ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 112.672 12 9.389 393.331 .000b
Residual 18.190 762 .024
Total 130.862 774
a. Dependent Variable: LC
b. Predictors: (Constant), CS, T, GTI, CT, TG, KC, CL, TN, NN, CP, SHBL, CH
e. Kiểm định phân phối của phần dư
Phân phối của phần dư được xem xét thông quan việc xây dựng đồ thị phần dư. Kết quả trên đồ thị phần dư cho thấy phần dư có kỳ vọng xấp xỉ 0 và độ lệch chuần xấp xỉ 1. Đường cong phần dư có dạng hình chng như đồ thị của phân phối chuẩn, như vậy phân phối phần dư xấp xỉ phân phối chuẩn nên giả thiết phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 3. 2 Đồ thị phần dư
f. Kiểm định phương sai của sai số thay đổi
Kiểm định phát hiện phương sai của sai số thay đổi được tiến hành bằng cách sử dụng kiểm định Breusch – Pagan trên phần mềm Stata [44]. Kết quả kiểm định cho thấy giả thiết H0: “ Phương sai của sai số không đổi ” bị bác bỏ ở mức ý nghĩa rất thấp (0,0202), như vậy, đã xảy ra phương sai của sai số thay đổi trong mô hình. Do đó, các ước lượng thu được vẫn là ước lượng không chệch nhưng phương sai của các hệ số ước lượng này là chệch, do đó các hệ số ước lượng bằng phương pháp bình phương tối thiểu (OLS) khơng cịn là ước lượng tốt nhất nữa. Để khắc phục hiện tượng phương sai của sai số thay đổi, luận án sử dụng mơ hình sai số chuẩn mạnh (Robust Standard Errors) hay cịn gọi là mơ hình sai số chuẩn vững. Phương pháp này do White đề xuất năm 1980 [57], tư tưởng của phương pháp là vẫn sử dụng các hệ số ước lượng được bằng phương
pháp bình phương tối thiểu, tuy nhiên, phương sai của các hệ số ước lượng được tính tốn lại mà khơng sử dụng đến giả thiết phương sai của sai số thay đổi. Ước lượng mơ hình bằng phương pháp sai số chuẩn mạnh sẽ cho kết quả ước lượng đúng của sai số chuẩn trong khi chấp nhận sự có mặt của phương sai của sai số thay đổi.