6. Kết cấu của luận văn
2.5.4. Kiểm định mô hình
2.5.4.1. Đa cộng tuyến
Đa cộng tuyến trong mô hình hồi quy xảy ra nếu các biến độc lập có mối quan hệ chặt chẽ với nhau, các biến độc lập có mối quan hệ tuyến tính với nhau, tức là các biến độc lập có tương quan chặt và mạnh với nhau. Hiện tượng các biến độc lập trong mô hình phụ thuộc vào nhau và có thể được viết dưới dạng một hàm được gọi là độ tuyến tính. Nếu hai biến độc lập, A và B, khi A tăng thì B tăng, A giảm thì B giảm thì trong mô hình có khả năng xuất hiện đa cộng tuyến. Nói cách khác, hai biến độc lập có mối liên hệ rất chặt chẽ với nhau; trên thực tế, hai biến này nên là một, nhưng nhà nghiên cứu chia chúng thành hai biến trong mô hình. Đa cộng tuyến vi phạm giả định của mô hình hồi quy tuyến tính chuẩn rằng các biến độc lập không có mối quan hệ tuyến tính với nhau. Trong Stata, ta sử dụng hàm Collin để kiểm định hiện tượng này.
Giả thiết mô hình:
H0: VIF < 10 => mô hình có hiện tượng đa cộng tuyến
H1: VIF > 10 => mô hình không có hiện tượng đa cộng tuyến
Bảng 2.12. Kiểm định đa cộng tuyến (VIF)
(Nguồn: BCTC thường niên của 44 CTCP ngành BĐS niêm yết trên HoSE, 2017 – 2020, phần mềm Stata)
Do hệ số VIF đều nhỏ hơn 10 nên mô hình không xảy ra hiện tượng đa cộng tuyến.
2.5.4.2. Phương sai sai số thay đổi
Các yếu tố gây nhiễu ui (còn được gọi là phần dư) xuất hiện trong hàm hồi quy tổng thể có cùng phương sai, đây là một giả thiết quan trọng trong mô hình hồi quy
tuyến tính thông thường. Một phương sai có thể thay đổi nếu giả định này không được đáp ứng. Tính không thiên lệch và nhất quán của các ước tính OLS không bị ảnh hưởng bởi sự biến thiên. Nhưng các ước lượng này không còn phương sai nhỏ nhất hay là các ước lượng hiệu quả. Nói cách khác, chúng không còn là những công cụ ước lượng tuyến tính không chệch tốt nhất nữa. Các phương sai của các ước tính OLS không được suy ra bằng các thủ tục OLS thông thường khi có sự thay đổi khác nhau. Tuy nhiên, nếu chúng ta tiếp tục sử dụng các công thức OLS chuẩn, chúng có thể gây ra kết quả sai lệch. Đối với mô hình tác động cố định, ta sử dụng hàm xttest3 để kiểm định PSSS thay đổi.
Giả thiết mô hình:
H0: P value < 0,0500 => mô hình có hiện tượng PSSS thay đổi
H1: P value > 0,0500 => mô hình không có hiện tượng PSSS thay đổi
Bảng 2.13. Kiểm định PSSS thay đổi
(Nguồn: BCTC thường niên của 44 CTCP ngành BĐS niêm yết trên HoSE, 2017 – 2020, phần mềm Stata)
Do P value = 0,0000 (<0,0500) nên mô hình có hiện tượng PSSS thay đổi.
2.5.4.3. Tự tương quan
Tự tương quan là tương quan giữa các thành phần của một loạt các quan sát được sắp xếp theo thời gian hoặc không gian. Trong bối cảnh của hồi quy, mô hình hồi quy tuyến tính cổ điển ngụ ý rằng các nhiễu ui không có tự tương quan. Trong mô hình tác động cố định, ta sử dụng kiểm định Wooldridge, với cú pháp: xtserial y x1, x2… (y là biến phụ thuộc, x1, x2… là biến độc lập) để kiểm định tự tương quan.
Giả thiết mô hình:
H0: P value < 0,0500 => mô hình có hiện tượng tự tương quan
H1: P value > 0,0500 => mô hình không có hiện tượng tự tương quan
(Nguồn: BCTC thường niên của 44 CTCP ngành BĐS niêm yết trên HoSE, 2017 – 2020, phần mềm Stata)
Do P value = 0,1172 (>0,0500) nên mô hình không có hiện tượng tự tương quan.