Chương I : Giới thiệu
3.4. Chạy mơ hình
3.4.3. Chạy mơ hình 2
Bước 1: Chạy hồi quy Bước 2: Kiểm tra mơ hình:
- Kiểm tra độ thích hợp của mơ hình - Kiểm tra mơ hình khơng bỏ sót biến - Kiểm tra sự tương quan
- Kiểm tra phương sai thay đổi. - Kiểm tra hiện tượng đa cộng tuyến.
- Kiểm sai số ngẫu nhiên trong mơ hình có phân phối chuẩn. - Kiểm tra hồi quy giả mạo.
Chạy hồi quy mơ hình
Sử dụng phần mềm Sata chạy hồi quy có kết quả như sau:
_cons .7805298 .1671299 4.67 0.000 .4467483 1.114311 lntygia .3582922 .0510161 7.02 0.000 .2564059 .4601784 lnoilrent .3593375 .03755 9.57 0.000 .2843451 .4343299 lngov .6318562 .0364101 17.35 0.000 .5591402 .7045722 lngdp Coef. Std. Err. t P>|t| [95% Conf. Interval] Total 45.5863587 68 .670387628 Root MSE = .06993 Adj R-squared = 0.9927 Residual .317870395 65 .004890314 R-squared = 0.9930 Model 45.2684883 3 15.0894961 Prob > F = 0.0000 F( 3, 65) = 3085.59 Source SS df MS Number of obs = 69 . reg lngdp lngov lnoilrent lntygia
Ta có phương trình lngdpt = 0.63lngovt + 0.35lnoilrentt + 0.35lntygiat + 0.78 + ut
Kiểm tra mơ hình 2:
a. Kiểm tra độ thích hợp của mơ hình Chạy phần mềm Sata có kết quả sau:
Prob > F = 0.0000 F( 3, 65) = 3085.59 ( 3) lntygia = 0
( 2) lnoilrent = 0 ( 1) lngov = 0
. test (lngov lnoilrent lntygia)
Bảng 3.10: Kết quả kiểm tra sự phù hợp của mơ hình. Với giả thuyết: Với giả thuyết:
H0: = = = 0. H1: + + 0.
Với P value = 0.00, ta bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, do đó mơ hình hồi quy trên phù hợp (có ít nhất một biến trong mơ hình tác động đến lnGDP).
b. Kiểm tra mơ hình khơng bỏ sót biến. Chạy phần mềm Sata có kết quả sau:
Prob > F = 0.0557 F(3, 62) = 2.66 Ho: model has no omitted variables
Ramsey RESET test using powers of the fitted values of lngdp . estat ovtest
P = 0.0557 > 0.05 chấp nhận giả thuyết H0: mơ hình hồi quy khơng bỏ sót biến.
c. Kiểm tra sự tương quan
Chạy phần mềm Sata có kết quả sau:
H0: no serial correlation
1 3.798 1 0.0513 lags(p) chi2 df Prob > chi2 Breusch-Godfrey LM test for autocorrelation
. estat bgodfrey
Bảng 3.12: Kết quả Kiểm tra sự tương quan
Với P = 0.051 > 0.05 chấp nhận giả thuyết H0: khơng có sự tương quan. Kết luận: Mơ hình khơng có sự tương quan.
d. Kiểm tra phương sai thay đổi
Chạy phần mềm Sata có có kết quả sau:
Prob > chi2 = 0.2633 chi2(1) = 1.25
Variables: fitted values of lngdp Ho: Constant variance
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity . estat hettest
Bảng 3.13: Kết quả Kiểm tra phương sai thay đổi.
P = 0.2633 > 0.05, chấp nhận giả thuyết H0: phương sai không đổi. e. Kiểm tra hiện tượng đa cộng tuyến
Bảng 3.14: Kết quả Kiểm tra hiện tượng đa cộng tuyến.
Mơ hình có hiện tượng đa cộng tuyến cao của biến lngov, tuy nhiên do sai số của biến lngov là 0.036 rất nhỏ và nhỏ hơn nhiều so với hệ số của biến lngov là 0.63 nên hiện tượng đa cộng tuyến cao này không gây ra hậu quả nghiêm trọng làm ảnh hưởng đến các ước lượng của mơ hình.
f. Kiểm sai số ngẫu nhiên trong mơ hình có phân phối chuẩn. Kiểm định cặp giả thuyết sau:
H0: phần dư tuân theo phân phối chuẩn.
H1: phần dư không tuân theo phân phối chuẩn.
Sau khi chạy hồi quy, ta tạo ra phần dư của mơ hình với lệnh “predict resid, residual” trong phần mềm Sata. Sau đó dùng kiểm định Jacque – Bera kể kiểm tra phần dư có tuân theo phân phối chuẩn khơng, ta có kiểm định Jacque – Bera như sau:
Jarque-Bera test for Ho: normality:
Jarque-Bera normality test: 5.684 Chi(2) .0583 . jb resid
Với P = 0.0583 > 0.05 chấp nhận giả thuyết H0: phần dư tuân theo phân phối chuẩn.
resid 69 0.96657 2.034 1.543 0.06146 Variable Obs W V z Prob>z Shapiro-Wilk W test for normal data
. swilk resid
Bảng 3.15. Kết quả Kiểm sai số ngẫu nhiên trong mơ hình có phân phối chuẩn.
Với P = 0.061 > 0.05 chấp nhận giả thuyết H0: phần dư tuân theo phân phối chuẩn.
Kết luận: Mơ hình có sai số ngẫu nhiên tn theo quy luật phân phối chuẩn. g. Kiểm tra hồi quy giả mạo
Với R2 = 0.99 cho ta thấy R2 rất cao, mơ hình hồi quy trên có khả năng xảy ra hiện tượng hồi quy giả mạo.
Hồi quy giả mạo là hiện tượng nếu một biến có xu thế được hồi quy theo một hoặc nhiều biến có xu thế thì chúng ta thường thấy các thống kê F và t có ý nghĩa và giá trị R2 cao, nhưng thực sự khơng có mối quan hệ thực nào giữa chúng bởi vì mỗi biến có xu hướng tăng lên qua thời gian. Đây được xem là hồi quy giả mạo hoặc hồi quy không thật.
Thường thì dấu hiệu để nhận biết hồi quy là giả mạo là một giá trị thống kê d Durbin-Watson thấp. Theo Granger và Newbold, R2 > d là một quy tắc thực nghiệm tốt để hoài nghi một hồi quy ước lượng là giả .
Ta chạy phần mềm Sata để xác định giá trị thống kê d Durbin-Watson có kết quả sau:
Durbin-Watson d-statistic( 4, 69) = 1.545985 . estat dwatson
Với kiểm định Durbin-Watson d-statistic (4, 69) = 1.545 > R2 = 0.99 cho ta thấy hồi quy trên không nằm trong trường hợp R2 > d để xác định hồi quy trên là hồi quy giả mạo.
Granger cho rằng “Kiểm định đồng liên kết có thể được nghĩ như một cách kiểm định trước để tránh các tình huống hồi quy giả mạo”. Ở đó hồi quy giữa một chuỗi khơng dừng theo một chuỗi không dừng khác không dẫn đến hồi quy giả mạo. Đây là trường hợp đồng liên kết: Nếu hai chuỗi thời gian có xu thế ngẫu nhiên (tức chúng là các chuỗi không dừng), một hồi quy của một biến này theo biến khác có thể triệt tiêu các xu thế ngẫu nhiên chứa trong các chuỗi dữ liệu, điều này cho chúng ta biết rằng có một mối quan hệ cân bằng hoặc dài hạn giữa chúng, mặc dù khi tách riêng lẽ chúng là các chuỗi không dừng.
Ta thực Kiểm định hồi quy đồng kết hợp Durbin-Watson (CRDW) Giả thuyết H0: d = 0 (đồng liên kết)
Giả thuyết H1: d > 0 (không đồng liên kết)
Các giá trị tới hạn ở mức 1%, 5% và 10% tương ứng là: 0,511; 0,388 và 0,322. Nếu d nhận được từ thống kê Durbin-Watson nhỏ hơn các giá trị trên thì H0 bác bỏ ở mức xác suất tương ứng.
Ta có d = 1.545 lớn hơn các giá trị tới hạn ở mức 1%, 5% và 10% tương ứng là: 0,511; 0,388 và 0,322. Ta chấp nhận giả thuyết H0: đồng liên kết
Vậy trong mơ hình hồi quy có mối quan hệ đồng liên kết.
Ngoài biện pháp kiểm tra Durbin-Watson (CRDW), ta cịn có biện pháp kiểm tra phần dư. Nguyên tắc kiểm tra phần dư như sau: lngov, lngdp, lntygia, lnoilrent là các chuỗi không dừng hoặc bước ngẫu nhiên [nhưng đều dừng ở sai phân bậc đều là I(1)]. Tuy nhiên, có thể sự kết hợp tuyến tính của các biến trên sẽ là tạo ra chuỗi dừng. Cụ thể hơn, nếu ta viết lại phương trình hồi quy như sau ut = lnGDPt - - lngovt - lnoilrentt - lntygiat và tìm
nếu ut là I(0) hoặc dừng, thì ta nói rằng các biến lngov, lngdp, lntygia, lnoilrent là đồng kết hợp. Nói một cách nơm na, chúng thuộc cùng một biến. Về trực giác, ta thấy rằng khi ut trong mơ hình hồi quy là I(0), thì “các xu hướng” trong lngov, lngdp, lntygia, lnoilrent trở nên cân bằng với nhau. Và chúng sẽ có cùng một bước sóng nếu chúng được kết hợp với nhau ở cùng một bậc. Như vậy, nếu chuỗi Y là I(1) và một chuỗi khác X cũng là I(1), thì chúng có thể là đồng kết hợp. Nói rộng ra, nếu Y là I(d) và X cũng là I(d) mà d có cùng giá trị, thì hai chuỗi này có thể là đồng kết hợp. Nếu đúng là như thế, thì hồi qui đối với các mức của các biến đó, sẽ là có ý nghĩa (tức là khơng phải là khơng xác thực); và chúng ta sẽ không mất bất kỳ thơng tin dài hạn q giá nào, cái mà có thể bị mất đi nếu thay vào đó ta sử dụng các sai phân bậc 1 của chúng. Tóm lại, miễn là chúng ta chắc chắn được rằng những gì có được từ các hồi qui như ut là I(0) hoặc dừng, thì hệ phương pháp hồi qui truyền thống (kể cả các kiểm định t và F) mà chúng ta đã biết cho đến nay vẫn áp dụng được đối với các dữ liệu liên quan tới chuỗi thời gian.
Ta chạy phần dư của mơ hình với câu lệnh trong Sata như sau: predict resid, residual.
Sau đó để kiểm tra phần dư của mơ hình có phải là 1 chuỗi dừng không. Ta sử dụng kiểm tra Dickey-Fuller để xác định:
MacKinnon approximate p-value for Z(t) = 0.0000
Z(t) -6.540 -3.555 -2.916 -2.593 Statistic Value Value Value Test 1% Critical 5% Critical 10% Critical Interpolated Dickey-Fuller Dickey-Fuller test for unit root Number of obs = 68 . dfuller resid
Qua kết quả kiểm tra, ut là một chuỗi dừng, ta có thể áp dụng phương pháp hồi qui truyền thống để hồi quy các chuỗi không dừng.
Qua số liệu, các biến chi tiêu chính phủ, tài ngun, tỷ giá, GDP có xu hướng tăng lên qua thời gian và nếu chúng khơng có mối liên quan, tác động đến nhau sẽ dẫn đến hiện tượng hồi quy giả mạo, tuy nhiên chi tiêu chính phủ, tài nguyên, tỷ giá đều có tác động lên tăng trưởng kinh tế là thực chất chứ không phải là ngẫu nhiên cùng tăng, điều này thể hiện tại các lý thuyết kinh tế (lý thuyết của Keynes, lý thuyết về nền kinh tế hỗn hợp…), mơ hình tăng trưởng nội sinh nên qua kết quả kiểm tra và dựa vào lý thuyết, mơ hình hồi quy trên không phải là hồi quy giả mạo.