CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
4.7 Kiểm định Bootstrap
Dựa vào bảng 4.7 ta thấy cột Estimate là hệ số hồi quy của ước lượng mẫu với phương pháp ML (số mẫu là n = 694). Để kiểm tra một lượng mẫu lớn hơn xem mơ hình cịn đúng và có ý nghĩa khơng, thay vì đi khảo sát thực tế tồn bộ tổng thể thì tác giả sử dụng ước lượng Bootstrap. Giả sử tác giả lấy lên 1600 mẫu và kiểm tra xem mơ hình cịn đúng khơng? Kết quả như sau:
Với 1600 mẫu ước lượng bằng phương pháp Bootstrap (N=1600) thì lúc này cột Mean là giá trị hệ số hồi quy trong ước lượng Bootstrap và cột Bias tính bằng cột Mean trừ cột Estimate. Ta thấy độ lệch giữa mẫu (n=694) và tổng thể (N=1600) rất nhỏ. Ngoài ra, trị tuyệt đối CR nhỏ hơn 2 (Bảng 4.7) thì có thể chấp nhận nên có thể nói là độ chệch là rất nhỏ. Và như vậy, ta có thể kết luận là các ước lượng trong mơ hình có thể tin cậy được và mơ hình mẫu có thể đại diện cho tổng thể lớn hơn (ở đây mẫu là N= 1600).
Bảng 4.7: Kết quả kiểm định Boostrap
Parameter
Ước lương
ML
SE SE-SE Mean Bias SE-
Bias CR YNCV <--- TCCĐ .188 0.043 0.001 0.186 -0.001 0.001 -1 ĐLNT <--- TCCĐ .298 0.046 0.001 0.298 0.000 0.001 0 YNCV <--- HTTC .270 0.052 0.001 0.269 -0.001 0.001 -1 ĐLNT <--- HTTC .128 0.046 0.001 0.128 0.000 0.001 0 STNV <--- TCCĐ .149 0.038 0.001 0.149 0.000 0.001 0 STNV <--- HTTC .431 0.038 0.001 0.431 0.000 0.001 0 STNV <--- YNCV .233 0.045 0.001 0.233 0.000 0.001 0 STNV <--- ĐLNT .128 0.043 0.001 0.128 -0.001 0.001 -1
(Nguồn: Xử lý từ dữ liệu điều tra của tác giả)