Tự tương quan là gì? | Autocorrelation là gì? Tự tương quan hay còn gọi là Autocorrelation là hiện tượng mà tại đó hạng nhiễu tại thời điểm t (hay còn gọi là sai số) thường được kí hiệu là ut có tương quan với hạng nhiễu tại thời điểm (t-1) hoặc bất kỳ hạng nhiều nào trong quá khứ. Show
Ví dụ: Nếu hôm nay trời mưa, dữ liệu cho thấy ngày mai trời có nhiều khả năng mưa hơn hôm nay trời quang đãng. Khi nói đến đầu tư, một cổ phiếu có thể có tỷ suất sinh lợi tự tương quan dương mạnh mẽ, cho thấy rằng nếu nó “tăng” vào ngày hôm nay, thì nhiều khả năng nó cũng sẽ tăng vào ngày mai. Đương nhiên, tự tương quan có thể là một công cụ hữu ích cho các nhà giao dịch sử dụng; đặc biệt là đối với các nhà phân tích kỹ thuật. 1. Tự tương quan là gì? | Định nghĩa và Nguyên nhân xuất hiệnTrong dữ liệu chuỗi thời gian (time-series) tự tương quan được gọi là Autocorrelation và trong dữ liệu bảng (panel-data) tự tương quan được gọi là Serial Correlation. Công thức chung như sau: Uit = β*Uit-1 + cit (U là hạng nhiễu tại t và t-1, Hệ số β ≠ 0 thì có TTQ và ngược lại) ( i = 0 khi là time-series)
Hiện tượng này vi phạm giả thuyết trong mô hình hồi quy tuyến tính cổ điển giả định rằng quan hệ tự tương quan không tồn tại trong các nhiễu ui . Hiện tượng tự tương quan và tương quan chuỗi là giống nhau tuy nhiên vẫn có 1 số tác giả định nghĩa hai cụm từ này khác nhau, trong bài viết này MOSL xem xét chúng là đồng nhất. Nguyên nhân của tự tương quanCó khá nhiều nguyên nhân dẫn đến hiện tượng tự tương quan gồm:
Mở rộng khái niệm về tự tương quanBên cạnh khái niệm cơ bản ở trên thì tự tương quan còn có nhiều khái niệm khác như:
Funfact: Lý do tại sao hiện tượng tự tương quan thường xảy ra với dữ liệu chuỗi thời gian là bởi vì dữ liệu chuỗi thời gian được sắp xếp theo t = 1 -> N nên tạo điều kiện để các hạng nhiễu U đã nói trên có tương quan với nhau cả trong quá khứ và hiện tại. Xem thêm: Hồi quy Ma trận tương quan trong Stata
Tự tương quan +1 thể hiện mối tương quandương hoàn hảo (mức tăng được thấy trong một chuỗi thời gian dẫn đến mức tăng tương ứng trong chuỗi thời gian khác).
Mặt khác, tự tương quan -1 thể hiện mối tương quan âm hoàn hảo (sự gia tăng trong một chuỗi thời gian dẫn đến sự giảm tương ứng trong chuỗi thời gian khác). 2. Hậu quả của hiện tượng tự tương quan là gì?Các ước lượng mô hình OLS vẫn không chệch và nhất quán theo phân phối chuẩn cho dù có hiện tượng này xảy ra.
3. Kiểm định tự tương quan và cách phát hiện tự tương quan bằng StataMặc dù có nhiều kiểm định tự tương quan, nhưng ở đây MOSL sẽ chỉ thảo luận một vài cách, cụ thể là phương pháp đồ thị (graphical method), kiểm định Durbin-Watson, và kiểm định Breusch-Godfrey. 3.1. Phương pháp vẽ đồ thịKhi đánh giá các kết quả hồi quy thì một cách thực hành tốt là luôn luôn phải vẽ đồ thị phần dư từ mô hình.
Vì tự tương quan là sự tương quan giữa các hạng nhiễu ut, nên một phương pháp đơn giản tình thế để kiểm định tự tương quan đơn giản là vẽ các giá trị của ut theo thời gian.
Xem thêm: Cách vẽ đồ thị trong Stata Dạng đồ thị phần dư và nhận dạng loại tự tương quanTự tương quan dương: Cách phát hiện tự tương quan Tự tương quan âm: Cách phát hiện tự tương quan Không có tự tương quan: Cách phát hiện tự tương quan 3.2. Kiểm định tự tương quan bằng kiểm định Durbin-Watson với dữ liệu chuỗi thời gianNhớ khai báo dữ liệu chuỗi thời gian bằng câu lệnh: tset timevar (trong đó timevar là biến thời gian của mô hình) cho Stata nhận nhé! Lưu ý: Sau khi hồi quy mô hình thì mới dùng 3 cách dưới để kiểm định tự tương quan. Giả thuyết H0:
Cách 1: Kiểm định bằng phương pháp Durbin-WatsonDurbin-Watson luôn tạo ra dải số thử nghiệm từ 0 đến 4. Các giá trị gần 0 cho biết mức độ tương quan dương lớn hơn, các giá trị gần 4 cho biết mức độ tự tương quan âm lớn hơn, trong khi các giá trị gần giữa hơn cho thấy mức độ tự tương quan ít hơn. Dùng lệnh: dwstat Cách 2: Sử dụng Durbin’s alternative để hiện mức ý nghĩa cho cách 1Bạn có biết: Kiểm định Durbin-Watson có thể được ánh xạ tuyến tính theo mối tương quan Pearson giữa các giá trị và độ trễ của chúng. Dùng lệnh: estat durbinalt Funfact: Trong phần này MOSL hướng dẫn các bạn cách tra bảng kiểm định durbin watson bởi vì nó khá phức tạp và thực sự không cần thiết khi đã có các phần mềm data analysis hiện đại giúp bạn làm điều này. Cách 3: Sử dụng kiểm định Breusch-GodfreyLưu ý: Tự tương quan của các bậc cao hơn và có thể áp dụng cho dù các bộ hồi quy có bao gồm độ trễ của biến phụ thuộc hay không còn được gọi là thử nghiệm Breusch-Godfrey. Lệnh: bgodfrey Kết quả từ cách 2 và cách 1 đều cho p-value < 0.05 nên ta bác bỏ H0 và kết luận mô hình xảy ra hiện tượng tự tương quan. 3.3. Kiểm định tự tương quan bằng lệnh xtserial với dữ liệu bảngSử dụng bộ dữ liệu bảng và setup dữ liệu cho Stata hiểu bằng câu lệnh: xtset bank YEAR Sau khi hồi quy mô hình dùng lệnh: xtserial [BPT] + [BĐL] như hình dưới Kết quả với bộ dữ liệu này thì p-value = 0.0849 > 0.05 nên chấp nhận H0 và kết luận mô hình không xảy ra hiện tượng tự tương quan. 4. Cách khắc phục hiện tượng tự tương quan trong stataGiống như trong trường hợp của phương sai thay đổi, bạn cần sử dụng đến ước đoán dựa trên cơ sở kinh nghiệm (educated guess) hoặc một loại chuyển hóa nào đó về mô hình hồi quy gốc để trong mô hình đã được chuyển hóa không còn gặp phải vấn đề tương quan chuỗi nữa. Có nhiều cách khắc phục như sau: Xem thêm: Phương sai thay đổi là gì? 4.1. Chuyển hóa sai phân bậc 1Với cách này bạn sẽ đưa toàn bộ dữ liệu về dạng sai phân bậc 1 tức là lấy hiệu số giữa hai kỳ quan sát thứ t và t-1 cho mỗi biến trong mô hình. May thay trong Stata bạn không cần làm phức tạp như vậy mà chỉ cần dùng lệnh D. ở phía trước các biến như sau: reg D.Y D.X1 D.X2 D.X3 4.2. Chuyển hóa tổng hóaCác giá trị ước lượng p của các tham số thu được vì thế được biết với tên gọi là các ước lượng bình phương bé nhất tổng quát khả thi viết tắt là FGLS (Feasible Generalized Least Squares estimators). Tham khảo ngay nếu chưa biết Mô hình FGLS là gì? nhé! Trong phần mềm Stata đối với dữ liệu bảng ta có lệnh sau để khắc phục hiện tượng tự tương quan: xtgls [BPT][BĐL],corr(ar1) Với giả định ut theo cơ chế AR(1) là phù hợp, hồi quy et theo et-1, sử dụng et làm biến đại diện cho ut, một giả định có thể phù hợp trong các mẫu lớn, bởi vì trong các mẫu lớn 𝜌̂ là ước lượng nhất quán của giá trị ước lượng p. 4.3. Phương pháp Newey-West để điều chỉnh các số chuẩn của OLSNhưng nếu cỡ mẫu lớn, thì bạn có thể ước lượng hồi quy OLS theo cách thông thường, nhưng điều chỉnh các sai số chuẩn của các hệ số hồi quy, theo một phương pháp được đề xuất bời Newey và West. Các sai số chuẩn được điều chỉnh theo thủ tục của họ cũng được biết với tên gọi các sai số chuẩn HAC (heteroscedasticity and autocorrelation consistent). Nói chung, nếu có tự tương quan, các sai số theo phương pháp HAC được tìm thấy lớn hơn các sai số chuẩn theo phương pháp OLS thông thường. Thực hiện bằng 1 trong 2 cách sau trong phần mềm Stata: reg Y X1 X2 X3, vce(robust) hoặc ewey Y X1 X2 X3 , lag(n) Khi dùng lệnh newey phải thêm giá trị biến trễ thấp nhất là 1 để thay đổi bậc tương quan. 4.4. Thêm biến trễ vào biến phụ thuộc trong mô hìnhCó thể thêm biến trễ cho biến phụ thuộc trong trường hợp biến này bị tương quan giữa hai giai đoạn t và t -1 với lệnh như sau: reg Y L.Y X1 X2 X3 (Nếu chỉ muốn biến phụ thuộc với độ trễ 1) reg Y L(1/2).Y X1 X2 X3 (Nếu muốn biến phụ thuộc với độ trễ 1 và 2) Sau khi thêm biến trễ vào biến phụ thuộc nhớ dùng kiểm định test lại nhé! Xem thêm: Cách khắc phục và kiểm định tự tương quan trong các phần mềm khác như R, SPSS, EVIEW… 5. Kết luậnNhư vậy MOSL đã giới thiệu cho các bạn hiện tượng tự tương quan là gì – nguyên nhân, hậu quả và cách phát hiện cũng như khắc phục trong phần mềm Stata. Hy vọng với bài viết này các bạn sẽ nắm bắt rõ được tự tương quan là gì và áp dụng vào giải bài tập được giao! MOSL xin chúc các bạn học tập và làm việc hiệu quả! Xem thêm: Dịch vụ chạy Stata của Mosl.vn |