KẾT QUẢ NGHIÊN CỨU VÀ KIỂM ĐỊNH 1 Ước lượng
2.2. Kiểm định vi phạm giả thiết mô hình 1 Kiểm định bỏ sót biến
2.2.1. Kiểm định bỏ sót biến
Kiểm định giảthuyết:{H0: Mô hình không bỏ sót biến
H1: Mô hình bỏ sót biến
Từ Bảng 4, ta có mô hình hồi quy mẫu tuyến tính:
GDP = 381852 + 15.6428.GBD + 43772.6.INF + (1)
Theo đó, ta có hàm hồi quy mẫu (SRF)
GDP̂ = 381852 + 15.6428.GBD + 43772.6.INF̂2 ̂3
Ta đưa thêm 2 biến GDP và GDP vào mô hình
Thực hiện hồi quy GDP theo các biến GBD, INF, GDP̂2 và GDP̂3
Có mô hình hồi quy tổng thể:
̂
2 ̂3
GDP = + .GBD + .INF + .GDP + .GDP +
Từ trên, ta tiến hành kiểm định giả thuyết: {H0: β4= β5= 0 (R2= 0)
H :β2+β2 ≠0(R2 ≠0)
1 4 5
Sử dụng Gretl, với kiểm định Ramsey’s RESET, cho ra kết quả:
Bảng 7. Kiểm định Ramsey's
RESET Auxiliary regression for RESET specification test OLS, using observations 2000-2016 (T = 17) Dependent variable: GDP
coefficient std. error t-ratio p-value ---
const 322992 200495 1.611 0.1332
GBD 14.1599 11.5384 1.227 0.2433
INF 21991.5 30329.9 0.7251 0.4823
yhat^2 1.79503e-07 3.08591e-07 0.5817 0.5715 yhat^3 0.00000 0.00000 −0.9041 0.3837 Test statistic: F = 1.789897,
with p-value = P(F(2,12) > 1.7899) = 0.209
Như vậy, với p-value = 0.209 > = 0.05 Ta chấp nhận giả thuyết H0.
Kết luận: Mô hình không bỏ sót biến.
2.2.2. Kiểm định phân phối chuẩn của nhiễu
Kiểm định giảthuyết:{H0: Nhiễu có phân phối chuẩn
H1: Nhiễu không có phân phổi chuẩn
Sử dụng Gretl, với kiểm định Normality of Residuals, ta có kết quả thể hiện ở Bảng 8:
Bảng 8. Phân phối của nhiễu
Test statistic: Chi-square(2) = 1.641 with p-value = 0.4401
Do p-value = 0.4401 > = 0.05
Ta chấp nhận giả thuyết H0
Kết luận: Mô hình có nhiễu có phân phối chuẩn. 2.2.3. Kiểm định đa cộng tuyến
Đa cộng tuyến là một lỗi của mô hình phân tích hồi quy, xảy ra khi giữa các biến độc lập Xi trong mô hinhh hồi quy đa biến có tương quan tuyến tính với nhau.
Để kiểm định đa cộng tuyến, nhóm tác giả sử dụng thừa số tăng phương sai (VIF)
Sử dụng phần mềm Gretl, với phân tích Collinearity, ta có kết quả:
Bảng 9. Phân tích VIF
Variance Inflation Factors Minimum possible value = 1.0
Values > 10.0 may indicate a collinearity problem GBD 1.008
INF 1.008
VIF(j) = 1/(1 - R(j)^2), where R(j) is the multiple correlation coefficient between variable j and the other independent variables
Belsley-Kuh-Welsch collinearity diagnostics: --- variance proportions ---
lambda cond const GBD INF
2.392 1.000 0.038 0.051 0.0550.451 2.303 0.001 0.395 0.515 0.451 2.303 0.001 0.395 0.515 0.156 3.911 0.961 0.553 0.429
lambda = eigenvalues of X'X, largest to smallest cond = condition index
note: variance proportions columns sum to 1.0 Từ Bảng 9, ta có:
VIF (GBD) = 1.008 < 10 VIF (INF) = 1.008 < 10
Như vậy với phương pháp xét thừa số tăng phương sai, có thể đưa ra kết luận mô hình không có đa cộng tuyến
2.2.4. Kiểm định phương sai sai số thay đổi
Một vấn đề khác mà mô hình cũng có thể gặp phải, đó là phương sai của sai số thay đổi. Hậu quả của phương sai sai số thay đổi là các ước lượng bình phương nhỏ nhất vẫn là không chệch nhưng không còn hiệu quả nữa, cùng với đó ước lượng của các phương sai sẽ bị chệch, như vậy làm mất hiệu lực của kiểm định. Điều này làm cho mô hình kém hiệu quả hơn.
Kiểm định giảthuyết:{H0: Mô hình không có PSSS thay đổi
H1: Mô hình có PSSS thay đổi
Sử dụng phần mềm Gretl, với kiểm định White, thu được kết quả: Trang | 34
Bảng 10. Kiểm định White PSSS thay đổi
White's test for heteroskedasticity -
Null hypothesis: heteroskedasticity not present Test statistic: LM = 7.43045
with p-value = P(Chi-square(5) > 7.43045) = 0.190545
Như vậy, với p-value = 0.190545 > = 0.05 Ta chấp nhận giả thuyết H0
Kết luận: Mô hình không có PSSS thay đổi 2.2.5. Kiểm định tự tương quan
H0: Mô hình không có tự tương quan
Kiểm định giảthuyết:{H1: Mô hình có tự tương quan
Để kiểm định tự tương quan của mô hình, nhóm tác giả sử dụng phương pháp kiểm định Durbin-Watson thông qua phần mềm Gretl.
Bảng 11. Kiểm định TTQ Durbin-Watson
Durbin-Watson statistic = 1.45077 p-value = 0.0433728
Do 1 < d = 1.45077 < 3 nên kết luận được mô hình không có tự tương quan.
CHƯƠNG 4