Bên dưới đây, tác giả chỉ tập trung vào trình bày chi tiết về kỹ thuật hồi quy,
ước lượng các tham số của mô hình cần nghiên cứu như sau:
- Mô hình hồi quy tuyến tính đa biến xem xét các yếu tố ảnh hưởng tới tăng trưởng tín dụng được xây dựng như sau:
LGRtR= βR0R+ βR1R*TA/GDPRt R+ βR2R*CD/TARt R+ βR3R*IT/TARt R+ βR4R*ROER t R βR5R*NIMR t R
+ βR6R*CIRR t R+ βR7R*NPLRt R+ βR8R*RGR t R + βR9R*SPR t R +u
Để phân tích mô hình này sẽ được đi kèm các giả thiết để đảm bảo cho các kết quả ước lượng là đủ tin cậy: (1) Mẫu dữ liệu thu thập là ngẫu nhiên; (2) Kỳ vọng sai số của mô hình này là bằng không; (3) Phương sai của sai số ngẫu nhiên đều bằng nhau; (4) Các biến nghiên cứu là độc lập. Các giả thiết này nhằm đảm bảo cho mô hình có ý nghĩa và kết quả là chính xác.
- Sau khi có được mô hình hồi quy và các dữ liệu biến đã đáp ứng các giả thiết xử lý dữ liệu về mặt thống kê, việc quan trọng của quá trình xử lý dữ liệu quay về ước lượng các hệ số β và xác định R2, cũng như giá trị phần dư u. Công việc tính toán này sẽ được thực hiện bằng phần mềm Eview với phương pháp ước lượng bình phương bé nhất (OLS). Với + RP 2 P = 1- RSS/TSS + RSS = ƩuP 2 + TSS = Ʃ (CGRtR – CG)P 2 P + P
Các β sẽ được tính toán tự động qua phần mềm
- Mô hình ước lượng được gọi là tốt khi không có hiện tượng đa cộng tuyến, phương sai sai số thay đổi và tự tương quan chuỗi.
Kiểm định đa cộng tuyến (sử dụng hồi qui phụ):
Kiểm định này nhằm phát hiện ra hiện tượng đa cộng tuyến là hiện tượng mà các biến độc lập có quan hệ tương quan với nhau.
t i t ki k t i t i t i X X X Y, =β0+β1 1, +β2 2, +...+β , +ε,
Xét các mô hình hồi qui phụ sau:
XRj,tR =αR0R+αR1RXR1i,tR+αR2RXR2i,tR +…+αRj-1RXRj-1i,tR +αRj+1RXRj+1i,tR +γRi,t
Giả thiết:
HR0R: RRjRP
2
P
=0: Không có đa cộng tuyến
HR1R: RRjRP
2
P
≠0: Có đa cộng tuyến Với mức ý nghĩa αmiền bác bỏ là:
F> FRα;(k-2,n-k+1)R hay p-value<α
Chấp nhận HR0R: Không có đa cộng tuyến giữa XRj Rvới các biến độc lập còn lại. Chấp nhận HR1R: Có đa cộng tuyến giữa XRj Rvới các biếnđộc lập còn lại.
Kiểm định phương sai thay đổi Heteroscedasticity: (Kiểm định Breusch-Pagan- Godfrey)
Kiểm định Breusch-Pagan-Godfrey nhằm xem xét phương sai của sai số mô hình hồi qui có thay đổi hay không.
Mô hình kiểm định:
εRi,tR=δR0R+δR1XR R1i,tR+δR2RXR2i,tR+…+δRkRXRki,tR+δRk+1RX1i,tR R*XR2i,tR+…+δRk+mRXR(k- 1)i,tR*XRki,tR+δRk+m+1RXR1i,tR ^2Ri,tR+…+δRk+m+1+hRXRki,tR^2Ri,tR+ηRi,tR
Giả thiết:
HR0R: ∀δRiR=0 i=0,k+m+1+h: Không có hiện tượng phương sai thay đổi
HR1R: ∃δRiR≠0 : Có hiện tượng phương sai thay đổi Với mức ý nghĩa αmiền bác bỏ là:
nR2>χ2α;k+m+1+h
Chấp nhận H0: Không có hiện tượng phương sai thay đổi Bác bỏ H0: Có hiện tượng phương sai thay đổi.
Kiểm định tự tương quan
Kiểm định tự tương quan bậc p: Kiểm định Breusch – Godfrey (BG) Xét mô hình:
Y= β0 + β1X + ε
εt= ρ1εt-1 + ρ2εt-2 + … + ρpεt-p + ξt
H0: ρ1 = ρ2 = … = ρρ = 0, có nghĩa là không tồn tại tự tương quan ở bất kỳ bậc nào trong số từ bậc 1 đến bậc p.
U
Bước 1U: Ước lượng mô hình mô hình hồi qui ban đầu bằng OLS, tìm phần dư εt
U
Bước 2U: Dùng OLS để ước lượng mô hình
εt = β0 + β1X + ρ1εt-1 + ρ2εt-2 + … + ρpεt-p +ξ’ttừ đây ta thu được R2.
Tóm tắt chương 3
Chương 3 tác giả đã trình bày xong toàn bộ nội dung thiết kế mô hình nghiên cứu phục vụ cho việc bắt tay vào triển khai nghiên cứu đề tài này. Các nội dung của chương 3 bao gồm: (i) Thiết kế quy trình nghiên cứu để có được định hướng nghiên cứu; (ii) hình thành mô hình, biến và các giả thuyết nghiên cứu, cũng như các lý giải về mô hình nghiên cứu này; (iii) Cách thức thu thập dữ liệu thứ cấp phục vụ cho nghiên cứu; (iv) cuối cùng là các kỹ thuật phổ biến nhất được sử dụng trong việc phân tích dữ liệu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU