Đồng liên kết là gì? Cách kiểm định trong SPSS

Đồng liên kết là gì

Bạn có hai chuỗi thời gian, chẳng hạn doanh thu và chi phí quảng cáo, cùng tăng theo thời gian. Hồi quy trực tiếp có thể cho thấy hệ số và p-value rất đẹp, nhưng kết quả đó chưa chắc phản ánh quan hệ kinh tế thật. Nếu mỗi chuỗi không dừng, mô hình có nguy cơ tạo ra hồi quy giả.

Đồng liên kết, tiếng Anh là cointegration, mô tả trường hợp hai hoặc nhiều chuỗi thời gian đều không dừng ở dạng gốc nhưng một tổ hợp tuyến tính của chúng lại dừng. Nói dễ hiểu, các biến có thể dao động riêng trong ngắn hạn nhưng vẫn bị kéo về một quan hệ cân bằng dài hạn.

Với hai biến (Y_t) và (X_t), phương trình dài hạn thường được viết như sau:

[ Y_t = \beta_0 + \beta_1X_t + u_t ]

Nếu phần dư (u_t) dừng, tức không còn xu hướng lan rộng vô hạn theo thời gian, hai biến được xem là đồng liên kết. Quy trình Engle và Granger dùng đúng ý tưởng này: ước lượng quan hệ dài hạn, sau đó kiểm định tính dừng của phần dư. Nguồn nền tảng cho cách tiếp cận này là (Engle và Granger, 1987).

Đồng liên kết không có nghĩa là hai biến luôn tăng cùng một hướng trong từng năm hoặc từng tháng. Một biến có thể giảm trong ngắn hạn trong khi biến kia tăng. Điều cần kiểm tra là liệu sai lệch khỏi quan hệ dài hạn có xu hướng quay về mức cân bằng hay không.

Nếu bạn đang xử lý dữ liệu bảng thay vì chuỗi thời gian đơn, hãy xác định cấu trúc dữ liệu trước khi chọn kiểm định. Các khái niệm như kiểm định ADF, độ trễ tối ưu và hồi quy GMM thường xuất hiện cùng chủ đề này, nhưng chúng trả lời các câu hỏi khác nhau.

Ý nghĩa của đồng liên kết trong nghiên cứu định lượng

Kết quả đồng liên kết giúp bạn quyết định có nên mô hình hóa quan hệ dài hạn giữa các biến hay không. Nếu các biến cùng bậc tích hợp và có đồng liên kết, việc sai phân toàn bộ dữ liệu có thể làm mất thông tin về quan hệ cân bằng. Khi đó, mô hình có thể cần giữ cả phần quan hệ dài hạn và biến động ngắn hạn.

Nếu không có đồng liên kết, hồi quy mức giữa các chuỗi không dừng thường cần được xem xét rất thận trọng. Bạn có thể phải sai phân dữ liệu, dùng mô hình cho tốc độ thay đổi, hoặc chuyển sang một chiến lược khác phù hợp với câu hỏi nghiên cứu.

Đồng liên kết cũng giúp phân biệt ba khái niệm thường bị trộn lẫn:

• Tương quan: cho biết hai biến biến động cùng nhau trong một mẫu dữ liệu. Tương quan cao không chứng minh quan hệ dài hạn.
• Nhân quả: hỏi liệu thay đổi của một biến có giúp dự báo biến kia theo một định nghĩa nhân quả cụ thể hay không. Bạn có thể đọc thêm về nhân quả Granger, nhưng kiểm định đó không thay thế kiểm định đồng liên kết.
• Đồng liên kết: kiểm tra sự tồn tại của một quan hệ cân bằng dài hạn giữa các chuỗi, sau khi xem xét tính dừng.

Trong luận văn, bạn nên trình bày thứ tự phân tích. Trước hết kiểm tra bậc dừng của từng biến. Tiếp theo chọn độ trễ, kiểm định đồng liên kết, rồi mới quyết định mô hình dài hạn hoặc mô hình điều chỉnh sai số. Việc chạy một hồi quy OLS ở dạng mức trước khi kiểm tra các bước này khiến phần giải thích kết quả khó bảo vệ hơn.

Nếu đề tài có biến công cụ và mục tiêu là xử lý nội sinh, đó là vấn đề khác với đồng liên kết. Bạn có thể xem biến công cụ là gì để tránh dùng một thủ tục cho sai câu hỏi phương pháp.

Đồng liên kết bao nhiêu là đạt

Cụm tìm kiếm “đồng liên kết bao nhiêu là tốt” dễ gây hiểu nhầm. Đồng liên kết không có một hệ số duy nhất cần lớn hơn 0,5 hay 0,7 như Cronbach's Alpha. Kết luận thường dựa vào thống kê kiểm định và p-value, trong đó giả thuyết gốc phụ thuộc vào phương pháp bạn chọn.

Với kiểm định Engle và Granger, bạn kiểm định tính dừng của phần dư từ phương trình dài hạn. Với cách tiếp cận Johansen, bạn xem các kiểm định Trace và Maximum Eigenvalue để xác định số quan hệ đồng liên kết. Vì hai phương pháp có giả thuyết và output khác nhau, không nên lấy ngưỡng của phương pháp này áp vào phương pháp kia.

Bảng trên chỉ nêu nguyên tắc và nguồn được phép dùng, không biến một con số duy nhất thành tiêu chuẩn cho mọi bộ dữ liệu. Khi viết kết quả, bạn cần ghi rõ phương pháp, số quan sát, số độ trễ, dạng hằng số hoặc xu hướng, thống kê kiểm định và p-value.

Một điểm quan trọng là bậc tích hợp. Nếu một chuỗi dừng ở mức còn chuỗi khác chỉ dừng sau sai phân bậc một, bạn không nên kết luận đồng liên kết một cách máy móc. Các biến đưa vào quy trình cần thỏa điều kiện của phương pháp được chọn. Với cách Engle và Granger cơ bản, trường hợp thường gặp là các chuỗi cùng tích hợp bậc một, ký hiệu I(1).

Cách đọc đồng liên kết trên output

SPSS không có một nút duy nhất mang tên “Cointegration” cho mọi loại dữ liệu và mọi phiên bản. Nhiều sinh viên mở menu hồi quy thông thường, nhìn thấy bảng Coefficients, rồi gọi đó là kiểm định đồng liên kết. Bảng Coefficients chỉ cho bạn kết quả của phương trình đang ước lượng, chưa tự chứng minh phần dư dừng.

Với quy trình Engle và Granger, bạn thường làm theo logic sau. Đầu tiên tạo hoặc kiểm tra biến thời gian, chạy hồi quy dài hạn với các chuỗi ở dạng mức, lưu phần dư. Sau đó chạy kiểm định nghiệm đơn vị cho phần dư. Trong SPSS, phần kiểm tra nghiệm đơn vị có thể phụ thuộc vào phiên bản và module đang cài đặt. Nếu SPSS của bạn không cung cấp trực tiếp kiểm định phù hợp, bạn cần dùng phần mềm có thủ tục chuỗi thời gian tương ứng, chẳng hạn EViews, Stata, R hoặc một công cụ khác mà giảng viên chấp nhận.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng thường gặp trong output kiểm định nghiệm đơn vị. Bạn cần đối chiếu đúng tên bảng của phần mềm mình sử dụng.

Cách đọc ví dụ này là so sánh Test statistic với giá trị tới hạn và xem p-value theo thiết lập của phần mềm. Giá trị kiểm định minh họa là -3.842, nhỏ hơn giá trị tới hạn 5% là -3.000. p-value minh họa là 0.018, nên kết quả ủng hộ việc bác bỏ giả thuyết gốc ở mức 5% nếu giả thuyết gốc của thủ tục là phần dư có nghiệm đơn vị. Khi đó, phần dư được xem là dừng theo thiết lập kiểm định, và có cơ sở để nói các biến có quan hệ đồng liên kết.

Bạn không được sao chép các con số trên vào luận văn. Hãy thay bằng đúng output của file .sav, .csv hoặc phần mềm bạn đã chạy. Ngoài bảng kiểm định, nên lưu lại phương trình dài hạn, số quan sát, biến đưa vào, độ trễ, hằng số và xu hướng. Một bảng có p-value nhưng thiếu các thông tin này thường khiến người đọc không biết bạn đã kiểm định mô hình nào.

Khi đồng liên kết không đạt thì xử lý thế nào

Nếu kết quả không ủng hộ đồng liên kết, hãy xử lý theo thứ tự, từ kiểm tra dữ liệu đến thay đổi mô hình. Đừng vội xóa biến chỉ vì p-value không đạt.

Kiểm tra lại định dạng thời gian và dữ liệu gốc

Sắp xếp quan sát đúng thứ tự thời gian. Kiểm tra dữ liệu bị thiếu, đơn vị đo thay đổi giữa các giai đoạn, giá trị nhập nhầm và các điểm đứt gãy rõ ràng. Một cột năm bị đọc như biến danh mục hoặc dữ liệu tháng bị xếp sai thứ tự có thể làm toàn bộ kiểm định mất ý nghĩa.

Chạy lại kiểm định tính dừng với đặc tả phù hợp

Kiểm tra mỗi chuỗi ở dạng mức và sai phân. Xác định bạn có đưa hằng số, xu hướng hoặc cả hai vào kiểm định hay không. Cùng một chuỗi có thể cho kết quả khác khi đặc tả thay đổi, vì vậy phần phương pháp phải ghi rõ thiết lập đã dùng.

Kiểm tra lựa chọn độ trễ

Độ trễ quá ngắn có thể bỏ sót động học của chuỗi, còn độ trễ quá dài làm giảm số bậc tự do. Tham khảo kết quả từ tiêu chí thông tin, sau đó xem xét tính hợp lý theo tần suất dữ liệu và bối cảnh nghiên cứu. Bạn có thể đọc thêm độ trễ tối ưu là gì trước khi chốt thông số.

Chuyển sang mô hình phù hợp với kết quả

Nếu không có đồng liên kết, mô hình trên sai phân có thể phù hợp hơn với mục tiêu phân tích biến động ngắn hạn. Nếu có đồng liên kết, bạn có thể cân nhắc mô hình hiệu chỉnh sai số hoặc hệ phương trình phù hợp. Việc chọn VECM, ARDL, VAR hay một mô hình khác cần dựa vào bậc tích hợp, số biến, kích thước mẫu và mục tiêu nghiên cứu.

Không “sửa” p-value bằng cách loại tùy tiện quan sát

Chỉ loại một quan sát khi có lý do dữ liệu hoặc lý thuyết rõ ràng, đồng thời ghi lại quy tắc xử lý. Không nên thử nhiều độ trễ, nhiều biến và nhiều đặc tả rồi chỉ báo cáo phiên bản cho kết quả đẹp nhất. Cách này làm tăng rủi ro bị hỏi lại về tính nhất quán của phân tích.

Phân biệt đồng liên kết với hồi quy giả và nhân quả Granger

Đồng liên kết và hồi quy giả thường xuất hiện trong cùng một cuộc thảo luận, nhưng chúng không phải là hai tên gọi của cùng một kiểm định. Hồi quy giả là tình trạng mô hình cho R² cao, thống kê t có vẻ có ý nghĩa, trong khi quan hệ thực tế không đáng tin vì các chuỗi không dừng. Kiểm tra tính dừng và đồng liên kết giúp nhận diện rủi ro này.

Nếu các biến không dừng nhưng có đồng liên kết, hồi quy ở dạng mức không mặc nhiên là giả. Khi đó, quan hệ dài hạn có thể tồn tại, nhưng mô hình cần được diễn giải theo đúng cơ chế cân bằng và điều chỉnh sai số.

Nhân quả Granger đặt câu hỏi về khả năng dự báo: thông tin quá khứ của X có cải thiện dự báo Y hay không. Nó không chứng minh nhân quả theo nghĩa kinh tế hoặc triết học. Đồng liên kết lại tập trung vào quan hệ dài hạn. Một nghiên cứu có thể kiểm định cả hai, nhưng phải trình bày mục tiêu và giả thuyết riêng. Bạn có thể tham khảo thêm bài nhân quả Granger là gì.

Lỗi thường gặp

Gọi mọi hồi quy chuỗi thời gian là đồng liên kết. Có bảng Model Summary và Coefficients chưa đủ. Bạn cần phần kiểm định tính dừng và quy trình xác định quan hệ dài hạn.

Không kiểm tra bậc dừng trước. Đồng liên kết không phải bước đầu tiên. Nếu chưa biết mỗi biến dừng ở mức nào, bạn chưa có cơ sở chọn phương pháp.

Dùng một ngưỡng “bao nhiêu là tốt” cho mọi output. Đồng liên kết dựa vào giả thuyết kiểm định, thống kê kiểm định, giá trị tới hạn và p-value. Không có thang điểm chung như các chỉ số độ tin cậy thang đo.

Nhầm p-value của hồi quy với p-value của kiểm định phần dư. Hai p-value này đến từ hai bảng và trả lời hai câu hỏi khác nhau. Khi viết chương 4, hãy đặt tên bảng cụ thể để người đọc không phải đoán.

Bỏ qua cấu trúc mẫu nhỏ. Khi số kỳ quan sát ít, việc thêm nhiều biến và độ trễ làm kết quả thiếu ổn định. Hãy ghi rõ giới hạn dữ liệu thay vì diễn giải quá rộng.

Dùng thuật ngữ “tác động dài hạn” quá sớm. Đồng liên kết cho thấy quan hệ cân bằng dài hạn theo đặc tả kiểm định. Muốn nói về tác động, bạn còn phải xem hệ số, hướng tác động, mô hình và giả định đi kèm.

Cách viết vào luận văn. Bạn có thể điều chỉnh đoạn sau theo output thật: “Kết quả kiểm định đồng liên kết bằng phương pháp [tên phương pháp] cho thấy [có/không có] quan hệ đồng liên kết giữa [danh sách biến]. Thống kê kiểm định là [giá trị], p-value là [giá trị], so với mức ý nghĩa [1%/5%/10%]. Do đó, nghiên cứu [bác bỏ/không bác bỏ] giả thuyết gốc về [nội dung giả thuyết gốc], và lựa chọn [mô hình tiếp theo] để phân tích [quan hệ dài hạn/biến động ngắn hạn].”

Câu hỏi thường gặp

Đồng liên kết là gì và vì sao phải kiểm định

Đồng liên kết là quan hệ cân bằng dài hạn giữa các chuỗi không dừng, trong đó một tổ hợp tuyến tính của chúng có thể dừng. Kiểm định giúp bạn tránh diễn giải một hồi quy giả như quan hệ kinh tế thật.

Đồng liên kết bao nhiêu là tốt

Không có một hệ số đồng liên kết phải lớn hơn một ngưỡng cố định. Bạn cần xem thống kê kiểm định, giá trị tới hạn hoặc p-value, cùng với giả thuyết gốc của phương pháp Engle và Granger, Johansen hoặc phương pháp khác.

Đồng liên kết trong SPSS chạy ở đâu

SPSS thông thường không cung cấp cùng một quy trình đồng liên kết rõ ràng cho mọi phiên bản. Bạn có thể dùng SPSS để chuẩn bị dữ liệu và hồi quy dài hạn, nhưng cần kiểm tra module chuỗi thời gian hoặc dùng phần mềm khác được chấp nhận để chạy kiểm định nghiệm đơn vị và đồng liên kết.

Có phải biến nào cũng cần dừng ở mức gốc không

Không. Trong nhiều bài toán, các biến có thể không dừng ở mức nhưng dừng sau sai phân bậc một. Tuy nhiên, các biến phải đáp ứng điều kiện của phương pháp bạn chọn. Hãy kiểm tra từng biến trước khi kết luận.

Không có đồng liên kết thì có được chạy hồi quy không

Bạn vẫn có thể phân tích quan hệ ngắn hạn bằng một mô hình phù hợp, thường sau khi xem xét sai phân và các giả định liên quan. Bạn không nên giữ nguyên hồi quy mức rồi diễn giải như quan hệ dài hạn nếu chưa giải quyết rủi ro hồi quy giả.

Có đồng liên kết thì có chứng minh nhân quả không

Không. Đồng liên kết cho biết quan hệ cân bằng dài hạn theo mô hình kiểm định. Câu hỏi về khả năng dự báo hoặc nhân quả cần thủ tục riêng, chẳng hạn kiểm định Granger, và phải được diễn giải thận trọng.

Hãy mở lại file dữ liệu, lập bảng kiểm tra từng biến ở dạng mức và sai phân, ghi rõ đặc tả cùng độ trễ, rồi mới chọn kiểm định đồng liên kết và mô hình tiếp theo. Nếu bạn muốn chạy trên chính file .sav hoặc .csv và chuyển output thành phần phân tích có thể đưa vào luận văn, xem module M4 tại DoThesis.