- Trước khi chạy mô hình và thực hiện các kiểm định mô hình, tác giả có đánh giá sơ bộ về dữ liệu nghiên cứu được thống kê qua bảng sau:
Bảng 4.1: Bảng thống kê mô tả toàn bộ dữ liệu nghiên cứu
LEV PROF TANG NDTS GROW LIQ SIZE Mean 0.5605 0.0463 0.1698 0.0232 0.1391 2.3125 25.014 Median 0.5997 0.0341 0.0762 0.0107 0.1177 1.3538 27.647 Maximum 0.9716 0.3270 0.7943 0.1588 1.0000 59.995 31.616 Minimum 0.0146 -0.4739 0.0000 0.0001 -1.2051 0.2888 -2.8859 Std. Dev. 0.2262 0.1009 0.2000 0.0296 0.2885 4.8766 8.8933 Probability 0.0258 0.0000 0.0000 0.0000 0.0000 0.00000 0.0000 Observations 180 180 180 180 180 180 180
(Nguồn: chạy từ phần mềm Eviews 8)
Giá trị trung bình của tỷ lệ Nợ phải trả/Tổng tài sản các công ty là 56,05%. Độ lệch chuẩn là 22,62% cho thấy mức độ biến thiên giữa các Lev doanh nghiệp là khá lớn. Giá trị tối thiểu của Lev là 1,46% và giá trị tối đa của Lev là 97,16% cho thấy doanh nghiệp có tỷ lệ Nợ phải trả/Tổng tài sản nhỏ nhất là 1,46% và doanh nghiệp có tỷ lệ Nợ phải trả/Tổng tài sản cao nhất là 97,16%.
- Bảng ma trận tương quan giữa các biến:
Bảng 4.2:Bảng ma trận tƣơng quan giữa các biến
LEV PROF TANG NDTS GROW LIQ SIZE
LEV 1 PROF -0.3170 1 TANG -0.1708 0.1893 1 NDTS -0.2173 0.3182 0.5893 1 GROW 0.1462 0.2415 -0.1559 -0.1465 1 LIQ -0.4260 0.0198 -0.1054 -0.0301 -0.0434 1 SIZE 0.0389 0.1268 0.0691 0.0090 -0.0341 -0.1849 1
(Nguồn: chạy từ phần mềm Eviews 8)
31
được giải thích, tuy nhiên mức độ ảnh hưởng của các biến đối với biến được giải thích khác nhau. Cụ thể biến prof, ndts, liq tác động khá mạnh đến Lev; còn biến tang, grow, size cũng có tác động đến biến Lev nhưng ở mức độ yếu, đặc biệt là biến size có mối tương quan rất yếu.
+ Kết quả cũng cho thấy các biến độc lập cũng có tác động với nhau, trong đó, biến tang và biến ndts có hệ số 0,5893 nên mô hình có khả năng xảy ra hiện tượng đa cộng tuyến.
- Sau khi phân tích sơ bộ về các biến và mối quan hệ của các biến, tác giả đi vào tiến hành chạy mô hình và kiểm định mô hình bao gồm các bước sau:
+ Bước 1: Lựa chọn phương pháp ước lượng phù hợp với dữ liệu.
Có 3 phương pháp thường được sử dụng để phân tích dữ liệu bảng là ước lượng thô (pooled regression), tác động cố định (fixed effect) và tác động ngẫu nhiên (random effect). Mô hình phân tích dữ liệu bảng có dạng:
Yit = α + βXit + uit
Việc ước lượng mô hình trên tùy thuộc vào các giả định của hệ số cắt và sai số. Tùy thuộc vào các giả định mà tác giả lựa chọn phương pháp thích hợp.
Để biết chọn phương pháp nào là phù hợp với dữ liệu nghiên cứu, ta chạy lần lượt các mô hình Pooled OLS, Fixed Effect và Random Effect. Sau đó, so sánh giữa các mô hình để lựa chọn mô hình phù hợp nhất với bộ dữ liệu nghiên cứu.
Kết quả chạy mô hình hồi quy Pooled OLS (phụ lục 4) cho thấy:
Với mức ý nghĩa α = 5%; các biến prof, grow, liq có ý nghĩa thống kê (vì p>|t| < α); các biến tang, ndts, size không có ý nghĩa thống kê (vì p>|t| > α).
R-squared = 0,3356, điều này có nghĩa là các biến độc lập có trong mô hình có khả năng giải thích 33,56% cho biến phụ thuộc.
Kết quả mô hình Fixed Effect (phụ lục 5) cho thấy:
Với mức nghĩa α = 5% thì biến tang, ndts không có ý nghĩa thống kê (vì p>|t| > α). Các biến còn lại đều có ý nghĩa thống kê (vì p>|t| < α).
R-squared = 0,8802, điều này có nghĩa là các biến độc lập có trong mô hình có khả năng giải thích 88,01% cho biến phụ thuộc.
Kết quả kiểm định Likelihood Ratio Test tại phụ lục 6 ta thấy: F(29,144) = 22,56 và Prob>F = 0.0000 < α = 5% -> bác bỏ H0 và chọn mô hình Fixed Effect.
32
Kết quả mô hình Random effect (phụ lục 7) cho thấy: với mức ý nghĩa α = 5%; các biến prof, grow, liq có ý nghĩa thống kê (vì p>|t| < α); các biến tang, ndts, size không có ý nghĩa thống kê (vì p>|t| > α).
R-squared = 0,3528 nghĩa là các biến độc lập có trong mô hình có khả năng giải thích cho biến phụ thuộc là 35,28%.
Kết quả kiểm định Hausman test (phụ lục 8) cho thấy: Prob>chi2 = 0,0003< α = 0,05 -> bác bỏ H0 và chọn mô hình Fix Effect.
Sau khi chạy ba mô hình và phân tích kết quả, ta thấy mô hình Fix Effect là phù hợp với dữ liệu phân tích hơn so với mô hình Pooled OLS và mô hình Random Effect. Bây giờ ta sẽ dựa vào mô hình Fix Effect để thực hiện các kiểm định và đưa ra phương trình hồi quy tốt nhất.
Bước 2: Kiểm định mô hình
Kiểm định mô hình ở đây là kiểm định các khuyết tật của mô hình. Vì nếu mô hình mắc phải các khuyết tật này sẽ gây ra hậu quả nghiêm trọng, tùy theo mức độ ảnh hưởng của các khuyết tật đó mà có thể làm cho kết quả hồi quy của mô hình không đáng tin cậy và thậm chí sai lệch ý nghĩa.
- Để kiểm định xem mô hình có hiện tượng đa cộng tuyến hay không, tác giả thực hiện kiểm định bằng cách sử dụng nhân tử phóng đại phương sai (hệ số VIF). VIF>=10 sẽ gây ra hiện tượng đa cộng tuyến cao.
Bảng 4.3: Bảng kiểm định hệ số VIF Các biến độc lập Hệ số VIF Prof 2.2656 Size 2.1497 Tang 1.8429 Grow 1.1652 Ndts 1.2291 Liq 2.0305 Mean VIF 1.7805
(Nguồn:số liệu tính toán từ phần mềm Eviews 8)
Từ bảng trên cho thấy giá trị Mean VIF = 1,78 < 10 và VIF của tất cả các biến đều < 3, ta suy ra mô hình không có hiện tượng đa cộng tuyến.
33
Chúng ta có thể sử dụng hệ số d (Durbin Watson) để phát hiện hiện tượng tự tương quan. Theo kinh nghiệm kết quả của hệ số d cho kết luận như sau:
- Nếu 1< d <3 thì kết luận mô hình không có tự tương quan. Nếu 0< d <1 thì kết luận mô hình có tự tương quan dương. Nếu 3< d <4 thì kết luận mô hình có tự tương quan âm. Với mô hình FEM ta thu được hệ số Durbin Watson, d = 1,8532 thì chúng ta có thể kết luận mô hình không có tự tương quan.
Kết quả các kiểm định cho thấy mô hình FEM không có khuyết tật. Nên kết quả của mô hình FEM là kết quả của bài nghiên cứu, và được tổng hợp quan bảng sau:
Bảng 4.4: Bảng tóm tắt kết quả hồi quy mô hình FEM Variable Coefficient Prob.
PROF* -0.6685 0.0000 TANG 0.0484 0.5621 NDTS -0.1074 0.7813 GROW* 0.0863 0.0022 LIQ* -0.0113 0.0000 SIZE** 0.0357 0.0271 C -0.2939 0.4635 R-squared 0.8801
Ghi chú: “*“ , “**“ tương ứng với các mức ý nghĩa 1%, 5%.