2. TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY
3.3 Phương pháp nghiên cứ u
Trong bài nghiên cứu này, tơi dùng cơng cụ Stata 12 để chạy các mơ hình hồi quy nhằm kiểm tra tính bất định trong dịng tiền đã ảnh hưởng chính sách chi trả cổ tức như
thế nào.
Các nghiên cứu dựa trên kinh nghiệm trước đây hầu hết đều tập trung nghiên cứu là tại sao các cơng ty thay đổi chính sách cổ tức và sự thay đổi này cĩ truyền tải thơng tin về sự thay đổi trong hiệu quả hoạt động của cơng ty hay khơng, hơn là tập trung nghiên cứu vào mức độ chi trả cổ tức như nghiên cứu của Benartzi, Michaely và Thaler (1997); Grullon, Michaely và Swaminathan (2002).
Các nghiên cứu thực nghiệm gần đây như nghiên cứu của Fama và French (2001); Baker và Wurgler (2004); DeAngelo, DeAngelo và Stulz (2006); Denis và Osobov (2008) đã nghiên cứu các nhân tố ảnh hưởng đến quyết định trả hay khơng trả cổ tức mà chưa thực hiện nghiên cứu giá trị cổ tức mà các cơng ty quyết định chi trả là bao nhiêu.
Vì vậy, nghiên cứu của tơi sẽ nghiên cứu tác động đồng thời của tính bất định trong dịng tiền và 3 yếu tố quyết định khác như vịng đời của doanh nghiệp, chi phí đại diện và cơ hội đầu tưảnh hưởng đến chính sách chi trả cổ tức nhằm kiểm tra xem dịng tiền bất định cĩ phải là nhân tố quan trọng nhất ảnh hưởng đến chính sách chi trả cổ
tức, bên cạnh đĩ nghiên cứu dịng tiền bất định cĩ giải thích được sự thay đổi trong giá trị cổ tức được chi trả hay khơng và mơ hình thích hợp được sử dụng trong trường hợp này là mơ hình Tobit.
Mơ hình Tobit được phát triển bởi James Tobin (1958), ơng cho rằng các cơng ty trong mẫu được chia ra làm 2 loại (1) các cơng ty cĩ đầy đủ dữ liệu biến độc lập và dữ
liệu biến phụ thuộc; (2) các cơng ty chỉ cĩ dữ liệu biến độc lập nhưng thiếu dữ liệu biến phụ thuộc. Mơ hình Tobit cơ bản:
Trong đĩ y* làgiá trị kỳ vọng biến phụ thuộc, cĩ giá trị quan sát >0 hoặc giá trị
bằng 0 trong trường hợp thiếu dữ liệu (censoring), xi là các biến độc lập, cĩ giá trị quan sát trong tất cả các trường hợp. β là vector hệ số hồi quy, u là sai số mơ hình, giảđịnh là phân phối chuẩn. Biến phụ thuộc được xác định bởi cơng thức sau:
Việc dự báo bằng mơ hình OLS sẽ khơng phù hợp trong trường hợp dữ liệu bị
thiếu y = 0 hoặc y bị chặn (chỉ cĩ giá trị >0). Nếu hệ số tương quan β giữa biến yi và xi
được ước lượng trong mơ hình hồi quy OLS thì giá trị ước lượng khơng nhất quán, Takeshi Amemiya (1973) chứng minh rằng giá trị ước lượng maxium likelihood trong mơ hình Tobit thì nhất quán. Bên cạnh đĩ, hệ số tương quan β khơng được giải thích bởi vì tác động của xi lên yi trong mơ hình hồi quy tuyến tính (linear regression model) là sai số thơng thường, thì trong mơ hình Tobit cĩ thểđược giải thích bằng việc kết hợp (1) thay đổi giá trị yi của giới hạn trên, tỷ trọng xác suất giới hạn trên; (2) sự thay đổi trong xác suất giới hạn trên, tỷ trọng giá trị kỳ vọng yi
Một mơ hình dữ liệu chéo được cho là tốt thì phải thoả mãn điều kiện phương sai sai số khơng đổi. Hậu quả của việc bỏ qua kiểm định phương sai sai số khơng đổi là các ước lượng sẽ khơng hiệu quả vì vậy các dự báo cũng sẽ khơng hiệu quả. Để kiểm tra phương sai sai số thay đổi của mơ hình Tobit trong bài nghiên cứu này tơi dùng kiểm định Lagrange Multiplier TestnhưGreene (2003, p. 769). Nếu sau khi kiểm định phát hiện phương sai sai số thay đổi, tơi xử lý bằng cách sử dụng mơ hình Interval regression với ước lượng robust để khắc phục.
Ngồi ra, nghiên cứu cịn sử dụng các mơ hình sau:
- Mơ hình OLS nhằm kiểm tra mối tương quan giữa chính sách cổ tức và các biến chính trong bài nghiên cứu. Để kiểm tra phương sai sai số thay đổi của mơ hình OLS
trong bài nghiên cứu này tơi dùng kiểm định White Test, kiểm định này thực hiện bằng cách hồi quy phụ bình phương phần dư của mơ hình ban đầu với các biến độc lập cịn lại. Sau đĩ xem xét nếu giá trị p-value của χ2 > α (mức ý nghĩa) thì mơ hình ban đầu cĩ phương sai sai số là khơng đổi. Ngược lại nếu giá trị p-value của χ2 < α tức là phương sai sai số thay đổi. Ngồi White Test vẫn cịn nhiều phương pháp để kiểm định như
Breusch – Pagan Test, Glejser Test và Harvey Godfrey Test. Nếu sau khi kiểm định phát hiện phương sai sai số thay đổi, tơi xử lý bằng cách sử dụng mơ hình GLS với ước lượng robust để khắc phục.
- Mơ hình Logit để kiểm tra liệu dịng tiền bất định cĩ giải thích xác suất chi trả cổ
tức hay khơng và dựa vào dịng tiền bất định năm trước cĩ dự đốn được sự thay đổi chính sách cổ tức khơng. Trong mơ hình Logit, biến phụ thuộc Y sẽ chỉ nhận giá trị 0 và 1, biến phụ thuộc Y = 1 khi các cơng ty cĩ thực hiện chi trả cổ tức và Y = 0 khi các cơng ty khơng chi trả cổ tức, với các xác suất tương ứng p và (1-p), xác suất p = [0,1]
1 = 0 1 xacsuat p Y xacsuat p → = → = −
Bên cạnh đĩ, làm theo nghiên cứu của Chay và Suh (2009), giá trị t-statistics trong các mơ hình được tính tốn dựa theo cách tiếp cận của Fama-MacBeth (1973), tức là bài nghiên cứu của tơi sẽ thực hiện hồi quy các mơ hình theo từng năm trong giai
đoạn nghiên cứu từ năm 2010-2013 để kiểm tra số lần hệ số hồi quy của biến độc lập cùng dấu với dấu đã dự đốn về tác động của biến độc lập đến biến phụ thuộc theo từng năm nghiên cứu cũng như xác định hệ số hồi quy trung bình và đồng thời xác
định giá trị t-statistics trung bình để kiểm định giả thuyết Ho: hệ số tương quan trung bình bằng 0.
Hồi quy theo Fama–MacBeth: là phương pháp sử dụng ước lượng trong mơ hình
định giá tài sản như CAPM. Eugene F. Fama and James D. MacBeth (1973) cho rằng các mơ hình hồi quy giữa rủi ro và lợi nhuận và các đặc điểm quan sát của hệ số tương quan là phù hợp với lý thuyết thị trường hiệu quả. Fama–MacBeth chia số cơng ty
trong quan sát thành 20 danh mục và tính tỷ suất sinh lợi theo từng tháng với tỷ trọng ngang nhau ở mỗi chứng khốn riêng rẻ tại mỗi tháng. Tại mỗi tháng t, hồi quy chéo
được thực hiện:
Trong đĩ, biến độc lập là trung bình giá trị các chứng khốn cĩ trong danh mục. và được sử dụng là các biến giải thích lần lượt là trung bình bình phương β và trung bình độ lệch chuẩn . Từ kết quả hồi quy, các hệ số hồi quy sẽđược xác định và qua đĩ xác định giá trị tỷ suất sinh lợi theo từng danh mục.
Giá trị t-statistics được sử dụng để kiểm định giả thuyết Ho: hệ số hồi quy trung bình bằng 0.
Cơng thức tính giá trị t-statistics là:
Với n là số tháng trong thời gian quan sát, là trung bình các hệ số hồi quy ước lượng từng tháng, là độ lệch chuẩn của hệ số hồi quy ước lượng từng tháng.
Đơi khi, cổ tức được các cơng ty chi trả cao hơn rất nhiều so với thu nhập của họ,
đặc biệt, khi thu nhập của những cơng ty này gần bằng khơng, điều này dẫn đến một tỷ
lệ DV/E cao vơ cùng. Để xử lý số liệu cao vơ cùng này, tơi tiến hành winsorize các biến DV/E, DV/S tại mức 2% từ giá trị cao nhất của phân phối tương ứng. Bên cạnh đĩ một vài biến chính cũng gây vấn đề bất thường, để giải quyết vấn đề này, tơi cũng tiến hành winsorize biến SRVOL và MBR tại mức 2% từ giá trị cao nhất, và biến RE/TE tại mức 2% từ giá trị cao nhất và giá trị thấp nhất của phân phối tương ứng.