Phương pháp nghiên cứu trong phần này là phương pháp định lượng bằng cách sử dụng cách phương trình hồi quy đa biến để kiểm định mối tương quan giữa biến phụ thuộc (giá cổ phiếu) và các biến độc lập như tỷ lệ lợi nhuận giữ lại, thu nhập một cổ phiếu … Phương pháp này được hỗ trợ của công cụ phần mềm STATA 12 để phân tích, tính toán.
Dữ liệu thu thập là báo cáo tài chính đã kiểm toán của 66 công ty cổ phần trên sàn HOSE và HNX. Sau đó, nghiên cứu sử dụng phương pháp thống kê mô tả để phân tích tình hình chi trả cổ tức của các công ty cổ phần trên sàn HOSE và HNX để đánh giá tổng quan tình trạng chi trả cổ tức, phương pháp chi trả cổ tức và mối quan hệ giữa các biến.
Nghiên cứu được thực hiện trên số liệu thống kê của 66 công ty cổ phần ngành xây dựng với 264 mẫu quan sát trên hai sàn chứng khoán HOSE và HNX trong thời gian 04 năm từ năm 2011 đến năm 2014, dữ liệu có 02 chiều: Chiều không gian và thời gian. Vì vậy, nghiên cứu thực hiện theo dạng dữ liệu bảng cân bằng (panel data).
Để nghiên cứu các vấn đề hồi quy trong dữ liệu bảng cân bằng được thực hiện bằng các mô hình: Mô hình Pooled, mô hình những ảnh hưởng cố định (FEM) và những ảnh hưởng ngẫu nhiên (REM). Đồng thời, mô hình FGLS cũng được sử dụng để kiểm soát hiện tượng tự tương quan và phương sai thay đổi.
Để đánh giá mô hình nào thích hợp nhất cho việc xử lý và phân tích số liệu của các mô hình hồi quy, tác giả sẽ thực hiện so sánh giữa các mô hình POOLED, FEM, REM.
Sau khi có kết quả so sánh tác giả sẽ thực hiện phân tích, đánh giá thông qua các mô hình hồi quy đa biến.
Cuối cùng, nghiên cứu thực hiện 05 kiểm định chính sau: Kiểm định tương quan từng phần các hệ số hồi quy, mức độ phù hợp của mô hình, hiện tượng đa cộng tuyến, kiểm định phương sai sai số thay đổi và sự tương quan giữa các biến trong các mô hình hồi quy.
3.2 PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình hồi quy dữ liệu bảng
Theo Gujarati, biểu thức cho mô hình có dạng:
Yit = β1 + β2 X2it + β3 X3it + β4 X4it + ….+ βk Xkit + uit
Với: i, t thuộc N
Dữ liệu thu thập được ở các mô hình này là dữ liệu bảng, phương pháp hồi quy dữ liệu bảng chứa nhiều thông tin hữu ích hơn, cho thấy tính động của dữ liệu, ít đa cộng tuyến hơn. Do vậy, để nghiên cứu tác động của chính sách cổ tức đến giá cổ phiếu tác giả thực hiện hồi quy bằng 03 mô hình: Mô hình Pooled, mô hình những ảnh hưởng cố định (FEM) và mô hình những ảnh hưởng ngẫu nhiên (REM).
Mô hình POOLED
Mô hình POOLED sử dụng dữ liệu bảng để phân tích bằng hình thức sử dụng tất cả các dữ liệu bảng để phân tích bằng hình thức sử dụng dữ liệu xếp chồng. Tức là mô hình này sử dụng dữ liệu như một phân tích OLS bình thường, sử dụng tập hợp thành đám mây dữ liệu, tất cả các hệ số đều không thay đổi theo thời gian và các đơn vị chéo, hồi quy kết hợp tất cả các quan sát.
Mô hình này có nhược điểm là ràng buộc quá chặt chẽ về đơn vị chéo, điều này khó xảy ra trong thực tế.
Mô hình những ảnh hưởng cố định (FEM – Fixed effect model):
Được sử dụng khi các biến độc lập được giả thiết có mối quan hệ chặt chẽ với nhau (chọn mẫu không đại diện), thích hợp khi các đơn vị chéo không được lựa chọn ngẫu nhiên. Việc sử dụng các nhân tố cố định để xem xét ảnh hưởng của nó đến mô hình giống như một mô hình OLS có sử dụng biến giả, các biến giả đóng vai trò là nhân tố cố định. Mô hình FEM được sử dụng để kiểm soát tất cả các đặc điểm của các công ty cổ phần ngành xây dựng trong nghiên cứu này trong khoảng thời gian cố định.
Mô hình này cần lưu ý các trường hợp sau có thể xảy ra:
Mô hình có nhiều biến số thì luôn luôn có khả năng xảy ra hiện tượng đa cộng tuyến gây khó khăn cho việc ước lượng chính xác một hoặc nhiều hơn một thông số.
Mô hình có các biến bất biến theo thời gian thì không thể nhận diện được các biến bất biến theo thời gian.
Mô hình những ảnh hưởng ngẫu nhiên (REM – Random effect model):
Được sử dụng khi các biến độc lập được giả thiết không có mối quan hệ chặt chẽ với nhau (chọn mẫu ngẫu nhiên), thích hợp khi các đơn vị chéo ngẫu nhiên.
Để đánh giá mô hình nào thích hợp nhất cho việc xử lý và phân tích số liệu của các mô hình hồi quy, tác giả sẽ thực hiện so sánh giữa 03 mô hình POOLED, FEM, REM.
Kiểm định F để chọn phương án tốt nhất giữa Pooled OLS và FEM với giả thuyết
H0: Corr (u_i,Xb) = 0
H1: Corr (u_i,Xb) ≠0
Nếu Corr (u_i,Xb) ≠0 thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 nghĩa là mô hình FEM phù hợp. Ngược lại, Pooled OLS là phù hợp cho mô hình nếu chấp nhận giả thuyết H0.
Kiểm định Hausman test để chọn phương án tốt nhất giữa FEM và REM
H0: FEM và REM không khác biệt đáng kể
H1: FEM và REM có sự khác biệt đáng kể
Nếu Prob <5% thì bác bỏ giả thuyết H0, ước lượng mô hình FEM là phù hợp hơn để sử dụng. Ngược lại, REM là phù hợp cho mô hình nếu chấp nhận giả thuyết H0.
Sau khi lựa chọn mô hình phù hợp đề tài sẽ thực hiện kiểm tra các khuyết tật của mô hình.
Thực hiện kiểm định F thông qua giá trị p-value của thống kê t tương ứng để xem xét tính phù hợp của mô hình với giả thuyết:
H0: R2 =0
H1: R2 ≠0
Nếu Prob <10 % thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 nghĩa là mô hình xây dựng phù hợp.
Kiểm định Modified Wald phương sai sai số thay đổi
H0: Phương sai không đổi
H1: Phương sai thay đổi
Nếu Prob <5%, thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 nghĩa là có hiện tượng phương sai sai số thay đổi.
Kiểm định Wooldridge tự tương quan
H0: Không có tự tương quan
H1: Có tự tương quan
Nếu Prob <5%, thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 nghĩa là có hiện tượng tự tương quan.
Nếu mô hình có hiện tượng phương sai sai số thay đổi hoặc có tự tương quan hoặc có cả hai hiện tượng này thì đề tài tiến hành sử dụng ước lượng vững.
Dữ liệu bảng chứa trong nó cả dữ liệu chéo và dữ liệu chuỗi thời gian, vì thế nó cũng chứa những khuyết tật của hai dạng dữ liệu nêu trên, nếu trong mô hình có hiện tượng nội sinh thì ước lượng sẽ bị chệch (overestimate).
Kiểm định Dubin-Wu-Hausman với giả thuyết:
H0: Biến nghi nội sinh không bị nội sinh H1: Biến nghi nội sinh bị nội sinh
Nếu Prob <5%, thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1 nghĩa là mô hình có hiện tượng nội sinh.
Nếu vấn đề nội sinh xảy ra thì tác giả sử dụng mô hình GMM để khắc phục. Đây là mô hình được Lars Peter Hansen vào năm 1982 phát triển đưa thêm biến công cụ có quan hệ chặt chẽ với biến nội sinh nhưng không có quan hệ với phần dư trong mô hình cũ và mô hình hồi quy phải xác định để khắc phục các khuyết tật của mô hình.
Kiểm định Under identification về sự xác định của mô hình
H0: Mô hình xác định
H1: Mô hình không xác định
Nếu p-value >5%, bác bỏ giả thuyết H0 nghĩa là môhình không xác định. Kiểm định Sargan – Hansen về phương sai sai số thay đổi và tự tương quan
H0: Mô hình không có hiện tượng phương sai sai số thay đổi và tự tương quan
H1: Mô hình có hiện tượng phương sai sai số thay đổi và tự tương quan
Nếu p-value <5%, bác bỏ giả thuyết H0 nghĩa là môhình có hiện tượng phương sai sai số thay đổi và tự tương quan
Kiểm định Arellano-Bond test for (AR1)
H0: Mô hình không có hiện tượng tự tương quan
H1: Mô hình có hiện tượng tự tương quan
Nếu p-value <5%, bác bỏ giả thuyết H0 nghĩa là mô hình có hiện tượng tự tương quan
Kiểm định Arellano-Bond test for (AR2)
H0: Mô hình không có hiện tượng tự tương quan ở mọi cấp độ
H1: Mô hình có hiện tượng tự tương quan ở mọi cấp độ
Nếu p-value <5%, bác bỏ giả thuyết H0 nghĩa là môhình có hiện tượng tự tương quan ở mọi cấp độ.