KẾT LUẬN CHƯƠNG 2Ở chương này, Khóa luận đã nêu lên các khái niệm cơ
3.3.2. Kiểm định tự tương quan chuỗ
Một trường hợp khác khi V{e} = Ơ2I bị vi phạm, tức là khi hiệp phương sai giữa các
sai số khơng đồng thời bằng 0. Ví dụ, điều này xảy ra khi hai hay nhiều sai số liên tiếp
tương quan, trong trường hợp này chúng ta nói rằng xảy ra hiện tượng tự tương quan
của sai số (autocorrelation) hay tương quan chuỗi (serial correlation). Như đã thảo
luận ở trên, miễn là có thể giả định rằng E{e | X} = 0 (giả định (A9)), hậu quả của tự
tương quan tương tự như phương sai thay đổi (hay phương sai của sai số thay đổi):
OLS khơng thiên lệch, nhưng nó trở nên khơng hiệu quả và sai số chuẩn của ước
ra chỉ khi sử dụng dữ 45
liệu theo chuỗi thời gian. Để nhấn mạnh điều này, chúng ta sẽ đánh số các quan sát từ t = 1, 2, ... T thay vì từ i = 1, 2, ..., N. Sự khác biệt lớn nhất là bây giờ thứ tự của các quan sát trở nên quan trọng và chỉ số phản ánh trật tự tự nhiên. Nhìn chung, sai số £t ảnh hưởng đến các biến mà những biến này lại ảnh hưởng đến các biến phụ thuộc chưa được đưa vào mơ hình. Ảnh hưởng của các biến bị loại trừ này thường là nguyên nhân dẫn đến hiện tượng tự tương quan dương. Nếu các biến loại trừ nói trên được quan sát và được đưa vào mơ hình, chúng ta có thể diễn giải kết quả tự tương quan như là một dấu hiệu của một mơ hình khơng chuẩn. Điều này giải thích tại sao các bài kiểm tra sự tự tương quan thường được xem như là kiểm tra sự sai lệch của mơ hình. Các dạng hàm mơ tả khơng chính xác, các biến bị bỏ sót và một mơ hình thiếu tính động có thể dẫn đến kết luận về sự tự tương quan
Đối với dữ liệu bảng, có thể sử dụng kiểm định Wooldridge để xác định tự tương quan với giả thuyết như sau:
H0: Khơng có hiện tượng tương quan chuỗi H1: Có hiện tượng tương quan chuỗi