1. Hồi quy tuyến tính cổ điển và biến công cụ

Estimated reading: 13 minutes 9 views

TÓM TẮT CHƯƠNG 1:

Quy mô chương: Chương 1. Hồi quy tuyến tính cổ điển và biến công cụ bao gồm 4 nhóm phương pháp và 14 bài giảng chuyên sâu.
Bài toán nhận dạng cốt lõi: “Làm thế nào để ước lượng tác động tuyến tính vững chắc khi tồn tại phương sai thay đổi, điểm ngoại lai, hiệu ứng cố định đa chiều và biến giải thích nội sinh?”
Hệ thống kiểm định bắt buộc: Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J.
Nguồn tham chiếu học thuật: Tổng hợp từ các công trình gốc của Wooldridge (2020); Angrist & Pischke (2009); Correia (2016); Lewbel (2012); Borusyak, Hull & Jaravel (2022) và hệ thống giáo trình chuẩn quốc tế của Wooldridge (2019); Hansen (2022); Greene (2019); Cameron & Trivedi (2022).

1. Đặt vấn đề và bối cảnh nghiên cứu

Trong nghiên cứu thực nghiệm kinh tế, tài chính và chính sách công, việc lựa chọn đúng cấu trúc mô hình thuộc chương Hồi quy tuyến tính cổ điển và biến công cụ quyết định trực tiếp tính không chệch, tính nhất quán và hiệu lực suy luận thống kê của các ước lượng theo Wooldridge (2019); Hansen (2022); Greene (2019); Cameron & Trivedi (2022). Khi cấu trúc dữ liệu thực tế vi phạm các giả định cổ điển, nhà nghiên cứu cần áp dụng chính xác các phương pháp chuyên biệt được trình bày trong chương này theo Wooldridge (2020); Angrist & Pischke (2009); Correia (2016); Lewbel (2012); Borusyak, Hull & Jaravel (2022).

Khung biểu diễn toán học tổng quát cho các mô hình thuộc chương 1 được xác lập tại phương trình 1:

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

Từ phương trình 1, mỗi nhóm phương pháp con trong chương sẽ cụ thể hóa điều kiện nhận dạng, cấu trúc ma trận hiệp phương sai của sai số và thuật toán tối ưu hóa phù hợp với từng thiết kế dữ liệu tại Việt Nam theo Wooldridge (2020); Angrist & Pischke (2009); Correia (2016); Lewbel (2012); Borusyak, Hull & Jaravel (2022); Wooldridge (2019); Hansen (2022); Greene (2019); Cameron & Trivedi (2022).

2. Cấu trúc các nhóm phương pháp trong chương

Chương 1 được tổ chức thành 4 nhóm bài giảng theo thứ tự từ nền tảng đến nâng cao:

Bảng 1.1Cấu trúc các nhóm phương pháp trực thuộc chương 1

Nhóm phương pháp	Số lượng bài	Danh sách các bài giảng trực thuộc
1.1. Bình phương nhỏ nhất	4 bài giảng	1.1.1. Hồi quy bình phương nhỏ nhất thông thường (OLS) 1.1.2. Hồi quy bình phương nhỏ nhất có trọng số (WLS) 1.1.3. Hồi quy bình phương nhỏ nhất tổng quát (GLS) 1.1.4. Hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS)
1.2. Hồi quy kháng nhiễu và phân vị	2 bài giảng	1.2.1. Hồi quy tuyến tính kháng nhiễu ngoại lai (RLM) 1.2.2. Hồi quy phân vị có điều kiện
1.3. Biến công cụ cổ điển	2 bài giảng	1.3.1. Hồi quy biến công cụ hai giai đoạn (2SLS) 1.3.2. Ước lượng hợp lý cực đại thông tin giới hạn (LIML)
1.4. Hiệu ứng cố định đa chiều và biến công cụ hiện đại	6 bài giảng	1.4.1. Hồi quy tuyến tính hiệu ứng cố định đa chiều (HDFE) 1.4.2. Hồi quy biến công cụ hiệu ứng cố định đa chiều (HDFE-IV) 1.4.3. Biến công cụ cấu trúc ngành–vùng Bartik 1.4.4. Biến công cụ kiến tạo từ phương sai thay đổi Lewbel 1.4.5. Phương pháp hàm kiểm soát xử lý nội sinh (CF) 1.4.6. Hồi quy phân vị biến công cụ (IVQR)

3. Danh mục các mô hình kinh tế lượng

Bảng dưới đây đối chiếu toàn bộ 14 bài giảng thuộc chương 1 cùng bộ thư viện thực thi trên Stata 18, R 4.x, Python 3.11+ và các kiểm định chẩn đoán bắt buộc:

Bảng 1.2Danh mục các mô hình kinh tế lượng và thư viện thực thi thuộc chương 1

Mã mục	Tên bài giảng	Thư viện thực thi Stata · R · Python	Kiểm định chẩn đoán bắt buộc	Dữ liệu thực nghiệm Việt Nam
1.1.1	Hồi quy bình phương nhỏ nhất thông thường (OLS)	`base Stata` · `stats + sandwich` · `statsmodels`	Kiểm định phương sai thay đổi Breusch–Pagan và White, hệ số phóng đại phương sai đa cộng tuyến (VIF), kiểm định dạng hàm Ramsey RESET, kiểm định phân phối chuẩn phần dư Jarque–Bera	Lương & học vấn VHLSS Việt Nam
1.1.2	Hồi quy bình phương nhỏ nhất có trọng số (WLS)	`base Stata` · `stats` · `statsmodels`	Kiểm định phương sai thay đổi trên phần dư chuẩn hóa có trọng số Breusch–Pagan, hệ số (VIF) có trọng số, kiểm định dạng hàm RESET và so sánh hiệu quả sai số chuẩn giữa (OLS) và (WLS)	Chi tiêu hộ gia đình có trọng số mẫu VHLSS
1.1.3	Hồi quy bình phương nhỏ nhất tổng quát (GLS)	`base Stata` · `nlme` · `statsmodels`	Kiểm định tính cầu của phần dư sau biến đổi (GLS), kiểm định Ljung–Box/Breusch–Pagan trên phần dư chuẩn hóa và kiểm định Wald tổng thể	Tăng trưởng tín dụng & GDP tỉnh thành GSO
1.1.4	Hồi quy bình phương nhỏ nhất tổng quát khả thi (FGLS)	`base Stata` · `nlme` · `statsmodels`	Kiểm định Breusch–Pagan / Harvey–Godfrey cho phương trình phương sai bước 1, kiểm định phần dư chuẩn hóa (FGLS) và đối chiếu sai số chuẩn vững (HC1)	Năng suất lao động ngành chế biến chế tạo GSO
1.2.1	Hồi quy tuyến tính kháng nhiễu ngoại lai (RLM)	`base Stata` · `MASS` · `statsmodels`	Phân tích đòn bẩy $h_{ii}$, khoảng cách Cook’s $D$, thống kê DFFITS, DFBETAS và kiểm định tính ổn định trọng số hội tụ IRLS	ROA & đòn bẩy tài chính doanh nghiệp HOSE/HNX
1.2.2	Hồi quy phân vị có điều kiện	`base Stata` · `quantreg` · `statsmodels`	Kiểm định đồng nhất hệ số độ dốc giữa các phân vị Wald, kiểm định phương sai thay đổi Machado–Santos Silva và sai số chuẩn Bootstrap	Phân vị chi tiêu y tế hộ gia đình VHLSS
1.3.1	Hồi quy biến công cụ hai giai đoạn (2SLS)	`base Stata` · `AER` · `linearmodels`	Kiểm định nội sinh Durbin–Wu–Hausman, thống kê $F$ giai đoạn 1 Kleibergen–Paap rk Wald $F$ vượt ngưỡng $10$ và kiểm định nhận dạng quá mức Sargan / Hansen $J$	Đầu tư công & tăng trưởng GRDP tỉnh
1.3.2	Ước lượng hợp lý cực đại thông tin giới hạn (LIML)	`base Stata` · `AER / ivmodel` · `linearmodels`	So sánh giá trị tới hạn Stock–Yogo cho (LIML) và (2SLS), thống kê Anderson–Rubin vững với công cụ yếu và kiểm định Anderson–Rubin / Basmann overidentification	Xuất khẩu & năng suất doanh nghiệp
1.4.1	Hồi quy tuyến tính hiệu ứng cố định đa chiều (HDFE)	`reghdfe` · `fixest` · `pyfixest`	Kiểm định $F$ đồng thời các biến giải thích — within-$F$ , kiểm cáo loại singleton, $R^2$ within/projected, VIF sau khử FE.	Bảng doanh nghiệp × ngành × tỉnh × năm Việt Nam
1.4.2	Hồi quy biến công cụ hiệu ứng cố định đa chiều (HDFE-IV)	`ivreghdfe` · `fixest` · `pyfixest`	Kleibergen–Paap rk LM, Kleibergen–Paap rk Wald $F$ / Montiel Olea–Pflueger effective $F$, Hansen $J$ over-identification.	Tín dụng ngân hàng – doanh nghiệp
1.4.3	Biến công cụ cấu trúc ngành–vùng Bartik	`ssaggregate / ivreg2` · `ShiftShareSE` · `linearmodels`	Kiểm định tiền xu hướng theo tỷ trọng Rotemberg weights, First-stage effective $F$, kiểm định cân bằng đặc trưng vùng ban đầu, AKM0/AKM1 SE.	Cú sốc xuất khẩu ngành lên lao động 63 tỉnh
1.4.4	Biến công cụ kiến tạo từ phương sai thay đổi Lewbel	`ivreg2h` · `REndo` · `linearmodels`	Breusch–Pagan / Pagan–Hall kiểm định tồn tại phương sai thay đổi ở Stage 1, điều kiện bắt buộc, Hansen $J$ test, Kleibergen–Paap $F$.	Chuyển đổi số & hiệu quả SME khi thiếu IV ngoại sinh
1.4.5	Phương pháp hàm kiểm soát xử lý nội sinh (CF)	`etregress` · `fixest + boot` · `statsmodels`	Kiểm định $t$/Wald trực tiếp trên hệ số phần dư kiểm soát $\hat{v}_2 = 0$, kiểm định nội sinh Hausman tổng quát, First-stage $F$, bootstrap CI.	Nội sinh có biến tương tác tài chính
1.4.6	Hồi quy phân vị biến công cụ (IVQR)	`Stata 18 ivqregress` · `quantreg` · `statsmodels`	Kiểm định yếu biến công cụ theo phân vị, kiểm định đồng nhất hệ số giữa các phân vị — inter-quantile Wald test $\beta(\tau_1)=\beta(\tau_2)$ , dual CI.	Tác động tín dụng theo phân vị thu nhập VHLSS

4. Quy tắc chọn mô hình và kiểm định

Trước khi công bố kết quả ước lượng thuộc chương 1, nhà nghiên cứu cần thực hiện đầy đủ danh mục kiểm tra học thuật sau theo Wooldridge (2019); Hansen (2022); Greene (2019); Cameron & Trivedi (2022):

Câu hỏi nhận dạng trung tâm: Làm thế nào để ước lượng tác động tuyến tính vững chắc khi tồn tại phương sai thay đổi, điểm ngoại lai, hiệu ứng cố định đa chiều và biến giải thích nội sinh?
Hệ thống kiểm định chẩn đoán bắt buộc: Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J.
Suy luận thống kê vững: Luôn kiểm tra cấu trúc phương sai thay đổi, tự tương quan hoặc phụ thuộc cụm để lựa chọn ma trận hiệp phương sai sai số chuẩn phù hợp trên Stata 18, R 4.x và Python 3.11+ theo Wooldridge (2020); Angrist & Pischke (2009); Correia (2016); Lewbel (2012); Borusyak, Hull & Jaravel (2022).

LƯU Ý HỌC THUẬT: Khi trình bày bảng kết quả ước lượng thuộc chương 1 trong khóa luận, luận văn, luận án hoặc bài báo khoa học, cần báo cáo đầy đủ giá trị thống kê và $p$-value của bộ kiểm định gồm Breusch–Pagan, White, VIF, Ramsey RESET, Kleibergen–Paap rk Wald F, Montiel Olea–Pflueger Effective F, Hansen J ngay dưới chân bảng để minh chứng mô hình thỏa mãn điều kiện nhận dạng theo Wooldridge (2019); Hansen (2022); Greene (2019); Cameron & Trivedi (2022).

5. Tài liệu tham khảo

Wooldridge(2020). Econometric specification, identification, and asymptotic inference.
Angrist, J. D, & Pischke, J.-S.(2009). Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton University Press.
Correia(2016). Econometric specification, identification, and asymptotic inference.
Lewbel(2012). Econometric specification, identification, and asymptotic inference.
Borusyak, Hull, & Jaravel(2022). Econometric specification, identification, and asymptotic inference.
Wooldridge, J. M.(2019). Introductory Econometrics: A Modern Approach, 7th ed, Chương 2–8 & 15. Cengage Learning.
Hansen, B. E.(2022). Econometrics, Chương 4, 7 & 12: Least Squares & Instrumental Variables. Princeton University Press.
Greene, W. H.(2019). Econometric Analysis, 8th ed, Chương 2–5 & 8. Pearson.
Cameron, A. C, & Trivedi, P. K.(2022). Microeconometrics Using Stata, 2nd ed, Vol. 1, Chương 3 & 6–7. Stata Press.

ĐIỀU HƯỚNG HỌC TẬP:
↑ Tài liệu gốc: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
← Chương trước: KINH TẾ LƯỢNG ỨNG DỤNG TOÀN DIỆN TỪ A – Z
→ Nhóm đầu tiên trong chương: 1.1. Bình phương nhỏ nhất
→ Bài học đầu tiên trong chương: 1.1.1. Hồi quy bình phương nhỏ nhất thông thường (OLS)
→ Chương tiếp theo: 2. Mô hình chính quy hóa, suy luận chiều cao và giảm chiều