Tóm tắt Reading 19: Regression With Multiple Explanatory Variables

Môn FRM Part I (FRM1), Reading 19/62

Mô hình và giả định

  • Y = α + β1X1 + … + βkXk + ε; βj là độ nhạy của Y theo Xj khi giữ nguyên các X khác (partial slope coefficient).
  • Năm giả định của hồi quy một biến (mở rộng cho nhiều X) cộng giả định thứ sáu: các X không tương quan hoàn hảo, mỗi X có phần biến động riêng.
  • OLS lọc ảnh hưởng của biến khác: hồi quy phần dư của Y (sau khi loại X2) theo phần dư của X1 (sau khi loại X2) ra β1.
  • Thêm biến tương quan với X1 làm hệ số của X1 thay đổi; dummy variable dịch hệ số chặn giữa hai nhóm.

Thước đo khớp

  • TSS = ESS + RSS; R2 = ESS ÷ TSS = 1 − RSS ÷ TSS; hồi quy bội: R2 = r2Y,Ŷ.
  • SER = RSS ÷ (n − k − 1): độ bất định của giá trị dự báo.
  • Ba hạn chế của R²: gần như luôn tăng khi thêm biến; không so sánh được khi Y khác nhau; không có ngưỡng chuẩn. R² cao không chứng minh đủ biến hay nhân quả.
  • R2a = 1 − [(n − 1) ÷ (n − k − 1)] × (1 − R2); R2a ≤ R2, có thể giảm khi thêm biến, có thể âm.

Kiểm định

  • t = (β̂j − βj0) ÷ SE(β̂j) với n − k − 1 bậc tự do; khoảng tin cậy β̂j ± tc × SE(β̂j).
  • F-test mô hình đầy đủ và rút gọn: F = [(RSSP − RSSF) ÷ q] ÷ [RSSF ÷ (n − kF − 1)], bậc tự do (q, n − kF − 1), luôn một phía.
  • F-test toàn mô hình: F = (ESS ÷ k) ÷ [RSS ÷ (n − k − 1)] = (R2 ÷ k) ÷ [(1 − R2) ÷ (n − k − 1)], bậc tự do (k, n − k − 1).
  • Không bác bỏ H0 đồng thời không có nghĩa từng biến đều vô dụng; q = 1 thì F = t2.

Bản đầy đủ gồm

Bài giảng chi tiết, flashcard lặp lại ngắt quãng, ngân hàng câu hỏi luyện thi, lộ trình theo ngày thi và trợ lý AI theo từng chương (có giới hạn). Dùng trọn 1 năm.

990.000đ890.000đdùng 1 năm

Hoàn 100% trong 7 ngày nếu bạn chưa dùng quá 30% khoá học.

Giá ưu đãi early bird 890.000đ

990.000đ890.000đdùng 1 năm
Mua ngay