4.2 Xem xét sự ảnh hưởng của Covid-19 đến tỷ số RR, OR đối với chỉ số VN30-INDE
4.2.4.4 Mơ hình hồi qui dạng bậc 2
Thực hiện các lệnh sau trong Rstudio:
> m4= lm(log(VN30..C. )~ time + I(time^2), data=dubao) > summary(m4)
Kiểm định hệ số hồi quy của biến time
Giả thuyết : H0 : Btime = 0
Ha : Btime # 0
Ta có : pvalue = 2x10-16< α (0.05) . Với độ tin cậy 95%, ta bác bỏ giả thuyết H0 Vậy hệ số hồi quy của biến time có ý nghĩa trong mơ hình.
Kiểm định hệ số hồi quy của biến time2 Giả thuyết : H0 : Btime = 0
Ha : Btime # 0
Ta có : pvalue = 6.48x10-13< α (0.05) . Với độ tin cậy 95%, ta bác bỏ giả thuyết H0 56
Vậy hệ số hồi quy của biến time2 có ý nghĩa trong mơ hình.
Kiểm định phương sai:
Ta sử dụng lệnh sau trong Rstudio: > bptest(m4)
Giả thuyết H0 : Phương sai không đổi
Ha : Phương sai thay đổi
Ta có : Pvalue =0.09111 > α (0.05) .Với độ tin cậy 95%, ta không thể bác bỏ giả thuyết H0 Vậy mơ hình có phương sai khơng thay đổi .
Kiểm định sự tương quan:
Ta thực hiện lệnh sau trong Rstudio: > dwtest(m4)
Giả thuyết H0 : Khơng có sự tương quan
Ha : Có sự tương quan
Ta có : Pvalue = 2.2x10-16 < α (0.05).Với độ tin cậy 95%, ta bác bỏ giả thuyết H0 Vậy mơ hình có sự tương quan .
Kiểm định định dạng mơ hình:
Ta thực hiện lệnh sau trong Rstudio: > resettest(m4)
Giả thuyết H0 : Mơ hình bị định dạng sai
Ha : Mơ hình định dạng đúng
Ta có : Pvalue = 1.161x10-14 < α (0.05) .Với độ tin cậy 95%, ta bác bỏ giả thuyết H0 Vậy mơ hình được định dạng đúng .
Các hệ số AIC.BIC.LOGLIK:
Bảng 4-11: So sánh các hệ số AIC.BIC.LOGLIK của 4 mơ hình
AIC BIC LOGLIK
Lm-Lm 2669.721 2680.309 -1331.861
Lm-Log 3207.217 3217.805 -1600.609
Log-Lm -976.8261 -966.2378 491.413
Bậc 2 -1027.248 -1013.13 517.624
Ta có hệ số AIC và BIC của mơ hình bậc 2 là bé nhất, hệ số LOGLIK của mơ hình bậc 2 là lớn nhất
Vậy mơ hình lựa chọn phù hợp nhất là mơ hình bậc 2