Đầu tiên, tác giả sử dụng phương pháp phân tích hiệp phương sai để tìm ra hiện tượng đa cộng tuyến, chứng minh các biến nhân tố vĩ mô không có mối quan hệ tuyến tính. Kết quả phát hiện ra rằng không có vấn đề về đa cộng tuyến trong số các biến độc lập được chọn vì tất cả giá trị hệ số phóng đại phương sai (VIF) hiển thị giữa các biến giải thích đều nhỏ hơn 5.
ACB F-Statistic 1,844833 Prob. F(l, 119) 0,0915
CTG F-Statistic 3,794632 Prob. F(l,112) 0,0010
EIB F-Statistic 1,96452 Prob-F(l, 109) 0,1484
SHB F-Statistic 2,013637 Prob. F(l, 115) 0,0821
STB F-Statistic 2,896996 Prob. F(l, 119) 0,0739
VCB F-Statistic 3,048077 Prob. F(l, 113) 0,0775
Nguồn: Kết quả hồi quy bằng phần mềm Eview 10.
Trong khi đó, có khá nhiều nghiên cứu như Kasman và cộng sự (2011), Muneer (2011) và Tai (2005) nhận thấy rằng dữ liệu chuỗi thời gian có thể có xác suất tồn tại cao của vấn đề tự tương quan và phương sai sai số thay đổi. Nên sự phù hợp của mô hình hồi quy theo phương pháp OLS được kiểm tra với kiểm định ARCH. Giả thuyết H0 sẽ bị bác bỏ nếu các vấn đề tự tương quan và phương sai sai số thay đổi xảy ra trong mô hình.
ACB Obs*R-squared 111,2888 Durbin-Watson stat 1,716682 Prob chi-square 0,0636 CTG Obs*R-squared 97,66593 Durbin-Watson stat 1,649488 Prob chi-square 0,0874 EIB Obs*R-squared 102,8123 Durbin-Watson stat 2,345946 Prob chi-square 0,0916 SHB Obs*R-squared 94,58224 Durbin-Watson stat 2,078131 Prob chi-square 0,1269 STB Obs*R-squared 116,1259 Durbin-Watson stat 1,734612 Prob chi-square 0,0695 VCB Obs*R-squared 112,0508 Durbin-Watson stat 1,906152 Prob chi-square 0,0577
Nguồn: Kết quả hồi quy bằng phần mềm Eview 10.
Trong thực tế, vì xác suất thống kê Prob F-statistic cho hầu hết các mô hình có ý nghĩa ở mức ý nghĩa 5% (P > 0,05) trong kiểm định ARCH. Do đó, không có cơ sở bác bỏ giả thuyết H0 và kết luận rằng không có vấn đề phương sai thay đổi trong các mô hình. Kết luận, phương pháp OLS phù hợp để sử dụng trong việc chạy chuỗi dữ liệu.
ACB F-Statistic 1,271526 Prob. F( 1,119) 0,6129
CTG F-Statistic 1,35443 Prob. F( 1,112) 0,051
EIB F-Statistic 1,02087 Prob. F(l,109) 0,5667
SHB F-Statistic 1,469318 Prob. F(l,115) 0,3249
STB F-Statistic 1,215228 Prob. F( 1,119) 0,0455
VCB F-Statistic 6,242119 Prob. F(l,113) 0,9201
Nguồn: Kết quả hồi quy bằng phần mềm Eview 10.
Bên cạnh thử nghiệm ARCH, kiểm định Breusch-Godfrey được thực hiện để kiểm tra có xảy ra hay không hiện tượng tự tương quan trong các mô hình. Dựa trên kết quả thu được, các mô hình đều không có vấn đề tự tương quan vì hầu hết xác suất của bình phương đều cao hơn 0,05. Không có cơ sở bác bỏ giả thuyết H0 và kết luận rằng không có vấn đề tự tương quan tồn tại trong các mô hình. Đồng thời, tỷ lệ bình thường của kiểm định Durbin Watson (trong khoảng 1,6 - 2,4) cho tất cả các mô hình cũng hỗ trợ rằng không có vấn đề tự tương quan.
Nguồn: Kết quả hồi quy bằng phần mềm Eview 10.
Ngoài ra, kiểm định Ramsey được sử dụng để kiểm tra xem các mô hình có chứa biến không phù hợp hay không. Hầu như tất cả các xác suất của thống kê Prob F- Statistic cho tất cả các mô hình đều lớn hơn 0,05, điều đó thể hiện rằng mô hình được chỉ định chính xác ở mức 5% có ý nghĩa . Do đó, chúng tôi không bác bỏ giả thuyết H0
và kết luận rằng mô hình không chứa biến không phù hợp.
Đối với thử nghiệm tính chuẩn, giá trị của Jarque-bera thể hiện phần dư có phân phối bình thường hay không. Vì mô hình CTG, EIB có các giá trị P-value của thống kê JB > 0,05, không bác bỏ H0 và kết luận hai mô hình này có phân phối chuẩn (Xem Phụ lục 4.1). Tuy nhiên, dựa trên Central Limit Theorem, miễn là cỡ mẫu đủ lớn (n > 30), phân phối sẽ là phân phối chuẩn hoặc gần như chuẩn (Ivo, Nicolas, & Juana, 2008).