2. Kiểm định
2.2. Kiểm định vi phạm giả thiết mơ hình
2.2.1. Kiểm định bỏ sót biến
Kiểm định giả thuyết: {H0: Mơ hình khơng bỏ sót biến
H1: Mơ hình bỏ sót biến
Từ Bảng 4, ta có mơ hình hồi quy mẫu tuyến tính:
GDP = 381852 + 15.6428.GBD + 43772.6.INF + 𝐞𝐢 (1)
Theo đó, ta có hàm hồi quy mẫu (SRF)
GDP̂ = 381852 + 15.6428.GBD + 43772.6.INF
Ta đưa thêm 2 biến GDP̂2 và GDP̂3 vào mơ hình
Thực hiện hồi quy GDP theo các biến GBD, INF, GDP̂2 và GDP̂3
GDP = 𝛃𝟏 + 𝛃𝟐.GBD + 𝛃𝟑.INF + 𝛃𝟒.GDP̂2 + 𝛃
𝟓.GDP̂3 + 𝐕 𝐢
Từ trên, ta tiến hành kiểm định giả thuyết: {H0: β4 = β5 = 0 (R
2 = 0) H1: β42+ β52 ≠ 0 (R2 ≠ 0)
Sử dụng Gretl, với kiểm định Ramsey’s RESET, cho ra kết quả:
Bảng 7. Kiểm định Ramsey's RESET
Auxiliary regression for RESET specification test OLS, using observations 2000-2016 (T = 17) Dependent variable: GDP
coefficient std. error t-ratio p-value ----------------------------------------------------------
const 322992 200495 1.611 0.1332 GBD 14.1599 11.5384 1.227 0.2433 INF 21991.5 30329.9 0.7251 0.4823 yhat^2 1.79503e-07 3.08591e-07 0.5817 0.5715 yhat^3 0.00000 0.00000 −0.9041 0.3837
Test statistic: F = 1.789897,
with p-value = P(F(2,12) > 1.7899) = 0.209
Như vậy, với p-value = 0.209 > 𝛼 = 0.05 Ta chấp nhận giả thuyết H0.
Kết luận: Mơ hình khơng bỏ sót biến.
2.2.2. Kiểm định phân phối chuẩn của nhiễu
Kiểm định giả thuyết: {H0: Nhiễu có phân phối chuẩn
H1: Nhiễu khơng có phân phổi chuẩn
Bảng 8. Phân phối của nhiễu
Test statistic: Chi-square(2) = 1.641 with p-value = 0.4401
Do p-value = 0.4401 > 𝛼 = 0.05 Ta chấp nhận giả thuyết H0
Kết luận: Mơ hình có nhiễu có phân phối chuẩn. 2.2.3. Kiểm định đa cộng tuyến
Đa cộng tuyến là một lỗi của mơ hình phân tích hồi quy, xảy ra khi giữa các biến độc lập
Xi trong mơ hình hời quy đa biến có tương quan tuyến tính với nhau.
Để kiểm định đa cộng tuyến, nhóm tác giả sử dụng thừa số tăng phương sai (VIF) Sử dụng phần mềm Gretl, với phân tích Collinearity, ta có kết quả:
Bảng 9. Phân tích VIF
Variance Inflation Factors Minimum possible value = 1.0
Values > 10.0 may indicate a collinearity problem
GBD 1.008 INF 1.008
VIF(j) = 1/(1 - R(j)^2), where R(j) is the multiple correlation coefficient between variable j and the other independent variables
Belsley-Kuh-Welsch collinearity diagnostics:
--- variance proportions --- lambda cond const GBD INF 2.392 1.000 0.038 0.051 0.055 0.451 2.303 0.001 0.395 0.515 0.156 3.911 0.961 0.553 0.429
lambda = eigenvalues of X'X, largest to smallest cond = condition index
note: variance proportions columns sum to 1.0
Từ Bảng 9, ta có:
VIF (GBD) = 1.008 < 10 VIF (INF) = 1.008 < 10
Như vậy với phương pháp xét thừa số tăng phương sai, có thể đưa ra kết luận mơ hình khơng có đa cộng tuyến
2.2.4. Kiểm định phương sai sai số thay đổi
Một vấn đề khác mà mơ hình cũng có thể gặp phải, đó là phương sai của sai số thay đổi. Hậu quả của phương sai sai số thay đổi là các ước lượng bình phương nhỏ nhất vẫn là khơng chệch nhưng khơng cịn hiệu quả nữa, cùng với đó ước lượng của các phương sai sẽ bị chệch, như vậy làm mất hiệu lực của kiểm định. Điều này làm cho mơ hình kém hiệu quả hơn.
Kiểm định giả thuyết: {H0: Mơ hình khơng có PSSS thay đổi
H1: Mơ hình có PSSS thay đổi
Bảng 10. Kiểm định White PSSS thay đổi
White's test for heteroskedasticity -
Null hypothesis: heteroskedasticity not present Test statistic: LM = 7.43045
with p-value = P(Chi-square(5) > 7.43045) = 0.190545
Như vậy, với p-value = 0.190545 > 𝛼 = 0.05 Ta chấp nhận giả thuyết H0
Kết luận: Mơ hình khơng có PSSS thay đổi 2.2.5. Kiểm định tự tương quan
Kiểm định giả thuyết: {H0: Mơ hình khơng có tự tương quan
H1: Mơ hình có tự tương quan
Để kiểm định tự tương quan của mơ hình, nhóm tác giả sử dụng phương pháp kiểm định Durbin-Watson thông qua phần mềm Gretl.
Bảng 11. Kiểm định TTQ Durbin-Watson
Durbin-Watson statistic = 1.45077 p-value = 0.0433728
CHƯƠNG 4
KẾT LUẬN VỀ KẾT QUẢ PHÂN TÍCH VÀ GỢI Ý CHÍNH SÁCH TĂNG TRƯỞNG KINH TẾ