VII. Tính mới và đóng góp của nghiên cứu
5.1.3.Đo lường sự phù hợp của hàm hồi quy qua hệ số R
- Hệ số R2
Một thước đo sự phù hợp của mô hình tuyến tính thường dùng là hệ số xác định R2 (R Square). Công thức tính R bình phương xuất phát từ ý tưởng xem toàn bộ biến thiên quan sát được của biến phụ thuộc được chia thành 2 phần: phần biến thiên do Hồi quy (Regression) và phần biến thiên do phần dư (Residual). Nếu phần biến thiên do phần dư càng nhỏ, nghĩa là khoảng cách từ các điểm quan sát đến đường ước lượng hồi quy càng nhỏ thì phần biến thiên do hồi quy sẽ càng cao, khi đó giá trị R bình phương sẽ càng cao. Kết quả từ 5 phương pháp ước lượng cho thấy phương pháp PPML cho hệ số R2 rất cao, chênh lệch hẳn so với các phương pháp khác (bằng 0,94%). Tiếp đến là hệ số R2 của mô hình ước lượng bằng phương pháp OLS, HECKMAN và RE, FE (Bảng 5.1, dòng thứ 3 dưới lên).
- Hệ số aic
Hệ số aic dùng để cố gắng đo lường chất lượng tương đối của các mô hình kinh tế lượng cho một tập dữ liệu nhất định bằng cách cung cấp cho nhà nghiên cứu ước tính về thông tin sẽ bị mất nếu một mô hình cụ thể được sử dụng để hiển thị quá trình tạo ra dữ liệu. Như vậy, với một tập hợp các mô hình kinh tế lượng, mô hình được ưu tiên về chất lượng tương đối sẽ là mô hình có giá trị aic tối thiểu.
Hệ số aic từ các mô hình trên cho thấy, mô hình bằng phương pháp PPML cho kết quả thấp nhất. Theo tiêu chí này, mô hình PPML phù hợp nhất (Bảng 5.1, dòng thứ 5, dưới lên).
- Hệ số bic
Bic là ước tính về chức năng xác suất sau của mô hình là đúng, theo một thiết lập Bayes nhất định, do đó bic thấp hơn có nghĩa là một mô hình được coi là có khả năng là mô hình thực sự. Theo kết quả ước lượng từ 5 mô hình trên cho thấy phương pháp bằng PPML cho hệ số bic thấp nhất. Một lần nữa khẳng định phương pháp này là tối ưu nhất trong 5 phương pháp thử nghiệm (Bảng 5.1, dòng thứ 4, dưới lên).