> Kiểm định đa cộng tuyến
Để kiểm định mô hình hồi quy có xảy ra hiện tượng đa cộng tuyến hay không thì tác giả sử dụng phương pháp kiểm định VIF (Variance Inflating Factors).
VIF được xác định theo công thức sau: VIF = —1-
( 1 - R' )
Theo Gujarati (2012) nếu giá trị VIF > 10 thì kết luận mô hình tồn tại hiện tượng đa cộng tuyển. Ngược lại nếu VIF < 10 thì không xảy ra hiện tượng đa cộng tuyến.
Kết quả kiểm định VIF như sau:
> Kiểm định tự tương quan
Để kiểm định có tồn tại hiện tượng tự tương quan trong mô hình hồi quy hay không, tác giả sử dụng phương pháp kiểm định Woodridge với các giả thiết sau:
E H
1: Tồn tại hiện tượng tự tương quan trong mô hình hồi quy.
Với mức ý nghĩa a = 5%, nếu giá trị Prob < a thì bác bỏ giả thiết H 0 và kết luận mô hình có tồn tại hiện tượng tự tương quan. Ngược lại, nếu giá trị Prob > a thì chấp nhận giả thiết H 0 và kết luận trong mô hình hồi quy cuối cùng không tồn tại hiện tượng tự tương quan.
Kết quả kiểm định Woodridge như sau:
Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation
F( 1, 22) = 1.026 Prob > F = 0.3221
Như vậy, giá trị Prob = 0.322 > a nên sẽ chấp nhận giả thiết H0 và mô hình hồi quy không tồn tại hiện tượng tự tương quan.
> Kiểm định phương sai sai số thay đổi
Để nhận biết sự tồn tại của hiện tượng phương sai sai số thay đổi trong mô hình hồi quy, tác giả sử dụng kiểm định Breusch - Pagan với cặp giả thiết sau:
H 0: Không tồn tại hiện tượng phương sai sai số thay đổi trong mô hình hồi quy.
: Tồn tại hiện tượng phương sai sai số thay đổi trong mô hình hồi quy.
Với mức ý nghĩa a = 5%, nếu giá trị Prob của Chi-square < a thì bác bỏ giả thiết và kết luận mô hình có tồn tại hiện tượng phương sai sai số thay đổi. Ngược lại, nếu giá trị Prob > thì chấp nhận giả thiết và kết luận trong mô hình hồi quy cuối cùng không tồn tại hiện tượng phương sai sai số thay đổi.
Thực hiện kiểm định Breusch - Pagan được kết quả sau:
Breusch and Pagan Lagrangian multiplier test for random effects DE[Enterprise,t] = Xb + u[Enterprise] + e[Enterprise,t]
Random-effects GLS regression Number of obs = 161
Group variable: Enterprise Number of groups = 23
R-sq: Obs per group:
within = 0.1289 min = 7
between = 0.1540 avg = 7.0
overall = 0.1335 max = 7
Wald chi2(3) = 8.28
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0406
Test: Var(u) = 0
chibar2(01) = 113.57 Prob > chibar2 = 0.0000
Ket quả kiểm định Breusch - Pagan cho thấy giá trị Prob của Chi-square < a
(0 < 0.05) nên bác bỏ giả thiết H0. Vì vậy, mô hình hồi quy cuối cùng tồn tại hiện tuợng phuơng sai sai số thay đổi. Và khuyết tật này của mô hình sẽ khiến kết quả của mô hình hồi quy không còn đáng tin cậy.
Để khắc phục khuyết tật này của mô hình, tác giả sẽ áp dụng mô hình sai số chuẩn mạnh (Robust Standard Errors), hay còn gọi là uớc luợng sai số chuẩn vững để khắc phục khuyết tật phuơng sai sai số thay đổi tồn tại trong mô hình. Kết quả hồi quy sau khi áp dụng mô hình sai số chuẩn mạnh nhu sau:
SIZE 0.929631 0.468207 4 1.99 0.047 0.0119614 1.847301 GROW 0.9151656 0.473048 2 1.93 0.01199190.053 - 1.842323 AGE -0.105951 10.057713 -1.84 0.21906650.066 - 0.0071646 _cons -2.557639 2.929353 -0.87 0.383 -8.299065 3.183788 sigma_u 1.3332593 sigma_e 1.2291426
rho 0.5405655 (fraction of variance due to u_i) K
e
t quả hồi quy cho thấy hệ
số Coefficients của các biến độc lập không thay STT Nhân tố Biến Giả thiết Kết quả nghiên cứu
1 Quy mô DN Quy mô tổng tài sản (+) (+)
2
Tốc độ tăng truởng Tốc độ tăng truởng tổng tài sản
(+) (+)
3 Tuổi của DN Số năm hoạt động của DN (+) (-)
(Std. Err. adjusted for 23 clusters in Enterprise)
đổi và cả ba biến này đều có ý nghĩa thống kê (biến SIZE có ý nghĩa thống kê ở mức 5% và biến GROW, AGE có ý nghĩa thống kê ở mức 10%.
Tóm lại, mô hình hồi quy cuối cùng có dạng:
DEit = -2.5576 + 0.9296SIZE + 0.9152GROW - 0.1060AGE