Trong quá trình nghiên cứu, đặc biệt là trong lĩnh vực kinh tế lượng, bạn có thể đã từng nghe đến thuật ngữ “hiện tượng nội sinh”. Đây là một khái niệm phức tạp và có thể gây khó khăn cho những người mới bắt đầu. Bài viết này sẽ giải thích một cách dễ hiểu về hiện tượng nội sinh, các nguyên nhân chính dẫn đến hiện tượng này và phương pháp sử dụng biến công cụ để xử lý.
Mục Lục
Định Nghĩa Hiện Tượng Nội Sinh
Hiện tượng nội sinh xảy ra khi một hoặc nhiều biến giải thích (biến X) có mối quan hệ với sai số của mô hình. Sai số của mô hình (u) đại diện cho ảnh hưởng của những biến mà chúng ta không quan sát được hoặc không đưa vào mô hình.
Xét mô hình hồi quy đơn giản:
Y = a + bX + u
Trong đó:
- Y là biến phụ thuộc
- X là biến giải thích
- a là hệ số chặn
- b là hệ số hồi quy
- u là sai số
Sai số u đại diện cho những yếu tố khác ảnh hưởng đến Y nhưng không được đưa vào mô hình. Điều quan trọng là sai số này phải thỏa mãn giả định:
E(u|X) = 0
Giả định này có nghĩa là giá trị trung bình của sai số không có mối quan hệ với biến X. Nếu giả định này bị vi phạm, tức là có một mối quan hệ giữa sai số u và biến X, thì hiện tượng nội sinh xảy ra. Khi đó, các ước lượng hệ số hồi quy bằng phương pháp OLS (Ordinary Least Squares) sẽ bị chệch (biased) và không phản ánh đúng mối quan hệ thực tế giữa X và Y.
Ví dụ, nếu chúng ta muốn nghiên cứu mối quan hệ giữa số năm đi học (X) và thu nhập (Y). Tuy nhiên, nếu không đưa yếu tố “năng lực cá nhân” vào mô hình, sai số u sẽ bao gồm cả yếu tố này. Năng lực cá nhân có thể ảnh hưởng đến cả số năm đi học và thu nhập, do đó tạo ra mối quan hệ giữa X và u, dẫn đến hiện tượng nội sinh. Trong trường hợp này, “số năm đi học” được gọi là biến nội sinh.
Nguyên Nhân Dẫn Đến Hiện Tượng Nội Sinh
Hiện tượng nội sinh thường xảy ra do ba nguyên nhân chính:
1. Bỏ Sót Biến (Omitted Variable Bias)
Đây là nguyên nhân phổ biến nhất, xảy ra khi một hoặc nhiều biến quan trọng bị bỏ qua trong mô hình.
Ví dụ, mô hình đúng nên là:
Y = a + b1*X1 + b2*X2 + ε
Trong đó:
- X1 là số năm đi học
- X2 là năng lực cá nhân
- ε là sai số (không tương quan với X1 và X2)
Nhưng vì thiếu dữ liệu về năng lực cá nhân (X2), chúng ta chỉ ước lượng được mô hình:
Y = a + b1*X1 + u
Khi đó, sai số u sẽ bao gồm cả ảnh hưởng của X2:
u = b2*X2 + ε
Vì X2 có thể liên quan đến X1, nên u và X1 có mối quan hệ với nhau, gây ra hiện tượng nội sinh.
2. Mối Quan Hệ Đồng Thời (Simultaneity Bias)
Hiện tượng này xảy ra khi biến X và biến Y tác động lẫn nhau.
Ví dụ kinh điển là mối quan hệ giữa tỷ lệ tội phạm (Y) và số lượng cảnh sát (X). Tỷ lệ tội phạm có thể ảnh hưởng đến số lượng cảnh sát được triển khai, và ngược lại, số lượng cảnh sát có thể ảnh hưởng đến tỷ lệ tội phạm.
Khi X và Y tác động lẫn nhau, mối quan hệ giữa chúng có thể được biểu diễn bằng hai phương trình:
(1) Y = a0 + a1*X + u
(2) X = b0 + b1*Y + v
Nếu chỉ xem xét một trong hai phương trình, chúng ta bỏ qua tác động đồng thời giữa X và Y, dẫn đến hiện tượng nội sinh. Sai số u trong phương trình (1) có mối quan hệ với Y, mà Y lại ảnh hưởng đến X trong phương trình (2), do đó X và u có mối quan hệ với nhau.
3. Lỗi Đo Lường Biến (Measurement Error)
Lỗi này xảy ra khi biến giải thích (X) được đo lường không chính xác.
Giả sử mô hình đúng là:
Y = a + b*X + ε
Nhưng thay vì đo lường X, chúng ta lại đo lường X* với một sai số đo lường v:
X* = X + v
Mô hình được ước lượng trở thành:
Y = a + b*X* + u
Trong đó, sai số u bao gồm cả sai số ε và một phần của sai số đo lường v:
u = ε – b*v
Điều này gây ra hiện tượng nội sinh vì v trong sai số mới có mối quan hệ trực tiếp với biến X*.
Giải Pháp: Sử Dụng Biến Công Cụ (Instrumental Variable)
Khi hiện tượng nội sinh xảy ra, ước lượng OLS sẽ bị chệch. Để khắc phục, chúng ta có thể sử dụng phương pháp biến công cụ (IV).
Biến công cụ (Z) là một biến có mối quan hệ chặt chẽ với biến nội sinh (X) nhưng không có mối quan hệ trực tiếp với sai số u của mô hình gốc. Một biến Z được coi là biến công cụ tốt nếu thỏa mãn hai điều kiện sau:
- Tính liên quan (Relevance): Biến Z có mối quan hệ mạnh mẽ với biến X. Điều này có thể được kiểm tra bằng cách hồi quy X trên Z.
- Tính ngoại sinh (Exogeneity): Biến Z không có mối quan hệ với sai số
ucủa mô hình gốc. Điều này khó kiểm tra trực tiếp và thường dựa vào lý thuyết và lập luận kinh tế.
Khi sử dụng biến công cụ, mô hình được ước lượng theo hai bước:
Bước 1: Ước lượng X từ Z bằng cách chạy hồi quy X trên Z:
X = c + d*Z + e
Sau đó, lấy ra giá trị ước lượng của X (X̂):
X̂ = c + d*Z
Bước 2: Thay X bằng X̂ trong mô hình hồi quy với Y:
Y = a + b*X̂ + u
Hệ số b ước lượng được trong bước 2 sẽ không bị chệch do hiện tượng nội sinh.
Ví dụ, trong nghiên cứu của Angrist và Krueger (1991), họ sử dụng quý sinh của một người làm biến công cụ cho số năm đi học. Họ lập luận rằng quý sinh có liên quan đến số năm đi học (vì luật đi học ở Mỹ), nhưng không liên quan trực tiếp đến khả năng hay động lực của một người (sai số u).
Tuy nhiên, việc tìm kiếm và chứng minh một biến công cụ tốt không phải là điều dễ dàng. Điều kiện tính ngoại sinh (Z không tương quan với u) rất khó kiểm tra và thường đòi hỏi những lập luận chặt chẽ.
Kết Luận
Hiện tượng nội sinh là một vấn đề quan trọng trong nghiên cứu kinh tế lượng. Việc hiểu rõ về hiện tượng này, các nguyên nhân gây ra và phương pháp giải quyết là rất quan trọng để đảm bảo tính chính xác và tin cậy của kết quả nghiên cứu. Khi xây dựng mô hình hồi quy, hãy luôn đặt câu hỏi về hiện tượng nội sinh và xem xét liệu mô hình của bạn có thể mắc phải các lỗi bỏ sót biến, mối quan hệ đồng thời hoặc lỗi đo lường biến hay không. Việc sử dụng biến công cụ là một phương pháp hiệu quả để giải quyết hiện tượng nội sinh, nhưng đòi hỏi sự cẩn trọng và lập luận chặt chẽ để đảm bảo tính hợp lệ của biến công cụ.
Tài Liệu Tham Khảo
- Damodar Gujarati (2012), Econometrics by example, chapter 19.
- Angrist and Pischke (2015), Mastering metrics – The path from cause to effect, Chapter 3.