Nhằm tránh hiện tượng hồi quy giả mạo, kiểm định đa cộng tuyến và tính dừng của dữ liệu được thực hiện trong phần tiếp theo.
4.1.1. Kiểm định đa cộng tuyến
Khi các biến giải thích có một mối cộng tuyến hồn hảo thì các ước lượng cho mơ hình sẽ khơng thể tính tốn một cách đầy đủ. Sự cộng tuyến giữa hai biến có nghĩa là có sự kết hợp gần như tuyến tính hồn hảo giữa hai biến. Mối quan hệ tuyến tính gần như hoàn hảo này mở rộng cho ba biến trở lên thì được gọi là đa cộng tuyến. Có hai loại đa cộng tuyến là đa cộng tuyến hoàn hảo và đa cộng tuyến cao.
i) Đa cộng tuyến hoàn hảo xuất hiện khi hai hay nhiều biến giải thích tương quan hồn hảo với nhau. Hiện tượng đa cộng tuyến hoàn hảo thường ít xảy ra, và thường xảy ra đối với các biến dữ liệu thời gian.
ii) Đa cộng tuyến cao: đây là đa cộng tuyến thường gặp trong thực nghiệm. Nó xảy ra khi hai hay nhiều biến giải thích có tương quan cao với nhau.
Điều quan tâm đầu tiên về đa cộng tuyến đó là khi mức độ đa cộng tuyến tăng lên thì ước lượng của các hệ số trong mơ hình hồi quy sẽ khơng cịn ổn định và sai số chuẩn của các hệ số sẽ bị phóng đại. Đa cộng tuyến sẽ dẫn đến các biến độc lập trong mơ hình cộng tuyến làm mất đi ý nghĩa trong mơ hình và có thể dẫn đến sai sót về dấu của các hệ số. Vì lẽ đó, đa cộng tuyến làm gia tăng khả năng mắc sai lầm loại II (chấp nhận giả thuyết khơng khi nó sai) và gây khó khăn trong việc phát hiện một tác động nếu nó (đa cộng tuyến) tồn tại.
Hệ số VIF (variance inflation factor) được sử dụng để kiểm tra vấn đề đa cộng tuyến. Theo Kennedy (1992), hiện tượng đa cộng tuyến không xảy ra nếu hệ số VIF
của các biến nhỏ hơn 10. Bảng 4.1 chỉ ra rằng tất cả hệ số VIF đều nhỏ hơn 10, đồng nghĩa hiện tượng đa cộng tuyến không xảy ra trong mơ hình hồi quy.
Bảng 4.1: Kết quả kiểm định đa cộng tuyến.
Biến số VIF 1/VIF
GDPG(-1) 1,69 0,5909 FDI 3,23 0,3095 GOV 5,85 0,1710 GCONS 2,78 0,3399 INF 1,60 0,6252 TRADE 6,61 0,1511 GCI 1,07 0,9337
Nguồn: Tính tốn của tác giả
4.1.2. Kiểm định tính dừng
Tiếp theo, để kiểm định tính dừng của dữ liệu, tác giả tiến hành kiểm định nghiệm đơn vị bảng (panel unit root) của Harris-Tzavalis (1999). Giả thiết không là chuỗi thời gian không dừng (non-stationary) và giả thiết đối lập là chuỗi thời gian dừng (stationary).
Nếu chấp nhận giả thuyết khơng điều đó có nghĩa là chuỗi dữ liệu khơng dừng và do đó, sẽ mang lại kết quả hồi quy giả mạo nếu sử dụng phương pháp OLS. Nếu giá trị thống kê nhỏ hơn giá trị tới hạn (giá trị tuyệt đối) ở mức ý nghĩa 1%, 5% và 10%, giả thuyết không được chấp nhận, ngụ ý rằng chuỗi thời gian không dừng và ngược lại.
Bảng 4.2: Kiểm định tính dừng.
Biến số
Bậc gốc Sai phân bậc nhất
Thống kê z (p-value) Thống kê z (p-value)
GDPG 0,124 –10,729*** – – FDI 0,308 –7,850*** – – GOV 0,818 0,086 –0.178 –14.333*** GCONS 0,647 –2,565*** – – INF 0,160 –10,165*** – – TRADE 0,794 –0,286 –0,252 –15,407*** GCI 0,782 –0,465 –0,252 –15,413***
Ghi chú: *** tương ứng mức ý nghĩa 1%. Nguồn: Tính tốn của tác giả.
Các kết quả từ Bảng 4.2 chỉ ra, hầu hết các biến số đều dừng tại bậc gốc với mức ý nghĩa thống kê 1%, ngoại trừ các biến GOV, TRADE và GCI dừng tại sai phân bậc nhất. Phần tiếp theo, tác giả tiến hành kiểm định hiệu ứng ngưỡng cho hai mơ hình chứa biến ngưỡng lần lượt là FDI và GOV nhằm xác định sự thay đổi tác động của FDI lên tăng trưởng khi mức độ FDI và GOV thay đổi.