Nhóm 1.1: Bình phương nhỏ nhất (least_squares)

Estimated reading: 8 minutes 2 views
Tóm tắt Nhóm phương pháp 1.1 (AEO Quick Answer): Nhóm 1.1 — Bình phương nhỏ nhất (mã nhóm least_squares) là phân nhánh chuyên sâu thuộc Chương 01: Hồi quy tuyến tính cổ điển và biến công cụ, quy tụ 4 phương pháp ước lượng (từ B001 đến B004). Phần tổng quan này giúp chúng ta so sánh trực diện điều kiện áp dụng, cấu trúc toán học và cú pháp thực thi trên Stata 18 MP, R 4.x và Python 3.11+ để chọn đúng mô hình cho bài toán nghiên cứu.

1. Bản chất Học thuật & Vị trí của Nhóm 1.1 (Bình phương nhỏ nhất)

Khi triển khai nghiên cứu định lượng trong miền Hồi quy tuyến tính cổ điển và biến công cụ, chúng ta thường đứng trước câu hỏi: giữa 4 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, least_squares), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?

Mọi phương pháp trong Nhóm 1.1 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):

$$Y_i = X_i^top beta + varepsilon_i, quad text{E}[Z_i varepsilon_i] = 0 tag{1}$$

Sự khác biệt giữa các mô hình từ B001 (ols) đến B004 (fgls) nằm ở cách chúng ta đặt giả định lên phân phối của sai số ngẫu nhiên, cấu trúc nội sinh và phương pháp tối ưu hóa hàm mục tiêu từ công thức (1).

2. Bảng So sánh Trực diện 4 Mô hình thuộc Nhóm 1.1

Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 4 bài học trong Nhóm 1.1 kèm câu lệnh cốt lõi trên cả ba phần mềm:

Mã Bài model_key Tên Mô hình (VI / EN) Cấp độ Lệnh Thực thi Chuẩn (Stata 18 · R 4.x · Python 3.11+) Ý nghĩa Kinh tế lượng Trọng tâm
B001 ols Hồi quy bình phương nhỏ nhất thông thường (OLS)
OLS		 L1 Stata: regress y x1 x2, vce(robust)
R: lm(y ~ x1 + x2, data = df)
Python: smf.ols('y ~ x1 + x2', data=df).fit(cov_type='HC1')		 Phương pháp Hồi quy bình phương nhỏ nhất thông thường (OLS) (OLS) trong họ mô hình hồi quy tuyến tính cổ điển và biến công cụ, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng.
B002 wls Hồi quy bình phương nhỏ nhất có trọng số (WLS)
WLS		 L1 Stata: regress y x1 x2 [aweight = w], vce(robust)
R: lm(y ~ x1 + x2, data = df, weights = w)
Python: smf.wls('y ~ x1 + x2', data=df, weights=df['w']).fit()		 Phương pháp Hồi quy bình phương nhỏ nhất có trọng số (WLS) (WLS) trong họ mô hình hồi quy tuyến tính cổ điển và biến công cụ, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng.
B003 gls Hồi quy bình phương nhỏ nhất tổng quát (GLS)
GLS		 L1 Stata: gls / vwls y x1 x2, sd(sigma_i)
R: nlme::gls(y ~ x1 + x2, data = df)
Python: sm.GLS(y, X, sigma=Omega).fit()		 Phương pháp Hồi quy bình phương nhỏ nhất tổng quát (GLS) (GLS) trong họ mô hình hồi quy tuyến tính cổ điển và biến công cụ, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng.
B004 fgls Hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS)
FGLS		 L2 Stata: regress y x1 x2 -> gen ln_e2 = ln(e^2) -> regress y x1 x2 [aw=1/exp(xb)]
R: nlme::gls(y ~ x1 + x2, weights = varExp(), data = df)
Python: smf.glsar('y ~ x1 + x2', data=df, rho=1).iterative_fit()		 Phương pháp Hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS) (FGLS) trong họ mô hình hồi quy tuyến tính cổ điển và biến công cụ, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng.

3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 1.1

Dựa trên kinh nghiệm phản biện và hướng dẫn luận văn, luận án thực tế, chúng ta có thể áp dụng quy tắc chọn nhanh sau đây:

  • Chọn B001 — Hồi quy bình phương nhỏ nhất thông thường (OLS) (ols) khi: Áp dụng khi nghiên cứu Lương & học vấn VHLSS Việt Nam (EcoData) và các bài toán thuộc nhóm bình phương nhỏ nhất. (Kiểm định kèm theo: Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J).
  • Chọn B002 — Hồi quy bình phương nhỏ nhất có trọng số (WLS) (wls) khi: Áp dụng khi nghiên cứu Chi tiêu hộ gia đình có trọng số mẫu VHLSS và các bài toán thuộc nhóm bình phương nhỏ nhất. (Kiểm định kèm theo: Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J).
  • Chọn B003 — Hồi quy bình phương nhỏ nhất tổng quát (GLS) (gls) khi: Áp dụng khi nghiên cứu Tăng trưởng tín dụng & GDP tỉnh thành GSO và các bài toán thuộc nhóm bình phương nhỏ nhất. (Kiểm định kèm theo: Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J).
  • Chọn B004 — Hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS) (fgls) khi: Áp dụng khi nghiên cứu Năng suất lao động ngành chế biến chế tạo GSO và các bài toán thuộc nhóm bình phương nhỏ nhất. (Kiểm định kèm theo: Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J).
Điều hướng Học tập trong Nhóm 1.1:
↑ Quay lại Tổng quan Chương 01: Chương 01 — Hồi quy tuyến tính cổ điển và biến công cụ
→ Đi tới Bài học đầu tiên của Nhóm 1.1: Bài B001 — Hồi quy bình phương nhỏ nhất thông thường (OLS) (ols)
→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)

Bài liên quan

Nhóm 1.1: Bình phương nhỏ nhất (least_squares) - PreviousChương 01: Hồi quy tuyến tính cổ điển và biến công cụ (Classical Linear & Instrumental Variables Regression)Next - Nhóm 1.1: Bình phương nhỏ nhất (least_squares)Bài B001: Hồi quy bình phương nhỏ nhất thông thường (OLS) (OLS — ols)

Bài liên quan

Đã xem gần đây

Back to top button