CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Kiểm định chẩn đoán
Mơ hình ARDL cố gắng tìm ra bộ ước tính khơng thiên chệch tuyến tính tốt nhất (BLUE) và do đó cần thực hiện các kiểm định chẩn đoán. Như nhiều nghiên
tục xác nhận các kết quả và đảm bảo rằng các kết quả có tính vững mạnh mẽ bằng cách sử dụng các kiểm định về tính ổn định (stability), tương quan chuỗi (serial correlation), phương sai không đổi (heteroscedasticity), dạng hàm (functional form) và phẩn phối chuẩn của phần dư (normality). Nếu mơ hình khơng chứa một trong các thiên chệch (bias) dưới đây, chúng ta hồn tồn có thể kết luận rằng: các kết quả thực nghiệm có thể được sử dụng cho mục đích phân tích.
3.4.1. Kiểm định tính ổn định
Mơ hình ARDL khá nhạy cảm với các điểm gãy cấu trúc (structural break) và khi chúng ta sử dụng chuỗi dữ liệu thời gian tài chính, tương đối nhạy cảm với các sự kiện trên toàn thế giới, do đó, cần phải phân tích tính ổn định của các hệ số ước lượng. Để đánh giá sự ổn định của các hệ số dài hạn và ngắn hạn, các kiểm định tổng tích lũy phần dư (CUSUM) và tổng tích lũy hiệu chỉnh của phần dư (CUSUMSQ), do Brown và cộng sự (1975) đề xuất, được sử dụng. Nếu có sự bất ổn trong các hệ số, chúng ta có thể tăng kích cỡ mẫu quan sát hoặc đưa các biến giả (dummy variable) vào mơ hình hồi quy (Naiya và Manap, 2013, Juselius, 2006, Fuinhas và Marques, 2012).
3.4.2. Kiểm định tương quan chuỗi
Kiểm định Breusch-Godfrey (Godfrey, 1978) cho tương quan chuỗi nếu các độ trễ khác nhau của các phần dư tương quan. Về mặt toán học, nếu hiệp phương sai (εi,εj) = 0, với mọi i, j không xảy ra, phần dư tương quan chuỗi. Tương quan chuỗi không ảnh hưởng đến tính khơng thiên chệch của các ước lượng hồi quy mà thay vào đó ảnh hưởng đến hiệu quả, tức là các ước lượng khơng mang tính chất BLUE (Brooks, 2014). Ví dụ, nó có thể ảnh hưởng đến các sai số chuẩn của hồi quy, làm mất hiệu lực của các kiểm định, tức là sự tương quan chuỗi có thể dẫn đến các sai lầm trong kết luận về vai trò xác định của các biến độc lập trong các thay đổi của biến phụ thuộc. Mơ hình của phần dư dưới dạng đơn giản nhất của kiểm định Breusch-Godfrey là:
Kiểm định được thực hiện dựa trên các giả thiết không và giả thiết đối lập sau: H0: ρ = 0đồng nghĩa khơng có hiện tượng tương quan chuỗi trong mơ hình H1: ρ ≠ 0đồng nghĩa có hiện tượng tương quan chuỗi trong mơ hình
3.4.3. Kiểm định phương sai thay đổi
Kiểm định tất cả phần dư có phương sai khơng đổi, tức là Var (εt) = 𝜎2 <∞,
với mọi t. Trong ước lượng OLS thơng thường cũng như cho mơ hình ARDL đều được giả định phần dư có phương sai khơng đổi (tính đồng nhất - homoscedasticity). Nếu mơ hình có phương sai thay đổi (heteroscedasticity) trong các phần dư thì các hệ số ước tính sẽ khơng cịn mang tính chất BLUE và sẽ khơng có phương sai tối thiểu của các ước lượng không thiên chệch. Tương tự như sự tương quan chuỗi, nếu phương sai thay đổi, hậu quả có thể là dẫn đến các kết luận sai trong các kiểm định. Trong nghiên cứu này, tác giả sử dụng kiểm định White (White, 1980) nhằm xác minh hiện tượng phương sai không đổi. Các giả thiết không và giả thiết đối lập như sau:
H0: Phương sai của phần dư không đổi – homoscedasticity H1: Phương sai của phần dư thay đổi – heteroscedasticity
3.4.4. Kiểm định lỗi xác định hồi quy
Kiểm định lỗi xác định hồi quy Ramsey (RESET) (Ramsey, 1969) cho dạng hàm (functional form), cụ thể, kiểm định xem liệu cách kết hợp phi tuyến của các giá trị phù hợp (fitted value) có thể mơ tả các biến giải thích hay khơng. Nếu các cách kết hợp khi tuyến của các giá trị phù hợp có khả năng mơ tả các biến giải thích trong mơ hình, ta gọi trường hợp này là xác định sai (misspecification) và cần phải điều chỉnh lại. Về mặt toán học, nếu chúng ta sử dụng OLS cho yt =β0+β1xt+εt và ŷt =β̂
0+β̂
0xt là các giá trị phù hợp, va kiểm định RESET sẽ kiểm định liệu ŷt2, ŷt3, …, ŷtl có khả năng giải thích cho biến yt hay không, với yt =β0+β1xt +
β2ŷt2+β3ŷt3 + . . . + βlŷtl +εt (Brook, 2014). Giả thiết không và giả thiết đối lập lần lượt như sau:
H0: Không có khả năng kết hợp phi tuyến – Khơng có xác định sai H1: Có khả năng kết hợp phi tuyến – Có xác định sai
3.4.5. Kiểm định phân phối chuẩn của phần dư
Kiểm định Jarque-Bera cho phân phối chuẩn trong các phần dư, cụ thể, nếu εt~N(0,σ2) với mọi t. Giả định rằng εt~N(0,σ2) với mọi t vô cùng cần thiết cho mục đích tiến hành kiểm định giả thiết của các tham số trong mơ hình. Do đó, vấn đề phần dư khơng phân phối chuẩn (non-normality) có thể gây ra các vấn đề liên quan đến kết luận thống kê của các hệ số hồi quy, ví dụ kiểm định ý nghĩa và dải tin cậy (confidenceinterval) (Brooks, 2014). Giả thiết không và giả thiết đối lập được xác định như sau:
H0: Các phần dư phân phối chuẩn – normality