Khắc phục bằng ước lượng mô hình có sử dụng sai số chuẩn mạnh của Robust (Robust Standard Errors) với tư tưởng vẫn sử dụng các hệ số ước lượng từ phương pháp OLS, tuy nhiên phương sai các hệ số ước lượng thì được tính toán lại mà không sử dụng đến giả thiết phương sai sai số không đổi. Ước lượng mô hình sai số chuẩn mạnh sẽ cho một kết quả ước lượng đúng của sai số chuẩn trong đó chấp nhận sự hiện diện của hiện tượng phương sai thay đổi (heteroskedasticity).
Kết quả chạy mô hình sai số chuẩn mạnh ta thu được: Tên biến Robust Hệ số hồi quy ước lượng Sai số chuẩn
Giá trị quan sát t cho kiểm
định hồi quy khác 0
p-value tương ứng với giá trị
t quan sát
ln_minwage 0.1054873 0.0361638 2.92 0.004
ln_pertax 0.9729595 0.2446045 3.98 0.000
ln_popgrow 1.100539 0.0652038 16.88 0.000
_cons -3.287922 0.8098882 -4.06 0.000
Nhận xét: Giá trị hồi quy không hề thay đổi. Chỉ có các sai số chuẩn thay đổi dẫn đến t và p-value của các hệ số hồi quy thay đổi.
Dựa vào bảng kết quả, ta có mô hình hồi quy ước lượng mẫu:
lnunplij=−3.287922+0.1054873 lnminwage ij+0.9729595 lnpertaxij+1.100539 lnpopgrowij+ ^uij
Hệ sô ước lượng
Hệ số ước lượng Ý nghĩa ^ β 1 = 0.1054873
Với các yếu tố khác không đổi, khi tiền lương tối thiểu tăng 1 USD thì giá trị trung bình của tỷ lệ thất nghiệp sẽ tăng 0.1055%.
^
β 2 = 0.9729595
Với các yếu tố khác không đổi, khi thuế thu nhập cá nhân tăng 1% thì giá trị trung bình của tỷ lệ thất nghiệp sẽ tăng 0.9729%. ^
β 3 = 1.100539
Với các yếu tố khác không đổi, khi tỷ lệ gia tăng dân số tăng 1% thì giá trị trung bình của tỷ lệ thất nghiệp sẽ tăng 1.1005%.
Bảng 3.3. Giải thích kết quả và ý nghĩa các hệ số ước lượng
R2 = 0.4323 Mức độ phù hợp của mô hình là 43.23%, hay các biến tiền lương tối thiểu, thuế thu nhập cá nhân, tỷ lệ gia tăng dân số giải thích được 43.23% cho sự biến động của tỷ lệ thất nghiệp của một số nước Đông Nam Á