3.2.2.1. Kiểm định giả thiết đối với các hệ số hồi quy:
Kiểm định giả thiết đối với hệ số α:
Giả thiết Ho: α = 0. Ta sử dụng giá trị thống kê t và xác suất p-value để kiểm định Ho. Đại lượng ngẫu nhiên t tuân theo quy luật Student với bậc tự do n-k, k là số hệ số có trong mô hình. Với mức ý nghĩa α =5%, dùng hàm tinv trong excel để tìm ra giá trị t2.5%(58)= 2.301083588. Ta có bảng kết quả:
Bảng 3.4: Bảng kết quả kiểm định giả thiết đối với hệ số α mô hình CAPM
Tên danh mục α t P value Kết quả kiểm định
Danh mục B/H -0.013180 -0.861700 0.3924 Chấp nhận Ho Danh mục B/M -0.022652 -1.888145 0.0640 Chấp nhận Ho Danh mục B/L -0.009835 -0.774910 0.4415 Chấp nhận Ho Danh mục S/H -0.020480 -1.165467 0.2486 Chấp nhận Ho Danh mục S/M -0.030009 -1.668235 0.1007 Chấp nhận Ho Danh mục S/L 0.002244 0.106388 0.9156 Chấp nhận Ho
Với các kết quả kiểm định trên ta chấp nhận giả thiết Ho: hệ số α = 0, không có sự chênh lệch giữa TSSL thực tế và TSSL kỳ vọng ước lượng bằng CAPM, tức các chứng khoán đều được định giá đúng.
Kiểm định giả thiết đối với hệ số β:
Giả thiết Ho: β =0. Ta cũng sử dụng giá trị thống kê t và xác suất p-value để kiểm định Ho, t2.5%(58)= 2.301083588
Bảng 3.5: Bảng kết quả kiểm định giả thiết đối với hệ số β mô hình CAPM
Tên danh mục β t P value Kết quả kiểm định
Danh mục B/H 1.443006 10.05386 0.0000 Bác bỏ Ho Danh mục B/M 0.942107 8.368560 0.0000 Bác bỏ Ho Danh mục B/L 1.185480 9.953929 0.0000 Bác bỏ Ho Danh mục S/H 1.130162 6.853807 0.0000 Bác bỏ Ho Danh mục S/M 0.931970 5.520690 0.0000 Bác bỏ Ho Danh mục S/L 0.654628 3.307420 0.0016 Bác bỏ Ho
Kết quả cho thấy tất cả các danh mục đều cho giá trị thống kê t lớn, p-value được thể hiện hoàn toàn bởi các số 0 nhưng không thể cho rằng p-value =0. P- value chỉ thực sự bằng không khi các gía trị thống kê t = ± ∞. Với mẫu cụ thể, các tính toán có ý nghĩa thì điều này không thể xảy ra. Do đó p-value có thể là một số rất bé, tiệm cận với 0 nhưng không thể bằng không. Vậy nhân tố thị trường giải thích được TSSL của chứng khoán ngành công nghệ viễn thông tại mức ý nghĩa 1%.
3.2.2.2. Kiểm định tự tương quan:
Mô hình hồi quy OLS giả định rằng các hạng nhiễu Ui không có tương quan với nhau. Ut = ρ1Ut- 1 + ρ2Ut- 2 + ρ3Ut-3 +et
Ta sử dụng giá trị F và p-value của kiểm định BG (Breusch – Godfrey) với giả thiết Ho: ρ1=ρ2=ρ3=0 , tức là giữa các phần dư không có hiện tượng tự tương quan, ta thu được kết quả cho từng danh mục với các độ trễ là 1, 2, 3: Bảng 3.6: Kết quả kiểm định Breusch – Godfrey với các độ trễ 1, 2, 3
B/H
Lag = 1 Obs*R-squared 1.672390 Probability 0.1959 Lag = 2 Obs*R-squared 1.743755 Probability 0.4182 Lag = 3 Obs*R-squared 5.996392 Probability 0.1118
B/M
Lag = 1 Obs*R-squared 1.047972 Probability 0.5835 Lag = 2 Obs*R-squared 2.104463 Probability 0.3060 Lag = 3 Obs*R-squared 2.104463 Probability 0.1764
B/L
Lag = 1 Obs*R-squared 0.000204 Probability 0.9886 Lag = 2 Obs*R-squared 0.000939 Probability 0.9995 Lag = 3 Obs*R-squared 0.373944 Probability 0.9456
S/H
Lag = 1 Obs*R-squared 0.066209 Probability 0.7969 Lag = 2 Obs*R-squared 0.241281 Probability 0.8864 Lag = 3 Obs*R-squared 1.072066 Probability 0.7838
SM
Lag = 1 Obs*R-squared 0.255468 Probability 0.6133 Lag = 2 Obs*R-squared 1.267638 Probability 0.5306 Lag = 3 Obs*R-squared 2.909214 Probability 0.4058
S/L
Lag = 1 Obs*R-squared 1.653993 Probability 0.9840 Lag = 2 Obs*R-squared 2.095893 Probability 0.3507 Lag = 3 Obs*R-squared 6.621871 Probability 0.0850
Kết quả kiểm định BG cho thấy tất cả các danh mục đều có Prob (Chi-Square) ở các độ trễ đều lớn, tại mức ý nghĩa 5% ta chấp nhận giả thiết Ho, tức không tồn tại hiện tượng tự tương quan. Nên ta có thể kết luận rằng ước lượng hồi quy bằng phương pháp OLS là thích hợp.
3.2.2.3. Kiểm định phương sai thay đổi:
Mô hình hồi quy tuyến tính cổ điển cũng giả định rằng các hạng nhiễu Ui có phương sai đồng nhất. Để xem phương sai của nhiễu có đồng nhất hay không, ta tiến hành kiểm định White đối với chuỗi phần dư. (adsbygoogle = window.adsbygoogle || []).push({});
Giả thiết Ho: Phương sai của sai số ngẫu nhiên của mô hình không đổi. Kết quả kiểm định White( Có tích chéo giữa các biên độc lập):
Bảng 3.7: Kết quả kiểm định White của mô hình CAPM
Tên danh mục nR2 Prob. Chi square(2) Kết quả kiểm định
Danh mục B/H 5.036195 0.0806 Chấp nhận Ho Danh mục B/M 4.299490 0.1165 Chấp nhận Ho Danh mục B/L 13.58944 0.0011 Bác bỏ Ho Danh mục S/H 1.353233 0.5083 Chấp nhận Ho Danh mục S/M 0.212990 0.8990 Chấp nhận Ho Danh mục S/L 0.549086 0.7599 Chấp nhận Ho (Xem thêm ở phụ lục 13)
Tại mức ý nghĩa 5%, kết quả kiểm định White cho thấy hầu hết danh mục đều không xảy ra hiện tương phương sai thay đổi, chỉ trừ danh mục B/L . Nên ta có thể kết luận rằng kết quả ước lượng hồi quy bằng phương pháp OLS ở trên là thích hợp và kết quả R-squared là đáng tin cậy.
3.2.2.4. Kiểm định sự phù hợp của mô hình hồi quy:
Ta kiểm định xem nhân tố TSSL vượt trội thị trường Rm-Rf có thực sự giải thích cho TSSL vượt trội chứng khoán hay không.
Giả thiết Ho: R2 = 0.
Về mặt ý nghĩa thống kê, với mô hình hồi quy hai biến thì kiểm định sự phù hợp của hàm hồi quy trùng với kiểm định giả thiết β = 0, vì mô hình chỉ có một biến giải thích. Kiểm định R2 chỉ có ý nghĩa với mô hình hồi quy bội. Tuy nhiên ở đây, ta vẫn thực hiện kiểm định Ho: R2 = 0 để kiểm tra tính đúng đắn của mô hình khi sử dụng các phương pháp kiểm định khác nhau.Ta sử dụng phân phối Fisher-Snedecor được kết quả:
Bảng 3.8: Bảng giá trị hệ số xác định mô hình CAPM
Tên danh mục Hệ số R2 Thống kê F P value Kết quả kiểm định
Danh mục B/H 0.635404 101.0801 0.000000 Bác bỏ Ho Danh mục B/M 0.546991 70.03279 0.000000 Bác bỏ Ho Danh mục B/L 0.630763 99.08071 0.000000 Bác bỏ Ho Danh mục S/H 0.447486 46.97467 0.000000 Bác bỏ Ho Danh mục S/M 0.344470 30.47802 0.000001 Bác bỏ Ho Danh mục S/L 0.158677 10.93903 0.001620 Bác bỏ Ho
Kết quả trên cho thấy mô hình có ý nghĩa với tất cả các danh mục tại mức ý nghĩa 5%. Kết quả này hoàn toàn trùng với kết quả kiểm định hệ số β. Giá trị R2 nhỏ nhất là khoảng 16%, cho thấy nhân tố thị trường giải thích được ít nhất là 16% những thay đổi trong TSSL chứng khoán ngành CNVT. Với giá trị R2 lớn nhất là 64% thì điều này hàm ý rằng có thể có những biến giải thích khác cho TSSL chứng khoán nữa. Đó chính là lý do chúng ta nghiên cứu thêm ảnh hưởng của nhân tố quy mô, nhân tố giá trị trong mô hình sau.