← Lộ trình học Level I

Phương pháp định lượng · 2027 · Học

Phân tích hồi quy nhiều biến

Multiple Regression Analysis

Bài thử nghiệm: diễn giải hệ số, dự báo, R² điều chỉnh và chẩn đoán một số vấn đề của mô hình. Chưa bao phủ toàn bộ hồi quy, chuỗi thời gian hoặc học máy . Nội dung và câu hỏi do Học CFA tự biên soạn, chưa qua rà soát chuyên gia độc lập.

Tra thuật ngữ môn nàyÔn thẻ môn này

Sau bài này, bạn cần làm được gì?

  • Đọc hệ số hồi quy theo đơn vị dữ liệu và điều kiện giữ các biến khác không đổi.
  • Tính giá trị dự báo, R² điều chỉnh và diễn giải kiểm định F chung.
  • Nhận diện phương sai sai số thay đổi, đa cộng tuyến và sai lệch do bỏ sót biến.
  • Phân biệt vấn đề của ước lượng hệ số với vấn đề của sai số chuẩn và suy luận thống kê.

1. Hệ số là tác động có điều kiện

Một mô hình hồi quy nhiều biến viết dưới dạng ŷ = b₀ + b₁x₁ + b₂x₂ + … . Hệ số b₁ biểu thị mức thay đổi của giá trị dự báo y khi x₁ tăng một đơn vị và các biến giải thích còn lại được giữ không đổi. Nếu y và x cùng đo theo điểm phần trăm, hệ số có đơn vị điểm phần trăm của y trên một điểm phần trăm của x. Hệ số không tự chứng minh quan hệ nhân quả; cần xem thiết kế nghiên cứu và khả năng bỏ sót biến.

2. Dự báo và độ phù hợp

Thay giá trị của từng biến giải thích vào phương trình để tính ŷ. R² đo tỷ lệ biến động của y trong mẫu được mô hình giải thích, nhưng luôn không giảm khi thêm biến. Với n quan sát và k biến giải thích không kể hằng số, R² điều chỉnh = 1 − (1 − R²)(n − 1)/(n − k − 1). Kiểm định F chung thường xét giả thuyết tất cả các hệ số góc bằng 0; p-value nhỏ hơn mức ý nghĩa đã chọn cho phép bác bỏ giả thuyết chung, nhưng không chứng minh từng biến riêng lẻ đều có ý nghĩa.

3. Đọc đồ thị phần dư

Nếu độ phân tán phần dư tăng dần theo giá trị dự báo, đó là dấu hiệu của phương sai sai số thay đổi. Trong điều kiện các biến giải thích vẫn ngoại sinh, hệ số OLS có thể không chệch nhưng sai số chuẩn thông thường có thể không đáng tin; có thể dùng sai số chuẩn vững phù hợp. Nếu các biến giải thích liên hệ chặt với nhau, đa cộng tuyến có thể làm sai số chuẩn lớn và hệ số riêng lẻ kém ổn định. Nếu một biến quan trọng bị bỏ sót, đồng thời liên hệ với y và một biến đang có trong mô hình, hệ số của biến đang có có thể bị chệch.

4. Kết luận đúng phạm vi dữ liệu

Trước khi dùng mô hình để ra quyết định đầu tư, cần kiểm tra đơn vị đo, ý nghĩa kinh tế, tính phù hợp của mẫu và các giả định về phần dư. R² cao không đảm bảo dự báo ngoài mẫu tốt; p-value nhỏ không đảm bảo tác động lớn về mặt kinh tế. Khi mô hình có vấn đề, hãy nêu rõ vấn đề ảnh hưởng đến hệ số, sai số chuẩn hay cả hai trước khi điều chỉnh.

Thuật ngữ cần nhớ

Multiple regression
Hồi quy nhiều biến
Adjusted R-squared
Hệ số xác định R² điều chỉnh
Residual
Phần dư
Heteroskedasticity
Phương sai sai số thay đổi
Multicollinearity
Đa cộng tuyến
Omitted-variable bias
Sai lệch do bỏ sót biến

Tự kiểm tra · 2 tình huống · 8 câu

Luyện tập theo item set

Đọc tình huống tiếng Anh, tham khảo bản dịch tiếng Việt khi cần, rồi trả lời các câu liên quan. Lời giải xuất hiện sau khi nộp đủ 8 câu.

Đã trả lời 0/8 câu

Các lựa chọn chưa nộp được lưu tạm trên thiết bị này.

Tình huống 1 · Diễn giải kết quả hồi quy

Đã trả lời 0/4 câu

An analyst estimates a multiple regression using 40 observations: predicted stock return (%) = 1.5 + 0.8 × earnings growth (percentage points) − 0.4 × credit-spread change (percentage points). The model has R-squared of 0.64 and two explanatory variables. A joint F-test of both slope coefficients equal to zero has a p-value of 0.02. For a new observation, earnings growth is 3 percentage points and the spread change is 2 percentage points.

Xem bản dịch tiếng Việt

Một nhà phân tích ước lượng mô hình hồi quy nhiều biến với 40 quan sát: lợi suất cổ phiếu dự báo (%) = 1,5 + 0,8 × tăng trưởng lợi nhuận (điểm phần trăm) − 0,4 × thay đổi chênh lệch lợi suất tín dụng (điểm phần trăm). Mô hình có R² = 0,64 và hai biến giải thích. Kiểm định F chung cho giả thuyết cả hai hệ số góc bằng 0 có p-value = 0,02. Với một quan sát mới, tăng trưởng lợi nhuận là 3 điểm phần trăm và chênh lệch lợi suất tín dụng thay đổi 2 điểm phần trăm.

Câu 1

Câu 1

Holding the spread change constant, a one-percentage-point increase in earnings growth changes the predicted stock return by:

Khi giữ thay đổi chênh lệch lợi suất tín dụng không đổi, tăng trưởng lợi nhuận tăng một điểm phần trăm làm lợi suất cổ phiếu dự báo thay đổi bao nhiêu?

Câu 2

Câu 2

The predicted stock return for the new observation is closest to:

Lợi suất cổ phiếu dự báo cho quan sát mới gần nhất với mức nào?

Câu 3

Câu 3

The adjusted R-squared is closest to:

R² điều chỉnh của mô hình gần nhất với mức nào?

Câu 4

Câu 4

At the 5% significance level, the joint F-test result most directly indicates that:

Ở mức ý nghĩa 5%, kết quả kiểm định F chung trực tiếp cho thấy điều gì?

Tình huống 2 · Chẩn đoán mô hình

Đã trả lời 0/4 câu

A second analyst uses ordinary least squares (OLS) to model corporate bond spreads. A residual plot fans out as fitted spreads increase. Two explanatory variables are highly correlated. The analyst also excluded a risk measure that affects spreads and is correlated with one included explanatory variable. Assume the included regressors would otherwise be exogenous when assessing each issue separately.

Xem bản dịch tiếng Việt

Một nhà phân tích khác dùng bình phương tối thiểu thông thường (OLS) để mô hình hóa chênh lệch lợi suất trái phiếu doanh nghiệp. Đồ thị phần dư xòe rộng khi giá trị dự báo tăng. Hai biến giải thích có tương quan cao. Nhà phân tích cũng bỏ sót một thước đo rủi ro có ảnh hưởng đến chênh lệch lợi suất và có tương quan với một biến giải thích đã đưa vào mô hình. Khi đánh giá riêng từng vấn đề, giả định các biến được đưa vào vốn vẫn ngoại sinh nếu không có vấn đề vừa nêu.

Câu 5

Câu 5

The fan-shaped residual plot most directly suggests:

Đồ thị phần dư dạng xòe quạt gợi ý trực tiếp nhất vấn đề gì?

Câu 6

Câu 6

If heteroskedasticity were the only problem and regressors remained exogenous, the most appropriate inference is that:

Nếu phương sai sai số thay đổi là vấn đề duy nhất và các biến giải thích vẫn ngoại sinh, nhận định nào phù hợp nhất?

Câu 7

Câu 7

The high correlation between the two included explanatory variables is most likely to:

Tương quan cao giữa hai biến giải thích đã đưa vào mô hình có khả năng gây ra điều gì nhất?

Câu 8

Câu 8

Excluding the relevant risk measure that is correlated with an included regressor is most likely to cause:

Việc bỏ thước đo rủi ro quan trọng có tương quan với một biến đã đưa vào có khả năng gây ra điều gì nhất?

Kết quả được giữ để đồng bộ trong phiên này. Đăng nhập để lưu vào tài khoản.

Đối chiếu nội dung theo phần Basics of Multiple Regression and Underlying Assumptions; Evaluating Regression Model Fit and Interpreting Model Results; Model Misspecification trong đề cương 2027 của CFA Institute. Bài học và tình huống trên trang này là nội dung tự biên soạn.