3.4.1. Khái quát về dữ liệu bảng
Dữ liệu bảng (panel data) là loại dữ liệu ghi nhận giá trị của một hoặc nhiều biến số cho nhiều đối tượng khác nhau, được thu thập theo khoảng thời gian liên tục.
Dữ liệu bảng ngày càng được sử dụng rộng rãi trong các nghiên cứu kinh tế, bởi những ưu điểm là: Cho phép xem xét sự khác biệt của các đặc điểm riêng của các
33
phức tạp cao; Giảm hiện tượng tựtương quan các biến trong mô hình, bậc tự do cao
hơn và hiệu quả trong xử lý các mô hình; Giảm sai số ngẫu nhiên có thể xảy ra trong phân tích các mô hình. Cuối cùng dữ liệu bảng phù hợp việc nghiên cứu sự năng động của các thay đổi theo thời gian cho nhiều đối tượng khác nhau.
Dữ liệu thu thập được ở các mô hình này là dữ liệu bảng nên phương pháp hồi quy dữ liệu bảng sẽ hiệu quả hơn. Trong phân tích của Wooldridge (1997), phương
pháp hồi quy thông dụng với dữ liệu bảng (panel data) là: mô hình hồi quy Pooled, mô hình hồi quy tác động cố định (Fixed Effect Model), mô hình hồi quy tác động ngẫu nhiên (Random Effect Model). Theo đó, để đánh giá tác động của các yếu tố ảnh hưởng đến việc nắm giữ tiền của các công ty niêm yết trên thị trường chứng khoán Việt Nam ta cần ước lượng hồi quy lần lượt theo 3 mô hình sau:
3.4.2. Mô hình hồi quy Pooled OLS
Đây là mô hình đơn giản nhất, bỏ qua những khác biệt về không gian và thời gian của dữ liệu bảng, chỉ ước lượng mô hình hồi quy bình phương bé nhất thông
thường. Mô hình hồi quy Pool OLS (Ordinary Least Squard) biểu diễn như sau:
YRitR = βR1R+ βR2RXR2itR + βR3R XR3itR + ... + βRk RXRkitR + uRit R(1)
Trong mô hình OLS, có nhiều biến giải thích nên khảnăng tựtương quan xảy
ra khá cao, đồng thời mô hình không quan tâm đến sự khác biệt dữ liệu theo không gian hay thời gian. Tuy nhiên, trong các mối quan hệ giữa các biến kinh tế các giả
thiết của phương pháp này dễ bị vi phạm các lỗi như phương sai sai số thay đổi, tự tương quan và khi điều này xảy ra ước lượng các hệ số hồi quy sẽ không chính xác.
Do đó cần có một mô hình tốt hơn để phù hợp với yêu cầu phức tạp của các biến.
3.4.3. Mô hình tác động ngẫu nhiên (REM)
Khi những đặc điểm riêng biệt giữa các đối tượng nghiên cứu được giảđịnh là ngẫu nhiên, và không tương quan đến các biến giải thích thì mô hình hồi quy REM
đáp ứng được vấn đề này. Cách tiếp cận mô hình là dựa trên phần dư. Mô hình hồi
quy REM được thể hiện:
YRitR = βR1i R+ βR2itR + βR3itR + ... + βRk RXRkitR + uRit R(3)
βR1i = RβR1 R+ εRiR , với εRiR là sai số ngẫu nhiên. YRitR = βR1 R+ βR2itR + βR3itR + ... + βRk RXRkitR + Rit R(4)
34
Trong đó: RitR =RR RiR + uRit
- wRitR: là phần dư tổng hợp gồm 2 thành phần, với εRiR là sai số thành phần đại diện cho các đặc điểm riêng từng công ty, uRitR là sai số thành phần kết hợp các đặc
điểm khác nhau của các công ty và theo thời gian.
- βR1 Rlà giá trị trung bình của tất cả các hệ số chặn của các công ty trong mẫu, và sai số thành phần εRi Rđại diện cho chênh lệc ngẫu nhiên của từng hệ số chặn của các công ty với giá trị trung bình.
Hạn chế của mô hình REM là tính không đồng nhất của các hệ sốtương quan
từ các hoạt động riêng rẽ và ngẫu nhiên.
3.4.4. Mô hình tác động cố định (FEM)
Mô hình hồi quy tác động cố định khắc phục được các ràng buộc và hạn chế (adsbygoogle = window.adsbygoogle || []).push({});
của mô hình Pool OLS. Mô hình FEM có thể kiểm soát và tách ảnh hưởng của các
đặc điểm riêng biệt, không thay đổi theo thời gian ra khỏi biến giải thích, nhằm ước
lượng những ảnh hưởng thực giữa các biến của đối tượng quan sát. Mô hình được xây dựng để quan sát từng đặc điểm của từng công ty trong mẫu nghiên cứu, theo sự thay đổi của hệ số chặn, với điều kiện sự thay đổi này được cố định theo thời gian. Do mô hình chỉ quan tâm đến sự khác biệt cá nhân, nên mô hình không có hiện
tượng tựtương quan. Mô hình hồi quy FEM có dạng:
YRitR = βR1i R+ βR2RXR2itR + βR3R XR3itR + ... + βRk RXRkitR + uRit R(2)
Trong đó: β1i: thể hiện sự khác nhau giữa các công ty nghiên cứu, nhưng sự khác nhau đó không thay đổi theo thời gian. Lúc này β1i được triển khai theo các biến giảđể xém xét những đặc điểm riêng biệt của từng đối tượng nghiên cứu.
Việc lựa chọn mô hình phù hợp, trong bài nghiên cứu sẽ được tác giả kiểm chứng trên cơ sở so sánh với ước lượng thô bằng việc sử dụng các phương pháp kiểm
định kết quả hồi quy của các mô hình OLS, REM và FEM.
3.4.5. Phương pháp kiểm định mô hình
Tác giả sử dụng phần mềm Eviews 7.0 để xửlý mô hình định lượng trong bài nghiên cứu. Tham khảo các nghiên cứu trước đây, tác giả dùng các phương pháp
35
3.4.5.1. Chọn lựa sự phù hợp của mô hình
- Kiểm định Hausman lựa chọn giữa REM và FEM
Căn cứ kết quả thực nghiệm của tác giả Wooldridge (1997), tác giả dùng kiểm định Hausman (1978) để chọn mô hình phù hợp nghiên cứu giữa FEM và REM. Mục tiêu của tác giả nhằm xác định xem có sựtương quan giữa tính không đồng nhất
không quan sát được của mỗi công ty và giải thích các biến của mô hình hay không ?
Theo tính năng của từng mô hình, tác giả lựa chọn: nếu có sự tương quan sẽ ước
lượng bằng mô hình FEM, nếu không có sựtương quan sẽ ước lượng bằng mô hình REM. Với giả thiết:
- H0: Không có mối tương quan khả dĩ giữa các thành phần sai số theo cá nhân i với các biến hồi quy độc lập X. Mô hình REM là phù hợp.
- H1: Có mối tương quan khả dĩ giữa các thành phần sai số theo cá nhân i với các biến hồi quy độc lập X. Mô hình FEM là phù hợp.
Kết quả với mức ý nghĩa thống kê Prob (F-statistic) < 5% thì bác bỏ giả thiết
H0, ước lượng bằng mô hình FEM là phù hợp dữ liệu nghiên cứu.
- Kiểm định Likelihood Ratio
Thông qua thống kê F nhằm so sánh lựa chọn giữa hai mô hình Pool OLS và FEM. Những giảđịnh mà đề tài nêu lên về tung độ gốc, các hệ số độ dốc và số hạng sai số với giả thiết:
- H0: Tất cả các hệ số đều không đổi theo thời gian và theo các đối tượng, mô hình Pool OLS là phù hợp.
- H1: Các hệ số thay đổi theo thời gian hoặc các đối tượng, mô hình FEM là phù hợp hơn.
Kết quả: Nếu Prob (F-statistic) < 5% thì bác bỏ giả thiết H0, những tác động
được coi là có ảnh hưởng bởi yếu tố không gian và thời gian lúc này sử dụng mô hình hồi quy dữ liệu bảng sẽ cho kết quảước lượng tốt hơn.
3.4.5.2. Kiểm định sự phù hợp mô hình
Sau khi lựa chọn được mô hình phù hợp, tác giả tiến hành thực hiện các kiểm định nhằm kiểm tra các khuyết tật của mô hình được chọn. Trình tự các bước
36 (adsbygoogle = window.adsbygoogle || []).push({});
- Bước 1: Kiểm tra giá trị p- value của thống kê F (Prob. F-statistic) tương ứng để xem xét tính phù hợp của mô hình với giả thiết:
H0: RP 2 P = 0 H1: RP 2 P > 0
Với mức ý nghĩa thống kê Prob (F-statistic) < 5% thì bác bỏ giả thiết H0. Chấp nhận giả thiết H1 có nghĩa là mô hình xây dựng phù hợp.
- Bước 2: Kiểm tra giá trị d của Durbin-watson để xem xét hiện tượng tự tương quan giữa các nhiễu trong mô hình. Ta dùng phương pháp kiểm nghiệm:
Khi 1 < d < 3: thì kết luận mô hình không có hiện tượng tự tương quan. Khi 0 < d < 1: thì kết luận mô hình có hiện tượng tự tương quan dương. Khi 3 < d < 4: thì kết luận mô hình có hiện tượng tự tương quan âm.
- Bước 3: Kiểm tra hiện tượng đa cộng tuyến giữa các biến giải thích thông qua hệ sốtương quan của các biến trong mô hình, nếu các hệ sốtương quan giữa các biến giải thích trong mô hình đều nhỏ hơn 0,8: cho thấy chưa có dấu hiệu đa cộng tuyến trong mô hình.
Đểtăng tính chính xác, tác giả tiến hành kiểm tra hiện tượng đa cộng tuyến với nhân tửphóng đại phương sai, nếu hệ số tiêu chuẩn phóng đại hiệp phương sai
VIF < 10: thì kết luận mô hình không có hiện tượng đa cộng tuyến.
- Bước 4: Kiểm định phương sai sai số của mô hình không thay đổi thông qua kiểm định Histogram – Normality Test với giả thiết:
H0: Phương sai qua các thực thể không thay đổi.
H1: Phương sai qua các thực thể thay đổi.
Nếu Prob (F-statistic) < 5% thì bác bỏ giả thiết H0. Mô hình có hiện tượng
phương sai thay đổi.
3.4.5.3. Khắc phục phương sai thay đổi và tự tương quan
Nếu mô hình vi phạm các khuyết tật phương sai thay đổi và tựtương quan
thì tác giả sẽ khắc phục mô hình nghiên cứu đã chọn bằng cách ước lượng lại mô
37
Phương pháp GMM được tác giả Lars Peter Hansen (1982) chứng minh thực nghiệm bằng bài nghiên cứu “Large Sample Properties of Generalized Methods of Moments Estimators”, Econometrica, Vol. 50, page 1029-1054. Một cách tổng quan,
GMM là phương pháp tổng quát nhiều phương pháp ước lượng phổ biến như OLS,
GLS, MLE,….Ngay cả trong điều kiện giả thiết nội sinh bị vi phạm, phương pháp
GMM cho ra các hệ số ước lượng vững, không chệch, phân phối chuẩn và hiệu quả. Phương pháp này đã phát triển đưa thêm biến công cụ có quan hệ chặt với biến độc lập, phụ thuộc trong mô hình cũ nhưng không có quan hệ với phần dư nhằm khắc phục các khuyết tật của mô hình.
Kết luận chương 3: Trong chương này, căn cứ cơ sở lý thuyết và các nghiên cứu
trước đây, tác giả xây dựng mô hình thỏa mãn thực hiện mục tiêu nghiên cứu. Tác giả cũng đã mô tả các biến sử dụng trong mô hình nghiên cứu, qua đó trình bày cách tính biến trong mô hình, kỳ vọng giả thiết nghiên cứu tương đồng các kết quả đã được thực nghiệm. Trình bày sơ lược toàn bộ quy trình ước lượng và kiểm định mô hình nghiên cứu, làm cơ sở cho thực nghiệm nghiên cứu trong chương tiếp theo.
38
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU