Eviews cung cấp các kiểm định các giả thiết rất quan trọng liên quan đến phần dư như phần dư có phân phối chuẩn, khơng có tương quan chuỗi, và phương sai đồng nhất.
Kiểm định phân phối chuẩn của phần dư
Như ta sẽ biết ở bài giảng 7 về phân tích hồi qui đơn, một giả định quan trọng trong các mơ hình hồi qui tuyến tính cổ điển là các hạn nhiễu ngẫu nhiên trong mơ hình hồi qui tổng thể (và vì thế phần dư - đại diện của hạn nhiễu ngẫu nhiên trong mơ hình hồi qui mẫu) theo phân phối chuẩn.
Giả thiết H0: Phần dư của mơ hình hồi qui có phân phối chuẩn
Phương pháp: Thống kê Jarque – Bera. Như đã trình bày thống kê JB có phân phối Chi bình phương với số bậc tự do là 2 (2
(2)).
Thực hiện trên Eviews: Từ kết quả ước lượng chọn
View/Residual tests/Histogram – Normality test, rồi so
sánh giá trị JB với giá trị Chi bình phương với số bậc tự do là 2.
Biểu đồ tự tương quan - thống kê Q
Trong mơ hình hồi qui tuyến tính cổ điển có giả định rằng các hạn nhiễu khơng có tương quan với nhau. Ngoài thống kê d Durbin-Watson, ta có thể sử dụng biểu đồ tự tương
quan và thống kê Q để kiểm định “chuỗi” phần dư của mơ hình hồi qui có tương quan với nhau không. Biểu đồ tự tương quan đã được trình bày ở phần xử lý dữ liệu chuỗi. Để thực hiện kiểm định phần dư có tự tương quan hay không ta chọn View/Residual Tests/Correlogram – Q Statistics …
Kiểm định nhân tử Lagrange
Đây là một cách kiểm định khác với kiểm định Q để kiểm định tương quan chuỗi. Kiểm định này sẽ được trình bày ở bài giảng 13 về lựa chọn dạng mơ hình. Trên Eviews ta thực hiệm kiểm định này bằng cách chọn Views/Residual Tests/Serial Correlation LM Test …
Kiểm định White về phương sai thay đổi
Tương tự, mơ hình hồi qui tuyến tính cổ điển cũng giả định các hạn nhiễu có phương sai đồng nhất. Để xem phương sai của nhiễu có đồng nhất hay khơng ta có thể sử dụng các kiểm định Park, kiểm định Glejser, kiểm định White, … Nội dung các kiểm định này sẽ được trình bày ở bài giảng 11 về phương sai thay đổi. Trên Eviews ta thực hiện kiểm định White bằng cách chọn hoặc View/Residual Tests/White
Heteroskedasticity (no cross terms) hoặc View/Residual
Tests/White Heteroskedasticity (cross terms).