Multiple Regression là gì? Đọc nhiều biến mà không kể quá #34

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Hồi quy tuyến tính đa biến (multiple linear regression) dùng ít nhất hai biến đầu vào để ước lượng một phản hồi. Các hệ số được khớp cùng lúc bằng bình phương tối thiểu và chỉ mô tả liên hệ khi giữ biến khác không đổi. Mô hình không tự chứng minh nhân quả hay bảo đảm dự báo.

Đọc xong, bạn sẽ hiểu:

• Đọc một hệ số đa biến bằng câu “giữ biến còn lại không đổi”.
• Tự tái tạo phương trình hai biến bằng Google Sheets.
• Nhận ra trùng thông tin, quá khớp, rò rỉ và ngoại suy.

Linear Regression #33 dùng một X. Thêm X thứ hai cũng thêm điều kiện phải ghi và cách kể quá dữ liệu.

1. Multiple Regression là gì? Một Y, nhiều điều kiện X

Biến phản hồi Y là đại lượng cần ước lượng. Mỗi biến đầu vào X là một cột được đưa vào mô hình. Với hai đầu vào, phương trình mẫu là:

ŷ = b₀ + b₁x₁ + b₂x₂

• ŷ: giá trị Y do mô hình ước lượng.
• b₀: hệ số chặn khi cả X1 và X2 bằng 0.
• b₁, b₂: hệ số, tức số nhân gắn với từng đầu vào.
• x₁, x₂: giá trị hai đầu vào trong cùng một hàng.

Ví dụ giao hàng có Y là phút, X1 là kilomet, X2 là số điểm dừng. Mô hình vẫn thiếu giao thông, thời tiết và kỹ năng tài xế.

Hình 1 — Thêm biến đầu vào là thêm điều kiện cho câu đọc, không phải thêm một sự thật chắc chắn.

Một biến đầu vào tạo đường; hai biến tạo mặt phẳng khớp. Nhiều hơn khó vẽ nhưng phương trình vẫn cộng bⱼxⱼ. “Tuyến tính” nói dạng hệ số, không nói dữ liệu ngoài đời luôn phẳng.

2. Đọc từng hệ số: giữ biến còn lại không đổi

Hệ số riêng phần là độ dốc của một đầu vào sau khi mô hình đã tính đến các đầu vào được liệt kê khác. Câu chuẩn cho b₁ là:

Khi X1 tăng một đơn vị, Y khớp thay đổi b₁ đơn vị, giữ X2 không đổi, trong phạm vi mẫu.

Penn State cũng định nghĩa hệ số góc đa biến là mức phản hồi trung bình thay đổi theo một biến đầu vào khi các biến khác được giữ cố định (STAT 501 — Multiple Linear Regression).

Với b₁=4 phút/km, hai tuyến cùng số điểm dừng nhưng chênh một kilomet sẽ chênh khoảng 4 phút theo mô hình. Phép so sánh này không loại bỏ mọi nguyên nhân khác.

Hình 2 — Muốn đọc hệ số X2, ta so hai điểm chỉ khác X2 trên cùng mặt cắt của mô hình.

Nếu X1/Y là điểm phần trăm, b₁=0,636494 nghĩa X1 tăng 1 điểm phần trăm đi cùng Y khớp tăng 0,636494 điểm phần trăm, giữ X2. Không đổi thành “63,65%” hay nhân quả.

Hệ số chặn b₀ là Y khớp khi mọi X bằng 0. Nếu tổ hợp toàn số 0 không có trong dữ liệu hoặc vô nghĩa ngoài đời, ta giữ nó trong phương trình nhưng không kể câu chuyện kinh tế quanh nó.

3. Bình phương tối thiểu mở rộng từ đường sang mặt phẳng

Giá trị khớp là ŷ tại một hàng X đã quan sát. Sai số dư là phần mô hình bỏ lại:

e = y − ŷ

Bình phương tối thiểu chọn đồng thời b₀, b₁, b₂ để:

SSE = Σe²

nhỏ nhất. SSE là tổng bình phương sai số dư. Mỗi hệ số được khớp cùng các biến đầu vào khác, nên thêm hoặc bỏ một cột có thể đổi các hệ số còn lại.

Nếu X1/X2 gần trùng, nhiều bộ hệ số tạo giá trị khớp tương tự; cách chia “phần của X1” và “phần của X2” thiếu ổn định.

Phép khớp không tự kiểm thời điểm, lỗi dữ liệu hay quan hệ cong. Regression Assumptions #36 sẽ đi sâu hơn; ở đây phải xem dữ liệu và sai số dư trước hệ số.

4. Ví dụ tám kỳ: X1 thị trường, X2 biến động

Toàn bộ bảng sau là giả định, cùng kỳ và cùng đơn vị điểm phần trăm:

Kết quả bình phương tối thiểu:

ŷ = 0,0465989669 + 0,6364940760x₁ − 0,2604440407x₂

Cách đọc b₁: trong tám kỳ giả định, giữ thay đổi biến động X2 không đổi, X1 tăng 1 điểm phần trăm đi cùng lợi suất Y khớp tăng khoảng 0,636494 điểm phần trăm.

Cách đọc b₂: giữ lợi suất thị trường X1 không đổi, X2 tăng 1 điểm phần trăm đi cùng Y khớp giảm khoảng 0,260444 điểm phần trăm. Dấu âm mô tả mẫu này, không phải quy luật hay tín hiệu bán.

Tại x₁=1,0, x₂=0,2:

ŷ = 0,0465989669 + 0,6364940760 − 0,2604440407×0,2

ŷ = 0,6310042347 điểm phần trăm.

Giữ x₁=0,5, đổi x₂ từ −0,2 lên 0,8 làm Y khớp đi từ 0,4169348130 xuống 0,1564907723. Chênh lệch đúng −0,2604440407, vì X2 tăng một đơn vị.

Hình 3 — Hệ số, thứ tự cột và phép thế số đều có thể kiểm lại từ cùng một bảng giả định.

Nếu chỉ hồi quy Y theo X1, hệ số góc là 0,5375396657, không phải 0,6364940760. Tương quan X1/X2 bằng 0,6563506846, nên thêm X2 đổi câu hỏi và cách phân chia liên hệ. Hai mô hình trả lời hai câu khác nhau.

SSE=0,0006228673. R²=0,9996509368 chỉ tóm tắt độ khớp trong tám hàng; R-squared #35 sẽ giải thích vì sao con số cao không bảo đảm hiệu quả ngoài mẫu.

5. Sáu bẫy khi thêm biến đầu vào

1. Hiểu “giữ cố định” thành nhân quả

Mô hình giữ X2 trong phép tính, không can thiệp thực tế. Biến gây nhiễu, chọn mẫu và chiều tác động ngược vẫn còn.

2. Hai cột kể gần cùng câu chuyện

Đa cộng tuyến xảy ra khi các biến đầu vào mang thông tin tuyến tính chồng lấn. Kilomet và mét là ví dụ cực đoan. Hệ số có thể nhạy với việc thêm/bớt cột và giảm độ chính xác (STAT 501 — Multicollinearity).

Trong bảng, tương quan X1/X2 là 0,656351; hệ số phóng đại phương sai (VIF) hai biến là 1,756840. Đây là cờ điều tra, không phải ngưỡng chung.

3. Thêm quá nhiều núm vặn

Quá khớp là mô hình học nhiễu rồi hụt ở dữ liệu mới. Tám hàng với hai X và hệ số chặn còn ít thông tin; không thêm biến chỉ vì phần mềm cho phép.

4. Bỏ biến quan trọng hoặc chọn dấu mình thích

Biến bị bỏ sót có thể làm hệ số khác hấp thụ liên hệ. Thêm biến để đổi dấu là chọn kết quả. Câu hỏi và thời điểm phải quyết định cột.

5. Dùng thông tin từ tương lai

Rò rỉ dữ liệu xảy ra khi X chứa thông tin chưa có tại thời điểm cần ước lượng. Dùng biến động cuối ngày để “dự báo” quyết định đầu ngày là lỗi thời điểm, dù bảng tính vẫn chạy.

6. Ngoại suy sai tổ hợp

Ngoại suy chung xảy ra khi tổ hợp X mới chưa từng xuất hiện, dù từng giá trị riêng lẻ có vẻ bình thường. Cũng phải dừng nếu sai số dư tạo pattern, thiếu dữ liệu lệch hàng hoặc chế độ thị trường thay đổi.

6. Danh sách kiểm tra và bài LINEST 15 phút

Kiểm tám cổng trước khi dùng:

1. Y và từng X có định nghĩa, đơn vị, thời điểm khả dụng rõ.
2. Mọi cột cùng hàng, cùng kỳ; ô thiếu được xử lý nhất quán.
3. Mỗi biến đầu vào có lý do trước khi xem kết quả.
4. Tương quan giữa các biến được kiểm để phát hiện trùng thông tin.
5. Mỗi hệ số được đọc với biến còn lại giữ cố định và đủ đơn vị.
6. Giá trị khớp và sai số dư được xem theo hàng và thời gian.
7. Điểm lạ, độ nhạy thêm/bớt biến và phạm vi tổ hợp X được ghi.
8. Không suy nhân quả, không ngoại suy, không dùng nếu chế độ đổi.

Bài tập dùng Google Sheets miễn phí, dữ liệu giả định và chưa dùng tiền thật:

1. Nhập Kỳ/X1/X2/Y vào A2:D9.
2. Chọn ba ô ngang F2:H2, nhập =LINEST(D2:D9,B2:C9,TRUE,FALSE).
3. LINEST trả hệ số theo thứ tự X đảo ngược: F2 là X2 −0,2604440407; G2 là X1 0,6364940760; H2 là hệ số chặn 0,0465989669 (Google Docs Editors Help — LINEST).
4. E2: =$H$2+$G$2*B2+$F$2*C2; kéo xuống.
5. I2: =D2-E2; kéo xuống. =SUMSQ(I2:I9) → 0,0006228673.
6. =SLOPE(D2:D9,B2:B9) → 0,5375396657.
7. =CORREL(B2:B9,C2:C9) → 0,6563506846.
8. Thế X1=1, X2=0,2 → ŷ=0,6310042347.

Mẫu đối chiếu đã điền

Thẻ kiểm tra hồi quy đa biến ghi câu hỏi, thời điểm, phương trình và điểm dừng:

Hình 4 — Một phương trình nhiều biến chỉ đi tiếp khi nguồn dữ liệu, thời điểm và điều kiện dừng đều minh bạch.

7. Tổng kết và bài tiếp theo

a. Năm ý chính

• Hồi quy đa biến ước lượng một Y từ ít nhất hai X được khớp cùng lúc.
• Mỗi hệ số phải đọc khi giữ các biến đầu vào còn lại không đổi.
• Thêm biến đầu vào đổi câu hỏi và có thể đổi mọi hệ số đang có.
• Đa cộng tuyến, quá khớp, rò rỉ và ngoại suy có thể làm câu chuyện sai.
• Không suy nhân quả, không lấy R² cao làm bảo chứng và không dùng demo cho tiền thật.

b. Câu hỏi tự kiểm tra

• Vì sao hệ số X1 phải kèm câu “giữ X2 không đổi”?
• LINEST trả hai hệ số X theo thứ tự nào?
• Tại sao hệ số một biến và đa biến có thể khác nhau?
• Khi nào một tổ hợp X mới là ngoại suy chung?

c. Gợi ý đáp án

Xem gợi ý câu 1

Vì hệ số riêng phần đo độ dốc X1 sau khi mô hình đã tính X2; bỏ điều kiện sẽ đổi nghĩa. Xem mục 2.

Xem gợi ý câu 2

Với vùng B:C, LINEST trả hệ số C trước, B sau, rồi hệ số chặn. Xem mục 6.

Xem gợi ý câu 3

Thêm X2 đổi điều kiện và cách mô hình phân chia liên hệ giữa các cột. Xem mục 4.

Xem gợi ý câu 4

Khi tổ hợp các X nằm ngoài những kết hợp đã quan sát, dù từng X riêng lẻ có vẻ quen. Xem mục 5.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• Penn State STAT 501 — Multiple Linear Regression
• Penn State STAT 501 — Notation
• Penn State STAT 501 — Estimation, Prediction and Assumptions
• Penn State STAT 501 — Multicollinearity and Other Pitfalls
• Google Docs Editors Help — LINEST
• NIST/SEMATECH e-Handbook — Multiple Linear Regression

Bài tiếp theo, R-squared #35, tập trung độ khớp và giới hạn của R². Sau đó Regression Assumptions #36 kiểm phần đường thẳng bỏ lại. Xem toàn bộ Quantitative Finance Zero to Hero.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.