NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ CÔNG BỐ THÔNG TIN TRÁCH NHIỆM XÃ HỘI TRÊN BÁO CÁO THƯỜNG NIÊN CỦA CÁC DOANH NGHIỆP NIÊM YẾT TRÊN SỞ GIAO DỊCH CHỨNG KHỐN THÀNH PHỐ HỒ CHÍ MINH

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH NGUYỄN NHẬT THIÊN THẢO NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ CÔNG BỐ THÔNG TIN TRÁCH NHIỆM XÃ HỘI TRÊN BÁO CÁO THƯỜNG NIÊN CỦA CÁC DOANH NGHIỆP NIÊM YẾT TRÊN SỞ GIAO DỊCH CHỨNG KHỐN THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ KINH TẾ Thành phố Hồ Chí Minh, năm 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HỒ CHÍ MINH NGUYỄN NHẬT THIÊN THẢO NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ CÔNG BỐ THÔNG TIN TRÁCH NHIỆM XÃ HỘI TRÊN BÁO CÁO THƯỜNG NIÊN CỦA CÁC DOANH NGHIỆP NIÊM YẾT TRÊN SỞ GIAO DỊCH CHỨNG KHỐN THÀNH PHỐ HỒ CHÍ MINH Chun ngành: Kế Toán Mã số: 8340301 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS PHẠM VĂN DƯỢC Thành phố Hồ Chí Minh, năm 2018 LỜI CAM ĐOAN Tôi xin cam đoan luận văn kết nghiên cứu riêng tôi, không chép Nội dung luận văn có tham khảo sử dụng tài liệu, thông tin đăng tải tác phẩm, tạp chí trang web theo danh mục tài liệu tham khảo luận văn Thành phố Hồ Chí Minh, tháng 10 năm 2018 Nguyễn Nhật Thiên Thảo MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC VIẾT TẮT DANH MỤC BẢNG DANH MỤC HÌNH PHẦN MỞ ĐẦU 1 Tính cấp thiết đề tài Mục tiêu nghiên cứu Câu hỏi nghiên cứu Đối tượng phạm vi nghiên cứu 4.1 Đối tượng nghiên cứu 4.2 Phạm vi nghiên cứu .3 Phương pháp nghiên cứu 5.1 Phương pháp thu thập liệu 5.2 Phương pháp xử lý số liệu .3 Đóng góp thực tiễn đề tài Kết cấu đề tài CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1 Giới thiệu .5 1.2 Các nghiên cứu có liên quan đến đề tài 1.2.1 Các nghiên cứu giới 1.2.2 Các nghiên cứu Việt Nam 12 1.3 Xác định khe hổng nghiên cứu 15 KẾT LUẬN CHƯƠNG 16 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VỀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ CÔNG BỐ THÔNG TIN TRÁCH NHIỆM XÃ HỘI CỦA DOANH NGHIỆP 17 2.1 Khái quát công bố thông tin trách nhiệm xã hội doanh nghiệp .17 2.1.1 Trách nhiệm xã hội 17 2.1.1.1 Khái niệm 17 2.1.1.2 Nhận thức trách nhiệm xã hội Việt Nam 19 2.1.2 Công bố thông tin trách nhiệm xã hội 21 2.1.2.1 Khái niệm 21 2.1.2.2 Tầm quan trọng công bố thông tin trách nhiệm xã hội 22 Các lý thuyết công bố thông tin trách nhiệm xã hội 22 2.1.3 2.1.3.1 Lý thuyết đại diện (Agency Theory) 23 2.1.3.2 Lý thuyết chi phí trị (Political Cost Theory) .24 2.1.3.3 Lý thuyết bên liên quan (Stakeholder Theory) .24 2.1.3.4 Lý thuyết thể chế (Institutional Theory) .26 Quy định công bố thông tin trách nhiệm xã hội Việt Nam 28 2.1.4 2.2 Các nhân tố ảnh hưởng đến mức độ công bố thông tin trách nhiệm xã hội doanh nghiệp 31 2.2.1 Nhân tố quản trị doanh nghiệp 31 2.2.1.1 Quy mô hội đồng quản trị .31 2.2.1.2 Tỷ lệ thành viên hội đồng quản trị độc lập 31 2.2.1.3 Tỷ lệ thành viên nước hội đồng quản trị 32 2.2.2 Nhân tố cấu trúc sở hữu doanh nghiệp 33 2.2.2.1 Sở hữu nhà nước 33 2.2.2.2 Sở hữu nước 33 2.2.3 Nhân tố đặc điểm doanh nghiệp 34 2.2.3.1 Quy mô doanh nghiệp 34 2.2.3.2 Tuổi doanh nghiệp 35 2.2.4 Nhân tố tài doanh nghiệp 36 2.2.4.1 Tỷ suất sinh lời 36 2.2.4.2 Địn bẩy tài 36 KẾT LUẬN CHƯƠNG 37 CHƯƠNG 3: MƠ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ CÔNG BỐ THÔNG TIN TRÁCH NHIỆM XÃ HỘI CỦA DOANH NGHIỆP 38 3.1 Khung nghiên cứu .38 3.2 Quy trình nghiên cứu 38 3.3 Xây dựng giả thuyết nghiên cứu 39 3.3.1 Quy mô hội đồng quản trị 39 3.3.2 Tỷ lệ thành viên hội đồng quản trị độc lập .40 3.3.3 Tỷ lệ thành viên nước hội đồng quản trị .40 3.3.4 Sở hữu nhà nước 41 3.3.5 Sở hữu nước 41 3.3.6 Quy mô doanh nghiệp 42 3.3.7 Tuổi doanh nghiệp 43 3.3.8 Tỷ suất sinh lời 43 3.3.9 Địn bẩy tài .44 3.4 Đo lường tiêu nghiên cứu 44 3.4.1 Biến phụ thuộc 44 3.4.2 Biến độc lập 46 3.5 Dữ liệu nghiên cứu 48 3.6 Mơ hình nghiên cứu .49 3.7 Thực nghiên cứu 50 3.7.1 Phân tích thống kê mơ tả 50 3.7.2 Phân tích tương quan 50 3.7.3 Phân tích hồi quy 50 3.7.4 Kiểm định F tính thích hợp mơ hình 51 3.7.5 Kiểm định vi phạm giả thuyết thống kê 52 KẾT LUẬN CHƯƠNG 52 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 54 4.1 Thực trạng mức độ công bố thông tin trách nhiệm xã hội báo cáo thường niên doanh nghiệp niêm yết SGDCK TPHCM .54 4.2 Phân tích nhân tố ảnh hưởng đến mức độ công bố thông tin trách nhiệm xã hội doanh nghiệp niêm yết SGDCK TPHCM 58 4.2.1 Thống kê mô tả biến 58 4.2.2 Phân tích tương quan đa cộng tuyến 61 4.2.3 Phân tích mơ hình hồi quy bình phương nhỏ (OLS) 65 4.2.4 Kết hồi quy Robust mơ hình nghiên cứu 68 4.2.4.1 Công bố thông tin trách nhiệm xã hội 70 4.2.4.2 Công bố thông tin tiêu thành phần trách nhiệm xã hội 71 4.3 Kết nghiên cứu thảo luận 72 4.3.1 Quy mô hội đồng quản trị 72 4.3.2 Tỷ lệ thành viên hội đồng quản trị độc lập .72 4.3.3 Tỷ lệ thành viên nước hội đồng quản trị .73 4.3.4 Sở hữu nhà nước 73 4.3.5 Sở hữu nước 73 4.3.6 Quy mô doanh nghiệp 74 4.3.7 Tuổi doanh nghiệp 74 4.3.8 Tỷ suất sinh lời 74 4.3.9 Đòn bẩy tài .75 KẾT LUẬN CHƯƠNG 76 CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH 77 5.1 Kết luận 77 5.2 Hàm ý sách 78 5.2.1 Đối với đối tượng công bố thông tin báo cáo thường niên .78 5.2.2 Đối với doanh nghiệp .79 5.2.3 Đối với nhà đầu tư 80 5.2.4 Đối với nhà nước 80 5.3 Hạn chế hướng nghiên cứu tương lai 81 5.3.1 Hạn chế luận văn .81 5.3.2 Hướng nghiên cứu tương lai 82 KẾT LUẬN CHƯƠNG 82 TÀI LIỆU THAM KHẢO PHỤ LỤC PHỤ LỤC PHỤ LỤC DANH MỤC VIẾT TẮT Ký hiệu viết tắt Giải thích CBTTTNXH Cơng bố thơng tin trách nhiệm xã hội CSR Trách nhiệm xã hội OLS Mơ hình hồi quy bình phương nhỏ SGDCK Sở giao dịch chứng khốn TPHCM Thành phố Hồ Chí Minh TTCK Thị trường chứng khoán DANH MỤC BẢNG Bảng 3.1 Đo lường mức độ công bố thông tin trách nhiệm xã hội doanh nghiệp niêm yết .45 Bảng 3.2 Phương pháp đo lường biến độc lập 47 Bảng 4.1 Thống kê số lượng doanh nghiệp theo nhóm ngành .55 Bảng 4.2 Mức độ công bố thông tin trách nhiệm xã hội doanh nghiệp theo nhóm ngành .56 Bảng 4.3 Thống kê mô tả biến nghiên cứu 60 Bảng 4.4 Phân tích tương quan 64 Bảng 4.5 Kiểm định đa cộng tuyến 65 Bảng 4.6 Kiểm định Durbin-Watson .66 Bảng 4.7 Kiểm định Breusch-Godfrey 66 Bảng 4.8 Kiểm định White .67 Bảng 4.9 Kiểm định Breusch-Pagan 67 Bảng 4.10 Mô hình hồi quy Robust tổng hợp 69 Bảng 4.11 Tổng hợp Giả thuyết nghiên cứu 75 DANH MỤC HÌNH Hình 3.1 Quy trình nghiên cứu 39 lags(p) | chi2 df Prob > chi2 -+ | 68.273 0.0000 H0: no serial correlation estat durbinalt Durbin's alternative test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 71.729 0.0000 H0: no serial correlation estat imtest, preserve white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(52) = 215.13 Prob > chi2 = 0.0000 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 215.13 52 0.0000 Skewness | 138.84 0.0000 Kurtosis | 344.79 0.0000 -+ Total | 698.76 62 0.0000 reg csr roa lev size seo for bsize forown age dboard, robust Linear regression Number of obs = F(9, 1190) = 1,200 16.74 Prob > F = 0.0000 R-squared = 0.0810 Root MSE = 46767 -| csr | Robust Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 7376953 1602561 4.60 0.000 4232794 1.052111 lev | 0086179 0046975 1.83 0.067 -.0005984 0178342 size | 0709011 0236431 3.00 0.003 0245142 117288 seo | 1069593 0290002 3.69 0.000 0500621 1638566 for | 1802948 0901527 2.00 0.046 0034188 3571708 bsize | -.0179458 0102315 -1.75 0.080 -.0380197 002128 forown | 1242336 0320268 3.88 0.000 0613984 1870688 age | 0024615 0011127 2.21 0.027 0002785 0046446 dboard | 2885145 1709956 1.69 0.092 -.0469719 6240009 _cons | 0191972 1266552 0.15 0.880 -.2292952 2676897 - corre env roa lev size seo for bsize forown age dboard (obs=1,200) | age env roa lev size seo for bsize forown dboard -+ env | 1.0000 roa | 0.1130 1.0000 lev | -0.0068 -0.2969 1.0000 size | 0.0670 -0.1871 0.3716 1.0000 seo | 0.1122 0.1088 0.0493 0.0953 1.0000 for | 0.1010 0.0011 0.0136 0.1951 -0.1188 1.0000 bsize | -0.0067 0.0398 0.0338 0.3426 -0.0512 0.1512 1.0000 forown | 0.1466 0.1050 -0.0643 0.3133 -0.0514 0.3550 0.1728 age | 0.0503 -0.0005 0.0941 0.0267 0.2276 0.1045 0.0516 -0.0754 dboard | 0.0332 -0.0740 -0.0333 0.1983 -0.0119 0.1393 0.1031 0.0246 1.0000 1.0000 -0.1114 1.0000 reg env roa lev size seo for bsize forown age dboard Source | SS df MS -+ Number of obs = F(9, 1190) = 1,200 7.30 = 0.0000 Model | 15.3768775 1.70854194 Prob > F Residual | 278.459789 1,190 233999823 R-squared = 0.0523 Adj R-squared = 0.0452 Root MSE = 48374 -+ -Total | 293.836667 1,199 245068112 -env | Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 6643112 1943848 3.42 0.001 2829361 1.045686 lev | 0022873 0054014 0.42 0.672 -.0083099 0128846 size | 0241474 0269067 0.90 0.370 -.0286425 0769373 seo | 0997595 0297352 3.35 0.001 0414202 1580988 for | 1929289 0951882 2.03 0.043 0061736 3796843 bsize | -.0186193 010808 -1.72 0.085 -.0398241 0025855 forown | 1190026 0323844 3.67 0.000 0554657 1825394 age | 001305 0011425 dboard | 1975889 1743253 _cons | 3137154 1499546 1.14 0.254 -.0009365 0035465 1.13 0.257 -.1444304 5396082 2.09 0.037 0195105 6079203 - estat archlm LM test for autoregressive conditional heteroskedasticity (ARCH) lags(p) | chi2 df Prob > chi2 -+ | 23.179 0.0000 H0: no ARCH effects vs H1: ARCH(p) disturbance estat vif Variable | VIF 1/VIF -+ -size | 1.63 forown | 1.34 0.613415 0.747584 lev | 1.31 0.762621 for | 1.23 0.810686 bsize | 1.18 0.846910 roa | 1.17 0.857837 seo | 1.13 0.883584 age | 1.12 0.889851 dboard | 1.10 0.907496 -+ -Mean VIF | 1.25 estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of env chi2(1) = 2.50 Prob > chi2 = 0.1142 estat hettest, iid Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of env chi2(1) = 18.23 Prob > chi2 = 0.0000 estat hettest, fstat Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of env F(1 , 1198) = 18.48 Prob > F = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 36.256 0.0000 H0: no serial correlation estat durbinalt Durbin's alternative test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 37.043 0.0000 H0: no serial correlation estat imtest, preserve white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(52) = 133.20 Prob > chi2 = 0.0000 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 133.20 52 0.0000 Skewness | 82.84 0.0000 Kurtosis | 532.71 0.0000 -+ Total | 748.76 62 0.0000 reg env roa lev size seo for bsize forown age dboard, robust Linear regression Number of obs = 1,200 F(9, 1190) = 8.60 Prob > F = 0.0000 R-squared = 0.0523 Root MSE = 48374 -| Robust env | Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 6643112 1691685 3.93 0.000 3324095 9962128 lev | 0022873 0053295 0.43 0.668 -.0081688 0127435 size | 0241474 026333 0.92 0.359 -.0275169 0758117 seo | 0997595 0298962 3.34 0.001 0411044 1584146 3753267 for | 1929289 0929671 2.08 0.038 0105312 bsize | -.0186193 0106336 -1.75 0.080 -.0394819 0022434 forown | 1190026 032392 3.67 0.000 0554509 1825543 age | 001305 001143 1.14 0.254 -.0009376 0035475 dboard | 1975889 1767829 1.12 0.264 -.149252 5444298 _cons | 3137154 1458521 2.15 0.032 0275594 5998714 - corre human roa lev size seo for bsize forown age dboard (obs=1,200) | age human roa lev size seo for bsize forown dboard -+ human | 1.0000 roa | 0.1104 1.0000 lev | 0.0418 -0.2969 size | 0.1208 -0.1871 0.3716 1.0000 seo | 0.1031 0.1088 0.0493 0.0953 1.0000 1.0000 for | 0.1283 0.0011 0.0136 0.1951 -0.1188 1.0000 bsize | 0.0108 0.0398 0.0338 0.3426 -0.0512 0.1512 1.0000 forown | 0.1808 0.1050 -0.0643 0.3133 -0.0514 0.3550 0.1728 age | 0.0702 -0.0005 0.0941 0.0267 0.2276 0.1045 0.0516 -0.0754 dboard | 0.0408 -0.0740 -0.0333 0.1983 -0.0119 0.1393 0.1031 0.0246 1.0000 1.0000 -0.1114 1.0000 reg human roa lev size seo for bsize forown age dboard Source | SS df MS -+ Number of obs = 1,200 F(9, 1190) = 10.23 Model | 20.9097085 2.32330095 Prob > F = 0.0000 Residual | 270.249458 1,190 227100385 R-squared = 0.0718 -+ -Total | 291.159167 1,199 242835001 Adj R-squared = 0.0648 Root MSE = 47655 -human | Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 7642948 1914976 3.99 0.000 3885842 1.140005 lev | 0091024 0053212 1.71 0.087 -.0013375 0195423 size | 0499364 0265071 1.88 0.060 -.0020695 1019422 seo | 0804463 0292936 2.75 0.006 0229735 1379191 3981455 for | 214164 0937744 2.28 0.023 0301824 bsize | -.0199211 0106474 -1.87 0.062 -.0408109 0009688 forown | 1410115 0319034 4.42 0.000 0784184 2036047 age | 0021016 0011255 1.87 0.062 -.0001066 0043098 dboard | 221589 1717361 1.29 0.197 -.1153504 5585283 _cons | 1363752 1477274 0.92 0.356 -.15346 4262103 - estat archlm LM test for autoregressive conditional heteroskedasticity (ARCH) lags(p) | chi2 df Prob > chi2 -+ | 38.558 0.0000 H0: no ARCH effects vs H1: ARCH(p) disturbance estat vif Variable | VIF 1/VIF -+ -size | 1.63 0.613415 forown | 1.34 0.747584 lev | 1.31 0.762621 for | 1.23 0.810686 bsize | 1.18 0.846910 roa | 1.17 0.857837 seo | 1.13 0.883584 age | 1.12 0.889851 dboard | 1.10 0.907496 -+ -Mean VIF | 1.25 estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of human chi2(1) = 7.39 Prob > chi2 = 0.0065 estat hettest, iid Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of human chi2(1) = 41.00 Prob > chi2 = 0.0000 estat hettest, fstat Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of human F(1 , 1198) = 42.38 Prob > F = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 40.385 0.0000 H0: no serial correlation estat durbinalt Durbin's alternative test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 41.408 0.0000 H0: no serial correlation estat imtest, preserve white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(52) = 198.63 Prob > chi2 = 0.0000 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 198.63 52 0.0000 Skewness | 103.42 0.0000 Kurtosis | 437.25 0.0000 -+ Total | 739.30 62 0.0000 reg human roa lev size seo for bsize forown age dboard, robust Linear regression Number of obs = 1,200 F(9, 1190) = 13.19 Prob > F = 0.0000 R-squared = 0.0718 Root MSE = 47655 -| Robust human | Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 7642948 164052 4.66 0.000 4424314 1.086158 lev | 0091024 0049091 1.85 0.064 -.0005291 0187338 size | 0499364 0249929 2.00 0.046 0009012 0989715 seo | 0804463 029515 2.73 0.007 0225391 1383536 for | 214164 0919954 2.33 0.020 0336727 3946552 bsize | -.0199211 0103866 -1.92 0.055 -.0402992 000457 forown | 1410115 0323389 4.36 0.000 0775639 2044592 age | 0021016 0011251 1.87 0.062 -.0001058 004309 dboard | 221589 1738133 1.27 0.203 -.1194257 5626036 _cons | 1363752 1354693 1.01 0.314 -.1294102 4021605 - corre pro roa lev size seo for bsize forown age dboard (obs=1,200) | age pro roa lev size seo for bsize forown dboard -+ pro | 1.0000 roa | 0.0999 1.0000 lev | 0.0334 -0.2969 1.0000 size | 0.1308 -0.1871 0.3716 1.0000 seo | 0.1232 0.1088 0.0493 0.0953 1.0000 for | 0.1188 0.0011 0.0136 0.1951 -0.1188 1.0000 bsize | 0.0084 0.0398 0.0338 0.3426 -0.0512 0.1512 1.0000 forown | 0.1668 0.1050 -0.0643 0.3133 -0.0514 0.3550 0.1728 age | 0.0718 -0.0005 1.0000 0.0941 0.0267 0.2276 0.1045 0.0516 1.0000 -0.0754 dboard | -0.1114 0.0215 -0.0740 -0.0333 0.1983 -0.0119 0.1393 0.1031 1.0000 reg pro roa lev size seo for bsize forown age dboard Source | SS df MS -+ Number of obs = 1,200 F(9, 1190) = 9.72 Model | 19.8715392 2.2079488 Prob > F = 0.0000 Residual | 270.227627 1,190 22708204 R-squared = 0.0685 Adj R-squared = 0.0615 Root MSE = 47653 -+ -Total | 290.099167 1,199 241950931 -pro | Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 6695619 1914899 3.50 0.000 2938665 1.045257 lev | 0048271 0053209 0.91 0.364 -.0056123 0152666 size | 0704812 026506 2.66 0.008 0184774 1224849 seo | 1001045 0292924 3.42 0.001 0426341 157575 for | 2137757 0937706 2.28 0.023 0298016 3977499 bsize | -.0208665 010647 -1.96 0.050 -.0417555 0000225 forown | 1199768 0319021 3.76 0.000 0573862 1825674 age | 0018791 0011255 1.67 0.095 -.000329 0040873 dboard | 066729 1717292 0.39 0.698 -.2701967 4036548 _cons | 0459495 1477214 0.31 0.756 -.243874 3357729 - estat archlm LM test for autoregressive conditional heteroskedasticity (ARCH) lags(p) | chi2 df Prob > chi2 -+ | 42.750 0.0000 H0: no ARCH effects vs estat vif Variable | VIF 1/VIF -+ -size | 1.63 0.613415 forown | 1.34 0.747584 lev | 1.31 0.762621 for | 1.23 0.810686 bsize | 1.18 0.846910 roa | 1.17 0.857837 seo | 1.13 0.883584 age | 1.12 0.889851 dboard | 1.10 0.907496 H1: ARCH(p) disturbance 0.0246 -+ -Mean VIF | 1.25 estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of pro chi2(1) = 5.80 Prob > chi2 = 0.0160 estat hettest, iid Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of pro chi2(1) = 31.41 Prob > chi2 = 0.0000 estat hettest, fstat Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of pro F(1 , 1198) = 32.21 Prob > F = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 50.535 0.0000 H0: no serial correlation estat durbinalt Durbin's alternative test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 52.273 0.0000 H0: no serial correlation estat imtest, preserve white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(52) = 172.00 Prob > chi2 = 0.0000 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 172.00 52 0.0000 Skewness | 110.11 0.0000 Kurtosis | 435.82 0.0000 -+ Total | 717.94 62 0.0000 reg pro roa lev size seo for bsize forown age dboard, robust Linear regression Number of obs = 1,200 F(9, 1190) = 12.07 Prob > F = 0.0000 R-squared = 0.0685 Root MSE = 47653 -| pro | Robust Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 6695619 1628583 4.11 0.000 3500406 9890833 lev | 0048271 0051091 0.94 0.345 -.0051968 014851 size | 0704812 0252805 2.79 0.005 0208818 1200806 seo | 1001045 0294388 3.40 0.001 0423469 1578622 for | 2137757 091862 2.33 0.020 0335461 3940054 bsize | -.0208665 0102984 -2.03 0.043 -.0410715 -.0006615 forown | 1199768 0323419 3.71 0.000 0565233 1834303 age | 0018791 0011266 1.67 0.096 -.0003311 0040894 dboard | 066729 1744368 0.38 0.702 -.275509 4089671 _cons | 0459495 1380161 0.33 0.739 -.2248324 3167314 - corre com roa lev size seo for bsize forown age dboard (obs=1,200) | age dboard com roa lev size seo for bsize forown -+ com | 1.0000 roa | 0.1048 1.0000 lev | 0.0433 -0.2969 1.0000 size | 0.1181 -0.1871 0.3716 1.0000 seo | 0.1247 0.1088 0.0493 0.0953 1.0000 for | 0.1144 0.0011 0.0136 0.1951 -0.1188 1.0000 bsize | 0.0064 0.0398 0.0338 0.3426 -0.0512 0.1512 1.0000 forown | 0.1681 0.1050 -0.0643 0.3133 -0.0514 0.3550 0.1728 age | 0.0619 -0.0005 0.0941 0.0267 0.2276 0.1045 0.0516 -0.0754 dboard | 0.0386 -0.0740 -0.0333 0.1983 -0.0119 0.1393 0.1031 0.0246 1.0000 1.0000 -0.1114 1.0000 reg com roa lev size seo for bsize forown age dboard Source | SS df MS -+ Number of obs = F(9, 1190) = 1,200 9.72 = 0.0000 Model | 19.7815493 2.19794992 Prob > F Residual | 269.005117 1,190 226054721 R-squared = 0.0685 Adj R-squared = 0.0615 Root MSE = 47545 -+ -Total | 288.786667 1,199 240856269 -com | Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 709223 1910563 3.71 0.000 3343784 1.084068 lev | 0089345 0053089 1.68 0.093 -.0014814 0193503 size | 0483428 026446 1.83 0.068 -.0035432 1002288 seo | 1045974 029226 3.58 0.000 0472571 1619377 for | 1968849 0935582 2.10 0.036 0133274 3804424 bsize | -.019378 0106229 -1.82 0.068 -.0402197 0014637 forown | 131196 0318298 4.12 0.000 0687472 1936449 age | 0015481 0011229 1.38 0.168 -.000655 0037512 dboard | 2035314 1713403 1.19 0.235 -.1326313 5396942 _cons | 1648591 1473869 1.12 0.264 -.124308 4540262 - estat archlm LM test for autoregressive conditional heteroskedasticity (ARCH) lags(p) | chi2 df Prob > chi2 -+ | 45.386 0.0000 H0: no ARCH effects estat vif vs H1: ARCH(p) disturbance Variable | VIF 1/VIF -+ -size | 1.63 forown | 1.34 0.613415 0.747584 lev | 1.31 0.762621 for | 1.23 0.810686 bsize | 1.18 0.846910 roa | 1.17 0.857837 seo | 1.13 0.883584 age | 1.12 0.889851 dboard | 1.10 0.907496 -+ -Mean VIF | 1.25 estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of com chi2(1) = 6.78 Prob > chi2 = 0.0092 estat hettest, iid Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of com chi2(1) = 35.25 Prob > chi2 = 0.0000 estat hettest, fstat Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of com F(1 , 1198) = 36.26 Prob > F = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 61.289 0.0000 - H0: no serial correlation estat durbinalt Durbin's alternative test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 63.996 0.0000 H0: no serial correlation estat imtest, preserve white White's test for Ho: homoskedasticity against Ha: unrestricted heteroskedasticity chi2(52) = 169.26 Prob > chi2 = 0.0000 Cameron & Trivedi's decomposition of IM-test Source | chi2 df p -+ Heteroskedasticity | 169.26 52 0.0000 Skewness | 115.67 0.0000 Kurtosis | 418.10 0.0000 -+ Total | 703.03 62 0.0000 reg com roa lev size seo for bsize forown age dboard, robust Linear regression Number of obs = 1,200 F(9, 1190) = 12.29 Prob > F = 0.0000 R-squared = 0.0685 Root MSE = 47545 -| com | Robust Coef Std Err t P>|t| [95% Conf Interval] -+ -roa | 709223 1617533 4.38 0.000 3918697 1.026576 lev | 0089345 0048629 1.84 0.066 -.0006063 0184752 size | 0483428 0248006 1.95 0.051 -.000315 0970006 seo | 1045974 0293864 3.56 0.000 0469424 1622524 for | 1968849 0915165 2.15 0.032 0173332 3764366 bsize | -.019378 0103774 -1.87 0.062 -.039738 000982 forown | 131196 0321683 4.08 0.000 0680831 194309 age | 0015481 0011296 1.37 0.171 -.0006681 0037643 dboard | 2035314 1749784 1.16 0.245 -.1397692 546832 _cons | 1648591 1352367 1.22 0.223 -.1004699 4301881