2.5. Xây dựng mơ hình hồi quy phân tích ảnh hưởng của tỷ giá hối đoái đến xuất
2.5.1.4. Kiểm tra sự vi phạm giả thuyết của mơ hình
Khi mơ hình kinh tế lượng được xây dựng ngồi vịêc kiểm định các hệ số Bi, kiểm định F, kiểm định t thì cần xem xét mơ hình có sự vi phạm một trong 3 hiện tượng sau hay không: Hiện tượng đa cộng tuyến (Multicolinearty), hiện tượng phương sai không đồng đều (Heterocedasticity), hiện tượng tự tương quan (Autocorrelation). Một khi bị vi phạm một trong 3 hiện tượng này sẽ làm cho chất lượng mơ hình xấu đi.
Hiện tượng đa cộng tuyến:
Hiện tượng đa cộng tuyến là hiện tượng mà giữa các biến giải thích có mối quan hệ tuyến tính hồn hảo hay xấp xỉ hoàn hảo.
Hiện tượng này xuất hiện làm cho sai số của mơ hình ước lượng lớn hơn, kiểm đinh t và F kém ý nghĩa.
Để phát hiện hiện tượng này ta tiến hành chạy mơ hình hồi quy bổ sung có biến phụ thuộc lần lượt là các biến độc lập của mơ hình hồi quy gốc. Nếu xuất hiện 1 hệ số R2 của mơ hình bồ sung lớn hơn R2 của mơ hình hồi quy gốc thì sẽ tồn tại hiện tượng đa cộng tuyến.
Bảng 2.17. Hệ số Xác Định Của Các Mơ Hình Hồi Quy Bổ Sung
Biến phụ thuộc R2 Ghi chú
Nhập Khẩu 0.936190 Mơ hình gốc
Tỷ giá hối đối thực 0.159508 Mơ hình bổ sung
Tăng trưởng GNI thực 0.159508 Mơ hình bổ sung Nguồn: Kết quả hồi quy Theo kết quả hệ số xác định của các mơ hình hồi quy bổ sung cho thấy R2 của mơ hình hồi quy bổ sung nhỏ hơn R2 của mơ hình gốc nên ta kết luận mơ hình khơng tồn tại hiện tượng đa cộng tuyến.
Ta cũng có thể kiểm tra hiện tượng đa cộng tuyến bằng hệ số tương quan cặp giữa các biến trong mơ hình thơng qua bảng 2.15 ở trên. Khi hệ số tương quan cặp giữa các biến nhỏ thì khơng tồn tại hiện tượng đa cộng tuyến trong mơ hình.
Hiện tượng phương sai không đồng đều
Hiện tượng phương sai không đồng đều là hiện tượng mà phương sai của đường hồi quy tổng thể ứng với các giá trị của biến độc lập là khác nhau. Khi hiện tượng phương sai không đồng đều xảy ta sẽ gây nên những kết quả không tốt như: các hệ số ước lượng là tuyến tính, khơng thiên lệch, khơng cịn là tốt nhất (not best). Từ đó, gây nên sự thiếu tin cậy giữa biến độc lập và biến phụ thuộc.
Ta tiến hình xây dựng mơ hình hồi quy nhân tạo (Artifical Regression) với biến phụ thuộc là bình phương của các hệ số, biến độc lập là biến độc lập trong mơ hình gốc
Giả thiết:
H0 : khơng có hiện tượng phương sai khơng đồng đều H1 : có hiện tượng phương sai khơng đồng đều
Nếu Wstat > χ20.05; 2 = 6.0 thì bác bỏ H1, chấp nhận H1 và ngược lại Từ kết quả của mơ hình hồi quy nhân tạo ta có : R2A = 0.353889
Trị thống kê White Statistic : Wstat = N*R2A = 10* 0.353889= 3.53 < χ20.05; 2 Như vậy ta chấp nhận H1, bác bỏ H0, mơ hình khơng có hiện tượng phương sai khơng đồng đều. Qua kiểm định ta cũng thấy Prob = 0.000066 < 0.05 nên mơ hình hồi quy gốc có hiện tượng phương sai không đồng đều. Ta phải khắc phục hiện tượng phương sai không đồng đều (Phụ lục 8).
Sau khi khắc phục hiện tượng phương sai không đồng đều ta có: R2 = 0.84 thì mơ hình bác bỏ H1 (phụ lục 10).
Hiện tượng tự tương quan:
Hiện tượng tự tương quan là hiện tượng mà số hạng sai số của một mẫu quan sát nào đó trong tổng thể có mối quan hệ tuyến tính với số hạng sai số của mẫu quan sát khác trong tổng thể.
Hiện tượng này xuất hiện làm cho các kiểm định giả thuyết dễ sai lầm, các phương sai của hệ số ước lượng thường bị thấp hơn giá trị thực.
Kiểm tra hiện tượng này, ta xét trị số Durbin – Watson
Với kết quả của mơ hình ta có D = 1.303627 < 2 nên mơ hình có hiện tượng tự tương quan âm.
Tuy nhiên, Eviews sẽ giúp ta khắc phục hiện tượng tự tương quan như sau:
(theo phụ lục 9)
Sau khi chạy mơ hình Eviews khắc phục hiện tượng tự tương quan ta có DW = 2.161640. Như vậy, mơ hình có ý nghĩa rất tốt.