Bảng 3.2 : Kết luận các giả thuyết thống kê
3.3 Phương pháp nghiên cứu
Phân tích hồi quy
Phân tích hồi quy được dùng để tìm quan hệ phụ thuộc của một biến, được gọi là biến phụ thuộc vào một hoặc nhiều biến khác, được gọi là biến độc lập nhằm mục đích ước lượng hoặc tiên đốn giá trị kỳ vọng của biến phụ thuộc khi biết trước giá trị của biến độc lập cũng như biết được chiều tác động của biến độc lập đến biến phụ thuộc. Phương pháp này cho phép tác giả đưa ra những bằng chứng để trả lời các câu hỏi nghiên cứu của luận văn. Hệ số P-value của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc. Các mức thống kê có ý nghĩa thường được sử dụng là 1%, 5%, 10%, Tác giả chọn mức thống kê có ý nghĩa là 5% nghĩa là biến độc lập chỉ được xem là có ảnh hưởng mạnh đến biến phụ thuộc khi giá trị Prob của từng biến độc lập trong mơ hình hồi quy nhỏ hơn 5% (P-value<0,05), và ngược lại. Hệ số R2 (R-squared) hoặc R2 điều chỉnh (adjusted R-squared) từ kết quả
phân tích sẽ cho biết khả năng tất cả các biến độc lập giải thích được sự biến động của NPL trong mơ hình hồi quy
Kiểm định F về tính thích hợp của mơ hình
Vấn đề tiếp theo sau khi phân tích hồi quy là kiểm tra sự phù hợp của mơ hình đối với tập dữ liệu qua giá trị R2. Để kiểm định độ phù hợp của mơ hình hồi quy tổng thể, ta cần kiểm định giả thiết H0: R2 = 0. Tương tự như phân tích hồi quy, giá trị Prob cũng được sử dụng trong kiểm định này. Nếu giá trị Prob nhỏ hơn 5% thì bác bỏ giả thiết H0.
Kiểm định Durbin – Watson về tự tương quan
Sau khi kiểm định sự phù hợp của mơ hình, bước kế tiếp là kiểm định hiện tượng tự tương quan của các biến trong mơ hình, sử dụng phương pháp kiểm định d của Durbin – Watson. Phương pháp kinh nghiệm được sử dụng để phát hiện tình trạng tự tương quan như sau:
Khi 0<d<1 thì kết luận mơ hình có sự tương quan dương Khi 1<d<3 thì kết luận mơ hình khơng có sự tương quan Khi 3<d<4 thì kết luận mơ hình có sự tương quan âm