Z α+ βDIVREVi + δDIVAssi + γi + ε
3.1.1.2 Kiểm định mô hình
Để lựa chọn mô hình phù hợp giữa hai cách tiếp cận ảnh hưởng ngẫu nhiên và tiếp cận ảnh hưởng cố định luận văn sử dụng kiểm định Hausman. Trong trường hợp, cách tiếp cận dữ liệu gộp thật sự giải thích ý nghĩa tốt hơn cách tiếp cận ảnh hưởng cố định và ảnh hưởng ngẫu nhiên thì hai cách tiếp cận này không còn nhiều ý nghĩa nữa lúc này, hồi quy dữ liệu bảng quay về hồi quy dữ liệu bội bình thường và lúc này ta kiểm định mô hình OLS bình thường. Những kiểm định mô hình cần phải thực hiện là: kiểm định đa cộng tuyến, kiểm định tự tương quan, kiểm định phương sai thay đổi.
Kiểm định đa cộng tuyến
Đa cộng tuyến thường hay gặp phải khi tiến hành ước lượng mô hình hồi quy, đa cộng tuyến sẽ gây ra những khó khăn nhất định khi kết luận mô hình mà cụ thể là làm cho kết quả ước lượng mô hình không còn chuẩn xác nữa. Vì vậy, phát hiện đa cộng tuyến và xử lý vấn đề đa cộng tuyến là cần thiết, trong luận văn này, tác giả nhận biết có xảy ra hiện tượng đa cộng tuyến hay không theo hai cách: thứ nhất, hệ số nhân tử phóng đại phương sai (VIF - variance inflating factor), nếu hệ số này lớn hơn 10 hay hệ số tương quan riêng giữa các biến lớn hơn 0,9 thì mức độ tương quan giữa các biến cao và xảy ra hiện tượng đa công tuyến.
Kiểm định tự tương quan (Breusch-Godfrey (BG))
Cũng như hiện tượng đa cộng tuyến thì hiện tượng tự tương quan sẽ ảnh hưởng đến sự chính xác của kết quả ước lượng mô hình, kiểm định Breusch – Godfrey thường được sử dụng để phát hiện hiện tượng tự tương quan.
Khi muốn xem xét sự tự tương quan trong mô hình hồi quy Yt = β1 + β2X2t + β2X3t + … + βkXkt +ut trong đó ut= ρ1ut-1 + ρ2ut-2 +…+ ρput-p + εt. với giả thuyết kiểm định đặt ra như sau:
H0 : ρ1=ρ2=ρp = 0
H1 : Có ít nhất 1 ρj #0 (j= 1, p)
Nếu Pvalue > αchưa đủ cơ sở bác bỏ giả thuyết Ho tức là chọn giả thuyết Ho có tương quan chuỗi trong mô hình; trong trường hợp ngược lại Pvalue < α, tức chưa đủ cơ sở bác bỏ giả thuyết H1 không có tương quan chuỗi trong mô hình.
Kiểm định phương sai thay đổi (White)
Tương tự như hai trường hợp trên, phương sai thay đổi sẽ làm cho kết quả ước lượng mô hình hồi quy không chính xác. Trong luận văn này, kiểm định White được sử dụng để kiểm định phương sai thay đổi trong mô hình hồi quy.
Khi xem xét mô hình hồi quy: Yt = β1 + β2X2t + β2X3t + … + βkXkt +ut với Ei là phần dư được ước lượng theo mô hình sau: E2i = ρ1 + ρ2X2t + ρ3 X22t + ρ4X23t+ ρ5X2t X3t+ Vi... và giả thuyết được đưa ra như sau:
Ho: mô hình không có tiện tượng phương sai thay đổi H1: mô hình có hiện tượng phương sai thay đổi
Nếu Pvalue > αchưa đủ cơ sở bác bỏ giả thuyết Ho tức là chọn giả thuyết Ho phương sai sai số ngẫu nhiên trong mô hình không đổi; trong trường hợp ngược lại Pvalue < α, tức chưa đủ cơ sở bác bỏ giả thuyết H1 phương sai sai số ngẫu nhiên thay đổi.
Kiểm định Hausman
không đáng kể nhưng việc lựa chọn mô hình nào giải thích tốt hơn là điều cần thiết và thông qua kiểm định Hausman sẽ giải quyết được việc chọn mô hình. Kiểm định này đưa ra giả thuyết ban đầu H0: Không có tương tác giữa các biến giải thích và thành phần ngẫu nhiên tức là chọn mô hình ảnh hưởng ngẫu nhiên; giả thuyết H1 có tương quan giữa biến giải thích và thành phần ngẫu nhiên, mô hình được chọn là các ảnh hưởng cố định. Cơ sở để chọn giả thuyết H0’ H1 là pvalue, trong trường hợp pvalue > a, tức là chưa có đủ cơ sở bác bỏ H0, chọn giả thuyết H0; ngược lại khi pvalue < a chưa đủ cơ sở bác bỏ H1, chọn giả thuyết H1.