phương sai sai số thay đổi Archives

1.Giới thiệu về hồi quy FGLS

Trong phân tích hồi quy, một trong những giả định quan trọng của mô hình hồi quy tuyến tính là phương sai của sai số phải đồng nhất. Tuy nhiên, trong thực tế, hiện tượng phương sai sai số thay đổi thường xảy ra, làm cho các ước lượng không còn hiệu quả. Một phương pháp phổ biến để khắc phục vấn đề này là sử dụng hồi quy FGLS (Feasible Generalized Least Squares).

FGLS là một phương pháp ước lượng giúp cải thiện tính chính xác của hồi quy khi mô hình gặp phải hiện tượng phương sai sai số thay đổi hoặc tự tương quan. Trong bài viết này, chúng ta sẽ đi sâu vào:

Khi nào cần sử dụng FGLS?
Cách thực hiện FGLS trong Stata
Giải thích kết quả FGLS

2. Khi nào nên sử dụng FGLS?

Hồi quy FGLS thích hợp khi:

Có hiện tượng phương sai sai số thay đổi : Khi phương sai của sai số không đồng đều giữa các quan sát, các ước lượng trở nên không hiệu quả.
Có hiện tượng tự tương quan trong dữ liệu chuỗi thời gian: Khi các sai số có mối quan hệ với nhau qua các thời điểm khác nhau, FGLS có thể giúp cải thiện mô hình.
Dữ liệu bảng panel data: Khi có sự khác biệt về phương sai giữa các cá nhân hoặc nhóm, FGLS giúp điều chỉnh sai số hiệu quả hơn.

3. Cách chạy hồi quy FGLS trong Stata

Bước 1: Kiểm tra hiện tượng phương sai sai số thay đổi

Trước khi sử dụng FGLS, cần kiểm tra xem mô hình có bị phương sai sai số thay đổi hay không. Một trong những kiểm định phổ biến là Breusch-Pagan:

Ví dụ mô hình tác động ngẫu nhiên được chọn, ta sẽ kiểm tra phương sai sai số thay đổi bằng "Breusch and Pagan Lagrangian multiplier test for random effects"

xtreg LIQ SIZE CAP ROE NIM, re
xttest0

Nếu giá trị p-value < 0.05, ta bác bỏ giả thuyết H0 (phương sai sai số đồng nhất) và kết luận rằng có hiện tượng phương sai sai số thay đổi.

Bước 2: Kiểm tra hiện tượng tự tương quan

. xtserial LIQ SIZE CAP ROE NIM

Wooldridge test for autocorrelation in panel data
H0: no first-order autocorrelation
F( 1, 28) = 3.697
Prob > F = 0.0647

Nếu giá trị p-value Prob < 0.05, ta bác bỏ giả thuyết H0 (không có tự tương quan) và kết luận rằng có hiện tượng tự tương quan

Bước 3: Chạy hồi quy FGLS

Sau khi xác nhận có phương sai sai số thay đổi, chúng ta thực hiện FGLS bằng cách sử dụng lệnh xtgls trong Stata:

xtgls y x1 x2 x3, panels(heteroskedastic)

y là biến phụ thuộc

x1 x2 x3 là các biến độc lập

panels(heteroskedastic) giúp điều chỉnh phương sai sai số thay đổi theo từng cá nhân trong dữ liệu bảng

. xtgls LIQ SIZE CAP ROE NIM, panels(heteroskedastic)

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares
Panels: heteroskedastic
Correlation: no autocorrelation

Estimated covariances      =        29          Number of obs     =        145
Estimated autocorrelations =         0          Number of groups =         29
Estimated coefficients     =         5          Time periods      =          5
                                                Wald chi2(4)      =     198.09
                                                Prob > chi2       =     0.0000

Nếu có cả tự tương quan và phương sai sai số thay đổi, ta dùng:

xtgls y x1 x2 x3, panels(heteroskedastic) corr(ar1)

Lệnh trên giả định sai số có cấu trúc tự tương quan bậc 1 (AR(1)).

. xtgls LIQ SIZE CAP ROE NIM, panels(heteroskedastic) corr(ar1)

Cross-sectional time-series FGLS regression

Coefficients: generalized least squares
Panels: heteroskedastic
Correlation: common AR(1) coefficient for all panels (0.0498)

Estimated covariances      =        29          Number of obs     =        145
Estimated autocorrelations =         1          Number of groups =         29
Estimated coefficients     =         5          Time periods      =          5
                                                Wald chi2(4)      =     184.78
                                                Prob > chi2       =     0.0000

4. Giải thích kết quả hồi quy FGLS

Sau khi chạy lệnh xtgls, Stata sẽ hiển thị bảng kết quả. Một số yếu tố quan trọng cần lưu ý:

Hệ số ước lượng (Coef.): Thể hiện mức độ ảnh hưởng của từng biến độc lập lên biến phụ thuộc.

Giá trị p-value: Nếu p-value < 0.05, biến đó có ảnh hưởng đáng kể đến biến phụ thuộc.

5. Kết luận về FGLS trong Stata

Hồi quy FGLS là một phương pháp tốt giúp điều chỉnh phương sai sai số thay đổi và tự tương quan, giúp cải thiện tính chính xác của mô hình hồi quy. Khi dữ liệu của bạn gặp phải vấn đề heteroskedasticity hoặc autocorrelation, sử dụng FGLS là một lựa chọn phù hợp để có được ước lượng đáng tin cậy hơn.

Nếu bạn đang gặp khó khăn trong xử lý dữ liệu và thực hiện phân tích hồi quy FGLS, dịch vụ hỗ trợ từ phantichstata.com có thể giúp bạn tiết kiệm thời gian và đảm bảo kết quả chính xác nhất.

Nếu bạn cần hỗ trợ thêm về việc chạy mô hình hoặc xử lý số liệu, đừng ngần ngại liên hệ với nhóm MBA Bách Khoa qua các kênh sau:

-Zalo 0903396688

-Facebook facebook.com/hotroStata

Thạc sĩ Khánh và nhóm MBA Bách Khoa 0903396688 trình bài về khái niệm phương sai sai số thay đổi: định nghĩa, cách phát hiện, cách khắc phục phương sai sai số thay đổi sử dụng phần mềm Stata.

Định nghĩa phương sai của sai số thay đổi

Một giả thiết quan trọng trong mô hình hồi quy tuyến tính cổ điển là các yếu tố nhiễu ui (hay còn gọi là phần dư residuals) xuất hiện trong hàm hồi quy tổng thể có phương sai không thay đổi (homoscedasticity, còn gọi là phương sai có điều kiện không đổi); tức là chúng có cùng phương sai. Nếu giả thiết này không được thỏa mãn thì có sự hiện diện của phương sai thay đổi. Phương sai thay đổi (Heteroscedasticity, còn gọi là phương sai của sai số thay đổi) .

Cụ thể điều này có nghĩa là các sai số có cùng phương sai tại mọi mức của biến độc lập. Nếu giả thiết này bị vi phạm, tức là phương sai của sai số thay đổi theo giá trị của biến độc lập, hiện tượng này được gọi là phương sai thay đổi (heteroscedasticity).

Phương sai thay đổi không làm mất đi tính chất không thiên lệch và nhất quán của các ước lượng OLS. Nhưng các ước lượng này không còn có phương sai nhỏ nhất hay là các ước lượng hiệu quả. Tức là chúng không còn là các ước lượng tuyến tính không thiên lệch tốt nhất (BLUE). Khi có phương sai thay đổi, các phương sai của các ước lượng OLS không được tính từ các công thức OLS thông thường. Nhưng nếu ta vẫn sử dụng các công thức OLS thông thường, các kiểm định t và F dựa vào chúng có thể gây ra những kết luận sai lầm.

Cách phát hiện phương sai sai số thay đổi trong Stata

Kiểm định phương sai sai số thay đổi trong mô hình hồi quy tuyến tính đa biến OLS

Có hai cách chính để kiểm định phương sai sai số thay đổi trong Stata,đó là dùng kiểm định White , hoặc dùng kiểm định Breusch-Pagan

Cách 1: Dùng kiểm định White để kiểm tra phương sai thay đổi( White’s test)

Cú pháp lệnh:

estat imtest

Cách 2: Dùng kiểm định Breusch-Pagan

estat hettest

Cách đọc kết quả: hai cách trên ,nếu p-value <5% thì,chấp nhận giả thiết H1:Phương sai không đồng nhất, nghĩa là phương sai thay đổi (the variance is not homogenous) ( dĩ nhiên là không tốt, giá trị mong đợi là p.value >5%, lúc đó phương sai đồng nhất, phương sai không đổi).

Kiểm định phương sai sai số thay đổi trong mô hình hồi quy dữ liệu bảng sử dụng fix và random effect

Phương sai sai số thay đổi heteroskedasticity của mô hình REM: (sử dụng kiểm định LM – Breusch and pagan Lagrangian Multiplier ). Dùng lệnh xttest0, nếu p-value < 0.05, bác bỏ Ho (với phát biểu Ho: Phương sai qua các thực thể là không đổi)( làm bài mong đợi p-value >5% để kết luận phương sai ko đổi)

Phương sai sai số thay đổi heteroskedasticity của mô hình FEM( dùng kiểm định wald): Dùng lệnh xttest3 (lệnh này không có sẵn trong Stata, phải cài thêm bằng lệnh ssc install xttest3) . Nếu p-value < 0.05, bác bỏ Ho (với phát biểu Ho: Phương sai qua các thực thể là không đổi)( làm bài mong đợi p-value >5% để kết luận phương sai ko đổi)

Cách khắc phục phương sai thay đổi trong Stata

Khi phát hiện hiện tượng phương sai thay đổi, một phương pháp phổ biến để khắc phục là sử dụng sai số chuẩn hiệu chỉnh (robust standard errors). Phương pháp này giúp điều chỉnh sai số chuẩn của ước lượng, làm cho các kiểm định thống kê trở nên tin cậy hơn ngay cả khi có phương sai thay đổi.

Để thực hiện trong Stata, thêm tùy chọn , robust vào sau lệnh hồi quy. Ví dụ:

regress y x1 x2 x3, robust

Lệnh này sẽ ước lượng mô hình hồi quy của biến phụ thuộc y theo các biến độc lập x1, x2, x3 với sai số chuẩn hiệu chỉnh.

Ngoài ra, trong trường hợp phương sai thay đổi nghiêm trọng, bạn có thể xem xét sử dụng phương pháp hồi quy bình phương tổng quát khả dĩ (Feasible Generalized Least Squares – FGLS). Phương pháp này điều chỉnh mô hình để xử lý phương sai thay đổi và tự tương quan, giúp cải thiện hiệu quả của ước lượng. Tuy nhiên, FGLS yêu cầu giả định về cấu trúc của phương sai thay đổi, do đó cần thận trọng khi áp dụng.

Sử dụng mô hình sai số chuẩn mạnh để khắc phục phương sai sai số thay đổi, cụ thể xem ở đây nhé: https://phantichstata.com/mo-hinh-sai-chuan-manh-robust-standard-errors-la-gi-su-dung-ra-sao.html

Như vậy nhóm MBA Bách Khoa đã giới thiệu tìm hiểu về định nghĩa, cách phát hiện và phương pháp khắc phục hiện tượng phương sai của sai số thay đổi trong mô hình hồi quy sử dụng Stata. Việc nhận diện và xử lý đúng hiện tượng này giúp đảm bảo tính chính xác và tin cậy của các kết luận thống kê trong nghiên cứu.