Bảng 4.1 : THỐNG KÊ MÔ TẢ P EPS DP DY PE BV DPS Trung bình ( Mean) 18.26723 3278.788 0.106144 22.91644 6.520056 20.13616 397.8481 Trung vị ( Median) 13.65000 2692.000 0.100000 17.95500 5.000000 18.50000 269.6000 Lớn nhất ( Maximun) 109.1000 18663.00 0.300000 427.9500 101.2000 53.50000 2893.200 Nhỏ nhất ( Minimun) 2.500000 -3390.000 0.000000 -83.57000 -11.30000 2.600000 -406.8000 Độ lệch chuẩn ( Std.Dev) 13.42288 2596.289 0.055605 30.10763 9.199330 9.059338 446.2914 Độ trôi ( Skewness) 2.159215 2.003379 0.605429 7.212967 6.280051 0.893192 2.346478 Độ nhọn ( Kurtosic) 10.75866 10.61998 3.897958 95.35491 54.51016 3.558299 10.50982 Jaque- Bera 1162.974 1093.244 33.51944 128878.7 41463.03 51.66729 1156.713 Probability 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 Sum 6466.600 1160691 37.57500 8112.420 2308.100 7128.200 140838.2
Sum Sq. Dev. 63601.36 2.38E+09 1.091462 319983.8 29873.57 28971.28 70309127
Số quan sát
(Observations) 354 354 354 354 354 354 354
Nguồn: tính toán từ eview Ta có hệ số Skewness có ý nghĩa như sau:
Skewness = 0: phân phối cân xứng Skewness > 0: phân phối lệch phải Skewness < 0: phân phối lệch trái
Như vậy qua bảng trên ta thấy hầu hết các biến đều có Skewness > 0, do đó cả 7 biến đều có phân phối lệch phải.
36
Tiếp đến chúng ta qua sát hệ số Kurtosis có ý nghĩa như sau: Kurtosis = 3: phân phối tập trung ở mức độ bình thường
Kurtosis > 3: phân phối tập trung ở mức độ bình thường, tuy nhiên hình dạng của đa giác tần số sẽ khá cao và nhọn với hai đuôi hẹp.
Kurtosis < 3: phân phối tập trung ở mức độ bình thường, tuy nhiên hình dạng của đa giác tần số là một đa giác tù với hai đuôi dài.
Với mức ý nghĩa trên thì cả 7 biến của mô hình đều có hệ số Kurtosis > 3 nên hình dạng đa giác tần số khá cao và nhọn với hai đuôi hẹp.
Kiểm định Jarque – Bera:
{ 1
Ta thấy rằng giá trị P_value của các biến trong mô hình đều bằng không và nhỏ hơn 5% nên ta bác bỏ H0 và chấp nhận H1, vậy tất cả các biến đều tuân theo phân phối chuẩn.