[Seminar] Chuỗi bài giảng Thống kê: Ứng dụng trong Kinh tế và Kinh doanh – Buổi 11: Simple Linear Regression

Vào 09h00 sáng thứ Sáu ngày 14 tháng 11 năm 2025, Khoa Khoa học cơ sở tổ chức sinh hoạt khoa học với chủ đề: “Chuỗi bài giảng Thống kê: Ứng dụng trong Kinh tế và Kinh doanh – Buổi 11: Simple Linear Regression”.

Người trình bày: Phạm Bảo Lâm, Khoa Khoa học cơ sở, ĐHKTQD.

Thành phần tham dự: Toàn thể giảng viên Khoa Khoa học cơ sở và các giảng viên quan tâm.

Người trình bày đã trình bày các nội dung:

• Simple Linear Regression Model

• Least Squares Method

• Coefficient of Determination

• Model Assumptions

• Testing for Significance

• Using the Estimated Regression Equation for Estimation and Prediction

• Computer Solution

• Residual Analysis: Validating Model Assumptions

• Residual Analysis: Outliers and Influential Observations

Một số ý kiến trao đổi:

• Mô hình hồi quy tuyến tính đơn mô tả xu hướng giữa hai biến và lượng hóa mức độ thay đổi của biến phụ thuộc khi biến độc lập thay đổi một đơn vị. Mô hình tuyến tính đặc biệt hữu ích trong giai đoạn khám phá dữ liệu, nhưng cần kiểm tra kỹ xem quan hệ giữa hai biến có thật sự tuyến tính hay không để tránh diễn giải sai lệch.
• Phương pháp bình phương nhỏ nhất dễ áp dụng và tính toán, nhưng nhạy cảm với ngoại lai, do đó cần kết hợp phân tích phần dư để đánh giá tính phù hợp của đường hồi quy. Việc kiểm tra các giả thiết của mô hình là bước quan trọng để bảo đảm tính tin cậy của kết quả hồi quy.
• Ngoài giá trị p để xem hệ số hồi quy có khác 0 một cách có ý nghĩa thống kê hay không, cũng cần xem xét độ lớn của hệ số và mức ý nghĩa thực tế trong bối cảnh dữ liệu, vì đôi khi kết quả thống kê có ý nghĩa nhưng tác động thực tế lại rất nhỏ.
• Phương trình hồi quy ước lượng rất hữu ích trong việc đưa ra dự báo hoặc ước lượng trung bình của biến phụ thuộc tại các mức khác nhau của biến độc lập. Tuy nhiên, cần phân biệt rõ giữa khoảng tin cậy và khoảng dự báo, vì khoảng dự báo rộng hơn nhiều do phải tính đến sự biến thiên cá nhân.
• Ngoại lai và các quan sát có ảnh hưởng lớn có thể làm thay đổi đáng kể đường hồi quy. Tuy nhiên, không nên tự động loại bỏ chúng, mà cần xem xét nguyên nhân và bối cảnh của từng điểm để đưa ra quyết định phù hợp.

Một số hình ảnh