Nên Chấp Nhận Giả Thuyết Không Có Tương Quan Chuỗi Bậc Nhất Giữa Các Phần

Spearman's rho ABSRES_3 Hệ số tương quan

Mức ý nghĩa (2 đuôi) Số lượng

Biểu đồ trên cho thấy các dữ liệu quan sát tập trung và rất sát với đường kỳ vọng nên dữ liệu có phân phối chuẩn hay giả định phân phối chuẩn không bị vi phạm.

Kiểm định tính độc lập của sai số (không có tương quan giữa các phần dư)

Trong kinh tế lượng chuỗi thời gian rất dễ xảy ra hiện tượng tự tương quan - các phần dư có quan hệ với nhau, tức là một hạng nhiễu (µ) ở thời điểm này có thể có quan hệ với một hạng nhiễu ở một điểm khác. Điều này sẽ dẫn tới sai số chuẩn của các hệ số hồi quy OLS sẽ bị chệch và không nhất quán và vì thế việc kiểm định thống kê sẽ không còn đáng tin cậy nữa. Xác định được tầm quan trọng của việc kiểm định mối tương quan giữa các phần dư, tác giả tiến hành kiểm định theo 2 phương pháp sau:

Sử dụng đại lượng thống kê Durbin – Watson:

Giá trị d của mô hình là 1.654 (Phụ lục 4). Tra bảng Durbin – Watson 2 biến độc lập, 40 quan sát và mức ý nghĩa 5% ta có dL = 1.39, dU = 1.60. Như vậy, dU =

1.60 < d = 1.808 < 2 nên chấp nhận giả thuyết không có tương quan chuỗi bậc nhất giữa các phần dư

Phương pháp đồ thị

Bên cạnh việc sử dụng đại lượng thống kê Durbin – Watson để kiểm định, tác giả sử dụng thêm phương pháp đồ thị để vẽ đồ thị phân tán phần dư chuẩn hóa theo thứ tự quan sát để kiểm chứng điều này.

Biểu đồ 3.4: Biểu đồ phân tán phần dư chuẩn hóa theo thứ tự quan sát

Standardized Residual

-1

-2

-3

0 10

20 30

40 50

THUTU

Dựa vào biểu đồ cho thấy các phần dư phân tán không theo một quy luật nào trong mối quan hệ giữa các phần dư nên giữa các phần dư không có tương quan với nhau.

Kiểm định không có mối tương quan giữa các biến độc lập (hiện tượng đa cộng tuyến)

Trong hồi quy đa biến, nhất là hồi quy chuỗi thời gian, thường có hiện tượng các biến độc lập có mối quan hệ nhất định nào đó với nhau, hiện tượng này còn được gọi là hiện tượng đa cộng tuyến. Đa cộng tuyến có thể dẫn tới một số hậu quả như các giá trị ước lượng của hệ số hồi quy OLS có thể không chính xác do có sai số chuẩn quá lớn và dấu của hệ số hồi quy có thể sai so với kỳ vọng (từ cơ sở lý thuyết). Có nhiều cách giúp phát hiện đa cộng tuyến trước và sau khi thực hiện việc ước lượng mô hình, trong luận văn này tác giả sử dụng 2 phương pháp sau:

Hệ số tương quan

Hầu hết các nhà nghiên cứu kinh tế lượng cho rằng khi hệ số tương quan >

0.9 thì đó là một dấu hiệu quan trọng xảy ra hiện tượng đa công tuyến. Quan sát bảng 3.2 Hệ số tượng quan giữa các biến của mô hình thì không có hệ số nào > 0.9. Chỉ có các biến độc lập đại diện cho tỷ lệ nợ như TDTA, TDTE, STDTA có hệ số tương quan khá cao > 0.8. Tuy nhiên, các hệ số tỷ lệ nợ tác giả đã không đưa cùng một lúc vào một mô hình mà được đưa vào từng mô hình hồi quy nên có thể tránh hiện tượng đa cộng tuyến xảy ra.

Độ chấp nhận của biến (Tolerance) hoặc Hệ số phóng đại phương sai (Variance inflation factor – VIF)

Độ chấp nhận Tolerance thường được sử dụng để đo lường hiện tượng cộng tuyến. Quy tắc là nếu độ chấp nhận của một biến nhỏ thì nó gần như là một kết hợp tuyến tính của các biến độc lập khá và đó là dấu hiệu của đa cộng tuyến. Vậy ở mức nào thì độ chấp nhận được cho là nhỏ và sẽ xảy ra hiện tượng cộng tuyến?

Hệ số phóng đại phương sai VIF có liên hệ gần với độ chấp nhận, thực tế nó là nghịch đảo của độ chấp nhận. Khi Tolerance nhỏ thì VIF lớn, quy tắc là khi VIF

vượt quá 10, đó là dấu hiệu của đa cộng tuyến. Quan sát bảng hệ số hồi quy của mô hình, hệ số VIF của các biến = 1.010 nên không có hiện tượng đa cộng tuyến xảy ra.

3.3.3.2Kiểm định mô hình 2 (mô hình sử dụng biến tỷ lệ nợ TDTE)

Thực hiện tương tự mô hình 1, tác giả kiểm định mô hình 2 như sau:

Kiểm định giả thuyết về độ phù hợp của mô hình

Đặt giả thuyết H0: R2 của tổng thể = 0 (mô hình hồi quy xây dựng được không phù hợp với tổng thể)

Căn cứ vào Bảng phân tích ANOVA (Phụ lục 5) của SPSS thể hiện giá trị F

= 43.793 tương ứng với mức ý nghĩa sig = 0.000, do đó có thể an toàn bác bỏ giả thuyết H0 và kết luận mô hình hồi quy xây dựng được phù hợp với tổng thể.

Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy

H0: β = 0 (Biến phụ thuộc và biến độc lập không có ảnh hưởng gì đến nhau)

Căn cứ vào Bảng hệ số của mô hình hồi quy (Phụ lục 5), có thể thấy được các mức ý nghĩa quan sát được đối với hệ số độ dốc của mô hình là sig = 0.000, chứng tỏ rằng giả thuyết H0 có thể bị bác bỏ với độ tin cậy cao (95%), nghĩa là biến phụ thuộc và biến độc lập có mối quan hệ ảnh hưởng lẫn nhau.

Kiểm định phương sai của sai số không đổi

Tác giả sẽ kiểm định phương sai của sai số thay đổi bằng cách kết hợp 2 phương pháp: vẽ biểu đồ và kiểm định tương quan hạng Spearman

Vẽ biểu đồ bình phương phần dư theo ROA

Biểu đồ 3.5: Biểu đồ bình phương phần dư theo ROA (mô hình 2)

.003

.002

.001

BPres_2

0.000

-.001

0.00

.02

.04

.06

.08

.10

.12

.14

.16

ROA

(BPres_2: biến bình phương phần dư của mô hình 2)

Rò ràng từ đồ thị cho thấy bình phương của phần dư tăng cùng với sự gia tăng của biến ROA hay phương sai thay đổi, vì vậy rất có khả năng mô hình đã vi phạm giả thuyết phương sai không thay đổi. Tác giả sẽ sử dụng kiểm định tương quan hạng Spearman lần lượt giữa các biến độc lập với trị tuyệt đối của phần dư.

Kiểm định tương quan hạng Spearman giữa các biến độc lập với trị tuyệt đối của phần dư

Đặt Giả thuyết Ho: hệ số tương quan hạng của tổng thể bằng 0 (phương sai của sai số không đổi)

Bảng 3.5: Hệ số tương quan Spearman giữa biến LOG_TDTE và ABSres_1

	LOG_TDTE	ABSres_2
Spearman's rho LOG_TDTE Hệ số tương quan Mức ý nghĩa (2 đuôi) Số lượng		1.000	-.735(**)
		.	.000
		40	40

Có thể bạn quan tâm!

Xem toàn bộ 96 trang tài liệu này.

Kết quả kiểm định cho thấy giá trị sig của kiểm định = 0.000 < mức ý nghĩa 5% => bác bỏ giả thuyết Ho, tức là Mô hình 2 đã vi phạm giả thuyết phương sai của sai số thay đổi. Tương tự như cách giải thích của mô hình 1, tác giả đánh giá vi phạm này có thể chấp nhận được.

Kiểm định phân phối chuẩn của phần dư

Biểu đồ tần số Histogram khảo sát phân phối của phần dư

Biểu đồ 3.6: Biểu đồ tần số Histogram khảo sát phân phối của phần dư (mô hình 2)

-2.50

-2.00

-1.50

-1.00

-.50

0.00

.50

1.00

1.50

2.00

2.50

Std. Dev = .99 Mean = 0.00

N = 40.00

Standardized Residual

Biểu đồ trên cho thấy một đường cong phân phối chuẩn được đặt lên biểu đồ tần số. Phân phối phần dư có trung bình Mean = 0 và độ lệch chuẩn Std. Dev = 0.99, gần bằng 1. Do đó có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm.

Biểu đồ tần số Q-Q Plot khảo sát phân phối của phần dư

Biểu đồ 3.7: Biểu đồ tần số Q-Q Plot khảo sát phân phối của phần dư (mô hình 2)

Normal Q-Q Plot of Standardized Residual

Expected Normal Value

-1

-2

-3

-3 -2 -1 0 1 2 3

Observed Value

Biểu đồ trên cho thấy các dữ liệu quan sát tập trung và rất sát với đường kỳ vọng nên dữ liệu có phân phối chuẩn hay giả định phân phối chuẩn không

bị vi phạm.

Kiểm định tính độc lập của sai số (không có tương quan giữa các phần dư)

Sử dụng đại lượng thống kê Durbin – Watson:

Giá trị d của mô hình là 1.844 (Phụ lục 5). Tra bảng Durbin – Watson 2 biến độc lập, 40 quan sát và mức ý nghĩa 5% ta có dL = 1.442, dU = 1.544. Như vậy, dU =

1.544 < d = 1.844 < 2 nên chấp nhận giả thuyết không có tương quan chuỗi bậc nhất giữa các phần dư

Phương pháp đồ thị

Biểu đồ 3.8: Biểu đồ phân tán phần dư chuẩn hóa theo thứ tự quan sát (mô hình 2)

Standardized Residual

-1

-2

-3

0 10

20 30

40 50

THUTU

Kiểm định không có mối tương quan giữa các biến độc lập (hiện tượng đa cộng tuyến)

Quan sát bảng hệ số hồi quy của mô hình (Phụ lục 5), hệ số VIF của các biến = 1.000 nên không có hiện tượng đa cộng tuyến xảy ra.

3.3.3.3Kiểm định mô hình ROA (mô hình sử dụng biến tỷ lệ nợ ngắn hạn STDTA)

Thực hiện tương tự mô hình 1 và 2, tác giả kiểm định mô hình 3 như sau:

Kiểm định giả thuyết về độ phù hợp của mô hình

Đặt giả thuyết H0: R2 của tổng thể = 0 (mô hình hồi quy xây dựng được không phù hợp với tổng thể)

Căn cứ vào Bảng phân tích ANOVA (Phụ lục 6) của SPSS thể hiện giá trị F

= 17.897 tương ứng với mức ý nghĩa sig = 0.000, do đó có thể an toàn bác bỏ giả thuyết H0 và kết luận mô hình hồi quy xây dựng được phù hợp với tổng thể.

Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy

H0: β = 0 (Biến phụ thuộc và biến độc lập không có ảnh hưởng gì đến nhau)

Căn cứ vào Bảng hệ số của mô hình hồi quy (Phụ lục 6), có thể thấy được các mức ý nghĩa quan sát được đối với các hệ số độ dốc của mô hình lần lượt là sig

= 0.000, sig = 0.000, chứng tỏ rằng giả thuyết H0 có thể bị bác bỏ với độ tin cậy cao (95%), nghĩa là biến phụ thuộc và biến độc lập có mối quan hệ ảnh hưởng lẫn nhau.

Kiểm định phương sai của sai số không đổi

Tác giả sẽ kiểm định phương sai của sai số thay đổi bằng cách kết hợp 2 phương pháp: vẽ biểu đồ và kiểm định tương quan hạng Spearman

Vẽ biểu đồ bình phương phần dư theo ROA

Biểu đồ 3.9: Biểu đồ bình phương phần dư theo ROA (mô hình 3)

.007

.006

.005

.004

.003

ABSres_3

.002

.001

0.000

-.001

0.00

.02

.04

.06

.08

.10

.12

.14

.16

ROA

(BPres_3: biến bình phương phần dư của mô hình 3)

Từ đồ thị cho thấy bình phương của phần dư tăng cùng với sự gia tăng của biến ROA hay phương sai thay đổi, vì vậy rất có khả năng mô hình đã vi phạm giả thuyết phương sai không thay đổi. Tác giả sẽ sử dụng kiểm định tương quan hạng Spearman lần lượt giữa các biến độc lập với trị tuyệt đối của phần dư.

Kiểm định tương quan hạng Spearman giữa các biến độc lập với trị tuyệt đối của phần dư

Đặt Giả thuyết Ho: hệ số tương quan hạng của tổng thể bằng 0 (phương sai của sai số không đổi)

Bảng 3.6: Hệ số tương quan Spearman giữa biến STDTA3 và ABSres_3

Kết quả kiểm định cho thấy giá trị sig của kiểm định = 0.000 < mức ý nghĩa 5% => bác bỏ giả thuyết Ho, tức là Mô hình 3 đã vi phạm giả thuyết phương sai của sai số thay đổi. Tương tự như cách giải thích của mô hình 1 thì tác giả đánh giá vi phạm này có thể chấp nhận được.

Kiểm định phân phối chuẩn của phần dư

Biểu đồ tần số Histogram khảo sát phân phối của phần dư

Biểu đồ 3.10: Biểu đồ tần số Histogram khảo sát phân phối của phần dư (mô hình 3)

Xem tất cả 96 trang.

Ngày đăng: 16/06/2022