* Kiểm định bỏ sót biến quan trọng
Ta sử dụng kiểm định Ramsey để kiểm định bỏ sót biến quan trọng. Trong Stata, chạy lệnh ovtest ta được kết quả:
F (3,144) = 1.75 Prob > F = 0.1594
H0: mô hình không bỏ sót biến quan trọng H1: mô hình bỏ sót biến quan trọng
Ta thấy p-value = 0.1594 > 0.05 => chấp nhận giả thuyết H0 Mô hình không bỏ sót biến quan trọng.
* Kiểm định đa cộng tuyến
Chạy lệnh vif trong Stata ta thu được kết quả:
Biến VIF trade 2.93 gdg 1.89 lnfdi 1.69 Ggec 1.38 inf 1.21 lnpop 1.10 Giá trị trung bình 1.70
20
Ta thấy giá trị trung bình VIF bằng 1.7 < 2 nên ta có thể kết luận mô hình không tồn tại đa cộng tuyến.
* Kiểm định phương sai sai số thay đổi
Nhóm sử dụng kiểm định Breusch-Pagan để xem xét mô hình có mắc khuyết tật phương sai sai số hay không, bằng cách chạy lệnh hettest trong Stata và thu được kết quả:
chi2(1) = 0.80
Prob > chi2 = 0.3704
Với H0: Phương sai sai số không đổi H1: Phương sai sai số thay đổi
Ta thấy Prob > chi2 = 0.3704 > 0.05 => chấp nhận H0 => mô hình không mắc khuyết tật phương sai sai số thay đổi.
* Kiểm định phân phối chuẩn của nhiễu
Nhóm sử dụng kiểm định Skewness – Kurtosis bằng cách dùng lệnh predict e, res để gọi phần dư, sau đó dùng sktest e để kiểm định
Ta thu được kết quả
Biến Số quan sát Pr (Skewness) Pr (Kurtosis) Adj chi2(2) Prob>chi2
e 154 0.0000 0.0000 41.73 0.0000
Bảng 6: Kiểm định phân phối chuẩn của nhiễu
H0: Mô hình có nhiễu phân phối chuẩn
H1: Mô hình có nhiễu phân phối không chuẩn
Với Prob>chi2 = 0.0000 <0.05 => bác bỏ H0 => mô hình có nhiễn phân phối không chuẩn. Tuy nhiên, với số quan sát lớn thì khuyết tật này không quan trọng, có thể chấp nhận được
21