Kiểm định hiện tượng tự tương quan
Ta thực hiện kiểm định hiện tượng tự tương quan trong mô hình bằng kiểm định Breusch – Godfrey. Ta có giả thiết như sau:
H0: Mô hình không có tương quan bậc 35 H1: Mô hình có tương quan bậc 35
Bảng 3.14: Kết quả kiểm định tự tương quan lần 1
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.434554 Prob. F(35,17) 0.0267 Obs*R-squared 49.18681 Prob. Chi-Square(35) 0.0563
Nguồn: Kết quả phân tích Eviews 6.0
Kết quả kiểm định cho thấy Prob. Chi-Square của giá trị Obs*R-squared bằng 0.0563 nhỏ hơn 10% nên ta bác bỏ H0 tức là có hiện tượng tự tương quan bậc 35 trong mô hình. Để khắc phục hiện tượng tự tương quan, ta thêm hệ số AR(35) vào mô hình hồi quy. Kết quả hồi quy như sau:
Bảng 3.15: Kết quả hồi quy mô hình lần 2
Dependent Variable: D(ROA) Method: Least Squares
Date: 06/17/15 Time: 00:28 Sample (adjusted): 37 60
Included observations: 24 after adjustments Convergence achieved after 9 iterations
Variable Coefficient Std. Error t-Statistic Prob. D(SIZE) 0.046868 0.030606 1.531343 0.1452 TANG -0.021878 0.016997 -1.287159 0.2163 TAX -0.071340 0.039145 -1.822457 0.0871 D(RISK) 0.000607 7.02E-05 8.653123 0.0000 D(LEV) -0.124177 0.057299 -2.167159 0.0457 GROWTH 0.016036 0.032103 0.499532 0.6242 C 0.021155 0.010724 1.972584 0.0661 AR(35) -0.254789 0.097849 -2.603891 0.0192 R-squared 0.938938 Mean dependent var 0.000437 Adjusted R-squared 0.912224 S.D. dependent var 0.028506 S.E. of regression 0.008446 Akaike info criterion -6.449144 Sum squared resid 0.001141 Schwarz criterion -6.056460 Log likelihood 85.38973 Hannan-Quinn criter. -6.344965 F-statistic 35.14726 Durbin-Watson stat 2.196190 Prob(F-statistic) 0.000000
Nguồn: Kết quả phân tích Eviews 6.0
Kiểm tra lại hiện tượng tự tương quan bậc 1, ta có :
Bảng 3.16: Kết quả kiểm định lại tự tương quan lần 2
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.500539 Prob. F(1,15) 0.2395 Obs*R-squared 2.182531 Prob. Chi-Square(1) 0.1396
Nguồn: Kết quả phân tích Eviews 6.0
Kết quả kiểm định cho thấy Prob. Chi-Square của giá trị Obs*R-squared bằng 0.1396 lớn hơn 10% nên ta bác bỏ H0 tức là không có hiện tượng tự tương quan bậc 1 trong mô hình. Như vậy hiện tượng tự tương quan đã được khắc phục.
Kiểm định hiện tượng phương sai sai số thay đổi
Hiện tượng phương sai sai số thay đổi được kiểm tra thông qua kiểm định White. Giả thiết như sau:
H0: Mô hình không có phương sai sai số thay đổi H1: Mô hình có hiện tượng phương sai sai số thay đổi
Bảng 3.17: Kết quả kiểm định phương sai sai số thay đổi
Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.440493 Prob. F(6,17) 0.8417 Obs*R-squared 3.229200 Prob. Chi-Square(6) 0.7796 Scaled explained SS 1.026535 Prob. Chi-Square(6) 0.9846
Nguồn: Kết quả phân tích Eviews 6.0
Kết quả kiểm định cho thấy Prob. Chi-Square của giá trị Obs*R-squared bằng 0.7796 lớn hơn 10% nên ta chấp nhận H0, bác bỏ H1 tức là không có hiện phương sai sai số thay đổi trong mô hình.
Kiểm định hiện tượng đa cộng tuyến
Để xét mô hình có hiện tượng đa cộng tuyến hay không, ta xét hệ số VIF của các hồi quy phụ trong mô hình. Nếu hệ số VIF > 10 thì mô hình có hiện tượng đa cộng tuyến. Nếu hệ số VIF nhỏ hơn 10 thì mô hình không có hiện tượng đa cộng tuyến.
Bảng 3.18: Các hệ số VIF của hồi quy phụ trong mô hình
Biến độc lập Hệ số R2 Hệ số VIF = 1/(1-R2) D(SIZE) 0.231616 1.301433 TANG 0.009828 1.009926 TAX 0.052999 1.055965 D(RISK) 0.212133 1.269250 D(LEV) 0.232962 1.303716 GROWTH 0.250746 1.334661
Nguồn: Kết quả phân tích Eviews 6.0
Ta thấy rằng hệ số VIF của tất cả các biến độc lập trong mô hình đều nhỏ hơn 2 nên mô hình không có hiện tượng đa cộng tuyến.
Như vậy, mô hình hồi quy không có các hiện tượng tự tương quan, đa cộng tuyến và phương sai sai số thay đổi nên mô hình hồi quy là hoàn toàn phù hợp và sử dụng được.
Ta có phương trình tối ưu như sau:
D(ROA) = 0.021155+ 0.046868*D(SIZE) -0.021878*TANG -0.071340*TAX + 0.000607*D(RISK) -0.124177*D(LEV) + 0.016036*GROWTH
Kiểm định sự phù hợp của mô hình hồi quy ta thấy: H0: R2=0 ( Mô hình hồi quy không phù hợp)
H1: R2 ≠0 (Mô hình hồi quy là phù hợp)
Hệ số Prob(F-statistic) của mô hình hồi quy bằng 0.000000 nhỏ hơn 5% nên ta bác bỏ H0, chấp nhận H1 tức là mô hình hồi quy là phù hợp.
Hệ số R2 điều chỉnh bằng 0.9122 cho thấy các biến trong mô hình giải thích được91.22% sự biến động của ROA.