Phân tích tương quan được đề tài sử dụng nhằm xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc thông qua hệ số tương quan (Pearson), theo đó hệ số tương quan được tính bằng cách chia hiệp phương sai của biến với tích độ lệch chuẩn của chúng. Đề tài xây dựng ma trận hệ số tương quan kèm theo mức ý nghĩa nhằm đánh giá bước đầu về mối tương quan giữa các biến. Ngoài ra, trong trường hợp các biến độc lập có mối tương quan cao (lớn hơn 0.8) và đây có thể là dấu hiệu của hiện tượng đa công tuyến và cũng là cơ sở để đề tài thực hiện các kiểm định cần thiết và hiệu chỉnh mô hình nghiên cứu.
3.5.3.Phương pháp ước lượng mô hình
Trong khi phân tích tương quan nhằm xem xét mối quan hệ giữa các biến nghiên cứu có mối quan với nhau hay không thì phân tích hồi quy được dùng để đo lường mức độ ảnh hưởng của các biến độc lập với các biến phụ thuộc qua đó cho biết chiều hướng tác động và mức độ tác động của từng biến độc lập lên biến phụ thuộc. Phương pháp này cho phép đề tài đưa ra bằng chứng thực nghiệm để trả lời cho các câu hỏi và các giả thuyết nghiên cứu.Theo đó đề tài thực hiện ước lượng mô hình thông qua ước lượng Pooled OLS, Fixed effect, Random effect. Lý do của việc ước lượng mô hình Fixed effect,Random effect mà không là mô hình Pooled OLS là:
Thứ nhất, ước lượng Pooled OLS là ước lượng đơn giản và bỏ qua cấu trúc dữ liệu bảng có thể dẫn đến việc các biến độc lập không phản ánh đúng mối quan hệ giữa các biến độc lập với biến phụ thuộc. Và do đó trong mô hình có nhiều biến giải thích nên có thể xảy ra hiện tượng tương quan giữa các biến độc
33
lập. Và khi điều này xảy ra sẽ dẫn đến ước lượng Pooled OLS không còn hiệu quả. Do đó cần một mô hình tốt hơn mô hình Pooled OLS.
Thứ hai, để xem xét đặc điểm riêng của từng công ty trong mẫu nghiên cứu có thể ảnh hưởng đến biến giải thích và do có những thuộc tính chúng ta không quan sát được bằng giá trị thì lúc này mô hình phù hợp hơn so với Pooled OLS là mô hình Fixed effect. Theo đó mô hình được xây dựng để xem xét được đặc điểm riêng của từng công ty trong mẫu nghiên cứu theo sự thay đổi của hệ số chặn tuy nhiên sự thay đổi này là cố định theo thời gian và để xem xét sự khác nhau đó thì chúng ta có thể dùng biến giả. Do mô hình chỉ quan tâm đến những khác biệt mang tính cá nhân đóng góp vào mô hình nên nó không xảy ra hiện tượng tự tương quan
Thứ ba, khi những đặc điểm riêng biệt giữa các đối tượng nghiên cứu được giả sử là ngẫu nhiên và không tương quan đến các biến giải thích thì chúng ta có thể dùng mô hình hiệu ứng ngẫu nhiên (Random effect model).
Như vậy vấn đề đặt ra là mô hình nào là phù hợp cho nghiên cứu. Để trả lời câu hỏi này luận văn sẽ sử dụng kiểm định Hausman nhằm so sánh mô hình Fixed effect và Random effect, kiểm định Likelihood nhằm so sánh giữa hai mô hình Pooled OLS và Fixed effect và kiểm định LM nhằm so sánh giữa mô hình Pooled OLS và mô hình Random effect.
3.5.4.Phương pháp kiểm định các hệ số hồi quy và sự phù hợp của mô hình Trong phần này đề tài sẽ sử dụng kiểm định t (t-test) để kiểm tra sự phù hợp của các hệ số hồi quy. Các mức ý nghĩa thường được sử dụng trong thống kê là 1%, 5%, 10% hay nói khác hơn là độ tin cậy 99%, 95%, 90%. Đối với nghiên cứu này đề tài chọn mức ý nghĩa 5% để đánh giá mức độ phù hợp của các hệ số hồi quy, tức biến độc lập chỉ được xem là tác động đến biến phụ thuộc khi mà hệ số hồi quy có giá trị P-value nhỏ hơn 5%. Tuy nhiên, trong một số trường hợp hệ số hồi quy có P-value lớn hơn 5% nhưng nhỏ hơn 10% cũng được đề tài lưu ý trong nghiên cứu của mình.
34
Để kiểm tra sự phù hợp của mô hình đề tài sử dụng kiểm định F với các giả thiết H0 là R2 = 0. Mức ý nghĩa đề tài chọn là 5% theo đó giá trị P-value nhỏ hơn 5% thì bác bỏ giả thiết H0 nên mô hình là phù hợp.
Ngoài ra, sau khi mô hình được ước lượng là phù hợp đề tài cũng thực hiện các kiểm định đi kèm khác nhằm kiểm tra các khuyết tật của mô hình. Theo đó, đề tài thực hiện kiểm định phương sai thay đổi và kiểm định tự tương quan, bởi lẽ nếu mô hình có phương sai thay đổi hoặc tự tương quan hoặc cả hai thì các kiểm định về hệ số hồi quy của mô hình là không đáng tin cậy, ước lượng của mô hình là ước lượng không hiệu quả và R2 là không đúng bản chất của nó. Nếu mô hình có phương sai thay đổi hoặc có tự tương quan hoặc có cả hai khuyết tật này thì đề tiến hành khắc phục mô hình nghiên cứu bằng cách ước lượng lại mô hình bằng phương pháp GLS.
Tóm lại, trong chương này đã nêu lên cơ sở lý thuyết cho việc chọn lựa mô hình nghiên cứu, các mô hình nghiên cứu, giả thuyết nghiên cứu, nguồn dữ liệu nghiên cứu để làm tiến đề cho các chương tiếp theo trong nghiên cứu.
35
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN