Hệ số tương quan
Hệ số tương quan (correlation coefficient) là một chỉ số thống kê dùng để đo lường mức độ và chiều hướng của quan hệ tuyến tính giữa hai biến số. Phổ biến nhất là hệ số tương quan Pearson (ký hiệu r), đo mối quan hệ tuyến tính giữa hai biến liên tục, và hệ số tương quan hạng Spearman (ký hiệu ρ hoặc rs), đo mối quan hệ giữa các biến dựa trên thứ hạng — phù hợp với dữ liệu phi tuyến tính đơn điệu hoặc dữ liệu thứ bậc. Giá trị của hệ số tương quan nằm trong khoảng từ -1 đến +1: giá trị dương (+1) biểu thị quan hệ đồng biến — khi biến này tăng thì biến kia tăng; giá trị âm (-1) biểu thị quan hệ nghịch biến — khi biến này tăng thì biến kia giảm; giá trị 0 biểu thị hai biến không có quan hệ tuyến tính rõ ràng. Hệ số càng gần ±1, quan hệ tuyến tính giữa hai biến càng chặt chẽ; tuy nhiên cần lưu ý rằng tương quan không đồng nghĩa với nhân quả — hai biến có tương quan cao chưa chắc đã có quan hệ nguyên nhân – kết quả trực tiếp.
Trong lĩnh vực ngân hàng, hệ số tương quan được ứng dụng rất phổ biến trong phân tích dữ liệu, xây dựng mô hình tín dụng, dự báo rủi ro và phân tích danh mục đầu tư. Đây là công cụ nền tảng mà ứng viên tuyển dụng ngân hàng cần nắm vững khi thi các vòng đánh giá năng lực phân tích dữ liệu hoặc tham gia làm việc tại các phòng ban như Quản trị rủi ro, Phân tích tín dụng, Khối Dữ liệu và Phòng chống gian lận.
Cách tính hệ số tương quan Pearson
Công thức tính hệ số tương quan Pearson giữa hai biến X và Y như sau:
r = Σ[(xi - x̄)(yi - ȳ)] / √[Σ(xi - x̄)² × Σ(yi - ȳ)²]
Trong đó: xi, yi là các giá trị quan sát thứ i; x̄, ȳ lần lượt là giá trị trung bình của X và Y. Tử số đo tổng độ lệch đồng biến giữa hai biến; mẫu số là tích của căn bậc hai tổng phương sai riêng lẻ, đóng vai trò chuẩn hóa để đưa kết quả về thang đo [-1, +1]. Để kiểm định xem hệ số tương quan có ý nghĩa thống kê hay không (khác 0 một cách đáng kể), người ta thường dùng kiểm định t với bậc tự do n - 2, hoặc so sánh giá trị p-value với mức ý nghĩa α (thường chọn 0,05).
Ví dụ minh họa: Nếu một nhân viên tín dụng xét tương quan giữa thu nhập hàng tháng (X) và hạn mức thẻ tín dụng được phê duyệt (Y) trên một mẫu 100 khách hàng, kết quả r = 0,82 → có tương quan dương mạnh, nghĩa là khách hàng có thu nhập cao thường được phê duyệt hạn mức lớn hơn.
Diễn giải cường độ tương quan
Mặc dù thang đo chính thức là [-1, +1], trong thực hành phân tích người ta thường dùng quy ước sau để đánh giá cường độ quan hệ (giá trị tuyệt đối |r|):
- 0,00 – 0,19: tương quan rất yếu, gần như không có quan hệ tuyến tính.
- 0,20 – 0,39: tương quan yếu.
- 0,40 – 0,59: tương quan trung bình.
- 0,60 – 0,79: tương quan khá chặt.
- 0,80 – 1,00: tương quan rất chặt.
Quy ước này mang tính tham khảo, tùy thuộc ngữ cảnh nghiên cứu và lĩnh vực ứng dụng. Trong phân tích rủi ro tài chính, ngưỡng quan trọng thường được đặt cao hơn (|r| ≥ 0,7) để loại trừ các biến có quan hệ chồng chéo, phục vụ cho việc xây dựng mô hình hồi quy đa biến.
Phân biệt tương quan và nhân quả
Một trong những sai lầm phổ biến nhất khi sử dụng hệ số tương quan là suy diễn nhân quả từ tương quan. Hai biến có thể có tương quan cao do nhiều nguyên nhân khác ngoài quan hệ nhân quả trực tiếp:
- Biến nhiễu (confounding variable): một biến thứ ba Z ảnh hưởng đồng thời đến X và Y, tạo ra tương quan giả. Ví dụ: doanh số bán kem và số vụ đuối nước có tương quan dương cao, nhưng nguyên nhân chung là mùa hè nắng nóng — không phải kem gây đuối nước.
- Quan hệ ngược: Y gây ra X chứ không phải X gây ra Y. Ví dụ trong ngân hàng: khách hàng có điểm tín dụng cao có thể được duyệt nhiều khoản vay hơn, nên tổng dư nợ cao, nhưng bản chất là dư nợ cao vì họ đã vay nhiều lần được duyệt.
- Trùng hợp ngẫu nhiên: với cỡ mẫu nhỏ, tương quan cao có thể xuất hiện do ngẫu nhiên.
Vì vậy, để khẳng định quan hệ nhân quả, các nhà phân tích cần thiết kế nghiên cứu thí nghiệm (ví dụ A/B testing), dùng mô hình kinh tế lượng có kiểm soát biến nhiễu, hoặc dựa trên lý thuyết nền tảng.
Ứng dụng trong ngân hàng và tài chính
Xây dựng mô hình xếp hạng tín dụng (credit scoring): Trước khi đưa các biến vào mô hình hồi quy logistic hoặc cây quyết định, ngân hàng thường kiểm tra ma trận tương quan giữa các biến độc lập để phát hiện đa cộng tuyến (multicollinearity) — tình trạng các biến giải thích có tương quan cao với nhau, gây bất ổn cho mô hình. Nếu cặp biến có |r| > 0,7, người phân tích thường loại bỏ một biến hoặc tổng hợp thành một chỉ tiêu mới.
Phân tích danh mục đầu tư: Hệ số tương quan giữa lợi nhuận của các tài sản tài chính (cổ phiếu, trái phiếu, vàng, bất động sản) giúp nhà đầu tư xây dựng danh mục đa dạng hóa. Nguyên tắc Markowitz: chọn các tài sản có tương quan thấp hoặc âm với nhau để giảm rủi ro tổng thể mà vẫn duy trì lợi nhuận kỳ vọng. Ví dụ: cổ phiếu và trái phiếu thường có tương quan âm hoặc yếu trong giai đoạn suy thoái.
Dự báo rủi ro và phát hiện gian lận: Trong hệ thống phòng chống gian lận (anti-fraud), tương quan giữa các biến hành vi giao dịch (tần suất, giá trị giao dịch, địa điểm, thiết bị) giúp xác định các mẫu bất thường. Tương quan cao giữa nhiều biến có thể là dấu hiệu cảnh báo sớm về giao dịch đáng ngờ.
Phân tích vĩ mô: Nhà kinh tế ngân hàng thường tính tương quan giữa tăng trưởng tín dụng với GDP, lãi suất, tỷ giá, lạm phát để hiểu mối liên hệ giữa chính sách tiền tệ và nền kinh tế.
Hạn chế và lưu ý khi sử dụng
- Hệ số tương quan Pearson chỉ đo quan hệ tuyến tính, không phát hiện quan hệ phi tuyến. Hai biến có quan hệ đường cong chặt chẽ vẫn có thể cho r gần 0 — khi đó cần vẽ biểu đồ phân tán (scatter plot) trước khi tính toán.
- Nhạy cảm với giá trị ngoại lệ (outliers): một điểm dữ liệu bất thường có thể kéo hệ số tương quan lên gần ±1 hoặc xuống gần 0. Nên kiểm tra và xử lý outlier trước khi tính.
- Cỡ mẫu nhỏ làm tương quan không đáng tin cậy; cần kiểm định ý nghĩa thống kê.
- Không áp dụng được trực tiếp cho biến phân loại (categorical) — phải chuyển sang hệ số Cramér's V hoặc Chi-square.
Nội dung mang tính tham khảo phục vụ luyện thi và ôn tập, không thay thế tư vấn chuyên môn về phân tích dữ liệu hay mô hình tài chính.