CHƯƠNG 3 : DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Phương pháp và mơ hình nghiên cứu
3.3.5.2 Kiểm định hiện tượng đa cộng tuyến
Tác giả lập ma trận hệ số tương quan bằng phần mềm Eview. Nhìn vào lược đồ tương quan, hệ số tương quan r biết mức độ tương quan giữa các biến:
|r| = 1 : tương quan chặc chẽ hay tương quan hoàn toàn
|r| = 0 : không tương quan hay độc lập thống kê (điều mong muốn)
Hệ số tương quan giữa các biến càng lớn (|r| >0.8) thì mơ hình có thể có hiện tượng đa cộng tuyến, tuy nhiên có nhiều trường hợp hệ số này thấp nhưng vẫn có hiện tượng đa cộng tuyến. Vì vậy tác giả lập các hàm hồi quy phụ là hồi quy biến độc lập theo các biến độc lập cịn lại trong mơ hình, trong mơ hình có 9 biến độc lập do vậy có 9 hàm hồi quy phụ để tính R2phu (nếu hệ số R2phu > 0.9: nghiêm
trọng), sau đó tác giả dùng hệ số phóng đại phương sai Vif để kiểm định mơ hình có hiện tượng đa cộng tuyến hay khơng. Cơng thức tính Vif:
Vif = 1 1-R2 phu
Nếu Vif > 5: có hiện tượng đa cộng tuyến nghiêm trọng. Nếu mơ hình có hiện tượng đa cộng tuyến thì có 2 cách để khắc phục.
Cách 1: bổ sung hoặc điều tra thêm số liệu
Cách 2: bỏ bớt biến bị đa cộng tuyến ra khỏi mơ hình dựa vào lý thuyết kinh tế
ngoại trừ biến bị đa cộng tuyến, sau đó so sánh hệ số R2 của các mơ hình, chọn biến mà mơ hình có R2 lớn hơn.
3.3.5.3 Kiểm định hiện tượng tự tương quan
Từ bảng kết quả mơ hình hồi quy chạy từ phần mềm Eview, tác giả dùng kiểm định hệ số Durbin-watson. Nếu hệ số này nằm trong khoảng (1,3) theo kinh nghiệm là khơng có hiện tượng tự tương quan. Trong trường hợp có hiện tượng tự tương quan thì các ước lượng thu được bằng OLS không hiệu quả do phương sai của các ước lượng khá lớn, các kiểm định t và F khơng cịn đáng tin cậy. Cách khắc phục hiện tượng tự tương quan là dùng ma trận ước lượng Newey-west làm cho kiểm định t và F trở nên tin cậy hơn.
3.3.5.4 Kiểm định tính đầy đủ của mơ hình
a) Tác giả dùng kiểm định Ramsey – reset test để kiểm định sự thiếu biến của mơ hình. Với giả thiết:
H0: mơ hình khơng thiếu biến H1: mơ hình thiếu biến
Nếu giá trị P_value < α: bác bỏ H0 Nếu giá trị P_value > α: chấp nhận H0
Nếu mơ hình thiếu biến thì cần phải thu thập, bổ sung biến vào mơ hình.
b) Tác giả dùng kiểm định Wald – test để kiểm định sự thừa biến của mơ hình. Với giả thiết:
H0: mơ hình thừa biến
H1: mơ hình khơng thừa biến Nếu giá trị P_value < α: bác bỏ H0 Nếu giá trị P_value > α: chấp nhận H0
Nếu mơ hình thừa biến thì thực hiện kiểm định Wald-test với từng biến trong mơ hình, với biến bị thừa thì xem P_value của biến trong mơ hình hồi quy và thực hiện hồi quy biến phụ thuộc với các biến độc lập còn lại. So sánh R2 của mơ hình sau với mơ hình gốc, nếu R2 mơ hình sau tốt hơn thì bỏ bớt biến thừa ra khỏi mơ hình.
3.3.5.5 Kiểm định sự phù hợp của mơ hình
Để kiểm định sự phù hợp của mơ hình hồi quy tác giả xây dựng giả thiết: H0: R2 = 0
H1: R2 > 0 (mơ hình có ít nhất một hệ số βj ≠0)
Với R2 = 0 có nghĩa là các hệ số hồi quy riêng đồng thời bằng 0 tức nghĩa biến độc lập đồng thời không ảnh hưởng đến biến phụ thuộc, điều đó có nghĩa là hàm hồi quy mẫu khơng giải thích được sự thay đổi của biến phụ thuộc, hay nói cách khác hàm hồi quy mẫu không phù hợp. Giả thiết H0: R2 = 0 (β1= β2 = β3=…= βk-
1=0) được gọi là giả thiết đồng thời.
Áp dụng phương pháp giá trị tới hạn hay mức ý nghĩa để quyết định. Nếu F0 > Fα (α= 5%, k-1, n-k) với k là số hệ số của mơ hình, n là số quan sát hoặc P_value = P (F > F0) < α: bác bỏ giả thiết H0 có nghĩa hàm hồi quy mẫu giải thích được sự thay đổi của biến phụ thuộc tức là có ít nhất một hệ số hồi quy khác 0 có ý nghĩa thống kê trong mơ hình.
Tác giả lập lại các bước kiểm định trên: kiểm định hiện tượng phương sai thay đổi, đa cộng tuyến, tự tương quan, thừa biến, thiếu biến và tính phù hợp đối với mơ hình (4’) sau khi thêm biến giả beta.
IRAi = 0 + 1P/E + 2ISize + 3ARate + 4LTime + 5FSize + 6FAge +