CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU VÀ XÂY DỰNG MƠ HÌNH
3.2. Kiểm định các khuyết tật của mơ hình hồi quy
3.2.1. Kiểm định các biến bị bỏ sót
Xét cặp giả thuyết:
H0: Mơ hình khơng bỏ sót biến H1: Mơ hình bỏ sót biến
Sử dụng câu lệnh ovtest trong Stata để kiểm định Ramsey’s RESET thu được kết quả như sau:
Hình: Kiểm định Ramsey Reset.
Kết luận: Ta thấy P-value = 0.0511 > α=0.05 vì vậy ta chấp nhận giả thiết H0 hay mơ hình khơng bỏ sót biến tại mức ý nghĩa 5%.
3.2.2. Kiểm định hiện tượng đa cộng tuyến
Trong mơ hình hồi quy, nếu các biến độc lập có tương quan chặt chẽ, mạnh mẽ với nhau thì sẽ có hiện tượng đa cộng tuyến. Đó là hiện tượng các biến độc lập trong mơ hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số. Nói cách khác, hai biến độc lập có quan hệ rất mạnh với nhau, đúng ra hai biến này phải là 1 biến nhưng thực tế trong mơ hình nghiên cứu lại được tách làm 2 biến. Hiện tượng đa cộng tuyến vi phạm giả định của mơ hình hồi quy tuyến tính cổ điển là các biến độc lập khơng có mối quan hệ tuyến tính với nhau.
Dấu hiệu: Xét nhân tử phóng đại phương sai VIF (variance inflation factor). Tiêu
chuẩn kiểm định: 𝑽𝑰𝑭𝒋 = 𝟏
𝑹𝒋𝟐 . Nếu VIF > 2 thì có dấu hiệu đa cộng tuyến, đây là điều không mong muốn. Nếu VIF > 10 thì chắc chắn có đa cộng tuyến. Nếu VIF < 2, mơ hình khơng bị đa cộng tuyến.
Trong đó: Rj: Hệ số xác định của mơ hình hồi quy biến Xj theo biến độc lập còn lại VIF >10 => Bác bỏ Ho. Đa cộng tuyến tồn tại.
Hình : Kết quả nhân tử phóng đại phương sai VIF
Từ kết quả trên ta thấy VIFPOP, VIFINF, VIFUNE, VIFEXP, VIFFDI đều nằm trong khoảng từ 1 đến 10, vì thế nên mơ hình có hiện tượng đa cộng tuyến ở mức thấp.
Kết luận: Mean VIF = 3.30 < 10, mơ hình khơng tồn tại hiện tượng đa cộng tuyến.
3.2.3. Kiểm định phương sai sai số thay đổi
Hậu quả của phương sai sai số thay đổi là các ước lượng bình phương nhỏ nhất vẫn là không 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.
Để kiểm định sự tồn tại hiện tượng phương sai sai số thay đổi, ta sẽ dùng kiểm định Breusch-Pagan-Godfrey. Ta có cặp giả thuyết sau:
H0: Mơ hình có phương sai số đồng nhất H1: Mơ hình có phương sai sai số thay đổi
Nếu giá trị [Prob>chi2] < 0.05 thì bác bỏ giả thiết H0 và chấp nhận giả thiết H1. Chạy lệnh estat hettest trong Stata ta thu được kết quả
Hình: Kiểm định Breusch-Pagan-Godfrey
Kết luận: Từ kết quả trên ta thấy [Prob>chi2] > 0.05 do đó chấp nhận giả thiết H0
nghĩa là mơ hình có phương sai sai số đồng nhất.
3.2.4. Kiểm định tự tương quan
Do dữ liệu trong mơ hình là dữ liệu chuỗi thời gian nên không xảy ra hiện tượng tự tương quan, chúng ta có thể bỏ qua bước này.
3.2.5. Kiểm định phân phối chuẩn của sai số ngẫu nhiên
Trong các giả định của mơ hình hồi quy tuyến tính có một giả định quan trọng là ui ~ U(0,σ2 ). Tuy nhiên trên thực tế có nhiều nhân tố ảnh hưởng đến sự phân phối của ui, làm cho nó mất đi sự phân phối chuẩn. Phân phối không chuẩn khiến cho các kiểm định và suy diễn thống kê khơng cịn đáng tin cậy nữa.
Xét cặp giả thuyết:
H0: Sai số ngẫu nhiên có phân phối chuẩn H1: Sai số ngẫu nhiên khơng có phân phối chuẩn Tiến hành kiểm định Skewness/Kurtosis tests trên Stata:
Dựa vào kết quả ta thấy P-value = 0.2506 > α=0.05 do đó do đó với mức ý nghĩa 5% nhiễu của mơ hình tn theo quy luật phân phối chuẩn.
Kết luận: Nhiễu của mơ hình tn theo quy luật phân phối chuẩn.