Tag Archives: đa cộng tuyến

Số liệu như thế nào là đẹp trong Stata?

Stata, , , , ,

1. Thế nào là một kết quả hồi quy "đẹp"?

Khi chạy hồi quy trong Stata, ta thường lo lắng khi nhìn vào bảng kết quả và thấy "không giống trong sách" hay "khác với các nghiên cứu trước". Vậy một kết quả hồi quy được xem là "đẹp" cần đáp ứng những tiêu chí nào?

  • P-value của biến độc lập quan trọng < 5% (hoặc ít nhất < 10% với một số ngành khoa học xã hội): cho thấy biến đó có ý nghĩa thống kê trong việc giải thích biến phụ thuộc.

  • R² hoặc R² hiệu chỉnh ở mức chấp nhận được: mức "chấp nhận được" phụ thuộc vào loại dữ liệu. Với dữ liệu chuỗi thời gian hoặc dữ liệu bảng vĩ mô, R² có thể trên 0.7–0.8. Nhưng với dữ liệu chéo (cross-section) quy mô lớn, đặc biệt trong các nghiên cứu hành vi, khảo sát cá nhân, R² chỉ 0.2–0.3 vẫn hoàn toàn bình thường và được chấp nhận trong các tạp chí uy tín.
  • Dấu hệ số hồi quy đúng với kỳ vọng lý thuyết: ví dụ biến "trình độ học vấn" được kỳ vọng có tác động dương đến "thu nhập" — nếu hệ số ra âm, cần xem lại mô hình hoặc dữ liệu.
  • Không bị đa cộng tuyến nghiêm trọng (VIF < 10, tốt nhất < 5).
  • Không có phương sai sai số thay đổi hoặc tự tương quan chưa được xử lý — nếu có, cần dùng các phương pháp ước lượng phù hợp (robust standard errors, FGLS, GLS…).

Nói cách khác, "đẹp" không có nghĩa là mọi biến đều phải có p<5%, mà là kết quả phản ánh đúng bản chất dữ liệu và được ước lượng bằng phương pháp phù hợp.

2. Vì sao kết quả hồi quy bị "xấu"? 4 nhóm nguyên nhân thường gặp

Nguyên nhân 1: Mô hình chưa đúng dạng hàm

Đây là nguyên nhân phổ biến nhất nhưng lại ít được để ý. Các lỗi thường gặp:

  • Thiếu biến độc lập quan trọng (omitted variable bias), khiến mô hình không giải thích được nhiều biến động của biến phụ thuộc.
  • Sai dạng hàm: dùng dạng tuyến tính trong khi mối quan hệ thực tế là phi tuyến (cần lấy log, bình phương, hoặc thêm biến tương tác).
  • Đưa vào biến không liên quan về mặt lý thuyết, làm nhiễu mô hình.

Nguyên nhân 2: Đa cộng tuyến giữa các biến độc lập

Khi hai hay nhiều biến độc lập có tương quan cao với nhau, mô hình khó tách bạch được tác động riêng của từng biến, dẫn đến hệ số không ổn định, sai số chuẩn bị phóng đại, và p-value không có ý nghĩa dù về lý thuyết biến đó quan trọng.

Nguyên nhân 3: Cỡ mẫu nhỏ hoặc dữ liệu không đại diện

Cỡ mẫu quá nhỏ so với số biến độc lập sẽ làm giảm sức mạnh thống kê (statistical power), khiến ngay cả những tác động thực sự tồn tại cũng khó đạt được ý nghĩa thống kê ở mức p<5%.

Nguyên nhân 4: Phương sai sai số thay đổi và tự tương quan chưa xử lý

Với dữ liệu chéo, phương sai sai số thay đổi (heteroskedasticity) là hiện tượng rất phổ biến. Với dữ liệu bảng và chuỗi thời gian, tự tương quan (autocorrelation) cũng thường xảy ra. Nếu không phát hiện và xử lý, sai số chuẩn bị ước lượng sai, kéo theo p-value không đáng tin cậy.

3. Cách chẩn đoán trong Stata

Trước khi tìm cách "sửa" kết quả, cần chẩn đoán chính xác vấn đề đang gặp phải bằng các lệnh sau (sau khi chạy reg hoặc xtreg):

  • Kiểm tra đa cộng tuyến: vif
  • Kiểm tra phương sai sai số thay đổi: estat hettest hoặc lệnh kiểm định White/Breusch-Pagan
  • Kiểm tra tự tương quan với dữ liệu bảng: xtserial
  • Đọc R², R² hiệu chỉnh và p-value ngay trong bảng kết quả sau reg/xtreg

(Bạn có thể xem chi tiết cách thực hiện từng kiểm định này trong các bài viết chuyên sâu khác trên trang.)

4. Cách khắc phục đúng phương pháp

  • Loại biến gây đa cộng tuyến dựa trên cơ sở lý thuyết, không phải chọn ngẫu nhiên biến nào cho hệ số đẹp hơn.
  • Đổi dạng hàm (lấy log, thêm biến bậc hai) khi có căn cứ lý thuyết cho thấy mối quan hệ phi tuyến, không phải để "làm đẹp" R².
  • Sử dụng robust standard errors khi phát hiện phương sai sai số thay đổi, thay vì bỏ qua vấn đề.
  • Dùng FGLS/GLS khi có cả phương sai thay đổi và tự tương quan trong dữ liệu bảng.
  • Xem xét lại cỡ mẫu và cách thu thập dữ liệu nếu nghi ngờ mẫu không đại diện.

Trong trường hợp vẫn chưa ra được số liệu có ý nghĩa, hay liên  hệ dịch vụ xử lý số liệu của ThS Khánh 0903396688 và team để được xử lý triệt để bộ số liệu ra đẹp nhé.

 

Đa cộng tuyến trong Stata: các dùng lệnh vif để phát hiện đa cộng tuyến

Stata,

Nhóm MBA Hỗ Trợ Stata giới thiệu cách phát hiện đa cộng tuyến khi phân tích hồi quy ols stata, đồng thời giải thích hậu quả, cách khắc phục đa cộng tuyến.

Ví dụ minh họa đa cộng tuyến

File ví dụ để chạy hồi quy đa cộng tuyến Stata bạn có thể tải ở đây: phantichstata.com/data/hausman.dta

Sau khi tải về, tiến hành chạy hồi quy OLS bằng lệnh reg ROA ROE DA STD được kết quả như sau:

Kết quả hồi quy OLS với biến phụ thuộc là ROA, biến độc lập là ROE DA STD

Sau đó ta tiến hành dùng lệnh vif để kiểm tra đa cộng tuyến như sau:

Đánh giá kết quả đa cộng tuyến vif

Ta thấy giá trị VIF lần lượt là 3.85  3.6  1.77 , thường thì nếu vif <2 thì mình sẽ kết luận là không có hiện tượng đa cộng tuyến giữa các biến độc lập. Tuy nhiên thực tế, nếu vif <10 thì ta vẫn có thể chấp nhận được, kết luận là không có hiện tượng đa cộng tuyến. Trên đây là phần ví dụ đa cộng tuyến stata, còn sau đây là các phần lý thuyết liên quan và các khắc phục đa cộng tuyến stata

Định nghĩa đa cộng tuyến là gì?

Trong mô hình hồi quy, nếu các biến độc lập có quan hệ chặt với nhau, các biến độc lập có mối quan hệ tuyến tính, nghĩa là các biến độc lập có tương quan chặt, mạnh với nhau thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Ví dụ có hai biến độc lập A và B, khi A tăng thì B tăng, A giảm thì B giảm…. thì đó là một dấu hiệu của đa cộng tuyến. Nói một cách khác là hai biến độc lập có quan hệ rất mạnh với nhau, đúng ra hai biến này nó phải là 1 biến nhưng thực tế trong mô hình nhà nghiên cứu lại tách làm 2 biến. Hiện tượng đa cộng tuyến vi phạm giả định của mô hình hồi qui tuyến tính cổ điển là các biến độc lập không có mối quan hệ tuyến tính với nhau.

Cách phát hiện đa cộng tuyến trong stata

Có hai cách: dựa vào hệ số phóng đại phương sai VIF, hoặc dựa vào ma trận hệ số tương quan. Tuy nhiên cách dùng ma trận hệ số tương quan ít được sử dụng, chủ yếu sửa dụng cách nhận xét chỉ số VIF.

Cách 1 Dựa vào hệ số vif

khi thực hiện hồi quy OLS, ta gõ lệnh vif dể đánh giá: đây là cách đã làm trong ví dụ ở trên.
Nếu hệ số phóng đại phương sai VIF (variance inflation factor) > 2 thì có dấu hiệu đa cộng tuyến, đây là điều không mong muốn. Nếu VIF > 10 thì chắc chắn có đa cộng tuyến. Nếu VIF <2: không bị đa cộng tuyến

Cách 2 dựa vào hệ số tương quan

Nhận dạng Multicollinearity dựa vào hệ số tương quan,có hay không tương quan tuyến tính mạnh giữa các biến độc lập. Cách làm: xây dựng ma trận hệ số tương quan cặp giữa các biến độc lập và quan sát để nhận diện độ mạnh của các tương quan giữa từng cặp biến số độc lập. Cũng có thể nhìn vào kết quả hồi quy, ta thấy R2 cao( tầm trên 0.8) và thống kê t thấp. Tuy nhiên như đã nói thì ít khi sử dụng cách hai này. Vì nó dựa vào phán đoán chủ quan hơn là công thức như cách 1.

Hậu quả của hiện tượng đa cộng tuyến stata

Sai số chuẩn của các hệ số sẽ lớn. Khoảng tin cậy lớn và thống kê t ít ý nghĩa. Các ước lượng không thật chính xác. Do đó chúng ta dễ đi đến không có cơ sở bác bỏ giả thiết "không" và điều này có thể không đúng.

Ba nguyên nhân gây ra hiện tượng đa cộng tuyến

  1. Khi chọn các biến độc lập mối quan có quan hệ nhân quả hay có tương quan cao vì đồng thời phụ thuộc vào một điều kiện khác.
  2. Cách thu thập mẫu: mẫu không đặc trưng cho tổng thể
  3. Chọn biến độc lập có độ biến thiên nhỏ.

Các giải pháp khắc phục đa cộng tuyến

  1. Giải pháp 1: Bỏ bớt biến độc lập(điều này xảy ra với giả định rằng không có mối quan hệ giữa biến phụ thuộc và biến độc lập bị loại bỏ mô hình).
  2. Giải pháp 2: Bổ sung dữ liệu hoặc tìm dữ liệu mới,tìm mẫu dữ liệu khác hoặc gia tăng cỡ mẫu. Tuy nhiên nếu mẫu lớn hơn mà vẫn còn đag cộng tuyến multicollinearity thì vẫn có giá trị vì mẫu lớn hơn sẽ làm cho phương sai nhỏ hơn và hệ số ước lượng chính xác hơn so với mẫu nhỏ.
  3. Giải pháp 3: Thay đổi dạng mô hình,mô hình kinh tế lượng có nhiều dạng hàm khác nhau. Thay đổi dạng mô hình cũng có nghĩa là tái cấu trúc mô hình. Điều này thật sự là điều không mong muốn, thì lúc đó bạn phải thay đổi mô hình nghiên cứu.

Nhóm MBA Bách Khoa Hỗ Trợ Stata đã giới thiệu định nghĩa, cách phát hiện, hậu quả, cách khắc phục hiện tượng đa cộng tuyến. Các bạn  làm bài luận có thắc mắc, khó khăn hoặc cần xử lý số liệu cho ra kết quả tốt hơn cứ liên hệ nhóm nhé.

– SMS, Zalo, Viber:

– Facebook  facebook.com/hotroStata

– Email  hotrostata@gmail.com

Stata – Hướng dẫn thực hành cách phân tích hồi quy tuyến tính đa biến

Stata,

Nhóm MBA Đại Học Bách Khoa Hỗ Trợ Stata hotrostata@gmail.com giới thiệu cách thực hiện phân tích hồi quy tuyến tính đa biến bằng phần mềm Stata, cùng cách đọc và phân tích ý nghĩa của kết quả hiển thị, đồng thời kiểm định luôn xem các biến có bị đa cộng tuyến hay không.

Đầu tiên các bạn vào menu Statistics > Linear models and related > Linear regression

Sau đó đưa biến phụ thuộc vào ô Dependent Variable, biến độc lập vào ô Independent Variables ( các biến độc lập cách nhau bởi khoảng trắng, lưu ý chỉ có 1 biến phụ thuộc thôi nhé)

Nhấn tiếp vào tab Reporting, tick vào ô Standardized beta coefficients để hiển thị hệ số hồi quy chuẩn hóa trong phần kết quả hồi quy.

Sau đó nhấn OK, lúc đó kết quả hồi quy sẽ thể hiện như sau:

 

 

Giải thích ý nghĩa:

 Number of obs =     222  Số quan sát là 222 mẫu
 F(  6,   215) =   72.12 Giá trị kiểm định F 6 nhân tố và 215 bậc tự do
 Prob > F      =  0.0000 Mức ý nghĩa của kiểm định F, ở đây bé hơn 5% chứng tỏ R bình phương của tổng thể khác 0. Nói cách khác là các hệ số hồi quy của phương trình hồi quy tổng thể không đồng thời bằng 0
 R-squared     =  0.6681 R bình phương
 Adj R-squared =  0.6588 R bình phương hiệu chỉnh, nghĩa là các biến độc lập giải thích được 65.88% biến thiên của biến phụ thuộc( chuẩn là R2>50%)
 Root MSE      =  .43288

Coef.   : cột này là giá trị hệ số hồi quy chưa chuẩn hóa

Std. Err.   Sai số chuẩn

P>|t|  p-value, nếu giá trị này bé hơn 5%( 0.05) thì mối quan hệ giữa biến độc lập này và biến phụ thuộc có ý nghĩa thống kê.

Beta: là hệ số hồi quy đã chuẩn hóa.

Từ đây có thể viết phương trình hồi quy như sau:

HAILONG = -0.9573228 + 0.1577172 * TINCAY + 0.1859064 * DAPUNG + 0.2044715 * DAMBAO + 0.3033652 *CAMTHONG + 0.2165845 * HUUHINH + 0.2225405 *MINHBACH

Giải thích ý nghĩa hệ số hồi quy. Khi các điều kiện khác không đổi, khi biến TINCAY tăng 1 đơn vị thì biến HAILONG tăng 0.1577172 đơn vị. Tương tự giải thích cho các biến khác

Tiếp đến ta kiểm tra hiện tượng đa cộng tuyến bằng các vào menu Statistics > Linear models and related >Regression diagnostics > Specification tests, etc.

 

Tiếp đó chọn Variance Inflaction Factors for the independent variables (vif), sau đó nhấn OK

Kết quả cho thấy hệ số VIF đều bé hơn 2 nên kết luận không có hiện tượng đa cộng tuyến trong mô hình này.

Sau đây là video thực hành phân tích hồi quy tuyến tính đa biến sử dụng phần mềm Stata

Trên đây là Hướng dẫn thực hành cách phân tích hồi quy đa biến bằng phần mềm Stata

Các bạn khi chạy có vấn đề gì khó khăn cứ liên hệ nhóm hỗ trợ nhé.