Heteroskedasticity Test: White
F-statistic 7.472814 Prob. F(49,1550) 0.0000
Obs*R-squared 305.7501 Prob. Chi-Square(49) 0.0000
Scaled explained SS 1851.470 Prob. Chi-Square(49) 0.0000 (Nguồn: Tác giả tổng hợp từ phần mềm EVIEWS)
Kết quả kiểm định thấy rằng giá trị p-value = 0.0000 của Chi bình phương (χ2)nhỏ hơn 0.05 nên đủ cơ sở bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 tức là mơ hình có hiện tượng phương sai sai số thay đổi.
• Khắc phục giả thiết vi phạm của OLS
Sau khi thực hiện các kiểm định mơ hình, kết quả cho thấy mơ hình theo phương pháp OLS khơng có hiện tượng đa cộng tuyến nhưng lại có hiện tượng phương sai sai số thay đổi và hiện tượng tự tương quan. Nhằm khắc phục cho vấn đề này, tác giả sử dụng hai cách:
Thứ nhất, tác giả thay đổi biến, thay đổi dữ liệu. Nhưng các cách giải quyết trên cũng đều đưa ra kết quả hiện tượng phương sai sai số thay đổi vẫn còn nên hướng khắc phục này bị loại bỏ.
Thứ hai, hồi quy GMM rất bền ngay cả khi xảy ra hiện tượng phương sai thay đổi và đưa ra các kết quả đồng nhất. Hơn nữa, hồi quy GMM còn giải quyết được tất cả các nhược điểm của phương pháp hồi quy OLS. Vì vậy, tác giả ưu tiên sử dụng phương pháp GMM trong bài nghiên cứu này.
4.3.2. Kiểm định sự phù hợp của phương pháp GMM
• Kiểm định các giới hạn xác định vượt quá của GMM
Tác giả sử dụng kiểm định Sargent (Sargent Test) hay kiểm định J (J – Test) dùng để đánh giá những biến cơng cụ có tương quan với phần dư hay khơng hay, nói một cách khác đó là kiểm định các điều kiện moment của mơ hình có phù hợp với dữ liệu khơng.
Gọi giả thuyết H0: Dữ liệu phù hợp để đáp ứng các giới hạn mơ hình giả thuyết H1: Dữ liệu không phù hợp để đáp ứng các giới hạn mơ hình Tác giả căn cứ vào chỉ số p-value của J-test để so sánh với mức ý nghĩa 5%. Nếu p- value < 0.05 thì bác bỏ giả thuyết H0 chấp nhận giả thuyết H1 tức là mơ hình GMM có dữ liệu khơng phù hợp và ngược lại.