• Kiểm định hiện tượng tự tương quan giữa các phần dư
Theo Hồng Trọng & Chu Nguyễn Mộng Ngọc (2005) thì để đánh giá độ phù hợp của mơ hình tuyến tính đa biến ta sử dụng R bình phương hiệu chỉnh là phù hợp vì nĩ khơng phụ thuộc vào độ lệch phĩng đại của hệ số xác định R bình phương.
Kết quả ở bảng sau cho thấy R bình phương hiệu chỉnh là 0.623 cĩ nghĩa là các biến độc lập trong mơ hình cĩ thể giải thích được 62.3% sự biến thiên của biến phụ thuộc.
Đại lượng thống kê Dubin - Waston dùng để kiểm định hiện tượng tự tương quan giữa các phần dư. Theo Hồng Ngọc Nhâm & ctg (2006) thì 1 ≤ Dubin - Waston ≤ 3 nghĩa là khơng cĩ hiện tượng tự tương quan giữa các phần dư. Kết quả phân tích cho thấy hệ số Dubin - Waston = 1.867 nghĩa là khơng cĩ hiện tượng tự tương quan giữa các phần dư. Điều này cĩ nghĩa là mơ hình khơng vi phạm giả định về tính độc lập của sai số.
Bảng 5.21 Kiểm định Dubin - Watson Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 .797a .635 .623 .61407989 1.867
a. Predictors: (Constant), PV, GC, CT, DU, TC, PT
b. Dependent Variable: HL
• Kiểm định phương sai của phần dư khơng đổi
Hiện tượng phương sai của phần dư thay đổi làm cho các ước lượng của hệ số hồi quy khơng chệch nhưng khơng hiệu quả (tức là khơng phải ước lượng phù hợp nhất), từ đĩ làm kiểm định các giả thuyết mất hiệu lực, dẫn đến đánh giá sai về chất lượng mơ hình hồi quy tuyến tính (Hồng Trọng & Chu Nguyễn Mộng Ngọc (2008).
Kết quả phân tích cho thấy các phần dư cĩ phân phối tương đối đều do đĩ phương sai khơng đổi của mơ hình là thỏa điều kiện.
• Kiểm định phân phối chuẩn của các phần dư
Dùng biểu đồ tần số Histogam để xem xét phần dư cĩ phân phối chuẩn hay khơng, điều kiện (Std. Dev phải gần bằng 1). Như vậy, biểu đồ cĩ Std. Dev = 0.984 gần bằng 1 (thỏa điều kiện) do đĩ ta cĩ thể nĩi các phần dư tuân theo quy luật phân phối chuẩn.
Hình 5.3 Kiểm định phân phối chuẩn của các phần dư
• Kiểm định hiện tượng đa cộng tuyến
Theo Hồng Ngọc Nhâm & cộng sự (2006) thì đa cộng tuyến là cĩ sự tồn tại mối quan hệ tuyến tính “hồn hảo” hoặc chính xác giữa một số hoặc tất cả các biến giải thích trong mơ hình hồi quy. Trong trường hợp cộng tuyến cao thì sai số chuẩn sẽ rất lớn và do đĩ làm giá trị t nhỏ đi (khơng cĩ ý nghĩa thống kê).
Như vậy điều kiện để phát hiện đa cộng tuyến là VIP của một biến vượt quá 10. Bảng cho thấy tất cả các biến đều cĩ hệ số phĩng đại (VIP_ Variance inflation Factor) cĩ giá trị nhỏ hơn 10 chứng tỏ khơng cĩ hiện tượng đa cộng tuyến xảy ra.
Bảng 5.22 Kiểm định đa cộng tuyến
Coefficientsa Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std.
Error Beta t Sig. Tolerance VIF (Constant) 8.468E-17 .045 .000 1.000 PT .119 .045 .119 2.672 .008 1.000 1.000 TC .063 .045 .063 1.412 .160 1.000 1.000 DU .677 .045 .677 15.158 .000 1.000 1.000 CT .104 .045 .104 2.326 .021 1.000 1.000 GC .267 .045 .267 5.970 .000 1.000 1.000 1 PV .276 .045 .276 6.184 .000 1.000 1.000 a. Dependent Variable: HL ANOVAb Model Sum of
Squares df Mean Square F Sig.
Regression 119.992 6 19.999 53.034 .000a
Residual 69.008 183 .377
1
Total 189.000 189
a. Predictors: (Constant), PV, GC, CT, DU, TC, PT b. Dependent Variable: HL
Kiểm định F là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Theo kết quả bảng Anova, ta thấy kiểm định F cĩ Sig = 0. 000a chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với dữ liệu và cĩ thể sử dụng được.
