Nhóm 3.3: Lựa chọn có thứ tự (ordered)
ordered) là phân nhánh chuyên sâu thuộc Chương 03: Mô hình lựa chọn rời rạc và cầu cấu trúc, quy tụ 2 phương pháp ước lượng (từ B036 đến B037). 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 3.3 (Lựa chọn có thứ tự)
Khi triển khai nghiên cứu định lượng trong miền Mô hình lựa chọn rời rạc và cầu cấu trúc, chúng ta thường đứng trước câu hỏi: giữa 2 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, ordered), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?
Mọi phương pháp trong Nhóm 3.3 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):
$$P(Y_i = j mid X_i) = frac{exp(X_{ij}^top beta)}{sum_{m=1}^J exp(X_{im}^top beta)} tag{1}$$
Sự khác biệt giữa các mô hình từ B036 (ordered_logit) đến B037 (ordered_probit) 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 2 Mô hình thuộc Nhóm 3.3
Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 2 bài học trong Nhóm 3.3 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 |
|---|---|---|---|---|---|
| B036 | ordered_logit |
Mô hình Logit thứ bậc và giả định tỷ lệ cược tỷ lệ (Ordered Logit) Ordered Logit |
L1 | Stata: ologit y_ord x1 x2, vce(robust)R: MASS::polr(factor(y_ord) ~ x1 + x2, data = df, method = 'logistic')Python: OrderedModel(df['y_ord'], df[['x1', 'x2']], distr='logit').fit(method='bfgs') |
Phương pháp Mô hình Logit thứ bậc và giả định tỷ lệ cược tỷ lệ (Ordered Logit) (Ordered Logit) trong họ mô hình mô hình lựa chọn rời rạc và cầu cấu trúc, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
| B037 | ordered_probit |
Mô hình Probit thứ bậc (Ordered Probit) Ordered Probit |
L1 | Stata: oprobit y_ord x1 x2, vce(robust)R: MASS::polr(factor(y_ord) ~ x1 + x2, data = df, method = 'probit')Python: OrderedModel(df['y_ord'], df[['x1', 'x2']], distr='probit').fit(method='bfgs') |
Phương pháp Mô hình Probit thứ bậc (Ordered Probit) (Ordered Probit) trong họ mô hình mô hình lựa chọn rời rạc và cầu cấu trúc, 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 3.3
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 B036 — Mô hình Logit thứ bậc và giả định tỷ lệ cược tỷ lệ (Ordered Logit) (
ordered_logit) khi: Áp dụng khi nghiên cứu Xếp hạng tín nhiệm / Mức độ hài lòng PCI và các bài toán thuộc nhóm lựa chọn có thứ tự. (Kiểm định kèm theo: Likelihood Ratio Chi2, Hosmer–Lemeshow, Hausman–McFadden IIA Test, Brant Parallel Odds Test, Average Marginal Effects (AME)). - Chọn B037 — Mô hình Probit thứ bậc (Ordered Probit) (
ordered_probit) khi: Áp dụng khi nghiên cứu Phân tầng mức độ rủi ro tài chính doanh nghiệp niêm yết và các bài toán thuộc nhóm lựa chọn có thứ tự. (Kiểm định kèm theo: Likelihood Ratio Chi2, Hosmer–Lemeshow, Hausman–McFadden IIA Test, Brant Parallel Odds Test, Average Marginal Effects (AME)).
↑ Quay lại Tổng quan Chương 03: Chương 03 — Mô hình lựa chọn rời rạc và cầu cấu trúc
→ Đi tới Bài học đầu tiên của Nhóm 3.3: Bài B036 — Mô hình Logit thứ bậc và giả định tỷ lệ cược tỷ lệ (Ordered Logit) (
ordered_logit)→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
Bài liên quan
- Bài B036: Mô hình Logit thứ bậc và giả định tỷ lệ cược tỷ lệ (Ordered Logit) (Ordered Logit — ordered_logit)Cấp độ 1: Nền tảng (Foundation)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B037: Mô hình Probit thứ bậc (Ordered Probit) (Ordered Probit — ordered_probit)Cấp độ 1: Nền tảng (Foundation)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)