nhưng không ảnh hưởng đến R2 điềuchỉnh, bất chấp việc đưa thêm biến độc lập có giải thích thêm cho biến phụ thuộc hay không.
dạng hàm mũ của các biến độc lập có sẵn trong mô hình hay không với giả thuyết H0 là mô hình không có biến dạng hàm mũ bị bỏ sót. Nếu xác suất H0
đúng (p-value) > 5%, nghĩa là không đủ bằng chứng để bác bỏ giả thuyết này, thì giả định kỳ vọng của sai số bằng 0 có thể thỏa mãn.
- Giả định phương sai của sai số không đổi, nghĩa là phương sai của sai số tại các giá trị Xi đều như nhau. Giả định này có thể kiểm tra thông qua kiểm định White hay Breusch-Pagan với giả thuyết H0 là phương sai của sai số không đổi. Nếu xác suất H0 đúng (p-value) > 5%, nghĩa là không đủ bằng chứng để bác bỏ giả thuyết này, thì giả định phương sai của sai số không đổi có thể được chấp nhận.
- Giả định sai số có phân phối chuẩn. Nếu sai số có phân phối chuẩn hoặc gần
chuẩn thì giá trị trung bình và độ lệch chuẩn của sai số chuẩn hóa sẽ bằng hoặc xấp xỉ 0 và 1. Chúng ta có thể sử dụng biểu đồ tần số Histogram hoặc Q-Q plot để quan sát phân phối của sai số hoặc thực hiện kiểm định Kolmogorov với giả thuyết H0 là sai số có phân phối chuẩn để tăng tính thuyết phục hơn. Nếu xác suất H0 đúng (p-value) > 5%, nghĩa là không đủ bằng chứng để bác bỏ giả thuyết này, thì khi đó, phân phối của sai số có thể được xem như chuẩn.
- Giả định các biến độc lập không có tương quan hoàn toàn với nhau. Để kiểm tra
giả định này, chúng ta tiến hành đo lường mức độ đa cộng tuyến dựa vào hệ số phóng đại phương sai (VIF). Quy tắc chung là VIF càng nhỏ thì khả năng đa cộng tuyến càng thấp. Theo Hair et al. (2017), nếu VIF của một biến độc lập vượt quá 10 thì biến này hầu như không có giá trị giải thích cho biến phụ thuộc trong mô hình MLR và VIF nhỏ hơn 5 được cho là tốt hơn.
Sau khi kiểm tra các giả định cần thiết của mô hình hồi quy và nếu tin tốt là không có giả định nào bị vi phạm, công việc cuối cùng là diễn giải kết quả hồi quy, gồm: đánh giá mức độ phù hợp của mô hình dựa vào hệ số xác định R2 và xem xét sự tác động của các biến độc lập đến biến phụ thuộc thông qua các hệ số hồi quy βi.
Thước đo cho sự phù hợp của mô hình tuyến tính thường dùng là hệ số xác định Rp2. Hệ số này phản ánh phần biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập (phần còn lại là sai số). Theo quy tắc, Rp2 càng gần 1 thì mô hình đã lựa chọn càng phù hợp với tổng thể. Tuy nhiên, giá trị R2 tính toán được từ dữ liệu mẫu không phải là Rp2 của tổng thể. Do đó, để kiểm định mức độ phù hợp của mô hình
trong tổng thể, ta cần kiểm định giả thuyết H0: R2 = 0. Phép kiểm định F được sử dụng để kiểm định giả thuyết này và nó được tính toán tự động khi thực hiện hồi quy trên SPSS. Nếu xác suất H0 đúng (p-value) ≤ 5% thì giả thuyết H0 bị bác bỏ, nghĩa là có thể sử dụng R2 để ước lượng cho Rp2. Dựa vào hệ số xác định R2 được chứng minh là có thể đại diện cho tổng thể, NCS đánh giá mức độ giải thích của các nhân tố được giữ lại trong mô hình hồi quy cho sự biến thiên của từng loại minh bạch ngân sách trên website của chính quyền cấp tỉnh (bắt buộc, tự nguyện và tổng thể).
Để xem xét chiều hướng tác động của từng biến độc lập đến biến phụ thuộc, qua đó kiểm tra các giả thuyết, ta dựa vào dấu của các hệ số hồi quy βi (+ tức là thuận chiều và – tức là nghịch chiều). Tương tự R2, các hệ số này chỉ là hệ số tính toán từ dữ liệu mẫu. Muốn kiểm tra xem nó đại diện được cho tổng thể hay không, ta dùng phép kiểm định t với giả thuyết H0: βi= 0. Trường hợp xác suất H0 đúng (p-value) ≤ 5% hoặc 10% thì giả thuyết H0 bị bác bỏ, nghĩa là ta có thể sử dụng βi để ước lượng cho βi(p)của tổng thể, nói cách khác là βi có ý nghĩa thống kê. Mức ý nghĩa thường được chọn là 5%. Tuy nhiên, đối với những nghiên cứu khám phá các vấn đề mới (như nghiên cứu này), NNC có thể chọn mức ý nghĩa là 10% (Montgomery et al., 2001).23
Để so sánh mức độ ảnh hưởng của từng biến độc lập đến biến phụ thuộc, ta không thể dựa vào βi, mà phải thay bằng hệ số hồi quy chuẩn hóa (Betai). βi đo lường sự thay đổi trong giá trị trung bình của biến phụ thuộc khi biến độc lập k thay đổi một đơn vị (trong điều kiện các biến độc lập khác không đổi). Ta không thể so sánh các βi với nhau vì chúng có đơn vị đo lường khác nhau. Trong khi đó, Betai là hệ số hồi