Mục đích của kiểm định White là để kiểm tra phương sai có thay đổi không. Từ cửa sổ kết quả ước lượng mô hình hồi quy, vào View -> Residual -> Heteroskedasicity Test.
Xuất hiện hợp thoại Heteroskedasicity Test. Tại mục Test type chọn White.
Check vào Incule White cross terms
Nhấn OK, ta được kết quả:
Mô hình phụ trên có dạng:
= α1 + α2HOME2 + α3HOME*AIR + α4HOME*AGE+ α5 HOME + α6AIR2+
α7AGE*AIR+ α8AIR+ α9AIR*AIR + AGE2 + α10AGE + Vi
Giả thiết: H0: α2= α3=α4 = α5 = α6 = α7 = α8 = α9= α10 = 0 Giả thiết đối: Có ít nhất một trong các hệ số αI ≠ 0
Từ bảng trên ta thấy:
Obs*R-Squared = nR2 = 35.73754 >(9) = 16.91898
Ngoài ra, Prob. Chi-Square (9) của Obs.R-Square có giá trị là 0,0000< 0,05, ta bác bỏ giả thiết H0, nghĩa là mô hình hồi quy xảy ra hiện tượng phương sai thay đổi.
Lưu ý: Để khắc phục hiện tượng phương sai thay đổi, ta dùng phương pháp FGL để hồi quy lại phần dư sau đó kiểm định lại phương sai để giảm tối đa
phương sai thay đổi.
2.3.3.2.Kiểm định BG
Mục đích của kiểm định BG đẻ kiểm định hiện tượng tự tương quan.
Từ cửa sổ kết quả ước lượng mô hình hồi quy, vào View -> Residual
Diagnostics -> Serial Correlation LM Test.
Trong cửa sổ này, ở mục Lags to include – ta chọn giá trị 2→OK. Ta được bảng kết quả kiểm định như sau:
Mô hình phụ có dạng:
Ui = ρ1 + ρ1Ui-1 + ρ2Ui-2 + ρ3Ui-3 + … + ρpUi-p + εi
Với εi thỏa các giả thiết OLS. Ta có giả thiết kiểm định như sau: H0: ρ1 = ρ2 =ρ3 = … = ρp = 0
Từ bảng trên ta thấy (n-p)R2 = 2,036768 với xác suất Prob. Chi-Square (2) = 0,3612
Giá trị P-value này lớn hơn mức ý nghĩa α= 0,05. Vậy, chấp nhận giả thiết H0: nghĩa là mô hình không có hiện tượng tự tương quan bậc hai.