40 thuộc thì REM sẽ thích hợp hơn so với FEM Trong đó, phần dư của m i thực thể (kh ng tương quan với biến giải thích) được xem là một biến giải thích mới Ý tưởng cơ bản của m hình ảnh hưởng ngẫu nhiê[.]
40 thuộc REM thích hợp so với FEM Trong đó, phần dư m i thực thể (kh ng tương quan với biến giải thích) xem biến giải thích Ý tưởng m hình ảnh hưởng ngẫu nhiên m hình: Yit = C + β X t + Uit Thay m hình trên, Ci cố đ nh REM có giả đ nh biến ngẫu nhiên với trung bình C1 gi tr hệ số ch n m tả sau: Ci = C + εi (i=1, n) εi : Sai số ngẫu nhiên có trung bình phương sai σ2 Thay vào mô hình ta có: Yit = C + β Xit + εi + uit hay Yit = C + β Xit + wit wit = εi + uit εi : Sai số thành phần c c đối tượng kh c (đ c điểm riêng kh c doanh nghiệp) uit: Sai số thành phần kết hợp kh c đ c điểm riêng theo đối tượng theo thời gian Phương ph p kiểm đ nh Kiểm đ nh đa cộng tuyến: GS.TS Nguyễn Quang Dong, TS Nguyễn Th Minh cho c c biến độc lập kh ng có quan hệ đa cộng tuyến hồn hảo có mối liên hệ tuyến tính kh ch t chẽ, ta nói m hình có tượng đa cộng tuyến Khi mơ hình có tượng đa cộng tuyến cao làm cho hệ số x c đ nh R2 lớn, gây số hậu cho c c ước lượng OLS như: khoảng tin cậy trở nên rộng, nghĩa ước lượng x c, kh ng cung cấp th ng tin hữu ích, hệ số ước lượng dễ nghĩa thống kê (sai số chuẩn qu lớn làm cho c c t số t trở nên qu bé)… Chính vậy, ta cần kiểm đ nh đa cộng tuyến để kiểm tra tính x c m 41 hình, từ đưa giải ph p khắc ph c tốt Để xem xét m hình h i quy có tượng đa cộng tuyến hay kh ng, t c giả sử d ng kiểm đ nh Collinearity dialogistic đ nh gi th ng qua độ chấp nhận (Tolerance) hệ số phóng đại phương sai (VIF – variance inflation factor) Theo Nguyễn Quang Dong, Nguyễn Th Minh, VIF > 10, Tolerance < 0,1 dấu hiệu đa cộng tuyến cao Kiểm đ nh phương sai sai số thay đổi Hiện tượng “Phương sai sai số thay đổi” (“Heteroskedasticity”) gây kh nhiều hậu tai hại m hình ước lượng phương ph p OLS Hiện tượng phương sai thay đổi làm cho c c ước lượng hệ số h i quy kh ng chệch kh ng hiệu (tức kh ng phải ước lượng ph hợp nhất), ước lượng c c phương sai b chệch làm kiểm đ nh c c giả thuyết hiệu lực khiến cho nhà nghiên cứu đ nh gi nhầm chất lượng m hình h i quy tuyến tính Để kiểm đ nh phương sai thay đổi m hình h i quy tuyến tính bội, có hai phương ph p để kiểm tra C ch thứ nhất, sử d ng đ th phân t n Standardized residual Standardized predicted value để kiểm tra xem giả đ nh phương sai sai số có b vi phạm hay kh ng Nếu độ lớn phần dư t ng ho c giảm c ng với c c gi tr dự đo n (hay gi tr biến độc lập mà ta nghi ngờ gây tượng phương sai thay đổi m hình h i quy tuyến tính bội) điều dẫn đến giả đ nh phương sai sai số kh ng đổi b vi phạm C ch thức hai, sử d ng kiểm đ nh White, kiểm đ nh Glesjer,… cỡ mẫu lớn Trong nghiên cứu, với cỡ mẫu nhỏ nên t c giả sử d ng kiểm đ nh Breusch – Pagan Giả thuyết đ t cho kiểm đ nh phương sai sai số kh ng thay đổi, giả thuyết gi tr Prob lớn mức độ nghĩa m hình Kiểm đ nh Hausman Để xem xét m hình FEM hay REM ph hợp hơn, ta sử d ng kiểm đ nh Hausman Thực chất kiểm đ nh Hausman để xem xét có t n tự tương quan εi c c biến độc lập hay kh ng Giả thuyết: 42 H₀: εi biến độc lập kh ng tương quan H₁: εi biến độc lập có tương quan Khi gi tr P_value