The impact of the banking sector development on the financial performance of the communication sector in sierra leone

5.3 ARDL Unit Root Test for Stationarity Results 
The result of the unit root test is shown on the below table as it revealed that 
all the variables are non-stationery at level but stationery at first difference and 

---

65 
at a 5% significant level and also the data are integrated of order one 1(1), as 
the Augmented Dickey and Fuller (ADF) test was employed to carry out the 
test. The AIC criterion was used to determine the optimal Lag length also. 
Table 5: ADF- Unit Root Test for Stationarity
Method 
Statistic 
Prob.** 
ADF - Fisher Chi-square 
49.8811 
0.0000 
ADF - Choi Z-stat 
-5.73867 
0.0000 
** Probabilities for Fisher tests are computed using an asymptotic Chi 
-square distribution. All other tests assume asymptotic normality. 
Intermediate ADF test results D(UNTITLED) 
Series 
Prob. 
Lag Max Lag 
Obs 
D(ROA) 
0.0064 
0 
2 
18 
D(LOAN_VOLUME) 0.0044 
1 
2 
17 
D(INT_RATE) 
0.0006 
0 
2 
18 
D(DEBT) 
0.0009 
0 
2 
18 
Source: EViews 9 computation of reseach data. 
5.4 Test for Multicollinearity Results 
The multicollinearity test was conducted in order to determine the relationship 
between the variables and the result are as follows: 
Table 6: Test for Multicollinearity: 
Correlation Matrix 
ROA 
LOAN_VOLUME INT_RATE 
DEBT 
ROA 
1.000000 
0.891139 
0.765346 
-0.540509 
LOAN_VOLUME 0.891139 
1.000000 
0.756027 
-0.659195 
INT_RATE 
0.765346 
0.756027 
1.000000 
-0.712014 
DEBT 
-0.540509 
-0.659195 
-0.712014 
1.000000 
Source: Eviews 9 Computation of Research Data 
The table shows that there is a strong positive correlation between ROA and 
Loan and Advances volume as the value recorded is 0.891139 and also a 
strong negative correlation between Loans and Advances to Debt ratio at a 
value of -0.659195 and also a negative correlation between interest and debt. 
The table also shows that, the Banking Sector influences the performance of 
the communication sector since the variables are all below 0.8 which shall 

---

66 
make it easy to extract the coefficient estimates with a small standard error. 
The data model does not show evidence of multicollinearity as all the variables 
are below 0.8. Further test for multi collinearity using Variance Inflation Factor.