CHƢƠNG 4 PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.5. PHÂN TÍCH MÔ HÌNH HỒI QUI
4.5.2. Kiểm định các giả thiết của mô hình nghiên cứu
Giả thiết về đa cộng tuyến:
chẽ với nhau. Vấn đề của hiện tƣợng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hƣởng của từng biến đến một biến phụ thuộc. Hiệu ứng khác của sự tƣơng quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hƣớng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Chính vì vậy, mô hình không tồn tại hiện tƣợng đa cộng tuyến mới có thể dùng đƣợc.
Bảng 4.24. Kiểm tra hiện tượng đa cộng tuyến
Nhân tố Đa cộng tuyến
Tolerance VIF Hằng số F_QT .579 1.726 F_DTC .887 1.128 F_CS .539 1.855 F_CP .761 1.315 F_DN .603 1.657 F_VC .919 1.088
Kết quả kiểm tra hiện tƣợng đa cộng tuyến của mô hình cho thấy hệ số phóng đại phƣơng sai VIF của các nhân tố đƣợc đƣa vào mô hình này đều có giá trị < 5 nên không có hiện tƣợng đa cộng tuyến. (Bảng 4.24)
Giả thiết hiện tượng tự tương quan
“Tự tƣơng quan” là sự tƣơng quan giữa các quan sát trong dãy số thời gian hoặc dãy không gian. Trong phạm vi phân tích hồi quy, mô hình hồi quy tuyến tính cổ điển luôn giả thuyết rằng:
Cov(i, j) = E(ij) = 0 i j
i j: Cov(i, j) = E(ij) 0
Khi mô hình tồn tại hiện tƣợng tự tƣơng quan sẽ có một số hậu quả nhƣ: Các ƣớc lƣợng bình phƣơng bé nhất vẫn là ƣớc lƣợng tuyến tính không chệch nhƣng chúng không phải là ƣớc lƣợng hiệu quả; Phƣơng sai ƣớc lƣợng đƣợc của các ƣớc lƣợng bình phƣơng bé nhất thƣờng là chệch; Các kiểm định T và F nói chung không đáng tin cậy…
Nhƣ vậy, cần phải kiểm định và khắc phục hiện tƣợng này.
Bảng 4.25. Kiểm định hiện tượng tự tương quan
R R2
R2 điều chỉnh
Sai số chuẩn của ƣớc
lƣợng Durbin-Watson
.671a .450 .441 .39770 1.561
Với kết quả tính toán, thống kê Durbin – Watson là 1.561.
Với bậc tự do là n=350 và k’=6, mức ý nghĩa 5%, tra bảng Durbin – Watson để tìm giá trị dLvà du. Với n khá lớn, giá trị dL và du không có nên kết quả xấp xỉ, giá trị dL = 1.599 và du = 1.943.
Nhƣ vậy, với d= 1.561<dL = 1.599 dễ dàng kết luận mô hình tồn tại hiện tƣợng tự tƣơng quan dƣơng với mức ý nghĩa 5%.
Giả thiết về hiện tượng phương sai không đồng nhất
Một trong các giả thiết quan trọng của mô hình hồi quy tuyến tính cổ điển là phƣơng sai của từng yếu tố ngẫu nhiên là một số không đổi và bằng 2
Var (Ui / Xi ) = 2
i =
Có nhiều phƣơng pháp khác nhau để kiểm tra giả thiết này nhƣ phƣơng pháp đồ thị, kiểm định Park, kiểm định Glejser, kiểm định White, với luận văn sử dụng phƣơng pháp dựa vào biến phụ thuộc.
Theo phƣơng pháp này, giả định phƣơng sai các phần dƣ đƣợc biểu diễn theo quan hệ sau:
2 i 2 1 2 i E(Y)
Trong thực hành, luận văn dùng ei2 và Ŷi2
thay cho i 2
và [E(Yi)]2 Nhƣ vậy, để kiểm định chúng ta phải có các biến mới là RES2= ei2
và PRE2= Ŷi2
.
Tất cả đều thực hiện dựa trên phần mềm SPSS 16, kết quả nhƣ trên Bảng 4.26. Bảng 4.26. ANOVA Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.043 .107 9.769 .000 PRE2 -.063 .061 -.055 -1.033 .302
Dựa vào kết quả trên Bảng 4.26, Giá trị Sig = 0.302 >0.05 nhƣ vậy chƣa có cơ sở bác bỏ H0 hay nói cách khác có thể kết luận mô hình không tồn tại hiện tƣợng phƣơng sai không đồng nhất.