Một mô hình hồi quy đòi hỏi một số giả định, nghĩa là những tính toán trong mô hình hồi quy chỉ có ý nghĩa khi các giả định này đƣợc thỏa mãn. Một số giả định trong mô hình hồi quy: sai số u có phân phối chuẩn, u và X không có quan hệ với nhau, phƣơng sai tại các giá trị X là nhƣ nhau, các biến độc lập không tƣơng quan với nhau (kiểm tra hiện tƣợng đa cộng tuyến)… Trong phạm vi của báo cáo luận văn, tác giả chỉ kiểm định các giả định sau:
3.4.6.1 Kiểm định hiện tượng đa cộng tuyến
Quá trình phân tích phải xem xét các biến độc lập có tƣơng quan tuyến tính với nhau hay không, thông qua quan sát hệ số Tolerance hoặc hệ số phóng đại phƣơng sai VIF (Variance Inflation Iactor). VIF là một thông số thống kê đƣợc dùng để phát hiện hiện
27
tƣợng đa cộng tuyến. Cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Do đó, để tránh diễn giải sai lệch kết quả hồi quy so với thực tế, phải xem xét hiện tƣợng đa cộng tuyến giữa các biến độc lập. Nếu VIF vƣợt quá 10, đó là dấu hiệu của hiện tƣợng đa cộng tuyến.
3.4.6.2 Kiểm định phân phối chuẩn của các phần dư
Kiểm định tính phân phối chuẩn các phần dƣ (phần dƣ chuẩn hóa và phần dƣ chƣa chuẩn hóa) thông qua hai chỉ số Skewness và Kurtosis, và thông qua giá trị trung bình và độ lệch chuẩn của phần dƣ. Nếu Skewness và Kurtosis nằm trong khoảng ±1 và giá trị trung bình Mean có thể coi bằng 0, độ lệch chuẩn gần bằng 1 thì có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.