Phân tích dữ liệu bảng bằng Stata: 7 bước từ FEM, REM đến GMM

Phân tích dữ liệu bảng bằng Stata là lựa chọn phổ biến nhất cho luận văn tài chính, ngân hàng, kinh tế phát triển, nơi dữ liệu gồm nhiều doanh nghiệp, ngân hàng hay tỉnh thành được quan sát qua nhiều năm. Stata có bộ lệnh chuyên dụng cho dữ liệu bảng, từ Pooled OLS, mô hình tác động cố định (FEM), tác động ngẫu nhiên (REM) đến GMM hệ thống. Bài viết này của Kaas.vn hướng dẫn bạn 7 bước phân tích dữ liệu bảng bằng Stata, kèm lệnh mẫu, cách đọc kết quả và cách xử lý khuyết tật mô hình.

Dữ liệu bảng là gì?

Dữ liệu bảng (panel data) là dữ liệu của nhiều đối tượng (doanh nghiệp, ngân hàng, quốc gia) được theo dõi qua nhiều thời điểm. Ví dụ: báo cáo tài chính của 120 công ty niêm yết trong giai đoạn 2014-2023 tạo thành bảng 1.200 quan sát. Dữ liệu bảng được gọi là cân bằng khi mọi đối tượng có đủ số năm, và không cân bằng khi một số đối tượng thiếu năm.

Ưu điểm lớn của dữ liệu bảng là kiểm soát được những đặc điểm riêng không quan sát được của từng đối tượng (văn hóa doanh nghiệp, năng lực quản lý) mà dữ liệu chéo không làm được. Đây là lý do phân tích dữ liệu bảng bằng Stata trở thành phương pháp chủ đạo trong nghiên cứu tài chính doanh nghiệp.

Vì sao chọn Stata cho dữ liệu bảng?

Stata có cú pháp ngắn gọn, bộ lệnh xt chuyên cho dữ liệu bảng, cộng đồng người dùng lớn với nhiều lệnh mở rộng (như xtabond2, xtscc) và khả năng lưu toàn bộ quy trình trong do-file để tái lập. Stata là phần mềm thương mại của StataCorp; bạn có thể dùng bản quyền của trường hoặc giấy phép sinh viên tại stata.com.

Chuẩn bị dữ liệu trước khi phân tích dữ liệu bảng bằng Stata

1. Nguồn dữ liệu hợp pháp: báo cáo tài chính đã kiểm toán do doanh nghiệp công bố, dữ liệu từ Ngân hàng Thế giới, Tổng cục Thống kê hoặc cơ sở dữ liệu thương mại mà bạn có quyền sử dụng. Tuân thủ điều khoản bản quyền của nhà cung cấp dữ liệu, không chia sẻ lại dữ liệu thương mại khi không được phép.
2. Định dạng dài (long format): mỗi dòng là một đối tượng tại một năm, gồm cột mã đối tượng (id), năm (year) và các biến.
3. Định nghĩa biến rõ ràng: ví dụ ROA = lợi nhuận sau thuế / tổng tài sản bình quân, kèm trích dẫn nghiên cứu sử dụng cách đo tương tự.
4. Xử lý ngoại lai có cơ sở: nếu winsorize ở mức 1% và 99%, phải ghi rõ trong phần phương pháp.

Hướng dẫn 7 bước phân tích dữ liệu bảng bằng Stata

Bước 1: Khai báo dữ liệu bảng

Nhập dữ liệu (import excel) rồi khai báo cấu trúc bảng:

encode ticker, gen(id)
xtset id year
xtdescribe

Lệnh xtdescribe cho biết dữ liệu cân bằng hay không cân bằng và phân bố số năm của các đối tượng.

Bước 2: Thống kê mô tả và ma trận tương quan

summarize roa lev size growth tang
xtsum roa lev size
pwcorr roa lev size growth tang, sig star(.05)

xtsum tách độ biến thiên giữa các đối tượng (between) và trong từng đối tượng theo thời gian (within), giúp bạn hiểu dữ liệu trước khi chọn mô hình.

Bước 3: Ước lượng Pooled OLS, FEM và REM

reg roa lev size growth tang
estat vif
xtreg roa lev size growth tang, fe
estimates store fe
xtreg roa lev size growth tang, re
estimates store re

Pooled OLS gộp toàn bộ quan sát, bỏ qua tính bảng. FEM cho phép mỗi đối tượng có hằng số riêng, tương quan được với biến độc lập. REM coi sự khác biệt giữa các đối tượng là ngẫu nhiên, không tương quan với biến độc lập. Kiểm tra đa cộng tuyến bằng VIF sau Pooled OLS.

Bước 4: Kiểm định lựa chọn mô hình

So sánh	Kiểm định	Lệnh Stata
Pooled OLS và FEM	Kiểm định F (cuối bảng xtreg, fe)	xtreg ..., fe
Pooled OLS và REM	Breusch-Pagan LM	xttest0 (sau xtreg, re)
FEM và REM	Hausman	hausman fe re

Nếu kiểm định Hausman bác bỏ giả thuyết H0 (p < 0,05), FEM được ưu tiên; ngược lại REM phù hợp hơn. Khi phân tích dữ liệu bảng bằng Stata có sai số chuẩn vững, có thể dùng kiểm định Mundlak hoặc lệnh xtoverid (lệnh mở rộng) thay cho Hausman truyền thống.

Bước 5: Kiểm định khuyết tật mô hình

• Phương sai sai số thay đổi: kiểm định Wald sửa đổi bằng xttest3 (lệnh mở rộng, chạy sau FEM).
• Tự tương quan: kiểm định Wooldridge bằng xtserial (lệnh mở rộng).
• Phụ thuộc chéo: kiểm định Pesaran CD bằng xtcsd, pesaran khi số đối tượng lớn hơn số năm.

Các lệnh mở rộng cài bằng ssc install hoặc search; hãy ghi rõ tên lệnh và tác giả trong phần phương pháp.

Bước 6: Khắc phục khuyết tật

• Sai số chuẩn vững theo cụm: xtreg ..., fe vce(cluster id) khắc phục cả phương sai thay đổi và tự tương quan trong từng đối tượng.
• Driscoll-Kraay: xtscc khi có thêm phụ thuộc chéo.
• FGLS: xtgls ..., panels(heteroskedastic) corr(ar1) khi số năm đủ lớn so với số đối tượng.

Lựa chọn phương pháp khắc phục phải dựa trên kết quả kiểm định, không dựa trên phương pháp nào cho hệ số "có ý nghĩa" hơn.

Bước 7: Xử lý nội sinh bằng GMM

Khi mô hình có biến trễ của biến phụ thuộc hoặc nghi ngờ nội sinh (ví dụ đòn bẩy và lợi nhuận tác động qua lại), GMM hệ thống (system GMM) của Arellano-Bover/Blundell-Bond là lựa chọn phổ biến:

xtabond2 roa L.roa lev size growth tang i.year, ///
  gmm(L.roa lev, lag(2 3) collapse) iv(size growth tang i.year) ///
  twostep robust small

Đọc kết quả: kiểm định Arellano-Bond AR(2) không có ý nghĩa (không tự tương quan bậc 2), kiểm định Hansen không bác bỏ tính hợp lệ của biến công cụ, và số biến công cụ không vượt quá số đối tượng (Roodman, 2009). Báo cáo đầy đủ các chỉ số này trong luận văn.

Chọn biến kiểm soát cho mô hình dữ liệu bảng

Biến kiểm soát giúp tách riêng tác động của biến quan tâm khỏi các yếu tố khác. Trong nghiên cứu tài chính doanh nghiệp, các biến kiểm soát thường gặp gồm quy mô doanh nghiệp (logarit tổng tài sản), tuổi doanh nghiệp, tăng trưởng doanh thu, tỷ lệ tài sản cố định hữu hình và tính thanh khoản. Mỗi biến kiểm soát nên được lựa chọn dựa trên lý thuyết và các nghiên cứu trước, được trích dẫn rõ ràng, thay vì thêm bớt tùy theo kết quả trên Stata.

Một nguyên tắc hữu ích là liệt kê toàn bộ biến và cách đo trong một bảng định nghĩa biến ở chương phương pháp, kèm dấu kỳ vọng và nguồn trích dẫn. Bảng này giúp hội đồng nhanh chóng nắm được logic mô hình và đánh giá tính hợp lý của kết quả.

Các lệnh Stata hữu ích cho dữ liệu bảng

Mục đích	Lệnh Stata	Ghi chú
Khai báo bảng	xtset id year	Bắt buộc trước mọi lệnh xt
Mô tả cấu trúc	xtdescribe, xtsum	Kiểm tra cân bằng, biến thiên within/between
Hồi quy gộp	reg	Kèm estat vif
Tác động cố định, ngẫu nhiên	xtreg, fe / xtreg, re	Thêm vce(cluster id) khi cần
Hiệu ứng cố định nhiều chiều	reghdfe	Lệnh mở rộng, nhanh với dữ liệu lớn
GMM hệ thống	xtabond2	Lệnh mở rộng của Roodman
Xuất bảng kết quả	esttab, outreg2	Xuất sang Word, Excel, LaTeX

Hiệu ứng thời gian và biến giả năm trong Stata

Các cú sốc chung cho mọi đối tượng trong cùng một năm (khủng hoảng, thay đổi chính sách, đại dịch) có thể làm sai lệch ước lượng nếu bị bỏ qua. Trong Stata, bạn thêm biến giả năm bằng cú pháp i.year vào mô hình FEM, REM hoặc GMM, sau đó kiểm định đồng thời các biến giả năm bằng testparm i.year. Nếu các biến giả có ý nghĩa đồng thời, nên giữ hiệu ứng thời gian trong mô hình và trình bày rõ trong bảng kết quả.

Kiểm định độ vững của kết quả

Một luận văn thuyết phục thường có phần kiểm định độ vững (robustness check) cho thấy kết luận không phụ thuộc vào một lựa chọn kỹ thuật duy nhất. Với Stata, các cách phổ biến gồm: đo biến phụ thuộc theo cách khác (ROE thay cho ROA), ước lượng trên mẫu con (loại giai đoạn khủng hoảng), dùng phương pháp ước lượng khác (GMM, Driscoll-Kraay). Điều quan trọng là mọi kiểm định độ vững đều được lên kế hoạch và báo cáo đầy đủ, kể cả khi kết quả khác với mô hình chính.

Do-file mẫu và nguyên tắc tái lập

Hãy tổ chức do-file theo thứ tự: đường dẫn và nhập dữ liệu, tạo biến, thống kê mô tả, ước lượng, kiểm định, xuất bảng. Mở log-file ở đầu (log using ketqua.log, replace) và đóng ở cuối để lưu toàn bộ output. Ghi chú bằng dấu * trước mỗi khối lệnh. Khi gửi kết quả cho giảng viên hướng dẫn, kèm theo do-file và log-file sẽ giúp quá trình góp ý nhanh và minh bạch hơn nhiều so với chỉ gửi bảng kết quả trong Word.

Trình bày kết quả phân tích dữ liệu bảng bằng Stata

Bảng kết quả chuẩn thường đặt Pooled OLS, FEM, REM (và GMM nếu có) cạnh nhau, mỗi cột ghi hệ số, sai số chuẩn trong ngoặc, ký hiệu mức ý nghĩa, số quan sát, số đối tượng, R² within, các kiểm định F, LM, Hausman. Lệnh esttab hoặc outreg2 giúp xuất bảng sang Word gọn gàng. Lưu do-file đầy đủ để bất kỳ ai cũng chạy lại được kết quả.

Ví dụ minh họa: các yếu tố tác động đến ROA

Một nghiên cứu với 120 doanh nghiệp niêm yết giai đoạn 2014-2023 (1.180 quan sát, bảng không cân bằng) xem xét tác động của đòn bẩy, quy mô, tăng trưởng và tài sản hữu hình đến ROA. Kiểm định F và LM đều bác bỏ Pooled OLS; kiểm định Hausman chọn FEM. Các kiểm định xttest3 và xtserial phát hiện phương sai thay đổi và tự tương quan, nên FEM được ước lượng với sai số chuẩn cụm theo doanh nghiệp.

Đòn bẩy có tác động âm và có ý nghĩa đến ROA; quy mô có tác động dương; tăng trưởng không có ý nghĩa thống kê và được báo cáo, thảo luận trung thực. Mô hình GMM được ước lượng bổ sung như một kiểm tra độ vững, với AR(2) và Hansen đạt yêu cầu. Toàn bộ quy trình được lưu trong một do-file.

Lỗi thường gặp khi phân tích dữ liệu bảng bằng Stata

1. Quên xtset hoặc khai báo sai biến thời gian, khiến các lệnh trễ (L.) cho kết quả sai.
2. Chỉ chạy Hausman mà bỏ qua kiểm định F và LM.
3. Chọn mô hình theo hệ số "có ý nghĩa" thay vì theo kiểm định.
4. Dùng GMM với quá nhiều biến công cụ làm kiểm định Hansen mất hiệu lực.
5. Không ghi nguồn dữ liệu hoặc dùng dữ liệu không rõ xuất xứ.
6. Không lưu do-file, không tái lập được kết quả khi hội đồng yêu cầu.

Hỗ trợ phân tích dữ liệu bảng bằng Stata tại Kaas.vn

Kaas.vn hỗ trợ kiểm tra cấu trúc dữ liệu, ước lượng Pooled OLS, FEM, REM, các kiểm định lựa chọn và khuyết tật, khắc phục bằng sai số chuẩn vững, Driscoll-Kraay, FGLS, GMM và giải thích kết quả. Bạn nhận do-file, log-file và bảng kết quả để tự tái lập. Xem Dịch vụ chạy Stata, dịch vụ chạy định lượng và bảng giá. Nếu dữ liệu của bạn là chuỗi thời gian vĩ mô, xem thêm chạy Eview.

Kaas.vn tuân thủ Cam kết liêm chính học thuật: không cung cấp hay chỉnh sửa số liệu tài chính, không chọn mô hình theo kết quả mong muốn.

Câu hỏi thường gặp về phân tích dữ liệu bảng bằng Stata

Dữ liệu bảng cần bao nhiêu năm và bao nhiêu đối tượng?

Không có ngưỡng cố định. Với FEM và REM, nhiều đối tượng và ít năm (N lớn, T nhỏ) là cấu trúc phổ biến. GMM hệ thống được thiết kế cho N lớn và T nhỏ; khi T lớn, nên cân nhắc các phương pháp khác và kiểm định tính dừng của dữ liệu bảng.

R² của FEM thấp có sao không?

R² within của FEM chỉ đo phần biến thiên theo thời gian trong từng đối tượng được giải thích, nên thường thấp hơn R² của Pooled OLS. Điều quan trọng là mô hình được lựa chọn đúng và các hệ số được diễn giải chính xác.

Có thể phân tích dữ liệu bảng bằng phần mềm miễn phí không?

Có. Gói plm trong R hỗ trợ Pooled OLS, FEM, REM, Hausman và GMM. Xem bài RStudio và phân tích tự động để bắt đầu với R.

Nên dùng sai số chuẩn cụm hay FGLS?

Sai số chuẩn cụm phù hợp với N lớn, T nhỏ và là lựa chọn an toàn phổ biến. FGLS đòi hỏi T đủ lớn so với N. Hãy chọn theo cấu trúc dữ liệu và trích dẫn tài liệu phương pháp phù hợp.

Kết luận

Phân tích dữ liệu bảng bằng Stata không chỉ là chạy vài lệnh hồi quy. Đó là chuỗi quyết định có cơ sở: khai báo đúng cấu trúc, so sánh mô hình bằng kiểm định, phát hiện và khắc phục khuyết tật, xử lý nội sinh khi cần và báo cáo minh bạch. Làm đúng 7 bước trong bài và lưu do-file, bạn sẽ có một kết quả thuyết phục và có thể kiểm chứng.

Tài liệu tham khảo

• Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
• Baltagi, B. H. (2021). Econometric Analysis of Panel Data (6th ed.). Springer.
• Roodman, D. (2009). How to do xtabond2: An introduction to difference and system GMM in Stata. The Stata Journal, 9(1), 86-136.
• StataCorp. Stata Longitudinal-Data/Panel-Data Reference Manual.