2. Các khuyết tật của mô hình
2.3 Khắc phục phương sai sai số thay đổi;
Phát hiện mô hình có hiện tượng phương sai sai số thay đổi từ kiểm định Glejser với P_value = 0,0202 < 5%.
Ta khắc phục hiện tượng phương sai sai số thay đổi:
a) Kiểm định dựa trên biến phụ thuộc:
* Kiểm định phương sai sai số thay đổi với biến “TN”:
Thực hiện trên Eviews bằng cách dùng lệnh: Is residA2 c tnA2 Ta có bảng kết quả Eviews:
Nếu H0 đúng thì F~F(1 ,n 2)
P_value = 0,002104 < 0,05 ^ Chấp nhận H1, bác bỏ H0
Kết luân: Mô hình có hiện tượng phương sai sai số thay đổi
=> Biến độc lập TN là biến có trọng số của mô hình
* Kiểm định phương sai sai số thay đổi với biến “STV”:
2 9
Ta thu được mô hình: E2 = 2,547321 + 0,006434*(TN2) (*) R2= 0,130717
BTKĐ: HH 0: 1: PSSS không đổiPSSS thay đổi
\2
Thực hiện trên Eviews bằng cách dùng lệnh: Is residA2 c stvA2 Ta có bảng kết quả Eviews:
3 0
Ta thu được mô hình: É2 = 2,192949 + 2,236983*(STV2)
R2=0,023245
BTKĐ: HH 0: 1: PSSS không đổiPSSS thay đổi TCKĐ: ;; Se~ a 2 Nếu H0 đúng thì F~F(1 ,n 2) P_value = 0,207668 > 0,05 ^ Chấp nhận H0, bác bỏ H1
Kết luân.Mô hình không có hiện tượng phương sai sai số thay đổi
=> Biến độc lập STV không phải là biến có trọng số của mô hình
* Kiểm định phương sai sai số thay đổi với biến “BC”:
Thực hiện trên Eviews bằng cách dùng lệnh: ls residA2 c bcA2
Nếu H0 đúng thì F~F(1 ,n-2)
P_value = 0,386087 > 0,05 ^ Chấp nhận H 0, bác bỏ H1
Kết luân:Mô hình không có hiện tượng phương sai sai số thay đổi
=> Biến độc lập BC không phải là biến có trọng số của mô hình
b) Khắc phục hiên tượng phương sai sai số thay đổi
Vì mô hình (*) của biến TN có phương sai sai số thay đổi theo biến MCT. Ta tìm
được trọng
số theo biến TN , sử dụng phương pháp bình phương nhỏ nhất có trọng số để khắc phục phương
sai sai số thay đổi của mô hình:
- Định lại các biến và loại bỏ các biến bằng 0 của biến TN với điều kiên của biến là
TN < 0
và TN > 0.
- Xét mô hình hồi quy ban đầu:
3 1
Ta thu được mô hình: E2 = 1228,027 + 68397,41*(BC2)
p2=0,011067
BTKĐ: HH0 1: PSSS không đổi: PSSS thay đổi
TCKĐ:
a 2
Se, «2
MCĨị = 1.878559+0.294486 TNi+1.082093 STVi + 1.793317 BCi
- Do ơ2 chưa biết nên xét giả thiết ơ2=ơ2 TNi (ơ2 là hằng số dương) - Ta chia 2 vế của mô hình ban đầu cho TNi, ta được:
3 2
-Mô hình có: Var (ui )= ơ2 TN2
- Thực hiện bằng công cụ Eviews, ta thu được mô hình mới:
[=] Equation: UNĨTTLED Workfile: MÓ HÌNH KO CỚ PSSSc:Untit... I ■=. 11 E°J 11 E3 I
[ Viewĩ ProcỊ otýect J PrintĨName Freeze Estimate PorecastỊ Stats ĩ Resids 1 Dependent Variable: MCT
Method: Least Squares Date: 10/31/21 Time: 23:27
Sample: 1 70 IF TN-—-0 Included Cibservations: 70 Weighting series: 1/TN
Weight type: Inverse Standard deviation
(EViews deĩault scaling}
Variable Coeỉỉicient std. Error t-Statistic Prot>.
c 0 304222 0.680082 0.447330 0.6561
TN 0.456233 0.053148 3.585197 0.0000
STV 0.850921 0.224575 3.789027 0.0003
BC 0.727058 0.499008 1.457007 0.1499
Weighted Statistics
R-squared 0.810337 Me an dependent var 12.24298
Adjusted R-squared 0.802238 S.D. dependentvar 2.320163
S.E. of regression 2.064353 Akaike into criterion 4.342956
Sum squared resid 281.2625 s chwa crite ri □ n 4.471441
Log likelihood -143.0035 Hannan-ũuinn criter. 4.393992
F-statistic 94.30161 Durbin-Watson stat 2.130425
p ro b (F-stati sti c} 0.000000 Weighted mean dep. 10.76109
Unvveighted Statistics
R-squared 0.706314 Me an dependentvar 13.72857
Adjusted R-squared 0.693438 S.D. dependentvar 4.813396
S.E. of regression 2.665144 Sum squared resid 468.7975
Durbin-Watson stat 2.232410
Ta được mô hình hồi quy:
MCTi = 0,304222 +0 456288 + 0,850921 STVi + 0,727058 BC i
TNi TNi+ ■ + TNi+ TNi
Ta được mô hình hồi quy gốc bằng cách nhân cả 2 vế với TNi:
MCT = 0,304222 +0,456288 TNi+ 0,850921 STVi+0,727058 BCi