7. Kết cấu của luận án
3.3.3. Kiểm định tính vững của dữ liệu nghiên cứu
Để lựa chọn phương pháp ước lượng phù hợp và mang lại kết quả đáng tin cậy, dữ liệu nghiên cứu cần được kiểm định tính vững, tức là mô hình ước lượng không vi phạm những khuyết tật của mô hình hồi quy như hiện tượng đa cộng tuyến, PSSS thay đổi, tự tương quan. Các mô hình ước lượng vi phạm những khuyết tật này có thể mang lại kết quả sai lệch và không đáng tin cậy nếu sử dụng phương pháp ước lượng không phù hợp.
Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity)
Khi hệ số tương quan của các cặp biến độc lập lớn hơn 0,8 thì các cặp biến này có hiện tượng đa cộng tuyến cao. Tuy nhiên, ngay cả khi hệ số tương quan của hai biến độc lập nhỏ hơn 0,8 thì vẫn có thể có tồn tại đa cộng tuyến. Do đó, bên cạnh việc dựa vào hệ số tương quan của các cặp biến độc lập, tác giả còn sử dụng hệ số phóng đại phương sai VIF (variance inflation factor) trung bình của mô hình để kiểm tra hiện tượng đa cộng tuyến.
VIFj = 1
j (Rj: mô hình hồi quy phụ của biến độc lập j)
Nếu mô hình có hiện tượng đa cộng tuyến thì ước lượng OLS sẽ cho ra kết quả không đáng tin cậy như hệ số ước lượng không có ý nghĩa thống kê, các biến bị ngược dấu so với kỳ vọng, sự thay đổi nhỏ của mẫu nghiên cứu cũng có thể dẫn đến sự thay đổi lớn về kết quả ước lượng (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012).
Quy ước chung là nếu VIF > 10 thì mô hình có hiện tượng đa cộng tuyến cao. Tuy nhiên, theo một số nghiên cứu thực nghiệm thì VIF > 2,5 đã được xem là đa cộng tuyến cao (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012).
Kiểm tra hiện tượng phương sai sai số thay đổi (Heteroskedasticity)
Trong mô hình hồi quy tuyến tính, một trong những giả thiết quan trọng đó là các yếu tố phần dư phải có phương sai đồng nhất. Nếu không thỏa mãn giả thiết này, tức là mô hình có hiện tượng PSSS thay đổi, thì các kết quả ước lượng OLS sẽ không còn là ước lượng tốt nhất và có thể dẫn đến những kết luận sai lầm (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Để kiểm tra hiện tượng PSSS thay đổi, tác giả sử dụng kiểm định Breusch – Pagan với giả thiết:
H0 : mô hình có hiện tượng phương sai đồng nhất
Nếu giá trị p-value nhỏ hơn 0,05 thì mô hình có hiện tượng PSSS thay đổi. 105
Kiểm tra hiện tượng tự tương quan (Autocorrelation)
Tự tương quan là khuyết tật thường hay xảy ra đối với dữ liệu bảng. Đó là hiện tượng sai số tại thời điểm này có mối quan hệ với sai số tại các thời điểm khác trong quá khứ. Nếu có hiện tượng tự tương quan thì ước lượng OLS sẽ không còn là ước lượng tốt nhất và có thể mang lại những kết quả sai lệch. Đặc biệt đối với những mô hình xảy ra đồng thời cả hai hiện tượng là PSSS thay đổi và tự tương quan, kết quả ước lượng sẽ không đáng tin cậy dù cho mẫu nghiên cứu có quy mô lớn (Nguyễn Quang Dong & Nguyễn Thị Minh, 2012). Để kiểm tra hiện tượng tự tương quan, tác giả sử dụng kiểm định Wooldridge với giả thiết:
H0 : mô hình không có hiện tượng tự tương quan
Nếu giá trị p-value nhỏ hơn 0,05 thì mô hình có hiện tượng tự tương quan.
Bảng 3.4. Giá trị p-value của các kiểm định khuyết tật mô hình
Mô hình Trung bình VIF Breusch-Pagan Wooldridge
(1) 1,79 0,0000 0,0000 (2) 1,79 0,0000 0,0000 (3) 1,98 0,0000 0,0000 (4) 1,98 0,0000 0,0000 (5) 2,01 0,0000 0,0000 (6) 2,01 0,0000 0,0000 (7) 2,04 0,0000 0,0000 (8) 2,04 0,0000 0,0000 (9) 2,33 0,0000 0,0000 (10) 2,33 0,0000 0,0000 (11) 4,56 0,0000 0,0000 (12) 4,56 0,0000 0,0000
Nguồn: tác giả tổng hợp từ Stata
Kết quả p-value của các kiểm định trong bảng trên cho thấy các mô hình có thể gặp phải hiện tượng đa cộng tuyến (mô hình (11) và (12)), PSSS thay đổi và tự tương quan (xảy ra ở tất cả các mô hình). Như vậy, phương pháp ước lượng OLS không phù hợp trong nghiên cứu này vì có thể dẫn đến kết quả ước lượng không đáng tin cậy.