CHƯƠNG 1 CƠ SỞ LÝ THUYẾT
2. Kiểm định và khắc phục các khuyết tật của mơ hình
2.1. Kiểm định các biến bị bỏ sót (kiểm định dạng đúng của mơ hình)
❖ Kiểm định
Tiến hành kiểm định Ramsey’s RESET bằng Stata ta thu được kết quả:
Xét cặp giả thuyết: {H0: Hệ số 𝑌̂𝑖
2
; 𝑌̂𝑖3đồng thời bằng 0 (Mơ hình khơng bỏ sót biến)
H1: Hệ số 𝑌̂𝑖2ℎ𝑜ặ𝑐 𝑌̂𝑖3 khác 0 (Mơ hình bỏ sót biến) tại 𝛼 = 0.05 Từ kết quả trên, với p-value = 0.000 < α = 0,05 => Bác bỏ H0
Kiểm định RESET của Ramsey kiểm định các biến bị bỏ sót Giả thuyết H0: Mơ hình ban đầu khơng bỏ sót biến
Kiểm định thống kê: F = 8.25 Với p-value = 0.0000
Nhận xét: Mơ hình bỏ sót biến.
❖ Khắc phục
Tiến hành xác định lại dạng của mơ hình như sau: lnconsume = β̂1+ β̂ wage + β2 ̂3female + β
4 ̂brand + β 5 ̂price + β 6 ̂quality + ei
Hồi quy mơ hình trên và tiến hành lại kiểm định Ramsey’s RESET với mơ hình mới bằng STATA ta thu được kết quả:
Xét cặp giả thuyết :
{H0: Hệ số 𝑌̂𝑖 2
; 𝑌̂𝑖3đồng thời bằng 0 (Mơ hình khơng bỏ sót biến)
H1: Hệ số 𝑌̂𝑖2ℎ𝑜ặ𝑐 𝑌̂𝑖3 khác 0 (Mơ hình bỏ sót biến) 𝑡ạ𝑖 α= 0,05 Từ kết quả trên, với p-value = 0.0546 > α = 0,05 => Chấp nhận H0
Nhận xét: Mơ hình mới khơng mắc lỗi bỏ sót biến.
2.2. Đa cộng tuyến
Dấu hiệu: Xét nhân tử phóng đại phương sai VIF
Biến VIF
price 1.34
quality 1.33
Kiểm định RESET của Ramsey kiểm định các biến bị bỏ sót Giả thuyết H0: Mơ hình ban đầu khơng bỏ sót biến
Kiểm định thống kê: F = 2.57 Với p-value = 0.0546
wage 1.17
brand 1.17
female 1.12
VIF trung bình 1.23
Bảng 3. 1 Kết quả thừa số tăng phương sai VIF
• VIFprice = 1.34 < 10 suy ra rằng khơng có đa cộng tuyến giữa biến price với các biến độc lập cịn lại.
• VIFquality = 1.33 < 10 suy ra rằng khơng có đa cộng tuyến giữa biến quality với các biến độc lập còn lại.
• VIFwage = 1.17 < 10 suy ra rằng khơng có đa cộng tuyến giữa biến wage với các biến độc lập cịn lại.
• VIFbrand = 1.17 < 10 suy ra rằng khơng có đa cộng tuyến giữa biến brand với các biến độc lập cịn lại.
• VIFfemale = 1.12 < 10 suy ra rằng khơng có đa cộng tuyến giữa biến female với các biến độc lập cịn lại.
Nhận xét: Mơ hình khơng tồn tại đa cộng tuyến.
2.3. Kiểm định phương sai sai số thay đổi
Nhận biết: Hồi quy mơ hình mới ta thu được mơ hình mẫu và các phần dư ei.
Giả sử mơ hình mắc khuyết tật phương sai sai số thay đổi, và sự thay đổi của phương sai đó phụ thuộc vào biến độc lập, bình phương biến độc lập và tích chéo giữa các biến độc lập với nhau (tích chéo giữa 2 biến độc lập).
Thực hiện hồi quy phụ mơ hình:
𝑒𝑖2 = 𝛼1+ 𝛼2𝑋2+ 𝛼3𝑋3+ 𝛼4𝑋4+ 𝛼5𝑋5+ 𝛼6𝑋6+ 𝛼7𝑋22+ 𝛼8𝑋32+ 𝛼9𝑋42+ 𝛼10𝑋52 + 𝛼11𝑋62+𝛼12𝑋2𝑋3+ 𝛼13𝑋2𝑋4+ 𝛼14𝑋2𝑋5+ 𝛼15𝑋2𝑋6+ 𝛼16𝑋3𝑋4 + 𝛼17𝑋3𝑋5+ 𝛼18𝑋3𝑋6+ 𝛼19𝑋4𝑋5+ 𝛼20𝑋4𝑋6+ 𝛼21𝑋5𝑋6
(Trong đó giả định: X2 = wage, X3 =female, X4 = brand, X5 = price, X6 = quality) Tiến hành kiểm định White bằng phần mềm STATA ta thu được kết quả:
Kiểm định White phương sai sai số thay đổi
Giả thuyết H0: Khơng có hiện tượng phương sai sai số thay đổi Kiểm định t: LM = 19.51
Với p-value = P(𝜒162 > 16.51) = 0.2430
Hình 3. 2 Kết quả kiểm định White phương sai sai số thay đổi
Xét cặp giả thuyết:
{Ho: 𝛼2 = 𝛼3… = 𝛼21 = 0 (phương sai sai số đồng nhất)
H1: ∋ 1 giá trị α ≠ 0 (phương sai sai số thay đổi) tại 𝛼 = 0,05 Từ kết quả trên, với p-value = 0.2430 > α = 0,05 => Chấp nhận H0.
Nhận xét: Kết quả kiểm định phương sai thay đổi phần dư của mơ hình hồi quy theo
phương pháp White cho thấy khơng có hiện tượng phương sai sai số thay đổi trong mơ hình hồi quy với mức ý nghĩa thống kê là 5%
2.4. Kiểm định phân phối chuẩn của nhiễu
Do số quan sát lớn (267 quan sát > 120 quan sát) nên ta không cần kiểm định phân phối chuẩn của nhiễu.
2.5. Kiểm định tự tương quan
Vì mơ hình sử dựng dữ liệu dạng chéo nên ta không cần kiểm định tự tương quan.