Đối với mô hình REM, tác giả thực hiện kiểm định các khuyết tật bao gồm kiểm định hiện tƣợng đa cộng tuyến bằng cách sử dụng phƣơng pháp nhân tử phóng đại phƣơng sai thay đổi và ma trận tƣơng quan, kiểm định hiện tƣợng tự tƣơng quan bằng kiểm định Durbin-Watson.
4.3.1. Kiểm định hiện tƣợng đa cộng tuyến
Phân tích tương quan
Hệ số tƣơng quan (r) là chỉ số thống kê phản ánh mức độ quan hệ tuyến tính giữa các biến. Hệ số này biến thiên từ +1 đến -1. Thông qua hệ số tƣơng quan có thể biết chiều tƣơng quan riêng giữa biến phụ thuộc với biến giải thích. Đồng thời cho thấy xuất hiện hiện tƣợng đa cộng tuyến trong mô hình hồi quy (nếu r > 0.8) (Bùi Đan Thanh, 2016). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), mối quan hệ tuyến tính giữa các biến có thể đƣợc ƣớc lƣợng thông qua giá trị hệ số tƣơng quan nhƣ sau:
|r| = 1: Tƣơng quan tuyến tính tuyệt đối. |r| > 0.8: Tƣơng quan tuyến tính rất mạnh. |r| = 0.6 – 0.8: Tƣơng quan tuyến tính mạnh. |r| = 0.4 – 0.6: Có tƣơng quan tuyến tính.
|r| = 0.2 – 0.4: Tƣơng quan tuyến tính yếu.
|r| < 0.2 Tƣơng quan tuyến tính rất yếu hoặc không có tƣơng quan tuyến tính.
Bảng 4.7 – Ma trận tƣơng quan
ROA SDA LDA LQ SGROWTH SIZE INF
ROA 1.0000 SDA -0.2739 1.0000 LDA 0.0433 -0.4908 1.0000 LQ 0.0140 -0.3481 0.0275 1.0000 SGRO WTH 0.2776 -0.0729 0.1051 -0.0093 1.0000 SIZE 0.0225 0.0179 0.2977 -0.1684 0.0169 1.0000 INF 0.1102 -0.0021 -0.0375 -0.0079 -0.0010 -0.1728 1.0000
Nguồn: Kết quả trích xuất từ phần mềm Eviews
Thông qua ma trận tƣơng quan, ta có thể thấy hệ số tƣơng quan giữa biến phụ thuộc và các biến độc lập SDA, LDA, LQ, SGROWTH, SIZE, INF lần lƣợt là - 0.27, 0.04, 0.01, 0.28, 0.02, 0.11. Đồng thời hệ sô tƣơng quan giữa các biến độc lập không cao.
Do tƣơng quan giữa các biến độc lập trong ma trận tƣơng quan đều nhỏ hơn 0.8 và đều có ý nghĩa thống kê. Do đó, thông qua phân tích tƣơng quan ta có thể thấy rằng không có hiện tƣợng đa cộng tuyến trong mô hình.
Phương pháp nhân tử phóng đại phương sai
Để phát hiện hiện tƣợng đa cộng tuyến trong mô hình, tác giả sử dụng hệ số phóng đại phƣơng sai (VIF – Variance Inflation Factor).
1 ���j = 1 − �2
Khi R2j → 1, VIFj → ∞: mức độ cộng tuyến giữa Xj với các biến độc lập còn lại càng cao. VIFj càng lớn, cộng tuyến càng cao. Kinh nghiệm cho thấy, khi VIFj > 10 � R2
j > 0.9, cộng tuyến đƣợc xem là cao.
Để tính đƣợc VIFj tác giả thực hiện chạy mô hình hồi quy phụ theo mô hình REM với các biến độc lập lần lƣợt là biến phụ thuộc để tìm đƣợc R2.
Bảng 4.8 – Kết quả VIF của các biến độc lập
SDA LDA LQ SGROWTH SIZE INF
R2 0.231752 0.228927 0.150386 0.013000 0.219943 0.031599 VIF 1.301663 1.296894 1.177005 1.013171 1.281957 1.032630
Nguồn: Tác giả tổng hợp và tính toán
Dựa vào bảng kết quả trên, ta có thể thấy giá trị VIF của các biến độc lập đều nhỏ hơn 10 rất nhiều nên có thể kết luận rằng giữa các biến độc lập không có hiện tƣợng đa cộng tuyến.
4.3.2. Kiểm định tự tƣơng quan
Dựa trên kiểm định Durbin – Watson theo kinh nghiệm có các quy tắc sau: Nếu 1 < d < 3: ρ = 0: thì kết luận mô hình không có tự tƣơng quan.
Nếu 0 < d < 1: ρ > 0: thì kết luận mô hình có tự tƣơng quan dƣơng. Nếu 3 < d < 4: ρ < 0: thì kết luận mô hình có tự tƣơng quan âm.
Dựa vào kết quả ƣớc lƣợng bảng 4.5 ta có giá trị Durbin – Watson (d) = 1.828236, nằm trong khoảng từ 1 đến 3, và theo quy tắc kiểm định Durbin – Watson theo kinh nghiệm ta có thể kết luận mô hình không có hiện tƣợng tự tƣơng quan.
Dựa vào các kiểm định khuyết tật của mô hình, ta có thấy mô hình không có hiện tƣợng đa cộng tuyến, tự tƣơng quan do đó kết quả ƣớc lƣợng trên là đáng tin cậy để giải thích tác động của các biến số đến lợi nhuận của doanh nghiệp ngành xây dựng đƣợc niêm yết trên thị trƣờng chứng khoán Việt Nam. Theo đó, ta có thể viết lại phƣơng trình hoàn chỉnh nhƣ sau:
��� = 0. 087442 − 0. 155993 * ��� − 0. 073268 * ��� − 0. 002759 * O�
+ 0. 014103 * ����W�� + 0. 003842 * ���� + 0. 149139 * ���
R2 có giá trị là 20.828%, do đó ta có thể kết luận rằng các biến độc lập trong mô hình giải thích đƣợc 20.828% sự biến thiên xung quanh giá trị trung bình của tỷ suất sinh lời ROA.