lOMoARcPSD| 59561451
1.KIỂM ĐỊNH ĐA CỘNG TUYẾN
https://vietradeportal.vn/kiem-dinh-da-cong-tuyen/
Đa cộng tuyến (Multicollinearity) là hiện tượng thường xảy ra khi mối tương quan
cao giữa hai hay nhiều biến độc lập trong mô hình hồi quy. Nói cách khác, một biến
độc lập thể sử dụng để dđoán một biến độc lập khác. Khi biến độc lập A tặng
thì biến độc lập B tăng ngược lại A giảm thì B cũng giảm. Điều này sẽ dẫn đến
việc tạo ra các thông tin dư thừa, làm sai lệch kết quả của mô hình hồi quy đa biến.
Hiện tượng đa cộng tuyến vi phạm giả định của hình hồi quy tuyến tính là các
biến độc lập không có mối quan hệ tuyến tính với nhau.
Để nhận biết hiện tượng đa cộng tuyến, ta thể áp dụng một thử nghiệm rất đơn
giản đó chính dựa vào hệ số phóng đại phương sai VIF (Variance inflation factor)
để xác định mối tương quan giữa các biến độc lập và sức mạnh của mối tương quan
đó.
Nếu hsố phóng đại phương sai VIF < 2 thì không hiện tượng đa cộng tuyến
(Gujarati, 2012). Nếu giá trị VIF > 10 thì gần như chắc chắn có hiện tượng đa cộng
tuyến nghiêm trọng (Menard, 1995). Giá trị VIF < 10 hiện tượng đa cộng tuyến
không nghiêm trọng (Hair và cộng sự, 1995).
https://phantichspss.com/da-cong-tuyen-dinh-nghia-cach-phat-hien-hau-qua-
cachkhac-
phuc.html#:~:text=Ta%20c%C5%A9ng%20c%C3%B3%20th%E1%BB %83%20x
em,ch%E1%BA%AFn%20c%C3%B3%20%C4%91a%20c%E1%BB %99ng%20t
uy%E1%BA%BFn.
(Cách phân tích hiện tượng đa cộng tuyến - chạy stata)
2.KIỂM ĐỊNH HIỆN TƯỢNG TỰ TƯƠNG QUAN
“Hiện tượng tự tương quan trong kinh tế lượng hay còn gọi Autocorrelation
hiện tượng mà tại đó hạng nhiễu tại thời điểm t (hay còn gọi là sai số) thường được
hiệu u
t
tương quan với hạng nhiễu tại thời điểm (t-1) hoặc bất kỳ hạng nhiều
lOMoARcPSD| 59561451
nào trong quá khứ. Thường xảy ra trong dữ liệu bảng (panel data) và trong dữ liệu
chuỗi thời gian (time-series).”
_MOSL
Để kiểm định tự tương quan trong hình, nghiên cứu sử dụng kiểm định
Wooldridge test. Nếu xảy ra hiện tượng tương quan thì các ước lượng OLS không
chệch nhưng không hiệu quả. Kiểm định Wooldridge test với gỉa thiết H0: Không có
hiện tượng ttương quan cấp 1( tức là không tương quan giữa các sai số t t-
1 )
https://phantichstata.com/kiem-dinh-tu-tuong-quan-tuong-quan-chuoi-
trongstata.html
( cách phân tích Wooldrige test ) - chạy stata
3.KIỂM TRA HIỆN TƯỢNG PHƯƠNG SAI THAY ĐỔI
https://vi.vnp.edu.vn/wp-content/uploads/securepdfs/2020/01/Gujarati-2011-Ch
%C6%B0%C6%A1ng-5-_-Ch%E1%BA%A9n-%C4%91o%C3%A1n-
h%E1%BB %93i-quy-Ph%C6%B0%C6%A1ng-sai-
thay-%C4%91%E1%BB%95i.pdf
Một giả thiết quan trọng trong hình hồi quy tuyến tính cđiển các yếu tnhiễu
ui (hay còn gọi là phần residuals) xuất hiện trong hàm hồi quy tổng thể phương
sai không thay đổi (homoscedasticity, còn gọi phương sai điều kiện không đổi);
tức chúng cùng phương sai. Nếu giả thiết này không được thỏa mãn thì sự
hiện diện của phương sai thay đổi. Phương sai thay đổi
(Heteroscedasticity, còn gọi là phương sai của sai số thay đổi).
Sử dụng kiểm định White’s test - chạy stata
https://phantichstata.com/phuong-sai-cua-sai-thay-doi-dinh-nghia-cach-phat-
hiencach-khac-phuc-bang-stata.html
Kết quả kiểm định cho thấy Prob > chi2 = 0.9992> 0.05, không đủ bằng chứng bác bỏ giả thuyết
lOMoARcPSD| 59561451
H0 do vậy ta chấp nhận giả thuyết H0. Điều này có nghĩa là các sai số đặc trưng giữa các đối
tượng và biến độc lập hoàn toàn độc lập với nhau, do đó mô hình tác động ngẫu nhiên phù hợp
hơn mô hình tác động cố định. Vậy nghiên cứu sử dụng kết quả hồi quy theo mô hình tác động
ngẫu nhiên để tiến hành phân tích tác động của vốn chủ sỡ hữu đến lợi nhuận. Tuy nhiên, đó
chưa hẳn là mô hình hiệu quả nhất vì có thể vi phạm đến các giả thiết hồi quy mà nghiên cứu
chưa xem xét cụ thể.

Preview text:

lOMoAR cPSD| 59561451
1.KIỂM ĐỊNH ĐA CỘNG TUYẾN
https://vietradeportal.vn/kiem-dinh-da-cong-tuyen/
Đa cộng tuyến (Multicollinearity) là hiện tượng thường xảy ra khi mối tương quan
cao giữa hai hay nhiều biến độc lập trong mô hình hồi quy. Nói cách khác, một biến
độc lập có thể sử dụng để dự đoán một biến độc lập khác. Khi biến độc lập A tặng
thì biến độc lập B tăng và ngược lại A giảm thì B cũng giảm. Điều này sẽ dẫn đến
việc tạo ra các thông tin dư thừa, làm sai lệch kết quả của mô hình hồi quy đa biến.
Hiện tượng đa cộng tuyến vi phạm giả định của mô hình hồi quy tuyến tính là các
biến độc lập không có mối quan hệ tuyến tính với nhau.
Để nhận biết hiện tượng đa cộng tuyến, ta có thể áp dụng một thử nghiệm rất đơn
giản đó chính là dựa vào hệ số phóng đại phương sai VIF (Variance inflation factor)
để xác định mối tương quan giữa các biến độc lập và sức mạnh của mối tương quan đó.
Nếu hệ số phóng đại phương sai VIF < 2 thì không có hiện tượng đa cộng tuyến
(Gujarati, 2012). Nếu giá trị VIF > 10 thì gần như chắc chắn có hiện tượng đa cộng
tuyến nghiêm trọng (Menard, 1995). Giá trị VIF < 10 có hiện tượng đa cộng tuyến
không nghiêm trọng (Hair và cộng sự, 1995).
https://phantichspss.com/da-cong-tuyen-dinh-nghia-cach-phat-hien-hau-qua- cachkhac-
phuc.html#:~:text=Ta%20c%C5%A9ng%20c%C3%B3%20th%E1%BB %83%20x
em,ch%E1%BA%AFn%20c%C3%B3%20%C4%91a%20c%E1%BB %99ng%20t uy%E1%BA%BFn.
(Cách phân tích hiện tượng đa cộng tuyến - chạy stata)
2.KIỂM ĐỊNH HIỆN TƯỢNG TỰ TƯƠNG QUAN
“Hiện tượng tự tương quan trong kinh tế lượng hay còn gọi là Autocorrelation là
hiện tượng mà tại đó hạng nhiễu tại thời điểm t (hay còn gọi là sai số) thường được
kí hiệu là ut có tương quan với hạng nhiễu tại thời điểm (t-1) hoặc bất kỳ hạng nhiều
lOMoAR cPSD| 59561451
nào trong quá khứ. Thường xảy ra trong dữ liệu bảng (panel data) và trong dữ liệu
chuỗi thời gian (time-series).”
_MOSL
Để kiểm định tự tương quan trong mô hình, nghiên cứu sử dụng kiểm định
Wooldridge test. Nếu xảy ra hiện tượng tương quan thì các ước lượng OLS không
chệch nhưng không hiệu quả. Kiểm định Wooldridge test với gỉa thiết H0: Không có
hiện tượng tự tương quan cấp 1( tức là không có tương quan giữa các sai số t và t- 1 )
https://phantichstata.com/kiem-dinh-tu-tuong-quan-tuong-quan-chuoi- trongstata.html
( cách phân tích Wooldrige test ) - chạy stata
3.KIỂM TRA HIỆN TƯỢNG PHƯƠNG SAI THAY ĐỔI
https://vi.vnp.edu.vn/wp-content/uploads/securepdfs/2020/01/Gujarati-2011-Ch
%C6%B0%C6%A1ng-5-_-Ch%E1%BA%A9n-%C4%91o%C3%A1n-
h%E1%BB %93i-quy-Ph%C6%B0%C6%A1ng-sai- thay-%C4%91%E1%BB%95i.pdf
Một giả thiết quan trọng trong mô hình hồi quy tuyến tính cổ điển là các yếu tố nhiễu
ui (hay còn gọi là phần dư residuals) xuất hiện trong hàm hồi quy tổng thể có phương
sai không thay đổi (homoscedasticity, còn gọi là phương sai có điều kiện không đổi);
tức là chúng có cùng phương sai. Nếu giả thiết này không được thỏa mãn thì có sự
hiện diện của phương sai thay đổi. Phương sai thay đổi
(Heteroscedasticity, còn gọi là phương sai của sai số thay đổi).
Sử dụng kiểm định White’s test - chạy stata
https://phantichstata.com/phuong-sai-cua-sai-thay-doi-dinh-nghia-cach-phat-
hiencach-khac-phuc-bang-stata.html
Kết quả kiểm định cho thấy Prob > chi2 = 0.9992> 0.05, không đủ bằng chứng bác bỏ giả thuyết lOMoAR cPSD| 59561451
H0 do vậy ta chấp nhận giả thuyết H0. Điều này có nghĩa là các sai số đặc trưng giữa các đối
tượng và biến độc lập hoàn toàn độc lập với nhau, do đó mô hình tác động ngẫu nhiên phù hợp
hơn mô hình tác động cố định. Vậy nghiên cứu sử dụng kết quả hồi quy theo mô hình tác động
ngẫu nhiên để tiến hành phân tích tác động của vốn chủ sỡ hữu đến lợi nhuận. Tuy nhiên, đó
chưa hẳn là mô hình hiệu quả nhất vì có thể vi phạm đến các giả thiết hồi quy mà nghiên cứu chưa xem xét cụ thể.