• Kiểm định đa cộng tuyến
Hiện tượng đa cộng tuyến là vấn đề không thể loại bỏ hoàn toàn trong thống kê, tuy nhiên đa cộng tuyến càng ở mức càng thấp càng tốt. Kết quả Bảng 4.2 cho thấy hệ số tương quan giữa các cặp biến là khá thấp (hầu hết đều trong khoảng từ -0,5 đến 0,5), do đó có thể dự đoán không có hiện tượng đa cộng tuyến.
Sử dụng nhân tử phóng đại phương sai (VIF) để kiểm tra đa cộng tuyến giữa các biến:
Bảng 3.5: Tổng hợp kết quả kiểm tra VIF các biến
Variable VIF 1/VIF
CPI 3,17 0,315080 EA 2,74 0,364981 NPLt-1 2,42 0,412949 NIM 2,15 0,465489 GDP 1,84 0,542913 ROE 1,33 0,754348
GRL 1,28 0,780972
Mean VIF 2,13
Nguồn: Kết quả từ Stata phiên bản 15.1
Có thể thấy tất cả các biến độc lập có VIF<10 nên hiện tượng đa cộng tuyến không xảy ra hay các biến độc lập không tương quan với nhau.
• Kiểm định tự tương quan
Bảng 3.6: Kiểm định tự tương quan giữa các biến
Breusch-Godfrey LM test for autocorrelation
lags(p) chi2 df Prob > chi2
1 0,281 1 0,5963
H0: no serial correlation
Nguồn: Kết quả từ Stata phiên bản 15.1
Với kết quả Prob = 0,5963 ta chấp nhận giả thiết H0, không có hiện tượng tự tương quan trong mô hình.
• Kiểm định phương sai sai số thay đổi
Bảng 3.7: Kiểm định phương sai sai số thay đổi
White's test for Ho: homoskedasticity
against Ha: unrestricted heteroskedasticity
chi2(35) = 36.85
Prob > chi2 = 0.3833
Cameron & Trivedi's decomposition of IM-test
Source chi2 df p
Heteroskedasticity 36.85 35 0.3833
Skewness 7.33 7 0.3952
Total 44.94 43 0.3906
Nguồn: Kết quả từ Stata phiên bản 15.1
Với kết quả Prob = 0,3833 ta chấp nhận giả thiết H0, không có hiện tượng phương sai sai số thay đổi trong mô hình. (adsbygoogle = window.adsbygoogle || []).push({});