Phương pháp phân tích dữ liệu

Trong hồi quy với dữ liê ̣u bảng cơ bản các nhà nghiên cứu thường thường ứng dụng các

mô hình chính như: POOLED, FEM, REM sau đó nếu cần phân tích kỹ lưỡng và sâu hơn thì ta mới quan tâm đến các mô hình như SUR, IVs,…

Mô hình POOLED thực chất là mô hình OLS bình thường, điều này xảy ra khi sử du ̣ng dữ liê ̣u bảng như mô ̣t “đám mây dữ liê ̣u” bình thường không phân biê ̣t theo năm và khi

thực sự phù hợp với bộ dữ liê ̣u thì viê ̣c sử du ̣ng phân tích với mô hình FEM, REM lúc

này không còn nhiều ý nghĩa. Khi đó, chúng ta chỉ cần xem xét mô hình OLS cho dữ

liê ̣u có được và thực hiê ̣n các kiểm đi ̣nh bình thường.

Mô hình FEM tự bản thân chỉ quan tâm đến những khác biê ̣t mang tính cá nhân đóng

góp vào mô hình nên sẽ không có hiê ̣n tượng tự tương quan trong mô hình.

Mô hình REM quan tâm đến cả vấn đề về những khác biê ̣t của riêng các đối tượng phân

tích qua thời gian đóng góp vào mô hình do đó tự tương quan là mô ̣t vấn đề tiềm tàng trong mô hình này cần phải giải quyết (được giải quyết bằng phân tích đô ̣ng dữ liê ̣u bảng – dynamic panel data analysis) đồng thời nó la ̣i loa ̣i bỏ tốt yếu tố phương sai thay đổi.

Quy trình hồi quy

Bước 1. Hồi quy với mô hình POOLED và thực hiê ̣n kiểm đi ̣nh thử để phát hiê ̣n các vấn đề. Như hiê ̣n tượng đa cô ̣ng tuyến – multi - colinear; hiê ̣n tượng tự tương quan - autocorrelation; hiê ̣n tượng phương sai thay đổi – heteroskedasticity…

Bước 2. Hồi quy với mô hình các tác động cố định (Fixed Effects Model, FEM) với giả

sử rằng các đặc điểm riêng của các thực thể có tương quan với các biến độc lập.

Bước 3. Hồi quy với mô hình các tác động ngẫu nhiên (Random Effects Model, REM)

với giả định cho rằng sự khác biệt về các điều kiện đặc thù của các đơn vị chéo được chứa đựng trong phần sai số ngẫu nhiên

Bước 4. Kiểm định Hausman với giả thiết Ho là có sự khác biê ̣t trong chính cá nhân đó – REM để lựa chọn mô hình FEM hoặc REM là phù hợp hơn với bộ dữ liệu.

Bước 5. Cuối cùng dùng các kiểm định để lựa chọn mô hình phù hợp nhất với thực trạng

nghiên cứu để dùng làm kết quả nghiên cứu cuối cùng. Như kiểm định phương sai thay

đổi cho mô hình bằng packages được xây dựng thêm trong stata: xttest3. Kiểm đi ̣nh phát hiê ̣n tác đô ̣ng ngẫu nhiên: Lagrange multiplier với giả đi ̣nh Ho là không có tác đô ̣ng. Ngoài ra, khi phát hiê ̣n có các hiê ̣n tượng về biến nô ̣i sinh thì chuyển sang các mô hình 2SLS, IVs, GMM,…

Giả sử rằng các đặc điểm riêng của các thực thể có tương quan với các biến độc lập, do đó chúng ta sử dụng mô hình các tác động cố định (FEM).

Phương pháp FEM

Yit = β1it + β2X2it + β3X3it + uit

FEM mặc dù có sự khác biệt các đơn vị chéo về hệ số trục tung nhưng lại không khác biệt theo thời gian. Trong FEM Tất cả các hệ số đều không đổi theo thời gian và các đơn vị chéo (pure POOLED). Hệ số độ dốc không đổi theo thời gian và các đơn vị chéo nhưng hệ số trục tung khác nhau giữa các đơn vị chéo (dummy). Hệ số độ dốc không đổi theo thời gian và các đơn vị chéo nhưng hệ số trục tung biến đổi giữa các đơn vị chéo và thời gian. Tất cả các hệ số biến đổi theo các đơn vị chéo (dummy + interactive). Tất cả các hệ số biến đổi theo các đơn vị chéo và theo thời gian.

3.2.5.2. Mô hình tác động ngẫu nhiên (REM)

Mô hình các tác động ngẫu nhiên (REM) giả sử các đặc điểm riêng biệt của các thực thể

có tính ngẫu nhiên (không có tương quan với các biến độc lập). Giữa εi và uit không có

tương quan chuỗi, nhưng giữa các sai số wit có thể có tự tương quan (cần kiểm định).

Ý tưởng của tiếp cận này cho rằng sự khác biệt về các điều kiện đặc thù của các đơn vị chéo được chứa đựng trong phần sai số ngẫu nhiên

β1i = β1 + εi

Yit = β1 + β2X2it + β3X3it + εi + uit

= β1 + β2X2it + β3X3it + wit

wit = εi + uit

Sự khác biệt của các đơn vị chéo ước lượng bằng REM nằm trong thành phần ngẫu

nhiên. FEM khi εi và các biến độc lập được giả thiết có mối quan hệ chặt chẽ (chọn mẫu

không đại diện). ECM khi εi và các biến độc lập được giả thiết không có mối quan hệ