nhiên nhận được giá trị F không vượt quá mức ý nghĩa cho phép là 5%. Như vậy, giá trị nhận được không ngẫu nhiên, nó được hình thành dưới ảnh hưởng của các nhân tố quan trọng, nghĩa là khẳng định ý nghĩa thống kê của cả mô hình và hệ số tương quan. Mô hình hồi quy bội… Đại lượng thống kê F riêng phần Ta có Friengfan,x2Ftab. Mô hình hồi quy bội… Kết luận chung Kết luận chung là mô hình hồi qui bội với các nhân tố X1 và X2 với có nhân tố không mang thông tin X2. Nếu loại nhân tố X2, thì có thể chúng ta chỉ có pt hồi qui đơn mà thôi: Dự báo bằng mô hình hồi quy bội Ví dụ 2: Có dữ liệu về mối quan hệ giữa doanh số tiêu thụ sữa, giá cả và chi phí quảng cáo như sau: Dự báo bằng mô hình hồi quy bội…  Excel Tools  Data Analysis  Regression Dự báo bằng mô hình hồi quy bội…  Excel Dự báo bằng mô hình hồi quy bội …  Excel Dự báo bằng mô hình hồi quy bội …  Excel Coefficients - Các hệ số hồi qui: - 8,25 cho giá cả của 1 lon sữa và 0,585 cho chi phí quảng cáo. Phương trình hồi qui tìm được là: R Square - Phương trình hồi qui giải thích 93,2% biến thiên của doanh số tiêu thụ sữa. Standard Error – Sai số chuẩn ước lượng bằng 1,507. Đây là đại lượng đo độ lệch của doanh số thực tế so với doanh số dự báo. Dự báo bằng mô hình hồi quy bội …  Excel t Stat - Kiểm định giả thuyết về sự khác 0 của hệ số dốc đường hồi qui. Trong trường hợp này, giá trị của thống kê t=-3,76 là lớn đối với giá trị của biến X1 và giá trị p nhỏ, chỉ ra rằng hệ số này khác 0 là có ý nghĩa (bác bỏ giả thuyết H0: β1=0). Với sự có mặt của biến chi phí quảng cáo X2 trong hàm hồi qui, không thể bỏ qua biến giá cả X1. Tương tự, giá trị lớn của thống kê t=4,38 đối với giá trị của biến X2 và giá trị p của nó nhỏ, cho thấy hệ số này khác 0 là có ý nghĩa (bác bỏ giả thuyết H0: β2=0). Với sự có mặt của biến giá cả X1 trong hàm hồi qui, không thể bỏ qua biến chi phí quảng cáo. Như vậy, các hệ số của 2 biến độc lập đều khác 0 một cách có ý nghĩa thống kê. Dự báo bằng mô hình hồi quy bội …  Excel P-value – p=0,007 bằng với xác suất nhận giá trị |t| ≥3,76, nếu giả thuyết H0: β1=0 là đúng. Vì xác suất này là rất nhỏ, nên chưa chắc giả thuyết H0 đúng, và như vậy giả thuyết H0 bị bác bỏ. Hệ số của biến giá cả khác 0 là có ý nghĩa thống kê. Giá trị p=0,003 bằng với xác suất nhận giá trị |t| ≥4,38, nếu giả thuyết H0: β2=0 là đúng. Vì xác suất nhận được giá trị t như vậy là vô cùng nhỏ, nên giả thuyết H0 bị bác bỏ. Hệ số của biến chi phí quảng cáo khác 0 là có ý nghĩa thống kê. Dự báo bằng mô hình hồi quy bội …  Excel SS – Phân tích tổng bình phương, SST = SSR + SSE (Tổng bình phương chung = Tổng bình phương hồi qui + Tổng bình phương sai số). F – Giá trị F tính toán (F=47,92) được sử dụng để kiểm định ý nghĩa hồi qui. Giá trị F càng lớn và xác suất p tương ứng càng nhỏ, chứng tỏ hồi qui có ý nghĩa (bác bỏ giả thuyết H0: β1=β2=0). Tỷ số F được tính theo công thức như sau: Giá trị F nhận được so sánh với giá trị F tra bảng: F0,01=9,55. Hàm hồi qui giải thích phần lớn sự biến động của doanh số tiêu thụ sữa Y. Dự báo bằng mô hình hồi quy bội …  Excel Adjusted R Square – Tieâu chí naøy nhaèm haïn cheá vieäc R-squred taêng khoâng yù nghóa (khi taêng theâm bieán ñoäc laäp R-square taêng duø bieán ñoù khoâng coù yù nghóa thoáng keâ). Hệ số xác định điều chỉnh tính bằng công thức sau: