2.2.3.1 Kiểm định đa cộng tuyến
Mô hình tốt là mô hình phải đạt được các tính chất BLUE (tuyến tính, không chệch, tốt nhất). Tuy nhiên trên thực tế do xây dựng sai mô hình hoặc do bản chất của dữ liệu, dẫn tới mô hình không đạt được đầy đủ các tính chất trên. Một trong những vấn đề ảnh hưởng đến mô hình mà ta gọi là vi phạm các giả định, đó là 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 hình hồi quy đa biến có tương quan tuyến tính với nhau.
• Sử dụng nhân tử phóng đại VIF
Do vậy, chúng ta sẽ khảo sát mô hình có bị đa cộng tuyến hay không bằng cách sử dụng nhân tử phóng đại VIF. Nếu VIF>10 thì có thể xảy ra hiện tượng đa cộng tuyến.
Hình 10: Nhân tử phóng đại VIF
• Sử dụng ma trận hệ số tương quan
38
Kết luận: Quan sát bảng trên ta thấy các hệ số tương quan đều có giá trị tuyệt đối nhỏ hơn 1, đồng thời vif của tất cả các biến đều nhỏ hơn 10 nên không có hiện tượng đa cộng tuyến trong mô hình.
2.2.3.2 Phương sai sai số thay đổi
Một giả định của hồi quy tuyến tính là phương sai của sai số không đổi theo những mức giá trị dự đoán(Unstandardized Predicted Value) khác nhau của biến phụ thuộc.
Khi có hiện tượng phương sai sai số thay đổi xảy ra:
• Các ước lượng bình phương nhỏ nhất vẫn là không chệch nhưng không hiệu quả
• Ước lượng của các phương sai sẽ bị chệch, như vậy làm mất hiệu lực khi kiểm định
Để kiểm định phương sai sai số thay đổi trong mô hình nhóm đã tiến hành kiểm định White và kiểm định Breusch - Pagan
Cặp giả thuyết thống kê
H0: Mô hình có phương sai thuần nhất
H1: Mô hình có phương sai sai số thay đổi
Nếu P-value nhỏ hơn mức ý nghĩa 5% thì ta có đủ cơ sở bác bỏ H0 và chấp nhận H1 có nghĩa là mô hình có phương sai sai số thay đổi.
39
Kiểm định White
Sau khi chạy lệnh “imtest, white” trên Stata nhóm chúng em thu được kết quả như hình sau:
Hình 12: Kết quả kiểm định White
Ta thấy Prob>chi2 = 0.0021 < 0.05 nên bác bỏ H0. Do đó mô hình mắc lỗi phương sai sai số thay đổi.
Kiểm định Breusch – Pagan
Sau khi chạy lệnh “estat hettest” trên Stata nhóm thu được kết quả như hình sau:
40
Vì Prob>chi2 = 0.0000 < 0.05 nên bác bỏ H0. Do đó mô hình mắc lỗi phương sai sai số thay đổi.
2.2.3.3 Kiểm định tự tương quan
Thuật ngữ tự tương quan có thể hiểu là sự tương quan giữa các thành phần của chuỗi các quan sát được sắp xếp theo thứ tự thời gian (trong các số liệu chuỗi thời gian) hoặc không gian (trong số liệu chéo).
Trong phạm vi hồi quy, mô hình tuyến tính cổ điển giả thiết rằng không có sự tương quan giữa các nhiễu ui. Mô hình cổ điển giả thiết rằng thành phần nhiễu gắn với một quan sát nào đó không bị ảnh hưởng bởi thành phần nhiễu gắn với một quan sát khác.
Để kiểm định hiện tượng tự tương quan đã tiến hành kiểm định Wooldridge Cặp giả thuyết thống kê:
H0: Mô hình có hiện tượng tự tương quan
H1: Mô hình không có hiện tượng tự tương quan
Sau khi tiến hành kiểm định bằng lệnh “estat durbinalt” trên Stata nhóm thu được kết quả sau:
41
Từ kết quả trên ta thấy Prob>chi2 = 0.0000 < 0.05 nên bác bỏ H0. Do đó mô hình mắc khuyết tật tự tương quan.