2.4.4Các kiểm định mơ hình
Kiểm định bỏ biến (thừa biến) cho mơ hình:
Hiện tượng thừa biến trong mơ hình cũng chính là việc kiểm định t-test trong hồi quy (khi hệ số beta khơng có ý nghĩa thống kê - giá trị P_value lớn hơn 0,05). Do vậy khi tiến hành chạy mơ hình, giá trị beta có P_value lớn hơn 0,05 sẽ nghi ngờ có biến độc lập của beta đó khơng có tác động lên biến phụ thuộc.
Kiểm định này nhằm phát hiện và loại bỏ những biến độc lập khơng cần thiết trong mơ hình.
Giả thiết:
H0: Các biế n nghi ngờ là không cầ n thiế t trong mô hì nh; H1: Các biế n nghi ngờ cầ n thiế t trong mô hì nh.
Với mức ý nghĩa =5% miền bác bỏ là: F > F; (k-m,n-k) hay p- value < 0,05. Nghĩa là biến nghi ngờ thực sự cần thiết cho mơ hình và khơng thể bỏ biến này ra khỏi mơ hình.
Ngược lại nếu P_value > 0,05 ta chấp nhận giả thuyết H0: biến nghi ngờ là khơng cần thiết thì ta tiến hành loại bỏ biến này ra khỏi mơ hình.
Kiểm định tự tương quan:
Hiện tượng tự tương quan xảy ra do việc bỏ sót biến quan trọng khi ước lượng mơ hình hồi quy, dẫn tới mơ hình hồi quy sẽ khơng tốt do phần dư của mơ hình sẽ giải thích sự thay đổi của biến phụ thuộc với tỷ lệ tương đối lớn. Và các giá trị phần dư này lại phụ thuộc lẫn nhau theo thời gian dẫn tới ước lượng chệch cho mơ hình.
Kiểm định BG hoặc Durbin – Watson nhằm phát hiện hiện tượng tự tương quan giữa các nhiễu i,t .
Giả thiết:
H0: Không có hiệ n tượ ng tự tương quan; H1: Có hiện tượng tự tương quan.
Với mức ý nghĩa =5% miền chấp nhận là: p-value > 0,05 ta chấp nhận giả thuyết H0: Mơ hình khơng có hiện tượng tự tương quan. Ngược lại nếu P_value < 0,05 ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1: Mơ hình có hiện tượng tự tương quan. Trong trường hợp gặp phải hiện tượng tự tương quan việc làm của chúng ta là cần thêm biến vào mơ hình.
Kiểm định phương sai sai số thay đổi
Để đạt được mơ hình bền vững thì phương sai trong các thời điểm khác nhau cũng không đổi, việc phương sai tại các thời điểm là khác nhau (thay đổi theo thời gian) thì khi đó mơ hình ước lượng coi là không tốt. Do vậy, để có được mơ hình bền vững thì phương sai tại các thời điểm của mơ hình ước lượng
phải khơng thay đổi theo thời gian. Ngun nhân có thể dẫn tới hiện tượng này là do bỏ sót biến quan trọng hoặc dạng mơ hình là chưa phù hợp (dạng tuyến tính hoặc phi tuyến...)
Để kiểm tra xem phương sai của mơ hình có thay đổi khơng, nghiên cứu thực hiện kiểm định Heteroskedasticity Test White.
Giả thiết:
H0: Khơng có hiện tượng phương sai sai số thay đổi; H1: Có hiện tượng phương sai sai số thay đổi.
Với mức ý nghĩa =5% miền chấp nhận là: p-value > 0,05 ta chấp nhận giả thuyết H0: Mơ hình khơng có hiện tượng phương sai sai số thay đổi. Ngược lại nếu P_value < 0,05 ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1: Mơ hình có hiện tượng phương sai sai số thay đổi. Và việc làm của chúng ta là cần kiểm tra lại dạng hàm đã phù hợp chưa và thêm biến vào mơ hình.
Kiểm định đa cộng tuyến:
Hiện tượng đa cộng tuyến là hiện tượng các biến độc lập có quan hệ chặt chẽ với nhau ví dụ biến X1 và biến X2 gọi là có đa cộng tuyến với nhau khi đó có thể X1 sẽ được thể hiện qua biến X2 theo cơng thức: X1=2X2. Từ đó dẫn tới việc ước lượng hai biến X1 và X2 trong cùng một phương trình hồi quy sẽ đem lại hồi quy giả mạo khi đó mơ hình biểu diễn qua cả hai biến X1 và X2 nhưng thực chất chỉ có 1 biến được đưa vào (có thể là X1 hoặc X2- (mơ hình ước lượng thành 3X2 hoặc 3/2X1). Vì thế, việc loại bỏ đa cộng tuyến ra khỏi mơ hình là điều rất quan trọng (bên cạnh đó nếu sử dụng trong việc dự báo thì hiện tượng đa cộng tuyến có thể bỏ qua, do khơng mang tính chất tìm hiểu tác động biến này lên biến kia mà tập trung vào yếu tố dự báo trong tương lai) (Gujarati, 2003).
Việc phát hiện đa cộng tuyến có thể căn cứ vào 2 chỉ số: Dựa vào ma trận tương quan hoặc kết quả hồi quy qua chỉ số VIF (Hệ số ma trận tương quan thường dùng trong việc xem xét ban đầu trước khi đưa các biến vào phân tích
hồi quy, nếu dùng chỉ số VIF thì thường sử dụng khi đưa ra mơ hình hồi quy phù hợp sau cùng).
Đối với chỉ số VIF (chỉ số phóng đại phương sai), Nếu VIF lớn hơn 10 thì có hiện tượng đa cộng tuyến giữa các biến nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Để khắc phục chúng ta sẽ thực hiện biến đổi biến hoặc bỏ 1 trong 2 biến đi để tránh việc ước lượng khơng cịn ý nghĩa. Đa số sẽ thực hiện loại bỏ biến do 2 biến có độc lập có quan hệ chặt chẽ với nhau do đó việc loại bỏ 1 trong 2 biến cũng khơng ảnh hưởng nhiều tới mơ hình nghiên cứu.
Kiểm định sai dạng hàm:
Mỗi yếu tố kinh tế đều có dạng hàm khác nhau như dạng tuyến tính, phi tuyến, bán loga, nghịch đảo... Vì thế để đạt được dạng hàm phù hợp thì cần phải kiểm định xem xét dạng hàm đang sử dụng có phù hợp với dữ liệu hay khơng.
Để chắc chắn về tính chính xác của mơ hình, đề tài thực hiện kiểm định sai mơ hình Ramsey Reset Test.
Giả thiết:
H0: Dạng hàm sử dụng là phù hợp; H1: Dạng hàm sử dụng là không phù hợp
Với mức ý nghĩa =5% miền chấp nhận là: p-value > 0,05 ta chấp nhận giả thuyết H0: Mơ hình có dạng hàm phù hợp. Ngược lại nếu P_value < 0,05 ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1: Mơ hình sử dụng sai dạng hàm. Và việc làm của chúng ta là cần kiểm tra lại dạng hàm cho phù hợp.
Ngoài việc loại bỏ biến nghi ngờ có đa cộng tuyến ban đầu, sau khi đưa ra kết quả mơ hình cuối cùng, tác giả cũng tiến hành kiểm định đa cộng tuyến trong mơ hình.
Mức độ giải thích của mơ hình: Đánh giá dựa trên R^2, R^2 nhận giá trị từ 0 tới 1.
Phương trình cần nghiên cứu
Chạy OLS
Kiểm định phương sai sai số thay đổiKiểm định tự tương quan
Thêm biến/thay đổi dạng hàm có
có
Kiểm tra tính đúng đắn của dạng hàm
khơng Khơng phù hợp
Đa cộng tuyến Phù hợp Phân tích mơ hình/dự báo Các biến độc lập giải thích được bao nhiêu % sự thay đổi của biến phụ thuộc trong mơ hình.
Quy trình để thực hiện kiểm định giả thuyết mơ hình ARDL được biểu hiện qua sơ đồ sau:
Kiểm định thừa biến