3 .DỮ LIỆU VÀ PHƢƠNG PHÁP NGHIÊN CỨU
4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.2. Kiểm định các giả thuyết
4.2.1. Kiểm định hiện tượng đa cộng tuyến
Trong mơ hình phân tích hồi quy bội, chúng ta giả định mối quan hệ giữa các biến giải thích của mơ hình độc lập là tuyến tính với nhau, tức là các hệ số hồi quy đối với một biến giải thích cụ thể là số đo tác động riêng phần của biến đó đến biến phụ thuộc khi tất cả các biến khác trong mơ hình đƣợc giữ cố định. Tuy nhiên khi giả thiết đó bị vi phạm tức là các biến giải thích có tƣơng quan với nhau thì chúng ta khơng thể tách biệt sự ảnh hƣởng riêng biệt của một biến nào đó. Hiện tƣợng trên đƣợc gọi là đa cộng tuyến.
Việc căn cứ vào ma trận tƣơng quan để đƣa ra kết luận mơ hình nghiên cứu có hiện tƣợng đa cộng tuyến hay không là rất dễ sai lầm, đặc biệt là trong trƣờng hợp nếu có nhiều hơn 2 biến giải thích có mối quan hệ tuyến tính với nhau. Do đó, việc sử dụng phƣơng pháp kiểm định VIF (Variance Inflation Factor – thừa số tăng
phƣơng sai) sẽ mang tính chính xác hơn.Tốc độ gia tăng của phƣơng sai và đồng phƣơng sai có thể thấy đƣợc qua thừa số tăng phƣơng sai, đƣợc định nghĩa nhƣ sau:
VIF = Trong đó là hệ số tƣơng quan giữa hai biến giải thích và
VIF cho thấy phƣơng sai của một hàm ƣớc lƣợng tăng nhanh nhƣ thế nào bởi sự hiện diện của đa cộng tuyến. Khi độ cộng tuyến gia tăng thì VIF tăng. Khi bằng 1 thì VIF tiến đến vơ hạn. Nếu khơng có cộng tuyến giữa 2 biến giải thích (tức là thì VIF sẽ bằng 1.
Bảng 4.4: Kiểm định hiện tƣợng đa cộng tuyến
Variance Inflation Factors Sample: 1 1304
Included observations: 1304
Variable Coefficient Uncentered Centered
Variance VIF VIF
C 0.003 465.062 NA LEV 0.000 10.882 1.854 BANK 0.000 3.598 1.302 DIV 0.005 2.352 1.548 CF 0.001 4.059 1.831 SIZE 0.000 467.151 1.177 VAR 0.001 2.220 1.212 GRT 0.000 1.473 1.118 LIQ 0.000 2.099 1.324 EX 0.000 6.113 1.184 CEO 0.000 1.916 1.170
Từ kết quả ở bảng trên, các giá trị trong cột Centered VIF đều nhỏ hơn 10, ta kết luận mơ hình khơng có hiện tƣợng đa cộng tuyến.