3.4.1. Phương pháp so sánh
Phương pháp này xem xét một chỉ tiêu phân tắch bằng cách dựa trên việc so sánh với một chỉ tiêu cơ sở. Đây là phương pháp đơn giản được sử dụng nhiều nhất trong phân tắch hoạt động kinh doanh cũng như trong phân tắch và dự báo các chỉ tiêu kinh tế xã hội thuộc lĩnh vực kinh tế.
Tiêu chuẩn so sánh:
Ớ Chỉ tiêu kế hoạch của một kì kinh doanh
Ớ Tình hình thực hiện các kì kinh doanh đã qua
Ớ Các chỉ tiêu của các doanh nghiệp tiêu biểu cùng ngành vật liệu xây dựng.
Ớ Các chỉ tiêu bình quân ngành vật liệu xây dựng
Ớ Các thông số thị trường
24
Điều kiện so sánh:
Các chỉ tiêu so sánh phải phù hợp về yếu tố không gian, thời gian, nội dung kinh tế, đơn vị đo lường, phương pháp tắnh toán quy mô và điều kiện kinh doanh.
Phương pháp so sánh:
Phương pháp số tuyệt đối: Là hiệu số của 2 chỉ tiêu gồm chỉ tiêu kỳ phân tắch và chỉ tiêu cơ sở, cụ thể như so sánh kết quả thực hiện và kế hoạch hoặc giữa kì thực hiện kì này với kì trước.
Phương pháp số tương đối: Là tỷ lệ % của chỉ tiêu phân tắch kì so sánh với chỉ tiêu gốc để thể hiện mức độ hoàn thành hoặc tỷ lệ củađối số chênh lệch, tuyệt đối so với chi tiêu gốc để nói lên tốc độ tăng trưởng.
3.4.2. Phương pháp hồi quy OLS
Thống kê mô tả số liệu và tương quan biến - Thống kê mô tả và ma trận tương quan:
Thống kê mô tả và ma trận tương quan giữa các biến cho phép đánh giá sơ bộ về mức độ biến động, giá trị trung bình, trung vị của các biến được đưa vào mô hình cũng như mối quan hệ giữa các biến này với nhau.
- Giá trị thống kê Skewness và Kurtosis:
Hai hệ số này giúp hình dung về hình dáng của phân phối. Skewess là một đo lường mức độ lệch của phân phối còn gọi là hệ số bất đối xứng, khi:
Skewness = 0: phân phối cân xứng Skewness > 0: phân phối lệch phải Skewness < 0: phân phối lệch trái
Kurtosis là một địa lượng đo mức độ tập trung tương đối của các quan sát quan trung tâm của nó trong mối quan hệ so sánh với hai đuôi, khi:
Kurtosis = 3: phân phối tập trung ở mức độ bình thường.
Kurtosis > 3: phân phối tập trung hơn ở mức độ bình thường. Tuy nhiên hình dạng của đa giác tần số trông sẽ khá cao và nhọn với hai đuôi hẹp.
Kurtosis < 3: phân phối tập trung hơn mức độ bình thường nhưng hình dạng của đa giác tần số là một đa giác tù với 2 đuôi dài.
25
Ta có: Hệ số tương quan r │r│<0.4: tương quan yếu
0.4 <│r│< 0.8: tương quan trung bình │r│>0.8: tương quan mạnh
r<0 : tương quan ngược chiều r>0 : tương quan cùng chiều
- Kiểm định phân phối chuẩn của sai số ngẫu nhiên: (Kiểm định Jaque Ờ Bera)
Mục đắch của kiểm định này là nhằm xem xét sai số ngẫu nhiên có phân phối chuẩn hay không.
Giả thiết:
HR0R: Sai số ngẫu nhiên có phân phối chuẩn.
HR1R: Sai số ngẫu nhiên không có phân phối chuẩn. Với mức ý nghĩa αmiền bác bỏ là:
JB>χP
2
PRαR(2)=5,9915
Chấp nhận HR0R: Sai số ngẫu nhiên có phân phối chuẩn. Bác bỏ HR0R: Sai số ngẫu nhiên không có phân phối chuẩn.
- Kiểm định nghiệm đơn vị:
Kiểm định nghiệm đơn vị là một kiểm định được sử dụng khá phổ biến để kiểm định một chuỗi thời gian dừng hay không dừng.
Giả sử ta có phương trình hồi qui tự tương quan như sau: YRtR=ρYRt-1R+uRtR (-1≤ρ≤1) (3.1) Ta có các giả thiết:
H0: ρ =1( là chuỗi không dừng). H1: ρ<1( là chuỗi dừng).
Phương trình (3.1) tương đương với phương trình (3.2) sau đây: YRtR Ờ Y Rt-1R=ρYRt-1R - Y Rt-1R+uRtR = (ρ-1)Y Rt-1 R+uRt
ΔY = δY Rt-1 R+uRtR (3.2)
Như vậy các giả thiếtở trên có thể được viết lại như sau: H0: δ =0 (là chuỗi không dừng).
26
Dickey và Fuller cho rằng giá trị ước lượng của hệ số Y Rt-1Rsẽ theo phân phối xác suất τ (taustatistic, τ =giá trị δước lượng/sai số của hệ số δ). Kiểm định thống kê τ còn được gọi là kiểm định DickeyỜFuller(DF). Kiểm định DF được ước lượng với 3 hình thức:
- Khi Yt là một bước ngẫu nhiên không có hằng số: ΔY = δ Y Rt-1 R+uRtR (3.3)
- Khi YRt Rlà một bước ngẫu nhiên có hằng số: ΔY = βR1R+ δ Y Rt-1 R+uRtR (3.4)
- Khi YRtR là một bước ngẫu nhiên với hằng số xoay quanh một đường xu thế ngẫu nhiên :ΔY = βR1R+ βR2 RTIME + δY Rt-1 R+uRtR (3.5)
Để kiểm định H0 ta so sánh giá trị thống kê τ tắnh toán với giá trị thống kê tra bảng DF. Tuy nhiên, do có thể có hiện tượng tương quan chuỗi giữa các ut do thiếu biến, nên người ta thường sử dụng kiểm địnhDF mở rộng là ADF (Augmented Dickey Ờ FullerTest). Kiểm định này được thực hiện bằng cách đưa thêm vào phương trình (3.5) các biến trễ của sai phân biến phụ thuộc ΔYRtR:
ΔY = βR1R+ βR2 RTIME + δY Rt-1 R+αRiRΔYRt-1 + RuRtR (3.6)
Kết quả nếu |τRADFR|<|τRαR| với α lần lượt tại các mức ý nghĩa thống kê. Ta kết luận chấp nhận giả thiết H0 tức chuỗi Y là không dừng và ngược lại.
Hồi quy mô hình theo phương pháp OLS
Phương pháp OLS lần đầu tiên được giới thiệu bởi Gauss vào những năm cuối thế kỉ 18. Mô hình hồi quy tổng thể có dạng:
Y = βR0R+ βR1iR*Xi + μ
Trong đó:
Y: Biến phụ thuộc
Xi: Các biến độc lập trong mô hình βR1iR: Các hệ số hồi quy
β0 : Hằng số
Hệ số xác định R2 trong mô hình được dùng để xác định độ phù hợp của mô hình, kiểm định F dùng để khẳng định khả năng mở rộng mô hình này áp dụng cho tổng thể.
27
Cụ thể để tiến hành kiểm định mức độ phù hợp của mô hình bằng tiêu chuẩn của kiểm định F, với mức ý nghĩa 5%, nếu P value (Sig F) > 5% bác bỏ Ho và ngược lại
Ho: Mô hình không phù hợp H1: Mô hình phù hợp
Sau đó tác giả tiến hành kiểm định hệ số beta có ý nghĩa hay không (xem có tác động hay không?) với cặp giả thiết để xem xét các biến có tác động hay không.
Ho: β1R , Rβ2R , R= 0 H1: β1R , Rβ2 ≠ 0
Với mức ý nghĩa 5%, nếu P value > 5% bác bỏ Ho và ngược lại Kiểm định các vi phạm giả định của mô hình
- Kiểm định đa cộng tuyến (sử dụng hồi qui phụ):
Kiểm định này nhằm phát hiện ra hiện tượng đa cộng tuyến là hiện tượng mà các biến độc lập có quan hệ tương quan với nhau.
Mô hình hồi qui chắnh:
t i t ki k t i t i t i X X X Y, =β0 +β1 1, +β2 2, +...+β , +ε,
Xét các mô hình hồi qui phụ sau:
XRj,tR =αR0R+αR1RXR1i,tR+αR2RXR2i,tR +Ầ+αRj-1RXRj-1i,tR +αRj+1RXRj+1i,tR +γRi,t
Giả thiết: HR0R: RRjR
2=0: Không có đa cộng tuyến HR1R: RRjR
2≠0: Có đa cộng tuyến Với mức ý nghĩa αmiền bác bỏ là: F> FRα;(k-2,n-k+1)R hay p-value<α
Chấp nhận HR0R: Không có đa cộng tuyến giữa XRj Rvới các biến độc lập còn lại. Chấp nhận HR1R: Có đa cộng tuyến giữa XRj Rvới các biến độc lập còn lại.
- Kiểm định phương sai thay đổi Heteroscedasticity: (Kiểm định White)
Kiểm định White nhằm xem xét phương sai của sai số mô hình hồi qui có thay đổi hay không.
28
εRi,tR=δR0R+δR1XR R1i,tR+δR2RXR2i,tR+Ầ+δRkRXRki,tR+δRk+1RX1i,tR R*XR2i,tR+Ầ+δRk+mRXR(k- 1)i,tR*XRki,tR+δRk+m+1RXR1i,tR ^2Ri,tR+Ầ+δRk+m+1+hRXRki,tR^2Ri,tR+ηRi,t
Giả thiết:
HR0R: ∀δRiR=0 i=0,k+m+1+h: Không có hiện tượng phương sai thay đổi HR1R: ∃δRiR≠0 : Có hiện tượng phương sai thay đổi
Với mức ý nghĩa αmiền bác bỏ là: nR2>χ2α;k+m+1+h
Chấp nhận H0: Không có hiện tượng phương sai thay đổi Bác bỏ H0: Có hiện tượng phương sai thay đổi.
- Kiểm định tự tương quan:
Kiểm định tự tương quan bậc p: Kiểm định Breusch Ờ Godfrey (BG) Xét mô hình:
Y= β0 + β1X + ε
εt= ρ1εt-1 + ρ2εt-2 + Ầ + ρpεt-p + ξt
H0: ρ1 = ρ2 = Ầ = ρρ = 0, có nghĩa là không tồn tại tự tương quan ở bất kỳ bậc nào trong số từ bậc 1 đến bậc p.
U
Bước 1U: Ước lượng mô hình hồi qui ban đầu bằng OLS, tìm phần dư εt
U
Bước 2U: Dùng OLS để ước lượng mô hình
εt = β0 + β1X + ρ1εt-1 + ρ2εt-2 + Ầ + ρpεt-p +ξỖttừ đây ta thu được R2.
Tóm tắt chương 3
Trong chương 3, tác giả đã khái quát lại quy trình nghiên cứu và xây dựng mô hình nghiên cứu dựa trên mô hình của Fozia Memon, Niaz Ahmed Bhutto, Ghulam Abbas (2010) về cấu trúc vốn và lợi nhuậncủa các công ty ngành dệt may ở Pakistan để dựng mô hình các nhân tố tác động đến lợi nhuận của Công ty Cổ phần Sản xuất VLXD Kiên Giang trong đó biến phụ thuộc là ROA, biến phụ thuộc là cơ cấu vốn, quy mô công ty, tốc độ tăng trưởng, rủi ro kinh doanh, thuế và tài sản hữu hình. Số liệu nghiên cứu được lấy từ báo cáo tài chắnh của công ty theo quý từ năm 2000Ờ2014 và được xử lý trên phần mềm Eview 6. Các kĩ thuật phân tắch số liệu bao gồm: Thống kê mô tả, kiểm định nghiệm đơn vị, hồi quy OLS, kiểm định các vi phạm giả
29
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN