Theo kết quả hồi quy cho ở bảng trên, ta nhận thấy hệ số hồi quy của biến ROTHAS khác 0 không có ý nghĩa ở mức 𝛼 = 5%. Tức biến ROTHAS có thể là hai biến không cần thiết đưa vào mô hình. Để có cơ sở kết luận về điều này ta tiến hành kiểm định giả thiết:
Ho: 𝜷𝟑 = 0 𝐇𝟏: 𝜷𝟑≠ 0
Dùng kiểm định Wald ta được kết quả:
Wald Test: Equation: EQ01
Test Statistic Value df Probability F-statistic 0.935424 (1, 52) 0.3379 Chi-square 0.935424 1 0.3335
Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
C(3) -0.152981 0.158173
Restrictions are linear in coefficients.
Theo kết quả của bảng trên, vì P(F > 0.935424) = 0.3379 > 0.05 nên ta chấp nhận giả thiết Ho. Tức cả biến ROTHAS không cần thiết phải đưa vào mô hình.
Kết quả hồi quy sau khi đã bỏ hai biến ROTHAS và MMR ra khỏi mô hình:
Dependent Variable: LOG(BAD) Method: Least Squares
Date: 06/12/12 Time: 09:38 Sample: 1 60
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob. C 5.479102 2.230723 2.456201 0.0172 LOG(LOAN) 0.632467 0.104261 6.066184 0.0000 LOG(MMR) 1.067282 0.485879 2.196599 0.0322 LOG( RGDP) -2.280765 0.649278 -3.512773 0.0009 R-squared 0.638188 Mean dependent var 9.359408 Adjusted R-squared 0.618806 S.D. dependent var 1.245586 S.E. of regression 0.769037 Akaike info criterion 2.376984 Sum squared resid 33.11937 Schwarz criterion 2.516607 Log likelihood -67.30952 F-statistic 32.92557 Durbin-Watson stat 2.055459 Prob(F-statistic) 0.000000
Mô hình hồi quy được viết lại:
LOG(BAD) = 5.4791 + 0.6325*LOG(LOAN) + 1.0673*LOG(MMR) - 2.2808*LOG( RGDP)
Với mô hình ước lượng sau khi đã bỏ biến ROTHAS, ta thấy rằng R-squared = 0.638188 và Adjusted R-squared = 0.618806 là khá lớn, p(F > F=32.92557) = 0.0000 < 0.05, điều này nói lên mức độ phù hợp của mô hình là rất cao. Bên cạnh đó, giá trị p-value của các biến giải thích Log(LOAN), Log(MMR) và Log( RGDP) đều rất nhỏ (< 0.05) tức là các biến này đều giải thích khá tốt cho biến BAD.