Tóm tắt kiến thức ôn tập chương 4 - Kinh tế lượng (NEU)

4.1. KHÁI NIỆM BIẾN GIẢ

Trong phân tích kinh tế, biến phụ thuộc không chỉ chịu tác động của biến định lượng (thu nhập, giá cả...) mà còn chịu tác động của biến định tính (giới tính, vùng miền, loại hình sở hữu...). Để đưa các thông tin định tính này vào mô hình hồi quy, ta sử dụng biến giả (dummy variable).

Định nghĩa: Biến giả là biến số chỉ nhận hai giá trị 0 và 1 để phản ánh hai nhóm quan sát mang tính chất khác nhau của một biến định tính có hai phạm trù. 
+ Giá trị 1: Gán cho nhóm có đặc tính đang quan tâm (thường tên biến đặt theo nhóm này). 
+ Giá trị 0: Gán cho nhóm còn lại (nhóm cơ sở).

Ví dụ: Biến giới tính có thể biểu diễn bằng biến giả $Nữ$: 
$Nữ = 1$ nếu là nữ. 
$Nữ = 0$ nếu là nam.

Lưu ý cho sinh viên: 
Các con số 0 và 1 chỉ mang tính chất định danh (nominal), dùng để phân loại. Việc thực hiện các phép toán cộng, trừ, nhân, chia hay tính trung bình trên các con số này là vô nghĩa về mặt độ lớn (ví dụ: không thể nói 1 lớn gấp đôi 0 trong ngữ cảnh giới tính).

4.2. MÔ HÌNH CÓ CHỨA BIẾN ĐỘC LẬP LÀ BIẾN GIẢ

Xét mô hình hồi quy với một biến định lượng $X$ và một biến giả $D$: 
Phương trình tổng quát: $Y = \beta_1 + \beta_2 D + \beta_3 X + u$

Ý nghĩa các hệ số hồi quy: 
Đây là mô hình thể hiện sự thay đổi về hệ số chặn (intercept) giữa hai nhóm, trong khi hệ số góc (độ dốc) được giả định là như nhau. 
+ Với nhóm cơ sở ($D=0$): Hàm hồi quy là $E(Y|X) = \beta_1 + \beta_3 X$. Hệ số chặn là $\beta_1$. 
+ Với nhóm so sánh ($D=1$): Hàm hồi quy là $E(Y|X) = (\beta_1 + \beta_2) + \beta_3 X$. Hệ số chặn là $\beta_1 + \beta_2$. 
+ Hệ số $\beta_2$ (Hệ số chênh lệch): Phản ánh sự khác biệt về giá trị trung bình của $Y$ giữa nhóm $D=1$ và nhóm $D=0$ khi các biến định lượng $X$ không đổi.

Phân tích đồ thị: 
Về mặt hình học, mô hình này biểu diễn hai đường thẳng song song. Khoảng cách theo trục tung giữa hai đường thẳng chính là $\beta_2$.

4.3. MÔ HÌNH VỚI BIẾN GIẢ VÀ BIẾN TƯƠNG TÁC

Trong thực tế, hai nhóm không chỉ khác nhau về hệ số chặn mà còn có thể khác nhau về hệ số góc (tác động của $X$ lên $Y$ là khác nhau giữa các nhóm). Để giải quyết, ta sử dụng biến tương tác (tích của biến giả và biến định lượng).

Mô hình tổng quát: 
$Y = \beta_1 + \beta_2 D + \beta_3 X + \beta_4 (D \times X) + u$ 
Trong đó: $D \times X$ là biến tương tác.

Phân tích cấu trúc mô hình: 
+ Nhóm cơ sở ($D=0$): $Y = \beta_1 + \beta_3 X + u$ 
+ Nhóm so sánh ($D=1$): $Y = (\beta_1 + \beta_2) + (\beta_3 + \beta_4) X + u$

Ý nghĩa các hệ số trong mô hình đầy đủ: 
+ $\beta_1$: Hệ số chặn của nhóm cơ sở. 
+ $\beta_2$: Sự chênh lệch về hệ số chặn giữa hai nhóm. 
+ $\beta_3$: Hệ số góc (tác động biên) của nhóm cơ sở. 
+ $\beta_4$: Hệ số chênh lệch về hệ số góc. Nó cho biết khi $X$ tăng 1 đơn vị, sự thay đổi của $Y$ ở nhóm $D=1$ khác biệt bao nhiêu so với nhóm $D=0$.

Kiểm định sự khác biệt giữa hàm hồi quy của hai nhóm

Mục tiêu: Kiểm tra xem cấu trúc hồi quy (cả hệ số chặn và hệ số góc) của hai nhóm có giống nhau không (Tính ổn định của tham số - Parameter stability). Có 2 phương pháp chính:

1. Kiểm định Chow (Chow Test)

- Ý tưởng: So sánh tổng bình phương phần dư (RSS) của mô hình gộp (có ràng buộc) và mô hình tách riêng từng nhóm (không ràng buộc). 
- Giả thuyết $H_0$: Các hệ số hồi quy của hai nhóm là như nhau ($\beta_{nhóm 1} = \beta_{nhóm 2}$). 
- Thống kê F: 
$F = \frac{[RSS_{c} - (RSS_1 + RSS_2)]/k}{(RSS_1 + RSS_2)/(n - 2k)}$ 
Trong đó: $RSS_c$ (RSS mô hình gộp), $RSS_1, RSS_2$ (RSS từng nhóm), $k$ (số tham số), $n$ (tổng số quan sát).

2. Kiểm định sử dụng biến giả (Dummy Variable Approach)

- Ý tưởng: Sử dụng mô hình có chứa đầy đủ biến giả và biến tương tác. 
- Giả thuyết $H_0: \beta_2 = 0$ và $\beta_4 = 0$ (Không có sự khác biệt nào giữa hai nhóm). 
- Thực hiện kiểm định F (Wald test) cho giả thuyết kết hợp $\beta_2 = \beta_4 = 0$.

Bảng so sánh hai phương pháp kiểm định:

4.4. TRƯỜNG HỢP BIẾN ĐỊNH TÍNH CÓ NHIỀU PHẠM TRÙ

Khi biến định tính có nhiều hơn 2 phạm trù (ví dụ: Miền Bắc, Miền Trung, Miền Nam - 3 phạm trù), ta cần mở rộng cách đặt biến giả.

Quy tắc quan trọng: 
Nếu biến định tính có $m$ phạm trù, ta chỉ được đưa vào mô hình $m-1$ biến giả (nếu mô hình có hệ số chặn).

Khái niệm Phạm trù cơ sở (Base Category): 
Là phạm trù mà tại đó tất cả các biến giả đều nhận giá trị 0. Các hệ số của biến giả trong mô hình sẽ được so sánh tương đối với phạm trù cơ sở này.

Bẫy biến giả (Dummy Variable Trap): 
- Hiện tượng: Xảy ra khi ta đưa đủ $m$ biến giả cho $m$ phạm trù vào một mô hình có hệ số chặn. 
- Hậu quả: Tổng các biến giả bằng 1 (bằng với biến hệ số chặn), gây ra hiện tượng đa cộng tuyến hoàn hảo. Không thể ước lượng được các hệ số bằng phương pháp OLS. 
- Cách khắc phục: Bỏ bớt 1 biến giả (như quy tắc trên) hoặc bỏ hệ số chặn (ít dùng).

Biến định tính là biến thứ bậc (Ordinal Variable): 
Với các biến có thứ tự (Hài lòng: 1, 2, 3, 4, 5) hoặc học vấn (Cấp 1, Cấp 2, ĐH), sinh viên tuyệt đối không nên đưa trực tiếp các giá trị 1, 2, 3... vào mô hình như biến định lượng. 
Lý do: Khoảng cách từ mức 1 lên 2 có thể không giống tác động từ mức 2 lên 3. 
Giải pháp: Phải chuyển đổi thành các biến giả (ví dụ: D_Cap2, D_DH...) để so sánh từng bậc với bậc cơ sở.

TỔNG KẾT CÁC CÔNG THỨC VÀ LƯU Ý QUAN TRỌNG CHƯƠNG 4

1. Cách diễn giải hệ số: 
- Hệ số biến giả ($\beta_2 D$): So sánh hệ số chặn với nhóm cơ sở. 
- Hệ số biến tương tác ($\beta_4 D \times X$): So sánh hệ số góc (tốc độ thay đổi) với nhóm cơ sở.

2. Các lỗi sinh viên hay gặp (Cần tránh): 
- Lỗi 1: Quên chọn nhóm cơ sở (đưa tất cả biến giả vào) $\rightarrow$ Dính bẫy biến giả. 
- Lỗi 2: Diễn giải sai hệ số $\beta_2$ trong mô hình log-lin hoặc lin-log (cần chú ý đơn vị %, xem lại chương trước). 
- Lỗi 3: Cho rằng "Hệ số chặn không có ý nghĩa thống kê" thì mô hình sai. (Hệ số chặn thường không có ý nghĩa thực tế khi biến $X=0$ không xảy ra, nên không cần quá lo lắng). 
- Lỗi 4: Xử lý biến thứ bậc (ordinal) như biến định lượng (cardinal).