- Dữ liệu minh hoạ
- Kiểm tra tính phân phối chuẩn của phần dư
- Giả định về mối quan hệ tuyến tính giữa từng biến độc lập với biến phụ thuộc
- Hiện tượng tự tương quan
- Một số kiểm định hiện tương tự tương quan trên SPSS
- Hiện tượng đa cộng tuyến
- Hiện tượng đa cộng tuyến trong các bài có sử dụng phân tích efa trước đó
- Hiện tượng phương sai sai số thay đổi
- Phát hiện phương sai sai số thay đổi bằng đồ thị
- Ý tưởng của các kiểm định phương sai sai số thay đổi
- Kiểm định Breusch-Pagan (BP)
- Kiểm định White
- Kiểm định White thu gọn
- Kiểm định Park
- Kiểm định Glejser
- Khắc phục phương sai sai số thay đổi
- Kiểm định phương sai sai số thay đổi trên SPSS
- Xử lý kiểm định phương sai sai số thay đổi trong luận văn
- Hiện tượng thừa biến
- Hiện tượng bỏ sót biến quan trọng trong mô hình
- Kiểm định Chow. Kiểm định sự đồng nhất trong cấu trúc hàm hồi quy
Cập nhật: 24/08/2021 bởi admin0
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Khái niệm
Đa cộng tuyến (Multicollinearity) là hiện tượng các biến độc lập trong mô hình hồi quy tuyến tính có quan hệ tuyến tính với nhau
Trừ trường hợp các biến độc lập đôi một trực giao với nhau (ví dụ các nhân tố được trích bởi phép PCA), nếu không mô hình luôn xảy ra đa cộng tuyến, chỉ có điều là vấn đề này nặng hay nhẹ, có nghiêm trọng hay không và nghiêm trọng ở mức độ nào mà thôi.
Xét hàm hồi quy gốc: Y=β1+β2*x2+β3*x3 +….. +βk*xk
Hàm hồi quy phụ thứ i là mô hình hôi quy xi theo các biến còn lại. Có (k-1) hàm hồi quy phụ
Đa cộng tuyên hoàn hảo là khi tồn tại mối quan hệ tuyến tính hoàn hảo giữ 1 biến độc lập với (ít nhất 1) biến độc lập còn lại, nghĩa là tồn tại 1 hàm hồi quy phụ nào đó có hệ số xác định R bình phương bằng 1. Khi đó hàm hồi quy gốc không thể ước lượng được
Khi đa cộng tuyến không hoàn hảo nhưng ở mức cao (R bình của hàm hồi quy phụ nào đó xấp xỉ 1) thì hàm hồi quy gốc vấn ước lượng được nhưng
+ Hệ số hồi quy có thể bị đổi chiều, dẫn đễn việc khó giải thích hoặc hiểu sai bản chất hiện tượng được mô tả bởi hàm hồi quy
+ Sai số chuẩn lớn, dẫn đến khoảng tin cậy lớn (mà cái này cần càng hẹp càng tốt)
+ Kéo theo có thể bạn thấy mô hình có R bình phương cao nhưng lại chẳng biến nào có ý nghĩa thống kê cả (kiểm đinh t và F không còn hiệu quả)
Trên thực tế chúng ta hay nói rằng mô hình CÓ ĐA CỘNG TUYẾN nếu hiện tượng đa cộng tuyến nghiêm trọng. Nếu nó không ở mức nghiêm trọng ta vẫn nói rằng không có hiện tượng đa cộng tuyến.