CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp kiểm định mô hình
3.3.2. Kiểm định tính dừng
Trong nghiên cứu thực nghiệm khi sử dụng dữ liệu là chuỗi thời gian thì tất cả các biến đưa vào mơ hình thơng thường là chuỗi dừng. Một chuỗi dữ liệu thời gian được xem là dừng nếu trung bình và phương sai khơng thay đổi theo thời gian và hiệp phương sai giữa 2 thời điểm chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian chứ không phụ thuộc vào thời điểm đang xét. Cụ thể:
Trung bình : E Y t const
Phương sai : 2
t
Var Y const
Hiệp phương sai : CovarY Yt, t k gk
Tính dừng là một khái niệm vô cùng quan trọng. Trong hầu hết các mơ hình thống kê đều yêu cầu chuỗi dữ liệu phải là chuỗi dừng. Do vậy khi ước lượng
các tham số hoặc kiểm định giả thuyết của mơ hình, nếu khơng kiểm định tính dừng của dữ liệu thì các kỹ thuật phân tích thơng thường chẳng hạn phương pháp bình phương bé nhất (OLS) sẽ khơng chính xác và hợp lý. Theo Granger và Newbold (1977) các kết quả phân tích từ chuỗi dữ liệu khơng dừng đều là giả mạo. Cụ thể nếu mơ hình tồn tại ít nhất một biến độc lập có cùng xu thế với biến phụ thuộc, khi đó kết quả ước lượng mơ hình ta có thể thu được các hệ số có ý nghĩa thống kê và hệ số R2 rất cao. Nhưng đều này được tạo ra bởi tính xu thế của hai biến chứ chúng khơng có mối tương quan chặt chẽ với nhau.
Để kiểm tra tính dừng trong bài đề tài sẽ sử dụng kiểm định Augmented Dickey Fuller (ADF), một trong những công cụ phổ biến trong kiểm định tính dừng của chuỗi thời gian theo Gujarati (2003). Chi tiết xem thêm phụ lục 1.