Sau khi ước lượng được mô hình hồi quy, cần đánh giá về sự phù hợp của mô hình. Theo Hoàng Ngọc Nhậm (2008), việc đánh giá mức độ phù hợp của mô hình hồi quy có thể căn cứ vào các tiêu chí sau:
- Xem xét dấu của các hệ số ước lượng có phù hợp với lý thuyết và các nghiên cứu trước hay không. Các biến được lựa chọn phải đáp ứng được yêu cầu đầu tiên này.
- Dấu của hệ số các biến trong mô hình phù hợp với lý thuyết và các nghiên cứu trước mà hệ số này phải khác 0 và có ý nghĩa thống kê.
- Cuối cùng, giá trị R2 được xem xét để đánh giá mức độ giải thích của các biến độc lập, biến kiểm soát tới biến phụ thuộc trong mô hình nghiên cứu. R2 gọi là hệ số xác định và là một thước đo thường được sử dụng trong các nghiên cứu. R2 nhận giá trị từ 0 đến 1, càng gần 1 thì mô hình đã xây dựng càng phù hợp. Tác giả Huỳnh Đạt Hùng (2011) cho rằng, theo kinh nghiệm thực tế với số liệu chuỗi thời gian thì R2 > 0,9 là tốt và đối với số liệu chéo thì R2 > 0,7 đã được xem là tốt.
Ngoài ra, tác giả sử dụng kiểm định Breusch-Pagan Lagrange Multiplier (LM test) và kiểm định Hausman để lựa chọn mô hình Pool OLS, FEM hay REM phù hợp cho việc hồi quy dữ liệu mẫu:
- Giả thuyết Ho được đưa ra trong kiểm định LM là phương sai qua các đơn vị là không đổi. Nếu giá trị p-value của hệ số Chi2 của kiểm định nhỏ hơn 0.05 thì cho phép bác bỏ giả thuyết Ho: phương sai qua các đơn vị là không đổi, do có sự khác biệt giữa các doanh nghiệp việc lựa chọn mô hình REM là phù hợp hơn so với Pool OLS.
- Giả thuyết Ho của kiểm định Hausman là tác động không được quan sát không có mối tương quan với các biến giải thích. Nếu bác bỏ giả thiết Ho thì có thể
kết luận mô hình ảnh hưởng ngẫu nhiên là không phù hợp và có thể lựa chọn mô hình ảnh hưởng cố định (FEM).