Hướng dẫn chạy mô hình OLS, FEM, REM trên stata - làm luận văn thạc sĩ (kèm file excel dữ liệu)

Hướng dẫn chạy mô hình OLS, FEM, REM trên stata Làm luận văn thạc sĩ Kèm theo file dữ liệu Excel để thực hành Dành cho học viên cao hoc chuyên ngành kinh tế, tài chính, ngân hàng có thể áp dụng để chạy số liệu cho việc làm luận văn tốt nghiệp cao học

Sử dụng dữ liệu của 47 công ty ngành Bất động sản niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn 05 năm từ năm 2010 đến năm

2014, tổng mẫu thu được là 235 (47 cty x 5 năm = 235 quan sát) Với kết quả này, kích thước mẫu đủ khả năng để tiến hành phân tích hồi quy và kết quả phân tích đủ độ tin cậy cho việc kết luận về bài nghiên cứu

Mô tả các biến được sử dụng trong mô hình

vọng

Nguồn tham khảo Phụ thuộc

MP Giá thị trường CP Giá CP trên TTCK niêm yết

Độc lập

ROE Tỷ suất sinh

EPS Thu nhập một CP LNST CP thường/S.lượng CP

thường đang lưu hành BQ (+)

BV Giá trị sổ sách một

TD Tỷ số nợ trên TTS Tổng nợ/TTS (-)

SIZE Quy mô doanh

nghiệp Logarit Tổng tài sản (+)

GROWTH Tốc độ tăng trưởng

TTS

(TTS năm nay – TTS năm trước)/TTS năm trước (+)

Mô hình nghiên cứu dự kiến có phương trình như sau:

MP it = β 0 + β 1 ROE it + β 2 ROA it + β 3 EPS it + β 4 BV it + β 5 PE it + β 6 PB it +

β 7 TD it + β 8 SIZE it + β 9 GROWTH it + ε it

Syntax:

import excel “đường dẫn đến file dữ liệu”, sheet(“tên sheet”) firstrow  nhập

dữ liệu từ excel

encode MACK, gen (MACK1)  Tạo biến MACK1 do biến MACK có dạng

string, Stata không hiểu

xtset MACK1 YEAR  định dạng dữ liệu thành dạng panel data theo K/gian và

T/gian

1 Thống kê mô tả các biến trong mô hình nghiên cứu

Syntax: sum MP ROE ROA EPS PE BV PB TD SIZE GROWTH  Thống kê

mô tả các biến

Kết quả:

GROWTH 235 1.145251 .3094645 .6268703 3.857517 SIZE 235 6.160365 545282 5.048065 7.956578

TD 235 .5323776 .1634513 .0757027 .9154871

PB 235 1.019757 .9786483 .1499423 7.057057

BV 235 14284.98 7089.425 2900 36600

PE 205 57.43438 135.7086 1.92392 1024.499 EPS 235 1253.241 1591.287 0 9397.78 ROA 235 .0286103 .0555953 -.2122973 .2735206 ROE 235 .0686651 .1503401 -.6839968 .6296915

MP 235 12378.72 9076.464 1900 61500 Variable Obs Mean Std Dev Min Max

2 Phân tích mối tương quan giữa các biến

Syntax: corr MP ROE ROA EPS PE BV PB TD SIZE GROWTH  chạy tương quan các biến

GROWTH 0.3204 0.3915 0.3130 0.1523 -0.0905 -0.2251 0.4658 0.1393 0.1381 1.0000 SIZE 0.4005 0.0971 0.0615 0.0522 -0.0218 0.0820 0.2844 0.1573 1.0000

TD 0.1185 0.2086 -0.1282 0.1020 0.0238 -0.0215 0.2066 1.0000

PB 0.6362 0.4967 0.3446 0.1125 -0.0236 -0.3787 1.0000

BV 0.2219 -0.0174 0.0630 0.4760 -0.2168 1.0000

PE -0.1462 -0.2933 -0.2966 -0.3154 1.0000

EPS 0.5297 0.7453 0.7399 1.0000

ROA 0.4631 0.8713 1.0000

ROE 0.5148 1.0000

MP 1.0000

MP ROE ROA EPS PE BV PB TD SIZE GROWTH

3 Kết quả các mô hình hồi quy

Mô hình nghiên cứu sử dụng dữ liệu bảng (panel data) được hồi quy theo 3

cách: pooled, random effect (ảnh hưởng ngẫu nhiên) và fixed effect (ảnh hưởng

cố định) Để tìm hiểu xem phương pháp hồi quy nào là phù hợp nhất trong ba

phương pháp trên, chúng ta sử dụng các kiểm định: kiểm định F, kiểm định

Lagrangian Multiplier (LM test, Breusch và Pagan, 1980) và kiểm định

Hausman (Hausman, 1978)

3.1 Mô hình POLS

Mô hình pooled: Mô hình hồi quy pooled để kiểm định ảnh hưởng của các biến

độc lập đối với biến phụ thuộc Mô hình pooled thực chất là việc sử dụng dữ

liệu bảng để phân tích bằng hình thức sử dụng tất cả dữ liệu bằng cách sắp xếp

chồng không phân biệt từng cá thể riêng, tức là mô hình này sử dụng dữ liệu

như một phân tích OLS thông thường Phương pháp bình phương bé nhất (OLS)

được sử dụng để ước lượng đường thẳng hồi quy bởi vì nó cho phép sai số cực

tiểu giữa các điểm ước lượng trên đường thẳng hồi quy và những điểm quan sát

thực tế của đường thẳng hồi quy là phù hợp nhất

Syntax: reg MP ROE ROA EPS PE BV PB TD SIZE GROWTH  Chạy mô

hình hồi quy OLS

Kết quả:

_cons -17773.08 4103.785 -4.33 0.000 -25866.58 -9679.579 GROWTH 985.992 1202.593 0.82 0.413 -1385.766 3357.75 SIZE 2800.898 654.5824 4.28 0.000 1509.928 4091.868

TD -3501.179 2823.266 -1.24 0.216 -9069.236 2066.878

PB 6637.919 467.0285 14.21 0.000 5716.844 7558.995

BV 3387856 .0714769 4.74 0.000 1978185 .4797527

PE 1.77139 2.65712 0.67 0.506 -3.468994 7.011773 EPS 2.678211 .4775668 5.61 0.000 1.736352 3.62007 ROA 2039.249 21022.25 0.10 0.923 -39420.91 43499.41 ROE -17709.54 9401.39 -1.88 0.061 -36251 831.9219

MP Coef Std Err t P>|t| [95% Conf Interval]

Total 1.7050e+10 204 83580760.4 Root MSE = 4755 Adj R-squared = 0.7295 Residual 4.4090e+09 195 22610310.7 R-squared = 0.7414 Model 1.2641e+10 9 1.4046e+09 Prob > F = 0.0000 F(9, 195) = 62.12 Source SS df MS Number of obs = 205

Syntax: est store POLS  Lưu Mô hình dưới tên POLS, để so sánh với các Mô

hình sau này

- Kiểm định không bị hiện tượng đa cộng tuyến trong mô hình

Syntax: vif

Theo lý thuyết kinh tế lượng, khi sử dụng nhân tử phóng đại phương sai VIF, mô hình có VIF >10 trong khi R2>0.9 thì

mô hình có biến đa cộng tuyến cao với các biến khác

Trong mô hình đang thử nghiệm, VIF trung bình là 3.76, R2 = 7414 xem như hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiêm trọng (theo Gujrati, 2003)

Tuy nhiên, trong mô hình đang nghiên cứu ta có biến ROE có VIF>10 Khi so sánh dấu của hệ số tương quan giữa ROE

3.2 Mô hình FEM (mô hình hồi quy tác động cố định)

Mô hình ảnh hưởng cố định (FEM – Fixed effects model): Mô hình này giả định mỗi thực thể đều có những đặc điểm riêng biệt ảnh hưởng đến biến giải thích, FEM phân tích mối tương quan giữa phần dư của mỗi thực thể với các biến giải thích qua đó kiểm soát và tách ảnh hưởng của các đặc điểm riêng biệt ra khỏi các biến giải thích để ước lượng những ảnh hưởng thực của biến giải thích lên biến được giải thích (biến phụ thuộc) Mô hình ước lượng sử dụng:

Yit = β1i + β2Xit + uit (1)

Yit: biến phục thuộc

Xit: biến độc lập

i: doanh nghiệp; t: thời gian (năm)

β1i: hệ số chặn cho từng cá thể nghiên cứu

β2: hệ số góc đối với biến giải thích X

uit: phần dư

Mean VIF 3.76

PE 1.17 0.852392

SIZE 1.18 0.846013

GROWTH 1.36 0.734538

TD 1.88 0.531993

PB 2.04 0.489158

BV 2.44 0.410395

EPS 5.43 0.184093

ROA 7.92 0.126234

ROE 10.37 0.096408

Variable VIF 1/VIF

Mô hình trên đã thêm vào chỉ số i cho hệ số chặn β1 để phân biệt hệ số chặn của từng doanh nghiệp khác nhau có thể khác nhau do đặc điểm khác nhau của từng doanh nghiệp hoặc do sự khác nhau trong chính sách quản lý, hoạt động của doanh nghiệp

Syntax: xtreg MP ROE ROA EPS PE BV PB TD SIZE GROWTH, fe  Chạy

MH hồi quy FE

Kết quả:

F test that all u_i=0: F(50, 145) = 3.76 Prob > F = 0.0000 rho .92387712 (fraction of variance due to u_i)

sigma_e 3638.3938

sigma_u 12675.328

_cons -142882.2 38349.48 -3.73 0.000 -218678.4 -67086 GROWTH 2397.017 1166.513 2.05 0.042 91.45148 4702.582 SIZE 25236.82 7000.768 3.60 0.000 11400.08 39073.55

TD -28213.06 6723.797 -4.20 0.000 -41502.37 -14923.75

PB 7498.537 521.4591 14.38 0.000 6467.894 8529.179

BV 155983 .2241242 0.70 0.488 -.2869894 .5989554

PE 2.276915 2.416078 0.94 0.348 -2.498366 7.052196 EPS 2.570255 .4434001 5.80 0.000 1.693893 3.446618 ROA 9755.006 21583.19 0.45 0.652 -32903.29 52413.3 ROE -23562.97 9496.801 -2.48 0.014 -42333.02 -4792.931

MP Coef Std Err t P>|t| [95% Conf Interval]

corr(u_i, Xb) = -0.8809 Prob > F = 0.0000 F(9,145) = 57.26

overall = 0.4216 max = 5 between = 0.4119 avg = 4.0 within = 0.7804 min = 1 R-sq: Obs per group:

Group variable: MACK1 Number of groups = 51 Fixed-effects (within) regression Number of obs = 205

Syntax: est store FEM  Lưu Mô hình dưới tên FEM, để so sánh với các Mô

hình khác

3.3 Mô hình REM (mô hình hồi quy tác động ngẫu nhiên)

Mô hình ảnh hưởng ngẫu nhiên (REM – Random Effects Model): Giả định của

mô hình FEM là có sự biến động giữa các cá thể và có liên quan đến biến giải

thích thì giả định của mô hình REM sự biến động giữa các cá thể là ngẫu nhiên

và không tương quan đến các biến giải thích Như vậy, sự khác biệt giữa mô hình FEM và mô hình REM ở sự biến động của các cá thể, nếu sự khác biệt giữa các cá thể có ảnh hưởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM Trong mộ hình REM phần dư của mỗi thực thể (không tương quan với biến giải thích) được xem là một biến giải thích mới Ý tưởng của mô hình REM cũng bắt đầu từ mô hình:

Yit = β1i + β2Xit + uit (1)

Nếu trong (1) β1i là cố định thì trong REM có giả định rằng nó là một biến ngẫu nhiên với trung bình là β1 và giá trị hệ số chặn được mô tả như sau: β1i = β1 + εi (i = 1,2,3,…,n)i (i = 1,2,3,…,n)

εi (i = 1,2,3,…,n)i: sai số ngẫu nhiên có trung bình bằng 0 và phương sai là б2

Thay vào mô hình trên ta có: Yit = β1 + βXit + εi (i = 1,2,3,…,n)i + uit hay Yit = β1 + βXit + wit (2) với wit = εi (i = 1,2,3,…,n)i + uit

εi (i = 1,2,3,…,n)i: sai số thành phần của các đối tượng khác nhau (đặc điểm riêng khác nhau của từng doanh nghiệp)

uit: sai số thành phần kết hợp khác của đặc điểm riêng theo từng đối tượng và theo thời gian

Syntax: xtreg MP ROE ROA EPS PE BV PB TD SIZE GROWTH, re  Chạy

MH hồi quy RE

Kết quả:

rho .40081927 (fraction of variance due to u_i)

sigma_e 3638.3938

sigma_u 2975.8091

_cons -21774.87 5936.865 -3.67 0.000 -33410.91 -10138.83 GROWTH 1713.477 1100.163 1.56 0.119 -442.8033 3869.757 SIZE 3404.694 984.033 3.46 0.001 1476.025 5333.363

TD -6706.076 3194.503 -2.10 0.036 -12967.19 -444.9654

PB 6714.805 437.6454 15.34 0.000 5857.035 7572.574

BV 4271168 .0842875 5.07 0.000 2619163 .5923173

PE 1.715764 2.392245 0.72 0.473 -2.97295 6.404477 EPS 2.881886 .4311705 6.68 0.000 2.036807 3.726965 ROA 4715.721 20436.97 0.23 0.818 -35340.01 44771.45 ROE -21964.95 9128.096 -2.41 0.016 -39855.69 -4074.215

MP Coef Std Err z P>|z| [95% Conf Interval]

corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(9) = 564.48

overall = 0.7317 max = 5 between = 0.7234 avg = 4.0 within = 0.7511 min = 1 R-sq: Obs per group:

Group variable: MACK1 Number of groups = 51 Random-effects GLS regression Number of obs = 205

Syntax: est store REM  Lưu Mô hình dưới tên REM, để so sánh với các Mô

hình khác

3.4 Kiểm định lựa chọn mô hình phù hợp

Kiểm định Hausman

Syntax: Hausman FEM REM  Kiểm định Hausman mô hình FEM và REM

(V_b-V_B is not positive definite)

Prob>chi2 = 0.8898

= 2.30

chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)

Test: Ho: difference in coefficients not systematic

B = inconsistent under Ha, efficient under Ho; obtained from xtreg

b = consistent under Ho and Ha; obtained from xtreg GROWTH 2397.017 1713.477 683.5401 387.8057

SIZE 25236.82 3404.694 21832.12 6931.265

TD -28213.06 -6706.076 -21506.98 5916.469

PB 7498.537 6714.805 783.7318 283.5244

BV .155983 4271168 -.2711338 .2076711

PE 2.276915 1.715764 .5611513 .3385263

EPS 2.570255 2.881886 -.3116307 .1034198

ROA 9755.006 4715.721 5039.285 6940.036

ROE -23562.97 -21964.95 -1598.021 2620.517

FEM REM Difference S.E.

(b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients

So sánh lựa chọn mô hình

Syntax: esttab POLS FEM REM, star(* 0.1 ** 0.05 *** 0.01)  Kết xuất 3 MH

ra dạng bảng

Nếu lệnh esttab chưa có sẵn trong Stata, cài đặt như sau:

Syntax: ssc install estout

Tên biến Mô hình Pooled Mô hình FEM Mô hình REM ROE -17709.5*(-1.88) -23563.0**(-2.48) -21965.0**(-2.41)

BV 0.339***-4.74 0.156-0.7 0.427***-5.07

SIZE 2800.9***-4.28 25236.8***-3.6 3404.7***-3.46 GROWTH -0.82986 2397.0**-2.05 1713.5-1.56 _Cons -17773.1***(-4.33) -142882.2***(-3.73) -21774.9***(-3.67)

0.9898

Các biến ROA, PE không có ý nghĩa thống kê, biến ROE có hệ số hồi quy trái dấu so với hệ số tương quan → có cần thực hiện việc loại bỏ biến ra khỏi các

mô hình và chạy lại mô hình

Để lựa chọn ra mô hình phù hợp nhất trong 3 mô hình vừa thống kê ở trên, chúng ta tiến hành các kiểm định:

- Kiểm định F-test: so sánh mô hình Pooled Regression và Fixed effects model với giả thuyết H0: chọn Pooled Regression Kết quả cho thấy với mức ý nghĩa 1%, ta có: F = 0,0000 < 1% nên bác bỏ giả thuyết H0 → chọn Fixed effects model

- Kiểm định Hausman test: so sánh mô hình Fixed effects model và Random effects model với giả thuyết H0: chọn Random effects model Kết quả cho thấy với mức ý nghĩa 1%, ta có Prob = 2,30% > 1% nên chấp thuận giả thuyết H0 → chọn Random effects model

5 Kiểm định phương sai của sai số thay đổi

Cách 1:

Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp OLS vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa, lúc đó kiểm định hệ số hồi quy và R bình phương không dùng được Bởi vì phương sai của sai số thay đổi làm mất tính hiệu quả của ước lượng, nên cần thiết phải tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White, với giả thuyết H0: Không có hiện tượng phương sai thay đổi

Syntax:

reg MP ROE ROA EPS PE BV PB TD SIZE GROWTH

imtest, white  Kiểm định White mô hình POLS

Total 183.56 63 0.0000

Kurtosis 3.10 1 0.0784

Skewness 13.09 9 0.1585

Heteroskedasticity 167.37 53 0.0000

Source chi2 df p

Cameron & Trivedi's decomposition of IM-test

Prob > chi2 = 0.0000

chi2(53) = 167.37

against Ha: unrestricted heteroskedasticity

White's test for Ho: homoskedasticity