Chương 11: Phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh (Survival, Duration & Competing-Risks Analysis)
survival_duration), chúng ta sẽ cùng nhau làm chủ 8 mô hình kinh tế lượng được phân bổ có hệ thống vào 4 nhóm phương pháp chuyên sâu. Trọng tâm cốt lõi của chương là giải quyết câu hỏi: “Làm sao để mô hình hóa thời gian tồn tại doanh nghiệp, thời gian thất nghiệp hoặc thời gian vỡ nợ khi dữ liệu bị kiểm duyệt phải và có các sự kiện cạnh tranh loại trừ nhau?” thông qua thực hành đối chứng 100% trên bộ ba công cụ Stata 18 MP, R 4.x và Python 3.11+ với dữ liệu thực tế từ EcoData và phòng thí nghiệm EcoLab.1. Đặt vấn đề & Bối cảnh Nghiên cứu của Chương 11
Trong hành trình thực hiện khóa luận tốt nghiệp, luận văn thạc sĩ, luận án tiến sĩ hay các công bố quốc tế chuẩn ISI/Scopus giai đoạn 2021–2026, việc lựa chọn đúng họ mô hình kinh tế lượng (econometric model family, survival_duration) quyết định trực tiếp tính hợp lệ nội tại của toàn bộ nghiên cứu. Rất nhiều bản thảo bị tạp chí từ chối ngay vòng đầu tiên không phải vì thiếu dữ liệu, mà vì nhà nghiên cứu áp dụng ước lượng cổ điển khi cấu trúc dữ liệu đòi hỏi các kỹ thuật chuyên biệt của Phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh.
Ở Chương 11 này, chúng ta sẽ tiếp cận từng phương pháp từ trực giác kinh tế gần gũi nhất, đi qua cấu trúc đại số và xác suất vừa đủ để hiểu rõ bản chất nhận dạng, rồi trực tiếp thực thi trên cả ba nền tảng phần mềm phổ biến nhất hiện nay. Như biểu diễn tổng quát trong công thức (1), cấu trúc toán học nền tảng của họ mô hình survival_duration được đặt trên hệ tiên đề sau:
$$h(t mid X_i) = h_0(t)exp(X_i^top beta), quad S(t mid X_i) = expleft(-int_0^t h(u mid X_i),duright) tag{1}$$
Từ công thức (1), chúng ta có thể thấy rõ cách thức mà từng nhóm mô hình con trong chương mở rộng hoặc nới lỏng các giả định khắt khe về kỳ vọng có điều kiện, ma trận hiệp phương sai của nhiễu và cơ chế nội sinh trong dữ liệu kinh tế Việt Nam.
2. Bản đồ Cấu trúc 4 Nhóm Phương pháp Con thuộc Chương 11
Để giúp bạn dễ dàng định vị phương pháp phù hợp nhất với đề tài và cấu trúc dữ liệu của mình, bảng dưới đây tổng hợp toàn bộ 4 nhóm con và 8 bài học trong Chương 11:
| Mã Nhóm | Tên Nhóm Phương pháp (sub_model) |
Quy mô | Danh sách Bài học & Mô hình thuộc Nhóm |
|---|---|---|---|
| Nhóm 11.1 | nonparametric — Sống sót phi tham số |
2 mô hình | B171 (kaplan_meier), B172 (nelson_aalen) |
| Nhóm 11.2 | semiparametric — Bán tham số Cox |
2 mô hình | B173 (cox_ph), B174 (cox_time_varying) |
| Nhóm 11.3 | parametric — Sống sót tham số AFT |
2 mô hình | B175 (weibull_aft), B176 (lognormal_aft) |
| Nhóm 11.4 | competing_discrete — Sống sót tham số AFT |
2 mô hình | B177 (discrete_time_hazard), B178 (fine_gray_competing_risks) |
3. Danh mục Chi tiết 8 Mô hình Kinh tế lượng & Bộ Công cụ Tri-Engine
Mỗi bài học dưới đây đều được thiết kế theo bố cục 8 phần chuẩn sư phạm: từ giới thiệu phương pháp, tình huống dữ liệu thực tế tại Việt Nam, diễn giải toán học, gói lệnh Stata 18 / R 4.x / Python 3.11+, đến thực hành từng bước và kiến giải chính sách:
| Mã Bài | Khóa Mô hình | Tên Bài học Chuyên sâu | Cấp độ | Gói Thư viện Tri-Engine (Stata · R · Python) | Dữ liệu Thực nghiệm Việt Nam (EcoData) |
|---|---|---|---|---|---|
| B171 | kaplan_meier |
Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank | L1 | base Stata · survival · lifelines |
Thời gian tồn tại của doanh nghiệp mới thành lập |
| B172 | nelson_aalen |
Ước lượng hàm nguy cơ tích lũy phi tham số Nelson–Aalen | L2 | base Stata · survival · lifelines |
Tích lũy nguy cơ rút lui khỏi thị trường xuất khẩu |
| B173 | cox_ph |
Mô hình nguy cơ tỷ lệ bán tham số của Cox và kiểm định Schoenfeld (Cox Proportional Hazards) | L1 | base Stata · survival · lifelines |
Các yếu tố quyết định thời gian thoát nghèo / tìm việc |
| B174 | cox_time_varying |
Mô hình nguy cơ Cox với biến giải thích thay đổi theo thời gian (Time-Varying Covariates Cox) | L3 | base Stata · survival · lifelines |
Rủi ro hủy niêm yết theo chỉ số tài chính hàng năm |
| B175 | weibull_aft |
Mô hình thời gian thất bại tăng tốc tham số Weibull (Weibull AFT & PH) | L2 | base Stata · survival · lifelines |
Thời gian duy trì dòng thương mại mặt hàng Hải quan |
| B176 | lognormal_aft |
Mô hình thời gian sống sót Log-Normal với hàm nguy cơ không đơn điệu (Log-Normal AFT) | L2 | base Stata · survival · lifelines |
Thời gian hoàn thành dự án đầu tư công |
| B177 | discrete_time_hazard |
Mô hình nguy cơ thời gian rời rạc Prentice–Gloeckler cho dữ liệu bảng theo kỳ (CLogLog Hazard) | L4 | cloglog trên dữ liệu mở rộng person-period / pgmhaz8 · discSurv / stats · statsmodels |
Chuyển đổi trạng thái trên dữ liệu bảng năm VHLSS |
| B178 | fine_gray_competing_risks |
Mô hình nguy cơ phân phối con cho rủi ro cạnh tranh Fine–Gray (stcrreg / cmprsk) | L4 | Stata stcrreg · cmprsk · IPCW |
Vỡ nợ khoản vay vs Tất toán trước hạn; Phá sản vs M&A |
4. Cây Quyết định Lựa chọn Mô hình & Bộ Kiểm định Chẩn đoán Bắt buộc
Khi đứng trước bộ dữ liệu thực tế của đề tài, chúng ta cần tuân thủ quy trình kiểm định tiền ước lượng (pre-estimation) và hậu ước lượng (post-estimation) nghiêm ngặt. Hãy kiểm tra các tiêu chí sau trước khi báo cáo kết quả của Chương 11:
- Câu hỏi nhận dạng trung tâm: Làm sao để mô hình hóa thời gian tồn tại doanh nghiệp, thời gian thất nghiệp hoặc thời gian vỡ nợ khi dữ liệu bị kiểm duyệt phải và có các sự kiện cạnh tranh loại trừ nhau?
- Hệ thống kiểm định bắt buộc: Log-Rank & Wilcoxon Test, Grambsch–Therneau Schoenfeld Proportional Hazards Test, Cox–Snell Residuals, Gray’s CIF Equality Test
- Nguyên tắc đối chứng Tri-Engine: Luôn kiểm tra độ hội tụ của hàm hợp lý / điều kiện moment và đối chiếu sai số chuẩn vững (robust / clustered standard errors) giữa Stata, R và Python.
- Tích hợp dữ liệu thực nghiệm Việt Nam: Tận dụng trực tiếp các bộ dữ liệu chuẩn hóa từ EcoData (VHLSS, GSO 63 tỉnh thành, Hải quan, Doanh nghiệp niêm yết HOSE/HNX) và chạy kiểm chứng một chạm trên EcoLab.
5. Bộ Prompt Copy-Ready Sinh Infographic Tổng quan Chương 11
Chúng ta có thể sao chép trực tiếp đoạn prompt chuẩn hóa dưới đây vào Gemini NotebookLM hoặc Gemini Nano Banana Pro để tạo ngay bản đồ Infographic 4K tóm tắt toàn bộ cây quyết định của Chương 11 phục vụ slide bảo vệ khóa luận, luận văn hoặc bài giảng trên lớp:
🎨 Copy-Ready Prompt: Gemini NotebookLM / Nano Banana Pro — Infographic Chương 11
[GEMINI NOTEBOOKLM / NANO BANANA PRO — INFOGRAPHIC BLUEPRINT CHƯƠNG 11]
Vai trò: Chuyên gia Thiết kế Đồ họa Thông tin Học thuật (Academic Information Designer) & Giảng viên Kinh tế lượng 18 năm kinh nghiệm.
Chủ đề: Bản đồ Tư duy & Cây Quyết định Lựa chọn Mô hình cho Chương 11: Phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh (Survival, Duration & Competing-Risks Analysis — Họ `survival_duration`).
Bố cục 4 tầng (Tỷ lệ 16:9 chuẩn 4K 3840x2160, nền trắng ngà #F8FAFC, bảng màu xanh Navy #0F172A, xanh cổ vịt #0D9488, vàng đồng #D97706):
1. Tầng Tiêu đề (Top Banner): 'CHƯƠNG 11: PHÂN TÍCH SỐNG SÓT, THỜI GIAN SỰ KIỆN VÀ RỦI RO CẠNH TRANH' — Tổng hợp 4 nhóm con & 8 mô hình Tri-Engine (Stata 18 · R 4.x · Python 3.11+).
2. Tầng Cây Quyết định (Central Decision Flowchart): Sơ đồ rẽ nhánh giúp nhà nghiên cứu chọn đúng mô hình trong 4 nhóm con: (1) Nhóm 11.1 Sống sót phi tham số (2 bài: B171, B172); (2) Nhóm 11.2 Bán tham số Cox (2 bài: B173, B174); (3) Nhóm 11.3 Sống sót tham số AFT (2 bài: B175, B176); (4) Nhóm 11.4 Sống sót tham số AFT (2 bài: B177, B178).
3. Tầng Công thức & Kiểm định Trụ cột (Core Identification & Diagnostics): Câu hỏi trọng tâm (Làm sao để mô hình hóa thời gian tồn tại doanh nghiệp, thời gian thất nghiệp hoặc thời gian vỡ nợ khi dữ liệu bị kiểm duyệt phải và có các sự kiện cạnh tranh loại trừ nhau?), công thức lõi (h(t mid X_i) = h_0(t)exp(X_i^top beta), quad S(t mid X_i) = expleft(-int_0^t h(u mid X_i),duright)), kiểm định bắt buộc (Log-Rank & Wilcoxon Test, Grambsch–Therneau Schoenfeld Proportional Hazards Test, Cox–Snell Residuals, Gray's CIF Equality Test) và các mô hình tiêu biểu (B171 Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank (kaplan_meier), B172 Ước lượng hàm nguy cơ tích lũy phi tham số Nelson–Aalen (nelson_aalen), B173 Mô hình nguy cơ tỷ lệ bán tham số của Cox và kiểm định Schoenfeld (Cox Proportional Hazards) (cox_ph), B174 Mô hình nguy cơ Cox với biến giải thích thay đổi theo thời gian (Time-Varying Covariates Cox) (cox_time_varying), B175 Mô hình thời gian thất bại tăng tốc tham số Weibull (Weibull AFT & PH) (weibull_aft), B176 Mô hình thời gian sống sót Log-Normal với hàm nguy cơ không đơn điệu (Log-Normal AFT) (lognormal_aft)).
4. Tầng Chân trang (Footer): Hệ sinh thái Dữ liệu Kinh tế Việt Nam EcoData (ecodata.io.vn) · Phòng thí nghiệm Kinh tế lượng EcoLab (ecolab.io.vn) · Cổng Học thuật VietLOD (vietlod.tnsai.vn).6. Tài liệu Tham khảo Học thuật Trụ cột của Chương 11
- Tài liệu gốc & Giáo trình nền tảng: Kaplan & Meier (1958); Cox (1972); Fine & Gray (1999); Prentice & Gloeckler (1978); Jenkins (1995)
- Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
- Cameron, A. C., & Trivedi, P. K. (2022). Microeconometrics Using Stata (2nd ed., Vols. 1–2). Stata Press.
- Hansen, B. E. (2022). Econometrics. Princeton University Press.
← Chương trước: Chương 10: Kinh tế lượng không gian, Conley HAC và mạng cặp đôi
→ Bắt đầu Bài học đầu tiên của Chương 11: Bài B171 — Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank (
kaplan_meier)→ Chương tiếp theo: Chương 12: Hệ phương trình đồng thời, hệ cầu cấu trúc, kinh tế lượng Bayes và học máy
Hướng dẫn chọn mô hình và so sánh 2 phương pháp ước lượng thuộc Nhóm 11.1 (Sống sót phi tham số) trên Stata
Hướng dẫn chọn mô hình và so sánh 2 phương pháp ước lượng thuộc Nhóm 11.2 (Bán tham số Cox) trên Stata 18,
Hướng dẫn chọn mô hình và so sánh 2 phương pháp ước lượng thuộc Nhóm 11.3 (Sống sót tham số AFT) trên Stata
Hướng dẫn chọn mô hình và so sánh 2 phương pháp ước lượng thuộc Nhóm 11.4 (Sống sót tham số AFT) trên Stata