Chương III. Phương pháp nghiên cứu và dữ liệu
3.2. Phương pháp nghiên cứu
Kiểm định nghiệm đơn vị là một kiểm định được sử dụng để kiểm định một chuỗi thời gian dừng hay không dừng. Để tránh ước lượng hồi quy sai, chuỗi thuộc tính ngẫu nhiên sẽ được kiểm định. Một số qua trình kiểm định được đưa vào để phát triển mô hình, trong đó phổ biến nhất là phương pháp Augmented Dickey-Fuller (ADF). Kiểm định ADF dựa trên việc từ chối hệ số gốc của một giả thuyết (chuỗi thời gian không dừng, có nghiệm đơn vị). Trong mô hình thực nghiệm tác giả kiểm định thấy biến phụ thuộc Y có xu hướng thời gian (time trend) và có chuỗi dừng. Mô hình ADF phát triển từ mô hình ước lượng của kiểm định DF với hình thức sau:
Khi Yt là một bước ngẫu nhiên với hằng số xoay quanh một đường xu thế ngẫu nhiên
∆t = 1+ 2 + Yt-1 + ut ………. (5)
Giả thuyết H0: = 0 (Yt là chuỗi không dừng, có nghiệm đơn vị) H1: < 0 (Yt là chuỗi dừng)
Miền bác bỏ trị thống kê critical |!| < |!"| với mức ý nghĩa # = 5%
Nếu có hiện tượng tự tương quan chuỗi giữa các giá trị ut do thiếu biến thì sử dụng ADF, kiểm định này được thực hiện bằng cách đưa thêm vào phương trình (5) các biến trễ của sai phân biến phụ thuộc ∆t :
∆t = 1 + 2 t +Yt-1+#i∑* ∆(t-i + )t
+, ………. (6)
Trong đó t là chuỗi thời gian, nó là một xu hướng thời gian tuyến tính, , là tham số ước lượng, n là số lượng tối ưu của độ trễ trong biến phụ thuộc và )t là sai số ngẫu nhiên. Với giả thuyết như sau:
H0: = 0 có nghiệm đơn vị, dữ liệu cần kiểm định bậc sai phân cho dừng (Yt là chuỗi không dừng).
H1: < 0 dữ liệu có xu hướng dừng (Yt là chuỗi dừng) và cần được điều chỉnh bằng cách sử dụng xu hướng thời gian trong mô hình hồi quy thay cho sai phân (level). Giả thuyết của mô hình ADF là = 0 dữ liệu cần kiểm định bậc sai phân điều chỉnh cho dừng và < 0 dừng ở dữ liệu gốc không cần kiểm định bậc sai phân.
3.2.2. Kiểm định ý nghĩa thống kê của các hệ số hồi quy
Kiểm định sự phù hợp của mô hình hồi quy dựa trên kiểm định hệ số để biết ý nghĩa thống kê F, kiểm định Wald được sử dụng cho giả thuyết mô hình phù hợp hay không và kiểm định cho biết mức độ ảnh hưởng của biến độc lập tới biến phụ thuộc.
Kiểm định hệ số với mức ý nghĩa # = 5%, cặp giả thuyết hệ số cho rằng:
H0: 2= 3=…= k=0 mô hình không phù hợp
H1: có ít nhất 1 - ≠ 0 (0 = 2, 2) thì mô hình phù hợp Ước lượng mô hình OLS (Ordinary Least Squares)
Tiêu chuẩn kiểm định =455/(78)955/(*8:)= (899;/(:8);)/(*8:) ………… (7) Miền bác bỏ: ≥ #(2 − 1, > − 2) hoặc ? < #
Do đó sử dụng kiểm định Wald để loại bỏ các biến không ảnh hưởng lên biến phụ thuộc Y. Bỏ từng biến, chọn biến có giá trị Prob ()lớn nhất bỏ trước đến khi tất cả các biến đều có ?@AB () < # .
3.2.3. Kiểm định tự tương quan
Sử dụng kiểm định Breusch-Godfrey với độ trễ một thời điểm để phát hiện tự tương quan của mô hình. Ước lượng hồi quy OLS từ phương trình (4):
= C8+ C8+ ⋯ + CE8E+ )………..…… (8) Kiểm định giả thuyết:
H0: C = C = ⋯ = CE = 0 mô hình không có hiện tượng tự tương quan H1: có ít nhất 1 C- ≠ 0 (0 = 1, F) thì mô hình có hiện tượng tự tương quan
Tiêu chuẩn kiểm định: >G ~ I"
>GJK > MNá @ị ớN ℎạ> I" hoặc ? ≤ # thì bác bỏ H0 3.2.4. Kiểm định phương sai sai số thay đổi
Sử dụng kiểm định White dựa trên hồi quy bình phương phần dư (ký hiệu là Resid) theo bậc nhất và bậc hai của các biến độc lập để phát hiện phương sai sai số thay đổi, từ phương trình (4) ước lượng mô hình bằng OLS thông qua kiểm định không có tích chéo giữa các biến độc lập, tính các phần dư U+:
U+ = #+ #++ # ++ #+ + #++ V+ ……… (9) Kiểm định giả thuyết:
H0: # = # = ⋯ = #= 0 mô hình có phương sai đồng đều
H1: có ít nhất 1 #- ≠ 0 (0 = 2, 2) thì mô hình có hiện tượng phương sai thay đổi
Tiêu chuẩn kiểm định I = >G ~ I với mức ý nghĩa # = 5%, Miền bác bỏ W" = XI/I> I"Y hoặc ? ≤ #
3.2.5. Kiểm định bỏ sót biến giải thích
Sử dụng kiểm định Ramsey để kiểm tra dạng hàm có bỏ sót biến giải thích hay không, từ phương trình (4) ước lượng mô hình OLS, từ đó sử dụng hồi quy phụ tính +^ và G[\] :
+ = + + + ^+ ^ + ⋯ + V+ ………..….. (10) Kiểm định giả thuyết:
H0: β = β = ⋯ = β_ = 0 mô hình không bị bỏ sót biến H1: có ít nhất 1 αa ≠ 0 (j = 3, k) thì mô hình bỏ sót biến Tiêu chuẩn kiểm định: = (89(9efg; 89hij; )/k
efg; )/(*8:) ~ (l, > − 2), m là số biến đưa thêm vào
Miền bác bỏ W" = X/ > "(l, > − 2)Y hoặc ? ≤ # 3.2.6. Kiểm định phân phối chuẩn của sai số ngẫu nhiên
Sử dụng kiểm định Jarque-Bera để kiểm định phân phối chuẩn của sai số ngẫu nhiên U, trong hồi quy tuyến tính cổ điển, thống kê này rất quan trọng cho việc kiểm định phần dư của mô hình hồi quy theo phương pháp OLS có phân phối chuẩn hay không.
Tiêu chuẩn kiểm định mn = o5;+(78 ) ;p ……….. (11) Trong đó q =∑(r*.54s8rt)u
wu ; =∑(r*.54s8rt)y
wy
S là độ nghiêng của phân phối, K là độ nhọn của phân phối Giả thuyết H0: U có phân phối chuẩn
Miền bác bỏ W" = Xmn mn⁄ > IY hoặc P(JB) < # với mức ý nghĩa
# = 5%.
3.2.7. Kiểm tra đa cộng tuyến
Để phát hiện được hiện tượng đa cộng tuyến có xảy ra trong mô hình hay không, thì tiến hành lần lượt hồi quy biến phụ thuộc Y với các biến độc lập. Sau đó sử dụng độ đo Theil (m) để xem xét mức độ đa cộng tuyến của mô hình:
l = G− ∑ (G:-, − G-)~ 0(2,2) ……… (12) Nếu l ≈ 0 thì không có đa cộng tuyến.