Trong các giả định của mô hình hồi quy tuyến tính cổ điển (CLRM), có giả thiết: Các biến độc lập không có mối quan hệ tuyến tính chính xác. Nếu giả thiết này vi phạm, sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mô hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Hậu quả: Sai số chuẩn của các hệ số sẽ lớn. Khoảng tin cậy lớn và thống kê t ít ý nghĩa. Các ước lượng không thật chính xác. Để phát hiện đa cộng tuyến chúng ta thực hiện kiểm định VIF:
Bảng 8: Kết quả kiểm định VIF
Biến VIF 1/VIF
𝑑𝑒𝑏𝑡2 20.49 0,048814
debt 16.03 0,062384
infla 2.37 0,421549
open 1.10 0,908237
White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity
chi2(1.4) = 77.61 Prob > chi2 = 0.0674
56
expo 1.10 0,910104
fdi 1.07 0,931281
msup 1.02 0,980967
Giá trị trung bình (mean)
VIF 6.17
Nguồn: Theo tính toán với sự hỗ trợ của phần mềm STATA
Nhận thấy, hệ số VIF của các biến độc lập infla, open, expo, fdi và msup đều có giá trị tuyệt đối nhỏ hơn 10. Hệ số VIF của biến 𝑑𝑒𝑏𝑡2và debt có giá trị tương ứng là 20.49 và 16.03 – lớn hơn giới hạn cho phép. Tuy nhiên, như đã biết Đa cộng tuyến (Multicollinearity) là hiện tượng thường xảy ra khi mối tương quan cao giữa hai hay nhiều biến độc lập trong mô hình hồi quy. Nói cách khác, một biến độc lập có thể sử dụng để dự đoán một biến độc lập khác. Khi biến độc lập A tặng thì biến độc lập B tăng và ngược lại A giảm thì B cũng giảm. Trong mô hình hiện tại ta có biến 𝑑𝑒𝑏𝑡2 là bình phương của biến debt, tương quan của hai biến này không được xác định bởi hệ số VIF. Do đó, có thể bỏ qua vấn đề Đa cộng tuyến.
Kết luận: Mô hình không mắc phải hiện tượng Đa cộng tuyến.