Nguồn: Tính tốn của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010 Kiểm định Breusch-Pagan / Cook-Weisberg đối với hiện
tượng phương sai của phần dư không thay đổi Ho: Phương sai không đổi
Các biến: giá trị ước lượng của biến ln(Labpro10) chi2(1) = 3,77
Kiểm định này cũng khẳng định phương sai của phần dư thay đổi.
Mơ hình ước lượng dạng hàm Translog
Tương tự, sử dụng cặp lệnh imtest và hettest trong Stata để phát hiện hiện tượng phương sai thay đổi trong mơ hình ước lượng dạng hàm Translog bằng cách
kiểm định giả thuyết sau:
H0: Phương sai của phần dư không thay đổi
H1: Phương sai của phần dư thay đổi
Nếu giá trị p-value quá nhỏ, chúng ta bác bỏ giá thuyết H0 và chấp nhận giả thiết đối là H1.
Bảng 4.10: Kết quả kiểm định White
Kiểm định White cho giả thuyết Ho: phương sai của phần dư không thay đổi
Giả thuyết đối Ha: phương sai của phần dư thay đổi chi2(78) = 357,39
Prob > chi2 = 0,0000
Phân tích Cameron & Trivedi của kiểm định IM
Nguồn chi2 df P
Phương sai của phần dư không thay đổi 357,39 78 0,000
Độ lệch 74,00 7 0,000
Độ nhọn 4,17 1 0,041
Tổng cộng 435,56 92 0,000 Nguồn: Tính tốn của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010
Kết quả kiểm định (p_value = Prob > chi2 = 0,0000), do đó có hiện tượng
phương sai của phần dư thay đổi.
Bảng 4.11: Kiểm định Breusch-Pagan / Cook-Weisberg
Nguồn: Tính tốn của tác giả dựa trên dữ liệu điều tra doanh nghiệp năm 2010 Kiểm định Breusch-Pagan / Cook-Weisberg đối với hiện tượng
phương sai của phần dư không thay đổi Ho: Phương sai không đổi
Các biến: giá trị ước lượng của biến ln(Labpro10) chi2(1) = 6,34
Kết quả kiểm định (p_value = Prob > chi2 = 0,011), do đó có hiện tượng
phương sai của phần dư thay đổi.
Từ các kiểm định trên đối với 2 mơ hình ta có thể khẳng định rằng dữ liệu nghiên cứu đã vi phạm giả định về phương sai của phần dư thay đổi. Do đó, để khắc phục hiện tượng này, khi thực hiện phân tích hồi quy OLS ta thêm tùy chọn Robust vào lệnh hồi quy nhằm hàm ý một sự giải thích ít tham vọng hơn về hệ số ước
lượng và sai số chuẩn của chúng hơn một cách tiếp cận dựa trên mơ hình. Thay vì
giả định rằng mơ hình này là “sự thật” và cố gắng để ước tính các thơng số "thực sự", ta chỉ cần xem xét tính chất của ước lượng theo mẫu lặp đi lặp lại và xác định các sai số chuẩn như là độ lệch chuẩn của mẫu của nó (Everitt & Rabe - Hesketh, 2004).
- Kiểm định hiện tượng đa cộng tuyến (Multiple Collinearity):
Mơ hình ước lượng dạng hàm Cobb – Douglas
Dùng hệ số phóng đại phương sai VIF (Variance inflation factor) để kiểm định hiện tượng này. Kết quả từ bảng 4.12 cho thấy, hệ số phóng đại phương sai của
các biến giải thích đều nhỏ hơn 10, có nghĩa rằng tồn tại mối quan hệ tuyến tính rất nhỏ giữa các biến giải thích trong mơ hình (hiện tượng đa cộng tuyến khơng hồn hảo). Hiện tượng này được chấp nhận trong mơ hình hồi quy.