3.4.1 Hiện tượng phương sai thay đổi
Phương sai thay đổi nghĩa là phương sai của các phần dư thay đổi, không phải là hằng số, nghĩa là chúng khác nhau theo từng quan sát khác nhau. Hiện tượng này sẽ
dẫn đến độ tin cậy tương đối của mỗi quan sát sẽ không bằng nhau. Phương sai càng
lớn thìđộ tin cậy gán cho quan sát đó càng nhỏ. Vấn đề sẽtrở nên rõ ràng hơn khi giá trị phần dư có mối quan hệvới một hay nhiều biến giải thích khác trong mơ hình.Điều
này vi phạm giả định rằng các phân phối của phần dư phải khơng có tương quan với
bất kỳbiến giải thích nào.
Hiện tượng phương sai thay đổi sẽdẫn đến một số hậu quả như: các ước lượng
bằng phương pháp OLS vẫn là khơng chệch nhưng khơng cịn hiệu quảnữa, ước lượng
của các phương sai sẽ bị chệch, như vậy sẽ làm mất hiệu lực của kiểm định hệ số hồi
quy.
Tác giả sẽ sử dụng kiểm định Breusch-Pagan/Cook-Weisberg cho mơ hình
OLS với câu lệnh trong Stata: hettest. Đối với mơ hình FEM và REM tác giả sử dụng
kiểm định Modified Wald với câu lệnh: xttest3 và kiểm định Breusch and Pagan Lagrangian multiplier với câu lệnh: xttest0, theo thứtựtừng mơ hình.
3.4.2 Hiện tượng tự tương quan
Tự tương quan là quan hệ tương quan giữa các thành viên của chuỗi của các quan sát được sắp xếp theo thời giannhư trong dữliệu chuỗi thời gian hoặc không gian như trong dữliệu chéo.
Hiện tượng tự tương quan dẫn đến một sốhậu quả như: phương pháp ước lượng
OLS vẫn là ước lượng tuyến tính khơng chệch, nhưng khơng cịn là ước lượng hiệu quả
nữa, phương sai của phương pháp ước lượng OLS là bị chệch, đôi khi quá thấp so với
phương sai thực và sai số tiêu chuẩn, dẫn đến phóng đại tỷ số t; các kiểm định t và F
khơng cịn đáng tin cậy nữa; cơng thức thơng thường để tính phương sai của sai số là
ược lượng chệch của phương sai thực và trong một số trường hợp dường như là ước lượng thấp của phương sai thực; có thể hệ số xác định không đáng tin cậy và dường như là nhận giá trị ước lượng cao; các phương sai và sốtiêu chuẩn của dự đốn khơng còn hiệu quả.
Tác giả sử dụng kiểm định Wooldrige (2002) để kiểm tra hiện tượng tự tương
quan với câu lệnh: xtserial, đểphát hiện tự tượng quan trong mơ hình dữ liệu bảng. Và kiểm định d (Durbin – Watson) để phát hiện tự tương quan trong mơ hình hồi quy OLS.
3.4.3 Hiện tượng đa cơng tuyến
Đa cộng tuyến nghĩa là hai hay nhiều biến giải thích trong biểu thức hồi quy có mối quan hệtuyến tính với nhau. Nếu các biến có mối quan hệtuyến tính thì các hệsố ước lượng và thống kê T sẽkhơng cịn hợp lý.
Hậu quảcủa hiện tượng đa cộng tuyến: phương sai và hiệp phương sai của các
ước lượng OLS lớn, khoảng tin cậy rộng, tỷsốt mất ý nghĩa, hệ số xác định cao nhưng tỷsốt mấy ý nghĩa, dấu của các ước lượng hệ sốhồi quy có thểsai lệch và có thểthay đổi cảdấu.
Đa cộng tuyến giữa các biến luôn tồn tại và khuyết tật chỉ xảy ra nếu mức độ đa cộng tuyến đủlớn đểgây ra sựthiên lệch các kết quả ước lượng.
Nhiều trường hợp mơ hình có R2 lớn hơn 0.8 nhưng| |thấp.
Hệsố tương quan giữa các cặp biến độc lập cao. Nếu giá trị tuyệt đối của hệsố tương quan giữa hai biến lớn hơn 0.8 cho thấy có tồn tại hiện tượng đa cộng tuyến giữa hai biến này.
Sử dụng hệ sốkhuếch đại phương sai (VIF), nếu VIF của một biến lớn hơn 10
thì tồn tại hiện tượng đa cộng tuyến giữa biến đó với các biến giải thích cịn lại.
Trong bài luận văn này, tác giảsử dụng hệsố tương quan giữa các cặp biến độc lập kết hợp với sử dụng hệ số khuếch đại (VIF). Tuy nhiên, theo Baltagi (2008), việc sửdụng dữliệu bảng cũng đã hạn chế được hiện tượng đa cộng tuyến này.
3.4.4 Hiện tượng nội sinh
Mơ hình mà tác giả sử dụng có sử dụng biến trễcủa biến độc lập, cùng với các biến như GDP1( tổng sản phẩm quốc nội) hay biến Trade2 ( độmở thương mại) có mối
quan hệ đồng thời với biến phụ thuộc, tức là khi GDP tăng trưởng sẽ kéo theo sự gia
tăng trong nguồn vốn FDI và ngược lại, sự gia tăng nguồn vốn FDI sẽkéo theo sự gia tăng trong GDP. Để giải quyết vấn đề này, đề tài sử dụng ước lượng GMM sai phân (Difference Generalized Method of Moments-GMM) của Arellano-Bond (1991) dựa trên cơ sở được đềxuất bởi Holtz-Eakin, Newey & Rosen (1988).
Trong thủ tục GMM, cần phân biệt biến được công cụ (instrumented) và biến
công cụ (instrument). Nếu các biến được dự đoán là nội sinh (tương đương với ngoại
sinh khơng nghiêm ngặt) thì sắp xếp vào nhóm biến được công cụtheo tiếp cận GMM;
1Được đúc kết từcác nghiên cứu của Zhang(2001), Chakraborty and Basu(2002), Kohpaiboon(2003), Basu et al.(2003), Bengoa and Sanchez-Robles (2003), Asheghian (2004), Janicki and Wunnava (2004), Hansen and Rand (2006), Roy and Van der Berg (2006), Vu (2008), Nguyen Thanh Hoang (2011).
2Đượcđúc kết từnghiên cứu về tác động của FDI đến thương mại quốc tế như nghiên cứu của Chen and Chang
và khi đó chỉcó giá trị trễcủa các biến này mới là các cơng cụthích hợp (Judson et al., 1996). Còn nếu như các biến giải thích được xác định là ngoại sinh nghiêm ngặt cũng như các biến công cụ được thêm vào (nếu có) thì xếp vào nhóm biến công cụ (iv_instrument variable). Các biến được cho là ngoại sinh nghiêm ngặt thì giá trị hiện tại và trễ của chúng đều là các công cụ thích hợp ( Judson et al., 1996 ). Trong nghiên cứu này, các biến được cho là nội sinh được công cụbằng cách lấy giá trị độtrễ thứ hai (hoặc ba, bốn) của chúng. Để phát hiện vi phạm giả thiết hồi quy-hiện tượng nội sinh, tác giả sử dụng kiểm định phương pháp Hansen, Sargan để kiểm tra sự phù hợp của việc thay thế biến nội sinh bởi biến công cụ. Để kiểm định Sargan không bị yếu thì số lượng các biến công cụ được lựa chọn về nguyên tắc phải nhỏ hơn hoặc
bằng số lượng các nhóm. Ngồi ra, phương pháp này cịn xử lý ln cảhiện tượng tự
tương quan và phương sai thay đổi trong mơ hình.