Giới thiệu về chuỗi thời gian có nghiệm đơn vị

An Introduction to Time Series with Unit Roots

Tổng quan về chủ đề nghiệm đơn vị

Chào các bạn sinh viên, chào mừng đến với một trong những chủ đề nền tảng và hấp dẫn nhất của kinh tế lượng hiện đại: nghiệm đơn vị (unit root). Trong thực tế, rất nhiều chuỗi thời gian kinh tế như GDP, giá cổ phiếu, hay tỷ giá hối đoái không “ổn định” theo thời gian. Chúng có xu hướng biến động không ngừng và không quay về một giá trị trung bình cố định. Những chuỗi như vậy được gọi là chuỗi không dừng (nonstationary series), và sự tồn tại của nghiệm đơn vị chính là nguyên nhân toán học đằng sau hiện tượng này.

Tại sao chúng ta phải quan tâm đến nó? Việc sử dụng các mô hình hồi quy truyền thống (như OLS) trên dữ liệu chuỗi không dừng có thể dẫn đến một cái bẫy nghiêm trọng gọi là “hồi quy giả mạo” (spurious regression). Khi đó, chúng ta có thể tìm thấy những mối quan hệ có ý nghĩa thống kê rất cao (R-squared lớn, t-statistic cao) giữa các biến trong khi thực tế chúng không hề liên quan đến nhau. Hiểu về nghiệm đơn vị giúp chúng ta tránh được sai lầm tai hại này, đảm bảo các phân tích kinh tế lượng của chúng ta là đáng tin cậy và có giá trị. Trong chuỗi bài học này, chúng ta sẽ cùng nhau khám phá bản chất của nghiệm đơn vị, cách xác định và xử lý chúng một cách bài bản.

BA KHÁI NIỆM CỐT LÕI

  • Nghiệm đơn vị (Unit Root): Một đặc tính của chuỗi thời gian tự hồi quy (AR) khiến cho các cú sốc (shocks) có tác động vĩnh viễn lên chuỗi, làm cho chuỗi trở nên không dừng.
  • Chuỗi không dừng (Nonstationary Series): Một chuỗi thời gian có các đặc tính thống kê (như trung bình, phương sai) thay đổi theo thời gian. Nó không có xu hướng quay trở lại giá trị trung bình dài hạn.
  • Ước lượng Bình phương nhỏ nhất (Least Squares Estimate – LSE): Phương pháp ước lượng phổ biến trong hồi quy. Tuy nhiên, hành vi của nó sẽ rất khác biệt khi áp dụng cho chuỗi có nghiệm đơn vị so với chuỗi dừng.

CẤU TRÚC CHUỖI BÀI HỌC

  1. Nền tảng về nghiệm đơn vị và mô hình AR(1)
    Tìm hiểu khái niệm cốt lõi về tính dừng, nghiệm đơn vị và phân phối tiệm cận của ước lượng trong mô hình AR(1) đơn giản nhất.
  2. Mở rộng sang mô hình AR(p) và phân tích phần dư
    Khám phá cách lý thuyết nghiệm đơn vị được áp dụng cho các mô hình phức tạp hơn và tầm quan trọng của việc phân tích phần dư.
  3. Lựa chọn mô hình trong chuỗi thời gian không dừng
    Học các tiêu chí quan trọng như PLS và FIC để lựa chọn mô hình phù hợp khi dữ liệu của bạn có thể chứa nghiệm đơn vị.
  4. Hướng dẫn thực hành toàn diện với Stata
    Vận dụng toàn bộ lý thuyết đã học để thực hành kiểm định nghiệm đơn vị trên dữ liệu mô phỏng bằng phần mềm Stata.

KIẾN THỨC TIÊN QUYẾT

Để theo dõi tốt nhất chuỗi bài học này, các bạn nên trang bị trước những kiến thức sau:

  • Kinh tế lượng căn bản: Hiểu rõ về mô hình hồi quy tuyến tính OLS, kiểm định giả thuyết (t-test, F-test), và các giả định của mô hình cổ điển.
  • Thống kê suy luận: Nắm vững các khái niệm về ước lượng, tính vững (consistency), và phân phối của các biến ngẫu nhiên.
  • Chuỗi thời gian nhập môn: Biết về các khái niệm như tự tương quan (autocorrelation), quá trình tự hồi quy AR, trung bình trượt MA.
  • Stata cơ bản: Quen thuộc với giao diện Stata, cách nhập liệu, thực hiện các lệnh hồi quy cơ bản (regress) và thống kê mô tả (summarize).

MỤC TIÊU HỌC TẬP

Sau khi hoàn thành chuỗi bài học này, các bạn sẽ có khả năng:

  • Hiểu sâu sắc bản chất lý thuyết của nghiệm đơn vị và hệ quả của nó đối với phân tích kinh tế lượng.
  • Phân biệt được sự khác nhau trong hành vi tiệm cận của các ước lượng đối với chuỗi dừng và chuỗi không dừng.
  • Vận dụng thành thạo phần mềm Stata để kiểm định sự tồn tại của nghiệm đơn vị trong một chuỗi thời gian.
  • Diễn giải chính xác kết quả kiểm định và đưa ra những kết luận phù hợp cho các bước phân tích tiếp theo.

TÀI LIỆU THAM KHẢO CHÍNH

  • Chan, N. H. (2009). Time Series with Roots on or Near the Unit Circle. Handbook of Financial Time Series. (Tài liệu gốc của chuỗi bài viết này).
  • Fuller, W. A. (1996). Introduction to Statistical Time Series. 2nd ed. Wiley. (Một trong những tài liệu kinh điển và toàn diện nhất về chuỗi thời gian).
  • Hamilton, J. D. (1994). Time Series Analysis. Princeton University Press. (Sách giáo khoa tiêu chuẩn ở bậc cao học về chuỗi thời gian).
  • Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach. (Sách giáo khoa tuyệt vời để nắm vững các kiến thức kinh tế lượng nền tảng).

PHỤ LỤC: Dữ liệu mô phỏng cho chuỗi bài học

Để giúp các bạn dễ dàng thực hành, chúng ta sẽ tự tạo ra một bộ dữ liệu đơn giản bao gồm một chuỗi dừng và một chuỗi không dừng (có nghiệm đơn vị). Hãy mở Stata và chạy các lệnh dưới đây để tạo và lưu dữ liệu nhé.

Stata
* ==================================================
* MỤC ĐÍCH: Tạo dữ liệu mô phỏng cho chuỗi bài học
* GỒM 2 BIẾN:
* 1. y_stationary: Một chuỗi AR(1) dừng
* 2. y_unitroot: Một chuỗi bước ngẫu nhiên (có nghiệm đơn vị)
* ==================================================

* Bước 1: Xóa bộ nhớ và cài đặt số quan sát
clear
set obs 500

* Bước 2: Tạo biến thời gian
gen time = _n

* Bước 3: Tạo chuỗi AR(1) dừng (stationary)
* Mô hình: y_t = 0.7 * y_{t-1} + e_t
gen e = rnormal(0, 1) // Tạo nhiễu trắng
gen y_stationary = 0
replace y_stationary = 0.7 * y_stationary[_n-1] + e if _n > 1

* Bước 4: Tạo chuỗi bước ngẫu nhiên (unit root)
* Mô hình: z_t = z_{t-1} + u_t
gen u = rnormal(0, 1) // Tạo nhiễu trắng
gen y_unitroot = 0
replace y_unitroot = y_unitroot[_n-1] + u if _n > 1

* Bước 5: Đặt nhãn cho các biến để dễ nhận biết
label variable y_stationary "Chuỗi AR(1) Dừng (rho=0.7)"
label variable y_unitroot "Chuỗi Bước ngẫu nhiên (Nghiệm đơn vị, rho=1)"

* Bước 6: Lưu dữ liệu để sử dụng cho các bài sau
* Hãy thay "D:\data" bằng đường dẫn thư mục của bạn
save "D:\data\unit_root_simulation.dta", replace

Sau khi chạy xong, bạn sẽ có file unit_root_simulation.dta sẵn sàng cho các bài thực hành tiếp theo. Việc quan sát sự khác biệt giữa hai chuỗi này sẽ giúp chúng ta hiểu rõ hơn về tác động của nghiệm đơn vị.

📚 Bài tiếp theo: Nền tảng về Nghiệm đơn vị và Mô hình AR(1)

💡 Lưu ý: Hãy đảm bảo đã chạy code tạo dữ liệu ở trên và lưu lại file. Việc này rất quan trọng cho các bài học sau.

🎯 Self-check: Bạn có thể giải thích bằng lời của mình tại sao việc phân tích chuỗi GDP lại cần quan tâm đến nghiệm đơn vị không?

Back to top button