2.3.3.1 Phương pháp so sánh tuyệt đối
Là kết quả của phép trừ giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu kinh tế.
y = y1 – y0
-y0: Chỉ tiêu năm trước. -y1: Chỉ tiêu năm sau.
- y: Phần chênh lệch tăng giảm của các chỉ tiêu kinh tế.
Phương pháp này sử dụng để so sánh số liệu năm sau so với năm trước của chỉ tiêu xem có biến động không và tìm ra nguyên nhân biến động của các chỉ tiêu kinh tế. Từ đó có cách đánh giá chính xác các hoạt động phân tích (Mai Văn Nam, 2008).
2.3.3.2 Phương pháp so sánh số tương đối
y = (y1 – y0)/ y0*100 - y0: Chỉ tiêu năm trước. - y1: Chỉ tiêu năm sau.
- y: Biến động tốc độ tăng trưởng của các chỉ tiêu kinh tế.
Phương pháp này nhằm làm rõ tình hình biến động của các chỉ tiêu trong thời gian nghiên cứu. Việc so sánh tốc độ tăng trưởng của chỉ tiêu giữa các năm cho thấy được sự tác động có liên quan đến các hoạt động trong phân tích. Từ đó, có sự nhận diện rõ ràng các hoạt động trong nghiên cứu (Mai Văn Nam, 2008).
2.3.3.3 Phương pháp thống kê mô tả
Thống kê mô tả là phương pháp có liên quan đến việc thu thập số liệu, tóm tắt, trình bày, tính toán và mô tả các đặc trưng khác nhau để phản ánh một cách tổng quan đối tượng nghiên cứu.
Một số đại lượng thống kê mô tả thường được sử dụng:
Trung bình cộng (Mean): Bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
Số trung vị (Me): Là giá trị của biến đứng ở vị trí giữa của một dãy số đã được sắp xếp theo thứ tự tăng hoặc giảm dần.
Số Mode (Mo): Là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
Phương sai (Variance): Là số bình quân số học của bình phương các độ lệch giữa các lượng biến với số bình quân số học giữa các lượng biến đó.
Độ lệch chuẩn (Standard Deviation): Thể hiện sự khác biệt về đánh giá mẫu điều tra của từng biến (căn bậc hai của phương sai).
Sum: Tổng cộng các giá trị trong tập dữ liệu quan sát.
2.3.3.4 Phương pháp kiểm định giả thuyết
Kiểm định giả thuyết là dựa vào các thông tin mẫu để đưa ra kết luận bác bỏ hay chấp nhận về các giả thuyết trong thống kê. Tuy nhiên, chúng ta phải hiểu chấp nhận hay bác bỏ giả thuyết phải hiểu theo nghĩa xác suất.
Có hai loại sai lầm trong kiểm định giả thuyết:
Sai lầm loại 1: Giả thuyết H0 đúng nhưng qua kiểm định ta lại kết luận giả thuyết sai, và do vậy bác bỏ giả thuyết H0 ở mức ý nghĩa α nào đó. Có
Sai lầm loại 2: Giả thuyết H0 sai nhưng qua kiểm định, ta lại kết luận giả thuyết đúng, và do vậy chấp nhận giả thuyết H0 ở mức nghĩa α nào đó. Có nghĩa là chấp nhận giả thuyết sai.
Tùy theo quan điểm và tính chất mà người ta cho sai lầm loại 1 hoặc loại 2 là nghiêm trọng hơn. Tuy nhiên, thông thường thì người ta sẽ cho rằng sai lầm loại 1 là nghiêm trọng hơn mà thống kê cần tránh.
Quy trình tổng quát trong kiểm định giả thuyết:
Bước 1: Xây dựng giả thuyết. Ta bắt đầu kiểm định giả thuyết với một giả định về một vài tham số tổng thể và sử dụng dữ liệu mẫu để kiểm tra tính logic của giả định đó.
Bước 2: Chọn mức ý nghĩa và được ký hiệu là α. Trên thực tế, có 3 mức ý nghĩa thường dùng nhất là 0,10; 0,05 và 0,01 tương ứng với độ tin cậy là 0,90; 0,95 và 0,99, phụ thuộc vào tính chủ quan của người nghiên cứu.
Bước 3: Tính trị số thống kê hay giá trị thực tế của kiểm định. Trong bước này, dựa vào các lý thuyết thống kê mà chúng ta lựa chọn công thức phù hợp để đưa phân phối mẫu về phân phối nào đó. Giá trị thực tế của kiểm định là cơ sở quyết định chấp nhận hay bác bỏ giả thuyết.
Bước 4: Rút ra kết luận liên quan đến giả thuyết. Tương ứng với mức ý nghĩa α và phân phối được xác định ở bước 3 ta tìm giá trị lý thuyết của kiểm định, thông thường là ta tra bảng boặc sử dụng phần mềm máy tính để tìm được. Sau đó chúng ta so sánh giữa giá trị thực tế và giá trị lý thuyết của kiểm định để có kết luận phù hợp với giả thuyết hay không.
Bước 5: Kết luận. Tùy thuộc vào nội dung nghiên cứu chúng ta sẽ đưa ra kết luận phù hợp với giả thuyết (Mai Văn Nam, 2008).
2.3.3.5 Phương pháp phân tích nhân tố
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập hợp nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu.
Dữ liệu tương thích: Dữ liệu được thu thập thông qua thang đo Likert, sau khi đã đánh giá độ tin cậy của thang đo (Cronbach Alpha).
Nghiên cứu này sử dụng phương pháp phân tích nhân tố để nhận ra có bao nhiêu yếu tố được tải từ các yếu tố liên quan đến khả năng sử dụng tài sản địa phương của công ty con. Với hàm số như sau:
Trong đó Fi là ước lượng nhân tố thứ i, Wi là trọng số hay hệ số điểm nhân tố, K là số biến.
2.3.3.6 Phương pháp phân tích hồi quy
Hồi quy tuyến tính: Là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc) vào một hay nhiều biến khác (biến độc lập hay còn gọi là biến giải thích) với ý tưởng cơ bản là ước lượng (hay dự đoán) giá trị trung bình của biến phụ thuộc trên cơ sở các giá trị đã biết của biến độc lập
Phương trình hồi quy:
Y= β0 + β1X1+ β2X2 + … + βiXk
Y: Là kết quả biến phụ thuộc được định lượng bằng cách tính điểm trung bình của các biến quan sát thuộc nhân tố này.
Xi: Biến độc lập trong mô hình nghiên cứu lý thuyết
β0: Hệ số tự do hay hệ số chặn, cho biết giá trị trung bình của Y khi các biến Xi = 0.
β i : Hệ số riêng của biến, đo lường lượng thay đổi trung bình trong biến phụ thuộc Y khi Xi thay đổi một đơn vị, các biến còn lại không đổi.
Kết quả tính toán có các thông số cơ bản sau:
Multiple R (Multiple correlation coefficient): Hệ số tương quan bội. Nói lên mỗi liên hệ chặt chẽ giữa biến phụ thuộc Y và các biến độc lập Xi. Khi R2 càng lớn thì mỗi liên hệ càng chặt chẽ.
Hệ số xác định R2 (Multiple coefficient of determination): Tỷ lệ % biến động của Y được giải thích bởi các biến độc lập Xi.
Adjusted R square: Hệ số xác định đã điều chỉnh, dùng để trắc nghiệm xem có nên thêm vào biến độc lập nữa không. Khi thêm vào một biến mà R tăng lên thì ta quyết định thêm biến đó vào môi trường hồi quy.
P value (Probability value): Giá trị P là mức ý nghĩa α nhỏ nhất mà ở đó bắt đầu bác bỏ giả thuyết H0.
Residual: Phần dư của mô hình.
SS (Sum of squares): Tổng bình phương. Df: Độ tự do.
Phương pháp ước lượng thường dùng nhất trong việc khảo sát mô hình hồi quy tuyến tính là phương pháp bình phương bé nhất- Ordinary least squares (OLS) (Mai Văn Nam, 2008).
* Các lỗi thường gặp trong mô hình hồi quy tuyến tính: - Phương sai sai số thay đổi
- Tự tương quan - Đa cộng tuyến - Bỏ xót biến
CHƯƠNG 3
TÌNH HÌNH ĐẦU TƯ TRỰC TIẾP CỦA CÔNG TY ĐA QUỐC GIA VÀO VIỆT NAM