Kết quả hồi quy có kiểm định "không đạt" là chuyện thường gặp: chuỗi thời gian không dừng, phương sai sai số thay đổi, tự tương quan, đa cộng tuyến hay phần dư không chuẩn. Có hai cách làm sai rất phổ biến. Cách thứ nhất là bỏ qua vi phạm. Cách thứ hai là "sửa" dữ liệu theo kiểu xoá quan sát, chọn lại mẫu hay chạy lặp nhiều lần cho tới khi ra kết quả đẹp, tức là vi phạm liêm chính khoa học. Bài hướng dẫn này trình bày cách xử lý khi kiểm định không đạt đúng phương pháp: đọc tiêu chí, tìm nguyên nhân, chọn biện pháp chuẩn có tài liệu, ghi lại và báo cáo đầy đủ. Ví dụ dùng dữ liệu thật của World Bank cho Việt Nam 2000-2023 (mô hình lạm phát) và 8 nước ASEAN (mô hình Kuznets môi trường), chạy bằng công cụ Stata trực tuyến của ResearchSTAT.
Nguyên tắc chung: sửa nguyên nhân, không sửa kết quả
Mỗi kiểm định có một giả thuyết H0 và một tiêu chí, ví dụ "p > 0,05 thì không vi phạm". Khi không đạt, cần hỏi ba câu:
- Vi phạm làm sai điều gì: hệ số bị chệch, hay chỉ sai số chuẩn sai?
- Nguyên nhân thuộc về dữ liệu (không dừng, ngoại lai) hay thuộc về đặc tả mô hình?
- Có biện pháp chuẩn nào, được công bố trong tài liệu phương pháp, giải quyết đúng nguyên nhân đó không?
Biện pháp chấp nhận được phải áp dụng như nhau cho mọi quan sát, được viết vào do-file hoặc script, và kết quả trước khi xử lý được giữ lại để báo cáo. Ngược lại, xoá những quan sát "xấu" để có ý nghĩa thống kê, thêm bớt biến chỉ vì p-value, hay thử nhiều cách rồi chỉ báo cáo cách đẹp nhất đều là thao túng kết quả (p-hacking).
Trường hợp 1. Chuỗi thời gian không dừng (kiểm định ADF)
Mô hình lạm phát của Việt Nam: INF = f(M2G, LNEXR, LIR, GDPG). Kiểm định Dickey-Fuller tăng cường (dfuller biến, lags(1)) cho thấy chỉ GDPG dừng ở chuỗi gốc (Z(t) = -3,68; p = 0,004). INF (p = 0,19), M2G (p = 0,62), LNEXR (p = 0,79) và LIR (p = 0,46) không dừng ở chuỗi gốc nhưng dừng ở sai phân bậc 1, tức là các biến I(1).
Hồi quy các biến I(1) theo nhau dễ cho hồi quy giả mạo (Granger & Newbold, 1974): R² cao, t lớn nhưng không có quan hệ thật. Dấu hiệu điển hình là Durbin-Watson rất thấp. Ở mô hình gốc, d = 0,86.
Có hai hướng xử lý chuẩn:
- Sai phân bậc 1 các biến không dừng. Hệ số khi đó là tác động ngắn hạn.
- Mô hình hiệu chỉnh sai số (ECM) của Engle và Granger (1987), nếu các biến có quan hệ dài hạn (đồng liên kết). ECM giữ được cả thông tin dài hạn và ngắn hạn.
Sau khi sai phân bậc 1 các biến I(1), Breusch-Pagan chuyển từ p = 0,028 thành p = 0,487, Breusch-Godfrey từ p = 0,033 thành p = 0,718, và Durbin-Watson tăng lên 1,77. Trong mô hình sai phân, tăng trưởng cung tiền (β = -0,167; p = 0,005) và lãi suất cho vay (β = 2,075; p < 0,001) có ý nghĩa. Lưu ý: dòng ADF của biến gốc trong Bảng 8 vẫn ghi "Lưu ý", vì đó là kết quả kiểm định của chuỗi gốc. Mô hình mới đã dùng biến sai phân.
Với cấp Siêu phức tạp, công cụ ước lượng ECM. Hệ số của ECT(t-1) bằng -1,005 (p < 0,001): âm và có ý nghĩa, là bằng chứng đồng liên kết theo Kremers, Ericsson và Dolado (1992). Độ lệch khỏi cân bằng dài hạn được điều chỉnh gần như hết trong một năm.
Trường hợp 2. Phương sai sai số thay đổi và tự tương quan
Hai vi phạm này không làm chệch hệ số OLS hoặc FE nhưng làm sai sai số chuẩn, kéo theo t và p-value sai. Biện pháp chuẩn là giữ nguyên mô hình và dùng sai số chuẩn vững:
- Chuỗi thời gian: sai số chuẩn Newey-West (HAC) (Newey & West, 1987), lệnh
newey y x, lag(2). - Dữ liệu bảng: sai số chuẩn cluster theo đơn vị, lệnh
xtreg ..., fe vce(cluster cid). Có thể dùng FGLS hoặc PCSE khi số năm đủ dài.
Trong ResearchSTAT, mô hình dùng để kết luận đã dùng các sai số chuẩn này. Vì vậy các dòng tương ứng trong Bảng 8 ghi "Đã xử lý trong mô hình cuối" và không cần thêm bước làm sạch dữ liệu nào.
Trường hợp 3. Đa cộng tuyến khi có biến bình phương hoặc biến tương tác
Mô hình Kuznets môi trường có cả LNGDPPC và bình phương của nó LNGDPPC2. Hai biến này tương quan gần như hoàn hảo, nên VIF lớn nhất lên tới 1.238,5. Đây là đa cộng tuyến "không bản chất": nó sinh ra từ cách đặt thang đo, không phải từ dữ liệu. Biện pháp chuẩn là trừ trung bình (centering) trước khi bình phương (Aiken & West, 1991; Iacobucci và cộng sự, 2016). Sau xử lý, VIF giảm còn 40,2. Hệ số của bình phương và điểm ngoặt của đường cong không thay đổi về bản chất; chỉ hệ số bậc nhất được hiểu là tác động tại mức thu nhập trung bình.
Nếu đa cộng tuyến xuất phát từ hai biến đo cùng một khái niệm, cần quay lại cơ sở lý thuyết để chọn biến, không bỏ biến chỉ vì VIF.
Trường hợp 4. Phần dư không chuẩn, giá trị ngoại lai
Với mẫu nhỏ, phần dư không chuẩn (Shapiro-Wilk, Jarque-Bera có p < 0,05) làm suy diễn kém tin cậy. Trước hết, kiểm tra xem có sai sót nhập liệu hay không. Nếu số liệu đúng nhưng có giá trị cực đoan, có thể winsorize ở phân vị 1% và 99%: gán các giá trị vượt ngưỡng bằng ngưỡng, không xoá quan sát nào. Một cách khác là dùng khoảng tin cậy bootstrap. Phải báo cáo rõ đã winsorize những biến nào và ở mức nào.
Trường hợp 5. Dạng hàm (Ramsey RESET) không đạt
RESET không đạt nghĩa là mô hình có thể thiếu biến hoặc sai dạng hàm. Không nên tự động thêm biến bình phương hay biến tương tác chỉ để đạt kiểm định. Chỉ thay đổi đặc tả khi có cơ sở lý thuyết hoặc nghiên cứu trước. Vì lý do này, ResearchSTAT không tự sửa RESET mà chỉ ghi chú.
Dùng nút "Xử lý theo gợi ý và chạy lại" trong ResearchSTAT
Sau khi chạy kiểm định, phần Nhận xét kết quả liệt kê từng kiểm định với tiêu chí, kết quả, nhãn Đạt/Không đạt và hướng xử lý. Nếu có biện pháp làm sạch dữ liệu phù hợp, hệ thống hỏi: "Bạn có muốn xử lý theo gợi ý và chạy lại?".
- Đánh dấu từng biện pháp muốn áp dụng: sai phân bậc 1 cho các biến không dừng, winsorize 1%/99%, hoặc trừ trung bình. Mỗi biện pháp có lý do và tài liệu tham khảo.
- Đọc cam kết liêm chính và xác nhận "Tôi sẽ báo cáo đầy đủ các bước xử lý này".
- Bấm chạy lại. Do-file hoặc script mới có sẵn các lệnh xử lý như
generate DINF = D.INFhaywinsor2 ..., cuts(1 99) replace. Nhật ký xử lý được ghi vào README và tệp data_treatment_log.txt trong gói .zip. - Kết quả trước khi xử lý được giữ trong mục riêng để bạn trình bày cả hai trong luận văn.
Mỗi biện pháp chỉ áp dụng được một lần cho một lần chạy gốc, để tránh chạy lặp nhiều lần rồi chọn kết quả.
| Vi phạm | Ảnh hưởng | Biện pháp chuẩn | Tài liệu |
|---|---|---|---|
| Chuỗi không dừng (ADF) | Hồi quy giả mạo | Sai phân bậc 1 hoặc ECM | Granger & Newbold (1974); Engle & Granger (1987) |
| Phương sai thay đổi | Sai số chuẩn sai | Sai số chuẩn vững, cluster | White (1980); Newey & West (1987) |
| Tự tương quan | Sai số chuẩn sai | Newey-West, cluster, mô hình động | Newey & West (1987) |
| Đa cộng tuyến do bình phương/tương tác | Hệ số kém ổn định | Trừ trung bình (centering) | Aiken & West (1991) |
| Phần dư không chuẩn, ngoại lai | Suy diễn kém tin cậy | Winsorize 1%/99%, bootstrap | Tukey (1962) |
| Dạng hàm (RESET) | Thiếu biến, sai dạng hàm | Xem lại lý thuyết, không sửa tự động | Ramsey (1969) |
Báo cáo trong luận văn
Kiểm định ADF cho thấy INF, M2G, LNEXR và LIR là chuỗi I(1). Để tránh hồi quy giả mạo, mô hình được ước lượng với sai phân bậc 1 của các biến này và sai số chuẩn Newey-West (lag 2). Kết quả mô hình ban đầu (biến ở dạng gốc) được trình bày ở Phụ lục để so sánh.
Đọc thêm: mô hình dữ liệu bảng FE, RE và Hausman trong Stata, làm sạch dữ liệu khảo sát Likert. Có thể làm cùng quy trình bằng R thật trong công cụ R (R-Studio).
Xoá quan sát ngoại lai có vi phạm liêm chính không?
Xoá có căn cứ (sai nhập liệu đã xác minh) và báo cáo đầy đủ thì không vi phạm. Xoá để kết quả có ý nghĩa thống kê là thao túng dữ liệu. Winsorize giữ lại mọi quan sát nên an toàn hơn.
Có được thử nhiều cách xử lý rồi chọn cách tốt nhất không?
Không nên. Chọn biện pháp theo nguyên nhân của vi phạm, quyết định trước khi xem kết quả, và báo cáo mọi lần chạy có ảnh hưởng tới kết luận.
Phương sai thay đổi có cần làm sạch dữ liệu không?
Không. Hệ số vẫn không chệch; chỉ cần dùng sai số chuẩn vững (robust, cluster, Newey-West).
Sai phân bậc 1 làm thay đổi cách diễn giải ra sao?
Hệ số trở thành tác động của thay đổi biến độc lập lên thay đổi biến phụ thuộc, tức tác động ngắn hạn; quan hệ dài hạn cần mô hình ECM hoặc ARDL.
