2. CÁU TRÚC SỞ HỮU VÀ HIỆU QUẢ DOANH NGHIỆP: BẰNG CHỨNG THỰC
2.5.1 Kết quả hồi quy theo mô hình 1
SIZE, LEV, GROW, AGE)
Tác giả sử dụng phần mềm SPSS để chạy mô hình hồi quy 1. Kết quả thu được như sau:
Bảng 2.4 và 2.5: Kết quả phân tích hồi quy theo mô hình 1
Model Summary(b)
Model R
1 .890(a)
a Predictors: (Constant), AGE, LEV, GOV, GROW, FORG, SIZE, OTHERS
b Dependent Variable: Tobin's Q
ANOVA(b)
Model
1 Regression
Residual Total
a Predictors: (Constant), AGE, LEV, GOV, GROW, FORG, SIZE, OTHERS
b Dependent Variable: Tobin's Q
Kiểm định sự phù hợp của mô hình:
Qua bảng 3.4 và 3.5, hệ số R2 = 0.793 cho thấy mức độ tương quan khá chặt. F= 79.193 và P-value của F = 0.00 <0.05 nên các biến sở hữu nhà nước (GOV), sở hữu nước ngoài (FORG), sở hữu khác (OTHERS), quy mô doanh nghiệp (SIZE), đòn bẩy tài chính (LEV), chỉ số tăng trưởng (GROW) và tuổi của doanh nghiệp (AGE) trong mô hình 1 giải thích được 79.3% sự thay đổi của biến hiệu quả hoạt đồng của doanh nghiệp Q.
Ý nghĩa của các hệ số hồi quy trong mô hình:
Bảng 2.6: Các hệ số hồi quy trong mô hình 1
Coefficients(a) Model (Constant) GOV FORG OTHERS SIZE DEBT GROW AGE a Dependent Variable: Tobin's Q
Qua bảng 3.6 cho thấy P-value của các biến GOV (0.047), FORG (0.001), OTHERS (0.024), SIZE (0.02), LEV (0.00) nhỏ hơn 0.05 nên 5 biến này có ý nghĩa thống kê trong mô hình 1. Các biến còn lại có P-value là GROW (0.44), AGE (0.176) lớn hơn 0.05 nên 2 biến này không có ý nghĩa thống kê trong mô hình 1.
Kiểm định về sự đa cộng tuyến và tự tương quan giữa các biến:
Qua bảng 3.4 cho thấy hệ số Durbin – Watson = 1.938 ( 1 < 1.938 < 3) nên mô hình không có sự tự tương quan.
Qua bảng 3.6 cho thấy hệ số phóng đại phương sai VIF của mỗi biến: GOV(1.031); FORG(1.472); OTHERS(1.044); SIZE(1.535); LEV (1.497); GROW (1.029); AGE(1.149). Vì VIF của các biến đều thỏa điều kiện 1 < VIF < 5 nên không xảy ra hiện tượng đa cộng tuyến trong mô hình 1.
Kiểm định về phân phối chuẩn của phần dư:
Hình 2.1: Biểu đồ tần số của phần dư chuẩn hóa của mô hình 1
30 20 10 0 - - 3 3 ... 50 Standardized Residual
Qua hình 3.1 có thể nói phân phối phần dư xấp xỉ chuẩn (trung bình Mean = 0.00, độ lệch chuẩn Std. Dev = 0.98 gần bằng 1). Do đó có thể kết luận rằng giả thuyết phân phối chuẩn của phần dư trong mô hình 1 không bị vi phạm.
Kiểm định về tính độc lập của các sai số (Không có tương quan giữa cá phần dư)
Tác giả sử dụng phần mềm Eview để thực hiện kiểm định định này. Kết quả kiểm định thể hiện trong bảng sau:
S ta n d ar di ze d R es id u al
Bảng 2.7: Kết quả kiểm định về tính độc lập của các sai số trong mô hình 1
Breusch-Godfrey Serial Correlation LM Test: F-statistic
Obs*R-squared
Kết quả kiểm định Breusch-Godfrey cho thấy P-value của R2 = 0.3050 >0.05 nên không có hiện tượng tự tương quan giữa các phần dư.
Kiểm định về phương sai của sai số không đổi
Hình 2.2: Đồ thị phân tán giữa các phần dư và giá trị dự đoán của mô hình 1
2 1 0 -1 -2 -3 -4 -2 -1 0 1 2 3 4 5
Standardized Predicted Value
Để thực hiện kiểm định này, tác giả sử dụng phần mềm Eview để thực hiện kiểm định White Heteroskedasticity.
Bảng 2.8: Kết quả kiểm định về phương sai của sai số không đổi ở mô hình 1
White Heteroskedasticity Test: F-statistic
Obs*R-squared
Theo bảng 3.8 cho thấy P-value của R2 = 0.0000 <0.05 nên phương sai thay đổi. Tác giả tiến hành khắc phục hiện tượng phương sai thay đổi như sau:
Giả định phương sai của sai số tỷ lệ với biến độc lập AGEi. Var(εi) = E(εi2
) = δ2Xi. Tác giả thực hiện hồi quy sau:
Bảng 2.9: Kết quả hồi quy khắc phục phương sai thay đổi theo biến AGE của mô hình 1
Dependent Variable: Q/AGE^(1/2) Method: Least Squares
Sample: 1 153 Included observations: 153 Variable C GOV/AGE^(1/2) FORG/AGE^(1/2) OTHERS/AGE^(1/2) SIZE/AGE^(1/2) DEBT/AGE^(1/2) GROW/AGE^(1/2) AGE^(1/2) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Tác giả dùng kiểm định White Heteroskedasticity để kiểm tra lại
Bảng 2.10: Kết quả kiểm định khắc phục phương sai thay đổi của mô hình 1
White Heteroskedasticity Test: F-statistic
Obs*R-squared