Một trong các giả thuyết của mô hình hồi quy cổ điển là các biến độc lập là phi ngẫu nhiên, chúng có giá trị xác định. Nếu như chúng ta ước lượng một mô hình với chuỗi thời gian trong đó có biến độc lập không dừng, khi đó giả thuyết của phương pháp bình phương tối thiểu (OLS- Ordinary Least Square) sẽ bị vi phạm và kết quả phân tích hồi quy tuyến tính cổđiển sẽ không có giá trị. Ngoài ra, các dữ
liệu kinh tế vĩ mô thường không dừng và nếu sử dụng sữ liệu không dừng trong hồi quy sẽ đưa ra kết quả hồi quy giả, kiểm định t và F sẽ không có ý nghĩa (Nelson and Plosser, 1982). Nếu như mô hình có ít nhất một biến độc lập không dừng. Biến này thể hiện một xu thế tăng hoặc giảm và biến phụ thuộc cũng có xu thế như vậy thì khi ước lượng mô hình có thể ta sẽ thu được các hệ số có ý nghĩa thống kê và R2 cao, nhưng điều này có thể là giả mạo. R2 cao có thể là do hai biến này có cùng xu thế. Nói một cách khác, phương trình hồi quy sẽ cho kết quả các kiểm định
thống kê t và R2 rất tốt, nhưng mô hình có thể hoàn toàn không có ý nghĩa.
Vì vậy, trước khi xây dựng và phân tích mô hình, cần phải có kiểm định tính dừng của các chuỗi dữ liệu. Để kiểm định tính dừng cho các biến, tác giả dựa vào kiểm định nghiệm đơn vị ADF (Augmented Dickey – Fuller) và phương pháp PP (Phillips - Perron). Phương trình kiểm định tính dừng được mô tả như sau:
(1) t i t i j t t a y at y y = +γ + + β Δ +ε Δ −− = − ∑ 1 2 2 1 0 ρ
Trong đó y là biến cần được kiểm tra tính dừng, ∆ là sai phân bậc 1, t là biến xu thế theo thời gian, εt là sai số ngẫu nhiên tại thời điểm t, là độ trễ tối ưu, việc lựa chọn độ trễ phải đảm bảo các sai số là nhiễu trắng (white noise). a0,γ, a2, β là các tham số được ước lượng từ mô hình. Bác bỏ được giả thuyết H0 (γ = 0) có nghĩa là chuỗi dữ liệu xem xét là dừng.