TỰ TƯƠNG QUAN

TS. Đinh Thị Thanh Bình

Khoa KTQT, FTU

1
 TÌNH HUỐNG KHỞI ĐỘNG BÀI

Một doanh nghiệp muốn ước lượng hàng tồn kho hàng năm dựa trên doanh số bán hàng và có
được kết quả sau:
inventoriest = 66668.97 + 1.184salest + et
(se) (10895.73) (0.047)

R2 = 94.3%
Tương tự như bài trước, ta chưa thể dùng ngay kết quả này để kiểm định, dự báo mà trước hết
cần kiểm tra xem mô hình có thỏa mãn các giả định của mô hình hồi quy tuyến tính cổ điển hay
không.
Một trong những giả định đó là các sai số ngẫu nhiên phải không có tương quan với nhau. Tuy
nhiên, có thể nghi ngờ rằng, trong trường hợp này, một cú sốc trong lượng hàng tồn kho ở năm này
hoàn toàn có thể ảnh hưởng đến lượng hàng tồn kho ở các năm sau. Ví dụ trong năm này do
lượng hàng tồn kho tăng vọt do nhà máy sản xuất nhiều và nhiều đơn hàng bị hủy, rất có thể sai số
ở năm sau cũng sẽ vẫn cao. Khi đó, mô hình không thỏa mãn giả định của OLS.
Vậy, mô hình có thực sự vi phạm giả định này của mô hình hồi quy tuyến tính cổ điển không? Nếu
có thì có ảnh hưởng gì đến kết quả ước lượng? Chúng ta phải khắc phục ra sao?

2
MỤC TIÊU BÀI HỌC
 Hiểu được bản chất hiện tượng tự tương quan xảy ra với mô hình hồi
quy.
 Xác định được các nguyên nhân và hậu quả của hiện tượng tự tương
quan.
 Nhận biết được các cách phát hiện ra hiện tượng tự tương quan trong
kết quả hồi quy.
 Chỉ ra được cách khắc phục nếu hiện tượng tự tương quan xảy ra.

3
CẤU TRÚC NỘI DUNG

6.1 Bản chất của tự tương quan

6.2 Nguyên nhân của hiện tượng tự tương quan

6.3 Hậu quả của tự tương quan

6.4 Phát hiện tự tương quan

6.5 Khắc phục tự tương quan

4
6.1. BẢN CHẤT CỦA TỰ TƯƠNG QUAN
 Một trong những giả thiết cơ bản của mô hình hồi quy tuyến tính cổ
điển:
“Không có sự tương quan giữa các sai số ngẫu nhiên ui”
Cov(ui,uj) = 0 (i ≠ j)
 Khi giả thiết này bị vi phạm, có nghĩa là các sai số ngẫu nhiên có tương
quan với nhau và sự tương quan xảy ra trong một chuỗi (chuỗi ui)
Cov(ui,uj) ≠ 0 (i ≠ j)
→ Hiện tượng tự tương quan

5
6.1. BẢN CHẤT CỦA TỰ TƯƠNG QUAN (tiếp theo)
 Sự tương quan xảy ra đối với những quan sát theo không gian gọi là
“tự tương quan không gian”.
Ví dụ: Các gia tăng trong chi tiêu tiêu dùng của một gia đình có thể tạo ra cho
một gia đình khác các gia tăng trong chi tiêu tiêu dùng của mình.
 Sự tương quan xảy ra đối với những quan sát theo chuỗi thời gian gọi
là “tự tương quan thời gian”.
Ví dụ: Sự gián đoạn trong sản lượng trong quý này xảy ra bởi đình công có thể
tác động rất nhiều tới sản lượng của quý sau.
 Hiện tượng tự tương quan thường xảy ra với số liệu chuỗi thời gian
hơn là số liệu chéo.

6
6.1. BẢN CHẤT CỦA TỰ TƯƠNG QUAN (tiếp theo)

ui ui
 
     
   
  
   
   t   t
    
  (b) Không có tự
(a)
tương quan

ui ui ui
 
      
     
 
       
 t     
  t       t
 
  
(c)   (d) (e)

Hình 6.1. Một số dạng biến thiên của nhiễu theo thời gian

7
 6.1. BẢN CHẤT CỦA TỰ TƯƠNG QUAN (tiếp theo)

 Lược đồ tự hồi quy bậc 1 AR(1)

u t  u t 1  v t

 Lược đồ tự hồi quy bậc 2 AR(2)

u t  1u t 1  2 u t 2  vt

 Tự tương quan bậc p AR(p)

u t  1u t 1  2 u t 2  ...  p u t p  vt
Trong đó:
 vt: Sai số ngẫu nhiên thỏa mãn các giả thiết cơ bản của OLS.
 ρ: Được gọi là hệ số tự tương quan, nhận giá trị từ -1 đến 1.

8
 6.2. NGUYÊN NHÂN CỦA HIỆN TƯỢNG TỰ TƯƠNG QUAN

 Nguyên nhân khách quan

 Tính chất quán tính (tính ì) của chuỗi số liệu vĩ mô: Các chuỗi số liệu thời gian về GDP, chỉ
số giá, tỷ lệ thất nghiệp…
 Hiện tượng trễ: Biến phụ thuộc ở thời kỳ t phụ thuộc vào chính biến đó ở thời kỳ t – 1.
Ví dụ: Khi ước lượng tiêu dùng TD dựa vào thu nhập TN ta có mô hình
TDt = 1 + 2TNt + ut
Nhưng nếu tiêu dùng ở thời kỳ hiện tại phụ thuộc cả vào tiêu dùng ở thời kỳ trước đó.
TDt = 1 + 2TNt + 3TDt-1 + vt
Thì các sai số ngẫu nhiên ut trong mô hình ban đầu sẽ có tương quan với nhau, do TD ở thời kỳ t –
1 bị đẩy vào trong nhiễu.
 Hiện tượng mạng nhện Cobweb: phản ứng của cung của nông sản đối với giá thường có
một khoảng trễ về thời gian.
QSt = 1 + 2Pt-1 + ut
9
6.2. NGUYÊN NHÂN CỦA HIỆN TƯỢNG TỰ TƯƠNG QUAN
(tiếp theo)
 Nguyên nhân chủ quan
 Xây dựng mô hình: Do mô hình thiếu biến quan trọng hoặc dạng hàm sai.
 Việc xử lý số liệu: Nhào nặn số liệu, loại bỏ những quan sát gai góc.

10
6.3. HẬU QUẢ CỦA TỰ TƯƠNG QUAN
 Xét mô hình hồi quy
Yt  1  2 X t  u t

 Giả sử mô hình mắc tự tương quan bậc 1, khi đó các ước lượng của
mô hình phải là:
 Hệ số ước lượng
2 
 x t yt
 x 2t

 Phương sai của hệ số ước lượng

 n 1 x x n 2


2  t 1 t t 1  x x
n 1 x1 x n 
   2 2 t t 2
var 2  n  n  n  2 t 1
n
 ...   n 
 x 2t  x 2t   x 2t  x 2t  x 2t 
AR1

t 1 t 1  t 1 t 1 t 1 

11
6.3. HẬU QUẢ CỦA TỰ TƯƠNG QUAN (tiếp theo)
Vậy nếu vẫn dùng OLS để ước lượng mô hình khi có tự tương quan:
 Các hệ số hồi quy ước lượng vẫn là tuyến tính, không chệch.
 Phương sai của các hệ số ước lượng bị chệch (nhỏ hơn so với thực
tế).
  là ước lượng chệch xuống của 2.
2

 R2 có xu hướng cao hơn so với thực tế

→ Các khoảng tin cậy, các kết luận kiểm định các giả thuyết thống kê về hệ số
hồi quy không còn giá trị.
→ Kết quả dự báo không còn đáng tin cậy.

12
CÂU HỎI TRẮC NGHIỆM
Câu 1: Khuyết tật nào sau đây của mô hình hồi quy không làm ảnh hưởng đến
các đặc điểm tốt nhất của ước lượng OLS?
A. Đa cộng tuyến
B. Phương sai sai số thay đổi
C. Tự tương quan
D. Phương sai sai số thay đổi hoặc tự tương quan

Đáp án đúng là: A. Đa cộng tuyến

Vì: Đa cộng tuyến không hoàn hảo không vi phạm các giả định của mô hình hồi
quy tuyến tính cổ điển nên không ảnh hưởng đến tính chất của các ước lượng
OLS. Còn PSSS thay đổi và tự tương quan thì làm cho ước lượng OLS không
còn là ước lượng hiệu quả nhất (do phương sai của ước lượng OLS bị chệch).

13
6.4. PHÁT HIỆN TỰ TƯƠNG QUAN

6.4.1. Phương pháp đồ thị 6.4.2. Kiểm định Durbin – Watson

6.4.3. Kiểm định Breusch – Godfrey

(Kiểm định LM – Lagrange Multiplier Test)

14
6.4.1. PHƯƠNG PHÁP ĐỒ THỊ
 Dùng đồ thị của của phần dư et theo thời gian hoặc theo et-1 để đánh
giá .
 Nêu phần dư phân bố một cách ngẫu nhiên xung quanh giá trị trung
bình của nó thì không có tự tương quan, ngược lại có tự tương quan.
et

et-1

Hình 6.2: Đồ thị của et theo et-1 cho thấy tương quan dương giữa et theo et-1

15
6.4.1. PHƯƠNG PHÁP ĐỒ THỊ (tiếp theo)
et
et
 
  
   
    
   
   t 
     t
 
  (b) Không có tự
(a)
tương quan
et
et et
 
      
     
 
       
     
        t
  t t
  
(c)   (d) (e)

Hình 6.3: Đồ thị của et theo thời gian

16
 6.4.2. KIỂM ĐỊNH DURBIN – WATSON

 Kiểm định Durbin – Watson sử dụng thống kê d:

d
 (u t  u t 1 ) 2
 u 2t
 Khi n đủ lớn thì d  2(1 - ), trong đó:

 u t u t 1
 u 2t
 Do -1 ≤  ≤ 1, nên khi:
  = -1  d = 4: Tự tương quan hoàn hảo âm.
  = 0  d = 2: Không có tự tương quan.
  = 1  d = 0: Tự tương quan hoàn hảo dương.

17
6.4.2. KIỂM ĐỊNH DURBIN – WATSON
 Quy tắc kiểm định Durbin – Watson tổng quát: So sánh d quan sát với
các giá trị tới hạn.
 Sử dụng bảng thống kê Durbin – Watson cho giá trị tới hạn dU và dL
dựa vào 3 tham số:
: Mức ý nghĩa, k’: Số biến độc lập của mô hình, n: Số quan sát.
Không đủ chứng cứ để kết luận về tự tương quan trong mô hình

Tự tương quan Không có Tự tương quan

dương tự tương quan âm
 >0 =0  <0

0 dL dU 2 4 – dU 4 – dL 4

18
6.4.2. KIỂM ĐỊNH DURBIN – WATSON (tiếp theo)
Các bước thực hiện kiểm định Durbin – Watson:
 Chạy mô hình OLS và thu thập phần dư et.
 Tính giá trị thống kê d.

ds 
 (e  e
t t 1 )2
e 2
t

 Với mẫu cỡ n, số biến giải thích k’, tìm giá trị dL và dU.
 Dựa vào quy tắc kiểm định để đưa ra kết luận.

19
6.4.2. KIỂM ĐỊNH DURBIN – WATSON (tiếp theo)
Kiểm định Durbin - Watson có hiệu lực với các điều kiện
 Mô hình hồi quy phải có hệ số chặn.
 Biến độc lập Xi – xác định.
 Các nhiễu có tương quan bậc 1.
 Mô hình không chứa giá trị trễ của biến phụ thuộc với vai trò biến độc
lập.
 Không có quan sát bị mất trong dữ liệu.

20
6.4.3. KIỂM ĐỊNH BREUSCH – GODFREY (KIỂM ĐỊNH LM –
LAGRANGE MULTIPLIER TEST)
 Xét mô hình:
Yt  1  2 Xt  u t (1)

 Cần kiểm định giả thiết sự không tồn tại tự tương quan ở bất kỳ bậc
nào trong số từ bậc 1 đến bậc p.
u t  1u t 1  2 u t 2  ...  p u t p  vt

 Không thể dùng kiểm định Durbin – Watson.

 Dùng Kiểm định Breusch – Godfrey.

21
6.4.3. KIỂM ĐỊNH BREUSCH – GODFREY (KIỂM ĐỊNH LM –
LAGRANGE MULTIPLIER TEST) (tiếp theo)
Các bước thực hiện kiểm định Breusch – Godfrey (BG):
 Bước 1: Ước lượng (1) bằng OLS, tìm phần dư
 Bước 2: Dùng OLS để ước lượng mô hình

et  1  2 Xt  1et 1  2et 2  ...  p et p  vt

thu được R²*.

 Bước 3: Kiểm định giả thuyết
H0: ρ1 = ρ2 = ⋯ = ρ𝑝 = 0  không có tự tương quan.
H1: Có ít nhất 1 giá trị ρ khác 0  có tự tương quan.

22
6.4.3. KIỂM ĐỊNH BREUSCH – GODFREY (KIỂM ĐỊNH LM –
LAGRANGE MULTIPLIER TEST) (tiếp theo)
 Bước 4:
 Cách 1: Dùng kiểm định F thu hẹp hồi quy. Bác bỏ H0 khi p-value(Fs) < 
 Cách 2: Dùng kiểm định khi bình phương cho LM
 2
LM = (n-p)R²* với n đủ lớn, có phân phối xấp xỉ (p) .
Nếu LM >  (p) hoặc p-value(LM) < : Bác bỏ H0, nghĩa là có tự tương quan ít nhất ở
2

một bậc nào đó.
 Trong STATA: Kiểm định tự tương quan sau khi hồi quy mô hình bằng OLS.
 Dùng lệnh: Bgodfrey.

23
6.4.3. KIỂM ĐỊNH BREUSCH – GODFREY (KIỂM ĐỊNH LM –
LAGRANGE MULTIPLIER TEST) (tiếp theo)
Đặc điểm của kiểm định Breusch – Godfrey
 Áp dụng cho cỡ mẫu lớn.
 Có thể áp dụng cho mô hình tự hồi quy, có biến độc lập dạng.
 Áp dụng cho tự tương quan với bậc bất kỳ Yt 1 ; Yt 2 ;...

24
CÂU HỎI TRẮC NGHIỆM
Câu 2: Đâu KHÔNG phải là một đặc điểm của kiểm định Durbin –Watson?
A. Được dùng để kiểm định khuyết tật tự tương quan ở bậc bất kỳ trong mô
hình hồi quy.
B. Giá trị kiểm định d nằm trong khoảng [0, 4].
C. Mất ý nghĩa khi giá trị trễ của biến phụ thuộc xuất hiện trong mô hình với vai
trò là biến độc lập.
D. Có những vùng không có kết luận.

Đáp án đúng là: A. Được dùng để kiểm định khuyết tật tự tương quan ở bậc bất
kỳ trong mô hình hồi quy.
Vì: Kiểm định Durbin - Watson chỉ dùng để kiểm định tự tương quan bậc 1.

25
6.5. KHẮC PHỤC TỰ TƯƠNG QUAN

6.5.1. Phương pháp bình phương tối

thiểu tổng quát GLS

6.5.2. Dùng phương pháp sai số

chuẩn mạnh (robust standard errors)

26
6.5.1. PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU TỔNG
QUÁT GLS
Mục đích là chuyển mô hình ban đầu có khuyết tật tự tương quan thành
mô hình mới không có tự tương quan
Mô hình ban đầu:
Yt  1  2 X t  u t
Giả sử có tự tương quan:
u t  u t 1  v t

với  ≠ 0, vt thỏa mãn các giả thiết OLS.

27
6.5.1. PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU TỔNG
QUÁT GLS (tiếp theo)
Bước 1: Biến đổi mô hình
 Xét mô hình hồi quy gốc có dạng:

Yt  1  2 X t  u t (1)
Yt 1  1  2 X t 1  u t 1 (2)
Nhân cả 2 vế của (2) với ρ ta được:
Yt 1  1  2 X t 1  u t 1 (3)
Trừ (1) cho (3):
Yt  Yt 1  1  1  2 X t  2 X t 1  u t  u t 1

 1 (1  )  2 (X t  X t 1 )  u t  u t 1

28
6.5.1. PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU TỔNG
QUÁT GLS (tiếp theo)
Đặt: Yt*  Yt  Yt 1
X*t  X t  X t 1
Ta có mô hình hồi quy mới

Yt*  1*  *2 X*t   t

Có sai số ngẫu nhiên là vt, thỏa mãn các giả định của mô hình hồi quy
tuyến tính cổ điển.
Bước 2: Áp dụng OLS cho mô hình mới, thu được các ước lượng BLUE.

29
 6.5.1. PHƯƠNG PHÁP BÌNH PHƯƠNG TỐI THIỂU TỔNG
QUÁT GLS (tiếp theo)

Làm sao để xác định ρ?

 Ước lượng ρ sử dụng thống kê d của Durbin – Watson
d
  2
2

 Quy trình Cochrane – Orcutt (Prais – Winsten): Ước lượng ρ nhiều bước
 Bước 1: Hồi quy mô hình ban đầu thu được các phần dư et
 Bước 2: Ước lượng mô hình hồi quy phụ: e t  e t 1  v t (1) (1)
Bước 3: Thu được ước lượng của ρ, ký hiệu là  và biến đổi:  Yt   Yt 1;X  X t   X t 1
(1) (1)* (1)*
 Y
t t

 Bước 4: Ước lượng mô hình (1)*

Yt  1  2 Xt   t
(1)*

Thu được các phần dư, ký hiệu et(1) (m)

Sau đó lặp lại từ bước 1 với et và tiếp tục như vậy đến khi sự khác biệt giữa  và  là
(1) (m 1)

không đáng kể.

30
6.5.2. DÙNG PHƯƠNG PHÁP SAI SỐ CHUẨN MẠNH
(ROBUST STANDARD ERRORS)
 Giảm bớt ảnh hưởng của tự tương quan đến ước lượng phương sai
của hệ số hồi quy ước lượng.
 Giữ nguyên giá trị ước lượng OLS.
 Phương sai ước lượng
var  2  
 x i2 ei2
 i 
x 2 2

 Khi kích thước mẫu đủ lớn, giá trị này sẽ tiệm cận giá trị đúng của
phương sai của ước lượng OLS.

31
 CÂU HỎI TRẮC NGHIỆM

Câu 3: Giả định mô hình có hiện tượng tự tương quan bậc 1 với hệ số tự tương
quan ρ = 0.4. Khi khắc phục, biến Xt nên được biến đổi thành:
A. 0.4Xt
B. 0.6Xt
C. Xt – 0.4Xt−1
D. 0.6Xt – 0.4Xt−1
Đáp án đúng là: C. Xt – 0.4Xt−1
Vì: Với ρ là hệ số tự tương quan bậc 1, khi biến đổi mô hình, biến độc lập được
biến đổi thành: X*t  X t  X t 1

Ở đây, ρ = 0.4. Vậy đáp án đúng là Xt – 0.4Xt−1

32
 GIẢI QUYẾT TÌNH HUỐNG KHỞI ĐỘNG BÀI

 Dùng kiểm định Breusch – Godfrey để kiểm tra hiện tượng tự tương quan
thu được kết quả sau:

Ta thấy p-value(LM) = 0.0000 < 0.05  Mô hình mắc phải tự tương quan.

33
 GIẢI QUYẾT TÌNH HUỐNG KHỞI ĐỘNG BÀI (tiếp theo)

 Khi đó các ước lượng OLS sẽ không còn hiệu quả, không thể sử dụng
ước lượng OLS để kiểm định.
 Cách khắc phục: Dùng phương pháp sai số chuẩn mạnh hạn chế ảnh
hưởng của tự tương quan
reg inventories sale, robust
Và thu được kết quả sau:
inventoriest = 66668.97 + 1.184salest + et
(se) (10674.12) (0.05)

R2 = 94.3%
Các ước lượng này có thể được sử dụng để làm kiểm định, dự báo.

34
TỔNG KẾT BÀI HỌC
 Bản chất hiện tượng tự tương quan và các nguyên nhân của hiện
tượng.
 Hậu quả của hiện tượng tự tương quan đối với ước lượng OLS của mô
hình hồi quy.
 Các cách phát hiện ra hiện tượng tự tương quan: dùng đồ thị phần dư,
kiểm định Durbin – Watson, kiểm định Breusch – Godfrey.
 Các cách khắc phục hậu quả của hiện tượng tự tương quan.
 Quy trình lặp Cochrane – Orcutt.

35