CHƯƠNG II : XÂY DỰNG MƠ HÌNH
3.3. Kiếm định khuyết tật mơ hình và cách khắc phục
3.3.1. Kiểm định khuyết tật đa cộng tuyến
Ta thấy, R2 = 0.187774 (<0.8) và các giá trị t quan sát khơng thấp, các hệ số hồi
quy đều có ý nghĩa thống kê.
Kiểm tra sự tương quan giữa các biến bằng Gretl, ta có bảng số liệu sau: Correlation coefficients, using the observations 1 - 935
5% critical value (two-tailed) = 0.0641 for n = 935
AGE EDUC EXPER IQ MARRIED
1.0000 -0.0123 0.4953 -0.0437 0.1070 AGE
1.0000 -0.4556 0.5157 -0.0586 EDUC
1.0000 -0.0147 IQ
1.0000 MARRIED
Dựa vào ma trận sự tương quan giữa các biến, ta thấy rằng các biến giải thích khơng có sự tương quan cao với nhau.
Dùng phương pháp nhân tử phóng đại để kiểm tra khuyết tật đa cộng tuyến: VIF Chạy mơ hình hồi quy trong Gretl, dùng lệnh Test -> Collinearity, ta được VIF của các hệ số như sau:
Variance Inflation Factors Minimum possible value = 1.0
Values > 10.0 may indicate a collinearity problem AGE 1.447 IQ 1.368 EDUC 1.765 EXPER 1.816 MARRIED 1.017 Ta có: VIFage = 1.447 < 10 VIFIQ = 1.368 < 10 VIFeduc = 1.765 < 10 VIFexper = 1.816 < 10 VIFmarried = 1.017 < 10
Từ những dấu hiệu trên, ta kết luận được rằng mơ hình khơng có khuyết tật đa cộng tuyến.
3.3.2. Kiểm định khuyết tật phương sai sai số thay đổi.
- Bước 1: Hồi quy mơ hình hồi quy mẫu gốc, ta được phần dư ei2
{ H0:các biếnđộc lập phụ đều bằng0
H1:Tồn tại ít nhất một biếnđộc lập phụ khác khơng
- Bước 4: Tính thống kê nR2
- Bước 5: Nếu nR2 > χ thì bác bỏ H0, nếu nR2 < χ thì khơng bác bỏ H0 Thực hiện kiểm định White trong Gretl, thu được kết quả sau:
White's test for heteroskedasticity OLS, using observations 1-935
Dependent variable: uhat^2 Unadjusted R-squared = 0.026986
Test statistic: TR^2 = 25.231792,
with p-value = P(Chi-square(19) > 25.231792) = 0.153053
Nhìn vào kết quả, ta thấy giá trị p-value của mơ hình này là 0.153053, với mức ý nghĩa α = 1% = 0.01, ta có p-value > α
Khơng bác bỏ giả thiết H0
Mơ hình khơng có hiện tượng phương sai sai số thay đổi.
3.3.3. Kiểm định khuyết tật bỏ sót biến
- Bước 1: hồi quy Yi theo Xi thu đc Y^i
- Bước 2: Hồi quy Yi thoe các biến độc lập trong mơ hình ban đầu và Y^i2, Y^i3 - Bước 3: Kiểm định giả thuyết:
Ho: các hệ số của Y^i2, Y^i3 đồng thời bằng 0.
H1: các hệ số của Y^i2, Y^i3 khơng đồng thời bằng 0 - Bước 4: Tính F và so sánh với Fα (m, n-k)
Nếu p( F) <α hoặc F> Fα (m, n-k) thì bác bỏ H0
Chạy kiểm định RESET này trong Gretl, ta có kết quả sau:
Auxiliary regression for RESET specification test OLS, using observations 1-935
Dependent variable: WAGE Test statistic: F = 3.393817,
with p-value = P(F(2,927) > 3.39382) = 0.034 Nhìn vào kết quả trên, ta thấy giá trị p-value(F) = 0.034 > α = 0.01
Không bác bỏ giả thuyết H0
Mơ hình hồi quy ban đầu khơng bỏ sót biến
3.3.4. Kiểm định khuyết tật phân phối chuẩn của nhiễu
- Bước 1: Hồi quy mơ hình gốc theo phương pháp OLS, xác định phần dư ei2
- Bước 2: Xác định độ nghiêng, độ nhọn trong phân phối của các phần dư - Bước 3: Kiểm định cặp giả thuyết:
H0 : Sai số có phân phối chuẩn
H1 : Sai số khơng có phân phối chuẩn
- Bước 4: Tính p-value và so sánh với mức ý nghĩa α
Chạy kiểm định normality of residual trong Gretl, ta có kết quả sau: Frequency distribution for uhat4, obs 1-935
number of bins = 29, mean = -3.03489e-013, sd = 365.404 Test for null hypothesis of normal distribution: Chi-square(2) = 140.501 with p-value 0.00000 Dựa vào kết quả trên, ta thấy p-value = 0 < α = 0.01.
Bác bỏ giả thuyết H0
Sai số khơng có phân phối chuẩn của nhiễu
Cách khắc phục đối với khuyết tật khơng có phân phối chuẩn của nhiễu: Tăng kích thước của mẫu số liệu đã thu thập.