b. Nợ mục tiêu trong thực tiễn
2.4. Kết quả ước lượng
Bảng 2.3 trình bày kết quả ước lượng phương trình “Khả năng chịu nợ” bằng phương pháp OLS. Trong ước lượng này tác giả sử dụng mẫu gồm 169 quốc gia từ năm 2015 đến 2016.
Kết quả ước lượng cho thấy hệ số của các biến giải thích như mong đợi và có ý nghĩa thống kê. Tỷ lệ nợ trên GDP là -0.083 cho thấy tác động ngược chiều của nó lên chỉ số IICR và có ý nghĩa thống kê. Lạm phát có tác động như đã dự đoán với tác động tiêu cực lên điểm xếp hạng với hệ số hời quy là -0.0486. Các biến cịn lại đều như mong
đợi khi tổng dự trữ và GDP bình quân có tác động tích cực lên IICR. Tất cả các hệ số đều có ý nghĩa thống kê tại mức ý nghĩa α = 5%. Đờng thời 80.86% của biến IICR được giải thích bởi các biến độc lập, 19.14% còn lại là sai số trong cách đo lường, thu thập dữ liệu.
Model 1: OLS, using observations 1-169 Dependent variable: IICR2016
Coefficient Std. Error t-ratio p-value
Const -121.093 8.44064 -14.3465 <0.00001
Inflation_rate_ -0.0486613 0.0144284 -3.3726 0.00093 Public_debt_GDP -0.0830682 0.0256938 -3.2330 0.00148
Log_TRE 6.88797 0.97219 7.0850 <0.00001
Log_GDP_per 28.1715 1.51769 18.5622 <0.00001
Mean dependent var 45.65089 S.D. dependent var 24.28503 Sum squared resid 18960.86 S.E. of regression 10.75244
R-squared 0.808631 Adjusted R-squared 0.803964
F(4, 164) 173.2458 P-value(F) 8.74e-58
Log-likelihood -638.6604 Akaike criterion 1287.321
Schwarz criterion 1302.970 Hannan-Quinn 1293.672
Nguồn: Nhóm tác giả tổng hợp từ phần mềm Gretl
Bảng 2.3: Kết quả ước lượng OLS
Cũng giống như các phương pháp khác, kết quả ước lượng của OLS có thể là không phù hợp do đó việc kiểm tra mơ mình có phù hợp hay khơng là hết sức vần thiết, sau đây là kết quả kiểm định thống kê và các kiểm tra có liên quan đến tính hợp lý của ước lượng OLS.
Tác giả cần kiểm định và khắc phục các khuyết tật của mô hình. Trước tiên là kiểm tra liệu mơ hình có xảy ra hiện tượng đa cộng tuyến- có sự phụ thuộc tuyến tính cao giữa các biến giải thích. Tác giả sử dụng phương pháp nhân tử phóng đại phương sai, với VIFj = 1
1−𝑅𝑗2 nếu giá trị của VIF > 10 thì đa cộng tuyến tờn tại. Xác định VIF bằng Gretl, thu được các giá trị VIF của các biến đều nhỏ hơn 10 nên mô hình không có đa cộng tuyến. Tiếp đến là kiểm định phương sai sai số của mơ hình bằng kiểm định White, ta có 2 cặp giả thuyết H0 là mô hình có phương sai sai số đờng nhất và H1 mơ hình có phương sai sai số thay đổi .Tác giả thu được giá trị p-value = 0.2374 với mức ý
nghĩa α = 0.05 < p-value thì chấp nhận giả thuyết H0 hay mô hình có phương sai sai số thuần nhất.
Xem xét các thủ tục kiểm định khác nhau được tiến hành, chúng tơi có thể nói rằng có đủ bằng chứng để kết luận rằng các kiểm định là thỏa mãn các giả định và mơ hình của tác giả là hợp lý.