Mô hình hồi quy ols là gì năm 2024

Với SEM, chúng ta tập trung vào việc nhân tố được đề xuất trong mô hình phù hợp như thế nào với số liệu, với ma trận hiệp phương sai quan sát được. Sau khi đánh giá sự phù hợp, chúng ta kiểm tra mối quan hệ từng phần giữa các cấu trúc giống như chúng ta kiểm tra mối quan hệ giữa các biến độc lập và phụ thuộc trong phân tích hồi quy bội OLS.

Mặc dù chúng ta thấy rằng các yếu tố đại diện cho các cấu trúc lý thuyết(nghĩa là giá trị trung bình cộng của các câu hỏi nhỏ, để làm đại diện cho nhân tố lớn) có thể được nhập dưới dạng các biến trong mô hình hồi quy OLS, các mô hình hồi quy đó đã xử lý các biến và cấu trúc giống hệt nhau. Nghĩa là, hồi quy đa biến đã không xem xét bất kỳ thuộc tính đo lường nào đi kèm với việc hình thành một cấu trúc nhiều mục khi ước tính mối quan hệ. SEM cung cấp một cách tốt hơn để kiểm tra thực nghiệm một mô hình lý thuyết bằng cách sử dụng cả mô hình đo lường và mô hình cấu trúc trong một phân tích. Nói cách khác, cần tính đến thông tin về các phép đo trong việc kiểm tra mô hình cấu trúc.

Nói 1 cách đơn giản, ví dụ nhân tố A có 4 câu hỏi nhỏ là A1, A2, A3, A4, nếu chạy hồi quy OLS thì ta sẽ tính giá trị đại diện A_mean=average(A1, A2, A3, A4) xong sau đó chỉ xài giá trị A_mean để chạy hồi quy, không đụng chạm đến A1 2 3 4 nữa. Trong khi đó mô hình SEM đưa luôn A 1234 vào mô hình để chạy luôn nhé.

SEM là một cách tiếp cận linh hoạt để kiểm tra xem mọi thứ có liên quan với nhau như thế nào. Do đó, các ứng dụng SEM có thể xuất hiện khá khác nhau. Tuy nhiên, ba đặc điểm chính của SEM dựa trên hiệp phương sai là

(1) Ước lượng nhiều mối quan hệ cùng một lúc và đánh giá sự phù hợp của mô hình tổng thể.

(2) Khả năng biểu diễn các khái niệm chưa được quan sát trong các mối quan hệ này và sửa lỗi đo lường trong ước lượng quy trình.

(3) Tập trung vào việc giải thích hiệp phương sai giữa các mục được đo.

Phân biệt giữa biến và cấu trúc

Các mô hình thường được kiểm tra bằng cách sử dụng SEM bao gồm cả mô hình đo lường và mô hình cấu trúc. Hầu hết các phương pháp tiếp cận đa biến đều tập trung vào việc phân tích các biến một cách trực tiếp. Các biến là các hạng mục thực tế được đo lường bằng cách sử dụng khảo sát, quan sát hoặc một số thiết bị đo lường khác. Các biến được coi là có thể quan sát được theo nghĩa là chúng ta có thể thu được một thước đo trực tiếp về chúng.

Cấu trúc là các yếu tố tiềm ẩn hoặc không thể quan sát được được biểu thị bằng một hoặc nhiều biến. Nói một cách đơn giản, nhiều biến kết hợp với nhau về mặt toán học để biểu thị một đại diện của một cấu trúc.

Các cấu trúc có thể là ngoại sinh hoặc nội sinh. Các cấu trúc ngoại sinh được xác định bởi các yếu tố bên ngoài mô hình, đóng vai trò biến độc lập. Các cấu trúc nội sinh được xác định bởi các yếu tố bên trong mô hình, đóng vai trò biến phụ thuộc

SEM có thể được coi là sự kết hợp giữa phân tích nhân tố khám phá và phân tích hồi quy bội

Phần mô hình đo lường tương tự như phân tích nhân tố khám phá EFA ở chỗ nó cũng thể hiện cách các biến được đo lường tải lên một số lượng nhân tố nhỏ hơn (tức là cấu trúc).

Một số phép loại suy hồi quy khác nhau được áp dụng, nhưng mấu chốt trong số đó là thực tế là các cấu trúc nội sinh (kết quả) được dự đoán bằng cách sử dụng nhiều cấu trúc khác giống như cách mà các biến độc lập dự đoán các biến phụ thuộc trong hồi quy bội

Lâu quá lâu rồi Ad không lên bài rồi. Ad vừa gửi 1 bài tham luận cấp nhà nước về phát triển nguồn nhân lực cũng hơi hơi căng, mà dù sao cũng qua rồi. Để xem nào, tiếp vấn đề lần trước còn dang dở, hôm nay chúng ta tìm hiểu những vấn đề đặc trưng của mô hình OLS cần quan tâm nhé. Ở phần trước chúng ta đã chạy được mô hình OLS qua câu lệnh reg, chạy được thì kiểu gì chúng ta cũng sẽ chạy được. Tuy nhiên, để bảo đảm mô hình chúng ta đúng về mặt toán học, không vi phạm các giả định của mô hình lại là một chuyện khác.

Trước hết chúng ta có các sai phạm đặc trưng của mô hình (dạng hàm hồi quy) trong đó gồm: Bỏ sót biến cấn thiết, thừa biến không liên quan, sai dạng hàm và sai số đo lường. Đây là 4 vấn đề cơ bản nhất mà chúng ta sẽ phải quan tâm. Cách nhận biết chỉ có thể dựa vào kinh nghiệm của người làm nghiên cứu, kiểm tra kỹ lưỡng cơ sở lý thuyết mà thôi. Bên cạnh đó thì chúng ta cũng có kiểm định RESET để kiểm tra.

Vấn đề thứ hai là các bệnh (3 loại bệnh chính) của mô hình hồi quy đó là đa cộng tuyến, tự tương quan và phương sai sai số thay đổi. Nói sơ về các bệnh, ví dụ như đa cộng tuyến là trường hợp mà các biến độc lập có mức tương quan mạnh với nhau, 2 biến này có khả năng thay thế hoặc bổ sung cho nhau hoàn toàn. Bệnh cũng tương đối dễ chữa, nên cũng đừng quá lo lắng. Bệnh thứ 2 là phương sai sai số thay đổi, thì bản chất bệnh này khá trừu tượng để hình dung khi phương sai của biến phụ thuộc có mức thay đổi tương đồng nhau hoặc không đổi và bệnh này cũng dễ chữa bằng cách dùng ước lượng robust. Bệnh thứ 3 là tự tương quan. Bệnh này cho thấy bản chất các giá trị trong chuỗi, trong biến có sự tương quan với nhau. Bệnh này rất quan trọng đối với các mô hình nghiên cứu chuỗi thời gian và dự báo. Để chữa thì chúng ta cần sử dụng mô hình như DiD (Difference – Difference), phương pháp Durbin – Watson (1 bước hoặc 2 bước), thủ tục lặp Cochrane – Orcutt (1 bước hoặc 2 bước), … cũng có mô hình khó cũng có mô hình dễ, nên ad sẽ cố gắng lấy những ví dụ dễ hiểu nhất.

Riêng đối với các nghiên cứu chuỗi thời gian chúng ta sẽ gặp 1 vấn đề nữa là tính dừng. Hiểu nôm na là chuỗi dữ liệu sẽ giao động quan 1 trục, trung bình, xu thế với giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi được xác định vào thời điểm nào đi nữa. Nói thì phức tạp, các bạn chỉ cần nhớ là muốn biết chuỗi có dừng hay không thì chúng ta dùng các kiểm định, những con số sẽ cho chúng ta biết kết quả. Điều quan trọng là chuỗi phân tích của chúng ta phải dừng, vì nếu không thì sự thay đổi trong biến phụ thuộc chỉ là do thời gian trôi qua. Tuy nhiên, một số nghiên cứu với chuỗi thời gian quá ngắn, chưa thấy rõ được tính dừng và chúng ta phải chấp nhận hạn chế của đề tài. Cách chữa vấn đề này cơ bản nhất là dùng mô hình DiD.

Tiếp theo là phân phối. Khi nghiên cứu dữ liệu nghiên cứu phải là phân phối chuẩn, nhưng hầu hết các chuỗi phân tích không thuộc phân phối chuẩn đâu nhé. Mà cái này cũng hạng xoàng thôi, mô hình log kép như một vị cứu tinh để khắc phục lỗi này.

Đối với dữ liệu dạng bảng, chúng ta cũng cần phải quan tâm đến một vấn đề nữa, đó là nội sinh “endogeneity”. Đây là vấn đề tốn rất nhiều giấy mực và thời gian để hiểu nên ad hẹn các bạn vào một ngày đẹp trời khác nhé.

Tóm tắt:

– Mô hình lin-lin là dạng mô hình vi phạm các giả định của mô hình nhiều nhất;

– Mô hình DiD chữa được bệnh tự tương quan và cả tính dừng;

– Mô hình log kép khắc phục vấn đề phân phối chuẩn;

– Đa cộng tuyến chữa bằng thêm bớt biến nghiên cứu, đừng quên là dựa trên cơ sở lý thuyết và thực tiễn nha;

– Phương sai sai số thay đổi thì dùng ước lượng robust;

– Các sai phạm đặc trưng thì phải dựa nhiều vào lý thuyết và kinh nghiệm nghiên cứu.

– Điều quan trọng nhất, còn n vấn đề khác nữa nha;

– Điều quan trọng nhì, tất cả các vấn đề có tác động chéo lên nhau và làm lệch kết quả nghiên cứu, nhưng cố gắng hết trong khả năng hiểu biết của mình thôi.

Nói thì nhiều chứ thực hành nhanh lắm các bạn à. Hiểu rõ vấn đề rồi thì các bạn làm gì cũng được.

Như vậy, để có thể kết luận được một mô hình tốt, chúng ta cần phải cố gắng hết sức để phát hiện và giải quyết được nhiều nhất những vấn đề mà ad vừa trình bày ở trên các bạn nha.

Mô hình hồi quy pooled OLS là gì?

Mô hình hồi quy bằng phương pháp bình phương nhỏ nhất hay bé nhất hoặc tối thiểu | cực tiểu viết tắt là OLS (Tiếng anh là Ordinary Least Square) hay còn gọi là mô hình Pooled OLS (Pool) là một trường hợp đặc biệt của phương pháp bình phương nhỏ nhất tổng quát (generalized least squares method – GLS) sử dụng để tìm ...

Mô hình hồi quy tuyến tính để làm gì?

Hồi quy tuyến tính là một kỹ thuật phân tích dữ liệu dự đoán giá trị của dữ liệu không xác định bằng cách sử dụng một giá trị dữ liệu liên quan và đã biết khác. Nó mô hình toán học biến không xác định hoặc phụ thuộc và biến đã biết hoặc độc lập như một phương trình tuyến tính.

OLS là phương pháp gì?

Bình phương nhỏ nhất thông thường, (ordinary least squares –OLS) là phương pháp được sử dụng rộng rãi nhất để ước lượng các tham số trong phương trình hồi quy. Bình phương nhỏ nhất thông thường, (ordinary least squares –OLS) là phương pháp được sử dụng rộng rãi nhất để ước lượng các tham số trong phương trình hồi quy.

Panel least square method là gì?

Phương pháp bình phương tối thiểu trong tiếng Anh là Least Squares Method. Phương pháp bình phương tối thiểu là một dạng phân tích hồi qui toán học được sử dụng để xác định đường biểu diễn phù hợp nhất cho một tập dữ liệu, cung cấp một phép minh họa trực quan về mối quan hệ giữa các điểm dữ liệu trong tập dữ liệu.