Mới Đặt phân tích định lượng theo đề tài của bạn, nhận báo giá miễn phí trong ngày →

Kiểm định ADF (Augmented Dickey-Fuller) là bước đầu tiên gần như bắt buộc trước khi chạy bất kỳ mô hình chuỗi thời gian nào như hồi quy OLS theo thời gian, ARIMA, ARDL hay VAR. Nếu bỏ qua bước này, bạn rất dễ rơi vào hồi quy giả mạo: \(R^2\) cao, hệ số có ý nghĩa nhưng mối quan hệ hoàn toàn không có thật.

Kiểm định ADF: 8 bước kiểm tra tính dừng trên EViews và Stata
Kiểm định ADF: 8 bước kiểm tra tính dừng trên EViews và Stata

Bài viết hướng dẫn từ khái niệm tính dừng, cách chọn dạng phương trình và độ trễ, thao tác chạy trên EViews 12/13 và lệnh dfuller trong Stata, đến cách đọc bảng kết quả, kiểm tra chéo bằng Phillips-Perron (PP) và KPSS, lấy sai phân và viết kết quả theo chuẩn APA cho luận văn.

Điểm chính của bài

  • Giả thuyết H0 của kiểm định ADF là chuỗi có nghiệm đơn vị (không dừng); bác bỏ H0 khi \(p < 0{,}05\).
  • Chọn dạng phương trình theo đồ thị: có xu hướng thì dùng Trend and intercept, dao động quanh mức khác 0 thì dùng Intercept.
  • Để EViews tự chọn độ trễ theo SIC hoặc AIC, ghi rõ tiêu chí trong luận văn.
  • Chuỗi không dừng ở gốc nhưng dừng ở sai phân bậc 1 được gọi là I(1); cần biết bậc tích hợp trước khi chọn ARDL, VAR hay VECM.
  • Nên kiểm tra chéo bằng PP và KPSS, vì KPSS có giả thuyết H0 ngược lại: chuỗi dừng.
Nội dung bài viết
  1. Kiểm định ADF là gì và vì sao phải kiểm tra tính dừng
  2. Ba dạng phương trình: None, Intercept, Trend and intercept
  3. Chọn độ trễ cho kiểm định ADF theo AIC và SIC
  4. Các bước chạy kiểm định ADF trên EViews 12/13
  5. Đọc kết quả kiểm định ADF trên EViews
  6. Chạy kiểm định ADF bằng dfuller trên Stata
  7. Bổ sung kiểm định PP và KPSS để kiểm tra chéo
  8. Lấy sai phân và chọn mô hình sau kiểm định ADF
  9. Cách viết kết quả kiểm định ADF trong luận văn theo APA
  10. Lỗi thường gặp khi chạy kiểm định ADF và cách xử lý
  11. Checklist trước khi báo cáo kiểm định ADF
  12. Câu hỏi thường gặp về kiểm định ADF
  13. Tài liệu tham khảo

Kiểm định ADF là gì và vì sao phải kiểm tra tính dừng

Một chuỗi thời gian được gọi là dừng (stationary) khi trung bình, phương sai và hiệp phương sai giữa hai thời điểm chỉ phụ thuộc vào khoảng cách giữa chúng, không phụ thuộc vào thời điểm cụ thể. Phần lớn chuỗi kinh tế vĩ mô ở dạng gốc như GDP, chỉ số giá CPI, cung tiền hay kim ngạch xuất khẩu đều không dừng vì chúng tăng dần theo thời gian.

Khi hồi quy hai chuỗi không dừng với nhau, kiểm định t và F thông thường mất hiệu lực, và bạn có thể "tìm thấy" quan hệ giữa hai biến không liên quan. Wooldridge (2020) gọi đây là vấn đề hồi quy giả mạo (spurious regression), và kiểm định ADF là công cụ phổ biến nhất để phát hiện nó từ sớm.

Chuỗi dừng và chuỗi có nghiệm đơn vị

Xét mô hình đơn giản \(y_t = \rho y_{t-1} + \varepsilon_t\). Nếu \(|\rho| < 1\), cú sốc sẽ tắt dần và chuỗi quay về mức trung bình, tức chuỗi dừng. Nếu \(\rho = 1\), chuỗi là bước ngẫu nhiên (random walk): cú sốc tồn tại vĩnh viễn và phương sai tăng theo thời gian. Trường hợp \(\rho = 1\) được gọi là có nghiệm đơn vị (unit root).

Chuỗi dừng sau khi lấy sai phân một lần được ký hiệu I(1); chuỗi dừng ngay ở dạng gốc là I(0). Một số ít chuỗi cần sai phân hai lần mới dừng, ký hiệu I(2), ví dụ cung tiền danh nghĩa.

Phương trình của kiểm định ADF

Dickey và Fuller (1979) xây dựng kiểm định gốc dựa trên mô hình bậc 1. Phiên bản "augmented" thêm các số hạng trễ của sai phân để khử tự tương quan trong phần dư. Dạng đầy đủ có hằng số và xu thế là:

\[ \Delta y_t = \alpha + \beta t + \gamma y_{t-1} + \sum_{i=1}^{p} \delta_i \Delta y_{t-i} + \varepsilon_t \]

Trong đó \(\gamma = \rho - 1\). Giả thuyết H0: \(\gamma = 0\) (có nghiệm đơn vị, chuỗi không dừng); giả thuyết H1: \(\gamma < 0\) (chuỗi dừng). Thống kê t của \(\gamma\) không theo phân phối t Student mà theo phân phối Dickey-Fuller, vì vậy phải so với giá trị tới hạn riêng. EViews dùng p-value một phía của MacKinnon (1996).

Quy trình 6 bước kiểm định ADF trên EViews
Quy trình kiểm định ADF từ đồ thị đến kết luận bậc tích hợp

Ba dạng phương trình: None, Intercept, Trend and intercept

Sai lầm phổ biến nhất khi chạy kiểm định ADF là chọn dạng phương trình tùy tiện. Ba lựa chọn trong EViews tương ứng với ba giả định khác nhau về chuỗi dữ liệu, và giá trị tới hạn cũng khác nhau giữa các dạng. Hãy vẽ đồ thị chuỗi trước (mở series, chọn View > Graph) rồi mới quyết định.

Lựa chọn trong EViews Thành phần tất định Khi nào dùng Giá trị tới hạn 5% (n khoảng 60)
None Không hằng số, không xu thế Chuỗi dao động quanh 0, thường là chuỗi sai phân hoặc lợi suất khoảng -1,95
Intercept Có hằng số \(\alpha\) Chuỗi dao động quanh một mức khác 0, không có xu hướng rõ khoảng -2,91
Trend and intercept Có \(\alpha\) và xu thế \(\beta t\) Chuỗi tăng hoặc giảm đều theo thời gian (GDP, CPI dạng log) khoảng -3,49

Giá trị tới hạn càng âm khi thêm thành phần tất định, tức càng khó bác bỏ H0. Bỏ sót xu thế khi chuỗi có xu hướng rõ, hoặc thêm xu thế khi chuỗi không có xu hướng, đều làm kiểm định mất độ mạnh.

Mẹo: Với chuỗi sai phân bậc 1, xu thế tuyến tính ở dạng gốc trở thành hằng số. Vì vậy khi kiểm định ở 1st difference, thường chọn Intercept thay vì Trend and intercept.

Chọn độ trễ cho kiểm định ADF theo AIC và SIC

Trong kiểm định ADF, số trễ \(p\) của \(\Delta y_{t-i}\) quyết định chất lượng kiểm định. Quá ít trễ thì phần dư còn tự tương quan, kích thước kiểm định bị méo. Quá nhiều trễ thì mất bậc tự do và giảm độ mạnh. EViews cho phép tự chọn độ trễ theo tiêu chí thông tin, phổ biến nhất là Schwarz (SIC, còn gọi BIC) và Akaike (AIC).

SIC phạt số tham số nặng hơn nên thường chọn ít trễ hơn, phù hợp mẫu nhỏ; AIC chọn nhiều trễ hơn, an toàn khi nghi ngờ phần dư còn tự tương quan. Mặc định của EViews là SIC, số trễ tối đa theo công thức Schwert (khoảng 10 trễ với 60 quan sát).

Dù chọn tiêu chí nào, hãy ghi rõ tiêu chí và độ trễ được chọn trong bảng kết quả kiểm định ADF để người đọc có thể chạy lại.

Các bước chạy kiểm định ADF trên EViews 12/13

Giả sử bạn đã nhập dữ liệu quý vào workfile. Tài liệu chính thức về kiểm định ADF và các kiểm định nghiệm đơn vị khác có trong hướng dẫn sử dụng tại trang chủ EViews. Nếu chưa quen giao diện, xem lại bài hướng dẫn EViews cơ bản trước khi làm tiếp.

  1. Tạo biến log. Gõ vào cửa sổ lệnh series lngdp = log(gdp). Log giúp ổn định phương sai và cho phép diễn giải theo phần trăm.
  2. Vẽ đồ thị. Mở series LNGDP, chọn View > Graph, kiểu Line, để xem chuỗi có xu hướng hay không.
  3. Mở hộp thoại. Trong cửa sổ series, chọn View > Unit Root Tests > Standard Unit Root Test...
  4. Chọn loại kiểm định. Ở mục Test type chọn Augmented Dickey-Fuller.
  5. Chọn bậc kiểm định. Ở mục Test for unit root in, chọn Level cho lần chạy đầu.
  6. Chọn thành phần tất định. Ở mục Include in test equation, chọn Trend and intercept nếu chuỗi có xu hướng, Intercept nếu không.
  7. Chọn độ trễ. Ở mục Lag length, chọn Automatic selection với Schwarz Info Criterion (hoặc Akaike Info Criterion), giữ Maximum lags mặc định rồi bấm OK.
  8. Lặp lại ở sai phân. Nếu không bác bỏ H0 ở Level, chạy lại với 1st difference và thường chọn Intercept.

Với nhiều chuỗi, dùng lệnh nhanh hơn bấm menu (chạy được trên EViews 12 và 13):

series lngdp = log(gdp)
lngdp.uroot(adf, trend, info=sic)
lngdp.uroot(adf, const, dif=1, info=sic)
lngdp.uroot(pp, trend)
lngdp.uroot(kpss, trend)

Dòng thứ hai chạy ở dạng gốc, dòng thứ ba ở sai phân bậc 1; hai dòng cuối là PP và KPSS.

Đọc kết quả kiểm định ADF trên EViews

Bảng kết quả kiểm định ADF gồm hai phần. Phần trên là kết luận chính: dòng Null Hypothesis nhắc lại H0, dòng Exogenous cho biết dạng phương trình, dòng Lag Length cho biết số trễ được chọn và tiêu chí. Ngay dưới là thống kê t của kiểm định ADF, cột Prob.* và các giá trị tới hạn 1%, 5%, 10%. Phần dưới là phương trình hồi quy phụ.

Bảng kết quả kiểm định ADF của chuỗi LNGDP trên EViews
Kết quả kiểm định ADF của LNGDP ở dạng gốc (số liệu minh họa)

Trong ví dụ (số liệu minh họa), LNGDP quý giai đoạn 2010Q1 đến 2024Q4 có thống kê ADF bằng -2,14, lớn hơn giá trị tới hạn 5% là -3,49, và p-value bằng 0,5135. Không đủ bằng chứng bác bỏ H0, nên LNGDP không dừng ở dạng gốc.

Điều kiện Kết luận về H0 Ý nghĩa
Thống kê ADF nhỏ hơn (âm hơn) giá trị tới hạn 5%, \(p < 0{,}05\) Bác bỏ H0 Chuỗi dừng ở bậc đang kiểm định
Thống kê ADF lớn hơn giá trị tới hạn 5%, \(p \geq 0{,}05\) Không bác bỏ H0 Chuỗi có nghiệm đơn vị, cần lấy sai phân
\(0{,}05 \leq p < 0{,}10\) Bác bỏ ở mức 10% Bằng chứng yếu, nên kiểm tra chéo bằng PP và KPSS

Đọc kết quả kiểm định ADF ở sai phân bậc 1

Chạy lại với 1st difference, Intercept, độ trễ theo SIC. Ví dụ (số liệu minh họa): thống kê ADF của D(LNGDP) bằng -5,62, nhỏ hơn giá trị tới hạn 1% là -3,55, p-value bằng 0,0000. Bác bỏ H0, sai phân bậc 1 dừng. Kết luận: LNGDP là chuỗi I(1).

Lưu ý: thống kê của kiểm định ADF là số âm, nên "vượt ngưỡng" nghĩa là âm hơn giá trị tới hạn. Cách an toàn nhất là nhìn thẳng vào cột Prob.*.

Chạy kiểm định ADF bằng dfuller trên Stata

Trong Stata 17 và 18, lệnh dfuller thực hiện kiểm định ADF. Trước tiên phải khai báo dữ liệu chuỗi thời gian bằng tsset. Nếu bạn mới dùng Stata, bài phân tích dữ liệu bằng Stata sẽ giúp làm quen với cú pháp.

gen t = tq(2010q1) + _n - 1
format t %tq
tsset t
gen lngdp = ln(gdp)
dfuller lngdp, trend lags(2) regress
dfuller d.lngdp, lags(1)
pperron lngdp, trend
dfgls lngdp, maxlag(8)

Tùy chọn trend tương ứng Trend and intercept, mặc định là Intercept, noconstant tương ứng None. Lệnh dfuller không tự chọn trễ; hãy xem gợi ý từ dfgls rồi đưa vào lags(). Đọc thống kê Z(t) và MacKinnon approximate p-value.

Ví dụ: Với LNGDP (số liệu minh họa), dfuller lngdp, trend lags(2) cho Z(t) = -2,09 và p-value xấp xỉ 0,55; dfuller d.lngdp, lags(1) cho Z(t) = -5,48 và p-value 0,0000. Kết luận giống EViews: LNGDP là I(1). Khác biệt nhỏ về thống kê đến từ số trễ khác nhau.

Bổ sung kiểm định PP và KPSS để kiểm tra chéo

Kiểm định ADF có độ mạnh thấp khi mẫu nhỏ hoặc chuỗi có gãy cấu trúc, nên các bài báo thường báo cáo thêm hai kiểm định. Phillips-Perron (PP) có cùng giả thuyết với ADF nhưng hiệu chỉnh tự tương quan và phương sai thay đổi bằng phương pháp phi tham số (Newey-West), thay vì thêm trễ. Trên EViews, chỉ cần đổi Test type thành Phillips-Perron; kết quả đọc ở dòng Adj. t-Stat.

KPSS (Kwiatkowski và cộng sự, 1992) đảo ngược giả thuyết: H0 là chuỗi dừng, H1 là chuỗi có nghiệm đơn vị. Thống kê LM được so với giá trị tới hạn; nếu LM lớn hơn giá trị tới hạn thì bác bỏ tính dừng. KPSS trong EViews không có p-value, chỉ có giá trị tới hạn tiệm cận, ví dụ 0,463 ở mức 5% cho dạng Intercept và 0,146 cho dạng Trend and intercept.

So sánh kiểm định ADF với Phillips-Perron và KPSS
Giả thuyết và cách kết luận của ADF, PP và KPSS

Khi kiểm định ADF và KPSS cùng chỉ một hướng, kết luận rất vững. Khi chúng mâu thuẫn, hãy ghi nhận trung thực, xem lại dạng phương trình, độ trễ và khả năng gãy cấu trúc (View > Unit Root Tests > Breakpoint Unit Root Test). Giải pháp an toàn là dùng mô hình chấp nhận cả I(0) lẫn I(1) như mô hình ARDL.

Lấy sai phân và chọn mô hình sau kiểm định ADF

Khi kiểm định ADF kết luận chuỗi không dừng, lấy sai phân bậc 1 trong EViews bằng lệnh series dlngdp = d(lngdp), trong Stata bằng toán tử D.lngdp. Sai phân của log xấp xỉ tốc độ tăng trưởng, nên diễn giải rất tự nhiên. Tuy nhiên, sai phân làm mất thông tin về quan hệ dài hạn, vì vậy không nên sai phân máy móc mọi biến.

Kết quả kiểm định ADF định hướng việc chọn mô hình. Tất cả biến I(0): dùng OLS hoặc mô hình VAR ở dạng gốc. Tất cả biến I(1): kiểm định đồng liên kết Johansen, có đồng liên kết thì dùng VECM, không có thì VAR ở sai phân. Hỗn hợp I(0) và I(1), không có biến I(2): ARDL kèm bounds test. Dự báo đơn biến: xem ARIMA trên EViews, với bậc d là bậc tích hợp tìm được.

Lưu ý: Nếu có biến I(2), bounds test của ARDL không còn hợp lệ. Luôn chạy kiểm định ADF ở sai phân bậc 1 cho mọi biến để chắc chắn không có biến nào cần sai phân hai lần.

Cách viết kết quả kiểm định ADF trong luận văn theo APA

Bảng kết quả nên có các cột: tên biến, dạng phương trình, độ trễ, thống kê ADF ở Level, thống kê ADF ở 1st difference, kết luận bậc tích hợp. Đánh dấu mức ý nghĩa bằng dấu sao và ghi chú tiêu chí chọn trễ dưới bảng. Thống kê làm tròn 2 chữ số thập phân, p-value 3 chữ số.

Câu mẫu (số liệu minh họa): "Kết quả kiểm định ADF cho thấy chuỗi LNGDP không dừng ở dạng gốc, ADF = -2,14, p = 0,514 (có hằng số và xu thế, độ trễ chọn theo SIC). Sau khi lấy sai phân bậc 1, chuỗi dừng, ADF = -5,62, p < 0,001. Kiểm định KPSS cho kết luận tương tự, do đó LNGDP được xác định là chuỗi I(1)."

Lỗi thường gặp khi chạy kiểm định ADF và cách xử lý

  • So sánh sai chiều. Thấy giá trị tuyệt đối của thống kê nhỏ hơn giá trị tới hạn nhưng lại kết luận dừng. Cách xử lý: luôn đọc cột Prob.* và nhớ thống kê phải âm hơn giá trị tới hạn.
  • Chọn dạng phương trình không dựa trên đồ thị. Chạy cả ba dạng rồi chọn dạng cho kết quả "đẹp". Cách xử lý: quyết định dạng trước khi chạy, dựa trên đồ thị và lý thuyết.
  • Mẫu quá ngắn. 15 đến 20 quan sát năm khiến kiểm định ADF gần như không có độ mạnh. Cách xử lý: dùng dữ liệu quý nếu có, bổ sung KPSS, thận trọng khi kết luận.
  • Bỏ qua gãy cấu trúc. Khủng hoảng 2008 hay đại dịch 2020 có thể làm chuỗi dừng trông như không dừng. Cách xử lý: chạy Breakpoint Unit Root Test hoặc thêm biến giả.

Muốn luyện tay với số liệu thật thay vì số liệu minh họa, bạn có thể lấy chuỗi vĩ mô Việt Nam theo hướng dẫn trong bài dữ liệu World Bank hoặc tải dữ liệu mẫu miễn phí của Kaas.vn.

Checklist trước khi báo cáo kiểm định ADF

  • Đã vẽ đồ thị từng chuỗi trước khi chạy kiểm định ADF và ghi lý do chọn None, Intercept hay Trend and intercept.
  • Đã lấy log cho chuỗi giá trị dương có phương sai tăng theo thời gian.
  • Đã ghi tiêu chí chọn độ trễ (SIC hoặc AIC) và số trễ tối đa.
  • Đã kiểm định cả Level và 1st difference cho mọi biến, xác nhận không có biến I(2).
  • Đã kiểm tra chéo bằng PP hoặc KPSS, giải thích nếu có mâu thuẫn.
  • Bảng kết quả có ghi chú nguồn giá trị tới hạn (MacKinnon, 1996) và dấu sao mức ý nghĩa.

Câu hỏi thường gặp về kiểm định ADF

Kiểm định ADF cần tối thiểu bao nhiêu quan sát?

Không có ngưỡng cứng, nhưng dưới 30 quan sát thì kiểm định ADF có độ mạnh rất thấp. Với dữ liệu năm, nhiều luận văn chỉ có 20 đến 30 điểm, khi đó nên báo cáo thêm KPSS và diễn giải thận trọng.

P-value bằng 0,07 thì kết luận chuỗi dừng hay không?

Ở mức 5%, chưa bác bỏ được H0, chuỗi chưa dừng. Một số tác giả chấp nhận mức 10%, nhưng bạn cần nói rõ mức ý nghĩa dùng thống nhất cho toàn bài và nên kiểm tra chéo bằng PP và KPSS.

Kiểm định ADF trên EViews và Stata cho kết quả khác nhau, vì sao?

Nguyên nhân chủ yếu là số trễ khác nhau: EViews tự chọn theo SIC, còn dfuller mặc định 0 trễ nếu không khai báo lags(). Khi cùng dạng phương trình và cùng số trễ, hai phần mềm cho kết quả gần như trùng nhau.

Có cần chạy kiểm định ADF cho phần dư không?

Có, trong phương pháp đồng liên kết Engle-Granger, phần dư hồi quy dài hạn phải dừng. Tuy nhiên giá trị tới hạn khi đó khác với kiểm định ADF thông thường, nên cần dùng bảng giá trị tới hạn của Engle-Granger.

Dữ liệu bảng có dùng kiểm định ADF được không?

Kiểm định ADF đơn chuỗi không phù hợp với dữ liệu bảng; thay vào đó dùng Levin-Lin-Chu, Im-Pesaran-Shin hoặc Fisher-ADF. Trong EViews, mở nhóm biến trong workfile dạng panel rồi chọn Unit Root Test; trong Stata dùng xtunitroot.

Cần người hướng dẫn chạy chuỗi thời gian?

Kaas.vn hỗ trợ qua dịch vụ EViews: hướng dẫn từng bước, giải thích kết quả và bàn giao file để bạn tự chạy lại; chúng tôi không viết thay và không chỉnh số liệu. Bạn cũng có thể luyện tập với bộ dữ liệu thực hành chuỗi thời gian.

Tài liệu tham khảo

  • Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366a), 427-431. doi:10.1080/01621459.1979.10482531
  • Kwiatkowski, D., Phillips, P. C. B., Schmidt, P., & Shin, Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, 54(1-3), 159-178. doi:10.1016/0304-4076(92)90104-Y
  • Wooldridge, J. M. (2020). Introductory econometrics: A modern approach (7th ed.). Cengage.
  • American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
Đánh giá bài post
Bạn có đề tài và mô hình riêng?

Gửi mô hình (ảnh, Word, PDF) và chọn SPSS, AMOS, SmartPLS, Stata, Eviews hoặc R. Kaas.vn đề xuất phương án và báo giá miễn phí.

Đặt phân tích theo yêu cầu

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

0947 971 630