Một giả thuyết thống kê là một khẳng định về phân phối của một hoặc nhiều biến ngẫu nhiên. Nếu giả thuyết thống kê xác định hoàn toàn một phân phối, thì nó được gọi là một giả thiết thống kê đơn; trường hợp ngược lại, nó được gọi là một giả thiết thống kê hợp (Phạm Trí Cao và Vũ Minh Châu, 2006).
31
luật hay một kinh nghiệm nào đó để đặt ra một giả thiết thống kê. Sau đó xây dựng những thủ tục và những giả thiết đã đặt ra được chấp nhận hay bác bỏ. Những thủ tục đó được gọi là những phép kiểm định (trắc nghiệm) giả thiết thống kê.
Phép kiểm định thường là phép so sánh giữa hai hay nhiều giá trị. Giả thuyết được đặt ra thường được gọi là Giả thuyết không, ký hiệu Ho. Chữ “không” ở đây có nghĩa là không có sự khác biệt có ý nghĩa về mặt thống kê giữa các giá trị cần so sánh. Khi bác bỏ Ho, chúng ta sẽ chấp nhận một giả thuyết H1 khác, được gọi là giả thuyết đối của Ho.
Để các ước lượng của mô hình theo phương pháp tổng bình phương bé nhất mô hình cần thỏa mãn các giả thuyết sau:
Giả thiết 1: Mẫu ngẫu nhiên
Giả thiết 2: Kỳ vọng sai số ngẫu nhiên bằng 0
Giả thiết 3: Phương sai sai số ngẫu nhiên không đổi
Giả thiết 4: Các biến độc lập không có quan hệ cộng tuyến hoàn hảo (Đa cộng tuyến) Cov (X1,X2,…,Xk)=0
Giả thiết 5: Không có tương quan giữa các sai số (Tự tương quan) Cov (e1,e2,…,ek)=0
Kiểm định F
Với cặp giả thuyết: Ho: Phương sai của phần dư không đổi H1: Phương sai của phần dư thay đổi
Để thực hiện kiểm định giả thiết phương sai sai số ngẫu nhiên không đổi, tác giả sử dụng kiểm định White. Ta có được giá trị F. Nếu tại mức ý nghĩa α: F > 0.05 và R2
32
Kiểm định Breusch-Godfrey
Xét mô hình: Yi = ßi + ß2Xi + Ui , với Ui = p1Ui-1 + p2Ui-2 + ... + ppUi-p + ɛi và ɛi
thỏa mãn các giả thuyết của mô hình cổ điển. Ta đặt giả thuyết H0 là không có tự tương quan và H1 là có tự tương quan.
Nếu Obs*R-Squared > (df), bác bỏ H0, hay thừa nhận có tự tương quan và nếu p-value (Probability) > α, chấp nhận H0, hay không có tự tương quan (Phạm Trí Cao, 2013).
Kiểm định White Heteroskedasticity
Kiểm định White là mô hình tổng quát về sự thuần nhất của phương sai. Xét mô hình: Yi = ßi + ß2X2 + ß2X3 + Ui, ta có hai giả thuyết H0 là phương sai không đổi và H1 là phương sai thay đổi.
Nếu Obs*R-Squared > (df), bác bỏ H0, phương sai có thay đổi và nếu p-value (Probability) < α, bác bỏ H0, phương sai có thay đổi (Phạm Trí Cao, 2013).
Kiểm định đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình phụ thuộc tuyến tính lẫn nhau và thể hiện được dưới dạng hàm số. Mà theo giả thuyết của phương pháp OLS thì các biến độc lập không có hiện tượng đa cộng tuyến.
Khi có hiện tượng đa cộng tuyến thì chúng ta không thể ước lượng được mô hình. Vì chỉ cần một sự thay đổi nhỏ trong mẫu dữ liệu sẽ kéo theo sự thay đổi lớn các hệ số ước lượng (Phạm Trí Cao, 2013).
Để kiểm định hiện tượng đa cộng tuyến, tác giả căn cứ trên kết quả của bảng ma trận hệ số tương quan. Kết quả cho thấy, các cặp biến độc lập có sự tương quan với nhau nhưng hệ số tương quan R2 đều nhỏ hơn 0.8. Do đó, mô hình không có hiện tượng đa cộng tuyến.
Ngoài ra, một thước đo khác của hiện tượng đa cộng tuyến là nhân tử phóng đại phương sai gắn với biến Xi, ký hiệu là VIF(Xi), được xác định bằng công thức sau: VIF(Xi)=1/(1-R2
i). Trong đó, R2
33
các biến độc lập khác. Nếu tất cả VIF đều lớn hơn 10 thì mô hình không có hiện tượng đa cộng tuyến.
34
TÓM TẮT CHƯƠNG 3
Dựa vào cơ sở lý luận về nợ quá hạn và các nhân tố ảnh hưởng đến nợ quá hạn của khách hàng cá nhân ở chương 2, tác giả đã đề xuất mô hình nghiên cứu tại chương 3. Mô hình này có sự phù hợp với mục tiêu nghiên cứu của đề tài, bao gồm phương trình hồi quy và các biến trong mô hình nghiên cứu. Ngoài ra, trong chương này cũng đã nêu các phương pháp thu thập dữ liệu nghiên cứu, kích thước mẫu và những phương pháp phân tích sử dụng trong đề tài bao gồm phương pháp phân tích tương quan, phương pháp phân tích hồi quy và phương pháp kiểm định mô hình nghiên cứu. Từ đó, làm cơ sở cho việc trình bày kết quả nghiên cứu từ việc chạy mô hình hồi quy trong chương 4.
35
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU